Ayer, día 21 de Enero de 2015, pudimos asistir al webinar Mercados Aleatorios: Aplicación del análisis cuantitativo a los mercados, impartido por Manuel Fajardo. Manuel es CEO de Ocean Quant Management y trader especializado en el mercado de divisas y de materias primas, mercados en los cuáles aplica técnicas cuantitativas para operar.
¿Son los mercados aleatorios?
En el webinar de ayer lo primero que hizo Manuel fue mostrar el siguiente gráfico y preguntar a qué activo correspondía:
La respuesta es a ninguno, es un gráfico generado con el programa R, resultado de la suma acumulativa de una distribución de números aleatorios entre -6 y 6. R es un software de análisis de datos estadísticos computerizado y de código abierto, que tiene un lenguaje de programación propio, y es gratuito.
¿Aleatoriedad?
Para saber si un mercado es o no aleatorio tendremos que estudiar si los datos pasados pueden predecir los datos futuros.
La predictibilidad de una serie temporal de mercado es escasa. Aun descomponiendo la serie temporal el componente aleatorio es escaso, para realizar esta acción en R, la función que utilizamos es "decompose()". Se dice que una serie temporal es un proceso de Markow cuando el futuro desarrollo de ésta dependa del valor presente de la serie, pero no del valor pasado. Dicho de otra manera, el proceso no tiene memoria, los eventos futuros de este proceso no depende de los eventos pasados, un ejemplo de un proceso que no tenga memoria puede ser la Ruleta de casino o lanzar una moneda al aire.
¿Son las series temporales de los activos financieros procesos de Markov? Mediante el uso de las autocorrelaciones entre eventos pasados y eventos futuros podemos averiguarlo. Manuel realizó un estudio sobre el Eur/Usd para demostrar si existe autocorrelación en este mercado, y el resultado fue el siguiente:
Esta función nos dice que los retornos realmente no tienen autocorrelación, exceptuando el momento inmediatamente anterior, el resto de momentos ya no son significativos, por lo tanto no tienen autocorrelación, por lo tanto las series temporales son aleatorias.
La propiedad de Martingala dice que el valor esperado de una serie temporal en el futuro es igual al valor esperado de la serie temporal en el presente, siendo el valor esperado la media de las rentabilidades. Este es el concepto más importante que debemos entender y manejar a la hora de intentar explotar el mercado.
¿Tienen las series temporales de los activos financieros la propiedad de Martingala? Para saberlo se calcula la media y la desviación típica de las diferencias de las series temporales y a través de R contrastamos la hipótesis de que la media de los datos seleccionados son o no son distintos a cero. El resultado es el siguiente:
El estadístico del test da 1.96, con lo que no se puede rechazar la hipótesis nula de que la media de las rentabilidades sea cero.
Si acabamos de comprobar que la serie temporal de los retornos sigue el proceso de Markov y que tiene la propiedad de Martingala, podemos esperar de la especulación nos va a dar en media un resultado de 0 y si a esto le sumamos los costes de operar, tendremos una esperanza matemática negativa.
Entonces... ¿Cómo se debe diseñar una estrategia de Trading?
En base a lo anterior Manuel explicó que una estrategia de trading bien diseñada tiene que destruir la propiedad de Markov y de Martingala en nuestra curva de balance (no de Equity) y para conseguir esto hay que identificar qué tipo de procesos siguen las series temporales y no hay que poner stops ni límites en las operaciones.
Para rechazar la propiedad de Markov se necesita una metodología cuyos cash-flows futuros puedan relacionarse íntimamente con los cash-flows pasados. Y para rechazar la propiedad de Martingala necesitamos que la esperanza matemática sea mayor que cero, y por lo tanto se tienen que generar cash-flows mayores que cero, entrando sin stop loss ni límite a mercado.
Técnicas para batir al mercado
A continuación Manuel explicó una técnica para batir al mercado, y mencionó otras dos:
- Integración simple
- Cointegración (se verán en futuros webinars)
- Multicointegración (se verán en futuros webinars)
A través de Excel se puede diseñar un sistema a través de la integración, integrar significa restar al momento presente el momento pasado. De esta forma obtenemos una serie temporal de orden 1. De esta serie agruparemos las frecuencias y sacaremos la media y la desviación típica. A través de esta técnica obtenemos que si la serie temporal del Eur/Usd cae o sube 40 pips en un día, el día siguiente, el 77% de las veces el Eur/Usd cae y el 64% de las veces el Eur/Usd sube, y las ganancias totales acumuladas operando en el momento t habrían sido de 804 pips (cortos) y de 216 pips (largos).
Si calculamos la media de esta relación nos da que la media para la caída posterior a un día de caida de 40 pips es de 26.8 pips de caída, con una desviación típica de 38 pips. De aquí podemos extraer que el escenario esperado es de 26.8 pips, el escenario negativo es de una pérdida de 11.2 pips y de una ganancia de 64.8 pips. A través de estos datos se puede montar una estrategia, con un stop loss de 11.2 pips.
Para ver el vídeo resumen del webinar haz clic aquí: