VI. La gran ventaja de la diversificacion. Parte II

1.5. Coeficiente de correlación lineal

El trading cuantitativo se fundamenta en un conjunto de herramientas matemáticas y estadísticas. Al mencionar el modelo de Markowitz y las ventajas de la diversificación nos referimos a un concepto que vamos a desarrollar en este artículo: la correlación, ¿qué es la correlación?, ¿Cómo se mide?, ¿Cómo se que los sistemas de trading que incluye mi portfolio son los adecuados?. Para resolver estas preguntas vamos a utilizar el coeficiente de correlación lineal de Galton y Pearson, cuya fórmula mostramos a continuación. No necesitamos hacer ningún cálculo ya que Excel y el resto de hojas de cálculo la incluyen entre sus funciones.

(9) Coeficiente de correlación lineal

El coeficiente de correlación es una medida adimensional que puede tomar cualquier valor entre [-1,1] y que nos indica el grado de correlación lineal entre dos series de datos. Veamos los diferentes supuestos que nos podemos encontrar y como valorarlos apoyándonos en la figura 1.7.

r(x,y) = 1. Correlación perfecta positiva. Como podemos ver en el gráfico [a], se trata de una línea recta con pendiente positiva. No debemos añadir activos con correlación positiva a nuestro portfolio.

0 < style="font-weight: bold;">Correlación positiva. Dependiendo del acercamiento de la nube de puntos a la recta de regresión el coeficiente se acercará más a 1.

r(x,y) = 0. Ausencia de correlación entre ambas series de datos. Se representa en los gráficos [c] y [d].

-1 < style="font-weight: bold;">Correlación negativa. Dependiendo del acercamiento de la nube de puntos a la recta de regresión el coeficiente se acercará más a -1.

r(x,y) = -1. Correlación perfecta negativa. Como podemos ver en el gráfico [e], se trata de una línea recta con pendiente negativa. Debemos añadir activos con correlación negativa a nuestro portfolio.

“La elaboración de una cartera diversificada reduce la variabilidad de los posibles resultados. Esto se consigue, básicamente, reduciendo la probabilidad de ocurrencia de operaciones con grandes pérdidas y de operaciones con grandes ganancias.” Nauzer J. Balsara

Figura 1.7. Diagramas de dispersión para la explicación del coeficiente de correlación.

Hasta aquí hemos explicado el significado y utilidad del coeficiente de correlación aplicado a cualquier serie de datos, veamos ahora la utilidad del mismo en el mundo de los sistemas de trading. Nos encontramos con dos opciones para hacer nuestras tablas de correlación:

Correlación de cotizaciones entre los activos financieros. En esta podemos estudiar la correlación de dos activos por medio de sus cotizaciones, por ejemplo los precios de cierre diarios, los máximos, los mínimos, las aperturas, etc, y así ver que tipo de relación existe entre los activos. Este tipo de relación será útil para un estudio global del mercado o para un estudio particular de los movimientos de una serie de datos concreta, pero no para el desarrollador de sistemas.

Correlación entre los resultados del sistema o sistemas. ya sea semanal, mensual o anual. Esta es la que nos va a aportar mayor información ya que lo que yo realmente necesito al crear un portfolio es encontrar estabilidad en los resultados, digamos por ejemplo, mensualmente. Si tuviera dos sistemas ganadores a largo plazo y con una total correlación negativa, los meses malos de un sistema serán los buenos del otro, consiguiendo un suavizamiento perfecto de la curva con un beneficio a largo plazo. El caso contrario sería el de dos series históricas de resultados netos mensuales con una correlación positiva perfecta.

Para verificar las correlaciones entre los resultados cuando contamos con un portfolio grande, se pueden utilizar herramientas, como el Portfolio Evaluator de Rina Financial que nos ofrece una tabla de correlaciones. En la figura 1.8 se muestra la Matriz de correlaciones de los 20 activos financieros que componen el sistema TradeSolver I (figura 1.2.). Las correlaciones se representan entre cada pareja de activos y la diagonal queda vacía, ya que la correlación de cualquier variable con ella misma es igual a la unidad. Las correlaciones de la matriz se han establecido en base a rentabilidades mensuales del sistema.

Figura 1.8. Matriz de correlaciones entre los 20 activos financieros que componen el sistema TradeSolver I. Las correlaciones se representan entre cada pareja de activos y la diagonal queda vacía, ya que la correlación de cualquier variable con ella misma es igual a la unidad. Las correlaciones de la matriz se han establecido en base a rentabilidades mensuales del sistema.

“Un trader se podría convencer a si mismo de que una serie de operaciones perdedoras serán financiadas por operaciones ganadoras generadas por el mismo sistema. Sin embargo, esto podría quedarse en un bonito deseo. No tenemos garantía de que el sistema genere dinero para recuperar las pérdidas anteriores. Por esta razón is imprescindible operar con una cartera diversificada.” Nauzer J. Balsara


Bibliografía recomendada

Edward Thorp, “The mathematics of gambling”.
David Stendahl, “Portfolio Analysis and Money Management workshop companion guide”.
J. L. Kelly, “A new interpretation of information rate”, 1956.
Bruce Babcock, “The Business one Irwin Guide to Trading Systems”, Richard D. Irwin, 1989.
Nauzer J. Balsara, “Money Management strategies for futures traders”, Wiley and Sons, 1992.
Ralph Vince, “The mathematics of Money Management”, Wiley and Sons, 1992.
Edward Thorp, “The Kelly criterion in blackjack, sports betting and the stock market”, 1997.
Van K. Tharp, “Special report on Money Management”, IITM, 1997.
Perry J. Kaufman, “Trading Systems and Methods”, John Wiley & Sons, 1998.
Mark Jurik, “Computerized Trading”, New York Institute of Finance, 1999.
Van K. Tharp, “Trade your way to financial freedom”, Mc Graw-Hill, 1999.
Ryan Jones, ”The Trading Game”, Wiley and Sons, 1999.
J. Edward Crowder, “Casino Gambling for fun and profit”, Writer’s Showcase, 2000.
Thomas Stidsman, “Trading Systems that work”, Mc Graw-Hill, 2000.
Lars N. Kestner, “Quantitative Trading Strategies”, Mc Graw-Hill, 2003.
Burke Gibbons, “Managing your money”, Active Trader Magazine, 2000.
Sherwin kalt, “Probability of investment ruin”, S&C, 02/1985.
Clifford J. Sherry, “Correlations: serial and auto”, S&C, 04/1988.
Bob Pelletier, “Martingale Money Management”, S&C, 07/1988.
James William Ferguson, “Martingales”, S&C, 02/1990.
James William Ferguson, “Reverse Martingales”, S&C, 03/1990.
Clifford J. Sherry, “How random is random?”, S&C, 08/1990.
Ralph Vince, “Find your optimal f ”, S&C, 12/1990.
Bob Pelletier, “Money Management using Simulation and Chaos”, 04/1992.
Robert P. Rotella, “The basics of managing money”, 06/1992.
Ed Seykota y Dave Cruz, “Determining Optimal Risk”, 02/1993.
Tom O’Malley, “Trading with a variable position size”, 05/1996.
Daryl Guppy, “Matching Money Management with risk control”, 05/1998.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

V. La gran ventaja de la diversificacion. Parte I

En este artículo vamos a tratar una materia que no entra dentro de la gestión monetaria, sin embargo, dada su importancia, hemos considerado necesario su inclusión, ya que al igual que el money management, la diversificación es un paso posterior al desarrollo del sistema y su principal cometido es el de incrementar nuestro ratio de rentabilidad-riesgo, siendo un complemento perfecto a nuestra gestión. La posibilidad de diversificar entre mercados, sistemas y parámetros ofrece al desarrollador de sistemas un gran ventaja, que se basa en principios matemáticos y cuantitativos, por lo que en ningún caso dicha ventaja podrá ser considerada como algo subjetivo o sujeto a debate. En la parte final del artículo veremos un ejemplo de construcción de un portfolio de sistemas sobre acciones y futuros, para demostrar que independientemente del tipo de activo utilizado, podremos beneficiarnos de la diversificación. Vamos a utilizar indistintamente los términos diversificación y portfolio management.

“El concepto de la diversificación está basado en la premisa de que las habilidades de predicción del trader son limitadas. Por lo tanto, es más seguro apostar en diferentes activos simultáneamente que apostar todo a la misma carta. La idea que subyace bajo la diversificación es que el inversor no busca la maximización de lo beneficios de forma genérica, lo que se busca es maximizar los beneficios partiendo de un nivel de riesgo conocido.” Nauzer J. Balsara

1.1. Aprender de los casinos y el modelo de markowitz

Vamos a darnos una vuelta por el casino y pensemos que cada juego al que podemos apostar es un sistema de trading y cada apuesta será como una operación de nuestro sistema. Constantemente se acercan nuevos jugadores a los casinos, de la misma forma que nuevos traders se acercan al mercado. Los casinos son un negocio rentable para sus dueños, lo que implica que es un juego con esperanza matemática negativa para el jugador. El dueño del casino siente una total indiferencia ante mis jugadas y le da igual que gane o pierda, , ya que a largo plazo su beneficios están garantizados.

Debido a la diversificación, el casino es totalmente indiferente ante la probabilidad de éxito de un cliente en particular. Cada apuesta es irrelevante, ya que las apuestas entre si no están correladas y en el largo plazo las rachas de buena y mala suerte se alternarán con un resultado final favorable para el casino. El casino cuenta con un portfolio de sistemas bien diversificado con el que va drenando dinero de los nuevos incautos que se acercan a probar suerte. Mientras que los casinos se han beneficiado de la diversificación durante siglos, la comunidad financiera sólo lleva 50 años utilizando esta potente herramienta.

Harry Markowitz, empezó a pensar en la teoría de carteras en la década de los 50 desde un punto de vista completamente cuantitativo. Sus trabajos le hicieron merecedor del título de Padre de las Finanzas Modernas y del Premio Nobel en Economía en 1990. De forma resumida, el trabajo de Markowitz buscaba respuesta a la siguiente pregunta: ¿Si dos acciones A y B, ambas con retornos netos del 10% y una desviación típica anualizada de los retornos del 20% se agrupan formando un Portfolio, cuál será el retorno y desviación típica de dicho Portfolio? El retorno neto se mantendrá en el 10%, mientras que el resultado de la desviación típica dependerá de la correlación entre ambas acciones: a menor correlación, menor desviación típica del portfolio y por lo tanto menor será el riesgo y viceversa. Esta conclusión es la base del portfolio management y al aplicarlo a los sistemas de trading, la relación anterior se establece entre el retorno neto y el DrawDown del sistema, como veremos en el apartado de Ventajas de la diversificación.

1.2. Formas de diversificación

Diversificación entre Parámetros para el mismo Sistema. No es muy conocida y se basa en el sentido común, ya que si cambiamos los parámetros de nuestros sistema, obtendremos un nuevo sistema, con una estadística diferente del anterior. Si además la correlación entre ambos es mínima, tendremos un buen portfolio. En la práctica, no es muy útil ya que los resultados de los sistemas tras variaciones en los parámetros suelen tener una elevada correlación positiva.
Diversificación entre Sistemas para el mismo Activo Financiero. Es un tipo de diversificación que no cuenta con muchos seguidores, ya que muchos traders consideran que el simple hecho de utilizar diferentes sistemas nos ofrecerá los mismos resultados y las correlaciones no serán favorables, es decir, no serán negativas. Se demuestra en la práctica que esta idea no es correcta y es una forma muy útil de gestionar nuestro dinero cuando nos dedicamos a un activo muy líquido como el Futuro del Bund o el Futuro del EuroStoxx50.

Diversificación entre Activos Financieros para el mismo Sistema. Es más completa que la anterior y su lógica reside en la robustez que nos ofrece un mismo sistema sin variación de parámetros funcionando en diferentes mercados. Sistemas Multi-Commodity como el Aberration se aplican sobre un elevado número de Commodities con el mismo parámetro, a pesar de que para cada Commodity existe un parámetro óptimo que maximiza los resultados. Si aplicáramos el sistema con un parámetro diferente para cada Commodity en función de los resultados del Back Testing, estaríamos cayendo en un problema de SobreOptimización. El resultado de aplicar en tiempo real el sistema con un único parámetro para todos los activos, será superior al de utilizar un parámetro diferente para cada activo financiero.

Diversificación entre Activos Financieros, Sistemas y Parámetros. Es una mezcla de las tres anteriores, es la más completa aunque muy poco operativa si no contamos con un capital inicial elevado para ponerlo en práctica.

1.3. Ventajas de la diversificación

Mejora del Ratio de Rentabilidad/Riesgo. Cuando valoramos un sistema la parte más importante es el ratio rentabilidad riesgo, cuya forma más sencilla de medición es mediante el Retorno Neto / MaxDD. Si sumamos los resultados diarios de 2 sistemas, la probabilidad de que la suma del Retorno Neto del portfolio sea igual a la suma de los sistemas es 1, mientras que la probabilidad de que la suma del MaxDD del portfolio sea igual a la suma de los MaxDD dependerá de la correlación entre los resultados de ambos sistemas. Supongamos que contamos con 2 sistemas que aplicamos sobre 10 años de datos diarios (aproximadamente 2.500 días de operaciones). El sistema A gana 20.000 euros y tiene un MaxDD de 10.000 euros (ratio de 2), el sistema B gana 40.000 euros y tiene un MaxDD de 17.000 euros (ratio de 2,35).

Al unir ambos sistemas en un portfolio el beneficio neto de ambos sistemas se suma por lo que ganaremos 60.000 euros. Respecto al DrawDown nos interesa el mayor valor obtenido, se trata de un pico que se obtiene en un día determinado. ¿Cuál es la probabilidad de que mi MaxDD aparezca en un día determinado en mi sistema A? 1/2500 o un 0.04%. ¿Cuál es la probabilidad de que mi MaxDD aparezca en un día determinado en mi sistema B? 1/2500 o un 0.04%. Y, ahora, ¿Cuál es la probabilidad de que el MaxDD aparezca en ambos sistemas el mismo día? (1/2500)(1/2500) o 0.000016%. Esta probabilidad es muy reducida y aquí reside la fuerza de la diversificación.

A continuación vamos a ver un ejemplo de un sistema aplicado a un portfolio de acciones en el que podemos ver como mejora el ratio de rentabilidad-riesgo. La figura 1.1 nos muestra la estadística del portfolio, semejante en todos los ratios mostrados a la estadística de un sistema sobre un solo activo. La figura 1.2 nos muestra las acciones del portfolio por el orden de introducción al mismo. Las tres primeras columnas contienen el resultado de aplicar el sistema a cada acción de forma individual y las tres últimas el resultado de aplicar el sistema al portfolio. Los efectos positivos del portfolio son evidentes: (1) Ninguna acción de forma individual cuenta con un ratio de rentabilidad riesgo tan elevado como el del portfolio en su conjunto y (2) a medida que vamos añadiendo acciones al portfolio el ratio aumenta, como podemos ver en la gráfica de la figura 1.3.

Figura 1.1. Estadística del Sistema TradeSolver I

Figura 1.2. Tabla de resultados individuales y conjuntos del sistema sobre cada uno de los activos financieros del Portfolio. En la última columna podemos ver la evolución del ratio de rentabilidad-riesgo de nuestro portfolio ante la inclusión de nuevas acciones.

Figura 1.3. Curva de la evolución del ratio de rentabilidad-riesgo de nuestro portfolio ante incrementos del tamaño del portfolio. Podemos ver como algunos activos reducen el ratio y otros lo aumentan, pero el efecto final es positivo.

Suavizamiento de la curva de resultados. Otra de las ventajas que nos ofrece la diversificación está relacionada con la curva de resultados o Equity Line del sistema. Nuestro objetivo es conseguir una equity que ascienda de forma constante y sin demasiados movimientos bruscos, lo más suave posible. Al ir añadiendo activos al portfolio podemos observar como la curva se va suavizando. Siguiendo con el ejemplo del Sistema TradeSolver I, tenemos la figura 1.4, cuya Equity está compuesta por la suma de las dos primeras acciones agregadas al portfolio y la figura 1.5, que incluye las 20 acciones que componen el portfolio creado para explicar las ventajas de la diversificación. Las diferencias entre ambas curvas de resultados son obvias y no necesitan explicación.

Figura 1.4. Equity Line del portfolio con dos acciones (AXA y DEUTSCHE TELECOM). La curva de resultados muestra beneficios en el tramo final, sin embargo, los movimientos son muy abruptos, muchas subidas y bajadas.

Figura 1.5. Equity Line del portfolio completo. La curva de resultados muestra beneficios en el tramo final y a diferencia de la curva anterior, no existen movimientos erráticos. La curva se va suavizando a medida que incorporamos más activos financieros al portfolio.

1.4. Limitaciones de la diversificación

La diversificación ayuda a reducir los riesgos inherentes al trading, pero en ningún caso puede eliminarlos por completo. A medida que vayamos incorporando activos a nuestro portfolio irá mejorando nuestro ratio de rentabilidad-riesgo, hasta alcanzar un punto de saturación en el que posteriores incorporaciones mantendrán inalterado dicho ratio. Esta es la principal limitación de la diversificación que se representa gráficamente en la figura 1.6.

Figura 1.6. Limitaciones de la diversificación.

Bibliografía recomendada

Edward Thorp, “The mathematics of gambling”.
David Stendahl, “Portfolio Analysis and Money Management workshop companion guide”.
J. L. Kelly, “A new interpretation of information rate”, 1956.
Bruce Babcock, “The Business one Irwin Guide to Trading Systems”, Richard D. Irwin, 1989.
Nauzer J. Balsara, “Money Management strategies for futures traders”, Wiley and Sons, 1992.
Ralph Vince, “The mathematics of Money Management”, Wiley and Sons, 1992.
Edward Thorp, “The Kelly criterion in blackjack, sports betting and the stock market”, 1997.
Van K. Tharp, “Special report on Money Management”, IITM, 1997.
Perry J. Kaufman, “Trading Systems and Methods”, John Wiley & Sons, 1998.
Mark Jurik, “Computerized Trading”, New York Institute of Finance, 1999.
Van K. Tharp, “Trade your way to financial freedom”, Mc Graw-Hill, 1999.
Ryan Jones, ”The Trading Game”, Wiley and Sons, 1999.
J. Edward Crowder, “Casino Gambling for fun and profit”, Writer’s Showcase, 2000.
Thomas Stidsman, “Trading Systems that work”, Mc Graw-Hill, 2000.
Lars N. Kestner, “Quantitative Trading Strategies”, Mc Graw-Hill, 2003.
Burke Gibbons, “Managing your money”, Active Trader Magazine, 2000.
Sherwin kalt, “Probability of investment ruin”, S&C, 02/1985.
Clifford J. Sherry, “Correlations: serial and auto”, S&C, 04/1988.
Bob Pelletier, “Martingale Money Management”, S&C, 07/1988.
James William Ferguson, “Martingales”, S&C, 02/1990.
James William Ferguson, “Reverse Martingales”, S&C, 03/1990.
Clifford J. Sherry, “How random is random?”, S&C, 08/1990.
Ralph Vince, “Find your optimal f ”, S&C, 12/1990.
Bob Pelletier, “Money Management using Simulation and Chaos”, 04/1992.
Robert P. Rotella, “The basics of managing money”, 06/1992.
Ed Seykota y Dave Cruz, “Determining Optimal Risk”, 02/1993.
Tom O’Malley, “Trading with a variable position size”, 05/1996.
Daryl Guppy, “Matching Money Management with risk control”, 05/1998.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Fixed-ratio vs. Fixed-fraction

Ahora que conocemos el significado de la gestión monetaria y como nos puede ayudar en nuestro plan de trading, y tras repasar en el artículo anterior las principales estrategias modernas de money management, en el presente artículo vamos a estudiar en detalle las dos estrategias más importantes, nos referimos al Fixed-Ratio (Ryan Jones) y al Fixed-Fraction (Ralph Vince) El objeto de este análisis será el de comparar ambos modelos para ver cuál es más eficiente y qué podemos esperar de cada uno de ellos. Es indudable que el objetivo de este manual no es el de exponer un conjunto de teorías y postulados, sino el de exponer técnicas aplicables a nuestra operativa, con el único objeto de aumentar nuestro retorno neto y disminuir nuestro máximo DrawDown, o dicho con otras palabras mejorar nuestro ratio de rentabilidad-riesgo. Vamos a establecer unas hipótesis de trabajo que nos ayuden en la posterior comparativa, después veremos las principales diferencias y concluiremos comparando los retornos netos (evolución de nuestra Equity) y los DrawDowns de ambos modelos.

1.1. Hipótesis de trabajo

Para poder comparar ambos modelos vamos a partir de un capital inicial de 100.000€ en ambas estrategias, así como de un Delta inicial equivalente, esto es lo que se representa en las figuras 1.1 y 1.2, la primera para Fixed-Fraction y la segunda para Fixed-Ratio. Vamos a interpretar los valores de la tabla correspondiente al Fixed-Fraction en primer lugar:

En la parte superior tenemos los inputs de nuestra estrategia, esta parte es anterior a nuestro modelo de gestión monetaria y vendrá determinado por nuestro sistema de trading (Máxima pérdida), nuestra aversión al riesgo (Fracción Fija) y nuestro Capital Inicial. Esto nos determina el Delta inicial que para el primer ejemplo representado es de 5.000€. Al empezar a operar contamos con un Equity de 100.000€, al generar 5.000€, empezamos a operar con 2 contratos y ya contamos con un Equity de 105.000€, tras generar 5.000€ con dos contratos (2.500€ por contrato) saltamos al siguiente tramo y nuestra posición aumenta a 3 contratos y así sucesivamente, hasta llegar a operar con 25 contratos. Ese es el significado de las dos primeras columnas. Tras este primer ejemplo se exponen los mismos resultados modificando el valor de nuestro Delta, para un estudio más detallado.

La figura 1.2 tiene una interpretación similar pero partiendo de un modelo de Fixed-Ratio, de esta forma homogeneizamos las estrategias y podemos analizar las diferencias que nos ofrecen ambas metodologías. Partimos de un Delta inicial de 5.000€. Al empezar a operar contamos con un Equity de 100.000€, al generar 5.000€, empezamos a operar con 2 contratos y un Equity de 105.000€, tras generar 10.000€ con dos contratos (5.000€ por contrato) saltamos al siguiente tramo y nuestra posición aumenta a 3 contratos y así sucesivamente, hasta llegar a operar con 25 contratos.

Figura 1.1. Tabla de Equity del Fixed-Fraction. Partimos de unos inputs que son: el capital inicial, la máxima pérdida y la fracción fija, cuyo Delta (5.000€) nos ofrece los resultados de la primera columna de Equity. Después se han presentado nuevas columnas para diferentes valores de nuestro Delta, entre 2.500 y 15.000.

Figura 1.2. Tabla de Equity del Fixed-Ratio. Partimos de unos inputs que son: el capital inicial, y el Delta, y con este Delta (5.000€) se crea la primera columna de Equity. Después se han presentado nuevas columnas para diferentes valores de nuestro Delta, entre 2.500 y 15.000.

1.2. Principales diferencias entre el Fixed-Ratio y la Fixed-Fraction

Tras una breve observación de ambas tablas nos encontramos con dos diferencias fundamentales: El Delta es fijo para el Fixed-Ratio y variable decreciente para el Fixed-Fraction, como muestra la figura 1.3. La segunda gran diferencia está en el incremento de nuestro Equity o capital, como muestra la figura 1.4 el crecimiento de nuestra Equity si utilizamos el Fixed-Ratio es muy superior, ¿Por qué? Parece evidente que esta diferencia viene provocada por la utilización de un Delta fijo en lugar del Delta variable decreciente del Fixed-Fraction.

Figura 1.3. Gráfica comparativa del Delta entre Fixed-Ratio y Fixed-Fraction, basada en los datos incluidos en las figuras 1.1 y 1.2. Como se ve en la figura ambos modelos parten de un Delta de 5.000 y luego se van separando.

Figura 1.4. Gráfico comparativo de la Equity de ambos modelos, partiendo de un capital inicial de 100.000€ y de un Delta inicial de 5.000€. Los datos de la gráfica se han obtenido de las figuras 1.1 y 1.2.

1.3. Comparación de los resultados netos

El resultado neto de un sistema de trading es una de las estadísticas más importantes y por lo tanto debemos analizar lo que ocurre con nuestro sistema cuando le aplicamos una estrategia de gestión monetaria. Ya hemos visto en la figura 1.4 la diferencia entre ambas estrategias partiendo de un Delta inicial de 5.000€, ¿qué sucede si cambiamos el Delta inicial? ¿seguirá siendo más rentable el Fixed-Ratio? la respuesta es afirmativa y se puede ver en las figuras 1.5 y 1.6, que representan para cada estrategia las curvas de resultados obtenidas para diferentes Deltas iniciales. En el caso del Fixed-Fraction se trata de curvas con pendiente constante (rectas), mientras que para el caso del Fixed-Ratio las curvas tienen pendiente creciente, por lo que la ventaja de la metodología de Ryan Jones ante el resultado neto es evidente.

Figura 1.5. Gráfica de curvas de Equity para diferentes Deltas. Los datos de las curvas se encuentran en la Figura 1.1. A mayor Delta mayor Resultado Neto.

Figura 1.6. Gráfica de curvas de Equity para diferentes Deltas. Los datos de las curvas se encuentran en la Figura 1.2. A mayor Delta mayor Resultado Neto.

1.4. Comparación del drawdown

Tras analizar en el apartado anterior el rendimiento neto de las estrategias, vamos a dedicarnos ahora a la comparación de los riesgos. Al igual que con los sistemas de trading, medimos el riesgo con el máximo DrawDown. En la figura 1.7 representamos el mismo modelo que en la figura 1.1, sin embargo ahora en vez de ver lo que sucede al utilizar diferentes deltas iniciales, probamos lo que habría sucedido si sometemos a nuestra estrategia a diferentes DrawDown unitarios. Por ejemplo, si estamos operando con 5 contratos y nuestro sistema sufre un DrawDown unitario de 12.500€, nuestro DrawDown total será de 5x12.500€ = 62.500€ que supone el 52% de nuestra Equity (120.000€).

