Convencido de ello uno intenta identificar variables, diseñar algoritmos y proporcionar adecuadamente representaciones gráficas para crear heramientas que ayuden al trader a tomar decisiones adecuadas. Entonces sale un imbécil de corbata de seda, dice una chorrada y el mercado cae un 4% en dos minutos.
Sí, si lo miras en temporalidades más largas, el «factor imbécil» queda diluido y minimizado entre el resto, y vuelve a dar la razón a Dow y a Shannon.
Lo que no entiendo es por qué hay tal cantidad de imbéciles con incontinencia verbal en puestos de responsabilidad. Y, lo peor, no sé cómo programar la variable «imbécil de turno» en mis herramientas. Me disculpo por ello.
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".
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 parajes americanos, 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:
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)
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 plantearnos dos nuevas preguntas:
¿Para qué más indicadores, si ya hay tantos?; y,
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.
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.
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.
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.
«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.
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.
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:
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.
