Claro ejemplo, por tanto, de la necesidad de contar con una cartera diversificada de sistemas tendenciales y antitendenciales que operen en diferentes escalas y mercados poco correlacionados.

En esta publicación nos gusta distinguir entre Variables, parámetros optimizables, parámetros no optimizables y parámetros ocultos.

 

(A) Las variables pueden ser de dos clases: Valores de control, que influyen sobre la secuencia secuencia de órdenes condicionales (flujo lógico del programa): V/F 0,1, (SWINGUP incluye dos variables lógicas; ControlC y ControlV, cuyo valor por defecto es “1”). Valores de usuario, valores fijos a introducir por el usuario para que el sistema realice sus cálculos; capital inicial, horas de inicio y cierre, etc.

 

(B) La función de los parámetros optimizables es adaptar el sistema a las condiciones intrínsecas del mercado y/o del time frame sobre el que se aplica. Su selección debe basarse en criterios objetivos como reducción significativa del DD o aumento de la curva de beneficios.

En este sistema hemos tomado la decisión (arbitraria y sujeta a debate, desde luego) de poner al arbitrio del usuario aquellos parámetros que en las pruebas de backtesting han hecho fluctuar el DD o el equity al menos un ±5%:

(C) Consideramos como parámetros no optimizables aquellos que no influyen de manera significativa sobre el DD y el beneficio, o que muestran una elevada correlación con alguno de los parámetros susceptibles de optimización, por lo que pueden subsumirse a estos directamente o mediante alguna operación matemática.

En nuestro caso:

El sistema SWINGUP fue probado en nuestro índice benchmark (E-mini SP500 de 30¨) empleando todo el histórico disponible (1997-2005),  un total de 58.968 barras que, a nuestro juicio, es suficientemente representativo de la casuística alcista-bajista-lateral del mercado.

Los parámetros seleccionados en las pruebas de backtesting: 20, 0,74, 44 y 59 ofrecieron el siguiente resultado:

Cabe destacar la relativa robustez del sistema en operaciones a corto y a largo, cosa que suele ser bastante infrecuente en otros sistemas evaluados, los cuales evidencian una asimetría entre beneficio a corto y a largo mucho mayor.

 

El número de negocios (1.223) es elevado, tres por semana o uno cada 33 barras de 30 minutos. El sistema entra de lleno en la categoría del swingtrading u operativa intradiaria “tranquila”. La relación entre negocios positivos y negativos (1,57) se sitúa por encima de la media de los sistemas de este tipo, si bien el ratio (1,02) no acaba de gustarnos del todo.

 Con un nivel de confianza del 95% (valor estándar de la operativa sistemática) y tras realizar 10.000 ciclos, el test de Montecarlo muestra un DD máximo del 25,32% como peor escenario posible. Incluso con una confianza del 100% el peor DD encontrado es del 52,55%. La robustez a largo plazo parece satisfactoria. (Recordemos que sólo en el caso de DD por encima de 65%, el riesgo de ruina total en las 100 operaciones alcanza niveles críticos).

Nuestro simulador también indica que con un capital inicial de 40.000$ y un contrato por operación, la posibilidad de obtener un 20% de beneficio sobre el capital inicial en las 100 primeras operaciones es del 62%, mientras que la de incurrir en una disminución crítica superior al 50% del capital inicial es tan solo del 2,9%. (Todas estas pruebas han sido realizadas con el programa Market System Analyzer.)

 En opinión de numerosos autores, los algoritmos de position sizing deberían ocupar un lugar mucho más destacado que las reglas de posicionamiento en cualquier sistema automático. Una adecuada gestión del riesgo por operación y del número de contratos a invertir en función de la curva de beneficios, contribuye de manera decisiva a incrementar el rendimiento y la robustez general del sistema. Antes de publicar SWINGUP hemos probado cinco estrategias de posicionamiento:

Hace poco tiempo Curtis M. Faith, uno de los miembros del grupo original de Richard Dennis, ha hecho públicas, en un extenso documento que puede descargarse libremente en el portal www.originalturtles.org, las reglas completas del paradigmático sistema tendencial conocido como Turtle Trading Systems.
De su lectura causan impresión tres cosas:
 
      (a) La extremada sencillez y, a mi juicio, escasa importancia concedida de las reglas de entrada, basadas en la estrategia clásica de ruptura de precios máximos y mínimos conocida como Donchian´s Channel Breakout.
      (b) La enorme importancia dada a la diversificación intermercados y  la cuidadosa selección de productos muy líquidos.
      (c)  El avanzado e ingenioso sistema de posicionamiento basado en un riguroso control del riesgo en función de la volatilidad del mercado.
 
La fórmula emplea como estimador de volatilidad el ATR (Average True Range) de 20 sesiones. A partir este indicador establece la volatiliad de cada dólar arriesgado en un contrato de derivados como:
 
Market Dollar Volatility (MDV) = ATR (20) * Dollars per Point
 
El número de unidades (o contratos a comprar) en cada nuevo posicionamiento queda determinado por la expresión:
 
Unit = 1% of Account / MDV
 
Por ejemplo, supongamos que un sistema cuenta  con un “capital de faena”  (capital inical + beneficios) de 40.000$ y que deseamos saber cuantos contratos deben ser arriesgados en una determinada operación del E-mini SP500. Como en este mercado cada punto de fluctuación equivale a 50$, si el ATR(20) del gráfico de 30´ es por ejemplo de 2 , tenemos:
 
Unit Size= 0.01* 40000$ / 2 * 50$ = 400/100 = 4 contratos.
 
Hemos probado este método con nuestro sistema SWINGUP, obteniendo un resultado neto positivo muy importante durante el período analizado en el backtestig (1997-2005), más de 2.000.000$ de beneficio final. Sin embargo, las fluctuaciones interanuales son de vértigo, subiendo hasta un pico de 240 contratos, para descender abruptamente hasta 148. Un monumental “tobogán” de más de cuatro millones en 14 meses. Suponemos que no hay cuerpo que lo resista. ¿Dónde está el problema? ¿Qué hemos hecho mal?
 
— Respuesta: ¡Prácticamente todo!
 
Para empezar, el método de las tortugas emplea gráficos diarios, es de tipo tendencial y se aplica a una cesta muy diversificada de mercados, por lo que:
 
      (1) Las variaciones del ATR en diferentes marco-épocas empleando barras de 30 minutos son descomunales. 
      (2) Un sistema antitendencia obtiene sus mayores beneficios en momentos de alta volatilidad (y en consecuencia elevado ATR). Por tanto su lógica es inversa. Se deben arriesgar más contratos cuando el ATR aumenta y no al revés, como establece el método de las tortugas.
      (3) Carecemos de la perspectiva de una aplicación del sistema a una cesta diversificada de sistemas. Cuestión crítica y esencial en la estrategia inversora de Richard Dennis y William Eckhard.
 
 En suma: Este método de position sizing es inapropiado para nuestro sistema, por lo que volvemos la vista a otras estrategias más habituales. Para ello emplearemos el simulador MSA:
 

Estrategia en la que el principal parámetro es la variable “Delta” que representa la cantidad de beneficio necesaria para incrementar el número de contratos en una unidad.  Actuando con exquisita prudencia establecemos esta cantidad en 10.000$, con lo que obtenemos el siguiente gráfico:

Nuestro sistema, que permanece plano durante las 150 primeras operaciones, obtiene en el periodo analizado un beneficio final de 381.388$; eso si, elevando su DD máximo hasta el 30,83%.