Figura 1.7. Tabla de DrawDowns medidos en %, para una estrategia de Fixed-Fraction con un capital inicial de 100.000€ y un Delta inicial de 5.000€. Se representan 7 posibles escenarios (DrawDowns entre 5.000€ y 20.000€ por contrato) para ver su efecto en la estrategia de gestión monetaria dependiendo del nivel de contratos con el que estemos operando. La fila marcada en azul representa el DrawDown máximo.

En la figura 1.8 representamos el mismo modelo que en la figura 1.7, pero ahora para el Fixed-Ratio. El significado de los diferentes valores de la tabla es el mismo, que en el ejemplo anterior. En ambas tablas el máximo DrawDown se marca en azul, estando para el Fixed-Ratio, para todos los niveles de DrawDown unitario, en 6 contratos y para el Fixed-Fraction, para todos los niveles de DrawDown unitario en 25 contratos. Si el tamaño de nuestra posición fuera de 50 contratos nuestro DrawDown máximo para Fixed-Fraction estaría en 50, lo que nos muestra la gran ineficiencia de este método frente al riesgo. En las figuras 1.9 y 1.10 podemos ver como se desarrollan los diferentes DrawDown unitarios en cada una de las estrategias y tras las tablas y las gráficas se exponen las diferencias entre nuestras dos metodologías:

Figura 1.8. Tabla de DrawDowns medidos en %, para una estrategia de Fixed-Ratio con un capital inicial de 100.000€ y un Delta inicial de 5.000€. Se representan 7 posibles escenarios (DrawDowns entre 5.000€ y 20.000€ por contrato) para ver su efecto en la estrategia de gestión monetaria dependiendo del nivel de contratos con el que estemos operando. La fila marcada en azul representa el DrawDown máximo.

Figura 1.9. Distribución de DrawDowns en nuestro Equity de Fixed-Fraction, partiendo de 7 casos posibles de DrawDown por contrato. Los datos se han obtenido de la tabla 1.7.

Figura 1.10. Distribución de DrawDowns en nuestro Equity de Fixed-Ratio, partiendo de 7 casos posibles de DrawDown por contrato. Los datos se han obtenido de la tabla 1.8.

Para el mismo capital inicial, delta inicial y nivel de DrawDown unitario. El riesgo de aplicar el Fixed-Fraction (medido en máximo DrawDown porcentual) siempre será mayor que el de aplicar el Fixed-Ratio. Revise las casillas de las tablas, una a una, si quiere asegurarse.

En el Fixed-Fraction el DrawDown de la estrategia es proporcional al número de contratos (tamaño de nuestra posición), es decir, que al aumentar los contratos aumenta el riesgo, mientras que para el Fixed-Ratio esta proporción se invierte a partir del sexto contrato, en ese momento a medida que aumenta el número de contratos disminuye el DrawDown como muestra la figura 1.10. ¿Por qué durante los primeros contratos mi DrawDown aumenta? La respuesta está en el apalancamiento asimétrico que veíamos en detalle en el artículo II de la colección de money management. En dicho artículo se explicó que el efecto del apalancamiento asimétrico es mucho mayor en las fases iniciales de la estrategia y esto es lo que claramente nos sucede en nuestro ejemplo.

1.5. Conclusión: Fixed-Ratio Vs Fixed-Fraction

Ante un capital inicial y un Delta inicial idénticos, el Fixed-Ratio obtendrá mayor Retorno Neto que el Fixed-Fraction, independiente del nivel de nuestro Delta inicial. Esto se debe a que el Fixed-Ratio utiliza un Delta Fijo, a diferencia del Fixed-Fraction cuyo Delta es decreciente.
Si mantenemos constantes el resto de variables del modelo: Capital inicial y Delta inicial. El DrawDown máximo del Fixed-Fraction siempre será mayor que el del Fixed-Ratio.

El DrawDown máximo del Fixed-Fraction aumenta a medida que aumentamos el número de contratos, mientras que si empleamos el Fixed-Ratio aumentará hasta llegar a un punto en el que cambiará la pendiente de nuestra curva y un incremento en el número de contratos vendrá acompañado de un decremento en el máximo DrawDown, esta es la principal ventaja del algoritmo diseñado por Ryan Jones.

Las estrategias de gestión monetaria (ya sea el Fixed-Ratio o el Fixed-Fraction) aumentan nuestro DrawDown, respecto a la ausencia de gestión monetaria, es decir, operar siempre con un contrato o con el mismo lote de acciones. Esta es la desventaja fundamental de los métodos de gestión monetaria y es el riesgo que debemos correr si queremos que nuestra cuenta de resultados crezca en progresión geométrica.

“Toda vez que sabemos que la gestión monetaria es simplemente un juego de números y que lo único que necesitamos es un sistema con esperanza matemática positiva, el trader puede parar en su búsqueda del Santo Grial.” Ryan Jones


Bibliografía recomendada

Ryan Jones, ”The Trading Game”, Wiley and Sons, 1999.
Nauzer J. Balsara, “Money Management strategies for futures traders”, Wiley and Sons, 1992.
Ralph Vince, “The mathematics of Money Management”, Wiley and Sons, 1992.
Edward Thorp, “The mathematics of gambling”.
Edward Thorp, “The Kelly criterion in blackjack, sports betting and the stock market”, 1997.
J. Edward Crowder, “Casino Gambling for fun and profit”, Writer’s Showcase, 2000.
Van K. Tharp, “Trade your way to financial freedom”, Mc Graw-Hill, 1999.
Van K. Tharp, “Special report on Money Management”, IITM, 1997.
David Stendahl, “Portfolio Analysis and Money Management workshop companion guide”.
J. L. Kelly, “A new interpretation of information rate”, 1956.
Burke Gibbons, “Managing your money”, Active Trader Magazine, 2000.
Sherwin kalt, “Probability of investment ruin”, S&C, 02/1985.
Bob Pelletier, “Martingale Money Management”, S&C, 07/1988.
James William Ferguson, “Martingales”, S&C, 02/1990.
James William Ferguson, “Reverse Martingales”, S&C, 03/1990.
Ralph Vince, “Find your optimal f ”, S&C, 12/1990.
Bob Pelletier, “Money Management using Simulation and Chaos”, 04/1992.
Robert P. Rotella, “The basics of managing money”, 06/1992.
Ed Seykota y Dave Cruz, “Determining Optimal Risk”, 02/1993.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

III. Money management. Clasificación de estrategias

En los dos primeros artículos hemos establecido, entre otros, la definición, la utilidad, las categorías, los problemas, las fases de implementación de las estrategias de gestión monetaria y en definitiva, hemos creado una base necesaria para la comprensión de las diferentes estrategias utilizadas actualmente. En este capítulo empezaremos por explicar de forma breve, las más conocidas para posteriormente dedicarnos al estudio en detalle de las más utilizadas: Fixed-Fraction y Fixed-Ratio, estableciendo una comparativa entre ambas que nos ayude a decidirnos por la más eficiente.

“La mayoría de los Sistemas te dicen cuando comprar y cuando vender, pero no todo es Blanco o Negro. Se necesita una fórmula o algoritmo que te permita ajustar la cantidad de contratos o acciones para cada operación.” David Stendahl

1.1. Tabla resumen de estrategias

Figura 1.1. Tabla de clasificación de los métodos de gestión monetaria más conocidos.

1.2. Formula de kelly

Se trata de la estrategia más antigua, fue introducida por John L. Kelly en el artículo “A new interpretation of information rate” publicado en 1956. La fórmula determina la fracción de capital a arriesgar en cada operación, como una función de nuestras probabilidades de operaciones ganadoras y perdedoras y de nuestro Payoff. Veamos la fórmula y sus componentes:

(4) Fórmula de Kelly

Siendo:
K = Fracción del capital arriesgada en la siguiente operación.
P = Probabilidad de operaciones ganadoras
Q = Probabilidad de operaciones perdedoras

1.3. Fixed fraction

Este método fue introducido por Ralph Vince es su best-seller “Portfolio Management Formulas” y es la base del resto de algoritmos modernos de gestión monetaria. El resto de estrategias se fundamentan en ésta, introduciendo algunas modificaciones, algunas de ellas con sustanciales mejoras como el Fixed-Ratio de Ryan Jones. Vamos a ver como se aplica este método en la práctica a través de un ejemplo. Supongamos que partimos de un capital inicial de 100.000€ y que el drawdown máximo de nuestro sistema con un contrato es de 4.000€. Debido a nuestra aversión al riesgo no estamos dispuestos a tolerar una pérdida superior al 10% (fracción sobre el total de nuestro capital). Para que se cumplan nuestras condiciones debemos aumentar un contrato por cada 4.000€/0.1=40.000€. Podemos ver los números de este ejemplo en la fórmula (6). La fórmula (7) muestra los mismos cálculos pero partiendo de la utilización de la máxima pérdida en vez del máximo drawdown, lo que nos ofrece una estrategia con un Delta menor, o dicho de otro modo, una estrategia más agresiva.

Vamos a definir el Delta como la generación monetaria por contrato necesaria para saltar al siguiente nivel de contratos. Como vemos en la escala de contratos según la fórmula (7), si estamos operando con 4 contratos y para pasar al siguiente nivel tenemos que generar 5.000€, la generación monetaria por contrato será de 1.250€. Como se puede apreciar en esta escala, el Fixed-Fraction, utiliza un Delta variable decreciente para su desarrollo. Esta es la principal diferencia con el Fixed-Ratio, que utiliza un Delta fijo, como veremos en el apartado 7 de este capítulo.

(6)

Drawdown máximo = 4.000 €
% arriesgado en cada operación = 10%
4.000 € / 0.1 = 40.000 € por cada contrato o Delta.
Capital Inicial = 100.000€.

(7)

Máxima pérdida = 500 €
% arriesgado en cada operación = 10%
500 € / 0.1 = 5.000 € por cada contrato o Delta.
Capital Inicial = 100.000€.

Escala de contratos según la fórmula (7) del Fixed-Fraction:

Entre [ 100.000€ - 104.999€ ] operamos con 1 contrato. Delta de 5.000€.
Entre [ 105.000€ - 109.999€ ] operamos con 2 contratos. Delta de 2.500€.
Entre [ 110.000€ - 114.999€ ] operamos con 3 contratos. Delta de 1.667€.
Entre [ 115.000€ - 119.999€ ] operamos con 4 contratos. Delta de 1.250€.
Entre [ 120.000€ - 124.999€ ] operamos con 5 contratos. Delta de 1.000€.

Y así sucesivamente……………..

1.4. Optimal f

El Optimal f o f óptima, donde la f significa fracción, es una estrategia muy conocida, es una variante mas del Fixed-Fraction y la introdujo Ralph Vince en su obra ‘Portfolio Management Formulas’. Nos ofrece la fracción óptima que debemos colocar en cada operación para obtener el máximo retorno neto. Si la fracción que utilizamos está por encima de la f óptima con total seguridad nos arruinaremos por un exceso de agresividad, mientras que si nuestra fracción está por debajo de la f óptima el crecimiento de nuestra cuenta será demasiado lento.

Claramente no se trata de un método que nos arroje un ratio con el que operar, ya que la fracción óptima nos proporcionará el mayor retorno neto, pero con un nivel de riesgo, medido por el drawdown que muy pocos traders podrán soportar. De nada nos sirve contar con una estrategia óptima, si no voy a ser capaz de operar con ella. Dicen que Richard Dennis aguantaba drawdowns superiores al 60% sin perder la confianza en su sistema, sin embargo, ¿será capaz de soportar un drawdown del 60% aún sabiendo que su retorno neto será el más elevado de entre los posibles?, sea realista cuando conteste. Por consiguiente, no se trata de una estrategia con la que vayamos a operar directamente, lo utilizaremos simplemente como nivel de referencia.

Además del problema del elevado riesgo al que sometemos a nuestra Equity o cuenta de resultados, existe otro relacionado con la optimización. Es el mismo problema que aparece en el desarrollo de sistemas de trading y voy a denominar a este problema sobreoptimización, para diferenciarlo de la Optimización como proceso eficiente y que no debe nunca ser rechazado por el trader. Ante la optimización se suele dar la siguiente evolución temporal del trader:

Sobreoptimización o curve fitting. Los traders novatos ponderan de forma excesiva los resultados netos de la estrategia por lo que ante una herramienta como la optimización, se dejan llevar y someten a su sistema a innumerables optimizaciones, hasta que llegan a los parámetros óptimos, tras esto aplican estos parámetros a su sistema y se lanzan a la operativa en los mercados. Tras repetir este proceso unas cuantas veces, descubrimos que los resultados obtenidos por nuestro sistema son siempre muy inferiores a los que arroja nuestro proceso de optimización ¿Por qué? ¿Por qué la media móvil exponencial de 233 sesiones me daba lo mejores resultados en el futuro del Ibex-35 y ahora la misma media pierde dinero? ¿qué es eso del curve fitting?.

Cuando optimizamos unos parámetros sobre una base de datos histórica lo que hacemos es seleccionar el mejor resultado posible ajustado a nuestra muestra y la única forma de que los resultados futuros coincidan con los pasados es que la distribución de precios del futuro coincida con la del pasado y eso es muy poco probable, por esta razón no es recomendable optimizar un parámetro (ya sea en un sistema de trading o en una estrategia de gestión monetaria) y con el resultado obtenido lanzarnos a la operativa diaria.

Ausencia de Optimización. Al experimentar los problemas derivados de la sobreoptimización el trader opta por deshacerse de esta herramienta, por considerarla perjudicial para su cuenta de resultados y de esta forma no quiere ni oír hablar del tema. ¿Seguro que conoce a mucha gente que huye de la optimización?. Si preguntamos a muchos traders, veremos este tipo de respuesta y cómo rechazan de pleno esta herramienta. Es una idea equivocada ya que la Optimización es una poderosa herramienta si la sabemos utilizar como veremos en la fase definitiva de esta evolución del trader.

Optimización. Para utilizar esta herramienta de forma eficiente debemos cambiar nuestro objetivo. No vamos a buscar el parámetro que nos de el mayor retorno neto, sino el conjunto de parámetros que nos ofrece robustez en nuestro sistema, para esto debemos contar con mapas de optimización en los que visualizar las regiones más robustas, no es objeto de este artículo profundizar en estas figuras tridimensionales, por lo que vamos a representarlo con un ejemplo muy sencillo.

Supongamos que partimos del sistema de trading más sencillo que existe, con una media móvil simple como único parámetro. Como no sabemos que valor dar a este parámetro optimizamos el sistema durante 5 años, obteniendo el mayor resultado posible (100.000€) para una media simple (SMA) de 139, ¿será este el parámetro a utilizar o será producto del azar? ¿ganaré 100.000€ en los siguientes 5 años? Para responder a esta pregunta cogeremos valores cercanos a nuestro óptimo y valoraremos los resultados, supongamos que para valores de la SMA de 136,137,138,140 y 141 mi resultado neto en ninguno de los casos supera los 20.000€ y en alguno de ellos incluso obtengo retornos netos negativos. Esta claro que mi óptimo no es la solución a mi pregunta y que nos hemos encontrado con una solución sobreoptimizada.

Supongamos ahora que para el conjunto de parámetros comprendido entre 40 y 60, obtengo unos resultados muy similares que oscilan entre los 50.000€ y los 55.000€, parece evidente que he llegado a una zona robusta donde gano menos dinero que en el óptimo pero de una forma más estable y con mayor probabilidad de que en el futuro mi sistema se comporte de acuerdo a mis expectativas, más realistas tras mi análisis de robustez. Se trata una vez mas de aplicar el sentido común a nuestra operativa.

La f óptima se puede entender mejor si representamos una distribución de los resultados netos como función de las diferentes fracciones. De esta forma veremos como el punto máximo de nuestra curva de resultados (equity line) será el valor de fracción óptima. Cualquier punto por debajo o por encima de esta fracción no será óptimo. Vamos a representarlo mediante un experimento aleatorio, en el nuestro resultado dependerá del lanzamiento de una moneda. Si obtenemos cara ganamos el 100% del importe apostado, si sale cruz perdemos el 75% de lo apostado y lo que debemos dilucidar es que fracción de nuestro capital inicial destinamos a cada operación, es decir, que fracción apostamos.
Según la definición de este juego, contamos con una esperanza matemática positiva, a largo plazo el número de operaciones ganadoras y perdedoras tenderá a igualarse y el orden de la secuencia de caras y cruces será irrelevante para el resultado final. Partimos de un capital inicial de 100€ y en cada simulación lanzamos nuestra moneda 1.000 veces, después calculamos la media de las 50 simulaciones y obtenemos la siguiente distribución normal en la que vemos como el optimal f es el 27% de nuestro capital. Si volvemos a realizar otra vez las 50 simulaciones, o si ampliamos nuestra muestra obtendremos otro porcentaje diferente, de la misma manera que si cambiamos el capital inicial o la cantidad que ganamos con las caras y la que perdemos con las cruces, sin embargo, lo importante del experimento está en la aparición de la distribución normal representada en la figura 1.2. A medida que aumentamos el tamaño de la apuesta aumenta nuestro resultado neto, hasta que llegamos a nuestro punto de máximo beneficio (optimal f), a partir del cual los incrementos en la fracción reducirán nuestro beneficio neto hasta dejarlo en cero.

Figura 1.2. Distribución normal de la media aritmética de los resultados netos de 50 simulaciones, cada una de ellas con 1000 lanzamientos de una moneda. El resultado neto es función de la fracción apostada.

Ventajas de la f óptima.

Nos da el % de la fracción fija que obtiene el mayor retorno neto.

Desventajas de la f óptima.

No es un método de predicción, ya que si en las últimas 100 operaciones la f óptima ha sido el 15%, esto no implica que durante las 100 siguientes operaciones, la fracción óptima vaya a ser la misma. Esto está relacionado con los problemas típicos de la sobreoptimización. Y para no caer en la misma contamos con métodos basados en simulaciones de Montecarlo que no son objeto de este artículo.
Arroja los mayores dr
awdowns de todas las estrategias de money management. Para salvar esta desventaja aparece la f segura que veremos a continuación:

1.5. Secure f

Es una variante mas del Fixed-Fraction y fue introducido por Ryna Systems. La f segura es similar a la f óptima excepto por la introducción de una restricción del máximo drawdown que estamos dispuestos a tolerar. Debido a la incapacidad de la mayoría de los traders a soportar los elevados drawdowns que implica el uso de la f óptima, David Stendahl y Leo Zamansky llegaron a la conclusión de que introducir una restricción de este máximo riesgo, ayudaría a hacer más operativa esta estrategia.

De esta forma se introduce en el modelo la preocupación de muchos traders por las elevadas fluctuaciones de su Equity, cuando la posición está abierta. De esta forma si la restricción del máximo drawdown se coloca por encima del máximo drawdown experimentado por el backtesting de nuestro sistema, el resultado de la f segura será el mismo que el de la f óptima. Si el máximo drawdown se sitúa en un valor muy pequeño, estaremos ante una estrategia muy conservadora, por lo que la f segura podrá ajustarse al grado de agresividad de cada trader. Para más detalle sobre la f segura, recomiendo el artículo de sus creadores, Leo Zamansky y David Stendahl, ‘Secure fractional money management’, publicado en la revista S&C en junio de 1998.

1.6. Regla del 2%

Esta no es una estrategia en sentido estricto, ya que se trata de una variante del Fixed-Fraction de Ralph Vince, en la que la fracción seleccionada es muy pequeña con lo que nos situamos en un punto en el que nos dejamos llevar por nuestra aversión al riesgo y optamos por una estrategia ultra-conservadora. La regla del 2% se aplica de la siguiente forma: Si parto con un capital de 100.000€ y tomo una posición en el mercado, la máxima pérdida posible (stop loss) que me generará esta operación será de 2.000€, independientemente del tamaño de la posición adoptada. Generalmente estas fracciones tan bajas se asocian con las utilizadas con gestores de carteras y patrimonios. En EE.UU. Es frecuente relacionarla con los Commodity Trading Advisors o CTA’s, que es la figura legal empleada en dicho país para regular a los gestores. Los CTA’s están registrados en la National Futures Association (NFA).

Cualquier gestor de fondos o patrimonios es consciente de que una pérdida superior al 15%, por ejemplo, de su patrimonio gestionado, puede llevar a una salida de fondos masiva, por lo que no le importará sacrificar parte de los posibles beneficios, si con ello mantiene su riesgo bajo control, por eso utilizan un porcentaje tan reducido. Es un método muy seguro, pero con un crecimiento geométrico muy limitado, sobre todo para cuentas pequeñas. Es también la estrategia que nos proponen algunos traders de reconocido prestigio como Alexander Elder o Daryl Guppy.

1.7. Fixed ratio

Esta estrategia fue desarrollada por Ryan Jones en su libro “The Trading Game” y su origen está en los trabajos de investigación del autor para mejorar el Fixed-Fraction, sobretodo para mejorar el ratio Rentabilidad/Riesgo de dicha estrategia. La principal diferencia está en el desarrollo de una estrategia con Delta fijo. El Delta es la única variable con la que cuenta este modelo, y nos determinará su grado de agresividad. No existe un Delta óptimo, aunque se recomienda utilizar un Delta neutro, que será la mitad de nuestro drawdown máximo y a partir de ahí si utilizamos un Delta inferior al neutro tendremos un sistema más agresivo y si utilizamos un Delta mayor al neutro tendremos un modelo más conservador.

Veamos un ejemplo de esta estrategia con datos iniciales similares a los empleados en el ejemplo del Fixed-Fraction, para así ver la diferencia entre ambas estrategias. Supongamos que partimos de un capital inicial de 100.000€ y que el drawdown máximo de nuestro sistema con un contrato es de 10.000€. Utilizamos un Delta neutro que sería de 5.000€. En la escala de contratos podemos ver como para pasar al siguiente nivel de contratos, nuestro Delta es fijo y ahora el crecimiento de nuestra cuenta es más rápido. Por ejemplo para pasar de 4 a 5 contratos tenemos que generar 4 x 5.000€ = 20.000€. Compare esta escala con la correspondiente del Fixed-Fraction del apartado 3. En el articulo IV de esta colección se analizarán las principales diferencias entre ambos métodos.

(8)Drawdown máximo = 10.000 € 10.000 € / 2 = 5.000 € por cada contrato. Capital Inicial = 100.000€.

Escala de contratos según la fórmula (8) del Fixed-Ratio:

Entre [ 100.000€ - 104.999€ ] operamos con 1 contrato. Delta de 5.000€.
Entre [ 105.000€ - 114.999€ ] operamos con 2 contratos. Delta de 5.000€.
Entre [ 115.000€ - 129.999€ ] operamos con 3 contratos. Delta de 5.000€.
Entre [ 130.000€ - 149.999€ ] operamos con 4 contratos. Delta de 5.000€.
Entre [ 150.000€ - 174.999€ ] operamos con 5 contratos. Delta de 5.000€.

Y así sucesivamente……………..

Conclusión

La estrategia más antigua y una de las más conocidas por los traders es la fórmula de Kelly, introducida en 1956. Es una función que depende de la probabilidad de operaciones ganadoras, la probabilidad de operaciones perdedoras y del ratio Payoff. Esta fórmula nos determina el % de nuestro capital que debemos apostar en la siguiente posición.

El Fixed-Fraction fue creado por Ralph Vince y se puede considerar como la estrategia más utilizada y de la que derivan en resto de algoritmos: f segura, f óptima, regla del 2%.....Es una estrategia de Delta Variable decreciente, que se puede calcular de dos formas: En función al máximo drawdown y en función a la máxima pérdida.

La f óptima se fundamenta en el Fixed-Fraction y también fue introducido por Ralph Vince. Nos da la fracción óptima a apostar en la siguiente operación para maximizar nuestro resultado neto. Lo vamos a utilizar cómo referencia y nunca como método a aplicar en el mercado por dos grandes desventajas: (1) el drawdown es muy elevado y psicológicamente no estamos preparados para tanto sufrimiento, (2) nos enfrentamos al problema de la sobreoptimización o curve-fitting, problema que también aparece en el desarrollo de sistemas de trading.

La f segura es una variante más del Fixed-Fraction y fue introducido por Ryna Systems. Es similar a la f óptima excepto por la introducción de una restricción del máximo drawdown que estamos dispuestos a tolerar. Debido a la incapacidad de la mayoría de los traders a soportar los elevados drawdowns que implica el uso de la f óptima, David Stendahl y Leo Zamansky llegaron a la conclusión de que introducir una restricción de este máximo riesgo, ayudaría a hacer más operativa esta estrategia.

La Regla del 2% no una estrategia en sentido estricto, ya que se trata de una variante del Fixed-Fraction de Ralph Vince, sin embargo, es muy utilizada por los gestores de carteras y de patrimonios ya que es muy segura. Se debe emplear si lo realmente importante para nosotros es mantener bajos nuestros niveles de riesgo. La emplean muchos CTA’s y traders muy conocidos como Alexander Elder y Daryl Guppy.

La última estrategia analizada es el Fixed-Ratio, esta estrategia fue desarrollada por Ryan Jones en su libro “The Trading Game” y su origen está en los trabajos de investigación del autor para mejorar el Fixed-Fraction, sobretodo para mejorar el ratio Rentabilidad/Riesgo. La principal diferencia está en el desarrollo de una estrategia con Delta fijo. Mediante la utilización de un Delta inferior al neutro tendremos un sistema más agresivo y si utilizamos un Delta mayor al neutro tendremos un modelo más conservador.

