Lars Kestner Estrategias de Trading Cuantitativo

Uno de los Libros de obligada lectura si quieres profundizar en el Trading Cuantitativo


Quantitative Trading Strategies
Portada del libro

*Para respetar los derechos de autor, no se incluirán ningún gráfico de apoyo, por lo que recomiendo encarecidamente la compra del libro original. De esta manera se podrá seguir mejor el estudio de este resumen así como muestra de agradecimiento al autor del libro.

Índice

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.

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.

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.

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.

Parte 1 – Cimientos estructurales para mejorar el trading técnico

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.

Capítulo 1 – Introducción al trading cuantitativo

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.

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:

  1. Seguir el método científico mediante la creación de una hipótesis (nuestro método de trading).
  2. Testear la hipótesis (Backtest sobre datos históricos).
  3. 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.

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:

  • 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.

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.

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.

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.

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.

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.

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 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.

Capítulo 2 – Una introducción a la estadística

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.

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.

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 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).

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.

Capítulo 3 – Crear estrategias de trading

Los cimientos que generan operaciones.

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.

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.

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.

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.

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.

Las tres medidas más comunes de volatilidad son la desviación estándar de los cambios de los precios, la desviación estándar de los precios y 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.

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.

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 señalen 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.

Un patrón popular, el día de reversión, indica que el mercado puede que gire. Una señal de reversión en venta se genera cuando el máximo de hoy es mayor que el máximo de ayer y el cierre de hoy es más bajo que el cierre de ayer. Una reversión en compra se genera cuando 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.

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:

  • 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.

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.

Capítulo 4 – Evaluar el rendimiento de las estrategias de trading

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.

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 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.

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.

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 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.

El numerador (la porción del retorno de la fórmula) es 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. El denominador (la porción de riesgo del ratio Sharpe) es 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.

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.

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.

Curva de equidad = b0 + b1 . tendencia

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.

El K-Ratio 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.

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.

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.

Para lograr esto, simplemente compra cuando la estrategia emita una señal de venta; y vende cuando la estrategia emita una señal de compra.

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.

Capítulo 5 – Rendimiento de carteras

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.

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:

Probabilidad de ganar * cantidad que se gana + Probabilidad de perder * cantidad que se pierde

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.

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.

Un ejemplo sería crear una cartera formada por activos provenientes del mercado de divisas, bonos y materias primas.

Otro ejemplo de cartera descorrelacionada sería incluir activos de diferentes sectores.

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.

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.

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.

Capítulo 6 – Optimizar parámetros y filtrar señales de trading

Mejorar la estrategia básica

La optimización es uno de los asuntos más polémicos y discutidos en el trading cuantitativo.

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.

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.

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.

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.

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.

Parte 2 – Aprovechar el poder de las técnicas cuantitativas para crear un programa de trading

Capítulo 7 – Diseccionar estrategias disponibles actualmente

Qué funciona y qué no.

Channel Breakout

Entrada en largos cuando el cierre del mercado es el cierre más alto de los últimos 40 días.

Entrada en cortos cuando el cierre del mercado es el más bajo de los últimos 40 días.

Dual Moving Average Crossover

Entrada en largos cuando la media móvil de 10 períodos cruza por encima de la media móvil de 40 períodos.

Entrada en cortos cuando la 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:

Entrada en largos cuando el precio de cierre actual es el más alto de los últimos 20 días.

Entrada en cortos cuando el precio de cierre actual es el más bajo de los últimos 20 días.

Largo plazo:

Entrada en largos cuando el precio de cierre actual es el más alto de los últimos 80 días.

Entrada en cortos cuando el precio de cierre actual es el más bajo de los últimos 80 días.

Volatility Breakout

Entrada en largos si el rango del precio de hoy es mayor de dos veces la desviación estándar de los rangos del precio de los últimos 100 días.

Entrada en cortos si el rango del precio de hoy es menor de dos veces la desviación estándar de los rangos del precio de los últimos 100 días.

 

Stochastics

Entrada en largos cuando la línea lenta del estocástico %K (14 períodos) cae por debajo de 20 y vuelve a cruzar por encima de 20.

Entrada en largos cuando la línea lenta del estocástico %K (14 períodos) sube por encima de 80 y vuelve a cruzar por debajo de 80.

Relative Strength Index

Entrada en largos si el RSI de 14 días cae por debajo de 35.

Entrada en cortos si el RSI de 14 días sube por encima de 65.

Moving Average Convergence/Divergence

Entrada en largos cuando el MACD sube por encima de la línea de señal.

Entrada en cortos cuando el MACD cae por debajo de la línea de señal.

Capítulo 8 – Nuevas ideas para entrar, salir y filtrar

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.

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

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.

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.

Una manera de mitigar esta situación es crear un canal usando dos medias separadas. Esto se puede lograr calculando dos medias: una usando los máximos diarios y otra usando los mínimos diarios. Requeriremos al precio que cierre por encima de la media móvil de los máximos para generar la señal de compra y que cierre por debajo de la media móvil de los mínimos para generar la señal de venta.

Otra manera de generar señales es mediante la combinación de dos sistemas: uno usando medias móviles de 20 períodos y otro de 80. Se emiten las señales de compra y venta cuando ambos sistemas están de acuerdo. Para comprar, tanto la configuración de 20 períodos como la de 80 deben emitir señal de compra; y viceversa para vender.

Second Order Breakout

Esta estrategia se desarrolló para distinguir entre la longitud de la rotura de canales.

En la típica estrategia de rotura de canal, la señal de compra se emitiría cuando el precio hace un máximo más alto entre los últimos 20 días. Pero si el precio con esa misma señal de compra en vez de 20 días, hace un máximo más alto entre los últimos 40 días, la estrategia base no diferencia qué máximo ha roto y los trata a todos por igual.

Esta modificación de la estrategia trata de diferenciar cuando el mercado rompe entre distintos máximos previos ya que cuantos más días atrás contenga, más significancia tendrá la señal.

Cada día determinamos la significancia del cierre comparado con el cierre de los últimos 80 días. Al comparar el cierre con los últimos 80, determinamos el grado de rotura que está ocurriendo. Si el cierre de hoy es el más alto de los últimos 5 días, entonces estamos ante un máximo de 5 días. Si el cierre de hoy es el más alto de los últimos 20, estamos ante un máximo de 20 días. El análisis lo hacemos hasta los últimos 80 días.

El número de días es grabado como estadísticas de Second Order Breakout. Los máximos son grabados como valores positivos y los mínimos como negativos. Por ejemplo, si el cierre de hoy es el mayor de los últimos 40 días, entonces el Second Order Breakout de hoy tendrá un valor de 40. Si el cierre de hoy es el más bajo de los últimos 35, entonces el Second Order Breakout tendrá un valor de -35.

Las señales se generan utilizando una metodología típica de rotura de canales en vez de entrar en la rotura de los precios. Las señales se basan en las estadísticas del Second Order Breakout.

La lógica detrás de la estrategia es la siguiente: Si el Second Order Breakout de hoy es el valor más alto de los últimos 40 días y mayor de 20, entonces se establecen posiciones largas. Si el Second Order Breakout es el valor más bajo de los últimos 40 días y es menor que -20, se establecen posiciones cortas.

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. Si el máximo de 20 días no es un máximo de 40 puede que los precios estén consolidando y la tendencia cambiando. En tal caso, deberíamos desechar esa señal.

MACD Histogram Retracement

Este sistema usa la habilidad del histograma del MACD para identificar de forma temprana reversiones de la tendencia.

La estrategia genera señales de compra cuando el histograma retrocede X porcentaje de su anterior valle cuando está por debajo de 0. Genera señales de venta si el histograma retrocede X porcentaje de su pico previo cuando está por encima de 0.

Para evitar una fluctuación, se requiere que el histograma alcance algún límite mínimo por encima de 0 antes de tomar la señal de cortos y algún límite mínimo por debajo de 0 antes de tomar la señal de largos.

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.

Nuestra versión del retroceso en el histograma del MACD requiere que exceda la mitad de la desviación estándar de los cambios del precio de los últimos 20 días antes de tomar las señales.

Las señales de largos se emiten si el histograma retrocede un 25% de su valor mínimo desde su último cruce por debajo de 0. Las señales de cortos se emiten si el histograma retrocede un 25% de su valor máximo desde su último cruce por encima de 0.

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.

Fuertes retrocesos dentro del contexto de tendencias incluso más fuertes son las mejores entradas. El Divergence Index mide el retroceso multiplicando dos indicadores de momentum. Se dividen el resultado de dos medidas de momentum por la diferencia de los cambios recientes para poder crear el indicador y poder comparar los resultados independientemente del mercado.

Divergence Index = Momentum 10 días . Momentum 40 días / (desviación estándar de 40 días)^2

Cuando los valores del momentum de 10 y 40 días señalan lo mismo (positivo o negativo), generan un valor positivo para el Divergence Index. Si multiplicamos los dos números positivos, el resultado es positivo; y si multiplicamos los dos números negativos, el resultado también lleva a valores positivos.

Vamos a buscar valores negativos en el Divergence Index para establecer entradas. Si una medida de momentum es positiva y la otra negativa, sugiere que está ocurriendo una divergencia a corto plazo dentro de la tendencia de largo plazo. Cuando el Divergence Index es negativo, queremos tomar operaciones en la dirección de la tendencia de largo plazo.

Las entradas en largo se establecen cuando el Divergence Index es menor de 10 y el momentum de 40 días es mayor que 0. Las señales de venta se generan cuando el Divergence Index es menor de 10 y el momentum de 40 días es menor que 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.

Si un mercado está sobreextendido, tanto la medida de momentum de corto y largo plazo mostrarán valores extremos, provocando grandes valores positivos en el Divergence Index.

Moving Average Confluence Method

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.

Se observa el cruce de medias móviles entre uno y 20 días, donde el promedio más largo siempre es cuatro veces la longitud del promedio más corto. Cada día, se prueban todas las configuraciones de cruce de medias (1/4, el día 1/8 etc hasta el día con la configuración 20/80) y se observan las señales de trading que emiten.

Cualquier conjunto de parámetros genera una señal de largos si el promedio de longitud más corto es mayor que el promedio más largo; y genera una señal de cortos si el promedio más corto es menor que el promedio más largo.

Cada día se calcula el porcentaje de los 20 pares que están señalando posiciones largas. Este porcentaje se dibuja como estadística del Moving Average Confluence Method.

Comenzamos con la configuración 1/4. Si promedio es mayor que el promedio de 4 días, entonces añadimos +5 a la estadística del Moving Average Confluence Method.

Este proceso se hace con los 20 pares y los resultados en el indicador oscilan entre 0 y 100. Las señales de largos se generan cuando el MACS es 60 o mayor; y las señales de cortos si es 40 o menor.

Normalized Envelope Indicator

Algunos traders se comenzaron a interesar por tomar ventaja cuando los precios se alejan de la media móvil. Para poder hacer esto, necesitaban un método para juzgar cuándo el precio se había alejado lo suficiente de su media.

Idealmente, la media móvil actuaría como una banda elástica, atrayendo los precios al promedio cuando se estiraban en cualquier dirección. Como resultado, se creó la Envelope Moving Average.

Se trata de dos bandas alrededor de la media móvil, una por encima y otra por debajo. Generalmente la media superior se obtenía al multiplicar la media móvil original por 105% y la media inferior al multiplicarla por 95%.

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.

Uno de los problemas con las bandas es determinar el desplazamiento óptimo. Para resolver esto, se ha desarrollado el Normalized Envelope Indicator el cual dibuja las bandas automáticamente basado en el reciente desplazamiento óptimo.

La fórmula es: (Cierre – Promedio de los últimos 50 cierres) / Desviación estándar de los últimos 50 cambios del precio

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.

Usando un oscilador, entramos largos según la tendencia se fortaleza y cortos según se debilita. La fortaleza de la tendencia determina la fortaleza de la señal. Un ejemplo de este método sería:

  • Oscilador cruza por encima de 55: largos una unidad
  • Oscilador cruza por encima de 70: largos dos unidades
  • Oscilador cruza por encima de 85: largos tres unidades
  • Oscilador cruza por debajo de 45: cortos una unidad
  • Oscilador cruza por debajo de 30: cortos dos unidades
  • Oscilador cruza por debajo de 15: cortos tres unidades

Utilizamos la línea lenta (20 períodos) del estocástico %K como base para las señales.

Adjusted Stochastic

Este indicador está ajustado en base a la volatilidad del mercado. Los osciladores son buenas herramientas para calcular los cambios relativos del precio en el corto plazo. El problema es que hay ocasiones en las que el precio es menos volátil y no se mueve, pequeños cambios en el precio puede causar que el oscilador alcance condiciones de sobrecompra o sobreventa.

