Una de las principales lecciones que aprendemos de la operativa  tipo Volatility Breakout (VBO) es que la correcta elección del mercado resulta tan importante como las propias reglas del sistema. La lógica de la discontinuidad se impone; pues toda ruptura de rangos implica unos niveles de volatilidad elevados en las transiciones de fase entre los momentos contractivos y expansivos de las series de precios.

 Una vez analizadas las principales características de las estrategias de ruptura de rangos de volatilidad (VBO), vamos a construir una especie de banco de pruebas que nos permita dilucidar si algunas de las ideas abordadas en el artículo anterior constituyen una basa sólida para el diseño de sistemas aplicables a los mercados de futuros.

En el vasto arsenal de estrategias ideadas para atrapar sucesos cuasialeatorios, las rupturas de rangos de volatilidad ocupan un lugar destacado. Existe cierta evidencia débil, avalada por algunos estudios clásicos sobre formaciones de precios, a cerca del valor predictivo de las barras atípicamente grandes que desbordan al alza o a la baja las zonas de equilibrio entre la oferta y la demanda.

Algunos sistemas de trading encontrarían fácil acomodo en el universo ciberpunk descrito por W. Gibson; donde las drogas de diseño y los implantes neuronales son capaces de sumergir a los atribulados humanos en una especie de alucinación consensuada de la que luego muy pocos podrán escapar. Analizando sus apabullantes resultados, uno descubre que esos prodigios de la ingeniería informática definitivamente no son de este tierra. Su lugar natural está entre las naves interestelares de alguna spaceopera barata, o mejor aún, el mundo hiperuránico de la ontología platónica.

 Presentamos un nuevo indicador basado en dos conceptos complementarios: La  dinámica, en plazos muy cortos, de la estructura consensual del mercado y la determinación de posibles puntos de sobrecompra y sobreventa que permitan definir –y hasta cierto punto predecir– zonas óptimas de posicionamiento.

 

"Si la opinión de los profesores de economía fuese competente para la Bolsa, tendrían que ser hombres muy ricos, y no lo son. Los economistas saben todo sobre economía y el dinero, pero no lo poseen. Ya decía Voltaire: "es más fácil escribir sobre dinero que ganarlo".

Al hilo de la  fuerte corrección de los últimos días no dejan de oírse en diversos medios voces que pronostican el surgimiento de un nuevo escenario bursátil caracterizado por una volatilidad al alza, como consecuencia de la situación de miedo, incertidumbre y lecturas inconsistentes de casi todos los indicadores macro. No vamos a discutir ahora si realmente se dan las condiciones para un reajuste de estas características, máxime cuando la curva del VIX a penas se ha acercado ligeramente el nivel de 20, siguiendo su característica  simetría especular inversa con el S&P 500. 

powered by Surfing Waves

 En la operativa sistemática es muy común encontrar el ratio de esperanza matemática positiva (EMP) definido como la relación entre operaciones ganadoras y perdedoras en un tiempo dado. En teoría, una estrategia con un porcentaje mayor de aciertos parece, en principio, más apetecible y robusta. Sin embargo, este ratio suele resultar de nula utilidad en la mayoría de los casos. En el siguiente artículo veremos por qué y propondremos una estrategia alternativa para calcular la esperanza matemática en sistemas con varios parámetros optimizables.

Desde hace tiempo se viene observando una creciente migración del Day-Trading al Swing Trading motivada, principalmente, por el considerable estrechamiento de los rangos de volatilidad en los principales futuros sobre índices americanos y europeos. De hecho, son muy pocos los desarrolladores que actualmente se aventuran a lanzar nuevas propuestas automatizadas para la operativa intradiaria pura. Por otro lado, los futuros sobre S&P y Nasdaq, pese a su incontestable liquidez, ceden terreno ante el antaño esclerótico Russell 2000. ¿Qué está pasando?

Ya hemos escrito en esta web numerosos artículos comentando estrategias de entrada prometedoras, sistemas de cierre que permiten reducir apreciablemente las series de pérdidas y algunos conceptos realmente eficaces sobre gestión monetaria. Quienes han seguido desde el comienzo nuestros artículos y han sugerido ideas para mejorar los contenidos, saben que aquí no se rezuma precisamente optimismo. Si de algo peca esta publicación es de una considerable cautela a la hora de pregonar las ventajas del trading automatizado. 

  En nuestro artículo anterior comentábamos que una de las grandes ventajas de la metodología Laguerre es la posibilidad de aplicar este algoritmo a cualquier indicador basado en series discretas de datos. En esta ocasión vamos a centrarnos en dos indicadores muy populares e interrelacionados: El PPO (Percentage price oscillator) y el MACD (Moving Average Convergence/Divergence). 

 De los trabajos sobre procesamiento digital de señales nos llega este interesante filtro basado en las transformaciones de Laguerre. John F. Ehlers, en su  artículo “Time Warp – Without Space Travel”, muestra como emplear esta metodología en la construcción de una media suavizada capaz de filtrar las irregularidades pseudoaleatorias de la curva de precios a cambio de un pequeño retardo que puede ser modulado a voluntad por el usuario. En este pequeño estudio compararamos el SMA con otros sistemas de filtrado, como el T3 de Tillson.

  El libro de Alexander Elder, Trading for a Living: Psychology, Trading Tactics, Money Management, se ha convertido por derecho propio en todo un clásico de la literatura bursátil. Su certero arsenal de indicadores y estrategias, así como la elegancia y sencillez con la que se abordan los diferentes tópicos de la “especulación inteligente” no dejan de asombrarnos pese a los años transcurridos desde su publicación. En el presente artículo, primero de una serie dedicada a analizar el potencial de algunos indicadores poco conocidos, estudiaremos las claves del oscilador conocido como Elder-Ray y diseñaremos algunas variantes del indicador que permitan su empleo efectivo en sistemas de trading.

Como ya hemos indicado en artículos anteriores, el riesgo de sobreoptimización crece en proporción directa al número de parámetros e inversa al tamaño de la base de datos empleada en el backtesting. De este hecho, algunos desarrolladores avispados han sacado la absurda conclusión de que es preferible “esconder” al usuario ciertas variables que, en muchos casos, son auténticos parámetros ocultos previamente optimizados.