“La Gestión Monetaria no es más que el camino que recorre nuestra cuenta de trading, partiendo del punto A, que es el de nuestro capital inicial y acabando en el punto Z. Las operaciones ganadores representarán los puntos altos del recorrido y las operaciones perdedoras los puntos bajos. El camino más corto sería el de una línea recta pero esto es imposible, habrá desviaciones. Si la desviación del camino es demasiado grande, podríamos acabar el viaje de forma abrupta, sin posibilidad de retornar a la senda original y con la pérdida de todo nuestro capital.” Robert P. Rotella


Bibliografía recomendada

Ryan Jones, ”The Trading Game”, Wiley and Sons, 1999.
Nauzer J. Balsara, “Money Management strategies for futures traders”, Wiley and Sons, 1992.
Ralph Vince, “The mathematics of Money Management”, Wiley and Sons, 1992.
Edward Thorp, “The mathematics of gambling”.
Edward Thorp, “The Kelly criterion in blackjack, sports betting and the stock market”, 1997.
J. Edward Crowder, “Casino Gambling for fun and profit”, Writer’s Showcase, 2000.
Van K. Tharp, “Trade your way to financial freedom”, Mc Graw-Hill, 1999.
Van K. Tharp, “Special report on Money Management”, IITM, 1997.
David Stendahl, “Portfolio Analysis and Money Management workshop companion guide”.
J. L. Kelly, “A new interpretation of information rate”, 1956.
Burke Gibbons, “Managing your money”, Active Trader Magazine, 2000.
Sherwin kalt, “Probability of investment ruin”, S&C, 02/1985.
Bob Pelletier, “Martingale Money Management”, S&C, 07/1988.
James William Ferguson, “Martingales”, S&C, 02/1990.
James William Ferguson, “Reverse Martingales”, S&C, 03/1990.
Ralph Vince, “Find your optimal f ”, S&C, 12/1990.
Bob Pelletier, “Money Management using Simulation and Chaos”, 04/1992.
Robert P. Rotella, “The basics of managing money”, 06/1992.
Ed Seykota y Dave Cruz, “Determining Optimal Risk”, 02/1993.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

II. Estrategias de gestion monetaria

Tras la introducción del primer artículo al concepto de gestión monetaria, en este nuevo artículo, vamos a avanzar un poco mas en la formación de la base teórica que necesitamos para entender esta poderosa herramienta, empezando por enumerar las fases que intervienen en la aplicación de una estrategia de gestión monetaria y cómo afectará a nuestros resultados. Después analizaremos las principales categorías de estrategias: martingale y anti-martingale, repasaremos el mayor riesgo relacionado con cualquier estrategia de gestión monetaria anti-martingale: el apalancamiento asimétrico y por último enumeraremos lo diferentes modelos que existe para valorar nuestra Equity o cuenta destinada al trading.

Las tres fases de la gestión monetaria

Una vez que tenemos nuestro sistema de trading y nuestra estrategia de gestión monetaria, el siguiente paso lógico es el de aplicarlo en los mercados para obtener un beneficio del trabajo realizado, Ryan Jones en su libro “The Trading Game”, distingue tres fases bien diferenciadas por las que pasará nuestra cuenta, independientemente del tipo de estrategia utilizada (Fixed-Ratio, Fixed-Fraction. Optimal f, Secure f, etc):

1. Sowing Phase o fase de sembrado. En esta fase la cuenta está en su punto mínimo, partimos del capital inicial y empezamos con un solo contrato. El trader no recibirá ninguno de los efectos favorables de la estrategia de gestión monetaria y además sufrirá los efectos negativos del apalancamiento asimétrico, término que definiremos más adelante, al empezar a añadir contratos, por lo que los resultados serán inferiores a los que obtendríamos al aplicar nuestro sistema de trading sin gestión monetaria.

2. Growing Phase o fase de crecimiento. En esta segunda fase se empiezan a ver los efectos de la estrategia, el efecto del apalancamiento asimétrico disminuye y el trader llega a un punto en el que incluso si el sistema de trading no es eficiente, nuestra cuenta mostrará beneficios.

3. Harvest Phase o fase de recolección. En esta fase final es cuando nuestra cuenta muestra las virtudes de nuestra estrategia de gestión monetaria. El apalancamiento asimétrico ya es historia y estamos en un punto sin retorno a las pérdidas, esto es, si nuestro sistema empieza a perder dinero nuestra cuenta no ser resentirá y se preservará el capital. Si ha tenido paciencia y disciplina con su sistema de trading y su estrategia de money management, este es el momento de los recoger los frutos del trabajo bien hecho.

“Ningún otro área de conocimiento del trading o la inversión puede multiplicar los dígitos de una cuenta de forma tan rápida como lo hace la gestión monetaria.” Ryan Jones

Categorías de Money Management y sus riesgos

Todas las estrategias de gestión monetaria se pueden clasificar dentro de las dos siguientes categorías. No son como mucha gente piensa estrategias en si, son sólo categorías. Por ejemplo, el Fixed-Ratio y el Secure f, son estrategias anti-martingale.

Estrategias Martingale. El incremento del tamaño de la apuesta después de cada pérdida se conoce con el nombre de Estrategia Martingale. Existen dos teorías sobre el origen del término Martingale, según la primera, proviene de un pueblo del sur de Francia llamado Martigues, cuyos habitantes han tenido siempre fama de extravagantes y por eso a la forma de jugar en el casino doblando la apuesta tras una pérdida se denominó “à la martingale”, que se identificaba como “de forma absurda”. Según otras fuentes proviene de un famoso jugador que en el siglo XIX frecuentaba los casinos de la Riviera Francesa. Es un método ineficiente ya que sólo funciona si tenemos capital ilimitado, uno de los ejemplos más claros de lo mala que puede ser esta estrategia lo tenemos en el juego que consiste en lanzar una moneda al aire y doblar la apuesta cada vez que nos equivoquemos. Este juego tiene esperanza cero. Funciona de la siguiente manera:

Apostamos 1 € con cada lanzamiento de la moneda. Si sale cara ganamos 1 €, si sale cruz perdemos 1 €. Si sale cruz después de la primera jugada, doblamos la apuesta, por lo que en la segunda tirada apostamos 2 €. Si ganamos, ganamos 2 €, si perdemos, perdemos 2 €. Y así sucesivamente. El problema con esta estrategia viene cuando nos enfrentamos a una racha de pérdidas muy grande. La cantidad apostada se hace muy grande también. Por ejemplo, después de una racha de 10 fallos, la siguiente apuesta tendría que ser de 1.024 € y ya se han perdido de hecho 1.023 €, de tal manera que si acertamos en el undécimo lanzamiento nuestra ganancia final se quedará en 1€, mientras que nuestra pérdida potencial aumenta demasiado. Este tipo de juegos sólo tiene éxito si el jugador tiene capital ilimitado, así que dejemos estas estrategias para los casinos, no para el trading.

“El principal problema de los jugadores está en encontrar un juego con expectativa positiva. El jugador, además de esto, necesita aprender a gestionar el tamaño de sus apuestas, es decir, la gestión monetaria. En los mercados financieros el problema es similar aunque más complejo. El jugador, que se denomina Inversor, busca la maximización de la relación rentabilidad-riesgo.” Edward Thorp

Estrategias Anti-Martingale o Reverse-Martingale. En esta categoría vamos a hacer lo contrario con las Martingale, tras una operación ganadora subiremos la apuesta y ante una operación perdedora reduciremos nuestra apuesta, de esta forma protegeremos nuestros beneficios cuando venga la racha perdedoras y dejaremos que corran en las rachas ganadoras. Son las estrategias que debe utilizar el trader. Los métodos más conocidos y probados del mercado pertenecen a esta categoría y el mayor riesgo de las mismas está en el apalancamiento asimétrico, que veremos a continuación.

El apalancamiento asímetrico

Cuando nos enfrentamos al mercado y empezamos a hacer números nos damos cuenta de la importancia de empezar la operativa con buen pie, los errores al principio se pagan mucho más caros, veamos porque; supongamos que partimos de un capital inicial de 20.000€ y tras un mes de trading en los mercados, hemos perdido 2.000€ o un 10%. Para volver al punto inicial tendremos que generar 2.000€, pero ahora partimos de 18.000€ y no de 20.000€ como en el momento inicial, por lo que para recuperar el 10% perdido, tendremos que ser capaces de generar un 11%. Si la pérdida es del 20%, necesitamos generar un 25% y así sucesivamente.

En la Figura 2.1 se puede ver una tabla con algunos de estos porcentajes para darnos cuenta de la gran desventaja que nos ofrecen estos números. Esto es lo que se conoce como apalancamiento asimétrico y lo podríamos definir como la reducción de la capacidad progresiva para recuperar las pérdidas. En la Figura 2.2 hemos representado de forma gráfica este problema, con una curva que mide el apalancamiento simétrico y otra que representaría un mundo ideal en el que el apalancamiento fuera simétrico. Resulta, por lo tanto, evidente lo importante que es para cualquier trader o inversor empezar la operativa con buen pie, ya que, si empezamos con importantes pérdidas, llegaremos a un punto en el que ya será imposible recuperar nuestro capital inicial.

(1) Apalancamiento Simétrico.

Figura 2.1

Figura 2.2. Esta gráfica muestra la diferencia entre la recuperación necesaria tras una pérdida en porcentaje (apalancamiento asimétrico) con una recta en la cada pérdida se recuperaría con el mismo porcentaje (apalancamiento simétrico).

Ahora vamos a ver cómo el apalancamiento asimétrico afecta a las estrategias de gestión monetaria anti-martingale, de forma todavía más negativa que al resto de estrategias de trading, veámoslo mediante el siguiente ejemplo, basado en la tabla de la Figura 2.3: Partimos de una cuenta con 40.000€ y para pasar al siguiente nivel de contratos (2) necesitamos generar 5.000€, por lo que empezamos a operar con nuestro capital inicial y un contrato. Nuestro sistema está funcionando bien y tenemos ya 44.500€ y la siguiente operación genera 1.000€, por lo ya estamos por encima de los 45.000€ y empezamos a operar con 2 contratos, ¿qué ocurre ahora si la siguiente operación es perdedora por valor de 500€? Tras esta pérdida volvemos a operar con un contrato y nuestro resultado es peor al que habríamos obtenido con operando con un solo contrato, es decir, en ausencia de gestión monetaria.

En la figura 2.3 podemos ver como este problema desaparece al pasar en el siguiente salto de 2 a 3 contratos y ya no vuelve a aparecer en el resto de vida de nuestra estrategia. Pero, ¿qué pasaría si nuestra pérdida hubiera sido de 600€ en vez de 500€?, o dicho de otra forma ¿qué habría pasado si nuestro Payoff fuera de 1.7 en lugar de 2.0? lo podemos ver en la siguiente columna y vemos como en el saldo de 2 a 3 contratos desaparece también el problema. Si seguimos disminuyendo el Payoff de nuestra estrategia estaremos cada vez más influenciados por el apalancamiento asimétrico y necesitaremos más tiempo para librarnos del mismo, como se puede ver en la tabla, si nuestro Payoff es de 1.3, el bucle no se resuelve hasta que no pasemos de 5 a 6 contratos.

Figura 2.3. Efecto del apalancamiento asimétrico en las estrategias anti-martingale. Se ha realizado la tabla suponiendo que cada operación ganadora genera 1.000€ y 4 escenarios para cada operación perdedora, de mayor a menor optimismo: (500€) esto es, un Payoff de 2, (600€) con Payoff de 1.7, (700€) con Payoff de 1.4 y (800€) con Payoff de 1.3.

(2) Payoff Ratio.

Modelos de valoración del equity

Figura 2.4.

Las diferentes estrategias de gestión monetaria expuestos en este manual ser refieren al capital total que arroja nuestra cuenta de trading. Estas estrategias se pueden complicar mucho partiendo de que existen tres formas de valorar nuestro capital total. Estos tres métodos son: Core Equity, Total Equity y Reduced Total Equity. A continuación veremos la definición de cada una de ellas, así como un ejemplo práctico de su utilización que está resumido en la Figura 2.5.

Core Equity Model. Es el modelo más simple de todos, ya que sólo tiene en consideración la cantidad necesaria para abrir una posición. Nuestro Equity será igual al capital inicial menos los importes iniciales destinados a cada una de las inversiones, independientemente de cómo se vayan desarrollando las mismas.

Total Equity Model. Según este modelo nuestro nivel de Equity viene determinado por el total disponible en efectivo más el valor de todas las posiciones abiertas, ya sean estas positivas o negativas.

Reduced Total Equity Model. Este modelo es una combinación de los dos anteriores, y el cálculo del Equity sería el siguiente: Al abrir una posición al igual que en el Core Equity Model, restamos esa cantidad del total inicial, sin embargo, no lo dejamos así, y añadimos cualquier importe que se beneficie de un stop loss que reduzca nuestra posible pérdida o que garantice un beneficio. Es el modelo más complejo.


(1) Tomamos una primera posición por valor de 5.000€.
(2) Tomamos una segunda posición por valor de 4.000€.
(3) Nuestra primera inversión se mete en el terreno de las pérdidas y pasa a valer (2.000€).
(4) Nuestra segunda inversión avanza según lo previsto, pasando a valer 6.000€ y nuestro trailing stop sube asegurando una pérdida máxima de 1.000€.
(5) La primera posición vuelve al terreno de las ganancias y ahora tiene un valor de 11.000€ , y no sólo eso sino que nuestro trailing stop nos asegura ahora unas ganancias de 8.000€.
(6) Tomamos una tercera posición por valor de 6.000€.
(7) En un definitivo golpe de suerte nuestra primera posición alcanza nuestro profit target y los 5.000€ se han convertido en 12.000€ con lo que cerramos la posición con una ganancia de 7.000€.

Figura 2.5 Ejemplo de valoración de nuestra cuenta de trading dependiendo del modelo aplicado, mediante un ejercicio con 7 eventos.

Conclusión

La implementación de las estrategias de gestión monetaria pasa por tres fases: fase de sembrado, fase de crecimiento y fase de recolección. En la fase de sembrado nuestra estrategia no genera ninguna ventaja comparativa respecto a una estrategia neutra, sin money management. El caso opuesto se da en la fase de recolección donde veremos la enorme ventaja experimentada por nuestra estrategia, sobre la estrategia neutra.

Todos los procedimientos de gestión monetaria se pueden clasificar en dos grandes categorías: Martingale y Antimartingale. En el primero tras una operación perdedora incrementaremos el tamaño de nuestra posición y viceversa con las operaciones ganadoras. Con las Antimartingale la posición aumenta tras las operaciones ganadoras y disminuye tras las perdedoras. El trader debe seguir, bajo cualquier condición, una estrategia Antimartingale.

El principal enemigo de las anti-martingale es lo que se conoce como apalancamiento asimétrico, que hemos definido como la reducción de la capacidad progresiva para recuperar las pérdidas.

Existen tres modelos de valoración de nuestro Equity o cuenta de trading. Core Equity Model, Total Equity Model y Reduced Total Equity Model. Podremos aplicar cualquiera de estos tres modelos en cada una de las estrategias de gestión monetaria que veremos en artículos posteriores, por lo que cada estrategia se podrá expresar de tres formas diferentes.

“He aprendido que para hacer dinero en los mercados no es imprescindible tener un sistema mecánico. Los sistemas de trading mecánicos funcionan, pero la base del éxito está en otra parte. Lo puede usted llamar sabiduría o gestión monetaria. La mayoría de la gente no quiere hablar de la gestión monetaria, prefieren hablar sobre los grandes sistemas de trading.” Welles Wilder Jr.

Bibliografía recomendada

Ryan Jones, ”The Trading Game”, Wiley and Sons, 1999.
Nauzer J. Balsara, “Money Management strategies for futures traders”, Wiley and Sons, 1992.
Ralph Vince, “The mathematics of Money Management”, Wiley and Sons, 1992.
Edward Thorp, “The mathematics of gambling”.
Edward Thorp, “The Kelly criterion in blackjack, sports betting and the stock market”, 1997.
J. Edward Crowder, “Casino Gambling for fun and profit”, Writer’s Showcase, 2000.
Van K. Tharp, “Trade your way to financial freedom”, Mc Graw-Hill, 1999.
Van K. Tharp, “Special report on Money Management”, IITM, 1997.
David Stendahl, “Portfolio Analysis and Money Management workshop companion guide”.
J. L. Kelly, “A new interpretation of information rate”, 1956.
Burke Gibbons, “Managing your money”, Active Trader Magazine, 2000.
Sherwin kalt, “Probability of investment ruin”, S&C, 02/1985.
Bob Pelletier, “Martingale Money Management”, S&C, 07/1988.
James William Ferguson, “Martingales”, S&C, 02/1990.
James William Ferguson, “Reverse Martingales”, S&C, 03/1990.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

I. Money management, ese gran desconocido

Todos aquellos que estamos relacionados con los merados financieros, ya sea por nuestros trabajos, porque hacemos trading con nuestras cuentas o, simplemente porque nos apasiona este campo, hemos leído que el trading es una actividad cuyo éxito pasa por el dominio de tres disciplinas que son: Psicología, Sistemas de Trading y Money Management.

Para Alexander Elder, el buen trading se puede resumir en tres palabras, que denomina las tres eMes: Mind, Money and Method. La primera de ellas, Mind, se refiere a nuestra mente, es decir a nuestro comportamiento, disciplina, control emocional y en definitiva a la psicología aplicada. Money significa Money Management y nos dirá cuánto comprar y cuánto vender y por último, Method, que hace referencia al método, al sistema de trading que vamos a utilizar, es decir, cuándo comprar y cuándo vender. La gestión monetaria, también conocida como money management, bet sizing o position sizing, ocupa el primer puesto en importancia en las categorías mencionadas, ya que nos ayudará a elevar nuestros ratios de rentabilidad-riesgo. Veamos un par de ejemplos:

Larry Williams en 1987, consiguió operando con futuros un resultado del 11.376% en el World Cup Trading Championship, seguro que esto ya lo sabía, es un porcentaje increíble, por supuesto el récord de este campeonato de trading, lo que quizás no sabía es que Ralph Vince fue el programador de Larry en este torneo y que esta astronómica cifra se consiguió gracias a un algoritmo de gestión monetaria.

Un trabajo de investigación de Brinson, Singer y Beebover realizado en 1991, concluye que la gestión monetaria explica el 91,5% de los rendimientos obtenidos por 82 grandes planes de pensiones durante un periodo de 10 años.

En esta colección de artículos voy a repasar la importancia de entender y utilizar la gestión monetaria, los diferentes tipos de estrategias utilizadas actualmente, su relación con los sistemas de trading y sobretodo exponer unos casos prácticos que nos ilustrarán sobre la diferencia entre aplicar y no aplicar el money management, o dicho de otra forma, el coste de oportunidad o dinero que dejo de ganar por no aplicar un algoritmo de gestión monetaria.

“Posiblemente, el mayor secreto para el éxito en la Inversión y el Trading sea una correcta gestión monetaria. Yo lo llamo "Secreto" porque poca gente parece entenderlo, incluida mucha gente que ha escrito libros sobre este tema.” Van K. Tharp

“La Gestión Monetaria es como el sexo. Todo el mundo lo practica, de una forma o de otra. A poca gente le gusta hablar del tema y algunos lo hacen mejor que otros. Sin embargo, hay una gran diferencia, las páginas web sobre sexo se han incrementado de forma notable, mientras que las páginas que se dedican al arte de la Gestión Monetaria son difíciles de encontrar.” Burke Gibbons

¿Por qué el money management es el gran desconocido?

Si es tan importante la gestión monetaria, ¿Por qué encontramos tan pocos libros y artículos sobre la materia?, ¿Por qué de cada libro sobre gestión monetaria hay 30 o 40 sobre sistemas de trading?, ¿Por qué las revistas especializadas dedican menos del 10% de sus contenidos a la gestión monetaria?, veamos dos razones de este abandono.

Se trata, sin ninguna duda, de la parte más aburrida de un plan de trading. Son las matemáticas del trading y cualquier libro que utilice para su estudio estará plagado de tablas, números, fórmulas y su lectura no es tan sencilla como la de un libro que nos enseña cómo entrar y cómo salir del mercado. Es mucho más llamativo y fascinante hojear una revista en busca del nuevo indicador que combina las ondas de Elliott con unas redes neuronales y lo adorna todo con unos filtros basados en Fibonacci, y cuyo código de programación ocupa 20 páginas. Además nos alegran la vista con unos gráficos de barras en los que podemos ver como el sistema compra en el mínimo y vende en el máximo. ¡Fantástico!

Una de las bases de la industria del trading está en la búsqueda del Santo Grial. Muchos traders dedican su tiempo a la búsqueda de ese indicador, método, sistema, etc que sea infalible y con el que nos podremos ir al caribe y ver como crece nuestra fortuna sin mover un solo dedo. Según esta corriente existe un orden interno en los mercados, conocido por unos pocos, así que lo único que necesito es encontrar a esa minoría privilegiada y obtener ese método, esa formula, ese indicador y así sabré de forma anticipada los movimientos que va a hacer el mercado. Dejemos las historias románticas para el cine y centrémonos en la realidad del trading.

Vivimos en un mundo aleatorio y el trading no es una excepción. No existe el orden interno en los mercados. Lo único que necesitamos es crear una metodología con esperanza matemática positiva y sabemos que esto sí es posible. El matemático Edward Thorp desarrolló una estrategia con esperanza matemática positiva para contar las cartas en el BlackJack, con la que puso la probabilidad del juego a su favor. Thorp utilizó esta estrategia de gestión monetaria en los casinos de Las Vegas, hasta que fue expulsado de los mismos, ¿se imagina por qué?. No sólo le prohibieron la entrada, sino que cambiaron las reglas para evitar que con la metodología de Thorp, el jugador tuviera la probabilidad a su favor.

Espero que la lectura de esta colección de artículos cambie la perspectiva de su plan de trading al incorporar esta valiosa herramienta. Uno de los errores que comete la mayoría de la gente que se adentra en el apasionante mundo del trading, y lo digo por experiencia propia, es pensar que para beneficiarse de la gestión monetaria es necesario tener ya unos buenos resultados tras haber operado con nuestro sistema siguiendo las señales con un solo contrato. Si la cosa va mal perdemos el dinero que teníamos y no se opera más por el momento, si la cosa va bien, empezamos a acumular beneficios y nos lanzamos a operar con más de un contrato, aunque sin ninguna regla fija. Supongamos que hacemos esto durante 2 años. Al final podremos ver lo que hemos obtenido con nuestra estrategia y lo que habríamos ganado de haber utilizado una estrategia de gestión monetaria, así que la elección parece sencilla: ¿Cuándo empezar a utilizar la gestión monetaria? Ahora mismo!!!!.

“Los traders creen que no necesitan incorporar las estrategias de money management en su operativa hasta un momento del futuro que ya llegará, que será cuando estén ganando dinero. Necesitan probar un sistema de trading y ver si funciona antes de aplicarle una estrategia de gestión monetaria. Esto puede ser un error muy costoso en términos de coste de oportunidad.” Ryan Jones

¿Qué es el Money Management?

Vamos a definir la gestión monetaria como el algoritmo matemático que decide ¡¡Cuánto!! vamos a arriesgar en la siguiente operación dependiendo del total de nuestro equity o capital disponible para hacer trading. Según esta definición podemos ver que se trata de algo muy sencillo. Es un juego de números y simplemente responde a la pregunta de ¿Cuánto capital colocar en la siguiente posición?

A pesar de no haber oído hablar antes de esta voz anglosajona, cualquiera que haya comprado una acción lo ha aplicado ya que ha tenido que decidir que parte del capital total destinado a inversión colocar en la compra, aunque haya sido una decisión irracional y que en la mayoría de los casos expuso a nuestra cuenta a un riesgo de ruina muy elevado. Supongamos que usted cuenta con 10.000€ destinados a trading y un amigo le cuenta que su primo ha oído que su hermana conoce a una persona que sabe mucho de esto y que la acción xyz va a subir como la espuma (aunque este sistema de trading parezca ridículo, es uno de los más utilizados por los principiantes). Ahora ya se lo que voy a comprar, pero ¡¡¡¡Cuánto!!!!, aquí es donde entra la gestión monetaria.

La gestión monetaria no es un campo exclusivo del gestor de patrimonios, independientemente del capital inicial con el que contemos podemos beneficiarnos de estas técnicas, a pesar de que el tamaño de nuestra cuenta no sea como el de las grandes gestoras, además se puede aplicar a cualquier estrategia o sistema de trading que utilicemos, ya que se trata de un juego de números, profundicemos un poco más en esta afirmación.

La gestión monetaria es en palabras de Ryan Jones un juego de números, y esta es la principal idea que debe interiorizar el lector, es la base de la gestión monetaria, y lo que nos indica es que las estrategias de money management son independientes del sistema que apliquemos, así como del mercado o producto financiero con el que estemos operando, ya que lo único que necesita es una serie de operaciones con el resultado neto de cada una de ellas, este es el input que utiliza, lo único que necesito es un conjunto de operaciones, así que me da igual de donde provengan. Que mas da que se hayan generado con un sistema seguidor de tendencias o de contratendencia, o que los resultados provengan de operaciones en telefónica, o de operaciones en el futuro del CAC40, es un juego de números y los números a los que se refiere esta afirmación son los resultados netos de las operaciones de nuestro plan de trading.

La gestión monetaria entra en acción cuando ya hemos tomado una posición. Muchos autores establecen la siguiente relación entre el trading y la gestión monetaria: antes de tomar una posición somos traders y cuando ya estamos en mercado, dejamos de ser traders y nos convertimos en gestores monetarios y de riesgos.

¿Qué no es el Money Management?

Ya hemos definido el money management y para acabar de aclarar esta idea, vamos a definir lo que NO es money management, ya que es normal, confundir estos conceptos en una etapa inicial de nuestra formación, principalmente por la escasa información con que cuenta el trader y seguro que alguno de los conceptos que se exponen a continuación le suenan o en algún momento le sonaron a gestión monetaria.

Cuándo comprar y cuándo vender. La decisión de cuándo comprar y cuándo vender depende de nuestro sistema de trading o de nuestro marco de reglas o de nuestro ratio fundamental favorito, pero nunca de nuestro capital disponible, nunca de nuestro nivel de Equity por lo que no es money management.

Donde colocar nuestros stops de protección. Los stops loss son una herramienta indispensable en el arsenal del trader y nos ayudan a mantenernos en el juego, protegiendo nuestro capital, la colocación de los stops forma parte de la gestión del riesgo o risk management, concepto diferente del tratado en este artículo. La mayoría de los traders creen que la gestión monetaria consiste en saber dónde colocar los stops, quizá por falta de información, quizá por falta de ganas de profundizar en temas relacionados con el riesgo de nuestra operativa. Si yo aplico, por ejemplo, un stop loss de 200 euros en cada una de mis órdenes en el futuro del ibex-35, estoy siguiendo una estrategia que no está relacionada con mi capital disponible total o Equity, por lo que no se puede categorizar como gestión monetaria.

“Hay personas que piensan que están haciendo "gestión monetaria" mediante la gestión de sus ’stop loss’. Controlar el riesgo mediante unos puntos de pérdida máxima o stop loss, es diferente a controlar el riesgo mediante una estrategia de "gestión monetaria" que controla el tamaño de la posición en cada momento.” Van K. Tharp

Piramidación. Este es otro de los conceptos mal interpretado por la mayoría de los traders, que consideran la piramidación como una estrategia de gestión monetaria. Técnicamente, la piramidación implica utilizar beneficios no realizados de una acción o commoditie como colateral para abrir otras posiciones con fondos prestados de nuestro broker. Sin embargo, en el sentido general que se utiliza la expresión y en el que vamos a utilizar en esta explicación, piramidar se refiere a aumentar el tamaño de nuestra posición, a medida que el mercado se mueve a nuestro favor. Lo contrario de piramidar sería promediar a la baja (averaging down o cost averaging), esto es, aumenta el tamaño de nuestra posición a medida que el mercado va en contra nuestra.

Supongamos que hemos comprado 1.000 acciones de telefónica a 12 euros y la cotización comienza a subir y al llegar a 12,5 volvemos a comprar otros 1.000 títulos y al llegar a 13 euros, compramos otros 1.000, si seguimos esta estrategia, estamos piramidando nuestra posición. Se trata de una estrategia muy recomendable pero que nada tiene que ver con la gestión monetaria ya que el hecho de aumentar la posición no depende de nuestro capital o equity, sino de las condiciones de mercado.

Equity Curve Trading. Este término ser refiere a implementar métodos de trading sobre nuestra curva de resultados en lugar de hacerlo sobre las cotizaciones de un activo financiero. Un ejemplo estaría en aplicar una media móvil sobre nuestro Equity y utilizar esta media móvil de la forma tradicional, esto es, si nuestra curva de Equity corta la media móvil en sentido descendente se supone que estamos entrando en DrawDown y por lo tanto paramos el sistema de trading, hasta que nuestra curva de resultados comience a subir y corte la media en sentido ascendente. De esta forma se podrían evitar los periodos de DrawDown mediante esta sencilla estrategia Anti-Drawn. Sin embargo, no existe ningún estudio matemático que demuestre que el Equity Curve Trading genere una mayor ratio rentabilidad-riesgo en nuestro plan de trading.

Series consecutivas de pérdidas; “la falacia del jugador de casino”. Existe una creencia muy extendida entre los que operan en los mercados que nos indica que tras una serie de operaciones con pérdidas, la probabilidad de éxito en la siguiente jugada aumenta y que por lo tanto hemos de aumentar el número de contratos con el que operar si estamos en una racha de pérdidas Esto puede o no puede ser verdad en el mundo del trading, pero para la mayor parte de fenómenos aleatorios como tirar una moneda al aire, no es cierto. Lo que la afirmación anterior implica es que la probabilidad de éxito en cada negocio está influenciada de alguna manera por los resultados de los negocios anteriores.

Se puede, sin embargo, justificar la anterior afirmación diciendo que en el mundo del trading cada negocio puede no ser totalmente independiente del anterior. Por ejemplo, si estamos utilizando un sistema de rotura de rangos o de medias móviles, puede que después de varios fallos seguidos consigamos un ganador. El problema está en que nunca sabremos cuando nos vamos a beneficiar de un incremento en el número de contratos, por lo que ir incrementado la carga de contratos conforme aumenten los fallos puede hacernos incurrir en una gran pérdida y dejarnos sin capital. Veamos como la falacia del jugador afecta a nuestra percepción de lo fenómenos aleatorios en un experimento real.

El experimento de Ralph Vince

Ralph Vince realizó un experimento con 40 profesores universitarios cuya docencia no estuviera relacionada con la estadística o el trading. El objeto del estudio era demostrar cómo nuestras limitaciones psicológicas y nuestras creencias erróneas sobre los fenómenos aleatorios son los responsables de que, al menos, el 90% de las personas que se inician en los mercados acaba con pérdidas en su cuenta.

Los profesores recibieron un software con un juego de simulación de trading. Todos empezaban la simulación con 10.000 dólares y contaban con 100 operaciones de las que el 60% eran ganadoras (una fiabilidad excelente) y en cada una de estas operaciones se ganaba lo que se había apostado, en el 40% de las operaciones se perdía y el importe de la pérdida era también la cantidad apostada.

Se trata por lo tanto de un sistema de trading ganador en el que parece bastante sencillo generar dinero, ¿saben cuantos doctorados acabaron ganando dinero al final del juego?, sólo 2 de los 40, el 95% de los jugadores acabó perdiendo dinero en un juego en el que debería haber ganado, ¿Por qué? Principalmente por la falacia del jugador y por la ausencia de técnicas de gestión monetaria. Además de por cuestiones de psicología como son la codicia y el miedo.

Supongamos que comienza el juego apostando 1.000 dólares, si sufrimos tres pérdidas seguidas ya habremos perdido el 30% de nuestro Equity y entonces pensamos, vaya, acabo de sufrir tres pérdidas seguidas, así que lo más probable es que la siguiente operación sea ganadora, así que en esta voy a apostar más, esto es falso ya que las probabilidades de que la siguiente operación sea ganadora son las mismas que las del resto de operaciones, el 60%. Con unas cuantas series de operaciones como estas nos pondremos en negativo al iniciar el juego con lo difícil que remontar cuando hemos sufrido una gran pérdida debido al apalancamiento asimétrico. El 95% de los jugadores perdió dinero por exponer sus cuentas a un excesivo riesgo, quizás esto le suene de algo…..esto es lo que sucede también en la realidad, el 90-95% de los operadores pierde dinero por no conocer los aspectos psicológicos del trading, por no emplear estrategias de gestión monetaria y por no entender que se trata de un juego de probabilidades.

La probabilidad de ruina

“A menudo se dice que la única forma de evitar la ruina en los mercados es mediante la cruda experiencia. Habiendo sufrido esta experiencia alguna vez el trader sabe de primera mano lo que causó el desastre y la forma de evitarlo. En ausencia de esta experiencia directa, la mejor forma de evitar la ruina es elaborar un plan de actuación que contemple en todos sus puntos los riesgos y probabilidades de ruina”. Nauzer J. Balsara

Siempre que hablamos de gestionar dinero, ya sea mediante trading propio, o confiando en un gestor aparece la probabilidad de ruina. El riesgo de ruina existe por tratarse la inversión de un fenómeno aleatorio, lejos de esta evidencia, el cálculo del riesgo de ruina no tiene ninguna utilidad directa en nuestra operativa y mi recomendación en este punto es la de usar el sentido común. Si queremos operar con un sistema de trading aplicado en un futuro sobre un índice cuyo margen es de 3.000€ y el backtesting del sistema nos arroja un DrawDown máximo de 20.000€, ¿Qué ocurrirá si empezamos a operar con 6.000€?, no hace falta ser un genio para darnos cuenta de que lo más probable es que nuestro capital acabe por debajo de nuestras garantías, habiendo perdido más del 50% de la inversión y sin suficiente dinero para volver otra vez al mercado.

Por lo tanto, al tratar ese riesgo aplique la lógica, el sentido común y la prudencia y si quiere profundizar en el cálculo de la probabilidad de ruina le recomiendo los libros “Money Management Strategies for Futures Traders” de Nauzer J. Balsara y “Portfolio Management Formulas” de Ralph Vince.

Gestión monetaria (Money Management) y Drawdown

Cuando se habla de gestión monetaria desde una perspectiva genérica, establecemos una relación entre el inversor y la persona encargada de gestionar su patrimonio, entre ambas se tiene que dar una relación de confianza (por lo menos en la etapa inicial). Esta relación se puede deteriorar por muchas razones, la más seria de todas es la inoportuna aparición de un DrawDown mayor del planificado. ¿Qué ocurre si nuestro gestor nos dijo que la pérdida máxima que experimentaríamos sería del 20% y estamos ahora en el 25%? o peor todavía, Qué ocurre cuando ni siquiera sabemos hasta que punto es lógico aguantar sin retirarle el dinero a nuestro gestor, 10%, 20%, 30%.......

Vamos a introducir un concepto relacionado con la anterior pregunta, el ‘Uncle Point’. Se define como el nivel de DrawDown que provoca la pérdida de confianza del gestor o del inversor, esta pérdida de confianza puede llevar a la retirada de los fondos por parte del inversor. Todo lo que rodea el estudio de este nivel goza de muy mala reputación desde el punto de vista comercial, por lo que no existe mucha literatura al respecto. El ‘Uncle Point’, no sólo se debe estudiar en relación a la gestión del capital ajeno, si estamos gestionando nuestro propio dinero y entramos en DrawDown , ¿es un DrawDown que se mueve dentro de lo previsto?, ¿durará mucho?, y sobre todo ¿qué porcentaje máximo de reducción seremos capaces de soportar sin perder la confianza en nuestro sistema?. Si no hacemos estas preguntas en una fase inicial, así como las respuestas de forma honesta, cuando llegue el DrawDown con nuestro dinero encima de la mesa, ya será demasiado tarde.

En Estados Unidos cuando un inversor abre una cuenta con un CTA (Commodity Trading Advisor), persona o entidad que tiene facultad para gestionar dinero, se especifica una cantidad en porcentaje (%DrawDown ) a partir de la cual se cerrará la cuenta. Esto sería algo similar a formalizar el Uncle Point entre inversor y gestor. Si usted se ha decidido a gestionar su propio patrimonio, es tanto el gestor como el inversor, pero no por eso el problema desaparece, cuando llegue el DrawDown sus dudas y falta de confianza aflorarán.

La mayor ventaja que nos ofrece la gestión monetaria es la de mejorar nuestro ratio de rentabilidad-riesgo, en el que la rentabilidad viene medida por el retorno neto que genera nuestro sistema y el riesgo por el DrawDown máximo. Al incrementar el número de contratos con el que vamos a operara parece lógico pensar que va a aumentar nuestro DrawDown , ya que si con un contrato nuestro DrawDown era de 15.000€, ahora que operamos con 10, nuestro DrawDown es de 150.000€, parecen malas noticias, pero pensemos un poco en la otra cara de la moneda, ¿qué pasa con mis beneficios? ya que si mi riesgo se ha multiplicado por 10, pero mi resultado neto se ha multiplicado por 15, esta claro que en términos relativos salgo ganando. Esto es lo que sucede al aplicar una estrategia de gestión monetaria a un sistema de trading y lo veremos en ejemplos prácticos en sucesivos artículos.

CONCLUSIÓN: MONEY MANAGEMENT

El éxito en el trading se consigue mediante el dominio de tres disciplinas: Sistemas de trading, Psicología y Money management. Si quiere convertirse en un buen trader, profundice en su estudio, con especial atención al money management.

La gestión monetaria son las matemáticas del trading y por tanto una de las partes más aburridas y menos comprendidas por la mayoría de los traders, sin embargo, será la responsable de que sus cuentas crezcan en progresión geométrica como hizo Larry Williams en 1978.

Es algo tan simple como decidir ¿cuánto?, decidir que porción de nuestro capital destinar en la siguiente posición. Es un juego de números y esto lo que nos indica es que las estrategias de money management son independientes del sistema que apliquemos, así como del mercado o producto financiero con el que estemos operando, ya que lo único que necesitamos es una serie de operaciones con el resultado neto de cada una de ellas, este es el input que utiliza, lo único que necesito es un conjunto de operaciones, así que me da igual de donde provengan.

Existen una serie de errores populares respecto a lo que es money management, algunas de estas equivocaciones populares son: la colocación de nuestros stops, la piramidación, las técnicas de análisis técnico sobre nuestra curva de resultados o el estudio de series consecutivas de operaciones ganadoras o perdedoras.

Siempre que empecemos a hacer trading debemos considerar el peor de los escenarios posibles, y asignarle una probabilidad, esto se denomina probabilidad de ruina.

También es aconsejable, antes de empezar a operar valorar nuestro Uncle Point, que se define como el nivel de DrawDown que provoca la pérdida de confianza del gestor o del inversor, esta pérdida de confianza puede llevar a la retirada de los fondos por parte del inversor.

Existe una estrecha relación entre el DrawDown y el money management, cuanto menor sea el máximo DD, mejores resultados mostrará nuestra estrategia de gestión monetaria.

Bibliografía recomendada

Ryan Jones, ”The Trading Game”, Wiley and Sons, 1999.
Nauzer J. Balsara, “Money Management strategies for futures traders”, Wiley and Sons, 1992.
Ralph Vince, “The mathematics of Money Management”, Wiley and Sons, 1992.
Edward Thorp, “The mathematics of gambling”.
Edward Thorp, “The Kelly criterion in blackjack, sports betting and the stock market”, 1997.
J. Edward Crowder, “Casino Gambling for fun and profit”, Writer’s Showcase, 2000.
Van K. Tharp, “Trade your way to financial freedom”, Mc Graw-Hill, 1999.
Van K. Tharp, “Special report on Money Management”, IITM, 1997.
David Stendahl, “Portfolio Analysis and Money Management workshop companion guide”.
J. L. Kelly, “A new interpretation of information rate”, 1956.
Burke Gibbons, “Managing your money”, Active Trader Magazine, 2000.
Sherwin kalt, “Probability of investment ruin”, S&C, 02/1985.
Bob Pelletier, “Martingale Money Management”, S&C, 07/1988.
James William Ferguson, “Martingales”, S&C, 02/1990.
James William Ferguson, “Reverse Martingales”, S&C, 03/1990.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

La importancia de comisiones y deslizamientos

Comisiones y deslizamientos

Las comisiones y los deslizamientos son dos factores muy importantes a tener en cuenta a la hora de implementar cualquier estrategia, y su importancia es directamente proporcional al número de operaciones por unidad de tiempo que se realizan. Si nuestra operativa es de comprar renta variable a largo plazo, no van a ser el factor más decisivo, si hacemos trading a medio plazo, habrá otras cuestiones más importantes, pero si lo que hacemos es operar con sistemas con ratios de operativa de una operación cada pocos días, incluso más de una al día, o ya no digamos si nos dedicamos al intra-dia van a constituir un factor decisivo en nuestro éxito o fracaso.

Comisiones

La comisión es lo que tenemos que pagar al broker y o a los reguladores de cada mercado para poder pasar nuestras ordenes. Las diferencias dependen de productos, por ejemplo operar en Dax es relativamente mucho mas barato que hacerlo en mini-Ibex o en opciones fuera del dinero de EuroStoxx, por el tamaño del contrato. Y sobre todo hablando de un mismo producto, de la política de cada broker, podemos ver diferencias tan abismales como una comisión en un broker de 1.8 euros y en otro de 12 euros para un mismo producto.

Deslizamientos

El deslizamiento es la diferencia entre el precio teórico al que se cree que se hizo una operación y el precio real, al que se hace en el mercado. Esto depende principalmente de la relación entre la liquidez del mercado y el tamaño de nuestras ordenes, no es lo mismo lanzar 100 Ibex a mercado que hacerlo con 100 Bunds. No es lo mismo comprar 1 Ibex, que querer comprar una opción en un strike en el que no hay contratos abiertos. Otros factores que influyen son el modo de pasar las ordenes, teléfono, una buena plataforma on-line, en definitiva el broker que usemos, y el operador que las pasa, y por último el tipo de orden que usemos, stop, mercado, limitada, en relación a todo lo demás.

Tiene una importancia vital cuando hablamos de operativas sistemáticas con alto numero de operaciones, tener una buena relación entre el precio que se paga por la comisión, y la fiabilidad de los servicios que nos aporta el broker. No es recomendable operar con el broker mas barato, si después no nos coge el teléfono, o su plataforma se queda colgada 5 veces al día. Pero el hecho de que un broker sea caro o barato no es sinónimo de que sea bueno o malo, hay que compararlos en las mismas condiciones, para ver como funcionan en realidad.

Igualmente tiene una gran importancia que tengamos bien definido el deslizamiento que tendremos en la realidad, a la hora de hacer nuestras pruebas sobre una determinada operativa o sistema. En según que mercados y con que operativas es fácil definir un deslizamiento realista, en otros no tanto, siempre tendremos que dejar un margen de seguridad, pues surgirán imprevistos, y estos en la mayoría de los casos nos van en contra. Por poner un par de ejemplos, esa orden que se genera justo en el momento de una noticia en la que se produce un movimiento fuerte en nuestra contra, ese stop que ha saltado en nuestra cuenta, pero que nuestro programa de análisis en tiempo real no ha recogido, por la forma de difusión de los datos.

A continuación vamos a poner algunos ejemplos para ilustrar la importancia integrar estos factores de forma realista a la hora de analizar un determinado sistema.

Ejemplos

Sistema 1 para Ibex35 desde 1999.

Ganancia total 161,060
Peor serie de pérdidas -20,360

Habríamos ganado 161.000 euros con un Draw máximo de 20.000, además como el Draw no se produjo al principio este resultado se habría producido usando un capital mínimo.


Este es el resultado del mismo sistema empezando con una cuenta de 100.000 euros y aplicando una sencilla gestión del dinero, que consiste en mantener el apalancamiento máximo en el 300%, pero lo mas cerca posible a este máximo. Con el Ibex en 10.000 puntos = 100.000 euros necesitamos un mínimo de 33.333 euros para cada contrato. Como vemos empezando con 100.000 euros llegamos a un máximo de 9.000.000 de euros, en casi 6 años. (no esta mal) Con un Draw máximo que ronda el 50%.

El problema está en que no hemos tenido en cuenta ni las comisiones ni los deslizamientos, esto ya es de por si erróneo en el caso del sistema lineal con un solo contrato, ya que es un sistema que opera bastante, alrededor de 500 operaciones por año. Pero es desastroso en el supuesto aplicando gestión del dinero, pues nos vamos a un máximo que ronda los 400 contratos, cada giro 800 contratos...... cuanto deslizaría de media una orden de 800 contratos a mercado en Ibex? Digamos que tendiendo a infinito.

Vamos a ver este mismo sistema con unos números mas realistas.

Seremos optimistas, aplicamos una comisión de 10 euros el total, 5 de ida y 5 de vuelta. Y para nuestro sistema lineal con 1 contrato, cada orden de giro con 2 contratos, estimamos que la horquilla del Ibex es de 2 puntos y que las posiciones son mayores de 2 contratos, por lo tanto en promedio solo deslizamos 1 punto por operación.

Ganancia total 83,300
Peor serie de pérdidas -23,590

El beneficio total ha bajado a la mitad, el Draw ha aumentado 15%, bueno es asumible ya hemos dicho que íbamos a ser optimistas.

Ahora vamos a ser pesimistas, o como dicen algunos, realistas con experiencia. Pensemos que esta estadística viene de 1999, aunque ahora tengamos comisiones competitivas en algunos brokers, pensemos en el panorama de hace 4 o 5 años, bueno pues ponemos una comisión media de 10 euros *2 = 20 total. Y en cuanto al deslizamiento, por si acaso vamos a pensar que la horquilla puede estar un poco mas abierta y que en algunas ordenes no se harán los dos contratos al mismo precio, solamente deslizamos 1,5 puntos, bueno si quizás sigamos siendo optimistas.

Estos son los nuevos números:

Ganancia total 31,460
Peor serie de pérdidas -31,610

Seguimos teniendo un sistema ganador, pero el Draw down máximo es = a lo que ha ganado en 6 años, la cosa ya no es tan atractiva.

Ahora vamos a ver unos números mas ajustados a la realidad, pero aplicando el mismo money management que al principio, ajustamos el apalancamiento máximo 1 a 3. Vamos a seguir siendo optimistas y partimos de un deslizamiento en los 4 primeros contratos de un solo punto. Y estimamos que el Ibex tiene posiciones en todos los precios y que estas son de media de 4 contratos, por lo tanto cada 4 contratos mas deslizaran un punto mas que los anteriores. Y limitamos el deslizamiento máximo a tres posiciones, si se lanzan 20 contratos, 4 deslizan un punto, 4 deslizan 2 puntos y el resto deslizan 3 puntos. Las comisiones tomamos las que eran mas realistas para todo el periodo 10 euros por contrato. Partimos como antes de una inversión inicial de 100.000 euros.


Pues bien, lo que antes eran unos beneficios que iban de 100.000 euros a 7.000.000 de euros ahora resulta que son unas perdidas de 100.000 a 60.000 euros, que el Draw que antes era del 50% aproximadamente se transforma en un Draw superior al 80% y difícilmente recuperable.

Estamos hablando todo el rato del mismo sistema con las mismas operaciones. E incluso seguimos trabajando con números excesivamente optimistas. Que es lo que tenemos que hacer para afrontar estas realidades?, pues muy sencillo, sentido común.

Hay que trabajar en mercados con la mejor relación posible entre nuestro volumen en las ordenes y la liquidez del mercado, siempre tendiendo a los mercados mas líquidos.

Hay que diversificar el numero de estrategias al máximo, pues si no nuestro éxito será el primer paso hacia el fracaso, ya que al ir aumentando nuestro numero de contratos sobre una misma estrategia nosotros mismos iremos aumentando nuestro deslizamiento.

Hay que conseguir un broker que nos deje totalmente satisfechos en cuanto a nuestro tipo de operativa y que tenga unas comisiones competitivas.

Y sobre todo tenemos que ser muy realistas a la hora de hacer toda clase de pruebas. De que nos sirve hacer pruebas externas, simulaciones de Montecarlo, aplicar mm, si los datos de partida no se ajustan a la realidad??

En siguientes artículos iremos desgranando la forma de realizar este tipo de tests sobre nuestros sistemas y trataremos diferentes temas, siempre entrándonos en lo mas practico. Pero hemos querido empezar tratando lo mas concreto, y lo mas real, pues cuando abrimos una operación no sabemos que dirección tomara el mercado, por mucho que partamos de la estrategia que sea, pero lo que si sabemos es que vamos a pagar X por el mero hecho de abrirla y tendremos que pagar Y cuando la queramos cerrar. Y si usamos una estrategia que opera sobre 500 veces al año, con una comisión de 10 euros, lo único seguro es que al final de año le habremos pagado al broker: 500*2(abrir+cerrar)*10=10.000 euros en comisiones por contrato.

Así como tenemos que saber que si lanzamos una orden a mercado siempre se ira al lado malo de la horquilla, o que los stops de deslizar siempre lo van a hacer en contra. Y que si vamos a trabajar cada orden para intentar deslizar lo mejor posible, tendremos que pasar mucho tiempo delante de la pantalla.

Nosotros en mbt-eurex trabajamos con un broker que creemos es lo mejor en relación calidad precio.

Diversificamos lo máximo en cuanto a sistemas, para que las ordenes sean con un volumen mínimo, además de tener las ventajas implícitas de la diversificación que comentaremos en otro articulo.

Trabajamos en mercados con mucha liquidez.

Estos factores hacen que estemos obteniendo unos deslizamientos muy ajustados, incluso mejores de los previstos en los tests previos, esto nos hace ser muy optimistas en cuanto al funcionamiento futuro de los sistemas.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Los cuatro principios cardinales del trading

A lo largo de toda la literatura existente sobre sistemas de trading en particular y sobre los mercados financieros en general, se repiten un conjunto de principios básicos, que debemos tener en cuenta para desarrollar una estrategia que nos permita obtener dinero en los mercados. En 1996, Bruce Babcock publicó un libro que recoge entrevistas a grandes traders con el objeto de explicar estos cuatro pilares fundamentales sobre los que se debe basar un plan completo de trading, cada autor ordena estos principios en función a su tipo de operativa y su experiencia personal, no creo que lo importante sea saber cuál de ellos es más importante, ya que todos ellos son imprescindibles para desarrollar nuestra estrategia.

Vamos a enumerarlo y posteriormente los desarrollaremos de forma resumida.

- Seguir la tendencia. (Trade with the trend).
- Cortar las pérdidas de inmediato. (Cut your losses short).
- Dejar correr los beneficios. (Let your profits run).
- Gestionar el riesgo. (Manage risk).

Bruce Babcock es uno de los pioneros en el desarrollo e implementación de sistemas de trading y en 1989 publicó la primera guía completa sobre la materia que existe, cuando prácticamente no existían los ordenadores, lo que aporta mayor valor si cabe a su trabajo. Bruce estudió derecho y un MBA en dos de las mejores universidades del mundo, Yale y Berkeley y durante años ejerció la abogacía hasta que a la edad de 35 años abandonó dicha carrera, dedicándose al desarrollo de sistemas de trading mecánicos y a su implementación con total éxito en los mercados. Durante los años 1991 y 1997 su operativa multi-sistemas aplicada a los mercados de commodities le reportó a su propia operativa las siguientes rentabilidades: 63%, 61%, 24%, 66%, 101%, 46% y 47%. El 8 de Octubre de 1998 Bruce perdió la batalla que durante 5 años había mantenido con el cáncer, dejándonos el legado de sus libros, de obligada lectura para cualquier trader interesado en un enfoque mecánico y en este artículo vamos a exponer la visión del autor sobre los pilares fundamentales del trading.

“Existen millones de formas para ganar dinero en los mercados, aunque todas ellas son muy difíciles de encontrar.” Jack D. Schwager

The trend is your friends o el seguimiento de la tendencia

Pocos términos ser repiten tanto a lo largo de la literatura especializada como el de “tendencia” y si aplicáramos un contador de palabras en todos los libros sobre trading, el ganador de la prueba sería sin duda este, pero ¿por qué es tan importante la tendencia?, la respuesta parece obvia, es lo único que necesitamos para hacer un buen puñado de euros en cualquier mercado, sólo necesito saber cuando empieza y cuando acaba para hacer beneficios extraordinarios y la mayoría de los sistemas de trading lo que intentan es definir la tendencia y explotarla, ya sea a corto plazo si lo que estamos buscando son tendencias de, exclusivamente, una semana o a largo plazo, si lo que quiero es mantener mi posición durante meses.

Desde un punto de vista teórico, parece muy sencillo, sólo tengo que saber cuando empieza la tendencia y la duración de la misma. Si nos ponemos manos a la obra veremos que no es nada sencillo ya que según las investigaciones actuales: (1) los mercados sólo están en tendencia un tercio del tiempo, lo que nos deja un campo de beneficio muy reducido y lo que es peor (2) no existe ningún método fiable para anticiparnos a la tendencia, ni para saber cuanto va a durar. Estas son las malas noticias, las buenas son que no necesitamos ni la anticipación, ni la bola de cristal, para construir un sistema ganador, ya que los buenos planes de trading sólo deben definir unas reglas de entrada que nos permitan entrar en el mercado cuando la tendencia ya está en marcha (me pierdo el tramo inicial) y salir de la posición pasado un tiempo tras la finalización de la misma (me pierdo el tramo final).

También sabemos que existen los sistemas contra-tendencia, que si bien no son rentables a largo plazo en periodos de lateralidad nos proporcionan unos beneficios que podrán compensar las pérdidas de nuestra estrategia seguidora de tendencia. Según Bruce Babcock, todos aquellos que se consideran traders anti-tendencia, son realmente seguidores de tendencia, aunque en una escala temporal o time-frame más reducido, que aquellos que nos consideramos seguidores de tendencia, coincido plenamente con la opinión del autor, aunque se trate de una cuestión puramente semántica, lo importante realmente es tener una metodología ganadora, independientemente del concepto sobre el que se fundamente dicho método de trabajo.

“Nadie puede predecir el futuro y además no es necesario, lo único que tenemos que hacer es seguir las tendencias y aprovecharnos del dinero que pierden todos los pequeños inversores que piensan en predecir el futuro”. John W. Henry

“Nosotros somos seguidores de tendencia, no creadores de tendencia. En el comienzo o la finalización de grandes movimientos podríamos incrementar o reducir el movimiento, aunque sería un efecto temporal y superficial. Los sistema de seguimiento de tendencia son todos, básicamente, iguales y la diferenciación la encontramos en los diferentes parámetros, lo que diferencia unos sistemas de otros. Si todos fueran iguales el efecto sobre los mercados sería devastador”. Keith Campbell

Cut your losses short o cortar las pérdidas de inmediato

Cuando abrimos una posición en un mercado pueden ocurrir sólo dos cosas: Entramos en pérdidas o en beneficios. Si entramos en pérdidas lo único que nos garantizará que nos mantengamos en el juego para poder volver a participar es cortar las pérdidas de forma drástica. Si no somos capaces de hacerlo las pérdidas acabarán con nuestra cuenta de trading. Al igual que con la tendencia, parece muy sencillo en la teoría, sin embargo, en la práctica es muy complicado ya que nuestros condicionantes psicológicos nos llevarán a lo contrario, a dejar correr las pérdidas.

Para ilustrar la importancia de este principio expongo un fragmento del libro en el que Jake Bernstein tras finalizar uno de sus seminarios se entrevista con uno de los mejores traders de commodities (concretamente tripas de cerdo) del estado en el que tuvo lugar dicho seminario.

…………Estaba muy intrigado sobre la metodología de trabajo del trader y más todavía cuando el invitado sacó un péndulo que puso sobre un gráfico de cotizaciones y me dijo que dependiendo de la oscilación del péndulo, ya fuera de izquierda a derecha o de arriba abajo, sabía cuando comprar y cuando vender……..Estaba muy impresionado con este tipo, que parecía un hombre sabio que lo sabía todo acerca de los mercados y para acabar con la entrevista, le pregunté si había algo más de su metodología de trading que quisiera contarme a lo que respondió: “Si, hay algo más pero no es muy importante la verdad”………….a lo que respondí: “¿insisto, me podría decir cuál es el punto final de la estrategia?..........”Bien, si lo que he comprado o vendido al principio del día está en pérdidas en los momentos de cierre de la sesión, cierro la posición inmediatamente……..

Tras la lectura de este fragmento parece claro que, a diferencia de lo que nos dice la sabiduría popular, el método de entrada carece de importancia, siempre que contemos con un método que nos permita cortar las pérdidas de forma sistemática, ya que no existe ninguna diferencia entre una entrada aleatoria y una entrada basada en el movimiento de un péndulo y aún así nuestro trader ganaba dinero. Esto nos arroja una importante conclusión: Lo importante no es la forma de entrada, sino la gestión de la misma, tanto al cortar las pérdidas como al dejar correr los beneficios, como veremos en el siguiente apartado.

Let your profits run o dejar correr los beneficios

Además de cortar las pérdidas de forma inmediata debemos incorporar a nuestra estrategia una forma de permitir que nuestros beneficios crezcan con total libertad, ya sea con un sistema que mantenga la posición hasta que no se cambie a la posición contraria, como hacen los sistemas always-in o mediante un profit target que nos asegura un ratio de rentabilidad-riesgo favorable (si nuestro stop está en el 2%, y nuestro profit target en el 8%, la relación será de 4 a 1. Dejar correr los beneficios es crucial para los sistemas seguidores de tendencia, ya que la baja fiabilidad, que se sitúa en el rango 30%-40%, nos obliga a que el importe de las operaciones ganadoras sea superior al importe de las perdedoras para garantizar la esperanza positiva de nuestro sistema.

Dejar correr los beneficios, al igual que cortar las pérdidas, no es tan sencillo como parece ya que va en contra de nuestra naturaleza humana. Nuestras limitaciones psicológicas harán que en la mayoría de los casos tomemos beneficios en operaciones ganadoras, aunque el importe final ganado sea inferior al que nos dicta nuestra sistema. Para ilustrar como el dejar correr lo beneficios puede llegar a ser muy beneficioso vamos a recurrir a otra anécdota de Jake Bernstein.

…………recuerdo que en mis primeros años de trading compré unos contratos de futuros sobre Oro y los cerré cuando al poco tiempo el precio había subido y tenía la cuenta en positivo, sin embargo, por equivocación, no cerré todos los contratos y al cabo de 8 meses me llamó el broker para decirme que la fecha de vencimiento de los contratos estaba próxima y que necesitaba saber que hacía con la posición. Era increíble, ya que cada contrato me había hecho ganar 15.000 dólares. Mi broker me dijo que nunca había visto a nadie hacer tanto dinero en una sola operación, ni mantener tanto tiempo una posición con tanto beneficio…………………………….

Aunque nuestro objetivo como traders no es el de “comprar y olvidar”, la moraleja de la historia esta clara, el beneficio latente en una cuenta de trading nos condiciona a cerrar la posición y no mantener la disciplina de nuestro sistema.

Manage Risk o gestión del riesgo

La gestión del riesgo es fundamental, ya que se encarga de preservar nuestro capital, no olvidemos que ese es nuestro primer objetivo, el segundo es el de incrementar nuestra cuenta de trading. El mayor exponente para la correcta gestión del riesgo es la utilización de stops de pérdidas, así como contar con un capital inicial suficiente para soportar nuestro drawdown, como veremos a continuación.

En 1980, Russell Wasendorf realizó un trabajo de consultoría para un broker de commodities americano, con el objeto de analizar el efecto que el importe del capital inicial de cada inversor tenía en el resultado final de cada cuenta. Russell segmentó las cuentas llegando a la siguiente conclusión: De las cuentas que empezaban con menos 5.000 dólares, el 95% sufrían pérdidas al cabo de un año de trading, mientras que el porcentaje bajaba al 50% para cuentas de 50.000 dólares y este porcentaje era todavía inferior para cuentas de 100.000 dólares. Mediante este estudio, se demuestra empíricamente que el tamaño sí que importa………………por lo menos el de nuestro capital inicial.


“El inversor amateur se preocupa por las señales de compra y de venta, por definir si se trata de un movimiento alcista o bajista, en lugar de preocuparse por cuanto riesgo está dispuesto a correr en la siguiente operación y qué parte de su capital total debe exponer en la operación”.
Tom Basso “Mr. Serenity”

Bibliografía recomendada

- Bruce Babcock, ”The four cardinal principles of trading”, Mc Graw-Hill, 1996.
- Bruce Babcock, “The Business one Irwin guide to trading systems”, Irwin, 1989.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Modelizacion del desarrollador de sistemas de trading

El desarrollo de sistemas de trading es una actividad que requiere unas elevadas dosis de investigación e imaginación y es una tarea que una vez iniciada no tiene fin, siempre existe alguna idea nueva que probar, una nueva forma de entrar, una nueva forma de salir, un nuevo trailing stop, etc. Si hemos optado por la opción del trading a través de sistemas, antes de lanzar nuestro dinero al mercado tenemos dos cosas seguras:

(1) Nuestro resultado en el mercado será proporcional a las horas invertidas en el desarrollo de nuestra estrategia

(2) Durante las horas de mercado no debo tomar ninguna decisión sobre mi operativa de trading, la investigación y modificaciones a la estrategia se hacen fuera del horario del mercado, de esta forma me libero del estrés producido por la toma de decisiones con mi dinero en el mercado.

Puestas ambas premisas ante el trader, la cosa parece sencilla, se trata de conseguir una estrategia ganadora y se puede conseguir mediante la investigación constante, sólo hace falta tiempo, esfuerzo e investigación. Para ayudarnos en este proceso existen diferentes fuentes de información donde recoger ideas, principios, incluso códigos de programación de sistemas. Entre estas fuentes de información las más importantes son los libros y revistas especializadas. Tanto una como otra va a requerir un pequeño esfuerzo de lectura ya que el idioma oficial de los sistemas de trading es el inglés. En cuanto a las revistas, las más importantes y prestigiosas son:

■ Futures Magazine.
Revista bastante completa, donde además de consejos, entrevistas, etc. trata temas de actualidad de los mercados, comentarios a noticias, etc. El formato y la edición de la revista es excelente. http://www.futuresmag.com/

■ Technical Analysis of Stocks & Commodities.
La revista para traders más conocida a nivel mundial. Se trata de una excelente publicación que, aunque sin alcanzar demasiado nivel, trata todos los puntos y las cuestiones más candentes en el mundo del trading. Posee artículos y entrevistas que realmente aportan buenas ideas para luego aplicarlas. Utilizan un inglés claro, sencillo y bastante fácil de entender. http://store.traders.com/traderscom/magazine.html

■ Traders’ Magazine.
La revista para traders más completa para el lector europeo. De reciente creación, se edita en Alemania y cuenta con artículos, entrevistas, revisión de software y libros. Su contenido es de calidad y sus trabajos de investigación se centran en los mercados europeos, haciendo que esta publicación sea de gran importancia para los que utilizamos mercados europeos en nuestros desarrollos de sistemas de trading. http://www.traders-mag.com/

■ Futures Truth
Aunque el formato de esta revista es realmente la de un fanzine, la verdad es que aporta información muy valiosa sobre los sistemas de trading más utilizados a nivel global: rankings, entrevistas con desarrolladores, consejos, etc. El trabajo de investigación de este artículo se basa en las entrevistas de esta prestigiosa revista. http://www.futurestruth.com/

■ Wilmott Magazine
Paul Wilmott es uno de los más importantes gurús en finanzas cuantitativas. Su revista es la única especializada en esta materia, tratando con todo detalle el campo de la valoración de opciones, las tácticas de los hedge funds (sobre todo arbitrajes entre derivados) y curiosidades del mundo cuantitativo en general expresadas por este simpático genio de nuestros tiempos. Perfecta para quien disfrute con esta materia y quiera absorber conocimiento de los mayores expertos del mundo cuantitativo aplicado a las finanzas.
http://www.wilmottmagazine.com/

■ Active Trader
Se trata de una revista más enfocada al trader profesional. La información que suministra es realmente buena, pero hay que estar muy metido en el mercado y operar en muchos productos para sacarle partido al 100%. Por lo demás, sus entrevistas, sus temas de actualidad y sus comentarios ponen bastante al día. http://www.activetradermag.com/

Dentro de estas publicaciones podemos encontrar artículos sobre sistemas, códigos de sistemas y entrevistas a desarrolladores de sistemas, estas últimas son desde mi punto de vista un pilar fundamental en nuestra tarea ya que se trata de personas que cuentan con amplia experiencia y que han recorrido ya el camino que estamos comenzando a recorrer nosotros. Son, sin duda, una de las fuentes más importantes sobre la forma de enfocar nuestra investigación y en este artículo he tratado de sintetizar las principales ideas de las 16 primeras entrevistas de la revista FuturesTruth. Todas las personas entrevistadas son desarrolladores de sistemas profesionales (Welles Wilder, John Clayburg, Keith Fitschen, Mike Barna, John Ehlers, Chuck LeBeau, Larry Williams,…………) y el objeto de este artículo es el de exponer las cualidades comunes a estos traders. De esta forma y mediante un proceso de modelización podremos llegar a ver las cualidades y procedimientos que necesitamos para desarrollar con éxito nuestros propios sistemas de trading.

El proceso de modelización es utilizado por Van K. Tharp, autor de “Trade your way to financial freedom”, libro de obligada lectura. Durante 15 años ha entrevistado a más de 4.000 traders, analizando sus comportamientos con objeto de encontrar los puntos comunes en aquellos que operan con éxito en el mercado y de esta forma establecer las aptitudes que necesita un trader para operar con éxito en los mercados. A continuación se exponen 10 puntos que se repiten a lo largo de las entrevistas mencionadas anteriormente:

■ Un punto común entre todos los entrevistados es la disparidad en el método utilizado para entrar y salir del mercado. Existen infinitos métodos para operar con éxito ( osciladores tradicionales, ciclos, Inteligencia Artificial, Astrología, reconocimiento de patrones, etc….). La diferencia entre el trader profesional y el amateur está en que el profesional se centra en un método y lo exprime por completo hasta que determina si realmente es útil. El Amateur cambia de método y de sistema como de camisa y está inmerso en un proceso constante de búsqueda del sistema perfecto. Esta obsesión se convierte en un círculo cerrado del que no hay forma de salir ya que el sistema perfecto no existe ni existirá nunca.

■ Los entrevistados se iniciaron en el campo del trading mediante métodos discrecionales que en algunos casos les llevaron a grandes beneficios en una fase inicial, tornándose estos beneficios en pérdidas a medida que pasaba el tiempo En ese momento la búsqueda de un método de trading que asegurara unos beneficios constantes a largo plazo les llevó a introducirse en el campo de los sistemas de trading y a dedicar años a la investigación y al desarrollo de una estrategia mecánica de inversión.

■ Los sistemas de trading están basados principalmente en el Análisis Técnico, que a diferencia del Análisis Fundamental, nos permite utilizar el mismo método de trading a cualquier activo financiero. De esta forma todos los que desarrollamos y empleamos sistemas de trading nos beneficiamos de la diversificación por sistemas y por mercados: Contado, Commodities, Futuros Financieros, Opciones Financieras, Forex, Futuros sobre Renta Fija, etc. Esta es una de las grandes ventajas de la utilización de sistemas de trading como vehículo de inversión para nuestros ahorros.

■ Todos dedican la mayor parte de la jornada laboral a la investigación en nuevos sistemas, software, revistas especializadas y en definitiva todo aquello que nos lleve a mejorar nuestro plan de trading. Para la operativa en los mercados cuentan con Brokers que automatizan la operativa, Plataformas propias de automatización o con un trader que introduce las órdenes en el mercado. Es muy importante separar estas funciones. Lo realmente importante es el desarrollo de la estrategia no su aplicación en el mercado. Una buena gestión de las órdenes tendrá su importancia a medida que contemos con un sistema que realice muchas operaciones ya que en este caso el deslizamiento puede llegar a ser un serio problema para la estabilidad de los rendimientos de nuestro plan de trading.

■ A pesar de que las estrategias tienen que ser fijas y no variar a lo largo del tiempo, salvo en contadas excepciones. Se debe hacer una revisión constante del performance de los sistemas para ver si siguen funcionando según nuestras previsiones. La investigación y el desarrollo constantes nos aportará nuevos sistemas que podrán reemplazar aquellos que dejan de funcionar. Existe una corriente de pensamiento dentro de los sistemas que nos dice que todos los sistemas tarde o temprano dejarán de funcionar. De ahí la importancia de tener una estrategia que emplee un portfolio de sistemas que nos ofrezca unos resultados conjuntos que no se vean muy influenciados por el mal rendimiento de una de sus piezas, hasta que ésta pueda ser reemplazada.

■ Ante preguntas tan absurdas y ridículas como ¿Qué acciones son las más van a subir este año?, ¿Estamos ante un ejercicio alcista o bajista?, ¿Que rendimiento ofrecerá este ejercicio tal o cual sistema?.....la respuesta es siempre la misma, el ejercicio de predicción en los mercados debe quedar para los filósofos y profetas de la bolsa. Nadie sabe lo que va a hacer el mercado, por lo que lo único que vamos a buscar es un método que se beneficie de los movimientos del mercado, cuanto más robusto sea el mismo, menor desviación habrá entre los resultados del backtesting y los resultados reales. Dejemos la predicción para los magos y adivinos y centremos nuestro trabajo en la creación de una estrategia con Esperanza matemática positiva.

■ La clave del éxito con los sistemas están en hacer todas las operaciones que nos dicta el sistema. Si nos saltamos las operaciones que creemos van a ser perdedoras y dejamos que nuestro instinto interfiera con las señales generadas no estaremos en condiciones de obtener unos resultados similares a los del BackTesting y por lo tanto nuestra operativa será discrecional y no nos habrá servido de nada todo el trabajo de investigación que hemos desarrollado.

■ La evolución de estas personas se hace partiendo de estrategias complejas, acabando en estrategias simples cuyo funcionamiento en mercado goza de mayor robustez. Al iniciarnos en el desarrollo de sistemas tendemos a buscar el Santo Grial, a buscar la técnica perfecta que nadie conoce y por lo tanto al tratarse de algo innovador, debe ser algo complicado. La mayoría de las técnicas complicadas y complejas nos arrojan unos resultados muy prometedores en nuestro testeo del sistema y unos resultados muy pobres tras el desarrollo de la estrategia en tiempo real. Esto no significa que debamos cerrarnos a la investigación en nuevas ideas y campos de trabajo, sino que debemos mantener nuestra estrategia lo más sencilla posible para evitar el curve fitting o SobreOptimización. Lo podríamos resumir en la búsqueda del sistema KISS. Keep it simple Stupid.

■ El mayor problema del desarrollo de sistemas está en el curve fitting o SobreOptimización. Esta ineficiencia aparece cuando hacemos un sistema que se ajusta a los datos históricos con los que hemos elaborado nuestro sistema, haciendo que sea un sistema que obtiene el máximo beneficio de los datos pasados y que cuenta con escasas posibilidades de repetir dichos resultados en la operativa real del Sistema. Siempre que desarrollamos un sistema estaremos expuestos a este problema y la forma de solventarlo es mediante técnicas de desarrollo que garanticen la robustez de los parámetros y mediante años de experiencia en nuestro trabajo con Sistemas.

■ El mayor problema en la implementación del sistema está en la lucha psicológica que aparece tras la llegada del DrawDown Desde el momento en que empezamos a aplicar nuestro sistema en el mercado sabemos que en algún momento nos encontraremos con un DrawDown similar al que nos arroja el BackTesting. Lo importante es saber afrontar esa etapa y confiar en la robustez del sistema.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

¿Son robustos sus resultados?

A pesar de todos los esfuerzos realizados en el campo de los Sistemas Mecánicos de Trading, MTS en adelante, todavía no existe un único método de evaluación, tanto cuantitativo como cualitativo, de los diferentes parámetros que forman un MTS. Además, pensamos que este método único y universal nunca existirá, por dos factores fundamentales: por un lado están las diferencias en las metodologías de desarrollo de estos MTS y por otro la escala de preferencias de los traders que aplican estos sistemas.

Para algunos el factor más importante es el beneficio neto (Net Profit), para otros la mayor serie de pérdidas (Max DrawDown) y también están los que prefieren sistemas con una fiabilidad alta (Profitability), es decir que el número de operaciones ganadoras frente al número total de operaciones sea satisfactorio. ¿Qué sistema elegimos? ¿Qué método de evaluación para los parámetros seleccionamos? Existen muchos métodos de aproximación y al final todos aquellos que se dedican al desarrollo de sistemas eligen aquellos que mejor se adaptan a sus preferencias personales y profesionales.

Optimización del sistema de trading

En primer lugar, vamos a introducir el concepto de optimización, siendo éste un aspecto muy importante y controvertido en el desarrollo de los MTS. Existe una opinión muy extendida al respecto: “Cuanto menos optimizado esté un sistema, más robusto será en el futuro”. También están los que se oponen frontalmente a cualquier forma de optimización, aunque esto lleva a muchos creadores de sistemas a reducir su batería de herramientas para mejorar los resultados del sistema. Nosotros estamos a favor de la optimización, siendo conscientes de que un exceso de optimización (SobreOptimización) nos puede llevar a unos resultados irreales ya que si ajustamos excesivamente nuestros parámetros a la distribución de precios del pasado, tendremos un sistema perfecto para los datos pasados, pero que bajo ninguna circunstancia ofrecerá los mismos resultados con los datos futuros, esto es lo que los anglosajones denomina curve-fitting.

¿Beneficio o robustez del sistema de trading?

Después de llevar a cabo algunas pruebas y descubrir los valores de nuestros parámetros optimizados que obtienen el máximo beneficio, utilizando los datos históricos. ¿Podemos esperar que con esos valores obtengamos en el futuro el máximo beneficio? La respuesta es NO. Debemos aproximarnos a la optimización como un medio para encontrar los mejores valores para nuestros parámetros, como medio para encontrar el rango de valores, que nos ofrezcan una mayor confianza y valor de predicción para los datos futuros. Se trata de un viejo problema entre dos eternos rivales, ya que nuestro objetivo está en encontrar un sistema con el mayor beneficio, y a su vez con la mayor robustez posible.

La Robustez de un sistema es la cualidad que nos permite esperar en el futuro un resultado similar al obtenido con los datos pasados. Un MTS poco robusto o inestable, es aquel que en el futuro, tras un cambio en la distribución de los precios del mercado, nos lleva a obtener unos resultados mucho peores que los obtenidos en el periodo analizado. En la práctica, no existe una forma clara de evaluar la robustez, mediante los programas genéricos de análisis técnico que todos estamos acostumbrados a usar, como TradeStation, OmniTrader, o Metastock, para esto tendremos que acudir a otras herramientas de optimización, entre las que encontramos el método de prueba externa (“Out of Sample”) y el método de optimización con proyección futura u optimización proyectada (“Walk Forward”).

Es interesante proceder a un análisis visual del mapa de optimización de un valor para la evaluación de la robustez del MTS. Este método también nos permite medir la influencia de un parámetro determinado en el resultado del sistema y definir la porción del mapa de optimización donde el sistema es más robusto, esta es una herramienta imprescindible para el desarrollo de los MTS. Debemos mencionar también que este método puede ser usado para evaluar, no solo el beneficio neto (Net Profit) sino también otros parámetros como la Fiabilidad (Profitability), el promedio de beneficio/perdida por operación (AverageWin/AverageLoss), la mayor serie de pérdidas (Max DrawDown). Nosotros para simplificar la explicación del artículo, vamos a centrarnos única y exclusivamente en el análisis del beneficio neto (Net Profit), para completar el análisis de robustez.

Para graficar el mapa de optimización en tres dimensiones existen distintas herramientas y programas especializados que distribuyen los valores de los óptimos de las variables en los ejes X e Y, dejando el resultado del sistema, (medido en Net Profit, Max DrawDown, AverageWin/AverageLoss, Profitability, etc) en el eje Z. El análisis visual del mapa de optimizaciones tiene una ventaja frente a otros métodos de evaluación de los MTS. Mediante un rápido vistazo al gráfico, podemos ver la interacción global de unos parámetros frente a otros y su influencia sobre el beneficio neto, además de cómo este difiere sobre la media, permitiéndonos ver qué parámetros no debemos utilizar en el sistema.

El primer síntoma de inestabilidad lo tenemos cuando se producen saltos bruscos en la superficie debido al bajo número de operaciones, después nos fijaremos en la pendiente del mapa, ya que cuanto menor sea dicha pendiente, más robusto será el MTS. También debemos observar la superficie obtenida desde diferentes posiciones, lo que nos determinará si hemos establecido correctamente los parámetros para el proceso de optimización, es decir, si los límites establecidos en nuestro proceso de optimización fueron los apropiados. A continuación, veamos algunos puntos en común que se pueden deducir de la observación de mapas de optimización son los siguientes:

Cualquier pico en la superficie del mapa nos indica cierta inestabilidad y casualidad en los resultados obtenidos. De esta forma usaremos un sistema, donde el cambio de una unidad de un parámetro hace cambiar el resultado del beneficio de forma drástica, como podemos ver en la figura 1.

Una superficie que descienda suavemente desde un máximo, nos indica estabilidad y por lo tanto fiabilidad de los valores que se presentan como óptimos.

Si la parte con mayor beneficio está comprendida en un espacio pequeño, puede que tanto los límites seleccionados para la optimización, como el salto entre valores para dicha optimización fueran demasiado grandes. Disminuyendo ambos y aumentando la resolución, cualquier pico se puede convertir en una superficie plana y viceversa, esto es lo sucede en la figura 2.

Algunas veces uno puede ver pequeños picos en la superficie. Esto muchas veces significa que el sistema muestra cierta inestabilidad ante los cambios de un parámetro y menos sensibilidad ante otros. Por lo tanto si el rango de un parámetro permanece de forma plana durante un intervalo continuado de forma consistente frente al resto de parámetros, debemos seleccionar la escala más minuciosamente y prestar más atención en la evaluación del mapa. (Figura 3).

Figura 1 Figura 2 Figura 3

Conclusión

El método de evaluación visual de los mapas de optimización, se debe tener siempre en cuenta en el momento de verificar los resultados de nuestra optimización. Entre sus ventajas se encuentra la presentación de unos resultados de forma visual y por lo tanto de rápida y simple interpretación. Después de testar una multitud de sistemas con dicho método, nos complace confirmar que es un método adecuado para realizar una discriminación de sistemas, para concentrarnos en los mejores parámetros o por lo menos lo de mayor consistencia con los datos del pasado y que nos tengan un mayor valor de predicción. La mayor desventaja del análisis visual está relacionada con la evaluación subjetiva, ya que cada persona extrae consecuencias del mapa de optimización tras su visualización, este problema lo encontramos también en la toma de decisiones mediante los patrones de gráficos del análisis técnico (Chartismo).

Todos los usuarios y creadores de sistemas tienen una aproximación personal sobre dicho análisis y para solventar este problema existen aplicaciones como el 3D Smartview (Rina Systems), que nos arroja la pendiente de la superficie en cada punto, haciendo que nuestra labor de selección de los óptimos más robustos, sea más objetiva.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Trading discrecional VS Trading sistematico

Cualquier persona o institución interesada en hacer trading en los mercados financieros tendrá que definir los mercados sobre los que va a operar: contado, futuros sobre bonos, índices o divisas, commodities, Forex, opciones, etc. También se debe decidir el broker con el que vamos a trabajar, los países en los que vamos a operar y un conjunto de decisiones entre las que se encuentra la de hacer trading sistemático, esto es, mediante sistemas de trading o hacer trading discrecional. Veamos a continuación un par de definiciones que nos van a servir para introducir el contenido de este artículo.