Según el precio se hace más volátil (indicado por un gran rango de 14 días) , los movimientos del precio más recientes debería tener más peso que durante los períodos de baja volatilidad acompañado por pequeños cambios del precio de 14 días.

Por esta razón, se introdujo un ajuste donde se combina le media lenta de 14 períodos del estocástico %K y la distancia del rango (de máximo a mínimo) de los últimos 14 días y la distancia del rango de los últimos 100 días.

La fórmula sería: (media lenta de 14 días del estocástico %K – 50) . (nivel más alto de los último 14 días – nivel más bajo de los últimos 14 días) / (nivel más alto de los últimos 100 días – nivel más bajo de los últimos 100 días) + 50

Esencialmente, se reajusta el estocástico de 14 días basado en la volatilidad relativa de los últimos 14 días por la volatilidad de los últimos 100 días.

Los valores generalmente se mueven entre 35 y 65. Se toman operaciones cortas en contra tendencia cuando el estocástico sube por encima de 65 vuelve a caer por debajo de 65. Se toman operaciones largas en contra tendencia cuando el estocástico atraviesa al alza el nivel 35 y vuelve a atravesarlo a la baja.

Three in a Row

El principio de esta estrategia es muy simple, pero sus resultados son muy poderosos.

Se compra cuando se dan tres condiciones:

  • El cierre de hoy es mayor que el cierre de los últimos 5 días.
  • El cierre de los últimos 5 días es mayor que el cierre de los últimos 10 días.
  • El cierre de los últimos 10 días es mayor que el cierre de los últimos 15 días.

Se vende cuando se dan tres condiciones:

  • El cierre de hoy es menor que el cierre de los últimos 5 días.
  • El cierre de los últimos 5 días es menor que el cierre de los últimos 10 días.
  • El cierre de los últimos 10 días es menor que el cierre de los últimos 15 días.
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.

Con esta idea de fondo, requerimos para las entradas que el cambio absoluto del precio de 5 días sea mayor que la desviación estándar de 100 días y que el volumen promedio de los 5 días sea menor que el 75% del volumen promedio de los 5 días  antes (10 días previos).

Entremos largos si el cambio del precio de los 5 días más recientes es negativo y cortos si el cambio es positivo. Todas las operaciones se cierran al quinto día de la entrada.

Saitta´s Support and Resistance Strategy

Lo primero es definir los soportes y resistencias. Para ello, utilizaremos una media móvil simple de 20 días. Cuando el precio la atraviese al alza, el mínimo más bajo que haya hecho el pecio será el soporte. De igual manera, cuando el precio atraviese la media móvil a la baja, el máximo más alto será la resistencia.

La idea es que, una vez que se han establecido esos niveles de soporte y resistencia, los operadores aparecerán de nuevo cuando el precio se aproxime a ellos.

Las posiciones largas se establecen cuando el precio sube por encima de una resistencia previa; mientras que las posiciones cortas se establecen cuando el 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.

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.

Una posibilidad es tomar entradas en largo sólo si se ha hecho un máximo de 40 días antes que un mínimo de 40 días.

Otro filtro requiere los rangos de máximo a mínimo. Se toman operaciones únicamente cuando la acción del precio es lo suficientemente volátil como para identificar que está entrando al mercado información importante. Esto puede lograrse al filtrar las operaciones tomando únicamente posiciones cuando el rango de máximo a mínimo de los últimos 10 días es mayor que el rango de máximo a mínimo de los 10 días previos a esos 10 días.

Otro filtro sería calcular de una forma diferente el ADX y el VHF. Un método para determinar si un mercado está en tendencia es calibrar el solapamiento del precio de hoy comparado con la acción previa. Si el rango de hoy se solapa con la mayoría de los 20 días previos, entonces el mercado está sin tendencia. Un solapamiento menor indicaría que hay presente una tendencia.

Calculamos el porcentaje de días con solapamiento y lo anotamos en las estadísticas de la tendencia. Valores bajos indican que hay poco solapamiento del precio y que por tanto el mercado está en tendencia. Valores altos indican que hay mucho solapamiento del precio y que el mercado está congestionado.

Podemos aplicar este filtro a las señales del Channel Breakout. Idealmente, nuestro filtro nos mantendrá fuera del mercado cuando éste no esté en tendencia y estaremos operando cuando la tendencia se esté desarrollando.

Las posiciones largas se establecen si el cierre de hoy es el más alto de los últimos 40 días y las estadísticas de la tendencia es menos de 0.15. Las posiciones largas se cierran si el cierre de hoy es el más bajo de los últimos 20 días.

Las posiciones cortas se establecen si el cierre de hoy es el más bajo de los últimos 40 días y las estadísticas de la tendencia es menos de 0.15. Las posiciones cortas se cierran si el cierre de hoy es el más alto de los últimos 20 días.

Capítulo 9 – Nuevas ideas de mercados

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.

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 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.

Las mesas de trading de las principales firmas de Wall Streed también operan estrategias de valor relativo. Destinan cientos de millones a operar Yield Curve, Credit Spreads, Volatility y Stock Pairs. Esta 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:

  • Pure Arbitraje
  • Bottom-up relative value
  • Top-down relative value
  • Macro trading
Pure Arbitraje

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.

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.

Bottom-up relative value

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.

Un ejemplo sería comprar valores que están rindiendo peor que su índice de referencia y vender aquellos valores que están rindiendo mejor.

Otro ejemplo sería 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.

Top-down relative value

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.

Un ejemplo sería 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.

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.

Yield Curve

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.

Un ejemplo de operativa aquí sería 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.

Credit Spreads

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.

Esta diferencia que hay entre los bonos de las corporaciones y los bonos del tesoro tiende a estrecharse durante una economía en crecimiento, ya que las previsiones de los negocios mejoran y es menos probable que se den situaciones de quiebra.

Por el contrario, la diferencia de rendimiento entre ambos bonos se amplía durante etapas de economía débil.

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.

Equity Volatility

Los inversores pueden operar la volatilidad a través de opciones como Calls y Puts.

Un trader que compra una opción Call tiene el derecho pero no la obligación de comprar cierto activo al precio fijado en la fecha específica del futuro. Un trader que compra una opción Put tiene el derecho pero no la 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.

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).

Relative Performance of Stock Indices

También estudiamos el rendimiento relativo de los índices de acciones de US, utilizando el S&P500, el Nasdaq100 y el Rusell2000.

El S&P500 representa las 500 empresas con mayor capitalización de Estados Unidos. El Nasdaq100 es el índice de las 100 empresas no financieras de mayor capitalización. El Rusell2000 es un índice del rendimiento de las empresas de baja capitalización; incluye las empresas que se encuentran entre la 1001 y la 3000 de capitalización en Estados Unidos.

Cada índice tiene períodos de un mejor rendimiento. Nuestro objetivo es operar el rendimiento relativo de un índice contra otro.

Para estudiar los modelos podemos usar el SPY como representante del S&P500, El QQQ para el Nasdaq100 y el IWM para el Russel2000.

Single Stock Pairs

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.

Commodity Substitutes

Los mercados de materias son buenos para el trading de valor relativo debido al efecto de sustitución que hay entre mercados relacionados.

Si el gas natural está demasiado caro, el aceite de calefacción (heating oil) es un sustituto. Los precios de las habas de soja afectarán a los precios finales de productos como el aceite de soja y la harina de soja. El oro y la plata en ocasiones operan al unísono.

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.

Stock and Commodity Relationships

Finalmente observaremos una relación entre el precio de las materias primas y el de las acciones que se dedican a ellas.

Los productores de oro, por ejemplo, están expuestos a los niveles absolutos de los precios del oro. Los productores han fijado razonablemente los costes y generalmente no cubren su producción al completo (vendiendo futuros o fordwars de oro). Como resultado, un aumento en la producción de oro sube el precio de las empresas que se dedican a su producción y viceversa.

Una relación similar existe entre las refinerías de petróleo y el precio del 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.

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. Las estrategias seguidoras de tendencia son en grandes fracasos, especialmente cuando se aplican sobre Stock Pairs y Volatility Markets.

Por otro lado, los Credit Spreads y Stock Indices sí parecen tener tendencia.

Los Yield Markets, Commodity Substitutes y Stock and Commodity Relationships muestran un rendimiento mixto y no tienen fuerte propensión a las tendencias o a las reversiones a la media.

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.

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.

Capítulo 10 – Invertir en el S&P 500

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.

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.

Hay tres teorías de por qué bajas tasas de interés conducen a un aumento de los precios de las acciones.

La primera, 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.

La segunda, 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.

La tercera, 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

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.

