Lars Kestner presenta una guía académica y técnica sobre estrategias de trading cuantitativo. Desde cimientos estadísticos hasta técnicas avanzadas de creación, evaluación y optimización de sistemas de trading. Incluye gestión de capital con criterio de Kelly y F óptima de Vince.
Este es un resumen completo del libro de Lars Kestner “Quantitative Trading Strategies: Harnessing the Power of Quantitative Techniques to Create a Winning Trading Program”, una guía técnica y académica sobre estrategias de trading cuantitativo.
Nota sobre derechos de autor
Para respetar los derechos de autor, no se incluyen gráficos de apoyo del libro original. Recomiendo encarecidamente la compra del libro para poder seguir mejor este estudio.
Contenido del artículo
Las estrategias de trading cuantitativo son una combinación de análisis técnico y estadístico que al aplicarse genera señales de compra y venta. Esas señales puede que provengan de patrones de precios o valores de complejos indicadores calculados del precio del mercado.
Proceso de validación sistemática
Una vez que se forman las estrategias de trading, su rendimiento es probado con datos históricos para validarse. Básicamente, determinamos si una estrategia ha funcionado en el pasado. Si ha sido así, le da confianza para un rendimiento futuro.
Después de testeado el rendimiento, seleccionamos los mercados a operar. Al operar una cartera diversificada, somos capaces de minimizar nuestro riesgo mientras mantenemos el beneficio esperado.
Desarrollar una idea, probarla con datos históricos y seleccionar los mercados a operar son algunas de las muchas técnicas requeridas de una estrategia de trading rentable.
Un nuevo enfoque para analizar los mercados
Hay numerosos métodos para analizar los mercados. La mayoría de inversores y traders utilizan un análisis fundamental o técnico para evaluar si creen que el mercado se moverá más arriba o más abajo.
Este libro tiene un enfoque diferente más allá de confiar únicamente en el análisis técnico o fundamental. Aunque la mayoría de estrategias utilizan precios pasados para predecir precios futuros (como hace el análisis técnico); las estrategias son específicamente definidas usando reglas rígidas.
Este enfoque cuantitativo elimina la subjetividad que sufre tanto el enfoque fundamental como técnico. Una vez que las estrategias son definidas usando sólidos elementos estadísticos, son testeadas sobre precios históricos para determinar su rentabilidad en los años pasados.
Únicamente las ideas que han pasado el test del tiempo serán consideradas para la operativa en tiempo real. Un beneficio de probar con datos históricos es que los traders probablemente tendrán más confianza durante los períodos de pobre rendimiento después de que años de backtesting hayan mostrado que la estrategia es viable.
Crear, probar e implementar una estrategia de trading cuantitativo
Una estrategia de trading (también llamo sistema de trading o metodología de trading) es un conjunto de reglas que indican al trader cuando comprar y vender. Las decisiones de compra y venta son generadas normalmente por patrones del precio e indicadores.
Simplicidad vs Complejidad
Las estrategias pueden ser muy simples (como comprar un día y vender otro) o muy complejas (incluir regresiones estadísticas y relaciones entre mercados relacionados). Algo positivo es que muchos de los sistemas de trading más rentables de los últimos veinte años en realidad son muy simple en el fondo.
Otro componente importante del proceso de desarrollar sistemas de trading es la habilidad para cambiar los valores que hemos definido. Este procedimiento de cambiar los parámetros para mejorar el rendimiento es llamado optimización.
La parte más importante en el desarrollo de un sistema de trading es probar el rendimiento. Cuando probamos con datos pasados, queremos ver que el rendimiento de nuestra estrategia ha sido positivo. Debido a que muchas estrategias serán rentables en el pasado, necesitamos una metodología para comparar los resultados entre ellas. Muy a menudo el sistema de trading más rentable no es el mejor para nosotros. Para evitar hacer evaluaciones inconsistentes, los mejores ratios son el Ratio Sharpe y el K-Ratio.
Por último, necesitamos desarrollar un plan de gestión monetaria. Necesitamos cuantificar exactamente cuánto apalancamiento es el óptimo. Aunque este asunto es muy básico, algunos de los gestores de fondos más grandes del mundo han sufrido por no establecer reglas de gestión monetaria.
El amplio espectro de mercados disponibles para operar
La belleza del trading cuantitativo es que es la facilidad de aplicar un conjunto de reglas definidas a múltiples mercados. El esfuerzo que conlleva aplicar la estrategia a un mercado adicional es despreciable. Con la tecnología adecuada, es posible operar una misma estrategia en cientos si no miles de mercados.
Una vez que diseñamos y testeamos nuestra estrategia de trading, podemos implementarla en cualquier mercado. Verdaderamente no hay límites. Lo único que necesita el trader cuantitativo para desarrollar una estrategia de trading son datos del precio.
Explorar las posibilidades y limitaciones del trading cuantitativo
La hipótesis de los mercados eficientes es una teoría que señala que es imposible tener éxito en los mercados de forma consistente en el tiempo. Existen tres formas de esta hipótesis:
La forma fuerte. Sugiere que toda la información, pública y privada, está siempre incorporada en los precios actuales. El último precio refleja toda la información que se conoce.
La forma semi-fuerte. Declara que los precios actuales reflejan toda la información de dominio público.
La forma débil. Sugiere que el precio ya refleja toda la información que puede ser derivada de analizar datos históricos.
¿Mercados eficientes?
Estas tres formas sugieren que nuestros intentos por ganar dinero mediante la compra y venta basado en patrones previos del precio es imposible.
Investigaciones han detectado que algunas ineficiencias continúan funcionando con el paso del tiempo; lo que indica que los mercados puede que no sean tan eficientes como se piensa. Quizá nuestras estrategias de trading cuantitativo pueden de forma precisa detectar y explotar ciertos patrones que son consistentemente rentables.
Para operar de forma efectiva es necesario entender cómo reaccionan los mercados y ser capaces de evaluar aspectos como el precio medio, la volatilidad y la relación con otros mercados.
Cómo la estadística puede ayudar a lograr el éxito en el trading.
Estrategias de trading y el método científico
El trading es un negocio de increíble competitividad. A diferencia de otras industrias, no hay barreras de entrada y el capital requerido es muy bajo.
Cualquiera puede abrir una cuenta de trading en minutos; y dado la competitividad que hay en la industria del brokerage, los costes en comisiones han descendido.
Con tantos participantes en los mercados, han emergido diferentes estilos de trading e inversión. Algunas de las metodologías usadas son Momentum, Value, Trend Following y Pairs Trading.
El método científico aplicado al trading
En vez de apostar por una por encima de otras, el trader debería testear todas las estrategias que pueda para poder estudiarlas científicamente. Evaluar el rendimiento histórico significa:
- Seguir el método científico mediante la creación de una hipótesis (nuestro método de trading).
- Testear la hipótesis (Backtest sobre datos históricos).
- Llegar a conclusiones basadas en nuestros análisis (Evaluar resultados e implementar un programa de trading).
Cuando analizamos los mercados dentro del contexto del método científico, nos convertimos en traders cuantitativos.
La vida de un trader cuantitativo es única. Mientras que el proceso de operar en sí mismo es similar, los resultados siempre son desconocidos. Intrigado por la posibilidad de nuevas teorías de trading, el trader cuantitativo investiga nuevas ideas todos los días. Hoy puede que sea el día en el que el trader descubre una nueva estrategia que lo sube a la cima.
El número de nuevos traders usando un enfoque estadístico y numérico ha aumentado gracias a los avances en la tecnología. Mientras que algunos métodos son muy complejos, otros se basan en simples reglas.
Los nuevos programas han permitido a los traders comprobar sus ideas sin tener que arriesgar capital. Las estrategias pueden ser testeadas en miles de mercados, dándole al trader la confianza de que su método ha pasado el test del tiempo.
Por supuesto, antes de que toda esta tecnología estuviera disponible, la mayoría de las decisiones de trading eran hechas tras analizar noticias y gráficos; y estar alineado con nuestras sensaciones. Algunos de esos llamados “traders discrecionales” poseen naturalmente esta conexión con el mercado y pueden operar de forma rentable sin la necesidad de reglas sistemáticas, pero es raro. Requiere un alto control de las emociones y de ser capaz de procesar la información de una manera invariable. Sólo unos pocos traders discrecionales muy talentosos han logrado el éxito.
Datos reales de rendimiento
Se muestra una comparación en la rentabilidad de dos grupos de traders dependientes de Barclays que operan de forma discrecional y sistemática. Entre 1996 y 2001, el retorno medio anual del equipo de traders sistemáticos (o cuantitativos) fue del 7,12 por ciento; mientras que el del equipo de traders discrecionales fue sólo del 0,58 por ciento.
Nuevos mercados y métodos de trading
El trading sistemático es un ejemplo de trading cuantitativo. Envuelve la automatización de las decisiones de compra y venta mediante la construcción de fórmulas matemáticas.
La ventaja de este método es que se elimina el factor humano. Incluso los traders exitosos tienden a tomar beneficios demasiado pronto; o incluso peor, a dejar correr las pérdidas.
La belleza de un sistema de trading mecánico es que ninguna operación es ejecutada a menos que el sistema lo estime oportuno. Esta es la clave del éxito en los sistemas mecánicos: eliminar el factor emocional.
Pero, ¿Qué son los sistemas de trading? Un sistema de trading es un conjunto de reglas fijadas que emiten señales de compra y venta.
La inclinación científica y el trading cuantitativo
Aunque es importante ilustrar la ventaja de los métodos cuantitativos de trading, es igualmente importante discutir las limitaciones de este método:
Limitaciones realistas
- Ningún trader gana dinero todos los días.
- Sólo unos pocos ganan dinero todos los meses.
- Algunas estrategias que rindieron bien en el pasado se romperán y dejarán de funcionar en el futuro.
El trading con estrategias cuantitativas envuelve mucho riesgo, riesgo que esperamos limitar mediante el uso de técnicas para diseñar, probar y operar nuestros métodos de trading.
La diferencia entre el análisis técnico y el trading cuantitativo tiene que ver con la calidad del análisis. Intentar justificar las acciones pasadas del mercado usando análisis técnico no tiene sentido. Los mercados caen debido a noticias e información: Pobres ganancias en la empresa, problemas corporativos, exceso de oferta y falta de demanda son sólo unas pocas de las muchas posibles razones para que caiga un mercado.
Igual que opino que usar análisis técnico y lectura del gráfico para explicar el comportamiento pasado del precio no es acertado; el análisis técnico puede ayudar a predecir futuros movimientos del mercado. Un hábil analista técnico planteará escenarios precisos en base a la acción del precio.
Más allá del análisis técnico tradicional
Pero podemos llevar el proceso un paso más allá al incorporar el rendimiento histórico. Independientemente del comportamiento en que se haya basado el analista técnico para plantear el escenario; ¿Estamos seguros que esto es así?, ¿Cuántas veces ha funcionado esto en el pasado? ¿Qué rendimiento habría obtenido en los últimos 5 o 10 años?
Todo nuestro análisis de trading estará dirigido a operaciones futuras, no a explicar la acción del precio pasada. Además, comprobaremos que la estrategia funciona en diferentes mercados y en múltiples años de datos. Los resultados nos servirán para separar las buenas ideas de las que no son rentables. Después de todo, si una idea no es rentable en el pasado, ¿Por qué deberíamos usarla en el futuro?
Los pioneros del trading cuantitativo
El trading cuantitativo data del siglo veinte. William D. Gann, Richard Donchian, Welles Wilder o Thomas DeMark son algunos de los pioneros.
La reciente explosión del trading cuantitativo
La proliferación del trading cuantitativo moderno comenzó con un puñado de traders en la década de 1970. Esos traders comenzaron a testear simples estrategias sobre datos históricos.
Hoy en día el trading cuantitativo está completamente aceptado y practicado por muchos de los gestores profesionales más importantes. Una investigación concluyó que sobre el 75% de los CTA´s usan sistemas de trading.
A mediados de los años setenta se pone fin a la regulación de las comisiones y se introduce el DOT (Designated Order Turnaround). Esto permitió a los traders cuantitativos llegar también los mercados de acciones.
Antes del DOT, todas las órdenes tenían que pasar necesariamente por los especialistas de la bolsa (repercutiendo en gasto económico y tiempo). El DOT acabó con esta problemática al permitir a los traders enviar de forma electrónica sus órdenes sin tener que pasar por estos especialistas.
Los traders cuantitativos de hoy
Hay un número de modernos traders cuantitativos con una cuenta de resultados muy exitosa en el largo plazo. Monroe Trout, John Henry, Ken Griffin y Jim Simons son algunos de los mejores gestores del mundo. Se centran casi exclusivamente en un enfoque cuantitativo.
Por qué el trading cuantitativo es exitoso
La mayoría de los traders han estudiado la hipótesis de los mercados eficientes, la cual declara que los precios actuales reflejan no solo la información contenida en los precios pasados, sino también toda la información disponible públicamente. En tales mercados eficientes, algunos traders e inversores tendrán un buen rendimiento y otros no, pero todos los resultados se deberán a suerte en vez de a habilidad.
La hipótesis de los mercados eficientes defiende la aleatoriedad del mercado. Se realizaron numerosos estudios orientados a desmentir este enfoque aleatorio; pero como los resultados no fueron exitosos, la teoría de que los mercados eran eficientes se aceptó y ganó una credibilidad significante.
Gracias al avance tecnológico se pudieron hacer en la década de los 80 análisis más detallados de dicha teoría y se descubrieron algunos agujeros que sugerían que los mercados no son tan eficientes como se pensaba y que se podían generar retornos positivos.
Nacimiento de una nueva disciplina
La tendencia humana a comportarse como la masa y crear burbujas de mercado lleva a una nueva forma de pensamiento sobre cómo funcionan los mercados.
Se centra en cómo los individuos cambian su comportamiento para asemejarse al de la masa y si este comportamiento, predecible o no, conduce al pánico en los mercados.
Comportamiento financiero y el defecto de la naturaleza humana
Esta nueva ciencia ha sido usada como vehículo para estudiar las causas potenciales de las anomalías e ineficiencias del mercado que inexplicablemente parecen repetirse una y otra vez.
Mediante el estudio de cómo los inversores sistemáticamente cometen los mismos errores en su proceso de toma de decisiones, los académicos pueden explicar y los traders pueden explotar el aspecto psicológico de la inversión.