Trading Discrecional vs. Trading Sistemático

El trading sistemático es aquel que se canaliza mediante sistemas de trading, mediante reglas concretas y bien definidas de nuestras entradas y salidas. Lo contrario del trading sistemático es el discrecional, en el que no existe ninguna regla definida, el trader decide sobre la marcha y en base a su propio criterio cuando entrar y cuando salir de una posición. Si decidimos operar de forma discrecional no tendremos forma de testear nuestra estrategia antes de comenzar a aplicarla y nuestro trabajo se centrará en las horas de negociación. Si por el contrario operamos de forma sistemática podremos hacer todas las pruebas que consideremos necesarias antes de lanzarnos a operar con nuestro dinero y el verdadero trabajo se centra en la investigación de nuestros sistemas de trading.

Trading System vs. System Trading

"System Trading" consiste en operar en los mercados con un conjunto de sistemas de trading con baja correlación de resultados con objeto de reducir el riesgo del portfolio. Algunos sistemas serán a corto plazo, otros a largo, tendremos sistemas tendenciales y anti-tendencia, etc. Podríamos traducirlo como Trading Sistemático y su fuerza reside en el conjunto de sistemas. “Trading System” o Sistema de trading es una de las piezas que componen la estrategia mediante sistemas. Es un conjunto de reglas de entrada y salida aplicados a un determinado mercado o mercados.

BENCHMARKING MEDIANTE BARCLAY GROUP

Una vez tomada la decisión sobre que tipo de trading vamos a hacer – aunque lo normal es que nos lancemos a operar sin tomar esta decisión y lo hagamos de forma discrecional hasta que los números rojos nos indiquen que estamos haciendo algo mal y nos decidamos por aprender algo sobre eso que algunos llaman sistemas de trading – lo siguiente será establecer un marco de referencia o benchmarking para evaluar nuestros resultados, para esto existen muchos índices que nos pueden servir de referencia y en este artículo vamos a hacer referencia a los índices de Barclay Group (www.barclaygrp.com).

Barclay Group es una empresa americana dedicada a clientes institucionales y orientada a la investigación sobre hedge funds y gestión de portfolios. Fundada en 1985, sus bases de datos cuentan con los resultados de 4.201 hedge funds y programas de inversión mediante futuros. Con toda la información sobre esta gestión, Barclay elabora tres tipos de informes cuyo público son las instituciones financieras, además publica en su web de forma gratuita un conjunto de índices entre los que vamos a destacar dos que nos van a servir como Benchmarking para nuestra operativa y como forma de comparar la gestión discrecional de la gestión sistemática.

Barclay Systematic Traders Index

Formado por programas cuyo porcentaje de gestión es mecánico en, al menos, el 95% del total gestionado. En el año 2004 este índice estaba compuesto por 333 programas, con igual ponderación.

Barclay Discretionary Traders Index

Formado por programas cuyo porcentaje de gestión es discrecional en, al menos, el 65% del total gestionado. En el año 2004 este índice estaba compuesto por 85 programas, con igual ponderación.

Figura 1. Rentabilidades Netas anuales y acumuladas, sin capitalizar los retornos, de los Indices de Barclay Group y del Indice americano S&P 500. Los datos de 2005 son a 24 de Marzo.

Figura 2. Rentabilidades netas acumuladas, sin utilizar capitalización compuesta, de los Indices incluidos en la figura 1. Los datos de 2005 son a 24 de Marzo.

En la figura 1 aparecen las rentabilidades Netas de los gestores clasificados según su operativa, ya sea discrecional o sistemática. Como podemos ver en la propia definición de los índices de Barclay Group, el número de gestores que opera mediante programas mecánicos es muy superior al de los discrecionales y los gestores incluidos en el Systematic Index son totalmente mecánicos mientras que los incluidos en el Discretionary Index sólo necesitan que un 65% de sus programas de trading sean discrecionales, por lo tanto, las rentabilidades de los discrecionales también dependen de programas mecánicos, aunque no existe forma de saber si este efecto es positivo y o negativo para el índice. La figura 2 muestra una gráfica comparativa de ambos índices desde 1987 con el retorno porcentual acumulado sin capitalizar los importes generados. También se incluye un índice de referencia, el S&P 500 para verificar una estrategia de comprar y mantener. Tras el análisis de ambas figuras podemos extraer las siguientes conclusiones:

■ El año 2004 y el primer trimestre de 2005 están siendo nefastos para los programas de trading mecánicos, en el mismo periodo el comportamiento del índice discrecional fue superior. Este bajón en los rendimientos de los sistemas de trading se debe a la baja volatilidad que ha mostrado el mercado y a la falta de tendencias. La mayoría de los sistemas de trading siguen tendencias, ya sean tendencias a corto plazo (gráficos intradiarios) o a largo plazo y ante una ausencia de tendencias claras y a una baja volatilidad es muy difícil conseguir que un sistema de trading arroje resultados positivos. Esto no implica que los sistemas de trading hayan dejado de funcionar. La tendencia y la volatilidad volverán a los mercados, sólo hay que esperar y aguantar el Draw, a largo plazo los sistemas seguidores de tendencias nos harán ganar dinero.

■ Es posible generar dinero de forma consistente a lo largo de los años mediante una operativa basada en sistemas de trading. No sólo es posible batir al mercado, en este caso al Indice S&P500, sino que además lo conseguimos con unos resultados anuales mucho más estables. El DrawDown de nuestra equity es mucho menor como podemos observar en la figura 2. Comprar y mantener es una estrategia que nos expone a unos riesgos excesivos como se puede ver en los ejercicios 2000, 2001 y 2002. Los números nos dicen que con un trading basado en sistemas hemos obtenido mayor rentabilidad que ante la estrategia ‘Buy and Hold’ y ante la estrategia discrecional y además, lo hemos conseguido con un menor riesgo.

Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Sistemas de Trading VI: Analisis de resultados (2)

Análisis Gráfico de Sistemas de Trading

Mediante el análisis gráfico vamos a obtener, de forma visual, una buena aproximación sobre la bondad del sistema. En paquetes como TradeStation es posible realizar una gran cantidad de gráficas sobre nuestro modelo (Eficiencia, MAE, MFE, Drawdowns, Run-ups, etc), que escapan al objeto de esta breve explicación, por lo que nos vamos a referir a los dos gráficos que considero más importantes:

Equity Curve (Curva de Resultados). También denominada Equity Line, es la representación gráfica de nuestro resultado neto. En el eje de ordenadas tenemos el número de operaciones que realizamos y en el eje de abscisas el resultado neto que va a acumulando el sistema, partiendo de un capital inicial que en el ejemplo de la Figura 3 es de 100.000 € . Para que nuestro sistema sea fiable vamos a buscar curvas de resultados que asciendan de forma constante, sin movimientos bajistas bruscos, como la que se expone a continuación:

Figura 3. Equity Curve o Curva de Resultados.

Resultados Netos Mensuales. Como podemos observar en la figura 4, cada mes representa una barra, cuyo color vendrá determinado por el resultado neto del mes, verde para lo meses positivos y rojo para los negativos, de esta forma podremos comprobar si el resultado total se debe a algún dato atípico (en este caso mes atípico) o si existen muchos meses con saldo neto negativo, lo que supondría un serio problema relacionado con la disciplina necesaria para operar con el sistema. El objeto de este gráfico es el de verificar la homogeneidad del sistema en una escala mensual, ya que sabemos que nos vamos a encontrar operaciones perdedoras, pero los resultados mes a mes nunca arrojan grandes pérdidas.

Figura 4. Resultados Netos mensuales.

Análisis Temporal de Sistemas de Trading

El análisis temporal no cuenta con la relevancia del análisis de ratios o el gráfico y su mayor utilidad es la de servirnos como indicador de como va a ser la operativa durante la implementación del sistema en tiempo real. Al haber seleccionado un sistema seguidor de tendencia puro estaremos siempre en mercado, ya sea mediante posición larga o corta. Como vemos en la figura 5, estamos en el mercado el 99,73% del tiempo total utilizado para el backtesting, por lo que si utilizáramos este método para operar nos mantendremos siempre posicionados.

También es importante analizar el periodo medio de duración de cada operación que en nuestro ejemplo es de 1.29 días, por lo que en media, al abrir una posición tendremos que esperar al día siguiente para cerrarla. Los sistemas seguidores de tendencia siguen la máxima de “Dejar correr los beneficios y cortar rápidamente las pérdidas”, es lo que uno de los maestros en el desarrollo de sistemas, Tushar Chande denomina sistemas TOPS COLA (Take Our Profits Slowly, Cut Our Losses At once), nuestro sistema cumple este principio ya que las posiciones ganadoras se mantienen, en media, 1.67 días, mientras que las perdedoras no llegan al día (0.96).

Como podemos comprobar con el resto de variables, este tipo de análisis nunca supondrá una restricción a no utilizar el sistema, sino que simplemente nos ayudará a mantener la confianza en el en el mismo durante su implementación en el mercado. Cuanto más sepamos sobre el comportamiento del sistema, mejor rendimiento le sacaremos en su implementación.

Figura 5. Tabla de Análisis Temporal.

Como saber si nuestro sistema ha dejado de funcionar

Supongamos que nuestro sistema ha pasado todas las pruebas a las que le hemos sometido y no sólo ha superado con creces el control de calidad establecido si no que lo ha hecho con nota, por lo que nos hemos decidido a pasar a la fase de implementación. Tras un periodo inicial de buen funcionamiento y beneficios, el sistema parece que ha dejado de funcionar y se ha convertido en una máquina de perder dinero, ¿se trata de una mala racha o es que el sistema no es tan bueno como nos parecía?.

Lo primero que vamos a verificar es que si estamos utilizando un sistema seguidor de tendencia, éste no ha dejado pasar ninguno de los grandes movimientos del mercado para los que fue ideado. Como vimos en el artículo sobre la tipología de sistemas, los seguidores de tendencia son rentables a largo plazo debido a que se mantienen mucho tiempo en mercado y el resultado final depende de unas pocas operaciones (regla 80-20 de Pareto). Si nuestro sistema ha dejado pasar una de estas grandes operaciones, es que ya no merece la pena seguir utilizándolo.

Si estamos operando con un sistema seguidor de tendencia y hemos entrado en un periodo lateral, vamos a perder dinero ya que este tipo de operativa siempre lo hace en los mercados laterales y lo que tenemos que hacer es armarnos de paciencia y esperar a la rotura del rango lateral. Si estamos empleando un sistema de explosión de volatilidad, nos saltará la alarma cuando la fiabilidad del sistema esté por debajo de la fiabilidad media, que para este tipo de sistemas es más elevada que para los seguidores de tendencia.

Otra señal de aviso que podríamos utilizar es la relacionada con el máximo Drawdown, si por ejemplo nuestro sistema ha entrado en un Drawdown que excede al histórico en un 50 o 100%, se debe cortar la operativa y revisar el sistema.

“La evaluación de sistemas de trading no es un arte, sino una ciencia. Existe un procedimiento claro, con un rango definido de resultados aceptables. Toda vez que hemos definido estos límites, la evaluación debe convertirse en algo rutinario. Cuando los resultados obtenidos al implementar el sistema se alejen de estos parámetros establecidos, el sistema deberá ser revisado. La detección temprana de un mal sistema es tan importante para nuestra salud financiera a largo plazo, como lo es el desarrollo del propio sistema”. Charlie F. Wright

Conclusión sobre análisis de resultados de Sistemas de Trading

En este artículo se ha pasado revisión a las principales herramientas que nos ofrece cualquiera de los muchos paquetes de análisis técnico (en nuestro ejemplo hemos usado TS2000i) para evaluar los resultados de un Sistema de Trading Mecánico, separando esta evaluación en tres apartados que son de mayor a menor importancia: Análisis numérico, Análisis Gráfico y Análisis Temporal. Nos hemos centrado en los aspectos fundamentales de la evaluación, por lo que existirán además de los mencionados numerosos ratios, gráficos y tablas complementarios. Como conclusión a lo expuesto propongo una serie de puntos que debemos recordar cada vez que nos propongamos evaluar un nuevo sistema de trading.

Nuestro objetivo está en la búsqueda de un sistema con el mayor Resultado Neto posible, sin embargo, no tenemos que cegarnos por estos beneficios, debemos concentrar nuestros esfuerzos en un sistema que haya ganado dinero en el pasado y que, sobretodo, sea lo suficientemente robusto como para mantener los beneficios en el futuro.

La evaluación de resultados es una herramienta muy potente que nos va a servir para dar el visto bueno al sistema y para saber como reaccionar durante la fase de implementación del sistema, fase para la que no estamos emocionalmente preparados y en la que tendremos que luchar contra nuestra naturaleza humana.

Cualquier desviación del sistema, en su etapa de implementación en tiempo real, ya sea positiva o negativa debe ser objeto de estudio y reflexión para verificar que los parámetros establecidos en el modelo siguen siendo útiles.

Si queremos que nuestra cuenta de resultados refleje los números que arroja el backtesting de nuestros datos históricos, estaremos obligados a realizar todas las operaciones que nos dicta el sistema, esto es mucho más complicado de lo que parece y por lo general siempre que empezamos a operar según las señales de un sistema, pensamos que podemos mejorar las estadísticas si cambiamos algunas señales. La experiencia de las pérdidas le demostrará que a la larga su sistema habrá generado más dinero que su operativa discrecional.

Verifique que la curva de resultados del sistema (Equity Line) sube de manera estable y sin caídas bruscas.

Cuanto mayor sea el número de operaciones generadas por un sistema en la fase de backtesting, mayor fiabilidad tendrá el resultado obtenido.

Probablemente, el punto más importante de la evaluación de un sistema está en el máximo Drawdown intradiario, ya que este es el verdadero coste de operar con el sistema. Si no somos capaces de soportar esas pérdidas, no debemos operar con el sistema.

Si está desarrollando un sistema que opera en el lado largo y en el corto, analice ambas estadísticas de forma independiente, ya que puede que nuestro sistema necesite cambiar los parámetros dependiendo de la posición o que funcione sólo con largos o sólo con cortos.


Bibliografía recomendada:

“Análisis Técnico de los mercados financieros”. John J. Murphy.
“Cybernetic Trading Strategies”. Murray A. Ruggiero Jr.
“Trading as a Business”. Charlie F. Wright.
“Encyclopedia of trading strategies”. Jeffrey Owen y Donna Mc Cormick.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Sistemas de Trading V: Analisis de resultados

Introducción al análisis de resultados de un sistema de trading

En la última entrega de esta colección de artículos sobre Sistemas de Trading nos vamos a centrar en el análisis de los resultados. Trataremos cómo construir los ratios, tablas y gráficos que sirven para evaluar el resultado o performance obtenido por nuestro sistema y, en definitiva, analizaremos su bondad para poder compararlo con otros sistemas y estrategias. La ventaja de la aplicación de sistemas de trading sobre otras estrategias está en poder observar y evaluar estos datos y poder así trabajar con un modelo que sea completamente objetivo, la estadística no nos engaña y nos dirá siempre lo que realmente sucedió. Para la explicación de esta estadística básica, hemos establecido una clasificación del análisis en función al tipo de herramientas utilizadas y a la importancia relativa: Análisis numérico o de ratios, Análisis gráfico y Análisis temporal.

Existen infinidad de ratios y estudios para realizar la evaluación, sin embargo estos escapan al objeto del presente artículo. Vamos a abordar el problema desde un nivel introductorio y a medida que el lector vaya profundizando en este apartado irá ampliando las herramientas utilizadas, incrementando la complejidad y riqueza del estudio, aunque como en muchos otros apartados de la creación de sistemas, las cosas sencillas y lógicas son las que mejor funcionan y en muchas ocasiones nos complicamos la vida en exceso. Para el estudio del performance del sistema he tomado el sistema tendencial más sencillo y conocido que existe, un sistema de cruce de medias móviles simples con precio de cierre, con las siguientes características:

Tipo de Sistema	Sistema Intradiario Continuo
Producto financiero	Futuro del Ibex35
Multiplicador (futuros)	10 €
Compresión	15 minutos
Periodo	01/01/2001 – 31/12/2002
Base de datos	RSIDAT
Comisiones ( ida y vuelta )	6 €
Slippage	0 €
Garantías	7.000 €

El software utilizado para la explicación es el TS2000i de TradeStation Technologies Inc., ya que es la plataforma comercial más completa para el desarrollo de Sistemas de Trading. Existen, además de este, una gran variedad de programas como MetaStock, WealthLab o VisualChart con los que también podemos construir, evaluar y aplicar nuestra estrategia.

Objetivo de la evaluación de resultados de un sistema de trading

Para empezar, en ningún momento debemos olvidar el objetivo final del desarrollo de un sistema de trading: Lo que realmente buscamos es la obtención de un beneficio monetario con la aplicación posterior de la estrategia diseñada, por lo que antes de implementar el sistema tenemos la obligación de evaluar e interpretar los resultados obtenidos para dar respuesta a las siguientes preguntas:

I. ¿Qué probabilidad existe de que el rendimiento futuro del sistema se asemeje al rendimiento pasado arrojado por el backtesting?
II. ¿Cuáles son los principales riesgos del sistema y la rentabilidad esperada?
III. ¿Cómo se puede comparar dos o más sistemas para ver cuál se ajusta más a mis necesidades como inversor?
IV. ¿Es posible, antes de implementar el sistema en tiempo real, establecer unos niveles de alerta que nos avisen sobre el incorrecto funcionamiento del sistema durante su implementación?

Figura 1. Análisis del resultado total del sistema.

Análisis numérico o de ratios de un sistema de trading

Constituye la parte más importante de nuestro trabajo de análisis y para su estudio contamos con dos tablas: la Figura 1 representa el resultado global, tomado como suma de posiciones largas y cortas y la Figura 2 toma ambas posiciones de forma independiente. Es muy importante separar las posiciones cortas de las largas para evaluar si nuestro sistema debe ser aplicado sólo en una de las direcciones o para detectar errores en el desarrollo del mismo. En determinadas ocasiones estaremos buscando sistemas que operen sólo en un lado del mercado, ya sea por limitaciones técnicas, casi siempre relacionadas con la posición corta, o por nuestras necesidades de inversión. Por lo tanto, las conclusiones extraídas de la Figura 1 son en todo caso extrapolables a la Figura 2.

Figura 2. Análisis de largos y cortos de forma independiente.

Net Profit (Resultado Neto). Este es el primer número en el que nos fijamos al realizar un sistema. Esta compuesto por la suma de todas las operaciones ganadoras menos la suma de todas las operaciones perdedoras. En cada operación está descontado el gasto de comisiones y slippage. Si el objetivo de cualquier estrategia es ganar dinero, ¿Cuánto gana nuestro sistema?. Nuestro primer objetivo es conseguir que este importe sea positivo. Muchos iniciados consideran este punto como el más importante para implementar el sistema en tiempo real, sin embargo, se trata de una condición necesaria pero no suficiente para valorar nuestro sistema y tenemos que evaluar esta cifra junto con el resto de variables que mostramos a continuación, el resultado neto es simplemente un filtro inicial. En nuestro ejemplo vemos que el resultado Neto es de 91.316 €, habiendo realizado 564 operaciones (n=564).


Maximum Drawdown (Reducción Máxima). Este es el dato más importante en la evaluación de los resultados. El Drawdown máximo es la mayor caída de los resultados, en términos monetarios, desde un pico hasta un valle y resulta una medida excepcional del riesgo máximo del sistema. Vamos a distinguir entre:

Drawdown inicial. Sólo nos interesa la reducción tomada desde el inicio del funcionamiento del sistema.
Drawdown completo. Tomamos todas las reducciones durante la vida del sistema, es por lo tanto más conservadora que la anterior y es la recomendada.
Drawdown diario. Toma para su cálculo sólo los precios de cierre (datos diarios) de las sesiones o del cierre de las posiciones.
Drawdown Intradiario. Toma para el cálculo de la reducción todos los valores ocurridos durante la sesión (datos intradiarios), es más conservadora que la anterior y por supuesto, la recomendada.


En la figura 1, vemos que TradeStation trabaja con un Drawdown Intradiario y Completo, tomando el caso más perjudicial para nosotros. Algunos autores aplican un coeficiente multiplicador a este Drawdown (multiplicado por 1.5 o por 2), para hacerlo todavía más conservador o realizan una Simulación de Montecarlo (estimación autosuficiente o Bootstrap), para intentar llegar al peor de los escenarios posibles. En nuestro ejemplo vemos que el Drawdown intradiario máximo asciende a 10.084 €, por lo que debemos contar en nuestra cuenta con esta cantidad más la garantías exigidas (en nuestro ejemplo 7.000 €) para acometer la mayor serie de pérdidas del sistema.

“El uso de las estadísticas históricas producen una efecto tranquilizador, sobre todo en lo relativo a las pérdidas. El conocimiento de dicha estadística, nos aportará la serenidad suficiente para sobrevivir cuando estemos en un DrawDown”. Charlie F. Wright

Return on Account (Rentabilidad de la Inversión). Se trata de una combinación de los dos números anteriores para crear un ratio formado por el resultado neto en el numerador y la inversión inicial más el Drawdown máximo en el denominador. Nos ofrece el rendimiento obtenido en función al dinero necesario para obtener dicha rentabilidad, y constituye un ratio fundamental para comparar nuestro resultado con otras formas de inversión. En nuestro ejemplo vemos como este ratio es de 534,51% o 5,34 y la interpretación es sencilla: Por cada euro inmovilizado en el sistema hemos obtenido 5,34 €. Otra forma muy conocida de medir la relación Riesgo/Recompensa es mediante el ratio de Sharpe, cuya formula exponemos a continuación.

Profit Factor. Ratio formado por el total aportado por las operaciones ganadoras en el numerador y el total aportado por las operaciones perdedoras. Se trata de un número que nos indica cuantas veces excede el importe aportado por las buenas operaciones sobre el importe detraído del resultado final por las operaciones perdedoras. En nuestro ejemplo el Profit Factor es de 1,48.


Número Total de operaciones. Intentaremos siempre contar con el mayor número posible de operaciones para mejorar la robustez del sistema, en nuestro ejemplo n=564, lo que supone una muestra suficiente para dar validez al resto de datos analizados.

“Cuanto mayor sea el número de operaciones en una muestra, mejor será la estimación de las propiedades medias del universo total”. Tushar Chande


Percent Profitable (Fiabilidad). Ratio formado por el número de operaciones ganadoras (258) dividido por el número de operaciones perdedoras (306). En nuestro ejemplo la fiabilidad es del 45,74%, porcentaje más que aceptable para un sistema seguidor de tendencias.

AverageWin/AverageLoss (Promedio de las operaciones). Es la expectativa matemática de nuestro Sistema, y lo podemos expresar como ratio entre lo que ganan las operaciones buenas y lo que pierden las operaciones malas, en nuestro ejemplo este ratio es de 1.76, es decir, que contamos con una expectativa matemática positiva, y también se puede expresar como promedio monetario de cada operación, en nuestro ejemplo cada operación, en media, genera 161,91 €.

Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Sistemas de Trading IV: Herramientas de desarrollo de sistemas

Introducción a las herramientas de desarrollo de Sistemas de Trading

En la cuarta entrega de esta colección de artículos sobre Sistemas de Trading vamos a introducir las fases que intervienen en su desarrollo, así como las herramientas que necesitamos para su construcción. Al tratar las etapas del desarrollo nos encontramos con una clasificación que depende de cada desarrollador y que en ningún caso será definitiva, se pretende simplemente dar una guía de las fases generales, según la opinión de algunos autores y la experiencia personal y que cualquier persona interesada en crear su propio sistema deberá adaptar a sus métodos de trabajo. Debemos dedicar tiempo a la creación de este procedimiento, ya que una vez concluido, nos servirá para todos los sistemas que queramos elaborar.

En cuanto a las herramientas, nos vamos a centrar en el software imprescindible para el desarrollo, sin entrar en las necesidades posteriores para la implementación del sistema en tiempo real. También estudiaremos el desarrollo de sistemas sin entrar en la gestión monetaria, que es una parte crucial en nuestra estrategia global de acercamiento a los mercados, aunque se trata de dos áreas que se pueden enfocar independientemente, lo primero es elaborar un buen sistema de trading, y después vendrá el desarrollo de un algoritmo de gestión monetaria. A diferencia de lo que mucha gente piensa, el money management no convertirá un sistema perdedor en uno ganador, lo que conseguirá es partiendo de un buen sistema, mejorar sus resultados.

”Si usted desarrolla un sistema de Trading, que ha pasado todas sus pruebas y realmente cree que va a funcionar, no se lo cuente a nadie. Utilícelo porque, en algún momento, dejará de funcionar. Entienda que no funcionará de forma ilimitada y comience a investigar para crear nuevos sistemas”. Steve Lescarbeau

Etapas en el desarrollo de un Sistema de Trading

Este artículo se ha elaborado pensando en sistemas de trading mecánicos (M.T.S.) pero el desarrollo nos sirve también para otras aproximaciones como son las figuras Chartistas o las Ondas de Elliot, no olvidemos que se trata de abordar nuestra operativa en los mercados financieros mediante un conjunto de reglas bien definidas, cuya diversidad es infinita. No creo que exista un enfoque universal para ganar dinero en la bolsa, cada método tiene sus ventajas e inconvenientes y lo realmente importante es encontrar el que funciona para cada uno de nosotros.

I. Seleccionar el comportamiento de mercado que estamos buscando. Como primera aproximación vamos a definir el tipo de comportamiento de mercado del que vamos a intentar obtener beneficios y por consiguiente el tipo de trader que queremos ser. Existen tres grandes tipos de comportamiento de mercado: Mercados de tendencia, Mercados de rango o laterales y Mercados con Volatilidad. Se trata de una elección ignorada por muchos traders, cuya única preocupación es la de buscar un sistema que nos ofrezca el mayor rendimiento monetario posible, sin pensar en el tipo de operativa que vamos a encontrarnos. De nada nos sirve un sistema que genere dinero, si no somos capaces de operar con él, debido a nuestras limitaciones emocionales.

Si lo que queremos es operar con sistemas de tendencia debemos ser capaces de soportar una Fiabilidad baja, situada en el intervalo [30% - 50%], así como operaciones en las que se produce una devolución de más de la mitad de las plusvalías latentes. La mayoría de los sistemas de trading de éxito son los tendenciales, aunque los sistemas de contratendencia no deben pasarse por alto, ya que aportan un grado de correlación negativa a la tabla. Esto significa que cuando un sistema gana dinero, el otro lo pierde, y el resultado es una curva de valor más suave para ambos sistemas combinados que para cada uno de ellos por separado.

