¿Realmente consiguen generar alpha los portfolios dinámicos o de asignación activa? ¿Su mayor complejidad está plenamente justifica? En este artículo veremos las ventajas e inconvenientes de la gestión estática frente a la dinámica y repasaremos las diferentes técnicas para construir carteras de ETFs desde un enfoque cuantitativo basado en reglas discretas.

¿Es posible construir un portfolio capaz de obtener una rentabilidad estable durante décadas? ¿Se puede diseñar una cartera insensible a las fases contractivas y expansivas de la economía, a las políticas monetarias, a los precios de la energía, a los derrumbes bursátiles, a las crisis geopolíticas y a las mil trampas que pueden arruinar cualquier planteamiento inversor? 

A quienes no hayáis podido asistir os dejamos el enlace al vídeo completo del webinar: "Verdades y Falsedades sobre Trading de Sistemas" . que tuvo lugar lugar el martes, 10 de Octubre a las 19h. 

Aquí podréis visualizar, quienes no pudisteis asistir al evento, el webinar de presentación del Curso de Experto Universitario: Sistemas y modelos cuantitativos de trading algorítmico.  En él se explicaron las características y novedades de esta 3ª convocatoria. También aprovechamos para dar un repaso al estado del arte del trading algorítmico desde un enfoque técnico y profesional.

No abunda el software de calidad para construir y optimizar portfolios. Menos aún el que está al alcance del inversor particular y no depende de sofisticados entornos de programación estadística como MATLAB o R.  Por ello, cuando cayó en nuestras manos, la aplicación Portfolio Visualizer nos llevamos una grata sorpresa: Por fin una herramienta asequible, fácil de usar y con innumerables recursos analíticos y de investigación. Todo un lujo del que por ahora podemos disfrutar de manera gratuita.

Existen miles ETFs y su número crece de manera vertiginosa.  La única manera de no perderse en esta jungla de productos invertibles con estructura, objetivos y calidades muy distintas es empleando potentes buscadores que nos permitan encontrar fácilmente la información relevante, listar los productos según una amplia variedad de criterios y comparar aquellos con similares características. En esta nueva entrega de la serie “Expediente ETF” nos centraremos en dos herramientas imprescindibles: Las bases de datos y screeners.

Desde que en 1993 comenzase a cotizar el mítico SPY, la irrupción de los ETFs en los mercados financieros se ha convertido en un fenómeno imparable cuyas  cifras abruman: más de 10.000 productos cotizados que mueven unos 3’5 billones de dólares y un crecimiento a escala mundial del 28% al año. A este éxito contribuyen sus dos características clave: sencillez y diversidad.

Me complace ofreceros esta entrevista a una de las personas que, desde el mundo universitario, está más involucrada en acercar el trading cuantitativo al ámbito de la ingeniería, promoviendo iniciativas como la competición ROBOTRADER, única en nuestro país y que ya va por su VII edición, o el Curso de experto universitario en modelos cuantitativos de trading algorítmico, cuya II edición acaba de concluir y en el que me siento muy satisfecho de participar.

La operativa con ETFs es un fenómeno imparable y con infinitas posibilidades tanto para el inversor tradicional como para el trader más activo. El primero podrá construir carteras eficientes y diversificadas partiendo de un capital modesto y, el segundo, será capaz de implementar estrategias cuantitativas, mucho más granulares que con los futuros, que le permitirán gestionar mejor el riesgo y el tamaño dela posición.

El diseño de modelos predictivos es uno de los primeros frentes del trading cuantitativo. Desde las plataformas basadas en redes neuronales hasta los modernos generadores automatizados de código, han sido enormes los esfuerzos por conseguir estrategias viables a base de “torturar los datos hasta que canten”. Todos los enfoques que recurren al cómputo intensivo de series de precios para obtener estrategias cuantitativas caen dentro del data mining. También los que exploran los datos sobre sentimiento de mercados y los rastreadores de noticias financieras para desarrollar estrategias del tipo event-driven. 

No todos los mercados son iguales: Algunos ofrecen excelentes oportunidades para operar estrategias de reversión y otros tienen un sesgo más tendencial. Factores como la liquidez, amplitud de rango y estacionalidad han sido muy estudiados para determinar los mercados más favorables para cada tipo de estrategia.

Existe una creciente preocupación de los gestores profesionales por este entorno de baja volatilidad que parece no tener fin. Los índices de volatilidad no dejan de marcar mínimos históricos y la rentabilidad de los programas CTA también. ¿Por qué existe esa simbiosis entre baja volatilidad y retornos negativos o meramente residuales? ¿Cómo afecta a las estrategias sistemáticas? En este artículo trataremos de arrojar alguna luz sobre este asunto.

El mes pasado concluía la primera convocatoria de este curso de Experto Universitario, organizado por la Escuela Superior de Ingenieros de Telecomunicaciones, en el que hemos participado los miembros del equipo OQM. Ha sido una experiencia pionera en muchos aspectos, por lo que dedicaremos este artículo a hacer un breve resumen de los contenidos impartidos y de las actividades realizadas durante todos estos meses.

 El principal problema de optimizar una estrategia es qué combinación paramétrica elegir y si esa combinación específica es capaz de proyectar a futuro un porcentaje apreciable de la performance obtenida en la región optimizada del histórico.

En este artículo abordaremos el escurridizo concepto de sobreoptimización en relación con la ruptura de sistemas en operativa real. Mostraremos un nuevo método para determinar el desgaste de una estrategia en el tiempo diferenciando entre la rentabilidad potencial debida a la lógica y la que se obtiene mediante optimización.