Los estudios detallan hechos como que los individuos rechazan asumir las pérdidas y que toman las ganancias muy rápidamente. Otro descubrimiento tiene que ver con que las respuestas pueden influenciarse dependiendo de cómo se formule la pregunta.
El sesgo de la naturaleza humana
Muchos estudios han llegado a la conclusión de la tendencia natural de la gente a tomar decisiones inconsistentes cuando se trata de asuntos económicos. Esto trae una pregunta clave: ¿Si los individuos tomas decisiones inconsistentes, puede esto llevar a la ineficiencia en los mercados financieros debido a la irracionalidad?
Tomadores de decisiones irracionales
La mayoría de la gente cree que todos los inversores deben actuar de forma racional para que un mercado sea eficiente, pero esto no es preciso. Compradores y vendedores intervendrán cuando perciban el valor justo.
Cuando se libera información positiva, los inversores racionalmente pujaran por un precio más alto ya que el valor justo del negocio ha cambiado. Incluso si unos pocos inversores y traders actúan de forma irracional comprando y vendiendo basados en información irrelevante, el mercado debería aun así mostrar un precio justo. Lo más probable es que si un inversor irracional está comprando, entones otro está vendiendo.
Cuando la irracionalidad domina
La eficiencia del mercado se pone en duda cuando no se pueden suprimir las acciones de los inversores. Si todos los inversores irracionales compraran o vendieran al mismo tiempo, podrían superar a los inversores racionales y causar ineficiencias en el mercado.
Cuando los inversores irracionales se mueven al unísono, la irracionalidad del mercado puede aparecer y mantenerse durante algún tiempo; y finalmente guiar a burbujas, pánicos y desplomes.
Los inversores reaccionan muy rápidamente tanto a eventos positivos como negativos y este pensamiento de muy corto plazo puede crear ineficiencias en el mercado.
Más allá de que las investigaciones sugieran que las ineficiencias en los mercados financieros existen, mucha gente se cuestiona la rentabilidad de trading cuantitativo, ¿Por qué deberían las reglas fijas que generan señales de compra y venta ser superiores a la discreción humana y a su habilidad para evaluar problemas? La respuesta es que la discreción humana tiene un hábito de sabotaje.
Con el paso de las décadas, investigaciones psicológicas y financieras han explicado la naturaleza de tales tendencias emocionales y han arrojado luz acerca de por qué algunos patrones del mercado continúan existiendo con el paso de los años.
Vender los ganadores y mantener los perdedores
Estudios del sesgo humano en situaciones económicas revelaron cómo la mente afecta a las decisiones de trading. Hay una significativa tendencia a vender los valores que rinden bien demasiado pronto y a mantener las acciones perdedoras demasiado tiempo.
La lógica engañosa del trader
El razonamiento detrás de esto es que; cuando compramos, lo hacemos porque su valor está infravalorado (tiene valor); y cuando el precio sube, se aleja de esa infravaloración (pierde valor). Por otro lado, cuando compramos algo que consideramos que estaba infravalorado y su precio disminuye, consideramos que es más atractivo (tiene más valor).
Aunque esta lógica parece sólida, los resultados de los estudios demuestran que en realidad ocurre lo opuesto. Los valores ganadores que fueron vendidos continuaron subiendo; mientras que los valores perdedores que se mantuvieron continuaron cayendo. Por tanto, se sugiere que es más rentable comprar los ganadores y vender los perdedores.
Hay dos fundamentos teóricos que dominan la tendencia a vender los ganadores y mantener los perdedores: la teoría de las perspectivas y la teoría de la reversión a la media.
Teoría de las perspectivas
Sugiere que los inversores son más aversivos al riesgo cuando tratan con inversiones rentables y más arriesgados cuando tratan con pérdidas. Como resultado, los traders e inversores toman ganancias muy rápido (para aplacar nuestra psique) y aguantan las pérdidas demasiado (para mantener la esperanza de que se convierta en ganadora).
Si esta teoría funciona en los mercados financieros, puede que seamos capaces de tomar ventaja de la naturaleza humana mediante el diseño de una estrategia de trading que no sea susceptible al inconsistente pensamiento del ser humano.
Teoría de la reversión a la media
Esta teoría explica las razones de por qué los inversores venden a los ganadores y mantiene a los perdedores; y es porque esos inversores compran y venden como si esperaran una reversión a la media de los precios.
La reversión a la media ocurre cuando una serie de números finalmente revierte al promedio de largo plazo.
Si los inversores creen que el precio se mueve así, estarán dispuestos a vender cuando el precio sube y a mantener la posición cuando baje, creyendo que finalmente retornará a su nivel más normal.
Esta creencia contrasta con la teoría más tradicional de que los precios del mercado son independientes y siguen un paseo aleatorio, moviéndose hacia arriba y hacia abajo con igual probabilidad.
Aprovechando los sesgos del mercado
Hay un número de técnicas cuantitativas que podemos utilizar para tomar ventaja de las tendencias de los inversores a vender a los ganadores y a mantener a los perdedores. La mayoría de esos modelos se acotan bajo la clase de sistemas seguidores de tendencia.
Las estrategias seguidores de tendencia compran mercados fuertes y venden mercados débiles.
Sistemas seguidores de tendencia
Cuando los precios suben por encima de rangos recientes, la teoría de las perspectivas declara que los traders con posiciones largas ganadoras las cerrarán mientras que los traders con posiciones cortas perdedoras las mantendrán.
Los traders que van largos estarán aversivos al riesgo con sus ganancias y cerrarán sus posiciones para poder bloquear esas ganancias y sentirse mentalmente recompensados. Al mismo tiempo, los traders que van cortos se negarán a cerrar sus posiciones con pérdidas. Esperan que el mercado se gire para que les permita salir sin pérdidas.
Además, según el mercado sube por encima del antiguo rango de trading, el pensamiento de reversión a la media sugerirá que el mercado está sobre extendido y que finalmente volverá al rango previo.
Los traders cuya mente detectan el proceso de reversión a la media establecerán posiciones cortas debido a la creencia de que los precios volverán a su normalidad. Por supuesto, los traders que venden la rotura están condenados. Nueva información ha llegado al mercado y los precios están destinados a subir más alto.
Aquellos que luchan contra la tendencia perderán, mientras que los que operan a favor de la rotura festejará las tendencias de la naturaleza humana de aquellos participantes incapaces a asumir pérdidas.
Los traders cuyas mentes están distraídas por las teorías de las perspectivas o de la reversión a la media probablemente perderán con el paso del tiempo.
Ya sea debido a un cambio en los datos fundamentales o un cambio en el sentimiento, los precios se están moviendo por una buena razón. Los traders inteligentes ignoran el sesgo humano de ambas teorías y establecen posiciones en la dirección de la rotura.
Las operaciones perdedoras finalmente se cierran cerca de un extremo del mercado.
Usando técnicas de trading cuantitativo podemos mitigar las tendencias humanas y generar estrategias basadas en rendimientos históricos, no en tendencias psicológicas.
Las tendencias en la naturaleza humana que resultan en la teoría de las perspectivas y de la reversión a la media pueden generar grandes pérdidas para los traders puramente discrecionales.
Una simple estrategia de vender en nuevos mínimos y comprar en nuevos máximos sería un buen ejemplo de utilizar métodos sistemáticos para tomar ventaja de las ineficiencias del mercado.
La idea es trabajar en métodos para comprar cuando todo el mundo está vendiendo; operar en contra de la fortaleza y debilidad del muy corto plazo; así como operar la diferencia en mercados correlacionados al alcanzar extremos.
En cada caso, las razones que influyen el pensamiento humano puede que permitan que un sistema de trading cuantitativo sea rentable. Después de todo, los sistemas cuantitativos siguen modelos con reglas específicas basadas en el rendimiento histórico y usan el proceso científico para definir estrategias, en lugar de la intuición humana.
Después de todo, el trading es una profesión donde cada decisión tiene una posibilidad binaria. Sólo hay dos acciones que un trader puede hacer: comprar o vender. Lo que sucede es que hay obstáculos que pueden dificultar esa elección binaria.
Méritos y limitaciones del análisis fundamental
Si el análisis cuantitativo es rentable, ¿Es necesario estudiar también el análisis fundamental?
También se puede hacer dinero con el análisis fundamental; pero al igual que con el análisis cuantitativo, el fundamental se ha vuelto cada vez más eficiente. Según los gestores aumentaban su popularidad y sus rendimientos crecían, mejores análisis se hacían sobre las compañías. Esta riqueza de conocimiento sobre las compañías crea sus ventajas.
Ya que las ganancias pueden ser muy volátiles, el análisis fundamental ha encontrado problemas al clarificar sus técnicas de evaluación.
Limitaciones del análisis fundamental
Las ganancias conducen el rendimiento de la acción, pero no es el único factor. El precio puede caer aún teniendo buenas ganancias debido a un cambio en las perspectivas del negocio, a valoraciones erróneas o a productos que se vuelven obsoletos o están sujetos a una fuerte competición.
Incluso los mejores análisis están sujetos a las reacciones inesperadas del mercado. Los extremos irracionales pueden ser difíciles de explotar usando análisis fundamental ya que éstos tienen el hábito de alargarse mucho más allá de las valoraciones razonables. También, los mercados pueden alcanzar extremos infra y sobre evaluados y permanecer ahí durante mucho tiempo.
Ya que no hay posibilidad de hacer un sólido análisis fundamental que rinda siempre bien, usar estrategias de trading cuantitativo pueden detectar factores que afectan al precio del valor más rápidamente que esperar a la liberación de los datos fundamentales.
Incluso en las burbujas y en los desplomes, el precio no se mueve en línea recta. Los cambios en los fundamentales del largo plazo no ocurren muy a menudo, pero esto no imposibilita al precio de hacer espectaculares movimientos al alza y a la baja. La belleza del análisis cuantitativo es que podemos capturar esos movimientos sin un cambio en los fundamentales. Nuestros modelos deberían ser capaces de determinar cambios en las tendencias del precio y permitirnos obtener beneficios de la volatilidad en lugar de sufrir con ella.
El problema del corto plazo
El problema con el análisis fundamental es que las bases fundamentales de las compañías cambian muy lentamente, haciendo difícil capitalizar los movimientos del precio en el corto y medio plazo, lo cual es generalmente causado por el sentimiento y la percepción de los inversores.
Emplear el análisis fundamental de forma exitosa requiere que los mercados vuelvan a la racionalidad y la eficiencia más pronto que tarde, lo cual en ocasiones no ocurre.
Hay analistas fundamentales muy talentosos, pero para tomar ventaja de los movimientos del corto plazo en los mercados nos centraremos en el análisis cuantitativo y usaremos precios pasados para generar señales de trading.
Usar métodos científicos para desarrollar estrategias de trading con ventaja.
Medir los mercados usando estadísticas
Aunque dominar la estadística no es en absoluto una necesidad para llegar a ser un trader exitoso, conocer las matemáticas y principios detrás de la acción del precio te dará una ventaja cuando se trata de trading.
El poder de la estadística en trading
La estadística permite al trader una mejor comprensión de los datos. Mediante el cálculo estadístico de los precios, de los retornos y del volumen, podemos aprender mucho acerca de la naturaleza de los recientes movimientos del precio. Esas estadísticas serán los cimientos de nuestros sistemas de trading cuantitativo.
Entender las estadísticas detrás de los mercados puede ayudarte en la creación de nuevas ideas de trading.
Media y promedio de retornos y precios
La media de una serie, más comúnmente conocida como promedio, es una medida de localización central.
Esta media es la suma de los valores en una distribución dividida por el número de datos en la distribución.
Es una estadística importante porque determina la tendencia central de una serie.
Medición de la dispersión de retornos
Los métodos más populares usados para mediar la dispersión de valores son la varianza y la desviación estándar.
La varianza es definida como la desviación promedia con respecto a su media. La varianza mide la amplitud de que pueden alcanzar los valores desde la media. El cálculo de la varianza cuantifica la dispersión de valores. Sin embargo, solemos usar la desviación estándar más a menudo.
Para obtener la desviación estándar, tomamos la raíz cuadrada de la varianza.
Correlación
La correlación mide la fortaleza de una relación entre dos series. Es calculada mediante la multiplicación de la diferencia de una serie de su media por la diferencia correspondiente de otras series de sus medias; tomando el producto promedio y dividiéndolo por el producto de la desviación estándar de ambas series.
Cuidado con la correlación de precios
La correlación puede ser mal usada. Cuando medimos la correlación de los datos del mercado, es importante interpretar tus análisis usando retornos en vez de precios. La mayoría de veces, la correlación de precios puede engañar al trader haciéndole creer que hay una relación significante entre dos series cuando en realidad no la hay.
La utilidad de la distribución normal
La desviación estándar es un método popular de medida de la dispersión, principalmente debido a sus propiedades bajo ciertas circunstancias, específicamente aquellas asociadas con una distribución normal.
Cuando decimos que una distribución es “normal” nos referimos a las probabilidades de ocurrencia de los valores. Las distribuciones normales se ensanchan hacia el centro de la muestra y se estrecha en los extremos.
La curva de campana
La distribución normal en ocasiones también es conocida como “curva de campana” debido a su forma. Probablemente es la distribución más útil y estudiada en estadística y también se le refiere como “Gausiana” en honor a l matemático alemán Karl Freidrich Gauss.
Una vez que sabemos que una serie sigue una distribución normal, podemos obtener importante información sobre el rango de los valores usando únicamente la media y la desviación estándar de la serie.
Los precios de los mercados siguen tendencias muy específicas asociadas con la distribución normal.
La irregularidad de la volatilidad del mercado
El hecho de que en el corto plazo los mercados no sigan una típica distribución normal ha atormentado a los economistas durante un tiempo. Evidencias han mostrado que esto puede deberse al hecho de que la desviación estándar varía con el paso del tiempo.
Cuando el mercado está lento y no hay noticias, tiende a permanecer en un estado de baja volatilidad durante días o semanas. Por otro lado, cuando los mercados están muy volátiles, tienden a moverse por encima de la volatilidad media hasta que las noticias y los cambios del precio son digeridos.
Los economistas han creado un nuevo modelo para explicar cómo la volatilidad varía con el paso del tiempo. Esos modelos son llamados GARCH (Generalized Auto Regressive Conditional Heteroskedasticity).
Patrones de la volatilidad
Períodos de alta volatilidad suelen ser seguidos por períodos más largos de alta volatilidad; luego lentamente disminuye hasta alcanzar niveles normales. Igualmente, períodos de baja volatilidad son seguidos por períodos más largos de baja volatilidad hasta que finalmente poco a poco retorna a niveles normales con el paso del tiempo.