”El desarrollo de un sistema de trading es en parte arte, en parte ciencia y en parte sentido común. Nuestra meta no es desarrollar un sistema que logre los rendimientos más altos usando los datos históricos, sino formular un concepto fundado que haya funcionado razonablemente bien en el pasado y que pueda seguir haciéndolo en el futuro”. Fred G. Schutzman

II. Definir el tipo de operativa que queremos hacer. Toda vez que sabemos el tipo de mercado al que nos vamos a dirigir, decidiremos el tipo de operativa que vamos a seguir y por ende el tipo de vida que queremos hacer. Debemos decidir si queremos operar intradía, lo que implica una jornada laboral a tiempo completo o si por el contrario queremos operar en gráficos diarios o semanales, lo que nos permite dedicarnos a nuestra profesión habitual y en los ratos libres dedicarnos a la operativa de trading. La decisión de la Escala Temporal (Time Frame) a utilizar es en todo caso personal y no existe una respuesta correcta, dependerá del tiempo que podamos dedicar al trading y de nuestra personalidad y tenemos que tomar esta decisión antes de desarrollar el concepto base sobre el que girará nuestro sistema. Cuando menor sea la escala temporal mayor el número de operaciones y menor el tiempo medio por operación. Tendremos que ver también si queremos posicionarnos en el lado largo o en el corto o en ambos.

III. Desarrollar la idea sobre la que se basa el sistema. Antes de escribir el código de nuestro sistema debemos desarrollar los conceptos sobre los que se fundamentará nuestro conjunto de reglas, para esta fase analizaremos, entre otros, el mayor número de gráficos para buscar patrones de precios que se repiten en el tiempo, tablas de correlaciones, comportamiento de indicadores, osciladores, artículos, libros de trading, seminarios y revistas especializadas, entre las que destaca ‘Technical Analysis of Stocks & Commodities’ (www.traders.com), como la publicación más completa para el trader. Nadie nos dirá donde está el Santo Grial, pero encontraremos una enorme cantidad de información útil en el trabajo realizado por otros. Sobre todo, lo más importante es que pensemos por nosotros mismos y lleguemos a conclusiones válidas basadas en nuestras propias creencias y personalidad.

“El principal problema del Trading está en el desarrollo de un sistema de reglas para gestionar algo que es completamente imprevisible”. Anthony Warren

IV. Transformación de las ideas originales en un conjunto objetivo de reglas. En esta fase expresaremos todas nuestras ideas en términos objetivos para que cualquiera que las lea llegue a las mismas conclusiones que nosotros, eliminando así la posible subjetividad que tuviera nuestra idea inicial. Tendremos que diseñar nuestras entradas, salidas, filtros, stops de pérdidas, stops de protección de beneficios, objetivos de beneficios por operación y muchos más detalles para los que resulta imprescindible el uso de alguna aplicación de análisis técnico, como las mencionadas en la segunda parte del artículo.

V. Evaluar los resultados (Backtesting) y optimización de los parámetros. Tras definir las reglas de funcionamiento de nuestro sistema, realizaremos un testeo (Backtesting) para verificar los resultados que hubiera tenido nuestro sistema con los datos pasados, para esto habrá que tener en cuenta el slippage y los costes de transacción. También procederemos a optimizar los parámetros del sistema y una vez finalizado el Backtesting y la optimización, pasaremos a evaluar los resultados obtenidos. En cuanto a la valoración, cada autor recomienda mirar unos ratios y desestimar otros. Si desde mi experiencia desarrollando sistemas tuviera que dar unos ratios sobre los que basar mi evaluación sobre el sistema, recomendaría los siguientes: Fiabilidad, Profit Factor, DrawDown máximo, número total de operaciones y sobre todo uno de los muchos ratios de Rentabilidad/Riesgo. La optimización se debe utilizar como un medio para mejorar un sistema que sin optimizar gana dinero, pero nunca para convertir un sistema perdedor en uno ganador, asegurándonos que tras la optimización nuestro sistema sea robusto y que el resultado total del sistema no depende de un porcentaje bajo del total de operaciones generadas por el sistema.

VI. Mantenimiento y mejora del Sistema. Tras acabar el sistema y ponerlo en funcionamiento no debemos olvidarnos de vigilar el rendimiento y las estadísticas obtenidas para verificar que el sistema se comporta de forma similar a como se ha comportado en el pasado. Además del mantenimiento, nos encontramos con autores que consideran que un sistema nunca se acaba y que siempre podremos mejorar sus reglas de funcionamiento, y por otro lado existe otra corriente que considera que una vez finalizado el sistema no es aconsejable hacer modificaciones.

“Los sistemas de trading se deben someter a un mantenimiento regular, independiente de sus resultados. Esperar al momento de la pérdida para revisar el sistema es un gran error, a pesar de que es el procedimiento habitual seguido por la mayoría de los traders”. Charles LeBeau

Herramientas necesarias para el desarrollo de nuestro Sistema de Trading

Base de datos de cotizaciones. Este es el pilar sobre el que vamos a construir nuestro sistema, si no contamos con una base de datos fiable y extensa, nunca construiremos un buen sistema, a pesar de que contemos con las mejores ideas y el mejor software de desarrollo. La base de datos debe ser fiable y estar completa para que los resultados históricos del sistema se repitan en las operaciones futuras, es decir, para que nuestro sistema sea Robusto. Murray A. Ruggiero segmenta los datos con los que contamos para nuestra elaboración del sistema en tres grupos:

Development Set. Que incluye los datos que nos sirven para desarrollar el sistema.
Test Set. Datos que utilizaremos para verificar los resultados obtenidos y finalizar el sistema
Out of Sample Set. Conjunto de datos que una vez concluido el sistema, utilizaremos para hacer una última comprobación antes de lanzarnos a la operativa en tiempo real.

Actualmente existen much os proveedores de datos y debido a la importancia de contar con una base de datos de calidad debemos buscar un buen servicio. Si lo que buscamos son bases de datos con la menor compresión posible (tick) el referente del mercado es TickData (www.tickdata.com), si por el contrario queremos construir nuestro sistema con cotizaciones diarias, ‘End Of Day’, encontraremos las mejores bases de datos en CSI Data (www.csidata.com), ambas empresas son americanas por lo que no cuentan con mucha información sobre el mercado español. Si nuestro objetivo es construir un sistema robusto para el mercado continuo o para los productos derivados de MEFF, acudiremos a servicios de calidad como el proporcionado por RSIDAT (www.rsidat.com)

Software de Análisis Técnico. Para el desarrollo de nuestro sistema existe un amplio abanico de programas, que no son objeto de este artículo por la complejidad de evaluar cada uno de ellos, en la revista Stocks & Commodities encontraremos evaluaciones periódicas de los paquetes informáticos que se pueden encontrar en el mercado. Tras mi experiencia con diferentes productos me gustaría recomendar el software de TradeStation Technologies Inc (www.tradestation.com), que es con diferencia el mejor para el desarrollo de sistemas, cuenta con su propio lenguaje de programación ‘EasyLanguage’ y si lo que queremos es crear sistemas basados en patrones gráficos de precios, recomendamos el software de Equis (www.equis.com), ya que su producto, MetaStock, es el que ofrece el mejor rendimiento al trabajar con gráficos (charts).

Conclusiones sobre las herramientas de desarrollo de Sistemas de Trading

En este artículo he tratado de orientar al futuro desarrollador de sistemas en las etapas que se deben seguir y en parte de las herramientas que existen en el mercado para su desarrollo y como conclusión quiero destacar una cita de Fred G. Schutzman que recoge la cualidad más importante que debe tener cualquiera que se proponga desarrollar su propio sistema de trading: trabajo, trabajo y más trabajo.

”Con mucho trabajo y dedicación, cualquier persona puede crear un sistema de trading que funcione bien. No es fácil, pero sí que está dentro de lo factible. Como casi todo en la vida, lo que usted obtenga de este esfuerzo estará directamente relacionado con lo que haya puesto en él”. Fred G. Schutzman

Bibliografía recomendada:

“Análisis Técnico de los mercados financieros”. John J. Murphy.
“Cybernetic Trading Strategies”. Murray A. Ruggiero.
“Trading as a Business”. Charlie F. Wright.
“Encyclopedia of trading strategies”. Jeffrey Owen y Donna Mc Cormick.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Sistemas de Trading III: La optimización

Introducción a la optimización de sistemas

En los dos artículos anteriores hemos analizado, la evolución natural del trader, desde que se inicia en los mercados hasta que obtiene los conocimientos y aptitudes necesarias para desarrollar su propio sistema y también hemos establecido una clasificación genérica de sistemas. En el presente artículo nos referimos a un tema que genera bastante polémica entre los detractores de la operativa con sistemas de trading, la Optimización. Definiremos este término, explicando sus ventajas, diferentes métodos de Optimización, el concepto de Mapas de Optimización y Robustez y sobre todo definiremos sus inconvenientes y peligros, donde nos encontraremos con la SobreOptimización.

Trataremos la optimización desde un punto de vista tradicional, dejando para posteriores artículos las técnicas alternativas al modelo tradicional, entre las que destacan la optimización proyectada o Walk-forward Optimization y los sistemas auto-adaptados o Self-adaptive systems.

Definición de Optimización. Se trata del proceso de búsqueda de la mejor solución de una determinada función objetivo, por ejemplo nuestros beneficios, sujeta a unas restricciones, que son nuestro conjunto de reglas y parámetros. Hemos restringido la definición a los sistemas de trading, a pesar de que la optimización abarca un campo mucho más amplio. La optimización en la práctica consistiría en lo siguiente. Supongamos que queremos hacer un sistema para operar en el futuro del ibex-35 y que nuestro sistema sólo tiene un parámetro, que es una media móvil simple, ¿qué periodo escogemos para dicho indicador?, podríamos elegir uno de forma arbitraria o podríamos optimizar esta media simple, para que, por ejemplo, entre los valores 1 y 100 y con saltos de 1 unidad, seleccione el parámetro que ha obtenido los mejores resultados en la serie histórica de precios.

¿Es necesaria la optimización en el desarrollo de un sistema de trading?

Desde que los ordenadores irrumpieron en nuestras vidas, se ha utilizado la optimización para el desarrollo de sistemas y se ha establecido un debate que aún hoy continúa, sobre la validez de dicho proceso. La controversia se centra en que la distribución de precios del pasado no supone ninguna garantía de la curva de precios futura y por lo tanto cualquier proceso de optimización será inútil, ya que los parámetros de nuestro sistema se ajustarán (fitting) a la distribución de precios del pasado y como la distribución pasada no influye el desarrollo de la distribución futura, los resultados de la optimización nunca serán extrapolables a los resultados futuros de nuestro sistema.

Normalmente, aquellos que se acercan a esta postura, confían su operativa a métodos como las ondas de Elliot, las técnicas de Gann o el Chartismo. Irónicamente, estos mismos traders que enfatizan los peligros de la optimización , también usan una forma de testear los resultados de sus técnicas sobre los gráficos pasados, de esta forma observan los gráficos pasados y revisan su metodología, de esta forma generan confianza en su operativa futura y esto no es muy diferente del proceso típico de optimización , salvo que de esta forma probamos nuestro sistema de forma subjetiva, mediante un vistazo a los gráficos pasados. Si usted está buscando un método para invertir o especular en el mercado, ¿preferirá unas reglas que han funcionado en el pasado o por el contrario utilizará unas reglas que no sabe con seguridad si funcionaron en años anteriores? La mayoría de los detractores de la optimización , a lo que realmente temen es a la SobreOptimización, (OverOptimization o curve-fitting), éste si es un verdadero problema, y no la optimización.

El proceso de creación de un sistema de trading es un proceso de prueba y error en el que la optimización juega un papel muy importante, que no debemos subestimar. Aunque se trata de uno de los últimos pasos que debemos dar en el desarrollo de nuestro sistema, y debemos aplicar la optimización a un sistema que sea rentable en su conjunto de reglas originales como medio para buscar un mejor rendimiento del mismo, nunca debemos seguir el proceso contrario, esto es, partir de la optimización para crear nuestro sistema.

Tipología de Optimizadores según Jeffrey Owen y Donna McCormick

Optimizadores Implícitos. Son aquellos procesos en los que la optimización no se hace de forma explícita. Supongamos el trabajo de un trader que está desarrollando un sistema para aplicar a su operativa diaria, nuestro trader observa determinados comportamientos repetitivos en las cotizaciones de un producto financiero y diseña unas reglas para beneficiarse de dicho comportamiento, tras aplicar estas reglas observa que los resultados son bastante pobres por lo que decide hacer algún ajuste a su sistema, y repite este proceso, una y otra vez, hasta que llega a un conjunto de reglas cuyo resultado genera la suficiente confianza como para utilizarlo en su operativa diaria. ¿Se trata de un sistema optimizado? Parece que nuestro trader a llegado a un buen sistema sin haber optimizado sus parámetros, sin embargo, dado que hemos testado diferentes reglas y al final nos hemos quedado con la que más beneficio generaba, se trata de una optimización de facto, aunque ésta sea implícita.

Optimizadores de Fuerza Bruta o Lineales. Un optimizador lineal encuentra la mejor solución, mediante la prueba sistemática de todas las posibles soluciones. Deben verificar todas y cada una de las iteraciones definidas en el proceso de optimización , por lo que son bastante lentos. Esta lentitud puede suponer un gran problema cuando nos enfrentamos a un proceso con muchas iteraciones, lo que se denomina “explosión combinatoria”. Supongamos que tenemos un sistema con 4 parámetros y cada uno de ellos puede tomar 50 valores, nos enfrentamos a una optimización de 6.250.000 interacciones (504). Si cada iteración se ejecuta en aproximadamente 1.64 segundos (TradeStation), nos encontramos con un periodo de optimización de 4 meses aproximadamente, que hacen a estos optimizadores totalmente inoperativos cuando nos enfrentamos a problemas con un número muy elevado de iteraciones. En estos casos debemos fijarnos en los optimizadores genéticos.

Optimizadores genéticos. Son los optimizadores más rápidos y potentes que existen, deben su nombre a que realizan un proceso evolutivo en la búsqueda de la mejor solución. Se trata de optimizadores estocásticos, ya que se benefician de un proceso de aleatoriedad en la búsqueda del óptimo. Además de la aleatoriedad, incorporan una mezcla de selección y combinatoria. La base de estos optimizadores está en los algoritmos genéticos y su principal fuerte está en la velocidad y el amplio espectro de posibles resultados que pueden cubrir. Si abordamos el mismo problema con un optimizador lineal y con uno genético, descubriremos que el genético llegará a la solución con mayor celeridad y en muchos casos nos ofrecerá una solución mejor ya que la región a explorar no se encuentra delimitada por los incrementos que le hemos impuesto a la optimización lineal. Recordemos que en una optimización lineal, si nuestro parámetro lo definimos entre 0 y 50 con saltos de 5 en 5, en ningún caso se podrá obtener una solución que no sea múltiplo de 5.

El problema de la SobreOptimización

La SobreOptimización o “curve-fitting”, es el resultado de una optimización excesiva, ya sea por contar con una muestra de datos insuficiente o por tener un sistema con demasiados parámetros, y en cuyo resultado nos hemos ajustado como un guante a la serie histórica de precios, por lo que la menor desviación en la distribución de precios del futuro respecto a la pasada, traerá consecuencias bastante negativas para el rendimiento de nuestro sistema. Nuestro objetivo, por lo tanto, como diseñadores de sistemas es el de minimizar los peligros de la SobreOptimización, para lo que vamos a establecer una serie de principios que debemos vigilar en nuestra fase de desarrollo de cualquier sistema de trading.

Desarrolla tu sistema en base a una idea o teoría extraída del Mercado. Debemos aplicar la lógica a nuestro conjunto de reglas y asegurarnos que dichas reglas tienen sentido. Debemos ser capaces de explicarle a cualquier persona nuestras reglas de forma sencilla y fácil de entender, así como comprender la lógica de cada uno de los indicadores con los que trabajamos.

Mantén el sistema simple. Según Charlie F. Wright, el rendimiento de un sistema es inversamente proporcional a su complejidad. Cada nuevo indicador (parámetro) que incluyamos en el modelo aumenta el riesgo de ajuste a la curva de precios “curve-fitting”, por lo que mantengamos nuestro sistema simple y con un número de parámetros reducido.

Evita realizar la optimización sobre una muestra de datos pequeña. Esta es una condición indispensable. Si la muestra analizada no es significativa, los resultados extraídos nunca se podrán aplicar al universo total de datos, se trata de una regla de sentido común, cuanto más extensa sea nuestra base de datos, mayor probabilidad de éxito tendremos, además, tendremos que incluir en la muestra las tres grandes clasificaciones del mercado, a saber, mercado alcista, bajista y lateral. Si nuestro sistema sólo se ha optimizado en un periodo bajista, cuando llegue un periodo alcista, nuestro sistema nos generará pérdidas.

Aseguraté que el sistema funciona, en un conjunto de acciones, futuros o commodities. Deberíamos sospechar de un sistema que funcione bien sólo en un producto. Si he diseñado un sistema que funciona bien con las acciones del BBVA y de Telefónica, pero que pierde mucho dinero con Repsol y Endesa, tendré más dudas sobre el futuro rendimiento de mi sistema que el caso en el que dicho sistema funcione, razonablemente bien, en estos cuatro títulos. Por lo tanto, a mayor número de pruebas con diferentes valores mayor robustez tendrá nuestro sistema. Un ejemplo de esto último estaría en el sistema ‘Aberration’ de Keith Fitschen, es un sistema multi-commoditie que utiliza los mismos parámetros para operar en diferentes mercados y productos.

Verificar los resultados mediante técnicas estadísticas y optimizaciones de prueba externa. Toda vez que hemos acabado nuestra optimización , existen métodos para evaluar la bondad de los resultados, de forma objetiva. Por un lado contamos con técnicas de inferencia estadística, que no son objeto de este artículo y por otro lado contamos con la optimización de prueba externa (Out of Sample), que consiste en optimizar sólo sobre una parte la muestra total, por ejemplo (1/3) y después aplicar el sistema con los parámetros óptimos en el resto de la muestra (2/3), para verificar el funcionamiento del sistema en un periodo no optimizado.

Verificar los resultados del sistema en un intervalo próximo al parámetro(s) optimizados(s). Vamos a ver esto mediante un ejemplo, supongamos que estamos optimizando un sistema con una media móvil exponencial y el resultado obtenido es de 23. Pero que ocurre con el resultado del sistema en un intervalo próximo, digamos de +/- 5, ¿qué resultado arroja el sistema con una media de 21 periodos? ¿y con una de 27 periodos? Si el sistema funciona bien en todo el intervalo establecido tendremos una señal de la robustez del sistema. Si nuestro sistema tiene menos de tres parámetros podremos verificar su robustez mediante los mapas de optimización. En el siguiente apartado introduciremos esta herramienta y para más información sobre los mapas de robustez les remitimos al artículo ¿Son robustos sus resultados? de Oleg Karpushev y Konstantin Kopyrkin,

Robustez y mapas de Optimización

La Robustez de un sistema es la cualidad que nos permite esperar en el futuro un resultado similar al obtenido con los datos pasados. Un Sistema de Trading Mecánico poco robusto o inestable, es aquel que en el futuro, tras un cambio en la distribución de los precios del mercado, nos lleva a obtener unos resultados mucho peores que los obtenidos en el periodo analizado. Una forma de verificar la robustez de un sistema es mediante los mapas de optimización , que son superficies o rectas en las que se visualiza el valor que toma la variable optimizada (por ejemplo el Beneficio), en cada uno de los posibles valores de nuestro conjunto de parámetros. A continuación veremos un ejemplo de mapa de optimización en tres y dos dimensiones, en el que en el eje Z tenemos el resultado neto y en lo ejes X e Y, tenemos el conjunto de posibles valores que toman los dos parámetros del sistema que hemos utilizamos para la explicación. A continuación, veamos algunos principios que debemos seguir en la observación de los mapas de optimización :

Cualquier pico en la superficie del mapa nos indica cierta inestabilidad y casualidad en los resultados obtenidos. De esta forma usaremos un sistema, donde el cambio de una unidad de un parámetro hace cambiar el resultado del beneficio de forma drástica, como podemos ver en la figura 1, con los tres picos que están pegados próximos al fondo del mapa.

Una superficie que descienda suavemente desde un máximo, nos indica estabilidad y por lo tanto fiabilidad de los valores que se presentan como óptimos. Esta búsqueda de mesetas en el mapa de optimización se puede hacer más objetiva mediante la medición de la pendiente de nuestro mapa en los puntos próximos a los óptimos.

Si la parte con mayor beneficio está comprendida en un espacio pequeño, aunque no se trate de un pico, puede que tanto los límites seleccionados para la optimización , como el salto entre valores para dicha optimización fueran demasiado grandes, por lo que debemos disminuir ambos para verificar la robustez de nuestro sistema.


Figura 1. Mapa de optimización en 3D de una optimización con dos parámetros, que oscilan entre 0,5 y 10. Podemos apreciar como, a medida que nos desplazamos por las diferentes posibilidades de nuestros parámetros, se crean unas montañas que constituyen el mapa de Optimización, en este ejemplo diferenciamos claramente tres picos, que son los puntos de mayor beneficio del sistema.


Figura 2. Mapa de optimización en 2D de una optimización con dos parámetros, que oscilan entre 0,5 y 10. Es el mismo mapa que en el ejemplo anterior pero ahora en dos dimensiones, distinguiendo fácilmente los tres picos mencionados en la figura anterior.

Conclusiones sobre la optimización de sistemas de trading

Como conclusión al artículo vamos a establecer unos sencillos consejos para acertar con la optimización:

- Utilice siempre pocas reglas y pocos parámetros en el desarrollo de su sistema de trading.
- Optimice los parámetros de su sistema sobre muestras grandes y representativas.
- Verifique los resultados mediante técnicas de inferencia estadística.
- Utilice una metodología de Prueba externa, sin optimizar sobre el total de la muestra, deje una parte para verificar los resultados obtenidos.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Sistemas de Trading II: Clasificacion

Introducción

Tras analizar, en el anterior artículo, la evolución natural del Trader, desde que se inicia en los mercados hasta que obtiene los conocimientos y aptitudes necesarias para desarrollar su propio Sistema de Trading, nos vamos a centrar en los diferentes tipos de Sistemas que existen. Cualquier persona interesada en aproximarse a la operativa de Trading mediante un Sistema se va a encontrar con multitud de Sistemas y metodologías de desarrollo, por lo que se trata de una clasificación que va a ser lo más objetiva y sencilla posible, y que seguro podrá ser completada por el lector. El objetivo es meramente didáctico sin ofrecer ninguna recomendación directa sobre un sistema concreto, aunque si sobre determinados aspectos generales, a la hora de orientar en el futuro desarrollo de sistemas. Hay miles de Sistemas en el Mercado y el mejor de todos es aquel que cada Trader diseñe en función a la operativa con la que se encuentre más cómodo. No espere hacerse millonario con el sistema que alguien le ha vendido. Desarrolle sus propias reglas de trabajo.

Definición de Sistema de Trading. A pesar de que, este término admite multitud de definiciones y segmentaciones, desde un punto de vista teórico, no es más que un conjunto de reglas que generan señales de entrada y salida en un determinado mercado, o para ser más exactos, señales de apertura de posiciones (largas y cortas) y de cierre de posiciones (largas y cortas). Tras esta definición, nos encontramos con una herramienta que es demasiado sencilla para su uso directo, por lo que debe ser complementado con un férreo modelo de Gestión del Riesgo (Stop loss), un buen sistema de Gestión Monetaria (Money Management) y una buena base de Psicología aplicada.

Clasificación de sistemas en función a su grado de discrecionalidad

Sistemas Mecánicos (Mechanical Trading Systems). Son los sistemas a los que haré referencia en este y en sucesivos artículos y como su propio nombre indica, las señales se generan de forma mecánica, es decir, que una vez desarrollado el conjunto de reglas, las órdenes se irán generando sin necesidad de nuestra intervención, por lo que nosotros, simplemente, nos dedicaremos a colocarlas en el mercado. Las ventajas de este tipo de Sistemas son las desventajas de los Sistemas discrecionales y viceversa. Dentro de esta categoría tendríamos los Sistemas de Trading Automáticos, que se caracterizan por el envío directo de las órdenes al broker, sin necesidad de que el operador introduzca las órdenes, ahorrando tiempo, y salvando el principal obstáculo con el que nos enfrentamos al empezar a operar, nosotros mismos.

Sistemas Discrecionales (Discretional Trading Systems). En ellos el Trader se basa en unas reglas a las que aplica su intuición ante cada operación en el mercado. Su gran ventaja está en la flexibilidad y adaptación a los cambios en los mercados. Sus inconvenientes están en la necesidad de tomar decisiones de forma constante, decisiones que afectan nuestro control emocional. Además, la verificación de sus resultados en una serie histórica es imposible y requieren mucha concentración y tiempo por parte del Trader. No es aconsejable su uso si no contamos con una dilatada experiencia como Trader , como es el caso de uno de sus máximos defensores, Joe DiNapoli, que nos habla de estos sistemas en su obra “Trading with DiNapoli levels”.

Clasificación de sistemas por los datos utilizados y el posicionamiento en el mercado

Sistemas Continuos (Always-In Systems). Son los sistemas que están siempre en el mercado, pasan de posición corta a larga y viceversa, pero nunca cierran la posición. Son los que ofrecen mayores rentabilidades, aunque también son lo que conllevan un mayor riesgo.

Sistemas Intradiarios Puros (Intraday Systems). Lo que define a un sistema intradiario es que se cierran todas las posiciones durante la jornada, es decir, que al cierre de cada sesión tenemos todo nuestro capital en liquidez. Se utilizan bases de datos intradiarias y el principal atractivo de estos sistemas está en evitar el riesgo del gap de apertura. Son los de menor rentabilidad y riesgo.

Sistemas Intradiarios Continuos (Overnight Systems). Son los sistemas que abren posiciones durante la sesión mediante datos intradiarios, sin la obligación de cerrar las posiciones al final de la sesión bursátil. Debido al riesgo de los gaps de apertura, tienen un drawdown mayor que los intradiarios puros, aunque también generan rentabilidades superiores por lo que la ecuación rentabilidad riesgo se sitúa en un punto intermedio, entre las dos categorías anteriores.

