En anteriores artículos hemos analizado los fundamentos, ventajas e inconvenientes de las inversoras basadas en el estrangulamiento de posiciones cortas. En esta nueva entrega pasaré a describir la metodología que estoy siguiendo en mi propia operativa para capturar estos movimientos extremadamente infrecuentes y excepcionales de algunas empresas cotizadas.

Lo primero que conviene aclarar es que estamos ante estrategias de tipo táctico y oportunista que no sirven en absoluto para desarrollar modelos de cartera pensados para el largo plazo y que generen beneficios de manera recurrente. Por ello, el enfoque a seguir debe ser análogo a la metodología core-satellite que con gran acierto han implementado numerosos gestores profesionales desde hace décadas. Así, en un contexto amplio, se podría ir a un enfoque similar al que apuntábamos en el segundo artículo; un núcleo constituido por activos de calidad con muy bajo porcentaje de posiciones cortas y un satélite, con un peso no superior a 1/3, formado por empresas con alta probabilidad de experimentar un short sqeeze en un horizonte cercano.  Aquí nos centraremos en este último.

Estos son los elementos de la metodología que estoy siguiendo para operar el short squeeze desde un enfoque cuantitativo:

1) SISTEMAS DE CLASIFICACIÓN

El primer paso es dotarnos de un ranking o sistema de clasificación que nos permita ordenar los activos de un determinado universo en función de la probabilidad de un short squeeze. Para ello tenemos dos posibilidades:

• Recurrir a los que proporcionan proveedores especializados como ShortSqueeze, Ortex o Fintel. Los he probado todos y, en general, disponen de sistemas de clasificación mediante fórmulas propietarias bastante eficientes.  Si tuviera que elegir uno de ellos me quedaría con Fintel, por su facilidad de uso, frecuencia de actualización y recursos complementarios que ofrece.
• Construir nuestro propio ranking dinámico empleando herramientas gratuitas como Finviz o aplicaciones de pago y más sofisticadas como Fintel o Portfolio123.

 En la imagen inferior podemos ver un ejemplo de búsqueda de empresas de pequeña capitalización y alto nivel de ventas en corto realizado con Finviz:

Como podemos ver, la aplicación nos permite elaborar listados de forma muy sencilla seleccionando en el menú de opciones los criterios de búsqueda y de ordenación para elaborar el ranking.

Si queremos mayor control sobre los resultados, podemos elaborar nuestro propio ranking programando unas sencillas reglas con Fintel:

Con estas cinco reglas hemos definido un universo de empresas excluyendo el mercado OTC con capitalización comprendida entre los 100M y 3.000M, una puntuación SSS muy elevada (superior a 90) y una cotización inferior a $10.

En la siguiente imagen mostramos otro screener realizado con la aplicación Portfolio123.  Este editor es aún más potente y nos permite combinar reglas basadas en ratios fundamentales, técnicos y de consenso:

Componentes de un buen sistema de clasificación:

Combinando la información de varios estudios podemos sintetizar las siguientes reglas:

a) Reglas más comunes:

1.- Número de acciones en corto: Al menos 5 veces el volumen medio diario.

2.- Porcentaje de posiciones cortas sobre el total de acciones en circulación > 20%

3.- Número de posiciones cortas en aumento respecto a meses anteriores.

4.- Tipo aplicado al préstamo de acciones > 20%

b) Reglas menos frecuentes:

5.- Ratio de volumen en corto en los dark pool > 50%

6.- Disponibilidad de acciones para préstamo en corto.

7.- Ratio Put /call de inversores institucionales > 1,5

8.- Tendencia en las posiciones cortas declaradas por los fondos.

Para la construcción del sistema de clasificación (o índice Short Squeeze Score) lo que más varía de unas plataformas a otros es la frecuencia con la que se actualizan los valores de las reglas y  la forma de ponderarlas. Este es el listado que mostraba el screener de Fintel un día cualquiera:

¿Cómo interpretar este ranking?

Lógicamente lo primero a considerar es la puntuación. Empresas con una puntuación superior a 90 ya pueden estar perfectamente en el punto de mira. Ahora bien, no pensemos que esta puntación nos indica directamente una probabilidad de ocurrencia. Las empresas que tienen mayor puntuación son las que se encuentran en los percentiles superiores de ese ranking multifactorial. Pero, que se produzca o no un short squeeze, dependerá de factores desencadenantes que no están contemplados en el ranking. Por tanto, la clasificación solo nos vale para saber en qué grupo de empresas debemos fijarnos en cada momento.

Dentro de ese grupo una prioridad debería ser la capitalización. Las empresas con muy baja capitalización no constituyen objetivos de ventas en corto para los institucionales. Sencillamente son tan pequeñas que resultan irrelevantes o “no invertibles”. Y, a la inversa, las empresas con capitalizaciones altísimas no suelen ser presa fácil para los operadores en corto. El rango ideal podría estar entre los 500M a 5.000M. Pero con matices y algunas excepciones.

El tercer elemento a considerar es el tipo aplicado al préstamo de acciones; cuanto más alto mejor. Si tipos muy altos, los inversores tienden a deshacer las posiciones lo antes posible.

Con estos tres elementos nos debería bastar para seleccionar un grupo de 10-20 activos a los que haremos un seguimiento más detallado.

2) EVOLUCIÓN DE LOS ACTIVOS

El siguiente paso es analizar en cada activo seleccionado la evolución de los precios o situación gráfica. Para ello mi consejo es hacerlo en base semanal y diaria.

Se pueden utilizar aquí muchas técnicas de análisis y decenas de indicadores. Pero, en realidad, lo que mejor funciona es lo más sencillo: medias simples, variación del volumen y momento. Personalmente sigo estos 3 criterios:

• Media simple (SMA) de precios a largo plazo en descenso.
• Volumen cercano (5-10 últimas sesiones) en aumento y al menos 2 veces por encima del volumen medio anual.
• Momento a corto plazo en ascenso y, a ser posible, divergencia clara entre la media y el momento.

Veamos algunos ejemplos:

A)  Clover Health Investments (CLOV)

Entre el 25 de mayo y el 8 de junio de 2021 esta empresa del sector sanitario experimentó una brusca subida dese los $6,5 hasta los $28,91 para luego volver a caer. En la segunda semana de mayo los datos de operativa en corto fueron:

• Short Interest % Float = 37%
• Short Interest % Float (-1M) = 33%
• Short Ratio = 5,4
• Tipo de interés SLB = 100% (pico alcanzado en la misma sesión).

El 17 de mayo hubo anuncio de resultados y un inesperado incremento de los ingresos del 4% pudo ser el desencadenante de la brusca reacción alcista. Paralelamente el interés en Reddit y otros redes fue en aumento. Los ingredientes para un short squeeze estaban servidos. Pero Analicémoslo desde el punto de vista gráfico:

Vemos que la media larga (60 días) tiene pendiente bajista durante todo el mes de mayo, mientras que el indicador de momento (12 sesiones) va en aumento desde mediados de mayo. Luego se da una clara divergencia que, además, es acompañada por un volumen creciente.

 B)  AMC Entertainment Holdings (AMC)

Esta empresa es un caso atípico ya que ha sido objeto de dos short squeezes bastante intensos en 2021. El primero tuvo lugar en la última semana de enero, de forma paralela al de GameStop, y los precios se dispararon desde $2,5 hasta $20,36 en tan solo 4 días. El segundo ocurrió a finales de mayo, produciéndose una brusca subida desde el nivel de $9,35 hasta los $72,62. Nos centraremos en este último:

• Short Interest % Float = 22,72%
• Short Interest % Float (-1M) = 21%
• Short Ratio = 2
• Tipo de interés SLB = 85% (pico alcanzado durante la quincena anterior)

En este caso no está muy claro el desencadenante inmediato. El día 2 de junio la empresa experimenta una fulgurante subida del 100%, justo un día antes de que el fondo de cobertura Mudrick Capital vendiera una participación de $250 millones al considerar que la empresa estaba muy sobrevalorada. Ese mismo día se disparan los mensajes en las redes y se produce una avalancha de pequeñas compras. Veamos la situación gráfica:

Del 24 al 27 de mayo el indicador de momento se dispara acompañado de un fuerte incremento del volumen. La media del larga duración permanece casi plana, con una leve tendencia alcista. ¿Estos datos junto con la información sobre el interés en corto, constituyen un buen predictor del short squeeze? Dejaremos la respuesta para más adelante.

 C) Vinco Ventures (BBIG)

Esta joven empresa de inversión se subió hace pocos meses al carro del universo crypto con su plataforma para el intercambio de tokens no fungibles E-NFT. Este hecho, unido a que no había dejado de caer desde su lanzamiento, acumulando posiciones cortas, al ser considerada un proyecto poco sólido, despertó en agosto de 2021 el interés de la comunidad Reddit convirtiéndola en otro juego de “memes” con el que especular a placer. Entre el 17 de agosto y el 7 de septiembre la empresa subió de $2,17 a $12,50 provocando otro rápido short squeeze que ofreció esta bonita imagen:

Por aquellos días los ratios clave de posicionamiento en corto fueron:

• Short Interest % Float = 46,19%
• Short Interest % Float (-1M) = 30%
• Short Ratio = 1,5
• Tipo de interés SLB = 101% (el 1 de septiembre)

La subida fue tan repentina que, desde el punto de vista técnico, apenas dejó alguna posibilidad de fijar un punto de entrada. En realidad, la mayoría de las compras se hicieron entre el 27 (en la hora previa al cierre) y 30 de agosto, cuando el valor ya se había disparado.

3) SENTIMIENTO DEL MERCADO Y SOCIAL MEDIA

1.- Estimaciones y recomendaciones de los analistas. -  Aquí seguiremos el criterio; ¡Cuánto peor mejor! Hay que tener en cuenta que las estrategias de short squeeze son de tipo oportunista y de reversión. Cuando los institucionales apuestan por la venta en corto, es porque los fundamentos de la empresa y sus expectativas a medio plazo son realmente malos. Por eso, casi todas estas empresas evolucionan por una pendiente bajista de varios meses o años antes de que ocurra el evento desencadenante del estrangulamiento. Así que buscamos empresas con estimaciones de crecimiento muy bajas o negativas y con recomendaciones que oscilen entre infraponderar y vender. También hay que tener en cuenta que las estimaciones de los analistas para estos valores de pequeña y mediana capitalización suelen revisarse con periodicidad mensual o a lo sumo semanal; no cambian tan rápido como el sentimiento en las redes.

Por ejemplo, en el caso de Clover tenemos:

2.- Sentimiento en las redes sociales. - Dado que episodios como el de GameStop han demostrado sobradamente la capacidad de los pequeños inversores para coordinarse y precipitar ataques masivos contra las posiciones cortas de los institucionales, será importante para nosotros conocer la evolución de este sentimiento y además de la manera más actualizada posible. Algunos proveedores como SocialSentiment, Swaggy Stocks o MarketBeat, pueden resultar de utilidad para ello y nos facilitarán mucho el trabajo al organizar la actividad de los inversores en buscadores, foros y redes sociales en gráficos fácilmente interpretables. Las fuentes recopiladas van desde mensajes en Reddit y WallStreetBets, búsquedas en Google y contenidos de los mensajes reconocidos por boots.

 Por ejemplo, sobre BBIG,  MarketBeat nos muestra la actividad social mediante gráficos de este tipo: 

Swaggy Stocks nos ofrece además mapas de conceptos en los que se agrupan los términos clave (al menos los reconocibles por un boot) que los traders retail han intercambiado sobre un activo en los últimos días:

En definitiva, en la actualidad es importante echar un ojo al sentimiento y a la actividad de los pequeños inversores antes de posicionarse en la empresa candidata a short squeeze. Esto nos ayudará bastante a afinar con el momento de entrada o a descartar activos en los que el interés está decayendo.

4.- CONTRUCCIÓN DE UN MODELO Y BACKTEST

Una vez seleccionado un conjunto de reglas de clasificación (paso 1) y algún filtro de tipo técnico que nos permita afinar con el momento de entrada (paso 2) podemos construir un modelo cuantitativo basado en reglas y evaluarlo en backtest. El apartado de social media (paso 3) no es evaluable actualmente, ya que la actividad colaborativa de los pequeños inversores que afecta a este tipo de operaciones es demasiado reciente y, por tanto, inútil para un backtest de amplio espectro (8-12 años). Solo a partir de enero 2021 se ha constatado con claridad (caso GME) la capacidad movilizadora de algunas redes de usuarios, muchos de los cuales han aprendido también algunas técnicas de operativa con opciones -hasta hace poco reservadas a los profesionales- para maximizar el apalancamiento o cubrir sus posiciones. 

Elementos para construir el modelo:

1.- Time Frame: Diario.

2.- Universo: Empresas de un índice de amplio espectro (Recomendable el Russell 3000)

3.- Restricciones

(1): Eliminar penny stocks y activos de baja liquidez.

(2. Opcional): Establecer rangos de capitalización.

(3. Opcional): Filtrar algunos sectores.

4.- Tipo de modelo: Rotacional basado en ranking

5.- Frecuencia de rebalanceo: diaria / semanal.

6.- Tipo de ranking: Ascendente (más es mejor).

7.- Número máximo de activos: Normalmente pequeño 15-25.

8.- Método de asignación: Según capitalización o equiponderado.

9.- Límite inferior del ranking = máximo de posiciones.

10.- Comisiones y deslizamientos: Aplicar siempre.

11.- Método de entrada / salida: Cierre de barra.

12.- Tamaño del histórico: 10 años o más.

Seguidamente pasamos a formular las reglas de entrada y salida. En un modelo basado en rankings estas reglas no son más que capas sucesivas de restricciones condicionales que nos permiten seleccionar un subconjunto de activos y ordenarlo según el grado de cumplimiento de dichas reglas.

Los activos a comprar son los que ocupan el lugar más alto en el ranking y, a cada uno de ellos, se asigna un porcentaje de capital según el método de asignación elegido. Los activos comprados se mantienen en cartera hasta el siguiente rebalanceo, en el que se vuelve a actualizar el ranking y la asignación. Los activos a vender son los que abandonan los primeros puestos del ranking en cada ciclo. El punto de corte está determinado por el número máximo de activos en cartera.

En estos modelos de tipo “oportunista” no se suelen emplear sistemas de salida entre intervalos (StopLoss y Profit Target), por lo que la permanencia de cada activo en cartera dura al menos un ciclo completo de rebalanceo. Cuando el intervalo entre ciclos es muy largo (meses, trimestres) surge un problema que las plataformas profesionales de deben compensar adecuadamente; qué hacer con las empresas que dejen de cotizar y salgan del índice o realicen splits, contra-splits o repartos de dividendo. Todo esto, si no se corrige bien, acabará dando lugar a errores acumulativos que degradan el realismo del modelo.

Estas serían las reglas de entrada y salida en la excelente plataforma Portfolio123:

Aquí tendríamos:

• Una regla (“Liquidity”) para reducir el universo de búsqueda a empresas cuyo precio de cierre sea superior a un dólar y su volumen medio diario superior a 50.000 títulos negociados.
• Dos reglas de clasificación: Ordenar las empresas con Short Interest % Float > 90 (“Buy1”) y con SI%Float actual mayor que el de hace 3 meses (“Buy2”).
• Dos reglas de tipo técnico: Seleccionar empresas cuyo volumen medio en las últimas 10 sesiones esté muy por encima de su volumen medio anual (“Buy4”) y aquellas cuyo indicador de momento vaya en ascenso (“Buy5”).
• Una única regla de salida: Vender las empresas que caen por debajo de 20 en el ranking.

En la imagen inferior tenemos los resultados de la simulación:

Como podemos ver, los resultados son excelentes. Pero más allá del aspecto de esta maravillosa curva, ¿qué conclusiones podemos extraer?

1.- La primera y más obvia: No hay que tomarse en serio ni las estadísticas ni la curva. Es decir, evitemos la falacia de hacer extrapolaciones a futuro e inferir que obtendremos un retorno similar en los próximos 10 años.

2.- El propósito del backtest es mucho menos ambicioso: Solo pretendemos comprobar que la metodología que hemos descrito para captura el short squeeze funciona en una amplia ventana temporal. Y la respuesta es sí.

3.- Los resultados también nos muestran que estamos ante una modalidad inversora de riesgo que no es apta para enfoques conservadores: El precio a pagar por la alta expectativa de beneficios es un drawdown bastante alto, que se sitúa muy por encima del mercado de referencia.  

Hasta aquí el modelo. Ahora nos toca operar, enfrentarnos al día a día del mercado y someternos a su inapelable veredicto. ¡Buena suerte, amigos!

NOTA FINAL:

Si os ha gustado esta serie de artículos, os informo de que actualmente estoy trabajando en un curso-taller que será impartido próximamente desde la plataforma QuantSpace. En él hablamos de forma mucho más detallada sobre esta metodología y su contexto de utilización. Pondremos numerosos ejemplos y analizaremos casos reales. Todavía no puedo deciros las fechas. Os iré informando. 

Andrés A. García.

© TradingSys.org