Etiqueta: Info-Trading

¿Información o Conocimiento?

¿Información o Conocimiento?

El hombre medio no desea que le digan si el mercado es alcista o bajista. Lo que desea es que le digan, de forma específica, qué valor comprar o vender. Quiere algo por nada. No desea trabajar. Ni siquiera desea pensar. 

Jesse Livermore

Cuando leí esta frase de Livermore, la verdad es que me pareció de lo más sensato y verídico que he leído jamás sobre mercados e inversores.

Llevo suficiente tiempo ya en el trading y en las redes sociales como para ser plenamente consciente que a la enorme mayoría de los traders les importa un rábano cualquier otra cosa que no sea que alguien les diga exactamente qué comprar hoy y qué vender mañana.

Curiosamente prefieren [he comprobado] seguir a un gurú que obtener beneficios. Con que les proporcione una buena operación de vez en cuando son capaces de perdonarle otras muchas equivocadas, incluso si el balance final es negativo. Al final he acabado pensando que, para el común de traders, puede más la pereza que la avaricia.

Si utilizas sólo la información, dependes completamente de tu fuente. De hecho, te entregas a ella. Si se extingue, te quedas huérfano. Si se contamina, la sigues hasta el infierno.

Ese cóctel de abulia y ambición desmedida les hace seguir a cualquiera que se ofrezca con tal de ahorrarse el trabajo de pensar y aprender. O quizás con la esperanza de poder echarle la culpa siempre a alguien y no a ellos mismos. Curiosamente la lista de voluntarios para convertirse en gurús de turno es prácticamente inagotable.

Imagino que la necesidad de ser alabados y encumbrados cuando aciertan pesa más que el inevitable y brutal linchamiento al que se verán sometidos por sus propios fanáticos seguidores cuando se equivoquen, que será más pronto que tarde.

Lo sé. El común de los traders quiere INFORMACIÓN y no CONOCIMIENTO.

El conocimiento se obtiene después de mucho tiempo y esfuerzo, en una búsqueda en muchas ocasiones personal con fracasos intermedios y una remota esperanza de triunfo final. La información, por contra, es inmediata y relativamente barata. En ocasiones, gratuita. Aunque eso no implique que sea veraz. Ni siquiera, útil, en muchos casos.

Lo sé. El común de los traders prefiere la INFORMACIÓN al CONOCIMIENTO.

El problema es que si utilizas sólo la información, dependes completamente de tu fuente. De hecho, te entregas a ella. Si se extingue, quedas huérfano. Si se contamina, la sigues hasta el infierno.

El conocimiento perdura. Comprende y se adapta. No se basa en ninguna situación, momento o fuente, sino en todos y en ninguno.

Los mercados me parecen una sofisticada maquinaria de generar información confusa. Si eres capaz de manejar algún pequeño matiz de su enrevesado funcionamiento, cualquier otro modelo de comunicación de datos parece pueril por lo simple.

Entre información y conocimiento, yo prefiero lo segundo, porque me es más útil y rentable, tanto a largo como a corto plazo. Además, no siempre las mayorías tienen razón, por abrumadoras que sean.

Los mercados me parecen una sofisticada maquinaria de generar información confusa.

Y, alguien se puede preguntar en justicia, si estás convencido de eso que dices, ¿por qué este blog? Pues porque de la gran mayoría de traders perezosos, prácticamente ninguno se pasará por aquí. Aquí todos nos obligamos a pensar y a ser críticos.

Pero, si TÚ si te has pasado, y has leído este post hasta el final, es porque también andas buscando conocimiento.

¿Ves? Escribirlo ha merecido la pena porque TÚ lo has leído. [Gracias por el RT]

Bienvenido, Ulises, a la larga travesía que, como dijo Kavafis:

"Pide que el camino sea largo.
Que muchas sean las mañanas de verano
en que llegues -¡con qué placer y alegría!-
a puertos nunca vistos antes".

El Caos y La Hipótesis Tóxica

El Caos y La Hipótesis Tóxica

Este es, y debe ser, un artículo en varios movimientos, como un concierto barroco. Es el «castigo» (espero que amable) que merecen todos aquellos que me piden algo de base teórica para saber por dónde deambula mi alocada cabeza.

…»O Yo o el Caos»

No ha mucho publiqué un twit en el que, ante la disyuntiva del «o yo o el caos» me manifestaba completamente favorable a escoger siempre el caos. Aunque el contexto era otro, yo jugué con un doble sentido que hoy pienso desvelar.

Matemáticamente pocas cosas tan hermosas y apasionantes como la Teoría del Caos, una bestia esquiva que esconde en su interior todo lo que puede ser, lo que podría llegar a ser y lo que nunca será.

Y, para mí y en el trading, el caos vive en toda la parte en blanco que hay a la derecha de la última vela dibujada. Ese es mi caos, al que amo y respeto, porque sé que nunca alcanzaré.

En el trading, el caos es toda la parte en blanco que hay a la derecha de la última vela dibujada

¿Es en Trading lo Teórico Inútil?

Empezaré con unos fragmentos extraídos del weblog Complejidad del físico y catedrático Miguel A. F. Sanjuán, un catedrático de física leonés de fama mundial en el campo del caos y los sistemas complejos:

«Tradicionalmente estamos acostumbrados a pensar en ciencia teórica y en ciencia aplicada, sin embargo la teoría de la complejidad está estableciendo una nueva relación entre la ciencia teórica y la aplicada. Esta reflexión, debida al físico israelí Sorin Solomon, profesor de la Hebrew University of Jerusalén, establece que (…) cuando la tecnología actúa sobre la información, la ciencia aplicada consiste frecuentemente en operaciones de tipo abstracto aplicadas a temas de la información de la vida real. De modo que deberíamos acostumbrarnos a la expresión Ciencia Aplicada Teórica«.