Clasificación de Charlie F. Wright

Generalmente, existen tres tipos de mercados: tendenciales, laterales y volátiles. Esta clasificación se basa en estas fases del mercado. Desde una perspectiva perfeccionista, lo único que tendríamos que hacer, para ganar mucho dinero, es saber la fase en la que nos encontramos y su futura duración y aplicar el tipo de sistema correspondiente. Es algo bastante sencillo en la teoría, pero imposible en la práctica. Nadie ni nada puede predecir los movimientos del mercado. Los mercados en tendencia son siempre los más rentables y los que todo trader debe buscar, el problema está en que nunca sabemos cuando va a llegar una buena tendencia y una vez que estemos en tendencia, nunca sabremos su duración. Algunos autores como John J. Murphy, establecen que los mercados como regla general sólo está en tendencia 1/3 de las veces.

Sistemas de Tendencia. Estos sistemas se benefician de periodos prolongados de subidas o bajadas, y algunos ejemplos serían los Sistemas de rotura de rangos (Breakout Systems), como la regla de las 4 semanas de Richard Donchian, o los Sistemas de medias móviles, que pueden ser entre otras, exponenciales (EMA), simples (SMA), Triangulares, (TMA), Ajustadas al Volumen (VAMA), adaptativas (AMA), etc y se podrán utilizar cruces de una media con el precio, dobles o triples cruces entre las medias, etc. Las posibilidades son infinitas y no son objeto de este artículo.

Sistemas Antitendencia o de Soporte y Resistencia (S/R). En un periodo lateral lo que buscaremos será, principalmente, indicadores que nos indiquen Sobrecompra o Sobreventa para buscar los giros del mercado. Buscan una anticipación que en muchas ocasiones será perjudicial para nuestra cuenta de resultados, aunque en periodos prolongados de lateralidad nos proporcionarán un buen número de operaciones ganadoras, con sustanciales beneficios. Ejemplos de indicadores, conocidos por todos, son el RSI de Welles Wilder y el Estocástico de George Lane.

Sistemas de Expansión de Volatilidad. Los mercados volátiles se caracterizan por saltos abruptos del precio de los que nos podremos beneficiar, principalmente mediante ordenes de compra o venta condicionadas, suelen ser movimientos rápidos de corta duración y algunos de los indicadores más conocidos para la construcción de estos sistemas son el ATR (Average True Range) de Welles Wilder o las Bandas de Bollinger.

Esta es, desde mi punto de vista, la principal clasificación y nuestro trabajo consiste en desarrollar la categoría que más se ajuste a nuestra personalidad y a nuestras posibilidades, a este respecto, no tiene sentido desarrollar un sistema que nos proporcione un buen ratio rentabilidad-riesgo si no estamos preparados, psicológicamente, para operar con él. Cada trader debe decidir por si mismo, ya que existen ejemplos de traders con éxito en las tres categorías, aunque los mayores ejemplos de éxito están en la utilización de Sistemas de Tendencia, que son por otro lado, los más difíciles de operar debido a que cumplen con el principio de Pareto o regla 80/20.

Según este principio, la parte principal de nuestros ingresos o actividades realmente productivas se produce en el 20% de nuestras operaciones, el resto, el 80% serán actividades improductivas o en nuestro caso, operaciones perdedoras. Lo único que necesitamos para generar dinero es que el 20% de las operaciones ganadoras ganen más de lo que perdemos en el restante 80% de las operaciones.

Market Facilitation – Teoría a favor de los sistemas tendenciales

Peter Steidlmayer es ampliamente conocido en la industria del Trading por la teoría del Market Profile, sin embargo, pocos conocen su teoría sobre la Facilitación de los Mercados o Market Facilitation, que es crucial para aportarnos la serenidad que se necesita en los periodos laterales (Choppy Markets), ya que operando con un Sistema Tendencial, en los momentos de lateralidad nuestro sistema perderá dinero y debemos tener la suficiente confianza en nuestras reglas, para aguantar estas pérdidas y esperar a que llegue la tendencia.

Según esta Teoría, la única razón de existencia de los Mercados está en facilitar el Trading. Los Mercados existen para atraer trader. El Mercado necesita que los traders compren o vendan constantemente, ya que si esto no sucede, morirán. Se deben mover para sobrevivir. Según Steidlmayer los mercados son como organismos vivos, que basan su supervivencia en atraer compradores y vendedores.

Si se mantienen mucho tiempo sin una tendencia clara, los traders perderán el interés por operar en ellos, el volumen irá descendiendo, la falta de liquidez aumentará el slippage y al final, de forma irremediable, el mercado se cerrará. Esta teoría es imprescindible para que el Trader que opera con Sistemas Tendenciales tenga confianza en que los periodos laterales no pueden durar eternamente, tarde o temprano el mercado tendrá que romper por algún sitio, ofreciéndonos una tendencia que nos compensará por las pérdidas ocasionadas por el anterior periodo de lateralidad. Charlie F. Wright en su obra “Trading as a Business”, nos ofrece la siguiente tabla para ayudarnos a decidir nuestro tipo de Sistema.

Tipo de Sistema	Tendencial	S/R	Volatilidad
Tiempo en el mercado	Siempre en el mercado	No siempre en el mercado	Mucho tiempo fuera del mercado
Fiabilidad (% de operaciones ganadoras)	Baja	Media	Alta
Donde se gana el dinero	En las grandes movimientos	En los periodos laterales	En las explosiones del mercado
Donde se pierde dinero	En los periodos laterales	En los periodos de fuerte tendencia	En los periodos tranquilos
Principales Desventajas	Muchas señales falsas y periodos largos de Drawdown	Dificultad en mantener la rentabilidad a largo plazo	Nunca cogen los grandes movimientos, se salen antes
Principales Ventajas	Posibilidad de elevados beneficios a largo plazo	Mayor Fiabilidad	Alta Fiabilidad
Beneficio medio por operación	Alto en un periodo largo de prueba	Menor que en el anterior	Bajo
Filosofía	Comprar alto y cerrarse más alto todavía. Vender bajo y cerrarse más abajo	Comprar bajo y vender alto (sabiduría popular)	Operaciones muy rápidas y de corta duración
Control Emocional	Muy difíciles de operar por la regla 80/20 y por comprar alto y vender bajo	Más sencillos ya que compramos bajo y vendemos alto	Muy sencillos de utilizar, operaciones muy rápidas y excitantes

Resto de sistemas

En esta categoría, vamos a hacer mención a un cajón desastre del resto de sistemas, cuyas particularidades nos obligan a establecer unas categorías diferenciadas, se trata de sistemas menos conocidos, algunos se consideran ‘extravagantes’, y otros cuentan con importantes barreras de entrada, como es el cálculo matemático y la necesitad de desarrollarlos con unos buenos equipos informáticos. Por estas razones, al estar más restringidos al gran público, tienen un alto potencial de crecimiento.

Sistemas basados en las fases lunares. Se trata de sistemas basados en ciclos lunares. Sabemos que la fuerza gravitacional de la luna afecta a las mareas, a los movimientos de los arrecifes de coral y sobretodo afecta al comportamiento humano, afectando al número de crímenes, o de nacimientos que se producen durante periodos de luna llena. Si la luna afecta nuestro comportamiento, y el mercado no es más que una masa de traders que se posicionan según sus expectativas, llegamos a la conclusión de que un sistema basado en las fases lunares puede tener bastante lógica. Muchos traders le han dedicado tiempo a este tipo de sistemas, desde Larry Williams hasta Larry Pesavento.

Siempre había creído que se trataba de algo ridículo y sin ningún sentido, hasta que vi un gráfico de Larry Pesavento como los que muestro a continuación en las Figuras 2 y 3, en ellos se ve claramente la influencia de las fases lunares en el gráfico del futuro del Ibex-35. No se trata de operar, a partir de mañana, utilizando las luna llena o la luna nueva, sino de tener un campo nuevo de actividad sobre el que investigar y que sin duda puede dar muchas satisfacciones a cualquier desarrollador de sistemas, que tenga inquietudes por ampliar sus conocimientos, sin duda se trata de gráficos que nos deben hacer reflexionar.

Figura 2. Futuro del Ibex-35 en gráfico de barras de 30 min, en la que se aprecia el cambio de tendencia producido el día 02 de Enero de 2003, día de luna llena.


Figura 3. Futuro del Ibex-35 en gráfico de barras de 30 min, en el que se aprecia el giro alcista que se produjo el día 1 de abril de 2003, con la luna nueva y como la subida se paró el día 16 del mismo mes coincidiendo con la luna llena.


Sistemas basados en la Actividad Solar. Se trata de un tipo de sistemas similar al anterior, en el que las señales se generarán por medio de manchas solares, en vez de por las fases lunares. A lo mejor piensa que me he vuelto loco al intentar buscar una relación entre las manchas solares y los movimientos del mercado, pero esta relación existe y está ampliamente documentada, como se puede ver en los siguientes ejemplos.

En momentos de elevada actividad solar se ven afectadas las transmisiones por radio de larga distancia, incluso las interferencias que vemos en la televisión están en ocasiones provocadas por la actividad solar, así como cambios en el clima y por supuesto, alteraciones en el comportamiento humano, y por lo tanto de los mercados financieros. Durante 1987 hubo sólo 3 días en los que el número de manchas solares (Indice de la actividad solar) fue superior a 100, dos de estos días fuero el 15 y el 16 de Octubre. La probabilidad de correspondencia entre el Lunes Negro y una elevada actividad solar es inferior al 1%. Probablemente, ahora esté más interesado que antes en este fenómeno y ya no lo vea como algo extravagante. Desde mi punto de vista, cualquier fenómeno que, de alguna manera, afecte al comportamiento humano y se pueda cuantificar es susceptible de investigación por parte del Trader en su búsqueda constante de herramientas con los que enfrentarse al mercado.

Sistemas basados en Ciclos. Los dos modelos anteriores están también basados en un tipo determinado de ciclos, por lo que en este apartado nos vamos a referir a los ciclos de forma genérica. Ciclos que se repiten de forma periódica formando figuras que podamos aprovechar para generar operaciones ganadoras. Todo aquel interesado en profundizar en este tema encontrará en Walter Bressert a uno de los gurús en la materia. Probablemente, el software más conocido sobre procesos cíclicos es el MESA (Maximum Entropy Spectral Analysis), desarrollado por John Ehlers.

Sistemas basados en Redes Neuronales (IA) Las redes neuronales se encuadran dentro de la Inteligencia Artificial y se desarrollaron con el objeto de simular la metodología de procesamiento y el proceso de toma de decisión de los organismos vivos. Intentaremos simular el comportamiento de las neuronas del cerebro humano, mediante la ayuda de un software especializado. La investigación comenzó en 1940, sin embargo, hasta 1989 no se empezó a desarrollar software especializado en modelos financieros, por lo que estamos hablando de una filosofía de trabajo muy joven y poco evolucionada. La principal dificultad de estos modelos reside en el entrenamiento de la red, que repercutirá en el futuro aprendizaje de la misma, así como el riesgo de la SobreOptimización provocado por el uso de un gran número de parámetros.

Sistemas basados en modelos econométricos. Mediante los modelos basados en técnicas estadísticas y econométricas podremos establecer sistemas de predicción de los precios, entre estos modelos encontramos los modelos de Auto Regresión mediante Medias Móviles (ARIMA), que tratan de predecir los movimientos futuros de los precios, mediante regresiones de los precios pasados. El modelo es susceptible de incluir numerosos parámetros, aunque en palabras de sus creadores, Box y Jenkins, el éxito en la predicción reside en el desarrollo de un sistema lo más sencillo posible, dentro de una base lógica y racional. Este último punto es aplicable al desarrollo de cualquier Sistema de Trading, no sólo a los modelos ARIMA.

Conclusión

Tras definir, en el artículo anterior, a los tipos de traders que existen, hemos avanzado en la clasificación de sistemas. Debido a que cada autor los clasifica en función a su experiencia y conocimiento del mercado, no es fácil establecer una clasificación universal. Se han establecido cuatro categorías y hemos enunciado la teoría del Market Facilitation para destacar los sistemas seguidores de tendencia, que son los que han utilizado los grandes traders y los que recomiendo desde este artículo.

Lo importante de este exposición está en poder clasificar nuestras reglas de entrada y salida, aunque esto no nos aporta nada sobre la comparación entre sistemas o la forma de construir un sistema mejor, es una base necesaria, pero no suficiente en nuestra proceso de desarrollo de un sistema de trading con el que generar dinero en los mercados. En posteriores artículos seguiremos definiendo las fases en el desarrollo de Sistemas.


Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.

Sistemas de Trading I: El trader de sistemas

Introducción al trader de sistemas

El objeto de este primer artículo sobre Sistemas de Trading, es el establecimiento de las diferentes fases por las que pasa el Operador o Trader. Consiste tanto en una categorización, como en un proceso evolutivo. Cuando hablamos de Traders, nos viene a la cabeza la imagen de una persona que trabaja para una Institución Financiera, con 10 pantallas de las que no se despega y con un importante nivel de estrés. En este artículo, me voy a referir tanto a los Traders Profesionales como a los que operan desde sus casas, ya sea a tiempo completo o parcial. Cualquier persona que compre o venda un simple lote de acciones, para beneficiarse de la diferencia de precios entre compra y venta se puede considerar un Trader. Según esta amplia definición, establecida por Charlie F. Wright (www.elitetrader.com), existen cuatro tipos de Traders: el Discrecional, el Técnico, el Iniciado en Sistemas y el Experto en Sistemas.

La diferencia entre estas cuatro categorías no siempre está clara y en muchas ocasiones podemos encontrar Traders que creen estar en la tercera o cuarta categoría cuando realmente están en la segunda. Para llegar a ser un buen Trader de Sistemas hay que pasar por las cuatro etapas, no conviene saltarse ninguna, y nuestro objetivo está en minimizar la pérdida de tiempo y dinero que produce el paso por cada una de las fases.

Según muchos Traders de reconocido prestigio, la mejor universidad para el estudio del Trading es la propia operativa, el día a día en los mercados. Si usted se encuentra en la primera fase, intente llegar a la cuarta, de la forma más rápida y con la menor pérdida posible. Si por el contrario se encuentra en la tercera o la cuarta seguro que se identifica con esta clasificación y reconoce haber pasado por las etapas anteriores. El tiempo dedicado a cada una de las fases depende de la habilidad de cada Trader y del tiempo libre del que disponga para analizar su operativa y mejorar su formación.

I. Trader Discrecional

”La gente quiere gurús, por lo que éstos seguirán llegando. Todo Trader debe darse cuenta que, a largo plazo, ningún gurú le va a hacer rico. Debemos aprender a operar de forma independiente”. Alexander Elder

El Trader discrecional utiliza una combinación de intuición, consejos de expertos y amigos, y en definitiva, un conjunto de datos no objetivos para entrar y salir del mercado. No tienen un conjunto de reglas definido, por lo que nuestras reglas se irán modificando constantemente con el riesgo que esto conlleva. El Trader discrecional se mueve por impulsos, por los comentarios de los gurús, por las recomendaciones de la prensa salmón y de los Brokers, incluso por los comentarios de los amigos. Sea cual fuere el método que utilizamos lo cambiaremos inmediatamente si comenzamos a perder dinero, creando una cadena que acabará cuando hayamos perdido suficiente dinero como para pensar que algo no va bien en nuestro enfoque global.

Generalmente el Trader Discrecional, debido a que estamos en una fase de iniciación opera en contado, compra y vende acciones y todavía no maneja la operativa a Corto, ni utiliza derivados financieros. Es un enamorado de las emociones fuertes, necesita estar siempre en el mercado y es incapaz de mantener su dinero en liquidez, todavía no ha entendido que además de comprar o vender, también existe la opción de mantenerse fuera del mercado.

Según mi propia experiencia, recuerdo que llegué a hacer operaciones siguiendo las recomendaciones que oía en radio y leía en prensa. El resultado se lo pueden imaginar. Tampoco se confunda si en un mercado alcista, gana dinero con dichas recomendaciones, no ha ganado dinero por las recomendaciones de los siempre-alcistas, ha ganado dinero por el mercado en el que ha operado. Hay que tener muy poco cerebro, o mucha mala suerte, para perder dinero, comprando acciones, en un mercado alcista.

Un trader discrecional puede ganar dinero en una operación, incluso en un conjunto de operaciones consecutivas, pero a largo plazo está predeterminado a perder dinero, y reconocer que la falta de reglas determinadas es perjudicial para nuestra cuenta corriente. Esto le lleva a empezar a buscar otros métodos y en ese momento se encuentra con los indicadores técnicos, que empieza a mezclar con las reglas que ha venido usando hasta el momento. Si vemos que nuestro gurú favorito recomienda comprar BBVA y además vemos que el RSI está en sobreventa, ya tenemos la excusa perfecta para comprar. De esta forma hemos añadido un componente más objetivo a nuestra operativa y ya nos sentimos preparados para actuar en el mercado y recuperar todo el dinero que hemos perdido.

II. Trader Técnico

“Me di cuenta desde una perspectiva técnica que, los gráficos dicen la verdad, no mienten. Los gráficos nunca están equivocados”. Oliver Vélez.

El Trader Técnico empieza a darse cuenta de que el uso de reglas es muy importante y que es importante utilizar parámetros de confirmación antes de realizar una operación. Ha desarrollado un conjunto de reglas, que en determinadas ocasiones sigue y en otras no, dependiendo del dinero que vaya ganando o perdiendo y sobre todo de su control emocional. Si un indicador técnico nos da una señal de compra, nos saltaremos la señal si nuestro broker no recomienda la compra. Por otro lado, si estamos comprados y vamos ganando una buena suma de dinero, nos anticipamos a la señal de venta, incumpliendo una de las grandes máximas del Trading: “Deja correr los beneficios y corta de inmediato las pérdidas”.

El Trader Técnico descubre un nuevo mundo de libros, newsletters, seminarios y toda esta información empieza a presionar a nuestro Trader. Demasiada información y poco tiempo para asimilarla. MACD, RSI, SMA, EMA, ROC, DMI, ADX, MFI, ATR, SAR, CCI, son algunos ejemplos de Indicadores técnicos. Empieza a experimentar con todos ellos, y se embarca en la búsqueda del mejor indicador, aquel que nadie conoce y con el que vamos a ganar mucho dinero. La búsqueda del Santo Grial ha comenzado y el Trader se sumerge en un proceso patológico de Fascinación por los Indicadores o Síndrome del Santo Grial.

Nuestro Trader asume que hay alguien en el mercado que debe saber como hacerlo, debe haber un experto, alguien que haya elaborado un Indicador mágico, por lo que el objetivo de encontrar el Super-Indicador se basa en encontrar a la persona o entidad que nos ofrezca el Santo Grial. La búsqueda es compleja pero seguro que merece la pena, en esta fase el Trader descubre los stop loss y otras técnicas de gestión del riesgo y poco a poco empieza a darse cuenta de que el Trading es un proceso más complejo que el simple uso de un Indicador. La búsqueda resulta estéril y en este proceso hemos seguido perdiendo dinero por lo que nuestra estrategia global sigue siendo errónea.

El reconocimiento de que no existe un Indicador Mágico y que nunca existirá, supone un gran salto para nuestro Trader que empieza a introducirse en la siguiente etapa. Nuestro Trader se da cuenta de que debería hacer un testeo del Indicador para ver cómo ha funcionado en el pasado y utilizar estas estadísticas para saber lo que podemos esperar de nuestro Indicador en el futuro. Esto generará confianza en la operativa ya que por fin nos hemos dado cuenta de que no podemos predecir el comportamiento del mercado, por lo que simplemente necesitamos una herramienta para poder seguirlo y poner las probabilidades a nuestro favor.

Hemos superado la segunda fase y empezamos a sentir la necesidad de un conjunto de reglas. Se da cuenta de la importancia que las bases de datos de precios tienen en el desarrollo de nuestra operativa y de la necesidad de aprender a desarrollar nuestro propio Sistema de Trading.

III. Trader iniciado en sistemas

“Sólo aquellos que nada esperan del azar son dueños del destino“. Mathew Arnold.

Es fundamental, para el éxito en los mercados, utilizar una operativa basada en un conjunto de reglas preestablecidas, de las que no nos debemos desviar, bajo ningún concepto. Podremos, por su puesto, mejorar estas reglas, pero nunca mientras mantengamos una posición abierta en el mercado. Debemos trabajar en el desarrollo del sistema, utilizando nuestra imaginación e intuición, pero una vez que el sistema esté en marcha, debemos ser inflexibles con nuestro marco de operaciones. Si el sistema nos indica compra, debemos comprar y si el sistema nos indica venta, debemos vender.

Podremos leer la prensa salmón (Expansión, Cinco Días, Gaceta de los Negocios, etc.), ver nuestro canal financiero favorito, pero nunca dejaremos que esta información influya en nuestra operativa que se debe guiar exclusivamente por nuestro Sistema. Debemos ser capaces de disociar nuestra operativa de la cultura financiera. Confiamos en nuestro Sistema porque está basado en reglas lógicas. Hemos dedicado muchas horas al desarrollo de este conjunto de reglas y las hemos probado sobre una base de datos, completamente fiable, extensa y con una muestra que incluye todas las fases del mercado (mercado alcista, bajista y lateral). Estas dos últimas características son críticas para el funcionamiento del sistema y para generar confianza en el Operador.

A partir de ahora, será nuestro sistema el que dirija nuestra operativa. Hemos dejado atrás a los grandes gurús, las recomendaciones de nuestro broker, nuestra intuición y ya no nos concentramos en intentar predecir el movimiento del mercado, sino en seguir nuestro sistema y aunque sabemos que el mercado nunca replicará el pasado, es mucho más cómodo usar un sistema que ha sido probado con datos históricos que operar mediante nuestra intuición. Ahora sabemos que el éxito del sistema no está ligado exclusivamente al indicador o indicadores utilizados para generar las señales, sino a otros factores como la gestión del riesgo y la gestión monetaria.

El Trader de Sistemas se da cuenta de que la gestión del riesgo mediante el stop loss es fundamental, aunque un stop demasiado ceñido hará que muchas operaciones se cierren con este stop y que baje el resultado del sistema, mientras que un stop demasiado holgado, nos ofrece unos resultados similares al sistema original, pero no limita nuestro riesgo y en este momento es cuando entra en juego una de las partes más importantes de los sistemas de trading, la gestión monetaria o money management.

IV. Trader experto en sistemas

“Como las personas no cambian, si se emplean métodos suficientemente rigurosos para que el conocimiento retrospectivo no distorsione los resultados, es posible probar los sistemas y ver qué resultados habrían obtenido en el pasado para tener una idea bastante aproximada de cómo van a funcionar esos sistemas en el futuro. Ésa es nuestra principal ventaja”. Larry Hite.

Estamos ya en la última fase, en la que hemos perfeccionado nuestras reglas de gestión del riesgo y hemos aprendido técnicas de gestión monetaria, operamos en diferentes mercados y probablemente usamos diferentes sistemas en cada uno de los mercados. El Trader Avanzado de Sistemas sabe que la llave de los beneficios a largo plazo está en la gestión de nuestro capital y no en la búsqueda del indicador mágico. El Trading no es diferente del resto de negocios y para sobrevivir necesitamos un buen plan de negocio y unas buenas capacidades de gestión. Ésta es, sin duda, la parte más importante de todo el modelo y al incorporarlo a nuestro sistema nos proporciona las herramientas necesarias para operar en el mercado con garantías de éxito.

La diversificación en diferentes mercados es otra garantía de éxito. Esta diversificación nos llevará a no depender de un solo mercado en nuestra operativa por lo que se suavizará nuestra curva de resultados y mejorará nuestro ratio rentabilidad-riesgo. Ejemplos de éxito de esta diversificación los tenemos en el sistema de las tortugas (www.turtletrader.com), que utilizaban un único sistema (de seguimiento de tendencia) aplicado a múltiples mercados, con una sólida base de gestión monetaria, lo que les llevó a rentabilidades anuales próximas al 100%.

Además de la diversificación por mercados, también contamos con la diversificación de sistemas en un mismo mercado. Este tipo de diversificación encuentra su razón de ser en la naturaleza de los mercados, que pasan por diferentes fases, de esta forma cuando estemos en un mercado con una tendencia acentuada los Sistemas Tendenciales generarán buenas operaciones, mientras que los sistemas que buscan lateralidad o periodos con alta volatilidad perderán dinero y lo mismo cuando estemos en un periodo lateral o en un periodo con elevada volatilidad. La clave está en desarrollar un conjunto de sistemas que se complemente bien y que tengan la menor correlación posible.

También es muy importante el descubrimiento de los aspectos psicológicos del Trading, ya que tras muchos años de esfuerzo en el desarrollo de un buen sistema, cuando por fin consideremos que estamos preparados para operar en tiempo real, la única forma de conseguir que nuestra cuenta de resultados se asemeje al resultado que el sistema arroja en nuestro software es una férrea disciplina y un estricto control de nuestras emociones. Los aspectos psicológicos son constantemente infravalorados por la Industria del Trading y no forman parte de la educación del Trader Novato, lo que le convierte en presa fácil de los Traders con más experiencia.

Otro aspecto importante en la evolución del trader es la aparición de una mente crítica con todo lo que viene del exterior, como Traders no debemos creer en nada de lo que nos cuentan, debemos experimentar todo y quedarnos con lo que realmente funciona, cada vez tendremos más confianza en nuestras habilidades y menos necesidad de los apoyos externos. Debemos formarnos para no depender de nadie a la hora de generar nuestras señales de compra y venta. Otro punto importante es que lo que en un principio considerábamos esencial, la predicción del futuro, ya ha pasado a un segundo término, ya no entra dentro de nuestros objetivos.

Conclusiones sobre el trader de sistemas

En la siguiente figura y a modo de resumen, se establecen las diferentes etapas anteriormente descritas, debajo de cada etapa están las herramientas que utilizamos para nuestra operativa en cada fase y en la parte superior de la figura se muestran las principales características de los cambios producidos al pasar de una fase a otra.



Autor: Alexey de la Loma, director de CursosBolsa.com

Conoce el Curso de introducción a la bolsa y el trading y el Curso de sistemas de trading con Visual Chart que imparten Alexey de la Loma y Mario Somada.