Las investigaciones han demostrado que los modelos GARCH explican la volatilidad de los mercados con una fuerte significancia estadística.
Aunque GARCH no puede predecir los precios del mercado, el concepto de volatilidad no constante tiene importantes implicaciones en la generación de señales de trading y en la gestión del riesgo de las carteras.
Los cimientos que generan operaciones.
Los tres pilares de un sistema de trading
Hay tres básicos a la hora de crear cualquier sistema de trading: entradas, salidas y filtros. Las entradas con las señales que genera la apertura de las órdenes para nuevas posiciones. Las salidas indican que el valor esperado para esa operación ha disminuido tanto que debería cerrarse. Los filtros obligan al trader a tomar únicamente las entradas con el beneficio esperado más alto a lo largo de la vida del sistema.
La necesidad de explicar los cambios del precio
Parece haber una constante necesidad de justificar cada uno de los movimientos del mercado. En muchos casos hay un conductor para ese movimiento (eventos fundamentales) pero muchas veces esto no es así.
Tales piezas de información rara vez causan una gran asignación de capital. En vez de esto, generalmente es una confluencia de días o semanas de información que cambia la filosofía de inversión de bajista a alcista o viceversa.
El mito del ruido del mercado
Es muy difícil explicar los movimientos diarios del mercado. Nuestras estrategias de trading no deberían intentar hacer esto ya que los precios son ruido y probablemente la mejor explicación la tengamos en el modelo del paseo aleatorio.
En vez de esto, nos centraremos en predecir la dirección diaria del mercado correctamente el 52 o 55 por ciento de las veces. Incluso si estamos acertados sólo el 52 por ciento de los días de trading en el año podemos hacer dinero.
El punto es que un pequeño cambio en la precisión diaria aumenta significativamente nuestras posibilidades de ser rentables. Las entradas, salidas y filtros nos ayudarán en nuestras decisiones de trading y aumentarán nuestras precisiones diarias al operar.
Entradas en la estrategia de trading
Las señales de entrada son el motor que conduce los sistemas de trading. En ocasiones, la cantidad de tiempo gastado en crear nuevos sistemas tiene que ver con la creación de las señales de entrada. Con tantas ideas para elegir, puede convertirse en un trabajo a tiempo completo.
Algunas de las metodologías de entrar usadas incluyen medias móviles, rotura de canales, momentum, rotura de volatilidad, osciladores y patrones del precio.
Estas básicas técnicas se han convertido en los cimientos de complejas ideas.
Técnicas seguidoras de tendencia (Trend Following)
Estos métodos seguidores de tendencia generan señales de compra cuando el mercado está en un período de fortaleza. Por el contrario, genera señales de venta durante períodos de debilidad.
Aunque los seguidores de tendencia nunca comprarán en suelos de mercado o venderán en techos, la mitad de una tendencia a veces es suficiente como para producir un trading rentable.
Las estrategias típicas seguidoras de tendencia emplearán medias móviles, rotura de canales, lecturas de momentum o roturas de volatilidad para sus señales de entrada.
Medias móviles
Básicamente, una media móvil es el promedio de una serie temporal, pero actualizada y recalculada en cada día de trading. Tienen muchas formas y tamaños. Las más comunes son la simple, la ponderada y la exponencial.
La media móvil simple es un promedio de los valores recalculados cada día. Según pasa el tiempo, los valores más antiguos son reemplazados por los más actuales. Se calcula sumando el valor de los días (generalmente los cierres) y dividiéndolo por el número de días.
La media móvil exponencial se calcula usando el valor del precio de hoy y el valor promedio de ayer.
La media móvil ponderada asigna un mayor peso a los datos más recientes.
Generación de señales
Las señales de trading con medias móviles se activan cuando los precios cruzan por arriba o por debajo de la media móvil. Las medias móviles más pequeñas responderán más rápido a los actuales movimientos del precio y generarán más señales de trading que las medias más grandes.
Otra variación la encontramos al combinar más de una media móvil para generar la señal. Cuando la media móvil más rápida (más pequeña) cruza a la media móvil más lenta (más grande) produce la señal.
Algunos traders se quejan del retardo. Pero hay que tener en cuenta que el retardo es lo que nos habilita para hacer beneficios durante periodos en tendencia.
Cuando los precios se alejan de la tendencia, se generan señales. Mientras que los precios continúen en la dirección de la tendencia, la media móvil siempre se quedará atrás de los precios actuales. Cuando más larga sea la tendencia, más beneficiosa será la estrategia con medias móviles.
En un mercado que oscila en un lateral, el retardo puede ser un problema. En mercados con movimientos cortos y violentos, con muchas reversiones, los sistemas de medias móviles probablemente sufrirán. Al usar medias móviles más largas podemos disminuir este hándicap, aunque para la mayoría, este tipo de entornos son una parte desafortunada de los sistemas de trading con medias móviles.
Roturas de canales
Su nombre deriva de los canales que se crean cuando establecemos máximos y mínimos de una serie de días previos. Según se hace nuevos máximos y mínimos, el canal se mueve más arriba y más abajo, contrayéndose y expandiéndose con la volatilidad del mercado.
Las Tortugas de Richard Dennis
Este tipo de sistemas ha tenido mucha popularidad gracias al legendario trader Richard Dennis y su estrategia “tortugas”.
Las entradas se ejecutan cuando el precio penetra el canal. Se compra cuando el cierre de hoy es mayor que el previo de X número de días. Para un canal de 40 días, se compraría cuando el precio de cierre de hoy cerrar por encima de máximo generado en esos 40 días previos.
Las señales de venta se generan cuando el mercado cierre más abajo que el mínimo previo de X días.
Cuanto mayor sea la longitud del canal, menos frecuente será que opere la estrategia.
Momentum
Las entradas por momentum son quizá las técnicas más simples disponibles para los traders. El momentum se calcula tomando la diferencia entre un valor y otro en algún punto.
Momentum = valor de hoy – valor de X días previos
Quizá es el indicador más versátil de todos ya que puede aplicarse a precios, medias móviles, osciladores y a otros indicadores.
Roturas de volatilidad
La premisa detrás de esta estrategia es que un gran salto del precio en el corto plazo tiende a ser el precursor de un movimiento mayor en la misma dirección.
Hay un número de razones por las que los grandes cambios del precio pueden ser una señal para mayores movimientos en esa dirección. Primero, los costes de trading no son despreciables, especialmente cuando se trata de grandes cantidades de capital.
Instituciones y costes de transacción
Cuando aparecen noticias positivas de un valor, puede que a las grandes instituciones les lleve tiempo tomar una decisión para comprar. Los costes de transacción asociados a grandes posiciones son muy elevados; tanto en términos de comisiones como del deslizamiento que crea el tamaño de la posición.
Cualquier institución dispuesta a dedicar una gran cantidad de capital tiene que asegurarse que la operación es correcta. Este retraso puede permitir al trader cuantitativo operar antes de que actúen las grandes instituciones.
Otro factor que puede potenciar esta estrategia es que todos los inversores no tienen la misma información. El desequilibrio de la información permite explicar la imposibilidad de la verdadera ineficiencia de los mercados. Algunos inversores tienen mejor información que otros.
Esta teoría se basa en los significantes costes asociados con la investigación. Contratar analistas para visitar las compañías y extraer información puede ser caro. Si los inversores que gastaron su dinero en investigaciones fundamentales no pueden mejorar el rendimiento de los inversores mal informados, entonces los acumuladores de información pronto cesarán en sus investigaciones. Como resultado, los mercados serán más ineficientes hasta que ciertos inversores comiencen a hacer las costosas investigaciones de nuevo.
Lo más probable es que cuando los inversores informados tomen posición, muevan los mercados hacia extremos debido a su convicción. Esta estrategia puede ser capaz de rastrear el movimiento de esos inversores informados, identificar los extremos y explotar su potencial beneficio. Se trata de buscar grandes movimientos del precio y operar en su dirección.
La entrada comprende tres piezas: un valor de referencia, una medida de volatilidad y un multiplicador de volatilidad. La medida de volatilidad representa la volatilidad normal del mercado para aislar los movimientos significantes de los cambios aleatorios. El multiplicador de volatilidad determina la sensibilidad del movimiento del precio requerido para activar el gatillo. Los tres componentes se combinan en un punto gatillo.
Las entradas en compra se ejecutan cuando los precios cierran por encima de la parte alta del gatillo mientas que las ventas cuando los precios cierran por la parte baja.
El valor de referencia es el punto desde el cual mediremos el comienzo del movimiento. Generalmente es medido usando el cierre del día previo, la apertura del día de hoy o una media móvil de corto plazo.
Medidas de volatilidad más comunes
Las tres medidas más comunes de volatilidad son:
- La desviación estándar de los cambios de los precios
- La desviación estándar de los precios
- El Average True Range (ATR)
Con el ATR podemos calcular la volatilidad del mercado de los días establecidos.
Los puntos de entrada en las estrategias de roturas de volatilidad se derivan de multiplicar el multiplicador de volatilidad por la media de volatilidad y añadiendo ese valor al valor de referencia.
Osciladores del precio
Además de las técnicas seguidoras de tendencia, hay numerosos métodos para definir cuándo una tendencia se ha sobre extendido al alza o a la baja. Esos métodos suelen entrar en los llamados osciladores.
La mayoría de osciladores usan estadísticas de rango para explicar cuando los precios actuales están ubicados dentro del rango reciente e intenta generar señales de venta cuando los precios han subido demasiado y señales de compra cando los precios han caído demasiado.
Osciladores populares
Los osciladores más populares son: Relative Strength Index (RSI), %K stochastics y Moving Average Convergence/Divergence (MACD). La premisa detrás de los osciladores es que una vez que el precio se mueve a niveles alejados del promedio, es inminente una reversión.
Relative Strength Index (RSI)
Según su creador, los techos de mercado a veces se completan cuando el indicador sube por encima de 70; mientras que los suelos se forman durante períodos en los que el indicador cae por debajo de 30.
Stochastics
Compara los precios actuales con el rango máximo y mínimo de un período posterior.
Este indicador usa una media móvil de tres días para formar la media rápida. Después, sobre los valores de la media rápida se usa otra media móvil de tres días para formar la media lenta.
Generalmente se establecen posiciones largas cuando la media rápida sube por encima de 30 y además cruza la media lenta. Las posiciones de venta se generan cuando la media rápida cae por debajo de 80 y además es acompañada por un cruce por debajo de la lenta.
Moving Average Convergence/Divergence (MACD)
Es un indicador creado para obtener la diferencia entre dos medias exponenciales (una ponderada de 12 días y una exponencial de 26 días).
Según sube el mercado, la de 12 días subirá más rápido que la de 26, llevando a un aumento en los valores de la línea del MACD. Mercados bajistas guiarán a una caída en los valores del MACD, ya que la media de 12 caerá más rápido que la de 26.
La media móvil exponencial del MACD genera señales de compra y venta en sus cruces. Si el MACD sube, se para y cruza por debajo de la línea, indica que la tendencia está agotada y se podrían establecer posiciones de venta. De forma inversa, si el MACD cae, se para y cruza por encima de la línea, indica que el mercado está sobre vendido y podrían establecerse posiciones de compra.
Los osciladores son usados para determinar agotamientos del precio. El analista Tom DeMark es un defensor de éstos y tiene una interesante teoría de su utilidad al identificar puntos de agotamiento.
La hipótesis de DeMark se basa en que el precio continuará subiendo hasta que el último comprador haya comprado y las tendencias bajistas continuarán hasta que el último vendedor haya vendido. En este punto de agotamiento, los precios deben revertir debido a la falta de compradores o vendedores. Usar osciladores puede ayudar a identificar esos puntos de reversión de la tendencia.
La técnica de DeMark
Una técnica que usa DeMark es tomar únicamente las señales si los osciladores pasan un corto período de tiempo en los territorios de sobre compra y sobre venta.
Si los precios suben y el RSI de 14 días salta por encima de 65 y permanece sobrecomprado durante muchos días, entonces el mercado puede que esté mostrando fortaleza de fondo. Entrar cortos en un mercado fuerte puede que no sea prudente. Por otro lado, si los precios suben y entonces caen con el RSI permaneciendo por debajo de 65 únicamente durante un período de tiempo de 5 días o menos antes de caer por debajo de 65, entonces el mercado muestra debilidad y podrían tomarse posiciones de venta.
Patrones de precio
Las entradas por patrones de precio son las más difícil de definir porque pueden abarcar casi cualquier cosa para generar las señales de trading. Algunos patrones de precio señelen la continuación de la tendencia mientras que otros señalan una potencial reversión del mercado. Los patrones pueden estar compuestos por una o más días de la acción del precio.
Ejemplo: Día de reversión
Un patrón popular, el día de reversión, indica que el mercado puede que gire:
- Reversión en venta: El máximo de hoy es mayor que el máximo de ayer Y el cierre de hoy es más bajo que el cierre de ayer.
- Reversión en compra: El mínimo de hoy es menor que el mínimo de ayer Y el cierre de hoy es mayor que el cierre de ayer.
Otros patrones pueden incluir una referencia al día de la semana, además de la relación entre el precio de apertura, máximo, mínimo y cierre de hoy con respecto al del día previo.
Salidas en la estrategia de trading
Raramente reciben la atención que merecen dentro de un completo sistema de trading. En términos de creación de un sistema rentable, son los responsable de convertir la ventaja de las entradas en beneficios cerrados.
Mientras que las entradas son responsables de crear operaciones rentables, necesitamos señales para determinar cuándo salir tanto de las operaciones rentables como de las perdedoras.
Generalmente, las señales que cierran las operaciones rentables son conocidas como “salidas”; mientras que las que cierran operaciones perdedoras son conocidas como “stops”. Se deberían englobar en la misma categoría ya que sirven para el mismo propósito: maximizar los beneficios y minimizar las pérdidas.
Algunas salidas populares incluyen la toma de beneficios, el trailing stops y el stop loss fijos.
Tomas de beneficio (Profit Targets)
Las tomas de beneficio cierran operaciones rentables.
Trailing Stops
Cuando nuestra operación entra en positivo, puede que queramos proteger los beneficios en caso de que el mercado se gire y evitar así convertir una operación que era ganadora en una perdedora.
Stop Loss fijos
La pérdida forma parte del trading. En el inoportuno evento en el que somos incapaz de cerrar la posición en nuestro objetivo y nuestro trailing stop no se ha activado, puede que necesitamos un método a prueba de fallos para salir de dichas operaciones.
Filtros en la estrategia de trading
Mientras que las entradas y salidas nos permiten entrar y salir del mercado, en ocasiones hay momentos mejores que otros para operar. Podemos usar filtros para determinar estos momentos cuando lo más recomendable es permanecer fuera del mercado e ignorar las señales de entrada.
Filtros de tendencia populares
Puede que usemos un filtro de tendencia para evitar operar durante períodos de rango. Filtros populares de tendencia incluye el Average Directional Movemente Index (ADX) y el Vertical Horizontal Filter (VHF). Ambos miden la fortaleza de la tendencia.
Crear nuevas estrategias
Cuando se trata de crear nuevas estrategias, es mejor comenzar con una idea de trading y posteriormente amoldar esta teoría en unas reglas concretas. Una progresión típica desde la teoría hasta las reglas de trading sería:
De la teoría a la práctica
Teoría: Los grandes movimientos son un resultado de nueva información entrando en el mercado. Esta información puede que no sea digerida inmediatamente por todos los participantes del mercado.
Regla de trading: Comprar cuando el precio de hoy sea mayor que dos desviaciones estándar de la desviación estándar de los precios de 20 días.
Seguimos el proceso de formular una teoría, crear un experimento y obtener conclusiones.
Este método científico es tremendamente importante para desarrollar una estrategia de trading. Usar la lógica para crear métodos de trading ayuda a evitar el proceso de sobre optimización de los datos para lograr un resultado deseado (curve-fitting).
La trampa del tratamiento de datos es la necesidad de sobreexplotar los precios.
El peligro del over-fitting
A veces los traders no se quedan satisfechos con sus sistemas de trading rentables y sienten la necesidad de mejorar las estrategias añadiendo complejas reglas para capturar una mayor porción del movimiento del precio y aumentar por tanto la rentabilidad. Al final, esos modelos se rompen en la operativa real debido a los niveles extra de complejidad injustificada.
Cómo valorar correctamente el rendimiento.
Evaluar una estrategia de trading puede ser una tarea muy difícil ya que el rendimiento de la estrategia puede en ocasiones ser engañoso. Los traders cuantitativos necesitan las herramientas correctas para calificar el rendimiento. Para muchos traders, esas herramientas son desconocidas o malentendidas.
Las teorías de Popper aplicadas al trading
La principal teoría científica de Popper se centra en el crecimiento del conocimiento humano y los métodos usados a la hora de hacer nuevos descubrimientos.
La falsabilidad de Karl Popper
Karl Popper era muy intranquilo con el concepto de la verdad absoluta. En lugar de esto, sentía que las teorías, independientemente de la disciplina científica, nunca podrían ser probadas. Lo que proponía es que debían desarrollarse experimentos con la mejor explicación disponible en el momento de esa teoría hasta que o bien se refutaban o bien se descubría una teoría mejor.
Por ejemplo, la mayoría de académicos creen que el paseo aleatorio es la mejor explicación del comportamiento del mercado. Siguiendo la teoría de Popper, lo mejor que podemos hacer para mejorar esta teoría es mostrar que ciertas estrategias de trading cuantitativo han generado beneficios en el pasado. Al hacer esto, no se refuta la teoría del paseo aleatorio.
Pero hay más, no se puede asegurar que cualquier estrategia será rentable en el futuro. Si demuestro que mi estrategia es rentable sobre un número de mercados y con un conjunto de parámetros establecidos, me acerco a una nueva teoría de que los mercados son predictibles. Entonces, hasta que vea más datos que refuten mi teoría o hasta que aparezca una teoría mejor, esta teoría será aceptada. La prueba de su eficacia será si consigue ganar dinero en tiempo real.
El enfoque de Popper es ideal a la hora de desarrollar estrategias de trading cuantitativo. Cuando desarrollamos nuevas estrategias, comenzamos con la asunción de que la idea no será rentable. Si un riguroso Backtest sobre datos históricos nos revela que la idea es rentable, entonces rechazaremos la asunción inicial y analizaremos más detenidamente el Backtest.
Como defiende el pensamiento de Popper, nunca podemos aceptar que una estrategia va a ser rentable en el futuro. Lo mejor que podemos hacer es asumir que la estrategia será rentable hasta que encontremos una mejor estrategia o descubramos problemas con el rendimiento histórico.
El método científico en trading
El proceso entero sigue el método científico: desde la teoría, hacia la hipótesis, hacia la experimentación y hacia la conclusión.
Incluso cuando completamos el Backtest, no tenemos garantías de que la estrategia seguirá siendo rentable en el futuro. Probamos estrategias y descartamos aquellas con problemas como un mal rendimiento, inconsistencias lógicas o problemas logísticos en su implementación. Si tras pasar estos problemas seguimos teniendo una estrategia rentable, podemos esperar que tenga éxito en el futuro. Incluso entonces, aunque podría ser que tuviéramos una estrategia consistentemente rentable, posiblemente ninguna estrategia será rentable para siempre. Los mercados y las teorías puede que cambien.
Fallas en las medidas de rendimiento
Los traders de hoy usan una multitud de medidas de rendimiento para evaluar sus estrategias de trading; pero cada una de esas medidas tienen fallas por lo que no son totalmente fiables.
Net Profit
Es uno de los más seguidos. Simplemente muestra el beneficio neto ganado o perdido durante la vida de Backtest.
Limitaciones del Net Profit
Es importante ya que después de todo, una estrategia que gana dinero es más deseable que una que lo pierde. Pero más allá de determinar si un sistema es rentable, el beneficio neto no clarifica el rendimiento. Sin la medida del riesgo y la consistencia de los retornos, usar el beneficio neto para juzgar el rendimiento es inconsistente.
Profit Factor
Se obtiene al dividir el beneficio total ganado en las operaciones ganadoras entre la pérdida total de las operaciones perdedoras.
Si la estrategia es rentable, entonces el beneficio bruto será mayor que la pérdida bruta y el correspondiente factor de beneficio será mayor que uno. Las estrategias perdedoras producirán factores de beneficio menores que uno.
Su ineficacia puede venir cuando todos los beneficios generados sean el resultado de unas pocas operaciones ganadoras.
Profit to Drawdown
Un Drawdown ocurre cuando el beneficio neto cae desde su punto más alto. Este Drawdown es calculado cada día de trading y el valor máximo es recordado como DrawDown Máximo (DDM).
Al dividir el beneficio neto por el DDM creamos una medida de riesgo/recompensa. Las estrategias más arriesgadas tienen DDM más grandes y por tanto tendrán ratios de Profit to Drawdown menores.
Problema del Profit to Drawdown
Hay un problema al usar el Profit to Drawdown para medir el rendimiento de la estrategia y es que; en una estrategia de trading consistente, el beneficio neto aumentará de forma lineal con el paso del tiempo. Cada período debería producir, en promedio, el mismo beneficio. Sin embargo, el DDM no aumenta de forma lineal con el tiempo.
Los resultados pueden ser diferentes dependiendo del número de días usados en el test, lo que resulta en una gran falla en dicho ratio. Básicamente, usar más datos en el Backtest llevará a mayores ratios de Profit to Drawdown. Los traders deberías ser conscientes de esta inconsistencia cuando traten de comparar ratios de Profit to Drawdown entre diferentes test.
Porcentaje de operaciones ganadoras
Es el número de operaciones ganadoras dividido por el número total de operaciones. Los traders suelen poner mucho énfasis en esta medida y la recomendación es que te alejes de este pensamiento.
El sesgo del win rate
El ser humano por naturaleza cree que cerrar operaciones con beneficio es bueno y que asumir pérdidas es malo. Hay que pensar un poco diferente ya que esto no tiene nada que ver con el rendimiento del portfolio o de la estrategia.
Es más lógico pensar en beneficios y pérdidas en términos de tiempo y examinarlos de forma diaria. El objetivo es hacer dinero todos los días, no en todas las operaciones.
Mejores medidas de rendimiento
Las dos principales herramientas para evaluar el rendimiento son el Ratio Sharpe y el K-Ratio. Ambas miden el ratio Riesgo/Recompensa con el objetivo de evaluar el rendimiento de la estrategia.
El Ratio Sharpe
El ratio se calcula usando dos medidas estadísticas: la media y la desviación estándar.
Componentes del Ratio Sharpe
Numerador (retorno): Calculado mediante el promedio de los retornos sobre un período temporal. Para el retorno de cada período, extraemos el retorno de un instrumento libre de riesgo como los Bonos del Tesoro.
Denominador (riesgo): La desviación estándar de los retornos.
Si los retornos están ampliamente dispersos, con grandes ganadoras y perdedoras, la estrategia tendría una alta desviación estándar y se consideraría arriesgada. Si los retornos están ajustados a la media, la estrategia tendría una desviación estándar más pequeña y se consideraría menos arriesgada.
Ratio Sharpe = Retorno promedio / Desviación Estándar de los retornos × Factor de escala
El cociente del retorno promedio y de la desviación estándar se multiplica entonces por un factor de escala igual a la raíz cuadrada de los períodos de tiempo en un año. Si el período usado es el diario, entonces el ratio se multiplicaría por la raíz cuadrada de 252 (el número aproximado de días de trading en un año) para obtener un valor anualizado del Ratio Sharpe. Si el período usado es el mensual, se multiplicaría por la raíz cuadrada de 12.
Después de aplicar el factor de escala para crear el Ratio Sharpe anualizado, la estadística resultante es una media del rendimiento que puede comparar estrategias independientemente de los mercados que opere o el marco temporal estudiado.
El K-Ratio
En lugar de observar los retornos de manera desconsiderada dependiendo de cuando ocurran, el K-Ratio calcula el rendimiento basado en la estabilidad de la curva de equidad de la cuenta.
Para calcular el K-Ratio primero necesitamos crear una curva de equidad (un gráfico de beneficios acumulados). La curva de equidad debería aumentar de forma lineal con respecto al tiempo. Para los sistemas que reinvierten los beneficios, la curva de equidad debería aumentar de forma exponencial debido al efecto compuesto de los retornos.
Regresión lineal de la curva de equidad
Comenzamos calculando una regresión lineal de la curva de equidad a una variable de tendencia. Una regresión lineal es la línea que mejor se adecúa para minimizar los errores entre la previsión y los valores actuales.
Curva de equidad = b₀ + b₁ × tendencia
La variable de tendencia comienza en 0 el primer día y aumenta en uno con cada nuevo día. La pendiente de la línea de regresión es nuestro agente para la recompensa en el K-Ratio. Mide cuán rápido la curva de equidad aumenta con el paso del tiempo. Naturalmente, una línea de regresión más escarpada indica un nivel más alto de rentabilidad.
El riesgo en el K-Ratio se mide al calcular el error estándar del coeficiente de regresión de b₁. El error estándar es una estadística que mide la fiabilidad de la estimación calculada de la regresión de b₁. Un gran error indica que la pendiente de la equidad es inconsistente a largo plazo; mientras que errores pequeños indica una curva de equidad más consistente. Si los beneficios son debidos a una gran operación ganadora, el error estándar probablemente será mayor debido a la falta de retornos estables.
El K-Ratio se calcula al dividir la estimación de b₁ por el error estándar de b₁ y el número de períodos en el test de rendimiento. Es una medida de rendimiento que puede comparar mercados y períodos de tiempo.
La vida media de una estrategia
Algunos traders se cuestionan si una estrategia funcionará indefinidamente o si fallará cuando un número suficiente de traders comiencen a explotar su ineficiencia. Lo cierto es que el rendimiento de cualquier estrategia de trading se degradará con el paso del tiempo.
Degradación inevitable
Con todos los recursos dedicados a la investigación, y con el suficiente número de personas buscando estrategias de trading, antes o después alguien encontrará tu Santo Grial y finalmente el rendimiento sufrirá.
Qué hacer cuando las estrategias se deterioran
El hecho de que una estrategia se esté deteriorando no quiere decir que haya dejado de funcionar. En ocasiones querremos seguir operándola pero siguiéndola muy de cerca para evaluar la degradación del rendimiento.
Método de control: Canales de regresión
Un método usado para determinar puntos de corte y dejar de operar un sistema consiste en calcular una regresión lineal de la curva de equidad con bandas que dibujan dos errores estándar por encima y por debajo.
Cuando la curva de equidad rompe el canal inferior, debería detenerse la operativa y decidir si desechar la estrategia o modificar su funcionamiento.
Minas de oro de mal rendimiento
A veces, durante el proceso de testeo, puede que encuentres una estrategia cuyo rendimiento sea pésimo. Cualquier estrategia que rinde pobremente y produce pérdidas puede siempre ser revertida hacia la generación de beneficios.
La estrategia inversa
Para lograr esto, simplemente compra cuando la estrategia emita una señal de venta; y vende cuando la estrategia emita una señal de compra.
Sobre las comisiones
Este es el motivo por el que no se recomienda deducir los cargos por comisiones y deslizamiento al testear las estrategias. Se prefiere primero ver el verdadero rendimiento de la estrategia para posteriormente reducir las expectaciones con la introducción de los costes de trading.
La falacia del pensamiento mágico
Muchos traders utilizan sus estrategias de trading sin evaluar su rendimiento histórico. Los traders asumen que si una estrategia funcionó bien una o dos veces en el pasado, entonces esa metodología debería ser válida.
Inevitablemente, esos métodos causan grandes pérdidas ya que no poseen ninguna ventaja. El trader cuantitativo quien cuidadosa y rigurosamente evalúa su metodología de trading no debería sufrir un destino como ese.
Mantener el retorno mientras disminuye el riesgo.
Al diversificar nuestro trading con múltiples mercados, múltiples estrategias y múltiples parámetros dentro de la misma estrategia, podemos deducir el riesgo total de nuestro trading.
Lecciones aprendidas de un casino
En base a los principios de diversificación, al casino no le importa si un cliente de forma individual va a ganar o a perder. Cada una de las apuestas es virtualmente irrelevante en el gran esquema de los beneficios y pérdidas del casino.
La ventaja de la diversificación masiva
Ya que las apuestas no están correlacionadas entre sí, la buena se cancelará con la mala suerte y esto dejará finalmente un beneficio a largo plazo para el casino; y es que los juegos de apuestas tienen de forma natural una expectación negativa.
Los beneficios de la diversificación
Cómo calcular una ventaja:
Ventaja = Probabilidad de ganar × cantidad ganada + Probabilidad de perder × cantidad perdida
Si tenemos varias estrategias cuya ventaja es la misma pero cada una opera con una cantidad diferente, el riesgo de cada una de ellas no es el mismo. A mayor cantidad operada, mayor riesgo.
Nuestra preferencia debería estar con la estrategia que menos cantidad arriesga ya que a medida que distribuimos nuestro riesgo en torno a muchas operaciones más pequeñas, nuestro riesgo se minimiza.
Aunque cualquier apuesta de forma individual es aleatoria, la ventaja del casino es bastante predictible cuando se evalúan muchas apuestas independientes de forma conjunta.
No pongas todos los huevos en la misma cesta
Si podemos empacar valores con perspectivas arriesgadas dentro de una cartera diversificada, entonces puede que seamos capaces de reducir la mayor parte del riesgo de cualquier valor.
El resultado es una cartera con menos riesgo que el que tendría cualquier valor de forma individual. En esencia, se logra exactamente lo mismo que el casino consigue al diversificar el riesgo.
El conductor principal de la diversificación es la correlación entre activos. Si el rendimiento de uno y otro activo es completamente independiente, entonces la diversificación se potencia.
Umbrales de correlación
Cuando la correlación entre activos es 0.25 o menor, la volatilidad de la cartera se reduce drásticamente. Sin embargo, con correlaciones de 0.75 o superior, los beneficios de la diversificación se anulan.
La mejor diversificación: Entre mercados
En los estudios realizados se observa cómo los mejores rendimientos se obtienen en carteras donde se incluyen activos de diferentes mercados.
Ejemplos de diversificación entre mercados
- Cartera multi-asset: Divisas, bonos y materias primas
- Cartera multi-sector: Tecnología, salud, energía, consumo
Gran diversificación: Entre estrategias descorrelacionadas
Deberíamos operar nuestras estrategias sobre tantos mercados como sea posible para reducir el riesgo de las estrategias dentro de una cartera. Al añadir más mercados, asumiendo que cada mercado añadido posee una ventaja similar esperada, reducimos el riesgo mientras que mantenemos el retorno esperado.
En lugar de operar únicamente una estrategia, el siguiente paso lógico es operar múltiples estrategias sobre múltiples mercados. Esto es posible al crear dos o más estrategias rentables que no estén correlacionadas.
La clave: Descorrelación
Recuerda que la diversificación sólo reporta beneficios cuando se combinan retornos no correlacionados. Si dos estrategias también están correlacionadas, es lógico pensar que no producirán mejores resultados. Hay que centrarse en desarrollar estrategias que tengan poco que ver unas con otras.
Al operar múltiples estrategias de trading sobre múltiples mercados, potenciamos el poder de la diversificación.
Buena diversificación: Entre parámetros dentro de las estrategias
Además de diversificar por mercados y estrategias, puede que encontremos una mejora en el rendimiento de la cartera al configurar diferentes parámetros para cada una de las estrategias.
El Santo Grial del trader
Los beneficios de la diversificación es un Santo Grial que los traders cuantitativos pueden disfrutar.
El único Santo Grial demostrable
La capacidad para diversificar entre mercados, estrategias y parámetros mejora el Ratio Riesgo:Recompensa. La diversificación está basada en principios matemáticos, es una ventaja que no está sujeta a debate.
Mejorar la estrategia básica.
La optimización es uno de los asuntos más polémicos y discutidos en el trading cuantitativo.
El debate de la optimización
Para algunos traders, la optimización permite ajustar estrategias para mejorarlas mientras que para otros es la raíz de la mayoría de los problemas de las estrategias. Estos creen que en dichas estrategias se toman las mejores configuraciones de los datos pasados y que por tanto proporciona expectativas irreales en la operativa en tiempo real.
Optimizar las señales de trading para mejorar la rentabilidad
Una vez que hemos identificado un sistema de trading rentable, puede que deseemos ajustar sus parámetros. Los parámetros son cualquier input alterable que tiene cualquier sistema de trading. Un sistema simple puede fácilmente convertirse en complejo al añadirle sólo unas pocas reglas.
Algunos traders puede que prueben sus estrategias sobre un rango amplio de valores de cada parámetro. Este proceso generalmente es conocido como optimización. Simplemente se trata de variar los valores de cada parámetro y guardar los resultados de cada combinación.
Optimización vs Sobreoptimización
La sabiduría convencional dice que la optimización es una técnica importante para maximizar el valor esperado de las estrategias de trading. El pensamiento popular dice que los parámetros que mejor han rendido en el pasado es más probable que también lo hagan en el futuro.
El peligro del over-fitting
Independientemente de que estas declaraciones sean ciertas o no, si la optimización va demasiado lejos, el proceso se convierte en una Sobreoptimización de los datos.
Seleccionar los parámetros únicamente por el rendimiento pasado generalmente sobreestimará el verdadero rendimiento. Los traders en ocasiones realizan complejas simulaciones de trading y escogen aquellos parámetros que mejor rendimiento han dado sin mirar ningún otro factor. Generalmente en la operativa real el rendimiento no sea el esperado.
Medir el valor de la optimización
Una medida de robustez en la optimización la obtenemos cuando los parámetros seleccionados tienen un buen rendimiento de un año a otro. Esto nos lleva a pensar que no se trata de algo aleatorio.
Robustez temporal
Lo que queremos observar sobre la curva de rentabilidad es una clara pendiente positiva durante toda la muestra.
Filtrar para mejorar la rentabilidad
Filtrar es el proceso de decidir cuándo anular señales operativas.
Filtros de tendencia parecidos: ADX y VHF
Hay varias maneras de medir la tendencia del mercado y la mayoría funcionan de forma similar.
Average Directional Index (ADX) y Vertical Horizontal Filter (VHF)
Tanto el ADX como el VHF hacen una buena labor al identificar cuándo el mercado se encuentra en tendencia pero fallan a la hora de identificar si ésta continuará.
Para resolver esta duda se hace necesario testear la efectividad de los filtros analizando el rendimiento sobre datos históricos.
Test específico por mercado
Dependiendo del tipo de mercado, los resultados variarán y por esto se deben hacer los estudios de forma independiente para cada activo.
¿Cuánto tiempo están los mercados en tendencia?
Cuantificar esto resulta impreciso ya que los resultados dependen de la definición de tendencia que tengamos.
Qué funciona y qué no.
Channel Breakout
Señales de entrada
- Largos: Cierre del mercado es el más alto de los últimos 40 días
- Cortos: Cierre del mercado es el más bajo de los últimos 40 días
Dual Moving Average Crossover
Señales de cruce
- Largos: Media móvil de 10 períodos cruza por encima de la media móvil de 40 períodos
- Cortos: Media móvil de 10 períodos cruza por debajo de la media móvil de 40 períodos
Momentum
Se utilizan dos tipos de períodos temporales; uno de 20 días para señales de corto plazo y otro de 80 días para señales de largo plazo.
Corto plazo (20 días)
- Largos: Cierre actual es el más alto de los últimos 20 días
- Cortos: Cierre actual es el más bajo de los últimos 20 días
Largo plazo (80 días)
- Largos: Cierre actual es el más alto de los últimos 80 días
- Cortos: Cierre actual es el más bajo de los últimos 80 días
Volatility Breakout
Señales basadas en desviación estándar
- Largos: Rango del precio de hoy > 2 × desviación estándar de los rangos de los últimos 100 días
- Cortos: Rango del precio de hoy < 2 × desviación estándar de los rangos de los últimos 100 días
Stochastics
Señales con línea lenta %K (14 períodos)
- Largos: Línea lenta cae por debajo de 20 y vuelve a cruzar por encima de 20
- Cortos: Línea lenta sube por encima de 80 y vuelve a cruzar por debajo de 80
Relative Strength Index
Señales RSI de 14 días
- Largos: RSI cae por debajo de 35
- Cortos: RSI sube por encima de 65
Moving Average Convergence/Divergence
Señales con línea de señal
- Largos: MACD sube por encima de la línea de señal
- Cortos: MACD cae por debajo de la línea de señal
Mejorar el rendimiento usando técnicas avanzadas.
El enfoque de mis ideas de trading está en adaptar los indicadores a la condiciones del mercado. Si un mercado está volátil, queremos que nuestras entradas y salidas sean menos sensibles a los cambios del precio. Nunca querremos usar una cantidad fija de dinero como stop o alguna otra cosa sin sentido que no provenga de las estadísticas del mercado.
Todas las ideas están basadas en la lógica y rigurosidad de los principios estadísticos.
Diversificación de estrategias
Recuerda que los sistemas con baja correlación se pueden combinar para beneficiarse de la diversificación; mientras que los sistemas altamente correlacionados no proveen ningún beneficio.
11 nuevas técnicas de trading
1. Kestner’s Moving Average System
En el cruce tradicional de medias móviles, las señales se producen cuando el precio cierra por encima o por debajo de las medias móviles. El principal problema de este enfoque es el desconcierto que provocan los frecuentes cruces.
Problema de las medias tradicionales
Si un mercado oscila entre fortaleza y debilidad con poca continuidad, la típica estrategia de cruce de medias puede sufrir ya que comprará después de períodos de fortaleza y venderá después de períodos de debilidad. Esta es la principal razón por la que este tipo de estrategias fracasan.
Solución 1: Canal con dos medias separadas
- Calcular media móvil de los máximos diarios
- Calcular media móvil de los mínimos diarios
- Compra: Cierre por encima de la media de los máximos
- Venta: Cierre por debajo de la media de los mínimos
Solución 2: Combinación de dos sistemas
- Sistema 1: Medias móviles de 20 períodos
- Sistema 2: Medias móviles de 80 períodos
- Compra: Ambos sistemas emiten señal de compra
- Venta: Ambos sistemas emiten señal de venta
2. Second Order Breakout
Esta estrategia se desarrolló para distinguir entre la longitud de la rotura de canales.
La potencia de esta estrategia está en que los movimientos del precio de diversos grados son evaluados y clasificados. Si recientemente se hizo un máximo de 40 días y aparece un máximo de 20 días, la señal debería obviarse.
Metodología Second Order Breakout
Cada día determinamos la significancia del cierre comparado con el cierre de los últimos 80 días:
- Máximo de 5 días = +5
- Máximo de 20 días = +20
- Máximo de 40 días = +40
- Mínimo de 35 días = -35
Señales:
- Largos: Second Order Breakout de hoy es el valor más alto de los últimos 40 días Y mayor de 20
- Cortos: Second Order Breakout es el valor más bajo de los últimos 40 días Y menor que -20
3. MACD Histogram Retracement
Este sistema usa la habilidad del histograma del MACD para identificar de forma temprana reversiones de la tendencia.
Señales basadas en retrocesos
- Largos: Histograma retrocede 25% de su valle cuando está por debajo de 0 (y excede mitad de desviación estándar de 20 días)
- Cortos: Histograma retrocede 25% de su pico cuando está por encima de 0 (y excede mitad de desviación estándar de 20 días)
Se trata de usar el poder de alerta del histograma y mejorarlo esperando a que revierta una cantidad de distancia desde el último pico o valle.
4. Divergence Index
Entrar en el retroceso de una tendencia establecida es una de las técnicas favoritas. Para medir la fortaleza de tales retrocesos se creó el Divergence Index.
Divergence Index = Momentum 10 días × Momentum 40 días / (desviación estándar de 40 días)²
Interpretación del indicador
- Valores positivos: Ambos momentum señalan lo mismo (mismo signo)
- Valores negativos: Divergencia entre corto y largo plazo (diferentes signos)
Señales:
- Largos: Divergence Index < -10 Y Momentum 40 días > 0
- Cortos: Divergence Index < -10 Y Momentum 40 días < 0
Es interesante cómo este indicador puede identificar agotamiento de la tendencia. Grandes valores positivos puede que coincidan con techos y suelos de mercado; o al menos que guían a retrocesos.
5. Moving Average Confluence Method (MACM)
He desarrollado un método de trading con medias móviles que simplifica la necesidad de optimizar los valores. En lugar de intentar encontrar los valores óptimos, el Moving Average Confluence Method escanea todos los parámetros posibles y opera únicamente cuando un número mínimo de parámetros están de acuerdo.
Metodología del consenso
Se observa el cruce de medias móviles entre 1 y 20 días, donde el promedio más largo siempre es 4 veces la longitud del promedio más corto (1/4, 2/8, 3/12… hasta 20/80).
Cada par que señala largos añade +5 al indicador (oscila entre 0 y 100).
Señales:
- Largos: MACM ≥ 60
- Cortos: MACM ≤ 40
6. Normalized Envelope Indicator
Algunos traders se comenzaron a interesar por tomar ventaja cuando los precios se alejan de la media móvil.
Fórmula del indicador
(Cierre – Promedio últimos 50 cierres) / Desviación estándar últimos 50 cambios del precio
La idea es que cuando los precios alcanzaran alguno de los extremos, corregirían de nuevo hacia el promedio. Esto crearía oportunidades rentables donde se compra cuando el precio toca la media inferior y donde se vende al tocar la media superior.
7. Multiple Entry Oscillator System
Los indicadores de sobrecompra/sobreventa como el RSI y los estocásticas generalmente se usan para identificar techos y suelos de mercado durante la fase de agotamiento de las tendencias.
Sistema de entradas múltiples con estocástico lento %K (20 períodos)
Largos:
- Cruza por encima de 55: 1 unidad
- Cruza por encima de 70: 2 unidades
- Cruza por encima de 85: 3 unidades
Cortos:
- Cruza por debajo de 45: 1 unidad
- Cruza por debajo de 30: 2 unidades
- Cruza por debajo de 15: 3 unidades
8. Adjusted Stochastic
Este indicador está ajustado en base a la volatilidad del mercado. El problema de los osciladores tradicionales es que en períodos de baja volatilidad, pequeños cambios en el precio puede causar que el oscilador alcance condiciones de sobrecompra o sobreventa.
Fórmula del Adjusted Stochastic
(Media lenta 14 días del %K – 50) × (Rango 14 días / Rango 100 días) + 50
Donde:
- Rango = Máximo – Mínimo del período
Señales (contra tendencia):
- Largos: Atraviesa al alza el nivel 35 y vuelve a atravesarlo a la baja
- Cortos: Sube por encima de 65 y vuelve a caer por debajo de 65
9. Three in a Row
El principio de esta estrategia es muy simple, pero sus resultados son muy poderosos.
Condiciones para comprar (las tres deben cumplirse):
- Cierre de hoy > Cierre de hace 5 días
- Cierre de hace 5 días > Cierre de hace 10 días
- Cierre de hace 10 días > Cierre de hace 15 días
Condiciones para vender (las tres deben cumplirse):
- Cierre de hoy < Cierre de hace 5 días
- Cierre de hace 5 días < Cierre de hace 10 días
- Cierre de hace 10 días < Cierre de hace 15 días
10. Volume Reversal Strategy
Una investigación encontró que los retornos de una semana acompañada por un volumen en disminución tienden a revertirse a la semana siguiente.
Requisitos de entrada:
- Cambio absoluto del precio de 5 días > Desviación estándar de 100 días
- Volumen promedio de 5 días < 75% del volumen promedio de hace 10 días
Señales:
- Largos: Cambio del precio de 5 días es negativo
- Cortos: Cambio del precio de 5 días es positivo
Salida: Todas las operaciones se cierran al quinto día
11. Saitta’s Support and Resistance Strategy
Lo primero es definir los soportes y resistencias. Para ello, utilizaremos una media móvil simple de 20 días.
Definición de niveles:
- Resistencia: Cuando el precio atraviesa la MA20 a la baja, el máximo más alto previo es la resistencia
- Soporte: Cuando el precio atraviesa la MA20 al alza, el mínimo más bajo previo es el soporte
Señales:
- Largos: Precio sube por encima de una resistencia previa
- Cortos: Precio cae por debajo de un soporte previo
El valor de las salidas por Stop Loss
Los estudios realizados han demostrado que usar un ATR como medio para establecer el Stop Loss mejora el rendimiento de las estrategias.
Un ejemplo sería utilizar dos veces el ATR desde el nivel de entrada.
Piramidar vs. Tomar beneficios
Piramidar se refiere a añadir más operaciones a una posición ya ganadora; mientas que tomar beneficios envuelve cerrar esas posiciones ganadoras.
Resultado de los estudios
Los estudios realizados sugieren que ninguno de los dos métodos es superior al otro.
Filtros para nueva tendencia
Se trata de tomar únicamente operaciones si confirmamos la dirección de la tendencia.
Ejemplos de filtros de tendencia:
Filtro de extremos: Tomar largos solo si se ha hecho un máximo de 40 días antes que un mínimo de 40 días
Filtro de rangos: Tomar operaciones solo cuando el rango de máximo a mínimo de los últimos 10 días > rango de los 10 días previos
Filtro de solapamiento: Calcular el porcentaje de días con solapamiento
- Valores bajos (< 0.15) = Tendencia presente
- Valores altos = Mercado congestionado
Ejemplo de aplicación: Channel Breakout con filtro
Largos:
- Cierre de hoy es el más alto de los últimos 40 días
- Estadísticas de tendencia < 0.15
- Salida: Cierre más bajo de los últimos 20 días
Cortos:
- Cierre de hoy es el más bajo de los últimos 40 días
- Estadísticas de tendencia < 0.15
- Salida: Cierre más alto de los últimos 20 días
El trading no acaba con los mercados de acciones y futuros.
Como inversores, pensamos en los mercados de acciones, bonos y bienes inmuebles. Mientras que como traders de corto plazo, puede que añadamos los mercados de futuros y opciones a la lista de activos operables.
Más allá de lo tradicional
Generalmente aquí finaliza la lista, pero hay un amplio espectro de otros mercados operados por bancos y fondos que puede que no sean muy familiares para muchos participantes.
Aunque el Credit Spreads, Swap Spreads, Volatility Swaps y Stock Pairs no sean muy conocidos por el trader medio, esos mercados son un pilar en el mundo del arbitraje de renta fija y renta variable.
Debido a que la rentabilidad en el arbitraje ha disminuido con el paso de los años, los fondos de cobertura y propietarios de mesas de trading han comenzado a operar estrategias más arriesgadas, como puede ser estar largo de un activo y corto de otro.
A pesar de llamar a esas estrategias como arbitraje en renta fija, arbitraje estadístico o arbitraje de volatilidad, el trading en esos productos puede clasificarse mejor como trading de valor relativo.
El mundo del trading de valor relativo
Hay todo un mundo fuera de los mercados de acciones. Esos mercados incluyen bonos, otros productos de interés y derivados basados en la volatilidad del mercado.
Los grandes operadores
Los fondos de cobertura y los propietarios de mesas de trading son los mayores operadores del trading de valor relativo.
Los fondos de cobertura son vehículos privados de inversión usados por individuos muy ricos e instituciones para tomar ventaja de estrategias de inversión más flexibles que los típicos fondos de inversión.
A diferencia de la mayoría de los fondos de inversión, a los cuáles no se les permite vender en corto o pedir prestado para crear posiciones con apalancamiento, los fondos de cobertura usan de manera habitual apalancamiento y derivados para crear carteras diseñadas para obtener beneficio tanto en mercados alcistas como bajistas.
Mesas de trading de Wall Street
Las mesas de trading de las principales firmas de Wall Street también operan estrategias de valor relativo. Destinan cientos de millones a operar Yield Curve, Credit Spreads, Volatility y Stock Pairs. Este trading forma parte de su negocio diario y contribuye en gran medida a su línea de trabajo.
Aunque hay miles de estrategias de valor relativo, cada una de ellas puede agruparse en cuatro categorías:
1. Pure Arbitrage (Arbitraje puro)
El arbitraje puro existe cuando hay una relación específica entre uno o más activos. Arbitrar la misma acción en dos mercados u operar el activo subyacente contra su correspondiente mercado de futuros son dos ejemplos.
Rentabilidad decreciente
El beneficio esperado en esas actividades ha llegado a ser virtualmente despreciable, y en ocasiones sólo las mesas de trading, gracias a los bajos costes que tienen intentan desarrollar esas estrategias.
2. Bottom-up relative value (De abajo hacia arriba)
Esta estrategia de valor relativo de abajo hacia arriba es menos común. En ella, el trader comienza con una serie de potenciales valores. Basado en un conjunto de criterios, el trader puede que seleccione 10 acciones para comprar y 10 para vender, bajo criterios de minimizar el riesgo.
Ejemplos de estrategias Bottom-up:
- Comprar valores que están rindiendo peor que su índice de referencia y vender aquellos valores que están rindiendo mejor
- Comprar y vender divisas basándose en factores económicos y modelos de precio
Al estar largo y corto, la estrategia crearía una cartera razonablemente cubierta.
La clave de este tipo de estrategias es que el trader comienza con un número de posibles activos y el modelo selecciona los que operar.
3. Top-down relative value (De arriba hacia abajo)
Este tipo de estrategias son las más usadas comúnmente. A diferencia de la estrategia Bottom-up relative value este modelo preselecciona los activos a operar basados en factores como la similitud de la industria, el tiempo de madurez de los bonos o correlaciones de divisas.
Ejemplo clásico: Pairs Trading
Seleccionar dos valores de una misma industria, comprar el que lo está haciendo peor y vender el que lo está haciendo mejor esperando que ese hueco se cierre en el futuro.
La estrategia se basa en vender el activo más fuerte y comprar el más débil bajo la premisa de que la distancia de rendimiento que hay entre ellos revertirá próximamente. Además, los valores seleccionados tienen alguna relación inherente.
4. Macro trading
En las estrategias de arbitraje puro, de abajo hacia arriba y de arriba hacia abajo, los valores son operados al comprarse uno con el otro. En la estrategia de valor relativo Macro, tomamos posiciones largas y cortas independientemente de la cartera total.
Introducción a los mercados de valor relativo
Las posibilidades en el trading de valor relativo son infinitas y cada día se crean nuevos productos. Nos centraremos en los siete mercados principales para aplicar nuestras estrategias de trading de valor relativo.
Las estrategias en este tipo de mercados se basan en comprar un activo y vender otro.
7 mercados principales de valor relativo
1. Yield Curve (Curva de rendimientos)
La mayoría de inversores individuales están familiarizados con los productos de renta fija como bonos e hipotecas.
Al tomar decisiones de inversión dentro del mundo de la renta fija el factor más importante es determinar la madurez del bono a comprar. Las tasas de interés varían dependiente de la madurez y esas diferencias pueden ser muy volátiles a largo plazo.
Ejemplo de operativa en Yield Curve:
Comprar el bono estadounidense a 10 años y vender el bono de 2 años esperando que la diferencia entre sus rendimientos retorne a niveles normales.
2. Credit Spreads (Diferenciales de crédito)
Mientras que la deuda de los gobiernos es segura (después de todo siempre pueden imprimir dinero), la deuda de las corporaciones no tienen tal garantía.
Como resultado, este tipo de deuda cotiza a niveles superiores para compensar a los inversores por el riesgo asumido.
Comportamiento del Credit Spread:
- Economía en crecimiento: Diferencia se estrecha (mejores previsiones, menos riesgo de quiebra)
- Economía débil: Diferencia se amplía (mayor riesgo crediticio)
Hay dos mercados que vigilan este riesgo crediticio: el swap spreads y el high yield spreads. El swap spread es operado por productos derivados OTC (Over the Counter); mientras que el high yield spread puede ser operado al ponerse largo en bonos de alto rendimiento y corto de la misma cantidad en bonos del tesoro.
3. Equity Volatility (Volatilidad de acciones)
Los inversores pueden operar la volatilidad a través de opciones como Calls y Puts.
Opciones básicas:
- Call: Derecho (no obligación) de comprar cierto activo al precio fijado en fecha específica del futuro
- Put: Derecho (no obligación) de vender el activo
Lo interesante con la volatilidad está en que si simultáneamente compras una opción Call y otra Put al mismo Strike, creamos una estrategia que gana exposición a la volatilidad del activo. Independientemente de la dirección que coja el precio, ganas dinero por su volatilidad.
Los traders de volatilidad operan constantemente acciones o futuros sobre el activo subyacente para inmunizarse por la dirección que coja el precio, dejándoles únicamente con el factor volatilidad en juego.
VIX - Índice de volatilidad del CBOE
La medida de volatilidad del mercado más popular es el índice de volatilidad del CBOE (VIX) que mide la volatilidad de las opciones “at the money” sobre el SP100 (OEX).
4. Relative Performance of Stock Indices (Rendimiento relativo de índices)
También estudiamos el rendimiento relativo de los índices de acciones de US, utilizando el S&P500, el Nasdaq100 y el Russell2000.
Los tres principales índices:
- S&P500: Las 500 empresas con mayor capitalización de Estados Unidos
- Nasdaq100: Las 100 empresas no financieras de mayor capitalización
- Russell2000: Empresas de baja capitalización (posiciones 1001 a 3000)
ETFs para operar:
- SPY = S&P500
- QQQ = Nasdaq100
- IWM = Russell2000
Cada índice tiene períodos de un mejor rendimiento. Nuestro objetivo es operar el rendimiento relativo de un índice contra otro.
5. Single Stock Pairs (Pares de acciones)
El Pairs Trading es ampliamente usado por los propietarios de mesas de trading y fondos de cobertura. Generalmente los pares se identifican usando análisis de correlación.
Una vez identificados, las desviaciones desde un valor esperado generan las señales de trading.
6. Commodity Substitutes (Sustitutos de materias primas)
Los mercados de materias son buenos para el trading de valor relativo debido al efecto de sustitución que hay entre mercados relacionados.
Ejemplos de sustitución:
- Gas natural vs Heating oil: Si el gas natural está demasiado caro, el aceite de calefacción es un sustituto
- Habas de soja: Afectan a los precios del aceite de soja y la harina de soja
- Oro y plata: En ocasiones operan al unísono
Recomendación técnica
Para estudiar estas y otras relaciones se recomienda usar los mercados de contado en lugar de los de futuros para eliminar la necesidad de ajustar los diferentes contratos.
7. Stock and Commodity Relationships (Relación acciones-materias primas)
Finalmente observaremos una relación entre el precio de las materias primas y el de las acciones que se dedican a ellas.
Ejemplos de correlación:
Productores de oro: Expuestos a los niveles absolutos de los precios del oro. Un aumento en la producción de oro sube el precio de las empresas que se dedican a su producción y viceversa.
Refinerías de petróleo: Los márgenes de las refinerías aumenta según el precio del petróleo sube y viceversa.
Desarrollar estrategias para mercados de valor relativo
La tendencia del ser humano a encarar las tendencias puede que explique por qué éstas ocurren en los mercados de acciones y futuros. Los mercados de valor relativo puede que no sigan patrones similares ya que estos mercados generalmente no están a la vista del público y sólo unos pocos traders monitorizan sus movimientos.
Estrategias diferentes para mercados diferentes
Como resultado, las típicas técnicas seguidoras de tendencia puede que sea inefectivas. Además, el efecto sustitución puede incluso sugerir que los movimientos que se alejan de su media rápidamente retornarán a la media.
Nuevos mercados, nuevas oportunidades
Los estudios realizados demuestran que los mercados de valor relativo no son favorables a las tendencias.
Resultados de los estudios:
❌ No siguen tendencias:
- Stock Pairs (fracaso total)
- Volatility Markets (fracaso total)
✅ Sí siguen tendencias:
- Credit Spreads
- Stock Indices
⚖️ Rendimiento mixto:
- Yield Markets
- Commodity Substitutes
- Stock and Commodity Relationships
Mediante la introducción de estos nuevos mercados, se descubre un vasto mundo de nuevas oportunidades. A diferencia de los mercados de acciones y futuros, estos nuevos mercados de valor relativo están muy poco explotados y se abren al estudio usando sólidas técnicas cuantitativas.
Acceso institucional
Aunque el acceso a muchos de esos nuevos mercados está limitada sólo a instituciones bien capitalizadas, puede que pronto aparezcan nuevos productos que permitan la entrada del inversor individual.
Batir los retornos de la estrategia “comprar y mantener” usando técnicas cuantitativas.
La popularidad de las acciones
Aunque la popularidad de las acciones ha disminuido en los últimos años, el mercado de acciones todavía es importante tanto como vehículo de inversión para el individuo, y como medio para que las compañías adquieran capital.
En este capítulo exploraremos métodos que mejoran el rendimiento de las estrategia de inversión “comprar y mantener”.
La importancia de la tasa de interés en la predicción de los precios de las acciones
El enlace entre las tasas de interés y los retornos de las acciones existe por un número de razones y está bien documentado.
El poder del interés compuesto
Para analizar el valor del dinero en el futuro necesitamos ajustarlo mediante una tasa de interés para determinar su valor presente. El concepto aumenta en importancia según aumenta la longitud temporal. Se trata del poder del interés compuesto.
Debido a esto, la tasa de interés se convierte en un elemento muy importante a la hora de evaluar el valor de una empresa.
Tres teorías de por qué bajas tasas de interés conducen a un aumento de los precios de las acciones:
1. Flujos de caja más atractivos
Según los rendimientos caen, el flujo de caja de las empresas parecen más atractivo con respecto a los bonos. Esto puede aumentar el valor de las compañías.
2. Refinanciación de hipotecas
Bajas tasas de interés causa olas de refinanciación de hipotecas, y el dinero extra resultante de pagar menos hipoteca a veces encuentra su sitio en el mercado de acciones.
3. Mayor capacidad de inversión
Las compañías tienen una mayor capacidad para financiar proyectos de gasto de capital cuando las tasas de interés son bajas. Esos gastos aumentan la productividad y crea nuevos productos mediante la investigación y el desarrollo. Este gasto en ocasiones lleva a mejorar la rentabilidad en el futuro.
Los datos históricos apoyan la teoría de que bajas tasas de interés impulsa el precio de las acciones.
Estrategias de medio plazo
Resultados del estudio:
El 54% de las estrategias obtuvieron un mejor rendimiento que la estrategia “comprar y mantener” tomando menos riesgo. Los números sugieren que puede haber una ventaja para el market timing.
La siguiente característica importante es que las estrategias con mejor rendimiento operaban en largo cuando las tasas estaban cayendo.
Rendimiento contraintuitivo
Comprar el mercado durante momentos de fortaleza del mercado produce algunos de los peores rendimientos. La peor estrategia compraba cuando el S&P 500 estaba por encima de su promedio de los últimos 3 meses.
Estrategia más interesante: Invertir en el mercado cuando la tasa de intereses de los bonos a 1 y 10 años estaba por debajo de su promedio de 12 meses y el mercado de valores estaba por encima de su promedio de 12 meses.
Metodologías de corto plazo
Se desarrollaron también una serie de modelos de corto plazo enfocados a ineficiencias del mercado operables en el futuro del S&P 500, ETFs y fondos.
Index Funds y ETFs
Los fondos basados en índices y los ETFs crecieron enormemente durante la época de los 90, según aumentaba la popularidad de las acciones.
Fondos basados en índices
Al contrario de los típicos fondos de inversión que seleccionan los valores, los fondos basados en índices compran todos los valores del índice en un intento de replicar el rendimiento del índice.
Los fondos basados en índices cuentan con la ventaja de tener unos costes bajos. Los fondos de inversión cargan unas comisiones más caras ya que tienen que hacer frente al pago del gestor y los analistas.
ETFs (Exchange Traded Funds)
Los mercados de valores vieron rápidamente una oportunidad y comenzaron a ofrecer ETFs. Los ETFs son como los fondos en el sentido de que están compuestos por una cesta de valores del índice con la ventaja de que se pueden operar activamente a diario como el resto de acciones.
Debido a su popularidad, los ETFs representan sectores específicos y han sido diseñados para darle al inversor exposición a diversas clases de activos.
Day of Week and Day of Month Effects
Las primeras investigaciones sobre los efectos del día de la semana eran para determinar si el lunes era un día más volátil que el resto.
Descubrimiento sobre volatilidad:
Si la información guía a los precios, el lunes debería ser tres veces más volátil que el jueves y el viernes debido a que las noticias se liberan los fines de semana.
De hecho, las investigaciones descubrieron que de promedio, los lunes eran igual de volátil que cualquier otro día de la semana.
Sin embargo, lo que no era igual era el retorno promedio de cada día. El lunes tenía significantemente peores retornos que el viernes.
Estrategias probadas con mejor rendimiento que “comprar y mantener”:
- Estar comprado durante los días 1 a 5 y 27 a 31
- Estar comprado durante los días 1 a 5, 12 a 18 y 27 a 31
Using the Volatility Index to Trade the S&P 500
¿Qué es el VIX?
El precio de la volatilidad es determinado por fuerzas del mercado, como el precio de un valor o futuro.
El resultado de la pelea entre compradores y vendedores de opciones se puede ver en el CBOE Volatility Index, comúnmente conocido como VIX.
El VIX se calcula con el precio en tiempo real de las opciones. Según sube este índice, indica que los compradores de opciones están superando a los vendedores y están empujando el precio de la volatilidad más arriba. Una caída del VIX indica que los vendedores de opciones están controlando y empujando el precio de la volatilidad más abajo.
Cómo funciona el VIX:
El VIX es una medida de volatilidad implícita usando las opciones del S&P 100. La volatilidad es el principal conductor que alimenta el precio de las opciones.
- Altos niveles de volatilidad implícita: señala que el mercado está nervioso y pesimista acerca de la perspectiva de los retornos futuros
- Bajos niveles: señalan complacencia y optimismo
Podemos usar el VIX para medir este miedo o complacencia y operar el S&P 500 de acuerdo a ello. Queremos estar largos en momentos de miedo y en liquidez en momentos de optimismo.
Metodologías operativas con VIX:
- Entrar largos cuando el VIX se encuentra en el extremo superior y usar los extremos inferiores del VIX para cerrar las posiciones
- Comprar cuando el VIX es mayor que dos desviaciones estándar y permanecer en la posición hasta que el VIX cae por debajo de dos desviaciones estándar
Optimizar los resultados de nuestras estrategias.
La gestión del dinero tiene que ver con la cantidad de apalancamiento que empleamos en nuestros programas de trading cuantitativo. Con apalancamientos por encima de 20:1 en los mercados financieros de hoy, la cuestión de la gestión de capital se convierte en muy importante.
La importancia de la gestión del dinero
Dos principios fundamentales de gestión del dinero
Ninguna técnica de gestión de capital puede hacer que una estrategia perdedora se convierta en una estrategia ganadora.
Una pobre técnica de gestión de capital puede hacer que una estrategia ganadora se convierta en una estrategia perdedora.
De acuerdo al primer principio, necesitamos una idea ganadora para poder operar de forma rentable. Debido a esto, diseñar estrategias rentables es la clave más importante de un programa de trading exitoso.
Incluso con una estrategia de trading rentable muchos sufrirían pérdidas porque es necesario entender la importancia de la gestión de capital, como bien dice el segundo principio.
La relación entre apalancamiento y retornos
Objetivo como traders
Es importante recordar que nuestro objetivo como traders es maximizar las ganancias por cada unidad de riesgo y luego apalancar nuestro riesgo para lograr el retorno deseado.
El apalancamiento envuelve pedir dinero prestado y usarlo para nuestra operativa. Los retornos esperados escalan de manera proporcional al riesgo; es decir, según aumentamos el apalancamiento, lo hace de igual manera el riesgo.
El punto crítico del apalancamiento
El apalancamiento empleado puede afectar de forma dramática nuestros resultados. Un ligero aumento del apalancamiento puede que haga aumentar los retornos; pero hay un punto en el que añadir más apalancamiento (que lleva implícitamente un aumento de la volatilidad) puede dañar la probabilidad de futuros beneficios.
La propiedad asimétrica del apalancamiento:
La razón por la que una estrategia con exceso de apalancamiento tiene un alto riesgo de ruina es por la propiedad asimétrica del apalancamiento:
- Perder un 10% requiere de un 11% para volver al punto inicial
- Una pérdida del 25% necesita un 33% para recuperarse
- Perder un 50% de la cuenta requerirá de un 100% para alcanzar el capital inicial
Cuanto mayor es la pérdida, proporcionalmente más se necesitará para volver al punto de partida.
Mantra del apalancamiento óptimo:
Estrategias de mayor riesgo/recompensa pueden ser operadas con un apalancamiento mayor que las estrategias con un ratio riesgo/recompensa menor debido a la capacidad de recuperarse de las grandes pérdidas.
El hecho de que la volatilidad afecta a la distribución de nuestra probabilidad de ser rentables explica el concepto de aversión al riesgo en el juicio humano. Si los individuos fueran neutrales al riesgo, entonces jugaría cualquier juego con esperanza positiva independientemente del riesgo envuelto.
Ajuste riesgo/recompensa:
Riesgos más altos conllevan retornos altos. Si asumimos que los individuos son adversos al riesgo, tendría sentido ajustar los beneficios al riesgo asumido para lograrlo.
El peligro del apalancamiento
La mayoría de las veces, las pérdidas de los traders tienen como origen el excesivo apalancamiento.
Apalancamiento y el trader con ventaja
Ejemplo práctico:
Tenemos un trader con una metodología que tiene un 55% de operaciones ganadoras donde cada operación (ganadora y perdedora) son de igual cantidad. Este trader comienza arriesgando 1$ y debe decidir cuánto capital arriesgar en cada operación.
- Si arriesga demasiado poco, no se aprovechará de toda la ventaja de su estrategia
- Si asume demasiado riesgo, las operaciones perdedoras pueden llevarlo a la ruina
Tamaño de apuesta óptimo: 10% de la cuenta en cada operación. Si simulamos 100 operaciones y asumimos que el trader comienza con 1$ y varía los tamaños, vemos como ese 10% es el tamaño óptimo.
Efecto de exceder el punto óptimo
Lo interesante es darse cuenta de que, si aumentamos la apuesta por encima del punto óptimo, podemos en realidad disminuir los retornos mientras que aumentamos el riesgo. Si aumentamos la apuesta demasiado por encima del punto óptimo, podemos perder dinero más veces de las que podemos ganar.
Es por esto por lo que la gestión del riesgo es tan crucial. Un entendimiento de este principio es de gran importancia para los traders ya que es una de las razones por la que la mayoría pierde (incluso los que tienen ventaja positiva).
Apalancamiento y el trader sin ventaja
Trader sin ventaja:
En este ejemplo consideramos un trader que no tiene ventaja. Cada operación tiene un 50% de probabilidad siendo el tamaño de las operaciones el mismo para ganadoras y perdedoras.
Si comenzamos con 100$, hacemos 10 operaciones y siempre apostamos el 20%, el trader termina con retornos negativos sobre el 62% de las veces al final de las 10 operaciones.
La distribución sesgada:
Aunque el valor esperado es cero, el riesgo de ruina sigue una distribución sesgada. En raras ocasiones todo estará a favor del trader; pero en la mayoría de casos el trader terminará con menos dinero.
Eso es así porque si nuestro trader tiene una operación ganadora seguida por otra perdedora, el balance final en realidad es menos de con lo que comenzó.
Nuestro trader pierde dinero el 75% de las veces. Un aumento de la apuesta haría incluso más pronunciada la distribución.
Esto puede que explique por qué el 95% de los traders pierden dinero mientras que el 5% ganan, ya sea por suerte o por habilidad.
El apalancamiento en el mundo real
Como se ilustró en los ejemplos de arriba, la volatilidad y el apalancamiento son muy peligrosos. Esos ejemplos no son exagerados. Vamos a considerar un ejemplo real de los peligros del apalancamiento en una de las tendencias más populares a finales de los 90: la indexación.
La indexación:
La indexación se logra estructurando carteras para replicar el rendimiento de los benchmarks populares como el S&P 500 o el Nasdaq 100. Algunos gestores creyeron que si el mercado tenía buenos rendimientos, entonces apalancar esos retornos estaría mejor.
Durante los 90, los fondos apalancados comenzaron a comercializarse a los inversores individuales. Esos fondos pidieron prestado para lograr un apalancamiento de 2 a 1.
Caso real: Fondos apalancados Nasdaq 100
Un fondo ofreció apalancamiento tanto para el lado largo como corto con el objetivo de replicar al Nasdaq 100. Mientras que el Nasdaq 100 bajó un 32% en 2001, ambos fondos apalancados (el del lado largo y el del lado corto) perdieron dinero.
Los fondos perdieron dinero debido al apalancamiento empleado. Según el mercado subía, ambos fondos requería comprar activos para mantener el apropiado ratio de apalancamiento. Cuando el mercado cayó, ambos fondos vendieron esos activos, de nuevo para ajustarse al ratio. Este comportamiento es completamente inconsistente con la misión de mantener un apalancamiento de 2 a 1.
El problema: Cuando el mercado va en una dirección o en otra, el efecto del apalancamiento beneficiará a los fondos apalancados; pero en un mercado lateral el apalancamiento extra obstaculiza seriamente el rendimiento.
El criterio de Kelly
La fórmula de Kelly
Kelly descubrió que los jugadores deberían determinar el tamaño de su apuesta tal que el logaritmo del capital se maximice. Kelly encontró que hay una cantidad óptima a arriesgar en cada apuesta para poder maximizar el beneficio.
Fórmula simple: 2p – 1
Donde p es la probabilidad de ganar.
Ejemplo: Si tenemos un 55% de probabilidad de ganar, entonces deberíamos apostar (2 × 55%) – 1 = 10% del capital en cuenta en cada operación.
Tamaño máximo: Lógicamente, el máximo tamaño se obtiene si hay un 100% de probabilidad de ganar. En ese punto se apuesta (2 × 100%) – 1 del capital en cuenta.
Versión general de la fórmula:
Esta fórmula funciona mejor para apuestas donde la cantidad que se gana en las operaciones ganadoras es la misma de la que se pierde en las perdedoras. La fórmula se puede ajustar para juegos que no tienen este ratio fijo:
p – (1 – p) / r
Donde p es la probabilidad de ganar y r es el ratio que hay entre lo que se gana cuando hay una operación ganadora y lo que se pierde con las perdedoras.
F óptima de Vince
Aplicación al trading:
Ralph Vince fue el primero en aplicar el trabajo de Kelly al trading. Vince calculaba el apalancamiento óptimo usando los retornos por operación.
Esta versión de F óptima es resuelta maximizando nuestra probabilidad de ser rentables en una serie de operaciones apostando un porcentaje fijo en base a la mayor operación perdedora. La idea es que la mayor operación perdedora ocurrirá en algún momento, por lo que debemos arriesgar alguna fracción de esta gran pérdida, lo que maximizaría nuestra probabilidad de ser rentables.
Limitación del método de Vince
Aunque el método de Vince debería producir resultados beneficiosos, usar datos de retornos diarios de una estrategia proveerá una medida más óptima de apalancamiento debido al aumento de datos. El método de Vince sufre si el número de operaciones es demasiado pequeño.
Un método mejorado para calcular el apalancamiento óptimo
El trabajo de Markowitz:
Markowitz mostró que maximizar la riqueza media es equivalente a maximizar el retorno logarítmico medio, y desarrolló una buena aproximación para calcular el retorno logarítmico medio basado en la media aritmética y varianza de retornos.
Fórmula del retorno logarítmico esperado:
Retorno logarítmico esperado = retorno esperado – ½ varianza de retornos
Usando apalancamiento M:
Retorno logarítmico apalancado esperado = M × retorno esperado – ½ M² varianza de retornos
Apalancamiento óptimo:
Apalancamiento óptimo = retorno / varianza = μ/σ²
Ejemplo práctico:
Si nuestra estrategia espera un retorno del 5% al año con una tasa libre de riesgo, con una desviación estándar anual del 20%, el apalancamiento óptimo es:
(0,05) / (0,20)² = 125%
Nuestro capital y apalancamiento cambiará según aparezcan los beneficios y pérdidas. Cuando nuestro apalancamiento óptimo es mayor que uno, necesitamos operar con mayor lotaje según nuestro capital aumenta. Según disminuye el capital, operaremos con menor lotaje para poder mantener el apalancamiento óptimo.
El rol de retornos en dólares y porcentajes
Cálculo de la volatilidad óptima:
Hemos calculado los retornos y riesgos en términos de dólares y no en porcentajes. Podemos usar la fórmula del apalancamiento óptimo para determinar cuánto deberíamos operar cuando usamos una cantidad de capital.
Fórmula:
Volatilidad óptima del dólar = (capital) × (retorno medio del dólar) / (volatilidad del dólar)
La volatilidad óptima resultante es expresada en el mismo marco temporal que las medidas del retorno promedio y volatilidad.
Ejemplo práctico:
Asume que comenzamos a operar con 10.000$. Supón que creamos un método de trading rentable con beneficios medios de 500$ por día y tiene una desviación estándar diaria de 5.000$ al día.
La volatilidad óptima del dólar de nuestros 10.000$ es:
(10.000$) × (500$) / (5.000$) = 1.000$ por día
Por tanto, deberíamos escalar nuestro trading para tener una desviación estándar de 1.000$. Esencialmente, necesitamos operar una quinta parte del tamaño del backtest para que produzca una desviación estándar de 5.000$ al día.
Ajustes continuos
Según pasa el tiempo, los mercados y las estrategias aumentan o disminuyen en volatilidad. Además, nuestro capital aumentará con las ganancias y disminuirá con las pérdidas. Como resultado, al calcular la volatilidad óptima para nuestra estrategia de trading, debemos continuamente recalcular y ajustar las estadísticas de volatilidad del dólar.
Aunque los cambios bruscos de un día para otro son improbables, la volatilidad óptima del dólar es probable que cambie considerablemente de meses a años.
La paradoja del apalancamiento óptimo
Entender los beneficios y peligros del apalancamiento puede ayudar a inversores y traders. Los inversores pueden estructurar su asignación de stock y bonos más efectivamente; y los traders pueden determinar su tolerancia óptima al riesgo.
El problema de la aplicación práctica
Aunque los conceptos matemáticos parecen sólidos, desafortunadamente la F óptima de Vince, el criterio de Kelly y el concepto del apalancamiento óptimo son tremendamente confusos en su aplicación al trading.
Para que el apalancamiento óptimo sea útil, deben conocerse los retornos y volatilidad de la estrategia de trading. Si conocemos nuestro riesgo y retorno esperado con absoluta certeza, podemos apalancar nuestro capital de forma efectiva.
El problema de la incertidumbre:
El problema surge del hecho de que el apalancamiento óptimo se calcula de asunciones específicas de retorno y riesgo esperado.
- Si usamos incluso 1$ más del apalancamiento óptimo, entonces en realidad estaremos disminuyendo nuestra probabilidad de ser rentables y aumentando el riesgo
- Si usamos 1$ menos del apalancamiento óptimo no lograremos alcanzar nuestra máxima probabilidad de ser rentables
Juegos estáticos vs dinámicos:
Para juegos con retornos y riesgos esperados como el blackjack, conocemos la ventaja y volatilidad de nuestras apuestas. En tales juegos estáticos, los cálculos del apalancamiento óptimo pueden ser muy útil.
Pero en juegos dinámicos como los mercados financieros, nunca podemos estar acertados con el futuro de los retornos y volatilidad esperados más allá de conocer el rendimiento pasado de nuestras estrategias. Como resultado, nunca podemos estar seguros de haber utilizado el apalancamiento efectivo.
Utilidad práctica de estas herramientas:
Aunque conocemos los valores óptimos del pasado, no tenemos certeza de si serán óptimos en el futuro. Esto no quiere decir que estas herramientas sean inútiles. De hecho son muy útiles.
Su uso más importante es determinar si los traders están operando con un apalancamiento mayor al óptimo, en cuyo caso debería reducir el tamaño inmediatamente. Y si opera por debajo del apalancamiento óptimo, el trader debería preguntarse cuál será el verdadero retorno y volatilidad promedios de su estrategia en el futuro.
La aversión al riesgo
Otro problema es que los cálculos del apalancamiento óptimo asumen que todos los inversores y trader están intentando maximizar su probabilidad de ser rentables. Pero muchas investigaciones académicas han descubierto que, de promedio, los inversores son más adversos al riesgo.
El inversor típico asume un ratio riesgo recompensa que sería generado por una operativa de sólo la mitad o un tercio del apalancamiento óptimo. Lo que sucede es que lo que es óptimo para una persona puede ser excesivo para otra.
Crear, probar y evaluar una nueva estrategia de trading.
Crear la estrategia
Según mi experiencia, parece que los grandes movimientos en ocasiones son seguidos por tres a cinco días de continuidad. Comprar después de una gran subida parece guiar a beneficios, igual que vender después de una caída. Pero, ¿Cómo deberíamos medir esos movimientos?
Volatility Breakout tradicional
El método tradicional de rotura de volatilidad (Volatility Breakout) intenta explotar esta tendencia comprando mercados después de un gran día alcista y vendiendo después de un gran día bajista.
¿Un día es realmente suficiente como para definir una tendencia o necesitamos mirar de tres a cinco días? Nuestro nuevo sistema amplía el alcance de la típica estrategia de rotura de volatilidad al analizar múltiples periodos para generar las señales de compra y venta.
Sistema típico de rotura de volatilidad:
Las posiciones largas se toman si el cierre de hoy es mayor que:
Precio de referencia + número × medida de volatilidad
Donde el precio de referencia es el cierre de ayer o la apertura de hoy, el número es un número positivo y la medida de volatilidad es o la desviación estándar de los cierres, la desviación estándar de los retornos o el Average True Range.
Limitación del enfoque tradicional
Podemos pensar que esta fórmula es de muy corto plazo. ¿Qué ocurre si el mercado se mueve durante dos días por encima del promedio? Es más interesante buscar roturas que ocurran en movimientos del precio de múltiples días para generar señales de trading.
Nueva lógica de rotura de volatilidad:
Cada día, evalúa todos los valores de X desde 5 hasta 20:
Comprar si:
cierre – cierre de X días atrás > num × SQRT(x) × desviación estándar del cambio del precio de los últimos 100 díasVender si:
cierre – cierre de X días atrás < -1 × num × SQRT(x) × desviación estándar del cambio del precio de los últimos 100 días
Cómo funciona el sistema:
Cada día buscamos señales de compra y venta calculando con esas reglas todos los valores de X desde 5 a 20:
- Empezamos comparando el cambio del precio de 5 días con la desviación estándar de los últimos 100 días
- Si el cambio del precio es mayor que num veces la desviación estándar, tenemos una potencial señal de compra
- Si el cambio del precio es menor que num veces la desviación estándar, tenemos una potencial señal de venta
- Después hacemos el mismo cálculo para el resto de días hasta 20
Los tres componentes clave:
En cada caso comparamos el cambio del precio al producto de multiplicar tres valores:
- Una constante num
- La raíz cuadrada del número de días en el cambio del precio
- La desviación estándar de los cambios del precio de 100 días
El parámetro num:
El parámetro num determinará la sensibilidad de los movimientos del precio que generan señales de trading:
- Valores más pequeños: generarán señales de compra y venta más frecuentes
- Valores más grandes: generarán señales más infrecuentemente
De una distribución normal, sabemos que sobre el 95% de los valores estarán contenido dentro de +/-2 desviaciones estándar. Si requerimos movimientos mayores de dos veces la desviación estándar, deberemos esperar señales de trading sobre el 5% del tiempo (o uno de cada 20 días, aproximadamente una vez al mes).
Proyectar cambios del precio sobre múltiples días:
Podemos usar la desviación estándar para proyectar cambios del precio sobre múltiples días. Para lograr esta transformación, necesitamos multiplicar la desviación estándar por la raíz cuadrada del número de días en nuestro nuevo intervalo.
Mejorando la estrategia: Trailing Stop
Añadiendo una regla de salida:
Nuestra nueva estrategia de rotura de volatilidad puede probablemente ser mejorada añadiendo una regla de salida cuando determinemos que la operación ha ido demasiado lejos.
Además de reglas de entrada, saldremos de las posiciones usando un trailing stop. Mantendremos la posición hasta alcanzar dos veces la desviación estándar de los cambios del precio de 100 días.
Reglas del Trailing Stop:
- Si estamos largos y los precios caen por dos veces la desviación estándar de 100 días → cerraremos la posición larga
- Si estamos cortos y los precios suben por dos veces la desviación estándar de 100 días → cerraremos la posición corta
Usar este trailing nos ayudará a asegurar que cerramos las operaciones perdedoras a tiempo y que las operaciones ganadoras serán cerradas en beneficio antes de que los precios se giren.
Probar la nueva estrategia
Ahora que la idea está cuantificada, toca la fase de test y evaluación del rendimiento de la estrategia en 19 mercados de futuros.
Mercados seleccionados:
La estrategia se aplica sobre sectores del mercado que muestran una tendencia natural a las tendencias:
- Divisas
- Tasas de interés
- Petróleo
- Granos
- Materias primas (excluyendo el cacao y el zumo de naranja)
Dos versiones testeadas:
- Versión 1: Incluye únicamente mecanismo de entrada
- Versión 2: Añade el trailing stop al mecanismo de entrada
Testeo de estabilidad de parámetros:
Necesitamos retocar nuestro sistema para determinar si los resultados son estables a través de los diferentes parámetros.
Para testear la estabilidad del parámetro num de nuestra estrategia, hacemos test de rentabilidad variando num de 1 a 2 en incrementos de 0,5. Se anotan el correspondiente beneficio neto, Ratio Sharpe y K-ratio de todas las versiones y conjuntos de parámetros.
Resultados del testeo:
Los resultados hablan de la estrategia. Primero, añadir el trailing aumenta la medida de riesgo/recompensa al igual que el Ratio Sharpe y el K-ratio. Aunque el beneficio neto se sacrifica en dos de los tres valores de num, el beneficio es un menor riesgo.
Conclusión: La estrategia es robusta en esos parámetros y el rendimiento es probable que permanezca siendo rentable en el futuro.
Decisión sobre diversificación:
Nuestra próxima decisión es si deberíamos combinar múltiples versiones de la estrategia con múltiples conjuntos de parámetros para lograr un riesgo/recompensa mejorado gracias a los beneficios de la diversificación.
Ya que las señales de dos versiones de esta estrategia están altamente correlacionadas, elegimos saltar la combinación de las versiones. En su lugar, se operará una nueva entrada de rotura de volatilidad con el trailing stop y un parámetro num de 1,0.
Determinar el apalancamiento óptimo
A los beneficios obtenidos en la curva de rentabilidad le calculamos la volatilidad óptima del dólar mediante la fórmula del apalancamiento óptimo aprendida.
Fórmula aplicada:
Volatilidad óptima del dólar = (capital) × (retorno medio del dólar) / (volatilidad del dólar)
En base a los cálculos realizados deberemos ajustar el tamaño de nuestras posiciones.
El dilema del futuro
Lo complejo del asunto es que conocemos los valores óptimos en base al beneficio obtenido en los datos históricos; pero ¿Qué hay del futuro?
Mi recomendación es que arbitrariamente recortemos a la mitad el apalancamiento óptimo por lo que pueda avecinarse.
Monitorización en tiempo real:
Teniendo ya los números claros, las desviaciones en tiempo real deberían alertarnos.
Cuando en la operativa real sufrimos grandes desviaciones que se alejan de los resultados obtenidos en la prueba histórica, nos sugiere que:
- Hemos cometido algún error en nuestros cálculos, o
- La estrategia se está deteriorando
Cualquiera de las dos situaciones puede ser desastrosa para el trader.
Los traders son los nuevos alquimistas. Nuestro trabajo es predecir lo impredecible. Día a día intentamos convertir el plomo en oro. Cuando fallamos al predecir lo impredecible, nos estresamos y preocupamos. Después de todo, la tarea casi imposible de predecir los mercados financieros es nuestro trabajo.
El poder de los números:
Prácticamente todo puede ser analizado con números. Los números hacen moverse el mundo, no sólo en los mercados, sino en cada faceta de la vida.
Raramente se presenta una situación que no puede ser explicada con análisis cuantitativo o predecir un resultado. Los números puede que no lo expliquen todo, pero cuando analizamos datos financieros este análisis puede llevarnos al éxito.
La belleza del trading cuantitativo:
Los análisis descritos en el libro se pueden aplicar a cualquier tipo de activo y mercados y esta es la belleza del trading cuantitativo: la portabilidad de las estrategias y métodos.
Mejora continua:
En todas las profesiones la gente trabaja para mejorar día a día. Si quieres batir a tus competidores, necesitas trabajar más que ellos.
Es mejor la reputación de fallar convencionalmente que el éxito conseguido de manera no convencional.
El camino no convencional:
Aquellos que tienen éxito es más probable que lo hagan de manera no convencional. Aquellos que eligen el camino de los métodos no convencionales verán como su éxito es rechazado por otros y serán desprestigiados en su derrota.
Piensa en ti mismo viajando por un camino nunca antes transitado.
Espero que el éxito en el trading te traiga satisfacción personal y que tus fracasos te eleven a otro nivel y sigas intentándolo.
Entradas recomendadas: Quantitative Trading (Ernest Chan) | Trading Cuantitativo | Estrategias de Trading | Guías de Trading Algorítmico