Otro rendimiento interesante detalla que comprar el mercado durante momentos de fortaleza del mercado produce algunos de los peores rendimientos. La peor estrategia compraba cuando el SP500 estaba por encima de su promedio de los últimos 3 meses.

Quizá la estrategia más interesante es la que invertía 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 mercao operables en el futuro del S&P500, ETFs y fondos.

Index Fund and ETFs

Los fondos basados en índices y los ETFs crecieron enormemente durante la época de los 90, según aumentaba la popularidad de las acciones.

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.

Los mercados de valores vieron rápidamente una oportunidad y comenzaron a ofrecer ETFs (Exchange Traded Funds). 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 Moth 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.

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.

Lo que no era igual era el retorno promedio de cada día. El lunes tenía significantemente peores retornos que el viernes.

La investigaciones concluyeron que había días durante el desarrollo del mes que promediaban mejores rendimientos que otros. Se desarrollaron dos estrategias que obtuvieron mejor rendimiento que la estrategia de 2comprar 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

El precio de la volatilidad es determinado por fuerzas del mercado, como el precio de un valor o futuro. Los inversores, temerosos de que el precio caerá, comprarán opciones PUT para poder protegerse contra una caída abrupta de las acciones. Los inversores que están convencidos de que el mercado subirá rápidamente comprarán una opción CALL para participar de las violentas subidas. Esta presión en la compra de opciones, lo cual empuja el precio de la volatilidad, aumenta el valor de ambas opciones PUT y CALL.

Cuando aumenta la complacencia, generalmente los inversores venden opciones. Los más codiciosos venderán opciones CALL contra sus posiciones largas de acciones para generar ingresos extras por la falta de subida del valor. Otros inversores venderán opciones PUT como método de compra a precios bajos. Cuando esos vendedores de opciones entren al mercado, la volatilidad disminuye.

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.

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. Generalmente, altos niveles de volatilidad implícita señala que el mercado está nervioso y pesimista acerca de la perspectiva de los retornos futuros. Por contrario, 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.

Existen metodología que usan los extremos del VIX para operar: entrar largos cuando el VIX se encuentra en el extremo superior y usar los extremos inferiores del VIX para cerrar las posiciones.

Otras estrategias compran cuando el VIX es mayor que dos desviaciones estándar y permanecen en la posición hasta que el VIX cae por debajo de dos desviaciones estándar.

Capítulo 11 – Nuevas técnicas en gestión de capital

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

Habrás escuchado la clásica cita “La gestión del capital es la parte más importante de una estrategia de trading”. Vamos a introducir dos principios de gestión del dinero para referenciar el desacuerdo con esta frase:

  • 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, creo que 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

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 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 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; y 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.

Estrategias con ratios riesgo/recompensa altos son capaces de asumir un mayor riesgo ya que las grandes pérdidas pueden ser superadas debido a la mayor rentabilidad. Estrategias con ratios riesgo/recompensa bajos no son capaces de superar grandes pérdidas. Aquí encontramos el 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. Determinar el apalancamiento óptimo se convierte en algo importante ya que la volatilidad de nuestra estrategia afectará a nuestra probabilidad de ser rentables.

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. En cualquier estrategia de trading con esperanza positiva, nos apalancaríamos tanto como fuera posible porque ello maximizaría nuestro beneficio esperado.

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

En este ejemplo, 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 y si asume demasiado riesgo, las operaciones perdedoras pueden llevarlo a la ruina.

Numerosos estudios se han dirigido para conseguir cuál es la estrategia de apuesta óptima. Hay un único tamaño óptimo orientado a maximizar el rendimiento de la estrategia.

En el ejemplo de arriba, para este trader el tamaño de apuesta óptimo es del 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. El riesgo de ruina aumenta si se apuesta por encima del 10%.

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

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.

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 se logra estructurando carteras para replicar el rendimiento de los benchmarks populares como el S&P500 o el Nasdaq100. 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.

Un fondo ofreció apalancamiento tanto para el lado largo como corto con el objetivo de replicar al Nasdaq100. Mientras que el Nasdaq100 bajó un 32% en 2011, 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 es que 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.

Debemos enfatizar la importancia de la gestión del riesgo en una cartera de trading. Es un hábito natural de los traders sentir la necesidad de asumir un mayor riesgo para tomar ventaja de su ventaja esperada mediante el apalancamiento.