«Ciencia Aplicada Teórica». Salvando las evidentes distancias, ¿a qué viene esto? Pues, a mi extraordinaria tozudez en mirarme constantemente los mercados financieros con ojos de extraño. De niño, sería mejor decir. En exigirme continuamente el desaprendizaje de lo poco que sé para ser capaz de entender lo evidente que, por obvio, a veces se nos escapa.

Los niños tienen la extraordinaria facultad de hacer preguntas simples y, en su aparente simplicidad, de vez en cuando nos meten en serios apuros.

Darwin Pensó como un Niño

Cuando Charles Darwin paseaba por las selvas americanas, descubriendo cada día docenas de nuevas especies de animales e insectos, quizás no dejara de preguntarse “¿por qué tanta diversidad?” o, mejor, “¿para qué tanta diversidad?” Seguramente sería la pregunta que haría cualquier niño. Sincera, espontánea y tremendamente lógica.

Sin duda, a cualquier niño de la época le explicarían la misma razón que Darwin habría escuchado mil veces de pequeño: que «Dios lo quiso y lo creó así«. Tema zanjado y sin réplica posible.

Sin embargo, Darwin (que no era en absoluto ateo, más bien todo lo contrario) siguió pensando en el problema y acabó desarrollando una explicación mejor, científica y plausible. Su mérito fue el de seguir preguntándose como un niño y atreverse a afrontar una respuesta diferente.

Respuesta que, todo sea dicho, le causó todo tipo de burlas y descalificaciones por parte de los sectores más tradicionalistas y reaccionarios. Pero, tenía razón.

Mandelbrot y la Hipótesis Tóxica

Hace ya 40 años, Benoît Mandelbrot, uno de los matemáticos más que eminentes de nuestros tiempos (es el padre de los fractales) ya había demostrado que la hipótesis de los mercados eficientes era matemáticamente incorrecta. Hizo algunos cálculos y concluyó que si la hipótesis fuera correcta, la probabilidad de que un índice de Bolsa cayera un 7% en un determinado día sería tan baja que sólo ocurriría una vez cada 300.000 años. Sin embargo, sólo en los últimos 100 eso ha ocurrido en medio centenar de ocasiones.

Efectivamente, los mercados NO son eficientes. Se pueden llenar de productos tóxicos y colapsarse. Ya quedó demostrado en 2008. Pero mantener esa tesis justificaba la oposición frontal a su regulación.

Hace ya 40 años, Benoît Mandelbrot demostró que la hipótesis de los mercados eficientes era matemáticamente incorrecta.

Curiosamente, alguno de los creadores más destacados de la teoría de los mercados eficientes como William Sharpe, Harry Markowitz y Merton Miller recibieron el Nobel de Economía en 1990 precisamente por sostener que sí que lo eran. Pero también Myron Scholes y Robert Merton lo recibieron en 1997 y ambos estaban en el consejo rector del más famoso de los hedge funds quebrados, el Long Term Capital Management, que colapsó con estrépito en octubre de 1998.

Todo eso llevó a escribir cosas tan impactantes como la columna titulada “Eliminen el Premio Nobel de Economía” en la que Christopher Swann, prestigioso columnista de Reuters, publicó en 2009 en distintos medios.

Y en este punto es cuando un niño tira de la pernera de mi pantalón y me pregunta: “señor mayor, ¿por qué los matemáticos no se hacen ricos en los mercados?” Y yo le contesto que se vaya a jugar mientras pienso en la respuesta. ¡Maldita lógica infantil!


Por si quieres echar un vistazo aquí tienes otros artículos que he dedicado al tema:

Sólo para Traders 3.0

Esto que sigue es SÓLO para vosotros, traders 3.0. Porque sois unos valientes y no os da miedo mirar a la complejidad a los ojos y desafiarla.

El Caos y la Hipótesis Tóxica

En el trading, el caos es toda la parte en blanco que hay a la derecha de la última vela dibujada.

Trading, Caos, Sistemas y una Mariposa

Todo problema se define y se resuelve descubriendo a qué tipo de sistema nos enfrentamos.

De Hormigas y Otras Variables

Allí estaban todas mis variables, en una danza caótica y de imposible cuantificación. Decenas de miles a la vista y quizás millones más dentro del hormiguero.

Con Sólo 5 Datos (Para Desvelar Todos Los Misterios)

Con Sólo 5 Datos (Para Desvelar Todos Los Misterios)

Son sólo CINCO DATOS BÁSICOS. Y no tenemos mucho más. Puede parecer poco, pero si sabemos utilizarlos, es bastante.

Para empezar necesitamos datos fiables obtenidos de fuentes fiables. Datos inequívocamente ciertos. ¿Existe eso en los mercados?

Afortunadamente, sí. Absolutamente en todos los mercados y en todos los activos cotizados disponemos de cinco datos públicos, accesibles y en los que existe un completo consenso. En todos los casos y para todos los activos cotizados tenemos un precio de Apertura, un precio de Cierre, un precio Máximo, un precio Mínimo y un Volumen negociado (en este caso, con alguna salvedad). Cinco datos.

Necesitamos datos fiables obtenidos de fuentes fiables. Datos inequívocamente ciertos. ¿Existe eso en los mercados?

Seguramente a la mayoría les parecerá poco. Realmente no es mucho, sobre todo teniendo en cuenta que la prensa económica llena páginas y más páginas a diario con todo tipo de información económica más allá de estos cinco escuálidos datos. Pero, desde el punto de vista de la Teoría de la Información (TI), son datos inequívocamente fiables: apertura, cierre, máximo, mínimo y volumen.

La ventaja que ofrecen estos datos es que son numéricos y, por lo tanto, nos permiten operar con ellos. Es, precisamente en operar sobre todos o algunos de estos cinco datos en lo que se basan los indicadores técnicos.

Espero no haber cansado innecesariamente al lector pues, en este punto, queda ya explicado por qué decidí­ centrar mis trabajos en investigar los indicadores técnicos.

Como ya he comentado en alguna ocasión, los indicadores técnicos existentes son muchos y, por lo general, de un nivel matemático muy alto. Sus fundamentos teóricos han sido firmemente probados y, todos aquellos que ahora podemos incluir junto a nuestros gráficos, son fiables. Así que, eso nos lleva forzosamente a plantearíamos dos nuevas preguntas:

  1. ¿Para qué más indicadores, si ya hay tantos?; y,
  2. Si son tan buenos, ¿por qué, entonces, no aciertan siempre?

Para empezar, en muchas ocasiones, los usuarios no somos capaces de entenderlos y aplicarlos correctamente. Pero, en el caso de que sí­ seamos capaces, hay alguna otra explicación más.

Volvamos a la TI. Cuando nos limitamos a trabajar con los cinco datos numéricos básicos de la cotización, lo hacemos convencidos de que son fiables, pero también de que son sólo una pequeña parte de la información total del sistema que rige los mercados.

Hay dos vías para ampliar las posibilidades de estas herramientas: el Big Data (BD) y los algoritmos de 2ª Generación (2G)

Esa es la razón por la que no hay ningún indicador técnico infalible. Cada uno de los indicadores técnicos representa alguna característica importante, pero siempre parcial. En los mercados hay flujos de información relevante que todavía no somos capaces de incluir en nuestras ecuaciones. Identificarla, muestrearla e incorporarla es un bonito desafío. Pero, antes de eso, que es un trabajo muy complejo y que seguramente desbordaría mis capacidades, afortunadamente hay algunas posibilidades de mejora en el campo de los indicadores técnicos ya existentes.

Por ello, hay dos vías para estudiar y ampliar las posibilidades de esas herramientas: la primera, por la vía exhaustiva, tomando las herramientas propias del Big Data y explorando todas las posibles relaciones entre variables definidas e indefinidas, visibles y ocultas, intentando incorporar nuevas explicaciones a través de los datos presentes. Evidentemente esta tarea excede en mucho mis conocimientos y capacidad de proceso.

Así que tomé una segunda vía disponible, que era el estudio y desarrollo de herramientas de segunda generación (2G) utilizando los algoritmos de indicadores técnicos existentes como piezas de un imaginario Lego con la que construir herramientas que aportasen nuevas prestaciones.

Y como eso estava a mi alcance, a ello me he dedicado.

Herramientas de Trading de 2ª Generación

Herramientas de Trading de 2ª Generación

Me quedaba pendiente, antes o después, dar una explicación más o menos detallada para todos los que no provenís del mundo «tech», del por qué me refiero a mis herramientas como «nuevas» o de «Segunda Generación«.

No, no se trata de un truco barato de marketing. Existe una regla dentro del mundo de la tecnología para clasificar una determinada herramienta dentro de la primera, segunda, tercera (o más) generación, o para definirla como «nueva», o no.

En general, hablamos de herramientas de Primera Generación (1G) aquellas que utilizan sólo variables básicas o primigenias en la composición de sus algoritmos.

Pongamos como ejemplo los indicadores técnicos, que creo que será lo más sencillo. Indicadores de primera generación (1G) serían aquellos en cuyas fórmulas encontramos todos o algunos de los cinco datos elementales (cierre, apertura, máximo, mínimo y/o vol). Si usa esos y sólo esos datos/variables, estaríamos hablando de 1G.

Las herramientas 2G serían aquellas que utilizan herramientas 1G como elementos en sus algoritmos.

Pero, gracias a estos primeros indicadores, y sus hábiles fórmulas, ya disponemos de una nueva batería de datos: obtenemos volatilidad, correlaciones entre precio y volumen, variaciones de fuerza relativa, momentos, tendencias, movimientos relativos de medias y un largo etcétera. Y todo ello operando en sus algoritmos sólo con las variables básicas.

¿Qué diferencia, pues, a las herramientas (en este caso indicadores) de Segunda Generación (2G) sobre los de 1G?

Pues que mientras en las de 1G se relaciona datos de precio (a veces, más volumen) para obtener nueva información adicional, en las de segunda generación se relaciona entre sí y como variables, los resultados de los indicadores de 1G.

Así, si en los de 1G se relaciona precio (máximos con mínimos, o cierres medios a lo largo del tiempo), en las 2G relacionamos volatilidad con momento, los estrechamientos medios de las bandas de volatilidad con los volúmenes proporcionales o la fuerza relativa del precio en cada momento, o cualquier combinación de ellas.

Las herramientas 2G serían aquellas que utilizan herramientas 1G como elementos en sus algoritmos. Es decir, que operan con los valores del MACD, RSI, estocástico o cualquier otro indicador clásico para componer nuevas herramientas.

Evidentemente eso requiere un estudio profundo de cada uno de los elementos de las 1G y experimentar con la combinación entre ellos para obtener nueva información que, se pretende en su diseño, sea mejor que la obtenida con cada uno de ellos por separado.

Así, si en los de 1G se relacionan variaciones en el precio, en las 2G podemos combinar volatilidad con momento, estrechamientos medios de las bandas con los volúmenes proporcionales y la fuerza relativa del precio en cada momento, o cualquier combinación de ellas.

Por eso hablo de mis herramientas como «nuevas», porque son de 2G. Evidentemente hay MUCHAS más de otros muchos autores que también lo son. Pero el objetivo hoy era que también TÚ supieras cuáles lo son y por qué.

Así, como ves, no se trata de marketing o pedantería, sino una descripción de QUÉ TIPO DE ELEMENTOS COMPONEN el algoritmo básico y qué tipo de relaciones establecen entre ellos.

La Gripe y las Variables Ocultas

La Gripe y las Variables Ocultas

Hace muchos-muchos años un excelente profesor en gestión de datos nos aleccionaba sobre las sutiles diferencias entre las variables relacionadas y los riesgos de atribuirles sistemáticamente causa-efecto.

El ejemplo práctico que nos planteó me sigue pareciendo útil. Nos pidió que imaginásemos una tabla temporal que reflejara la primeras nevadas en los Alpes y, del otro lado, la aparición de la gripe en cualquier punto del hemisferio norte.

Nos preguntó si nos parecía factible que hubiese una fuerte relación y coincidencia entre ambos acontecimientos. Todos estábamos de acuerdo en que era muy probable que ambas variables tuvieran una fuerte correlación temporal. Y también que esa relación tuviera un importante histórico que la avalase.

«Así pues –concluyó– ¿podríamos decir que la aparición de la gripe en cualquier parte del mundo y las primeras nevadas en los Alpes están relacionadas?«

En ese punto, toda la clase quedó callada. No nos atrevíamos a decir que sí, porque era un absurdo. Una nevada en Suiza no puede causar ningún efecto sobre la salud de la población en China o Siberia. Tampoco nos atrevíamos a decir que no, porque acabábamos de admitir que existía una relación evidente entre ambos hechos.

«Así pues –concluyó– ¿podríamos decir que la aparición de la gripe en cualquier parte del mundo y las primeras nevadas en los Alpes están relacionadas?»

Evidentemente, había una «variable oculta» común, que era «el frío», factor desencadenante de las dos anteriores.

Pero, lo importante es que este tipo de especulaciones entre variables relacionadas son una de las más habituales «trampas» de aspecto matemático-científico que sirven, en el mejor de los casos, para distraernos con algún titular llamativo o, en el peor, para confundirnos.

Quédense con el ejemplo, por favor. Y con el concepto de las «variables ocultas», causantes reales de algunas relaciones aparentemente sorprendentes, pero que pueden ser ambas simultáneamente EFECTO y, ninguna de ellas, CAUSA de la otra.

La Información Que Falta

La Información Que Falta

En general obtenemos información de los datos presentes. Los identificamos, los clasificamos, los procesamos y extraemos conclusiones en forma de gráficos.

Pero, muchas veces olvidamos que también podemos obtener información de los datos que, en cada contexto, deberían estar presentes y NO lo están. Estaríamos hablando de obtener información «por defecto». Por ausencia de datos que deberían estar presentes.

En un entorno tan variable y ruidoso como el de el flujo de datos de los mercados, es interesante tenerlo presente y observar tanto lo que podríamos considerar como estructuras de datos comunes o patrones como sus alteraciones gráficas, generalmente debidas a deficiencias en datos.

Determinados déficits de datos en situaciones tipo pueden ser TAN significativos como los propios patrones y, en ocasiones, ocasionan situaciones completamente opuestas.

Como en un sudoku, la resolución viene de la componente entre los datos presentes y los ausentes; lo que hay y lo que NO, pero debería estar.

Los Mercados son Información

Los Mercados son Información

«Lo que en la bolsa todos saben, a mí ya no me interesa»

André Kostolany

Los Mercados son sistemas de intercambio de información.

Ese es su principal objeto: comunicar de forma pública una información relevante, en este caso concreto, el precio de los activos valorados.

Esta declaración, poco discutible desde cualquier óptica, no va en contra de cualquier otra interpretación o forma de abordar los mercados y su operativa. Simplemente abre una nueva puerta desde la que estudiarlos, abordarlos e interpretarlos: la del análisis de los datos y sus flujos; una especialidad propia del siglo XXI.

Los mercados son datos que fluyen. Un sistema ultra-complejo -casi orgánico- de reglas estrictas; un número prácticamente ilimitado de procesos paralelos y variables tendiendo al infinito. ¿Irresoluble? Quizás, pero no por ello deja de ser apasionante intentar desmenuzar algunos de sus componentes.

Los Mercados son sistemas de intercambio de información, datos que fluyen.

La complejidad del sistema es tal que es muy difícil identificar y reconocer cada proceso individualmente para poder aislarlo y estudiarlo o, simplemente, identificar las fuentes fiables y separarlas de las que no lo son.

Pongamos mejor un ejemplo práctico. Desde ese punto de vista, sería como pasear por un gran bazar repleto de gente ya que, en el fondo, los mercados financieros del siglo XXI no dejan de ser una forma evolucionada de un típico mercado donde compradores y vendedores se encuentran y negocian, aunque ahora sea digital y remotamente.

Desde el punto de vista de la Teoría de la Información (TI), puedes captar alguna que otra frase entrecortada aquí y allá entre el tremendo ruido de la multitud y del propio bazar. Aunque todas las conversaciones que en él se producen sean, una por una, coherentes, seguramente no tiene mucho sentido preguntarse de qué habla el mercado en cada momento. Es un problema básico de ruido y señal.

De las conversaciones parciales que captamos a nuestro paso, puede que lleguemos a comprender el sentido de alguna, que nos equivoquemos en la interpretación de la mayoría, o que entendamos justo lo contrario a lo que se está diciendo en otras. Eso es un problema derivado de la información fragmentada o incompleta. Además, es muy difícil saber de entre todas esas conversaciones entrecortadas, quién miente y quién dice verdad.

Pero, cuando nosotros mismos establecemos conversación con un comerciante, podemos llegar a establecer un negocio. Y, si hemos sido hábiles, ya sabremos de antemano a qué precio se está negociando esa mercancía que nos interesa en otros puntos del bazar. Así, dentro del jolgorio, del ruido y del supuesto caos de un mercado aparentemente no coherente, podemos obtener la información estrictamente necesaria para realizar un buen negocio concreto: el nuestro.

Tú crees que especulas, pero sólo analizas información.

Así manejamos la Teoría de la Información en nuestra vida cotidiana: sin pensar en ella y sin conocer sus estrictas reglas matemáticas. Distinguimos señal de ruido, extraemos conclusiones de los datos disponibles en informaciones fragmentadas, y separamos fuentes fiables de las que no lo son. Tratamos y procesamos toda esa la información intuitivamente. Es así de fácil y así de difícil.

Por eso a mí me gusta recordar que igual tú crees que especulas, pero sólo analizas información.

¿Se pueden entender mejor los mercados con nuevas herramientas basadas en técnicas de gestión de datos del siglo XXI? Ese es el desafío.


Si te interesa este tema:

Sistemas, Temporalidad y Beneficios

Sistemas, Temporalidad y Beneficios

Una de las cosas que más me ha llamado siempre la atención es la evidente descorrelación entre los resultados de los sistemas según las diferentes temporalidades aplicadas. Un sistema automático puede ser bueno en 2 minutos, malo en 3, regular en 5, pésimo en 10, muy malo en 15, extraordinario en 20, mediocre en 30…, y así sucesivamente. ¿Por qué nadie habla de esto?

No existe una pauta reconocible que te haga posible establecer si el rendimiento mejora o empeora aumentando o disminuyendo la temporalidad del gráfico.

Alejándome todo lo posible para intentar ver con más claridad las causas de este paradójico hecho, creo que la clave está en el concepto base de la operativa típica del trading (lo que equipararíamos al «core sys«): en trading difícilmente se considera el tiempo como un continuo variable, sino se lo fracciona en porciones iguales de forma más o menos caprichosa y se espera que todas y cada una de esas fracciones tengan sentido por sí mismas y en relación con el resto.

Desde el punto de vista del análisis de la información eso es ridículo y no tiene ningún sentido. Imaginen que apliquemos un concepto parecido a un documento y agrupemos las palabras en grupos fijos de 3, de 5 o de 15 palabras, en lugar de hacerlo por frases completas. Evidentemente las frases y párrafos estarían ahí, pero esperar que encajase con alguna medida fija concreta sería bastante difícil. ¿Qué bloque fijo de palabras sería más comprensible? ¿Cuál nos aportaría mejor señal/mensaje? Evidentemente el que se acercase más a la media de las frases.

En trading difícilmente se considera el tiempo como un continuo variable, sino se lo fracciona en porciones iguales de forma más o menos caprichosa y se espera que todas y cada una de esas fracciones tengan sentido por sí mismas y en relación con el resto.

Los sistemas (y los indicadores antes que ellos) operan, básicamente, tomando los datos de cada elemento (barra o vela) e intentando establecer relaciones entre ellos y con los anteriores.

Sin embargo, convertidos en un sistema, poco tienen que ver los datos operativos que obtenemos de una vela de 60 minutos o de las 60 velas de 1 minuto que lo componen. En la vela horaria, podríamos ver una apertura muy por debajo de un cierre, con pocas sombras, mientras que en las 60 velas que la forman quizás observásemos una fuerte arrancada, una mayor bajada, dos periodos de lateralidad y una subida final realizada en los últimos minutos.

¿Cuál de estas dos situaciones es real? Evidentemente, ambas. Pero el mismo sistema automático generará dos operativas muy distintas con el mismo bloque de información dependiendo de cómo la fraccionemos, hasta el punto de que, sólo por ese factor los resultados operativos serán completamente diferentes en ambos casos. Desde la vista de la vela horaria, las órdenes del sistema en un minuto resultarían completamente incomprensibles, incluso absurdas.

Evidentemente, fraccionar el tiempo de trading en porciones iguales no parece la mejor fórmula para analizar qué está sucediendo en el mercado, si entendemos el mercado como un flujo continuo de información. Volúmenes o ticks quizás fueran una mejor opción, pero tampoco (por ahora) tengo razones para justificarlo más que por eliminación y descarte. (Acabado el estudio, meses más tarde, sí pude explicarlo y justificarlo con datos)

Un mismo sistema automático generará dos operativas muy distintas con el mismo bloque de información sólo dependiendo de cómo la fraccionemos

Creo que la clave está en la forma de la velas, en cómo fraccionamos la información para que sea lo más coherente posible. De hecho, este problema es uno de los básicos dentro de la gestión técnica de la información: cómo empaquetar de forma coherente la información [entendiendo, en este caso, como ‘paquete’ cada una de las velas].

De todos modos, cuando intento poner a trabajar un sistema sobre ticks en tiempo real y la plataforma no me lo permite, vuelvo a darme cuenta de lo limitados que estamos todavía para poder escudriñar el mercado desde otros puntos de vista de los tradicionalmente establecidos.


Si te interesan más artículos sobre el tema:

Buscando El Patrón Señal/Ruido

Buscando El Patrón Señal/Ruido

Estudio de la Frecuencia de Series Consecutivas de Velas

Les voy a hacer un resumen, porque todavía siento que estoy a medio camino. Quizás de aquí un tiempo, cuando sea capaz de completarlo y complementarlo, merezca algo más largo y detallado. Por ahora, comparto este breve avance y los primeros resultados.

Ya saben que mi idea base es considerar y tratar la información bursátil bajo la perspectiva de la más estricta de la gestión de datos. Grandes volúmenes de datos transitando a gran velocidad.

Resumiéndolo mucho, todo se reduciría a separar señal de ruido y operar siguiendo exclusivamente la señal, cosa que en terminología trader conocemos como “tendencia”.

Llegados a ese punto, me planteé si podría encontrar alguna forma objetiva de medir la proporción de señal/ruido existente para cada temporalidad y activo.

Mi primera hipótesis de trabajo era que a mayor cantidad de señal, mayor sería la frecuencia de series de velas consecutivas, ya fueran alcistas o bajistas. Y, en sentido contrario, cuanto más difícil que velas consecutivas muestren una misma dirección, mayor ruido.

El siguiente paso fue diseñar herramientas para realizar un recuento automático, tomar los datos y procesarlos para ver si encontraba un patrón lógico de evolución de esa hipotética señal/ruido.

Hoy comparto con ustedes algunos gráficos sobre muestras de unas 10.000 velas en cada una de las temporalidades. Sería estupendo que alguien más realizara un estudio parecido para comparar resultados.

En los siguientes gráficos se muestra la probabilidad de encontrar una serie consecutiva de velas (cualquier cantidad) frente a la pura alternancia.

O, si lo prefieren interpretar de otro modo, dada una vela cualquiera, el gráfico marca la probabilidad de que la/s siguiente/s tengan el mismo sentido.

Como siempre he presumido de tener unos lectores de nota, no necesitan de mis conclusiones. Si me lo permiten, me las reservo para más adelante [cuando acabe pruebas complementarias], pero ustedes pueden ir extrayendo las suyas propias. Sólo me gustaría destacar la evidencia de que cada activo parece tener una “huella” propia y casi única. Interesante, ¿verdad?

Espero que lo encuentren útil y, si es así, no sean egoístas y compártanlo como he hecho yo.


Sobre este mismo tema, también te puede interesar:

Tres Cosas Que Un Trader Debería Saber (y III): Trading, Fantasy & Analytics

Tres Cosas Que Un Trader Debería Saber (y III): Trading, Fantasy & Analytics

Previas:


– “Muy bien. Voy a solucionar este problema”, -dije yo.

 – “¿Y quién te dice que ese problema tiene solución? ¿Y quién te dice que es un problema ÚNICO y no complejo? Y, en caso de que sea un solo problema, ¿quién te dice que tiene UNA SOLA solución y no varias?”

 Y así mi profesor me enseñó a tener siempre la mente abierta ante todas las posibilidades.

Reconozco que los libros de trading no son mi lectura favorita. En general tienen estructura de manuales y, como tales, habitualmente son tan escasamente apasionantes como es previsible. Y en la categoría de “manuales” sí que me ha tocado “perpetrar” algunos por los que merecería condenación eterna.

Afortunadamente algunos por algunas partes sí que merecen el esfuerzo de leerlos. Hoy me referiré a uno de ellos, concretamente al muy recomendable “Leones contra Gacelas” de J. L. Cárpatos.

Un capítulo llamó poderosamente mi atención. Se encuentra en la primera parte del libro, titulada genéricamente “Algo de Filosofía” y más concretamente, dentro de ella, el capítulo se titula “Juguemos al blackjack”.

Reconozco que he vuelto a estudiar ese capítulo en más de una ocasión porque, más allá de mi interés en ese juego concreto de cartas (que es nulo), sí que me permitía entender el concepto general de enfoque del trading que propone el autor como un problema probabilístico, donde el azar va disminuyendo en tanto en cuanto las cartas (datos) van apareciendo sobre la mesa. El jugador dispone de una estrategia general que aplica y ajusta a cada situación. Una buen ejemplo de teoría de juegos, que diríamos hoy desde un punto de vista matemático.

Me pareció que, si era capaz de entender que ese “problema” denominado trading (que vimos antes que NO sabemos si tiene alguna solución, solo una, o multitud de ellas) admitía ese tipo de estrategia vía ejemplo, yo debería ser capaz de explicar mi propio enfoque “orientado al dato” con alguna otra analogía, también de juego.

3.1 – Trading vs. Fantasy & Analytics

Excuso explicar la estrategia aplicada al juego del blackjack, precisamente porque está detallada en el libro y capítulo antes mencionado, y jamás podré hacerlo mejor de lo que está allí expuesto.

Así que, pensando en un ejemplo parecido que me permitiese explicar cómo oriento yo tanto mi trading como el diseño de mis herramientas, algoritmos, indicadores o sistemas automáticos, se me ocurrió hablarles de las Fantasy, un juego que seguro es conocido por muchos en sus diferentes formas, nombres y variantes, aunque jamás lo he visto relacionado con el mundo del trading. Hoy lo haremos.

Yo sólo me voy a referir al único que conozco y juego, que es el Fantasy de NFL.com de football americano.

Un vez más, mi aproximación a este deporte, como en el propio caso del trading, fue puramente accidental y por el lado más inesperado: el de mi interés por los datos.

Hace algunos años un par de locos revolucionarios introdujeron la gestión de los datos deportivos en una experiencia que los apasionados por el tema conocemos como Analytics que incluso generó una película (Moneyball). Esa fue una de las primeras aplicaciones de Big Data real que empezó en el baseball, con resultados realmente sorprendentes.

Y, de ahí, la recopilación y aplicación de datos estadísticos sobre el juego y los jugadores saltó rápidamente al football profesional y a la NFL. Y, en ese punto y momento me interesé yo. Hoy en día se ha extendido a la gestión de prácticamente todos los deportes profesionales.

No voy a entrar en muchos detalles ni sobre el football americano ni propiamente sobre la Fantasy como tal, porque no me considero ningún experto y hay bastante documentación al respecto, pero hoy es uno de los juegos con más éxito en medio mundo con millones de jugadores esperando que se inicie cada temporada NFL, no tanto por seguir la propia competición, sino por poder jugar su Fantasy.

Cada propietario de un equipo Fantasy escoge entre todos los jugadores activos en la liga (NFL, en este caso) un grupo limitado de jugadores, en una especie de selección personal. Debe escoger jugadores en cada posición y de su actuación personal en cada partido acumulan puntos. Deberá decidir quién es titular o reserva e, incluso, puede dar altas o bajas en su equipo cada semana y sustituir a lesionados o jugadores que no están cumpliendo con sus expectativas. (Actualmente ya existen juegos denominados «managers» con la misma óptica y aplicados a deportes más próximos, que cuando escribí el artículo eran todavía una rareza).

Cada jornada tu equipo se enfrenta contra el equipo Fantasy de otro propietario en una liga generalmente compuesta por 10, obteniendo victorias o derrotas y jugando una competición liguera.

3.2 – ¿En qué se parece una Fantasy al Data-Trading?

Vamos ahora a establecer paralelismos.

Para empezar, las primeras decisiones que corresponden al propietario de una Fantasy es la propia selección de los jugadores que compondrán su equipo. Es el equivalente de adquirir una CARTERA.

Sabemos que estamos obligados a disponer de un mínimo de jugadores en cada una de las posiciones (diversificación). Esto nos da libertad de crear con libertad carteras/equipos, aunque acabaremos llegando a la conclusión que lo correcto (y lo que ofrece mejores resultados) son las carteras/equipos equilibrados.

El sistema habitual de selección es el denominado draft: una especie de sorteo donde se escogen por turno cualquiera de los jugadores disponibles. Los jugadores se ordenan por los RESULTADOS obtenidos en anteriores temporadas, o por sus expectativas estadísticas si son nuevos en la liga, o por nuestros criterios personales.

Pero ahí, nuevamente, tenemos un nuevo paralelismo: un jugador/activo cotizado (empresa) puede tener unos buenos datos históricos, pero con eso no basta porque también deberemos tener en cuenta en qué equipo/sector económico, se encuadra. La situación del equipo/sector puede afectar de manera significativa las prestaciones de cada jugador/activo.

Un jugador medio en un buen equipo seguramente se beneficiará de ello, tanto como se beneficia un activo de estar en un sector en alza. Cambiar de equipo a uno mejor o que el equipo se haya reforzado adecuadamente puede incrementar sustancialmente las expectativas de cada jugador, o viceversa.

Así los jugadores/activos y sus equipos/sectores están interrelacionados y son variables que hay que re-evaluar cada temporada.

Debemos tener en cuenta las estadísticas individuales del jugador/activo, así como del equipo/sector en que se encuadra. Ver si se trata de emergentes con posibilidades o son blue chips contrastados. Si su tendencia es alcista o están en declive (individual o sectorial).

«¿Cómo vas a obtener resultados diferentes si haces siempre lo mismo?”.

A. Einstein

Y, todo ello deberemos decidirlo únicamente basándonos en el conjunto de estadísticas disponibles.

El juego admite diferentes estrategias. Por mencionar sólo tres:

  • muchos propietarios toman un conjunto de jugadores (cartera) y la mantienen durante todo el campeonato, pase lo que pase y hasta el final (buy & hold);
  • otros mantienen una gestión activa de sus equipos/carteras sustituyendo, por ejemplo, aquellos jugadores/activos lesionados de larga duración o los que no responden a sus expectativas (swing) ; y,
  • acabando con aquellos propietarios que prácticamente cada semana realizan cambios en la composición de su equipo, buscando disponer de los jugadores/activos con un mejor rendimiento actual, semana a semana (scalp).

3.3 – Estadísticas convencionales vs. estadísticas avanzadas

Evidentemente me dejo un millón de aspectos interesantes a comentar, paralelismos evidentes entre el trading y este juego, pero allí dónde tienen la amabilidad de invitarme a hablar, intento aprovechar la oportunidad para intentar diferenciar entre herramientas de trading convencionales y avanzadas, y la ventaja diferencial que nos ofrecen estas últimas. La Fantasy también es un excelente ejemplo para explicarlo.

Las webs de las distintas Fantasy ofrecen una auténtica montaña de datos tanto individuales como colectivos para ayudar a escoger los mejores jugadores/activos por posición. Unos apuestan por los consagrados, otros por los emergentes, y muchos por una combinación entre ambos.

Pero el tipo de datos que nos ofrecen son los que podríamos llamar “convencionales”: yardas de pase, de carrera, de recepción, intentos, etc.

Hace algún tiempo dentro de las denominadas genéricamente Analytics empezaron a prosperar un nuevo tipo de estadísticas que denominamos en genérico “avanzadas” y que permiten obtener nuevas valoraciones sobre los mismos jugadores y/o equipos.

Voy a poner sólo algunos ejemplos. Imaginemos que en las estadísticas convencionales dos receptores han obtenido el mismo número de yardas de recepción en una temporada. ¿Cuál de los dos elegir?

Quizás uno de los dos ha necesitado el doble de recepciones que el otro. Eso puede querer decir que quizás jugó la mitad de partidos, o la mitad del tiempo, o erró la mitad de los pases que se le enviaron, o que su pasador no le envía buenos balones. Cualquiera de esos casos, si está contabilizado, permitiría tomar una mejor decisión al ofrecer información adicional.

No es lo mismo recibir 100 pases de 1 yarda (cortitos y fáciles) o recibir pases más largos y cerca de la zona de marca, donde la presión y los marcajes son mucho más duros y completar un pase es mucho más complicado. Además, el receptor capaz de conseguir capturas cerca de la red zone probablemente hará más marcas y obtendrá mejor puntuación en nuestra Fantasy, aun estableciendo el mismo número de yardas totales de pase.

NADIE (ni en trading, ni en una Fantasy) puede adivinar el futuro y ha de gestionar azar, incertidumbre y posibilidades estadísticas.

De hecho existen webs (algunas de pago), que ya ofrecen este tipo de estadísticas avanzadas que permiten tomar decisiones sobre qué jugadores y/o equipos resultan una mejor elección u ofrecen mejores prestaciones atendiendo a un mayor número de variables.

Para observar la diferencia, puede visitar alguna de estas webs como www.profootballfocus.com o www.footballoutsiders.com para observar este tipo de estadísticas complejas y la forma de realizarlas.

Evidentemente la Fantasy no deja de ser un inocente juego y este tipo de webs estadísticas un entretenimiento. Pero también (por todo lo explicado) resultan una fuente inagotable de ideas y una divertida forma de experimentar con carteras, activos, datos y aleatoriedad porque después, cada domingo, salta la sorpresa y NADIE (ni en trading, ni en una Fantasy) puede adivinar el futuro y ha de gestionar azar, incertidumbre y posibilidades estadísticas.

Porque, como decía Einstein, “¿cómo vas a obtener resultados diferentes si haces siempre lo mismo?”.


4.- A MODO DE CONCLUSIÓN

De hecho, si hubiera escrito este artículo mínimamente bien, este capítulo de conclusiones sería completamente accesorio e innecesario.

Desde el principio la voluntad es que todo fuera muy socrático. Y ello debería significar que, planteando las preguntas adecuadas (o, mejor, dejando que te las plantees y respondas tú), deberíamos todos llegar a conclusiones parecidas.

Por mucho que haya un consenso general sobre cualquier aspecto, una nueva forma de abordar un problema puede dar con una mejor solución

Desgraciadamente hoy en día no es este el método más habitual para la transmisión de ideas.

En general (y en el mundo del trading, especialmente) la comunicación es jerárquica: alguien se erige en autoridad y dicta SU verdad a quien le escucha o lee. Quien la recibe la acepta sin atreverse a cuestionarla, pues ello podría causar un conflicto de autoridad.

Y aquí acaba el proceso hasta que llega el siguiente maestro a explicar su propia verdad personal, una vez más, como si fuera la única.

Así que, si tú ya has sacado tus propias conclusiones, no te dejes confundir por las mías. Déjalo aquí y gracias por tu atención.

El trading puede ser abordado de distintas formas, formas antiguas, nuevas o una combinación de ambas. Y todas merecen respeto

Si, por lo que sea, prefieres mi resumen y conclusión, que es de hecho la explicación de mi punto de vista sobre el trading y la razón del diseño de mis algoritmos, me bastan con una pocas líneas más:

  1. (El TEST)  Para hacer trading con éxito NO NECESITAS ADIVINAR el futuro (ni ninguna «técnica» para hacerlo). Entre otras cosas porque NADIE puede adivinar el futuro, por lo que esa es una pretensión condenada al fracaso.

Basta con gestionar el presente. Para hacerlo podemos AYUDARNOS en los datos del pasado, pero esos datos NO IMPLICAN qué pasará en el próximo tic. En gestión de datos SÓLO establecemos niveles de probabilidad de los distintos posibles escenarios.

El trading es como una partida de ajedrez: NO hay que ADIVINAR el siguiente movimiento del adversario, basta con tener previstos los más probables.

Y, si te equivocas, rectificas.

2.(La ÚLCERA) Por mucho que haya un consenso general sobre cualquier aspecto, una nueva forma de abordar un problema puede dar con una solución mejor. Conservar lo que merezca ser conservado y revisar el resto es la forma de avanzar en cualquier campo del conocimiento. Yo creo que en el trading, también.   

3.(FANTASY) Lo importante de esta última entrega está al principio. Entender que un determinado problema tiene UNA SOLA solución y que esa es (además) la nuestra es, cuando menos, pecado de soberbia

El trading puede ser abordado de distintas formas, formas antiguas, nuevas o una mezcla de ambas. Y todas merecen respeto, aunque cada cual debería elegir aquellas en las que cree, sea por convencimiento personal o por fe.

Yo prefiero las más racionales y más propias del siglo XXI, pero esa es mi elección. Y eso es lo que he pretendido explicar. Hasta este punto.

Gracias por la paciencia de llegar hasta aquí.