El criterio 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. La fórmula es muy simple: 2p – 1

Donde p es la probabilidad de ganar.

Si tenemos un 55% de probabilidad de ganar, entonces deberíamos apostar (2 . 55%) – 1 = 10% del capital en cuenta en cada operación.

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.

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. Una versión más general sería: 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

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.

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

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:

Retorno logarítmico esperado = retorno esperado – ½ varianza de retornos

Usando una cantidad de apalancamiento, M, el retorno logarítmico se convierte en:

Retorno logarítmico apalancado esperado = M . retorno esperado – ½ M2 varianza de retornos

Para poder maximizar el retorno logarítmico esperado tomamos la derivada del retorno logarítmico apalancado esperado con respecto a M. Establecer la derivada de cero, resolvemos M. Sucede que el apalancamiento óptimo (el valor óptimo de M) para usar en una estrategia de trading se calcula:

Apalancamiento óptimo = retorno / varianza = u/o2

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

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.

Asume que comenzamos a operar con 10000$. Supón que creamos un método de trading rentable con beneficios medios de 500$ por día y tiene una desviación estándar diaria de 5000$ al día. Nota que es imperativo medir el retorno promedio y la volatilidad en la misma unidad de tiempo, ya sea diaria, semanal, mensual o anual. Usando un poco de álgebra, encontramos que la volatilidad óptima del dólar es una función de capital, retorno medio y volatilidad de retornos.

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.

Para el ejemplo, la volatilidad óptima del dólar de nuestros 10000$ es (10000$) . (500$) / (5000$) = 1000$ por día. Por tanto, deberíamos escalar nuestro trading para tener una desviación estándar de 1000$. Esencialmente, necesitamos operar una quinta parte del tamaño del Backtest para que produzca una desviación estándar de 5000$ al día.

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.

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 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.

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.

Esto es por lo que las técnicas de gestión del dinero como el criterio de Kelly o la F óptima en realidad son una paradoja. 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.

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.

Capítulo 12 – Resolver el puzzle del trading

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?

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.

En un 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

Cuando 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. Pero podemos pensar que esta fórmula es de muy corto plazo.

¿Qué ocurre si el mercado se mueve durante dos días por encima del promedio? Creo que es más interesante buscar roturas que ocurran en movimientos del precio de múltiples días para generar señales de trading.

Cada día, evalúa todos los valores de X desde 5 hasta 20:

Nueva lógica de rotura de volatilidad:

  • Comprar si el cierre – cierre de X días atrás > num . SQRT(x) . desviación estándar del cambio del precio de los últimos 100 días
  • Vender si el cierre – cierre de X días atrás < -1 . num . SQRT(x) . desviación estándar del cambio del precio de los últimos 100 días

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 un num veces la desviación estándar, tenemos una potencial señal de compra. Si el cambio del precio es menor que un num veces la desviación estándar, tenemos una potencial señal de venta. Después hacemos el mismo cálculo para el resto de días hasta 20.

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 y la desviación estándar de los cambios del precio de 100 días.

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, mientras que valores más grandes lo harán 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).

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.

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. Así que, 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.

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. Usando 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.

La estrategia se aplica sobre sectores del mercado que muestran una tendencia natural a las tendencias: divisas, tasas de interés, petróleo, granos y materias primas (excluyendo el cacao y el zumo de naranja).

Realizamos el testeo en dos versiones de nuestra estrategia de rotura de volatilidad. La 1ª versión incluye únicamente mecanismo de entrada. La 2ª versión añade el trailing stop al mecanismo de entrada.

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.

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. Concluimos que la estrategia es robusta en esos parámetros y que el rendimiento es probable que permanezca siendo rentable en el futuro.

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:

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.

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.

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 o hemos cometido algún error en nuestros cálculos o la estrategia se está deteriorando. Cualquiera de las dos situaciones puede ser desastrosa para el trader.

Conclusión

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.

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.

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.

En todas las profesiones la gente trabaja para mejorar día a día. Si quieres batir a tus competidores, necesitas trabajar más que ellos.

Una cita muy famosa dice: “Es mejor la reputación de fallar convencionalmente que el éxito conseguido de manera 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.


Uno de los Libros de referencia sobre Trading Cuantitativo

2 Comments
  1. Como siempre Ruben muy buen material….segyi traduciendo👍👍👍👍👍👍

Leave a reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *