CUANTITATIVO

estrategias de
negociación
Aprovechar el poder
de técnicas cuantitativas para crear
un programa de comercio Ganar
Otros libros de la serie El filo de la Irwin
comerciante

Sistemas de comercio que funcionan por Thomas Stridsman

La Enciclopedia de Estrategias de Trading por Jeffrey Owen Katz
y Donna L. McCormick
Análisis Técnico para el profesional de comercio por Constance de
Brown
Futuros y Opciones Agrícolas por Richard Duncan
El Opciones de borde por William Gallacher
El arte del Comercio por RE McMaster
CUANTITATIVO
estrategias de
negociación
Aprovechar el poder
de técnicas cuantitativas para crear
un programa de comercio Ganar

LARS N. Kestner

McGraw-Hill
Ciudad de Nueva York Chicago San Francisco Lisboa Londres
Madrid Milán México Nueva Delhi San Juan Seúl
Singapur Sydney Toronto
Copyright © 2003 por Lars Kestner. Todos los derechos reservados. Fabricado en los Estados Unidos de América.
A excepción de lo permitido por la Ley de Derechos de Autor de Estados Unidos de 1976, ninguna parte de esta
publicación puede ser reproducida o distrib buida en cualquier forma o por cualquier medio, o almacenado en un
sistema de base de datos o recuperación de información, sin el consentimiento previo por escrito del editor.

0-07-143603-0

El material de este libro electrónico también aparece en la versión impresa de este título: 0 -07-141239-5.

Todas las marcas son marcas comerciales de sus respectivos propietarios. En lugar de poner un símbolo de marca
después de cada-rencia producirse de un nombre de marca registrada, utilizamos nombres de forma editorial
única, y en beneficio del propietario de la marca, sin intención alguna de infracción de la marca. Cuando dichas
designaciones aparecen en este libro, que se han impreso con mayúsculas iniciales.
libros electrónicos McGraw-Hill están disponibles en cantidades descuentos especiales para su uso como las
primas y las promociones de ventas, o para su uso en programas de formación corporativos. Para obtener más
información, póngase en contacto con George Hoare, ventas especiales, en george_hoare@mcgraw-hill.com o
(212) 904-4069.

TÉRMINOS DE USO
Se trata de una obra con derechos de autor y The McGraw-Hill Companies, Inc. ( "McGraw-Hill") y sus
licenciatarios se reservan todos los derechos en y para el trabajo. El uso de este trabajo está sujeto a estos términos.
A excepción de lo permitido por la Ley de Derecho de Autor de 1976 y el derecho de almacenar y recuperar una
copia de la obra, no podrá descompilar, desensamblar, realizar ingeniería inversa, reproducir, modificar, crear
trabajos derivados basados en, transmitir, distribuir, difundir, vender, publicar o sublicenciar la obra o cualquier
parte del mismo sin el consentimiento previo de McGraw-Hill. Usted puede utilizar la obra para su propio uso no
comercial y personal; cualquier otro uso de la obra está estrictamente prohibido. Su derecho a utilizar el trabajo
puede terminar si usted no cumple con estos términos.
EL TRABAJO se proporciona "tal cual". McGraw-Hill Y SUS LICENCIAS NO GARANTIZA
Ni garantiza la exactitud, adecuación o integridad de O RESULTADOS PARA SER
OBTENIDA DE USO DEL TRABAJO, INCLUYENDO CUALQUIER INFORMACIÓN ACCESIBLE A
A través del trabajo mediante hipervínculos o no, y, EXPRESAMENTE CUALQUIER GA-
GARANTÍA, EXPRESA O IMPLÍCITA, INCLUYENDO PERO NO LIMITADO A GARANTÍAS DE
COMERCIALIZACIÓN O IDONEIDAD PARA UN FIN DETERMINADO. McGraw-Hill y sus proveedores
de licencias no garantizan ni garantizan que las funciones contenidas en el trabajo que satisfaga sus requisitos o
que su funcionamiento sea ininterrumpido o libre de errores. Ni McGraw-Hill ni sus licenciantes serán
responsables ante usted o cualquier otra persona por cualquier inexactitud, error u omisión, independientemente
de la causa, en el trabajo o por cualquier daño que resulte de ella. McGraw-Hill tiene ninguna responsabilidad por
el contenido de cualquier información obtenida a través de la obra. Bajo ninguna cir-cunstancias se McGraw-Hill
y / o sus otorgantes serán responsables de cualquier, incidental, punitivo, conse-CUENTES especial indirecta o
daños similares que resultan de la utilización o la imposibilidad de usar el trabajo, incluso si alguna de ellas ha
sido advertido de la posibilidad de tales daños. Esta limitación de responsabilidad se aplicará a cualquier
reclamación o causa whatso-nunca que dicho reclamo o causa surge por contrato, agravio o de otra manera.
DOI: 10.1036 /
0071436030
¿Querer aprender más?
Esperamos que disfruten de este libro electrónico McGraw-
,
Hill! Si tu d recibir más información sobre este libro, su
autor, o de libros y sitios web relacionados, por favor haga
clic aquí.
A mis padres, Neil y Arlene Kestner:
Todo su apoyo me ha hecho la persona que soy hoy
Todos los ingresos del autor de este libro serán
donados a las ventanas de la Esperanza Fondo de
Ayuda Familiar. Las ventanas de la esperanza del
Fondo de Ayuda Familiar ofrece ayuda, becas
futuras, y los fondos para las familias
de las víctimas que trabajaban en las profesiones
de alimentos, bebidas y hospitalidad en el World
Trade Center.
EXPRESIONES DE GRATITUD

yo quiero darle gracias a muchas personas que directa e indirectamente condujo

a la creación de este libro:
Mis padres, Neil y Arlene, siempre me han retado a perseguir mis sueños, sin
embargo esos sueños nobles que sean.
Agradezco a Kristen, que soportó una gran cantidad de horas de la noche
estresantes mientras estaba escribiendo este libro.
Muchas gracias a mis amigos que, a lo largo de los años, han ayudado a dar
forma tanto mi carrera y mis pensamientos en los mercados: Andy Constan, Scott
Draper, León Gross, Ken Mackenzie, Bryan Mazlish, y Josh Penner. Una deuda de
gratitud va también a Thom Hartle, ex editor de la revista Las acciones y los
productos básicos, por publicar algún trabajo temprano de una sobre-el logro de 19
años de edad. Esa publicación me dio la confianza para llevar a mis ideas y la
investigación mucho más allá. Además, debo dar las gracias a Scott Bieber y Nick
Cicero para la edición de las primeras versiones de este manuscrito y la adición de
una crítica constructiva. También fueron de gran valor Stephen Issacs y Scott Kurtz
de McGraw-Hill para tomar un conjunto muy aproximada de las ideas y
convertirlas en un texto elaborado derfully ganado. agradecimiento final va a mis
gatos y Thomas Grey, que, con todos sus pasos en el teclado de mi ordenador
portátil a altas horas de la noche, se debía probablemente alguna por-ción de los
derechos de autor como coautores.
Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
 Para obtener más información acerca de este título, haga clic
aquí.

CONTENIDO

EXPRESIONES DE GRATITUD VI

PRÓLOGO XIII

PRIMERA PARTE
FUNDAMENTOS estructurales destinadas a mejorar TÉCNICA
rendimiento comercial 1

Capítulo 1
Introducción al comercio cuantitativo: ¿Cómo puede ayudar a lograr
Estadísticas El éxito de comercio 3

Estrategias de negociación y el método

científico 3
Los orígenes de este libro 5
Nuevos Mercados y Métodos de Trading 6
La inclinación científica y comercial
cuantitativa 6
Los pioneros de Quantitative Trading: WD Gann, Richard Donchian,
Welles Wilder, Thomas DeMark 9
La reciente explosión de Trading cuantitativo 10
Los comerciantes de hoy cuantitativos: Trucha Monroe, John Henry,
Ken Griffen,
Jim Simons 11
¿Por Trading cuantitativo tiene éxito 14
El nacimiento de una
nueva disciplina 21
Tecnología e ineficiencias en los mercados financieros 30
Méritos y limitaciones del análisis fundamental 33

vii

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
viii
CONTENID
O

Capitulo 2
Una Introducción a la estadística: El uso de métodos científicos para la
elaboración de corte
Estrategias ventaja
comercial 39
La medición de los Mercados 39 Uso de la
estadística
La media y la media de devoluciones y
precios 40
La medición de la dispersión de
retornos 40
correlación 42
La utilidad de la distribución normal 46
La irregularidad de la volatilidad del
mercado 49
La gama de volatilidades 50
El distribuye lognormalmente de
precios de mercado 53

Capítulo 3
Creación de Estrategias de Trading: Los bloques de construcción que
generar operaciones 55
La necesidad de explicar cambios en los precios 55
Las entradas de
estrategia de negociación 56
Técnicas de seguimiento de
tendencias 56
Medias Móviles 57
Las rupturas de
canal 60
Impulso 62
La volatilidad sesiones
individuales de 63
Los osciladores de
precios 66
Índice de Fuerza Relativa 66
Estocástico 66
Media móvil de convergencia / divergencia 68
Patrón de
precios 69
Las salidas de estrategia
de negociación 69
los objetivos de
beneficios 70
Stops 70
Fallar salidas
seguras 72
Estrategia de
negociación Filtros 72
La creación de nuevas estrategias: Reglas La cuantificación de las teorías de
comercio 73
La necesidad de sistemas forTrading y un Plan de Trading 73

Capítulo 4
Evaluación del desempeño Estrategia de Negociación: Cómo evaluar
correctamente
Actuación 75
Las teorías de Popper Aplicada a la
Trading 75
Fallas en las medidas de rendimiento
76
CONTENIDO ix

Beneficio neto
76
Factor de
Beneficio 78
Beneficio a la
DrawDown 80
Porcentaje de operaciones rentables 82
Mejores medidas de rendimiento Trading 84
El ratio de Sharpe 84
El K-Ratio 85
Comparación de estrategias de referencia
90
Las plantillas de evaluación de
resultados 90
resumen
Página 90
Estadísticas de
descomposición 94
El "Half Life" del rendimiento de la
estrategia 94
Qué hacer cuando se deterioran las
estrategias 97
Las minas de oro de mal
desempeño 97
Otros métodos de
prueba 98
La falacia del pensamiento mágico 98

Capítulo 5
Rendimiento de las carteras: El mantenimiento de devoluciones mientras que
la disminución del riesgo 99
Las lecciones aprendidas de un casino 99
Los beneficios de la diversificación 100
No poner todos los huevos en una canasta 102
El Mejor Diversificación: Al otro lado de Mercados 104
Mejor Diversificación: Al otro lado de estrategias no correlacionadas 105
Bueno Diversificación: Al otro lado de los parámetros dentro de las estrategias
106
Santo Grial del comerciante 107
Capítulo 6
La optimización de parámetros y señales de entrada de filtrado: La mejora
de la
Estrategia básica 109
La optimización de las señales de comercio para
aumentar la rentabilidad 109
Optimización Versus ajuste de
curvas 110
Medición del valor de la
optimización 112
Filtrar para mejorar la rentabilidad 117
Similitudes de Comercio Filtros: ADX y VHF 117
Medir el valor de Filtrado 117
Estrategias de conmutación de
régimen 118
Filtrado Uso de la rentabilidad de la última
operación 121
x
CONTENID
O

Operando con el gráfico de liquidez 123

¿Con qué frecuencia los mercados de tendencia? 124

LA SEGUNDA PARTE
Aprovechar el poder de técnicas cuantitativas para
CREAR UN PROGRAMA DE OPERACIONES 127

Capítulo 7
La disección de Estrategias disponible en la actualidad: lo que funciona y
Lo que no
funciona 129
Las acciones de ensayo y los
mercados de futuros 129
La construcción de los Contratos de Futuros
continuas 130
La normalización de acciones y futuros de
volatilidad 133
Tratar con Comisión y deslizamiento 139
Desempeño de las estrategias más
populares 139
de ruptura del
canal 139
Mover doble cruce de media 145
Impulso 150
La volatilidad del
desbloqueo 155
Estocástico 155
Índice de Fuerza Relativa 165
Convergencia se mueve Normal /
Divergencia 170
Una línea de base para el futuro
Estrategias de Trading 175

Capítulo 8
Nuevas ideas de entradas, salidas y Filtros: Mejora del rendimiento del
Comercio El uso de técnicas de vanguardia 181

Un lobo con piel de oveja 181

La canción sigue siendo el mismo: Similitudes de los
osciladores 182
11 Nuevas técnicas de
negociación 182
Mover Promedio del Sistema de
Kestner 183
Segundo Orden del
desbloqueo 183
Histograma MACD Retracement 191
Índice de
divergencia 197
Media Móvil Confluencia Método 202
Indicador del sobre normalizada 208
Sistema de Entrada Múltiple
oscilador 213
estocástico ajustado 219
Tres consecutivos 222
CONTENIDO xi

Estrategia de Inversión de
volumen 227
Estrategia de soporte y resistencia de saitta
233
El valor de salidas Stop Loss 236
Pyramiding frente a la toma
de ganancias 242
Nueva tendencia Filtros 243

Capítulo 9
Nuevas ideas de los mercados: el comercio no termina con acciones y futuros
247
El mundo de las operaciones de valor
relativo 247
El arbitraje
pura 248
De abajo hacia arriba
Valor Relativo 249
De arriba hacia abajo
Valor Relativo 250
macro Trading 250
La introducción de Mercados
Relativas de Valor 251
Curva de rendimiento
de los mercados 251
Los
diferenciales de
crédito 253
volatilidad de
las acciones 257
Rendimiento relativo de índices bursátiles
259
Los pares individuales de
archivo 263
Los sustitutos de los
productos básicos 264
Acciones y materias primas relaciones de mercado
265Desarrollo de estrategias de valor relativo Mercados
266
La aplicación de estrategias comerciales cuantitativas relativas a los mercados de
valor 267
de ruptura del canal 269
 Mover doble cruce de media 269
Impulso 269
Estocástico 272
Índice de Fuerza Relativa 272
Diferencia de 100 días de media móvil 277
Diferencia entre 10 y 40 días de media móvil 280
Nuevos mercados, nuevas
oportunidades 283

Capítulo 10
Invertir en el S & P 500: Beating a comprar y mantener de retorno
utilizando
Las técnicas cuantitativas 289
La popularidad de las
acciones 289
La importancia de los tipos de interés en la predicción de precios de
renta variable 292
Estrategias de pruebas a mediano
plazo 294
Metodologías comerciales a corto
plazo 295
xii
CONTENID
O

Los fondos de índice y ETFs 295

Día de la semana y el día de Efectos Mes 297
Utilizando el índice de volatilidad de operar en el S & P 500 299

Capítulo 11
Nuevas técnicas en la administración del dinero: La optimización de
los resultados de nuestro Estrategias 305
La importancia de la administración del
dinero 305
La relación entre el apalancamiento y devoluciones 306
El peligro de apalancamiento 311
Las reglas del juego y el comerciante
con un borde 311
Las reglas del juego y el comerciante
con n Edge 312
Las reglas del juego en el mundo real 313
Los criterios de
Kelly 315
f óptima de Vince 316
Un método mejorado para el cálculo de apalancamiento óptimo 316
El papel del dólar y del Porcentaje devoluciones 316
La paradoja de apalancamiento óptimo 319

Capítulo 12
Resolver el rompecabezas de comercio: crear, probar y evaluar un
nuevo Estrategia de Negociación 321
La creación de la Estrategia 321
Prueba de la Nueva Estrategia 324
La determinación de apalancamiento óptimo 325
EN CONCLUSIÓN 329
ÍNDICE 331
PRÓLOGO

O fortuna,
Variable como la luna,
¿Alguna vez aumentan y disminuyen;
Esta vida detestable ahora nos maltrata,
Entonces nos concede nuestros deseos más salvajes;
Se funde tanto la pobreza y el poder
Como el hielo.
-desde la cantata escénica Carmina Burana
de Carl Orff (1895-1982), traducido por
Lucy E. Cruz

Mis razones para escribir este libro

Al igual que la cita anterior, este libro es sobre el riesgo. El enfoque de este libro es
el desarrollo de estrategias comerciales que compran y venden activos financieros,
mientras que la gestión de las aso-ciado de riesgo con estas posiciones. Si bien no
tenemos ni idea de si nuestra próxima operación será un ganador o un perdedor,
mediante el uso de herramientas cuantitativas para identificar la recompensa y el
riesgo, podemos disminuir el riesgo mientras se mantiene la previsión de aumentos.
Esta es la clave para el éxito comercial a largo plazo. La mayoría de las herramientas
de este libro se han estudiado durante los últimos 50 años por académ-ICS y han
sido empleados por los profesionales de Wall Street en los últimos 20 años.
Desafortunadamente, no ha habido una brecha cuando se trata de explicar y enseñar
estas técnicas al público inversor. Este libro intenta llenar ese vacío mediante la
presente-ing los conceptos avanzados en el comercio sistemática, la gestión de
riesgos, y la administración del dinero que durante mucho tiempo han estado
ausentes.
En primer lugar, este libro explora la capacidad de las estrategias de negociación
cuantitativos para medir el tiempo los mercados. estrategias de negociación cuantitativos
son una combinación de análisis técnico y estadístico que, cuando se aplica, generar
señales de compra y venta.
 xiii

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
xiv PRÓLOGO

Estas señales pueden ser activadas, ya sea a través de patrones o valores de

indicadores complejos calculados a partir de los precios de mercado de precios.
Una vez que se forman estas estrategias de negociación, su rendimiento se prueba
históricamente para validar las ideas de operación. En esencia, se determina si una
estrategia ha funcionado en el pasado. Si una estrategia ha generado ganancias
históricamente, esto le da credibilidad a los resultados futuros. Después de la
actuación se prueba, seleccionamos los mercados a ser objeto de comercio. Por el
comercio de una amplia diversificación de Port-folio, somos capaces de minimizar
el riesgo mientras se mantiene la recompensa esperada. El desarrollo de la idea,
poniendo a prueba el rendimiento histórico, y recogiendo los mercados para el
comercio son algunas de las muchas técnicas requeridas para las estrategias
comerciales eficaces y rentables. Mientras que algunos libros han tocado en varias
áreas del proceso de desarrollo, creo que este libro es el primero en captar al
máximo todos los matices del proceso trad-ing. Mientras que algunos libros
proporcionan evidencia anecdótica sobre la base de una o dos de las experiencias
del autor, este libro respalda conceptos con explicación teórica, los resultados de la
vida real, y las referencias a la investigación académica. Mi objetivo al escribir este
libro es dejar las cosas claras con la prueba del tiempo las estadísticas, no con
teorías no comprobadas y tradiciones de mercado transmitidos a través de las
edades.

Un nuevo enfoque para el análisis de los mercados

Existen numerosos métodos que se utilizan para analizar los mercados. La mayoría
de los inversores y los comerciantes se verá en los datos fundamentales para evaluar
si creen que el mar-cado se va a mover más alto o más bajo. En los mercados de
renta variable, los inversores se verá en los ingresos, las ventas de productos y
cargas de la deuda para determinar el valor justo de una compañía. La comparación
de esta valoración de las perspectivas de negocio a continuación, determina una
valoración justa para la empresa. En las materias primas, los inversores se verá en
las tendencias de la oferta y la demanda. Las malas condiciones meteorológicas
pueden herir a un punto de vista de los cultivos y aumentar los precios. La falta de
demanda final durante una recesión puede hacer que los precios caen. El estudio de
estos factores fundamen-tal es el método más común de análisis de los mercados.
Otro método cada vez mayor de análisis es el análisis técnico. El análisis
técnico no trata de predecir los movimientos del mercado en base a fundamentos.
En lugar de ello, los analistas técnicos creen que un participante del mercado, por
muy bien informado, es poco probable que tenga una mejor información que la
combinación de todos los otros mercados par-par-. Como resultado, los analistas
técnicos creen que la acción del precio es la mejor fuente de información. Las
previsiones de mercado se hacen usando patrones de los gráficos, la mayoría de los
cuales han sido estudiados durante décadas. nombres pegadizos como "cabeza y
hombros", "triángulo simétrico" y "línea de tendencia" son una gran parte de la caja
de herramientas del analista técnico. Típicamente, el analista técnico se basa en un
buen poco de discreción por sus ideas de operación. Mientras que un patrón puede
verse como una señal de compra con una técnica ana-lyst, otro puede ver un patrón
diferente emergentes y en realidad se prepara para vender en el mercado.
Este libro tiene un enfoque algo diferente de confiar únicamente en el análisis
funda-mental o técnica. Mientras que la mayoría de las estrategias estudiadas en
este libro utilizan los precios del pasado para predecir los precios futuros (como lo
haría un analista técnico), cada estrategia es
PRÓLOGO xv

se define específicamente el uso de reglas rígidas. Este proceso cuantitativo elimina

la sub-subjetividad de la que tanto los analistas fundamentales y técnicos sufren.
Una vez que las estrategias se definen mediante las propiedades estadísticas de
sonido, se prueban a fondo sobre los precios Histor-ical para determinar la
rentabilidad durante los últimos años. Sólo se tendrán en cuenta las ideas que han
resistido la prueba del tiempo para el comercio en tiempo real. Uno de los
beneficios de la histórica prueba per-rendimiento es que los comerciantes son más
propensos a tener confianza en los malos resultados trad-ción cuando los años de
backtesting teóricos han demostrado que la estrategia de ser negociado es viable y
rentable.

Crear, probar e implementar una estrategia de negociación cuantitativa

Un tema recurrente en este libro es la necesidad absoluta para probar teorías. Horas
de debate pueden no ser capaces de resolver las diferencias de opinión sobre la
literatura o la política. En estos temas muy imprecisos, no hay verdades constantes.
No hay respuestas defi-nidas. ¿Hay que aumentar el gasto público para reactivar la
economía o hay que pagar la deuda para bajar las tasas de interés? Fue John
Steinbeck o William Faulkner o alguien más el mejor autor nacido en Estados
Unidos? Ninguna cantidad de estudio nos conducirá a respuestas definitivas.
El objeto de este libro, que yo llamo el comercio cuantitativa, no sufre de este
mismo destino. Cada vez que hacemos declaraciones sobre el mercado, podemos
realizar pruebas de matemáticas y estadísticas para determinar si estamos en lo
correcto en nuestras creencias. ¿Los cambios en las tasas de interés afectan los
rendimientos de la bolsa de valores? Si los precios del maíz han ido en aumento, es
probable que continúen haciéndolo en el futuro cercano? Teniendo en cuenta que
los datos históricos de los precios de mercado está disponible de nuevo a la vuelta
del siglo XX, en muchos casos, podemos estudiar los precios históricos de mercado
y por lo general encontrar respuestas a estas preguntas una vez que se cuantifica
cada una de estas ques-ciones. Responder a las preguntas por lo general se reduce
a la creación de una prueba matemática o Sta-Statistical y luego analizar los
resultados. El resto de este libro se intentará responder a las preguntas dirigidas a
entender exactamente cómo se comportan los mercados y cómo los inversores y los
operadores pueden beneficiarse de esta información.
La mayor parte de nuestro estudio consiste en la creación, la prueba y la
aplicación de estrategias de negociación. Una estrategia de negociación (también
llamado un sistema de comercio o la metodología de negociación) es un conjunto
de reglas que señalan el operador cuándo comprar, cuándo vender y cuándo vender
una corta mar-cado. Las decisiones de compra y venta se generan habitualmente
mediante patrones de precios y indi-cadores. Estas estrategias pueden ser muy
simples, tales como comprar y vender el miércoles el viernes. Las señales también
pueden ser muy complejas e incluyen la regresión estadística y las relaciones entre
muchos mercados relacionados. Un aspecto positivo es que muchos de los sistemas
comerciales más rentables en los últimos veinte años son en realidad muy simple
en la naturaleza. La mayor parte de los conceptos de este libro son simplistas y no
requieren más de un fondo de matemáticas de la escuela secundaria de entender.
Otro componente importante del proceso de desarrollo del sistema de
comercio es la capacidad de cambiar los valores que introduce en nuestras reglas.
Por ejemplo, podríamos comprar si el cierre de hoy es mayor que hace las estrechas
10 días. Podemos variar el de 10 días
xvi PRÓLOGO

período retroactivo en un intento de mejorar el rendimiento. El procedimiento de

Chang-ing valores de los parámetros para mejorar el rendimiento se llama
optimización.
La parte más importante del desarrollo del sistema de comercio es pruebas de
rendimiento. Cuando se prueba el rendimiento histórico, primero queremos ver si
nuestras estrategias han sido rentables en el pasado. Debido a que muchas de las
estrategias serán rentables históricamente, necesitamos una metodología para
comparar la rentabilidad entre las estrategias de negociación. Muy a menudo el
sistema más rentable no es el mejor sistema para nuestro comercio. De hecho, creo
que la mayoría de los comerciantes utilizan medidas de rendimiento obsoletos e
incompatibles con Evalu comió rendimiento histórico. Por esta razón vamos a
utilizar medidas de calidad, como el ratio de Sharpe y K-Relación para nuestra
evaluación del desempeño.
Por último, es necesario desarrollar un plan de manejo de dinero para el comercio
de nuestros Strate-gías. Con un apalancamiento tan fácilmente disponible a través de
los mercados de futuros y contabilidad de existencias de margen, hay que cuantificar
exactamente la cantidad de apalancamiento es ideal, teniendo cuidado de no cruzar este
umbral en el comercio de forma demasiado agresiva. Si bien este tema suena muy
básico, algunos de los administradores de dinero más brillantes y más grandes en el
mundo han sufrido enormemente por no adherirse a las reglas de manejo de dinero.

El amplio espectro de mercados disponibles para el comercio

Una vez que hemos diseñado y puesto a prueba nuestra estrategia comercial, la
siguiente opción es decidir qué mercados al comercio. Las opciones actualmente
son enormes e incluyen acciones, fondos negociados en bolsa, futuros y otros
mercados. Nuestras estrategias cuantitativas trad-ción son aplicables a cada uno.
La belleza de la negociación cuantitativa es la facilidad de la aplicación de un
conjunto predefinido de reglas a múltiples mercados. El esfuerzo final de la
aplicación de una estrategia para un mercado adicional es insignificante. Sólo
encienda el com-ordenador en cuestión de segundos y la estrategia escupe compra,
venta, o plano. Con la tecnología de hoy en día, sería perfectamente posible que
una sola persona al comercio cientos, si no miles, de los mercados.
Este libro se centrará en tres mercados distintos: acciones, futuros y los
mercados de valores relativos. Las acciones representan un derecho sobre los
activos de una empresa después de todos los acreedores como los bancos y
tenedores de bonos son pagados en su totalidad. Las acciones de las empresas de
comercio en tres mercados principales en los Estados Unidos: la Bolsa de Nueva
York (NYSE), la American Stock Exchange (AMEX), y en el NASDAQ. Mientras
que el NYSE y AMEX son parqués físicos donde compradores y vendedores se
reúnen para negociar acciones, el NASDAQ es una vinculación de los creadores de
mercado que negocian precios con los clientes y con los demás. Las acciones
pueden ser comprados, vendidos, y se venden corto. Si pensamos que una acción
va a ganar, compramos acciones en previsión de venderlos a un precio mayor en el
futuro. Si pensamos que una acción va a bajar, vendemos un corto de valores. Para
vender una acción corta, su intermediario toma prestado acciones de otro cliente y
los vende en su nombre, y te espero para comprar las acciones en corto de nuevo a
un precio inferior.
Los contratos de futuros se negocian en financieras, agrícolas, petróleo y otros
productos. Los mercados de futuros han sido concebidos originalmente como un medio
para los proveedores y
PRÓLOGO xvii

los usuarios finales para cubrir los riesgos relacionados con su actividad. Por
ejemplo, un maíz de siembra agricultor no puede vender este maíz en el mercado.
El maíz debe crecer, ser conferida-Har, y luego procesados antes de ser vendidos.
Los precios pueden cambiar dramáticamente entre el momento del maíz que es
plantada y cuando se vende en el mercado. Esto representa un gran riesgo para el
agricultor cuyos ingresos depende del precio del maíz en el momento de la venta
final. Del mismo modo, una empresa de alimentos que necesita el maíz para
producir su cereal de desayuno también está expuesta a los cambios en los precios
del maíz. Los mercados de futuros están destinadas a permitir que tanto los
productores y usuarios de un producto de un medio de cobertura. Un contrato de
maíz es una obligación de comprar o vender una cantidad fija y el grado de maíz
en algún momento en el futuro. En junio, el agricultor que hablamos podría vender
10.000 toneladas de maíz se puede entregar en septiembre para bloquear en su
precio de venta en el momento de la cosecha. La compañía de cereales, sabiendo
que va a comprar maíz en el futuro para sus productos, podría comprar 100.000
bushels de maíz del mes de septiembre con el fin de bloquear en sus costos. Debido
al alto apalancamiento y bajos costos de transacción asociados con el mercado de
futuros, estos mercados han sido durante mucho tiempo un vehículo comercial
popular para los comerciantes cuantitativos. Al igual que las acciones, los futuros
pueden ser comprados, vendidos, y se venden corto.
En la mayoría de los libros sobre el comercio, la variedad de mercados por lo
general termina en acciones y futuros. En este libro vamos a tomar el comercio
cuantitativa un paso más allá mediante la aplicación de nuestras estrategias para
algunos mercados nuevos que se negocian activamente por los fondos de cobertura
y las mesas de operaciones de Wall Street. Si bien los mercados tales como los
diferenciales de rendimiento de la curva, los diferenciales de crédito, volatilidad,
pares de valores, y los sustitutos de los productos básicos pueden parecer esotérico
para la mayoría de los inversores individuales, miles de millones de dólares se
negocian cada día en estos productos. La mayoría de estos mercados son en realidad
combinaciones de otros mercados en los que un activo se compra y el otro activo
se vende corto. Por ejemplo, un comercio popular es comprar el bono a 30 años y
vender los 5 años de Notas del Tesoro cuando la curva de rendimiento es fuerte
pendiente hacia arriba. Mediante la combinación de dos o más activos, podemos
crear los datos de precios para estos mercados "valor relativo". Una vez que
diseñamos y probamos nuestras estrategias comerciales cuantitativas, podemos
ponerlas en práctica en estos nuevos mercados para tener acceso a los productos
fuera de los mercados de valores y de futuros típicos. Realmente no hay límite en
el comercio cuantitativo. Dar un comerciante cuantitativa algunos datos de precios
y puede Dev-Elop una estrategia de negociación. Cada vez que se crean nuevos
mercados en el futuro, los comerciantes quantità-tivo estarán allí para sacar
provecho.

Exploración de las posibilidades y limitaciones de Trading cuantitativo

La hipótesis de los mercados eficientes (EMH) es una teoría académica que establece
que, en algún nivel, es imposible medir el tiempo de éxito en el mercado
constantemente. Tres formas de la EMH existen: fuerte EMH forma, la forma semi-
sólida EMH, y la forma débil EMH. La forma fuerte de la EMH sugiere que toda la
información, tanto públicos como pri-vada, siempre se incorpora a los precios actuales.
El último precio refleja toda la informa-ción incluidos los informes de los cultivos, sin
previo aviso y sin embargo-a-ser-lanzado resultados de la sociedad, e incluso la fusión
que actualmente se está negociando entre la Compañía ABC y de la compañía XYZ.
La forma semi-sólida de la EMH afirma que los precios actuales reflejan
xviii PRÓLOGO

toda la información en el dominio público, incluidos los informes anuales de las

empresas, las estimaciones de los cultivos del USDA, informes de investigación de
Wall Street, y la calidad de la gestión empresarial. La forma débil EMH sugiere
que los precios ya reflejan toda la información que se puede derivar del análisis de
los datos históricos del mercado, tales como los precios de cierre, el volumen y el
interés corto.
Las tres formas de la EMH (forma fuerte, semi-sólida, y débil) sugieren que
nuestros intentos de hacer dinero mediante la compra y venta sobre la base de los
precios pat-charranes anteriores no tienen remedio. Mientras que la EMH fue
ampliamente aceptada en los años 1970 y 1980, la investigación reciente ha
encontrado grietas en su premisa. Tanto la investigación académica y la industria
han detectado que algunas ineficiencias persisten a través del tiempo. Por ejemplo,
las acciones que compran que han estado por debajo de los últimos tres años tienden
a superar para los tres años siguientes. Algunos patrones de precios pueden predecir
de manera significativa los rendimientos futuros. Ciertas estrategias que siguen las
tendencias producen resultados consistentes cuando se comercializan en una cesta
de los mercados de futuros. Estas grietas en la EMH insinúan que los mercados
pueden no ser tan eficaz como se pensaba. Tal vez nuestras estrategias de
negociación Quan-cuantita- pueden detectar con precisión y explotar ciertos
patrones que son consistentemente rentable.
La idea de utilizar estrategias de negociación cuantitativos no es nueva.
Grandes institu-cional administradores de dinero como John W. Henry &
Company, la trucha de comercio y la sociedad gestora, Citadel Investment Group,
y renacentistas Tech-gías han estado utilizando estas estrategias durante años con
gran éxito. Sus fondos son ampliamente considerados como los mejores de los
mejores. El resto de este libro intentará crear un programa de comercio que se
acerca a la consecución de los resultados sorprendentes de estos grandes gestores
de dinero.

Lars Kestner
mayo 2003
CUANTITATIVO
estrategias de
negociación
Aprovechar el poder
de técnicas cuantitativas para crear
un programa de comercio Ganar
Esta página está en blanco
intencionadamente.
PARTE UNO

Fundamentos estructurales para mejorar

comercio técnico

yo n la primera mitad de Estrategias de Trading cuantitativos vamos a echar un

vistazo de cerca a las técnicas actuales utilizadas en el comercio cuantitativa y
técnica. Este medio se intro-ducir conceptos básicos, así como algunas de las
técnicas más avanzadas que los operadores del sistema ATIC utilizan en las
operaciones del día a día. En la segunda mitad del libro, usando esta base, vamos a
ir a estudiar los métodos de negociación borde más complejas y de corte.
Vamos a empezar con una discusión sobre los orígenes del comercio y su
evolución cuantitativa de la aplicación de hoy en día. Para operar en forma efectiva,
es necesario insuficientemente destacan cómo reaccionan los mercados sobre una
base diaria, y para ser capaces de aislar las tendencias tales como el precio promedio,
la volatilidad y las relaciones con otros mercados. Con este fin, también vamos a
estudiar las estadísticas y propiedades básicas de comportamiento del mercado.
A partir de ahí, vamos a pasar a los bloques de construcción de los sistemas de
entradas, salidas y filtros-y presentar ejemplos concretos de cada uno, para preparar
mejor al lector a los conceptos más avanzados que se discutirán más adelante. A
continuación, vamos a cubrir rendimiento de la estrategia de negociación, prestando
especial atención a ciertos problemas asociados con las medidas de rendimiento
popu-lar como por ciento de retorno, el factor de ganancia, y el beneficio para dibujar
hacia abajo. En concreto, vamos a ilustrar cómo la misma estadística de lucro a
reducción puede ser bueno para un sistema y malo para otro.
Después de nuestra mirada a la evaluación del desempeño, vamos a explorar el
tema de la diversificación y explicar por qué el comercio de una cartera de mercados
mejora el rendimiento general de las estrategias de negociación técnica. En la
mayoría de las circunstancias, la negociación de un puerto-folio de los mercados
produce mejores características de recompensa a los riesgos que el comercio de
cualquier mercado sin-GLE por su propia cuenta. Examinamos los beneficios del
comercio de una cartera diversificada de los mercados, las estrategias y los
parámetros de nuestros cuentas de explotación.
 1

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
2 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Vamos a cerrar la primera parte del libro con una discusión de los aspectos
positivos y negativos de filtrar las entradas y la optimización de parámetros. La
optimización es un concepto a menudo muy disputado. Utilizando los resultados
del mundo real, vamos a tratar de cuantificar sus beneficios.
 CAPÍTULO 1

Introducción al comercio cuantitativo

Cómo estadísticas pueden ayudar a lograr el éxito
comercial

Estrategias de negociación y el método científico

El comercio es un negocio increíblemente competitivo. A diferencia de otras
industrias, no hay barreras de entrada y los requerimientos de capital son muy bajos.
En estos días, cualquier persona en los Estados Unidos pueden abrir una cuenta de
comercio en línea en cuestión de minutos. Al mismo tiempo, dada la competencia
en la industria de corretaje, los costes de negociación, como las comisiones han
disminuido. Con el mercado abierto a tantos participantes, han surgido diferentes
estilos de comercio y la inversión. Habla con 100 comerciantes y es probable que se
escucha 100 filosofías comerciales diferentes. Momentum, el valor, el seguimiento
de tendencia, y el comercio pares son algunos de los métodos de negociación
utilizados en la actualidad. En lugar de declarar una estrategia superior a cualquier
otro, mi enfoque personal como comerciante es para probar la mayor cantidad de
estrategias sobre datos históricos tanto como sea posible con el fin de estudiar
científicamente los méritos de cada metodología. La evaluación de desempeño
histórico significa:
1. Siguiendo el método científico mediante la creación de una hipótesis
(nuestro método de negociación)
2. Prueba de la hipótesis (de nuevo a la prueba en datos históricos)
3. Sacar conclusiones sobre la base de nuestros datos (evaluación de los
resultados y aplicar-ción de un programa de comercio)
Cuando analizamos los mercados en el contexto del método científico,
estamos comerciantes cuantitativos.
 La vida de un comerciante cuantitativa es único. Si bien el proceso de
negociación en sí es similar a partir de un día a otro, los resultados y los resultados son
siempre desconocido. Intrigado por

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
4 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

la posibilidad de nuevas teorías de comercio, los comerciantes de investigación

cuantitativa ideas de todos los días que nunca se han explorado antes. Hoy en día
puede muy bien ser el día un comerciante des-cubre una nueva estrategia que pone
su comercio sobre la parte superior.
Tanto sobre el comercio ha cambiado en tan poco tiempo. Con los avances en la
tecnología y el advenimiento de la computadora en casa, ha habido un aumento en el
número de comerciantes cuantitativos, utilizando métodos estadísticos y numéricos
para disuadir la mina cuándo comprar y cuándo vender. Si bien estos métodos son a
veces complejos programas informáticos cuyos cálculos requieren horas para llevar a
cabo con mayor frecuencia, las estrategias son reglas simples que pueden ser descritos
en la parte posterior de un sobre.
El nuevo software ha permitido a los comerciantes para probar ideas sin tener
que arriesgar un centavo de capital. Antes, los comerciantes sólo podían especular
si sus métodos tenían ningún precedente histórico de la rentabilidad. En estos días,
utilizando el nuevo software, las estrategias pueden ser probadas a través de miles
de los mercados que abarcan el planeta, dando a los comerciantes la confianza de
que sus métodos han superado la prueba del tiempo. Todo el proceso puede ahora
ser realizado en un par de minutos.
Por supuesto, antes se hizo tan fácilmente disponible toda esta maravillosa
tecnología, la mayoría de las decisiones comerciales se realizaron mediante el análisis
de tablas de noticias y de precios, y de estar en contacto con los sentimientos viscerales.
Algunos de estos llamados "comerciantes discrecionales" naturalmente poseen esta
sensación de la tripa de la dirección del mercado y puede resultar rentable sin la
necesidad de reglas sistemáticas, pero es raro. Requiere conseguir una manija en uno
de las emociones y ser capaz de procesar la información de una manera imparcial, y
sólo un puñado de comerciantes discrecionales de gran talento han logrado esto y ha
tenido éxito.
Una pregunta que siempre ha argumentado es si los comerciantes
discrecionales son en general mejores que sus contrapartes comerciales
cuantitativas. El Grupo de Barclay, un grupo de investigación dedicado al ámbito
de los fondos de cobertura y los futuros gestionados, ha mantenido registros de
rendimiento de varios asesores comercio de productos básicos en función de su
estilo de negociación. CTA son personas o empresas que aconsejan a otros sobre
comprar-ción o venta de futuros y opciones sobre futuros, con algunos de los más
grandes CTA ges-ción de más de $ 2 mil millones. Cualquier CTA cuyo comercio
es al menos un 75 por ciento discrecional o se clasifica como un comerciante
discrecional por Barclays orientado a juicio, mientras que cualquier CTA cuyo
comercio es al menos el 95 por ciento sistemática se clasifica como sistemática. A
partir de estas dos categorías, Barclays mantiene el Índice sistemáticas
comerciantes Barclays y el índice de comerciantes discrecionales Barclays. Ambos
índices se calculan en función del beneficio mensual y la pérdida de los gestores de
fondos subyacentes.
 En cualquier caso, con respecto a nuestra pregunta sobre discrecional frente a
los comerciantes cuantitativos: Entre 1996 y finales de 2001, el rendimiento
promedio anual en el sys-mático (o cuantitativa) grupo fue 7,12 por ciento, frente
a sólo el 0,58 por ciento para el grupo discrecional. Lo que es más, el índice
sistemático superó al índice de discre-nario en cinco de los seis años del período de
prueba. Estas estadísticas sugieren que es posible que queramos centrar nuestra
cotización en el lado sistemática. Figura 1.1 detalla el comportamiento de los
comerciantes sistemáticas en relación con los comerciantes discrecionales de 1996
a 2001.
CAPÍTULO 1 Introducción al Trading cuantitativo 5

Barclays sistemática contra discrecional Índice de comerciantes

160

150
(1996 = 100) Sistemático
140

130

120
Actuación

discrecional
110

100

90
01.12.9

01.12.9

01.12.9

12/1/98

01.12.9

01.12.0

01.12.0
9.1.98
6.1.98
3/1/96

6.1.96
9/1/96

3.1.97
6.1.97

9.1.97

3.1.98

3.1.99
6.1.99
9.1.99

3.1.00
6.1.00
9.1.00

3.1.01
6/1/01
9.1.01
5

1
Fech
a

FIGURA 1. 1

Barclays sistemática contra discrecional Índice de comerciantes. Como se ha visto anteriormente,

la sistemática Índice de comerciantes ha superado de forma constante el índice de comerciantes
discrecionales.

Los orígenes de este libro

A los 12 años, mi padre, un químico teórico, trajo a casa un par de libros sobre el
mercado de valores desde su oficina durante su limpieza anual. Sabiendo que yo
estaba interesado en los negocios (incluso a esa edad), mi padre me presentó
casualmente con los libros. Ese día cambió mi vida para siempre.
No recuerdo el título del primer libro, pero el segundo era el Análisis Técnico
de inversión clas-SIC de archivo Tendencias. Publicado por primera vez en 1948,
el libro de Robert Edwards y John Magee es ampliamente considerado como el
texto clásico en el análisis Techni-Cal y la referencia original para muchos de los
patrones comerciales de hoy en día, tales como triángulos, cuñas, cabeza y los
hombros, y rectángulos. En esa primera lectura, me cautivaron. Antes de que me
diera cuenta, estaba leyendo todo lo que pude encontrar en relación con el análisis
técnico.
Cuando tenía 15 años de edad, he recibido un aviso en el correo para una
estrategia comercial diseñada para operar en los movimientos durante la noche en el
mercado de futuros de bonos del Tesoro a 30 años. La idea de crear una estrategia de
regla fija para tomar la discreción humana fuera del proceso de negociación me fascinó,
y se dispuso a desarrollar sistemas de comercio para el comercio de los mercados de
futuros. Desde ese momento, he creado y probado miles de ideas. Mi primer trabajo
publicado, cuando tenía 19 años, se presentó en el análisis técnico de Valores y
Productos. Más tarde, publiqué una mayor investigación en la revista Futuros también.
En 1996, publiqué un manual de comercio de 250 páginas titulado Una comparación
de
6 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Sistemas de Trading populares. En él se detallaban 10 años de datos de rendimiento

de 30 sistemas populares probados en 29 mercados de futuros.
Durante años, yo estaba desconcertado por qué los libros que introducen ideas
únicas y estrategias de negociación nunca se confirmaron sus resultados anteriores
mediante la presentación de una simulación de los resultados. Me esforcé en mi
manual de comercio para arrojar luz sobre esta cuestión. Más del 50 por ciento de
las estrategias que probé perdido dinero, incluso antes de tener en cuenta los costos
de transacción, tales como comisiones y deslizamiento. Además, las estrategias de
ejecutar un trabajo mejor-ing fueron los más simplista en la naturaleza-complejo ni
esotérico. A pesar de que se ha intentado demostrar el valor de estas nuevas
estrategias, aprendí rápidamente la importancia de verificar de forma independiente
rendimiento comercial.

NUEVOS MERCADOS Y MÉTODOS DE COMERCIO

La introducción de futuros financieros a principios de 1980, la proliferación de
equi-lazos en la cartera de los hogares de América, y la desregulación de diversas
indus-ses tales como la comercialización de la energía ha dado lugar a muchos
nuevos productos y mercados. Con estos nuevos mercados han llegado
oportunidades.
Utilizando el análisis cuantitativo como una forma de identificar las
oportunidades de comercio ha llegado a ser popular. Tales análisis mercados de
estudio basado en información histórica como los precios, el volumen y el interés
abierto.
sistema de comercio es un ejemplo de análisis cuantitativo. Se trata de la
automatización de los comerciantes compra y venta de decisiones mediante la
construcción de fórmulas matemáticas para modelar el movimiento del mercado.
Entre las ventajas de este método es que el elemento humano se elimina de las
posiciones de negociación, como se discutió anteriormente. Incluso los operadores
exitosos tienden a tomar ganancias demasiado pronto en el comercio, renunciar a
un mayor beneficio en la línea. O peor aún, los comerciantes se aferran a las
pérdidas que eventualmente provocan su desaparición. La belleza de un sistema de
comercio mecánica es que no hay operaciones son ejecutadas hasta que lo considere
necesario el sistema de comercio. Esta es la clave para el éxito de los sistemas
mecánicos de comercio: la eliminación del elemento emocional irracional.
Tal vez hemos llegado delante de nosotros mismos. Vamos a preguntar
primero: ¿Cuáles son los sistemas de comercio?
Un sistema de comercio es un conjunto de reglas fijas que proporcionan señales
de compra y venta. Un ejemplo sim-plistic sería comprar un mercado si su precio se
elevó por encima de la media de los últimos 20 se cierra y vender cuando los precios
cayeron por debajo de su promedio de los últimos 20 se cierra. Si el mar-cado se eleva
continuamente, estará mucho tiempo en ese mercado. Cuanto más largo sea el mercado
sube, más el dinero que gana. Muy simple, que está siguiendo la tendencia del mercado.
 Por lo general, los rendimientos utilizando un enfoque de seguimiento de tendencia se
aplica a un conjunto diverso de mar-cados son más altos que los rendimientos del S &
P 500, con un riesgo similar o incluso menor.

La inclinación CIENTÍFICA Y COMERCIO CUANTITATIVA

Usted puede preguntar: Con numerosos libros escritos acerca de los sistemas de
comercio y métodos disponibles y más saliendo cada mes, ¿para qué leer este libro en
particular? Me responde
CAPÍTULO 1 Introducción al Trading cuantitativo 7

que Quantitative Trading Strategies es único, ya que llevar el análisis cuantitativo en la

corriente principal mediante la presentación de conceptos de una manera realista y
lógico.
Mientras que la mayoría de los libros promueven un método de negociación
específica, que a menudo no antecedentes históricos pro-ducir de sus ideas o un
fondo de otras comerciales met-ods. En este libro, voy a tomar las ideas de
operación viejas y nuevas y probarlas en una amplia gama de mercados. Mientras
que otros libros se centran específicamente en acciones o futuros, este libro se
aplicará estrategias de negociación cuantitativos para todos los mercados.
Vamos a aplicar técnicas de futuros, acciones, y algunos de los nuevos
mercados que los lectores pueden no estar familiarizado. Además, vamos a probar
el rendimiento histórico de los dos sistemas populares actuales y algunas ideas
nuevas que he formulado en los últimos 15 años de actividad. Estas pruebas se
llevará a cabo en 29 productos, 34 acciones e índices bursátiles, y 30 mercados de
valor relativo en los últimos 12 años de datos diarios de precios. El rendimiento
histórico será examinado desde múltiples ángulos.
Además, voy a ilustrar cómo los lectores pueden recrear mis resultados y
crear, probar y evaluar los sistemas de comercio por su cuenta. Además, voy a
describir tanto los Ben-benefi- y las limitaciones del análisis cuantitativo mediante
el análisis de muchas de las herramientas que uso como un comerciante. Y,
basándose en la experiencia personal, yo también voy a ilustrar ciertos puntos
haciendo uso de anécdotas de mi carrera comercial.
Si bien es importante para ilustrar la rentabilidad de los métodos de
negociación cuantitativos, es igualmente importante para discutir las limitaciones
del método. No hay comerciantes hacen dinero todos los días. Muy pocos hacen
dinero cada mes. Algunas estrategias que llevan a cabo de manera rentable en el
pasado se descomponen y se convierten en no rentable en el futuro. El comercio
con estrategias cuantitativas implica mucho riesgo en el riesgo que esperamos para
limitar mediante el uso de estado de las técnicas de la técnica para diseñar, probar
y operar nuestros métodos de negociación.
Los lectores se darán cuenta de que continuamente me refiero al proceso de
utilización de reglas fijas a los mercados de comercio basado en la historia precio
anterior como el comercio cuantitativa, en lugar de la expresión popular, "análisis
técnico", normalmente utilizado en la industria. La razón de esta diferencia tiene
que ver con la calidad del análisis. Admito que tiene desprecio por los analistas
técnicos que utilizan gráficos para explicar el comportamiento del precio pasado.
Un ejemplo es dibujar líneas de tendencia, o líneas que conectan las cimas del
mercado o en el fondo (véase la Figura 1.2). La teoría es que la extensión de estas
líneas actuará como soporte o como resistentes en el mercado de futuros
movimientos. Es frecuente escuchar afirmaciones como la siguiente parte de los
analistas técnicos más tradicionales:
Declaración 1: "El S & P 500 ha estado vendiendo debido a una
rotura de la línea de tendencia de seis meses en 1100."
 La sentencia anterior ofrece muy poco valor predictivo en el proceso de
negociación. El intento de reconciliar la acción del mercado pasado mediante el
análisis técnico no tiene sentido. Mercados disminuyen debido a las noticias y la
información. Pobres corporativos ganar-Ings, las preocupaciones sobre las
prácticas corporativas de contabilidad, el exceso de consumo de cereal, y la falta
de demanda de los usuarios finales de los productos son sólo algunas de las muchas
razones posibles para un mercado a declinar. Al explicar la historia, por lo general
podemos crear una imagen clara
8 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

S & P 500 Gráfico Precio

1300

1200

1100

1000
Rotura de la línea de tendencia de las
señales de precios más bajos
900

800

700
01.10.0

11/1/01

01.12.0
8.1.01

9.1.01

1/1/02

2.1.02

4/1/02

5.1.02

6.1.02
7.1.02
3.1.
02
1

Fecha

FIGURA 1. 2

S & P 500 Precio Gráfico. Una vez que los precios se rompió una línea de tendencia que
conecta septiembre y febrero mínimos, los precios se dirigieron mucho menor.

de los factores de mercado que causaron los mítines y descensos. Historia y

retrospectiva son siempre 20/20.
Aunque creo que el uso de análisis técnico y la lectura del gráfico para
explicar el comportamiento del mercado pasado es absurdo, el análisis técnico
puede ayudar a predecir futuros movimientos del mercado. Tenga en cuenta la
utilidad de la siguiente declaración:
Declaración 2: "Una ruptura de la línea de tendencia de seis meses
puede provocar vendedores adicionales en el mercado y llevar los
precios más bajos."
Esta declaración tiene mérito y puede ser utilizado por los comerciantes.
Debido a que el mercado se está rompiendo por debajo del soporte anterior, es
probable que veamos precios más bajos en el corto plazo. Por lo tanto, debemos
vender posiciones largas y establecer posiciones cortas. analistas técnicos hábiles
harán llamadas de mercado precisas basadas predominantemente en la acción del
precio y dejar la explicación de los movimientos del mercado históricos a los
analistas fundamentales de disección noticias e información nueva.
Mientras que la segunda declaración anterior puede ser útil para los comerciantes,
podemos llevar el proceso un paso más allá mediante la incorporación de los resultados
históricos. Después de todo, ¿estamos seguros de que las pausas de las líneas de
tendencia son un precursor para bajar los precios? ¿Con qué frecuencia en el pasado ha
trabajado esta estrategia? Considere la siguiente declaración, lo que sugiere que
tomemos medidas sobre la base de un precio en particular la formación, el cruce de un
promedio móvil:
Declaración 3: "Debido a que el mercado cruzó por debajo de su
promedio móvil de 200 días, esperamos que los precios continuarán
su caída."
CAPÍTULO 1 Introducción al Trading cuantitativo 9

En este caso, el analista técnico es la predicción de los precios más bajos

debido a precio de cierre por debajo de su promedio de los últimos 200 días. El
promedio móvil de 200 días se utiliza con frecuencia en la sincronización del
mercado, y el ejemplo anterior se utiliza comúnmente en la práctica. Mientras
Declaración 3 involucra una predicción de futuro, podemos añadir más valor a la
previsión del comercio. Por ejemplo, si seguimos la estrategia en reglas de
comercio fijo de comprar cuando un mercado se elevó por encima de sus 200 días
de media móvil y vender cuando el mercado cayó por debajo de su promedio móvil
de 200 días, se le ganamos a una estrategia de comprar y mantener ? ¿Qué
rendimiento incremental de un inversor se hacen siguiendo el móvil de 200 días
Norma de media en los últimos 5 o 10 años? El cruce de la media móvil de 200
días es una profecía de mercado que ha existido durante años. Pero, ¿se resiste a las
estadísticas y la prueba histórica?
En este libro, vamos a tratar de resolver los dos problemas citados anteriormente.
En primer lugar, a diferencia de Aplicación 1, todo nuestro análisis de comercio se
orientarán para futuras operaciones -no para explicar el comportamiento del precio
anterior. En segundo lugar, a diferencia de Norma 3, cuando sugerimos el uso de una
estrategia comercial que genera señales de compra y venta, vamos a probar esa
estrategia durante muchos mercados diferentes, cada uno compuesto por varios años de
datos. Estos resultados serán examinados para separar las ideas prometedoras de los
predestinado a no ser rentables. Después de todo, si una idea no ha sido rentable en el
pasado, ¿por qué lo usamos en el futuro?

Los pioneros de la cuantitativas de comercio

comercio cuantitativa se remonta a finales del siglo 20. WD Gann, Richard
Donchian, Welles Wilder, y Thomas DeMark se encuentran entre sus pioneros
conocidos.

William D. Gann
A principios de 1900, Gann hizo un nombre como un joven corredor de acciones y
materias primas. Un comerciante legendario, Gann poner sus ideas y su credibilidad
en la línea en un entre-vista con la revista Ticker e Inversión Digesto en 1909
(Kahn, 1980). La revista publicó una entrevista de cuatro páginas en el que Gann
contó su historial comercial. Sus previsiones eran increíblemente precisa. Durante
octubre de 1909, de acuerdo con la entrevista, Gann hizo 286 operaciones en
distintas poblaciones, 264 de los cuales eran prof-itable y sólo 22 lo que resulta en
pérdidas.
Aunque posteriormente Gann escribió una serie de libros, ninguno realmente
describir sus métodos. De lo que se ha publicado, parece que sus técnicas iban desde
la creación de nuevas listas de precios basados en el movimiento independiente de
tiempo a la numerología métodos más complejos, incluyendo las plazas de precio
y tiempo. Gann de Cómo el comercio de productos es uno de mis clásicos de todos
los tiempos favorito.

Richard Donchian
Nacido en 1905, Robert Donchian estableció el primer fondo de futuros en 1949
(Jobman, 1980). El fondo se esforzó durante los primeros 20 años, como Donchian
mercancía negociada
10 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

mercados con una estrategia de negociación técnica discrecional. Habiendo

comenzado en el negocio trad-ción durante la década de 1930 deflacionarias, su
visión era parcial continuamente hacia el lado bajista. Este sesgo dolía la
rentabilidad del fondo durante muchas de las manifestaciones de las materias
primas de los años 1950 y 1960. No fue hasta Donchian cuantificó su enfoque
comercial en la década de 1970 que dieron como resultado beneficios estables.
A pesar de no escribir libros sobre el tema de la negociación, Donchian utiliza
técnicas que son muy populares y la base de muchas de las estrategias actuales.
Entre sus contribuciones a la industria son la doble estrategia de cruce de media
móvil, así como la estrategia de ruptura del canal. He incluido estas dos estrategias
para contrastar los sistemas más recientes en mi Comparación de los Sistemas de
Trading populares.
Para mi gran sorpresa, estos dos sistemas se encuentran entre los sistemas con
mejores resultados probados. Vamos a explorar la obra de Donchian en más detalle
más adelante en el libro.

Welles Wilder
Nuevos conceptos en Technical Trading por Welles Wilder, publicado en 1978, fue uno
de los primeros libros que intentaron tomar la discreción de las manos del comerciante
y reemplazar decisiones comerciales con métodos de negociación matemáticos. Wilder
presentó el Índice de Fuerza Relativa, un oscilador que es estándar en casi todos los
software de paquete de edad hoy en día, la Antena de parada y el sistema de reversa, y
otros siete métodos. Sus métodos estrictamente cuantitativos hacen de él un pionero en
el campo de la negociación cuantitativa.

Thomas DeMark
Después de escribir un servicio de asesoramiento comercial en la década de 1980,
Thomas DeMark fue a trabajar para Tudor Investment Corporation, uno de los más
prestigiosos asesores comercio de productos básicos en el mundo. Paul Tudor Jones
estaba tan impresionado con DeMark que los dos abrió una filial, Tudor Systems
Corporation, con el único propósito de desarrollar e ideas comercial de DeMark.
Para mantener el volumen de sus técnicas de negociación a sí mismo a lo largo
de su carrera trad-ción, Dinamarca, que ha sido llamado el "último indicador y
sistemas de tipo" (Burke, 1993), decidió dar el resto del mundo un vistazo de su
met SAO cuando publicó la nueva ciencia de comercio técnico en 1994. Una
secuela, New Market técnicas de sincronización, seguido en 1997. Si alguno de los
lectores no han leído estos dos libros, que sugieren fuertemente que hacerlo. Probar
y evaluar las ideas de estos dos libros por sí solos podrían pasar años antes de que
una sola persona. Entre las contribuciones de DeMark son su indicador secuencial
(una técnica de contratendencia agotamiento), DeMarker y REI (nuevas tomas de
osciladores), así como numerosas otras estrategias de negociación sys-máticas.
La explosión RECIENTE DE COMERCIO CUANTITATIVA
La proliferación de la negociación cuantitativa moderna comenzó con un puñado
de operadores de futuros en la década de 1970. Armado con los mainframes de
IBM y tarjetas perforadas, estos comerciantes
CAPÍTULO 1 Introducción al Trading cuantitativo 11

comenzó a probar estrategias simplistas sobre los datos históricos del mercado. El
alto nivel de apalancamiento y bajos costos de transacción hacen los mercados de
futuros un complemento perfecto para este nuevo tipo de comerciante.
Hoy en día, el comercio cuantitativa está completamente aceptada y practicada
por muchos grandes gestores de dinero de los productos básicos profesionales. CTA
como John Henry y Jerry Parker de Chesapeake capital gestionar más de mil millones
de dólares cada uno usando los sistemas de comercio para realizar apuestas en los
mercados que abarcan el planeta. Una encuesta reciente encontró que más del 75 por
ciento de CTA utilizar sistemas de comercio. De hecho, Jack Schwager, autor de los
libros bien recibida por la crítica Market Wizards Wizards y New Market, ha
conseguido los fondos instituciones que utilizan sistemas comerciales aplicados a los
mercados de productos básicos.
No fue hasta mediados de la década de 1970 que dos cambios en el mercado
de comercio hicieron cuanti-tante viable para la renta variable: el final de las
comisiones reguladas, y la introducción del sistema de pedido Turnaround
Designada (DOT).
Hasta 1975, la Bolsa de Nueva York fijó la comisión mínima de cotización
de acciones. De acuerdo con Robert Schwartz, profesor de finanzas en la Escuela
de Negocios Zicklin, tarifas de grandes órdenes institucionales típicos durante la
era de las comisiones fijas fue de aproximadamente un 0,57 por ciento del principal.
Si Cambié 50.000 acciones de una acción $ 50, esto equivaldría a $ 0.29 por
participación en los costos de comisión. Estos altos costos extraodinarily
obstaculizados comerciantes cuantitativos de entrar en los mercados de valores.
A pesar de que los costos de transacción más bajos después de la eliminación
de la estructura comi-sion fijo empujaron las poblaciones más cerca del reino de
los comerciantes cuantitativos, fue la creación de la DOT en 1976 que realmente
abrió los mercados de valores. Antes de la DOT, estaban obligados todos los
pedidos para ser entregados a los especialistas en la Bolsa de Nueva York a través
de un corredor-tanto un procedimiento oportuna y costoso piso. Con la introducción
de la DOT-y actualizaciones subsiguientes, tales como los SUPERDOT-órdenes de
prácticamente cualquier tamaño puede ahora ser entregado electrónicamente y de
manera prácticamente instantánea a la baja de la NYSE.

CUANTITATIVA COMERCIANTES DE HOY

Hay una serie de comerciantes cuantitativos modernos con los registros de gran
éxito a largo plazo de la pista. Algunos gestores de comercio sólo futuros, mientras
que otros comercian una multitud de productos de inversión, tales como acciones
extranjeras y nacionales, bonos convertibles, warrants, divisas e instrumentos de
renta fija. Monroe trucha, John Henry, Ken Griffin, y Jim Simons se encuentran
entre los mejores administradores de fondos en el mundo. Su atención se centra
casi exclusivamente de naturaleza cuantitativa.
Monroe trucha
Una leyenda en el escenario comercial cuantitativa, la trucha comenzó a realizar
una investigación para un operador de futuros se señaló a la edad de 17. Después
de graduarse de la Universidad de Harvard, se fue a trabajar para otro comerciante
muy conocido, Victor Neiderhoffer (Schwager, 1992).
12 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Trabajo en el suelo de la bolsa de futuros de Nueva York, sobre todo trucha scalped
mercados de ganarse la vida. En 1986 se trasladó arriba y comenzó un comercio
Asesor de productos básicos en un esfuerzo por concentrarse en posición comercial.
Hasta que se retiró en 2002, su trucha Trading Company Gestión produjo algunos
de los más altos rendimientos ajustados al riesgo en la industria.
Con los años, la trucha y su personal han probado e implementado miles de
modelos para el comercio real. Según New Market Wizards por Jack Schwager,
comercial de la trucha es de aproximadamente la mitad discrecional sistemática y
la otra mitad, con énfasis en la minimización de los costos de transacción.

John Henry
Popularmente reconocido como el hombre que compró los Medias Rojas de Boston
en 2002, en el escenario comercial John Henry es conocido como el fundador de
John W. Henry & Company (JWH) en 1982. Un propietario de tierras de cultivo,
Henry comenzó a operar los mercados agrícolas en el 1970 como un medio para la
cobertura de los precios de sus cultivos. Durante un viaje de verano a Noruega en
1980, su metodología de negociación se formó durante la lectura de las obras de
WD Gann y otros seguidores de tendencia. Poco después, desarrolló un sistema
basado en tatively cuanti para el comercio de futuros, el mayor de los cuales es
prácticamente igual al de hoy.
Después de períodos de enorme éxito a finales de 1980 y principios de 1990,
JWH se sometió a una revisión de su metodología de negociación. Mientras que las
señales generadas por el sistema se mantienen intactos en gran medida, las nuevas
políticas de gestión del riesgo eran insti-tuido para mejorar la rentabilidad ajustada
al riesgo. Desde la revisión, JWH ha continuado con su racha de éxitos. John Henry
resume su filosofía de comercio en cuatro puntos: identificación tendencia a largo
plazo, disciplinado proceso de inversión, gestión de riesgos y la diversificación
global.
Nosotros no tratamos de predecir las tendencias. En lugar de ello
participamos en las tendencias que hemos identificado. Si bien la
confirmación de la existencia de una tendencia se busca a través de una
variedad de medidas estadísticas, nadie puede saber comienzo de una
tendencia o terminará hasta que se convierte en un asunto de interés.
-John W. Henry & Company folleto de marketing

insignia Fondo Financiero y del metal de la JWH ha anualizada rendimientos

promedio de 30 por ciento desde su creación en octubre de 1984. La firma gestiona
actualmente más de $ 1 mil millones, gran parte del cual ha sido ejecutado por los
clientes al por menor a través de futuros piscinas públicas.

Ken Griffin
No es el típico estudiante de la Ivy League, en su segundo año en la Universidad
de Harvard en 1987, Ken Griffin pidió permiso para instalar un satélite para recibir
precios de las acciones en tiempo real en su dormitorio. Los mercados de acciones
se estaban convirtiendo volátil, y Griffin gestionaba más de $ 250.000 de la Florida
asociaciones domiciliadas.
CAPÍTULO 1 Introducción al Trading cuantitativo 13

Antes de la Caída de 1987, Griffin, cuya negociación se centró en métodos

cuantitativos, fue corta el mercado. Había leído un artículo negativo en la revista Forbes
sobre las perspectivas del negocio de Home Shopping Network y en corto el stock de
opciones de venta pur-persiguiendo. Mientras que la acción se deslizó, Griffin se
sorprendió cuando las opciones se venden a un precio inferior a su valor aparente.
Después de enterarse de que la diferencia se debió a la del creador de mercado "toma",
trató de obtener una mejor comprensión de los instrumentos DERIV-ativa. Se pasaba
horas en la biblioteca de la Escuela de Negocios de Harvard, la investigación-ción del
popular modelo de valoración de opciones Negro-Scholes, y tropezó con lo que se
convertiría en su pan y mantequilla: negociación y arbitraje de los bonos convertibles.
Después de graduarse, Griffin abrió Wellington Partners con $ 18 millones en
cap-ital. El fondo, todavía abierta hoy, negoció inicialmente bonos convertibles y
warrants de los Estados Unidos y Japón. Durante la última década, Citadel Investment
Group (organización central de Griffin) ha entrado en prácticamente todos los negocios
relacionados con las finanzas, incluyendo arbitraje de riesgo, bonos de alto rendimiento
en dificultades, el arbitraje de bonos del gobierno, arbitraje estadístico de las acciones,
y las colocaciones privadas. En cada caso, la ciudadela está apoyando su negociación
de estos nuevos mercados con la tecnología y los métodos analíticos avanzados por lo
general se ven en sólo los más cuantitativa de productos. Su objetivo es cuantificar
todas las decisiones comerciales mediante la sustitución del elemento humano de la
decisión MAK-ción con técnicas estadísticas comprobadas. Citadel gestiona en la
actualidad más de $ 6 mil millones.

Jim Simons
Si he mencionado el nombre del renacimiento Technology Corporation en Wall
Street, la respuesta típica podría ser: "No, gracias. Me crema en las acciones
tecnológicas. "Renaissance Tecnología, dirigidos por el galardonado matemático
Jim Simons, tiene mucho que ver con la tecnología, pero nada que ver con las
pérdidas. Si usted no ha oído hablar de Simons o su firma, usted no está solo.
Mantener un perfil bajo, Renaissance ha publicado algunos de los mejores
rendimientos en la industria desde su fondo insignia medallón fue introducido en
1988.
Después de recibir su licenciatura en el Instituto Tecnológico de Massachusetts y
un Ph.D. de la Universidad de California en Berkeley, Jim Simons enseñó matemáticas
en el MIT y Harvard. Con éxito la inversión en empresas dirigidas por sus amigos,
Simons dejó el mundo académico y crearon Renaissance Capital en 1978. En los
siguientes 24 años la firma ha tenido como objetivo encontrar pequeñas anomalías del
mercado y la ine-ficiencias que pueden ser explotadas utilizando métodos de
negociación técnica. es él mismo rodea con más de 50 de doctorado, y se asemeja a un
grupo de reflexión académica más de una empresa comercial borde del corte-ting, la
operación de Simons administra más de $ 4 mil millones.
La ventaja científicos pondrán en juego no es sus conocimientos
matemáticos o computacionales que su capacidad de pensar
científicamente. Ellos son menos propensos a aceptar una estrategia
ganadora evidente que podría ser una mera casualidad statis-tico.
-Jim Simons, fundador de Renaissance Tecnología
14 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Por las operaciones de CUANTITATIVA tiene éxito

Aunque los comerciantes cuantitativos son ciertamente curioso acerca de cómo van
a hacer dinero aplicando el análisis cuantitativo de los mercados, la cuestión más
global es por eso que pueden ganar dinero en los mercados. Después de todo, ¿por
qué debería haber alguna prof-its a negociación?
La mayoría de los comerciantes han estudiado la hipótesis de los mercados
eficientes, o EMH, que establece que los precios actuales reflejan no sólo la
información contenida en los precios del pasado, sino también toda la información
disponible públicamente. En este tipo de mercados eficientes, algunos inversores y
los comerciantes se superan y algunos desempeño inferior, pero todo lo que resulta
per-rendimiento será debido a la suerte en lugar de habilidad.
Las raíces de las hipótesis de mercados eficientes se remontan al año 1900,
cuando el estudiante de doctorado francés Louis Bachelier sugirió que se mueven-
mentos del mercado siguen el movimiento browniano. (El término se atribuye a
Robert Brown, un botánico Inglés que en 1827 descubrieron que los granos de
polen dispersas en el agua estaban siempre en movimiento, pero de una manera
aleatoria, no predecible.) El movimiento browniano es esencialmente otro término
para el movimiento aleatorio, sinónimo de la popular borracho de caminar ejemplo.
Si un hombre borracho comienza caminando por el medio de una carretera, su falta
de equilibrio hará que se desvíe hacia la izquierda o la derecha. La dirección de
cada paso es aleatoria, casi como lanzar una moneda. Al final del paseo de nuestro
amable borracho, él podría estar en cualquier lugar, desde la extrema izquierda
hasta la extrema derecha. Tal vez incluso vagó en ambos sentidos, pero terminó en
el medio de la carretera. El punto es, el movimiento del pie es completamente
impredecible. El movimiento aleatorio del hombre borracho se utiliza a menudo
para explicar el ascenso y la caída de los precios de mercado: completamente
aleatorio e impredecible (el alcohol no es necesario).
El término movimiento browniano fue en gran parte no utilizada hasta 1905,
cuando un joven de ciencia-entist llamado Albert Einstein tuvo éxito en el análisis de
la importancia cuantitativa del movimiento browniano. A pesar de la conexión con la
obra de Einstein y otros 'en las ciencias naturales, el trabajo de Bachelier, "Teoría de la
especulación", pasó casi desapercibida durante medio siglo. En la década de 1950 el
estudio de las finanzas comenzó a subir en popularidad como equi-dades se convirtieron
en una parte más grande de la conducta Americans'investing y la investigación
académica se llevó a cabo en un intento de detectar la posible naturaleza cíclica de las
cotizaciones bursátiles.
A medida que aumentaba el número de estudios fallidos, la teoría de que los
mercados eran eficientes llegó a ser ampliamente aceptado y la EMH ganó
credibilidad significativa. La hipótesis de los mercados eficientes siguió siendo
popular durante los años 1960 y 1970, como una serie de estudios simplistas añade
credibilidad a la teoría de que ningún esfuerzo de negociación Quan-cuanti- podría
tener éxito en el largo plazo. Pero a medida que el poder aumentado y permite un
análisis más detallado en la década de 1980 de cálculo, se descubrieron algunos
agujeros en la teoría de la perfecta eficiencia del mercado. De hecho, la idea de
mercados perfectamente eficientes ahora ha sido cuestionada.
En la edición de primavera de 1985 de la Revista de Gestión de la cartera,
Barr Rosenberg, Kenneth Reid y Ronald Lanstein producido un estudio que
derramó
CAPÍTULO 1 Introducción al Trading cuantitativo 15

dudas sobre el valor de la EMH. Las tres declaraciones mensuales estudiadas de las
1400 mayores existencias de 1973 a 1984. Cada mes, carteras largas y cortas fueron
creados usando los 1400 existencias disponibles. El empleo de avanzadas técnicas
de regresión-tech, una larga cartera se ha creado usando las reservas que se habían
quedado a la zaga del mes anterior, y una cartera a corto se ha creado usando
poblaciones que formaban outper el mes anterior. Las carteras largas y cortas
fueron optimizados de manera que ambos tenían la misma exposición a factores
tales como el grado de riesgo cuantificables, media capitalización mar-cado, el
crecimiento en comparación con las inclinaciones de valor, y la exposición de la
industria. Por lo tanto, los rendimientos de una cartera frente a otro no puede ser
explicado debido a factores tales como la concentración de la industria, o la
concentración de la pequeña tapa o acción grande del casquillo. La cartera se vuelve
a seleccionar cada mes y nuevas poblaciones fueron elegidos para ambas carteras
largas y cortas.
Los resultados: La rentabilidad media mediante la compra de perdedores y
ganar un cortocircuito-ners fue de 1,09 por ciento al mes, una estrategia que
produce beneficios en 43 de los 46 meses. Estos resultados sugieren que el mercado
no es eficiente y que los inversores activos de hecho podría superar el mercado.
En otro estudio, Louis Lukac, Wade Brorsen, y Scott Irwin (1990) estudiaron
el rendimiento de los sistemas de comercio de 12 técnicos en 12 futuros de materias
primas entre 1975 y 1984. Se adoptaron las normas comerciales directamente desde
el comercio populares litera-tura, con todo, sino una puñado de métodos describe
mejor como "seguimiento de tendencias" en la naturaleza. Los nueve métodos de
examen incluyen la ruptura del canal, parada parabólica y marcha atrás, sistema de
indicadores de dirección, sistema de cociente gama, largo / corto / salida de ruptura
del canal, MII canal de precios, sistema de movimiento direccional, sistema de
Devi-ación de referencia, media móvil simple, doble cruce de media móvil, sistema
de parabólica direccional, y la regla de filtrado de Alejandro.
Los resultados: 7 de las 12 estrategias generaron resultados positivos, con
cuatro beneficios gen-erating significativamente mayores que cero usando pruebas
estadísticas muy estrictas. Por lo general, los datos de las ciencias naturales no-no
pasa las pruebas estadísticas de signifi-cado. El hecho de que Lukac, Brorsen, e
Irwin fueron capaces de encontrar los resultados comerciales que pasan estas
pruebas rigurosas es notable. De estos cuatro estrategias, declaraciones mensuales
promedio corrieron 1,89 a 2,78 por ciento, con el estándar devia-ciones mensuales
de 12,62 a 16,04 por ciento. Dos de los sistemas rentables fueron la ruptura del
canal y doble cruce de media móvil. Ellos serán la base de comparación para los
nuevos modelos comerciales que desarrollamos más adelante en el libro.
Y todavía en otro estudio, Andrew Lo, Harry Mamaysky, y Jiang Wang
(2000) intentaron cuantificar varios patrones de comercio popular y su poder
predic-tivo sobre las cotizaciones bursátiles. Después de los precios de suavizado,
los tres cuantificaron 10 patrones de precios basado en reglas cuantificados. Estos
patrones, que se muestran en las figuras 1.3 a través de 1.12, han sido durante
mucho tiempo un fijo en el comercio de técnica desde que se introdujo por primera
vez por Edwards y Magee en 1948. Los nombres corresponden a la sim-ilarity de
los patrones a diversas formas geométricas y su parecido con propiedades objetos
de la vida.
dieciséis PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Cabeza y hombros
115

110

105

100

95
1
9
11

13
15

17

21

23

25

27

29

31

33

35

37

39
41
1
3

5
7

Fecha

FIGURA 1. 3

Cabeza y hombros.

Cabeza y hombros Bottom

105

100

95

90

85
19
11

13

15

17

21

23

25

27

29

31

33

35

37

39
41
1
3

Fecha

FIGURA 1. 4

Cabeza y hombros inferior.

CAPÍTULO 1 Introducción al Trading cuantitativo 17

Top triangular
115

110

105

100

95
die

éis
cis
10

13

19
22

25

28

31

34

37

40

43

46
49
1
4

Fecha

FIGURA 1. 5
Top
triangular.

triángulo inferior
105

100

95

90

85
die
éis
cis
10

13

19

22

25

28

31

34

37

40

43

46

49
1
4

Fecha

FIGURA 1. 6

Triángulo inferior.
18 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

doble Top
115

110

105

100

95
11

13

15
17

19
21

23

25

27

29

31

33

35

37
39
41
5
1

7
9

Fecha

FIGURA 1. 7

Top doble.

Doble fondo
105

100

95

90

85
11

13

15

17

19

21

23

25

27

29

31

33

35

37

39
41
1
3

5
7

Fecha

FIGURA 1. 8
Doble fondo.
CAPÍTULO 1 Introducción al Trading cuantitativo 19

tablero rectangular,
115

110

105

100

95

90

ses
3
3

ent
69y
13

17

21

25

29

37

41

45

49

53

57

61
1

a
Fec
ha

FIGURA 1. 9
Con tablero
rectangular.

Parte inferior del rectángulo

115

110

105

100

95

90

85
3
3

ses
ent
ay
cin
13

17

21

25

29

37

41

45

49

53

57

61

69
1

Fec
ha

FIGURA 1. 1 0
Parte inferior del
rectángulo.
20 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Top ampliación
115

110

105

100

95

90

85
die
cis
10

13

19

22
25

28
31

34

37

40

43

46

49

52

55
58
1
4

Fech
a

FIGURA 1. 1 1
Ampliando
superior.

Abajo ampliar
110

105

100

95

90

85
die
éis
cis
10

13

19

22

25

31

34

37

40

43

46

49

52

55
58
1
4

2
8

Fech
a

FIGURA 1. 1 2
La ampliación de la
parte inferior.
CAPÍTULO 1 Introducción al Trading cuantitativo 21

Mientras que los operadores técnicos se han basado en estos patrones durante
años, sólo recientemente académicos intentaron cuantificar los atributos de estas
formaciones. Una vez que identificamos de manera sistemática la aparición de estos
patrones, podemos explorar la rentabilidad de las señales de comercio que generan
estos patrones. Curtis Arnold y Thomas Bulowski han realizado un excelente
trabajo en este campo durante la última década. Sistema de Comercio de PPS de
Curtis Arnold fue uno de los primeros trabajos para definir sistemáticamente los
patrones de comercio y validez normativa comercial de prueba cuando ocurrieron
estos patrones. Mientras que la interpretación de las cartas era mucho más que un
arte, Arnold define cada patrón y sistemáticamente a prueba las normas comerciales
para comprar y vender en función de cuándo se produjeron estos patrones. Thomas
Bulowski ha tomado esta investigación aún más con sus libros Enciclopedia de
Patrones gráficos y patrones Gráfico Trading clásicas.

En cualquier caso, Lo, Mamaysky, y Wang probaron los 10 patrones antes

mencionados sobre las poblaciones NYSE, Amex y Nasdaq entre 1962 y 1996.
Además, los investigadores generaron numerosas rutas de movimiento de precios al
azar parecido al movimiento browniano se discutió anteriormente. Las mismas reglas
se utilizaron para detectar patrones en los datos aleatorios. Si los precios de mercado
son realmente al azar y seguir el movimiento browniano (o pie de borracho, si lo
prefiere), luego dos similitudes en los datos deben emergen:
1. La ocurrencia de cada uno de los 10 patrones en los datos de saldos reales
debe coincidir aproximadamente la aparición de patrones en los datos
generados al azar.
2. La rentabilidad de las señales de comercio asociados a patrones específicos
en los datos de saldos reales no deben ser distintos de cero.
Si podemos hacer dinero comercio de estos patrones, entonces tenemos razones
para creer que los mercados no son eficientes. Sorprendentemente, Lo y compañía
encontraron que varios patrones, tales como tapas de hombro cabeza y el fondo, se
produjeron con mayor fre-cuencia en los datos de precios reales que hizo en la serie de
precios generada al azar. Además del aumento de la frecuencia de algunos patrones, los
rendimientos siguientes presencia ciertos pat-golondrinas 'también fueron
significativos, específicamente, descensos tras la cabeza y hombros, y manifestaciones
que siguieron a la cabeza y los hombros abajo.

NACIMIENTO DE UNA NUEVA DISCIPLINA

Los resultados observados en los estudios antes mencionados han llevado a los
investigadores a Investi-puerta de las razones por las cuales algunas ineficiencias
del mercado pueden resistir el paso del tiempo. Las teorías más populares estudian
los patrones en el comportamiento humano. La tendencia de los indi-UALs se
mueva como una multitud y crear burbujas del mercado llevaron a nuevas formas
de pensar acerca de cómo funcionan los mercados. Enfoque comenzó a girar a la
conducta de los individuos y si este comportamiento, previsible o no, conduce a
pánicos y manías en los mercados. Esta nueva rama de financiar estudios de la
psicología y la sociología que se aplica a los mercados financieros y las decisiones
financieras.
22 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Finanzas del comportamiento y la falla de la naturaleza

humana
las finanzas del comportamiento, Como se le conoce ahora, ha atraído a algunas de las
mentes más brillantes en las finanzas académ-ic. Es una combinación de la economía clásica
y los principios de la psicología del comportamiento. Esta nueva ciencia se ha utilizado
como un vehículo para estudiar las posibles causas de las anomalías mar-ket e ineficiencias
que parecen inexplicablemente a repetir en el tiempo. Mediante el estudio de cómo los
inversores sistemáticamente cometen errores en su proceso de toma de decisiones, los
académicos pueden explicar y comerciantes pueden explotar el aspecto psicológico de la
inversión.
Muchas de las ideas de las finanzas conductuales fueron generados por la obra
de Amos Tversky y Daniel Kahneman, los psicólogos que estudiaron cómo las
personas toman decisiones en relación beneficio económico. Entre los más
populares de los descubrimientos de Kahneman y Tversky eran teoría de la
perspectiva y el encuadre. La teoría prospectiva, como veremos más adelante en
este capítulo, se refiere al hecho de que los individuos son reacios a darse cuenta
de pérdidas y rápida de obtener ganancias. Enmarcando trata de cómo las respuestas
pueden ser influenciados por la forma en que se plantea una pregunta. Un ejemplo
de la elaboración de un estudio de 1984 por Kahneman y Tverksy ilustra este punto.
La pareja pidió a una muestra representativa de los médicos de las siguientes dos
preguntas:
Imagínese que Estados Unidos se prepara para el brote de una enfermedad
inusual de Asia, que se espera para matar a 600 personas. Se han
propuesto dos pro-gramas alternativos para combatir la enfermedad.
Suponga que las estimaciones científicas exactas de las consecuencias del
programa son los siguientes: Si se adopta el programa A, 200 personas se
guardarán. Si se adopta el programa B, hay un tercio de probabilidades de
que 600 serán salvados y una probabilidad de dos tercios de las personas
que no se guardarán.
¿Cuál de los dos programas ¿estaría a favor?

Imaginemos que los EE.UU. están preparando para el estallido de un

asiático el malestar inusual, que se espera para matar a 600 personas. Se
han propuesto dos programas alternativos para combatir la enfermedad.
Suponga que las estimaciones científicas exactas de las consecuencias del
programa son los siguientes: Si se adopta el programa C, 400 personas
morirán. Si se adopta el programa D, hay un tercio de probabilidades de
que nadie va a morir y una probabilidad de que dos tercios de 600
personas morirán.
¿Cuál de los dos programas ¿estaría a favor?
Ambas cuestiones presentan el mismo escenario exacto. En los programas A
y C, 200 personas vivirían y 400 personas morirían. En los programas de B y D,
hay un tercio de probabilidades de que todo el mundo iba a vivir y una probabilidad
de que dos tercios de todos morirían. Los programas A y C conducen a exactamente
el mismo resultado, al igual que los programas B y D. La única diferencia entre la
primera y la segunda pregunta es de enmarcar. La primera pregunta se enmarca de
manera positiva, viendo el dilema en términos de vidas salvadas. La segunda
pregunta se enmarca negativamente, los resultados medidos en vidas perdidas. Este
encuadre afecta la forma en que se responde la pregunta.
Kahneman y Tversky descubrieron que mientras que el 72 por ciento de los
médicos eligió la estrategia segura y segura de A en la primera pregunta, el 72 por
ciento votó por el
CAPÍTULO 1 Introducción al Trading cuantitativo 23

arriesgada estrategia de desarrollo en la segunda pregunta. Esto es ilógico, ya que

cualquier persona que recoge Strat-gia A también debe escoger la estrategia C, ya
que el resultado indicado en ambos casos son exactamente los mismos. El
experimento muestra que la forma en que enmarcar preguntas pueden influir en las
respuestas que recibimos.
Gran parte del trabajo de Kahneman y Tversky muestra una tendencia de las
personas a tomar decisiones inconsistentes cuando se trata de decisiones
económicas. Otros econo-nieblas han tomado el trabajo de la pareja y su valor se
aplica a la cuestión de la eficiencia del mercado. Esto nos lleva a la pregunta lógica:
si los individuos toman decisiones incoherentes, podrían suponer a los mercados
financieros ineficientes debido a la irracionalidad?

Toma de Decisiones irracionales

Mientras que la mayoría de la gente cree que todos los inversores deben actuar
"racionalmente" para que un mercado sea eficiente, esto no es exacto. Los compradores
van a comprar hasta el punto de su valor razonable percibida, y los vendedores venderán
hasta el punto de su valor razonable percibido. El precio al que cumple con el mismo
número de compradores y vendedores es el precio de mercado de compensación.
Cuando se libera la información positiva, los inversores racionalmente una oferta un
mayor stock en el valor razonable revisada de las perspectivas de negocio. Incluso si
un puñado de inversores y comerciantes actuar irracionalmente por la compra y venta
sobre la base de información irrelevante (como fases de la luna o lo que sus mascotas
corteza), el mercado aún debe tener un precio eficiente. Lo más probable es que si un
inversor irracional está comprando, y luego otra es la venta.
La eficiencia del mercado se mete en problemas cuando las acciones de los
inversores irracionales no anulan. Tenga en cuenta la situación en la que todos los
inversores irracionales pila en el mercado y comprar al mismo tiempo o todos
corren hacia las salidas al mismo tiempo. Si todos los inversores irracionales
comprar o vender juntos, pueden abrumar a los inversores racionales y las
ineficiencias del mercado causa.
Tomemos como ejemplo, XYZ Inc., y decir que está cotizando a $ 100, con 100
inversores siguen. Los 80 inversores racionales han decidido $ 100 es el valor de
mercado de la empresa sobre la base de las futuras perspectivas de negocio. El otro 20
por compra y vender en base a la información irrelevante. A medida que aumentan los
ingresos de XYZ, los inversores racionales oferta las acciones hasta $ 120 compradores
están dispuestos a pagar el precio más alto basado en la mejora de las perspectivas de
negocio. Ahora los 20 inversores irracionales, todos los jugadores de momento,
comienzan a comprar las acciones debido a su rendimiento, llevando a la población de
hasta $ 135. Le compran a la gente racional que están dispuestos a vender sus acciones
por encima de su valor razonable percibido. Diez de los inversores racionales, que, o
bien creen que están malinterpretando la informa-ción o que sienta dolor porque no son
mucho tiempo en XYZ, se convierten en irracional y también comprar las acciones,
conduciéndolo hasta $ 145. Este proceso puede salirse de control y crear un bucle de
retroalimentación positiva, haciendo que las valoraciones increíbles. Todo esto
comenzó con 20 inversores irracionales y una pequeña cantidad de noticias positivas
en XYZ Inc.
Cuando los inversores irracionales se mueven juntos, la irracionalidad del
mercado puede existir y afianzarse desde hace bastante tiempo, que finalmente llevan
a las burbujas, pánicos, y los accidentes. Esta teoría podría explicar el auge de la
tecnología y el busto de finales de 1990 y principios de 2000. A medida que los
inversores públicos y los comerciantes del día ansiaban exposición a la tecnología de
valores, su proceso de pensamiento cambió de métodos racionales de valoración a lo
irracional
24 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

creencia de que la valoración no era importante. Como muchos, vi a mis

compañeros que hacen un montón de dinero en el mercado y se sintió obligado a
subir a bordo y no quedarse atrás. Mis ofertas el mercado no tenía nada que ver con
la valoración justa o perspectivas de negocio esperados de las empresas que he
comprado. En su lugar, fue motivada por el miedo de ser el único que no hacerse
rico en el mercado. Similar mentalidad de rebaño también estuvo presente durante
los pánicos en 1987, 1989 y 1997. miedo de que ellos serían dejados en la estacada
cuando el mercado se hace mínima, de lo contrario los inversores racionales puede
llegar a ser irra-cional. Como resultado, las inversiones que venden para recaudar
dinero en efectivo, ya sea con la esperanza de perder parte de la disminución o, al
menos, superar a sus compañeros.
Un artículo publicado originalmente en la revista Journal of Finanzas se
acredita con el comienzo de la revolución de las finanzas del comportamiento. En
1986, Werner DeBondt y Richard Thaler estudiaron las diferencias de retorno de
los mejores y peores existencias de rendimiento a partir de 1926 hasta 1982. Las
acciones con las tres mejores rendimientos año fueron ensamblados en una cartera
de ganadores, y los que tienen los peores tres declaraciones del año fueron reunidos
en una cartera de perdedores. DeBondt y Thaler se dieron cuenta de que más de
uno a cinco años después se crearon las carteras, los que previamente contenía las
poblaciones de bajo rendimiento superado de carteras de acciones previamente
superando entre un 4 y un 6 por ciento por año. Esta diferencia de rentabilidad se
produjo si un estrecho (35) o un número más amplio de las existencias (de 80 años)
fueron escogidos para cada cartera. Llegaron a la conclusión de que los inversores
reaccionan de forma exagerada a las noticias inesperadas, poniendo demasiado
énfasis en las noticias y las ganancias recientes.

Los inversores empiezan a esperar que las empresas que han batir
constantemente ganancias esti compañeros a seguir haciéndolo en el futuro.
Entonces, en algún punto de las perspectivas de negocio lento, la empresa sólo
cumple o incluso se pierde estimaciones, los inversores y una duración de la salida
de las existencias. Del mismo modo, las empresas que llevan a cabo continuamente
peor que esperar de opinión han sido etiquetados como "terrible" y sin posibilidad
de respuesta. Con el tiempo, sus perspectivas de negocio también se recuperan, y
los inversores corren a comprar las acciones. Este pensamiento a corto plazo de los
inversores puede crear ineficiencias del mercado.
Robert Shiller de la Universidad de Yale podría ser el más ampliamente
conocido economista compor-ioral. trabajo pionero de Shiller sobre la volatilidad
del mercado en la década de 1980 redefinió cómo los economistas ven en el
mercado de valores. En 1981 se sugirió que los precios de mercado eran tanto como
5 a 13 veces demasiado volátil en base a sus conductores de valor: flujo de caja.
Aunque los precios de las acciones debe moverse de forma proporcional a los
cambios en el flujo de caja esperado de una empresa (flujos de caja con el tiempo
se transmiten a los inversores a través de dividendos), Shiller encontró que los
precios de las acciones son más volátiles que lo predicho por la volatilidad de los
dividendos subyacentes. Él hypothe de tamaño que el exceso de volatilidad podría
atribuirse al comportamiento psicológico de los inversores y el hecho de que los
inversores reaccionan de forma exagerada a ambas noticias positivas y negativas.
Aunque algunos han criticado los métodos de Shiller (Schwert, 1991), sus
argumentos han desatado una nueva ola de pensar en el efecto de la psicología de
los inversores sobre la evolución de los precios.
CAPÍTULO 1 Introducción al Trading cuantitativo 25

A pesar de la investigación académica que sugiere que existen ineficiencias

en los mercados financieros, muchas personas ponen en duda la rentabilidad del
comercio cuantitativo. Usted podría preguntarse: ¿Por qué reglas deben generar
fijos comprar y vender señales nunca será superior a la discreción humana y la
capacidad de evaluar los problemas sobre una base situación por situación? (De
hecho, parece que, como se ve en los resultados citados anteriormente en este
capítulo muestra que los administradores de dinero sistemáticas han superado a sus
homólogos discre-nario.) La respuesta es: la discreción humana tiene un hábito de
sabotear el rendimiento. Durante la última década, la investigación psicológica y
financiera se han unido para explicar la naturaleza de tales tendencias emocionales
y para arrojar luz sobre por qué algunos patrones de mercado siguen existiendo en
los últimos años.

La venta de ganadores y perdedores de la explotación agrícola

Los estudios de sesgo humano en situaciones económicas arrojan luz sobre cómo la
mente afecta a las decisiones comerciales. En uno de esos estudios realizado en 1998,
Terrance Odéon, profe-sor de las finanzas en la Universidad de California, examinó
10.000 cuentas en una gran firma de corretaje de descuento para determinar si los estilos
de negociación de los individuos difieren entre operaciones ganadoras y perdedoras
realizadas entre 1987 y 1993 . Se encontró una tendencia significativa para los
inversores a vender las existencias de ganar demasiado pronto y mantener la pérdida de
existencias demasiado tiempo. Por encima de su período de prueba, los inversores
vendieron aproximadamente el 50 por ciento más de los beneficios de papel en ganar
el comercio de lo que venden de pérdidas de papel en la pérdida de los oficios.
Sobre la base de los datos, Odéon, llegó a la conclusión de que las acciones
ganadoras se vendieron más rápido y con mayor frecuencia que la pérdida de
existencias. Aunque los resultados fueron un poco sorprendente, este
comportamiento de los inversores podría tener sentido. Cuando compramos
acciones, estamos colocando una apuesta que está infravalorada una empresa. Las
acciones que aumentan en valor son cada vez menos lógicamente infravalorado a
medida que suben, mientras que las acciones que disminuyen de valor son cada vez
más lógicamente infravalorado. las existencias ganadoras que han aumentado de
valor podrían considerarse no tan barato como cuando se adquirieron. La pérdida
de las existencias que han perdido valor podrían considerarse más barato que
cuando se compran. En este caso, tiene sentido para vender las existencias
ganadoras que se han vuelto menos barato y mantener la pérdida de las reservas
que se han vuelto más barato.
Aunque la lógica es sólida, los resultados de ODEAN muestran que lo contrario
ocurre en realidad. las existencias ganadoras que se vendieron siguieron aumentando,
mientras que las acciones perdedoras que se realizaron siguieron disminuyendo en
valor. En el año siguiente, las ventas, las existencias vendidas con ganancias por parte
de inversores individuales superaron el mercado en un promedio 2,35 por ciento. Al
mismo tiempo, las acciones perdedoras que tuvieron lugar debajo del mercado en un
promedio de 1,06 por ciento. Odéon, descubrió, en promedio, que los inversores una
rentabilidad inferior al mercado con la venta de sus ganadores antes de tiempo y se
aferra a sus perdedores demasiado tiempo. Basado en términos puramente económicos,
no está claro por qué se comportan de esta manera; psy-logía puede proporcionar el
eslabón perdido. Claramente, el curso de acción más rentable sugerido por el estudio es
para comprar acciones y vender ganadora que pierden.
Dos fundamentos teóricos dominan la tendencia de vender ganadores y
perdedores paseo: teoría de la predicción y la teoría de reversión a la media.
26 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Teoría posible. La teoría prospectiva se adapta psicólogos Daniel Kahneman y

Las teorías de Amos Tversky a los mercados financieros. Se sugiere que los
inversores son más reacios al riesgo cuando se trata de inversiones rentables y más
al riesgo en las inversiones con pérdidas. A todos nos gusta ganar y tomar el dolor
de la pérdida. Como resultado, los inversores y los comerciantes toman ganadores
muy rápidamente (para aplacar nuestra psique) y aferrarse a los perdedores (que se
aferran a la esperanza de que los perdedores pueden llegar a convertirse en
ganadores).
Para demostrarlo, dar a la gente la opción siguiente:
juego 1
75 por ciento de posibilidades de hacer $ 1000
25 por ciento de posibilidades
de hacer $ 0 ó
100 por ciento de posibilidades de hacer $ 750

Podemos calcular el valor esperado de cada juego sumando el producto de la

probabilidad de cada resultado de su pago:
pago esperado de elección arriesgada = 75% ? $ 1000 + 25% ? $ 0 = $ 750
Mientras que el valor esperado de las dos opciones es la misma en el Juego 1,
los individuos tienden a ser muy reacios al riesgo con ganancias. La mayoría de la
gente va a tomar el seguro de $ 750 en lugar de tomar el riesgo de un mayor pago.
Consideremos ahora el Juego 2, que presenta la misma elección exacta, sólo entre
las pérdidas:
juego 2
75 por ciento de probabilidades de perder $ 1000
25 por ciento de
probabilidades de perder $ 0 ó
100 por ciento de posibilidades de perder $ 750
pago esperado de elección arriesgada = 75% ? - $ 1000 + 25% ? $ 0 = - $ 750

En el Juego 2, la mayoría de la gente va a optar por correr el riesgo de salir

aún y tomar la primera opción. Si bien ambas opciones tienen el mismo valor
esperado, la posi-bilidad de salir sin una pérdida es a menudo demasiado como para
dejarla pasar. Básicamente, los diez-dencias revelados en los dos partidos muestran
que los individuos tienen aversión al riesgo a sus premios y la búsqueda de riesgo
con sus pérdidas.
Esto, por supuesto, concuerda con la investigación de Terrence Odéon. A
partir de la experiencia práctica, puedo añadir que a menudo he cogido a mí mismo
que se aferra a la pérdida de oficios mientras que el pensamiento, "Si sólo puedo
salir incluso en este comercio", o tomarlo tan lejos como para calcular puntos de
equilibrio con la esperanza de evitar la decepción de Clos-ción a cabo una
operación perdedora. Si la teoría prospectiva está vivo y bien en el mar-cados
financieros, podemos ser capaces de tomar ventaja de la naturaleza humana
mediante el diseño de estrategias de negociación que no son susceptibles al
pensamiento incoherente incrustado en la naturaleza humana.
CAPÍTULO 1 Introducción al Trading cuantitativo 27

Nota Los rendimientos de diez años

10

8
rendi (%)

4
5.1.90

5.1.91

5.1.92

5.1.93

5.1.94

5.1.95

5.1.96

5.1.97

5.1.98

5.1.99

5.1.00

1/5/01

5.1.02
Fecha

FIGURA 1. 1 3

Diez Año Nota rendimientos. Los rendimientos tienden a significar revertir entre 5% y 8% durante la
década de 1990.

Teoría reversión a la media. La segunda teoría que explica por qué los inversores
venden ganar-ners y mantienen perdedores es que los inversores comprar y vender
acciones como si esperan reversión a la media de los precios. reversión a la media
ocurre cuando una serie de números, finalmente, vuelve de nuevo a una media a
largo plazo. Un buen ejemplo es las tasas de interés. Como medida por el
rendimiento del bono del Tesoro a 10 años, las tasas de interés han negociado en
un rango mayor parte entre 5 y 8 por ciento en los últimos 10 años (véase la Figura
1.13).
Más a menudo que no, cuando las tasas de interés son bajas, son recibidos por
la oferta de los emisores que buscan para pedir dinero prestado. Esto conduce a un
aumento en las tasas. Por el contrario, cuando las tasas son altas, son recibidos por
la demanda de los inversores que buscan para bloquear en las anormalmente altas
tasas de interés. Esto hace que las tasas de interés a disminuir a niveles más
normales. Si los inversores creen que los precios de las acciones se mueven en un
camino similar, que estarán dispuestos a vender acciones que no cuenten con
existencias de rally y que la disminución de-la creencia de que cada uno de ellos
con el tiempo volverá a su nivel más normal.
Por ejemplo, considere XYZ, como se ve en la figura 1.14. Sus acciones se
negocian entre $ 50 y $ 55 para muchos meses antes de romper por debajo de este rango
a $ 45. Al mirar el gráfico de la población, la reversión a la media asociado a la
naturaleza humana nos lleva a pensar que la medida era anormal y que debe ser
comprado. Un ejemplo similar es la acción ABC en la figura 1.15. Cuando ABC rompe
por encima de $ 50 por cuota después también el tráfico entre $ 45 y $ 50, podríamos
creer que la acción debe ser vendido sobre la base de que también volverá a entrar en
su rango establecido con anterioridad $ 45 a $ 50 de nuevo.
28 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Gráfico de precios de XYZ

58

56

54

52
Compar Preci

50
o

48
Los inversores compran en las creencias XYZ volverá a
entrar en $ 50-55 gama
tir

46

44

42

40
die
cis
11

21

26

31

36

41

46

51

56

61

66

71
76

81
86
1
6

FIGURA 1. 1 4
Gráfico de precios de XYZ. Los inversores van a comprar XYZ en una ruptura por debajo de $ 50,
esperando un retorno a los $ 50- $ 55
distancia.

Paul Andreassen, un psicólogo de Harvard, llevó a cabo dos experimentos en

la década de 1980 para determinar si las personas negocian sobre la base de
reversión a la media (1988). Andreassen dio sujetos de prueba una cantidad
arbitraria de dinero en una cuenta ficticia bro-kerage. precios de las acciones
generadas de forma aleatoria, se mostró a los sujetos cada 30 segundos más de 120
ensayos en total. Al final de cada ensayo, los sujetos se les permite comprar o
vender acciones, sujeta a la cantidad de dinero en su cuenta expe-mental. la
remuneración de cada sujeto por su papel en el experimento fue determinada por lo
bien que se comercializan, por lo que cada uno tenía incentivo económico per-
forma óptima.
Andreassen encontró evidencia de que los sujetos de prueba con más
frecuencia compraban acciones en los días en declive y se venden las existencias
en los días en los que los precios aumentaron. Una fuerte explicación de este
comportamiento es que la naturaleza humana supone que los precios significará
revertir. Cuando se presentan con una serie de precios de las acciones, es la
naturaleza humana a esperar que los precios volverán a su nivel de equilibrio más
reciente. Esta creencia contrasta con la teoría más tradicional que los precios del
mercado son independientes y siguen un camino aleatorio donde los precios pueden
moverse hacia arriba o hacia abajo con la misma probabilidad.
 Hay una serie de técnicas cuantitativas que podemos utilizar para tomar
advan-taje de las tendencias de los inversores a vender demasiado pronto ganadores
y perdedores mantenga demasiado tiempo. La mayoría de estos modelos están
comprendidas en la clase de los sistemas de seguimiento de tendencias. tendencia
guiente
CAPÍTULO 1 Introducción al Trading cuantitativo 29

Gráfico de precios de ABC

56

54
Los inversores venden en la creencia de que ABC volverá a
entrar en $ 45-50 gama
52

50
Comp Precio

48

46

44

42

40
die
cis
11

21

26

31

36

41

46

51

56

61

66

71

76

81
1
6

8
6
FIGURA 1. 15
Gráfico de precios de ABC. Los inversores venderán ABC en una subida por encima de $ 50, esperando
un retorno a la gama de $ 45- $ 50.

estrategias si- compran y venden los mercados fuertes mercados débiles. Podemos
ser capaces de explicar el éxito de estas estrategias de seguimiento de tendencias
utilizando una combinación de teoría de la predicción y la teoría de reversión a la
media.

Tendencia siguientes sistemas. Cuando los precios suben por encima de los
rangos recientes, la teoría prospectiva dicta que los operadores con posiciones
largas serán salir de las operaciones mientras que los comerciantes que pierden
dinero en posiciones cortas llevarán a cabo sus operaciones. Los comerciantes que
son largos serán reacios al riesgo con sus ganancias y venderán las posiciones largas
con el fin de fijar las ganancias y se sienten los hombres-recuento recompensado.
Al mismo tiempo, los comerciantes que son cortos serán reacios a cerrar sus
posiciones cortas con pérdidas. Ellos esperan que el mercado va a girar para que
puedan salir sin pérdida.
Además, ya que el mercado se eleva por encima del rango de cotización de edad,
pensamiento reversión a la media sugerirá que el mercado se ha extendido demasiado
en sí en el rally y con el tiempo volverá a su rango de cotización anterior. Los
comerciantes cuyas mentes detectar el proceso de reversión a la media establecerán las
posiciones cortas debido a la creencia de que los precios volverán a su norma. Por
supuesto, los comerciantes que venden la ruptura son finalmente condenados. La nueva
información ha llegado al mercado y los precios están destinados a ir más alto. Los que
luchan la tendencia va a perder, mientras que los comerciantes que comercian con la
ruptura se darán un festín en las tendencias humanas naturales de los participantes en
el mercado que no pueden tomar pérdidas comerciales.
Los comerciantes cuyas mentes están distraídos por la teoría prospectiva o
tendencias reversión a la media propensos a perder el tiempo. Ya sea debido a un
cambio en fun- subyacente
30 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

damentos o un cambio en la demanda, los precios de mercado se están moviendo

por una buena razón. comerciantes inteligentes ignoran el sesgo humano tanto de
la teoría prospectiva y la reversión a la media y establecer posiciones en la dirección
de la ruptura, mientras que otros comerciantes con la pérdida de posiciones aferran.
El dolor de estas operaciones perdedoras se realizó eventual, y las pérdidas son muy
a menudo cerrado cerca de un extremo del mercado. Como veremos más adelante,
el uso de estrategias de negociación cuantitativos podrán mitigar estas tendencias
humanas y generar estrategias comerciales basadas en las tendencias históricas
óptimos de rendimiento no psicológicas.
Las tendencias en la naturaleza humana que resultan en la teoría de la
perspectiva y la reversión a la media puede generar grandes pérdidas para los
comerciantes discrecionales puros. Como la investigación citada en capítulos
posteriores mostrarán, la estrategia preferida en muchos mercados es vender y
comprar nuevos mínimos nuevos máximos. Los lectores deben tener en cuenta que
esto no es más que un ejemplo de la utilización de métodos sistemáticos para
aprovechar el mercado inefficien-cias. También vamos a explorar métodos para
comprar cuando todos venden, para el comercio de la fuerza y la debilidad de muy
corto plazo, así como el comercio de la diferencia entre los mercados-sim ilares o
sustituibles que pueden llegar a los extremos.
En cada caso, las mismas razones que la naturaleza humana influye en nuestra
forma de pensar puede permitir que los sistemas de comercio cuantitativos para
obtener ganancias. Después de todo, los sistemas cuantitativos siguen modelos con
reglas específicas en función del rendimiento histórico y utilizan el proceso
científico, en lugar de la intuición humana, para impulsar sus estrategias.
En cierto modo, me parece irónico que el comercio puede ser tan difícil y tal
lucha los hombres-tal. Después de todo, esta es la única profesión en la que cada
decisión es una elección binaria. Sólo hay dos acciones que un comerciante puede
hacer: comprar o vender. Sin embargo, como puede verse por la discusión anterior
sobre la compra y venta irracional, hay obstáculos que pueden hacer que la elección
binaria difícil.

TECNOLOGÍA e ineficiencias en los mercados financieros

Ineficiencias existen en los mercados financieros, aunque no siempre. historia
financiera cuenta historias maravillosas sobre los comerciantes explotar las
deficiencias en los últimos 30 años.

Bonos de cupón cero

En la década de 1970 el Tesoro de Estados Unidos permitió por primera vez su
deuda promocional para ser despojado en instrumentos de cupón cero. Un bono de
10 años que pagó 20 cupones y la amortización del principal podrían ser despojados
en 20 bonos de cupón cero. Estos bonos cupón cero, a diferencia de un vínculo
tradicional que paga un cupón semestral, son deuda obli-gaciones que no pagan
cupones. En cambio, los bonos cupón cero el comercio con un descuento sobre su
valor nominal. Con el tiempo, los bonos van acumulando al valor nominal, con los
inversores de recibir su director (y efectivamente el pago de intereses) en la
madurez. Los bancos de inversión encontraron que muchas instituciones tales como
las compañías de seguros prefieren estos instrumentos de cupón cero, y así
comenzaron a ofrecerlos como productos. Por supuesto,
CAPÍTULO 1 Introducción al Trading cuantitativo 31

Si sumamos el valor de estos bonos cupón separado, que debe ser igual al valor de
la fianza nonstripped. Las partes deben sumar a la totalidad. los operadores de
bonos inteligentes a menudo eran capaces de vender las tiras de descuento a un
precio más alto que el original de la fianza, el prof-iting la diferencia en la compra
y venta de valores, sin ningún riesgo. Tal cierto arbitraje no duró mucho tiempo, ya
que la tecnología se extendió para determinar el valor razonable de estos
instrumentos de banda.

Los contratos Call y Put

A medida que los contratos de opciones sobre acciones se hizo popular en la década
de 1980, hubo diferencias dramáticas en la lista de llamadas y pusieron contratos
de ese mismo valor. Las opciones son instrumentos DERIV-ativa que proporcionan
al comprador el derecho, pero no la obligación, de comprar o vender una acción a
un precio determinado dentro de un marco de tiempo especificado. Por ejemplo,
con el comercio de XYZ a $ 100, podría pagar $ 2 para el derecho a comprar las
acciones a $ 100 dentro del próximo mes. Si la población es superior a $ 100, voy
a ejercer mi derecho a comprar las acciones. Si la acción termina por debajo de $
100 (si $ 98 o $ 50), que simplemente a pie y permitir que mi opción expire.
Las opciones son populares entre los inversores y los fondos de cobertura
como un medio para cambiar su perfil de pérdidas y ganancias. Algunas opciones
de uso de apalancamiento, mientras que otros los utilizan como un medio para
cubrir el riesgo financiero. Las opciones se entregan en dos formas: llamadas y
pone. Una opción de compra es el derecho, pero de nuevo, no la obligación, de
comprar una acción a un precio determinado con un vencimiento específico. Una
opción de venta es el derecho, pero no la obli-gación, de vender una acción a un
precio determinado con un vencimiento específico. El costo de este derecho se paga
por adelantado y se refiere a menudo como la prima de la opción.
Un artículo escrito en 1974 por Fisher Negro y Myron Scholes detalla la
equivalencia-rel ativa de una llamada y poner contrato y, por tanto, la relación entre
las primas y de venta primas. Usando la ecuación Negro-Scholes este trabajo se
hizo famoso, los comerciantes fueron capaces de comprar un instrumento, vender
la otra, y cubrir el riesgo resultante con acción subyacente. Los operadores podrían
hacer $ 0,25 a $ 1,00 por acción en el proceso, sin ningún riesgo! De hecho, en los
primeros días, la equivalencia de las llamadas y pone estaba tan mal entendido que
la llamada y poner opciones negociadas incluso en partes separadas de las plantas
de cambio de opción, con corredores independientes y creadores de mercado para
cada instrumento. Pero, de nuevo, la tecnología alcanzó y esta oportunidad de
arbitraje finalmente desapareció del mercado.

Los contratos de futuros

A mediados de 1980, Salomon Brothers 'Arbitrage Bond Group (miembros de los
cuales más tarde se convirtió en el centro de Long Term Capital Management) compró
bonos del gobierno en el mercado de dinero en efectivo, mientras que un cortocircuito
en el futuro bono a 30 años. Los contratos de futuros tienen una vida definitiva. Al
vencimiento, los compradores recibirán la entrega física y se requiere vender-res para
entregar físicamente activos sujetos a los términos del contrato. En los productos
agrícolas, la entrega está sujeto a una cierta calidad del grano. En los productos
financieros, la entrega es efectivo o un grupo específico de bonos. El Tesoro a 30 años
32 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

futuro de deuda, que cotiza en la bolsa de Chicago, llama para la entrega de los
bonos del Tesoro de Estados Unidos que no son redimibles durante al menos 15
años. Con más de 30 enlaces que cumplen con estas especificaciones, el CBOT
publica una tabla de factores de conversión que detalla la cantidad de cada bono
sería necesaria para cumplir con los requisitos de entrega. La falta de
correspondencia diaria entre los precios de los bonos y los factores de conversión
conduce a una unión cada vez más baratas para entregar bonos que cualquier otro.
A principios de la década de 1980, los futuros de los bonos a veces el comercio
caros en comparación con el bono más barato a entregar subyacente. Salomon Brothers
vendió futuros de bonos ya la vez adquiridos los bonos más baratos a entregar en el
correspondiente contrato de futuros, aprovechándose de los errores de valoración
relativa de los contratos de futuros. En la madurez, que se ofrece a los bonos más baratos
se mantienen en existencia en contra de sus posiciones de futuros cortos. Esto dejó a la
empresa sin posición y una bankload de las ganancias. Pero al igual que todos los otros
ejemplos, la tecnología y los modelos para estos bonos más baratos a entregar se
generalizó y la ineficiencia desaparecido del mercado.

Las opciones de precios

Incluso más recientemente, los comerciantes sofisticados de opciones sobre
acciones podrían comprar opciones sobre acciones indi-vidual y vender opciones
sobre índices bursátiles para crear una ganancia libre de riesgo rentable basado en
la difusión de los rendimientos de las acciones individuales. El conductor primario
en las opciones de fijación de precios es la volatilidad. A diferencia de precio de
las acciones, tasas de interés y los dividendos, la volatilidad es la única variable
desconocida o unhedgeable en la fórmula de valoración de opciones Negro-
Scholes. Existe una relación específica entre las volatilidades de las poblaciones
que componen un índice (por ejemplo, los componentes del S & P 500) y la
volatilidad de dicho índice (como las opciones sobre el índice S & P 500).
Por ejemplo, si la volatilidad de Intel, General Electric, y el aumento de
Exxon, lo más probable es que la volatilidad del S & P 500 también aumentará. los
operadores de opciones sofisticadas comercio a menudo la diferencia de volatilidad
entre las opciones individuales de acciones (tales como INTC, GE y XOM) y
opciones de índices (como el S & P 500). Feria de preci-ción entre las opciones
sobre acciones e índices se basa en la correlación de las existencias a otras
poblaciones en el índice. A veces, durante la década de 1990, esta correlación fue
un precio en los mercados de opciones por encima de 1,0, una imposibilidad
teórica. comerciantes cuantitativos eran capaces de explotar los beneficios. Pero a
medida que mejoran los sistemas de precios y otros comerciantes notaron la
ineficiencia, estas oportunidades de lucro también desaparecieron.

El tema constante a lo largo de estas historias es que los comerciantes con el

mejor análisis cuantitativo son capaces de sacar provecho de las ineficiencias del
mercado cuando aparecen. Debido a que estas oportunidades de ganar dinero no
duran para siempre, los operadores siempre deben continuar los esfuerzos de
investigación para descubrir nuevas técnicas. existen ineficiencias similares a las
mencionadas anteriormente en los mercados de hoy en día, y vamos a tratar de
identificar estas oportunidades en otras partes del libro.
¿Hay ineficiencias en los mercados de acciones y futuros? Sí. Creo que las
ineficiencias están siempre presentes y que la noción de mercados verdaderamente
eficaces es una
CAPÍTULO 1 Introducción al Trading cuantitativo 33

imposibilidad. Si los mercados son perfectamente eficientes, los operadores dejarían de

investigación y ya no siguen buscando estrategias comerciales rentables o empresas
infravaloradas. Tan pronto como esta investigación se detuvo, ineficiencias
reaparecerían ya que los operadores desa-peared del mercado. Con la reaparición de
estas ineficiencias, los comerciantes tendrían poco a poco comienzan a explotar de
nuevo, con lo que el mercado de nuevo a la eficiencia.
Piense en la eficiencia del mercado como una banda de goma. Si se estira
demasiado lejos de la eficiencia, a continuación, las fuerzas (comerciantes que
entran en el mercado) se ajustará la banda de goma de nuevo hacia la eficiencia. Si
la eficiencia es estirado hacia otro lado, hacia la eficiencia perfecta, las fuerzas de
los comerciantes (que salen del mercado) empujarán los mercados fuera de la
eficiencia. Independientemente de qué tan apretada o floja la banda de goma, los
comerciantes con los mejores modelos basados en estadísticas y matemáticas
siempre será capaz de hacer dinero.

Ventajas y limitaciones del análisis fundamental

Si hay ganancias en el comercio cuantitativa, deberíamos molestarnos estudiando
el análisis fundamental, así?
Creo que no hay dinero de por medio en el lado fundamental. Pero al igual
que el aspecto cuantitativo, la parte fundamental ha crecido bastante eficiente. A
medida que los fondos de cobertura se han vuelto más popular y sus números y los
activos han crecido, bet-ter análisis fundamental independiente se está realizando
en las hojas de Bal-ANCE empresas y flujos de ingresos. Un fondo de cobertura
podría tener un único analista que cubre cada industria o sector. Como analistas
rompen estas empresas aparte, se nota su base de clientes, distribución geográfica
de los ingresos, la tecnología en el horizonte, y las ventajas o desventajas
competitivas. Su riqueza de Conocimiento de punta y experiencia crea su ventaja
al evaluar el rendimiento operativo de la empresa.

Al mismo tiempo, el análisis fundamental podría aprender algunas lecciones

de la parte cuantitativa. En los últimos cinco años, he visto numerosos métodos
empleados para las acciones tecnológicas de valor. He visto el mismo valor analista
de la misma empresa utilizando el precio-ganancias, los precios y las ventas, y el
crecimiento del precio-ganancias, todo en un período de cinco años. Debido a los
beneficios empresariales pueden ser muy volátiles, los analistas Funda-mental han
tenido problemas para refinar sus técnicas de valoración. Tomemos, por ejemplo,
el precio de las acciones, arrastrando las ganancias del año, y la relación precio-a-
ganancias para Intel, General Electric y General Motors
En el caso de Intel y General Electric, precios realmente rematado antes de ganar-
Ings por acción llegaron a su altura. más alto de cierre del trimestre de Intel se hizo en
julio de 2000, mientras que sus ganancias se arrastran más alto en 12 meses por acción
superaron seis meses más tarde con el trimestre que finalizó en diciembre de 2000
(Figura 1.16). La misma instancia se produjo con General Electric, cuyo precio alcanzó
su punto máximo trimestral alta en abril de 2000, mientras que en 12 meses se arrastran
las ganancias por acción todavía se elevaba a finales de 2001 (Figura 1.17). Precio
General Motors alcanzó su punto máximo en abril de 2000, que siguió a su punto
máximo de ganancias, que se producen en el trimestre que finalizó en diciembre de
1999 (Figura 1.18). A pesar de que 12-mes
34 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

arrastrando las ganancias realizadas en un rango de $ 8 y $ 10 entre diciembre de

1999 y diciembre de 2000, precio de las acciones de GM se redujo del 93 a la 53
durante ese mismo período de tiempo.
Mi punto es que, mientras que las ganancias hacen conducir desempeño de las
acciones, no son el único factor. Incluso si usted sabía los números exactos de ganancias
del próximo año para estas tres poblaciones, no puede haber ayudado a su rendimiento
comercial. Las acciones caen a menudo a pesar del aumento de los ingresos. Esto puede
suceder debido a cambios en la perspectiva de negocio,-ciones VALUA que exceden
el potencial de ganancias, o productos que se vuelven obsoletos o que están sujetos a
una fuerte competencia. Si bien no hay sustituto para el análisis fundamental sólida,
creo que el uso de estrategias de negociación cuantitativos pueden detectar los factores
que afectan al precio de las acciones más rápidamente que la espera de los anuncios de
ganancias y la empresa llamadas confieren-ENCE. El viejo dicho, "los precios se
mueven primero y fundamentos siguen" es válido.
Si bien hay buenos analistas fundamentales que realizan un trabajo muy
riguroso, al analizar el potencial de ganancias de las empresas, incluso los mejores
analistas están sujetos a sub-reacción y la reacción excesiva del mercado. Un
ejemplo de ello es el Nasdaq 100, un índice compuesto por las 100 mayores
empresas no financieras que cotizan en el Nasdaq. Este índice se pondera muy
fuertemente en la tecnología, las telecomunicaciones y la biotecnología. Figura
1.19 detalla su acción de los precios durante el año 2000. Los mercados no son
necesariamente tan eficiente o tan racional como uno podría esperar. El Nasdaq
100-ral mentido desde 1008 a principios de 1998 a un máximo de 4708 a principios
de 2000. Que CORRE-ponde a un rendimiento del 367 por ciento en poco más de
dos años.

de Intel Acciones y de Ganancias

70 1.8

1.6
60 precio de la acción
1.4
50 Ganancia
s 1.2
TrailingFourQuarter

40 1.0
SharePrice

30 0,8
Ganancias

0,6
20
0,4
10
0,2

0 0.0
 01/31/1997

01/30/1

01/28/2

01/26/2

28/1
2/20
998

000

001

01
0
1
2
9
1
9
9
9
/

/
Fecha
1.
dieciséi
FIGURA s

de Intel Acciones y de ganancias. Mientras que precios de las acciones pueden ser impulsadas
por las ganancias, a menudo un precio conducirá cambios en las ganancias de un año o más.
CAPÍTULO 1 Introducción al Trading cuantitativo 35

de GE de las Acciones y Ganancias

60 1.6
precio de la
acción 1.4
50
1.2

TrailingFourQuarter
40
1.0

30 Ganancias 0,8
SharePrice

Ganancias
0,6
20
0,4
10
0,2

0 0.0
01/31/1997

01/29/1999
01/30/19

01/26/2
Fech

01/2
8/20

28/1
2/20
001
a
98

00

01
FIGURA 1. 1 7

de GE Acciones y de ganancias. Mientras que precios de las acciones pueden ser impulsadas
por las ganancias, a menudo un precio conducirá cambios en las ganancias de un año o más.

Esta exuberancia irracional puede ser difícil de explotar mediante el análisis

fundamental, ya que irracionalidades tienen la costumbre de estirar mucho más allá de
valoraciones razonables. Como ridículamente sobrevalorada ya que muchas de las
empresas punto-com fueron, sin planes Busi-ness legítimos, vamos a centrarnos en los
sobrevivientes con los ingresos reales. Dos buenos ejemplos son Cisco Systems y
Amazon.com. Para aquellos no familiarizados con cada uno, Cisco vende hardware y
software para redes de computadoras, y Amazon.com es un gran minorista en línea de
libros, electrónica y software de ordenador.
Atrapados en la revolución de Internet, Amazon y Cisco vieron sus precios
de las acciones se elevan a alturas astronómicas entre 1998 y 2000. predominante
las medidas de valoración, como el precio-ganancias y precio-ventas fueron
expulsados del ganar-dow. Estábamos entrando en un período totalmente nuevo,
donde la tecnología podría suplantar al resto de la economía en términos de
crecimiento y las ganancias futuras. los analistas de valores destacados como Henry
Blodget de Merrill Lynch y Mary Meeker, de Morgan Stanley fueron capaces de
mover precios de las acciones de manera espectacular mediante la emisión
favorables com-mentos en sus informes de investigación. En un movimiento audaz,
Blodget, a continuación, de CIBC Oppenheimer, levantó su precio objetivo en
Amazon.com desde $ 150 a $ 400 por acción el 16 de diciembre de 1998. La acción
respondió con un aumento del 20 por ciento, de $ 243 a $ 289.
 No hay duda de que la tecnología de burbuja bursátil de 1998 y 2000 llevó a
valuaciones increíbles. Pero incluso si su análisis concluyó en 1999 que estos
36 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

de GM Acciones y de Ganancias
100 10.0
precio de la
90 acción 9.0
80 8.0
70 7.0

TrailingFourQuarter
60 6.0
50 5.0
SharePrice

Ganancias
40 4.0
Ganancias
30 3.0
20 2.0
10 1.0
0 0.0

28/1
2/20
01/31/199

01/30/199

01/29/199

01
01/28/2

01/26/2
000

001
7

Fecha

FIGURA 1. 1 8

de GM Acciones y de ganancias. Mientras que precios de las acciones pueden ser impulsadas
por las ganancias, a menudo un precio conducirá cambios en las ganancias de un año o más.

las acciones estaban sobrevaloradas, las posiciones cortas habrían sido frustrante
en el mejor y en el peor, peligrosa. Los mercados pueden convertirse sobrevaluado
y permanecen sobrevalorados por muchos años. Del mismo modo, los períodos de
relativa baratura pueden persistir hasta un catalizador despierta el interés de los
inversores.
La mayoría de los inversores piensan de la burbuja tecnológica como una gran
manifestación desde 1997 hasta 2000, seguido de una lenta y constante
disminución. De hecho, se mueve en las acciones individuales vieron muchos
altibajos durante ese periodo de tiempo. Dividir ajustado, Amazon comenzó
alrededor de 1998 $ 5 por acción. De 1998 a 2001, el stock se agotó hasta $ 92,
vendido a $ 45, se reunieron de nuevo a $ 105, vendido de nuevo a $ 43, se reunió
a $ 106, y luego se redujo a un mínimo de $ 6 por cuota en septiembre de 2001
(Figura 1.20) . Esos son movimientos de 1700, -52, 135, -59, 150, y -94 por ciento.
Cisco comenzó 1998 en $ 10 por acción. Es, también, tenía movimientos muy
volátiles. Cisco se reunió a $ 17, se redujo a $ 11, se disparó a $ 80, vendido a $ 51,
se reunieron de nuevo a $ 68, vendido a $ 11, y luego se recuperó a $ 22 en
diciembre de 2001 (Figura 1.21). Esos son movimientos de +78, -36, 630, -37, +35,
-84 y +94 por ciento.
 El punto es que, incluso en las burbujas y explosiones, las acciones no se mueven
en línea recta. Si bien los cambios en las variables fundamentales a largo plazo pueden
no ocurrir muy a menudo, esto no impide que las poblaciones de hacer aumentos
espectaculares y caídas devastadoras. Amazon y Cisco han producido suficiente
movimiento hacia arriba y hacia abajo en los últimos cinco años
 25
50
75
100
125

0
500
2000
3500
5000

2000.
2.1.98 2.1.98

FIGURA
FIGURA
3.2.98 3.2.98
5/2/98 5/2/98
7.2.98
7.2.98

1. 1 9

1. 2 0
9.2.98 9.2.98
CAPÍTULO 1 Introducción al Trading cuantitativo

11.02.98 11.02.9
8
2.1.99 2.1.99
3.2.99 3.2.99
5.2.99 5.2.99
7.2.99 7.2.99
9/2/99 9/2/99
11.02.9
11.02.99
9

Fecha
Fecha
2.1.00 2.1.00
Nasdaq 100

3.2.00 3.2.00
5.2.00 5.2.00

Amazon.com (AMZN)
7.2.00 7.2.00

Amazon.com (AMZN). Amazon.com fue muy volátil entre 1998 y 2001.

9.2.00
Nasdaq 100. El Nasdaq 100 se elevó extraordinariamente entre 1998 y

9.2.00
11.02.00 11.02.0
0
2.1.01 2.1.01
3.2.01 3.2.01
5/2/01 5/2/01
7.2.01 7.2.01
9.2.01 9.2.01
11.02.01 11.02.0
1
37
38 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Cisco (CSCO)
100

75

50

25

0
11.02.9

11.02.0

11.02.0
11.02.
2.1.98

3.2.98
5/2/98
7.2.98
9.2.98

2.1.99
3.2.99
5.2.99
7.2.99
9/2/99

2.1.00
3.2.00
5.2.00
7.2.00
9.2.00

2.1.01
3.2.01
5/2/01
7.2.01
9.2.01
99
8

1
Fecha

FIGURA 1. 2 1

Cisco (CSCO). Cisco, un fabricante de software de red y hardware, también vio aumentos de
precios sorprendentes entre 1998 y 2000.

para que cualquier comerciante excitado con la oportunidad. La belleza de análisis

cuantitativo es que podemos capturar estos movimientos sin un cambio en los
fundamentos subyacentes. Nuestros modelos deben ser capaces de determinar los
cambios en las tendencias de los precios y para el aprovechamiento de la volatilidad
en lugar de padecerlo.
El problema con el análisis fundamental es que los fundamentos subyacentes
de las empresas cambian muy lentamente, por lo que es difícil de sacar provecho
de las fluctuaciones de precios volátiles en el mercado de acciones, los cuales
suelen estar motivados por el sentimiento del inversor y la percepción. Empleando
el análisis fundamental con éxito requiere que los mercados vuelvan a la
racionalidad y eficiencia más pronto que tarde, una propiedad que a menudo no se
produce. Hay mucho talento y brillantes analistas fundamentales, pero que se
aprovechan de los cambios a corto plazo en los mercados ya se trate de acciones,
futuros, u otros mercados, nos centraremos en el aspecto cuantitativo y usamos los
precios pasados mar-ket para generar señales de operación.
 CAPÍTULO 2

Una Introducción a la estadística

El uso de métodos científicos para desarrollar Cutting
Edge
Estrategias de Trading

MEDICIÓN DE LOS MERCADOS Uso de la estadística

Mientras que el dominio de la estadística no es una necesidad absoluta para
convertirse en un empresario de éxito, sabiendo las matemáticas y los principios
detrás de la acción del precio le dará una ventaja cuando se trata de comercio. A tal
efecto, esta sección presenta propiedades estadísticas que se refieren a los mercados
financieros, tales como los conceptos de media, desviación estándar, y correlación
de los rendimientos.
Las estadísticas descriptivas son herramientas que permiten a los operadores a
entender mejor y de datos com-prehend de una manera fácil y eficaz. En lugar de
presentar la altura meas-medi- de 100 hombres, que podía ofrecer en lugar de que la
altura media de estos 100 hombres es de 5 pies y 8 pulgadas. Al proporcionar una
estadística descriptiva (la media), Tengo carácter-izada una calidad de toda la
muestra de medición de la altura. Puedo tomar este proceso de pieles del ther al
revelar que la desviación típica de las alturas es de 3 pulgadas (como veremos más
adelante, la desviación estándar es una medida de la dispersión de los datos dentro
de un grupo). Ahora, con sólo dos piezas de información-la media y la desviación
estándar-Puedo hacer deducciones precisas en cuanto a la distribución de las alturas
entre los 100 hombres, incluyendo el más corto y más alto.
Del mismo modo, mediante el cálculo de estadísticas descriptivas de los
precios de mercado, la rentabilidad del mercado y volumen de mercado, podemos
aprender mucho sobre la naturaleza del movimiento de precios reciente. Estas
estadísticas descriptivas se convertirán en los bloques de construcción para nuestros
sistemas de comercio cuantitativos.
 39

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
40 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

La comprensión de las estadísticas detrás de los mercados puede ayudar a la

hora de crear nuevas ideas de operación. Un movimiento esperado del mercado es
muy importante para el comerciante quantita-tivo para determinar la diferencia
entre el movimiento de los precios al azar y significativo. Estas propiedades
también pueden ayudar en el desarrollo de estrategias de gestión del riesgo de una
cartera de estrategias de negociación.

MEDIA Y MEDIA DE DEVOLUCIONES Y PRECIOS

La media de una serie, más comúnmente conocido como el promedio, es una
medida de la ubicación central. La media es la suma de los valores de una
distribución dividida por el número de puntos de datos en la distribución. La media
se define como:
x
metro = }
norte

dónde metro es la definición de fórmulas de la media,  es un

procedimiento matemático que significa suma sobre todos los valores, y N
es el número de puntos de datos en la serie
En los datos de la muestra en la figura 2.1, la media es de 5,4.

MEDICIÓN DE LA dispersión de retornos

La media de una serie es una estadística descriptiva muy importante, ya que
determina la tendencia central de una serie. A menudo, sin embargo, tenemos que
entender más acerca de un conjunto de datos que sólo por la media. Podemos desear
para medir qué tan ampliamente los valores se extendió a través de una distribución.
¿Los valores se agrupan estrechamente alrededor de un punto central o se
distribuyeron ampliamente? Los métodos más utilizados para medir la dispersión
de los valores son la varianza y la desviación estándar.

Punto de datos Datos

1 5
2 3
3 7
4 8
5 4
Suma 27
N 5
Media 5.4
FIGURA 2. 1

El cálculo de la media. El promedio de una serie se calcula sumando todos los puntos de datos y
dividiendo por el número de puntos de datos.
CAPÍTULO 2 Introducción a la Estadística 41

Varianza se define como la media al cuadrado desviación alrededor de la

media y está representado por la siguiente fórmula:
 (x 2
metro) 2 = varianzas2 = }}
norte
2
Varianza, a menudo representada por s , Mide el ancho de la difusión de los
valores de resistencia de la media. Utilizando los mismos datos de ejemplo que el
anterior, calculamos que la varianza de los valores es de 3,4 (ver Figura 2.2).
También vamos a calcular la varianza usando los retornos semanales para el
S & P 500 y el Nasdaq 100 durante el año 2001. La media del índice S & P 500 es
-0.20 por ciento, y la media del Nasdaq 100 es -0.47 por ciento. La varianza de los
retornos semanales es de 0,10 para el S & P 500 y el Nasdaq 0,48 por 100.
Observe que el Nasdaq 100 tiene una varianza mayor que el S & P 500. El
cálculo vari-ANCE nos dice que los retornos del Nasdaq 100 varían más
ampliamente y son más volátiles que los retornos del S & P 500. Confirmamos esto
gráficamente mediante el trazado de una distribución de frecuencias de los retornos
del S & P 500 y Nasdaq 100. una distribución de frecuencias de una serie representa
gráficamente el número de apariciones dentro de un rango de valores, como puede
verse en la Figura 2.3.
Tenga en cuenta que los rendimientos del Nasdaq 100 varían mucho más que la
del S & P 500. Esto se debe a que está compuesta por compañías de mayor riesgo, los
que se centran en la tecnología, las telecomunicaciones, y la atención sanitaria. Donde
mayor aumento mensual del S & P 500 fue del 7,8 por ciento y su mayor pérdida fue
del 11,6 por ciento, el Nasdaq 100 logró ganar 18,4 por ciento y 17,5 por ciento en
perder sus mejores y peores meses.
La determinación de desviaciones cuantifica la dispersión de los valores. Sin
embargo, en el mundo práctico, se utiliza la desviación estándar más a menudo que
la varianza. Tomamos la raíz cuadrada de la varianza para llegar a la desviación
estándar. La desviación estándar tiene algunas propiedades maravillosas que
podemos aplicar a nuestros datos para su posterior análisis. Vamos a investigar
estas propiedades más adelante en este capítulo.

Datos Diferencia Diferencia

respecto a la al
punto Datos media cuadrado

1 5 20,4 0.16
2 3 22.4 5.76
3 7 1.6 2.56
4 8 2.6 6.76
5 4 21.4 1.96
Suma 27 Suma 17.20
norte 5 norte 5
Media 5.4 Diferencia 3.44
FIGURA 2. 2

El cálculo de la varianza. La varianza es la desviación media cuadrada de la media.

42 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

La distribución de rendimientos semanales

25%

S & P 500
20%

15%
Ocurrencia

10%
NDX 100
5%

0%
%
1
2
-

4%
8%
diecis
-20%

éis%

dieci
12%

20%
séis
-
-

0%

4%

8%

%
-

Regres
o

FIGURA 2. 3

La distribución de rendimientos semanales. Al ser menos volátil, devuelve el S & P 500 se

extienden más de cerca que la mayor volatilidad del Nasdaq 100.

desviación estándar = s = Diferencia

CORRELACIÓN
La correlación es una estadística descriptiva importante. Se mide la fuerza de una
relación entre dos series. Correlación puede variar -1-1, donde los valores extremos
indican una relación perfecta, mientras que un valor de cero indica que no hay
relación en absoluto. La estadística de correlación se calcula multiplicando el
diferir-cia de una serie de su media por la diferencia correspondiente de otra serie
de su media, tomando el producto medio, y luego dividiendo por el producto de la
desviación estándar de ambas series. La ecuación es el siguiente:

1
} }  (x 2 mx) (Y 2 my)
norte
Correlación = r = }}}
s xs y

La mejor manera de pensar acerca de la correlación es mediante la

representación gráfica de un diagrama de dispersión de dos series. Un diagrama de
dispersión representa gráficamente los valores de una serie contra los valores de
otra serie, como se puede ver en las figuras siguientes.
CAPÍTULO 2 Introducción a la Estadística 43

Los valores no correlacionados

2.50

2.00

1.50

1.00
Valueofy

0.50

0.00
-3.00
0.00
-2.00 -10.0 -0..50 1.00 2.00 3.00
-1.00

-1.50

-2.00
Valor de x

FIGURA 2. 4

Los valores correlacionados. Cuando el valor de y se representa en función del valor de x,

vemos que no existe una relación.

Estos gráficos presentan tres estados generales de correlación. En la figura 2.4, la

dispersión de las parcelas sugiere que la relación entre x e y es al azar, y por lo
tanto no existe ninguna correlación-ción. En la Figura 2.5, y aumenta a medida que
lo hace x. Esto indica una correlación positiva entre x e y. En la Figura 2.6, existe
una relación diferente. A medida que x aumenta, disminuye Y, para indicar
correlación negativa.
Correlación también puede ser mal utilizada. Cuando se mide la correlación de
los datos del mercado, es importante llevar a cabo su análisis utilizando los
rendimientos no de los precios. En la mayoría de los casos, la correlación de precios
puede engañar al comerciante en la creencia de que existe una relación sig--media entre
dos series, cuando en realidad no existe tal patrón.
Consideremos, por ejemplo, la relación entre el índice S & P 500 y el gas
natural. Cuando creamos un diagrama de dispersión de estas dos series de datos, se
observa una fuerte rela-rela- positivo. La correlación de los precios es 0,70, lo que
indicaría una fuerte relación entre el gas natural y el S & P 500 (véase la Figura
2.7). Si dos de deriva serie en direcciones similares u opuestas durante la vida útil
de los datos, sin embargo, tal como lo hacen en este ejemplo, los números de
correlación se convertirá en "artefactos". Se utiliza en el sentido estadístico, el
término artefacto se refiere a un resultado que es engañosa y probablemente
sesgada. De hecho, si en nuestro ejemplo se calcula la correlación de los
rendimientos semanales en lugar de los precios (Figura 2.8), vemos que la
correlación es casi cero. Este número de la correlación es una representación más
exacta de la "verdadera" relación-nave entre el gas natural y el S & P 500 que la
correlación 0,70 precio.
 Valores positivamente
correlacionadas
4.00

3.00

2.00

1.00
Valueofy

0.00
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50 1.00 1.50 2.00
-1.00

-2.00

-3.00

-4.00
Valor de x

FIGURA 2. 5

Positivamente correlacionada Valores. Cuando el valor de y se representa en función del valor de

x, vemos que existe una relación positiva.

Los valores correlacionados negativamente

4.00

3.00

2.00

1.00
Valueofy

0.00
-2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50 1.00 1.50 2.00
-1.00

-2.00

-3.00
Valor de x

FIGURA 2. 6

Negativamente correlacionada Valores. Cuando el valor de y se representa en función del valor de x,

vemos que existe una relación negativa.

44
 Diagrama de dispersión: S & P 500 frente
a Gas Natural
2500

2000

1500
S & P500

1000

500

0
0 2 4 6 8 10 12
Gas natural

FIGURA 2. 7

Diagrama de dispersión: S & P 500 frente a precios del gas natural. Si bien el análisis estadístico
significativo mostraría una rela-rela- entre el nivel del S & P 500 y el precio del gas natural, es
probable que esta relación no se cumplirá en el futuro.

Diagrama de dispersión: S & P 500 Devuelve versus a Gas

Natural
0,1

0.05
ReturnsofS & P500

0
-0.4 -0.3 -0.2 -0.1 0 0,1 0,2 0,3 0,4

-0.05

-0.1

-0.15
Las devoluciones de Gas Natural

FIGURA 2. 8
Diagrama de dispersión: S & P 500 Devuelve versus a Gas Natural. Cuando los cambios de
precios semanales por ciento son examen-INED, vemos que prácticamente no existe ninguna
relación entre los precios de la gasolina S & P 500 y naturales.
46 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

correlación de los retornos

Cepo semanales

Ford / General Motors 0,73

Merrill Lynch / Morgan Stanley 0.80
Merck / Pfizer 0.65

FIGURA 2. 9

La correlación de pares de archivo seleccionados. Las empresas de la misma industria

a menudo tienen grandes correlaciones positivas.

rendimientos a Petró
S & P 500 Oro 10 años leo

S & P 500 1.00 0.10 0.17 0.03

Oro 0.10 1.00 -0.17 0.07
rendimientos de los
bonos a 10 años 0.17 -0.17 1.00 -0.20
Petróleo 0.03 0.07 -0.20 1.00

FIGURA 2. 1 0

La correlación de las variables macroeconómicas. La correlación entre las acciones, bonos y

materias primas no es tan alta como la correlación entre las acciones.

Algunos mercados están altamente correlacionados, mientras que otros parecen

tener ningún efecto sobre otras. Las acciones de la misma industria típicamente
tienen una alta correlación. La correlación de los rendimientos semanales para los
pares seleccionados de las poblaciones a partir de 2001 aparece en la Figura 2.9.
Las tasas de interés, el oro y el mercado de valores tienen correlaciones más
pequeños entre sí. Por ejemplo, como puede verse en la figura 2.10, las
correlaciones entre estos cuatro mercados van desde un mínimo de -0.20 para los
rendimientos de aceite y 10 años, y un máximo de 0,17 correlación entre 500
devoluciones y cambios en los rendimientos a 10 años de S & P.

La utilidad de la distribución normal

La desviación estándar es un método popular de la medición de la dispersión,
debido principalmente a sus propiedades bajo ciertas circunstancias,
específicamente aquellos asociados con una distribución normal. Cuando decimos
que una distribución es "normal" que estamos MAK-ción una declaración acerca
de las probabilidades de los valores que ocurran. distribui-ciones normales pila alta
hacia el centro de la distribución y el ventilador hacia los bordes.

La distribución normal se refiere a veces como una curva de campana, debido

a su forma (como se ve en la Figura 2.11). Probablemente la distri bución-más útil
y más estudiado en las estadísticas, sino que también se refiere como "Gauss", en
honor al matemático alemán Karl Friedrich Gauss.
La ecuación para determinar la distribución normal se ve así:
CAPÍTULO 2 Introducción a la Estadística 47

Distribución normal
2,50%

2,00%
Probabilidad

1,50%

1,00%

0,50%

0,00%
-3.00 -2.50 -2.00 -1.50 -1.00 -0.50 0.00 0.50 1.00 1.50 2.00 2.50 3.00
Las desviaciones estándar respecto a la media

FIGURA 2. 1 1
Distribución normal. La distribución normal se ve como una campana, a menudo conduce a su "forma de
campana" apodo.

- (x 2
1 metro) 2
}
2
p (x) =} mi s s

2pag

Una vez que sabemos que una serie sigue una distribución normal, se puede
inferir tremenda información sobre el rango de valores usando sólo la media y la
desviación stan-dard de la serie. Por ejemplo, se sabe que aproximadamente el
68,26 por ciento de los valores en una caída de distribución normal entre ± 1
desviación estándar de la media, 95,44 por ciento se sitúan entre ± 2 desviaciones
estándar, y el 99,74 por ciento entre ± 3 desviaciones estándar.
Un ejercicio rápido en Microsoft Excel muestra el valor de la distribución-
ción normal. Generar 1000 valores aleatorios distribuidos normalmente
introduciendo = NORMAS SINV (RAND ()) en las celdas vacías. A continuación,
se calcula la media y la desviación estándar. En mi carrera, me encuentro con una
media de 0,01 y una desviación estándar de 0,99. El uso de las hélices propieda- de
la distribución normal, sé lo siguiente:
68,26 por ciento de los valores debe estar entre ± 1 desviación
estándar: -0.99 y 1.00
95.44 por ciento debe estar entre ± 2 desviaciones estándar: -1.98 y 1.99
99,74 por ciento debe estar entre ± 3 desviaciones estándar: -2.97 y 2.98
48 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Cuando puedo ordenar mis valores en Excel, encuentro que mi distribución

coincide estrechamente de lo normal, como en la figura 2.12.
la rentabilidad del mercado y los precios siguen algunas tendencias muy
específicos asociados con la distribución normal. Estas tendencias son constantes, con
independencia del producto-acciones, futuros, divisas y todos tienen estas propiedades.
Durante períodos de tiempo cortos, rendimientos porcentuales de mercado (que dividen
el precio de hoy por precio de ayer y restando el valor de uno) se distribuyen más o
menos normalmente, siguiendo la conocida curva normal en forma de campana. Figura
2.13, a continuación, representa la distribución de ida y vuelta diario para el S & P 500
en los últimos cinco años. Las barras representan las distribuciones de rendimientos
reales, mientras que la línea suave es la distribución esperada en base a una distribución
normal perfecta.

rango de desviación
estándar Esperado Real

2-1 Y +1 68.26% 68.80%

22-2 95.44% 95.70%
23-3 99,74% 100%

FIGURA 2. 1 2

Ejercicio de Excel. Tirando de números aleatorios en Excel, vemos que su alcance es casi
exactamente lo que cabría esperar dada de la distribución normal.

S & P 500 Distribución de regreso

6,00%

S & P 500 retornos

5,00% diarios
PercentOccurrence

Distribución normal
4,00%

3.00%

2,00%

1,00%

0,00%
-2.00
3.50

-2.50

-0.50
-3.00

-1.00
-1.50
-4.00

0.00

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00
-

Desviaciones estándar de la media

FIGURA 2. 1 3

S & P 500 Distribución de retorno. los retornos diarios del S & P 500 entre 1997 y 2001 tienen un aspecto
similar a una distribución normal, excepto por más que ocurrencias esperadas cerca de la mitad y las colas
de la distribución de retorno.
CAPÍTULO 2 Introducción a la Estadística 49

La irregularidad de la volatilidad del mercado

Como se ha visto anteriormente, los rendimientos siguen la curva normal muy de
cerca. Las pequeñas desviaciones incluyen altos picos cerca de la mitad de la
distribución y colas gruesas uno hacia el borde. Esta distribución se conoce como
"leptocúrticas" de los leptos palabra griega, que significa pequeño o estrecho. El
hecho de que la rentabilidad del mercado a corto plazo no siguen una distribución
normal típica había plagado economistas desde hace algún tiempo. Recientes evi-
dencia ha demostrado que la distribución leptocúrticas probablemente resulta del
hecho de que la desviación estándar de los rendimientos varía con el tiempo.
Los operadores pueden tener una mejor comprensión de la volatilidad del
mercado no constante de los economistas. Cuando el mercado es lento, tranquilo,
y sin nuevas noticias está golpeando la cinta, el mercado tiende a permanecer en un
estado de baja volatilidad durante días o semanas. Por otro lado, cuando los
mercados son muy volátiles, tienden a tomar días o semanas de mayor volatilidad
por encima de la media hasta que se digieren cambios noticias y precios.
Los economistas han creado una nueva clase de modelos para explicar cómo la
volatilidad varía con el tiempo. Estos modelos se llaman GARCH, por Generalizado
auto regresivo condicional Heterocedasticidad. Existe un proceso GARCH cuando la
volatilidad en sí cambia con el tiempo, vagando de ida y vuelta en torno a una media a
largo plazo. En la Figura 2.14, a continuación, vemos la desviación estándar de los
retornos diarios para el S & P 500 durante un período de un mes. Podemos medir la
volatilidad durante cortos periodos de tiempo mediante el cálculo de una desviación
estándar de laminación de 20 días de retornos por ciento.

Un mes Volatilidad: S & P 500

50%

40%
Volatilidad

30%

20%

10%

0%
01.30.9

01.30.95

01.30.01
01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

1/30/98

01.30.0
01.30.
99
0

Fecha
FIGURA 2. 1 4
Una volatilidad Mes: S & P 500. La volatilidad tiende a rebotar entre el 10% y el
20%.
50 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Comenzamos calculando la desviación estándar de las primeras 20 vueltas.

Al día siguiente, se nos cae la primera vuelta de nuestro cálculo, añadimos el
retorno 21, y volver a calcular la desviación estándar de los rendimientos. Al día
siguiente nos deje caer el retorno sec-ond y añadir el retorno 22d en nuestro cálculo
de la desviación estándar. Y así. Cada valor de la desviación estándar de 20 días
tendrá 19 puntos de retorno comunes como el valor antes y después del valor. En
este sentido, el cálculo "rollos" con cada día, de ahí la expresión "rodar volatilidad."
Hay que hacer un ajuste en nuestro cálculo de la desviación estándar. Mientras
que la desviación estándar resultante se informó en unidades diarias, es mucho más
común para referirse a la volatilidad sobre una base anualizada. Debido a la
volatilidad de las escalas con la raíz cuadrada del tiempo, multiplicamos nuestra
desviación estándar diaria por la raíz cuadrada de días trad-ción en un año (por lo
general 252 para los mercados bursátiles). El resultado de este ajuste es una
desviación estándar anualizada, o volatilidad.
Tenga en cuenta que en el gráfico anterior del S & P 500, la volatilidad tiende
a serpentear de ida y vuelta alrededor de la media del 18 por ciento. Si bien pueden
existir períodos de baja volatilidad durante cortos períodos de tiempo, la volatilidad
finalmente regresa a la media a largo plazo. Los períodos de alta volatilidad pueden
también sólo duran tanto tiempo antes de volver a la media a largo plazo. Dicha
reversión a la media de la desviación estándar es la columna vertebral de los
modelos GARCH. Esta propiedad de la volatilidad es común a casi todos los
mercados. Los períodos de alta volatilidad a menudo son seguidos por períodos de
alta volatilidad, disminuyendo lentamente a niveles más normales en el tiempo. Del
mismo modo, los períodos de baja volatilidad a menudo son seguidos por períodos
de baja volatilidad, el tiempo de regresar a los niveles normales en el tiempo.
La investigación ha demostrado que estos modelos GARCH explican la
volatilidad de los mercados-Mar con una fuerte significación estadística. Además, los
estudios académicos han encontrado que cuando los rendimientos se ajustan para esta
volatilidad variable, los altos picos cerca de la mitad de la distribución y colas gruesas
hacia los extremos disminuyen y dejan una distribución de aspecto más normal. Aunque
GARCH no puede o no predecir los rendimientos del mercado o de los precios, el
concepto de volatilidad no constante tiene importantes impli-caciones para la
generación de señales de operación, así como la gestión del riesgo de las carteras.

LA GAMA DE VOLATILIDADES
Es importante entender las estadísticas detrás de los precios de mercado por lo que
podemos Accu-rado analizar la información de mercado. Una distinción importante
entre los mercados es su grado variable de volatilidad. Como ya se ha señalado, los
mercados no poseen volatilidad constante con-; más bien, sus volatilidades están
cambiando constantemente con el tiempo. En el ejemplo anterior, vemos que la
volatilidad anualizada del índice S & P 500 es típicamente entre 15 y 25 por ciento,
pero también pueden pasar largos periodos de tiempo fuera de estos rangos. De
hecho, la tendencia a finales de 1990 fue uno de creciente volatilidad.
Los operadores deberían haber sido conscientes de que el comercio de un valor
igual en dólares del S & P 500 a finales de 1990 era más arriesgado que hacerlo a
principios de 1990. La volatilidad de la
CAPÍTULO 2 Introducción a la Estadística 51

Un mes Volatilidad: GE
80%

60%
Volatilidad

40%

20%

0%
01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

01.30.0

01.30.0
01.30.

1/30/
91

98
0

1
Fecha

FIGURA 2. 15

Un mes Volatilidad: GE. La volatilidad tiende a rebotar entre 20% y 40%.

S & P 500, cuando se mide por la desviación estándar de los retornos por ciento,
aumentó entre 1995 y 2000. General Electric e Intel tienen historias similares de
volatilidad como el S & P 500, como se muestra en las figuras 2.15 y 2.16.
Adaptación de la subida de los volatili-dad del S & P 500, la volatilidad de los
retornos diarios de GE e Intel (INTC) se expandió entre 1998 y 2000.
Si sabemos volatilidad anualizada de un mercado, podemos calcular el riesgo
diario de ser largo o corto. Por ejemplo, la volatilidad anualizada del índice S & P
500 es de alrededor de 20 por ciento. La desviación estándar diaria de ser largo o
corto que el S & P 500 es igual al valor de la cartera multiplicado por la desviación
típica anualizada dividido por la raíz cuadrada de 252:
($ Nocional) ( sAnualizado) Desviación
estándar diaria = }}}
252

Hemos dividido por la raíz cuadrada de 252 (el número de días de negociación
en un año) en la ecuación anterior para escalar la volatilidad de anual a diario.
Debido a que la desviación estándar escalas de forma proporcional a la raíz
cuadrada del tiempo, hay que ajustar los números de volatilidad para llegar a
comparaciones manzanas con manzanas. Supongamos que tenemos $ 20 millones
de una larga exposición a la S & P 500. Nuestra desviación estándar diaria sería:
52 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Un mes Volatilidad: INTC

150%

120%
Volatilidad

90%

60%

30%

0%
01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

01.30.9

1/30/98

01.30.9

01.30.0

01.30.0
01.30.

01.30.
91

96
0

1
Fecha

2.
FIGURA dieciséis

Un mes Volatilidad: INTC. La volatilidad tiende a rebotar entre 30% y 60%.

($ 20,000,000) de (20%)
desviación estándar diaria = }}} = $ 252 000 252

En el ejemplo anterior, podemos crear lo que los estadísticos llaman

"intervalos de confianza" en torno a la desviación estándar diaria de $ 252.000. El
uso de la distribución normal, el 68 por ciento del tiempo que debemos ganar o
perder entre más y menos una desviación estándar ($ 252.000), y el 95 por ciento
del tiempo que debemos ganar o perder entre más y menos dos desviaciones
estándar ($ 504.000).
Muchos operadores tienen la noción malinterpretado que el S & P 500 es un
mercado muy volátil. En comparación con la mayoría de las materias primas y
acciones individuales, esto no es cierto. Como puede verse en el gráfico de la
volatilidad anualizada para diversos mercados 1997-2001 (Figura 2.17), es el
quinto mercado menos volátil. Cuando los comerciantes dicen que los futuros del
S & P 500 son volátiles, lo que realmente están hablando es del tamaño nocional
de los contratos de futuros en comparación con otros contratos de futuros. El valor
nominal del contrato S & P 500 en el momento de escribir este artículo es ($ 250)
(800) = $ 200.000, mientras que el valor nocional de petróleo crudo, una mayor
volatilidad del mercado, como se observa en el gráfico-es solamente ($ 1000) ( 30)
= $ 30.000.
La diferencia entre la volatilidad de los precios, tal como se mide únicamente por
ciento rendimientos en edad diarias, y la volatilidad del dólar, medido por retornos de
dólares diarios de un contrato de futuros con-
CAPÍTULO 2 Introducción a la Estadística 53

Volatilidad de los mercados seleccionados

70%

60%

50%
Volatilida

40%

30%
d

20%

10%

0%
Dolar canadiense

Petróleo crudo

Nasdaq100

Gas natural
S & P500

Algodón
T-Bonds

INTC
Maíz

mes

café
Yen

Oro

GE
FIGURA 2. 1 7

Volatilidad de los mercados seleccionados. Los productos básicos tienen parte de la volatilidad más
pequeño mientras que las acciones de UAL-Individ pueden ser muy volátiles.

vías, será importante para determinar el número de contratos para el comercio al

entrar en un mercado.
La volatilidad anualizada durante el año 2001 para los 14 com-productos
básicos y los mercados elegidos arbitrariamente en el gráfico muestra que monedas
como el canadiense dol-lar y el yen japonés se encuentran entre los mercados
menos volátiles. Las acciones tecnológicas como Intel y el Nasdaq 100 se
encuentran entre los más volátiles.

EL lognormalidad los precios de mercado

Mientras que los retornos del mercado a corto plazo puede ser mejor descrito como
una distribución normal, los precios de mercado siguen una distribución
logarítmica normal. Esto es algo similar a la distribución ni-mal en su forma,
excepto el lado izquierdo y derecho de la distribución no es simétrica, como se ve
en la Figura 2.18. La cola de la derecha se extiende lentamente fuera de la sala,
mientras que las colas de la mano izquierda hacia cero más abruptamente. La
distribución logarítmica normal-ción de los precios es de uso común y es la base
para la opción Negro-Scholes-ing pric.
Los lectores podrían cuestionar el enlace que causa rendimientos a corto plazo
que siguen una distribución normal, pero los precios que siguen una distribución
logarítmica normal. La respuesta está en la capitalización de los rendimientos.
Considere la posibilidad de una acción de $ 100 y dos escenarios:
54 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

La distribución lognormal
5,00%

4,00%

3.00%

2,00%

1,00%

0,00%
0 5 10 15 20

FIGURA 2. 1 8

La distribución logarítmica normal. La distribución logarítmica normal tiene una cola lado más
largo de la derecha de la distribución normal.

1. Un aumento del 50 por ciento en el día 1 y una ganancia de 50 por ciento en el

día 2
2. Una pérdida de 50 por ciento en el día 1 y una pérdida de 50 por ciento en el día
2
Al final del período de dos días, la acción terminará a $ 225 = ($ 100) (1,5) (1,5)
en el primer ejemplo y $ 25 = ($ 100) (0,5) (0,5) en el segundo ejemplo. Escenario 1
conduce a un retorno en dólares de + $ 125, mientras que el escenario 2 conduce a un
retorno en dólares de - $ 75. Aunque cada escenario tiene una probabilidad del 25 por
ciento de ocurrir, la ex genera un retorno más positivo que este último hace un retorno
negativo. Como resultado, la cola derecha de un lognormal se extiende más lejos de la
media que lo hace la cola izquierda.
Esta característica aparecerá en varias ocasiones a lo largo de este libro, y
como veremos más adelante, que tiene importantes implicaciones para la
administración del dinero.
 CAPÍTULO 3

Creación de Estrategias de Trading

Los bloques de construcción que generar operaciones

Tsu capítulo proporcionará una introducción a los conceptos detrás de las estrategias de
negociación. Mientras que el material puede ser viejo truco para algunos, sin embargo,
los conceptos son impor-tante para la construcción de los mejores sistemas más fiables
y estrategias que examinaremos más adelante.
Hay tres bloques de construcción para la creación de cualquier sistema:
entradas, salidas y fil-tros. Las entradas son las señales que generan la apertura de
órdenes de compraventa de nuevas posiciones. Salidas indican que el valor esperado
de un comercio ha disminuido hasta el punto de que el comercio debe ser cerrado.
Filtros persuaden el comerciante sólo para tomar las entradas con mayores
beneficios esperados a lo largo de la vida de un sistema.

La necesidad de explicar los cambios de precios

Mi experiencia comercial ha descubierto algunas peculiaridades extrañas en Wall
Street. Parece que hay una necesidad constante de justificar o explicar cada
movimiento en el mercado. Lo que hizo que el Dow a caer 25 puntos? ¿Por qué son
los bonos hasta hoy?
En algunos casos, tales como los informes de ganancias económicas, comunicados
de prensa o informes de los cultivos, las respuestas están a la vista. Sin embargo, en
muchos, no hay ningún controlador único del movimiento del precio. Tales piezas
individuales de información no suelen causar grandes cantidades de capital para ser
asignados. En lugar de ello, por lo general es una confluencia de días o incluso semanas
de infor-mación que cambian de una filosofía de inversión de bajista a alcista o viceversa.
Para poner de relieve la confirmación requerida en el proceso de inversión,
tenga en cuenta lo siguiente: Un informe económico fuerte podría causar una cartera
de fondos de inversión Hombre-
 55

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
56 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Ager a considerar la compra de acciones que pueden beneficiarse de una

recuperación de la economía. El gestor del fondo se da cuenta de dos empresas en
una industria cíclica que reportan beneficios mejores de lo esperado. sin embargo,
no está convencido, el gerente visita la sede de las empresas y también lleva a cabo
controles de canal con los proveedores y distribuidores para ver cómo están
siguiendo órdenes en el trimestre actual. Convencido de una de las poblaciones
ahora está inclinada a precios más altos, el gestor del fondo comienza a acumular
una gran posi-ción de las existencias. La presión de compra de la compañía impulsa
precio de las acciones hasta $ 2 en el día.
¿Había alguna noticia en este día de negociación específica para explicar el
fuerte aumento de la población? No. Fue una confluencia de muchas piezas de
información a través de varias semanas que causaron que la población aumente.
Es muy difícil de explicar los movimientos del día a día de los precios de
mercado. Nuestras estrategias de operación no deben tratar de hacerlo, ya que los
precios son ruidosos y probablemente el mejor explicada por el modelo de paseo
aleatorio. En su lugar, nos centraremos en la predicción de la dirección diaria de
mar-cado correctamente o menos 52 a 55 por ciento del tiempo. Incluso si estamos
en lo correcto, sólo el 52 por ciento de los días de mercado en el año, debemos
esperar para hacer dinero 72 por ciento de los años en que el comercio. Si podemos
aumentar la fiabilidad de nuestros pronósticos hasta 55 por ciento de exactitud
todos los días, nos volvemos el 94 por ciento de probabilidad de ganar dinero en un
año determinado. El punto es, un pequeño aumento de la precisión diaria va un
largo camino en el aumento de nuestras posibilidades de ser rentable para el año.
Las entradas, salidas, y los filtros de abajo ayudarán en nuestras decisiones
comerciales y aumentar la precisión de nuestro diario en el comercio.

ENTRADAS la estrategia de comercio

las señales de entrada son los motores que impulsan los sistemas de comercio. A
menudo, la mayor parte del tiempo invertido en la creación de nuevos sistemas que
se consume tiempo que se buscan señales de entrada. Con tantas ideas para elegir,
la prueba puede convertirse en un trabajo de 24 horas al día.
Algunas de las muchas metodologías de entrada utilizados en la actualidad
son las medias móviles, los brotes de canal, el impulso, los brotes de volatilidad,
osciladores, y los patrones de precios. Estas técnicas básicas se han convertido en
la base para nuevas ideas maravillosamente complejas. Con el fin de construir
mejores sistemas más adelante en este libro, primero tenemos que entender los
conceptos básicos de técnicas de entrada actuales.

Las técnicas de seguimiento de tendencias

métodos de seguimiento de tendencias generan señales de compra, mientras que el
mercado está en un período de fuerza. Por el contrario, las señales de venta se
generan durante los períodos de debilidad. Aunque los seguidores de tendencias no
van a comprar o vender los suelos del mercado cimas del mercado, el medio de una
tendencia es a menudo suficiente para producir el comercio rentable. estrategias
fol-si- tendencia típica emplearán las medias móviles, los brotes de canal, lecturas
de impulso, o brotes de volatilidad para señalar entradas.
CAPÍTULO 3 Creación de Estrategias de Trading 57

Medias Móviles
Desde hace más de 50 años, las medias móviles han sido utilizados por los
comerciantes. En esencia, un promedio mov-ing es la media de una serie de tiempo,
pero actualizado y vuelve a calcular cada día de negociación. Las medias móviles
vienen en muchas formas y tamaños diferentes. Los más comunes son: simple,
ponderada y exponencial.
El más básico de los tres anteriores, la media móvil simple, es un promedio
de los valores calculados de nuevo todos los días. A medida que pasa el tiempo, los
valores más viejos son reemplazados por los valores más actuales. El resultado es
que la media "mueve" a través del tiempo. Un promedio móvil simple de n días se
calcula sumando los n días anteriores de valores (generalmente se cierra) y
dividiendo por el valor de n. Los valores más cortos de n producir más estrictas
medias móviles, que abrazo de cierre de datos más de cerca que las medias móviles
Cre-ado con valores mayores de n.
1  Sencilla
n-día de la mudanza Media = } Closex
norte
Numerosas variaciones de la media móvil se han creado y estudiado con el
tiempo. Algunas de las innovaciones implican la ponderación, las fórmulas de
suavizado, y la estructura global de cómo se calcula la media. Además del móvil
simple en edad de aver, la segunda forma más común es la media móvil
exponencial. Es calcu-cula utilizando valor del precio actual y el valor promedio
móvil de ayer. El factor lisa-ing,un, Determina la rapidez con la media móvil
exponencial responde a los precios actuales del mercado. Los grandes valores deun
hará un seguimiento de los precios más estrechamente que los valores menores de
un.
Móvil Exponencial = promedio xt = (un) cercat + (1 - un) xt-1
2
donde un de media móvil en días = }
1 1 días
La media móvil ponderada es la tercera más común. A diferencia de las medias
móviles simples que el peso de cada precio igualmente, los promedios móviles
ponderados normalmente se asigna mayor peso a más recientes puntos de datos. Un
ejemplo de un medio mov-ción ponderada sería:
media móvil ponderada =
1
}} (4 ? cercat 1 3 ? cercat21 1 2 ? cercat22 1 1 ? cercat23)
(4 1 3 1 2 1 1)
Las señales de operaciones básicas de medias móviles se activan cuando los
precios se cruzan por encima o por debajo de un promedio móvil. Cuando los precios
se cruzan por encima de la edad en movimiento aver, los precios más altos son probable
y señala que es el momento para comprar. Cuando los precios se cruzan por debajo de
la media móvil, se espera un mercado en retroceso y es el momento de vender.
promedios de 20 a 100 días en movimiento se utilizan comúnmente para generar señales
de compra y venta. medias móviles más cortas van a responder más rápido a
movimiento de precios reciente
58 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

y generar más señales de comercio que va ya medias, que las señales de comercio
pro-ducir con poca frecuencia en movimiento.
Otras variaciones de las estrategias de movimiento promedio combinan más
de una media móvil para generar señales de operación cuando un movimiento más
rápido n-medio más pequeño en una media móvil simple o mayor un en una media
móvil exponencial cruces por encima o por debajo de un promedio móvil más lento
(n mayor o menor un). Las medias móviles de 10 y 40 días se utilizan comúnmente
para generar señales en el sistema cruzado de edad aver doble movimiento (Figura
3.1).

Mover Reglas Promedio

Variación 1
■
Comprar cuando cierre cruza por encima de x días de media móvil
■
Vender cuando cruza por debajo de cerrar x días de media móvil
variación 2
■
Comprar cuando x día móvil cruza por encima de y días de media móvil
■
Vender cuando x día de la mudanza cruces medias por debajo de la media móvil y
día
Debido a la suavización de los precios, las medias móviles siempre se
retrasarán los precios actuales. Como los precios de tendencia alcista, el promedio
siempre será rastro precios actuales. los

Promedios móviles simples y dobles

120

110
Precio
Precio

100
Más rápido
Promedio

90
Más lento media

80
26.04.95

10.05.95

10/11/95
24.05.95

21.06.95

19.07.95

16.08.95

30.08.95

13.09.95

27.09.95

25.10.95

11.08.95

22.11.95

12.06.95
20.12.95
7.6.95

7.5.95

8.2.95

Fecha
FIGURA 3. 1

Promedios de uno y dos móviles. Los promedios se utilizan a menudo para generar
señales de operación.
CAPÍTULO 3 Creación de Estrategias de Trading 59

Ejemplo media en movimiento

75
ses
ent
ay
cinc
o
Cerca

Media móvil
55

45 11

13

17

19
21

23

25

27

29
31
1

1
5
Día

FIGURA 3. 2

Mover Ejemplo media. El retraso de una media móvil permite a los operadores permanecen a bordo
de las tendencias.

ejemplo anterior, la figura 3.2, muestra un 20 días de media móvil simple de un

mar-cado que aumenta un punto de un día, luego disminuye un punto por día. Como
puede verse, la media móvil siempre arrastra bajo los precios en el camino hacia
arriba y nunca se atrapa los precios en el camino hacia abajo.
Mientras que muchos comerciantes maldicen a este retraso, lo valoro. El
desfase de las medias móviles es lo que permite a los beneficios que se harán
durante los períodos de tendencias. Cuando los precios tendencia a alejarse de la
media móvil, se generan señales de comercio. Mientras los precios siguen en la
dirección de la tendencia, la media móvil siempre quedará por los precios actuales.
Cuanto más larga sea la tendencia, más rentable la estrategia de media móvil será.
En un mar-ket que oscila de una manera de lado cíclico, lag puede ser un problema.
Pero con más frecuencia que no, ninguna acción cíclica perceptible puede ser
identificado en los precios del mercado, y podemos usar un desfase de la media
móvil para subir a bordo de la tendencia predominante del mercado.
Los principales inconvenientes asociados al movimiento de las estrategias de
medios son las sierras de látigo asociados con la acción mercado agitado. Si un
mercado muestra signos de fortaleza, entonces los precios se cruzarán por encima
de la media móvil y generar señales de compra. Cuando los precios revierten
rápidamente y caen por debajo de la media móvil, anhela se venden con una pérdida
y nuevas posiciones cortas establecida.
 La figura 3.3 muestra cómo señales falsas pueden comer en capital comercial.
A medida que el mar-cado mítines y luego declina sin tendencias perceptibles, las
operaciones a corto plazo
60 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Precio y media para cinco días

108

Precio
Promedio
104

100

96
3

10
0

9
Fecha

FIGURA 3. 3

Precio y media para cinco días. Señales falsas se crean cuando los precios suben por encima de
frecuencia y caen por debajo de los promedios mov-ing.

dar lugar a pérdidas. Entramos en corto en el día 2 a 103, cerrar los cortos dos días
después en 104 para una pérdida de un punto y establecer una posición larga. Dos
días más tarde cerramos nuestro tiempo como los descensos del mercado, lo que
lleva a otra posición perdedora. Por último, en el día 8, entramos largo de nuevo.
Si los mercados son propensos a movimientos cortos y violentos con muchos
retrocesos en el camino, que se mueven los sistemas promedio son propensos a
sufrir. Uso de las medias móviles de mayor longitud se cortaron en este whipsaw
un poco, pero en su mayor parte, señales falsas son una parte desafortunada de
mover sistemas promedio trad-ing.

Las rupturas de canal

Richard Donchian, a quien hemos discutido brevemente en el capítulo 1, fue
pionera en el mercado de futuros sys-mático. Él es reconocido como el primero en
utilizar los brotes de canal en su comercio. sesiones individuales de canal derivan
su nombre de canales que se crean cuando se traza una cuenta corriente de los más
altos altos y bajos más baja en un intervalo fijo de días. Un canal de 20 días implica
el cálculo y el trazado de la cerca alta y más baja en los últimos 20 días. A medida
que se hacen nuevos máximos o mínimos de precios, el canal se mueve más alto y
más bajo, la contratación y la expansión de la volatilidad del mercado (véase la
figura 3.4).
CAPÍTULO 3 Creación de Estrategias de Trading 61

En los últimos años, los brotes de canal han superado a la popularidad de las
medias móviles. Esta popularidad se debe probablemente a las maravillosas
historias de comercio de la leyenda de Richard Dennis y su descendencia "tortuga".
A principios de la década de 1980, Richard Dennis y su socio William Eckhardt
debatieron si trad-ción puede ser enseñado con éxito. Para resolver la discusión, se contrató
a un grupo de comerciantes novatos de diferentes orígenes. La pareja enseñó los
fundamentos de su sistema de comercio y envió a sus alumnos en el mundo para el comercio.
En su forma más simple, su sistema era similar a una estrategia de ruptura del canal
introducido originalmente por Richard Donchian. Utilizando esta estrategia básica, muchas
de las tortugas se han convertido en un éxito maravilloso administradores de fondos
públicos, la gestión de miles de millones de dólares con una trayectoria lucrativos a largo
plazo.
Los canales se incorporan en una estrategia de negociación. Las entradas se
ejecutan cuando los precios penetran en el canal. Una compra se toma cuando el
cierre de hoy es mayor que el anterior x cierra, y una venta se toma cuando el cierre
de hoy es más bajo que el anterior se cierra x día. Si se emplea una estrategia de
ruptura del canal de 40 días, una señal de compra se genera cada vez que cierre del
mercado fue el más alto de los últimos 40 días. Las señales de venta se generan
cuando el mercado cierra más bajo que cualquier otro cierre de los últimos 40 días.
Cuanto más larga sea la longitud del canal, la menor frecuencia la estrategia será el
comercio.

Breakout Ejemplo canal

53.50
Precio de
53.00 cierre
20 días de
alta
52.50 20 días de
baja
52.00
51.50
51.00
50.50
50.00
49.50
49.00
48.50
48.00
ses
ent
ay
13

17

21
25

29

37

41

45

49

53

57

61

69

73

77
81
1
5

3
3

Día
 FIGURA 3. 4

Ejemplo Breakout canal. Precio canales se crean mediante el cálculo de los cierres más alta y la
más baja en un rango especificado.
62 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Reglas del desbloqueo de los canales

■
Comprar si el cierre de hoy es el mejor cierre de los días pasados x
■
Vender si el cierre de hoy es el nivel más bajo de los días pasados x
No sólo son las medias móviles y los brotes de los canales populares, pero han
generado beneficios sustanciales por montar las tendencias a largo plazo en los últimos
20 años. Debido a este éxito, vamos a pasar mucho tiempo con ambos métodos de
negociación. Al evaluar el rendimiento de las nuevas estrategias de negociación,
siempre vamos a comparar los resultados de los nuevos sistemas para la realización de
dos variaciones específicas de los métodos de negociación de arranque y promedios
móviles de canal. En este tema se volverá a tratar en el Capítulo 4, "Evaluación de la
estrategia de comercio de rendimiento."

Impulso
entradas de impulso son, quizás, las técnicas más simples disponibles a los
comerciantes en la actualidad. El impulso se calcula tomando la diferencia entre un
valor y otro valor en algún momento en el tiempo.
Momentum = Valorhoy - Valorx hace días
Un ejemplo típico es el precio impulso (figura 3.5). Un impulso de 20 días de
los precios de cierre se calcula tomando la diferencia entre el cierre de hoy

Ejemplo impulso
60.00 20.00

55.00
15.00

50.00
Precio de
cierre 10.00
45.00 20 días Momentum
5.00
40.00

0.00
35.00

30.00 -5.00
41
1

1
1

2
1

3
1

5
1

6
1

7
1

Día

FIGURA 3. 5
Ejemplo impulso. El impulso se calcula mediante la adopción de un cambio de precio en un rango
especificado.
CAPÍTULO 3 Creación de Estrategias de Trading 63

y las cerrará 20 días antes. Tal vez el indicador más versátil de todos, momen-tum
se puede aplicar a los precios, las medias, osciladores, y otros indicadores de
movimiento. Por lo general, se genera una señal de compra cuando el impulso se
vuelve positivo, y se genera un impulso de venta cuando se vuelve negativo.

Reglas Momentum
■
Comprar cuando el cierre de hoy es mayor que hace los días cerrar x
■
Vender cuando el cierre de hoy es menos que hace los días cerrar x

Las rupturas de volatilidad

brotes de volatilidad también son un tipo popular de la entrada, se encuentra
comúnmente como base de los sistemas de corto plazo que se negocian los futuros
del S & P 500 y los bonos del Tesoro. Desarrollado a mediados de 1970 por Larry
Williams, la premisa detrás de la estrategia es que los grandes saltos de precios a
corto plazo tienden a ser precursores de un movimiento adicional en la misma
dirección.
Hay una serie de razones por las grandes variaciones de los precios puede ser
una señal de un movimiento adicional en la misma dirección. En primer lugar, los
costes de negociación no son desdeñables, sobre todo cuando la comisión de
grandes cantidades de capital. Cuando las noticias positivas se rompe en una
acción, puede ser que tome tiempo para las grandes instituciones para tomar una
decisión de compra de acciones. Los costos de transacción asociados con la compra
o venta de $ 100 millones de las activos es muy costosa, no sólo en términos de
comisiones, sino también el deslizamiento que se crea a partir de tales tamaños
grandes de transacción. Cualquier institución dispuesta a cometer tales grandes
cantidades de capital había mejor estar seguro de que es el comercio correcta, de lo
contrario el costo de la inversión de la comercial podría ser enorme. Este retraso
puede permitir que el comerciante ágil Quan-cuanti- al comercio antes del acto
grandes instituciones. Otro factor que puede aumentar la volatilidad del desglose
de los comerciantes es que todos los inversores no tienen las mismas informaciones.
Sanford Grossman y Joseph Stiglitz (1980) sugirieron por primera vez la idea
de desequilibrio de información para explicar la imposibilidad de mercados
verdaderamente eficaces. Grossman y Stiglitz hipótesis de que en todos los casos,
algunos inversores tienen mejor información que otros. La teoría se basa en los
costes significativos asociados con la realización de la investigación. La
contratación de los analistas para visitar empresas y cavar a través de
presentaciones ante la SEC puede ser costoso. Si los inversores que gastar este
dinero en la investigación fundamental no pueden superar a los inversores
desinformados, a continuación, los recolectores de información pronto cesarán sus
investigaciones. Como resultado, los mercados se vuelvan ineficaces hasta que
ciertos inversores comienzan a hacer una investigación costosa de nuevo.
 Es probable que, cuando los inversores toman posiciones informadas, se
mueven los mercados a los extremos debido a su convicción. La estrategia de
ruptura volatilidad puede ser capaz de seguir el movimiento de estos inversores
informados, identificar a estos extremos, y explotar su potencial de ganancias.
brotes de volatilidad buscan grandes de un solo día los movimientos de precios y
el comercio en la dirección del movimiento.
64 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

La entrada volatilidad ruptura se compone de tres piezas: un valor de

referencia, una medida de la volatilidad, y un multiplicador volatilidad. El valor de
referencia se cumple el precio de la medición del movimiento. La medida de la
volatilidad calcula la volatilidad típica del mercado para separar un movimiento
significativo de los cambios de precios al azar. El multiplicador de la volatilidad
determina la sensibilidad del movimiento de precios necesaria para activar las
señales de entrada. Los tres componentes se combinan en un vértice geodésico-ger.
Comprar entradas se ejecutan cuando los precios de cierre por encima del umbral
máximo, mientras que las ventas se activan cuando los precios de cierre por debajo
del umbral mínimo.
El valor de referencia es el punto desde el que vamos a medir el inicio del
movimiento. Esto normalmente se mide usando el cierre del día anterior, al
comienzo del día, o en un corto plazo se cierra promedio de movimiento. Los tres
volatilidad meas-Ures más comunes son la desviación estándar de los cambios de
precios, la desviación estándar de los precios, y el verdadero rango promedio. La
medida de la volatilidad más lógico es calcular una desviación estándar de los
rendimientos de los precios. Recuerde, desviación estándar mide la dispersión de
los rendimientos y es un sustituto de la volatilidad del mercado. Mediante el cálculo
de la desviación estándar de los rendimientos, podemos determinar con eficacia
significativos movimientos del mercado de la acción del precio al azar.
Otra medida popular de la volatilidad es calcular el verdadero rango
promedio. El verdadero alcance es el mayor de los siguientes valores:
■
negativa elevada de hoy de baja hoy
■
negativa elevada cierre de ayer de hoy
■
cierre de ayer, menos la baja de hoy
Promediando el verdadero rango durante un número determinado de días, se
puede calcular una medida popular de la volatilidad del mercado llamado el rango
promedio verdadero (ATR). El uso de cierre del día anterior en algunas situaciones
es dar cuenta de las diferencias de precios que pueden constituir la mayor parte de
la volatilidad es cualquier día. Si la madera de construcción, un mercado de futuros
notoria por su comercio se detiene debido a los límites de precios diarios, abrió
límite arriba y nunca negoció más bajo durante el día, la gama alta-menos-baja sería
cero. Si este movimiento límite con-continuó durante cinco días seguidos, a
continuación, tomando un promedio simple de la gama de alto a bajo sería
subestimar la verdadera volatilidad del mercado. Mediante el ajuste de la mayor a
menor rango de movimiento de cierre del día anterior, creamos un más robusto
meas-URE de la volatilidad.
Una tercera medida de frecuencia se utiliza para calcular la volatilidad es la
desviación estándar de los precios de mercado. A diferencia de la desviación
estándar de los rendimientos, este método no permite la interpretación estricta el
uso de la distribución normal. Sin embargo, es una medida eficaz de la volatilidad
de los precios. A pesar de los innumerables métodos para calcular la volatilidad
mar-cado, como vemos en la figura 3.6, cada cálculo de dispersión de los
rendimientos método razonablemente valores similares.
los puntos de entrada de ruptura de volatilidad se obtienen multiplicando la
volatilidad mul-tiplier por la medida de la volatilidad y la adición de ese valor al
valor de referencia.
CAPÍTULO 3 Creación de Estrategias de Trading sesenta y cinco

Métodos de Dispersión
80.00
DESVEST de
precios
70.00 cierto rango
promedio
DESVEST de los
60.00 cambios de precios

50.00
Puntos

40.00

30.00

20.00

10.00

0.00
19.03.01

16.04.01

14.05.01

28.05.01
11.06.01

25.06.01

23.07.01

20.08.01

17.09.01
01.10.01
15.10.01
29.10.01
11/12/01
26.11.01
12/10/01
24.12.01
4/30/01
5.3.01

4.2.01

9.7.01

8.6.01

9.3.01
Fecha

FIGURA 3. 6

Los métodos de dispersión. El cálculo de la desviación estándar de los precios, la desviación

estándar de los cambios de precios, y el rango promedio real conducen a valores muy
similares.

Reglas de la volatilidad del desbloqueo

■
activación superior = Valor de referencia (cierre de ayer, abierta, media
móvil a corto plazo de hoy), más la medida de volatilidad multiplicador de
volatilidad (desviación stan-dard de los retornos de los precios, el verdadero
rango promedio, desviación estándar de precio). Comprar cuando el cierre de
hoy es mayor que el umbral superior.
■
Activación inferior = Valor de referencia (cierre de ayer, abierta, media
móvil a corto plazo de hoy), más la medida de volatilidad multiplicador de
volatilidad (desviación stan-dard de los retornos de los precios, el verdadero
rango promedio, desviación estándar de precio). Vender cuando el cierre de
hoy es menor que el umbral mínimo
Por ejemplo, podríamos utilizar el cierre de ayer como un valor de referencia,
el número uno sería un multiplicador volatilidad y un cálculo del promedio de rango
verdadero de 10 días para que una medida de la volatilidad. En este sistema de
arranque volatilidad, nos gustaría comprar si el cierre de hoy fueron mayores que
el cierre de ayer, más una vez el verdadero rango promedio de los últimos 10 días.
Por el contrario, si el cierre de hoy eran menores de cierre de ayer menos una vez
el verdadero rango promedio de los últimos 10 días, entonces nosotros vendemos
el mercado.
66 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Los osciladores de precios

Aparte de las técnicas de seguimiento de tendencias mencionadas anteriormente,
existen numerosos métodos para definir cuando una tendencia se ha vuelto
extendido demasiado o agotado. Estos sig-nales caen bajo una clase de técnicas de
llamada osciladores. La mayoría de los osciladores utilizar rango estadístico para
explicar el que los precios actuales se encuentran dentro del rango reciente y tratar
de generar señales de venta cuando los precios han subido demasiado alto y señales
de compra cuando los precios son demasiado bajos. osciladores más populares son
el índice de fuerza relativa (RSI), procesos estocásticos% K, y la media móvil de
convergencia / divergencia (MACD). La premisa detrás de los osciladores estándar
es que una vez que los precios se mueven a Lev-els lejos de la media, una inversión
es eminente.

Índice de Fuerza Relativa

Introducido por Welles Wilder en el clásico de 1978 Nuevos conceptos en los
sistemas de negociación técnica, el índice de fuerza relativa es quizás el más
popular indicador de exceso de compras / sobreventa utilizado en el mundo de hoy.
Según Wilder, las cimas del mercado a menudo se completan cuando el indicador
se eleva por encima de 70, mientras que los fondos se forman durante los períodos en
que el indicador cae por debajo de 30. En la actualidad, la mayoría de los profesionales
se preparan para comprar el mercado en las caídas por debajo de 30, con una subida de
nuevo por encima de 30 el indicador como una señal para comprar. Por el contrario, los
operadores deberán prepararse para vender un mercado cuando el indicador se mueve
por encima de 70, entran en una cruz por debajo de 70. El RSI resume los cambios en
los precios de días hasta y los compara con los cambios de precios en los días abajo
para calcular el valor de RSI. (Véase la figura 3.7 para un ejemplo de la RSI).

RSI = 100 2 100

}}
T
1 1}}
re
donde U es el promedio de todos los movimientos hacia arriba y D es el promedio
de todos los movimientos hacia abajo

Estocástico
El indicador estocástico es otro oscilador muy popular entre los comerciantes.
Popularizado por George Lane, durante finales de 1970 y principios de 1980,
compara los precios actuales de la gama alta y baja durante un período de revisión
retrospectiva.
Cerca de hoy 2 más bajo de baja
% K Estocástico prima = }}}}
más alto de alta 2 más bajo de baja
 El indicador estocástico prima es generalmente alisa con una media móvil de
tres días para formar el ayuno estocástico% K. El estocástico% K rápido se suaviza
una vez más el uso de otra media móvil de tres días para formar el ayuno% D
estocástico. Las posiciones largas son típicamente tomadas cuando el ayuno% K
estocástico sube por encima de 30 y acompañadas de una cruz sobre el ayuno% D
estocástico. Las posiciones cortas se toman típica-mente cuando el estocástico
rápido% K cae por debajo de 80 y se acompaña de una cruz debajo del estocástico
rápido% D (véase la figura 3.8).
CAPÍTULO 3 Creación de Estrategias de Trading 67

Índice de Fuerza Relativa

1100 200

175
1000
150
900 Ultimo precio 125
14 días RSI
Último

800 100

RSI
75
700
50
600
25

500 0
0

2
5

5
0

7
5
Día

FIGURA 3. 7

Índice de Fuerza Relativa. El índice de fuerza relativa (RSI) se eleva y cae entre 0 y 100.

El oscilador estocástico
1050 200

1030 180

1010 160

990 140

970 120
Últim

950 Lento% K Lento% D 100

930 80

910 60

890 40

870 20

850 0
0

3
0

6
0

Día

FIGURA 3. 8

El oscilador estocástico. El oscilador estocástico sube y baja entre 0 y 100.

68 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Convergencia se mueve Normal / Divergencia

El promedio convergencia / divergencia en movimiento (Figura 3.9), desarrollado por
Gerald Appel durante la década de 1980, es un oscilador creado tomando la diferencia
entre dos medias exponenciales (12 días de media ponderada exponencialmente con un
= 0,15, y una media móvil exponencial de 26 días con un= 0,075). A medida que el
mercado sube, el promedio de 12 días aumentará más rápido que el promedio de 26
días, lo que lleva al aumento de los valores de la línea MACD. disminución de los
mercados dará lugar a la disminución de los valores de la MACD, como el promedio
de 12 días caerá más rápido que el promedio de 26 días.
Un promedio móvil exponencial del MACD (a menudo referida como la línea
sig-nal) genera señales de compra y venta de cruces. A medida que el MACD
rallies, puestos de venta, y luego cruza por debajo de su línea de señal, que indica
que la tendencia es de escape de opinión y se debe ingresar posiciones cortas. Por
el contrario, si el MACD cae, opera plano, y luego se incremento por encima de la
línea de señal, que indica que el mercado está sobrevendido y se debe ingresar
posiciones largas.
MACD = 12 días EMA de cierre - de 26 días de cierre EMA
Señal MACD = 9 días EMA de MACD

El RSI, Estocástico, MACD y son sólo un puñado de los muchos osciladores utilizados
para determinar el agotamiento precio. Analista Tom DeMark es un defensor de los
osciladores y tiene una interesante teoría sobre su utilidad en la identificación de
agotamiento precio

Convergencia se mueve Normal / Divergencia

100 1400

80 1200
60
1000
40
800
línea de señal (de
MACDValues

20 espesor)
600
0
Cerca

400
-20
MACD
-40 200
(delgada)
-60 0
24/10/2001
07/11/2001
21/11/2001
06/12/2001
12/20/2001

02/20/2002

03/20/2002

04/18/2002

05/16/2002

05/31/2002

06/28/2002

07/15/2002

07/29/2002
08/12/2002

08/26/2002

9/10/2002
1/22/2002

6/14/2002
5/2/2002
1/7/2002

2/5/2002

3/6/2002

4.4.2002

Fecha
FIGURA 3. 9

Mover Convergencia Media / divergencia. El MACD y su línea de señal generan señales de

negociación.
CAPÍTULO 3 Creación de Estrategias de Trading 69

puntos. DeMark la hipótesis de que las tendencias alcistas continúan hasta el último
comprador ha comprado, y las tendencias bajistas siguen hasta el último vendedor
ha vendido. En este punto del agotamiento, los precios deben invertir debido a la
falta de nuevos compradores o vendedores. El uso de osciladores pueden ayudar a
identificar estos puntos de inversión de la tendencia.
Una técnica DeMark utiliza para generar señales de operación es sólo para tomar las
señales de los osciladores si pasan un corto período de tiempo en el territorio de sobrecompra
o sobreventa. Si los precios suben y el RSI de 14 días sube por encima de 65 años y sigue
siendo sobrecompra durante muchos días, entonces el mercado puede estar mostrando su
fortaleza subyacente. Un cortocircuito entre un mercado tan fuerte puede no ser prudente.
Por otro lado, si los precios suben y luego caen, con el RSI sólo permanecen-ing encima de
65 durante un período de cinco días o menos antes de descender y caer por debajo de 65,
entonces el mercado ha mostrado su debilidad y se debe tomar posiciones cortas.

Patrón de precios
entradas patrón de precios son los más difíciles de definir, ya que pueden abarcar
casi cualquier cosa para generar señales de operación. Algunos patrones de precios
de la señal de continuación de tendencia, mientras que otros señalan posibles
reversiones del mercado. Los patrones pueden ser com-puesto de uno o más días
de la acción del precio.
Un modelo popular, un día clave reversión, indica que el mercado puede estar
girando. Se genera una señal clave de reversión de venta cuando alta de hoy es
mayor que el máximo de ayer y el cierre de hoy es más bajo que el cierre de ayer.
Una compra reversión clave se genera cuando baja de hoy es menor que el mínimo
de ayer y el cierre de hoy es más alto que el cierre de ayer (ver Figura 3.10).
Otros patrones pueden incluir una referencia al día de la semana, además de
una rela-rela- entre hoy y días anteriores 'se abre, máximos, mínimos, y se cierra.
Uno de los patrones de Larry Williams pronosticó correctamente la manifestación
del 17 de abril de 2001. El pat-tern incluye dos días de configuraciones, con el
comercio realizado en el tercer día.
Para entrar en el S & P 500 de largo, el cierre el día uno debe ser superior a
la intemperie. El segundo día debe ser lunes, jueves y viernes; el alto debe ser
menor que el alto del día anterior; y la baja debe ser mayor que el mínimo del día
anterior. Si en el tercer día al aire libre es menor que el alto de El día tres, y luego
comprar el mercado si los precios suben por encima del máximo del día uno. Si
bien este patrón de precios es un poco más complejo que la mayoría, no tenga miedo
de dejar volar su imaginación al crear sus propias señales patrón de comercio.

SALIDAS estrategia de comercio

Rara vez las salidas reciben la atención que merecen dentro de una negociación
completa sys-tem. En cuanto a la creación de un sistema rentable, que son
responsables de convertir el borde de entradas en los beneficios comerciales
cerrados. Mientras que las entradas son responsables de cre-Ating operaciones
rentables, necesitamos señales para determinar cuándo salir de oficios tanto
rentables y no rentables.
70 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Los retrocesos clave

Reversión tecla Arriba Tecla de cambio de tendencia

99
1/1/00 2.1.00 3.1.00 1/4/00 5.1.00

FIGURA 3. 1 0

Los retrocesos clave. reversiones clave son uno patrón gráfico popular que genera señales de
operación.

Por lo general, las señales que se cierran operaciones rentables se les conoce
como "salidas", mientras que las señales que se cierran las operaciones no rentables
se denominan "paradas" o "dejan de señales de pérdida." Los lectores deben tener
en cuenta que las salidas a tanto alzado y se detiene junto a la misma categoría. Eso
es porque creo que tienen el mismo propósito: para maximizar las ganancias y
minimizar las pérdidas. Unas salidas populares incluyen los objetivos de
beneficios, paradas que se arrastran, y detener las pérdidas de valor fijo.

los objetivos de beneficios

los objetivos de beneficios se cierran operaciones rentables. Por lo general se calculan
utilizando una gama statis-tic tales como la desviación estándar de los precios, la desviación
estándar de los cierres, o verdadero rango promedio. Por ejemplo, después de comprar IBM
en $ 100, podríamos colocar una salida de venta a tres veces el verdadero rango promedio
de los últimos 20 días por encima del precio de entrada de $ 100 a capturar prof-its. Si el
rango promedio real es de $ 2, entonces vendería IBM en $ 100 + (3) ($ 2) = $ 106.

Las salidas se arrastran

Si nuestra entrada es inmediatamente rentable, es probable que los beneficios
significativos que Gen-eRate estará en riesgo si el mercado se vuelve. entonces
podríamos regalar todas nuestras ganancias y girar una operación ganadora en una
perdedora.
CAPÍTULO 3 Creación de Estrategias de Trading 71

paradas que se arrastran pueden asegurarse las ganancias después de las

operaciones empiezan a volverse contra nosotros. Hay un número de métodos para
realizar esta tarea. Por ejemplo, podemos salir de las posiciones largas cuando el
mercado hace un mínimo de cinco días. En este caso, estamos adaptando la entrada
de arranque canal en una salida. También, podemos salir posi-ciones largas cuando
el mercado cierra por debajo del punto de giro mínimo anterior (ver Figura 3.11).
mínimos punto de giro se crean cuando baja de un día es inferior a la precedente y
siguiente día de baja. Los pivotes se pueden expandiendo para requerir múltiples
días, de tal manera que baja de hoy debe ser inferior tanto a los tres días antes y tres
días después.

Otro ejemplo de una salida de arrastre es siguiendo la mejor ganancia

posición. En este caso, podríamos salir de nuestro comercio cuando el mercado se
invierte una cantidad fija de la ganancia máxima alcanzada en el comercio (véase
la Figura 3.12). El umbral de inversión puede basarse en las estadísticas de rango
habituales, tales como la desviación estándar de los precios, la desviación stan-dard
de cierra, o un cierto rango de cálculo del promedio.
Por ejemplo, podríamos salir si los precios cayeron tres veces el verdadero
rango promedio de los últimos 20 días por debajo del nivel más alto mientras
estábamos larga. Mientras los precios suben mientras estamos larga, también lo
hará nuestra parada final. Una vez que los precios inversa, nuestra parada rastro-
ción se convertirá en fijo (sólo cambia en función del valor de la gama verdadera),
y si los precios caen lo suficiente y descenso por debajo de nuestro nivel de parada,
vamos a salir de la posición larga.

Punto de giro baja

105

95 1/1/00 2/1/00 3/1/00

FIGURA 3. 1 1

Punto de giro baja. Un punto de giro baja se genera si la baja inmediatamente antes y después de
la baja de inmediato son más altos que la media de bajo día.
72 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Punto de giro de alta

105

100 1/1/00 2/1/00 3/1/00

FIGURA 3. 1 2

Pivote de High Point. Un punto de giro alta se genera si el elevado inmediatamente antes y el alto
inmediatamente después son inferiores a la media de días de alta.

Las salidas a prueba de fallos

Perder es una parte de todo el comercio. En el desafortunado caso de que no somos
capaces de vender a nuestra meta de ganancias y nuestras paradas finales no se
activa, es posible que tengamos un método a prueba de fallos de salir de las
operaciones no rentables. Podemos colocar una orden de venta cuando el comercio
va en contra de nosotros por una cantidad igual a dos veces el verdadero rango
promedio de los últimos 20 días. Si compramos IBM en 100 y el rango promedio
real es de $ 1.50, venderíamos si IBM cayó por debajo de $ 97 = (100 - 2? 1.50)
para minimizar las pérdidas y aceptar que nuestra entrada no funcionaba.

Estrategia de negociación Filtros

Mientras que las entradas y salidas de nosotros entrar y salir del mercado, hay
tiempos mejores que otros para desarrollar una actividad comercial en el mercado.
Nosotros usamos filtros para determinar aquellos momentos en los que debemos
estar en el banquillo y haciendo caso omiso de nuestras señales de entrada. Filtros
o bien dan la luz verde para el comercio o una luz roja que anula compra y venta
de señales.
Por ejemplo, podríamos utilizar un filtro tendencia a evitar el comercio
durante los períodos de consolidación de los mercados. Nosotros sólo podríamos
tener señales de entrada si el filtro tendencia indica que el mercado está en modo
de tendencia. filtros de tendencia populares incluyen el Índice Promedio de
movimiento direccional (ADX) y el filtro Horizontal Vertical (VHF). Ambos
miden la fuerza de una tendencia. Un uso típico de un filtro es sólo para tomar
señales cuando los valores de estos filtros son mayores que un umbral.
CAPÍTULO 3 Creación de Estrategias de Trading 73

CREACIÓN DE NUEVAS ESTRATEGIAS

Al crear nuevas estrategias, lo mejor es comenzar con una premisa de comercio y
luego moldear esta teoría a las normas comerciales concretas. Una progresión típica
de la teoría a la regla de comercio sigue:
■
Teoría. Grandes movimientos son el resultado de nueva información entrar en
los mercados. Esta información no puede ser digerida inmediatamente por
todos los participantes en el mercado.
■
regla de comercio. Comprar cuando cambio el precio de hoy es mayor que
dos desviaciones estándar de la desviación estándar de 20 días de los
cambios de precios.
En el ejemplo anterior, seguimos el proceso de formulación de una teoría, la
creación de un experimento, y sacar conclusiones. Este método científico es
tremendamente importante para el desarrollo de la estrategia de negociación.
Utilizando la lógica de crear métodos de negociación ayuda a evitar el proceso de
los datos de ajuste de curvas para lograr un resultado deseado, también conocido
como la minería de datos. Como veremos más adelante, el escollo de la minería de
datos es la necesidad de overexplain precios del mercado.
Los comerciantes son a veces insatisfecho con los sistemas comerciales rentables.
En cambio, a menudo sienten la necesidad de mejorar constantemente las estrategias
mediante la adición de reglas complejas para explicar una mayor proporción de
movimiento de los precios y con ello aumentar la rentabilidad. Al final, estos modelos
se rompen con frecuencia en el comercio en tiempo real debido a los niveles adicionales
de complejidad injustificada. A lo largo de este libro, vamos a seguir el proceso con
diligencia scien-fico del uso de la lógica para crear, probar, y luego poner en práctica
nuevas estrategias de negociación.

La necesidad de sistemas y planes de comercio

En la universidad, empecé el comercio de futuros con dos amigos míos. Hemos
abierto una cuenta con $ 3500 (en su mayoría de préstamos estudiantiles dinero) y
comenzamos a operar múltiples mercados de futuros de forma activa. En lugar de
utilizar estrategias comerciales similares sometidas a ensayo a las del presente
capítulo, ciegamente elegimos para comprar y vender contratos basados en tripa
sentir desde los gráficos de precios y de la lectura de la cinta. Esta falta de un plan
de negociación daño de muchas maneras. No sólo no tenemos la confianza de que
nuestras ideas serían rentables, pero que no fueron pre-redujimos para el estilo de
vida del día a día asociados con el comercio.
Recuerdo que una mañana nos comercio de futuros de café del día de un
examen final finanzas. Con el examen de estiramiento de la apertura del mercado
del café, que reclutar-ED otro compañero de dormitorio para el comercio y escribió
instrucciones detalladas para colocar nuestros pedidos. El papel se veía algo como
esto:
1. A las 9:45 de llamadas al 1-800-xxx-xxxx.
2. Pedir la cita en el café julio.
3. Si el café de julio está por encima de 155, por ejemplo, "Compre 1 de
julio de café en 156 en una cuenta única para 1234."
4. Si el café de julio es por debajo de 153, por ejemplo, "Venta de café 1 de
julio a las 152 en una cuenta única para 1234."
74 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Ni que decir tiene, esto no es cómo uno debe ser el comercio. La contratación
de un joven de 18 años de edad, estudiante de primer año (probablemente pesaba
sobre de la noche anterior) y se le invita a introducir importantes órdenes de
operaciones es francamente poco profesional e incompetente. A partir de esta
campaña de comercio supe que siguiendo un plan comercial detallado basado en
los resultados históricos de sonido es la única manera de operar en forma efectiva.
Y oh sí, asegurarse de que está despierto y sobrio cuando la colocación de sus
operaciones.
 CAPÍTULO 4

Evaluación del desempeño Estrategia de

Negociación
Cómo evaluar correctamente Rendimiento

mivaloración de una estrategia de negociación puede ser una tarea muy difícil
porque la estrategia per-rendimiento a menudo puede ser engañosa. comerciantes
cuantitativos necesitan las herramientas adecuadas para el desempeño de grado. Para
muchos comerciantes, estas herramientas son desconocidos o mal entendido. Este
capítulo examinará las ideas de la recompensa y el riesgo. En el proceso, vamos a
intro-ducir robustas medidas de rendimiento y exponer la multitud de problemas con
las estadísticas de rendimiento pop-ular.

Teorías de Popper APLICADOS A COTIZACIÓN

Mientras que Karl Popper es considerado como uno de los más grandes filósofos del
siglo 20 CEN-, su influencia sobre los científicos de hoy podría ser su legado más
perdurable. A pesar del tiempo que ha transcurrido desde su trabajo, es notable que
los científicos todavía alaban Popper para la practicidad de su obra filosófica y la
influencia que ha tenido en la conformación de sus procesos de pensamiento
científico.
teoría científica principal de Popper se centra en el crecimiento del
conocimiento humano y los métodos utilizados en la fabricación de nuevos
descubrimientos. Era muy incómodo con el con-cepto de la verdad absoluta. En
cambio, consideró que las teorías, independientemente de la disciplina científica dis-
, nunca podrían ser demostradas. Por el contrario, las teorías sólo podían ser
falsificados a través del experimento, con los que no lo son disipadas elegida como
la mejor explicación que se descubre en vano-poder hasta que o bien refutada o una
teoría mejor.
 Por ejemplo, la mayoría de los académicos creen que el paseo aleatorio es la mejor
EXPLICACIONES-ción del comportamiento del mercado. Siguiendo el ejemplo de Popper,
lo mejor que puede hacer para mejorar este
75

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
76 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

La teoría es mostrar los beneficios de explotación que ciertas estrategias

comerciales cuantitativas han generado en el pasado. Pero tenga en cuenta que, al
hacerlo, no he refutado la teoría del paseo aleatorio. Lo que es más, no puedo decir
con certeza si una estrategia va a ser rentable en el futuro. Si demuestro que mi
estrategia es rentable en una serie de mercados y una serie de conjuntos de
parámetros, puedo entonces acercarse a la aceptación de una nueva teoría que Mar-
cados son predecibles. Entonces, hasta que no vea más datos que refutar mi teoría,
o hasta que una teoría mejor suceda, esto es la teoría voy a actuar. La prueba de su
eficacia es si puedo ganar dinero en el comercio en tiempo real.
Creo que el enfoque de Popper es ideal para el desarrollo de estrategias de
negociación cuantitativos. En el desarrollo de nuevas estrategias, comienzo con la
suposición de que la idea será rentable. Si rigurosos copias de las pruebas históricas de
la idea son rentables, entonces voy a Rechazo mi suposición inicial y mirada más atenta
a los datos de back-test históricos. Al igual que en el pensamiento de Popper, no puedo
aceptar que una estrategia va a ser rentable en el futuro, lo mejor que puedo hacer es
asumir la estrategia será rentable hasta que encuentre una mejor estrategia o descubrir
problemas con el rendimiento histórico.
Todo el proceso sigue el método científico de la teoría a la hipótesis de la
experimentación a la conclusión. Incluso cuando complete la parte posterior de la
prueba, no tengo guar-tizar que la estrategia seguirá siendo rentable en el futuro. Pongo
a prueba las estrategias y descartar aquellos con problemas tales como el deterioro en
el rendimiento con el tiempo, las inconsistencias lógicas, o cuestiones de logística en la
ejecución de la estrategia. Si todavía tengo una estrategia de negociación prof-itable
después de la prueba para todos estos problemas, puedo esperar el éxito en el futuro.
Sin embargo, aunque el éxito continuo puede ser probable, creo que hay una estrategia
seguirá siendo rentable para siempre. Los mercados pueden cambiar, las teorías ya no
pueden mantener, y los sistemas que eran rentables vez pueden tener que ser desechados
de nuevas y mejores ideas. Nunca puedo aceptar que mi teoría de comercio es verdad.
Popper estaría orgulloso.

DEFECTOS Medidas de la ejecución

comerciantes actuales utilizan una multitud de medidas de desempeño para evaluar
comerciales Strate-gías. El beneficio neto, el factor de ganancia (beneficio bruto
dividido por la pérdida bruta), el beneficio para dibujar hacia abajo, y el porcentaje
de operaciones rentables son algunas de las muchas estadísticas que emplean. Creo
que cada una de estas medidas es defectuoso. De hecho, rara vez miro a cualquiera
de estas medidas en la evaluación de mis propias ideas de operación. Veamos cada
una de estas medidas de rendimiento y la crítica a sus características.

Beneficio neto
El beneficio neto es una de las estadísticas de rendimiento más citadas. En pocas
palabras, el beneficio neto es el beneficio dólar ganado o perdido durante la vida de la
parte posterior a la prueba. En muchos sentidos, es muy importante. Después de todo,
una estrategia que hace que el dinero es más deseable que una estrategia que pierde
dinero. Pero más allá de simplemente indicando si un sistema es rentable, el beneficio
neto no aclara el rendimiento de la imagen. sin medir
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 77

el riesgo y la coherencia de los rendimientos, utilizando el beneficio neto para

juzgar el funcionamiento es similar a la compra de un coche antiguo deporte sin
mirar debajo del capó para determinar la condición del motor.
Considere dos estrategias de negociación, representados en el gráfico de la
figura 4.1, que producen las siguientes distribuciones de rendimientos semanales
que cambian una contrato de los S & P 500.
Aunque ambas estrategias producen una ganancia promedio de $ 500 por
semana, la estrategia B es dos veces más arriesgada, ya que la estrategia A, cuando
se mide por la desviación estándar de los rendimientos. Algunos operadores
podrían decir: "Puedo soportar el riesgo, por lo que sólo se preocupan por la
rentabilidad." Sin embargo, con la capacidad de apalancamiento en los mercados
de acciones y futuros, que pueden aprovechar los retornos de factores a menudo tan
altas como 10: 1. En el ejemplo que se muestra en la Figura 4.2, que de nuevo
comparar Estrategia A y Estrategia B, sólo que esta vez por el comercio de dos
contratos de Estrategia A frente a sólo un contrato de Estrategia B.
Claramente, la estrategia A es preferible. En este caso, ambas estrategias tienen
el mismo riesgo, pero la ganancia media de Estrategia A es ahora $ 1000 por semana,
en comparación con sólo $ 500 por semana para la Estrategia B. La comparación
anterior se describe por qué hay que preocuparse por el riesgo y por qué los
comerciantes que no respetan el riesgo de SIEMPRE se meten en problemas. Si
clasificamos a nosotros mismos como comerciantes o inversores, siempre queremos
maximizar el rendimiento por unidad de riesgo. Las reglas del juego a continuación,
nos permite escalar nuestro riesgo a un nivel de rendimiento deseada.

Distribución de Utilidades de dos estrategias

18%
diecisé Una estrategia (de
is% espesor)
Estrategia B
14% (delgada)

12%
Ocurrencia

10%
8%
6%
4%
2%
0%
-1000

2000
10
00

15
00
0

5
0
0

Ganancias ($)
 FIGURA 4. 1

Distribución de Utilidades de dos estrategias. Tanto Estrategia A y B Estrategia generan una

ganancia promedio de $ 500 por semana. La volatilidad de cada estrategia es diferente.
78 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Distribución de Utilidades de las estrategias de

modificación
9%
Estrategia A (2x) - de
8% espesor

7% Estrategia B - fina
6%
Ocurrencia

5%
4%
3%
2%
1%
0%
-1000

2000
10
00

15
00
0

5
0
0
Ganancias
($)

FIGURA 4. 2

Distribución de Utilidades de las estrategias de modificación. Cuando igualar la volatilidad

mediante la estrategia de negociación A con 2: 1 de apalancamiento, vemos que es la estrategia
preferida.

Hay muchas otras razones por las rentabilidades absolutas no son importantes.
Por ejem-plo, considere dos estrategias que el comercio del S & P 500. Uno siempre
está en el mercado, y los otros intentos en cuando el mercado mediante la celebración
de una posición plana de vez en cuando. Si ambas producidas beneficio neto similares,
que todavía preferimos esta última estrategia. Es menos arriesgado que el primero,
debido a la menor cantidad de tiempo que está expuesto al mercado.
Otro ejemplo de la falla al considerar únicamente el beneficio neto se puede
ver en la comparación de los rendimientos de diversos contratos de futuros. Una
estrategia que hace $ 50.000 negociar un contrato de maíz podría ser mejor que un
sistema que hace $ 100.000 negociar un contrato de T-bonos, debido a la menor
volatilidad del contrato de futuros de maíz en comparación con el futuro de deuda.
Como vemos en la Figura 4.3, el rango de alto a bajo promedio diario en el maíz es
de $ 200, en comparación con $ 800 para la gama media diaria del contrato de
bonos del tesoro. Dado que la volatilidad del contrato de bonos del tesoro es
aproximadamente cuatro veces mayor que la de maíz, se podría argumentar que la
estrategia de maíz rinde mucho mejor com-comparó a la volatilidad global de cada
contrato.
 Factor de Beneficio
factor de ganancias también se ha convertido en una medida popular de rendimiento de
la estrategia de negociación, debido a su simplicidad computacional y su inclusión en
los programas de computadora populares, tales como TradeStation. factor de ganancia
se calcula dividiendo la ganancia total obtenida
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 79

Promedio diario de alta de gama baja del dólar

1400
gama de maíz
1200 (delgada)
gama T-bond
1000
(espesor)
RangeinDollars

800

600

400

200

0
03/31/1997

16/12/1997

04/28/1998

01/14/1999

05/25/1999

02/14/2000

20/10/2000

07/19/2001

11/28/2001

08/19/2002
6/22/2000

3/12/2001

4/11/2002
6.8.1997

3.9.1998

01/10/19
99
Fecha

FIGURA 4. 3

Media alta de la gama baja del dólar. La volatilidad de los bonos del tesoro y el maíz no son
equivalentes. Como tal, hay que tener en cuenta la volatilidad de un mercado al evaluar los
resultados.

en ganar el comercio por la pérdida total de la pérdida de los oficios. Si la estrategia

es rentable, entonces la ganancia bruta será mayor que la pérdida bruta y la ganancia
correspondiente fac-tor será mayor que uno. estrategias rentables producen factores
de ganancia de menos de uno. Considere las cinco operaciones en la Figura 4.4:

Número comercio Pérdida de beneficios

1 500
2 2750
3 250
4 1000
5 2750
Beneficio
bruto 1750
La pérdida
bruta 21500
Factor de
Beneficio 1.17

FIGURA 4. 4
 El cálculo del factor de ganancia. Factor de ganancia se calcula dividiendo el beneficio bruto por
pérdida total.

El beneficio bruto, calculado sumando todas las operaciones ganadoras, es $

1,750. La pérdida bruta en todos los comercios que pierden es - $ 1.500. Estos
intercambios se traducen en un beneficio neto de
80 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

$ 250 (1750-1500). El factor de ganancia se calcula dividiendo la utilidad bruta por

la pérdida bruta (factor de 1750/1500 = ganancia de 1,17).
Beneficio bruto
Factor de Beneficio = }}
La pérdida bruta
Hace muchos años se utilizó la estadística de rendimiento factor de ganancia
para el grado de rendimiento sys-tem de más de 100 estrategias. Después de la
clasificación de cada sistema mediante la estadística de factor de ganancia, volví a
visitar los mejores sistemas y estaba decepcionado con los resultados de las
superiores. Muy a menudo, todos los beneficios generados fueron el resultado de
una gran victoria-ner, mientras que el grueso de las operaciones restantes no eran
rentables. Muchos de los sistemas producen grandes beneficios, pero la
inconsistencia de los resultados me hizo cuestionar la eficacia de cada sistema.
Como resultado de ello, empecé la búsqueda de una mejor medida del rendimiento
per-view. Con el tiempo, he creado una nueva medida de rendimiento, la relación
K, que veremos más adelante en el capítulo.

Beneficio a la DrawDown
La relación de la ganancia neta de aspiración máxima es también una medida
popular de rendimiento per-view. Una reducción se produce cuando las ganancias
netas caídas desde su punto más alto. Esta reducción se calcula cada día de
negociación, y el valor máximo se registró como la aspiración máxima.
En la Figura 4.5, el alta en la equidad y la reducción de esa alta se registra
cada día. El máximo de los números de detracciones diarias será reportado como la
reducción max-imo de la curva de la equidad.
Las figuras 4.6 y 4.7 el detalle de este proceso gráficamente. Cada día de
cotización, que concuerda el mayor beneficio logrado. En cualquier momento la
estrategia sufre pérdidas, la distancia

La equidad de
Día Equidad alta Disposición

0 0 0 0
1 25 0 5
2 27 0 7
3 22 0 2
4 5 5 0
5 10 10 0
6 12 12 0
7 5 12 7
8 3 12 9
FIGURA 4. 5

Cálculo de Disposición. Cualquier reducción de los días se calcula restando la equidad del día
actual con la mayor equidad hasta ese punto en el tiempo.
 Beneficio acumulado y el beneficio
máximo
1400
Lucro
1200
Ganancias más
alto
1000

800

600

400

200

0
1 29 57 85 113 141 169 197 225 253 281 309 337 365 393 421 449 477
-200

-400

FIGURA 4. 6

Beneficio acumulado y el beneficio máximo. Hacemos un seguimiento de la ganancia más alta

aumenta la vida de la prueba. Cualquier retirada de los mayores beneficios es una reducción.

La pérdida máxima
500

La pérdida máxima

250

0
90

120

150
180
210

240

270

300

330

360

390

420

450
480
30
60
0

Día

FIGURA 4. 7

Máxima pérdida. La reducción máxima se calcula cada día, y se incrementa cuando la reducción
sufrida el día de hoy de una alta equidad es mayor que cualquier reducción día anterior.
81
82 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

de los beneficios actuales y el máximo beneficio se registra como reducción.

Durante la vida útil de la prueba, mantenemos una cuenta corriente de la reducción
máxima desde el inicio de la negociación. La figura 4.6 representa la ganancia
actual y el máximo beneficio durante la prueba. A medida que el beneficio corriente
disminuye desde el máximo beneficio, se produce una reducción. Si la reducción
es mayor que cualquiera que conoce, entonces la reducción máxima en la Figura
4.7 se incrementa.
el beneficio neto dividiendo por aspiración máxima crea una medida de la
recompensa al riesgo. las estrategias de mayor riesgo tienen de disposición del
crédito máximo mayor y dará lugar a relaciones más bajas de lucro-a reducción.
Hay, sin embargo, un problema abrumador con el uso de la estadística de lucro a
reducción para medir el rendimiento a través de estrategias. En una estrategia de
negociación con-sistente, el beneficio neto aumentará linealmente con el tiempo.
Cada período deberá producir, en promedio, el mismo beneficio. La pérdida
máxima, sin embargo, no aumenta linealmente con el tiempo.
Para mostrar cómo funciona esto, he utilizado un simulador Monte Carlo para
generar la curva de las acciones de 1000 ensayos aleatorios en los que la ganancia
media cada día era de $ 10, con una desviación estándar de $ 1000. Una simulación
Monte Carlo implica el uso de un generador de números al azar para crear valores
sujetos a las entradas de un usuario, como media, la desviación estándar, y
distribución de los valores.
El promedio de estos ensayos 1000 se muestra en la Figura 4.8. Tenga en
cuenta que a medida que esperan de opinión, el beneficio neto de la simulación
aumenta linealmente con el tiempo. En promedio, la prueba hace más o menos la
misma cantidad de dinero cada día de negociación cuando se promedian más de
1000 ensayos. La reducción máxima, sin embargo, no aumenta linealmente con el
tiempo. Figura 4.9 muestra que la misma estrategia produce mucho proporciones
diferentes de lucro-a reducción, dependiendo del número de días en la prueba. En
este gráfico se detalla una gran falla en la relación de lucro a reducción. En esencia,
el uso de más datos en copias de pruebas dará lugar a relaciones más altas de lucro-
a disposición de fondos con todas las cosas se mantiene igual. Los comerciantes
deben ser conscientes de esta inconsistencia al comparar las proporciones de lucro-
a reducción de diferentes pruebas de rendimiento.
La relación de lucro-a reducción variará dependiendo de la longitud de tiempo
en la prueba, a pesar de las características estáticas de la rentabilidad subyacente.
Debido a este defecto, se convierte en sentido comparar las medidas de lucro-a
reducción de las estrategias analizadas durante diferentes períodos de tiempo. Las
proporciones de lucro, a una reducción de 5- y una copia de prueba de 10 años no
pueden ser comparadas en un manzanas con manzanas hombre-ner. Una de mis
requisitos de las medidas de rendimiento es la capacidad para comparar diferentes
estrategias, independientemente del período de tiempo estudiado. Debido a que la
estadística de lucro a reducción no se presta a esta propiedad, no debe ser utilizada
en la evaluación de desempeño comercial.

Porcentaje de operaciones rentables

El porcentaje de operaciones rentables es una estadística que muchos utilizan para
medir el éxito de estrategia. Es el número de operaciones ganadoras dividido por el
número total de
 Ganancia Media y Máxima pérdida media
3500

3000 Lucro
La pérdida máxima

Disposición
2500

2000

1500
Lucro y

1000

500

300
0

1
0
0

2
0
0
Días en Trial

FIGURA 4. 8

Ganancia Media y Máxima pérdida. Mientras que nuestros ganancia aumenta linealmente con el
tiempo, el máximo draw-down no lo hace.

Profit-a-Disposición Ratio
7.00

6.00
Profit-a-Disposición Ratio
5.00
Proporció

4.00

3.00
n

2.00

1.00

0.00
100

900
20

30

50

60

70

80
0

4
0
0

Días en Trial

FIGURA 4. 9

Relación de lucro a Disposición. Cuantos más días, semanas o meses en nuestra prueba de la
estrategia, mayor será el beneficio para DrawDown estadística. Como tal, no podemos comparar
el beneficio de drawdown estadísticas para pruebas utilizando diferentes números de días,
semanas y meses.

83
84 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

oficios en la parte posterior de la prueba. Los comerciantes ponen demasiado

énfasis en el porcentaje de comercios que son rentables, y les insto a que deseche
la idea preconcebida de máx-imizing el porcentaje de operaciones rentables.
Como hemos visto a partir de los estudios de las finanzas del comportamiento,
hay un sesgo en el pensamiento humano que el cierre de las operaciones con una
ganancia es buena y que las pérdidas tomando es malo. En lo personal, me es
indiferente en cuanto a qué porcentaje de los oficios son rentables. No tiene que ver
con el rendimiento de mi cartera o mis estrategias. Elijo pensar en mis ganancias y
pérdidas en la dimensión del tiempo, y examinar mi de resultados de cada día. En
cierto modo, tengo las normas de mis estrategias a un nivel más alto que aquellos
que tratan de maximizar la probabilidad de ganar el comercio ya que mi objetivo
es hacer dinero todos los días, en lugar de en cada comercio. Como tal, utilizo las
herramientas de evaluación de desempeño que examinar mis pérdidas y ganancias
sobre una base diaria.

Mejores medidas de rendimiento comercial

Las dos herramientas principales que utilizo para evaluar el desempeño de
comercio son el ratio de Sharpe y la relación K. Ambas medidas se comparan
recompensa al riesgo con el fin de evaluar la estrategia per-rendimiento. Veamos
uno a la vez.

El ratio de Sharpe
Desarrollado por el premio Nobel William Sharpe, el ratio de Sharpe es un estándar en
la industria de la administración del dinero. La relación se calcula utilizando dos
medidas estadísticas que hemos introducido anteriormente: media y desviación
estándar. El numerador-la parte de retorno de la fórmula se calcula promediando
rendimientos a lo largo del tiempo, utilizando diarios, semanales, mensuales o
devoluciones. Para la devolución de cada período, restamos el regreso de un
instrumento libre de riesgo, tales como las letras del Tesoro a corto plazo. El
denominador de la parte del riesgo de la Sharpe ratio es la desviación estándar de los
rendimientos.
Si los retornos están muy dispersas con las dos grandes ganadores y
perdedores, el Strat-gia tendría una desviación estándar alta y sería considerada
riesgosa. Si los retornos son envueltas firmemente alrededor de la media, la
estrategia tendría una desviación estándar más pequeña y se consideran menos
riesgoso.
Sharpe Ratio = Rentabilidad media / desviación estándar de los retornos ?
Factor de escala
 El cociente de la rentabilidad media y la desviación estándar se multiplica por un
factor de escala igual a la raíz cuadrada de los períodos de tiempo en un año. Si se
utilizan los retornos diarios para calcular el ratio de Sharpe, entonces la relación prima
sería multiplicado por la raíz cuadrada de 252 (el número aproximado de días de
negociación en un año) para llegar a un valor anualizado del ratio de Sharpe. Si se
utilizan los rendimientos mensuales, la relación prima sería multiplicado por la raíz
cuadrada de 12 (12 meses en un año). Este fiscal-ción es necesario porque los
incrementos esperados de retorno linealmente con el tiempo, pero la desviación stan-
dard escalas de forma proporcional a la raíz cuadrada del tiempo. Después de aplicar el
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 85

factor de escala para crear un ratio de Sharpe anualizado, la estadística resultante

es una medida de manzanas con las manzanas del rendimiento del sistema que se
pueden comparar las estrategias independientemente de los mercados objeto de
comercio o periodo de tiempo estudiado. Siempre que las pruebas Strate-Gies, la
primera tarea de un comerciante debe ser para calcular el ratio de Sharpe. Centrarse
en la búsqueda de estrategias que producen ratios de Sharpe mayores que uno
positivo.
El ratio de Sharpe no está exenta de fallos. Los críticos han argumentado
(Schwager, 1995) que la estadística de rendimiento no describe con precisión el
rendimiento si existe autocorrelación en los retornos. existe autocorrelación
positiva cuando los rendimientos positivos son generalmente seguidas de retornos
más positivas y negativas cuando los rendimientos son seguidos por los retornos
más negativas. La situación opuesta, negativa autocorre-mento, existe cuando los
rendimientos tienden a alternar. Es decir, rendimientos positivos son seguidos por
los retornos negativos y retornos negativos son seguidos por una rentabilidad
positiva.
Para entender cómo esto afecta al rendimiento, considere dos sistemas que
tanto producir 10 meses de + $ 1000 regresa y 10 meses de - $ 500 retornos. La
única diferencia entre los dos es el calendario de las devoluciones. El primer
sistema produce 10 vueltas de + $ 1000 seguido de 10 vueltas de - $ 500 un ejemplo
de autocorrelación positiva. El segundo sistema se vuelve de + $ 1000 y alterna
- $ 500 un ejemplo de autocorrelación negativa.
Utilizando sólo el ratio de Sharpe, ambos sistemas se considerarían iguales.
Pero mira-ción en la gráfica de la figura 4.10, que el sistema sería más bien el
comercio? Claramente, el segundo sistema es preferible. El primer sistema puede
haber tenido su día en el sol, como declaraciones recientes han degradado
considerablemente, mientras que el segundo sistema está todavía por formadores
fuerte.

El K-Ratio
Hace algunos años me di cuenta de que era necesaria una medida para complementar y
detectar los defectos de la ratio de Sharpe, como en el ejemplo anterior. El resultado
fue la creación de la relación K en 1996. En vez de mirar vuelve con independencia de
cuando se producen, la relación K calcula el rendimiento basado en la estabilidad de la
curva de la equidad.
Para calcular el ratio K, primero tenemos que crear una curva- la equidad, es
decir, un gráfico de beneficios acumulativos en el tiempo. Para calcular el ratio K
correctamente, la curva de la equidad debería aumentar linealmente con respecto al
tiempo. Si las pruebas de estrategia se realizan con un número constante de
contratos, acciones, o el riesgo de dólar, que podemos resumir de forma
acumulativa de retorno de cada período para crear la curva de la equidad.
 La mayoría de los comerciantes ponen a prueba su rendimiento de esta manera,
por lo que deben hacerse a la curva de la equidad ningún ajuste. Algunos comerciantes,
sin embargo, el rendimiento de la prueba mediante la reinversión de prof-its. Para los
sistemas que invierten las ganancias acumuladas en nuevos oficios mediante la adición
de contratos o acciones como las ganancias se acumulan, la curva de la equidad debería
aumentar de manera exponencial con respecto al tiempo debido al efecto de los retornos
de capitalización. Si tomamos el logaritmo natural de esta curva de las acciones
exponencialmente creciente, el resultado será una nueva curva de las acciones ajustado
que aumentará linealmente con respecto al tiempo, exactamente lo que necesitamos
para el cálculo de
86 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

La autocorrelación positiva y negativa

3500
Sistema C
(espesor)
3000 Sistema D
(delgada)

2500

2000
Lucro

1500

1000

500

0
12

15
18
21
24
27

30
33

36

39
42
45
48

51
54

57
60
0

3
6
9

Día

FIGURA 4. 1 0

La autocorrelación positiva y negativa. Sistema C sufre de autocorrelación positiva, mientras que el

sistema D-suf fers de autocorrelación negativa. Mientras que el Sistema C y D Sistema tienen
proporciones iguales Sharpe, el Autocor-relación de la rentabilidad se debe tomar en cuenta para la
evaluación del desempeño.

la relación de K. Una vez más, si de riesgo-dólares, acciones, contratos o en situación de

riesgo o se negocien-con-se mantiene constante durante toda la vida de la prueba, no hay
ajustes deben hacerse a la curva de la equidad.
Tanto las curvas de valores lineales y exponenciales se representan en la Figura
4.11. Empezamos por el cálculo de una regresión lineal de la curva de las
acciones a una variable de tendencia
poder. Una regresión lineal es una línea de mejor ajuste que reduzca al mínimo los
errores al cuadrado entre la previsión y los valores reales. La variable de tendencia
comienza a 0 en el primer día (o semana o mes) de la prueba de rendimiento y
aumenta en uno con cada nuevo día (o semana o mes). La pendiente de la regresión
de la línea-b1en la siguiente ecuación, es nuestro sustituto de recompensa en el K-
relación. Se mide la rapidez con la curva de las acciones aumenta con el tiempo.
Naturalmente, las líneas de regresión más pronunciadas indican un mayor nivel de
rentabilidad que la indicada por líneas de regresión más planas.
La ecuación de regresión:
curva de la equidadyo = b0 + b1 ? tendencia yo
 Riesgos en la relación K se mide calculando el error estándar de la b1coeficiente
de regresion. El error estándar es una estadística que mide la fiabilidad de la
b1estimación calculada a partir de la regresión. los errores estándar grandes indican que
la pendiente de la curva de las acciones en el tiempo es inconsistente, mientras que los
pequeños errores estándar
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 87

Lineales y curvas exponenciales de equidad

60

50
La equidad lineal de la curva (de
espesor)
Curva de las acciones
40 exponencial (delgada)

30

20

10

0
0 50 100 150 200 250 300 350

FIGURA 4. 1 1
Lineales y curvas exponenciales de equidad. A curvas lineales de capital aumenta a una tasa fija por
unidad de tiempo. Una curva de la equidad exponencial se eleva en términos de porcentaje constante y
conduce a un aumento parabólico en el tiempo.

indicar una curva de las acciones más consistente. Si los beneficios se deben a un
comercio ganador grande, entonces el error estándar probable será grande debido a
la falta de rendimientos estables.
En las gráficas siguientes, ambas estrategias producen un beneficio neto
similar. Figura 4.12 de retornos son siempre positivos con el tiempo, mientras que
el grueso de los rendimientos de la figura 4.13 se produce a partir de los períodos
de fuertes antes del día 10. Como resultado, mientras que la pendiente de la
regresión en el primer gráfico (0.58) es similar a la pendiente de la regresión en el
gráfico sec-ond (0,55), el error estándar (0.02) de la figura 4.12 es mucho menor
que la figura 4.13 de (0.07). El menor error estándar sugiere que los rendimientos
asociados con la figura 4.12 son menos riesgosos que los rendimientos asociados
con la figura 4.13.
El cociente K se calcula dividiendo el b1 estimación por tanto el error estándar
de b1y el número de períodos en la prueba de rendimiento. Al dividir por el número
de puntos de datos, se normaliza la relación de K a ser consistente
independientemente de la periodicidad utilizado para calcular sus componentes.
segundo
1
K-ratio = }
σb1 Obs
 Este proceso se puede completar en un programa de pruebas de software
estrategia de pruebas tales como TradeStation o en una hoja de cálculo, como
Microsoft Excel. Figura 4.14 se detallan las fórmulas de Microsoft Excel para el
cálculo de la relación K.
88 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Regresión lineal de la curva de las

acciones Estable
12

10

8 curva de la
equidad

6
Lucro

Regresión lineal
4

die
cis
10

11

12

13

14

15

17

18
19
0
1
2

3
4

5
6

8
-2 9
Día

FIGURA 4. 1 2
Regresión lineal de la curva de las acciones estable. Nos ajustamos a una línea de mejor ajuste a la trayectoria de
la curva de las acciones con el fin de generar estadísticas para el cálculo de la relación K. La curva de las
acciones anteriormente parece elevarse constantemente con el tiempo.

Regresión lineal de la curva de las acciones

inestable
dieci
séis

14

12
curva de la
equidad
10
Lucro

8
Regresión lineal
6

0
2
1

die
éis
cis
10

11

12

13

14

15

17

18
19
0

Día
 FIGURA 4. 1 3

Regresión lineal de la curva de las acciones inestable. La curva de las acciones anteriormente
se desempeña bien en la primera mitad, pero luego se aplana hacia el final de la prueba.
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 89

Día sistema 1 sistema 2

0 0.00 0.00
1 2 0.15 1.76
2 0.72 3.55
3 1.23 3.99
4 2.50 5.90
5 2.33 7.13
6 2.54 7.41
7 3.63 7.64
8 4,91 8.84
9 6.25 10.35
10 6.32 11.05
11 6.60 11.59
12 6.75 10.90
13 7.92 11.25
14 8.30 11.60
15 9.00 11.99
dieciséis 9.22 11.16
17 9.36 11.67
18 9.37 10.89
19 10.17 10.30
= Pendiente (B2: B21, $ A2: $
b1 A21) = Pendiente (C2: C21, $ A2: $ A21)
= Error.TIPICO.XY (B2: B21, $ = Error.TIPICO.XY (C2: C21, $ A2:
b1 se A2: $ A21) / $ A21) /
SQRT (DEVSQ ($ A2: $ A21)) SQRT (DEVSQ ($ A2: $ A21))
observacione
s 20 20
K-proporción = B22 / (B23 * A24) = C22 / (C23 * A24)
b1 0.58 0.55
b1 se 0.02 0.07
K-proporción 1.32 0.40

FIGURA 4. 1 4

fórmulas de Excel para el cálculo de la relación K. El cociente K se puede calcular en Excel usando las
fórmulas anteriores.

El K-relación es una medida sin unidades de ejecución que puede ser comparado
a través de los mercados y períodos de tiempo. desempeño semanal de los futuros de
maíz puede ser com-paración con los datos de rendimiento de la garrapata de la
negociación de IBM. Los comerciantes deben buscar Strate-gías rendimiento K-ratios
superiores a 0,50. En conjunto, el ratio de Sharpe y K-relación son las medidas más
importantes al evaluar el rendimiento estrategia de negociación.
Nota: Cuando creé la relación K en 1996, pensé que había creado una medida
robusta para evaluar el desempeño. A mediados de 2000, comerciante Bob Fuchs trajo
un pequeño error a mi atención con respecto a la escala de la relación K. Él tenía razón
en su cri-tique y he corregido el error en este texto. Publicaciones anteriores al 2002
mostrarán una fórmula diferente para el K-relación. La fórmula actualizada en este libro
es correcta.
90 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Comparación de estrategias DE REFERENCIA

Hemos identificado nuestras medidas primarias de rendimiento de la estrategia de
negociación: la Sharpe y K-ratios. Además de estos dos, vamos a utilizar una serie
de estrategias de referencia para evaluar nuevas ideas.
sesiones individuales de canal y sistemas en movimiento promedio de cruce
se encuentran entre las estrategias más populares utilizados por los comerciantes
de hoy. El rendimiento de ambos métodos de seguimiento de tendencias se ha
documentado en publicaciones comerciales y revistas académicas. Al probar
cualquier nueva idea, siempre vamos a comparar el rendimiento de estas dos
estrategias. En mi Comparación de estrategias de comercio popular, he encontrado
que una abrumadora mayoría de nuevas estrategias en realidad inferior a la del
canal de ruptura sencillo y emotivo metodologías promedio de cruce.
Para la ruptura del canal, usamos las siguientes reglas:
■
Introduzca mucho tiempo si el cierre de hoy es el cierre más alto de los últimos
40 días.
■
Salir mucho tiempo si el cierre de hoy es el nivel más bajo de los últimos 20 días.
■
Entrar en corto si el cierre de hoy es el nivel más bajo de los últimos 40 días.
■
Salir corta si el cierre de hoy es el cierre más alto de los últimos 20
días. parámetros similares se utilizan para el cruce de media
móvil:
■
Introduzca larga si la media móvil simple de 10 días de cierres cruza por
encima de la media móvil simple de 40 días de cierres.
■
Entrar en corto si la media móvil simple de 10 días de cierres cruza por debajo
de la media móvil simple de 40 días de cierres.
La ruptura de canales y sistemas de movimiento promedio de cruce son
nuestras cotas de referencia para cualquier nueva estrategia de actuación. Vamos a
calcular el ratio de Sharpe y K-relación de la ruptura de canales y estrategias de
movimiento promedio de cruce sobre una cartera de mercados para la comparación
de las nuevas ideas que vamos a crear en la segunda mitad de este libro.

PLANTILLAS Performance Evaluation

Los lectores tienen que acostumbrarse a las plantillas de evaluación de desempeño
que se presentarán con frecuencia en este libro. rendimiento de la estrategia se
presentará en dos secciones mediante una combinación de tablas y gráficos. Los
dos sec-ciones son la página de resumen y la página de reparación de averías
Estadística, cada uno de los cuales vamos a examinar en detalle.

resumen Página
El nombre y la descripción de la estrategia de la prueba, así como el tipo de
mercados de la estrategia ha sido probado en (futuros, acciones o valor relativo), se
encuentra en la parte superior de la página de resumen (Figura 4.15).
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 91

Trading Estrategia de Evaluación (Futuros)

Nombre estrategia: entradas al azar
parámetros: Ninguna
Descripción: Una Se lanza un dado cada día. Entramos larga el 1 y el 2 de corta.
Fechas de ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barra Barr
Sharpe de % Avg. Lucro Avg. Avg. s as
K- Viento
Mercad Beneficio propor Propor s Ga Pérdi Pérd
o neto ción ción Max DD alisios nar Por contratos Con. Ganar da Ganar ida
ANUNC
FX IO 101.940 --0.06 0.05 -681180 362 53 25.57 12 19564 -21209 8 9
BP -396413 -0.02 -0.20 -689638 409 48 18,07 -57 18419 -18929 7 7
discos
compac
tos 1,460,640 0.22 0.66 -397550 372 52 47.61 82 23971 -17979 8 8
JY 238 -0.09 0.00 -1044300 363 48 14.13 5 23.259 -21748 8 9
SF -650913 -0.08 -0.32 -696800 360 49 15.91 -110 19.220 -21600 8 9
tarifas ED 1,199,750 0.26 0.54 -310525 336 57 82.20 43 23909 -22964 9 10
TY 542.750 0.08 0.28 -536751 362 51 29.67 51 23.720 -21419 8 8
NOS 343.844 0.05 0.16 -770094 353 53 20,79 47 22.073 -22772 9 8
Valores SP -34750 0.05 -0.02 -801188 391 52 9.04 -10 18.321 -19768 7 8
Rieles GC -803800 -0.06 -0.37 -1193520 381 47 45.04 -47 19463 -21438 7 8
HG -66513 -0.09 -0.04 -1086363 352 49 32.16 -9 19.291 -19436 8 9
PL -114060 0.03 -0.06 -958115 354 49 45.92 -7 20,514 -20272 9 8
SL 128.830 -0.02 0.07 -718445 399 54 33.50 8 17.671 -20094 7 8
Energía CL -51990 -0.06 -0.03 -704830 366 51 29.29 -6 21.256 -22805 8 8
HO -270875 -0.02 -0.10 -774068 376 53 23,75 -28 19.690 -23295 7 9
HU 1,036,815 0.05 0.39 -676507 399 54 22.38 118 22.156 -20388 7 8
granos do 99263 0.04 0.05 -494763 344 51 74.78 4 21647 -22373 9 9
S 185.275 0.08 0.08 -522800 367 53 30.44 19 20.690 -21996 8 8
W -244613 -0.04 -0.12 -772713 386 52 50.24 -13 19.828 -22895 7 8
carnes FC 837.150 0.10 0.37 -492015 376 54 40.56 58 22854 -21733 8 8
LC -887080 -0.13 -0.39 -1269816 358 50 49.77 -50 18.940 -23933 8 9
LH 240.740 -0.06 0.11 -697888 354 50 31.83 18 23162 -22276 9 8
PB -444432 -0.05 -0.19 -609864 403 47 21.30 -57 21.297 -21085 8 7
materias
primas
agrícolas CC -190800 0.00 -0.10 -725990 401 49 50.65 -9 19,033 -19422 8 7
Connecti
cut -707720 -0.10 -0.38 -973485 376 48 24.88 -76 19.238 -21094 8 8
JO 137.018 0.04 0.07 -512348 393 50 36.01 13 19.274 -18247 8 7
KC 97804 0.08 0.04 -802706 376 48 13.15 13 22.419 -20052 8 8
LB -567712 -0.11 -0.21 -1028712 357 47 34.22 -45 27.743 -27544 8 9
SB 160.675 0.03 0.08 -573854 370 53 54.15 6 18.583 -20420 8 8
Promedio 38035 0.00 0.01 -717227 360 49 33.57 -1 20.240 -20639 8 8
2,000,000
1,500,000
1.000.000
500.000
0
Equidad-
97
e -91

-00
e -94

Ene -01
Ene -99
Ene -92

Ene -96
Ene -95

Dic -01

500000
9
0

9
3

9
8
-

-
E
n
e

En
En

En

-1000000Ene
e
E

E
n
e

n
e

-1500000
Estadísticas de la cartera
 Beneficio
neto: 1,141,060 El ratio de Sharpe: 0.09
Correlación de
drawdown: -2609091 arranque: -0.11
Correlación con el 10-40
K-cociente: 0.02 MA: -0.12
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 4. 1 5 una

la evaluación del desempeño de la muestra. Estas hojas serán comunes en todo el libro.
92
BreakdownStatistics (futuros)

Promedio Promedio Promedio Promedi Merc Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
ado
K- Ratio de Sect
NetProfit MaxDD or
PerContract Ganar Pérdida Ganar Pérdida
FX 1 0 3, 0 9 9-
0. 0 10. 0 4-
proporció Sharpe 7 0 1,8 9 4
20.887 -20293 8 8
Rat es 5 2 1,5 8 60. 1
0 0.2 4- 4 04, 3 42
17426 -16789 6 6
S toc k-3 4, 75 0 0.0 5-
0.0 2- 80 1, 18 8
18.321 -19768 7 8
M et ales- 213, 886- 0. 04-
0. 10- 989, 111
19,235 -20310 8 8
E ner gy 2 37, 98 3-
0.0 10. 0 9-7 18, 4 68 21.034 -22163 8 8
Grai n s1 3, 3 0 80. 0 3
0. 00- 5 9 6, 75 8 20722 -22421 8 8
Carn es- 6 3,4 06-
0.0 3-0. 02-
76 7,3 9 6
21.563 -22257 8 8
S ofts-1 78, 4 56-
0.0 1-0. 08- 7 69, 51 6
21048 -21130 8 8
A
PerformanceBreakdownby ñ
o Número de Num.ofProfitable Por ciento
Net Pr
of it K-
r at ioS
har pe
YearNetProfitK-ratioYearSharpeRatio Rat io
Longitud ventanas ventanas Rentable
10,5
22-
0.16 1 mes 144 75 52.08%
19901,267,751.0271.071996 0.01

-
5 8 1, 4
0 4-
0. 3 5-
1991-1,491,321-0.30-1.861997 0. 7 6
3 meses 142 74 52.11%
35,
610
0.1
10. 6 meses 139 72 51.80%
1992-472,399-0.03-0.501998 04

204,
1400
.080. 12 meses 133 62 46.62%
1993586,0550.260.561999 16

-
2 1 2, 3
7 1-
0. 1 7-
1994240,8090.140.232000 0. 3 5

586,
18 meses 127 61 48,03%
720
-
0. 0 3
1995896,3290.431.102001 0. 6 1 24 meses 121 55 45.45%

Red Profitby Año

1,500,000

1.000.000

500.000
0

neto
199
1990 1991 2 1993 1994 1995 1996 1997 1998 1999 2000 2001

Beneficio
-500000
-1000000

-1500000

-2000000 Año © 2002LarsKestner-AllRightsReserved

4.15b FIGURA
Sampleperformanceevaluation.Thesesheetswillbecommonplacethroughout el libro.
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 93

Debajo del título y la descripción son las estadísticas de rendimiento de cada mercado
individual:
Beneficio neto: El beneficio total durante la vida de la prueba, incluyendo
las operaciones aún abiertas relación K: K-relación de curva de las
acciones de ese mercado durante la vida de la prueba Ratio Sharpe: ratio
de Sharpe de los retornos del mercado de que durante la vida de la prueba
Max DD: La pérdida máxima de dólares durante la vida de la prueba para ese
mercado específico.
# De Operaciones: Número de operaciones de ida y vuelta ejecutados
durante la vigencia de la prueba% de victorias: Porcentaje de operaciones
se cerró con una ganancia
Avg. contratos: Número medio de contratos o acciones ejecutado por el comercio
Avg. El beneficio por Contrato: El beneficio neto dividido por el producto del
número de operaciones y el número medio de contratos o acciones por el
comercio; mide el ánimo de edad aver por operación por contrato o de
acciones negociadas
Avg. Ganar: Beneficio medio dólar en
operaciones ganadoras medio. Pérdida: Beneficio
medio dólar en operaciones perdedoras
Avg. barras de victorias: Número medio de períodos (generalmente días) operaciones
ganadoras fueron mantenidas medio. Bares Pérdida: Promedio del número de
períodos (generalmente días) pérdida de los oficios se llevaron a cabo
A continuación las estadísticas individuales del mercado es una columna
denominada "Media", que tiene un promedio de cada estadística sobre todos los
mercados. La parte inferior de la página del resumen con-contiene un gráfico de la
curva de las acciones cartera durante la vida de la prueba. La curva de valores de
cartera resume las curvas de valores individuales sobre todos los mercados
analizados. Junto con la curva de las acciones de la cartera, también se calculan las
siguientes estadísticas de rendimiento de la cartera:
Beneficio neto: El beneficio total en todos los mercados
Disposición: Dólar de aspiración máxima de la cartera experimentado a lo largo de
la vida de la prueba
K-proporción: K-relación de ratio de Sharpe curva de
beneficios mensual de la cartera: ratio de Sharpe de
declaraciones mensuales de la cartera
Nota: La relación de K-y ratio de Sharpe para la cartera normalmente será
mayor en magnitud absoluta que la media de los mercados individualmente. Esto
ocurre debido a beneficios de la diversificación, que veremos en el siguiente
capítulo.

Correlación a la evasión: Las declaraciones mensuales del sistema se comparan

con los resultados mensuales de los 40 días / 20 días de ruptura del canal; la
correlación entre los rendimientos se calcula
Correlación con el MACorrelación de los rendimientos mensuales entre el sistema
probado y el / los 40 días móvil de 10 días promedio de cruce
94 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Desglose de Estadística Page

Los grupos de páginas Breakdown estadísticas de rendimiento basados en temas
de mercado:
Desglose por sector de mercado: Un promedio de las estadísticas de rendimiento a
través de un sector de los mercados agrupados por tipo de producto o de la
industria de valores. Esto permite el análisis rápido y fácil por sector de
mercado.
Desglose de actuación de Año: Esta tabla muestra el beneficio neto, K-ratios, y
ratios de Sharpe de la cartera para cada año de forma individual. Estos
resultados nos permiten juzgar la consistencia de una estrategia con el tiempo.
Ventanas de rentabilidad: Cuando el rendimiento se divide en intervalos de tiempo, por
lo general es hecha mirando declaraciones del año calendario. ¿Por qué, sin
embargo, hacer que utilizamos enero-a-Diciembre devuelve en lugar de los
retornos de julio a junio? O más específicamente, ¿por qué 12 meses en lugar de
seis? ventanas de rentabilidad rompen el rendimiento en intervalos de medición
más estrictas. Por ejemplo, una ventana de la rentabilidad de tres meses comienza
sumando los rendimientos de meses uno, dos, y tres. La ventana se desliza para-
sala de un mes y el beneficio neto de meses dos, tres, y cuatro se suman. Este
número se registra, y de nuevo la ventana se mueve un avance el mes. Este
proceso continúa hasta el final de la prueba de rendimiento. La estadística prof-
itable porcentaje mide el porcentaje de ventanas que eran rentables. Ventanas se
calculan con longitudes de uno, tres, seis, 12, 18 y 24 meses.
Quizás la información más relevante en la página de reparación de averías La
estadística es la gráfica de beneficio neto en un año, en el que podemos examinar
el desempeño de la sys-tem en un año a año gráficamente. En este gráfico se puede
revelar si el filo de la estrategia está disminuyendo con el tiempo.

LA "VIDA mitad" de rendimiento de la estrategia

Algunos comerciantes han cuestionado si una estrategia podría funcionar
indefinidamente o si todas las estrategias de negociación están condenadas al fracaso
una vez bastantes comerciantes comienzan a explotar la ineficiencia SPE-espe-. Mi
mejor conjetura es que el rendimiento de cualquier estrategia de negociación se
degradan con el tiempo, de forma similar a una partícula nuclear que decae
exponencialmente con el tiempo.
"La mitad de la vida" es un término tomado de la química y la física. Se refiere
a la cantidad de tiempo que tarda la mitad de la cantidad de un elemento radiactivo
para cambiar en una sustancia no radiactivo a través del proceso de desintegración
nuclear. Creo que el rendimiento de las estrategias comerciales, al igual que los
elementos radiactivos, está en constante decadencia-ción con el tiempo. Con todos
los recursos asignados a la investigación, y bastante gente mirando estrategias de
negociación, tarde o temprano alguien va a encontrar su Santo Grial. Este diamante
en bruto será encontrado por otra persona, y, finalmente, por-rendimiento sufrirá
debido a un efecto de exclusión.
De seguimiento de tendencias ha sido un pilar para los operadores de todo el
mundo durante muchos años. La fase "Siempre el comercio con la tendencia" es un
mantra de comercio. Aunque toria
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 95

toria ha demostrado de seguimiento de tendencias para ser rentable, podemos

esperar que continúe? En la segunda edición de mi Comparación de los sistemas
populares de comercio, predije que los comerciantes de seguimiento de tendencias
podrían estar adentro para algunos problemas en los próximos años. Eso fue
exactamente el caso. De hecho, Barclays sistemática Índice de comerciantes tenía
algunos de sus peores rendimientos en 1999 y 2001 (Figura 4.16).
¿Cómo supe rendimientos mediocres fueron por delante de los seguidores de
tendencias? Mira el beneficio neto por año para la ruptura del canal y moviendo las
estrategias promedio de cruce en las figuras 4.17 y 4.18. Aunque casi todos los años
entre 1990 y 1998 era rentable, el tamaño de las ganancias está disminuyendo. En
realidad, si nos proyecta ganancias hacia adelante, se espera que el beneficio neto
anual a llegar a cero en 1999 ó 2000. Este continuación rentabilidad media es
exactamente lo que ocurrió en 1998 y 2000.

Índice de comerciantes sistemática Barclays

40%

30%

20%
Regreso

10%

0%

-10%
199
1988

1989

1990

1991

1992

1993

1995

1996

1997

1998

1999

2000

2001
4

Año

FIGURA 4. dieciséis
Índice de comerciantes sistemáticas Barclays. comerciantes sistemáticos tuvieron unos beneficios
inferiores a la media durante 1999 y 2001.

¿Por qué el rendimiento de los sistemas de seguimiento de tendencias

empezado a tener problemas? Podría ser debido a las estrategias de comercio de
dinero en exceso de seguimiento de tendencias. Podría ser que en esta era de la
información, los ciclos económicos y los precios se han acortado, lo que provoca
que las tendencias últimas semanas, no meses. Podría haber sido mala suerte que
causó el mal desempeño. Cualquiera que sea la razón, nuestros estudios de
rendimiento predicho con éxito el mal momento por venir.
 Declaración Anual de Estrategia del desbloqueo de
canales
$ 3,000,000

$ 2,000,000

$ 1,000,000

Lucro

$0

- $ 1.000.000

- $ 2.000.000
1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000
2001
Año

FIGURA 4. 1 7

Declaración Anual de Estrategia del desbloqueo del canal. rentabilidad anual de una entrada /
20 días ruptura canal de salida de 40 días se redujo a lo largo del decenio de 1990.

Declaración Anual de Estrategia en movimiento promedio

de cruce
$ 3,000,000

$ 2,000,000

$ 1,000,000
Lucro

$0

- $ 1.000.000

- $ 2.000.000
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
Fecha

FIGURA 4. 1 8

Declaración Anual de Estrategia en movimiento promedio de cruce. rentabilidad anual de un / 40

días móvil de 10 días de edad aver-estrategia de cruce declive durante los años 1990.
96
CAPÍTULO 4 Evaluación del desempeño Estrategia de Negociación 97

¿Qué hacer cuando las estrategias DETERIORAN

Incluso si el rendimiento de una estrategia se está deteriorando, no hace que la
estrategia inútil. En muchos casos, todavía tendrá que operar en el sistema, pero
vigilando de cerca la continua degradación del rendimiento.
¿Cuándo dejamos de utilizar un sistema?
Un método que utilizo para determinar los puntos de corte es calcular una
regresión lineal de la curva de las acciones, junto con bandas trazan dos errores
estándar encima y por debajo de la previsión del ajuste (véase la Figura 4.19). Yo
uso el error estándar de la regresión-a-sta tistic que mide la bondad de ajuste del
modelo, para crear estas bandas. Cuando la curva de las acciones rompe el canal
inferior, el comercio de la estrategia debe ser detenido y una decisión debe ser
tomada ya sea para el desguace de la estrategia o modificar su funcionamiento para
aliviar aún más el deterioro del rendimiento.

Minas de oro de mal desempeño

A menudo, durante el proceso de prueba, voy a encontrar una estrategia cuyo
rendimiento es tan terrible que realmente me emociono. Cualquier estrategia que
funciona mal y produce pérdidas comerciales siempre se puede invertir para
generar beneficios. Para lograr esto, sim-capas comprar cuando la estrategia básica
de las señales de una venta y vender cuando el sistema genera

Curva de la equidad y la regresión de la banda Pronóstico

4

0
1
4
eci
séi
10

12

18

20

22

24

26

28

30
di
0
2

-2
Hora

FIGURA 4. 1 9
Curva de la equidad y la regresión de la banda Previsión. Podemos pronosticar el crecimiento
de capital a partir de datos anteriores. Si la equidad cae por debajo de la banda inferior, hay
que volver a evaluar el potencial de la estrategia.
98 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

una compra. Esta es una razón por la que no deducen cargos por comisiones y
deslizamiento en mi estrategia de ensayo. Yo prefiero mirar el verdadero
rendimiento de una estrategia en primer lugar, y luego reducir las expectativas
debido a los costes de negociación en pruebas de comportamiento posteriores.

OTROS MÉTODOS DE ENSAYO

Hay algunos otros métodos para obtener un rendimiento estrategia de ensayo utilizo
de vez en cuando en circunstancias específicas. Algunas estrategias de operación
pueden producir beneficios debido exclusivamente a un mercado subyacente global
ascendente o descendente. Por ejemplo, muchos métodos de negociación que el S
& P 500 pueden beneficiarse debido a que el mercado tiene una deriva positiva con
el tiempo, no porque el sistema es capaz de detectar las ineficiencias del mercado.
En los últimos años a un lado, el S & P 500 ha regresado, en promedio, de 8
a 12 por ciento, por año. Para un control al azar para ver si una estrategia está
superando los rendimientos inherentes de ser durante mucho tiempo el S & P 500,
que vuelve una regresión de la estrategia en las declaraciones tanto del S & P 500
y el cuadrado rendimientos. Este método, primero sugerido por Jack Treynor y Kay
Mazuy en 1956, mide la capacidad de una estrategia para producir beneficios sin
tener en cuenta la deriva total del mercado.
regresoestrategia = b0 + b1 regresomercado + b2 regresomercado2 +
mi
Miro a la importancia de la estadística t de la b2coeficiente para determinar la
validez del sistema. Si el estadístico t es menor que 1, entonces es probable que el
rendimiento de la estra-gy se debe sólo a runup o caída del mercado. Si el
estadístico t es mayor que uno, entonces la estrategia puede ser considerada válida
y no sesgada por el movimiento del mercado en una dirección u otra.

La falacia de pensamiento mágico

Psicólogo BF Skinner (1948) llevó a cabo una serie de experimentos en los que se
observó un fenómeno llamado "pensamiento mágico". Skinner alimenta palomas
en intervalos de 15 segundos fijos y tomó nota de los cambios en su
comportamiento en el tiempo. Se encontró que cada ave comenzaría a repetir
comportamientos específicos (crispado de cabeza, girando en cir-culos), y la teoría
de que tenía que ver con una respuesta aprendida a la recepción de los alimentos.
A pesar de ser alimentado a intervalos regulares, las aves asociadas la apariencia
de los alimentos con lo que el comportamiento al azar estaban realizando en el
momento de la primera alimentación. Como resultado de ello, siguieron para llevar
a cabo este comportamiento. Mientras que las palomas pueda creer que su
"comportamiento mágico" es la fuerza de la creación de la comida, en-dad real, el
proceso es controlado por una fuente de-la totalmente diferente experimentador.
 No tengo ninguna duda de que hay mucho "pensamiento mágico" en los
mercados. Muchos comerciantes utilizan estrategias de negociación sin evaluar su
histórica realizar-ANCE. Los operadores racionalizar que si una estrategia
funcionó una vez o dos veces en el pasado, entonces la metodología debe ser válida.
Inevitablemente, estos métodos causan grandes pérdidas, ya que poseen ninguna
ventaja esperada. El comerciante cuantitativa que evalúa cuidadosamente y
rigurosamente su metodología de negociación no debe sufrir un destino similar.
 CAPÍTULO 5

Rendimiento de las carteras

Manteniendo los ingresos mientras que la disminución
del riesgo

segundoy la diversificación de nuestro comercio a través de múltiples mercados,

estrategias múltiples y múltiples parámetros dentro de la misma estrategia, que pueden
reducir el riesgo global de nuestro comercio. Mientras que los casinos han utilizado los
principios de diversificación durante cientos de años, la comunidad financiera sólo ha
utilizado estas herramientas poderosas para los últimos 50 años.

Lecciones aprendidas de un casino

Aunque no soy un gran jugador, yo hago mi camino a Las Vegas o Atlantic City, al
menos, un par de veces al año. A pesar de saber que es poco probable que voy a
ganar, todavía me gusta jugar al blackjack. Sé que si juego bien, espero que perder
un 0,5 por ciento del total de dinero apuesto en las mesas en una noche cualquiera;
el destino y la fortuna son responsables de decidir qué lado realidad prevalece una
vez que el dinero está sobre la mesa.
Aquí hay algo a considerar: si ganar o perder en las mesas es debido a la suerte,
a continuación, si los jefes del hoyo (aquellas damas muy serias y caballeros
empleadas por el casino para realizar un seguimiento de la cantidad de sus apuestas)
estar preocupado de que me alejo un ¿ganador? Después de todo, si he ganado,
entonces su empleador, el casino, ha perdido.
De hecho, los jefes del hoyo son totalmente indiferentes en cuanto a si gano o
pierdo. Debido a los principios de la diversificación, el casino es indiferente que un
solo cliente hace el dinero. Cada apuesta simple es prácticamente irrelevante en el
gran esquema de las ganancias del casino y la pérdida. Debido a que las apuestas no
están correlacionadas con otras apuestas, la buena suerte y la mala suerte tenderá a
cancelar en el tiempo y salir de la casa con el borde del golosinas natural en sus
juegos de apuestas esperanza negativos.
99

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
100 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

LOS beneficios de la diversificación

En un juego simple en el que tapa las monedas para determinar los ganadores y
perdedores, que lanza una moneda al aire y registrar qué lado de la moneda cae
boca arriba. Si la moneda cae en la cabeza, me pagas $ 1.00. Si la moneda cae en
colas, te pago $ 1,00.
Para activar los porcentajes en mi favor que había necesidad de una moneda
mágica. Por el bien de ejemplo, supongamos que yo encontré una moneda que
aparecerían como cabezas aproximadamente el 55 por ciento y las colas 45 por
ciento del tiempo.
En primer lugar, vamos a calcular mi ventaja esperada de jugar a este juego.
En cualquier juego en el que hay dos resultados, medimos el borde multiplicando
la probabili-dad de ganar por la cantidad en dólares de la recompensa de ganar, a
continuación, añadir la proba-bilidad de perder multiplicado por la cantidad en
dólares de las ganancias perdedora:
Edge = probabilidad de ganar ? Monto si ganado + probabilidad de perder
? Monto si la pérdida de
En nuestro juego anterior, la probabilidad de ganar es de 55 por ciento, el
ganador de pay-out es de $ 1.00, la probabilidad de perder es el 45 por ciento, y el
premio es perder
- $ 1.00. Al conectar estos valores en nuestra ecuación da nuestra ventaja en cada
cara o cruz:
Edge = probabilidad de ganar ? Monto si ganado + probabilidad de
perder ? Monto si la pérdida de
Edge = 0,55 ? 1 + 0,45 ? -1 = 0,10
El borde esperado de este juego es de $ 0,10. Es decir, que debería esperar
hacer $ 0,10 cada una vez que juego. Sin embargo, en ningún sorteo dado que no
tengo idea si voy a ganar o perder. Supongamos ahora que estamos de acuerdo para
jugar a este juego de monedas en tres escenarios:
1. Jugamos el juego 10 veces, apostando $ 1.00 en cada lanzamiento
2. Jugamos el juego 100 veces, apostando $ con 0,10 cada flip
3. Jugamos el juego 1000 veces, apuestas $ .01 cada flip
Al final de cada escenario, Tally las ganancias y pérdidas y liquidar el valor
en efectivo. Utilizando estadísticas, calculo que tengo el borde idéntica en cada
escenario.
■
En el Juego 1, mi valor esperado para cada moneda es el 55 por ciento ? (+ $
1.00) + 45 por ciento, ?(- $ 1.00) = $ 0,10. Multiplicado por 10 veces las que
estamos de acuerdo para jugar, mi ventaja total prevista es de $ 1.00.
■
En el Juego 2, mi valor esperado para cada moneda es el 55 por ciento ? (+ $
0.10) + 45 por ciento, ?(- $ 0.10) = $ 0,01. Multiplicado por 100, mi ventaja total
prevista es de $ 1.00.
■
En el Juego 3, mi valor esperado para cada moneda es el 55 por ciento ? (+ $
0.01) + 45 por ciento, ?(- $ 0.01) = $ 0.001. Multiplicado por 1000, mi ventaja
total prevista es de $ 1.00.
CAPÍTULO 5 rendimiento de las carteras 101

Si bien mi valor esperado en cada estrategia es igual, el riesgo de cada

estrategia no es la misma. Después de todos los lanzamientos de la moneda se
cuentan, voy a ganar dinero 50 por ciento del tiempo de reproducción Escenario 1,
el 82 por ciento del tiempo que juega el escenario 2, y el 99,9 por ciento del tiempo
jugando Escenario 3. Los diferentes riesgos asociados con cada juego tienen que
hacer con la diversificación del riesgo en el lanzamiento de la moneda.
En el escenario 1, que tengo la capacidad para bajar de los diez lanzamientos
de la moneda, lo que resulta en una pérdida de $ 10. La probabilidad de que esto
10
ocurra es de 0,45 , O 0,03 por ciento. En el escenario 2, también puedo perder $
10, pero para ello debo perder 100 lanzamientos. La probabilidad de este evento es
100
de 0,45 , Que es tan pequeña que no requiere la notación científica para expresar
su valor. En el escenario 3, que tomaría mover de un tirón 1000 colas en una fila
1000
de perder $ 10. Esta proba-bilidad (0,45 ) Es tan pequeño que el cálculo suele
generar errores en la mayoría de los PC. Como se puede ver en la Figura 5.1 a
continuación, moviendo de un tirón más y más veces, se hace cada vez más
improbable que el evento adverso de la pérdida de $ 10 se produce.
Mientras que la probabilidad de perder $ 10 pasa a ser menos propensos a medida
que aumenta el número de saltos y el tamaño de la apuesta se disminuye, también lo
hace la probabilidad de ganar $ 10. Las distribuciones de probabilidad de las ganancias
asociadas con los tres juegos se muestran en la Figura 5.2. A medida que el número de
lanzamientos aumenta y el tamaño de cada apuesta disminuye, la distribución de
nuestros estrechos de pérdidas y ganancias y, finalmente, con-arcenes en $ 1. Los
imitadores de casino en este ejemplo, todos los días. Aunque cualquier apuesta simple
es

Distribución de Utilidades
70%

60%

Jugando 1000 veces

50%
Ocurrencia

40%

30%
Jugando 100
veces
20%
Jugando 10
veces
10%

0%
-9

-6
-10

-3
-8

-5
-7

-4

-1

10
-2

0
1

8
9

Lucro
FIGURA 5. 1

Distribución de Utilidades. La distribución de los beneficios es mayor dependiendo de cuántas

veces se juega el juego.
102 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

10 100
lanzamient lanzamient
Resultado os os 1000 filps

210 a 28 0,4502% 0,0000% 0,0000%

28 a 26 2,2890% 0,0000% 0,0000%
26 a 24 7,4603% 0,0000% 0,0000%
24 a 22 15,9568% 0,1820% 0,0000%
22-0 23,4033% 18,0908% 0,0847%
0-2 23,8367% 68,3018% 99,8518%
2-4 16,6478% 13,3494% 0,0635%
4-6 7,6303% 0,0760% 0,0000%
6-8 2,0724% 0,0000% 0,0000%
8-10 0,2533% 0,0000% 0,0000%

FIGURA 5. 2

Tabla de Distribución de Utilidades. La distribución de los beneficios es mayor dependiendo de

cuántas veces se juega el juego.

en gran medida al azar, la ventaja del casino es bastante predecible cuando se

distribuyen a lo largo de muchos apuestas inde-pendientes.
Si cada uno de los tres escenarios genera el mismo rendimiento esperado,
entonces nuestra verdadera preferencia es participar en el escenario con la menor
cantidad de riesgo. Vemos que a medida que extendemos nuestro riesgo en torno a
muchas apuestas más pequeñas, se reduce nuestro riesgo. Cuando juego de
blackjack en un casino, mi apuesta es tan insignificante en comparación con todo
el dinero que cambia de manos esa noche, que mi buena fortuna es más que
probable que va a ser cancelado por la mala suerte de un pobre compañero. En
realidad, el mayor riesgo del casino es un gran apostador cuyas apuestas son tan
grandes que sobrepasan la diversificación de los apostantes más pequeños. Suena
familiar a negociación?

No poner todos los huevos en una sola canasta

Aunque la práctica de la diversificación se ha empleado desde hace miles de años
por los casinos y casas de apuestas, el concepto es relativamente nuevo en el mundo
de las finanzas. En el año 1900 las acciones con perspectivas de negocio de riesgo
y bonos con menos de posición de crédito ideales se evitaron en gran parte debido
a su riesgo. Harry Markowitz, un estudiante graduado de la Universidad de
Chicago, comenzó a pensar en este problema en la década de 1950 dentro de un
marco completamente cuantitativa. Su trabajo le ha llevado al título de "padre de la
moderna Finanzas" y el Premio Nobel de Economía de 1990. En una cáscara de
nuez, Markowitz hizo la siguiente:
Si las acciones A retorna en promedio un 10 por ciento por año, con una
desviación estándar anualizada de 20 por ciento, y el rendimiento de las
acciones B, en promedio, un 10 por ciento por año, con anualizan desviación
estándar de 20 por ciento, entonces ¿cuál es el retorno y riesgo de mantener
una cartera de 50 por ciento Stock A y 50 por ciento de la acción B?
CAPÍTULO 5 rendimiento de las carteras 103

El rendimiento esperado de la cartera 50-50 sigue siendo un 10 por ciento.

Pues resulta que, si las acciones A y B no están correlacionadas, entonces el riesgo
de la cartera 50-50 se reduce a una desviación estándar de 14 por ciento, inferior al
20 por ciento desviación estándar de cualquier acción por sí mismo.
El trabajo de Markowitz llevó a un replanteamiento completo del valor de los
activos de riesgo. Si podemos empaquetar las acciones con perspectivas de riesgo
en una cartera diversificada, entonces podríamos ser capaces de reducir la mayor
parte del riesgo debido a una empresa concreta. El resultado es una cartera con
menos riesgo que cualquier activo único dentro de la cartera. En esencia, hemos
logrado exactamente lo que el casino logra mediante la diversificación de riesgos.
norte norte
Varianza de una cartera = ωyoωjσyoσjρi, j
yo = 1 j = 1

dónde vyo es el porcentaje en peso de i activo, vj es el porcentaje en peso de activo j,

syo es la desviación estándar de activo yo, sj es la desviación estándar de activo jy ryo,
j es la correlación entre los rendimientos de los activos yo y activos j
El principal impulsor de la diversificación es la correlación entre los activos.
Si todo el mundo en un casino gana cuando gane en la mesa de blackjack, entonces
el casino está en para una noche muy larga. Sin embargo, si mi rendimiento es
completamente independiente de la actuación todos los otros apostantes, a
continuación, la diversificación es en su mejor momento.
Figura 5.3 ilustra la eficacia de la diversificación. Analizamos un puerto-folio
que contiene de uno a 1.000 acciones, cada una con una desviación stan-dard
anualizada de 20 por ciento. La correlación entre todos los valores de la cartera
varía de 0.00 a 1.00.

Número de La correlación entre las acciones

cepo 1.00 0.75 0.50 0.25 0.00

1 20% 20% 20% 20% 20%

5 20% 18% 15% 13% 9%
10 20% 18% 15% 11% 6%
50 20% 17% 14% 10% 3%
100 20% 17% 14% 10% 2%
500 20% 17% 14% 10% 1%
1000 20% 17% 14% 10% 1%

FIGURA 5. 3

Volatilidad de una cartera. A medida que el número de poblaciones dentro de un aumento en la cartera,
la volatilidad de la cartera disminuye. A medida que disminuye la correlación entre las acciones, la
volatilidad de la cartera también disminuye.
 Como vemos, cuando la correlación entre las acciones es de 0,25 o inferior,
añadiendo tan sólo 10 acciones puede reducir la volatilidad general de la cartera de
forma espectacular. Sin embargo, con cor-relaciones de 0,75 y superior, los
llamados beneficios de la diversificación se silencian.
104 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

El resto de este capítulo se centra en la combinación no correlacionadas

comerciales Strate-gías con rendimientos esperados positivos dentro de una cartera
para minimizar el riesgo.

EL MEJOR DIVERSIFICACIÓN: todos los mercados

La misma lógica y las matemáticas que Harry Markowitz aplica a las acciones
también se pueden aplicar a las estrategias cuantitativas en los mercados de valores
y de futuros. En un ejemplo básico, vamos a ver el rendimiento de una estrategia
de cruce de media móvil cuando se probó en nueve mercados de futuros. Mercados
analizados incluyen el yen japonés, el franco suizo, eurodólares, bonos del tesoro,
el petróleo crudo, maíz, algodón, café y azúcar. Las señales de compra se generan
cuando 10 días de media móvil simple de hoy es mayor de 40 días de media móvil
simple de hoy. Pantalones cortos cuando se introducen 10 días de media móvil
simple de hoy es menos de 40 días de media móvil simple de hoy. La figura 5.4
representa tanto la cartera de mercado estadísticas de rendimiento individual y.
La cartera produce las estadísticas de rendimiento-recompensa a riesgo
superior a cualquiera de los mercados individuales. El K-relación de la curva de las
acciones de la cartera (0.31) es mayor que la relación K de todos menos uno de
mercado (yen japonés). El ratio de Sharpe de la curva de las acciones de la cartera
(1.30) es mayor que el ratio de Sharpe de cualquier mercado único contenida en la
cartera.
Estas cifras de rendimiento muestran que incluso si sabíamos de antemano qué
mercado se realice la mejor, todavía preferimos el comercio de la cartera a través de
cualquier mercado único ya que nuestras estadísticas de riesgo-recompensa se
maximizan mediante la utilización de los beneficios de la diversificación. Los
resultados de la cartera se consiguen sin ninguna vista delantera en cuanto a que los
mercados van a llevar a cabo mejor en el futuro. Y tan atractivo como este

K-
Beneficio proporc Ratio de
Mercado neto ión Sharpe

JY $ 1,582,763 0.52 0,77

SF $ 673,875 0.13 0.35
ED $ 2,865,075 0.17 1.00
NOS $ 619,531 0.12 0.30
CL $ 968,880 0.10 0.42
do $ 741,025 0.16 0.30
Connectic
ut $ 629,190 0.06 0.30
KC $ 1,033,564 0.15 0.34
SB $ 360,606 0.04 0.19
Promedio $ 1,052,723 0.16 0.44
portafolio $ 9,474,509 0.31 1.30

FIGURA 5. 4

El rendimiento de diferentes mercados. El rendimiento de la cartera supera el rendimiento de

cualquier mercado indi-indivi-.
CAPÍTULO 5 rendimiento de las carteras 105

Conn
ectic
Correlación JY SF ED NOS CL do ut KC SB

JY 1.00
SF 0.14 1.00
ED 20.01 0.13 1.00
NOS 20.13 0.11 0.22 1.00
CL 0.12 20.06 20.25 20.03 1.00
do 20.07 0.00 20.06 0.09 0.06 1.00
Connecticut 0.07 0.01 0.11 20.10 0.04 0.03 1.00
KC 0.05 0.12 20.03 20.04 0.21 20.03 0.05 1.00
SB 20.14 20.03 0.07 20.03 0.01 20.06 20.13 20.08 1.00

FIGURA 5. 5

La correlación de los rendimientos del mercado seleccionados. Debido a que la correlación de los
rendimientos de muchos mercados es casi cero, beneficios de la diversificación disminución de
retorno mientras se mantiene la rentabilidad.

enfoque es en este ejemplo, la adición de más mercados no correlacionados podría

reducir el riesgo aún más. El promedio de correlación de los rendimientos
mensuales dentro de los nueve mercados es inferior a 0,01, lo que sugiere que la
cartera está realizando enormes beneficios de la diversificación.
Figura 5.5, anteriormente, muestra una matriz de correlación de los
rendimientos mensuales generados por la estrategia de ruptura del canal. Mientras
que los retornos entre los mercados dentro del mismo sector pueden estar altamente
correlacionadas, rendimientos entre los mercados dentro de los diferentes sectores
en general tienen poca o ninguna correlación. Es estos retornos noncorrelated que
pro-vide la diversificación de reducción del riesgo de que nuestras necesidades de
cartera.

Mejor diversificación: estrategias de las distintas no correlacionadas

En un mundo ideal, deberíamos operar nuestras estrategias en tantos mercados como
sea posible para reducir el riesgo de la estrategia dentro de una cartera. Mediante la
adición de más mercados, suponiendo que cada mercado añaden posee similares que se
espera borde reducimos el riesgo, manteniendo los rendimientos esperados. Pero ¿por
qué detenerse con la adición de los mercados a la cartera de diversificación-ción?
Podemos ampliar la diversificación mediante la adición de otras corrientes de retorno
no correlacionado a la cartera. En lugar de negociar una sola estrategia, el siguiente
paso lógico es el comercio de estrategias múltiples en múltiples mercados. Es
enteramente posible crear dos o más rentables estrategias que no están correlacionados.
Una estrategia podría producirse como resultado de las tendencias del mercado,
mientras que otro puede generar señales de comercio basado en un patrón determinado
precio.
Para ver si la combinación de estrategias de mejora nuestras características
recompensa a riesgo, vamos a negociar otra estrategia, además del / de 40 días
móvil de 10 días promedio de cruce en nuestro portafolio de nueve mercado.
Combinamos el rendimiento de nuestra estrategia de cruce promedio mov-ción con
el rendimiento generado por una de 40 días
106 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Mover cruce de media

K-proporción 0.31
Ratio de
Sharpe 1.30
de ruptura del canal
K-proporción 0.41
Ratio de
Sharpe 1.22
Crossover combinada y del desbloqueo
K-proporción 0.36
Ratio de
Sharpe 1.31

FIGURA 5. 6

El rendimiento de diferentes estrategias. Operando con múltiples estrategias de ayuda a la

recompensa de nuestro portafolio de correr el riesgo de STATIS-tics.

estrategia de ruptura del canal de salida / entrada de 20 días. Figura 5.6 se detalla
la relación de K-y ratio de Sharpe de cada estrategia por sí sola y luego una
combinación de los dos Strate-gías en una nueva cartera multiestrategia.
Vemos que la combinación de la media móvil de cruce con el canal de
desconexiones no mejora el rendimiento. A diferencia de la diversificación de los
mercados de ejemplo anterior, si la suma de múltiples mercados producen una
cartera que era mejor que la realización de cualquier mercado único, la
combinación de estas dos estrategias de seguimiento de tendencia no da lugar a un
programa de comercio mejorado.
Hay dos razones para esta falta de mejora en el rendimiento. En primer lugar,
sólo nos estamos combinando dos estrategias. A medida que más estrategias se
incluyen en nuestro programa de comercio, vamos a recoger a la diversificación
adicional. En segundo lugar, y más importante, las estrategias de cruce y de ruptura
del canal de media móvil están altamente correlacionados. La correlación de los
rendimientos mensuales es 0,85. Recuerde, la diversificación sólo ayuda a la hora
de combinar los rendimientos noncorrelated. En este caso, la alta correlación de los
rendimientos entre las dos estrategias de ayuda a explicar por qué la combinación
de los dos no lo hizo pro-duce mejores resultados. Tendremos que centrar nuestra
atención en las estrategias de desarrollo con mucho más baja correlación entre sí.
Por el comercio múltiples estrategias en múltiples mercados, podemos
aprovechar el poder de la diversificación. Muchos administradores de dinero
profesionales, se negociarán un máximo de 10 a 15 por estrategias no
correlacionadas dentro de su organización, todo con el fin de suavizar las ganancias
y reducir el riesgo de su rendimiento.

Buena diversificación: A TRAVÉS DE PARÁMETROS dentro de las estrategias

¿Por qué detenerse en la adición de múltiples estrategias para nuestra cartera cuando
podemos comerciar valores de los parámetros de múltiples ples para cada estrategia?
En el ejemplo de ruptura del canal anterior, entramos en máximos de 40 días y mínimos
y máximos de salida en 20 días y bajos. En lugar de trad-ción de los parámetros de 40
y 20 días, podríamos añadir dos conjuntos de parámetros adicionales: una entrada de
20 días con una salida de 10 días y una entrada de 80 días con una salida de 40 días. Si
cada
CAPÍTULO 5 rendimiento de las carteras 107

estrategia es igualmente rentable y los rendimientos tienen una correlación cero

entre sí, entonces podemos mantener nuestro rendimiento esperado y reducir
nuestro riesgo mediante la combinación de los cuatro conjuntos de parámetros en
una cartera de negociación.
En realidad, la utilidad de los diferentes conjuntos de parámetros tiende a ser
altamente correlacionados. Como resultado, no logramos mucho por la difusión de
nuestro sistema a través de conjuntos paráme-ter. Hemos probado los tres conjuntos
de parámetros en nuestra cartera de nueve de mercado, recompensa-ing compar
estadísticas de riesgo para cada prueba individual a una cartera combinada de las
tres pruebas, y los resultados se pueden ver en la figura 5.7.
Al igual que la combinación de la ruptura de canales y estrategias de
movimiento promedio de cruce, la combinación de tres conjuntos de parámetros de
una estrategia de desconexiones canal no mejoró las estadísticas-recompensa a
riesgo. De nuevo, esto se produce debido a la naturaleza altamente correlacionada
de uso de parámetros diferentes dentro de la misma estrategia. Debido a que las
entradas y salidas reales para una estrategia de entrada de 20 días / 10 días canal de
salida de desconexiones son similares a una estrategia de salida de 80 días de
entrada / de 40 días, el número de pérdidas y ganancias están altamente
correlacionados. La correlación de los rendimientos mensuales de estos tres
conjuntos de parámetros van de +0,63 a +0,88, que es demasiado alto para darse
cuenta de los beneficios signifi-rencias de diversificación.

SANTO GRIAL del comerciante

Los comerciantes les gusta hablar del "Santo Grial". En el mundo de los cuantitativa
trad-ción, el Santo Grial es una poción mágica de rendimiento comercial cuyos
rendimientos son perfectamente compatibles y nunca perder dinero.
Personalmente, no creo que exista la estrategia de negociación Santo Grial.
Mi teoría vida media postula que el rendimiento decaerá con el tiempo a cero la
rentabilidad.

20 días de entrada Salida / 10 días

K-proporción 0.35
Ratio de
Sharpe 0.85
40 días de entrada Salida / 20 días
K-proporción 0.41
Ratio de
Sharpe 1.22
80 días de entrada Salida / 40 días
K-proporción 0.41
Ratio de
Sharpe 1.42
combinada de tres
K-proporción 0.41
Ratio de
Sharpe 1.28

FIGURA 5. 7

Rendimiento de los parámetros variables. Operando con múltiples conjuntos de parámetros poco
ayuda a las estadísticas de riesgo de recompensa-a de nuestra cartera.
108 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Sin embargo, aunque puede haber ninguna estrategia de negociación Santo Grial,
los beneficios de la diversificación son un tipo de Santo Grial que los comerciantes
pueden disfrutar cuantitativos. La capacidad de diversificación en los mercados,
estrategias y parámetros de mejora medidas de recompensa a los riesgos y puede
ser sólo el almuerzo libre de un comerciante. La diversificación se basa en
principios matemáticos-sus ventajas no son objeto de debate.
 CAPÍTULO 6

Parámetros de optimización y
Las señales de filtrado Trading
La mejora de la estrategia básica

Optimization es uno de los temas más polémicos y discutidos en términos

cuantitativos comercio. Para algunos comerciantes, optimización permite el ajuste
fino de una estrategia para un mar-cado flujo y reflujo de. Para otros, la optimización
es la raíz de la mayoría de los problemas de rendimiento de la estrategia de
negociación. Estos últimos creen que las estrategias de ajuste escrupulosamente a
los últimos datos brindan expectativas poco realistas cuando se inicia el comercio en
tiempo real. ¿De qué lado es el correcto? En este capítulo analizaremos las ventajas
y los inconvenientes de optimización utilizando los resultados del mundo real.

OPTIMIZACIÓN señales de comercio para aumentar la rentabilidad

Una vez que hemos identificado un sistema de comercio rentable, es posible que
desee ajustar sus parámetros. Los parámetros son modificables cualquier entrada que
se encuentran en un sistema de comercio, tales como la longitud de una media móvil,
el multiplicador en una ruptura de la volatilidad, o el período de revisión
retrospectiva de los osciladores.
Por ejemplo, si compramos en una ruptura de canal de 40 días de alta sólo cuando
una media móvil de 10 días es mayor que una media móvil de 40 días, tenemos un
sistema de comercio con tres parámetros: el número de días en la ruptura del canal ( 40
días), la longitud de la media móvil de corto (10 días), y la longitud de largo plazo de
media móvil (40 días). Si filtramos estas operaciones sólo el comercio cuando un ADX
de 14 días es mayor que 20, luego añadimos dos parámetros adicionales: la longitud de
la ADX (14 días) y el disparador para tomar posiciones (20 en el ADX). Nosotros ya
tenemos
109
Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
110 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

cinco parámetros de nuestro sistema y que todavía tienen que añadir una estrategia
de salida. Si tomamos la parametrización aún más, podríamos utilizar hasta cinco
valores de entradas cortas, que son diferentes de entradas largas. Se puede ver cómo
un sistema simple puede llegar a ser muy compleja mediante la adición de sólo una
pocas reglas.
Algunos comerciantes pueden probar su estrategia de negociación en un
amplio rango de valores para cada parámetro. Este proceso se conoce generalmente
como la optimización. Si estamos TRAD-ción de una ruptura del canal donde
entramos en una máximos y mínimos x día y salir de altibajos diarios de y, por
ejemplo, podríamos optimizar los valores de x e y. Para ello, se podría variar x
desde 11 a 80 en incrementos de uno, e y de 11 a 30, registrando el rendimiento de
cada combinación. Esta prueba conduciría a 1400 pruebas individuales: 70
diferentes de x y 20 diferentes y de.
Con el aumento de la velocidad de la computación personal, 1400 pruebas es,
sin duda POS-ble en el tiempo de cálculo de una noche. Pero si optimizamos
después de añadir otra capa de complejidad a nuestra estrategia, el proceso se
vuelve rápidamente de control. Cuando modificamos la estrategia sólo para tomar
nuestras operaciones de ruptura del canal cuando un ADX al día es mayor que b, el
número total de ensayos globos a 560.000 si se corre a entre 11 y 30, y b de 21 a
40. Se trata de un tramo para ordenadores más rápidos, incluso en la actualidad.
Un método de simplificación es variar cada parámetro por más de una unidad
por prueba. Si aumentamos cada uno de los cuatro parámetros en incrementos de
cinco en lugar de uno, se reduce el número total de pruebas de 560.000 a 1875.
Aunque esta es manejable con potencia de cálculo actual, ¿qué hacemos con los
resultados cuando terminemos?

Optimización de ajuste de curvas vs.

La sabiduría convencional es que la optimización es una técnica importante para
maximizar el valor esperado de estrategias de negociación. El pensamiento popular
dice valores de los parámetros que han funcionado mejor en el pasado son más
propensos a hacerlo en el futuro. Sea o no esta afirmación es cierta, si la
optimización se lleva demasiado lejos, el proceso se convierte en el accesorio de
datos de la curva.
Considere nuestra optimización anterior con 560.000 ensayos. Supongamos
que el conjunto de parámetros de entrar en máximos de 54 días y bajos, tendrá su
salida en máximos de 24 días y bajos, mientras que sólo teniendo operaciones
cuando el ADX de 19 días es mayor de 18 años (x = 54, y = 24, a = 19, y b = 18)
es la mejor combinación de rendimiento y produce un ratio de Sharpe de 5.0.
Mientras tanto, la relación media de Sharpe para todos los ensayos 560.000 es de
1.5.
 ¿Podemos esperar que este conjunto específico de parámetros para llevar a cabo
tres veces, así como el valor medio del parámetro establecido en el futuro? Lo más
probable es que no lo hará y el rendimiento per-rendimiento de cualquier conjunto
particular, volverá a la media en el futuro. De todos los ensayos, aproximadamente la
mitad se obtienen mejores resultados que la media y la mitad se obtienen peores
resultados. Algunos de los ensayos 560.000 producirá ganadores espectaculares,
mientras que unos pocos producirá perdedores increíbles. La distribución de los ratios
de Sharpe través
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 111

todos los conjuntos de parámetros puede tener un aspecto similar a una distribución
normal curva de campana (véase la Figura 6.1). En gran medida, la dispersión de
los diferentes beneficios y las pérdidas se debe al azar.
Si el conjunto de parámetros (x = 54, y = 24, a = 19 y b = 18) crearon el mejor
rendimiento de los 560.000 conjuntos, es probable que gran parte de los resultados
anteriores se debió a la suerte y el rendimiento será probablemente mucho peor en el
futuro. Esto no quiere decir que la estrategia general será rentable; más bien, que los
conjuntos de parámetros ciegamente que escogen en base a los resultados anteriores
solo se suele sobreestimar rendimiento del mismo.
Déjeme darle un ejemplo de por qué la optimización se entiende mal.
Comience con 100 monedas y distribuir una moneda de 100 personas separadas.
Tienen cada uno por un tirón-hijo de su moneda de cinco veces y marque el número
de veces que la moneda sale cara. Debido al azar, es probable que al menos una
persona le dará la vuelta cinco caras seguidas. He aquí que esa persona ha
encontrado una moneda mágica! ¿Derecha? No. Él sólo tuvo suerte.

El mismo error se puede hacer en la optimización de los sistemas de comercio.

Los comerciantes suelen realizar simulaciones comerciales complejas y elegir el
mejor conjunto de parámetros de realizar sin tener en cuenta otros factores. Ese
mismo comerciante por lo general será tremendamente decepcionado cuando el
rendimiento en tiempo real de negociación no es tan prof-itable como la simulación.
El comerciante se utilizan expresiones idiomáticas para explicar el fracaso de
comercio, tales como "el mercado ha cambiado y mi sistema se vino abajo." Esta
no es la razón por el comerciante

Teórico Distribución de los ratios de Sharpe

9%

8%

7%

6%
Ocurrencia

5%

4%

3%

2%

1%

0%
-1.6

-1.2

-0.8

-0.4
-2.0

0.0

0,4

0,8

1.2

1.6

2.0

2.4

2.8

3.2

3.6

4.0

4.4

4.8
5.2

Ratio de
Sharpe
FIGURA 6. 1

Teórico Distribución de los ratios de Sharpe. Si probamos 1000 conjuntos de parámetros, la

distribución de sus ratios de rendimiento per-probablemente caerá bajo una distribución normal.
112 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

ha fallado. El mercado no ha cambiado; más bien, el rendimiento de la estrategia

del operador invirtió a los resultados de las medias conjuntos de parámetros
generales.

Medición del valor de la optimización

En este punto, algunos lectores podrían estar molestos que estoy lanzando agua fría
sobre el concepto de optimización. Aunque no estoy convencido de que la
optimización es parti-cularmente útil, que puede poner a prueba su valor a través
de la investigación.
El uso de la ruptura del canal, vamos a simular la negociación en nuestro establo
de los mercados de futuros y acciones entre los años 1990 y 2001. Probamos ocho
conjuntos de parámetros mediante la variación de nuestra entrada ruptura de canal de
10 a 80 días en incrementos de 10. Nuestra salida será siempre mitad de la longitud de
la entrada. Al final de cada año, vamos a clasificar los conjuntos de parámetros de
ganancia neta anual. Con el tiempo, vamos a comparar el grado de rendimiento de un
año al siguiente. Por ejemplo, si una ruptura del canal de entrada de 40 días fue el tercer
mejor parámetro de rendimiento en 1990 y el octavo mejor en 1991, podríamos
representar gráficamente la coordenada (3, 8) en un diagrama de dispersión como las
de las figuras 6.2a y 6.2b. Una vez que las filas de todas las combinaciones de
parámetros para todos los años se añaden a los gráficos, podemos determinar si existe
una relación entre los parámetros que realizan con éxito a un año comparados con los
rendimientos del año siguiente.
Los resultados muestran un sesgo para los parámetros a ser fuerte de un año al
siguiente. Tenga en cuenta que un mejor ajuste laderas línea de tendencia alcista, lo que
sugiere que la mejor clasificación pará-

Resultados de la optimización de los mercados

de futuros
10
9
8
Año

7
6
d Es
e ta

5
4
Ran
go

3
y = 1,4753 + 0.6628x
2 2
R = 0,4393
1
0
0 2 4 6 8 10
 Rango de Año Anterior

FIGURA 6. 2 una

Resultados de la optimización de los mercados de futuros. El rango de la ganancia neta de un año

de traza contra el rango de la ganancia neta del próximo año para los ocho conjuntos de
parámetros.
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 113

Resultados de la optimización de
las existencias
10
9
8
Año

7
6
d Es
e ta

5
4
Ran
go

3
y = 1,2429 + 0.7238x
2 2
R = 0,5239
1
0
0 2 4 6 8 10

Rango de Año Anterior

FIGURA 6. 2 b

Resultados de la optimización de las existencias. El rango de la ganancia neta de un año de traza

contra el rango del beneficio neto del próximo año para los ocho conjuntos de parámetros.

etros en un año es probable que sean los mejores parámetros de rendimiento durante el
próximo año. Este fenómeno existe para la ruptura de canal cuando se evalúa en ambos
futuros del mar-cados y las acciones individuales. Los resultados anteriores indican que
queremos seguir con los mejores parámetros de rendimiento y que el rendimiento de
año en año no es al azar.
Al mismo tiempo, otras propiedades podrían estar en el trabajo. En la prueba
anterior, recogemos los datos de rendimiento de ocho variaciones de una estrategia
de ruptura del canal. Esto podría explicarse por el hecho de que algunos parámetros
realizaron consistentemente mejor que otros durante la vida de la prueba.
En los gráficos de las figuras 6.3a y 6.3b, se añade un giro a nuestras
clasificaciones anuales. En lugar de la clasificación de la utilidad neta generada a partir
de rendimiento con un año frente al rendimiento del año anterior, que normalizó el
beneficio de cada año con respecto a la media de la vida de la prueba. Si los 10 días de
la entrada / 5 días ruptura canal de salida promedio una ganancia de $ 100.000 durante
los 12 años de la prueba, entonces restamos $ 100,000 de las ganancias de cada año
para normalizar las cifras de ganancias sobre todos los conjuntos de parámetros.
Este proceso de normalización nos permitirá hacer una pregunta optimización
diferente. Después de crear nuevos diagramas de dispersión, vamos a ser capaces
de determinar si el desempeño de este año está por encima o por debajo de la media,
y lo que podría significar para el desempeño del próximo año.
 Para los mercados de futuros en la figura 6.3a, sí parece haber un ligero sesgo en
las desviaciones de rendimiento de año en año. La línea de tendencia con pendiente
positiva sugiere
114 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

que si el rendimiento de este año para cualquier conjunto de parámetros es superior

a la media, entonces el rendimiento del próximo año es también probable que sea
superior a la media. Mientras que la pendiente y la correlación de la mejor línea de
tendencia de ajuste es pequeño, es significativo en un sentido estadístico. Los
resultados de los datos de rendimiento del mercado de futuros sugieren que la
optimización de los parámetros de un año al siguiente mejorará el rendimiento.
Mientras que el rendimiento del mercado de futuros da crédito a la noción de
opti-mización, los datos de rendimiento de las acciones en la figura 6.3b no lo hace.
La pendiente de la línea de tendencia para el desempeño de las acciones ocupa de
un año a otro es ligeramente nega-tiva, lo que indica que un parámetro que produce
mayores que las ganancias promedio de este año es probable que produzca un poco
menos que las ganancias promedio del año siguiente. El cor-relación es
suficientemente pequeño como para sugerir que no existe una relación positiva o
negativa- entre el rendimiento de este año en comparación con el rendimiento y el
rendimiento promedio del próximo año.
Si bien los resultados anteriores se agregan sobre toda una gama de mercados,
podemos realizar un análisis similar sobre un mercado único. En este caso,
elegimos General Electric para verificar si tiene el valor de optimización (Figuras
6.4a y 6.4b).
Curiosamente, no vemos los mismos resultados que para una cartera de
mercados. Cuando el beneficio está en el puesto y rango de un año de se representa
frente a la siguiente, vemos la relación-tle iluminado. La pendiente es ligeramente
positivo, pero en ninguna parte cerca de los niveles vistos

Resultados de la optimización de los mercados de futuros En

comparación con media
10
9
8
Año

7
6
d Es
e ta

5
4
Ran
go

3
2
y = 3,1004 + 0.2913x
1 2
R = 0,0857
0
0 2 4 6 8 10
Rango de Año Anterior
 FIGURA 6. 3 una

Resultados de la optimización de los mercados de futuros En comparación con media. El rango

normalizado de la ganancia neta de un año de traza contra el rango normalizado del beneficio neto
del próximo año para los ocho conjuntos de parámetros. Los rangos se nor-malized restando la
ganancia media anual de un juego de parámetros de la declaración anual.
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 115

Resultados de la optimización de los stocks En

comparación con media
10
y = 4,5643 + -0.0143x
9 2
R = 0,0002
8
Año

7
6
d Es
e ta

5
4
Ran
go

3
2
1
0
0 2 4 6 8 10

Rango de Año Anterior

FIGURA 6. 3 b

Resultados de la optimización de los stocks En comparación con media. El rango normalizado de

la ganancia neta de un año de traza contra el rango normalizado del beneficio neto del próximo
año para los ocho conjuntos de parámetros. Los rangos se normalizaron restando la ganancia
media anual de un juego de parámetros de la declaración anual.

en la cartera de futuros o acciones. Cuando nos fijamos en las desviaciones

clasificados de ganancia media por juego de parámetros, encontramos resultados
similares. La pendiente de GE es ligeramente negativo, lo que indica que un año
con mejor que el rendimiento promedio será seguido por un año con menos de
rendimiento medio. Ninguna de estas pruebas con-cerning GE produce resultados
que son estadísticamente significativos. Si bien este estudio no es el final de la
discusión, creo que proporciona una pista acerca de los beneficios de la
optimización.
Leo Zamansky y James Goldcamp (2001) escribió un artículo interesante
sobre los beneficios potenciales de optimización. Las dos estrategias probadas de
ruptura del canal donde los parámetros se optimiza en función de los últimos 60 y
120 días de funcionamiento. se llevaron a cabo dos estudios. La primera consistiría
en utilizar los parámetros para el período actual que tenía per-formó mejores en el
período anterior. La idea detrás de esta estrategia es que las cadenas de los
resultados anteriores es probable que continúen, y que a medida que los
comerciantes queremos permanecer con conjuntos param-eter que están realizando
el mejor. El segundo parámetro de prueba seleccionada establece para el período
actual que lleva a cabo el peor en el período anterior. La idea detrás de esta
estrategia es que el rendimiento es probable que signifique revertir con el tiempo.
Los conjuntos de parámetros que han sido "fría" y mal desempeño son propensos a
revertir y un buen desempeño en el futuro.
 Resultados de la optimización de General Electric
10
y = 0.077x + 4.0151
9 2
R = 0,006
8

Año
7
6
d Es
e ta 5

4
Ran
go

3
2
1
0
0 2 4 6 8 10

Rango de Año Anterior

FIGURA 6. 4 una

Resultados de la optimización de General Electric. El rango de la ganancia neta de un año de

traza contra el rango del beneficio neto del próximo año para los ocho conjuntos de parámetros.

Resultados de la optimización de General Electric En

comparación con media
10
y = 4,9287 + -0.1266x
9 2
R = 0,0161
8
Año

7
6
d Es
e ta

5
4
Ran
go

3
2
1
0
0 2 4 6 8 10

Rango de Año Anterior

FIGURA 6. 4 b

Resultados de la optimización de General Electric En comparación con media. El rango

normalizado de la ganancia neta de un año de traza contra el rango normalizado del beneficio neto
del próximo año para los ocho conjuntos de parámetros. Los rangos se normalizaron restando la
ganancia media anual de un juego de parámetros de la declaración anual.
116
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 117

Si bien los resultados del estudio se mezclaron, la investigación y Zamansky

de Goldcamp sí cedió información interesante. En el ejercicio de revisión
retrospectiva más largo (120 días), los conjuntos de parámetros que fueron
seleccionados utilizando el mejor rendimiento del período anterior normalmente se
generan mejores resultados que el promedio de todos los conjuntos de parámetros.
Estos resultados reflejan nuestros propios estudios anteriormente en este capítulo.
Sin embargo, el período de revisión retrospectiva de rendimiento más corto (60
días) encontró que el uso de conjuntos de parámetros que había un mal desempeño
de hecho mejorar los resultados.
El debate sobre la optimización no terminará pronto. Algunos comerciantes
creen que es una necesidad absoluta, mientras que otros creen que es un mal
evitable. Aunque estoy de acuerdo en que es importante para optimizar para probar
la estabilidad de los parámetros, la evidencia anterior sugiere que no hay una
respuesta clara. Sí parece que algunos conjuntos de parámetros realizan bet-ter que
otros a lo largo de la vida de las pruebas de rendimiento, pero que la optimización
de param-etros con frecuencia sobre la base de "la mano caliente" no pueden ser
mejores que pegarse con el conjunto de parámetros que se ha realizado el mejor
durante un marco de tiempo más largo.

Filtrado para mejorar la rentabilidad

Filtrado, tal como lo definimos en el capítulo 3, es el proceso de decidir cuándo anular
las señales de comercio. El uso más común de filtrado es dentro de los sistemas de
seguimiento de tendencias, donde las señales se toman solamente cuando un filtro
tendencia como el ADX está aumentando o por encima de un punto fijo. La sabiduría
popular sostiene que cuando los filtros de tendencia como el ADX está aumentando,
las estrategias de seguimiento de tendencias que se obtienen mejores resultados cuando
se caiga. Aunque he visto esta tendencia en el tiempo el argumento de filtro y otra vez,
nunca he visto evidencia de que el uso de un filtro mejora el rendimiento. Al igual que
otras ideas de este libro, vamos a examen-ine si el uso de filtros en efecto, mejorar el
rendimiento estrategia de negociación.

Similitudes de Trend Filtros: ADX y VHF

Si bien hay muchas formas de medir si un mercado está en tendencia, la mayoría
son muy similares entre sí. Figura 6.5, a continuación, es un gráfico de los datos de
precios al azar junto con dos filtros tendencia popular: un ADX de 14 días y un día
30 Filtro Vertical Horizontal (VHF). Tenga en cuenta que los filtros se siguen una
a otra muy de cerca. De hecho, muchas veces son virtualmente indistinguibles.
Estos filtros hacen un buen trabajo de identificar cuando una tendencia ya ha
desa-desa-, pero ¿qué pasa si la identificación de tendencias continuarán? Para
responder a esta pregunta tenemos que probar la efectividad de los filtros de
tendencia, que vamos a por una estrategia de seguimiento de tendencias.
 Medir el valor de Filtrado
Para probar la eficacia de los filtros, volvemos a la estrategia de ruptura del canal.
Hemos probado a / de 20 días ruptura canal de salida el día 40-entrada en los datos
de acciones y futuros de
118 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Similitudes de Trend Filtros

140 Ultimo 200
precio
14 días ADX 180
(espesor)
130 14 días VHF
(delgada) 160
140
120

ADX / VHF
120
Último

110 100

80
100
60

40
90
20
80 0

3
0
0
120

180

240
30

15

21

27
0

6
0

9
0

0
Día

FIGURA 6. 5

Las similitudes de la tendencia de filtros. El movimiento de ADX y VHF son similares.

De 1990 a 2001. Se filtra entradas para tomar señales sólo cuando el ADX 14 días
fue de entre x y x + 5 (donde x va desde 15 a 30 incrementos de 5). Además,
probamos otra carrera para tomar señales sólo cuando el ADX 14 días fue de entre
x y x + 5 y el ADX de 14 días se levantaba. Los gráficos resultantes se representan
en las Figuras 6.6 a través de 6.9.
Los gráficos indican dos historias, dependiendo del tipo de mercado. Para
futuros, vemos que los resultados de la ruptura del canal podrían mejorarse
haciendo caso omiso de las señales trad-ción cuando el ADX de 14 días es menos
de 20. Estas señales filtradas producen ratios de Sharpe que eran mucho peor que
entrar en operaciones con valores más altos de ADX. Los resultados son
consistentes si solicitamos al ADX ser ascendente o no.
Para las acciones, sin embargo, lo contrario parece ser verdad. Operaciones
entraron cuando el valor de ADX 14 días fue de menos de 20 ratios de Sharpe
generados mucho mejor que los comercios introducidos durante los períodos de los
valores más altos de ADX. En esencia, los datos nos dicen para evitar señales de
seguimiento de tendencias cuando los futuros se ven atrapados en los mercados
laterales, pero para tomar señales de seguimiento de tendencias cuando las acciones
están en los mercados laterales.
 Estrategias de conmutación de régimen
También podemos utilizar filtros de tendencia a recoger la estrategia adecuada para
adaptarse al régimen actual del mercado. En estos modelos de cambio de régimen,
se comienza por la identificación de mercado
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 119

Filtrar resultados de ADX sobre futuros utilizando ruptura del

canal
0.50

0.45
Proporci

0.40
ón

0.35
Sharp
e

0.30

0.25

ADX30-35
ADX15-20

ADX20-25

ADX25-30

ADX35 +
0.20

Sin filtro
ADX10-15

FIGURA 6. 6

Resultados de ADX Buscar solo los futuros en base de ruptura del canal. Los resultados de una
entrada Salida / 20 días 40 días señales tak-ción en diferentes niveles ADX de 14 días.

Filtrar resultados de ADX sobre Acciones utilizando ruptura

del canal
0.40

0.35

0.30
Propo
Sharpe rción

0.25

0.20

0.15

0.10

0.05

0.00
ADX30-35
ADX15-20

ADX20-25

ADX25-30

ADX35 +

Sin filtro
ADX10-15

FIGURA 6. 7
Resultados de ADX Filtros en las poblaciones de Uso de ruptura del canal. Los resultados de una
entrada Salida / 20 días 40 días señales tak-ción en diferentes niveles ADX de 14 días.
120 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Resultados de Rising Filtro ADX sobre futuros utilizando ruptura

del canal
0.50

0.45
Proporci

0.40
ón

0.35
Sharp
e

0.30

0.25 ADX15-20

ADX20-25

ADX25-30

ADX30-35
0.20

ADX35 +

Sin filtro
ADX10-15

FIGURA 6. 8

Resultados de ADX El aumento en las poblaciones de Uso de ruptura del canal. Los resultados de
una entrada Salida / 20 días 40 días señales tak-ción a diferentes niveles crecientes ADX de 14
días.

Resultados de Rising Filtro ADX sobre Acciones utilizando

ruptura del canal
0.30

0.25
Proporció

0.20
n

0.15
Sharp

0.10
e

0.05
ADX15-20

ADX20-25

ADX25-30

ADX30-35

0.00
ADX35 +

Sin filtro
ADX10-15
 FIGURA 6. 9

Resultados de ADX El aumento en las poblaciones de Uso de ruptura del canal. Los resultados de
una entrada Salida / 20 días 40 días señales tak-ción a diferentes niveles crecientes ADX de 14
días.
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 121

Unidos basado en un filtro de tendencia y aplicar la estrategia apropiada, como se

ve en la Figura 6.10:

Régimen estado de tendencia Estrategia

La media de los precios RSI oscilador para tomar señales de
ADX <15 reviertan tendencia de contador
paseo aleatorio, no hay una
15 <ADX> 25 tendencia, sin comercio
sin reversión a la media de
los precios
ADX> 25 los precios de tendencia 40 días de ruptura del canal / 20 días

FIGURA 6. 1 0

Régimen de conmutación Reglas. Dependiendo del valor de un ADX de 14 días, vamos a utilizar
un canal de fuga o estrategia RSI.

Probamos esta relación a partir de datos históricos para un mercado de futuros

de bonos del Tesoro, (Figura 6.11) y una madre (Merrill Lynch, Figura 6.12). En
adi-ción a la ruptura / 20 canales de 40 días, probamos un sistema RSI de 14 días
estándar que entra en corto en cruces por encima de 65 y largo en cruces por debajo
de 35. Para cada día de la prueba, medimos la ganancia del día o pérdida para ambas
estrategias y el valor de ADX de 14 días para cada mercado. Al final de la prueba
agregamos las pérdidas y ganancias en base a los valores del ADX. Si el valor de
ADX de hoy es 23, luego añadimos el resultado del ejercicio de la ruptura del canal
del día a la papelera de 20-25 para el ADX. Hacemos lo mismo para la estrategia
de RSI. Al final de la prueba, tenemos una media de la ganancia diaria y la pérdida
de la papelera de ADX.
Tanto el mercado de futuros (T-bonds) y la acción individual (Merrill Lynch)
tienen características de pérdidas y ganancias bien definidos. La estrategia de
ruptura del canal parece funcionar mejor cuando el ADX de 14 días es muy bajo o
muy alto (ADX val-UES menores de 20 y mayores de 30). La estrategia de RSI de
14 días parece funcionar mejor cuando el ADX de 14 días es en cualquier lugar
entre el 20 y el 30. El uso de estas-cie Tenden, volvemos a escribir las reglas para
nuestra estrategia de régimen (Figura 6.13).
Ahora podemos crear una estrategia más sólida usando una combinación de
una ruptura de canales y estrategias de RSI para aprovechar el estado actual del
mercado.

Usando el filtrado de la rentabilidad de la última

operación
Las pruebas anteriores datos de precios utilizar para determinar si el mercado está
en tendencia o no de tendencias y se selecciona una estrategia adecuada para
aprovechar el entorno del mercado. También podemos utilizar los datos no
asociados con el precio para determinar cuándo negociar.
Un filtro popular que se remonta a mediados de la década de 1980 es el
concepto de la última operación. Algunos teorizan que los comerciantes
operaciones ganadoras generalmente van seguidas por la pérdida de oficios, y los
perdedores por los ganadores. En esencia, la idea es que el comercio por el
comercio
 Ganancia diaria frente al nivel de ADX en T-Bonds
$ 1.500
ruptura de canal
RSI
$ 1.000

Promedio DailyProfit $ 500

ADX30-35
ADX25-30
ADX20-25
ADX15-20

ADX35 +
$0

ADX10-15
- $ 500

- $ 1.000

- $ 1.500

FIGURA 6. 1 1

Ganancia diaria frente al nivel de ADX en T-Bonds. Existe un patrón definitivo para la ejecución de
las estrategias de ruptura del canal y RSI. La ruptura del canal se comporta mejor en valores
extremos de la ADX de 14 días. mientras que el RSI se desempeña mejor en los valores medios.

Ganancia diaria frente al nivel de ADX sobre Merrill

Lynch
$ 1.500
ruptura de canal
RSI
$ 1.000
Lucro

$ 500
ADX15-20

ADX
35 +
ADX25-30
ADX20-25

ADX30-35

$0
Promedio

ADX10-15
diario

- $ 500

- $ 1.000

- $ 1.500

FIGURA 6. 1 2

Ganancia diaria frente al nivel de ADX sobre Merrill Lynch. Aunque no es tan pronunciado como
los bonos del tesoro, existe un patrón similar en los dos estrategias aplicadas a Merrill Lynch.

122
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 123

Régimen estado de tendencia Estrategia

Tendencia a empezar 40 días de ruptura del canal / 20
ADX <20 pronto días
la reversión de los precios
20 <ADX <30 significa estrategia de RSI de 14 días
40 días de ruptura del canal / 20
ADX> 30 los precios de tendencia días

FIGURA 6. 1 3

Reglas Régimen de conmutación refinados. Sobre la base de los resultados anteriores, que
ajustamos nuestra estrategia de negociación de conmutación de régimen.

beneficio es reversión a la media en el tiempo. Otros sostienen que las estrategias

tienden a ser "caliente", muy similar a un juego de disparos en una mesa de dados,
y que nos debe empujar el acelerador a fondo en nuestro comercio cuando la última
operación fue un ganador. Como la mayoría de las teorías en conflicto en este libro,
podemos probar el rendimiento históricamente para determinar que, en su caso, de
estas dos ideas tiene mérito.
El uso de la ruptura del canal de entrada Salida de 40 días / 20 días, vamos a
filtrar las señales de entradas sólo para tomar cuando (1) la última operación fue un
ganador y (2) la última operación era un perdedor.
Los resultados, como se ve en la figura 6.14, indican que la toma de las
operaciones de ruptura del canal después de que se ha cerrado una operación
ganadora es un caso perdido. Mientras que una estrategia de ruptura del canal stan-
dard produce beneficios, ambos futuros y acciones producen pérdidas si sólo
tenemos operaciones después de ganar el comercio. Por otro lado, teniendo oficios
sólo después de la pérdida de oficios es sólo una ligera mejora de tomar todas las
operaciones del canal de subcomisión. En el mercado de futuros, teniendo señales
después de perder los oficios produce cerca de la mitad de los beneficios como la
toma de todos los oficios con medidas ligeramente inferior a la recompensa-riesgo.
En las acciones, teniendo señales después de perder los oficios únicamente unos
beneficios ligeramente menores con medidas mucho más alto-recompensa a riesgo.

Operando con el gráfico de liquidez

Otra posibilidad es que los rendimientos de estrategia se autocorrelated positivamente.
En el capítulo 2 definimos autocorrelación como la previsibilidad de los valores de una
época en la siguiente. Hay dos estados de autocorrelación: positivos y negativos. existe
autocorrelación positiva-ción cuando es mayor que los valores medios tienden a
conducir a mayores que la media val-UES en el próximo período, y viceversa.
autocorrelación negativa se produce cuando los valores mayores que el promedio
conducen a menos de valores medios. Si existe autocorrelación en los retornos de
estrategia, podemos incorporar los últimos datos de rendimiento en nuestros
comerciales SIG-nales como un filtro. Este proceso de filtrado de operaciones sobre la
base de los resultados anteriores se refiere a menudo como "abuso de la curva de la
equidad."
Utilizando los resultados recientes para filtrar las señales de comercio es una
nueva y excitante área de investigación comercial cuantitativa. Esa nueva
concepción puede poner a los comerciantes por delante de la
124 PARTE 1 Fundamentos estructurales para mejorar el Comercio
técnico

Futuros

K-
proporció
Lucro n Ratio de Sharpe

todas las operaciones $ 5,971,279 0.12 0.41

Operaciones después de
ganar el comercio 2 $ 1,959,837 20.18 20.39
Operaciones después de
perder el comercio $ 2,971,124 0.06 0.37
Cepo
K-
proporció
Lucro n Ratio de Sharpe

todas las operaciones $ 3,511,542 0.06 0.16

Operaciones después de
ganar el comercio 2$ 5,752,819 20.30 20,77
Operaciones después de
perder el comercio $ 3,373,470 0.17 0.27

FIGURA 6. 1 4

Rendimiento de reglas basadas en la Última cotización. Vemos que la toma de señales después
de perder los oficios supera a tomar señales después de ganar el comercio.

curva en la determinación de cuándo sentarse en el banquillo o cuándo tener

confianza en las señales de comercio. Esta es un área de investigación que van a
pasar mucho tiempo en los próximos años.

¿Con qué frecuencia MERCADOS tendencia?

Con frecuencia escucho que el mercado sólo las tendencias del 25 por ciento de las
veces. La cuantificación de la frecuencia con que las tendencias del mercado es
muy vaga ya que los resultados son totalmente dependientes de una definición de
una tendencia. Si defino una tendencia a ser 10 cierra consecutivos en cualquier
dirección, entonces la mayoría de los mercados pasan años entre las tendencias. Del
mismo modo, si defino la tendencia como dos cierres consecutivos en cualquier
dirección, entonces los mercados están en tendencia aproximada-mente 50 por
ciento de las veces. Claramente, la definición de una tendencia de gran influencia
en la frecuencia con la que hacen los mercados tendencia.
De acuerdo con la hipótesis de los mercados eficientes / caminata aleatoria,
esperaríamos que sea rentable aproximadamente el 50 por ciento del total de días de
negociación cuando aplicamos técnicas de seguimiento de tendencias. Este nivel del 50
por ciento es nuestra hipótesis de referencia. Para probarlo, vamos a aplicar nuestro 40
días de ruptura del canal / 20 días de acciones y futuros mar-cados. Para medir la
tendencia a la tendencia, se calcula el número total de días que se encuentran en
operaciones ganadoras y compararlo con el número total de días que se encuentran en
la pérdida de oficios. Es decir, si un comercio tiene una duración de 25 días desde la
entrada hasta la salida, serían o bien pueden añadir esos 25 días para un total de días
ganadoras si el comercio es rentable, o los 25 días se sumaría a los días totales
perdedoras si la operación no era rentable o punto de equilibrio .
Capítulo 6 Parámetros de optimización y filtrado de señales de comercio 125

Por ciento de los Días Futuros de tendencia

80,0%

75,0%
Tendenci
70,0%
de dias as

65,0%

60,0%

55,0%
ciento

50,0%
Por

45,0%

Connect
PLSL

40,0%

NOS
FCS

icut
GC

HG
CC
HU

ED
SF
do
LB
W
Contrato

FIGURA 6. 15

Por ciento de los Días Futuros de tendencia, eurodólares franco suizo, y la tendencia de maíz con
mayor frecuencia, mientras que el alimentador gato-tle, la soja, y la tendencia de la gasolina sin
plomo lo más mínimo.

Días ciento de Stocks de tendencia

80,0%

75,0%
Tendencia

70,0%

65,0%
de dias s

60,0%

55,0%
ciento

50,0%
Por

45,0%

40,0%

Valores
6.
dieciséi
FIGURA s
Por ciento de los Días de la tendencia. General Motors, el Nasdaq 100, y Merrill tendencia más
frecuencia, mientras que MMM, Dupont, y Fannie Mae tendencia lo menos.
126 PARTE 1 Fundamentos estructurales para mejorar el
Comercio técnico

Como vemos en los resultados en las figuras 6.15 y 6.16, el porcentaje

de días de mercado rentables promedios mucho más altas que nuestra hipótesis
de un 50 por ciento. Para futuros, el porcentaje promedio de días de
negociación rentables es del 63 por ciento. Para las acciones, el num-ber es del
61 por ciento. Como era de esperar, los valores más altos se registran para
MAR-mercados que funcionan muy bien en la ruptura del canal y en
movimiento simulaciones de negociación media de cruce.
Teniendo en cuenta estos resultados, sugiero que los mercados de tendencia más o menos el 60
por ciento de las veces. El hecho de que la media cae mayor que 50 por ciento sugiere que los
mercados de hecho
 LA SEGUNDA PARTE
Aprovechar el poder de técnicas cuantitativas para
CREAR UN PROGRAMA DE OPERACIONES 127

PARTE DOS

El poder de las técnicas cuantitativas para

crear un programa de comercio

Tque la segunda mitad del libro está diseñado para abrir los ojos del lector a los
nuevos métodos y los mercados nunca antes discutidos. He desarrollado nuevas
entradas y salidas en los últimos 15 años de actividad, y animo al lector a explorar
estas técnicas en su propio comercio y la investigación.
Voy a presentar una serie de mercados fuera del ámbito de acciones y futuros
que son ideales para la aplicación de técnicas cuantitativas. Vamos a ver en renta fija
valor relativo de arbitraje, mercancía valor relativo de negociación, los pares de
valores trad-ción, el comercio de la volatilidad implícita, así como el índice de
acciones valor relativo de arbitraje. A continuación, vamos a explorar algunas de las
estrategias más simples para el comercio de las técnicas de S & P 500 a
computacionalmente bastante fácil de operar en forma efectiva sin software.
También voy a introducir una nueva herramienta para determinar el apalancamiento
óptimo en nuestras carteras de negociación. Por último, todos los nuevos conceptos
de este libro se reunirán para crear un sistema de comercio de los mercados de
futuros.

127

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
Esta página está en blanco
intencionadamente.
 CAPÍTULO 7

La disección de Estrategias Actualmente

Disponible
Lo que funciona y lo que no funciona

yo n este capítulo vamos a combinar todas las técnicas estudiadas hasta el momento
y aplicarlos a probar y evaluar estrategias de negociación de acciones y futuros.
Considero esta sección única, ya que algunos textos existentes examinar el
rendimiento de las estrategias de negociación en los mercados de acciones y futuros
en una, la comparación de manzanas con manzanas de lado a lado. Con la
introducción de futuros sobre acciones, las líneas se desdibujan entre estas dos clases
de activos.

Prueba Stock y mercados de futuros

Cada estrategia se pondrá a prueba en 29 mercados de futuros negociados a nivel
nacional y 34 a nivel nacional negociados de acciones y de valores índices utilizando
la evaluación del desempeño tech-técnicas que se describen en el Capítulo 3.
Los mercados de futuros (Figura 7.1) provienen de una amplia variedad de
sectores: comercio exterior, productos de tipos de interés, índices bursátiles, metales
industriales y preciosos, energía, cereales, carnes y materias primas agrícolas.
Existencias (Figura 7.2) se clasifican en función de las clasificaciones sectoriales
desarrollados por parte de Standard & Poor. Acciones individuales que representan
a los nueve sectores fueron elegidos: energía, materiales, industria, con-de consumo
discrecional, bienes de consumo básico, cuidado de la salud, información financiera,
información de tecnología-logía, y telecomunicaciones. Además de las existencias
individuales, también se prueban tres índices de acciones populares. Todas las
pruebas de estrategia comenzará el 1 de enero de 1990 al 31 de diciembre de 2001.
 129

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
130 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Sector Símbolo Mercado

ANUNCI
divisas O Dólar australiano
BP Libra británica
discos
compacto
s Dolar canadiense
JY Yen japonés
SF Franco suizo
Tasas de interés ED Euro dólar
TY Letras del Tesoro a diez años
NOS Treinta años de los bonos del Tesoro
Standard & Poor 500 Índice de
Índice bursátil SP Acciones
Rieles GC Oro
HG Cobre
PL Platino
SI Plata
Energía CL Petróleo crudo
HO Aceite de calefaccion
HU Gasolina sin plomo
granos do Maíz
S La soja
W Trigo
carnes FC ganado de engorde
LC Ganado vivo
LH Los cerdos vivos
PB Vientres de cerdo
materias primas
agrícolas CC Cacao
Connectic
ut Algodón
JO Zumo de naranja
KC café
LB Maderas
SB Azúcar

FIGURA 7. 1

Los mercados de futuros probadas. Veintinueve de futuros son probados en nuestra evaluación de
desempeño.

La configuración de futuros CONTRATOS CONTINUOS

Un contrato de futuros es un acuerdo para comprar o vender el activo subyacente a
un precio espec-cado en una fecha determinada en el futuro. Si compro un contrato
de maíz de marzo y sostengo hasta el vencimiento, se me pedirá que pagar por el
valor de y recibirlas en 5000 bushels de maíz alojados en un almacén en marzo.
 En realidad, esto no sucede a menudo. Muy pocos de los contratos de futuros
trad-ed se mantienen hasta su vencimiento. La mayoría se rodó ya sea en el próximo
mes de contrato o cerrado antes del vencimiento de futuros. La medida del número
de los futuros
Capítulo 7 Estrategias de disección actualmente disponibles 131

Sector Símbolo Mercado

Energía SLB Schlumberger

XOM Exxon Mobil
Automóvil
club
Materiales basicos británico Alcoa
DD Dupont
IP International Paper
licenciado
Acciones industriales en Letras Boeing
GE Energia General
MMM 3M Company
consumo discrecional DIS Disney
GM Motores generales
HD Deposito de casa
WMT Wal-Mart
Productos básicos de
consumo GRAMO Gilette
KO Coca Cola
mes Phillip Morris
PG Procter & Gamble
Cuidado de la salud AMGN Amgen
BMY Bristol Meyers
JNJ Johnson y Johnson
PFE Pfizer
Finanzas AIG AIG Internacional
FNM Fannie Mae
MER Merrill Lynch
tecnología Información AAPL computadora Apple
DELL Dell Computer
IBM IBM
INTC Intel
MSFT microsoft
SUNW Sun Microsystems
TXN Instrumentos Texas
Telecomunicaciones VZ Verizon
Índices bursátiles SPX Standard & Poor 's 500
NDX Nasdaq 100
RODERA Russell 2000

FIGURA 7. 2

Stocks probadas. Treinta y cuatro poblaciones se prueban en nuestra evaluación de desempeño.

contratos pendientes, llamado el interés abierto, por lo general los picos de

alrededor de dos a cuatro semanas antes de que expire el contrato.
 En nuestro comercio cuantitativa, debemos crear una metodología para empalmar
los contratos de futuros con vida definida. Vamos a crear una serie de precios continua
132 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

juntando datos de precios asociados con cualquier contrato de futuros poseer-es el

interés más abierta. Debido a que los contratos de futuros tienen vidas limitadas
específicas, hay que rodar posiciones de un contrato a otro mientras se acerca a la
expiración. Si bien hay muchos métodos para lograr este procedimiento de
contratación de laminación, he elegido el método de respaldo ajustado para crear
una serie temporal coherente de los precios de futuros.
Cuando expiren los contratos y los rollos para el próximo mes de un mes a
otro, se forman huecos en la acción del precio. La figura 7.3 muestra las brechas
que se producen cuando solo mirar los precios para el próximo mes. Utilizando
precios eurodólar para el próximo mes, vemos cómo los precios varían de un mes
a otro. Se hace imposible de resolver las lagunas que se deben a contraer rollos y
el que las diferencias de precios se deben a negociar.
Para ver un ejemplo del método de respaldo ajustado vamos a suponer que
estamos comercio de algodón de octubre. A medida que se acerca a vencimiento de
futuros, vamos a querer dejar de centrarse en el contrato de octubre y en lugar de utilizar
el contrato de diciembre como participantes en el mercado comienzan a cerrar sus
posiciones de octubre y diciembre inician posiciones (ver Figura 7.4). Este rodillo
puede presentar problemas cuando se analizan los datos de precios ya que los contratos
de octubre y diciembre no el comercio al mismo precio. Diciembre típicamente
comercializar con una prima de octubre debido a una mezcla de costos de transporte y
costos en edad stor. Tendremos que ajustar nuestros datos para tener en cuenta la
diferencia de precios cuando cambiamos de octubre al contrato de diciembre. La parte
posterior ajustados

Para el próximo mes de eurodólares precios

99.0
rollo de
contrato

98.0
rollo de
contrato

97.0
brecha
real
30/10/2001

96.0
09/14/2001

13/12/2001

01/30/2002

03/14/2002

04/29/2002

07/24/2002
8/1/2001

6/11/2002

9/5/2002
 Fech
a

FIGURA 7. 3

Para el próximo mes de eurodólares precios. Al observar los precios de futuros solamente para
el próximo mes, nos exponemos a precio vacíos creados cuando los contratos expiran.
Capítulo 7 Estrategias de disección actualmente disponibles 133

Datos de algodón hipotética - 30 Septiembre

Abiert Resolv
Madurez o Alto Bajo er Volumen Interes abierto

octubre 51.5 51.7 50.8 51 8.000 20.000

diciembre 52.1 52.3 51.4 51.5 8.000 19.500

FIGURA 7. 4

Hipotética de datos de algodón. Mediante el ajuste de nuestros datos por la diferencia entre los
valores de configuración de diciembre tlement octubre y, podemos crear un contrato continuo
respaldo ajustado.

Método calculará la diferencia entre los contratos y ajustar todos los datos
anteriores para llenar la brecha entre los dos.
El 30 de septiembre, octubre de algodón de caducidad asienta en 51,0,
mientras que el algodón de vencimiento diciembre asienta en 51,5. Vamos a
suponer que este es el último día cuando el interés abierto del mes de octubre supera
el interés abierto en diciembre. A partir del 1 de octubre vamos a utilizar los precios
del algodón de diciembre para nuestros propósitos comerciales y de investigación.
Ajustamos todos nuestros datos anteriores mediante la adición de 0,5 a todos los
precios con el fin de compensar la diferencia entre los últimos precios registrados
de octubre y diciembre Colocar-mentos. Después del ajuste, registramos precios de
los contratos de diciembre hasta el próximo tiro contrato. Este proceso continúa
indefinidamente. El resultado es que mantenemos un registro de la mayoría de los
precios de los contratos activos y compensan la diferencia entre un contrato y la
siguiente cada vez que un contrato de futuros acerca a la madurez.
Utilizando la técnica de back-ajustado para ajustar los datos de precios de futuros
no está exenta de defectos. Como resultado de un ajuste continuo de las diferencias de
precios entre los contratos, nuestros datos ya no ser una representación exacta de los
precios reales negociados. Si nos volcamos nuestros contratos de algodón de 10 veces,
y la diferencia media entre los contratos fue de 0,5, nuestros primeros puntos de datos
será mayor que 5.0, donde los precios efectivamente se negocian en el momento. De
hecho, en algunos mercados nuestros ajustes pueden conducir a precios negativos, un
rasgo que es cer-tainly no es posible en la vida real. Aunque nuestros precios espalda
ajustados pueden ser notablemente diferentes a los precios reales registrados, el
movimiento relativo de los precios se deja intacta.
Este proceso de ajuste es lógicamente consistente, porque estamos creando
estrategias para operar el movimiento relativo de los precios. Estrategias en las que
el nivel absoluto de precios se utiliza en las decisiones comerciales no serán
aplicables a nuestros datos ajustados de nuevo. Aunque esto puede sonar como una
falla dramática, hay muy pocas estrategias que los niveles actuales son críticos en
la generación de señales de operación. Por ejemplo, un alto de 40 días sigue siendo
una de 40 días de alta, independientemente de cómo se han ajustado los precios.
La normalización de valores y de futuros VOLATILIDAD
La siguiente cuestión a abordar es determinar el número de contratos de futuros y
de acciones para el comercio con el fin de igualar cada señal para el comercio.
Como vimos en el capítulo 2, la volatilidad valor en dólares de una línea de S & P
500 contrato es mucho más grande que el dólar
134 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

valor de volatilidad de un contrato de maíz. Una proporción del comercio del GE

en $ 60 puede ser más o menos volátil de una cuota de negociación INTC en $ 30.
Tomado aún más, $ 100 de CSCO acciones probablemente más volátiles que los $
100 de MRK de valores. Tenemos que crear un método de igualación de la
volatilidad de los mercados para nuestra evaluación estrategia de negociación, ya
sean futuros o acciones.
No puedo enfatizar la importancia de este concepto con el fin de generar la
evaluación del desempeño que significa-ful. Numerosas pruebas en los mercados
de futuros se completan en el que las estrategias comerciales de un contrato de cada
uno de los S & P 500, el maíz, el trigo y el algodón. Los resultados de este sistema
será relativamente sin sentido. El rendimiento del S & P 500 dominará los
resultados de la cartera debido a su volatilidad del dólar abrumadora en
comparación con los otros tres mercados.
Para ilustrar este ejemplo de riesgo desequilibrada, examinamos dos carteras:
uno para las acciones y otro para los futuros. La cartera de valores contiene dos
empresas: Yahoo (YHOO) y Phillip Morris (MO). Yahoo es un portal de Internet,
un negocio muy volátil durante el último par de años. Phillip Morris es un gran
productor de alimentos y tabaco y comercializador diversificado. Nuestra cartera
comienza el 1 de enero de 1998, con $ 50 de cada población. La figura 7.5 presenta
un gráfico del valor de nuestra cartera, con el valor de YHOO y el valor de MO.
Cuando se compara el valor de la cartera en contra de los valores de las dos
acciones que lo componen, nos damos cuenta de que la cartera se mueve al unísono con
el valor de YAHOO. Es

Igualdad de dólar ponderado de la cartera (YHOO y MO)

250

200

150
Valor

portafolio
100
YHOO
50
mes

0
31.12.98
02.28.9

30.04.99

30.06.99

31.08.99

10/31/99

31.12.99

02.29.00

30.04.00

30.06.00

31.10.00

31.12.00

02.28.01

30.06.01

31.08.01

31.10.01
12/31/01
8/31/00

4/30/01
9

Fech
a
FIGURA 7. 5

Igualdad de dólar ponderado de la cartera (YHOO y MO). Debido YHOO es mucho más volátil
que el MO, el valor de la cartera está dominado por los cambios de precios de las acciones
YHOO.
Capítulo 7 Estrategias de disección actualmente disponibles 135

casi como si la parte de MO de la cartera es irrelevante. Así es la vida cuando tratamos

con poblaciones de diferente volatilidad. Durante la vida útil de esta cartera, YHOO es
casi tres veces más volátil como OM frente usando la desviación estándar de los
rendimientos. Con el fin de reequilibrar estas poblaciones a tener la misma importancia
a las declaraciones de nuestro puerto-folio, tenemos que ajustar los coeficientes
basándose en alguna medida de la volatilidad.
Ajuste de la cantidad de dinero invertido en cada título al comienzo de la cartera
no será suficiente para lograr nuestro resultado deseado. Una equilibrada port-folio de
un solo día se convierte en la siguiente desequilibrada, ya que algunas poblaciones
superan mientras OTH-ers un rendimiento inferior. En el ejemplo YHOO y MO,
supongamos que hemos invertido $ 25 en YHOO y $ 75 en MO en el comienzo de la
cartera. Debido YHOO es áspero-ly tres veces tan volátil como MO, el riesgo de nuestra
cartera de cada acción es de aprox-madamente la misma. Pero si YHOO duplica y MO
cae en un 33 por ciento, entonces nuestra participación YHOO tendrá un valor de $ 50
y nuestra participación MO tendrá un valor de $ 50. Nuestra cartera no ha cambiado y
sigue siendo un valor de $ 100, pero nuestro riesgo ha cambiado. Debido YHOO es tres
veces tan volátil como MO, nuestra exposición eficaz para YHOO es aproximadamente
tres veces más grande que nuestra exposición a MO. Si queremos volver a equilibrar
nuestra exposición de nuevo a nuestra original $ 75 para MO y $ 25 para YHOO,
tendremos que vender y comprar YHOO MO. Esta es exactamente la forma de
gestionar las carteras cuantitativas mediante sistemas de comercio.
Problemas similares se presentan en los mercados de futuros cuando el comercio
en una sola base-con- trato. A continuación se muestra la ganancia y la pérdida de ser
un contrato a largo del S & P 500 y un contrato de maíz desde 1 de enero de 1998
(Figura 7.6). Es evidente que nuestro rendimiento es totalmente dependiente de la S &
P 500. El pérdidas y ganancias de la abertura de folio y el S & P 500 son indistinguibles.
La ganancia y la pérdida de la con-las vías de maíz es prácticamente de sentido a la
cartera. Dentro de nuestros sistemas de comercio, vamos a querer tratar a cada mercado
como iguales. Necesitamos ajustar los tamaños de contrato en función de la volatilidad
de cada mercado con el fin de igualar los diferentes contratos que el comercio.
Las pruebas de este libro no van a sufrir el mismo destino que los ejemplos
anteriores. Ya sea acciones, futuros, o de otro tipo, vamos a utilizar sistemas de
ponderación inteligentes que PESO dinámicamente cada mercado basada en la
reciente volatilidad del mercado. Para futuros, el número de contratos se calcula en
la entrada de cada comercio mediante la fórmula de seguimiento-ción:
$ 10.000
Número de contratos para el comercio = }}}}}
σ100daypricechanges ContractMultiplier

Determinamos el número de contratos para el comercio con cada señal de entrada

al dividir $ 10.000 tanto la desviación estándar de los últimos 100 cambios de precios
diarios y el multiplicador del contrato del contrato de futuros. Esta fórmula utiliza
reciente volatilidad del mercado para determinar el número de contratos para el
comercio en un día determinado. A medida que aumenta volatil-dad, medida por la
desviación estándar de los cambios de precios, se reduce el número de contratos. A
medida que disminuye la volatilidad, se incrementa el número de contratos para el
comercio. El multiplicador del contrato, que se encuentra en el denominador de la
ecuación, repre-senta el valor en dólares de un movimiento de unidad de base para cada
contrato. Estos números varían de un contrato de futuros para contrato de futuros. Para
la mayoría de los contratos de granos, el contrato multi-
136 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

De pérdidas y ganancias del S & P 500 y del maíz

160.000

120.000
portafolio S & P 500

80.000
Lucro

40.000

Maíz
0

-40.000

1 // 30/2001
12/31/1997

06/11/1998

03/15/1999
05/14/1999
07/16/1999
09/16/1999
11/16/1999
01/21/2000
03/23/2000
05/24/2000
07/26/2000
09/26/2000
27/11/2000

12/10/2001
1/11/1999

10/9/2001
3.5.1998
5/6/1998
7.8.1998
8.9.1998

2.4.2001
6/4/2001
3.8.2001
Fecha

FIGURA 7. 6

De pérdidas y ganancias del S & P 500 y el maíz. Operando con un contrato de S & P 500 y el
maíz conduce a otra cartera desequilibrada debido a la volatilidad del dólar de un contrato de S
& P 500 es mucho mayor que la de un contrato de futuros de maíz.

tiplier es de $ 50. Es decir, un aumento de un centavo o disminución es un valor de $

50 por contrato. En el S & P 500, el multiplicador del contrato es de $ 250. Para los
bonos del tesoro, este número es de $ 1.000. El uso de un ejemplo teórico, si la
desviación estándar de los últimos 100 declaraciones de precios es de ocho puntos en
el S & P 500, entonces nuestro sistema cambiaría cinco contratos:
$ 10.000
Número de contratos para el comercio = }}} = 5 contratos 8pts ? $
250percontract

Como vemos en el gráfico de la figura 7.7, el número de contratos para el

comercio de S & P 500 ha descendido en estos años, en consonancia con un
aumento en el nivel de precios y el porcentaje volatilidad del S & P 500.
Este tamaño del contrato de forma dinámica ponderada resuelve el desajuste
volatilidad del mercado de futuros. Lo bueno de este método es que cada comercio
debe tener igual volatilidad esperada como cada comercio pasado y el futuro,
independientemente del nivel de precios o el tamaño nominal del contrato de
futuros. Cuando la ponderación de los contratos de acuerdo con la fórmula anterior,
la diferencia entre los contratos se minimiza. A continuación, en la figura 7.8,
vemos el prof-it y la pérdida de ser larga S & P 500 futuro y un contrato de maíz
cuando se pondera por nuestra fórmula tamaño del contrato. Después del ajuste del
contrato, la volatilidad de los rendimientos es más o menos similar para el S & P
500 y el maíz.
Capítulo 7 Estrategias de disección actualmente disponibles 137

S & P 500 contratos de futuros

1700 50

Nivel SPX 45
Los contratos para 40
el comercio
1200
35
30
700 25

contratos
20
15
&
S

L
5
0
0

200
10
5
-300 0
25.05.95
10.03.95

19.06.96
25.10.96

15.07.97

19.11.97

10.08.98
16.12.98
28.04.99

01.12.00
22.05.00
28.09.00

18.06.01

10/30/0
9.2.96

6.3.97

4.1.98

9.3.99

7.2.01

1
Fech
a

FIGURA 7. 7

S & P 500 contratos. Nuestro tamaño del contrato de ajustar dinámicamente negociará un
menor número de contratos como los precios y aumento de la volatilidad.

Por el lado de las acciones, realizamos un cálculo análogo para generar el

número de acciones para el comercio. Al igual que en el ejemplo S & P 500, que el
comercio de un menor número de acciones como el precio y la volatilidad de que
el alza de las acciones. La razón por la que la cuota tamaño peso por la volatilidad
en lugar de precio de la acción tiene que ver con volatilidad variable entre los
valores de sectores diferentes.
empresas de tecnología como Yahoo (YHOO) con perspectivas de negocio
de riesgo y flujos de caja inestables son mucho más volátiles que las empresas
establecidas y maduras con flujos de ingresos muy predecibles como McDonalds
(MCD). Al igual que en el ejemplo anterior cartera de futuros, el comercio de una
cartera de valores que consiste en $ 10,000 cada uno de YAHOO, MCD, GE y
MRK es muy inconsistente. La mayoría de rendimiento de la cartera será
determinado por su componente más volátil, YHOO. Ponderando cada stock de su
volatilidad, igualamos la importancia de todas las reservas en nuestra evaluación
de desempeño. Determinamos el número de acciones con el comercio de cada señal
de entrada al dividir $ 10.000 antes de la desviación estándar de los últimos 100
cambios en los precios diarios de las acciones.
$ 10,000
Número de acciones al comercio = }}
σ
100 días de retorno de precio
 En la Figura 7.9, a continuación, se analiza el número de acciones por el
comercio de General Electric (GE). Encontramos que a medida que reúne a la
población entre 1991 y 2001, que el comercio de un número de acciones.
138 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Del contrato se ajustará de pérdidas y ganancias

400.000

S & P 500 P /
L

200.000

Corn P / L
L
u

o
c
r

-200000
05/26/1998
07/21/1998
09/15/1998
09/11/1998

04/29/1999
06/24/1999
08/19/1999
14/10/1999
09/12/1999

05/31/2000
07/26/2000
09/20/2000
11/14/2000
01/11/2001

06/29/2001
08/24/2001
24/10/2001
19/12/2001
1.6.1999
3.4.1999

2.8.2000
4/4/2000

3.9.2001
4.5.2001
Fecha

FIGURA 7. 8

Contratar beneficio ajustado y la pérdida. Una vez que ajustamos nuestra cartera para negociar
los con-tractos ajustadas dinámicamente, las pérdidas y ganancias del S & P 500 y el maíz tienen
una volatilidad similar.

GE Datos de la bolsa y las Acciones de Comercio

70 120000

60 GE Datos de la
bolsa 100000
Acciones al
50 Comercio
80000
Precio de
mercado

40
Comparte

60000
30
40000
G
E

20

10 20000

0 0
25.05.95
10.03.95

10.08.98

10/30/01
19.06.96

25.10.96

15.07.97

19.11.97

16.12.98

28.04.99

01.12.00

22.05.00

28.09.00

18.06.01
9.2.96

6.3.97

4.1.98

9.3.99

7.2.01

Fecha

FIGURA 7. 9
GE Datos de la bolsa y las Acciones de Comercio. Nuestro tamaño del contrato de ajustar
dinámicamente será el comercio menor número de acciones ya que los precios y el aumento de
la volatilidad.
Capítulo 7 Estrategias de disección actualmente disponibles 139

TRATAMIENTO DE LA COMISIÓN Y DESLIZAMIENTO

Quizás el aspecto más controvertido de mi acercamiento a la evaluación del
desempeño es que todas las operaciones se tramitan sin deducir los cargos por los
costos de transacción que consisten en comisiones y deslizamiento.
Comisión es el costo fijo un comerciante paga a su agente para la ejecución de las
operaciones. comisión típica es entre $ 10 y $ 20 para la ida y vuelta de futuros oficios y $
0,02 a la 0,03 para ida y vuelta Stock comercios. El deslizamiento es la diferencia entre el
precio en una pantalla y el precio al que se han completado las operaciones. Estos costos
generalmente son más importantes gastos de comisión y pueden variar entre $ 50 y $ 150,
dependiendo del tamaño y liq-uidez del contrato de futuros, y $ 0,05 y $ 0,15 por acción en
el lado stock. He decidido no incluir tales costos con el fin de centrarse en la rentabilidad
pura de cada estrategia.
A pesar de que la prueba sin incluir los costes de negociación, nunca se
excitan sobre los resultados de rendimiento hasta que me factor en comisiones y
deslizamiento resultados. Si es una estrategia rentable, pero los costos de
transacción tomar la mayor parte del beneficio comercial, que puede considerar el
uso de la estrategia como una entrada o salida dentro de otro sistema. Otra razón
por la que no deducen los costos de transacción es la posibilidad de que un sistema
realiza tan mal que yo pueda considerar la adopción de señales exactamente
enfrente de la metodología original con el fin de crear una estrategia rentable. Puede
que se sorprenda cuántos sistemas prometedora que he creado mediante la inversión
de las reglas de las estrategias unprof-ITable.

RENDIMIENTO DE estrategias populares

Vamos a examinar algunas estrategias populares y ver cómo se desempeñan en los
mercados de acciones y futuros. Vamos a estar buscando en:
■
ruptura de canal
■
Doble cruce de media móvil
■
Impulso
■
La volatilidad del desglose
■
Estocástico
■
Índice de Fuerza Relativa
■
Convergencia se mueve Normal / Divergencia
Como se señaló anteriormente, cada estrategia se prueba en 29 mercados de
futuros y 34 poblaciones entre enero de 1990 y diciembre de 2001. Las señales son
generadas al cierre de cada día de negociación y ejecutado el precio de apertura del
siguiente día de negociación de.

de ruptura del canal

La primera estrategia es una ruptura del canal que entra mucho tiempo, cuando cerca
de un mercado es el nivel más alto de los últimos 40 días, y entra en seco cuando cerca
de un mercado es la más baja
140 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

cerca de los últimos 40 días. Longs si se sale de cierre de hoy es el nivel más bajo de
los últimos 20 días. Pantalones cortos si se sale de cierre de hoy es el cierre más alto de
los últimos 20 días.
El gráfico de la figura 7.10, a continuación, representa un ejemplo de la
estrategia de ruptura del canal aplicado a American International Group (AIG). Las
líneas continuas representan el nivel más alto de cerca y más bajo de los últimos 40
días. Cuando los precios suben por encima del canal superior, se genera una entrada
larga. Cuando los precios caen por debajo de la parte baja de Chan-nel, se genera
una entrada corta.
Hay una razón que la ruptura del canal es una estrategia tan popular entre los
comerciantes. Como vemos en las cifras de rendimiento (Figuras 7.11A a través 7.12B),
que ha sido muy rentable en los últimos 12 años. Diez de los 12 años analizados
produjeron ganancias en los mercados de futuros, mientras que 6 de los 12 años genera
beneficios en el lado stock. Vemos especialmente fuerte actuación en el ámbito de
futuros sobre curren-cie, tasas de interés, petróleo y materias primas agrícolas. En el
lado social, la ruptura de canal realiza especialmente bien en las acciones tecnológicas,
así como algunos de los índices.
La mayor preocupación con la ruptura del canal es su reciente deterioro del
rendimiento per-view. Si examinamos las estadísticas de averías para ambas acciones
y futuros, vemos que el desempeño reciente ha sido menos que estelar. Estos números
pueden indicar que el rendimiento de la estrategia se ha debilitado lo suficiente como
para causar preocupación y alarma.
FIGURA 7. 1 0

Estrategia del desbloqueo del canal Aplicado a AIG.

Capítulo 7 Estrategias de disección actualmente disponibles 141

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: 40 El día de entrada / salida del canal
20 días ruptura
Extreme 40 días para la entrada, extrema 20 días
parámetros: para la salida
Descripción Intro de un cierre del extremo 40 días; salida en un cierre del
: extremo 20 días
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. s Barras
K- Viento
Mercad Beneficio propor Propo s Gan Gana Pérdid
o neto ción rción Max DD alisios ar contratos Por Con. Ganar Pérdida r a
ANUNC
FX IO -272840 -0.12 -0.18 -483650 72 36 25.14 -151 47395 -32720 48 20
BP 37388 -0.04 0.02 -517463 67 31 17.28 32 59261 -26241 52 22
discos
compac
tos -113320 -0.03 -0.06 -479190 70 34 46.63 -35 61018 -34299 47 19
JY 1,269,550 0.29 0.67 -179038 60 40 13.98 1.389 86159 -25074 62 20
SF 852.838 0.29 0.51 -139288 63 48 15.47 901 58208 -26317 54 19
tarifas ED 2,563,050 0.29 1.13 -168925 55 53 89.82 519 115.653 -30419 64 18
TY 864.594 0.21 0.42 -173953 63 43 29.41 457 71770 -30326 58 18
NOS 456.844 0.10 0.26 -293500 64 44 20.26 341 57,934 -32771 56 18
Valores SP -525075 -0.09 -0.32 -785188 76 36 9.01 -767 44358 -35158 45 19
Rieles GC 56740 -0.01 0.03 -468870 68 35 46.00 18 62783 -32956 54 20
HG -297838 -0.01 -0.18 -687413 73 37 32.16 -127 43.378 -31936 48 17
PL -1080215 -0.25 -0.66 -1302355 76 26 49.39 -300 44647 -36083 50 18
SL -629135 -0.23 -0.40 -760910 73 34 34.62 -267 32762 -31111 45 19
Energía CL 888.760 0.17 0.42 -277090 64 45 27.78 500 62883 -26710 49 21
HO 486.003 0.12 0.21 -247771 67 37 23.63 307 72454 -31556 51 22
HU -172965 -0.02 -0.08 -491480 79 38 22.21 -99 50636 -34531 44 19
granos do 925.163 0.19 0.45 -206975 66 47 77.24 181 68253 -34019 51 19
S -92275 -0.06 -0.05 -577663 70 41 32.28 -48 38934 -30171 46 23
W 162.725 0.07 0.08 -383525 72 38 51.88 45 65889 -35773 52 19
carnes FC 50.590 0.00 0.03 -438020 67 39 40.01 17 48.903 -29908 49 21
LC -154676 -0.03 -0.09 -410484 71 31 50,01 -44 53697 -27265 53 22
LH -134704 0.03 -0.08 -360008 71 30 31.44 -60 62486 -28938 56 21
PB -213340 -0.07 -0.12 -565640 68 37 20.49 -164 53159 -36233 51 20
materias
primas
agrícolas CC -465190 -0.15 -0.27 -829330 70 23 50.06 -152 62602 -28417 60 22
Conne
cticut 235.830 -0.01 0.13 -488225 70 33 24.89 135 77.555 -32935 58 19
JO -828480 -0.14 -0.38 -1264553 73 25 35.88 -316 61604 -35225 52 21
KC 1,022,948 0.12 0.32 -338738 66 41 12.10 1.291 79143 -28350 53 19
LB 1,398,328 0.13 0.49 -295208 58 52 33.73 710 84842 -41297 53 19
SB -320018 -0.11 -0.18 -622171 72 31 53.41 -83 57164 -31553 50 20
Promedi
o 199.043 0.02 0.07 -474554 66 36 33.87 141 59518 -30610 50 19
8,000,000
7.000.000
6,000,000
Equidad

5,000,000
4,000,000
3.000.000
2,000,000
1.000.000
0
 Ene-
Ene-

Ene-

Ene-

Ene-
Ene

Ene-

Ene-
Ene-
Ene

Ene

Dic-
-91

-92

-93

00

01
94

96

98

01
97

99
95
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 5,971,279 El ratio de Sharpe: 0.41
Correlación con el
drawdown: -1710956 desglose: 1.00
Correlación con el 10-40
K-cociente: 0.12 MA: 0.90
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 1 1 una

Los resultados de la estrategia del desbloqueo de canales aplicados a futuros.

142
BreakdownStatistic (futuros)
Des b
com y
pos M
tura a Sector
r
M ar ket Aver ageAver ageAver ag eAver age Av
er ageAver age
Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sect or Net Pr of it K-
r at ioShar peRat i oM axD DNum Tr ades% Win
PerContract Ganar Pérdida Ganar Pérdida
FX 354, 7230. 080. 19-
359, 72666 38
427 62408 -28930 52 20
R at e s 9 7 1, 1 2 2 0. 1 5 0 . 4 5-
1 5 9, 0 9 5 4 6 3 5
329 61.339 -23379 45 14
S to c k- 52 5, 0 7 5- 0. 0 9- 0. 3 2-
7 8 5, 18 8 7 6 3 6
-767 44358 -35158 45 19
M etal e s- 48 7, 6 1 2- 0. 13 -0. 3 0-
8 0 4,8 8 7 7 3 33 -169 45.893 -33021 49 19
E n e r gy 4 0 0 , 6 0 0-
3 3 8, 7 8 0 0. 0 9 0. 1 8 7 0 4 0
236 61991 -30932 48 21
Gr ai n s 3 3 1, 8 7 1 0. 0 7 0. 1 6 -
3 8 9, 3 8 8 6 9 4 2
60 57692 -33321 50 20
Car n e s- 1 1 3,0 3 3- 0. 0 2- 0. 0 6-
4 4 3,5 3 8 6 9 3 4 -63 54561 -30586 52 21
S ofts 1 7 3 , 9 0 3- 0. 0 3 0. 0 2 -
6 3 9, 7 0 4 6 8 3 4
264 70485 -32963 54 20
Número Num.ofProfit Por
Per for m ance
Br eakd own by de able ciento
Year

Year Net Pr of it K-
r at ioShar peRat i oYear Net Pr of it K-
Ratio de
pr opor ción
Longitud ventanas ventanas Rentable
1 9 9 02, 3 0 7, 8 6 60. 5 6 1. 6 1 19 9 6 2 0 2,
4 3 1 0.1 1
Sharpe
0.12 1 mes 144 71 49.31%
1 99 1 1, 2 9 1,2 0 1 0. 19 0. 9 4 19 9 7
2 45, 5 4 0- 0. 15
0.20 3 meses 142 76 53.52%
1 9 92 1 5 0, 8 45 0. 0 8 0. 15 1 9 9 8 -0.21 6 meses 139 84 60.43%
-2 1 6,6 2 2- 0. 0 3

1 9 93 6 8 1, 4 99 0. 0 7 0. 72 1 9 9 9-
8 5 7,4 9 7- 0. 3 9
-0.48 12 meses 133 97 72.93%
1 9 9 4 4 4 2, 7 1 3 0. 2 0 0.3 3 2 0 0 0
4 4 5, 2 0 0 0. 0 3
0.41 18 meses 127 94 74.02%
1 9 9 51, 0 7 5, 7 4 10. 2 0 1. 2 0 20
0 1 1 32, 0 4 9 0. 0 8
0.11 24 meses 121 88 72.73%
NetProfitbyYe
ar3. 0 0 0. 0 0 0

2,500,0 00

2,000,0
00

1,500,000

neto
1.000.000

Beneficio
500.000
0
1990 1991 1992 1993 1994 1995 -500000
1996 1997 1998 1999 2000 2001

-1000000

-1500000
Año © 2002LarsKestner-AllRightsReserved

FIGURA 7.1 1b
ResultsofChannel BreakoutStrategyAppliedtoFutures.
Capítulo 7 Estrategias de disección actualmente disponibles 143

Trading evaluación de estrategias (acciones)

entrada 40 días / 20 días ruptura canal de
Nombre estrategia: salida
Extreme 40 días para la entrada, extrema 20 días
parámetros: para la salida
Intro de un cierre del extremo 40 días; salida en un cierre del
Descripción: extremo 20 días
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Mercad Beneficio propor Propor s Gan Gana Gana Pérdid
o neto ción ción Max DD alisios ar hrs (000) Por Con. r Pérdida r a
Energía SLB -922740 -0.30 -0.57 -983769 80 34 16.46 -712 35.353 -35704 45 18
XOM -364634 -0.05 -0.23 -505044 70 31 40.45 -129 51,130 -31031 59 18
Automó
vil club
británic
materiales o -728358 -0.14 -0.43 -762548 79 35 48.67 -189 35.906 -33995 46 20
DD -806479 -0.14 -0.51 -879719 80 26 21.69 -465 53332 -32652 51 18
IP -1041149 -0.34 -0.66 -1053199 79 23 17.01 -775 46.377 -30753 48 21
licencia
Acciones do en
industriales Letras -72046 -0.10 -0.05 -457223 70 30 21.17 -51 61956 -28085 55 20
GE 177.069 0.03 0.12 -396528 68 37 78.67 33 59094 -30239 49 21
MMM -798566 -0.22 -0.55 -943261 75 27 13.49 -828 37935 -29015 49 20
Consumidor DIS -253275 -0.16 -0.15 -573813 72 31 38.10 -94 63088 -32890 49 20
discrecional GM 464.197 0.06 0.27 -260562 62 50 13,56 534 45227 -30739 50 19
HD 264.242 -0.03 0.15 -717144 68 37 60.38 53 66271 -33503 57 21
WMT 46683 -0.02 0.03 -430631 69 38 40.19 17 53549 -31300 52 22
GRAM
Consumidor O -141907 0.02 -0.09 -331005 70 39 36.65 -68 45501 -32627 48 20
grapas KO -424481 -0.11 -0.21 -612652 79 35 25.60 -210 52.890 -37361 46 17
mes 745.751 0.22 0.43 -206970 64 41 24.83 464 69274 -28001 56 20
PG -313617 -0.12 -0.17 -502606 76 37 20.64 -195 44,133 -32124 44 19
Cuidado de
la salud AMGN 904.624 0.10 0.40 -325872 69 39 53.44 247 86209 -33712 55 20
BMY -416829 -0.01 -0.23 -560163 70 37 33.96 -182 43951 -35792 54 20
JNJ -520943 -0.07 -0.31 -999882 77 36 37.37 -181 40257 -33635 45 20
PFE 171.365 0.08 0.11 -365067 71 39 78.65 29 48683 -27957 47 19
Finanzas AIG -420340 -0.14 -0.26 -639357 76 34 42.16 -131 46534 -32605 53 18
FNM -349812 -0.09 -0.22 -614446 69 30 23.76 -197 59341 -32687 51 19
MER 341.289 0.11 0.20 -303739 66 42 54.27 95 63189 -37582 51 17
ses
ent
ay
cin
Información AAPL 543.640 0.12 0.35 -164887 co 52 17.83 438 45060 -33049 45 21
ses
ent
ay
cin
Tecnología DELL 1,154,846 0.15 0.51 -428065 co 48 603,92 29 76.570 -36360 50 18
IBM 740.490 0.14 0.42 -404549 69 39 19.59 491 74016 -31795 51 19
INTC 1,215,281 0.24 0.54 -331883 69 33 119,06 143 117.076 -32966 58 18
diecis
MSFT 480.007 0.06 0.22 -374414 71 34 66.17 97 93991 -38284 59 éis
ses
ent
ay
cin
SUNW 880.922 0.11 0.48 -212837 co 45 224,85 60 64741 -27683 54 20
TXN 122.822 0.10 0.07 -302312 71 38 85.22 21 59623 -33641 52 18
Telecom VZ -406576 -0.16 -0.30 -475919 71 35 22.40 -266 33682 -27517 48 22
Índices SPX -193000 0.01 -0.12 -529246 71 34 2325.43 -1 59236 -34355 53 19
NDX 745.397 0.16 0.39 -319911 68 38 1807.68 6 83190 -34341 56 18
 RODE
RA 2,687,669 0.37 1.05 -157388 59 54 5319.25 8 110.446 -33623 55 20
Promedi
o 103.281 0.00 0.02 -503724 71 37 336.84 -56 59612 -32577 51 19
10,000,000
8,000,000
Equida

6,000,000
4,000,000
2,000,000
0
-2000000

Ene-

Ene-

Ene-

Dic-
Ene

Ene

Ene

Ene
Ene
En

En

-94

-95

-97

-99
-98
En
91

93
92

01
e-

e-

96

00

01
e-
Ene-
90

Beneficio Estadísticas de la cartera

neto: 3,511,542 El ratio de Sharpe: 0.16
Correlación con el
drawdown: -5100466 desglose: 1.00
Correlación con el 10-40
K-cociente: 0.06 MA: 0.90
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 1 2 una

Los resultados de la estrategia del desbloqueo de canales aplicados a las existencias.

144
BreakdownStatistics (Stocks)
SystemName: 40dayentry / 20dayexitchannel fugarse
parámetros: 40dayextremeforentry, 20 días extremeforexit
Descripción: Enterona40dayextremeclose; exitona20dayextremeclose
RunDates: 1/1 / 1990/12/31/2001 BreakdownbyMarketSector
Mer
cad Promedio Promedio Promedio Promedio Promedio Promedio Avg.Profit Promedio L
o
oSec s
s
W
i
tor n
NetProfit K- Ratio de MaxDD NumTrades %Ganar PerContract Ganar -
L

3
Ener 3,
3
6
8
gía 5
-643687 -0.17 -0.40 -744407 75 33 -421 43242 -
32,
46
ma te ri 64
92
ale s -858662 -0.21 -0.53 -898489 79 28 -476 45205 0

-
Ac cio n 29
,1
es 13
51
20
-231181
in d u str
-0.10 -0.16 -599004 71 31 -282 52995
iale s -
32,
108
dis cre ci 522
0
onal
130.462 -0.04 0.07 -495538 68 39 128 57034 -
32,
52
g ra p 84
81
as -33564 0.00 -0.01 -413308 72 38 -2 52949 9

Cuida -
32
do de ,7
74
la 50
20
34554
salud
0.03 -0.01 -562746 72 38 -22 54775
-
34,
F in a n z 291
511
8
as -142954 -0.04 -0.10 -519181 70 36 -78 56.355 -
33,
39
In fo .T e 75
31
9
ch . 734.001 0.13 0.37 -316992 68 41 183 75868 -
27
,5
Tel e c 17
48
22
om
-406576 -0.16 -0.30 -475919 71 35 -266 33682
Índice -
34,1
065
419
s 1,080,022 0.18 0.44 -335515 66 42 4 84291 P
r
o
f
i
t
a
b
i
l
i
t
y
W
i
n

Rentabl Por
PerformanceBreakdownbyYear e ciento Nu m ofN
u m be rof

Wi
nd
ow
sW
i nd
ow
sP r
of i t
abl
e
YearNetProfit K- Ratio de Año NetProfit K- Ratio de Longitud 1.
44
6.
24
19902,211,334 0.55 3,
06
1
1.29 1996 -62333 -0.02 -0.03 1 mes .
4
2
6
.
2
19912,908,152 0.12 1.25 1997 1,306,090 0.17 0.48 3 meses 1
4

.
3
9
6
1992-790907 -0.33 .
5
-0.73 1998 669.032 0.09 0.39 6 meses 1
.
3
3
5
1993-1569699 -0.69 .
4
-1.96 1999 -635023 -0.42 -0.26 12 meses 1
.
2
7
6
.
3
1994-1315095 -0.41 -0.92 2000 -1086564 -0.27 -0.53 18 meses 1.
4

2
1
6.
4
5
2,
19953,892,735 0.76 2.29 2001 -2089440 -0.32 -1.37 24 meses 8

NetProfitbyYear
5,000,
000

4,000,
000

3.000.0
00

2,000,000
1.000.000

d
0

Lucro Re
-1000000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

-2000000

-3000000
Año © 2002LarsKestner-AllRightsReserved

FIGURA 7.1 2b

ResultsofChannel BreakoutStrategyAppliedtoStocks.
Capítulo 7 Estrategias de disección actualmente disponibles 145

Mover doble cruce de media

Utilizamos cruces de dos medias móviles para la creación de señales de operación.
A 10 días y 40 días de media móvil simple se calculan todos los días. entradas
largas se estab-cidas si los cruces promedio de 10 días por encima de la media de
40 días. entradas cortas se establecen si el promedio de 10 días cruza por debajo de
la media de 40 días. Las posiciones se salieron en una señal de entrada en la
dirección opuesta.
La tabla a continuación (Figura 7.13) se aplica la doble cruce de media móvil de
Dell Computer (Dell). A mediados de enero del móvil de 10 días caídas medias por
debajo de la media móvil de 40 días. Esta ruptura genera una entrada corta. Más tarde,
a principios de marzo, los precios suben y los cruces promedio de 10 días por encima
de la media de 40 días. Esta cruz nos lleva a cerrar posiciones cortas y establecer una
posición larga.
El doble cruce de media móvil también muestra un fuerte rendimiento en el
cesto de los mercados probado (Figuras 7.14a través 7.15b). Once de los 12 años
de ganancias en el lado de los futuros producidos, mientras que seis de los 12 años
de ganancias en el lado stock producidos. El doble cruce de media móvil supera a
la estrategia de ruptura del canal anterior, la producción más altos ratios de Sharpe
y mayores proporciones de K-tanto en los mercados de futuros y las existencias. La
similitud entre la ruptura del canal y en movimiento de cruce promedio se observa
por la alta correlación de los rendimientos. La correlación es 0,90 para ambos
futuros y acciones. Actuación en el cruce de media móvil
FIGURA 7. 1 3

Estrategia en movimiento promedio de cruce Aplicado a Dell.

146 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: 10 día / 40 días en movimiento doble cruce
de media
parámetros: 10 días promedio, promedio de 40 días
Descripción Introduzca largo cuando cruza por encima de los 40 a 10 días día promedio, cortas en
: la cruz por debajo
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. s Barras
K- Viento
Mercad Beneficio propor Propor s Gan Gana Pérdi Gana Pérdid
o neto ción ción Max DD alisios ar contratos Por Con. r da r a
ANUN
FX CIO -283740 -0.07 -0.14 -563400 98 34 25.53 -112 47453 -28387 57 17
BP -492850 -0.10 -0.25 -946238 109 37 18.22 -248 33859 -26768 42 19
discos
compa
ctos 253.360 0.05 0.11 -343540 95 38 46.00 66 58778 -31006 52 19
JY 1,582,763 0.52 0,77 -167675 71 44 13.53 1,500 79090 -25274 71 19
SF 673.875 0.13 0.35 -324263 90 39 16.05 479 66374 -29649 59 17
tarifas ED 2,865,075 0.17 1.00 -265000 72 44 92.00 431 132.438 -34577 70 18
TY 1,265,172 0.15 0.61 -259078 76 42 29.01 572 75016 -25915 68 19
NOS 619.531 0.12 0.30 -395844 84 38 20.04 360 67624 -29978 64 18
Valores SP 31975 0.03 0.02 -399138 101 34 8.89 -15 49615 -25376 52 18
Rieles GC 660.400 0.21 0.29 -275570 83 47 45.14 174 52407 -31615 56 19
HG 19.000 0.04 0.01 -661713 80 36 31.31 30 61266 -33386 66 21
PL -736150 -0.26 -0.41 -1086165 98 29 48.67 -166 43622 -28725 54 21
SL -465810 -0.05 -0.25 -621785 96 31 33.74 -160 41634 -26782 53 21
Energía CL 968.880 0.10 0.42 -338970 88 38 29.06 364 77,225 -29409 58 18
HO 713.210 0.06 0.30 -398538 84 39 23.79 330 69215 -31861 56 21
HU 381.461 0.04 0.16 -395531 95 39 22.46 187 60454 -31675 50 19
sesen
ta y
granos do 741.025 0.16 0.30 -321963 77 45 76.29 122 68696 -40115 cinco 17
S -24400 -0.05 -0.01 -630050 93 46 31,82 -17 38.131 -33785 48 18
W 942.138 0.19 0.41 -351463 70 39 50.77 268 91598 -35393 76 22
carnes FC 59550 0.04 0.03 -444240 99 33 40.96 13 56167 -27262 53 19
LC -99276 -0.05 -0.05 -556128 89 33 49.80 -21 58156 -29652 66 18
LH -400416 -0.04 -0.20 -508260 87 30 31.81 -144 59571 -31913 64 22
PB -9104 -0.06 0,00 --554,184 86 34 21.38 -31 60091 -31571 63 20
materias
primas
agrícolas CC -507570 -0.12 -0.26 962.120 92 35 49.99 -125 41,825 -31894 52 22
Connec
ticut 629.190 0.06 0.30 -498685 76 33 24.56 339 89,745 -31571 73 22
JO -830895 -0.13 -0.36 -1224758 102 25 36.25 -227 58811 -30004 54 21
KC 1,033,564 0.15 0.34 -442819 88 39 12.20 974 78211 -29883 59 17
diecis
LB 483.976 0.02 0.16 -805632 105 34 30.30 147 77692 -33767 51 éis
SB 360.606 0.04 0.19 -380475 99 36 52.76 71 58429 -27482 54 17
Promedio 347.818 0.04 0.14 -504107 86 36 33.74 172 61773 -29489 57 18
12.000.000
10,000,000
8,000,000
Equidad

6,000,000
4,000,000
2,000,000
0
-2000000
 Ene-
Ene-

Ene-

Ene-
Ene-

Ene-
Ene

Ene-

Ene-
Ene
Ene

Dic-
-91

-93
-92

99
96

98

01
95

00
94

97

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 10434539 El ratio de Sharpe: 0.68
Correlación con el
drawdown: -2069680 desglose: 0.90
Correlación con el 10-40
K-cociente: 0.13 MA: 1.00
© 2002 Lars Kestner -Todos los derechos
reservados

FIGURA 7. 1 4 A

Resultados de Moving Estrategia Crossover medio aplicado a los futuros.

 BreakdownStatistics (futuros)
S yste m Na m e : 10 d ía s / 4 0da yDu al M o vi ng A vera ge Cr o sso ver

P a rá m e t ro s: 1 0 d a y a v e r a g e , 4 0 d a ya v e r a g e

Descripción: Enterlo ngwhen10dayaveragecrossesabove40dayaverage, shortoncrossbelo w

Descompo byMarket Sector

RunDates: 1/1/1990/12/31/2001
stura
MarketAverageA ve r ag
eA v
er ag
A ve
e r ageAv er
age
A verageA vg.Pr ofit
A ve
r age
Promedio
S ec to
rN etPr o
f itK-
r ati o
S har peRa ti o
M axDDN u
m Trade
s%W in
Pe rC on t ra
ctWin
Pérdida
FX346, 6820. 100. 17-
469, 023933833 757, 111
-28217
Rat es1, 187, 4450. 110. 48-
229, 980583134 168, 769
-22618
St ock31, 9750. 030. 02-
399, 13810134-
1549, 615
-25376
M et ales- 130, 640- 0. 01-
0. 09- 661, 3088936-
3049, 732
-30127
Ener gy687, 8500. 070. 29-
377, 680893929 468, 964
-30981
G r ains552, 9210. 100. 23-
434, 492804312 466, 142
-36431
Car nes- 112, 312- 0. 03-
0. 06- 515, 7039032-
4658, 496
-30100
Sof t s194, 8120. 000. 06-
719, 081943419 667, 452

P
-30767
e
r
f
o
r
m
a
n
c
e
B
r
e
Número de Por ciento
a
k

Y ea rN etPr o
f itK -
r ati oS har pe
Ra ti o
YearN e
tP r o
fi tK-
r ati oS har pe
Ra ti o
Length
ventanas Rentable
19902, 509, 7800. 772. 3619
9615, 8020. 060. 011M ont h
144
19912, 097, 7810. 381. 49
1997514, 921-
0. 010. 423Mont hs
142
19921, 932, 27447, 9060.
601. 7719980. 010. 056M
ont hs
139
19931, 223, 9700. 130. 86199
9- - 940, 824- 0
. 32-
0. 4012Mont hs
133
1994794, 5250. 320. 542 00
082, 9970. 010. 0918M ont h
s
127
19951, 100, 6090. 121. 072
0011, 086, 4240. 380. 7924
Mont hs
121
NetProfitbyYear

3.000.000
2,500,000
2,000,000
1,500,000
1.000.000

500.000
0

neto
Beneficio
2
0
0
0
2
0
0
1990 1991 1992 1993 1994 1995 1996 1997 1998 -500000 1999 1

-1000000
-1500000
Año

© 2002Lars

147
Resul tso fMov ingAverageCro sso verStrateg yAppliedtoFu tures.
148 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: 10 día / 40 días en movimiento doble cruce
de media
10 días promedio, promedio de
parámetros: 40 días
Introduzca largo cuando cruza por encima de los 40 a 10 días día promedio, cortas en
Descripción: la cruz por debajo
Fechas de
ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Merca Beneficio proporc Propo s Ga Gana Pérdid
do neto ión rción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida r a
diecisé
Energía SLB -284844 0.02 -0.15 -390227 109 37 16.49 -171 41.112 -28281 47 is
XOM -439248 -0.15 -0.24 -504830 107 31 39.87 -101 40761 -23995 53 17
Automó
vil club
materiales británico -577814 -0.09 -0.29 -713171 92 33 52.11 -118 46954 -31842 55 22
DD -662924 -0.10 -0.33 -773994 104 30 20.21 -320 48803 -29932 52 19
IP -1194395 -0.30 -0.60 -1263945 101 28 16.84 -727 40458 -32462 54 20
licencia
Acciones do en
industriales Letras 56652 -0.06 0.03 -503573 89 37 21.07 17 52984 -30666 56 21
GE -85068 -0.06 -0.05 -674921 97 36 80.03 -10 56299 -33086 56 17
MMM -328838 -0.03 -0.19 -687914 103 34 13.22 -282 36,150 -24244 47 19
Consumidor DIS -162899 -0.06 -0.08 -573375 104 31 35.00 -52 63734 -30947 52 18
discrecional GM 502.895 0.05 0.27 -360650 90 41 13.44 387 56.528 -30621 55 18
HD 844.883 0.04 0.37 -505348 88 39 53.76 157 70356 -30537 60 18
WMT 18203 -0.03 0.01 -666593 93 39 38.67 -9 47965 -30876 52 19
Consumidor GRAMO 43989 0.03 0.02 -500314 95 35 36.49 3 53330 -28201 59 17
grapas KO -151106 -0.05 -0.07 -670359 96 32 26.47 -58 59928 -30857 57 19
mes 1,152,980 0.29 0.60 -183387 77 45 23.81 610 67631 -29745 62 18
PG 14.164 0.04 0.01 -441002 95 32 19.82 -8 58549 -27266 59 19
Cuidado de
la salud AMGN 1,153,918 0.11 0.47 -326436 79 42 48.76 298 80335 -32717 60 22
BMY 14.156 0.05 0.01 -548689 92 36 31.23 -6 49563 -27990 58 18
JNJ 548.217 0.06 0.31 -450045 86 38 37.38 185 63989 -28596 61 19
PFE -142199 -0.03 -0.07 -672086 95 37 72.84 -21 56356 -35284 55 18
Finanzas AIG 328.648 0.09 0.18 -310033 85 41 42.19 91 55218 -32157 59 18
FNM -235686 -0.01 -0.12 -571975 111 24 24.87 -83 64596 -23503 62 15
MER 386.924 0.12 0.20 -363040 92 35 52.58 72 65436 -29113 62 17
Información AAPL 589.362 0.12 0.31 -368285 90 48 18.34 326 47740 -32233 49 17
diecisé
Tecnología DELL 952.580 0.13 0.35 -501650 93 32 527,06 19 97.600 -31985 64 is
IBM 885.558 0.21 0.42 -308223 80 40 21.10 473 71291 -30910 62 20
INTC 1,217,243 0.23 0.49 -355752 92 35 106.37 117 91010 -29399 58 18
MSFT 766.595 0.12 0.32 -373071 88 35 64.13 128 84315 -33157 60 20
SUNW 908.137 0.04 0.41 -626068 82 45 228.60 49 67874 -35411 58 19
TXN 630.703 0.17 0.31 -399909 84 38 87.32 87 73192 -32759 61 20
Telecom VZ -23135 -0.01 -0.01 -330631 94 33 21.52 -28 45252 -23175 60 18
Índices SPX 316.159 0.09 0.17 -444865 97 30 2321.68 1 69209 -25468 59 19
NDX 1,121,338 0.23 0.53 -257408 90 36 1827.65 6 86380 -29241 60 18
RODER
A 2,036,199 0.20 0.70 -453815 72 50 5366.79 5 98176 -43847 62 21
Promedi
o 300.040 0.04 0.13 -502223 92 36 335,52 30 62032 -30309 57 19
14.000.000
12.000.000
10,000,000
Equidad

8,000,000
6,000,000
4,000,000
2,000,000
0
 -2000000

Ene-

Ene-
Ene

Ene

Ene

Ene

Dic-
Ene
Ene

Ene
-93

-94
En

-96

-00
-98
En

-95

-97
92
91

01
e-

99

01
e-
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 10201347 El ratio de Sharpe: 0.44
Correlación con el
drawdown: -5408733 desglose: 0.90
Correlación con el 10-40
K-cociente: 0.13 MA: 1.00
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 1 5 una

Resultados de Moving Estrategia cruce de media aplicada a las existencias.

 BreakdownStatistics (Stocks)
Desc
omp
ostu
ra byMarketSector
MarketAverage A ve
r ageAverage
A ve r ageAverage
A ver age
Avg.P r o
f itA ver age

S ec torN etPr of itK-

r ati o
S ha r pe
Ra ti o
M ax
DDN
umT r ades %
Wi n PerC on tr ac tW in

E ner gí a- 362, 046- 0

. 06-
0, 20- 447, 52910834-
13640, 937

Mat er i a
l es- 811, 711- 0
. 16-
0. 41- 917, 0379930-
38845, 405

I ndust r i a
l es- 119, 085- 0
. 05-
0. 07- 622, 1369636- 9248, 478

D i scr ec
i onal -
526, 492300, 7710. 000. 149
43712159, 645

St aples265, 007 0. 080. 14

- 448, 76691361375 9, 860

Healt hcar e39 3, 5230. 050. 1

8- 499, 3148838114 62, 561

Financ ials 159, 9620. 070.

09-
415, 016963326 61, 750

I nf o. Tech. 850, 0250. 150

. 37-
418, 994873917 176, 146

Telecom - 23, 135- 0. 01-

0. 01- 330, 6319433-
2845, 252

I ndices1, 157, 8990. 170. 4

7- 385, 3638638484, 58 8

N
u
Por m
.
o
f
N
u
m
P erf o r m a n ce b
e
B r ea k d o w n b r
o
y Y e ar
Rentable ciento f

Y ea rN etPr o
f itK -
r ati oS har pe
Ra ti o
YearN e
tP r o
fi tK-
r ati oS har pe
Ra ti o
Length

1M ont h19903, 973, 5931. 033. 00

1996- 8, 4580. 020. 00

3Mont hs19911, 708, 9

610. 070. 7719973, 292
, 3010. 451. 26

6Mont hs1992- 739, 200-

0. 34-
0. 5119982, 316, 1820. 351.
29

12Mont hs1993-
1, 405, 681- 0. 32-
1. 1719994, 560-
0. 250. 00

18Mont hs1994 -
2, 191, 573- 0. 71-
1. 792000- 938 , 830-
0. 25- 0.39

24Mont hs19955, 294 , 0850.

883. 172001- 1, 074
, 375-
0. 12- 0. 67

6,000,00
NetProfitbyYear 0

5,000,0
00
4,000,00
0

3.000.000

neto
2,000,000
1.000.000

Beneficio
0
-
199 19 1
1990 1991 1992 1995 1996 1997 199 0
3 94 0
8 0

Año
© 2002Lar sKest ner -
All Rig ht sReser ved

R esult sofM ovi n

gA ver age C r os
sover St r a
t egyA
ppl i ed
t oSt ocks.
149
150 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

También está dominado por sectores similares como en la ruptura del canal.
Divisas, tipos de inter-est, petróleo, materias primas agrícolas, la tecnología, y los
índices bursátiles realizan todos fuertemente.

Impulso
Tal vez la estrategia más simple visitado en este capítulo es el que utiliza el impulso
de precios para generar entradas largas y cortas. Dos conjuntos de parámetros se
ponen a prueba, un impulso plazo de 20 días más cortos y un largo plazo de 80 días
impulso.
En la estrategia de impulso de 20 días, las entradas largas se establecen si el
cierre de hoy es mayor que hace las cerrará 20 días. entradas cortas se establecen si
el cierre de hoy es menos que hace las cerrará 20 días. En la estrategia de impulso
de 80 días, las entradas largas se establecen si el cierre de hoy es mayor que hace
las estrechas 80 días. entradas cortas se establecen si el cierre de hoy es menos que
hace las estrechas 80 días.
Figura 7.16 es un ejemplo de la estrategia de impulso de 20 días se aplica al
mercado de combustible para calefacción. El indicador de traza en la mitad inferior
de la tabla es un impulso de 20 días. Cuando los precios empiezan a subir a
principios de septiembre, el impulso de 20 días se convierte por encima de cero y
genera una entrada larga. Más tarde, en octubre, los precios comienzan a caer.
entradas cortas se establecen como el impulso de 20 días cruza por debajo de cero.
El impulso de 20 días produce fuertes resultados en los mercados de futuros, pero
los resultados incon-persis- sobre las existencias (Figuras 7.17a través 7.18b). Rentable
en 11 de los 12
FIGURA 7. dieciséis

Estrategia de impulso aplicado a la calefacción de aceite.

Capítulo 7 Estrategias de disección actualmente disponibles 151

Trading Estrategia de Evaluación (Futuros)

Nombre
estrategia: 20 días impulso
20 días desencadena el impulso entradas y
parámetros: salidas
Descripción Comprar si el cierre de hoy> cierre de hace 20 días; de salida si el cierre de hoy
: <cierre de hace 20 días
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. s Barras
K-
Mercad Beneficio proporc Propor Vientos Ga Pérdid Gana Pérdid
o neto ión ción Max DD alisios nar contratos Por Con. Ganar a r a
ANU
NCI
FX O -240110 -0.11 -0.13 -657880 277 34 25.59 -36 27399 -15721 20 6
diecis
BP 272.363 0.04 0.14 -345500 304 37 18.21 47 24.007 -12835 éis 6
disco
s
comp
actos -16550 0.01 -0.01 -537360 259 36 45.72 0 30.982 -17050 21 6
JY 1,208,800 0.27 0.56 -225625 288 41 13.33 282 29137 -13608 17 6
SF 840.975 0.16 0.40 -230538 279 40 15.53 200 29526 -14617 19 5
tarifas ED 2,237,200 0.29 0.91 -340725 211 41 85.21 125 52017 -17868 26 6
TY 1,056,375 0.25 0.50 -252438 246 38 29.53 140 36936 -15792 23 6
NOS 690.281 0.22 0.33 -196125 270 37 20.24 115 30.719 -14365 21 5
Valores SP -339700 -0.07 -0.17 -660300 314 34 9.37 -115 25473 -14603 18 6
Rieles GC 301.520 0.16 0.14 -393510 261 39 46.48 25 27116 -15763 20 6
HG -3175 -0.05 0.00 -534525 290 31 31.13 -3 29372 -13545 21 6
diecis
PL 60715 0.01 0.03 -399160 301 41 45.86 -1 20719 14.375 éis 6
diecis
SL -549855 -0.23 -0.30 -712590 341 33 33.75 -55 18669 -12155 éis 5
Energía CL 1,604,530 0.32 0.69 -201190 244 39 28.37 232 39177 -14575 23 6
HO 1,009,915 0.17 0.41 -357504 286 36 21.66 166 33865 -13709 19 6
HU 657.989 0.09 0.26 -585220 252 40 22.86 113 31992 -16773 20 6
granos do 985.675 0.20 0.43 -447763 283 41 77.82 44 31.830 -16371 19 5
S 22.400 0.02 0.01 -561575 308 36 30.86 -1 24921 -14099 18 5
W 356.750 0.10 0.16 -515825 250 37 52.97 28 32099 -16689 23 6
carnes FC -71725 0.03 -0.04 -617485 282 37 41.82 -6 27201 -16062 19 6
diecis
LC -452296 -0.05 -0.22 -663588 336 36 50.51 -26 23855 -15316 éis 5
LH 482.992 0.08 0.25 -386912 245 36 31.94 61 32863 -15094 25 6
PB -213316 -0.04 -0.10 -575804 299 34 20.11 -44 29489 -16605 18 6
materias
primas
agrícolas CC -1078630 -0.21 -0.49 -1290390 307 27 50.20 -78 25108 -14500 21 6
Conn
ecticu
t -37475 -0.07 -0.02 -566855 298 32 25.31 -5 31714 -14799 20 6
JO -644798 -0.17 -0.27 -1096418 283 31 36.15 -67 26734 -15372 19 7
KC 794.805 0.17 0.31 -316538 263 39 12.83 230 30.870 -14726 20 6
diecis
LB 142.136 -0.02 0.04 -1185224 250 32 31.25 éis 46316 -21045 24 6
SB -486697 -0.13 -0.24 -797127 328 31 53.28 -26 27319 -14544 18 5
Promedio 286.370 0.05 0.12 -521723 272 35 33.60 45 29248 -14753 19 6
10,000,000
8,000,000
Eq

6,000,000
 4,000,000
2,000,000
0
-2000000

Ene-

Ene-

Ene-
Ene-

Ene-

Ene-
Ene
Ene

Dic-
Ene

Ene
-92
-91

-96

-99
En

93

01
95

98

01
e-

94

97

00
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 8,591,095 El ratio de Sharpe: 0.53
Correlación con el
drawdown: -1631559 desglose: 0.86
Correlación con el 10-40
K-cociente: 0.32 MA: 0.80
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 1 7 A

Los resultados de la estrategia de momentum de 20 días aplicados a futuros.

 BreakdownStatistics (futuros)

cercanos <closeof20days hace

ys
Sae
n
m
te0d
:2oe
m
y
amP
tu
nete
rm
a:20
rsoe
m
y
a
dmtrig
tu
n es
tri s
n
e i ts
x
e
d
n
a crip
e
D :Bu
n
toiftod
ylos
c
's
y
alos
c
>
e0d
f2
o
ego
s
y
aex
e
;day
d
itfo

Descompo po Sector del mercado

stura r
Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
%Ganar PerContract Ganar Pérdida Ganar Pérdida
38 99 28210 -14766 19 6
29 95 29918 -12006 17 4
34 -115 25473 -14603 18 6
36 -8 23969 -13960 18 6
38 170 35011 G
r
a
-15019 21 6
i
n
s
4
5
4
,
9
4
2
0
38 23 29617 C
a
r
-15720 20 5
n
e
s
-
6
3
,
5
8
6
0
35 -4 28.352 S
o
f
-15769 19 6
t
s
-
2
1
8
,
4
4
3
-
32 12 31.344 0
.
-15831 20 6
Número Num.ofProfita Por
de ble ciento
K- Ratio de Longitud ventanas ventanas Rentable
proporció
0.10 Sharpe
0.04 1 mes 144 82 56.94%
0.32 1.42 3 meses 142 90 63.38%
0.18 0.29 6 meses 139 99 71,22%
-0.10 -0.49 12 meses 133 110 82.71%
-0.02 0.49 18 meses 127 113 88.98%
0.23 0.13 24 meses 121 111 91.74%
Re ProfitbyYear
2
,
0
0
0
,
0
0
d 0

1
,
5
0
0
,
0
0
0

1.000.000

neto
500.000

Beneficio
0

1990199119
9219931
9941995
1996 1997 1998 1999 2000 2001

Año
© 2002LarsKestner-AllRightsReserved
152
Capítulo 7 Estrategias de disección actualmente disponibles 153

Trading evaluación de estrategias (acciones)

Nombre Estrategia: 20 días impulso
20 días desencadena el impulso entradas y
parámetros: salidas
Comprar si el cierre de hoy> cierre de hace 20 días; de salida si el cierre de hoy
Descripción: <cierre de hace 20 días
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Mercad Beneficio propor Propor s Gan Gana Pérdi
o neto ción ción Max DD alisios ar hrs (000) Por Con. Ganar Pérdida r da
dieci
Energía SLB -955125 -0.30 -0.46 -997275 324 34 15.31 -200 21.433 -15833 séis 6
diecis
XOM -1359121 -0.25 -0.76 -1435131 360 33 42.29 -91 16.705 -13863 éis 5
Automó
vil club
materiales británico -294627 -0.04 -0.16 -486388 62 35 51.37 -89 48930 -33972 56 25
DD -299668 -0.09 -0.16 -504303 285 35 19.95 -53 24129 -14469 19 6
IP -599662 -0.13 -0.34 -750473 310 35 15.64 -123 22.255 -15033 17 6
licenciad
Acciones o en
industriales Letras -417500 -0.15 -0.21 -1029025 289 37 20.55 -75 23302 -16351 18 6
diecis
GE -379773 -0.14 -0.21 -655041 346 35 76.68 -14 22737 -14048 éis 5
MMM -722739 -0.23 -0.39 -1169792 362 36 12.75 -170 18.099 -13669 14 5
Consumidor DIS 2.565 -0.06 0.00 -829661 283 33 34.93 1 29713 -14277 19 7
discrecional GM -344289 -0.16 -0.17 -672231 321 35 13.01 -83 25.014 -14875 17 5
HD -63952 -0.05 -0.03 -640216 303 36 59.54 -8 28098 -16550 18 5
WMT 47186 0.02 0.02 -375945 280 39 38.91 3 25.740 -15993 18 6
Consumidor GRAMO -1169342 -0.27 -0.58 -1248970 313 29 36.55 -106 26.412 -16471 18 6
grapas KO -221768 -0.08 -0.10 -657747 296 34 27.85 -25 27.554 -15121 19 6
mes 748.299 0.29 0.39 -208049 302 40 23.14 107 25937 -13218 18 5
PG -1252387 -0.32 -0.58 -1514795 338 31 21.62 -170 22422 -15611 17 5
Cuidado de
la salud AMGN 532.002 0.04 0.22 -594800 316 32 56.59 29 35220 -13884 20 5
diecis
BMY -688343 -0.03 -0.36 -823276 329 36 36.23 -59 20605 -15027 éis 5
JNJ -865251 -0.15 -0.41 -1243533 312 36 37.99 -72 22709 -17183 17 6
PFE 322.112 0.12 0.17 -281875 286 38 80.46 13 25068 -13960 19 6
Finanzas AIG 632.361 0.19 0.35 -330226 278 40 37.11 61 27.213 -14577 18 6
FNM -928974 -0.24 -0.49 -933024 317 32 24.48 -119 23.351 -15179 18 6
MER 443.794 0.11 0.22 -323894 253 35 48.54 36 34065 -15464 23 6
Información AAPL 1,000,862 0.18 0.54 -289070 285 39 17,92 195 28675 -12336 19 5
Tecnología DELL 1,278,125 0.22 0.53 -367356 250 39 540.00 9 39.541 -17505 21 6
IBM 1,485,401 0.27 0.70 -445355 241 39 18.39 305 37257 -14277 23 6
INTC 1,970,394 0.36 0.82 -259640 250 41 112.51 70 41264 -15177 21 6
MSFT 643.405 0.08 0.28 -346784 285 33 66.20 31 35008 -14382 20 6
SUNW 227.258 0.01 0.10 -439377 283 36 201,46 4 31610 -16834 21 5
TXN 222.272 0.11 0.10 -437504 260 37 79.31 9 32.991 -17835 21 6
Telecom VZ -1452631 -0.38 -0.76 -1607757 318 31 20.17 -225 20695 -15944 18 6
Índices SPX 178.843 0.05 0.09 -541793 298 31 2366.38 0 32.051 -13195 20 6
NDX 1,089,513 0.21 0.53 -272123 319 37 1686.54 2 31.797 -13421 18 5
RODER
A 3,354,420 0.43 1.34 -228710 199 39 4852.00 3 67372 -16443 28 6
Promedi
o 63637 -0.01 0.01 -674739 290 36 317.42 -24 29264 -15646 20 6
10,000,000
8,000,000
6,000,000
Equidad

4,000,000
2,000,000
 0
-2000000

Ene-
Ene-

Ene-

Ene-

Ene-
Ene-

Ene-
Ene
Ene

Ene
-93
-92

Dic-
En

-97
91

99
e-

94

96

98

01
95

00

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 2,163,659 El ratio de Sharpe: 0.10
Correlación con el
drawdown: -6983168 desglose: 0.87
Correlación con el 10-40
K-cociente: 0.03 MA: 0,79
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 1 8 A

Los resultados de la estrategia de momentum de 20 días Aplicada a las existencias.

 BreakdownStatistics (Stocks)
SystemName: 20daymomentum

P a rá m e t ro s: 2 0 d a ym o m e nt u m t ri g ge rse n t ri e sa n de xit s

Descripció n: Buyift oda y'sclose > cercanos <closeof20days hace

closeof 20da ysag o; d e exitift oday

Ru n Da te s:
1/1 /1 99 0/1 2/ 31/ 20 0 1 BreakdownbyMarketSector
Average AverageMar ket A verageA vera Avg.Profit promedio Promedio Promedio Avg.Bars Avg.Bars
geAverage

SectorNetProfitK- % De victorias PerContract Pérdidas de Windows pérdidas de Windows

ratioSharpeRatioMaxDDNumTrades

Ener gía- 1,1 57 ,123-0 .2 8-0.61-

1,21 6,2 0334 2 34 -146 19069 -14848 16 5
Ma teria le s-3 97 ,9 86-0 .0 9-0 .2 2-
580 ,3 882 19 35 -88 31 771 -21 158 31 12
Ind ustri ale s-5 06 ,67 1-0.17-0 .27-
951 ,286 332
36 -86 21379 -14690 16 5
Di s cre cio nal-89 ,623-0 .06-0 .04-
629,51 3297
35 -22 27141 -15424 18 6
Grapas-473,800-0.10-0.22-
907,390312
34 -49 25581 -15105 18 5
He al th care-1 74,870-0 .01- 0.1 0-
735,8713 11 36 -22 25900 -15014 18 5
Financials49,0600.020.03-
529,048283 36 -7 28210 -15073 20 6
Info.Tech.975,3880.180.44-
369,298265
38 89 35192 -15478 21 6
Tele co m-1,452 ,631-0 .38-0 .76-
1,607 ,757318
31 -225 20 695 -15 944 18 6
Indices1,540,9250.230.65-
347,542272 36 2 43.740 -14.353 22 6
ProfitabilityWindows
Num.of
PerformanceBreakdownbyYear numberOf PercentProfitable
Year Ne tPro fi tK- K-relación Ratio de Sharpe ProfitableWindows longitud de Windows
ratio Sharpe Ra tio Year Ne t Profi t

19902,158,2780.501.091996-
1,031,018 -0.07 -0.42 1 mes 68 144 47,22%
19913,712,9110.231.6019972,0
41,296 0,25 0,65 3 meses 65 142 45,77%
1992-578,265-0.33- 0,10 0,26 6 meses 62 139 44,60%
0.441998581,269

1993-1 ,2 28 ,554- 0.49-0 .92 1999-

1,4 83,106 -0.42 -0.75 12 meses 61 133 45,86%
1994-827,251-0.15-0.612000-
2,013,818
-0.47 -1.08 18 meses 63 127 49,61%
19952,414,3290.401.622001- -0.24 -0.86 24 meses 59 121 48,76%
1,444,220

4,000,000 NetProfitbyYear
3.000.000
2,000,000

1.000.000
0

neto
Beneficio
-1000000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-2000000
-
3000000 Año

FIG URE 7.18b © 2002LarsKestner-AllRightsReserved

Resultsof20-dayMomentumStrategyAppliedtoStocks.
154
Capítulo 7 Estrategias de disección actualmente disponibles 155

años sobre futuros, pero sólo cinco de los 12 años en las poblaciones, los
rendimientos de los 20 días el impulso de Strat-EGY están altamente
correlacionados tanto a la entrada / 20 días ruptura canal de salida de 40 días y un
/ 40 días móvil de 10 días cruce de media estrategia.
Tenga en cuenta la dicotomía de rendimiento en el lado stock. Muy buenos
resultados se genera en las tecnologías y en los índices bursátiles, con todos los
beneficios del mercado de produc-ción. Sin embargo, cuando nos fijamos en la energía,
los materiales y los sectores industriales, los ocho mercados condujeron a pérdidas. Este
desempeño división es cada vez más frecuente y me lleva a creer que algunos sectores
son más propensos a la tendencia que otros sectores.
Además del impulso de 20 días, una estrategia de impulso-80 días también se
ensayó (Figuras 7.19a través 7.20b). Tanto en los mercados de futuros y las
existencias, la estrategia de impulso de 80 días produce más altos ratios de Sharpe
y mayores K-ratios. Este mejor desempeño se debe a la mejora en la rentabilidad
del petróleo y los sectores blandos en las pruebas de futuros, y la asistencia sanitaria
y de consumo discrecional sec-tores en las pruebas de valores.

La volatilidad del desbloqueo

También ponemos a prueba el rendimiento de una estrategia de ruptura de
volatilidad. En esta versión, entramos mucho tiempo si cambio el precio de hoy es
mayor que el doble de la desviación estándar de los cambios de precios en los
últimos 100 días. Entramos corta si cambio el precio de hoy es menor que la
negativa dos veces la desviación estándar de los cambios de precios en los últimos
100 días. No hay otras reglas de entrada y no hay reglas para salir de las posiciones,
a excepción de una entrada en la otra dirección.
La tabla a continuación (Figura 7.21) de Fannie Mae (FNM) detalla las entradas
generadas por la volatilidad de nuestra estrategia de ruptura. La subida fuerte de un día
a finales de marzo era el único día lo suficientemente fuerte como para generar una
señal para el comercio en este ejemplo. El aumento fue suficientemente grande para
que una orden de compra se colocó para la apertura de la mañana siguiente.
El rendimiento de la estrategia de volatilidad ruptura conduce a resultados
algo hacia atrás a los ensayos examinados hasta ahora (figuras 7.22a través 7.23b).
La rentabilidad de las acciones es un tanto fuerte, mientras que las pruebas sobre
futuros apenas se ganan un beneficio durante los 12 años de la parte posterior a la
prueba. Correlación con la ruptura del canal y moviendo las estrategias promedio
de cruce es, en promedio, alrededor de 0,50, lo que sugiere que es posible
incorporar algunos beneficios de la diversificación mediante la adición de esta
estrategia en nuestro programa de comercio.

Estocástico
Los osciladores también se prueban en nuestros datos de rendimiento. La primera
utiliza un lento estocástico% K de 14 días para generar entradas largas y cortas (véase
el capítulo 3 para una explicación detallada sobre la derivación de la lenta% K, RSI,
MACD y osciladores). entradas largas se establecen cuando 14 días lenta% K
estocástico de hoy cae por debajo de 20 y luego cruza se establecen nuevo por encima
de 20. Las entradas cortas cuando 14 días de hoy
156 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre
estrategia: 80 días impulso
80 días desencadena el impulso entradas y
parámetros: salidas
Descripción Comprar si el cierre de hoy> cierre de hace 80 días; si la salida de hoy en día hace
: cerca de 80 días <Cerrar
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Promedio Lucro Avg. Avg. s s
K-
Mercad Beneficio proporc Propo Vientos Gana Pérdi Pérdi
o neto ión rción Max DD alisios r contratos Por Con. Ganar da Ganar da
ANU
NCI
FX O -53390 0.05 -0.03 -369570 165 34 25.72 -15 28.760 -15343 36 9
BP -207750 -0.11 -0.10 -890925 182 36 17.72 -80 24698 -16272 29 10
disco
s
comp
actos 108.550 0.06 0.05 -320690 135 37 46.51 6 32743 -18846 43 9
JY 1480200 0.34 0,73 -215013 93 53 13.03 1.139 46165 -20042 52 10
SF 382.513 0.06 0.20 -215963 107 34 14.97 254 45470 -17316 57 13
tarifas ED 2,171,300 0.15 0.90 -306575 88 32 79.91 140 71,313 -16813 79 8
TY 731.469 0.27 0.32 -230719 135 37 28.10 197 41759 -15770 50 6
NOS 887.375 0.28 0.44 -380125 111 42 21.25 376 42355 -17252 53 8
Valores SP -218825 0.01 -0.11 -698850 153 30 8.95 -154 38.173 -18377 46 8
Rieles GC 109.890 0.05 0.05 -515420 124 33 44.60 19 34419 -15718 52 11
HG 567.225 0.10 0.30 -398325 120 32 33.68 135 49671 -16355 54 11
PL 178.875 -0.02 0.08 -877635 154 29 50.75 19 47832 -18420 39 11
SL -645880 -0.18 -0.31 -956165 193 27 30.75 -117 25.455 -14298 37 8
Energía CL 2,266,660 0.31 0.88 -184980 97 41 29.73 725 75627 -16391 57 12
HO 1,767,402 0.21 0.60 -276864 133 32 25.51 462 66.900 -14531 49 9
HU 1,673,839 0.29 0.61 -263802 113 40 21.93 627 56174 -14330 48 12
granos do 1,547,663 0.16 0.45 -469350 129 40 75.38 157 58349 -19588 43 10
S -322500 -0.07 -0.16 -470413 152 36 30.22 -76 25199 -17871 31 13
W 840.038 0.15 0.39 -197363 102 36 51.89 156 56656 -19537 63 10
carnes FC -167295 -0.02 -0.08 -832785 165 29 39.87 -30 40651 -18353 36 10
LC 74576 -0.03 0.04 -494868 165 28 47.04 -9 36.125 -14964 43 8
LH 477.696 0.10 0.22 -449308 107 37 32.99 132 43936 -19257 59 9
PB -161740 0.00 -0.07 -525592 147 31 20.36 -55 35759 -17382 39 12
materias
primas
agrícolas CC 174.230 -0.02 0.00 -672420 113 31 48.18 6 40789 -17860 62 10
Conn
ectic
ut 797.555 0.08 0.40 -469535 130 30 24.08 106 47.246 -16597 50 9
JO -139043 -0.01 -0.06 -439710 166 35 36.65 -23 26068 -15319 36 8
KC 1,453,515 0.19 0.45 -275794 136 34 10.86 843 54439 -13981 37 11
LB 1,193,984 0.19 0.37 -318136 119 33 36.19 257 62003 -16389 61 7
SB 157.236 0.04 0.08 -373173 131 29 53.93 23 41.171 -15049 61 7
Promedio 570.846 0.09 0.22 -436336 129 33 33.36 174 43197 -16274 47 9
20.000.000
18.000.000
16000000
14.000.000
12.000.000
Equida

10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
 0
-2000000

Ene-

Ene-
Ene-

Ene-

Ene-
Ene-

Ene-

Ene-
Ene

Ene-
Ene

-92
-91

Dic-
99
93

95

98

01
94

97

00
96

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 17125366 El ratio de Sharpe: 1.01
Correlación con el
drawdown: -1302645 desglose: 0,71
Correlación con el 10-40
K-cociente: 0.53 MA: 0.65
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 1 9 una

Los resultados de la estrategia de momentum de 80 días aplicados a futuros.

 BreakdownStatistics (futuros)
cercanos
<closeof80days
Sy
mn
te
sme
a0d
:8mo
y
antu
e
m Pa
mrme
trs:8
da
0oe
m
ytu
ntri g
m rse
etri e
n de
n
a
sDe
its
xcrip
s ton
uy
:Bda
iftolo
c
's
y>c
e
sse
lo0d
f8
osa
y
a;d
o
gi tifo
x
e da
y
hace
Breakdownby Sector del mercado
Mar ke
tA v
er
age
A ve ra
g
eAver age
A
ver a
geAver
age
Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sec to rN e
tP
ro
f itK-
ra
t ioSh ar p
e
Ra ti oMaxD
DNu m Trad
es
%Ganar PerContract Ganar Pérdida Ganar Pérdida
FX 342, 0
250. 080
. 17-
402, 432
136
39 261 35,567 -17564 43 10
R at es9
47, 5360
. 180. 41-
229, 355
84
28 178 38.857 -12459 45 5
S tock-
218, 825
0. 01-
0. 11-
698, 850
153
30 -154 38.173 -18377 46 8
Met a
l s52, 52
8- 0. 010
. 03-
686, 886148
30 14 39344 -16198 46 10
E nergy1, 90
2, 6330.270.
70-
241, 882114
38 605 66234 -15084 51 11
Gra i ns688
, 4000. 080
.
23-
379, 04212
8
38 79 46735 -18998 46 11
Meat s55,
8090. 010
. 03-
575, 6381
46
31 10 39118 -17489 44 10
S oft s606, 246
0. 080. 22-
424, 795133
32 202 45286 -15866 51 9
Númer Num.ofProfi Por
o de table ciento
K- Ratio de Longitud ventanas ventanas Rentable
0.53 Sharpe
proporció 1.33 1 mes 144 86 59.72%
0.02 0,78 3 meses 142 102 71.83%
0,71 1.81 6 meses 139 118 84.89%
0.09 0.20 12 meses 133 126 94.74%
0,81 2.10 18 meses 127 124 97.64%
0.13 0.16 24 meses 121 120 99.17%

NetProfit 3. 00
0. 00
0
por año

2,500,000

2,000,000

1,500,000

1.000.000

neto
Beneficio
500.000

0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-500000 Año
© 2002LarsKestner-AllRightsReserved

FIGURA 7.1 9b

157
Resultsof80 -día MomentumStrategyAppliedtoFutures.
158 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: 80 días impulso
80 días desencadena el impulso entradas y
parámetros: salidas
Comprar si el cierre de hoy> cierre de hace 80 días; de salida si el cierre de hoy
Descripción: <cierre de hace 80 días
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Mercad Beneficio propor Propo s Ga Pérdi
o neto ción rción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida Ganar da
Energía SLB -30736 0.02 -0.02 -354552 146 34 16.80 -21 32.477 -17450 44 9
XOM -1024557 -0.05 -0.53 -1082357 217 30 43.01 -113 22.284 -16694 25 8
Automó
vil club
británic
materiales o -764729 -0.15 -0.37 -900286 86 40 49.41 -184 39657 -40944 52 22
DD -219943 0.06 -0.11 -413265 160 38 21.81 -55 26927 -18522 33 10
IP -1554915 -0.36 -0.74 -1649070 226 30 16.92 -405 16.515 -16919 20 11
licencia
Acciones do en
industriales Letras -189983 -0.02 -0.09 -880414 163 33 22.85 -94 31454 -18353 35 10
GE 643.085 0.13 0.33 -327676 128 39 73.09 69 40808 -17854 45 10
MMM -970735 -0.25 -0.53 -1024748 170 31 13.26 -436 21.969 -18354 34 10
Consumidor DIS 412.540 0.15 0.19 -203136 138 36 37.55 61 34.691 -16142 44 8
discrecional GM 351.283 0.14 0.18 -244393 104 38 12.26 229 33725 -16517 51 14
HD 421.311 0.04 0.19 -607569 138 34 55.79 54 44719 -18520 42 11
WMT 170.012 0.04 0.09 -327881 178 40 32.51 25 24487 -14904 32 7
GRAM
Consumidor O 877.930 0.27 0.45 -188131 110 39 35.08 204 43661 -16297 57 7
grapas KO -126352 0.05 -0.05 -752323 149 28 29.31 -29 51725 -20820 41 12
mes -22793 0.03 -0.01 -539510 154 29 23.65 -7 44.735 -18122 44 10
PG 226.024 0.09 0.11 -440222 158 37 24.81 31 29430 -16295 33 10
Cuidado de
la salud AMGN 1,520,016 0.11 0.44 -414043 141 28 58.88 184 84739 -17428 50 10
BMY 827.772 0.14 0.39 -427874 121 36 33.25 200 50738 -18547 51 10
JNJ 742.542 0.15 0.35 -270865 120 37 38.36 154 45520 -17020 47 13
PFE 1,730,162 0.19 0.66 -395705 132 38 42.20 313 60087 -15404 43 11
Finanzas AIG 119.142 0.08 0.06 -598254 134 31 34.76 28 48415 -19946 49 11
FNM -897868 -0.06 -0.45 -1142998 181 24 18.09 -274 35599 -17592 41 9
MER 1,265,591 0.18 0.51 -292122 133 32 38.01 252 65632 -16320 55 8
Información AAPL 306.954 0.12 0.13 -270102 113 35 17.76 139 42442 -18585 48 15
Tecnología DELL 1,888,562 0.14 0.41 -476532 149 30 510,64 25 82.175 -16331 47 9
IBM -181561 0.03 -0.08 -396583 147 34 20.66 -82 33.730 -19939 37 12
INTC 1,189,528 0.21 0.48 -279454 140 43 87.16 97 41.789 -16608 39 8
MSFT 1,338,833 0.21 0.51 -275901 112 37 57.73 209 61747 -16653 55 10
SUNW 896.733 0.08 0.36 -846298 137 33 184.04 34 56258 -18213 46 9
TXN 2,645,652 0.24 0.86 -208528 100 42 78.93 332 84957 -16320 57 11
Telecom VZ -601494 -0.04 -0.32 -696524 153 29 20.00 -216 24.073 -16138 39 11
Índices SPX 308.504 0.09 0.14 -525137 149 31 2355.89 1 45725 -17336 47 8
NDX 741.280 0.16 0.30 -346319 133 32 1486.19 4 50723 -15936 54 8
RODER
A 1,249,671 0.12 0.40 -395379 103 35 4134.13 3 71590 -19920 60 13
Promedi
o 390.808 0.07 0.12 -535122 142 34 286,02 22 44.859 -18145 44 10
25.000.000
20.000.000
15.000.000
Equidad

10,000,000
5,000,000
0
-5000000
 Ene-

Ene-
Ene

Ene

Ene

Ene

Ene
Ene

Ene

Ene

Dic-
-91

-93

-95

-98

-01
En

-94

-97

-00
92
e-

96

99

01
Ene-
90
Beneficio Estadísticas de la cartera
neto: 13287461 El ratio de Sharpe: 0.43
Correlación con el
drawdown: -5863550 desglose: 0.72
Correlación con el 10-40
K-cociente: 0.18 MA: 0.61
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 2 0 una

Los resultados de la estrategia de momentum de 80 días Aplicada a las existencias.

159
SystemName: 80daymomentum BreakdownStatistics (Stocks)

Enrg
e ía-
52,6
7 7-
4
0.0
1-0.2-
7
71,4
8 518
23-
2
6727 80
,3-
17,07 35
29

Materi
ale-
s
98 ,5
7 4
0-
84 ,5
6 2
9-0.15-
0.4 015
73 -
6
21 27
5 ,
70 -
0
25 ,46
2
35 4
1

In
us
dtriale
s-
17,5
2 4-0
.5-
0.1
-
0
74,2
4 91
7 43
5 -
4
1531
4 ,41
-
0
18,1838
70
1

Dis
cre
ti o
ar
n
y38,7
3 87.0
0
90
.16-
34,7
5 51
4 40
3723
9 ,4
4 05
-
16,52
42
1 10

Sta
ple
s
23
,7
8 0
20
.11.
0
13-
48,0
0 4
71
43
50
42,3
88
-
17
,883
4410

He
l th
a ca
re1,20,
5
12
0.1
3 50.46-
37
,1
7 2129
52
33
1
60
,27-
1
17,10
4811

Fin
an
ia
cls1
6
2,2
88
.0
0 70
.
04
-
67
,7
7 91
49
29
24,8
92-
17
,95
34
9

In
.T
fo ch
e
.1,54,95
70 .15.3
0
8-
39
,3
3 41
28
61
3 08
57
,58-
5
17,52
47
1
11

Te
lec
m-60
o ,49
1-
4
0.0
4-0
.32-
69,5
6 41
2 53-
9
2
2124
6 ,07
-
3
16,13 89
11

Inic
d s7
e66,48
5
0.1
20 .2
-
8
42,2
2 79
12 33
8
56,013-
17 ,73
15
31 0

Número Rentabl Por

de e cient
o
1
9
9
0
1,
8
8
9,
9
9
5
0.
1

NetProfitbyYear
10,
000
,0 0
0

8,0
00,
00
0

6,000,0 00

4,000,000

2,000,000

neto
Beneficio
0

19
90
19
11
99
21
93
194
99
151
99
197
6
19
98
192
002
01

- 2000000

-4000000

Año © 2002LarsKestner- AllRightsReserved

FIGURA 7.2 0b

Resultsof80-día MomentumStrategyAppliedtoStocks.
160 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 7. 2 1

La volatilidad del desbloqueo Estrategia Aplicada a Fannie Mae.

Estocástico lento% K sube por encima de 80 y luego cruza por debajo de 80. No
hay otras normas y reglas para salir de las posiciones, a excepción de una entrada
en la otra dirección.
Ejemplos de entradas y salidas se aplican a Home Depot (HD) en el siguiente
gráfico (Figura 7.24). El oscilador estocástico es experto en recoger las tapas y
fondos en los mercados de reversión a la media. A principios de octubre, los precios
se convierten en sobrecompra, lo que lleva a un nivel estocástico se establecen
superior a 80. Las entradas cortas como el 14-Día lento% K estocástico cae de
nuevo por debajo de 80. Las entradas largas se establecieron a finales de octubre
como el indicador estocástico cae por debajo y luego eleva por encima de 20.
Los resultados de los procesos estocásticos lento% K de 14 días dejan mucho
que desear (ver Figuras 7.25a través 7.26b). El rendimiento en futuros es terrible,
como la estrategia produce beneficios en sólo dos de los 12 años en la prueba.
desempeño de las acciones no es tan malo, con los beneficios que viene en 5 de los
12 años. Por el lado de los futuros, sec-tores que funcionan mal bajo las reglas de
seguimiento de tendencias estándar (metales, carnes, cacao) funcionan muy bien
utilizando la estrategia de procesos estocásticos.
La rentabilidad de esta estrategia estocástica se correlacionan negativamente
a la rentabilidad de ruptura del canal y se mueve cruce de media. Esto no debería
ser sorprendente. En la estrategia de procesos estocásticos, compramos ya que los
precios caen y se venden como precios aumentan, exactamente opo in situ en las
otras dos estrategias de seguimiento de tendencias.
Capítulo 7 Estrategias de disección actualmente disponibles 161

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: ruptura de volatilidad
parámetros: 1 día, 2 retornos de sigmas últimos 100 precio vuelve día
Descripción: Introduzca larga si el regreso precio de hoy es mayor que el doble de la sigma de 100 días; frente a
cortocircuitos
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
K- Sharpe de % Avg. Lucro Avg. Avg. Barras Barras
Beneficio propor Propor Oficios ganar Pérdid
Mercado neto ción ción Max DD contratos Por Con. Ganar Pérdida Ganar a
FX ANUNCIO -374390 -0.06 -0.21 -996300 85 29 26.14 -173 62710 -32553 52 27
BP -312888 -0.05 -0.14 -865825 100 39 17.94 -170 49506 -36652 40 23
discos
compactos 428.410 0.03 0.19 -752590 72 49 47.66 126 63784 -48609 49 35
JY 468.563 0.02 0.24 -412688 86 44 13.80 264 54336 -36477 42 28
SF -631538 -0.12 -0.33 -943825 92 36 16.15 -417 55508 -41552 49 24
tarifas ED 1,832,900 0.19 0.88 -398875 74 49 84.12 301 94512 -40198 61 22
TY -482313 -0.06 -0.24 -717188 90 40 30.56 -176 55945 -46250 44 26
NOS -172125 0.04 -0.08 -519281 80 40 21.46 -167 57770 -44501 44 32
Valores SP -172025 -0.12 -0.08 -619950 97 33 8.29 -344 58113 -32858 41 25
Rieles GC 572.370 0.13 0.27 -490410 68 40 49.16 170 81809 -40.000 66 27
HG -321000 -0.19 -0.17 -834600 77 38 33.67 -148 47465 -36691 44 35
PL 338.455 0.12 0.19 -312435 68 47 48.93 118 53973 -37046 56 32
SL 428.675 0.08 0.25 -326220 75 47 35.42 157 51235 -34380 60 19
Energía CL -221580 0.02 -0.10 -624280 90 36 28.12 -83 64288 -39108 40 30
HO 74907 -0.01 0.04 -430563 78 40 24.16 49 71158 -44979 43 36
HU -258972 -0.10 -0.12 -958482 86 44 22.41 -128 51.450 -45874 38 33
granos do 378.138 0.01 0.17 -484100 104 45 82.07 49 58423 -40895 47 13
S -796213 -0.17 -0.38 -1478475 99 35 30.28 -315 43760 -38691 41 22
sesen
ta y
W 946.350 0.13 0.48 -507750 cinco 45 50.30 293 84.234 -41217 69 28
carnes FC -101330 -0.06 -0.06 -476230 81 47 41.32 -61 39733 -39840 51 24
LC -885980 -0.18 -0.46 -1092340 83 33 50.10 -224 55677 -43445 41 33
LH -685152 -0.04 -0.33 -987076 89 35 32.87 -220 54893 -40411 48 26
PB -403588 -0.09 -0.19 -881188 41 34 25.38 -329 75357 -51742 83 42
materia
s
primas
agrícola
s CC 180.870 -0.03 0.10 -613240 70 43 51.15 20 51699 -36993 53 29
Connectic
ut 19,270 -0.09 0.01 -756815 90 32 24.34 17 72654 -33935 66 17
JO -463995 -0.15 -0.23 -1286288 89 31 36.99 -145 58975 -34916 56 23
KC 777.825 0.18 0.40 -299869 87 45 14.18 629 63351 -35317 50 21
LB -45176 -0.09 -0.02 -734256 48 50 51.69 -70 73016 -80302 46 75
SB 223.171 -0.01 0.12 -625823 77 38 56.60 36 65634 -36376 63 22
Promedio 11,388 -0.02 0.01 -680899 78 39 35.18 -31 59032 -39727 49 28
3.000.000
2,000,000
1.000.000
Equida

0
-1000000
-2000000
-3000000
-4000000
Ene-

Dic
-01
e-
Ene
Ene-

E
Ene-

n
9
7
-94

Ene-99

Ene-01
00
91

96
Ene-

Ene-

Ene-

Ene-

Ene-
90

92

93

95

98
 Estadísticas de la cartera
Beneficio
neto: 341.640 El ratio de Sharpe: 0.02
Correlación con el
drawdown: -5802061 desglose: 0.51
Correlación con el 10-40
K-cociente: -0.09 MA: 0.43
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 2 2 A

Resultados de la volatilidad de Estrategia Aplicada a la ruptura de Futuros.

 BreakdownStatistics (futuros)

Ma rk etA ver a g eA v er a g eA v er a g eA v er a g eA v er a g eA v er a ge Promedio Avg.Bars Avg.Bars

A v g.P rofi tA ver a g e

S e ctor NetP r ofi tK -r ati oS h ar p eR ati o Ma xD DN um T ra d es %

Wi nP e rC ontr a ct Wi n
Pérdida Ganar Pérdida
FX-84,369-0.04-0.05-794,2468739-
7457,169
-39168 46 28
Rates294,6160.040.14-408,8366132- -32737 37 20
1152,057

Stock-172,025-0.12-0.08-619,9509733-
34458,113 -32858 41 25
Metals254,6250.030.13-
490,91672437458,621 -37029 57 28
Energía-135,215-0.03-0.06-671,1088540-
5462,299 -43320 40 33
Grains176,092-0.010.09-
823,4428942962,139 -40268 52 21
Carnes-519,013-0.09-0.26-859,2 097437-
20856,4 15 -43860 56 31
Soft s115,328-0.030.06- -42973 56 31
719,38277408164,222

Númer Num.ofProfit Por

Pe rforman ceB r
eakdo wn by Yea
r
o de able ciento
Y e arN etP rofi tK -r ati oS h ar p eR ati o Y e ar N etP r ofi tK -
rati o S ha rp e Rati o L e ngt h
ventanas ventanas Rentable
1 9 9 0 1 , 7 4 5 , 6 3 8 0 . 4 0 1 . 5 2 1 9 9 6 - 1, 2 6 0 , 2 1 9 - 0 . 2 0 -
1. 0 6 1 M o n t h
144 52.08%
1991215,864- 142 48.59%
0.070.251997103,7740.040.123Months

1 9 9 2 - 9 8 3 , 6 5 9 - 0 . 3 1- 1 . 2 8 1 9 9 8 - 6 1 1 , 7 6 4 - 0 . 1 1 -
0. 5 8 6 M o n t h s
139 48.92%
1993 -38 5,09 3-0 .07 -
0.401 999 352, 827 0.1 20.3 812 Mon ths
133 46.62%
1994- 831, 783- 0. 37- 127 38.58%
0. 9 2 2 0 0 0 1 , 2 2 1 , 0 8 8 0 . 4 1 1 . 4 0 1 8 M o n t h s

1 9 9 5 - 3 4 2 , 9 7 3 - 0 . 1 6 - 0. 2 9 2 0 0 1 1 , 0 3 9 , 3 5 5 0 . 4 5 0 . 7 4 2 4 M o n t h s
121 756968624931 25.62%

NetProf itbyYea
r2 , 0 0 0, 0 0 0

1,500,000
1.000.00
0

500.000
0
1990 1991 1992 1993 199 1995 1996 1997 1998 1999 2000 2001
4

neto
Beneficio
-500000
-1000000

-1500000
Año © 2002LarsKestner-AllRightReserved

FIGURA 7.2 2b

162
ResultsofVolatility BreakoutStrategyAppliedtoFutures.
Capítulo 7 Estrategias de disección actualmente disponibles 163

Trading evaluación de estrategias (acciones)

Nombre Estrategia: ruptura de
volatilidad
1 día, 2 retornos de sigmas últimos 100 precio vuelve
parámetros: día
Introduzca larga si el regreso precio de hoy es mayor que el doble de la sigma de 100 días;
Descripción: frente a cortocircuitos
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Mercad Beneficio proporc Propo s Gan Pérdi
o neto ión rción Max DD alisios ar hrs (000) Por Con. Ganar Pérdida Ganar da
Energía SLB 54851 0.08 0.03 -269450 72 43 16.14 4 43659 -32883 56 30
XOM -83287 -0.05 -0.05 -469181 80 34 46.98 -23 48323 -26240 71 20
Automó
vil club
materiales británico -541286 -0.11 -0.26 -746674 154 34 53.29 -68 22.960 -17163 35 12
DD -560395 -0.11 -0.30 -826475 77 39 21.08 -397 42.188 -40652 52 29
IP 510.746 0.10 0.29 -322297 69 42 17.24 377 60071 -32343 61 30
licenciad
Acciones o en
industriales Letras -267754 -0.15 -0.15 -997481 77 39 22.50 -231 45.893 -37795 45 31
-
dieciséi
GE -59243 0.04 -0.03 -533523 96 35 70.13 s 61295 -35354 49 21
MMM -501492 -0.08 -0.25 -1176582 88 38 14.07 -515 45632 -38971 49 24
Consumidor DIS 417.538 0.12 0.22 -561880 70 47 34.75 179 56917 -39001 57 28
discrecional GM 82767 -0.01 0.05 -327119 90 39 13.46 30 51349 -32026 45 25
HD 383.447 -0.01 0.18 -605375 81 48 67.89 46 56763 -46636 47 27
WMT -410707 -0.04 -0.23 -839676 104 37 40.22 -123 53231 -38430 42 21
GRAM
Consumidor O -273257 -0.01 -0.14 -450525 84 37 40.69 -80 62102 -41516 60 22
grapas KO 467.373 0.08 0.27 -330283 77 47 25.26 241 56399 -38103 51 28
mes -615498 -0.26 0.35 -876155 89 40 25.48 -264 41102 -39233 44 27
PG 560.796 0.15 0.31 -340482 75 48 21.50 294 46.391 -30674 59 21
Cuidado de
la salud AMGN 633.602 0.10 0.35 -541724 99 37 75.39 86 66579 -29323 39 25
BMY -523379 -0.03 -0.29 -1028792 86 36 31.26 -192 47877 -36378 53 25
JNJ -25954 -0.02 -0.01 -744738 76 39 40.04 -5 57821 -38028 62 25
PFE 998.174 0.34 0.58 -249525 80 44 92.28 132 66364 -29915 60 19
Finanzas AIG 82235 -0.03 0.04 -510249 82 39 36.81 23 61142 -37742 56 23
FNM -187520 -0.02 -0.11 -805581 81 38 22.43 -92 53.070 -36234 50 27
MER -341500 -0.11 -0.15 -781212 85 34 49.56 -90 60613 -38128 48 26
Información AAPL 946.047 0.29 0.48 -316343 74 53 16.77 755 59242 -39242 55 25
Tecnología DELL 904.757 0.17 0.42 -450178 100 41 566,97 14 69890 -34951 38 23
IBM 1,815,791 0.34 0,81 -341736 74 46 22.35 1.017 86454 -31449 59 24
sesen
ta y
INTC 1,221,140 0.24 0.53 -475844 70 47 98.06 162 87613 -48078 cinco 22
MSFT 350.859 0.00 0.15 -1005595 108 36 78.31 38 70159 -34946 42 19
SUNW -839810 -0.07 -0.43 -1201906 104 34 211,17 -38 49710 -37179 42 22
TXN -60877 -0.04 -0.03 -538588 89 40 70.52 -5 56283 -38850 50 22
Telecom VZ -901326 -0.19 -0.47 -949018 80 39 23.11 -446 38.266 -41034 49 29
Índices SPX -499732 -0.06 -0.25 -768172 89 30 2305.76 -3 67190 -38946 44 28
NDX 78439 -0.03 0.03 -729984 91 45 1502.82 1 54355 -42345 36 31
RODER
A 1,281,815 0.07 0.50 -848529 77 52 4870.42 3 77293 -53012 46 30
Promedi
o 120.511 0.02 0.05 -645908 86 41 313,08 24 56594 -36847 50 25
7.000.000
6,000,000
5,000,000
Equidad

4,000,000
3.000.000
2,000,000
 1.000.000
0
-1000000

Dic-
Ene

Ene

Ene

Ene
Ene

Ene

Ene
Ene
-94

-96

-98

-00
En

-97

-99

-01
En

En

-95
92
91

93

01
e-
e-

e-
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 4,097,361 El ratio de Sharpe: 0.24
Correlación con el
drawdown: -3198651 desglose: 0.51
Correlación con el 10-40
K-cociente: 0.07 MA: 0.45
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 2 3 una

Resultados de la volatilidad del desbloqueo Estrategia Aplicada a las existencias.

 SystemName: Volatilitybreakout BreakdownStatistics (Foto)

f or shor
P ar ámetr os: 1dayr et u
r ns, 2s
i gmasof past 100daypr i cer et ur ns
D escr i p
t i on: E n
t er l ong
i f t oday
'spr i cer et ur ni sgr eat e
r t hantw i cet he100daysi gma; opposi t eR un
D at es: 1/ 1/ 1990/ 12/ 31/ 2001Br eakdow nbyMar ket S ec
t or ts

Marke t
Ave rag
Av
e ra
e
ge Ave r
age Av e
ra ge Av
erag A
e
ve ra ge
Avg .Pro
fi t

Sec tor
Ne tPr o f
i-
tK
ra ti oSh
arpe Ra
ti o Max
DDN u
mTrad e
%
s
W in Pe r
Con tr a
ct

E ner
gí a-
14, 2
180.
02-
0. 01
-
369,
316
763
8- 9

Ma te
r iales
- 196
,9 78-
0. 04
-0 . 09
-
631,815 10
038-29

I ndu
stri a
l es
-
276,163
-0
. 06
-
0. 14
-
902,529
8737-
254

Di sc
ret iona
r
y118, 261 0.
020.05-
583,5138 64
333

St aples3
4, 854-
0. 010. 02
-
499, 361
814347

H ea
lt hca
r e27
0, 6110
. 10
0. 1
6-
641, 19
58539
5

Fi na
nzas-
148,928-
0. 06
-0
. 07-
699,0148 33
7- 53

I nfo. T
ech
. 619
, 701
0. 130. 27
-
618, 5998
842278

Tel e
com-
901,326-0
. 19
-
0. 47
-
949,0188039-
446

I ndices286
,
841-
0. 010
. 09-
782, 228864
20

Por
P erf or ma n c eB r ea k d ow n b y Nu
m .o
f
Nu
mb e
Y ea r
Rentable ciento ro
f

Y ea rN etPr ofitK -
r ati oS har pe
R ati o Y earN e
tP r o
fi
tK - rati o
S har pe R ati o
ventanas ventanas Rentable
76
M
1
on
th
1
19901, 644, 5850. 340. 891996- 1, 328, 496- 0. 09- 44
52
.
0. 68 78
%

73
Mon
3 th
19912, 647, 0210. 401. 92199 71, 063, 1120. 230. 7 s1
42
51
.41
0 %

74
6
M
on
th
s1
39
53
.2
1992- 824, 894- 0. 18- 4
0. 8519981, 477, 1340. 400. 84 %

66
12M
on
ths
1
1993- 421, 725- 0. 30- 3349
.6
0. 4419991, 888, 4140. 791. 21 2
%

7118
Mo
t
n
1994464, 7990. 200. 32200 0- 2, 147, 773- 0. 33- hs12
75
.9
1. 44 1
%
6
9
2
4
M
o
n
t
h
s
1
2
1
5
7
.
1995- 4, 753- 0. 120. 002001- 0
319, 913- 0. 07- 0. 47
2
%

N
e
t
P
r
o
f
i
t
b
y
Y
e
a

2,00
0,00
0

1.000.000
0
1
9
9
8
1
199 9
9
9
2
0
0
0
2
0
0
1990 1991 2 1993 1994 1995 1996 1997 1

neto
Beneficio
-1000000
-
2
0
0
0

Año
© 2 00 2 L arsK e stn er-
A l l Ri ghts Re s erv e d

R esul t so fV ola
t il it yBr eakout
S t ra t egyA ppli
edt oS t ocks .
164
Capítulo 7 Estrategias de disección actualmente disponibles 165

FIGURA 7. 2 4

Estocástico Estrategia Aplicada a Home Depot.

Un punto de interés: A pesar de que los rendimientos de ambos futuros y

acciones eran menos que perfecto, tanto en los años futuros y rentables en dos de
los cinco años rentables en las existencias se han producido en los últimos tres años.
Esto podría ser una señal de que los mercados muestran una tendencia menos y que
las estrategias de futuro puede implicar métodos de agotamiento como el
estocástico o RSI para generar señales de operación.

Índice de Fuerza Relativa

La próxima prueba del oscilador es un índice de fuerza relativa de 14 días (RSI).
entradas largas se establecen en caso de 14 días RSI actual cae por debajo de 35.
entradas cortas se establecieron en caso de 14 días RSI de hoy se eleva por encima
de 65. No hay otras normas y reglas para salir de las posiciones-ción, a excepción
de una entrada en la otra dirección .
El RSI genera señales comunes con osciladores similares, como stochas-tics.
entradas de ejemplo para Microsoft (MSFT) se detallan en la Figura 7.28. A
principios de octubre, los precios suben de una parte inferior, haciendo que el RSI
de 14 días a caer por debajo de 35 y generar una entrada larga. En tarde de octubre,
después de tres semanas de rally, una rápida venta masiva hace que el RSI a caer
por debajo de 65. Nuestra posición larga se sale y se establece una posición corta.
166 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: 14% del estocástico lento día K
parámetros: 14 días en el cálculo estocástico
Descripción: Introduzca largo cuando% K cruza por encima de 20, entrar en corto cuando% K cruza por debajo de
80
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. Barras s
K- operacione
Beneficio propor Propor s de Pérdid Pérdi
Mercado neto ción ción Max DD victorias Por contratos Con. Ganar a Ganar da
ANU
FX NCIO 898.980 0.14 0.44 -490760 109 67 25.63 317 35215 -46796 17 49
BP 210.638 0.11 0.11 -423888 100 61 17.76 132 32381 -44619 18 48
disco
s
comp
actos -107910 -0.07 -0.05 -996850 101 67 45.85 -25 28297 -61872 21 49
JY -1068175 -0.22 -0.51 -1291713 88 59 13.83 -792 30636 -71023 19 55
SF -518475 -0.05 -0.26 -850238 88 60 15.38 -401 30045 -61018 19 57
tarifas ED -3391050 -0.20 -1.16 -3740525 69 58 86.37 -567 28.959 -156376 21 75
TY -582953 -0.16 -0.26 -871297 96 61 29.27 -194 31501 -64975 18 53
diecisé
NOS -158719 -0.06 -0.08 -702656 106 63 20.29 -55 32.007 -58010 is 48
sesen
ta y
Valores SP 297.725 0.03 0.15 -565013 91 cinco 8.28 365 33412 -52995 19 59
Rieles GC -377760 -0.08 -0.17 -739520 89 60 45.54 -93 33.594 -59951 18 56
HG 159.200 0.02 0.08 -617238 97 66 32.60 60 31795 -55912 17 58
PL 249.925 0.06 0.14 -787975 96 64 45.31 66 30466 -44898 22 47
SL 14.375 0.05 0.01 -394765 85 62 32.90 28 30168 -47531 22 57
Energía CL -1145260 -0.22 -0.47 -1219770 97 59 29,89 -364 29.408 -68275 17 49
HO -763585 -0.21 -0.29 -1011104 94 61 22.94 -362 29.920 -67189 18 53
HU -644423 -0.10 -0.25 -921278 94 62 23.06 -303 29234 -65337 19 52
granos do -734463 -0.15 -0.33 -975075 86 63 74.62 -109 31.872 -75720 19 61
S -29563 0.03 -0.01 -547513 96 64 30.29 -2 30539 -53366 20 51
W -420538 -0.11 -0.17 -1106063 92 63 50.97 -90 35108 -72240 19 56
sesen
ta y
carnes FC 464.740 0.00 0.22 -636485 111 cinco 41.29 102 33305 -49506 17 46
LC 1,863,092 0.42 0.88 -338628 136 79 50.20 272 30473 -48291 15 49
sesen
ta y
LH 65868 -0.02 0.03 -584808 102 cinco 31.33 23 34664 -61475 19 50
PB 953.960 0.20 0.43 -400512 112 67 20.95 428 37991 -49877 17 45
materias
primas
agrícolas CC 1,288,880 0.20 0.63 -577440 111 73 49.02 231 33209 -47713 17 52
Conn
ectic
ut -324655 0.03 -0.16 -536310 90 69 24.74 -150 30632 -79763 20 63
JO 1,203,015 0.29 0.49 -443640 113 74 35.62 301 31.563 -49589 19 47
KC -937271 -0.13 -0.34 -1430715 97 64 12.07 -800 27365 -75243 18 52
diecisé
LB -287344 -0.01 -0.09 -1242616 119 67 32.71 -77 34847 -79206 is 44
SB 68511 0.00 0.03 -517910 97 64 51.93 8 31256 -54217 18 54
Promedio -125108 -0.01 -0.03 -832077 95 62 33.35 -68 30.662 -60766 18 51
0
-1000000
 -2000000
-3000000

Equid
ad
-4000000
-5000000
-6000000

Dic-
Ene-96

Ene-
Ene-

01
Ene-
Ene-

Ene-
00
91

Ene-

99
94

01
En

En
92

93

En

En
95

97

98
e-

e-

e-

e-
Estadísticas de la cartera
Beneficio
neto: -3753234 El ratio de Sharpe: -0.23
Correlación con el
drawdown: -4817779 desglose: -0.84
Correlación con el 10-40
K-cociente: -0.15 MA: -0.79
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 2 5 una

Estrategia estocástico Aplicado a Futuros.

 BreakdownStatistics (futuros)

Promedio Promedio Avg.Bars Avg.Bars

Ganar Pérdid Ganar Pérdida
31315 a
-57066 19 52
23117 -69840 14 44
33412 -52995 19 59
31506 -52073 20 54
29.521 -66934 18 51
32507 -67108 19 56
34108 -52287 17 47
31479 -64289 18 52
Númer Num.ofProfi Por
o de table ciento
Ye arNetPr ofi t
K-
ra t io
S ha r pe Ra
t io
Y ea rN etPr of
i tK-
ra t io
S ha r pe Ra
t io
Longitud ventanas ventanas Rentable
1 mes 144 73 50.69%
3 meses 142 57 40.14%
6 meses 139 54 38.85%
12 meses 133 46 34.59%
18 meses 127 47 37.01%
24 meses 121 36 29,75%

1
,
5
0
0
,
0
0
Red ProfitbyYear 0

1
.
0
0
0
.
0
0
0

500.000

0
199 199 1

neto
1991 1992 1993 1995 9 199 1998 1999 2000 2001
0 4
9

Beneficio
7
-500000

-1000000

-1500000 Año © 2002LarsKestner-AllRightsReserved

FIGURA 7.2 5b

167
StochasticStrategy AppliedtoFutures.
168 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: 14% del estocástico lento
día K
parámetros: 14 días en el cálculo estocástico
Descripción Introduzca largo cuando% K cruza por encima de 20, entrar en corto cuando%
: K cruza por debajo de 80
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. s Barras
K- Viento
Mercad Beneficio propor Propo s Ga Gana Pérdid
o neto ción rción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida r a
Energía SLB 1,054,815 0.13 0.57 -429612 123 68 15.66 577 31.162 -38613 15 44
XOM 570.319 0.13 0.33 -396000 99 73 40.79 139 26321 -49426 21 57
Automó
vil club
materiales británico 1,054,534 0.21 0.51 -407396 52 71 53.98 369 50087 -54404 41 99
DD 517.573 0.09 0.29 -522904 110 69 20.73 222 27762 -47182 19 46
IP 1,197,185 0.26 0.65 -349334 111 72 16.60 643 30998 -41769 20 46
licencia
Acciones do en
industriales Letras 188.488 0.08 0.11 -338916 94 60 20.44 108 31993 -41675 20 49
sese
nta y
GE 226.148 0.06 0.12 -356487 98 cinco 77.93 28 34757 -59074 19 52
MMM 705.134 0.08 0.38 -482366 98 66 14.08 579 32915 -40614 20 50
Consumidor DIS -241732 -0.01 -0.12 -546550 98 62 35.27 -70 29746 -55562 20 49
discrecional GM 290.940 0.17 0.16 -240771 98 64 13.54 213 32.045 -49592 21 49
HD 13.239 0.05 0.01 -669100 88 64 61.39 15 41.170 -69494 19 60
WMT -158387 -0.06 -0.08 -608085 92 59 40.75 -42 33549 -51834 19 52
Consumidor GRAMO 235.847 0.00 0.12 -725839 100 69 35.70 88 30.077 -56763 18 57
diecis
grapas KO 337.537 0.02 0.16 -671384 115 67 26.31 103 30386 -53332 éis 46
mes -653108 -0.10 -0.31 -826848 86 62 24.91 -296 29619 -66761 20 59
PG 549.375 0.09 0.27 -454234 114 73 20.96 250 30.574 -62590 17 52
Cuidado de
la salud AMGN -546373 -0.02 -0.22 -1210098 96 64 48.58 -119 33587 -74353 18 55
BMY 131.075 -0.05 0.07 -590820 89 66 35.47 57 31.462 -55840 19 63
diecis
JNJ 31384 -0.01 0.02 -713694 106 62 39.50 6 30.782 -50204 éis 48
PFE 74622 -0.02 0.04 -753674 105 67 85.62 9 30866 -59303 17 51
Finanzas AIG 84283 0.02 0.05 -549144 100 63 41.25 21 30.703 -49960 17 52
FNM 795.628 0.06 0.41 -469661 108 71 24.71 296 30.854 -51145 18 52
MER -52301 0.01 -0.03 -544209 108 62 50.59 0 32878 -53778 15 47
Información AAPL -311022 -0.03 -0.16 -703493 99 62 17.78 -187 30.592 -57771 17 51
sese
nta y
Tecnología DELL -201635 -0.04 -0.07 -936353 100 cinco 527,50 -4 36085 -72601 19 52
IBM -279152 -0.10 -0.13 -740997 102 61 20.73 -78 32998 -55259 18 46
INTC -1187364 -0.21 -0.49 -1609738 101 61 116.64 -100 32.307 -81635 18 49
MSFT -816197 -0.18 -0.35 -984331 88 60 70.48 -133 32858 -73410 20 56
SUNW -661447 -0.14 -0.28 -1129208 85 61 222.88 -35 35.650 -76263 19 62
TXN 102.388 -0.01 0.05 -763102 101 64 87.46 14 34.160 -58346 18 52
Telecom VZ 606.523 0.17 0.37 -279857 101 64 22.89 290 29.901 -35343 18 49
Índices SPX -271065 -0.09 -0.13 -1083386 90 64 2222.01 -1 33296 -69109 18 61
NDX -1057188 -0.24 -0.50 -1389437 89 62 1817.52 -7 31855 -82593 18 60
RODER
A -2289483 -0.28 -0.80 -2596205 102 53 5222.14 -4 36232 -86348 13 47
sese
Promedi nta y
o 1.194 0.00 0.03 -737448 98 cinco 329,20 87 32.654 -58292 19 54
4,000,000
3.000.000
2,000,000
1.000.000
0
Equid

-1000000
-2000000
 -3000000
-4000000
-5000000
-6000000

Ene-

Ene-

Ene-
Ene

Dic-
Ene
Ene

Ene

Ene

Ene
-92

-00
-95

-97

-99
En

En

-01
91

93

01
94

96

98
e-

e-
Ene-
90
Beneficio Estadísticas de la cartera
neto: 40583 El ratio de Sharpe: 0.01
Correlación con el
drawdown: -8192040 desglose: -0.86
Correlación con el 10-40
K-cociente: -0.03 MA: -0.82
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 2 6 una

Estrategia estocástico Aplicado a las existencias.

 BreakdownStatistics (Stocks)

Promedio Promedio Avg.Bars Avg.Bars

Ganar Pérdida Ganar Pérdida
28741 -44019 18 51
Í ndices-
1, 205, 91
Sect or Net Pr of it K-
Par ám et r os: 14daysinst ochast iccalcu lat ion Mark etAver ageAve rag eAver ageAve rag eAver ageAve ra geAvg.Pr ofit 2- 0. 20-
RunDat es: 1/ 1/ 1990/ 12/ 31 / 2001Br eakdownbyM ar ket Sect or r at ioShar peRat i o Ener gy812, 5670. 130. 45- 412, 806 111713 58 M at er ials923, 0970. 190. 48- 426, 5459 171411 I ndust r ials373, 2570. 070. 20- 392, 590 9764239 St aples117, 413 0. 000. 06- 669, 5761046 837 Financ ials 275, 8700. 030. 14- 521, 0051 056510 6 Telecom 606, 52 30. 170. 37- 279, 8571016 4290 0. 48-
M axDDN um Tr ad Discr eci onal- 23, 985 0. 04- 0. 01- 516, 127946229 1, 689, 67
Healt hcar e- 77, 323- 0. 02- 0. 02- 817, 0729965- 1 2 I nf o. Tech. - 479, 204- 0. 10- 0. 21- 981, 0329762- 75 69460- 4
Descripción: Enterlongwhen% Kcrossesabove20, entershortwhen% Kcrossesbelow80 36.282 -47785 27 64
33222 -47121 20 51
34127 -56620 20 53
30164 -59862 18 53
31674 -59925 18 54
31.478 -51628 17 50
33.521 -67898 18 52
29.901 -35343 18 49
33794 -79350 17 56
ProfitabilityWindows

Long Numberof Num.ofPro PercentPr

fitableWind
itud Windows ows ofitable
1 mes 144 79 54.86%
3 meses 142 78 54.93%
6 meses 139 79 56.83%
12 meses 133 75 56.39%
18 meses 127 67 52.76%
24 meses 121 60 49.59%

SystemName: 14daySlow% Kstochastics

199
8 1999 2000 2001

© 2002LarsKestner-AllRightsReserved
 Año
NetProfit K-
PerformanceBreakdownby Ratio de
K-
332.322
Ratio proporción
-0.02
de Sharpe
0.21
Año
pro -0.79
Sharpe-0.28
- - -0.09 1996
0.0
0.0
-2297717 -0.68
-0.68 -0.17
01,076,26 0.39
1997
0.5 1.10 0.30
1998
3 2,268,66
0.5 1.23
5
1.77 0.50 1999
0.6
585.539
1.64 0.00 0.41
2000
5
-
0.9 -2.52 2001
3NetProfitbyYear

19951994 1996 1997

199
1 1992 1993

YearNetProfit
1990-218783
Año
1991-1943596
19921,424,585
19931,913,059
19942,022,781
1995-3660423
to
St
oc 3.000.0
00
2,000,
000
1.000.00
0
neto

0 199
0
Beneficio

-1000000
-2000000
-
300000
0

-
4000000

7.26b
FIGURA
169

StochasticStrategyAppli
ed
170 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 7. 2 7

Estrategia de RSI Aplicado a Microsoft.

La estrategia de RSI de 14 días funciona muy mal en los mercados de futuros

y las existencias (Figuras 7.28a través 7.29b). Ambos conjuntos de mercados
producen ratios de Sharpe nega-tiva fuertes y K-ratios. Las pruebas en los mercados
de futuros producen beneficios en sólo 4 de 12 años. Mientras que las acciones
producen beneficios en 7 de los 12 años analizados, los cinco años de pérdidas
sobrepasan los siete años de ganancias. Como se ha visto en las pruebas de procesos
estocásticos, regresa de la estrategia RSI de 14 días se correlacionan negativamente
a los rendimientos básicos tendencia-fol-si-. desempeño más débil es generado por
las tasas de interés, los futuros del petróleo, y las acciones tecnológicas.

Convergencia se mueve Normal / Divergencia

Nuestra estrategia final probado en este capítulo es el popular Moving estrategia
promedio convergencia / divergencia. El MACD se construye mediante el cálculo
de la diferencia entre una de 12 días y 26 días de media móvil exponencial. La línea
de señal se genera mediante el cálculo de un nueve días móvil exponencial aver-
edad del MACD. entradas largas se establecen cuando el MACD se eleva por
encima de la línea de señal. entradas cortas se establecen cuando el MACD cae por
debajo de la línea de señal.
Capítulo 7 Estrategias de disección actualmente disponibles 171

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: 14 día RSI
parámetros: 14 días en el cálculo RSI
Descripción: Escribir un tiempo cuando% K cae por debajo de 35, entrar en corto cuando% K sube por encima de
65
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra Barr
K- Sharpe de % Avg. Lucro Avg. Avg. s as
Beneficio propor Propor Vientos Por ganar los contratos Gana Pérdi
Mercado neto ción ción Max DD alisios Con. Ganar Pérdida r da
FX ANUNCIO 123.340 -0.03 0.07 -514700 42 69 24.65 99 44549 -91481 46 127
BP 37.375 0.02 0.02 -870775 42 76 17.72 50 41.875 -130288 53 132
discos
compacto
s 782.490 0.10 0.33 -373980 51 67 48.58 308 54981 -65079 43 92
JY -1777938 -0.53 -0.85 -1780538 30 37 14.06 -3937 47739 -115066 32 138
SF -851700 -0.14 -0.45 -1071288 36 53 15,78 -1392 45363 -97218 36 131
tarifas ED -1954150 -0.15 -0.79 -2150825 41 63 87.19 -210 44528 -127298 37 112
TY -1112906 -0.28 -0.52 -1216969 34 59 28.94 -1112 40666 -136261 43 151
NOS -1033281 -0.18 -0.50 -1177938 34 47 20.31 -1475 45.234 -96811 37 133
Valores SP 594.263 0.06 0.30 -642013 40 70 8.24 1,800 58092 -86094 42 151
Rieles GC 467.280 0.15 0.20 -521380 42 69 42.00 255 47802 -72094 52 114
HG -403213 -0.10 -0.22 -951700 38 63 34.97 -339 43403 -106580 47 131
PL 572.640 0.13 0.29 -642530 41 73 48.69 302 50171 -81999 54 126
SL 852.720 0.26 0.42 -396970 43 72 33.52 616 46163 -45233 51 119
Energía CL -1415590 -0.28 -0.55 -1598220 37 51 29.08 -1259 45.643 -123423 43 118
HO -395560 -0.09 -0.14 -1115990 41 61 25.98 -308 60185 -114564 44 114
HU -49640 -0.04 -0.02 -563732 43 58 21.84 -12 54341 -76092 41 107
granos do -829975 -0.13 -0.34 -1117675 36 64 75.68 -285 45.504 -140225 52 135
sese
nta y
S 325.913 -0.01 0.14 -633738 40 cinco 29.66 313 51286 -68693 47 123
W -521313 -0.11 -0.22 -1070925 37 59 50.53 -300 52377 -114268 46 131
carnes FC -177885 -0.05 -0.08 -987890 35 69 40.64 -119 47.614 -119313 45 167
LC -424944 -0.04 -0.21 -568600 31 58 48.13 -180 50319 -90344 45 163
LH 152.904 0.04 0.08 -452392 43 63 30.91 111 49195 -73783 41 116
PB 177.992 0.06 0.09 -399556 37 73 20.53 255 43918 -99207 55 151
materias
primas
agrícola
s CC 357.260 0.09 0.17 -441400 38 63 49.54 248 53.860 -58956 41 140
Connectic
ut -1243350 -0.23 -0.67 -1349980 28 54 24.62 -1825 45831 -149676 55 162
JO 342.458 0.07 0.14 -676140 42 64 36.70 224 53708 -73614 41 123
KC -1227281 -0.15 -0.41 -2120419 35 60 12.22 -2574 41.313 -140605 49 118
LB -606544 -0.08 -0.20 -1416288 44 68 35.73 -395 52937 -157754 36 138
SB -335474 -0.12 -0.16 -801002 38 55 53.90 -180 47763 -80645 49 116
Promedio -319137 -0.06 -0.14 -920852 37 60 33.68 -377 46879 -97756 43 126
2,000,000
0
-2000000
Equidad

-4000000
-6000000
-8000000
-10000000
-12000000
Ene-01
Ene-96
Ene-95

Ene-97
Ene-

Ene-

Dic-01
Ene-

Ene-

94

99
Ene

Ene
-92

-98
En
90

91

93

En
00
e-

e-
 Estadísticas de la cartera
Beneficio
neto: -9574109 El ratio de Sharpe: -0.57
Correlación con el
drawdown: -11206636 desglose: -0.84
Correlación con el 10-40
K-cociente: -0.17 MA: -0.80
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 2 8 una

Estrategia de RSI Aplicado a Futuros.

 BreakdownStatistics (futuros)
SystemName: 14dayRSI

Parámetros: 14daysinRSIcalculation
De scrip ción : En terlong when% Kfal lsbe low3 5, enter short when %
Krise sabo ve65

Breakdownby Ma rketSecto rRunDates:

1/1/1990/12/31/2001

Mar ke tA ver ag
eA ver age A ver
ageA ve r ageA
ver age A ver ag
Avg.Profit e
Avg.Bars Avg.Bars Promedio Promedio
S ec t orN etP rofi tK-
r ati o
S ha r peR ati o M ax
DDN
PerContract umTr a des
Ganar perder
%Wi n
Ganar Pérdida
FX- 337, 287- 0. 11-
0. 17-
922, 2564060- 974
42 124 46901 -99826
P r ec
i os-
1, 025, 084- 0. 15
-
0. 45-
1, 136, 4332742-
699
29 99 32607 -90093
St ock594, 263
0. 060. 30-
642, 01340701
, 800
42 151 58092 -86094
M et als372, 357
0. 110. 17-
628, 14541692
08
51 122 46885 -76477
E ner gí a
-
620, 263- 0. 14-
0. 24-
1, 092, 6484057-
526
43 113 53390 -104693
G r anos-
341, 792- 0. 09-
0. 14-
48 130
940, 7793863- 91
49723 -107729
Car nes-
67, 9830. 00-
0. 03-
47 149
602, 1103766- 17
47761 -95662
S of t s
- 452, 155-
1, 134, 205- 0. 07-
45 133
0. 193861- 750
49235 -110208
Num.of
PerformanceBreakdownbyYear Número de Porcentaje rentable

Y ea rN e
tP rofitK -r ati o
Sharpe
Rati o
YearNetPr o
f itK-
Longitud ventanas ventanas rentable
r ati oShar pR ati o
e

1990- 1, 969, 512-

0. 53- 1
. 111996-
1, 255, 660-0
. 18-
1 mes 144 0. 60
69 47.92%
1991- 897, 463-
0. 15-
0. 641997454, 0
3 meses 142 53 37.32%
890. 360. 42

1992- 767, 682-

0. 37- 0. 871998-
255, 003- 0. 10
-
6 meses 139 0. 18
52 37.41%
1993- 1, 445, 818
-
0. 12-
0. 9719991, 047, 9
12 meses 133 33 24.81%
700. 340. 47

1994- 2, 789 , 276-

0. 73- 1
. 972000-
18 meses 127 21 16.54%
967, 716- 0. 20- 1
. 00

1995- 933, 726-

0. 15-
0. 812001252, 452
0. 050. 18
24 meses 121 26 21.49%
Rentabilid
Red ad por año 1,500,000
1.000.000
500.000
0
-500000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

neto
-1000000

Beneficio
-1500000
-2000000
-2500000
-3000000

© Kestner
Año FIG UR E7.28b
2002Lars AllRightsReserved

172
RSIStrategyAppliedtoFutures.
Capítulo 7 Estrategias de disección actualmente disponibles 173

Trading evaluación de estrategias (acciones)

Nombre Estrategia: 14 día RSI
parámetros: 14 días en el cálculo RSI
Escribir un tiempo cuando% K cae por debajo de 35, entrar en corto
Descripción: cuando% K sube por encima de 65
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barr
Sharpe de % Avg. Lucro Avg. Avg. s as
K- Viento
Mercad Beneficio propor Propo s Ga Gana Pérd
o neto ción rción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida r ida
Energía SLB -338453 -0.07 -0.17 -669830 32 56 18.42 -553 46952 -83652 37 161
XOM 576.238 0.04 0.30 -723344 29 83 39.50 477 55814 -158628 71 243
Automó
vil club
británic
materiales o 940.140 0.05 0.46 -612178 121 69 51.89 151 30.288 -41170 17 41
DD 940.788 0.11 0.46 -337832 44 77 20.24 1,076 51186 -78152 53 116
IP 1,455,155 0.38 0.69 -244463 44 82 18.22 1.817 51855 -51211 57 120
licencia
Acciones do en
industriales Letras -81798 -0.01 -0.04 -710955 38 71 21.92 -96 45.156 -118099 51 146
GE -551274 -0.09 -0.30 -679624 30 50 78.90 -238 59853 -97452 57 144
MMM 1,256,945 0.23 0.72 -255750 44 82 13.49 2,145 50744 -69209 53 137
Consumidor DIS 172.303 0.02 0.08 -578416 44 61 39.31 93 49,850 -69682 36 116
discrecional GM -304259 -0.14 -0.16 -711318 37 51 13.34 -615 44459 -63793 44 120
HD -983966 -0.07 -0.43 -1316118 32 69 55.70 -528 41461 -185386 57 169
WMT 643.434 0.14 0.31 -498086 46 72 39.00 388 54871 -85774 40 126
GRAM
Consumidor O 300.226 0.01 0.16 -477593 40 68 35.78 244 51192 -79512 42 141
grapas KO 438.645 0.03 0.19 -833272 44 80 23.56 403 52233 -156723 44 163
mes -651657 -0.17 -0.31 -939039 36 61 22.81 -807 43501 -115686 49 137
PG -58300 -0.04 -0.03 -907456 38 66 25.03 -45 49854 -99195 44 146
Cuidado de
la salud AMGN -1232585 -0.07 -0.40 -1863956 34 68 58.09 -628 60944 -240130 56 156
BMY 205.247 -0.01 0.09 -801860 38 71 32.79 176 51677 -106913 49 147
JNJ 140.269 0.01 0.06 -1157350 39 72 41.13 63 56835 -135465 42 167
PFE -628071 -0.15 -0.25 -1205406 34 59 85.86 -212 53348 -120330 49 143
Finanzas AIG -424471 -0.09 -0.19 -782154 37 59 43.26 -285 48553 -101642 40 139
FNM 411.906 0.04 0.22 -707419 34 74 24.66 497 62351 -126929 57 167
MER -583673 -0.11 -0.23 -1308586 37 62 60.50 -261 58048 -137047 40 147
Información AAPL -94655 0.01 -0.04 -805320 43 60 19.55 -102 48.804 -79674 48 103
Tecnología DELL -2425660 -0.20 -0.49 -3287845 33 64 719,82 -101 48595 -284390 51 157
IBM -36081 -0.02 -0.02 -750866 42 64 18.12 73 48849 -84250 51 104
INTC -1099569 -0.19 -0.43 -1334885 36 61 126.27 -233 43441 -144024 46 139
MSFT -431214 -0.07 0.16 -1234359 40 70 59,59 -171 56176 -165046 37 160
SUNW -408737 -0.01 -0.15 -857301 42 67 215,23 -45 56813 -142506 44 125
TXN -1511004 -0.17 -0.47 -2437998 32 56 104.64 -449 50028 -171651 40 158
Telecom VZ -36979 -0.09 -0.02 -623148 35 54 23.61 9 42645 -50185 51 123
Índices SPX 2,845 -0.04 0.00 -850971 36 69 2344.05 0 54205 -122371 49 160
NDX -1212027 -0.18 -0.51 -1594825 33 52 1961.44 -18 59048 -136820 39 144
RODER
A -1422463 -0.19 -0.48 -1937955 53 60 5820.52 -4 46719 -136678 33 92
Promedi sesenta
o -206846 -0.03 -0.05 -1001102 41 66 361,07 y cinco 50775 -118805 46 140
2,000,000
0
-2000000
-4000000
-6000000
Equidad-
8000000
-10000000
-12000000
-14000000
 E
n
e

9
-

Ene

ne
97

Ene

Dic
-01
Ene-
Ene-
En
En

92

-96
91

-98

En
E

99
e-
e-

e-
Ene-

00
94

Ene
-95
90
Estadísticas de la
cartera
Beneficio El ratio de
neto: -7032755 Sharpe: -0.26
Correlación con el
drawdown: -13381024 desglose: -0.85
Correlación con el 10-40
K-cociente: -0.13 MA: -0.77
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 7. 2 9 una

Estrategia de RSI Aplicado a las existencias.

 BreakdownStatistics (Stocks)
Desc
omp
ostur
a byMarketSector
MarketAver ageA ve
r ageA ve
r ag
eA v er ag
eAverage
A ver age
Av g.
P rofi t
Promedio
Se ct orN e
tP r ofi tK-
r ati o
Sh ar p
R ati o
e Ma
xDDN
umT r ade s%
Win P erC o ntr ac t
Ganar
Ener gy118, 893- 0. 010. 07-
696, 5873170- 38 51383
M at er ials1, 112, 0280. 180. 5
3- 398, 15870761, 015 44443
I ndust r ials207, 9580. 040. 13
- 548, 7763768604
51918
D i sc
r eci ona
l - 118, 122- 0
. 01-
0. 05- 775, 9854063- 166
47,660
St aples7, 229- 0. 040. 00-
789, 3404068- 51 49195
H eal t hcar e- 378, 785- 0
. 06-
0. 12- 1, 257, 1433667- 150
55701
Finanzas- 19 8, 746- 0. 05-
0. 07932, 7203665- 16 56317
I nf o. Tech.- 858, 131- 0. 09-
0. 25- 1, 529, 7963863- 147 50387
Telecom - 36, 979- 0. 09-
0. 02- 623, 14835549
42645
Í ndices- 877, 215- 0. 13-
0. 33- 1, 461, 2504160- 8
53324

Rentab Por
Nu
m .ofN u
m
le ciento bero
f

Yea rN e
tP
ro
f itK-
ra
t io Sh ar
peRa ti o Y
earNe tPr
ofi tK-
rat io
Sh ar
peRa ti o
Longitud ventanas Rentable
1990-
1, 125, 42
8-
0. 36
- 0.551996-
82, 5980.11-
0. 04
1 mes
1991 -
2, 937, 93
5- 0
. 14-
1. 28199
7-
1, 533, 5
1
6- 0
. 15
-
0. 35
3 meses
19921,144 , 75
60. 340 . 93
199
8- 641, 549-
0. 07
- 0.26
6 meses
1993996 , 44
90. 410 . 8819
99-
1, 125, 2530 .
04- 0.26
12 meses
19941, 080,
7100. 241.0
320001, 823
, 5570
. 420
.7
5
18 meses
1995-
7, 161, 71
6-
1. 00
-
3. 6320012,5
82, 2460.531.
65
24 meses
4
,
0
0
NetProfitbyYear 0
,
2,0
00,
000

0
1990 1991 1992 1993 1994 1995 1996 1997 1999
200
0200
1

1998

neto
-2000000

Beneficio
-4000000
-
60
00
00
0

© 2002Lar sKest ner -

All Rig ht sReser ved

174
RS IS tr
at e g yA
p pl i e dt
oS t o c k
s.
Capítulo 7 Estrategias de disección actualmente disponibles 175

FIGURA 7. 3 0

MACD Estrategia Aplicada a la General Electric.

La estrategia MACD se aplica a General Electric (GE) en la Figura 7.30. A

finales de diciembre la acción comienza a darse la vuelta y el MACD cruza por
debajo de sus nueve días de media móvil exponencial. Una posición corta se
establece sobre la base de esta cruz. Los precios a continuación manifestación en
mediados de enero. Este rally hace que el MACD para reunir y cruzar por encima
de su línea de señal. En este punto, nuestras posiciones cortas se sale y se establece
una posición larga.
La estrategia MACD conduce a resultados de rendimiento interesantes (Figuras
7.31a través 7.32b). las señales de comercio MACD son casi la mitad de seguimiento
de tendencias / media oscilla-tor. La premisa es comprar en periodos de fuerza después
de caídas y vender períodos de debilidad tras las manifestaciones. Esta estrategia
híbrida realiza favorablemente en los mercados de futuros, lo que lleva a los beneficios
en 9 de 12 años. Monedas y materias primas agrícolas producen las mayores ganancias.
rendimiento de las acciones es horrible con la estrategia MACD, generando pérdidas
en los 12 años de la prueba. Notablemente débiles son la energía, la salud, y los sectores
financieros.

Una línea de base para las estrategias de comercio FUTUROS

las estrategias estándar de seguimiento de tendencias parecen funcionar bien en
los mercados de futuros-espe-cialmente divisas, tipos de interés, petróleo y
materias primas agrícolas.
176 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: MACD
parámetros: 12 días menos las medias móviles exponenciales 26 días; EMA 9 días para la línea de señal
Descripción: Comprar cuando el MACD cruza por encima de la línea de señal, vender cuando el MACD cruza por
debajo de la línea de señal
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
K- Sharpe de % Avg. Lucro Avg. Avg. Bar Barras
Beneficio proporc Propor Oficios ganar contratos Por Pérdid
Mercado neto ión ción Max DD Con. Ganar Pérdida Ganar a
ANU
NCI
FX O 499.100 0.05 0.28 -347580 234 41 25.10 83 32449 -18691 21 7
BP 994.700 0.15 0.59 -376750 234 42 18.46 220 33.947 -17849 19 8
disc
os
com
pact
os 1,217,070 0.32 0.62 -196410 230 43 46.65 111 37889 -19956 20 8
JY 683.088 0.14 0.35 -365288 207 41 13.77 203 39742 -22946 23 9
SF 202.963 0.10 0.11 -276350 229 36 16.10 62 39.256 -20756 21 9
tarifas ED -60025 0.00 -0.02 -516775 230 35 81.71 -3 46.250 -25480 21 9
TY -593688 -0.07 -0.28 -764016 253 36 29.36 -80 33672 -22584 20 7
NOS -132250 -0.04 -0.07 -555156 251 35 20,74 -25 36.660 -20601 21 7
Valores SP -464725 -0.16 -0.25 -670450 252 36 8.64 -209 30,665 -20159 21 7
Rieles GC 146.450 0.00 0.07 -560360 238 35 45.18 13 38.750 -20242 21 8
HG 733.675 0.23 0.39 -228488 223 38 32.28 98 38099 -18363 20 9
PL -978775 -0.15 -0.49 -1236220 229 33 47.57 -90 33042 -22851 22 9
SL -286210 -0.03 -0.17 -688155 246 35 35.40 -42 30761 -18830 20 8
Energía CL 39360 0.10 0.02 -507140 226 37 27.74 6 39706 -23237 22 8
HO 234.705 0.14 0.11 -417526 252 33 23.03 39 43,251 -19902 21 7
HU 993.350 0.23 0.44 -320107 224 40 22.55 193 42116 -21018 22 7
granos do 872.888 0.23 0.43 -287738 224 38 76.85 49 43037 -19804 21 9
S 313.038 0.01 0.18 -424700 218 43 31.57 42 31604 -21619 21 8
W -309400 0.02 -0.13 -569363 256 35 51.82 -24 36157 -21527 20 7
carnes FC -290030 -0.03 -0.15 -510045 246 34 41.45 -29 37891 -21084 21 8
LC -1176116 -0.16 -0.58 -1288976 266 29 50.55 -90 31.242 -19367 20 8
LH 166.792 0.08 0.08 -612732 231 39 32.41 17 39172 -24093 22 7
diecisé
PB 100.016 -0.05 0.05 -542488 246 35 21.08 is 40.168 -21463 20 8
materias
primas
agrícolas CC -77850 0.00 -0.04 -584930 247 39 51.73 -5 28137 -18325 19 8
Conn
ectic
ut -301615 -0.15 -0.14 -768190 238 32 24.69 -54 42303 -21419 21 9
JO 53.453 -0.03 0.02 -667253 221 37 36.32 5 34447 -20008 21 9
KC 1,002,731 0.16 0.43 -372690 228 41 13.45 329 38.259 -18879 20 8
LB 1,436,816 0.19 0.54 -381496 217 41 34.86 189 49938 -23001 21 9
SB 33162 -0.03 0.02 -551287 240 36 53.93 2 33926 -18795 21 8
Promedio 168.422 0.04 0.08 -519622 228 36 33.83 34 36085 -20095 20 8
8,000,000
7.000.000
6,000,000
5,000,000
Equidad

4,000,000
3.000.000
2,000,000
1.000.000
0
-1000000
 Ene-96

Dic
-01
Ene-
Ene-

Ene-95

Ene-
Ene-97

Ene-
Ene-

00
91

99

01
Ene

94

Ene
-93

-98
En

92
e-
Estadísticas de la cartera
Beneficio
neto: 5,052,672 El ratio de Sharpe: 0.39
Correlación con el
drawdown: -2371700 desglose: 0.34
Correlación con el 10-40
K-cociente: 0.18 MA: 0.29
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 3 1 una

Estrategia MACD Aplicado a Futuros.

 BreakdownStatistics (futuros)
S
e
Breakd c
ownby t línea
o
Promedio Promedio Avg.Bars Avg.Bars
Ganar Pérdid Ganar Pérdida
36.657 -20040 21 8
29.146 -17166 dieciséi 6
30,665 -20159 21 7
35163 -20072 21 8
41691 -21386 22 8
36.932 -20984 21 8
37118 -21502 21 8
37835 -20071 21 8
Númer Num.ofProfit Por
o de able ciento
Yea rN e tP
ro
f itK-
ra
t io Sh arp
ea
R t io
Ye
arNetProfi
t-
K
rat io
Sh arp
Ra
e t io
Longitud ventanas ventanas Rentable
1990854,
0030. 370
. 8019961
, 792, 44
0. 542.04
1 mes 144 73 50.69%
19911, 85
6, 2720
.2
41. 11199
71, 310
,5
690. 241
.
08
3 meses 142 81 57.04%
1992147,
2060. 020
. 1719981
, 094, 2
60
0. 541.16

199
386
6 meses 139 86 61,87%
, 16
00.
140
. 09
199
982
3, 6
370
. 43
3. 8
6

199
12 meses 133 90 67,67%
4-
446,
822-
0. 22
-
0. 42
200
015
5, 98
7-
0. 17
0. 15
18 meses 127 95 74.80%
1995-
850,9
35-
0. 60
-
1. 20
2
001-
1, 78
7
, 280
-
0. 80
-
1. 53
24 meses 121 89 73.55%

2 ,0 0 0 ,0 0
0

1 ,5 0 0 ,0
00

1.000.000

neto
500.000
0
199 19
1990 1991 1992 1993 4 1996 1997 1998 1999 2000 2001

Beneficio
95
-500000
-1000000
-1500000

-2000000 Año © 2002LarsKestner-AllRightsReserved

FIGURA 7 .31b

177
MACDStrategy AppliedtoFutures.
178 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: MACD
parámetros: 12 días menos las medias móviles exponenciales 26 días; EMA 9 días para la línea de señal
Descripción: Comprar cuando el MACD cruza por encima de la línea de señal, vender cuando el MACD cruza por
debajo de la línea de señal
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % AXG. Lucro Avg. Avg. s s
K- operacione
Beneficio propor Propor s de hrs (000) por Gana Pérdi
Mercado neto ción ción Max DD victorias estafa. Ganar Pérdida r da
Energía SLB -1611299 -0.38 -0.89 -1672655 268 29 15.76 -393 28385 -20655 20 8
XOM -2006097 -0.46 -1.22 -2068201 289 28 42.88 -164 20,186 -17804 18 7
Automóvi
l club
materiales británico -819035 -0.20 -0.42 -955868 68 21 53.17 -220 58673 -29912 91 24
DD 75572 -0.03 0.04 -664919 236 38 19.16 13 30775 -18578 21 8
IP -558913 -0.13 -0.31 -869163 243 35 16.53 -138 30540 -19938 21 8
licenciad
Acciones o en
industriales Letras -66458 -0.06 -0.03 -727796 240 35 20.67 -19 38.160 -20787 21 8
GE -480315 -0.14 -0.25 -778427 258 34 77.75 -24 33228 -20048 20 8
MMM -1071521 -0.16 -0.54 -1262855 278 32 13.48 -283 28.942 -19234 19 7
Consumidor DIS -477546 -0.10 -0.27 -881630 264 36 35.37 -52 29.310 -19349 19 7
discrecional GM -482876 -0.17 -0.25 -1287130 273 32 13.47 -130 35623 -18946 21 7
HD -1060629 -0.18 -0.48 -1195162 254 34 67,61 -62 33712 -23971 20 8
WMT -633736 -0.15 -0.34 -831776 260 33 39.34 -63 33113 -20085 20 8
Consumidor GRAMO -313554 -0.06 -0.16 -775555 247 34 35.50 -36 33442 -19182 21 8
grapas KO -49826 -0.02 -0.03 -690108 246 36 27.25 -7 34.756 -19663 21 8
mes -809333 -0.17 -0.37 -998070 246 34 23.66 -139 33.148 -22170 20 8
PG -1372431 -0.29 -0.60 -1522181 257 32 21.20 -252 30116 -21942 21 8
-
Cuidado de diecis
la salud AMGN -217951 -0.06 -0.10 -800364 257 34 66.20 éis 36834 -20467 20 8
BMY -1895602 -0.21 -0.98 -1935232 275 27 33.32 -206 31566 -21007 20 8
JNJ -633003 -0.08 -0.33 -1043705 248 33 38.59 -66 35954 -21248 21 8
PFE -1053309 -0.09 -0.54 -1196174 266 29 80.77 -52 33701 -19874 21 7
Finanzas AIG -1243293 -0.32 -0.63 -1513658 261 29 42.37 -114 37.443 -21901 22 7
FNM -2517708 -0.31 -1.31 -2722764 292 27 22.34 -386 26169 -21537 19 7
MER -642720 -0.21 -0.33 -931673 253 33 47.21 -53 35780 -21541 20 8
Información AAPL 623.957 0.22 0.32 -303324 221 38 17.22 166 40.982 -20984 23 8
Tecnología DELL 347.117 0.08 0.15 -544477 224 38 641,28 2 42333 -23464 21 9
IBM 2,202,199 0.47 1.26 -168612 183 46 21.22 565 48.650 -19100 24 10
-
diecis
INTC -395775 -0.09 -0.18 -1089055 249 31 102.16 éis 44438 -22707 21 8
MSFT -225754 -0.07 -0.10 -1023672 229 33 73.19 -14 44305 -23564 23 8
SUNW -323229 -0.09 -0.15 -802708 253 34 223,35 -6 37174 -21575 21 7
TXN -612461 -0.10 -0.29 -894591 251 31 77.60 -33 42967 -23051 22 7
Telecom VZ -1625842 -0.25 -0.86 -1722823 270 31 22.68 -263 26.470 -20870 19 7
Índices SPX -941803 -0.20 -0.48 -1082298 260 30 2261.41 -2 37.136 -21361 21 7
NDX -544664 -0.16 -0.26 -1055940 255 31 1611.48 -1 40748 -21867 21 8
RODER
A 1,890,225 0.28 0,71 -357993 224 42 5273.80 2 56588 -25724 22 8
Promedi
o -574930 -0.11 -0.30 -1069722 247 33 328,79 -72 36216 -21297 23 8
5,000,000
0
-5000000
-10000000
Equidad-15000000
-20000000
-25000000
 Ene-
Ene-96
Ene-

Ene-95

Ene-
Ene-

Dic-01
Ene-
Ene-

97
Ene-
91

00

Ene-
Ene

98

99
94
-90

93
En

92

01
e-
Estadísticas de la cartera
Beneficio
neto: -19, 547 613 El ratio de Sharpe: -0.90
Correlación con el
drawdown: -22783630 desglose: 0.23
Correlación con el 10-40
K-cociente: -0.45 MA: 0.10
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 7. 3 2 una

Estrategia MACD Aplicado a las existencias.

 Ma rk
etAve
r ag
Av
e er a
ge
Ave
r age
Average Avera
ge
Average
Avg.Pr o
f itAve
r age
Promedio Avg.Bars Avg.Bars
Se t orNe
c tP rofitK -
ra
t io
S ha rp
Ra
e t io
M ax
DD
Nu mTrade s%
Win Pe rC ontr a ctW in
Pérdid Ganar Pérdida
E ner gí a
-1
, 808
, 698-
0. 42-1. 05
-
1, 870, 4282792 9-
27924, 28 6
-19230 19 7
Mat er ial e
s- 434
, 125
- 0. 12
-
0. 23- 829, 98318231-
11539, 996
-22809 44 13
Disponible

I ndust ri a
l es- 5
39, 4
31- 0
. 12
-
0. 27-923, 0 2625934 - 10933 , 443
-20023 20 7
Di sc
r eci ona
l -663,697-0. 1
5-
0. 33
- 1,048,925263 34-
7732, 9 39
-20588 20 7
G r apa
s- 636
, 286- 0
. 13
- 0. 29
-
996, 47924934 - 10832, 866 -20739 21 8
H eal th
car e
- 949
, 966
- 0.11-
0. 49-1, 24
3, 869
26231 -
8534, 514
-20649 20 8
Fi nanzas-1, 4
67, 9
07- 0
. 28
-
0. 76
- 1,722,69826930-
18533,131
-21659 20 7
I nf o
. Tech. 230
, 8650. 060
. 14
- 689, 491230369542, 978
-22064 22 8
Tel ecom- 1, 6
25, 8
42- 0
. 25
-
0. 86-1, 72
2, 82
327031 -
26326, 4 70
-20870 19 7
I ndi ces134
, 586- 0. 03
- 0. 01-
832, 07724634044, 824
-22984 21 8
ProfitabilityWindows
Número Por
Num.ofProfi
CAPÍTULO 7 La disección de Estrategias Actualmente

de table ciento
Ye arNetPr ofi tK-
r ati o
Sha r peRati oYea rN e
tP rofi
tK -r a
ti o
Sh ar p Ra
e t ioLength
ventanas ventanas Rentable
1990- 456 , 8630. 02
-
0. 151996 -2, 494
, 832-
0. 33-1. 76
1Mon th
144 55 38.19%
1991- 282
, 931- 0. 3
2-
0. 101997
-
297, 3950
. 12
-
0. 183
M on
t hs
142 40 28.17%
1992- 1
, 69
6, 2
71-0. 42
-
0. 121
998-1, 5
99,932-0. 2
9-
0. 746
Mont h
s
139 27 19.42%
1993-1, 2
11,538-0. 4
0-
1. 141
999- 2,700
, 304
-
0. 48
-4
. 4712 Mont h
s
133 9 6,77%
1994-1, 1
31,160-0. 1
3-
0. 712
000- 3,375
, 565
-
0. 46
-1
. 8918 Mont h
s
127 2 1,57%
1995- 4
, 602, 830- 0.85-
3. 792001- 33, 2420 . 03
-
0. 0224
M on t hs
121 0 0,00%

199 199 199 199 199 200

1990 1991 2 1994 6 1998 N et P r ofi t b y Y e ar 0- 5 0 0, 0 0 0
1999 2001
3 5 7 0

-2000000
-2500000

neto
-3000000

Beneficio
-3500000

Año
© 2002LarsKestner-AllRightsReserved

FIGURA 7 .32b
MACDStrategy AppliedtoStocks.
179
179
180 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

La principal preocupación con estos modelos de seguimiento de tendencias

se basa en los mercados para continuar sus formas de tendencias. Aunque el
rendimiento en la década de 1990 fue muy fuerte, los beneficios anuales recientes
han sido menos que la media. Esta es un área de sys-máticas comerciantes para
vigilar. Los resultados pueden sugerir que las estrategias de agotamiento podrían
tener prioridad sobre las estrategias de seguimiento de tendencias durante los
próximos 10 a 20 años.
Se encontró que el rendimiento de las acciones era muy variado. las
estrategias de seguimiento de tendencias a cabo muy bien en sectores específicos,
como los índices de la tecnología y de las acciones, pero en general, siguiendo la
tendencia de rendimiento se mezclaron. Si eliminamos el pequeño lote de acciones
que producen beneficios, nos encontramos con que la mayoría de las poblaciones
no responden bien a las estrategias de seguimiento de tendencias. Extracción de la
tecnología y los índices, la estrategia de 14 días K Lenta% produce beneficios en
19 de los 24 mercados restantes. Este fenómeno es motivo para un estudio
adicional.
Mediante la evaluación de estrategias comerciales populares de la actualidad,
hemos establecido una línea de base para comparar las nuevas estrategias
comerciales que crearemos más adelante en el libro. Este enfoque igualdad de
condiciones permite a los comerciantes para ver exactamente cuál es su posición
en el mundo de éxito comercial. Los resultados de rendimiento de las estrategias
en este capítulo pueden ser analizados para obtener una mejor comprensión de
cómo funcionan los mercados.
 CAPÍTULO 8

Nuevas ideas sobre las entradas, salidas y

Filtros
Mejora del rendimiento del comercio utilizando técnicas de
vanguardia

TAquí hay una serie de nuevas estrategias comerciales para su uso con acciones y
futuros mar-kets que voy a presentar en esta sección. Estas ideas no son simplemente
rehashes de técnicas utilizadas cur-tualmente; que son únicos. Cada estrategia se
detallan las reglas exactas para la compra y venta de señales, y presenta un gráfico
de precios que las parcelas de muestreo comprar y vender señales aplicadas a los
datos reales del mercado, además de estadísticas de rendimiento de una cartera de
acciones y futuros.

Un lobo con piel de cordero

El enfoque de mis ideas de operación se está adaptando a los indicadores condi-
ciones vigentes en el mercado. Si un mercado es volátil, queremos que nuestras
entradas y salidas sean menos sensibles a los cambios de precios. Nunca queremos
utilizar un tope fijo en dólares o cosa por el estilo, que no se deriva de las estadísticas
del mercado. Cada idea se basa en la lógica y principios estadísticos rigor-ous.
He visto una serie de estrategias de "revolucionarios" introducidos en revistas
como análisis técnico de acciones y materias primas o vendidos como $ 3000
sistemas para el público. Muy a menudo, estos métodos consisten en nada más que
la ruptura del canal y las estrategias de cruce de media móvil dual que hemos
utilizado en este libro. Más de las veces, la estrategia central serán envueltos con una
serie de fil-tros que no mejoran el rendimiento de la estrategia, y rara vez influyen
en compra y venta de señales. Un ejemplo podría ser:
 181

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
182 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Configuración 1: Un día en el interior, un patrón en el que tanto la alta de hoy es

menor que el máximo de ayer y de hoy baja es mayor que el mínimo de
ayer, se produjo dentro de los últimos 10 días de negociación.
Configuración 2: Un día al aire libre, un patrón en el que tanto la alta de hoy es
mayor que antaño día de baja y alta de hoy es menor que el mínimo de ayer,
se produjo dentro de los últimos 10 días de negociación.
Configuración 3: Cierre de hoy es el cierre más alto de los
últimos 40 días. Configuración 4: Hoy de cierre es el nivel más
bajo de los últimos 40 días. Si se cumplen configuración 1, 2 y
3, y luego comprar el mercado.
Si se cumplen configuración 1, 2 y 4, y luego vender en el mercado.
Es posible que vea esta estrategia apodado como el "mecanismo de entrada
de Wiggle-Menear," o algún otro título atractivo. El meneo y meneo (el filtro dentro
y fuera de los días) probablemente no tienen nada que ver con el rendimiento del
sys-tem. No veo ninguna razón por la que tiene un día en el interior y el exterior
afectaría el rendimiento per de un sistema de ruptura del canal. Es un filtro
tendencia sin sentido. A pesar de la falta de pertinencia de Ajuste 1 y el Ajuste 2,
esta estrategia es rentable. ¿Por qué? Debido a que la ruptura de canal de 40 días
que impulsa el rendimiento de este strat-EGY es inherentemente rentable. A pesar
de que el rendimiento puede llegar a ser mejor con las configuraciones de salida de
ondulación y waggle, es probable que el creador estrategia no se que le dirá.

Un método para medir la similitud de las estrategias consiste en calcular una

matriz de correlación de los rendimientos. Recuerde, los sistemas con baja
correlación se pueden combinar para utilizar los beneficios de la diversificación,
mientras que los sistemas altamente correlacionados (como el ejemplo de
maniobra-meneo arriba, y los 40 días de ruptura del canal / 20 días) no
proporcionan ningún beneficio para el comerciante. Mantenga un ojo en las
estadísticas de correlación destacados en el fondo de mis plantillas de rendimiento.
Estos números son una manera fácil de detectar esta alta correlación con las
estrategias populares de seguimiento de tendencias.

EL canción sigue siendo el mismo: SIMILITUDES de osciladores

estrategias de negociación no son la única pieza del rompecabezas de comercio que
sufre de correlación severa. Indicadores-específicamente osciladores de precios de
sobrecompra / sobreventa, como el índice de fuerza relativa y el estocástico% K-se
enfrentan a problemas similares debido a las similitudes en su cálculo. Como
resultado, sus movimientos se siguen una a otra muy de cerca (Figura 8.1), por lo
que usar un oscilador en particular frente a otro puede no ser terriblemente
importante en las decisiones comerciales.
11 NUEVAS TÉCNICAS DE COMERCIO
¿Por qué señalo las similitudes en los osciladores y falte espacio negociación
Strate-gías? En las siguientes páginas, voy a presentar 11 nuevas ideas que no son
una repetición de
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 183

Precio, RSI y estocástico

1200 130

1000 Precio 110

90
800

osciladores
70
Precio

600
RSI 50
400
30
Estocástico
200 10

-10
0 30 60 90

Fecha

FIGURA 8. 1

Precio, RSI y estocástico. Se mueve en un 14 días de RSI y 14 días lenta% estocástica K son muy similares.

el viejo y usado en exceso. Tampoco son estas técnicas imitadores de la lógica de

negociación en curso. Si bien muchos de ellos son variaciones de las metodologías
actuales, son aplicados de una manera que va a generar completamente nuevos y
mejores señales de comercio. El 11 son:
■
Mover sistema de Promedio de Kestner
■
Segundo Orden del desbloqueo
■
Reemplazo de histograma MACD
■
Índice de divergencia
■
Mover método de la media Confluencia
■
Indicador del sobre normalizada
■
Sistema de Entrada Múltiple oscilador
■
estocástico ajustado
■
Tres consecutivos
■
estrategia de Reversión volumen
■
Soporte de saitta y la estrategia de resistencia

Mover Promedio del Sistema de Kestner

El primer sistema que se haya diseñado involucrado mejorar un sistema de cruce de media
móvil ya popular. En el cruce de media móvil simple tradicional, señales de compra son
ge-
184 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

nerada cuando los precios de cierre por encima de la media móvil, mientras que las señales
de venta se generan cuando los precios de cierre por debajo de la media móvil. La
característica más problemática de lo único cruce de media mov-ing es la señales falsas
causadas por los cruces frecuentes de los precios y la media móvil. Como se explica en el
capítulo 4, si un mercado oscila entre la fuerza y la debilidad con poco seguimiento a través
de la estrategia de media móvil típica puede ser látigo-aserrado, ya que compra después de
períodos de fuerza y vende después de períodos de debilidad. Este usu-aliado es el principal
motor de pérdidas o la falta de cumplimiento de una estrategia de media móvil.
Una manera de aliviar estos señales falsas es crear un canal utilizando dos
medias separadas. Logro esto calculando dos medias: uno utilizando los máximos
del día y otro utilizando los mínimos del día. Requiero precios cerrar por encima
de la media móvil de los máximos para generar señales de compra, mientras que
los precios deben cerrar por debajo de la media móvil de los mínimos para generar
señales de venta. Además, puedo filtrar estas señales tomando solamente cuando
compra media móvil de hoy es mayor que hace los que se mueven x el promedio
de días, y sólo tomando señales de venta cuando la media móvil de hoy en día es
menos que hace los móviles aver en edad x días. Típicamente, el parámetro x se
utiliza en el proceso de filtrado es igual a la longitud de la media móvil.
El gráfico de la figura 8.2, muestra el Kestner Moving System media
utilizando un promedio móvil de 20 días cuando se aplica a General Electric (GE).
A principios de junio, se cumplen las dos condiciones para generar una entrada
larga: los precios suben por encima de la media móvil de 20 días de máximos, y el
promedio móvil de 20 días es mayor que el valor del día anterior. A finales de julio,
los precios comienzan a caer dando lugar a una disminución por debajo del
promedio mov-ción de 20 días de mínimos y una caída de la media móvil de 20
días de cierres. En este punto salimos de nuestras posiciones largas y entrar en
corto.
Genero negociación señales mediante la combinación de dos sistemas
separados utilizando un 20 días de media móvil y una media móvil de 80 días. Las
posiciones se toman cuando ambos sistemas están de acuerdo. Es decir, si la
estrategia nueva media en movimiento utilizando un promedio móvil de 20 días es
largo y la nueva estrategia usando una media móvil de 80 días también es larga,
vamos a entrar en una posición larga en el mercado probado. Si la estrategia de
medio nuevo en movimiento utilizando un promedio móvil de 20 días es corto y la
nueva estrategia usando una media móvil de 80 días también es corta, vamos a
entrar en una posición corta en el mar-cado probado. Las posiciones largas se
apagan si el cierre de hoy cae por debajo de la media móvil simple de 80 días de
mínimos. Las posiciones cortas se sale si el cierre de hoy se eleva por encima de la
media móvil simple de 80 días de máximos.
Mover sistema de Promedio de Kestner se desempeña muy bien en nuestro
estable de los mercados de futuros (Figuras 8.3a y 8.3b). Un ratio de Sharpe de 0,95
y de 0,43 relación K son dos de los más altos veremos. Esta estrategia es rentable
en 11 de los 12 años analizados. El rendimiento en las poblaciones no es tan
impresionante, pero todavía genera ganancias en siete de los 12 años (Figuras 8.4a
y 8.4b). La lógica de negociación da alta correlación con las estrategias de
seguimiento de tendencias stan-dard para ambas acciones y futuros.

Segundo Orden del desbloqueo

Esta estrategia se diseñó para distinguir entre la fuerza de la variación de los brotes de
los canales de longitud. En un típico canal de ruptura de 20 días, se establece una
posición larga
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 185

FIGURA 8. 2

Mover Promedio del Sistema de Kestner Aplicado a General Electric.

cuando el mercado hace un alto de 20 días. Por definición, un alto de 40 días

también está a 20 días de alta, ya que un mercado haciendo un largo plazo alta
siempre está haciendo un corto plazo de alta. Como tal, el alto de 40 días sería
considerado una señal de compra en nuestra estrategia de ruptura del canal de 20
días. Tal vez tenemos que distinguir los dos diciendo que a 40 días de alta es más
importante que un alto de 20 días. Del mismo modo, una persona de 80 días de alta
es más importante que un alto de 40 días. He desarrollado la segunda orden
breakout para determinar el signifi-cado de cada nueva alta y baja.
Cada día, a determinar la importancia de una estrecha de ese día en comparación
con el cierre de los últimos 80 días. Al comparar el cierre de hoy para el pasado 80, se
determina el grado de ruptura que se está produciendo en la actualidad. Si el cierre de
hoy es el más alto de los últimos cinco días se cierra, entonces hoy es un máximo de
cinco días. Si el cierre de hoy es el más alto de los últimos 20 días se cierra, entonces
hoy es un alto de 20 días. Buscamos hasta 80 días antes de determinar el alcance de la
ruptura de hoy. El número de días de alta o baja se registra como la estadística de
Segundo Orden del desbloqueo. Las temperaturas máximas se registran como valores
positivos y los puntos bajos se registran como valores negativos. Por ejemplo, si hoy
fuera el cierre más alto de los últimos 40 días, entonces la estadística Segunda Breakout
Orden de hoy tendría un valor de 40. Si hoy fuera el cierre más bajo de los últimos 35
días, entonces la estadística Segunda Breakout Orden de hoy tendría un valor de -35.
Generamos señales de operación utilizando la metodología típica ruptura de canal en
lugar de Enterprise
186 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: sistema de media móvil de Kestner
parámetros: 20 días promedio, un promedio de 80 día
Descripción: Comprar cuando 20 días y el 80 días en acuerdo; salida a la ruptura por debajo opuesta 20 días
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra
K- Sharpe de % Avg. Lucro Avg. Avg. Barras s
Beneficio propor Propor Oficios ganar contratos Por Pérdid Pérdi
Mercado neto ción ción Max DD Con. Ganar a Ganar da
FX ANUNCIO -137730 0.05 -0.08 -271290 64 27 25.29 -77 70164 -28033 91 23
BP -333850 -0.11 -0.18 -1002013 75 17 17.75 -257 101.761 -26849 112 18
discos
compacto
s -124230 0.00 -0.06 -637370 63 27 48.52 -34 76660 -30608 98 20
JY 1,567,200 0.48 0.80 -119725 44 45 13.31 2476 102.410 -24908 109 20
SF 759.650 0.16 0.40 -143275 57 35 15.62 881 82489 -23384 96 17
tarifas ED 2,585,325 0.24 1.10 -130200 40 48 87.00 401 101.576 -25.481 95 23
TY 1,064,641 0.33 0.52 -149875 52 35 28.60 728 114.679 -28875 118 14
NOS 945.219 0.27 0.51 -143875 50 36 20.00 944 98139 -25690 110 19
dieci
Valores SP -422300 -0.03 -0.22 -610013 75 23 8.39 -657 70799 -27886 105 séis
Rieles GC 77630 0.05 0.04 -328840 60 28 42.28 39 74997 -27341 100 20
HG 518.363 0.13 0.31 -347050 53 30 31.85 345 95070 -25383 115 21
PL -261735 -0.09 -0.14 -738325 67 27 49.47 -89 65387 -30059 90 20
SL -261965 -0.08 -0.13 -462110 66 26 31.15 -149 51990 -24305 96 21
Energía CL 1,880,420 0.37 0,78 -250510 45 42 29.09 1.367 131.153 -27.001 110 19
HO 1,275,162 0.16 0.49 -199538 48 38 24.37 962 117.928 -33247 101 28
HU 915.378 0.17 0.37 -285298 53 32 23.07 717 114.138 -29541 111 19
granos do 1,149,138 0.20 0.50 -246025 47 45 78.77 297 89036 -29640 94 24
S -572125 -0.10 -0.30 -924663 71 30 31.63 -276 47118 -32184 75 17
W 512.788 0.11 0.24 -332363 60 30 50.18 170 99026 -30230 101 18
carnes FC 5,310 0.00 0.00 -644975 62 18 39.08 2 132.730 -28.524 126 25
LC 510.124 0.10 0.28 -281028 54 30 49.89 129 82301 -25525 113 19
LH 265.284 0.11 0.14 -284236 52 31 32.57 150 80019 -28485 96 27
PB -501848 -0.11 -0.23 -710852 73 18 19.88 -358 93657 -28957 107 20
materia
s
primas
agrícola
s CC -135320 -0.07 -0.07 -575000 60 23 49.03 -93 67894 -26642 111 23
Connectic
ut 780.455 0.10 0.41 -386230 60 27 24.11 539 116.606 -24665 109 20
JO -505253 -0.10 -0.22 -848558 70 23 37.52 -194 70970 -30448 95 19
KC 1,534,935 0.18 0.51 -255056 51 33 11.62 2.315 130.088 -24708 106 23
LB 1,199,056 0.14 0.40 -265664 50 38 32.12 747 114.297 -31374 105 20
SB 369.197 0.12 0.21 -274154 57 35 53.02 122 68584 -27094 94 20
Promedio 488.631 0.09 0.21 -394937 56 30 33.51 372 88722 -26902 100 20
18.000.000
16000000
14.000.000
12.000.000
Equida

10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
-2000000
Ene-

Ene-
Ene-90

Dic-
Ene-
Ene-95

Ene-

Ene-98

01
91

94

99
Ene-

Ene-

96

Ene-

Ene-
Ene
-00
92

93

97

01

Estadísticas de la cartera
 Beneficio
neto: 14, 658917 El ratio de Sharpe: 0.95
Correlación con el
drawdown: -1440842 desglose: 0.85
Correlación con el 10-40
K-cociente: 0.43 MA: 0,81
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 3 una

Mover Promedio del Sistema de Kestner Aplicado a Futuros.

 BreakdownStatistics (futuros)

Breakdownby
Market Sector
Promedio Promedio
Ganar Pérdid
86697 a
-26756
78599 -20012
70799 -27886
71861 -26772
121.073 -29930
78393 -30685
97176 -27873
94740 -27488
Número Por
de ciento
Yea rK- rati o
Sha rp
Ra
e ti o
Yea rN e
tPr o
fi tK-
ra
t ioSh arpeRatio
NetPr of it
Longitud ventanas Rentable
1 mes 144
3 meses 142
6 meses 139
12 meses 133
18 meses 127
24 meses 121

3
,
5
0
0
,
0
0
NetProfitbyYear 0

3
.
0
0
0
.
0
0
0

2,500,000

2,000,000

1,500,000

neto
Beneficio
1. 000. 00
0

5
0
0
.
0
0
0

0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 20002001

Año
© 2002Lars

FIGURA 8. 3b

187
Kestner'sMoving AverageSystemAppliedtoFutures.
188 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: sistema de media móvil de Kestner
parámetros: 20 días promedio, un promedio de 80 día
Descripción: Comprar cuando 20 días y el 80 días en acuerdo; salida a la ruptura por debajo opuesta 20 días
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barr
Sharpe de % Avg. Lucro Avg. Avg. Barras as
K-
Mercad Beneficio propor Propor Oficios ganar hrs (000) por Pérdi
o neto ción ción Max DD estafa. Ganar Pérdida Ganar da
Energía SLB 12.214 0.02 0.01 -366403 67 27 15.88 -3 68403 -25185 96 18
XOM -447922 -0.02 -0.26 -541961 76 25 41.51 -142 52154 -25243 86 19
Automó
vil club
británic
materiales o 721.966 0.12 0.40 -250884 235 40 48.10 61 35.536 -18836 20 8
DD -265376 0.02 -0.14 -479546 73 23 22.97 -141 72089 -26109 95 18
IP -1112854 -0.30 -0.65 -1148649 79 15 17.70 -795 61491 -27615 97 22
licencia
Acciones do en
industriales Letras 4.860 0.00 0.00 -385808 59 27 20.20 4 75617 -28024 99 26
GE 349.766 0.10 0.20 -364851 64 34 79.63 71 71585 -28926 94 14
MMM -1016660 -0.24 -0.57 -1068669 77 23 12.79 -1066 41279 -30389 83 19
Consumidor DIS 326.890 0.12 0.17 -191997 63 33 36.77 141 70385 -27409 89 19
discrecional GM 522.145 0.15 0.30 -131960 50 48 12.51 835 46691 -23017 87 20
HD 425.147 0.05 0.21 -407104 68 21 61.55 98 123.029 -24.306 117 18
WMT 216.902 0.04 0.12 -367950 62 29 35.19 73 76994 -27854 101 17
Consumidor GRAMO 53686 0.08 0.03 -263338 58 34 38.31 2 68186 -35745 98 15
grapas KO -202256 0.03 -0.09 -693084 66 20 23.79 -129 121.941 -33.726 129 18
mes 362.990 0.12 0.19 -387817 59 27 24.75 253 101.668 -29.226 109 21
PG -197343 -0.01 -0.09 -546069 77 22 22.92 -143 88192 -29195 93 17
Cuidado de
la salud AMGN 1,300,388 0.13 0.52 -369204 53 28 48.35 510 152.821 -25.916 111 25
BMY 331.151 0.11 0.18 -411910 57 26 32.05 167 97871 -27691 115 22
JNJ 199.063 0.05 0.09 -728386 63 25 35.58 94 98255 -28959 104 20
PFE 1,398,474 0.22 0.62 -393704 49 31 59.60 475 146.145 -23.650 119 26
Finanzas AIG 3,885 0.04 0.00 -380118 70 21 39.63 11 97927 -26134 108 18
dieci
FNM -779473 -0.06 -0.43 -1076581 83 20 19.19 -486 67,667 -29156 95 séis
MER 817.597 0.13 0.38 -284852 56 29 49.81 297 122.951 -28.487 110 21
Información AAPL 639.949 0.16 0.30 -192795 53 32 18.41 628 85.244 -23229 88 29
Tecnología DELL 2,171,902 0.17 0.45 -345975 57 30 547,31 69 191.668 -27.503 115 17
IBM 198.592 0.08 0.10 -453018 60 28 18.38 120 81820 -29265 90 24
sesenta
INTC 1,148,675 0.21 0.50 -348956 y cinco 26 84.70 202 132.157 -23.686 98 19
dieci
MSFT 1,191,043 0.17 0.46 -393357 61 30 56.31 343 140.155 -31.254 108 séis
SUNW 746.528 0.10 0.32 -418119 57 33 214,84 61 100.118 -30.413 95 19
TXN 1,105,334 0.20 0.47 -275614 56 36 97.26 204 99957 -24606 97 19
Telecom VZ -441685 -0.01 -0.27 -508096 61 28 21.47 -381 50430 -30815 96 22
dieci
Índices SPX -110761 0.04 -0.06 -569651 73 23 2275.32 -1 85035 -27627 105 séis
NDX 987.273 0.27 0.46 -201943 52 40 1610.30 12 97629 -33229 100 19
RODER
A 1,582,679 0.24 0.56 -168291 53 38 5270.06 6 127.551 -29.641 90 20
Promedio 360.140 0.07 0.13 -444608 68 29 323,92 43 92666 -27708 98 19
20.000.000
15.000.000
Equidad

10,000,000

5,000,000
0
-5000000
 E

E
n
e

n
e
9
E5
-
-

Ene-98

Ene-99
n
e
9
Ene-91

Ene-
Ene-94

Dic-01
97

Ene-
En

93

En
00

01
e-

e-
Estadísticas de la cartera
Beneficio
neto: 12244768 El ratio de Sharpe: 0.44
Correlación con el
drawdown: -5487815 desglose: 0.85
Correlación con el 10-40
K-cociente: 0.18 MA: 0.75
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 4 una

Mover Promedio del Sistema de Kestner Aplicado a las existencias.

 BreakdownStatistics (Stocks)

belowopposite20day
te
s
y
S:Ke
a
n
mr'mo
tn
sae
g
in
vtmP
y
s
g
raete
rm
ada
0
:2
rsrgs
e
v
yyv
a
d
0
,8De
s
g
ra
e:B
n
to
rip
c
sn2
e
h
w
y
un8
y
a
d
0ing
y
a
d
0t; e
n
m
rera
b
n
ito
xk

Breakdownby Sector del mercado

Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
%Ganar PerContract Ganar Pérdida Ganar Pérdida
26 -72 60279 -25214 91 18
26 -292 In
d
us
tr
iale
56372 -24187 71 die
s-
22 0
,67
8-
0.0
5-
0.1
2-
606
,4
28 -330 D
i
s
c
62827 -29113 92 20
r
e
t
i
o
n
a
r
y
33 287 79275 -25647 98 19
26 -4 94997 -31973 107 18
Hea
lt
hcar
e807
,269
0.13
0.35
-
475,
8015
6

Fi
28 312 na
nci
als
123.773 -26554 113 23
14
,0
03
0.
04
-
0.
02
-
23 -59 96182 -27926 104 18
31 233 118.731 -27137 99 20
28 -381 50430 -30815 96 22
In
dice
s81,
9
7300.
180.3
2-
313,2
9559
34 6 103.405 -30166 98 19
ProfitabilityWindows

Perf o
rm an
ce
Bre
ak
do
wnbyY
ea
r
Número de Num.ofProfitable Por ciento
1
K- Ratio de Longitud ventanas ventanas Rentable
9
9
0
6
6
9,
1
5
6
0.
2
proporció
0.00 Sharpe
0.37 1 mes 144 73 50.69%
0.23 0.70 3 meses 142 70 49.30%
0.21 0.87 6 meses 139 73 52.52%
-0.15 0.11 12 meses 133 80 60.15%
-0.30 -0.55 18 meses 127 86 67.72%
-0.49 -1.87 24 meses 121 76 62.81%
8
,
0
0
0
,
0
0
NetProfit por año
0

6
,
0
0
0
,
0
0
0

4,000,000

2,000,000

neto
Beneficio
0 199019911995 1996 1997 1998 1999 2001

2000

-4000000
Año © 2002LarsKestner-AllRightsReserved

FIGURA 8. 4b

189
Kestner'sMoving AverageSystemAppliedtoStocks.
190 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

ing en sesiones individuales de precios, creamos señales basadas en sesiones

individuales de los canales de la estadística del Segundo Orden del desbloqueo. La
lógica detrás de esta estrategia es la siguiente: Si Estadística Segundo Orden del
desbloqueo de hoy es a la vez el valor más alto en los últimos 40 días y más de 20,
a continuación, se establecen las posiciones largas. Si Estadística Segundo Orden
del desbloqueo de hoy es a la vez el valor más bajo en los últimos 40 días y menos
de -20, a continuación, se establecen las posiciones cortas.
La belleza de la Segunda Orden del desbloqueo es que los movimientos de
precios de diversos grados son evaluados y calificados. Si se ha efectuado
recientemente una alta de 40 días, luego de 20 días de alta de hoy en día es algo
descontado. Para el alto de 20 días de no ser un 40 días de alta, los precios deben
ser consolidada y la tendencia podría estar cambiando. Como tal, es posible que
desee tomar un pase en una señal típica compra de ruptura del canal debido a que
el mercado parece estar consolidando, perdiendo fuerza, y con tendencia a la
reversión. La segunda orden del desbloqueo ayuda a detectar estos cambios de
tendencia.
El gráfico de la figura 8.5, a continuación, muestra las señales generadas en los
procesadores Intel (INTC). En mayo, una reunión dio lugar a una alta de 20 días, según
lo indicado por un valor estadístico Segundo Orden de desbloqueo 20. Además, debido
a la alta de 20 días fue la más extrema alta en los últimos 40 días, entramos larga. Este
rally tenía piernas, extendiendo los máximos de 20 días a máximos de 80 días a
mediados de julio. Una vez más, esto se indica por la segunda orden
FIGURA 8. 5

Segunda estrategia Breakout Orden Aplicado a Intel.

CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 191

valor estadístico ruptura de 80. Una ola de ventas a finales de julio hace que el
mercado para hacer una de 20 días bajo y un correspondiente valor estadístico
Segundo Orden de ruptura 220. Debido a que la estadística del desbloqueo Segunda
Orden fue el valor más bajo de los últimos 40 días, entramos en corto.
La idea única de la Segunda Orden del desbloqueo no se transfiere al
rendimiento de la línea de fondo. Aunque creo que hay mérito en su lógica, la
segunda estrategia para underperforms estrategias estándar de seguimiento de
tendencias. El estándar de 40 días canal de salida de entrada / 20 días desglose del
capítulo 7 (ver Figuras 7.11A a través 7.12B) pro-producido un ratio de Sharpe de
0,41 sobre futuros, 0,16 en acciones, una relación K de 0,12 sobre futuros, y 0,06
en las acciones. Cada una de estas medidas de recompensa a riesgo supera a las
medidas CORRE-pondiente de la estrategia Segundo Orden del desbloqueo ve en
las figuras 8.6a 8.7b través. Vamos a tener que tomar el Segundo Orden del
desbloqueo de nuevo a la mesa de dibujo para trabajar más antes de emplearlo en
nuestro comercio

Histograma MACD Retracement

La tercera técnica implica el nuevo indicador ampliamente utilizado en movimiento
Convergencia Normal / divergencia (MACD), creado por Gerald Appel. El MACD
es en sí mismo un oscilador creado tomando la diferencia entre dos móviles aver-
edades exponenciales. Un promedio móvil exponencial del MACD refiere a
menudo como la "línea sig-nal" -Genera comprar y vender señales de cruces.
Cuando el MACD cruza por encima de su línea de señal, compramos el mercado.
Cuando el MACD cae por debajo de su línea de señal, se venden en el mercado.
Los parámetros por defecto son un EMA de 12 y 26 días para el MACD y un EMA
de 9 días para la línea de señal. El histograma MACD es trazar-ted restando el valor
de la línea de señal MACD a partir del valor del MACD. A menudo, el histograma
se generan señales de alerta temprana cuando las tendencias están a punto de
cambiar.
MACD = 12 días de media móvil exponencial de cierre - de 26 días de
media móvil exponencial de una estrecha
Señal MACD = 9 días de media móvil exponencial del MACD
histograma MACD MACD = - Señal MACD
El sistema histograma MACD retroceso utiliza Abil-dad del histograma
MACD a punto de reversión de tendencia temprana y resulta que la capacidad en
señales comerciales rentables. La estrategia genera una señal de compra cuando el
histograma vuelve a trazar x por ciento de su nivel mínimo anterior cuando por
debajo de cero. Genera una señal de venta si el histograma vuelve a trazar x por
ciento de su pico anterior cuando por encima de cero. Para evitar señales falsas,
requerimos que el su-togram para alcanzar un umbral mínimo por encima de cero
antes de tomar las señales de entrada corta, y un umbral mínimo por debajo del cero
antes de tomar entradas largas. Estamos utilizando el poder de alerta temprana del
histograma MACD y su aprovechamiento por el comercio una vez que se invierte
una cantidad fija de su último pico o valle.
192 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: ruptura de segundo orden
parámetros: Compruebe 20 a 80 sesiones individuales de día
Descripción: Anote en 40 días ruptura del segundo indicador orden
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. Barras s
K-
Beneficio propor Propor Vientos Por ganar los contratos Gana Pérdi
Mercado neto ción ción Max DD alisios Con. r Pérdida Ganar da
FX ANUNCIO -431470 -0.12 -0.24 -754450 87 34 25.52 -195 47617 -32661 47 21
BP 159.700 -0.01 0.09 -359250 83 35 17.32 103 53846 -26164 50 21
discos
compacto
s -179170 -0.03 -0.08 -487980 87 33 46.03 -45 57786 -31982 47 21
JY 978.763 0.22 0.47 -234725 81 38 13.96 773 73932 -28351 55 19
diecisé
SF 755.388 0.22 0.40 -175113 84 44 15.73 591 55276 -26913 51 is
tarifas ED 2,609,000 0.28 1.09 -278150 70 49 89.59 416 111.070 -32427 62 17
TY 636.516 0.11 0.30 -334984 79 42 29.45 257 62847 -32063 56 18
NOS 297.750 0.07 0.16 -360000 80 41 20.28 158 56.289 -34055 54 18
Valores SP -777238 -0.16 -0.44 -917850 95 32 8.99 -884 45.666 -32691 45 20
Rieles GC 115.150 0.01 0.05 -566000 85 38 46.95 28 56141 -31810 50 20
HG -259338 -0.01 -0.15 -597725 89 36 31.81 -92 46099 -30430 48 17
PL -1226845 -0.21 -0.67 -1468055 98 30 49.87 -261 39921 -35247 45 17
SL -858465 -0.23 -0.48 -980175 97 30 35.22 -272 38691 -30192 47 18
Energía CL 502.850 0.06 0.21 -310190 84 42 28.21 217 61765 -33640 49 20
HO 490.152 0.10 0.18 -320544 82 39 23.95 255 70185 -34907 51 20
HU -233835 -0.02 -0.09 -533610 96 38 22.40 -103 51.200 -34415 44 19
granos do 695.363 0.17 0.31 -345913 83 45 78.08 107 63417 -35893 52 17
S -925 -0.06 0,00 -462763 84 43 31.61 -6 39461 -29942 47 22
W 202.225 0.09 0.09 -429088 86 38 52.28 48 63001 -35191 52 17
carnes FC 74980 0.05 0.04 -357745 81 43 40.68 21 47051 -34286 48 20
LC -427096 -0.05 -0.22 -617336 87 31 51.22 -95 51901 -30424 52 21
LH -81364 0.05 -0.04 -530700 87 33 31.49 -33 56003 -29557 54 20
PB -4068 -0.03 0.00 -425644 83 39 20.99 -31 56497 -36507 52 20
materia
s
primas
agrícola
s CC -643040 -0.17 -0.33 -1064280 91 23 50.46 -155 58.096 -27582 57 21
Connectic
ut 96690 -0.04 0.05 -561180 89 28 25.04 43 83553 -31127 58 19
JO -872835 -0.19 -0.38 -1397813 91 26 35.38 -276 54908 -32914 49 20
KC 1,028,269 0.14 0.31 -303881 84 35 12.22 1,009 81991 -24386 54 20
LB 1,250,184 0.11 0.42 -278952 77 43 33.38 483 85908 -36231 54 19
SB -610467 -0.16 -0.31 -837738 90 31 54.68 -118 54505 -34006 50 19
sesenta
Promedio 109.561 0.01 0.02 -543061 83 35 34.09 y cinco 57487 -30866 49 19
6,000,000
5,000,000
4,000,000
3.000.000
Equida

2,000,000
1.000.000
0
-1000000
 Ene

Dic
-01
Ene-

Ene
Ene-96

Ene-
Ene-95

Ene-
-97

-98
Ene-

Ene-01
91

00
99
Ene-

Ene-

94
En
90

92

93
e-
Estadísticas de la cartera
Beneficio
neto: 3,286,823 El ratio de Sharpe: 0.21
Correlación con el
drawdown: -2627541 desglose: 0.95
Correlación con el 10-40
K-cociente: 0.07 MA: 0.87
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 6 una

Segunda estrategia Breakout Orden Aplicado a Futuros.

 SystemName: Secondorderbreakout BreakdownStatistics (futuros)
Parámetros: Check20to80daybreakouts

Descripción: Enteron40daybrea koutofse condorde rindicator

Breakdownby Ma rketSecto rRunDates: 1/1/1990/12/31/2001

M ar k etA v e r a g eA v er a g eA v er a g e A v er a g eA v er a
g eA v er a g e A v g.P r ofi t
Promedio Promedio Avg.Bars Avg.Bars
S e ct orN etP r ofi tK -
rati oS h ar pe R ati o M a xD DN u m Tr a de s % Wi nP er Co ntr a ct
Ganar Pérdida Ganar perder
FX256,6420.050.13- 57.691 -29214 50 20
402,3048437245

Rate s885 ,8 160 .11 0.39-

243 ,284 573 3208
57551 -24636 43 13
Sto ck-777,238-0.16-0 .44- 45.666 -32691 45 20
917,8509532-884

Metales-557,374-0.11-0.31- 45.213 -31920 47 18

902,9899233-149

Energ y2 53, 0560 .050 .10- 61,050 -34321 48 20

388,1 15873 9123

Grai n s29 8,888 0.070 .1 3-

412 ,58 884 425 0
55293 -33675 50 19
Carne s-109 ,3870. 00-0,06- 52863 -32694 51 20
482,8568537-34

So fts41,467-0 .05- 0.0 4- 54 19 69827 -31041

740,6418 73116 4

Num.of
PerformanceBreakdownbyYear Número Porcentaje rentable
Y e ar N etP r ofi t K -r ati o S h ar p e R ati oY e a rN et P r ofi tK -
Longitud de ventanas ventanas rentable
rati o S h ar p e R ati o

19901,495,4780.391.011996-
1 mes 144 72 50.00%
80,2930.12-0.04

19911,028,1230.160.681997225,670-
3 meses 142 78 54.93%
0.110.17

1992310,1110.110.271998-
6 meses 139 76 54.68%
282,3940.00-0.22

1993355,5550.010.311999-1,147,752-
12 meses 133 86 64.66%
0.31-0.64

1994111,0990.070.072000238 ,855-
18 meses 127 80 62.99%
0.030.18

19951,071,3090.161.182001-
24 meses 121 79 65.29%
113,2830.04-0.13

Red ProfitbyYear 2,000,000

1,500,000
1.000.000

500.000

1995 1996 1997 1998 1999 20012000

neto
0 1990 1991 1992 1993 1994

Beneficio
-500000

-1000000

-1,500,000Year

FI G U R E8. 6b
© 2002Lars Kestner AllRightsReserved

193
S e con d Ord er Bre a ko utS tr ateg yA pp lie dto Fu tur e s.
194 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: ruptura de segundo
orden
Compruebe 20 a 80 sesiones
parámetros: individuales de día
Descripción Anote en 40 días ruptura del segundo indicador
: orden
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Sharpe de % Avg. Lucro Avg. Avg. Barras Barras
K- Viento
Mercad Beneficio propor Propor s Ga Pérdid
o neto ción ción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida Ganar a
Energía SLB -1114709 -0.37 -0.62 -1176491 98 29 16.21 -711 41766 -32846 48 18
XOM -341848 -0.02 -0.21 -548860 85 33 40.05 -101 44676 -27983 56 17
Automó
vil club
británic
materiales o 483.842 -0.01 0 0.23 --627,908 67 61 55.76 129 52430 -64112 29 70
DD -747099 -0.19 -0.44 -851999 93 25 21.41 -369 57175 -29289 52 18
IP -578611 -0.17 -0.34 -690728 92 27 16.59 -379 51162 -27726 47 21
licencia
Acciones do en
industriales Letras 149.321 -0.03 0 .08 -376877 84 42 21.00 78 45739 -29857 49 19
GE -327028 -0.12 -0.19 -559866 92 33 74.67 -48 57257 -32979 49 18
MMM -792741 -0.23 -0.48 -941071 88 32 13.61 -715 36187 -31163 48 19
Consumidor DIS -128991 -0.07 -0.07 -640885 87 37 36.48 -48 54,328 -34355 48 19
discrecional GM 252.861 -0.03 0.13 -615757 83 39 13.32 201 55063 -30195 52 18
HD 176.280 -0.04 0.09 -771980 82 34 59.75 26 66958 -32345 57 21
WMT -22740 -0.02 -0.01 -357383 86 35 38.75 -7 54557 -29639 52 21
Consumidor GRAMO -163065 0.03 -0.09 -397452 85 36 35.83 -64 47.650 -30977 48 18
grapas KO -298659 -0.07 -0.15 -616407 92 34 25.82 -126 55421 -33061 48 17
mes 411.380 0.12 0.21 -310160 84 37 25.15 185 63691 -29865 55 17
PG -315105 -0.13 -0.17 -582421 90 37 21.12 -162 43.930 -30832 45 19
Cuidado de
la salud AMGN 1,012,277 0.11 0.43 -325099 80 41 53.68 237 78990 -33771 53 20
BMY -297121 0.01 -0.16 -545138 81 38 34.62 -111 44.567 -33880 55 19
JNJ -521220 -0.09 -0.29 -901286 89 36 38.24 -153 44004 -33848 47 20
PFE -351876 -0.04 -0.20 -567932 94 34 81.17 -49 48965 -31296 47 17
Finanzas AIG -639405 -0.22 -0.37 -862952 91 32 43.01 -164 47742 -32672 53 18
FNM -471699 -0.06 -0.27 -629878 87 26 24.26 -221 61779 -29486 52 20
MER 39.030 0.03 0.02 -410838 87 38 51.28 0 59889 -36628 51 15
Información AAPL 861.843 0.15 0.51 -225794 80 51 17.60 570 47403 -29266 45 22
Tecnología DELL 1,163,746 0.14 0.48 -433897 77 48 563,09 26 71.740 -38505 48 20
IBM 1,187,433 0.24 0.64 -310699 84 44 20.00 627 64563 -28403 49 17
INTC 1,491,884 0.28 0.64 -262090 81 38 118.87 147 94360 -30197 53 19
MSFT 686.018 0.10 0.30 -421110 80 36 71.35 109 85942 -36619 56 18
SUNW 773.987 0.11 0.39 -243662 80 43 229,36 42 63387 -30060 53 20
TXN -252623 0.02 -0.13 -435710 92 34 85.06 -35 58237 -34026 51 18
Telecom VZ -661033 -0.20 -0.41 -794355 93 38 21,86 -334 32253 -31156 47 18
Índices SPX -640292 -0.08 -0.34 -831995 93 31 2414.95 -3 56553 -35630 51 19
NDX 659.242 0.12 0.33 -349981 85 36 1704.79 4 79842 -34411 53 18
RODE
RA 2,956,420 0.37 1.13 -177565 72 53 5224.70 8 107.004 -35050 56 18
Promedi
o 107.050 -0.01 0.02 -552830 86 37 332.75 -41 58094 -33004 50 20
9,000,000
8,000,000
7.000.000
6,000,000
Equida

5,000,000
4,000,000
3.000.000
2,000,000
1.000.000
0
-1000000
 Ene

Ene

Ene

Ene

Ene

Ene

Ene

Ene
-94

-95

Dic-
-96

-97

-98
En

-99

-00

-01
En

En

93
91

92

e-
e-

e-

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 3,639,699 El ratio de Sharpe: 0.16
Correlación con el
drawdown: -5379816 desglose: 0.96
Correlación con el 10-40
K-cociente: 0.04 MA: 0.89
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 7 una

Segunda estrategia Breakout Orden Aplicado a las existencias.

 BreakdownStatistics (Stocks)
Brea
kdo
wnb Sector del
y mercado
M ar k etA v e r a g eA v er a g eA v er a g e A v er
a g eA v er a g e
Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
S e cto rN etP r ofi tK -
rati o S h ar p eR ati oM a xD DN u m Tr ad e %Ganar PerContract Ganar Pérdida Ganar Pérdida
s

Energía-728,279-0.20-0.41-
862,67692 31 -406 43221 -30414 52 17
Mate riales -28 0,62 3-0 .12 -0.1 9-
723,5 458 4 38 -206 53589 -40376 43 36
In d u s t ri al e s- 3 2 3 , 4 8 3 - 0 . 1 3 - 0 . 2 0-
625, 93888 35 -228 46394 -31333 49 19
Discretio nary 69,3 53- 0.0 40.0 4-
596,5 018 5 36 43 57726 -31633 52 19
Grapas-91,3 62-0.01-0.05-
476,6 1088 36 -42 52673 -31184 49 18
Healthca re -39, 485 0.00 -0. 05-
584,8 648 6
37 -19 54132 -33199 50 19
Finan zas- 357, 358 -0. 09- 0.21 -
634,5 568 8 32 -128 56470 -32929 52 18
Info.Tech.844,6130.150.41-
333,2 8082 42 212 69376 -32439 51 19
Telec om- 661, 033 -0. 20- 0.41 -
794,3 559 3
38 -334 32253 -31156 47 18
Indices991,7900.140.37-
453,18083 40 3 81133 -35030 53 18
ProfitabilityWindows
Num.ofNumberofProfitabl
Pe rf orm a
nc e Br e a k
do wnb y Y e Por ciento
e ar

Y e ar N et P r ofi t K -
rati o S h a r p e R ati oY e a r N etP r ofi t K-relación Ratio de Longitud ventanas de windows Rentable
19903,498,0940.862.08199
6-727,011 -0.06 -0.34 1 mes 144 62 43.06%
19912,6 16,4 770.091.1119 0,22 0,61 3 meses 142 62 43.66%
971,5 97,366

1992-1,2 55,023-0.44-
0.931998867,3 66 0,14 0,46 6 meses 139 67 48.20%
1 9 9 3 - 1 , 0 0 3 , 5 3 0 - 0. 5 2 -
0. 9 1 1 9 9 9 - 1 , 2 3 9, 1 2 5
-0.51 -0.48 12 meses 133 53 39.85%
1 9 9 4 - 1 , 9 2 0 , 8 0 8 - 0. 5 8 -
1. 4 6 2 0 0 0 - 1 , 1 6 3, 6 8 1
-0.28 -0.58 18 meses 127 59 46.46%
19953,612,7720.702.1 82001
-1,329,5 26 -0.15 -0.87 24 meses 121 60 49.59%
Red ProfitbyYear
4,000,000

3.000.000

2,000,000

neto
1.000.000

Beneficio
0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-1000000

-2000000

-3000000
Año © 2002LarsKestner-AllRightsReserved

FIGURA 8.7b

195
Segundo orden BreakoutStrategyAppliedtoStocks.
196 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 8. 8

Histograma MACD estrategia de retroceso aplicada a Coca-Cola.

Nuestra versión del histograma MACD retroceso requiere el histograma para

exceder la mitad de la desviación estándar de los cambios de precios en los últimos 20
días antes de tomar señales cortas. Requerimos que el histograma a ser inferior a veces
negativos la mitad de la desviación estándar de los cambios de precios en los últimos
20 días antes de las señales largas tak-ing. señales largas se introducen si el histograma
vuelve a trazar el 25 por ciento de su valor mínimo desde su última cruzada por debajo
de cero. señales cortas se introducen si el histograma vuelve a trazar el 25 por ciento de
su valor máximo desde su última cruzada por encima de cero.
El gráfico de la figura 8.8, anteriormente, representa señales de retroceso del
histograma MACD aplicadas a Coca-Cola (KO). A principios de octubre, una
manifestación de una baja a corto plazo hace que el histograma MACD a levantarse
de su baja a corto plazo de -0.32. Cuando el histograma se eleva por encima del 75
por ciento de -0.32 (75% de -0.32 -0.23 es), entramos en posiciones largas. Una
entrada corta se creó a mediados de noviembre como el histograma MACD vuelve
a trazar el 25 por ciento de su máximo valor que cae de 0.40 a la 0.30.
Rendimiento de la estrategia de retroceso MACD no va a conseguir a nadie
excitado. Aunque mejor que la mayoría de las estrategias de tipo oscilador, los
mercados de futuros producen prof-its en sólo 5 de los 12 años analizados (figuras
8.9a y 8.9b). Las acciones producen beneficios en sólo dos de los 12 años
analizados (Figuras 8.10a y 8.10b). Nótese, sin embargo, que cuatro de los últimos
cinco años han sido rentable en los mercados de futuros. A pesar de que
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 197

no está listo para ser comercializados hoy en día, la estrategia de retroceso MACD
puede ser uno para mantener un ojo en en los últimos años.

Índice de divergencia
La compra de retrocesos en las tendencias alcistas y venta de manifestaciones en
las tendencias bajistas es una de mis técnicas preferidas comerciales. He creado el
Índice de divergencia para medir la resistencia de tales retrocesos. Creo que las
fuertes presiones de regreso dentro del contexto de las tendencias más fuertes hacen
las mejores entradas. El Índice de divergencia mide presiones de regreso al
multiplicar dos indicadores de impulso. Se divide el producto de las dos medidas
de impulso por parte de la varianza de los cambios recientes de los precios con el
fin de ampliar el indicador de lo que los resultados pueden ser comparados con
independencia del mercado estudiado.
Índice de divergencia = 10 días impulso ? 40 días de impulso / (desviación
estándar de 40 días de los cambios de precios) ^ 2
Una característica de trazar el Índice de divergencia es que las oportunidades
comerciales son muy evidentes. Más de las veces, el de 10 días y la tendencia de
40 días son los mismos cuando se mide por simple impulso. Cuando los dos valores
de momento son del mismo signo (positivo o negativo), que conduce a valores
positivos para el Índice de divergencia. Si multiplicamos dos números positivos
juntas, el producto es positivo. La multiplicación de dos números negativos también
conduce a un valor positivo. Nos centramos en los valores negativos del índice de
divergencia para el establecimiento de nuevas entradas. Si una medida de impulso
es positivo mientras que el otro es negativo, sug-gestas que una divergencia a corto
plazo en la tendencia a largo plazo se está produciendo. Cuando el índice de
divergencia es negativa, queremos hacer operaciones en la dirección de la tendencia
a largo plazo.
entradas largas se establecen cuando el Índice de divergencia es inferior a -10
y 40-días impulso es mayor que cero. Venta de señales se generan cuando el Índice
de divergencia es inferior a -10 y 40-días impulso es menor que cero.
Figura 8.11 Detalles señales generadas en Phillip Morris (MO). A finales de
octubre la tendencia alcista comience a detenerse ya que los precios al comercio.
Si bien el impulso de 10 días se vuelve negativo, el impulso de 40 días sigue siendo
positivo. Esto conduce a valores negativos para el índice de divergencia. Cuando
el índice de divergencia cae por debajo de -10, entramos largo, tratando de comprar
el retroceso en la tendencia a largo plazo. Esta larga posición de la moneda-cidió
con un fondo de mercado a corto plazo.
Es interesante observar que la investigación adicional también puede ser
capaz de identificar la tendencia de agotamiento utilizando el Índice de divergencia.
valores positivos grandes pueden hacer coincidir con las cimas del mercado y el
fondo, o, como mínimo, que pueden llevar al mercado Conges-ción. Si está sobre
extendido un mercado, tanto a largo plazo como a corto plazo de impulso meas-
Ures mostrarán valores extremos, dando lugar a grandes valores positivos del
índice de divergencia. Un ejemplo de esta tendencia agotamiento se puede ver en
el gráfico anterior a finales de septiembre, cuando el Índice de divergencia se elevó
por encima de 150.
198 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: MACD histograma de retroceso
parámetros: 12 días / 26 días / 9 días MACD; volver sobre 25% de extrema
Descripción: Introduzca largo cuando histograma MACD vuelve a trazar el 25% de extrema movimiento; OPP. si
hay cortocircuitos
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barr
Sharpe de % Avg. Lucro Avg. Avg. Barras as
K-
Beneficio propor Propor Oficios ganar contratos Por Pérdid Pérdi
Mercado neto ción ción Max DD Con. Ganar a Ganar da
FX ANUNCIO 77660 -0.02 0.04 -742670 51 53 25.21 66 56696 -60235 53 63
BP 547.650 0.11 0.28 -400000 50 66 16.84 662 47723 -59853 47 86
discos
compacto
s -571480 -0.18 -0.27 -936010 57 44 46.78 -229 49422 -57689 50 53
JY -965038 -0.22 -0.43 -1191775 53 49 14.28 -1447 42.796 -81761 33 78
SF 156.775 0.00 0.08 -715288 53 60 16.33 206 58521 -80698 40 76
sese
nta y
tarifas ED -845550 -0.19 -0.36 -1429175 49 51 87.58 -207 68902 -108827 53 cinco
TY -1036750 -0.30 -0.50 -1504016 54 46 30.36 -629 51854 -80271 34 73
NOS -765094 -0.12 -0.39 -956500 54 43 21.35 -635 53174 -63074 41 66
Valores SP 270.713 0.07 0.15 -489813 45 58 9.11 792 56709 -60515 54 81
Rieles GC 293.850 0.05 0.13 -600440 51 47 47.58 125 75804 -56156 44 70
HG 10,325 -0.02 0.01 -909838 50 62 33.59 22 53506 -85354 57 64
PL 810.680 0.19 0.40 -323695 55 64 48.59 330 51191 -45485 48 59
sesen
ta y
SL 873.135 0.15 0.48 -202330 46 cinco 30.55 577 52.889 -48488 56 78
Energía CL -844400 -0.07 -0.35 -1487060 55 49 27.54 -514 51.028 -77000 44 63
HO -816904 -0.12 -0.34 -1089682 50 54 23.04 -641 48270 -88769 50 69
HU -833226 -0.11 -0.35 -1113563 60 53 22.34 -592 42819 -77272 37 62
-sesenta y
granos do -255750 -0.03 -0.12 -508213 56 46 76.26 cinco 60792 -61883 41 63
sese
nta y
S 120.488 -0.01 0.06 -538700 52 50 29.32 52 50914 -47855 48 cinco
W 676.563 0.14 0.35 -445638 57 60 48.81 238 61980 -62783 49 55
carnes FC 173.005 -0.04 0.09 -509600 62 60 39.67 57 45552 -61828 36 66
LC -8220 -0.04 0.00 -831324 44 61 49.93 3 49835 -78814 43 108
LH -513352 -0.22 -0.26 -833136 54 50 31.67 -291 44270 -62732 39 72
PB -202960 0.04 -0.09 -531900 60 53 20.72 -110 47413 -59073 44 56
materia
s
primas
agrícola
s CC 1,056,490 0.15 0.56 -316140 50 60 49.47 428 64446 -43729 52 69
Connectic
ut -664015 -0.09 -0.38 -752025 42 60 24.00 -662 47626 -109320 48 103
JO -1253 0.04 0.00 -482213 59 58 33.48 26 40626 -53211 44 59
sese
nta y
KC 384.570 0.09 0.15 -641618 50 66 11.90 623 58052 -90879 55 cinco
LB -596960 -0.04 -0.20 -1030408 72 60 32.79 -239 48822 -91858 30 58
SB 358.377 0.09 0.19 -544264 45 53 54.43 144 63475 -55785 59 69
Promedio -103689 -0.02 -0.04 -735234 51 53 33.45 -64 51504 -67040 44 67
0
-1000000
-2000000
 -3000000
-4000000
Equidad-
5000000
-6000000
-7000000
-8000000

Ene

Ene-01
Ene-
Ene-95

-98
Ene-

Ene-
En

91

Ene-

Dic-01
e-

00
Ene-

94

99
Ene-
Ene

Ene

96
-92

-93
90

97
Estadísticas de la cartera
Beneficio
neto: -3110671 El ratio de Sharpe: -0.23
Correlación con el
drawdown: -7011997 desglose: -0.49
Correlación con el 10-40
K-cociente: -0.04 MA: -0.51
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 9 una

Histograma MACD estrategia de retroceso de Aplicado a Futuros.

 BreakdownStatistics (futuros)
S y st e m N a m e : M A C D h i st o g ra m r e t ra c e m e n t

Parámetros: 12 días / 26 días / 9dayMACD; retra ce25% ofext reme

opp.forshorts
Descompos byMarket Sector
tura
Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
PerContract Ganar Pérdida Ganar perder
-148 51032 -68047 45 71
-368 43483 -63043 32 51
792 56709 -60515 54 81
263 58347 -58870 51 68
-582 47372 -81014 44 64
75 57895 -57507 46 61
-86 46767 -65612 40 76
53 53841 -74130 48 71
Num.of
PerformanceBreakdownbyYear Número de Porcentaje rentable
ea
Y tPro
e
rN -
fitK
tir o
a rp
a
h
S Ye
tio
a
R
ea
rNe fiK-
ro
tP
rop
p ión
rc
o
Ratio de Sharpe Longitud ventanas ventanas rentable
-0.80 1 mes 144 77 53.47%
0.54 3 meses 142 74 52.11%
0.56 6 meses 139 68 48.92%
1.96 12 meses 133 55 41.35%
0.37 18 meses 127 51 40.16%
-0.30 24 meses 121 44 36,36%
NetProfitbyYear
2,500,000
2,000,000
1,500,000
1.000.000
500.000
0

-500000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

neto
Beneficio
-1000000
-1500000
-2000000
Año -2500000

FI G U R E8. 9b
© 2002Lars Kestner AllRightsReserved
MACDHistogramRetracementStrategyAppliedtoFutures.
199
200 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: MACD histograma de
retroceso
12 días / 26 días / 9 días MACD; volver sobre 25%
parámetros: de extrema
Introduzca largo cuando histograma MACD vuelve a trazar el 25% de extrema
Descripción: movimiento; OPP. si hay cortocircuitos
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K-
Mercad Beneficio propor Propor Vientos Ga Pérdid Gana Pérdi
o neto ción ción Max DD alisios nar hrs (000) Por Con. Ganar a r da
Energía SLB -169672 -0.02 -0.09 -841045 42 45 16.02 -184 67710 -61324 37 95
XOM -6223 -0.06 0.00 --583,485 28 54 41,17 -42 55714 -67968 108 97
Automó
vil club
materiales británico -665216 -0.14 -0.37 -761440 92 36 50.48 -143 39839 -33526 46 20
DD 8.465 -0.01 0.00 --546,882 56 61 21.47 14 38.571 -58838 45 67
sesent
ay
IP 201.236 0.03 0.11 -509507 51 63 17,92 277 42278 -57857 54 cinco
licenciad
Acciones o en
industriales Letras -373018 0.02 -0.21 --488,841 56 57 22.02 -274 41177 -68964 47 61
GE 460.043 0.11 0.24 -547602 44 59 68.76 150 62635 -65276 55 85
ses
enta
y
cinc
MMM 159.117 0.00 0.09 -734533 49 o 12.68 379 40854 -63053 51 77
Consumidor DIS -722009 -0.13 -0.37 -947942 57 53 37.81 -320 41983 -72155 39 67
discrecional GM -1222947 -0.14 -0.65 -1286465 45 42 14.02 -1865 39392 -74051 57 70
HD 168.457 0.10 0.09 -508517 60 62 72.28 58 47965 -66252 41 61
WMT -612302 -0.14 -0.33 -750816 54 52 42.95 -240 40.207 -64746 46 63
Consumidor GRAMO 695.816 0.15 0.38 -381739 53 58 35.35 324 57638 -53637 46 68
grapas KO 366.414 0.07 0.18 -523927 59 71 26.20 237 42606 -83726 36 88
mes -196684 -0.02 -0.10 -611443 44 52 25,44 -149 61740 -75586 57 79
PG -401719 -0.06 -0.21 -906162 52 56 20.87 -390 40697 -69731 46 72
Cuidado de
la salud AMGN -319432 0.00 -0.12 -1231556 44 57 66.58 -105 75.600 -115604 50 92
BMY -302541 -0.11 -0.17 -961357 42 57 35.30 -172 50582 -81583 59 82
JNJ -241065 -0.05 -0.13 -910205 50 62 38.45 -145 48,845 -94346 45 85
PFE 622.972 0.10 0.29 -497763 42 57 83.42 182 77023 -67342 72 69
sesent
ay
Finanzas AIG 287.231 0.04 0.15 -559293
60 63 44.79 115 50849 -73731 38 cinco
FNM -266435 -0.04 -0.15 -483632
46 57 27.47 -220 42235 -68835 64 67
sesent
ay
MER -688600 -0.21 -0.37 -1003952 cinco 54 53.50 -183 47093 -76211 28 66
Información AAPL -139090 -0.04 -0.07 -932447 51 45 18.58 -169 62407 -56993 44 67
sese
nta y
cinc
Tecnología DELL -798216 -0.08 -0.31 -1678553 54 o 455,69 -31 50865 -133209 42 77
IBM 221.090 0.04 0.11 -510533 68 57 21.91 198 51.284 -58798 36 55
INTC -1599992 -0.23 -0.67 -1884144 61 51 135.81 -183 45514 -97688 35 61
MSFT 904.829 0.18 0.39 -431176 56 59 77.11 223 72316 -61826 43 66
SUNW -1689733 -0.23 -0.79 -1799448 51 47 218.29 -151 45142 -102369 40 75
TXN 237.431 0.03 0.10 -770776 58 59 95.86 43 58772 -73351 38 72
Telecom VZ 172.269 0.06 0.10 -628309 48 52 22.78 183 57661 -53958 52 72
Índices SPX 860.227 0.19 0.44 -348766 53 62 2726.33 6 58228 -50271 46 71
NDX -1338760 -0.32 -0.60 -1504852 51 49 1894.29 -13 51096 -98515 39 76
RODER
A -1646594 -0.20 -0.57 -1679545 75 52 5521.67 -4 56980 -104614 28 52
 Promedi
o -236313 -0.03 -0.11 -845490 53 56 354.80 -76 51868 -73704 47 71
1.000.000
0
-1000000
-2000000
-3000000
Equida

-4000000
-5000000
-6000000
-7000000
-8000000
-9000000

92 E

E
n
e

9
3

n
e
0
1
-

-
Ene

ne
97

Ene

Ene

Ene-

Dic
-01
Ene-
En

-96

-98

-99
91

E
En
e-

-
e-

00
Ene-

94

Ene-
90

95
Estadísticas de la
cartera
Beneficio El ratio de
neto: -8034651 Sharpe: -0.48
Correlación con el
drawdown: -8562901 desglose: -0.45
Correlación con el 10-40
K-cociente: -0.18 MA: -0.55
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 10 a

Histograma MACD estrategia de retroceso de Aplicado a las existencias.

 BreakdownStatistics (Stocks)

Promedio
Ganar
61712
40230
48222
S
t
a
42387
p
l
e
s
1
1
5
,
9 50.670
63012
46726
55186
Ín
di
c
57661
e
s-
7
0
8,
3
7
6-
0. 55435

Perf o
rm an
ce
Bre
ak
do
wn
byYe ar
Rentable Por ciento Nu
ofN
m mb
uero
f

Longitud ventanas Rentable

1 mes
3 meses
6 meses
12 meses
18 meses
24 meses

Re
1, 000, 000
d ProfitbyYear 500, 000

0 1
9
9
9
2
0
0
0
199 199 199 1996 2
0
0
1

-500000 0 1991 2 1993 1994 1997 1998

5
-1000000

neto
-1500000

Beneficio
-2000000

Año
© 2002Lar sKest ner -
All Rig ht sReser ved
201
202 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 8. 1 1

La divergencia Estrategia índice aplicado a Phillip Morris.

Índice de rendimiento de la estrategia divergencia es fuerte, sobre todo en los

futuros de mar-cados (Figuras 8.12a y 8.12b). Con un ratio de Sharpe de 0,73 y una
relación K de 0,26, los mercados de futuros generan beneficios en 11 de los 12 años
analizados. Los más fuertes mar-cados no son los típicamente asociados con las
estrategias de seguimiento de tendencias. Los índices bursátiles, granos y materias
primas agrícolas son los sectores más fuertes rendimiento. Cuando se probó en las
existencias (Figuras 8.13a y 8.13b), los beneficios se generan en 7 de los 12 años
analizados. cuidado de la salud, la tecnología y los índices bursátiles ofrecen el
mejor rendimiento. A diferencia de las estrategias típicas de seguimiento de
tendencias, rendimiento del índice de divergencia no se deteriore en la misma
medida con el tiempo. Esta propiedad es un buen augurio para el rendimiento
futuro.

Media Móvil Confluencia Método

La optimización es un tema lo suficientemente importante que la mitad de un
capítulo entero se ha dedicado a sus conceptos dentro de este texto. He creado un
método de negociación media móvil que simplifica la necesidad de optimizar los
valores de parámetros. En lugar de intento-ción para encontrar los valores óptimos
de los parámetros, el método de la media en movimiento Confluencia explora todas
las posibilidades de parámetros y entra en comercios sólo cuando un número
mínimo de conjuntos de parámetros están de acuerdo.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 203

Trading Estrategia de Evaluación (Futuros)

Nombre Índice de
estrategia: divergencia
10 días y 40 días impulso para calcular el índice de
parámetros: divergencia
Descripción Introducir cuando Divergencia índice cae por
: debajo de -10
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. s Barras
K-
Mercad Beneficio proporc Propor Vientos Ga Gana Pérdid
o neto ión ción Max DD alisios nar contratos Por Con. Ganar Pérdida r a
AN
UN
FX CIO -350390 -0.05 -0.32 -401680 39 31 24.35 -369 34153 -28156 47 18
BP 56663 -0.06 0.05 -388463 39 36 17.58 83 46066 -23531 37 13
disc
os
co
mp
act
os -302010 -0.05 -0.24 -469970 42 29 48.51 -148 55.324 -32197 43 15
diecis
JY 918.763 0.27 0.56 -198013 38 47 13.38 1.528 70.372 -24473 64 éis
SF 427.425 0.18 0.31 -211575 39 46 15.50 707 54926 -26726 54 14
tarifas ED 1,077,575 0.08 0.66 -309000 36 47 87.49 128 57140 -29961 57 13
TY 652.984 0.24 0.40 -144859 39 46 28.10 596 60,001 -20335 59 15
NO
S 572.281 0.22 0.44 -149156 38 47 19,72 764 56887 -22584 54 12
sesen
ta y
Valores SP 285.113 0.09 0.24 -298275 35 34 8.08 1.008 69830 -24037 cinco 13
Rieles GC 123.110 0.04 0.08 -351130 37 27 43.42 77 79053 -24719 59 23
HG -63163 0.02 -0.05 -364025 36 47 34.14 -26 36.600 -34461 43 15
diecis
PL -494655 -0.30 -0.49 -545255 39 31 45.03 -282 16.045 -25452 43 éis
SL 92460 0.06 0.06 -202765 35 40 31.33 84 43819 -24810 45 15
Energía CL 127.400 0.03 0.09 -176300 44 36 29.00 92 47092 -22730 47 14
HO -154942 -0.06 -0.12 -338898 41 32 25.17 -158 42078 -25370 42 14
HU -129671 -0.03 -0.10 -291988 46 37 22.34 -143 35272 -25737 40 19
granos do 525.813 0.10 0.32 -258488 35 37 75.06 200 78351 -22398 59 18
S 84825 0.05 0.07 -152013 41 46 31.79 50 31675 -24390 42 15
W 473.525 0.14 0.30 -165938 35 37 48.42 279 78255 -24718 70 15
carnes FC 317.540 0.04 0.22 -200335 44 41 39.51 183 56980 -27235 51 18
diecis
LC 369.084 0.14 0.38 -91308 35 63 49.17 181 28.917 -24976 39 éis
LH 88692 0.03 0.06 -221360 48 46 30.88 60 38629 -29274 46 12
diecis
PB -127548 -0.09 -0.09 -479168 43 42 20.32 -146 46440 -38539 49 éis
materias
primas
agrícolas CC -126010 -0.10 -0.10 -387710 42 36 51.47 -72 37591 -26676 39 10
Con
nect
icut 635.915 0.05 0.47 -308995 35 40 24.58 728 85051 -26872 63 12
JO -149475 -0.07 -0.15 -219353 35 34 35.67 -87 37937 -24529 41 15
diecis
KC 1,069,988 0.22 0.50 -164644 40 43 11.41 2.343 91341 -20992 63 éis
LB 822.632 0.10 0.31 -212984 43 33 34.11 561 117.132 -28180 55 17
 diecis
SB 374.853 0.08 0.29 -182974 37 41 54.66 182 55477 -21139 50 éis
Promedio 239.959 0.05 0.14 -262887 38 38 33.34 280 52948 -25173 49 15
8,000,000
7.000.000
6,000,000
Equidad

5,000,000
4,000,000
3.000.000
2,000,000
1.000.000
0
-1000000

Ene-
Ene-

Ene-

Ene-
Ene-

Ene-

Ene-
Ene

Ene-
Ene

Ene

Dic-
-92
-91

-93

98
95

01
97

00
94

96

99

01
Ene-
90

Estadísticas de la cartera
Beneficio
neto: 7,198,775 El ratio de Sharpe: 0,73
Correlación con el
drawdown: -1550895 desglose: 0.63
Correlación con el 10-40
K-cociente: 0.26 MA: 0.56
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 8. 1 2 una

La divergencia Estrategia índice aplicado al Futuro.

204
BreakdownStatistics (futuros)
Systemname: Divergen ceInde xParameters: 10dayand40daymomentumto calculateDivergen ce
Índice
Descripció n: Ente rwhenDivergenceIndexfallsbelo w-
10

R u n D at e s:
1/ 1/ 1 9 9 0 / 1 2/ 3 1/ 2 0 0 1
BreakdownbyMarketSector
MarketAverageAverageAverageAverageAverag
e
Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
SectorNe tProfitK-
ratioSh arp eRatio MaxDDNu mT ra des
%Ganar PerContract Ganar Pérdid Ganar Pérdida
F X 1 5 0 ,0 9 0 0 .0 6 0 .0 7 - 3 3 3 ,9 4 0 3 9 38 360 52168 a
-27016 49 15
Rates575,7100.140.38-150,75428 35 372 43507 -18220 43 10
Stock285,1130.090.24-298,27535 34 1.008 69830 -24037 sesent 13
M etale s-85 ,562- 0 .05 -0 .1 0-36 5 ,79 43 7
36 -37 43.879 -27361 47 17
En erg ía- 52 ,40 4-0 .0 2-0 .0 4-26 9,06 244 35 -70 41481 -24612 43 dieciséis
Grains361,3880.100.23-192,14637 40 177 62.760 -23835 57 dieciséis
Meats161,9420.030.14-248,04343 48 69 42741 -30006 46 15
Softs437,9840.050.22-246,11039
38 609 70755 -24731 52 14
Número Num.ofProfita Por
Perfo rmanceB reakdow nbyYea r ble
de ciento
YearNetProfit K- K- Ratio de
ratioSharpeRatioYearNetProfit
Longitud ventanas ventanas Rentable
19901,643,2661.072.101996762,46 proporció Sharpe
0 0.15 0.85 1 mes 144 85 59,03%
1991438,228-0.020.441997493,611
-0.10 0.64 3 meses 142 90 63.38%
1992316,0370.280.441998652,20
2
0.26 0,73 6 meses 139 102 73.38%
199 31 ,67 3,51 70 .46 1.96 199 9-90 2 ,07 9
-0.60 -2.05 12 meses 133 110 82.71%
199420,3360.110.032000515,74 0.18 0.82 18 meses 127 110 86,61%
3

1995879,7760.391.202001712,04
4
0.40 0.67 24 meses 121 106 87.60%
NetProfitbyYear
2,000,
000

1,500,000

1.00
0.00
0
500.000
0
1
9

neto
9 19
500.000 1990 1991 1992 3 Beneficio 1994 1995 1996 1997 1998 99 2000 2001
-1000000

-1500000 © 2002LarsKestner-AllRightsReserved
Año

FIGURA 8. 12b
DivergenceIndex StrategyAppliedtoFutures.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 205

Trading evaluación de estrategias (acciones)

Nombre Estrategia: Índice de divergencia
parámetros: 10 días y 40 días impulso para calcular el índice de divergencia
Descripción: Introducir cuando Divergencia índice cae por debajo de -10
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barr
Sharpe de % Avg. Lucro Avg. Avg. Barras as
K-
Beneficio propor Propor Vientos Ga hrs (000) por Pérdi
Mercado neto ción ción Max DD alisios nar estafa. Ganar Pérdida Ganar da
Energía SLB 51368 0.06 0.04 -256145 34 38 16.40 92 53.060 -30401 54 14
XOM -443474 -0.39 -0.66 -468469 27 22 46.29 -355 14,060 -25135 35 17
Automóvi
l club
materiales británico -488370 -0.03 -0.26 -633194 64 38 49.74 -157 49173 -41963 78 28
DD -295009 -0.08 -0.34 -398076 38 34 20.36 -381 28.330 -26532 35 12
IP -415874 -0.21 -0.38 -526065 44 32 16.29 -595 32398 -29346 39 12
licenciad
Acciones o en
industriales Letras 166.355 0.00 0.12 -298679 41 32 19.12 212 72736 -27829 57 15
GE 217.269 0.09 0.18 -243538 35 43 71.11 87 55.550 -30799 56 15
diecis
MMM -271950 -0.09 -0.25 -319835 36 31 12.59 -600 31714 -24832 44 éis
Consumido
r DIS 22902 -0.01 0.02 -221771 39 31 37.00 14 59431 -25688 50 15
discrecional GM -201470 -0.08 -0.17 -271613 37 32 13.53 -418 34223 -24799 49 20
HD 928.008 0.08 0.60 -338473 33 36 55.94 503 127.461 -28644 84 13
sesent
ay
WMT 87663 0.00 0.07 -348214 33 45 41.06 cinco 48748 -35753 52 17
Consumido
r GRAMO 202.314 0.06 0.16 -174740 37 46 35.29 124 37277 -23619 48 19
grapas KO -282288 -0.08 -0.28 -367034 38 34 25.38 -293 31297 -27566 36 17
mes 435.219 0.20 0.34 -196571 31 45 24.66 569 57414 -21681 61 19
PG -164772 -0.03 -0.14 -256831 41 39 19.95 -230 28,924 -26049 36 13
Cuidado de diecis
la salud AMGN 629.482 0.08 0.39 -170184 34 41 62.83 295 80532 -24898 57 éis
BMY -234205 -0.07 -0.23 -258740 36 31 36.70 -177 34.833 -24695 37 17
JNJ 561.514 0.15 0.40 -106686 38 42 46.23 320 67554 -23607 54 10
PFE 426.258 0.15 0.29 -156378 32 47 73.82 180 59355 -27298 56 17
Finanzas AIG -62377 -0.04 -0.06 -220007 38 42 41.26 -40 35394 -28577 42 14
diecis
FNM 314.278 0.12 0.28 -158375 33 42 26.85 355 50742 -20848 49 éis
MER 234.389 0.00 0.17 -383969 43 35 42.27 117 69338 -29577 56 14
Información AAPL -54746 -0.04 -0.04 -323193 44 41 18.27 -79 32728 -25090 46 17
Tecnología DELL 1,383,436 0.28 0.66 -241445 33 55 575,44 72 100.130 -28671 68 19
IBM -44537 0.02 -0.03 -375134 36 36 18.95 -124 59255 -37181 56 21
diecis
INTC 181.141 0.05 0.11 -418837 39 38 116.70 43 58534 -28390 42 éis
diecis
MSFT 796.838 0.12 0.48 -471525 33 33 57.74 409 125.115 -27178 73 éis
SUNW 648.152 0.09 0.42 -179443 38 42 213,77 81 67409 -19022 53 19
TXN -15753 0.04 -0.01 -383180 43 33 76.77 -5 51463 -25387 46 18
Telecom VZ 63749 0.08 0.05 -205669 35 49 22.72 80 35264 -29763 48 15
Índices SPX 458.209 0.12 0.36 -285347 36 31 2217.62 6 93451 -22790 63 14
NDX 738.586 0.28 0.52 -118447 35 57 1735.86 12 55048 -23558 51 18
RODER
A 627.018 0.17 0.33 -238292 44 36 5142.38 3 94902 -32655 63 17
Promedi diecis
o 182.333 0.03 0.09 -294532 38 39 324.44 5 56848 -27348 52 éis
10,000,000
8,000,000
Equid

6,000,000
4,000,000
 2,000,000
0
-2000000

Ene-01
Ene-92

Ene-94

Ene-96

Dic-
Ene-

Ene-
Ene-95
Ene-

01
99

00
Ene-

Ene-
91
En

En
90

93

97

98
e-

e-
Estadísticas de la cartera
Beneficio
neto: 6,199,323 El ratio de Sharpe: 0.40
Correlación con el
drawdown: -2377389 desglose: 0,73
Correlación con el 10-40
K-cociente: 0.15 MA: 0.62
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 1 3 A

La divergencia Estrategia índice aplicado a las existencias.

206
SystemName: DivergenceIndex BreakdownStatistics (Stocks)

Mar ket A ve
r ageA ver age
A ver ageA ver ageAver ag
eA ver age
Avg.Profit Avg.Bars
S ec t orN etPr ofi tK-
r ati o
S har pe Ra ti oM
axDD NumT r ades
% W in
PerContract Pérdida
Ener gí a- 196, 053-
0. 17- 0. 31-
362, 3073130
-131 dieciséis
M at er iales- 399, 751-
0. 11- 0. 33-
519, 1124935
-378 17
I ndust r ials37, 2250. 000. 0
2- 287, 3513735 -100 15
Discr et ionar y20 9, 2760
. 000. 13- 295, 0183636 41 dieciséis
St aples47, 6180. 04 0.
02- 248, 7943741
42 17
Healt hcar e34 5, 762
0. 080. 21-
172, 9973540
154 15
Financ ials 162, 0970. 0
30. 13- 254, 1173840
144 15
I nf o. Tech. 413, 5040. 080.
23- 341, 8223840 57 18
Telecom 63, 749 0. 080.
05- 205, 6693549 80 15
I ndices607, 9380. 190.
40- 214, 0293841
7 dieciséis
ProfitabilityWindows

P erf or ma n c eB r ea k d ow n
Nu
m .ofN u
mb
b y Ye ar
Rentable Por ciento
er o
f

Y earN etP r ofi tK -

r at i o
S har pe R ati oY e
ar N etP r o
f it K-
pr opor ci ón
Ratio de ventanas ventanas Rentable
1990- 16, 3090. 13-
0. 011996993, 1390. 09
Sharpe
0.62 50.00%
19913, 129, 5780
. 272. 041997705
, 8300. 07
0.36 47.89%
1992150, 7680. 050.
181998- 603, 424-
0. 33
-0.68 46.76%
1993- 95, 390-
0. 12-
0. 141999294, 386
- 0. 11
0.20 50.38%
1994- 961, 333- 0. 49-
1. 902000- 58, 461-
0. 07
-0.06 60.63%
19954, 114, 8231. 1
23. 502001-
1, 555, 907- 0. 52
-1.54 65.29%
5,000,00
NetProfitbyYear 0

4,000,000

3.000.000

neto
2,000,000

1.000.000

Beneficio
0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-1000000

-2000000
Año © 2002LarsKestner-AllRightsReserved
FIGURA 8. 13b

DivergenceIndex StrategyAppliedtoStocks.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 207

Miro cruces del promedio móvil de entre uno y 20 días, donde el promedio ya sea
cuatro veces la longitud de la media más corta. Cada día de la operación, puedo
determinar si el / cuatro días, dos días / ocho días de un día, y así sucesivamente, a los
20 días / 80 días cruces del promedio móvil están generando las señales de comercio
largas o cortas. Cualquier juego de parámetros genera una señal de tiempo si la duración
media más corta es mayor que el promedio de longitud más larga, y genera una señal
corta si la longitud más corta de media móvil es inferior a la media móvil de mayor
longitud. Cada día, calcular el porcentaje de los 20 pares que envían señales de las
posiciones largas en el mar-cado. Este porcentaje se representa como la media móvil
Confluencia Estadística (MACS). Es decir, empezamos con un día / four día de la
mudanza par media. Si el promedio de un día es mayor que el promedio de cuatro días,
luego añadimos +5 a la MACS sta-tistic. Este proceso se continúa para los 20 pares de
medias móviles y los resultados en un indicador que oscila entre cero y 100. señales
largas se generan cuando el MACS es 60 o superior, y pantalones cortos se inicia
cuando el MACS es 40 o menos.
El gráfico de la figura 8.14 representa las señales generadas en el S & P 500.
Desde finales de febrero hasta principios de abril, prácticamente todos los pares de
medias móviles estaban de acuerdo a ser cortos. Esto se indica mediante los cero y cerca
de cero valores de la Moving

FIGURA 8. 1 4
Media Móvil Confluencia Método estrategia aplicada para el S & P 500.
208 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Estadística Confluencia medio en la mitad inferior de la tabla. Como resultado, nuestra

Strat-gia fue corta entre febrero y abril. A medida que el mercado se recuperó hacia el
final del mes de abril, muchos de los pares de medias móviles comenzaron a señalar las
posiciones largas. Como resultado, las MACS se elevaron por encima de 60 a principios
de mayo y entramos en mucho tiempo.
El Moving método de la media Confluencia se desempeña bien en ambos
futuros y los datos de saldos (Figuras 8.15a través 8.16b). Los mercados de futuros
generan ganancias en 11 de los 12 años analizados. sectores fuertes incluyen
monedas, tasas de interés y el petróleo. desempeño de las acciones no es tan fuerte,
con beneficios acumulados en 8 de los 12 años analizados. sectores de valores
fuertes incluyen el cuidado de la salud, la tecnología y los índices bursátiles.
La mayoría de las medias móviles están de acuerdo cuando las tendencias
fuertes emergen. El MACS muestra cuando las señales están en confluencia
mediante la producción de valores cercanos a cero o 100. La investigación futura
podría añadir un poco de complejidad a la estrategia mediante la introducción en
cruces de los umbrales 25 y 75, mientras que la salida y el mantenimiento de posi-
ciones neutrales entre los valores de 25 y MACS 75, o mediante el uso de un cruce
de nivel 50 como una señal de salida.

Indicador del sobre normalizada

Algunas de las estrategias comerciales más antiguas implicó el uso de medias
móviles simples para generar señales de compra y venta. Pero a medida que las
estrategias de comercio cuantitativos aumento en popularidad, los comerciantes
comenzaron a buscar métodos más complejos para capturar los beneficios. A
medida que avanzaba la investigación, los comerciantes comenzaron a interesarse
en el aprovechamiento de los extremos del precio lejos de la media móvil. Con el
fin de hacer esto, necesitaban un método de juzgar cuando los precios habían
vagado demasiado lejos de su promedio.
Idealmente, el promedio móvil actuaría como una banda elástica, dibujo
precios más cerca de la media cuando se estira hacia ambos lados. Como resultado,
se ha creado la envolvente media móvil. Los sobres se forman mediante el trazado
de dos bandas en torno a la media y un movimiento arriba y otro abajo.
Históricamente, esta había sido acom-plished multiplicando el promedio de dos
constantes. Típicamente, el movimiento aver-edad se multiplica por 105 por ciento
para llegar a la banda superior y el 95 por ciento de cal-cular la banda inferior. La
idea del sobre era que a medida que los precios quedaron muy por encima o por
debajo de la media móvil, se corregirían a sí mismos y volver hacia el promedio.
Esto crearía una oportunidad rentable para los comerciantes, ya que iba a comprar
cuando los precios tocaron la banda de precios más bajos y vender a la banda de
precios superior.
Los comerciantes han utilizado este método durante muchos años con cierto
éxito. Un problema con estas bandas de media móvil es determinar el
desplazamiento óptimo. Horas de ensayo y error habían sido único método del
comerciante de la instalación de un mercado con una buena dotación. En caso de
que el 95 y el 105 por ciento usarse, o son el 90 y el 110 por ciento más ideal?
Pensé que tenía que haber una mejor manera distinta de adivinar de manera
arbitraria, por lo que desarrolló el Indicador de sobres normalizados. El NEI dibuja
dos sobres de forma automática, en base a la reciente desplazamiento óptimo.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 209

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: Moving método de la media
confluencia
1 días / 4 días, 2 días / 8 días, ..., a las 20 de
parámetros: día / 80 días
Descripción Introduzca largo cuando MACS> 60, entran en seco cuando
: el MACD <40
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barr
Sharpe de % Avg. Lucro Avg. Avg. as Barras
K- Viento
Mercad Beneficio propor Propor s Ga Gana Gan Pérdid
o neto ción ción Max DD alisios nar contratos Por Con. r Pérdida ar a
AN
UN
FX CIO -127600 0.00 -0.07 -376330 62 35 25.89 -74 59941 -35927 84 28
BP -33788 -0.07 -0.02 -742963 62 27 18.17 -37 74260 -28979 96 31
dis
cos
co
mp sesent
act ay
os 140.160 0.03 0.06 -425460 62 39 47.59 cinco 73770 -41507 82 27
JY 1,632,863 0.42 0,77 -154638 46 50 13.57 2.395 94096 -29086 105 24
SF 1,136,625 0.25 0.62 -229650 45 44 15.52 1,630 95204 -30628 114 29
tarifas ED 3,383,675 0.22 1.20 -148050 41 49 93.71 427 117.724 -34026 108 28
TY 932.109 0.16 0.43 -282438 52 38 28.60 635 103.526 -35175 105 28
NO
S 561.531 0.08 0.28 -450156 57 37 20.16 461 89970 -37760 97 27
Valores SP -554988 -0.06 -0.30 -694025 72 25 8.45 -941 79418 -37075 89 26
Rieles GC 857.480 0.19 0.35 -227780 51 47 42.77 391 77924 -37676 90 30
HG -49000 0.03 -0.03 -652688 63 37 30.98 2 67910 -38957 87 24
PL -389605 -0.14 -0.19 -931880 63 33 48.95 -144 56597 -38842 86 28
SL -391445 -0.03 -0.18 -680895 61 31 31.66 -216 61.210 -37627 95 29
Energía CL 1,190,880 0.24 0.51 -309060 57 47 29.19 683 84801 -38440 81 25
HO 618.748 0.12 0.25 -313194 57 42 24.53 387 81189 -42644 88 25
sesent
ay
HU 418.198 0.06 0.19 -374136 cinco 35 23.53 249 76724 -32930 78 28
granos do 1,111,700 0.18 0.46 -323963 50 46 73,29 287 89370 -37184 92 31
S -500313 -0.08 -0.27 -996988 62 34 31,59 -296 48479 -38968 76 33
W 887.400 0.17 0.40 -373300 53 42 51.81 329 95539 -38682 100 26
carnes FC 483.225 0.04 0.24 -340435 62 37 40.52 191 74095 -31370 85 27
LC -34488 -0.08 -0.02 -534596 61 31 48.00 -66 73057 -37651 98 26
LH -30448 0.06 -0.01 -413196 59 31 31.88 -22 86306 -38888 93 32
PB -205988 -0.08 -0.09 -698408 59 31 21.25 -177 77,294 -39341 98 30
materias
primas
agrícolas CC 205.200 0.00 0.11 -427850 49 43 49.24 54 57120 -38224 106 26
Co
nne
ctic
ut 417.975 0.00 0.21 -701855 57 30 24.43 322 114048 -37256 110 28
JO -486480 -0.05 -0.21 -1191150 68 24 35.22 -205 89746 -37036 101 26
KC 1,582,489 0.18 0.53 -345300 45 44 11.93 2,656 118.394 -37657 106 30
LB 563.920 0.03 0.18 -692048 64 34 33.20 261 112.033 -45503 91 24
SB 225.680 0.06 0.11 -295030 53 43 53.96 77 70576 -46770 96 25
Promedi
o 451.524 0.06 0.18 -477582 55 36 33.65 311 80011 -36060 91 27
16000000
 14.000.000
12.000.000

Equidad
10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0

Ene-

Ene-

Ene-
Ene-

Ene-
Ene-
Ene-
Ene

Ene-
Ene
Ene

Dic-
-93
-92
-91

94

97

01
96

00
99
95

01
98
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 13545716 El ratio de Sharpe: 0.87
Correlación con el
drawdown: -1788611 desglose: 0.86
Correlación con el 10-40
K-cociente: 0.18 MA: 0.86
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 1 5 una

Media Móvil Confluencia Método Estrategia Aplicada a Futuros.

 BreakdownStatistics (futuros)
Syst em Na me: Mo ving a ve rag e conflu en ce met hod

Pará met ro s: 1 dí a s / 4 día s, 2 dí a s / 8 d ía s, ..., to 20 da y / 8 0 día s

Descripción: EnterlongwhenMACS> 60, entershortwhenMACD <40

Descompo byMarket Sector

stura
Avg.Profit Promedio Promedio
PerContract Ganar Pérdida
796 79454 -33225
381 77805 -26740
-941 79418 -37075
8 65910 -38275
440 80904 -38005
107 77796 -38278
-18 77688 -36813
527 93653 -40408

PerformanceBreakdownbyYear Número de Por ciento

Ratio de Sharpe Longitud ventanas Rentable
0.01 1 mes 144
0,79 3 meses 142
0.33 6 meses 139
-0.34 12 meses 133
0.63 18 meses 127
0.68 24 meses 121
NetProfitbyYear
4,000,000
3,500,000
3.000.000
2,500,000
2,000,000
1,500,000
1.000.000

neto
Beneficio
500.000
0
1990 1991 1992 1993 1994 1995 - 500000
1996 1997 1998 1999 20
00
201

-1000000

Año -1500000

FIG UR E8.15b
© 2002Lars

Mo ving A verage C onf luen ce Me thod S trate gy App lied to Future s .

210
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 211

Trading evaluación de estrategias (acciones)

Nombre Estrategia: Moving método de la media
confluencia
1 días / 4 días, 2 días / 8 días, ..., a las 20 de día
parámetros: / 80 días
Introduzca largo cuando MACS> 60, entran en seco
Descripción: cuando el MACD <40
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barr
Sharpe de % Avg. Lucro Avg. Avg. s as
K- Viento
Mercad Beneficio propor Propor s Ga Gana Pérdi
o neto ción ción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida r da
Energía SLB -299550 -0.03 -0.16 -538638 70 33 16.77 -274 62541 -37448 86 22
XOM -322433 -0.03 -0.19 -382750 61 26 40.60 -130 63697 -29805 95 33
Automó
vil club
materiales británico -488370 -0.03 -0.26 -633194 64 38 49.74 -157 49173 -41963 78 28
DD -481804 0.00 -0.25 -584969 72 25 21.11 -321 70925 -32679 85 27
IP -1284632 -0.33 -0.65 -1334292 74 23 16.79 -1064 44.722 -36526 76 30
licencia
Acciones do en
industriales Letras 21154 -0.05 0.01 -495496 60 33 19.90 -4 68349 -34282 92 29
GE 397.460 0.11 0.20 -244852 56 38 77.56 92 84.200 -39044 101 26
MMM -649652 -0.10 -0.36 -783544 70 30 13.65 -740 43558 -33090 74 29
Consumidor DIS -39653 -0.01 -0.02 -687370 73 27 39.12 -11 87676 -33675 86 24
discrecional GM 662.256 0.12 0.37 -252199 51 49 12.48 1.033 63114 -35403 91 28
HD 977.820 0.08 0.43 -587847 57 25 53.79 303 161.195 -30860 124 29
WMT 190.632 0.01 0.10 -590117 52 37 39.72 67 79221 -41402 99 33
Consumidor GRAMO -41842 -0.04 -0.02 -459940 58 38 34.76 -43 65184 -42219 94 24
grapas KO -574376 -0.11 -0.25 -946480 69 29 26.40 -307 76793 -42763 89 25
mes 972.236 0.21 0.48 -247281 50 36 23.33 826 106.953 -30049 108 33
PG -118174 -0.01 -0.06 -330462 68 26 20.93 -102 78277 -31090 85 29
Cuidado de
la salud AMGN 802.597 0.09 0.31 -375239 60 32 54.25 242 120.627 -36694 94 30
BMY 475.952 0.11 0.24 -331071 53 40 35.00 241 76531 -36256 98 29
JNJ 365.694 0.05 0.18 -693068 55 36 38.32 192 86865 -38060 97 31
PFE 568.910 0.13 0.26 -458046 58 31 70.93 139 109.264 -34853 103 29
Finanzas AIG 666.218 0.16 0.41 -229486 52 40 41.83 306 83861 -35365 103 27
FNM -267295 -0.05 -0.14 -592285 72 21 23.18 -152 98847 -30473 99 27
MER 125.573 0.03 0.06 -417939 63 35 50.64 31 83984 -42678 93 23
Información AAPL 611.337 0.10 0.28 -325234 59 49 18.12 530 67045 -45931 78 24
Tecnología DELL 2,878,617 0.18 0.65 -357704 49 39 596,46 98 204.924 -34783 110 30
sesent
ay
IBM 494.553 0.12 0.23 -407155 cinco 32 18.92 328 87931 -32801 84 27
INTC 1,352,515 0.26 0.57 -277522 60 35 90.64 239 124.720 -33803 90 28
MSFT 433.233 0.05 0.18 -699753 68 32 61.86 97 101.309 -39547 85 24
SUNW 1,490,155 0.18 0.65 -249006 52 50 217,64 133 93569 -35876 87 28
TXN 525.697 0.15 0.22 -482004 57 30 93.83 99 128.513 -41406 109 29
Telecom VZ -50943 0.06 -0.03 -467186 59 37 19,57 -69 47768 -30555 91 26
Índices SPX 194.910 0.08 0.11 -477118 58 29 2246.08 1 100.979 -37604 107 29
NDX 1,154,305 0.28 0.55 -181621 51 41 1695.65 13 107.114 -37519 104 27
RODER
A 1,821,462 0.30 0.65 -243548 51 45 5278.06 6 126.067 -41092 92 32
Promedi
o 369.546 0.06 0.14 -481306 60 34 328,17 48 89.868 -36400 94 28
18.000.000
16000000
14.000.000
12.000.000
Equid

10,000,000
8,000,000
6,000,000
4,000,000
2,000,000
0
 -2000000

Ene-
Ene-

Ene-

Ene-

Ene-
Ene-
Ene-
Ene-
Ene
Ene
Ene

-93
-92
-91

Dic-
96
94

95

00

01
99
98
97

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 12564561 El ratio de Sharpe: 0.51
Correlación con el
drawdown: -4434865 desglose: 0.91
Correlación con el 10-40
K-cociente: 0.19 MA: 0.89
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 1 6 una

Media Móvil Confluencia Método Estrategia Aplicada a las existencias.

212
BreakdownStatistics (Stocks)

Systemname: MovingaverageconfluencemethodParameters: 1 días / 4 días, 2 días / 8 días, ..., to20day / 80dayDescription: EnterlongwhenMACS> 60 <entershortwhenMACD, 40BreakdownbyMarketSectorRunDates: 1/1 / 1990-12 /
31/2001

Promedio Promedio Promedio Promedio Promedio Promedio Avg.Profit Promedio Avg.Bars

NetProfit K-proporción Ratio de MaxDD NumTrades %Ganar PerContract Ganar Pérdida
-310992 -0,03 Sharpe
-0.18 -460694 66 30 -202 63119 27
-751602 -0.12 -0.39 -850818 70 28 -514 54.940 28
-77013 -0.01 -0.05 -507964 62 34 -217 65369 28
447.764 0.05 0.22 -529383 58 34 348 97802 29
59461 0.01 0.04 -496041 61 32 93 81802 28
553.288 0.10 0.25 -464356 57 35 204 98322 30
174.832 0.05 0.11 -413237 62 32 61 88897 26
1,112,301 0.15 0.40 -399768 59 38 218 115.430 27
-50943 0.06 -0.03 -467186 59 37 -69 47768 26
1,056,892 0.22 0.44 -300763 53 39 7 111.386 29
P
r
o
f
i
t
a
b
i
l
i
t
y
W
i
n

Rentab N
u
m
.
o
f
N
u
m
b
PerformanceBreakdownbyYear le e
r
o
Por ciento
f

YearNetProfit K- Ratio de Año NetProfit K- Ratio de Longitud ventanas Rentable

19901,889,846 0.56
proporció Sharpe
1.25 1996 825.690 proporció
0.02 Sharpe
0.34 1 mes 54.17%
19913,164,339 0.19 1.49 1997 2,678,434 0.25 0.80 3 meses 49.30%
1992388.988 0.02 0.40 1998 2,374,958 0.31 1.29 6 meses 58.27%
1993-761218 -0.38 -0.80 1999 257.827 -0.23 0.07 12 meses 56.39%
1994-1384984 -0.38 -1.25 2000 -797707 -0.24 -0.31 18 meses 62.99%
19956,424,465 0.86 2.96 2001 -2514841 -0.33 -1.40 24 meses 64,46%
NetProfitbyYear

7,0
00,
000
6,0
00,
000
5,0
00,
000

4,000,000
3.000.000
2,000,000

Beneficio neto
1.000.000
0
-1000000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-2000000
-3000000
Año © 2002LarsKestner-AllRightsReserved

FIGU RE 8 .16b
Emocio Promedi
nante o ConfluenceMethodStrategyAppliedtoStocks.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 213

NIP = (Cerrar - Promedio de los últimos 50 se cierra) / Desviación Estándar

de 50 Pasado
El precio cambia
Ordenar el NEI de los últimos 50 días. Entonces:
Alta NEI = banda móvil de 50 días + Valor promedio actual de banda en el
puesto 10 NEI NEI = Baja móvil de 50 días + Valor promedio actual de NEI-
40º clasificado
Para calcular el NEI primero comparamos el cierre de hoy a 50 días de media
mov-ción actual de cierres. Dividimos esta diferencia por la desviación estándar de
los últimos cambios de precios 50 para llegar al valor NEI de hoy. Este valor NEI
nos da una medida ni-malized de que el precio de hoy es en comparación con los
últimos 50 días. A continuación, se compara el cierre de ayer en un promedio móvil
de 50 días de ayer de Clos-es. Una vez más, dividimos esta diferencia por la
desviación estándar de hoy de últimos cambios de precios 50 para llegar al valor
NEI de ayer. Podemos continuar este proceso hasta que tengamos 50 valores NEI
calculados a partir de datos de precios de hoy en día y los 49 días anteriores.
Una vez que tenemos los 50 valores del NEI, que se clasifican estos en orden,
donde el primer valor es el valor más grande y el valor-50º clasificado es el valor
más pequeño. A continuación Cre-ate la banda superior NEI sumando el valor-
ordenados 10 de NEI de la media móvil de 50 días de hoy. Creamos la banda
inferior NEI sumando el valor-40º ordenados NEI de la media móvil de 50 días de
hoy.
Entro corta cuando los precios suben por encima y luego caen por debajo de la
banda superior NEI. entradas largas se inician cuando los precios caen por debajo y
luego se elevan por encima de la banda inferior NEI. De muestra señales NEI se
muestran en la Figura 8.17 para ExxonMobil (XOM). El NEI parece hacerlo bien en la
predicción de los puntos de agotamiento durante los mercados sin tendencia. A medida
que los precios suben por encima de la banda inferior NEI a mediados de agosto,
entramos larga. Las ganancias se toman y pantalones cortos entraron cuando los precios
caen por debajo de la banda superior NEI sólo una semana más tarde.
La estrategia NEI genera algunas peculiaridades interesantes de rendimiento.
En cuanto a los datos de futuros (Figuras 8.18a y 8.18b), la estrategia NEI produce
un ratio de Sharpe de -0.45 y una relación K de -0.04. A primera vista, podríamos
descartar este rendimiento per debido a la falta de rentabilidad. Pero cuando
profundizamos más, vemos que cuando se prueba en los datos de futuros, el NEI
ha producido ganancias cinco de los últimos seis años. Observe que la curva de las
acciones se eleva constantemente desde 1996 hasta la actualidad. Este char-carac-
sugiere que tal vez el rendimiento ha doblado la esquina y será rentable en el futuro.
desempeño de las acciones no es tan optimista (Figuras 8.19a y 8.19b). El
NEI produce beneficios cuando se prueba en las existencias en tan sólo 3 de 12
años analizados. Al igual que en la realización de futuros, la mayor parte de la
evolución positiva ha sido reciente. Tres de los últimos cinco años eran rentables.
 Sistema de Entrada Múltiple oscilador
indicadores de sobrecompra / sobreventa, como el índice de fuerza relativa (RSI) y
STO-chastics normalmente se utilizan para identificar las cimas del mercado y los
fondos durante el agotamiento
214 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 8. 1 7

Normalizado del sobre Estrategia Indicador Aplicado a ExxonMobil.

fases de tendencias. Yo uso el sistema múltiple de entrada del oscilador de una

manera totalmente diferir-ent. El uso de cualquier oscilador, añado a largos ya que
la tendencia se vuelve más fuerte, mientras que los largos de salida I y entrar en
pantalones cortos ya que la tendencia se vuelve más débil. El único prop-erty de
esta estrategia es que la fuerza de la tendencia determina la fuerza de nuestra señal.
Una muestra de este método es:
Oscilador cruza por encima de 55: una unidad de largo
cruces del oscilador por encima de 70: dos unidades de largo
cruces del oscilador por encima de 85: largos tres unidades
Oscilador cruza por debajo de 45: corta una unidad
cruces del oscilador por debajo de 30: dos unidades cortas
cruces oscilador siguientes: 15 cortos tres unidades
Utilizamos un lento estocástico% K de 20 días como el oscilador de base para
nuestras señales de operación. Nuestra estrategia puede ser larga o corta en
cualquier lugar entre uno y tres unidades en función del valor de los 20 días de lento
estocástico% K.
 El gráfico en la Figura 8.20 Detalles señales aplicadas a International Paper
(IP). Como el mercado disminuciones en el comienzo del período de prueba, se
observa que son largos
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 215

Trading Estrategia de Evaluación (Futuros)

Nombre estrategia: Indicador de envolvente normalizada
parámetros: 50 días comparado con el 50 día promedio, NEI usos # 10 y # 40 filas
Descripción: Introduzca largo cuando cerca <banda inferior NEI, entrar en corto cuando está cerca> superior banda
NEI
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Beneficio propor Propor s Ga Pérdi
Mercado neto ción ción Max DD alisios nar Por contratos Con. Ganar Pérdida Ganar da
FX ANUNCIO -642110 -0.18 -0.34 -1086750 77 55 24.85 -335 32.734 -57592 28 53
BP 425.163 0.15 0.22 -458888 82 59 18.28 301 41,151 -44842 29 48
discos
compactos -900140 -0.07 -0.41 -1198100 78 56 48.61 -241 29.995 -65720 24 57
JY -1237250 -0.24 -0.56 -1549738 77 55 14.19 -1001 36.681 -75269 29 50
SF -386775 -0.08 -0.19 -779238 83 53 16.12 -297 40.876 -56290 29 45
tarifas ED 741.925 0.04 0.32 -875550 91 56 82.41 99 55148 -51765 29 38
TY -674094 -0.08 -0.31 -1236891 85 56 30.21 -247 38696 -67321 26 47
NOS -953719 -0.20 -0.48 -1361031 89 54 20.56 -525 34.624 -63952 25 45
Valores SP 838.988 0.23 0.48 -278988 100 71 8.95 997 31533 -46437 26 38
Rieles GC -374470 -0.03 -0.17 -646320 82 49 46.04 -97 39446 -46264 28 45
HG 150.650 -0.04 0.07 -706925 70 59 33.25 42 43404 -57963 35 53
PL -145350 0.02 -0.07 -790935 96 59 50,01 -10 29.120 -43837 25 39
SL 258.435 0.04 0.14 -465810 91 64 34.17 57 30024 -47382 25 46
Energía CL 27680 -0.02 0.01 -837950 83 57 27,99 18 48811 -62564 29 46
HO 509.094 0.14 0.23 -400155 86 51 23.62 254 54562 -44852 31 38
HU -219744 0.04 -0.09 -774803 89 60 22.58 -96 34979 -56867 27 44
granos do -576850 0.00 -0.25 -771575 76 53 80.62 -98 43.092 -64592 29 51
S 825 0.02 0.00 -804750 80 55 31.95 -8 38366 -47432 29 48
W -582550 -0.14 -0.27 -915900 85 59 51.08 -138 32730 -63841 25 50
carnes FC 364.890 0.11 0.19 -431070 91 54 41.09 82 40878 -40412 28 39
LC 344.580 0.11 0.18 -431184 92 63 50.54 82 36,096 -50359 27 42
LH -44256 0.04 -0.02 -629728 78 58 32.11 2 38383 -52193 34 45
PB -506232 -0.06 -0.24 -913100 94 62 20.98 -229 29704 -60386 24 45
materia
s
primas
agrícola
s CC 276.690 0.01 0.14 -483540 100 64 51,13 58 30.617 -46218 23 41
Connectic
ut -602200 -0.04 -0.31 -1237920 78 62 25.24 -305 35331 -76561 30 52
JO -243420 0.01 -0.11 -668325 89 57 35.78 -72 29007 -44936 26 43
KC -808403 -0.17 -0.34 -1081328 82 54 14.16 -696 38604 -65951 26 48
LB -102528 0.03 -0.03 -1233944 75 63 33.07 -63 46095 -82967 31 54
SB -490090 -0.07 -0.25 -808797 92 59 54.49 -89 30594 -55250 24 44
Promedio -185042 -0.01 -0.08 -795308 82 56 34.14 -85 36376 -54667 27 45
2,000,000
0
-2000000
Equida

-4000000
-6000000
d

-8000000
-10000000
-12000000
Ene
e-

Ene-96

Ene-
Ene-90

Ene-93
E

Ene-95
-94
n

9
1

Dic-
Ene-97

Ene-
Ene-
98

01
Ene-

Ene-
00
99
92

01

Estadísticas de la cartera
 Beneficio
neto: -5551261 El ratio de Sharpe: -0.45
Correlación con el
drawdown: -9908916 desglose: -0.28
Correlación con el 10-40
K-cociente: -0.04 MA: -0.32
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 1 8 A

Indicador normalizado del sobre Estrategia Aplicada a Futuros.

 BreakdownStatistics (futuros)
S yst e m N a m e : N o r m a li ze d e n ve l o p ei n di ca t o r

Pará me tro s: 50da ysco mp ared to50 da ya vera ge, NE Iu se s # # 10 Y 40ran ks

Descripción: Enterlongwhenclose <lowerNEIband, entershortwhenclose> upperNEIband

BreakdownbyMarketSector RunDates: 1/1/1990/12/31/2001

M ark etA v er a g eA v er a g eA v er a ge A v er a g eA v er
a g eA v er a g eA v g.P r ofi t
Promedio Promedio Avg.Bars Avg.Bars
S ect orN etP r ofi tK -
rati oS h arp eR ati o M ax DDN um Tr a d es %
Wi nP er Co ntr act
Ganar Pérdida Ganar perder
FX-548,223-0.08-0.26- 36.287 -59943 28 51
1,014,5437955-315

Precios-221,472-0.06-0.12- 32117 -45760 20 33

868,3686642-168

Sto ck838 ,9880.230.48- 31533 -46437 26 38

278,98810071997

Metale s-27,6840 .00-0.01- 35499 -48861 29 46

652,4988558-2

Energy105 ,6770.050 .05- 46118 -54761 29 43

670,969865659

Granos-386,192-0.04-0.17- 38063 -58622 28 49

830,7428055-81

Meat s3 9,746 0.05 0.03- 36265 -50838 28 43

601,2718 959-16

Softs-328,325-0.04-0.15- 27 47 35041 -61981

918,9768660-195

Num.of
PerformanceBreakdownbyYear Número dePorcentaje rentable
Y e ar N etP r ofi tK -
rati oS h ar p eR ati oY e arN etP rofi tK -
Longitud ventanas ventanas rentable
rati oS h ar p eR ati o

1990-3,2 85,612-0.94-
1 mes 144 66 45.83%
3.1519961,8 13,8160.641.9 4

1991-651,258-0.2 1-0.7 91997-694,151-

3 meses 142 65 45.77%
0.04-0.72

1992-2,427,1 88-1.43-
6 meses 139 65 46.76%
2.871998331,4620.100.55

1993-2,175,4 95-0.26-
12 meses 133 62 46.62%
1.471999715,5660.231.00

1994453,1430.32-
18 meses 127 67 52.76%
0.452000290,6490.250.29

1995-816,567-0.21-
24 meses 121 69 57.02%
0.652001604,5430.030.51

NetProfitbyYear 3.000.000
2,000,000
1.000.000
0

199
-1000000 1990 1991 1992 1993 1994 1995 1996 7 1998 1999 2000 2001

neto
Beneficio
-2000000
-3000000

Año -4000000

FIG URE 8.18b © 2002Lars Kestner AllRightsReserved

NormalizedEnvelopeIndicatorStrategyAppliedtoFutures.
216
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 217

Trading evaluación de estrategias (acciones)

Nombre estrategia: Indicador de envolvente
normalizada
50 días comparado con el 50 día promedio, NEI usos # 10 y # 40
parámetros: filas
Introduzca largo cuando cerca <banda inferior NEI, entrar en corto cuando está
Descripción: cerca> superior banda NEI
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barr
Sharpe de % Avg. Lucro Avg. Avg. s as
K-
Mercad Beneficio propor Propo Vientos Ga Pérd
o neto ción rción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida Ganar ida
Energía SLB -114139 -0.01 -0.06 -544369 98 62 16.14 -31 28810 -48842 22 44
XOM -687879 -0.22 -0.45 -905068 99 58 43.12 -165 19.259 -42872 21 43
Automó
vil club
británic
materiales o -1455002 -0.12 -0.13 -4844244 2293 35 12.37 -56 24.012 -14.000 12 4
ses
ent
ay
cin
DD -103561 -0.08 -0.06 -784458 88 co 20.45 -39 30923 -59147 24 51
IP 141.281 0.03 0.07 -383525 98 64 16.39 110 26.330 -42355 21 48
licencia
Acciones do en
industriales Letras 305.088 0.06 0.18 -493964 94 61 21.37 170 37387 -48380 26 40
GE 670.171 0.14 0.35 -358230 103 58 77.22 80 37247 -37138 25 36
MMM -444449 -0.09 -0.24 -691453 86 55 13.71 -319 28,791 -44352 28 43
Consumidor DIS 329.446 0.01 0.17 -361687 94 59 36.11 100 37001 -43495 23 45
discrecional GM -892065 -0.25 -0.48 -1004652 86 53 13.64 -763 30373 -57309 26 46
HD 139.237 -0.02 0.07 -440269 102 62 76.32 21 34.271 -51174 25 37
WMT -4441 0.05 0.00 -635953 83 61 37.79 -7 33.391 -53920 28 50
Consumidor GRAMO -281908 -0.04 -0.16 -518222 94 56 36.15 -71 29128 -43529 23 43
grapas KO -221412 -0.03 -0.12 -656138 85 60 28.08 -102 32.530 -55925 27 47
mes -693692 -0.18 -0.34 -936624 79 52 25.11 -341 40322 -61285 26 51
PG -310136 0.00 -0.16 -497059 80 58 19.96 -179 30.870 -50165 29 48
Cuidado de
la salud AMGN 235.565 -0.02 0 0.10 -658798 89 62 75.39 37 43215 -62631 26 47
BMY -407594 -0.02 -0.25 -728390 99 58 32.55 -108 28456 -46869 23 39
JNJ -83555 0.01 -0.05 -629002 95 62 36.50 -29 29.402 -50982 22 48
PFE -767515 -0.27 -0.43 -968131 88 57 69.16 -127 30845 -60972 25 45
Finanzas AIG -610897 -0.21 -0.34 -868551 98 55 37.85 -159 29574 -49657 22 41
FNM -169531 -0.10 -0.10 -644898 115 60 22.97 -69 25666 -42478 18 38
MER 67581 0.05 0.04 -479612 94 63 55.84 17 36895 -59622 24 45
Información AAPL -199920 -0.05 -0.10 -654078 78 53 17.08 -106 45073 -53761 28 49
Tecnología DELL -616552 -0.01 -0.26 -1142010 88 55 589,36 -11 46662 -70242 22 48
IBM -485297 -0.03 -0.24 -717493 79 57 20.20 -295 41837 -69198 31 48
INTC -808817 -0.14 -0.36 -1235849 92 55 129,06 -62 42826 -71319 23 45
MSFT -378754 0.01 -0.18 -730517 88 58 77.94 -44 41577 -65493 27 43
SUNW -1070027 -0.15 -0.52 -1314211 84 54 236,18 -54 37426 -70760 24 50
diecisé
TXN 128.117 -0.01 0 .07 -731439 98 59 84.40 is 38169 -52052 23 41
Telecom VZ -282375 0.02 -0.16 -1034674 95 61 22.55 -118 27.912 -50562 21 47
Índices SPX 1,099,655 0.26 0.57 -297996 98 66 2337.27 5 39.180 -42651 25 41
NDX -301906 -0.12 -0.14 -958990 90 54 1448.44 -2 42498 -58110 24 44
RODER
A 241.090 0.07 0.08 -735468 84 60 5799.64 1 67746 -89788 26 49
Promedi
o -236300 -0.04 -0.11 -840765 156 58 340,77 -79 35165 -53560 24 44
2,000,000
0
-2000000
Equid

-4000000
 -6000000
-8000000
-10000000

Ene-
Ene-

Ene-

Ene-
Ene

Ene-

Ene-

Ene-

Ene-
Ene

Ene

Dic-
-93
-91

-92

01
94

95

96

01
97

98

99

00
Ene-
90
Estadísticas de la cartera
Beneficio
neto: -8034193 El ratio de Sharpe: -0.38
Correlación con el
drawdown: -10324072 desglose: -0.23
Correlación con el 10-40
K-cociente: -0.22 MA: -0.24
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 1 9 una

Normalizado del sobre Estrategia Indicador Aplicado a las existencias.

218
BreakdownStatisticsStocks)

Marke
tAve
ra
ge
Averag
Av
e erag Ave
e ra
ge
Ave ra
ge
Ave
rageAv
g.Pro
f itAve
rage
Average
Avg.Bars Avg.Bars
Sec to
rNetProfitK-
ra
ti o
Sha rp
Ra
e ti o
Max DDNu mTrad
es%
W inPerC o
ntr a t
c
W inLo ss
Ganar Pérdida
En er g
ía- 401, 09-
0. 12
-0. 26-
724,7199 960-
9824, 034 - 45
, 85
7
22 43
Ma te
r iales
- 472
,4
27-0.06-
0. 04
-
2, 00
4,0768 265
5527,088-
38, 5
01 19 34
I ndu
str ials176 ,9
370
. 04
0. 09
- 51 4, 5499458-
2334, 475 - 43
, 29
0 26 40
Di s
creci onal- 1
06
, 956
-
0. 0
5-0. 06-610 ,6
409159-
1623 3,759 - 51,4
74
25 44
Gr apa
s- 3
76
, 787-0
. 06-0
. 19-
652,0118556- 17
333, 213-
52, 7
26 26 47
He alt h
care-255
, 77
5-0. 0
8-
0. 15-746
, 0809360-
5732 , 98
0- 5,363 24 45
Fi n
anza s-237,616-
664, 354102-0. 09
-
0. 1
359- 7030
, 712-
50,586
21 41
In
f o.Tech.- 490, 1
79
- 0.05
-
0. 23-932,228 8756-
7941 , 93
9- 64,689 25 46
Tel e
co
m- 282
,3750
. 02-
0. 16
-1
,0
34,6749561-
11827,9
12-50
, 56
2
21 47
I nd
i ces34
6, 2
800.070.17-
664, 1519160149, 80
8-
63, 516 25 44
R e nta
bi li da d ventanas
Númer Por
Num.ofProfi
o de table ciento
Ye
arNetPr o
fitK -r a
ti o
Shar p
Ra
e ti o
YearNetPr o
fi tK-r a
t io
S ha
rp
Ra
e t ioLe
ng
th
Windo
ws
ventanas Rentable
1990- 1,196, 3
97- 0
. 26-
0. 631996- 642
, 8490.02-
0. 361
M ont h144
68 47.22%
1991- 373, 994- 0.26-
0. 211997524, 1140. 020
. 23
3Mont hs142
58 40.85%
1992- 1
, 829
, 761
-0. 46-
1. 2219
98- 1
, 594
, 650-0
. 34-
0. 816
M on
t hs1
39
40 28.78%
1993- 471
, 818-0. 02
-
0. 3419991, 894
, 9660. 51
2. 9512
M onths133
25 18,80%
1994- 1
, 19
6, 25
2- 0
. 25
-
0. 7220
00-2, 52
7, 3
12- 0. 53
-
1. 5612
718M ont hs
25 19.69%
1995- 1,347, 15- 0
. 27-
0. 722001971, 5270 . 260
. 992
4Months121
15 12.40%

2,500,000 NetProfitbyYear
2,000,000
1,500,000
1.000.000
500.000
0

neto
19 199 199 1993 199 19 199 199 20
-500000 90 1 2 4 1997 1999 2001
95 6 8 00

Beneficio
-1000000

-1500000
-2000000
-2500000
-3000000

Año © 2002LarsKestner-AllRightsReserved

FIGURA 8.19b
normalizado EnvelopeIndicatorStrategyAppliedtoStocks.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 219

FIGURA 8. 2 0

Entrada Múltiple oscilador Estrategia Aplicada a International Paper.

salido. Nuestra primera posición corta se introduce como el oscilador cae por
debajo de 45. Se introduce el sec-ond como el oscilador cae por debajo de 30, y se
establece la tercera y última entrada corta como el oscilador cae por debajo de 15.
La última señal en el gráfico es una corta portada de una unidad que el oscilador se
eleva de nuevo por encima de 15.
La figura 8.21 ilustra la curva de la equidad del sistema múltiple oscilador de
entrada aplicado a nuestros mercados de futuros. El rendimiento es bueno, ganando
poco más de $ 12,5 millones con un ratio de Sharpe de 0,34 y una relación K de
0,23. Sin embargo, el sistema múltiple de entrada del oscilador deja mucho que
desear, ya que el rendimiento no se acerca a la rentabilidad de otras estrategias de
seguimiento de tendencias. Aplicado a las acciones, la rentabilidad de la estrategia
verdaderamente deteriora (Figura 8.22). Con una pérdida de más de $ 21 millones,
un ratio de Sharpe de -0.39 y una relación K de -0.18, las acciones producen
beneficios en sólo 5 de los 12 años.

estocástico ajustado
En el número de marzo de 1998, de la revista Futuros, Mark Etzkorn y George
Pruitt introdujeron un sistema de arranque canal que ajusta su longitud sobre la base
de los cambios en la volatilidad del mercado. En su sistema, como la desviación
estándar de cierra aumentó,
220 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Entrada Múltiple Estrategia oscilador (Futuros)

$ 16 millones
$ 14 millones
$ 12 millones
$ 10 millones

$ 8,000,000
Lucro

$ 6,000,000
$ 4,000,000
$ 2,000,000
$0
- $ 2.000.000
2.1.90

2.1.91

2.1.92

2.1.93

2.1.94
2.1.95

2.1.96

1/2/97

2.1.98

2.1.99

2.1.00
2.1.01
Fecha

FIGURA 8. 2 1
Entrada Múltiple Estrategia oscilador Aplicado a
Futuros.

Entrada Múltiple Estrategia oscilador (Stocks)

$ 15 millones

$ 10 millones

$ 5,000,000

$0
Lucro

- $ 5.000.000

- $ 10 millones

- $ 15 millones

- $ 20 millones

- $ 25 millones
2.1.90

2.1.91

2.1.92

2.1.93

2.1.95

2.1.96

1/2/97

2.1.98

2.1.99

2.1.00

2.1.01
2.1.9
4

Fecha

FIGURA 8. 2 2
Entrada Múltiple Estrategia oscilador Aplicado a las
existencias.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 221

También aumentó el rango de revisión retrospectiva de sus entradas de grupo de

trabajo. mercados más volátiles requerirían tanto como una ruptura de canal de 60
días para iniciar largos o cortos, mientras que los mercados menos volátiles podrían
requerir tan pequeño como una ruptura de canal de 20 días para iniciar las
operaciones.
Este pensamiento me provocó aplicar la idea y crear un nuevo oscilador que
también ajustar en base a la volatilidad del mercado. Si bien mi procedimiento y
definición de la volatilidad del mercado es diferente de Etzkorn y Pruitt, el
fundamento es similar. Los osciladores son herramientas maravillosas para el
cálculo de los rangos de precios relativos en el corto plazo. El problema, sin
embargo, es que en los tiempos en que los precios son menos volátiles y no se
mueve, los cambios de precios pequeñas pueden causar lecturas de oscilador para
exponer las condiciones de sobre-comprados y sobreventa. A medida que los
precios se vuelven más volátiles, indicado por una gran gama de 14 días, entonces
los precios recientes medidas deberían tener más peso que durante los períodos de
baja volatilidad acompañados de pequeños rangos de precios de 14 días. Para que
rea-hijo, presento un nuevo estocástico ajustado que ajusta un 14-Día lento% K
stochas-tic usando una combinación de la gama de alto a bajo de los últimos 14
días y el rango de alto a bajo de la últimos 100 días.
Nueva estocástico = (14-Día lento% K estocástico - 50) ? (La más alta de alta
últimos 14 días - mínimo más bajo de los últimos 14 días) / (máximo más alto de
últimos 100 días - mínimo más bajo de los últimos 100 días) + 50
En esencia, nos reescalar el estocástico de 14 días basado en la volatilidad
relativa de los últimos 14 días a la volatilidad de los últimos 100 días.
Como era de esperar, se observa que la nueva medida estocástico está silenciado
en comparación con un típico de 14 días% K estocástico. Los valores de nuestro nuevo
oscilador suelen oscilar entre 35 y 65, en comparación con los rangos más típicos de 20
y 80 visto por corto plazo oscil-dores. Por lo tanto, tenemos que ajustar nuestros valores
extremos que generan señales de comercio. Vamos a tomar posiciones cortas contra
tendencia cuando el estocástico ajustado se eleva por encima de 65 y luego vuelve a
caer por debajo de 65. contratendencia posiciones largas cuando se introducen los
descensos estocásticos ajustados por debajo y luego sube de nuevo por encima de 35.
Las señales para nuestra estocástico ajustado se aplican a Texas Instruments
(TXN) en el diagrama de la figura 8.23. La fuerza de la manifestación septiembre
hace que nuestro estocástico ajustado para elevarse por encima de 80 un
movimiento de gran alcance de hecho. A medida que los precios vuelven sobre,
entramos en corto a principios de octubre como el estocástico ajustado cae por
debajo de 65. El posterior descenso toma el estocástico ajustado por debajo de 35
a finales de octubre. Entramos largo en un aumento del estocástico ajustado por
encima de 35 a principios de noviembre.
 En los mercados de futuros (Figuras 8.24a y 8.24b), nuestros ajustados
estocásticos Gener-ates un ratio de Sharpe de -1.08 y una relación K de -0.43. Sobre
las poblaciones (Figuras 8.25a y 8.25b), nuestra estocástico ajustado genera un ratio
de Sharpe de -0,97 y una relación K de -0.32. Entre los futuros sectores con peores
resultados son los tipos de interés, divisas y petróleo. Entre los sectores de valores
peores resultados son el cuidado de la salud, finan-funcionarios, y la tecnología.
222 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 8. 2 3

Ajustado estocástico Estrategia Aplicada a Texas Instruments.

Muchos operadores pueden escribir rápidamente fuera de esta actuación y

pasar a alguna cosa-rentable. Hay que recordar que algunas de las estrategias de
peor desempeño son los diamantes actu-aliado en bruto. Rendimiento de la
estrategia estocástico ajustado es tan malo que me gustaría considerar el uso de
exactamente lo contrario de las reglas que la base de una estrategia rentable.

Tres consecutivos
Usted puede ser sorprendido por lo bien que funcionan las ideas muy simples. El
principio de tres en una fila suena simple, pero los resultados son muy poderosos.
Compramos cuando se cumplen tres con-diciones:
1. el cierre de hoy es mayor que hace las estrechas cinco días.
2. Hace cerca de los 5 días es mayor que hace las estrechas 10 días.
3. Hace cerca de los 10 días es mayor que hace las estrechas 15 días.
entradas cortas son similares, también se requieren tres condiciones:
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 223

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: estocástico Ajustado
parámetros: 14 días lenta% K modificar Alcance de 100 días
Descripción: Introduzca larga cuando se ajusta el estocástico <35, entrar en corto cuando se ajusta el
estocástico> 65
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra Barr
Sharpe de % Avg. Lucro Avg. Avg. s as
K- Viento
Beneficio propor Propor s Por ganar los contratos Pérdid Gana Pérdi
Mercado neto ción ción Max DD alisios Con. Ganar a r da
FX ANUNCIO -691280 -0.21 -0.38 -858900 49 53 25.58 -543 32879 -66736 41 83
BP -357925 0.00 -0.20 -571325 57 60 18.05 -323 27.727 -55443 34 81
discos
compactos -95700 0.02 -0.04 -623470 60 62 46.54 -33 37798 -64774 32 80
JY -1309588 -0.15 -0.67 -1312188 36 44 13.54 -2398 42937 -92789 37 119
SF -895550 -0.19 -0.46 -1037525 39 51 15.75 -1470 34059 -83367 35 109
tarifas ED -2579300 -0.18 -1.12 -2605975 35 54 90.25 -424 43863 -135845 33 125
TY -1438625 -0.21 -0.75 -1631141 40 45 29.17 -1.204 36478 -93704 34 109
NOS -1484750 -0.21 -0.78 -1586344 44 48 20.69 -1591 33263 -93327 32 101
Valores SP -115538 -0.11 -0.07 -1172938 53 74 8.26 -253 37245 -111663 30 130
Rieles GC 53110 -0.05 0.02 -896450 46 59 43.28 32 55024 -74788 37 104
HG -827200 -0.14 -0.43 -1306725 40 55 32.68 -608 39619 -92612 33 126
PL -429475 -0.07 -0.25 -693145 46 61 49.32 -144 29630 -64288 43 93
SL 486.060 0.12 0.25 -397500 51 73 30.77 332 41135 -71459 38 115
Energía CL -1587500 -0.39 -0.66 -1752940 38 50 28.77 -1399 37771 -118260 45 111
HO -591641 -0.15 -0.26 -994157 52 60 25,49 -397 44069 -90136 33 91
HU 363.439 0.08 0.14 -607345 60 63 23.10 281 42242 -55283 29 84
granos do -969950 -0.17 -0.41 -1265750 40 50 77.61 -293 47.995 -93484 38 110
S 113.288 0.02 0.06 -591238 58 59 30.05 77 38428 -48811 37 72
W -811213 -0.12 -0.40 -1046488 43 60 50.59 -377 42984 -113965 33 125
carnes FC -475865 -0.03 -0.23 -1131840 55 58 39.36 -212 39616 -75087 41 73
LC -35788 0.07 -0.02 -585176 56 66 50.95 48 37695 -66271 32 92
LH 41396 -0.04 0.02 -584988 51 71 32.92 34 37,186 -85493 40 103
PB 69460 -0.03 0.03 -596324 59 61 20.63 110 41777 -59561 31 82
materia
s
primas
agrícola sesenta
s CC 352.380 0.07 0.18 -744000 y cinco 72 49.85 111 33826 -68306 26 98
sesen
Connectic ta y
ut -1130720 -0.10 -0.55 -1219170 49 cinco 24.48 -943 31439 -125743 29 120
JO 604.988 0.08 0.28 -506850 56 68 36.40 302 41251 -52846 36 90
KC -774656 -0.07 -0.27 -1763156 50 62 11.73 -1057 42.592 -102093 37 90
sesenta
LB 221.864 0.06 0.07 -1225360 y cinco 74 33.65 86 42963 -110214 32 87
SB -407613 -0.05 -0.21 -666557 50 64 52.82 -147 31382 -77420 33 103
Promedio -490130 -0.07 -0.24 -999165 48 58 33.74 -413 37496 -81459 34 97
0
-2000000
-4000000
-6000000
Equid

-8000000
ad

-10000000
-12000000
-14000000
-16000000
 Ene
Ene

Ene-96

Ene-01
Ene
Ene-90

Ene-91

-97

Ene-
-94

Ene-95

-98

Ene-

Dic-01
00
Ene-

99
Ene-
92

93
Estadísticas de la cartera
Beneficio
neto: -14703893 El ratio de Sharpe: -1.08
Correlación con el
drawdown: -15093668 desglose: -0.75
Correlación con el 10-40
K-cociente: -0.43 MA: -0.74
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 8. 2 4 A

Ajustado estocástico Estrategia Aplicada a Futuros.

 BreakdownStatistics (futuros)
Des
com
post
ura byMarketSector
Mark
etAv ra
eg
Av
e ra
e ge Av
er
agAve
e ra ge
Av
erag
Ave
e ra
e
g
Avg.Pro
f itAv
er
agAve
e ra ge
Avg.Bars Avg.Bars
Sec torNetPr
ofitK-
ra ti o Sharpe
Ra t ioMax DD
Nu m. T ra de
s
%
WinPe
rCont
ra
ctW inL
os
Ganar Pérdida
FX-
670, 009-
0. 1
0-
0. 3
5-
880, 682
4854 -
95335 ,0
80-
72,622
36 94
Pr e
cios-1
,375
, 669-
0. 1
5-0.66
-
1, 4
55,8653037-
8052 8,40
1-80
, 719
25 84
St o
ck
- 11
5,538
-0. 1-
0. 0
7-
1, 1
72
, 93
85374
-
2533
7,245
- 11
, 63 30 130
Me tale
s-
179, 37
6-
0. 0
4-0. 1
0-
823, 45546
62
- 97
41, 352
-
75,787
38 109
Energía-
605, 234-0.15-
0. 2
6-
1, 18, 1475058 -
5054 1,360 -
87,893
36 95
Gr anos
-
555, 95
8-0.09-
0. 2
5-
967, 82547
56-
1974 3,136
-
85,420
36 102
Ca rnes-100,199-
0. 0
1-
724, 5825564-
71,603-0. 05
-
539
, 069
36 88
So
ft s
- 18
8,960
0.00
-
0. 0
8-
1, 0
20
, 84
95668-
27537,242
- 89
,4
37
32 98
Número Num.ofProfitabl
de e Por ciento
W in do
ws Ye
a
rNetPro f itK-
ra ti o
Sh
arpe R
atioYe rN e
a t
ProfitK-
ra ti o
Sh
arpeR
atioL ength
ventanas Rentable
1990-
3, 39
,489
-
1. 0
3-
3. 11996
-
948, 42
5-0
. 33
-
0. 8
71Mont h1
4
4
58 40.28%
1991 -
718, 75
4- 0
.09-
0. 5
819
97-
215, 48
90.14-
0. 2
03M
onths1
42
48 33.80%
1992-
1, 0
69
,35
4- 0
.2
-
3
0. 8
51
998
-
2, 2
12
,86
9- 0
.8
-
9
2. 4
26
Mo
nt h
s1
39
35 25.18%
1993 -
1, 6
77, 85
5
-0
. 22-
1. 6
219 99
899, 6450
.
300. 3712
Mo nths13
3
14 10,53%
1994-
1, 7
30,9
38
-
0. 5
-
6
1. 3
72000
-
1, 9
28,1
56
-
0. 6
-
2
1. 7
51Mo
8 nt
hs127
2 1,57%
1995
-
729
,4
91-
0. 1-
0. 7
12
001-
976,4
94-
0. 2
4-
0. 7
42
4Mon
t hs
12
1
0 0,00%

1, 500, 0001, 000, 00050

NetProfitbyYear 0, 000

200
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 0-500,000
2001
0
-1000000
-1500000

neto
-2000000

Beneficio
-2500000

Año
©
200 2
Lars
Kestner AllRightsReserved
224
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 225

Trading evaluación de estrategias (acciones)

Nombre Estrategia: estocástico
Ajustado
14 días lenta% K modificar Alcance de 100
parámetros: días
Introduzca larga cuando se ajusta el estocástico <35, entrar en corto cuando se
Descripción: ajusta el estocástico> 65
Fechas de
ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra Barr
Sharpe de % Avg. Lucro Avg. Avg. s as
K- Viento
Mercad Beneficio propor Propo s Ga Pérdid Gana Pérdi
o neto ción rción Max DD alisios nar hrs (000) Por Con. Ganar a r da
Energía SLB -592904 -0.17 -0.33 -863831 63 60 15.64 -574 25593 -61512 26 81
XOM -759966 -0.25 -0.50 -971856 62 56 40.94 -307 19.638 -54326 31 71
Automó
vil club
materiales británico -671328 -0.11 -0.33 -743338 89 37 47.92 -165 40889 -36681 52 22
DD -115579 -0.04 -0.07 -375034 69 62 23.33 -60 27765 -49645 28 68
sese
sesenta nta y
IP 1,357,826 0.36 0,73 -254013 y cinco 74 18,06 1198 38703 -26538 39 cinco
licenciad
Acciones o en
industriales Letras -143553 0.01 -0.08 -502565 50 58 18.75 -28 41.704 -58857 42 80
GE -175842 -0.06 -0.09 -897101 47 72 78.44 -49 36226 -108595 37 135
MMM 384.959 0.05 0.21 -451540 63 71 13.69 531 28405 -45592 30 91
Consumidor DIS -68805 -0.02 -0.03 -415997 50 68 33.67 31 38.408 -78378 39 99
discrecional GM -604099 -0.20 -0.32 -998077 46 50 12.72 -989 42139 -67308 30 99
HD -1095981 -0.11 -0.55 -1354864 57 60 65.64 -271 30842 -89676 26 91
WMT -227825 -0.05 -0.11 -746700 51 61 39.96 -85 45318 -78923 41 85
Consumidor GRAMO -984252 -0.27 -0.58 -1076501 49 43 39.96 -463 34508 -58258 30 84
grapas KO 35.063 0.01 0.02 -647379 71 66 24.03 20 34617 -66393 26 76
mes -1146042 -0.24 -0.58 -1254682 50 46 23.29 -955 35.810 -71688 34 82
PG -277093 -0.05 -0.16 -807763 63 59 22.44 -194 33691 -58505 26 79
Cuidado de
la salud AMGN -2140156 -0.09 -0.72 -2503388 50 70 51.35 -828 31684 -215598 31 129
BMY -1188409 -0.20 -0.62 -1430584 42 48 30.67 -890 36.324 -85118 40 100
JNJ -1138744 -0.26 -0.60 -1290408 60 58 37.21 -523 29.131 -87452 30 79
PFE -666839 -0.20 -0.29 -1145233 46 63 68.74 -210 42735 -111986 33 121
Finanzas AIG -652816 -0.11 -0.36 -975766 55 51 43.68 -284 42473 -69291 25 84
FNM -977855 -0.22 -0.53 -1174572 56 55 19.56 -917 22089 -67585 33 79
MER -804586 -0.24 -0.37 -1276447 50 58 57.37 -280 41.346 -95368 23 107
Información AAPL 172.394 0.00 0.08 -545573 53 60 16.72 251 42.065 -53513 38 83
Tecnología DELL -2256703 -0.16 -0.57 -2708314 49 57 615,88 -73 42298 -161414 32 99
IBM -635526 -0.14 -0.30 -1318049 53 57 18.11 -550 43519 -79723 31 89
INTC -1049157 -0.18 -0.44 -1362731 51 69 110.44 -172 38796 -145309 35 109
MSFT -779056 -0.12 -0.28 -1484549 51 71 79.15 -187 45886 -160403 33 121
SUNW -1238115 -0.16 -0.55 -1484312 51 63 217,02 -113 31034 -118139 42 88
TXN -533220 -0.11 -0.23 -1406975 58 67 90.68 -102 39.531 -109354 33 91
Telecom VZ -264199 -0.11 -0.15 -667011 50 56 21.76 -221 27209 -45580 40 84
ses
enta
y
cinc
Índices SPX -815057 -0.21 -0.44 -1460041 51 o 2142.46 -7 36109 -111272 29 113
NDX -828213 -0.14 -0.34 -1231165 51 63 1861.31 -9 39.448 -109611 32 104
RODE
RA 102.894 -0.09 0.04 -1102000 46 63 4748.26 0 64597 -104097 40 103
Promedi
o -611141 -0.11 -0.28 -1086128 55 60 316,14 -220 36.780 -86520 33 91
5,000,000
0
-5000000
Equid

-10000000
 -15000000
-20000000
-25000000

Ene-

Ene-
Ene-

Ene-
Ene-

Ene-
Ene

Ene-

Ene-

Ene-
Ene

-92
-91

Dic-
96

99
95

98
94

01
93

97

00

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: -20778783 El ratio de Sharpe: -0.97
Correlación con el
drawdown: -23853463 desglose: -0.70
Correlación con el 10-40
K-cociente: -0.32 MA: -0.72
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 2 5 una

Estrategia estocástico ajustado Aplicado a las existencias.

226
SystemName: Adjustedstochastic BreakdownStatistics (Stocks)
Parámetros: 14dayslow% Kadjustedby100dayrangeDescription: EnterlongwhenadjustedbyStochastic <35, entershortwhenadjustedStochastic > 65
RunDates: 1/1/1990/12/31/2001 BreakdownbyMarketSector
Mercado Promedio Promedio Promedio Promedio Promedio Promedi Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sector NetProfit K- Ratio de MaxDD Num.Trades %Ganar Percon. Ganar Pérdida Ganar Pérdida
Energía -676435 -0.21 -0.41 -917844 63 58 -440 22.616 -57919 29 76
materiales 190.306 0.07 0.11 -457462 74 58 324 35.786 -37621 40 52
Acciones 21,855 0.00 0.02 -617069 53 67 151 35445 -71015 36 102
discrecional -499178 -0.09 -0.26 -878910 51 60 -329 39177 -78571 34 93
grapas -593081 -0.14 -0.32 -946581 58 53 -398 34.656 -63711 29 80
Cuidado de la -1283537 -0.19 -0.56 -1592403 50 60 -612 34969 -125038 34 107
salud
Finanzas -811752 -0.19 -0.42 -1142262 54 55 -494 35303 -77415 27 90
Info.Tech. -902769 -0.13 -0.33 -1472929 52 63 -135 40447 -118265 35 97
Telecom -264199 -0.11 -0.15 -667011 50 56 -221 27209 -45580 40 84
Índices -513458 -0.15 -0.25 -1264402 49 63 -5 46718 -108326 34 107
ProfitabilityWindows
Número Num, Por
PerformanceBreakdownbyYear de ofProfitable ciento
Año NetProfit K- Ratio de Año NetProfit K- Ratio de Longitud ventanas ventanas Rentable
1990 -1675515 -0.30 Sharpe
proporció -0.84 1996 -2791438 proporció
-0.26 Sharpe
-1.46 1 mes 144 56 38.89%
1991 -1973857 -0.51 -0.96 1997 -3426750 -0.43 -1.19 3 meses 142 55 38.73%
1992 -1944597 -0.45 -1.53 1998 -3006616 -0.36 -1.27 6 meses 139 40 28.78%
1993 -87637 0.10 -0.08 1999 -2371004 -0.23 -0.85 12 meses 133 25 18,80%
1994 824.850 0.41 0,81 2000 72879 0.15 0.05 18 meses 127 17 13,39%
1995 -6655683 -1.40 -4.31 2001 1,653,293 0.36 1.33 24 meses 121 8 6,61%

3.000.000 NetProfitbyYear
2,000,000
1.000.000
0
199 199 199 1993 1994 2000 2001
0 1 2
199 199 199 199 199
-1000000
-2000000
-3000000

neto
-4000000

Beneficio
-5000000
-6000000
-7000000

-8000000 Año
© 2002Lars Kestner-All Derechos

FIGURA 8.2 5b
AdjustedStochastic StrategyAppliedtoStocks.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 227

1. el cierre de hoy es menos que hace cerrar los cinco días.

2. Hace cerca de los 5 días es menos que hace las estrechas 10 días.
3. Hace cerca de los 10 días es menor que hace las estrechas 15 días.
El gráfico en la figura 8.26 se aplica a los tres en una estrategia de fila a la
Nasdaq 100. Si bien no es sólo una señal, parecería que los tres en una estrategia
fila entra temprano en la tendencia.
¿Quién dice que simple no puede trabajar? El tres en una fila estrategia
produce buenos resultados en ambos futuros y acciones (Figuras 8.27a través
8.28b). pruebas de futuros generan beneficios en 10 de los 12 años. Las acciones
producen beneficios en 8 de los 12 años. sectores fuertes incluyen monedas, tasas
de interés, el petróleo, las acciones tecnológicas, las acciones de
telecomunicaciones, y los índices bursátiles.
Si bien no abogan por el uso de esta idea solo como una estrategia de negociación,
los resultados demuestran el valor de las señales de comercio. La estrategia puede ser
incorporado con técnicas más complejas para producir una estrategia comercial muy
rentable.

Estrategia de Inversión de volumen

Académicos, largas defensores de la hipótesis de mercados eficientes, han
comenzado a realizar copias de prueba de las ideas de operación a cualquiera de
verificar la hipótesis o intentar hacer agujeros en
FIGURA 8. 2 6

Tres en una fila Estrategia Aplicada a los bonos del tesoro.

228 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: Tres en una fila
parámetros: Ninguna
Descripción: Introduzca largo de tres semanas hasta en una fila, entrar en corto en tres semanas en una fila
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. Barras s
K- operacione
Beneficio propor Propor s de Pérdid Pérdi
Mercado neto ción ción Max DD victorias Por contratos Con. Ganar a Ganar da
ANUNCI
FX O 93,350 0.07 0.05 -279990 71 35 26.00 46 59466 -30474 66 30
BP -305925 -0.14 -0.15 -617775 80 31 17.56 -231 50.175 -28714 58 28
discos
compacto
s 44.630 0.03 0.02 -477180 80 33 45.44 27 71173 -32460 66 24
JY 1,307,163 0.24 0.60 -225200 82 38 13.53 1.088 81503 -25871 64 20
SF 939.250 0.25 0.48 -270588 76 49 15.51 796 61085 -33914 55 25
tarifas ED 2,712,475 0.18 0.93 -338900 49 43 85.32 239 108.218 -45.459 96 26
TY 986.000 0.37 0.46 -241422 72 39 28.60 485 87283 -32844 72 22
NOS -117438 0.05 -0.06 -646313 74 36 19.85 -85 69634 -42669 73 21
Valores SP -216575 0.01 -0.12 -571175 74 32 8.19 -347 63.453 -34663 68 27
Rieles GC -133730 0.00 -0.06 -400370 78 42 45.32 -42 48022 -38528 55 26
HG -46150 0.01 -0.02 -775925 86 41 31.92 6 53298 -36235 57 19
PL -395640 -0.09 -0.20 -771610 89 39 46.22 -108 42.948 -36052 48 23
SL -1646490 -0.23 -0.81 -1712855 99 25 32.14 536 41728 -37133 54 22
Energía CL 1,303,750 0.27 0.53 -389560 75 41 29.59 563 90386 -35288 69 18
HO 118.368 0.03 0.05 -559041 79 38 24.55 25 69512 -41568 55 26
HU 685.751 0.17 0.28 -342153 77 47 22.18 380 64266 -40601 54 24
granos do 108.775 0.07 0.05 -868838 70 31 73.11 19 96976 -42408 80 26
S 213.050 0.04 0.11 -451925 82 43 30.51 79 47454 -31139 52 26
W 355.838 0.09 0.16 -644700 89 36 50.47 82 78336 -37514 57 21
carnes FC -63410 0.09 -0.03 -472695 84 33 41.69 -23 72519 -37716 63 22
sesent
ay
LC 78716 0.00 0.04 -395824 84 35 50.65 14 59746 -30406 cinco 20
LH 544.936 0.16 0.28 -297264 84 43 31.00 227 60987 -33413 55 21
PB 259.536 0.06 0.12 -472468 88 35 20.96 114 65642 -32022 57 21
materia
s
primas
agrícola
s CC -714220 -0.17 -0.35 -1066270 82 28 49.65 -189 61468 -36992 72 22
Connectic
ut 89350 -0.04 0.05 -756165 84 30 25,49 40 80678 -32745 61 25
JO -563610 -0.11 -0.24 -972788 93 32 36.30 -172 53289 -34591 50 24
KC 930.015 0.14 0.32 -425906 80 35 12.43 979 93178 -31447 63 23
LB 591.976 0.03 0.19 -736552 88 38 33.67 212 92673 -44172 55 22
SB 65441 -0.01 0.03 -522615 88 36 54.26 15 58269 -32013 55 22
Promedio 240.839 0.05 0.09 -556802 78 35 33.40 123 66112 -34302 60 23
9,000,000
8,000,000
7.000.000
6,000,000
5,000,000
4,000,000
Equidad3.000.000
2,000,000
1.000.000
0
-1000000
-2000000
 Ene-01
Ene-99

Dic-
Ene-96
Ene-

01
Ene-95
Ene-
91
Ene-

Ene-

94

Ene-
Ene

Ene

Ene
-92

-98

-00
90

93

97
Estadísticas de la cartera
Beneficio
neto: 7,225,182 El ratio de Sharpe: 0.55
Correlación con el
drawdown: -1,480.301 desglose: 0,77
Correlación con el 10-40
K-cociente: 0.26 MA: 0,77
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 2 7 una

Tres en una fila Estrategia Aplicada a Futuros.

 BreakdownStatistics (futuros)

te
s
y
S :T
a
N
m ao
in
re
hrme
a
P
w ne
o
:N
trs t io
rip
c
s
D :
n
Erlo
te
n the
g
n wk
p
u ,e
w
ro
a
in
s oo
h
trs
n do
re
th
nn
w
weeksinarow
BreakdownbyMarket Secto
r
M ar ket Aver ageAver ageAver ag eAver age A
ver ageAver age
Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sect or Net Pr of it K-
r at ioShar peRat i oM axD DNum Tr ades%
PerContract
Win
Ganar Pérdida Ganar Pérdida
FX415,6 940.090.20-
374,1477837
345 64681 -30287 62 25
Rates8 95,2 590. 150 .33 -
306,6 594 930
160 66284 -30243 60 17
S t o c k- 2 1 6 , 5 7 5 0 . 0 1 - 0. 1 2 -
571, 1757432
-347 63.453 -34663 68 27
M et al e s - 5 5 5, 5 0 3- 0 . 0 8-
0. 2 7 - 9 1 5, 1 9 0 8 8 3 7
-170 46.499 -36987 53 23
E ner gy702, 6230. 160.
323
29- 430, 25177 42
74,722 -39153 59 23
Grains 225, 888 0.07 0.1 0-
655,1 548 037
60 74255 -37020 63 24
Meats 204, 945 0.0 80.1 0-
409,5 638 536
83 64723 -33389 60 21
Softs66, 492 -0.0 30. 00-
148 73259 -35326 59 23
746,7 168 633

Perf
orm
anc Númer Por
eBr Num.ofProfi
ea k
do
wn
byY o de table ciento
ear

Y earN etP r ofi tK -

rati oS h ar pe Rati oY e arN etP rofi t
K -pro p orci ó n
Ratio de Longitud ventanas ventanas Rentable
1 9 9 0 3 0 6 , 7 6 7 0 . 0 9 0. 3 0 1 9
9 6 - 7 3, 9 6 0 0 . 1 5
Sharpe
-0.05 1 mes 144 83 57,64%
1 9 9 1 4 2 5 , 2 9 5 0 . 0 8 0. 3 1 0.29 3 meses 142 89 62.68%
1 9 9 7 3 3 4 , 2 7 0 - 0. 0 1

1 9 9 2 4 8 9 , 8 2 3 0 . 1 8 0. 5 1 1 1.01 6 meses 139 99 71,22%

9 9 8 1 , 0 3 0, 9 2 6 0 . 4 8

1 9 9 3 1, 5 2 6, 6 5 8 0. 3 0 1. 4 5 1 -0.92 12 meses 133 98 73.68%

9 9 9- 3 1 5, 6 7 3 - 0. 0 7

1 9 9 4 1, 5 5 2 , 3 7 3 0. 4 8 1. 2 8
2 0 0 0 1 0 1, 4 3 5 - 0. 1 0
0.09 18 meses 127 100 78.74%
1 9 9 5 1 , 3 2 1, 6 2 3 0 . 3 5 1. 2 8 0.44 24 meses 121 107 88.43%
2001503, 1240. 30

N etP ro f
i tb yY ea
r2,0 00,0
00

1,500
,000

1.000.000

Lucro Red
500.000

0 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

-500000
Año © 2002LarsKestner-AllRightsReserved

FIGURA 8 .27b

229
Tres consecutivos StrategyAppliedtoFutures.
230 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: Tres en
una fila
Ningu
parámetros: na
Descripción Introduzca largo de tres semanas hasta en una fila, entrar en corto en tres
: semanas en una fila
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Mercad Beneficio proporc Propor s Ga Pérdi
o neto ión ción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida Ganar da
Energía SLB -669891 -0.09 -0.35 -708391 87 38 15.76 -504 40299 -37422 56 22
XOM -273507 -0.01 -0.16 -463898 84 35 44.67 -74 41681 -26996 59 23
materiales UN 1,249,288 0.25 0.62 -289065 76 74 50.68 325 38156 -44180 31 66
-
sesent
ay
DD -89517 0.03 -0.05 --641,212 81 38 19.96 cinco 51168 -33817 59 24
IP -946175 -0.19 -0.49 -993565 87 25 16.03 -674 54251 -32826 57 27
licencia
Acciones do en
industriales Letras -103014 -0.08 -0.06 -534635 82 39 20.06 -68 47,497 -32651 58 23
GE 525.270 0.05 0.28 -306206 66 41 71.10 117 71030 -35111 73 26
MMM -553306 -0.03 -0.32 -1017226 84 36 13.55 -551 39410 -33512 54 25
Consumidor DIS 30058 -0.03 0.01 -518980 81 35 35.57 1 65,821 -34693 60 25
discrecional GM 337.431 0.03 0.18 -544930 72 40 12.47 379 62703 -34370 69 24
HD 409.291 0.07 0.19 -447493 76 37 56.56 86 70790 -33602 61 26
WMT -267736 -0.10 -0.14 -946796 79 33 39.79 -104 58599 -34940 63 25
GRAM
Consumidor O -570872 -0.09 -0.28 -880420 99 30 33.10 -198 53816 -32798 54 19
grapas KO -154159 -0.01 -0.07 -579604 80 41 24.85 -76 50832 -38907 53 27
mes 986.028 0.15 0.50 -358680 66 42 25.55 573 78825 -32639 72 25
PG -314944 -0.05 -0.17 -816805 92 36 19.08 -169 50566 -33320 51 23
Cuidado de
la salud AMGN 989.617 0.09 0.41 -289430 74 41 62.12 213 88515 -38129 66 24
BMY 61885 0.05 0.03 -539460 76 38 32.47 28 57736 -34164 64 24
sesen
ta y
JNJ -82893 -0.05 -0.04 -582304 79 35 39.16 -24 63883 -36546 cinco 23
PFE 580.178 0.14 0.27 -265380 70 40 79.13 107 67744 -31082 66 27
Finanzas AIG -384801 -0.05 -0.20 -532568 82 30 40.95 -116 65834 -35699 66 24
FNM 355.557 0.14 0.19 -351496 71 38 26.39 194 66027 -32238 72 25
MER 44568 0.01 0.02 -633089 83 41 49.86 0 56255 -39076 59 19
Información AAPL 1,203,330 0.24 0.72 -140110 67 58 17.40 988 56.635 -37747 58 26
Tecnología DELL 817.352 0.19 0.30 -316438 78 42 506,30 20 81508 -41861 60 23
IBM 782.142 0.20 0.35 -490394 79 43 20.88 397 71421 -39396 58 22
INTC 1,604,063 0.29 0.70 -471207 79 39 105.18 191 102.227 -32945 57 26
MSFT 816.695 0.13 0.36 -375034 80 38 61.47 157 82899 -34261 62 22
SUNW 861.401 0.06 0.37 -493633 67 49 228.99 57 73518 -45735 68 23
TXN 830.442 0.17 0.39 -431974 69 41 86.43 142 83130 -36073 69 25
Telecom VZ 343.562 0.12 0.20 -322374 76 42 19.31 203 48685 -28633 63 22
Índices SPX -81360 0.02 -0.04 -467946 78 33 2241.47 0 73204 -38014 67 24
NDX 819.093 0.12 0.36 -448535 70 36 1972.79 6 93680 -34067 76 25
RODER
A 2,039,840 0.21 0.70 -336315 69 49 5283.31 5 106.931 -48059 61 25
Promedi
o 329.262 0.06 0.14 -515753 78 40 334.48 46 65155 -35750 61 25
16000000
14.000.000
12.000.000
10,000,000
Equida

8,000,000
6,000,000
4,000,000
 2,000,000
0
-2000000

E
n
e

9
3

Ene-
Ene

Ene

Ene
En
-92

Dic-
97

Ene-
-98

-99
En

e-
91

Ene-

96
e-

01
Ene-

00
Ene-

Ene-
94
90

95

01
Estadísticas de la
cartera
Beneficio El ratio de
neto: 11194915 Sharpe: 0.55
Correlación con el
drawdown: -4518381 desglose: 0.83
Correlación con el 10-40
K-cociente: 0.17 MA: 0.86
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 2 8 una

Tres en una fila Estrategia Aplicada a las existencias.

 BreakdownStatistics (Stocks)

S ys
t emN a
m e: Thr ee
i nar o
wP ar a
met er s
: N one
D esc
ri p
t i on
:E n
t erl ongon
t hr eeup
w eeks
i narow, en
t er s
hort ont h
r eedown
weeksinarow
Ru n D at e s:
1/ 1/ 1 9 9 0/ 12/ 3 1/ 2 0 0 1
BreakdownbyMarketSector
MarketAverageAverageAverageAverageAverageAverage Avg.Profit
S e cto rN etP r ofi tK -r ati oS h ar p eR ati o M a xDD Nu m Tr a d es % Wi n
PerContract
Energía-471,699-0.0 5-0.26-586,1458636 -289
Materials71,1990.030.03-641,2818146 -138
Industria le s-43,683-0.0 2-0.0 3-619,3 567739
-168
Discretio nary 127, 261 -0. 010. 06- 614, 550 773 6
91
Grapas-13,4870.000.00-658,8778437 32
Healthcare387,1970.0 60.1 7-419,1447539 81
Financials5,1080.030.00-505,7187936 26
Info.Tech.987,9180.180.46-388,3997444 279
Telecom343,5620.120.20-322,3747642 203
Indices925,8570.120.34-417,5987239 4

N
u
m
.
o
f
N
u
m
P er for m an ceB r eakd o wn b yY ear b
e
r
o
Rentable Por ciento f

Le
n
Y e ar N etP r ofi t K -r ati o S h ar p e R ati oY e a rN et P r ofi tK - th
g
Win
pr o p o r ci ó n dow
s
Ratio de ventanas Rentable
19902,064,4100.581.271996565,0760.07 0.28
19913,427,2890.381.6819972,431,2 700.38 1.04
1992 -87 6,59 1-0 .38 -0.6 219 982, 306 ,71 30.3 6
1.66
1993 -1,7 53, 084 -0.5 3-1 .261 999 350 ,42 0-0. 21
0.16
1994 -1,0 34, 538 -0.5 1-1 .312 000 165 ,02 5-0. 11
0.07
1995 4,75 1,28 31. 003. 192 001 -1,0 72, 439 -0.0 5
-0.65
NetProfitbyYear

6, 0 0 0, 0 0 0 5 , 0 0 0, 0 0 0 4, 0 0 0, 0 0 0

3.000.000
2,000,000

neto
1.000.000 Beneficio
0
1990 1991 1992 1993 1994 1995 1996 1997

-
2,000,0
00-
3,000,0
00
Año
© 2002Lar sKest ner -
All Rig ht sReser ved

FI
GU
RE
8.2
8b

231
Thr eeina Row St r at egyAppl iedt oSt ocks.
232 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

su fundación. Considerando que las década de 1980 vio una gran cantidad de ideas
académicas sin éxito, investigaciones más recientes han descubierto estrategias
potencialmente valiosos. Un ejemplo de ello es el trabajo realizado por Michael
Cooper, profesor de finanzas en la Universidad de Purdue. Cooper estudió
rendimiento de las acciones de 1962 a 1993. Su investigación encontró que los
rendimientos de una semana acompañado por una disminución en el volumen de
operaciones tienden a revertir a la semana siguiente.
El uso de esta idea, ponemos a prueba la teoría de los datos de saldos. Para las
entradas, es necesario que los cinco días de cambio de precio absoluto sea mayor que
la desviación estándar de 100 días de los cambios de precios y el volumen promedio de
cinco días de ser inferior al 75 por ciento del volumen promedio de cinco días que
comienza 10 días antes. Estas condiciones de identificar el movimiento de precios
signifi-icant acompañado de una disminución en el volumen de operaciones. Entramos
a largo si el más reciente de cinco días de cambio de precios es negativo, mientras que
entramos en breve si el cambio en el precio de cinco días es positivo. Todas las entradas
se salieron en el quinto día de la operación.
Aplicamos la estrategia de inversión de volumen a Johnson & Johnson (JNJ)
en el siguiente gráfico (Figura 8.29). Sobre la base de estas señales, parece que la
estrategia de inversión de volumen hace bien para recoger partes superiores e
inferiores de corto plazo. Esta es la primera y única estrategia dentro de este texto
para utilizar datos distintos del precio para generar señales de operación.
FIGURA 8. 2 9

Estrategia de Inversión volumen Aplicado a Johnson & Johnson.

CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 233

Los resultados de la estrategia de inversión de volumen son espectaculares

(Figuras 8.30a y 8.30b). Las acciones producen un ratio de Sharpe de 1,15 y una
relación K de 0,49. La estrategia es rentable en 9 de los 12 años. Mejores sectores
rendimiento son la energía, industriales y financieros.

Estrategia de soporte y resistencia de saitta

Mi analista técnico favorita de Wall Street, Alex Saitta, puede no ser el más conocido,
pero creo que es uno de los pocos que pone sus predicciones en el día de línea tras día
sin la típica jerga de cobertura asociada a este tipo de análisis. Saitta es conocido por
escribir una pieza diaria en Salomon Smith Barney durante la década de 1990 que se
centró en las tendencias del mercado a corto plazo en los mercados de acciones y bonos.
Contrariamente a la analista técnico típico en un banco de inversión, Saitta estaba muy
involucrado en la investigación y ha creado una serie de técnicas cuantitativas para el
comercio. Una de mis técnicas preferidas es su método de definición de las cimas del
mercado y el fondo.
Saitta comienza con un 20 días de media móvil simple de altos y bajos.
Cuando los precios suben por encima de la media de los máximos, el mercado ha
puesto fin a una fase negativa y entró en una fase positiva. Cuando el mercado cae
por debajo del promedio de bajos, una tendencia positiva ha terminado y una
tendencia negativa se ha iniciado. La belleza aquí no es de la definición de
tendencia; más bien, es el método para determinar las tapas importantes anteriores
y el fondo. En el momento ha comenzado una nueva tendencia alcista, Saitta busca
el precio más bajo de cierre (o baja) sobre la tendencia a la baja antes. Este punto
define una parte inferior del mercado. En el momento ha comenzado una nueva
tendencia a la baja, el nivel más alto de la tendencia alcista anterior denota una
parte superior del mercado.
Mi estrategia utiliza partes superiores e inferiores de Saitta, definidas a partir
del método anterior, para definir los puntos de soporte y resistencia.
El viejo dicho en la tradición antigua del mercado es que la resistencia se
convierte en el nuevo soporte y apoyo de edad se convierte en una nueva resistencia.
La idea es que una vez a la anterior superior se ha formado, los inversores y los
comerciantes es probable que agrupen órdenes de venta en la parte superior anterior.
Después de todo, los participantes del mercado que no se venden en el máximo anterior
no querrán cometer el mismo error dos veces. Una vez que los precios perforar a través
de la tapa viejo, los vendedores han agotado sus municiones y los compradores se
suelen tomar el mercado más alto.
Los mismos principios se aplican a los suelos del mercado. Los compradores que
compran se perdió la última parte inferior se aglutinan cerca de pedidos antiguos bajos.
Si hay suficientes vendedores son capaces de empujar los precios a través de esta banda
de acompañamiento, los compradores serán escasos y los precios más bajos son
probables.
 Vamos a utilizar los puntos de soporte y resistencia Saitta para determinar
dónde estas matas de órdenes de compra y venta se encuentran en el mercado. se
introducen las posiciones largas para el apoyo y la resistencia a la estrategia de
Saitta cuando los precios suben por encima de la parte superior de un mercado de
Previ-ous, mientras que se introducen las posiciones cortas cuando los precios caen
por debajo de un fondo del mercado Previ-ous.
La tabla a continuación (Figura 8.31) se aplica señales al yen japonés. Las
líneas continuas representan anteriores partes superiores e inferiores Saitta. Debido
a que las tapas (fondos) de reinicio
234 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading evaluación de estrategias (acciones)

Nombre Estrategia: Estrategia de inversión
de volumen
5 vuelve día, el volumen promedio de 5
parámetros: días
Introduzca largo en descensos con un volumen más ligero, entrar en corto en los
Descripción: rallies con un volumen más ligero
Fechas de 01/01/1990 hasta
ejecución: 12/31/2001
# Avg. Avg. Avg.
Barr Barra
K- Sharpe de % Avg. Lucro Avg. Avg. as s
Beneficio propor Propor Vientos Gan Gan Pérdi
Mercado neto ción ción Max DD alisios ar hrs (000) Por Con. Ganar Pérdida ar da
Energía SLB 591.684 0.40 0.54 -115357 173 58 17.61 194 19112 -18592 4 5
XOM 492.855 0.20 0.57 -144794 126 60 48.43 81 16.905 -15197 4 5
Automóv
il club
materiales británico -873770 -0.11 -0.42 -889270 54 31 49.35 -316 54584 -47856 84 43
DD -28541 -0.01 -0.03 -327348 144 51 20,79 -10 18.094 -19006 4 5
IP 107.617 0.08 0.11 -257189 179 55 16.48 36 16.932 -19608 4 5
licenciad
Acciones o en
industriales Letras 211.197 0.03 0.24 -311235 167 51 20.65 61 17.590 -15658 4 5
GE 172.165 0.07 0.16 -243585 117 58 83.14 18 17729 -21089 5 5
MMM 674.216 0.29 0.75 -107818 165 62 13.80 296 15.662 -15144 5 5
Consumidor DIS 705.644 0.16 0.68 -222881 168 63 35.97 117 17,451 -17885 4 5
discrecional GM 164.242 0.12 0.17 -159139 158 57 13.84 75 16,748 -19751 4 5
HD 368.197 0.13 0.33 -204918 181 56 66.90 30 19.100 -20.000 5 5
WMT 205.227 0.08 0.18 -293609 159 57 44.40 29 18.277 -20865 4 5
Consumidor GRAMO 98022 -0.02 0.10 -444604 161 56 34.74 18 16969 -20129 5 5
grapas KO 360.798 0.17 0.32 -271710 145 59 27.89 89 18.060 -20209 4 5
mes 287.894 0.16 0.29 -171992 157 60 22.67 81 15.776 -18969 4 5
PG 620.935 0.25 0.62 -175243 150 61 20.42 206 16,765 -15155 4 5
Cuidado de
la salud AMGN 283.414 0.07 0.25 -465411 216 60 63.98 21 15409 -19916 4 5
BMY 413.994 0.12 0.44 -164105 137 57 35.24 84 18.487 -17576 4 5
JNJ -232518 -0.06 -0.24 -328762 141 52 43.99 -37 17.115 -21793 5 5
PFE 442.671 0.11 0.39 -193344 153 57 88.75 33 20.515 -20167 4 5
Finanzas AIG 444.376 0.18 0.39 -211829 152 63 45.48 64 17.454 -21295 4 5
FNM 925.626 0.27 0.95 -137013 153 61 26.81 226 19.769 -15808 5 5
MER 447.607 0.17 0.38 -181866 181 58 57.31 43 19.195 -20630 4 5
Información AAPL -333607 -0.08 -0.25 -671376 176 55 17.96 -106 16.534 -24524 4 5
Tecnología DELL 368.697 0.03 0.25 -583090 204 58 615,68 3 20166 -23894 4 5
IBM 602.461 0.31 0.61 -186724 151 60 20.56 194 18.845 -18541 4 5
INTC 548.007 0.11 0.45 -285630 173 61 125.26 25 19476 -22633 4 5
MSFT 360.154 0.05 0.30 -305333 168 58 82.98 26 17.951 -19452 4 5
SUNW 441.426 0.05 0.35 -332903 193 58 226,33 10 19.800 -21928 4 5
TXN 664.341 0.24 0.59 -229480 178 62 92.13 40 18154 -20238 5 5
Telecom VZ 251.829 0.14 0.25 -307251 150 59 24.48 69 16872 -19885 4 5
Índices SPX 220.065 0.07 0.44 -117453 26 69 1417.26 6 21,527 -20642 4 5
NDX 62.582 0.03 0.12 -140229 35 46 1104.33 1 24.195 -17609 5 5
RODER
A -358032 -0.08 -0.67 -379324 19 37 5991.10 -3 15.288 -38754 5 5
Promedi
o 285.632 0.11 0.28 -281230 147 57 312,26 50 19.191 -20894 7 6
12.000.000
10,000,000
8,000,000
Equida

6,000,000
4,000,000
2,000,000
0
-2000000
 Ene-

Ene-

Ene-
Ene-

Ene-
Ene-
Ene

Ene-

Ene-
Ene
Ene
-91

-93
-92

Dic-
94

96

99
98

01
00
95

97

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: 9,711,474 El ratio de Sharpe: 1.15
Correlación con el
drawdown: -948845 desglose: -0.20
Correlación con el 10-40
K-cociente: 0.49 MA: -0.11
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 3 0 una

Estrategia de Inversión volumen aplicado a las existencias.

 BreakdownStatistics (Stocks)

Systemname: VolumereversalstrategyParameters: 5dayreturns, 5dayaveragevolumeDescription: Enterlongondeclineswithlightervolume, entershortonrallieswithlightervolume

RunDates: 1/1/1990/12/31/2001 BreakdownbyMarketSector
Mercado Promedio Promedio Promedio Promedio Promedio Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sector NetProfit K- Ratio de MaxDD NumTrades %Ganar PerContract Ganar Pérdida Ganar Pérdida
Energía 542.270 0.30 0.56 -130076 150 59 137 18.009 -16894 4 5
materiales -264898 -0.01 -0.11 -491269 126 46 -96 29870 -28823 31 18
Acciones 352.526 0.13 0.38 -220879 150 57 125 16.993 -17297 4 5
discrecional 360.828 0.12 0.34 -220137 167 58 63 17894 -19625 4 5
grapas 341.912 0.14 0.33 -265887 153 59 98 16,892 -18616 4 5
Cuidado de la 226.890 0.06 0.21 -287906 162 56 25 17881 -19863 4 5
salud
Finanzas 605.870 0.21 0.58 -176903 162 61 111 18806 -19244 4 5
Info.Tech. 378.783 0.10 0.33 -370648 178 59 28 18704 -21602 4 5
Telecom 251.829 0.14 0.25 -307251 150 59 69 16872 -19885 4 5
Índices -25129 0.01 -0.04 -212335 27 51 1 20.337 -25668 5 5
ProfitabilityWindows
Num.ofProfitabl
PerformanceBreakdownby Año Número de e Por ciento
Año NetProfit K- Ratio de Año NetProfit K- Ratio de Longitud ventanas ventanas Rentable
1990 562.257 0.28
proporción 0,71 1996 115.403 -0.09 0.18 1 mes 144 91 63.19%
1991 -171198 0.10 -0.18 1997 1,663,250 0.42 1.98 3 meses 142 97 68.31%
1992 1,575,264 0.52 1.90 1998 -20064 0.01 -0.04 6 meses 139 115 82.73%
1993 935.924 0.49 1.66 1999 1,938,768 0,77 3.08 12 meses 133 116 87.22%
1994 1,677,098 0,73 2.48 2000 578.401 0.38 0.96 18 meses 127 119 93.70%
1995 -272202 -0.28 -0.52 2001 1,187,648 0.31 1.69 24 meses 121 117 96.69%

2,500,000 NetProfitbyYear

2,000,000
1,500,000

000.000
1.
Lucro Red 500.000
0 199 199
1990 1 1992 1993 1994 5 1996 1997 1998 1999 2000 2001
-500000
Año
Derechos
© 2002Lars Kestner-All
reservados

FIGURA 8. 30b

235
Estrategi
VolumeReversal a Aplicado a Cepo.
236 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 8. 3 1

Saitta Apoyo y Estrategia de resistencia aplicada al yen japonés.

Cada vez que los precios de cierre por debajo (encima) del promedio móvil de 20
días de puntos bajos (máximos), las líneas continuas son discontinuas y pueden
tirar de alrededor menudo. entradas largas se estab-cidas como los precios suben
por encima de la línea superior sólida, mientras que se introducen cortos como los
precios caen por debajo de la línea inferior sólida.
El rendimiento de la estrategia de soporte y resistencia Saitta es fuerte sobre
ambas futuros y acciones (Figuras 8.32a través 8.33b). Con el mercado de futuros,
la Strat-gia produce un ratio de Sharpe de 0,66 y una relación K de 0,30.
Especialmente fuertes sec-tores son los típicos mercados de tendencias: las tasas de
interés, divisas y petróleo. Cuando se probó en las existencias, la estrategia produce
un ratio de Sharpe de 0,51 y una relación K de 0,19 y es rentable en 7 de los 12
años. sectores con mejor desempeño son el consumo discrecional, asistencia
sanitaria, la tecnología y los índices bursátiles.

EL VALOR DE SALIDAS pérdida de la parada

Una idea popular es el comercio de una entrada / 20 días ruptura canal de salida de
40 días con un tope que es dos veces el rango promedio de certeza de 20 días de
distancia de la entrada. Esta parada se utiliza para minimizar las pérdidas mucho
más rápido que el extremo 20-día integrado en
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 237

Trading Estrategia de Evaluación (Futuros)

Nombre estrategia: el apoyo y la resistencia a la estrategia de Alex Saitta
parámetros: 20 días promedio de altos y bajos para determinar los puntos de entrada
Descripción: Escribir un tiempo cuando se cierra sube por encima de la última alta, entrar en corto cuando los
precios caen por debajo de la última baja
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barr Barra
Sharpe de % Avg. Lucro Avg. Avg. as s
K-
Beneficio propor Propo Oficios ganar contratos Por Gan Pérdi
Mercado neto ción rción Max DD Con. Ganar Pérdida ar da
FX ANUNCIO -556990 -0.12 -0.31 -822670 57 32 25,19 -371 62911 -42696 95 32
BP 162.650 -0.02 0.09 -495600 51 33 18.08 229 69953 -28766 104 35
discos
compactos 430.520 0.05 0.20 -531360 43 37 46.11 179 85464 -37471 112 42
JY 1.808.000 0.52 0.89 -155963 45 53 13.87 2.685 104.029 -39081 101 26
SF 1,021,900 0.27 0.56 -235588 51 51 15.71 1.306 73042 -34091 90 27
tarifas ED 2,755,450 0.34 1.27 -144225 24 50 83.72 779 169.844 -39429 172 50
TY 1,145,875 0.43 0.56 -262266 39 51 29.13 1024 100.450 -44490 117 35
NOS 895.938 0.36 0.47 -311594 41 54 20.40 1,070 81594 -47365 105 36
Valores SP -451838 -0.15 -0.25 -827813 62 27 9.35 -840 79370 -40807 92 32
Rieles GC -229600 -0.01 -0.09 -577820 51 37 44.56 -93 68505 -47280 97 36
HG -572225 -0.08 -0.29 -854575 58 36 32.25 -266 58291 -46508 84 33
PL -1172675 -0.18 -0.55 -1252625 60 27 49.21 -413 47.870 -45139 110 28
SL -627845 -0.11 -0.32 -688930 51 25 33.25 -319 59956 -34755 108 41
Energía CL 1,490,920 0.21 0.58 -428040 45 33 30.39 990 168.165 -38933 128 34
HO 1,160,195 0.24 0.44 -249039 45 38 22.78 1.041 132.918 -42576 113 36
HU 428.341 0.08 0.17 -553606 55 31 19.14 418 113.768 -39304 106 32
granos do 1,400,175 0.12 0.45 -752850 53 38 75.69 349 141.211 -43153 97 33
S 95.400 -0.03 0.04 -619800 49 39 31.02 7 68782 -43228 105 31
W 93638 0.08 0.04 -411613 50 30 53.16 50 115.564 -45698 132 29
carnes FC 18.735 0.01 0.01 -677020 54 24 41.67 1 110.932 -35140 113 38
LC 152.300 -0.04 0.08 -325284 52 33 49.92 60 81797 -35294 110 33
LH -552644 -0.11 -0.25 -675824 54 33 32.44 -321 66621 -48907 102 33
PB 842.184 0.18 0.39 -228188 44 34 20.60 909 112.310 -29679 118 43
materia
s
primas
agrícola
s CC -472650 -0.09 -0.25 -818580 52 29 50.00 -211 79845 -47197 118 32
Connectic
ut 377.410 0.00 0.18 -717445 47 36 24.81 -70 83936 -50297 101 34
JO -787103 -0.11 -0.32 -1180568 52 27 34.53 -440 71171 -47025 117 34
KC 898.125 0.09 0.26 -695531 39 38 12.38 1.570 138.621 -55057 118 39
LB 449.896 0.03 0.14 -436264 46 37 31.28 306 104.684 -46177 122 32
SB 180.622 0.05 0.10 -345990 45 33 53.89 66 94986 -42139 119 37
Promedio 346.157 0.07 0.14 -542556 47 35 33.48 323 91553 -40589 107 33
12.000.000
10,000,000
Equidad

8,000,000
6,000,000
4,000,000
2,000,000
0
-2000000
Ene-96
Ene

Ene-

Dic-
-91

Ene-95

Ene-
Ene-

Ene-
Ene-

01
Ene-

98

00
94

99
Ene-

Ene-
Ene

93
90

-92

97

01

Estadísticas de la cartera
 Beneficio
neto: 10384705 El ratio de Sharpe: 0.66
Correlación con el
drawdown: -1464797 desglose: 0.83
Correlación con el 10-40
K-cociente: 0.30 MA: 0,78
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 3 2 una

Saitta Apoyo y Estrategia de resistencia aplicada a futuros.

 BreakdownStatistics (futuros)
SystemName: AlexSaitta'ssupportandresistancestrategy

Parámetros: 20dayaverageofhighsandlowstodetermineentrypoints

Descripción: Enterlongwhenclosesrisesabovelasthigh, entershortwhenpricesfallbelowlastlow

Breakdownby Sector del RunDates: 1/1/1990/12/31/2001

mercado
M a rket A ve ra g eA ve ra g e A ve ra g e A ve rag e A ve ra ge A ve ra g eA vg . Pro fit m e di a
Promedio
Se cto r N e t Pr o fit K- r a tio Sh a r p e R a tio M a x D D N u m T r a d e s % d e vi cto r ia s Win P e r Co n tr a ct
Pérdida
FX573,2160.140.29-448,2364941806 79080 -36421
Rates1,199,3160.280.57-179,5212639718 87972 -32821
Stock-79370 451,838-0.15-0.25-827,8136227-840 -40807
Metales-58656 650,586-0.10-0.31-843,4885531-273 -43420
Energy1,026,4860.180.40-410,2284834817 138284 -40271
Grains529,7380.060.18-594,7545136135 108519 -44026
Meats115,1440.010.05-476,5795131162 92915 -37255
Softs107,7170.000.02-699,0634733204 95541 -47982

PerformanceBreakdownbyYear Número de Por ciento

ventanas
Y e a r N e t P ro f it K -r a ti o S h a rp e R a t i o Y e a r N e t P ro f it K -L o n g i t u d ra t i o S h a r p e R a t i o Rentable
19902,729,0290.661.9219962,226,3770.541.24 1 Mes 144

19911,746,3620.451.331997751,1310.100.80 3Months 142

1992187,1960.060.171998413,5850.100.37 6 meses 139

1993613,735-0.030.511999-47,239-0.06-0.03 12 meses 133

1994201,3460.220.122000529,9340.140.46 18 meses 127

19951,273,0170.441.182001-86,1230.06-0.06 24 meses 121

Re
d ProfitbyYear 3.000.000

2,500,000
2,000,000

1,500,000

1.000.000

neto
Beneficio
500.000
0
20002001
19901991199219931994199519961997 1998 1999
Año -500000

FIG UR E8.32b
© 2002Lars
S ai tta Su pp ortan d Re si sta n ce S tra te g yA ppl ie dtoF u ture s.
238
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 239

Trading evaluación de estrategias (acciones)

Nombre estrategia: el apoyo y la resistencia a la estrategia de Alex Saitta
parámetros: 20 días promedio de altos y bajos para determinar los puntos de entrada
Descripción: Escribir un tiempo cuando se cierra sube por encima de la última alta, entrar en corto cuando los
precios caen por debajo de la última baja
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barr Barr
Sharpe de % Avg. Lucro Avg. Avg. as as
K-
Beneficio propor Propor Oficios ganar hrs (000) por Pérdid Gan Pérd
Mercado neto ción ción Max DD estafa. Ganar a ar ida
Energía SLB -770951 -0.27 -0.37 -1103066 70 30 16.46 -688 71074 -46644 95 21
XOM -919682 -0.21 -0.52 -926412 66 26 41.82 -334 57403 -38730 88 31
Automóv
il club
materiales británico -125986 -0.03 -0.12 -309983 182 53 48.38 -15 16.184 -20035 4 5
DD -1069630 -0.19 -0.52 -1105120 60 25 21.13 -841 64730 -45277 89 37
IP -1147329 -0.21 -0.57 -1182684 60 20 16.92 -1152 56435 -38472 98 38
licenciad
Acciones o en
industriales Letras -109846 -0.02 -0.05 -743222 50 30 20,84 -124 88237 -41510 108 40
GE 384.595 0.08 0.21 -443393 56 39 81.07 84 80336 -40797 95 26
MMM -731360 -0.10 -0.36 -801993 56 30 12.21 -1068 41197 -36686 89 39
Consumidor DIS -107817 -0.08 -0.05 -643793 54 30 37.15 -55 91495 -41448 93 40
discrecional GM 1,333,680 0.61 0.74 -169974 40 58 13.39 2.462 80329 -31115 103 37
HD 789.199 0.02 0.38 -483021 52 37 46.51 306 105.096 -38.052 111 27
WMT 441.697 0.07 0.24 -457395 48 38 37.14 228 94567 -43184 115 30
Consumidor GRAMO 201.646 0.02 0.10 -340300 50 38 35.29 88 71513 -38842 112 26
grapas KO 254.174 0.07 0.11 -513218 48 38 27.20 200 84096 -41770 105 35
mes 1,008,304 0.23 0.49 -330856 45 40 25.96 846 115.989 -40.715 121 30
PG -53104 -0.06 -0.03 -495596 58 34 19.34 -96 67276 -38255 90 31
Cuidado de
la salud AMGN 2,728,074 0.16 0.74 -349765 39 41 46.38 1,512 231.895 -42.396 128 42
BMY 276.366 0.06 0.13 -727730 55 27 33.96 130 117.146 -37.873 116 30
JNJ 723.120 0.12 0.33 -409396 42 33 31.00 545 130.164 -39.728 132 41
PFE 1,228,493 0.22 0.57 -375697 44 36 72.71 391 141.733 -36.349 117 39
Finanzas AIG 84882 0.03 0.04 -485375 51 33 44.85 38 103.422 -49.171 104 34
FNM 61365 -0.02 0.03 -561895 55 31 21.21 57 77784 -33039 98 35
MER 158.699 0.03 0.07 -473476 52 31 50.42 64 113.997 -45.975 113 33
Información AAPL 310.417 0.09 0.14 -218125 43 37 18.59 397 87668 -40206 108 44
Tecnología DELL 1,113,312 0.14 0.36 -789905 48 27 457,61 52 218.525 -48.521 141 34
IBM 696.669 0.12 0.35 -432425 44 34 15.80 891 114.666 -37.958 124 39
INTC 1,870,480 0.32 0.69 -338165 48 35 110.94 350 177.521 -37.236 112 35
MSFT 912.750 0.12 0.36 -506060 50 36 75.82 241 143.165 -51.962 129 21
SUNW 1,092,793 0.05 0.45 -565575 45 49 214,57 111 96673 -45785 100 33
TXN 624.834 0.21 0.30 -212574 57 42 75.43 141 78795 -38904 88 28
Telecom VZ -847372 -0.07 -0.44 -932672 57 32 20.17 -789 47839 -45356 87 35
Índices SPX 112.353 0.03 0.06 -401672 62 34 2246.64 1 77308 -37345 85 29
NDX 1,019,045 0.15 0.45 -403300 69 39 1560.51 9 95459 -37758 72 22
RODERA 2,027,382 0.24 0.67 -234837 50 44 5289.71 8 141.787 -38.903 95 34
Promedio 399.154 0.06 0.15 -543196 56 36 320,21 117 99456 -40176 102 32
18.000.000
16000000
14.000.000
12.000.000
10,000,000
Equid

8,000,000
6,000,000
ad

4,000,000
2,000,000
0
-2000000
E
E

n
e
9
5
n
e

-
-

Ene-98
Ene-91

Ene-99
Ene-94

Ene-

Dic-
Ene-96

01
97

Ene-
En

90

ne

93

01
e-

e-
E

E
n
0
0
-

Estadísticas de la
cartera
 Beneficio El ratio de
neto: 13571252 Sharpe: 0.51
Correlación con el
drawdown: -3277213 desglose: 0.88
K-
cocient Correlación con el 10-40
e: 0.19 MA: 0,77
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 8. 3 3 A

Saitta Apoyo y Estrategia de resistencia aplicada a las existencias.

 BreakdownStatistics (Stocks)
AlexSaitta'ssupportandresistan
cestrategy
SystemName:
2 0 d a y av e r ag e of hi g h s a n dl ow st o d et
er mi n e e ntr y p oi nt s
parámetros:
E nt erl on g w he n cl o s e sri s e s ab o v el a st hi
g h, e nt er s h ortw h e n
Descripción: pricesfallbelowlastlow
Breakdownb 1/1 /
RunDates: 1990/1 2/ Sector del mercado
31/2001

y Avg.Bars
Mercado AverageAverageAverageAv
erageAverage
Promedio Avg.Profit Promedio Promedio Avg.Bars
N et P r ofi t K -
Sector r ati oS h a r p e R a ti o M a x D D N u m T r a
des
%Ganar PerContract Ganar Pérdida Ganar Pérdida
Energía -845,317-0.24-0.45-
1,014,73968
28 -511 64239 -42687 92 26
-780,982-0.15-0 .40-
materiales 865,929101
33 -669 45783 -34594 64 27
Acciones -152,20 4-0. 02-0. 07-
662,8 6954
33 -369 69.923 -39664 97 35
614, 19 00.1 50.3 3-
discrecional 438, 54 64 9
40 735 92.872 -38450 106 33
352, 75 50.0 70.1 7-
grapas 419, 99 35 0
37 259 84718 -39895 107 31
Cuidado de la 1,2 39 ,0 130 .1 40 .4 4-
465 ,6 474 5
34 644 155.235 -39087 123 38
101, 64 90.0 10.0 5-
salud
Finanzas 506, 91 55 3
32 53 98401 -42728 105 34
Info.Tech. 945, 89 40.1 50.3 8-
437, 54 74 8
37 312 131.002 -42939 115 33
-847,37 2-0. 07-0. 44-
Telecom 932,6 7257
32 -789 47839 -45356 87 35
Índices 1,0 52 ,9 270 .1 40 .3 9-
346 ,6 036 0
39 6 104.852 -38002 84 28
ProfitabilityWindows

PerformanceBreakdownby Año
Yea Longitud NumberofWindows PercentProfitable
rNe K- Ratio de Num.ofProfitableWindows
tPro Año NetProfit K- Ratio de
fit

proporci Sharpe proporci Sharpe 1 mes 144 80 55,56%

1990 2,65 0,42 9
0.52 0.96 1996 744.657 0.03 0.32
3 meses 142 76 53.52%
1991 4,08 8,29 3
0.14 1.41 1997 2,758,889 0.26 0.92
6 meses 139 83 59,71%
1992-936929
-0.35 -0.71 1998 1,839,746 0.20 0.82
12 meses 133 71 53.38%
1993-578383
19
94
-0.22 -0.49 1999 302.885 -0.14 0.08
-
13 18 meses 127 77 60.63%
75
57 -0.40 -1.11 2000 -262378 -0.06 -0.13
0

19
95
5,8
07,
24 meses 121 77 63.64%
90
2
0.84 3.22 2001 -2113636 -0.37 -1.45
NetProfitby Año

7, 000, 0006, 000, 0005, 000, 0004, 000, 0003, 000, 0002, 00 0, 0001, 000, 000

1990 1991 1992 199 1995 1996 1997 20

1993 4

Beneficio neto
1998 1999 2000 01

-3000000 Año
© 2002LarsKestner-AllRightsReserved

higo URE 8.3 3b

saitta Apoyo y ResistanceStrategyAppliedtoStocks.
240
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 241

la estrategia. Por ejemplo, supongamos que IBM pone a 40 días de alta y comprar
acciones al día siguiente en $ 100. En el momento de la entrada, el nivel más bajo
de los últimos 20 días es de $ 90 y el verdadero rango promedio en los últimos 20
días es de $ 2.50. En nuestra tradición-cional de ruptura del canal donde compramos
en máximos de 40 días largos y salida en mínimos de 20 días, nuestro riesgo sería
de $ 10 (la diferencia entre la entrada y 20 días de baja). En lugar de tomar el riesgo
$ 10 entre los puntos de entrada y de salida, podemos elegir para salir de largos si
IBM cae más del doble del rango promedio de certeza de 20 días por debajo de
nuestra entrada. Utilizando esta estrategia más estricta "stop loss", reducimos
nuestro riesgo inicial de $ 10 a $ 5.

Sobre el papel, la idea de minimizar las pérdidas suena muy bien, pero es lo
que realmente añadir a la línea de fondo?
Si investigamos las señales de ruptura del canal de INTC entre 1990 y 2001,
la distancia media entre las entradas de una ruptura de canal de 40 días y salidas en
el momento de la entrada (dictado por los 20 días de alta o baja) es del 15 por ciento.
Dos veces el verdadero rango promedio en el momento de cada una de las medias
de entrada 7 por ciento más de la vida de la prueba. Esto confirma que el uso de la
verdadera media de salida gama proporcionará la estrategia con una salida más
rápida debería convertirse inmediatamente en no rentable el comercio. La sabiduría
popular sugiere que la reducción de las pérdidas mediante el uso de esta salida más
apretada ayudará rendimiento. Vamos a probar la ruptura del canal con y sin la
verdadera media de salida gama de disuadir a la mina si mejora el rendimiento
realidad.
Para determinar la utilidad de la pérdida de la parada, pongo a prueba dos
estrategias. Una Strat-gia utiliza la ruptura de canal de 40 días / 20 días, donde
entramos en máximos de 40 días y los puntos bajos y de salida si se produce un
frente de 20 días extrema. Es decir, si tenemos tiempo, vamos a salir si el cierre de
hoy es el nivel más bajo de los últimos 20 días. La otra estrategia, además de la
salida situada sobre un extremo opuesto de 20 días, sale largos si los precios caen
por debajo de dos veces el promedio de rango verdadero de 20 días a partir del
precio de entrada. posi-ciones cortas se sale si los precios suben más de dos veces
el promedio de rango verdadero de 20 días por encima del punto de entrada. ¿Qué
funciona mejor?
Las cifras de rendimiento en la figura 8.34 hablan por sí mismos.
Coincidiendo con la creencia popular, la estrategia con una pérdida de la parada
calculada a partir del punto de entrada se obtiene un mayor beneficio neto, ratio de
Sharpe y K-relación de la estrategia sin la "minimización del riesgo" detener la
caída. Para los mercados de futuros, la estrategia que utiliza la más estricta dos
promedio de la pérdida verdadera parada gama produce una ganancia neta de $
10.580.769, un ratio de Sharpe de 0,66, y una relación K de 0,21, todas mayores
que el canal de desconexiones estándar, lo que produce una neta ganancia de $
5.971.279, un ratio de Sharpe de 0,41, y una relación K de 0,12.
Las pruebas de rendimiento de las acciones también favorecen el uso de la
más estricta verdad promedio de pérdida de la parada cierto rango. La ruptura de
canal con la pérdida de parada produce una ganancia neta de $ 9.486.543, un ratio
de Sharpe de 0,36, y una relación K de 0,15, todas mayores que la ruptura del canal
stan-dard, que produce una ganancia neta de $ 3.511.542, un ratio de Sharpe de
0,16, y una relación K de 0,06.
242 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Con 2 ATR pérdida de la

Futuros Plain vanilla parada

Lucro $ 5,971,279 $ 10.580.769

Ratio de
Sharpe 0.41 0.66
K-proporción 0.12 0.21

Con 2 ATR pérdida de la

Cepo Plain vanilla parada

Lucro $ 3,511,542 $ 9,486,543

Ratio de
Sharpe 0.16 0.36
K-proporción 0.06 0.15

FIGURA 8. 3 4

Ganancias, ratios de Sharpe y K-ratios de Estrategia del desbloqueo de canales con Stop Loss.
De hecho, la adición de un apretado stop loss que nuestra salida natural de 20 días mejora el
rendimiento.

pyramiding VS. realización de beneficios

Las pirámides y de toma de ganancias son muy diferentes conceptos. Piramidal consiste
en añadir a ganar posiciones durante la operación. Por ejemplo, después de comprar
IBM en $ 100, podríamos pirámide de la posición mediante la compra de más acciones
si IBM se eleva a $ 105, y aún más si llega a $ 110. toma de ganancias implica todo lo
contrario. Después de la compra de IBM en $ 100, nos gustaría vender las acciones en
$ 105, independientemente de que nuestro modelo de comercio está siendo FLASH-
ción una señal larga. Al igual que en el debate sobre el valor de la optimización, la
discusión sobre si se debe añadir a las posiciones ganadoras o tomar dinero de la mesa
mediante la adopción de sus Prof-conduce a una fuerte discusión. Vamos a mirar los
números detrás del debate y desarrollar nuestras propias conclusiones sobre pyramiding
frente a la toma de ganancias.
El uso de la ruptura de entrada / 20 días canal de salida de 40 días, probamos tres
estrategias de salida:

Estrategia 1: ruptura de canal común. Introduzca largo cuando el cierre de hoy es el

alto-est de los últimos 40 se cierra. Entrar en corto cuando el cierre de hoy es el
nivel más bajo de los últimos 40 se cierra. Salir mucho tiempo si el cierre de hoy
es el nivel más bajo de los últimos 20 días. Salir corta si el cierre de hoy es el
cierre más alto de los últimos 20 días.
Estrategia 2: Además de las reglas de entrada y salida de ruptura del canal
ordinarias, también vamos a la salida si la ganancia abierta es superior a
tres veces el verdadero rango promedio de los últimos 20 días. No hay
nuevas entradas largas se permite a menos que cinco días han pasado desde
 el último 40 días de alta. No hay nuevas entradas cortas están permitidos a
menos de cinco días han pasado desde la última baja de 40 días.
Estrategia 3: Además de las reglas ordinarias de entrada y salida de ruptura del canal,
añadimos otra unidad de tiempo si hoy en día se encuentra a 40 días de alta y no
ha habido nuevos máximos de 40 días durante los cinco días anteriores.
Añadimos otra unidad de corta si hoy en día es una de 40 días de baja y no se
han producido nuevos mínimos de 40 días durante los cinco días anteriores.
Estrategia 2 es un ejemplo de una toma de ganancias, mientras que la
estrategia de 3 pirámides riesgo extra como los beneficios se acumulan a partir de
un comercio específico.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 243

Sorprendentemente, ni la toma de beneficios (Estrategia 2) ni la pirámide ver-

siones (Estrategia 3) de la ruptura del canal superan una ruptura de canales estándar
(plain vanilla) (Estrategia 1). Tanto en los mercados de futuros y las existencias
(Figura 8.35), la ruptura de canales estándar, genera una mejor medida de la
recompensa al riesgo de que cualquiera de las dos versiones. Estos resultados
sugieren que ni piramidal como ganancias acumulan ni toma de beneficios como
los oficios generan ganancias es superior a las reglas generales de breakout Chan-
nel.

Los nuevos filtros TREND

Además de los filtros de tendencias mencionadas en los capítulos anteriores, voy a
introducir tres más. Sólo lo que se quiere hacer operaciones si podemos confirmar
la dirección general de la tendencia del mercado. Una posibilidad es tomar entradas
largas sólo si un alto de 40 días se hizo más recientemente que la mínima de 40
días. Podríamos combinar este filtro con un crossover promedio móvil de un
sistema de doble comercio de tendencia.
Otro nuevo filtro tendencia implica el uso de rangos de alto-bajo recientes.
Hacemos operaciones sólo cuando la acción reciente de los precios es lo
suficientemente volátil para indicar que la información importante está entrando en
el mercado. Esto se puede lograr mediante el filtrado de las operaciones y la toma
de posiciones sólo cuando el rango de alto a bajo de los últimos 10 días es mayor
que el rango de alto a bajo de los 10 días a partir hace 20 días.
También hay espacio para otro filtro de tendencia, calculada de manera diferente
que los filtros de ADX y VHF populares. Un método para determinar si un mercado
está en tendencia es medir la superposición de la acción del precio actual en
comparación con la acción anterior. Si el rango de precio de hoy se solapa con la
mayoría de los 20 días anteriores, a continuación, un mar-cado puede decirse que es
una tendencia definida. Una menor superposición indica que una tendencia está
presente.
Comparamos el cierre de hoy a las gamas de alto-bajo en los últimos 100 días. Si
el cierre de hoy está contenido en el rango de alto a bajo un día antes de, podemos
considerar hoy en día no sea una tendencia. Como varios de los últimos 20 días se
solapa con cierre de hoy, más dentro de un rango está el mercado. Se calcula el
porcentaje de días con exceso

realización
Futuros Plain vanilla pyramiding de beneficios
Ratio de
Sharpe 0.41 0.16 0.24
K-proporción 0.12 0.06 0,1
realización
Cepo Plain vanilla pyramiding de beneficios
Ratio de
Sharpe 0.16 0.15 -0.08
K-proporción 0.06 0.08 -0.02

FIGURA 8. 3 5

Ratio de Sharpe y K-relación de las pirámides y de Versiones toma de ganancias de la estrategia del
desbloqueo del canal. Nuestra sencilla ruptura del canal de vainilla supera tanto la pirámide y las
versiones de toma de ganancias.
244 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 8. 3 6

Breakout canal con tendencia filtro aplicado a Nasdaq 100. Los valores bajos de nuestro filtro tendencia
sugieren que una tendencia importante está en marcha.

abdominales y trazar este valor como una estadística de tendencia. Los valores
bajos de la estadística de tendencia indican que hay poca superposición de los
precios y el mercado está en tendencia. Los altos valores de la estadística de
tendencia indican que hay mucha superposición de precio y está congestionado el
mercado.
Podemos aplicar nuestro nuevo filtro de tendencia para canalizar las señales
de grupo de trabajo. Lo ideal es que nuestro filtro nos mantendrá al margen cuando
el mercado está plano y no una tendencia, y en el mercado cuando las tendencias
se están desarrollando. Las posiciones largas se establecen si el cierre de hoy es el
cierre más alto de los últimos 40 días y la estadística tendencia es inferior a 0,15.
Las posiciones largas se apagan si el cierre de hoy es el nivel más bajo de los
últimos 20 días. Las posiciones cortas se establecen si el cierre de hoy es el nivel
más bajo de los últimos 40 días y la estadística tendencia es inferior a 0,15. Las
posiciones cortas se sale si el cierre de hoy es el cierre más alto de los últimos 20
días.
Figura 8.36 Detalles señales aplicadas a la NASDAQ 100. A principios de
noviembre a 40 días de alta se acompaña con una estadística de tendencia por
debajo de 0,15. Esto condujo a una entrada larga prof-itable.
 Parece ser que nuestro rendimiento ayudas filtro de tendencia en ambos
futuros y acciones (Figura 8.37). Nuestra nueva estrategia de ruptura del canal
mejora la ganancia neta, ratios de Sharpe y K-ratios para los datos de acciones y
futuros, en comparación con una estrategia de ruptura del canal estándar.
CAPÍTULO 8 Nuevas ideas sobre las entradas, salidas y Filtros 245

con filtro
Futuros Plain vanilla tendencia

Lucro $ 5,971,279 $ 7,434,945

Ratio de
Sharpe 0.41 0.52
K-proporción 0.12 0.18

con filtro
Cepo Plain vanilla tendencia

Lucro $ 3,511,542 $ 4,468,153

Ratio de
Sharpe 0.16 0.22
K-proporción 0.06 0.07

FIGURA 8. 3 7

Ganancias, ratios de Sharpe y K-ratios de filtrado y no filtrado del desbloqueo Estrategias de

canal. La adición de un filtro tendencia parece mejorar el rendimiento.

En futuros, la ruptura de tendencia canal de filtro genera un beneficio neto de

$ 7.434.945, un ratio de Sharpe de 0,52, y una relación K de 0,18, en comparación
con el stan-dard (plain vanilla) ruptura del canal, lo que genera un beneficio neto
de $ 5.971.279, un Sharpe relación de 0,41, y la relación K de 0,12.
Sobre las poblaciones, la ruptura de tendencia canal de filtro genera un
beneficio neto de $ 4.468.153, un ratio de Sharpe de 0,22, y una relación K de 0,07,
en comparación con la ruptura del canal stan-dard, lo que genera un beneficio neto
de $ 3.511.542, un ratio de Sharpe de 0,16, y K-relación de 0,06. Estos resultados
sugieren que la adición de un nuevo y mejorado filtro de tendencia puede de hecho
mejorar la rentabilidad de las estrategias estándar de seguimiento de tendencias.
Esta página está en blanco
intencionadamente.
CAPÍTULO 9

Nuevas ideas de los mercados

Trading no termina con acciones y futuros
 UNs de los inversores, que piensan de los mercados como acciones, bonos y
bienes raíces. mientras más corto comerciantes plazo podrían añadir los futuros y
las opciones de la lista de activos negociables, esto es usu-aliado donde termina la
lista. Pero hay toda una gama de otros mercados negociados por los bancos y fondos
de cobertura que muchos participantes del mercado pueden no estar familiarizado.
Mientras que los diferenciales de crédito, diferenciales de los swaps, permutas de
volatilidad, y los pares de valores no pueden ser bien conocidos por el operador
promedio, estos mercados son un pilar en la equidad y el mundo del arbitraje de renta
fija.
Debido a que la rentabilidad de la verdadera arbitraje ha disminuido en los últimos
años, los fondos de cobertura y las mesas de operaciones propietarias han comenzado a
operar las estrategias de mayor riesgo que a menudo implican la compra de uno de
seguridad, mientras que la venta de otra. comercio de arbitrar las mar-mer- de hoy
consiste en tomar el riesgo, si ese riesgo es ser siempre el bono a 10 años y corta la nota
de dos años, tiempo General Motors y corta Ford, o productos comerciales tales como
volatilidad de las opciones o los diferenciales de crédito de renta fija. A pesar de las
denominaciones como el arbitraje de renta fija, arbitraje estadístico, o el arbitraje de
volatilidad, la actividad comercial en estos productos puede ser clasificado como un
mejor comercio de valor relativo.

El mundo del comercio VALOR RELATIVO

En este capítulo vamos a introducir a los lectores en el maravilloso mundo exterior de la
CNBC. Al igual que muchos profesionales de Wall Street, que estoy sintonizado en la
CNBC en todo el día y sujetos a las mismas sin fin "comprar, vender o mantener"
conversaciones con el gestor de la cartera del día. Al contrario de lo que se muestra en
la CNBC, hay todo un mundo de mercados fuera de la renta variable. Estos mercados
incluyen bonos corporativos, otro interés
247

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
248 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

productos de tipos, y derivados basados en la volatilidad del mercado. Aunque es

atípica y probablemente inadecuado para el inversor individual para el comercio la
mayoría de estos mercados, hay cientos de fondos de cobertura y las mesas de
operaciones de Wall Street que persiguen activamente este comercio de valor
relativo.
Los fondos de cobertura y escritorios propietarios son los más grandes
operadores de comercio de valor relativo. Por lo general, estructurado como una
sociedad limitada, los fondos de cobertura son vehículos invertir-ment privados
utilizados por los individuos ricos y las instituciones para aprovechar las estrategias
de inversión más flexibles que los fondos mutuos típicos. A diferencia de la
mayoría de los fondos de inversión, que no están autorizados a vender a corto o
prestados para crear posiciones apalancadas, fondos de cobertura utilizan muy
comúnmente apalancamiento y derivados para crear carteras diseñadas para
beneficiarse tanto en los mercados de acciones y bonos de subida y bajada.
Las mesas de operaciones de las empresas más grandes de Wall Street
también negocian estrategias de valor relativo. Goldman Sachs, Morgan Stanley y
Salomon Smith Barney tienen Hun-tos de millones de dólares destinados a
negociación de la curva de rendimiento, los diferenciales de crédito, la volatilidad,
y los pares de valores. Este comercio es fundamental para sus actividades diarias y
contribuye en gran medida a su cuenta de resultados.
Aunque hay miles de estrategias de valor relativo empleadas por las mesas de
operaciones propri-etario y fondos de cobertura, creo que cada estrategia se puede
agrupar en cuatro subgrupos:
■
el arbitraje pura
■
De abajo hacia arriba valor relativo
■
De arriba hacia abajo valor relativo
■
comercio de macro

El arbitraje pura
existe arbitraje Pure cuando hay una relación específica entre uno o más activos. El
arbitraje de la misma el comercio de acciones en dos bolsas de comercio o el índice
de bajo-mentira frente a su correspondiente mercado de futuros son dos ejemplos.
El beneficio puede esperar de opinión en estas actividades se ha convertido en
prácticamente insignificante, y escritorios a menudo sólo bajo coste comerciales
siquiera intentar ejecutar estas estrategias.
El término arbitraje se ha utilizado incorrectamente para describir prácticamente
todos los tipos de comercio. Históricamente, el arbitraje se ha referido a la creación de
los rendimientos libres de riesgo por el comercio como dos mercados y se benefician
de la diferencia de precio. Por ejemplo, un corredor de bolsa podría negociación de las
acciones locales de gigante celular Nokia en Finlandia en comparación con los
certificados de depósito estadounidenses (ADR) que el comercio de Nueva York. Tenga
en cuenta los siguientes precios:
comercio de Nokia en Finlandia en € 14 por cuota
comercio de Nokia ADR en Nueva York en $ 15 por acción
USD / € negociación del tipo de cambio en 1,00 $ / €
En este ejemplo, un comerciante compra el comercio de acciones locales en
Finlandia a 14 euros por acción, vende el comercio de los ADR en Nueva York en
$ 15, e intercambia el dólar de EE.UU.
CAPÍTULO 9 Nuevas ideas de los mercados 249

ingresos, o $ 15, por 15 €. El comercio a continuación, convierte las acciones

locales a las RAM con el fin de ajustar a cero la posición. En el proceso, el
comerciante se benefició entre el DIF-ferencia del precio de las acciones locales y
los ADR.
Otro ejemplo de la verdadera arbitraje es el arbitraje de índice de la bolsa, en
la que los comerciantes se aprovechan de la diferencia entre los precios actuales de
las acciones individuales negociadas en las bolsas y el precio actual de futuros de
acciones negociadas en la Bolsa de Chicago. Debido a que el precio de los futuros
de acciones se basa en un bas-ket de las acciones individuales, una relación estricta
fijación de precios debe existir entre las acciones y futuros. Los futuros tendrán un
precio basado en el nivel actual de las acciones, los dividendos pagados hasta que
las tasas de madurez y de interés. Si los futuros de comercio demasiado alto en
comparación con los valores subyacentes, los comerciantes harían lo siguiente:
1. Un préstamo de $ 1 millón en la tasa de interés actual
2. Usa el dinero prestado para comprar $ 1 millón en títulos en función de los pesos
actuales dentro del índice
3. Vender contratos de futuros del índice de acciones valor de $ 1 millones de
4. Pagar un interés diario en el préstamo
5. Recibir pagos de dividendos de las reservas almacenadas en la posición
6. Desenrollar las existencias al vencimiento de futuros (mañana del tercer viernes
de marzo, junio, septiembre y diciembre)
La estrategia de arbitraje índice de la bolsa por encima de otro tipo de arbitraje
cierto que una vez que se practica ampliamente entre las mesas de operaciones
propietarias. La rentabilidad tanto de la ADR y el índice de la bolsa de arbitraje /
local se ha vuelto prácticamente a cero con los avances en la tecnología y a medida
que más empresas se involucran en la estrategia de negociación.

De abajo hacia arriba Valor Relativo

estrategias de valor relativo de abajo hacia arriba son menos comunes que los otros
tres compo-nentes del valor paraguas relativa. En las estrategias de abajo hacia
arriba, el comerciante se inicia con un conjunto de activos potenciales, tales como
acciones en el S & P 500. Basado en conjunto Crite-ria, el comerciante puede elegir
10 acciones para comprar y 10 acciones a corto, sujeto al riesgo de que minimiza
criterios.
Un ejemplo es el estudio revisado en el capítulo 1 donde compramos una cartera
de acciones que un rendimiento inferior al índice y cortocircuitados una cartera de
valores que outper formada. Cada población fue recogido por lo que las características
netas de la cartera minimizadas un perfil de riesgo específico. En los modelos de abajo
hacia arriba, estrategias podrían recoger activos del mundo de los bonos corporativos,
hipotecas, monedas mundiales, o las acciones tecnológicas.
 Otra posibilidad de una estrategia de valor relativo de abajo hacia arriba sería un
operador de monedas centrarse en una región del mundo. Un comerciante podría tener
10 monedas de la región de Asia y el Pacífico para comprar o vender, y él o ella puede
elegir dos monedas a ser largo, y dos a ser corta, sobre la base de factores económicos
y modelos de precios. Al ser largo y corto, esta estrategia crearía una cartera
razonablemente cubierto.
250 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

En cada ejemplo, la clave para definir una estrategia de negociación de abajo

hacia arriba es que el comerciante comienza con un grupo de activos posibles, y
sus modelos a continuación, seleccione la que los activos para el comercio.

De arriba hacia abajo Valor Relativo

modelos de valor relativo de arriba hacia abajo son los más comúnmente utilizados.
En contraste con la estrategia de abajo hacia arriba, estos modelos de arriba hacia
abajo preseleccionar pares de valores al comercio, a menudo sobre la base de
factores tales como la similitud de la industria, el tiempo de vencimiento de los
bonos, o correlaciones de divisas.
A corto plazo el comercio de acciones par se ha generalizado en los últimos
cinco años. En un ejemplo, una acción correlacionada se negocia contra otro
cuando surgen los patrones de precios. Los comercios suelen ser a corto plazo en
la naturaleza, con una duración en cualquier lugar entre cinco minutos y cinco días
antes de posiciones se desenrollan. Mediante la comparación de dos empresas
similares, como General Motors y Ford, los comerciantes pueden hacer
suposiciones acerca del rendimiento relativo de las dos poblaciones. Si General
Motors outper formas de Ford por una gran cantidad, puede causar un corto
comerciantes General Motors y Ford comprar como cobertura, esperando que la
diferencia de rendimiento que se cierre en el futuro.
Otro ejemplo de un modelo de arriba hacia abajo es el comercio curva de
rendimiento. Además de los tipos de interés comerciales de compra y venta de
bonos, podemos negociar la relación preci-ción entre los bonos. Podríamos hacer
suposiciones con respecto a la fijación de precios de un instrumento a largo plazo,
tales como los bonos del Tesoro a 30 años, y un plazo más corto instru-ment, tales
como los bonos del Tesoro de dos años. Al igual que en los pares de valores, si un
activo supera a la otra, podemos vender el activo más fuerte y la realización de
comprar el activo más débil, en la premisa de que el rendimiento se revertirá en el
futuro cercano.
Sin embargo, otra posibilidad es que el comercio sustitutos naturales, tales como
la relativa preci-ción del gas natural en comparación con el combustible de calefacción.
propiedad residencial y comercial es typi-camente calentado por dos fuentes: el gas
natural y el combustible de calefacción. Si uno se vuelve más caro de combustible con
respecto al otro, el mercado se ajustará como la gente cambia de calentamiento choic-
es. Si bien este proceso puede tardar algún tiempo, con el tiempo los precios de mercado
se ajustarán.
Otra relación de arriba hacia abajo es la conexión entre el precio de los productos
básicos subyacen-ción y los precios de las acciones de las empresas que producen, mina
o manu-factura los productos subyacentes. Podríamos operar un índice de las reservas
de oro contra el metal mismo, la compra de uno y venta de la otra cuando los precios
se mueven en un hombre-ner específica. El hilo común entre los modelos de valor
relativo de arriba hacia abajo es que los valores negociados son constantes y por lo
general se seleccionan sobre la base de algún tipo de relación inherente.

macro Trading
En el arbitraje puro, de abajo hacia arriba, y los modelos de arriba hacia abajo, dos
valores se negocian mediante la comparación de sus valores entre sí. En las
operaciones de valor relativo macro, tomamos posiciones largas y cortas en valores,
independientemente de la cartera total. A este punto,
CAPÍTULO 9 Nuevas ideas de los mercados 251

la mayor parte del libro se ha dedicado a este estilo de negociación macro. En

anteriores chap-tros, nos fijamos en el comercio de futuros y acciones desde una
perspectiva a largo y corto sin tener en cuenta donde tienen un precio más acciones,
futuros, o índices. Estas mismas estrategias se pueden aplicar a los mercados más
esotéricos.

PRESENTACIÓN DE MERCADOS valor relativo

Nuestro enfoque ahora se desplazará a la aplicación de estrategias cuantitativas de
arriba hacia abajo de comercio valor rela-tivo. Para el comercio de estas nuevas
estrategias, es necesario definir ciertos mercados de valores rel-ativa. Estamos
buscando para el comercio el valor relativo de una seguridad frente a la otra. En las
operaciones de valor relativo, que suelen ser indiferente a gen-erales los
movimientos del mercado. Nuestras posiciones están estructurados mediante la
compra de un enlace y un cortocircuito en otro, o mediante la compra de una acción
y otra cortocircuito en una industria similar.

Las posibilidades en el comercio de valor relativo son infinitas, y los nuevos

productos que se están creando cada día. Ya se trate de derivados climáticos,
créditos de contaminación, o de futuros de queso cheddar, nuestros métodos de
negociación cuantitativos nos preparan para el día en que estos nuevos productos
comenzar a negociar. Nos centraremos en siete mercados generales de nuestras
estrategias comerciales relativos valor:
■
mercados de la curva de rendimiento
■
Los diferenciales de crédito
■
volatilidad de las acciones
■
El rendimiento relativo de los índices bursátiles
■
pares de valores individuales
■
sustitutos de los productos básicos
■
Acciones y materias primas relaciones

Curva de rendimiento de los mercados

La mayoría de los inversores individuales están familiarizados con los productos
de renta fija, como bonos e hipotecas. Después de todo, muchos lectores tienen
hipotecas de viviendas o inversiones en títulos públicos. Cuando nos enfrentamos
a decisiones de inversión en el mundo de la renta fija, el factor más importante es
a menudo determinar la madurez que se unen para comprar. Las tasas de interés
varían con diferentes vencimientos, y estas diferencias pueden ser muy volátiles
con el tiempo.
 Como vemos en la figura 9.1, los bonos con diferentes vencimientos tienen
diferentes rendimientos. Esto se produce debido a una serie de factores, tales como
futuros expecta-nes inflacionarias, los cambios esperados en el endeudamiento del
gobierno, y las expectativas futuras de la política de tasa de interés de la Reserva
Federal. La diferencia en los rendimientos puede llevar a preferir-cias en las
inversiones.
252 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Curva de EE.UU. Rendimiento Gobierno

6

5 14.09.0
1
4
rendi (%)

16.09.02
3
16.08.02
2

15 años
13 años

23 años
21 años
19 años

27 años
25 años
9 años

29 años
7 años

11 años

17 años
3 años
5 años
meses
1 año
3

Madurez

FIGURA 9. 1

Gobierno de EE.UU. curva de rendimiento. bonos de vencimiento diferentes pagan tasas de interés
variable.

En la actualidad, los dos años de rendimientos de los bonos del Tesoro de 2 por
ciento, mientras que el de 10 años rendimientos de los bonos del Tesoro de 4 por ciento.
Como inversor, es posible que prefieren comprar la más alta nota de rendimiento-ción
de 10 años en lugar de los dos años de rendimiento inferior Nota. valor lúdico-res
relativos tomarían el comercio un paso más allá mediante la compra del bono a 10 años
y un cortocircuito en la nota de dos años, esperando que los diferenciales de rendimiento
para volver a niveles más normales.
La diferencia de rendimiento entre los vencimientos puede ser muy volátil.
La figura 9.2 representa gráficamente la diferencia entre el bono a 10 años y el bono
a dos años entre 1990 y 2001.
Otro juego de tipo de interés es valorar la curvatura de la curva de rendimiento
con el tiempo. Tenga en cuenta que en el gráfico de la curva de rendimiento
anteriormente, el rendimiento no se sigue una línea recta en comparación con la
madurez. La curva de hecho se dobla como el tiempo hasta la madurez Increas-es. Este
grado de esta curvatura cambia con el tiempo y se puede medir por com-comparando
los rendimientos de tres plazos. Si queremos medir la curva entre el bono a dos años, a
10 años, y el bono a 30 años, creamos la siguiente serie:
Mariposa rendimiento = 10 años - 0,5 ? rendimiento de dos años - 0,5 ? el
rendimiento a 30 años
La combinación de tres rendimientos de esta manera se refiere a menudo
como un comercio sino-terfly, como se muestra en la Figura 9.3. Cuando la
mariposa comercia alta en el rendimiento, vamos a comprar el bono a 10 años y
vender el bono a dos años y bonos a 30 años. Cuando el terfly pero comercia bajo,
compramos la nota y 30 años de bonos de dos años mientras que la venta del bono
a 10 años.
A los efectos de la negociación de la curva de rendimiento utilizando métodos
cuantitativos comerciales, creamos cuatro series de curva de rendimiento utilizando los
rendimientos de vencimiento constante de productos Tesoro de Estados Unidos:
CAPÍTULO 9 Nuevas ideas de los mercados 253

Decenal de Rendimiento Rendimiento Menos de dos años

300

200
Diferencia (bps)

100

-100
3.1.89

3.1.90

3.1.91

3.1.92

3.1.93

3.1.94

3.1.95

3.1.96

3.1.97

3.1.98

3.1.99

3.1.00

3.1.01
Fecha

FIGURA 9. 2

Rendimiento de 10 años, menos de dos años de rendimiento. Con la compra de un enlace y un cortocircuito en otra,
podemos ganar la exposición a la diferencia entre los rendimientos de los bonos de vencimiento diferentes.

A 2.-10: Rendimiento de 10 años de rendimiento del bono del Tesoro de menos

de dos años del Tesoro de a 2.-5: Rendimiento de cinco años de rendimiento del
bono del Tesoro de menos de cinco años 10'S-30 bono del Tesoro de:
Rendimiento de 30 años menos de bonos del Tesoro rendimiento de 10 años del
Tesoro 10/02/30 mosca: rendimiento de 10 años del Tesoro, menos del 50 por
ciento de dos años
nota del Tesoro y el 50 por ciento de los bonos del Tesoro a 30 años
El uso de estas series de datos de curva de rendimiento, vamos a probar
nuestros métodos de negociación para determinar si se puede predecir el
movimiento de la curva de rendimiento del Tesoro de Estados Unidos. Si nuestras
estrategias son rentables, podemos comercio en el período de futuros o de los bonos
del gobierno reales para establecer posiciones.

Los diferenciales de crédito

Mientras que la deuda del gobierno de Estados Unidos está a salvo (después de
todo, el gobierno siempre puede imprimir dinero), la deuda de las empresas
individuales o municipios no lleva dicha garantía. Como resultado, las operaciones
de deuda no gubernamentales en mayores rendimientos que los bonos del Tesoro
del gobierno del corre-pondiente para compensar a los inversores por tomar este
riesgo. Los diferenciales de crédito son el exceso de rendimientos exigidos por los
inversores a aceptar los riesgos añadidos de la inversión en estas inversiones no
Tesoro.
254 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

La mariposa de la Two's-Ten's y media

100

50

-50
3.1.89 3.1.91 3.1.93 3.1.95 3.1.97 3.1.99 3.1.01
Fecha

FIGURA 9. 3

Two's-10'S-30 Mariposa de. Con la compra de dos enlaces y un cortocircuito en otro enlace, podemos ganar la
exposición a la curvatura de la curva de rendimiento.

La reciente desaparición de Enron y WorldCom explicar lo importante que es

para medir el crédito de estos valores. Una vez evaluado el grado de inversión, los
bonos de Enron y WorldCom (que una vez operó cerca de 100), ahora el comercio
por centavos de dólar después de cada una de las empresas problemas salieron a la
luz. Cuando una empresa no es capaz de hacer un pago de intereses, se dice que sus
bonos en incumplimiento. Los tenedores de bonos, los bancos y los accionistas a
continuación, comienzan a reestructurar la empresa de cualquier forma posible para
devolver el dinero a cada clase de propietarios. Una vez que los bancos se pagan
en su totalidad, los tenedores de bonos comienzan a recibir dinero. Sólo después de
todos los acreedores han sido pagados en su totalidad hacer que los accionistas
reciban cualquier valor restante. En muchos situa-ciones por defecto, los tenedores
de bonos sólo podrán recibir centavos de dólar si la salud financiera de la empresa
es realmente problemático.
El riesgo de impago crea una prima en los rendimientos de los bonos
corporativos frente a los bonos del Tesoro correspondiente. Esta diferencia, o
spread de crédito, tiende a estrechar dur-ción de una economía en crecimiento como
mejorar las perspectivas de negocio y la probabilidad de impago de los bonos
disminuye. Por el contrario, los diferenciales de crédito se amplían en las
economías débiles, como las perspectivas de negocio preocupantes duelen las
posibilidades de pago de la deuda corporativa.
CAPÍTULO 9 Nuevas ideas de los mercados 255

Hay dos medidas ampliamente observado en el mercado de nivel de riesgo de

crédito: diferenciales de los swaps y los diferenciales de alto rendimiento. márgenes de
conversión son los vehículos utilizados para el comercio la diferencia de rendimiento
entre la tasa interbancaria de Londres (LIBOR) y el Tesoro de Estados Unidos. LIBOR
es el índice de préstamos de empresa predominante en los Estados Unidos. Es un
promedio internacional de tasas ofrecidas para depósitos en dólares en base a las
cotizaciones en ocho grandes bancos. Al ser un depósito en el extranjero, que no tiene
seguro de depósitos de la FDIC, y por lo tanto conlleva el riesgo de crédito del banco
que tiene el depósito. Como resultado, estos depósitos conllevan un riesgo y el comercio
con mayores rendimientos que los bonos del Tesoro de Estados Unidos.
La difusión que LIBOR comercia sobre los rendimientos del Tesoro de
Estados Unidos comparables se pueden negociar por medio de un swap con
vencimiento entre un año y 30 años. (Véase la figura 9.4 para una historia de
márgenes de conversión de cinco años.) El producto margen de conversión se
utilizó en gran medida por Long Term Capital Management. En Cuando Genius
Failed, autor Roger Lowenstein informó que LTCM perdió aproximadamente $ 1.6
mil millones para el cortocircuito márgenes de conversión.
márgenes de conversión = a cinco años los rendimientos
margen de conversión
los diferenciales de alto rendimiento se calcula tomando un rendimiento al
vencimiento de la media de los bonos de alto rendimiento y restando la tasa de interés
de un Tesoro estadounidense correspondiente.

Cinco márgenes de conversión Año

120
Untado Rendimiento

80

40

0
01.10.8

01.10.9

01.10.9

01.10.94
01.10.9

01.10.9

01.10.9

1/10/97

1/10/98

1/10/99

01.10.0

1/10/01
01.10.
95
9

0
 Fecha

FIGURA 9. 4
Intercambiar Quinquenal para untar. Diferenciales de los swaps medir la diferencia entre la deuda pública y la deuda
corporativa de alta calificación.
256 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Los bonos de alto rendimiento son, por definición, una clasificación inferior a BBB
por las principales agencias de calificación de deuda. Empresas con esas
calificaciones bajas tienen un riesgo significativo de pago de intereses DISCON-
conti- la deuda pendiente.
Si una empresa se ve forzada a la quiebra debido a un defecto en sus intereses
de pago mentos, los tenedores de bonos se enfrentan a una gran incertidumbre si
van a recibir ningún pago de sus reclamaciones a los activos de la compañía.
Debido a esta incertidumbre, los inversores exigen rendimientos más altos para
compensar el riesgo adicional. El diferencial de rendimiento entre los bonos de alto
rendimiento y notas del Tesoro significa riesgo percibido del mercado de este
crédito corporativo de menor calidad. Nuestros valores de los diferenciales de
crédito de alto rendimiento se derivan de restar un rendimiento del bono del Tesoro
a cinco años a partir del rendimiento promedio de vencimiento en el índice Merrill
Lynch Master II (véase la Figura 9.5).
Alto rendimiento = rendimiento al vencimiento de índice maestro II Merrill
Lynch - rendimiento del Tesoro a cinco años
Vamos a probar nuestras estrategias de negociación sobre estas dos series para
determinar si los diferenciales de crédito son predecibles y seguimos los patrones
históricos. diferenciales de los swaps se negocian fácilmente como Over-the-
Counter los productos derivados, mientras que los diferenciales de alto rendimiento
pueden ser

Los diferenciales corporativos de alto rendimiento

1200
(bps
ima bonos del )

950
enc Los

700

450
Prima

200
3.1.89

3.1.90

3.1.91

3.1.92

3.1.93

3.1.94

3.1.95

3.1.96

3.1.97

3.1.98

3.1.99

3.1.00

3.1.01

Fecha
 FIGURA 9. 5

Corporativos de alto rendimiento para untar. Alto rendimiento extiende medir el pago extra que las empresas con
balances débiles deben pagar con el fin de financiar su deuda.
CAPÍTULO 9 Nuevas ideas de los mercados 257

comercializado por la compra de bonos de alto rendimiento y un cortocircuito en

una cantidad igual de futuros de bonos del Tesoro o para eliminar su exposición a
las tasas de interés.

volatilidad de las acciones

La volatilidad se está convirtiendo poco a poco en un fenómeno de mercado mejor
entendido. Muchas mesas de operaciones en Wall Street se centran exclusivamente en
el comercio y la gestión de los riesgos de volatilidad aso-ciado con las acciones, índices
bursátiles y bonos. Algunos fondos de cobertura que comercian volatilidad ver su
exposición a ella como una clase de activos similares a acciones, bonos o bienes raíces.
Los inversores pueden negociar la volatilidad a través de opciones tales como
llamadas y pone. Un comerciante que compra una opción de compra tiene el derecho,
pero no la obligación, de comprar un valor a un precio fijo en una fecha específica en
el futuro. Si compro una opción de compra huelga de un mes $ 100 en IBM, tengo el
derecho a comprar IBM en $ 100 por acción para el siguiente mes. Si, al final del mes,
IBM está por debajo de $ 100, dejo que mi opción de expirar y me alejo. Si IBM está
por encima de $ 100, ejerzo mi derecho a comprar IBM en $ 100. En ese momento me
puedo vender las acciones o aferrarse a ellos en previsión de un mayor avance. Una
opción de compra tiene una estructura de pagos similar a un palo de hockey (figura
9.6).
Un comerciante que compra una opción de venta tiene el derecho, pero no la
obligación, de vender un valor. Si compro una opción de ejercicio de la put de un
mes $ 100 en IBM, tengo el derecho de vender IBM en $ 100 por acción para el
siguiente mes. Si, al final del mes, IBM está por encima de $ 100, dejo que mi
opción de expirar y me alejo. Si IBM está por debajo de $ 100, que ejer-CISE mi
derecha y vendo en $ 100 de IBM. Al igual que en la opción de compra, en ese
momento me puedo comprar las acciones o aferrarse a corto en previsión de nuevos
descensos. Una opción de venta también tiene una estructura de pagos similar a un
palo de hockey (figura 9.7).
Aquí es donde el componente de volatilidad se pone interesante. Si yo compro
al mismo tiempo tanto una llamada y opción de venta de la misma huelga-llamado
"a horcajadas" en el popular terminología mi diagrama de ganancia parece a la
gráfica en la Figura 9.8.
Se hace evidente que cuando compro la llamada y la combinación de palabras,
soy indif-ferente a si la acción sube o cae. Sin embargo, hago más dinero si la acción
es más volátil y se mueve lejos de $ 100. En esencia, esto es lo que los operadores
de volatilidad están tratando de lograr. Ellos compran opciones baratas y vender
opciones ricas que parecen estar precio erróneo por el mercado. comerciantes de
volatilidad constante comercio de valores o futuros sobre el activo subyacente con
el fin de inmunizar a la apuesta direccional integrado en llamadas y pone,
dejándolos con un puro juego de la volatilidad.
 La medida más popular de la volatilidad del mercado de valores se deriva de
precios de las opciones sobre índices del mercado amplio. El Chicago Board Options
Exchange tiene-principal contenida un registro diario de la volatilidad implícita en los
precios Opciones desde 1986. El índice de volatilidad CBOE (VIX) medidas opción de
la volatilidad en el dinero-en el S & P 100 (OEX). El VIX fue desarrollado por Robert
Whaley para realizar un seguimiento de la volatilidad implícita en el S & P 100.
Utilizando cuatro opciones desde el mes de vencimiento más cercano y cuatro opciones
desde el mes opción de segundo más cercano, el VIX interpola la volatilidad implícita
de una hipotética opción en-el-dinero con 30 días naturales a vencimiento.
258 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Diagrama de Remuneración Opción de Compra

25

20
Lla Opción Saldar

15

10

-5 100

105

110

115

120
8
0

8
5

9
0

9
5

Precio de mercado

FIGURA 9. 6
Opción de Pago Diagrama. Las opciones de llamada dan al comprador el derecho, pero no la obligación, de comprar el activo
subyacente.

existen grandes discrepancias entre el VIX y los niveles reales de la

volatilidad implícita. Un error de cálculo en los defectos VIX su representación de
la volatilidad implícita. de Salomon Smith Barney León Gross (febrero de 2001)
fue el primero en publicar el sesgo en la metodología de cálculo VIX. Como vemos
en la Figura 9.9, el VIX y la volatilidad implícita real de opciones OEX seguimiento
de uno al otro muy de cerca. De hecho, la relación de las dos medidas parece ser
constante, con el VIX siempre aproximadamente 1,20 veces el nivel de volatilidad
implícita real.
Whaley, en sus intentos de corregir para un efecto de fin de semana presente en
opciones, incor-tamente ajustada por la diferencia entre días naturales en un año (365)
y los días de mercado en un año (aproximadamente 252). Como resultado, si
multiplicamos por el VIX SQRT (252/365), se llega a una estimación objetiva de un
mes, la volatilidad implícita en el S & P 100.
A pesar de su sesgo, el VIX hace medir el valor relativo de volatilidad implícita
del mercado de valores. Su uso más común es para el mercado-cronometrar el S & P
500, un uso que ha recibido mucha notoriedad en el último par de años. Los aumentos
en el VIX son el resultado de los precios más altos de opción -a menudo un signo de
preocupación mercado. Esta preocupación puede dar lugar a buenas oportunidades de
compra de acciones. Los niveles más bajos VIX son el resultado de la caída de los
precios, a menudo una señal de opción de complacencia mercado y una buena
oportunidad de venta para las acciones. En este capítulo, sin embargo, nos centraremos
en el comercio de la actu-
CAPÍTULO 9 Nuevas ideas de los mercados 259

Diagrama de Remuneración opción de venta

25

20
Pon Opción Saldar

15

10

5
er

-5
100

105

110

115

120
8
0

8
5

9
0

9
5

Precio de mercado

FIGURA 9. 7
Ponga la opción Pago Diagrama. opciones de venta dan al comprador el derecho, pero no la obligación, de vender el activo
subyacente.

los niveles de Al del VIX y lo ven como una buena fe de mercado independiente
que podemos intercambios dentro de nuestro valor paraguas relativa.
Las medidas VIX de volatilidad implícita, las cuales pueden ser
comercializados en forma de straddles, paperas, o productos más esotéricos tales
como las permutas de volatilidad. (Para obtener más información y detalles sobre
la volatilidad de comercio, ver Demeterfi y otros, "más de lo que quiso saber sobre
permutas de volatilidad," Goldman Sachs cuantitativos notas sobre la estrategia de
investigación, marzo de 1999;. Y León Gross, "Presentación de permutas de
volatilidad", Salomon Smith Barney, enero de 1998.) Cuando nuestros modelos
generan señales de compra, podemos ganar la exposición a la volatilidad mediante
la compra extiende a ambos lados, la papera, y permutas de volatilidad. Cuando
nuestros modelos generan señales de venta en el VIX, podemos vender straddles,
paperas, y permutas de volatilidad con el fin de ganar la exposición a la volatilidad.
VIX = precio de cierre VIX

Rendimiento relativo de índices bursátiles

También estudiaremos el comportamiento relativo de los índices de acciones en
Estados Unidos, utilizando el S & P 500, el Nasdaq 100 y el Russell 2000. El S & P
500 es una capitalización-peso
260 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Diagrama de Remuneración straddle

25

20
Montar a Saldar
15

10

-5

100

105

110

115

120
80

85

90

95
Precio de mercado

FIGURA 9. 8

Horcajadas Diagrama de Remuneración. Con la compra de una llamada y una opción de venta,
creamos una estrategia que gana exposición a la volatilidad de un activo.

Índice ed de gran capitalización acciones de Estados Unidos. El Nasdaq 100 (a

veces conocido como el NDX) es un índice ponderado por capitalización
modificada de los 100 valores más no financieras que cotizan en el mercado
Nasdaq. El Nasdaq 100 está altamente sesgado hacia la tecnología de la
información, servicios de telecomunicaciones, y las empresas de biotecnología. La
compañía Frank Russell creó el Russell 2000 como punto de referencia para el
rendimiento de pequeña capitalización. El Russell 2000 se compone de acciones de
Estados Unidos cuya capitalización de mercado se ubica entre 1001 y 3000 en el
universo de todas las acciones de Estados Unidos.
Cada índice tiene períodos de exceso de rentabilidad. En la década de 1980,
las acciones de pequeña, según lo medido por el Russell 2000, superaron los
casquillos grandes durante muchos años. A mediados de la década de 1990, el
cincuenta ingenioso tema de las grandes corporaciones multinacionales era muy
prominente y el S & P 500 superó a otros índices. A finales de 1990, la burbuja
tecnológica condujo a rendimientos estelares para las acciones tecnológicas. Como
resultado, el Nasdaq 100 superó a otros puntos de referencia índice de la bolsa
(Figura 9.10).
Nuestro objetivo será intercambiar el rendimiento relativo de un índice de
acciones u otro. Vamos a estudiar los datos del pasado y modelos de prueba para
determinar si podemos predecir peri-ODS de rendimiento superior. Las posiciones
pueden ser instituidos por el comercio de futuros de acciones de la lista de opinión en
la Bolsa de Chicago, o fondos cotizados como el espía para el S & P 500, el QQQ para
el Nasdaq 100, y el MIM para el Russell 2000.
 Creamos dos series para poner a prueba las estrategias de largo / corto para el
comercio de la S & P 500 en contra de NDX y para el comercio de la S & P 500 en
contra de la Russell 2000. Cada serie se calcula tomando el logaritmo natural de un
índice dividido por otra. Los logaritmos son funciones matemáticas utilizadas para
simplificar y manipular ecuaciones
 S & P 100 volatilidad implícita, VIX, y relación de
60 1.4

50 1.2

VIX (espesor) 1
40 Propor
ción
0,8
Volatilidad

Proporción
30
implícita

0,6
20
0,4
La volatilidad implícita
10 (delgada) 0,2

0 0
3.

9.
1

9
9

14.1
1.01
13.05.99

02.23.0
4.1.99

7.6.00

7.3.01
13.10.
01.2
8.00

00

1
Fecha

FIGURA 9. 9

S & P 100 volatilidad implícita, VIX, y Ratio. El VIX constantemente da lecturas de aproximadamente 1,2 veces el
valor de la volatilidad en el dinero-implícita del S & P 100.

Rendimiento normalizado de índices bursátiles

3000
(1989 = 100)

Nasdaq 100

2000
Actuación

S & P 500
1000
Russell 2000

0
3.1.97
3.1.89

3.1.91

3.1.92
3.1.9

3.1.93

3.1.94

3.1.99

3.1.00

3.1.01
3.1.9

3.1.9

3.1.9
0

Fecha

FIGURA 9. 1 0

Rendimiento normalizado de índices bursátiles. El S & P 500, NASDAQ 100 y Russell 2000 han tenido períodos
de outperfor-Mance y bajo rendimiento.

261
262 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

que implican exponentes. Un caso especial, el logaritmo natural, se utiliza sobre

todo dentro de las ciencias físicas. La función logaritmo natural se incluye en la
mayoría de los paquetes-edades de software, como Excel y TradeStation:
SPX / NDX = ln (SPX / NDX)
SPX / RUY = ln (SPX / RUY)
Cada una de las dos series de tiempo representa el rendimiento normalizado
de uno frente a otro índice (Figura 9.11). Cuando la nueva serie aumenta, el S & P
500 está consiguiendo mejores resultados que el otro índice sobre una base
porcentual. Cuando la nueva serie está cayendo, el S & P 500 está dando la talla
sobre una base porcentual. Vamos a utilizar este método de registro natural para
muchas de las relaciones de precios que estudiamos.
Mediante la utilización de un logaritmo natural de la relación de precios, nos
es indiferente en cuanto a las secu-auto- elegidos en el numerador o en el
denominador de la relación. Estas relaciones serán simétrica utilizando el método
de registro, mientras que si sólo se utilizan las relaciones de precios, el mercado
seleccionado para el numerador o en el denominador afectarán a los resultados
comerciales. Figura 9.12 También representa las dos series: el logaritmo natural de
la S & P 500 dividido por el Nasdaq 100, y luego el logaritmo natural del Nasdaq
100 dividido por el índice S & P 500.

Logaritmo natural de las relaciones de precios

1.5

1.0

0,5 ln (SPX / RUY)

ln (SPX / NDX)
0.0

-0.5

-1,0

-1.5
3.1.9
3.1.89

3.1.90

3.1.91

3.1.92

3.1.93

3.1.94

3.1.96

3.1.97

3.1.98

3.1.99

3.1.00

3.1.01
5

Fech
a
FIGURA 9. 1 1

Logaritmo natural de las relaciones de precios. En cada caso, el S & P 500 está consiguiendo mejores resultados
que cuando la serie se levanta y de bajo rendimiento cuando la serie se cae.
CAPÍTULO 9 Nuevas ideas de los mercados 263

En la figura 9.12, no sólo son las dos imágenes de espejo una de la otra serie,
pero sus escalas son idénticos. Es decir, si una serie se incrementa en 0,20, la otra
serie se reducirá en 0,20, y viceversa.

Los pares individuales de archivo

pares de valores se utilizan con frecuencia en nuestras pruebas de valor relativa
incidencia en el mercado. Pares de comercio, como se le conoce en Wall Street, es
ampliamente utilizado por las mesas de operaciones de propiedad y fondos de
cobertura. Típicamente, los pares se identifican mediante análisis de correlación.
Una vez que se identifican, las desviaciones de un valor esperado de comercio
generan sig-nales. He elegido arbitrariamente 15 pares de las existencias del
mercado de Estados Unidos sobre la base de similitudes en las empresas. En cada
caso, las series de precios se calculan tomando el logaritmo natural de la relación
de precios de las acciones.
Dos de los pares, UN / UL y RD / SC, tienen una relación particularmente único
(ver Figuras 9.13 y 9.14). Unilever PLC (UL) y Unilever NV (ONU) están llevando a
cabo las empresas que tienen un interés económico definido en su casa matriz, y los
holandeses Inglés basado Unilever Company. Sin embargo, ambas acciones
comerciales son independientes y no son fungibles, lo que significa que una acción no
puede ser cambiado por otro igual.

Imágenes espejo
0.80

0.60

0.40
Proporció

0.20
ln (NDX / SPX)
0.00 ln (SPX / NDX)
n

-0.20

-0.40

-0.60

-0.80
29/12/2000

01/19/2001

03/23/2001

04/13/2001

05/25/2001

06/15/2001

07/27/2001

08/17/2001

09/28/2001

19/10/2001

09/11/2001

11/30/2001

21/12/2001
2.9.2001

2.3.2001

4.5.2001

6.7.2001

7.9.2001

Fech
a
FIGURA 9. 1 2
Imágenes espejo. Debido a los principios de logaritmos naturales, el ln (NDX / SPX) siempre es igual al valor negativo
de ln (SPX / NDX).
264 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Dado que este es el caso, no existe arbitraje perfecta en los mercados. Los precios
relativos de las Naciones Unidas y UL deben moverse en tándem en base a su derecho
sobre los activos de su par-ent-la compañía Unilever. Sin embargo, nos encontramos
con que estas relaciones de precios no son con-constante. Como resultado, el valor
relativo de las dos partes de flotación, a menudo llegando a extremos donde es rentable
comprar una acción y corta en otra acción.
Existe una situación similar para Royal Dutch Shell NV y Transporte y
Trading PLC (Figura 9.13). únicos activos de ambas compañías están interesadas
en la Royal Dutch Shell con sede en Holanda fijos. Royal Dutch posee el 60 por
ciento de la empresa combinada, mientras que Shell posee el 40 por ciento. A pesar
del hecho de que el valor neto cada una de las empresas está ligada al mismo activo
(la empresa matriz, Royal Dutch Shell), el valor de las acciones de Royal Dutch
fluctúa con el tiempo en comparación con los precios de las acciones de Shell. El
valor relativo inherente de los pares de Unilever NV / Unilever PLC y Royal Dutch
/ Shell hace que estos mercados idealmente adecuado para nuestro comercio valor
relativo.

Los sustitutos de los productos básicos

mercados de productos básicos se prestan bien a negociación valor relativo debido
al efecto de sub-institución entre los mercados relacionados. Si el gas natural se
convierte en demasiado caro para la calefacción de casas en el invierno, el aceite
de calefacción es un sustituto. Los precios de la soja se

Royal Dutch Shell, y ln (RD / SC)

500 1.00
0.90
Rendimiento (1989 = 100)

400 Royal Dutch 0.80

0.70

300 0.60

0.50
Cáscar
ln (RD / SC)

200 a 0.40

0.30

100 0.20

ln (RD / SC) 0.10

0 0.00
28.12.89

24.12.90

19.12.91

15.12.92

12.10.93

12.07.94

12.04.95

27.11.96

11/24/97

20.11.98

18.11.99

14.11.00
3.1.89

16.
11.
01
 Fech
a

FIGURA 9. 1 3

Royal Dutch Shell, y ln (RD / SC). Royal Dutch Shell y están vinculados a través de su titularidad compartida de Royal
Dutch Shell.
CAPÍTULO 9 Nuevas ideas de los mercados 265

Unilever NV, Unilever PLC, y ln (UN / UL)

700 2.00

600 1.80
Rendimiento (1989 = 100)

Unilever PLC 1.60

500
1.40
400
1.20

ln (UN / UL)
300
1.00
200
Unilever NV 0.80
ln (UN / UL)
100 0.60

0 0.40
24.12.90

19.12.91

15.12.92

12.10.93
12.07.94

27.11.96

20.11.98

18.11.99

14.11.00
28.12.8

12.04.9

11/24/9
3.1.89

16.
11.
01
9

7
Fech
a

FIGURA 9. 1 4
Unilever NV, Unilever PLC, y ln (UN / UL). Unilever NV y Unilever PLC están vinculados a través de su titularidad
compartida de
Unilever.

afectará a los precios de los productos finales, tales como aceite de soja y harina de
soja. El oro y la plata de comercio a menudo en combinación con otros. Para
estudiar estas y otras relaciones de precios de los productos básicos, creamos las
proporciones de los precios al contado logaritmo natural de cuatro pares com-
productos básicos. El uso de punto (o efectivo) los precios de mercado en lugar de
los futuros elimina la necesidad de ajustar los diferentes ciclos de contrato de
futuros.

Las relaciones de valores y lonjas

Por último, vamos a ver la relación entre las acciones relacionadas con las materias
primas y las fluctuaciones de las materias primas subyacentes que impulsan sus
ingresos.
Los productores de oro, por ejemplo, están expuestos a los niveles absolutos
de los precios del oro. Los productores han fijado razonablemente los costes de
producción y por lo general no cubrir la totalidad de su producción mediante la
venta de futuros de oro o hacia delante. Como resultado, el aumento de plomo de
oro a precios más altos para las reservas de oro, y los precios del oro más bajos
conducen a la disminución de las reservas de oro (Figura 9.15).
Existe una relación similar entre las refinerías de petróleo y el precio del petróleo
(Figura 9.16). Los refiners'margins aumentan a medida que los precios del petróleo suben y
se contraen cuando los precios del petróleo caen. Como resultado, existe una relación
material entre los precios de las existencias de petróleo y el precio del petróleo crudo.
266 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Creamos dos series usando el Índice de oro y plata de Filadelfia (XAU) como
nuestro sustituto de la acción de oro, el índice Amex Oil (XOI) como nuestro
sustituto de las reservas de petróleo, los precios spot de oro, y los precios del
petróleo al contado. En ambos casos, se calcula la nueva serie tomando el logaritmo
natural de la relación de las poblaciones de los precios de las materias primas.

XAU / Oro = ln (los precios del oro XAU / SPOT)

XOI / aceite = ln (los precios del crudo XOI / SPOT)

Desarrollo de estrategias para MERCADOS valor relativo

Después de haber definido los 30 nuevos mercados y los dividió en siete clases de
activos (véase la lista-ción, la figura 9.17), ahora queremos explorar la rentabilidad
de la aplicación de comercio Strate-gías a estos mercados de valor relativo.
Al igual que en el capítulo 7, vamos a empezar con nuestros sistemas de
comercio habituales: Canal de break-out, doble media móvil de cruce, el impulso y
osciladores. Resultados esperados para estos nuevos mercados pueden ser un poco
diferentes de los mercados de acciones y futuros tradicionales. En los capítulos
anteriores, presenté pruebas de comportamiento en relación con la

Rendimiento de XAU y Oro

200 2.00

1.50
Rendimiento (1989 = 100)

150
XAU 1.00

100 0.50

Oro 0.00
50
-0.50
ln (XAU / oro)

0 -1.00

-1.50
-50
ln (XAU / oro) -2.00

-100 -2.50
27.11.01
30.12.91

23.12.92

20.12.93

15.12.94

12.12.95

12.06.96

12.03.97

29.11.99

22.11.00
3.1.89

4.1.90

3.1.91

12/1/98

Fech
a
FIGURA 9. 15
Rendimiento de XAU y oro. las minas de oro y oro tienden a moverse en direcciones similares.
CAPÍTULO 9 Nuevas ideas de los mercados 267

Rendimiento de XOI y Petróleo Crudo

400 12.0

11.0
Perrformance (1989 = 100)

10.0
300 XOI
9.0

8.0
200 7.0

ln (XO / crudo)
Petróleo
crudo
6.0
5.0
100
4.0
ln (XOI / crudo)
3.0
0 2.0
31.12.91

22.12.93

19.12.94

12/10/96

12.02.98

30.11.99

24.11.00

28.11.
14.12.9
3.1.89

5.1.90

4.1.91

28.12.

12.05.

01
92

97
5

Fecha

FIGURA 9. dieciséis

Rendimiento de XOI y petróleo crudo. las reservas de petróleo crudo y refinado del petróleo tienden a moverse en
direcciones similares.

tendencia humana para luchar contra las tendencias. Esta tendencia podría explicar
por qué tendencias se dan en acciones y futuros. Pero los mercados relativos valor
de cálculo que estamos estudiando en este capítulo pueden no siguen patrones
similares, ya que estos mercados no están típicamente en el ojo público y sólo
pequeños bolsillos de los comerciantes realizar un seguimiento de su movimiento.
Como resultado, las técnicas de seguimiento de tendencias Typ-ical pueden resultar
ineficaces. Además, el efecto de sustitución podría incluso sugerir que el
movimiento lejos de una media será rápidamente cor-rected con un movimiento de
regreso hacia la media.
Por ejemplo, cuando el gas natural se eleva en comparación con el
combustible para calefacción, los precios del mercado provocarán cambios en la
demanda de cada producto. El gas natural será reemplazado por el combustible para
calefacción y los precios relativos convergerá. Si el Nasdaq 100 mítines frente al S
& P 500, las valoraciones racionales pueden hacer que los inversores venden el
Nasdaq 100 sobrevalorados y comprar el infravalorado S & P 500. contratendencia
y la media de las estrategias de reversión podrían resultar rentable cuando se aplica
a estos mercados de valor relativo.
La aplicación de estrategias cuantitativas de comercio A MERCADOS valor relativo
Al igual que en tanto el caldo y las pruebas de futuros, el tamaño de la posición de
nuestras operaciones de valor relativo son una función de la desviación estándar
de 100 días de los cambios de precios.
268 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Mercado Sector Símbolo

rendimiento, menos rendimiento del 10 año 2 años Curva de rendimiento 2'S-10
rendimiento, menos rendimiento del 5 año 2 años 2'S-5 de
rendimiento del 30 año Producción de menos 10
años de 10'S-30
rendimiento del 10 año menos 0,5 2 rendimiento del
año menos 0,5 10/02/30 Fly
rendimiento
de 30 años
Los diferenciales de márgenes de
5 márgenes de conversión año crédito conversión
Rendimiento al vencimiento del Índice Merrill Lynch
Master II Alto rendimiento
menos los rendimientos de los bonos a 5 años
Índice de volatilidad CBOE Volatilidad VIX
logaritmo natural de maíz / trigo Mercancía C/W
logaritmo natural de soja / aceite de soja S / BO
logaritmo natural de soja / harina de soja S / SM
logaritmo natural de oro / plata GC / SL
logaritmo natural de S & P 500/100 Nasdaq Los índices bursátiles SPX / NDX
logaritmo natural de S & P 500 / Russell 2000 SPX / RUT
logaritmo natural de Bear Stearns / Merrill Lynch Los pares de valores BSC / MER
logaritmo natural de CVS / Walgreen CVS / WAG
logaritmo natural de Delta / AMR Corporación DAL / AMR
logaritmo natural de Dupont / Dow Chemical DD / DOW
logaritmo natural de Fannie Mae / Freddie Mac FNM / FRE
logaritmo natural de la General Motors / Ford GM / F
logaritmo natural de Coca Cola / Pepsi KO / PEP
logaritmo natural de Motorola / Texas Instruments MOT / TXN
logaritmo natural de Microsoft / Intel MSFT / INTC
logaritmo natural de Pfizer / Merck PFE / MRK
logaritmo natural de Verizon / SBC Communications VZ / SBC
logaritmo natural de Wal-Mart / Home Depot WMT / HD
logaritmo natural de Exxon Mobil / British Petroleum XOM / BP
logaritmo natural de Royal Dutch / Shell RD / SC
logaritmo natural de Unilever NV / Unilever PLC UN / UL
logaritmo natural de Oro y PHLX Índice de plata / Los productos básicos
oro frente de la XAU / GC
logaritmo natural de Amex Oil Index / petróleo crudo XOI / CL

FIGURA 9. 1 7

Tabla de Mercados valor relativo. Treinta mercados de valor relativo son probados en nuestra evaluación
de desempeño.

tamaño de la posición = $ 10.000 / 100 días desviación estándar de los

cambios de precios
Probamos nuestra estabilidad de los mercados de valor relativo en siete
estrategias:
■
ruptura de canal
■
Doble cruce de media móvil
■
Índice de Fuerza Relativa
■
Estocástico
■
Impulso
■
Diferencia de la media móvil de 100 días
■
Diferencia entre las medias de 10 y 40 días en movimiento
Los resultados se analizaron de forma similar a los mercados de futuros y las
existencias.
CAPÍTULO 9 Nuevas ideas de los mercados 269

de ruptura del canal

La ruptura del canal es la primera estrategia se prueba en los mercados de valor
relativo. Longs se introducen cuando están cerca de un mercado es el nivel más alto
de los últimos 40 días, y cortos cuando entró cerca de un mercado es el nivel más
bajo de los últimos 40 días. Longs si se sale de cierre de hoy es el más bajo de los
últimos 20 días. Pantalones cortos si se sale de cierre de hoy es el más alto de los
últimos 20 días.
La ruptura del canal produce beneficios en tan sólo 4 de los 12 años (Figuras
9.18a y 9.18b). En general, una estrategia perdedora, algunos rayos de luz se
producen dentro de CRED-de que se extienda y pares índice de la bolsa de
comercio. Rendimiento en los pares de valores es terrible, y sólo 2 de cada 15 pares
de valores generar beneficios más de la prueba de 12 años.

Mover doble cruce de media

Utilizamos cruces de dos medias móviles para la creación de señales de operación.
Una media móvil simple de 10 días y de 40 días se calcula cada día. entradas largas
se estab-cidas si los cruces promedio de 10 días por encima de la media de 40 días.
entradas cortas se establecen si el promedio de 10 días cruza por debajo de la media
de 40 días.
El gráfico de la figura 9.19 detalles en movimiento promedio de cruce señales
aplicadas al diferencial de rendimiento entre los dos años y 10 años del Tesoro.
Vemos que la acción del precio es muy agitado, y con frecuencia nuestra estrategia
a través de reserva en máximos a corto plazo y vende en los puntos bajos a corto
plazo. las estrategias de seguimiento de tendencias tales como esto puede no ser
ideal para los mercados de valor relativo.
Aunque el rendimiento de la media móvil de cruce es mejor que la ruptura del
canal, los resultados dejan mucho que desear (Figuras 9.20a y 9.20b). La media
móvil de cruce produce beneficios en sólo 3 de los 12 años analizados. Después de
hacer dinero en 1990 y 1991, la estrategia ha funcionado muy mal desde entonces.

Impulso
Prueba de una estrategia de utilización de 80 días de movimiento, entradas largas
se establecen si el cierre de hoy es mayor que hace las estrechas 80 días, y las
entradas cortas se establecen si el cierre de hoy es menos que hace las estrechas 80
días.
Las características de las estrategias de seguimiento de tendencias aplicadas
a los mercados de valor relativo es justo lo que cabría esperar. Prueba de la
estrategia de impulso de 80 días, nuestra tercera estrategia de seguimiento de
tendencias, produce pérdidas similares a las dos Strate-gías anteriores (Figuras
9.21a y 9.21b). La estrategia de impulso de 80 días genera beneficios en los dos
primeros años de la prueba, seguido de 10 años consecutivos de pérdidas.
Volatilidad y de valores pares realizan especialmente mal. Sólo 2 de los 15 pares
de valores generan ganancias.
270 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (valor relativo)

entrada 40 días / 20 días ruptura canal de
Nombre estrategia: salida
Extreme 40 días para la entrada, extrema 20 días para la
parámetros: salida
Intro de un cierre del extremo 40 días; salida en un cierre del
Descripción: extremo 20 días
Fechas de ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barr Barra
K- Sharpe de % Avg. Lucro Avg. Avg. as s
Beneficio propor Propor Vientos Gan Gana Gan Pérdi
Mercado neto ción ción Max DD alisios ar hrs (000) Por Con. r Pérdida ar da
rendimient
o 2'S-10 697.032 0.08 0.37 -348193 72 43 341,59 29 56.275 -25243 46 17
Curva 2'S-5 de -317922 -0.10 -0.20 -882465 83 30 459,40 -8 48557 -26160 44 18
diecis
de 10'S-30 400.654 0.04 0.21 -375210 73 38 559,59 9 60.405 -29609 51 éis
10/02/30 Fly -722476 -0.17 -0.44 -1064647 79 29 553,36 -20 40633 -32396 44 19
márgenes de diecis
Crédito conversión 285.540 0.10 0.13 -572460 85 51 9.41 367 37.105 -30999 34 éis
Los
diferencial Alto
es rendimiento 1,768,775 0.16 0.67 -294661 66 41 161.84 158 103.319 -28290 54 21
Volatilidad VIX -1628700 -0.71 -1.30 -1773840 93 19 9.73 -1839 16113 -26066 39 18
sesenta
Mercancía C/W 750.536 0.06 0.38 -424125 y cinco 45 636,42 18 69836 -35409 56 18
S / BO 112.712 0.06 0.06 -364939 72 36 1049.88 1 57432 -30011 49 19
S / SM -814750 -0.22 -0.49 -961890 73 29 1333.42 -8 41212 -32495 53 19
GC / SL 102.849 -0.02 0.07 -295312 69 35 938,70 1 46,467 -23814 49 22
Valores SPX / NDX 869.133 0.06 0.47 -335254 62 44 1017.06 14 72199 -30864 55 20
sesenta
Índices SPX / RUT 1,352,171 0.36 0.69 -205962 y cinco 51 1691.47 11 73721 -36533 52 15
Valores BSC / MER -418959 -0.21 -0.34 -659156 80 35 491,62 -11 26.167 -22524 38 21
pares CVS / WAG -372849 -0.04 -0.27 -546746 78 31 505,19 -9 40985 -25120 48 17
DAL / AMR -471833 -0.09 -0.31 -572349 77 34 694,36 -9 43.710 -31535 48 17
DD / DOW -292653 -0.06 -0.21 -559222 70 41 587.00 -8 32488 -30507 46 20
FNM / FRE -727376 -0.20 -0.50 -951299 80 28 827,73 -11 33386 -25061 43 20
GM / F 381.254 0.12 0.24 -191862 71 39 623,29 7 49038 -24648 49 18
KO / PEP -986089 -0.19 -0.62 -1050492 78 27 622,53 -20 45.402 -34027 49 18
MOT / TXN -181528 -0.05 -0.12 -535688 73 37 388,51 -6 45176 -30462 47 19
MSFT /
INTC 322.765 0.10 0.20 -290556 71 39 434,07 10 59376 -31158 51 22
PFE / MRK -216600 -0.05 -0.15 -556517 77 34 631,24 -4 43981 -26601 50 17
VZ / SBC -1171413 -0.75 -0.87 -1259964 81 28 715,91 -20 24.195 -29924 40 21
WMT / HD -675580 -0.11 -0.47 -850311 74 31 522,40 -18 31014 -27794 52 19
XOM / BP -648891 -0.19 -0.43 -917971 75 33 702,21 -12 40552 -33073 51 18
RD / SC -391346 -0.26 -0.40 -553540 83 37 1393.80 -4 19629 -20029 35 21
UN / UL -834987 -0.35 -0.94 -900065 87 26 1104.91 -9 14.440 -18513 36 21
Mercancía XAU / GC -661754 -0.12 -0.48 -666666 74 32 555.89 -dieciséis 31647 -28241 46 22
frente de
la XOI / CL -275158 -0.08 -0.17 -556062 72 32 666,77 -6 43097 -25844 56 18
Promedi
o -158915 -0.09 -0.17 -650581 75 35 674,31 -47 44918 -28432 47 19
4,000,000
3.000.000
2,000,000
1.000.000
0
Equida

-1000000
-2000000
-3000000
-4000000
-5000000
-6000000
Ene-98
Ene-96

Ene-01
Ene-99
Ene-97
Ene-95

Ene-00

Dic-01
Ene-
Ene
Ene
Ene

-93
-92
-91

94
Ene-
90
 Estadísticas de la cartera
Beneficio
neto: -4767443 El ratio de Sharpe: -0.42
Correlación con el
drawdown: -8234652 desglose: 1.00
Correlación con el 10-40
K-cociente: -0.16 MA: 0.84
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 9. 1 8 A

De ruptura del canal Estrategia Aplicada a los mercados relativas de valor. La estrategia de ruptura del canal no
genera beneficios en nuestros mercados de valor relativo.
 BreakdownStatistics (RelativeValue)
S yste m Na me : 40 da yen tr y / 20 da ye xitch ann elbre a kou t

Pa r á m e tr o s: 4 0 d a ye xtr e m e fo r e n tr y, 2 0 d a ye xtr e m e fo r e xit

De scrip ción : En tero na4 0da ye xtr e me cl o se ; e xi ton a20 da ye xtre me clo se

BreakdownbyMarketSector RunDates: 1/1/1990/12/31/2001

M ar ket Aver ageAver ageAver ag eAv

er ageAver ageA ver age
Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sect or Net Pr of it K-
r at ioShar peRat i oM axD DNum Tr ades% Win
PerContract pérdidas de Windows pérdidas de Windows
R at e s 1 4 , 3 2 2 - 0 . 0 4 -
0. 0 2 - 6 6 7 , 6 2 9 7 7 3 5
2 51 468 -28 352 46 17
Cr e d i t 1, 0 2 7 , 1 5 8 0 . 1 3 0 . 4 262 70 212 -29 645 44 19
0 - 4 3 3, 5 6 1 7 6 4 6

V ol ati l i d ad- 1, 6 2 8, 70 0- 0. 7 1- -1839 16 113 -26 066 39 18

1. 30 -1, 7 7 3, 8 40 9 3 1 9

C o m m o di t y 3 7, 8 3 7-
0. 0 3 0. 0 1 - 5 1 1, 5 6 7 7 0 3 6
3 53737 -30432 52 19
S to c kI n d e x 1, 1 1 0, 6 5 2 0. 2 1 0. 5 13 -33 698 54 18 72 960
8- 2 7 0, 6 0 8 6 4 4 7

S to c kP ai r s- 4 45, 7 3 9- 0. 1 6-
0. 3 5- 6 9 3, 04 9 7 7 3 3
-8 -27 398 36 636 45 19
F ot o / Co m m.- 46 8, 4 5 6-0. 1 0-
0. 33- 6 1 1, 36 4 7 3 32
-11 -27 043 37 372 51 20
ProfitabilityWindows
Num.of
Perform anc eBr e akdo wnby ProfitableNumberof Por ciento
Year

Y earN etP r ofi tK -rati oS h ar pe Rati oY e arN etP rofi tK -

pro p orci ó n
WindowsSharpeRatioLengthWindows Rentable
1 9 9 0 2,5 0 9, 1 1 9 0. 5 5- 1 Mes -1.92 144 64 44,44%
1, 4 6 9, 36 1 1. 8 8 1 9 9 6- 0. 6 3

1 9 9 1 7 4 4 , 2 2 6 0. 3 4 0 . 9 4 1 9 9 7 -
5 7 9, 2 4 1 - 0. 3 7
-0.84 3Months 142 51 35,92%
1 99 2- 1, 21 0, 4 63 -0. 6 5- 1.8 0 1 99 8-
1,2 1 7, 60 3- 0. 1 7
-0.87 6 meses 42 139 30,22%
1 9 9 3- 5 37, 9 3 9 0. 0 1- 0. 6 11 9 9 9-
1, 7 9 0,0 5 6- 0. 8 5 -3.79 12 meses 133 40 30,08%
1 9 9 4 3 9 6 , 3 7 0 0 . 0 6 0. 4 2 2 0 0
0481, 9510. 02
0.51 18 meses 127 23 18,11%
1 9 95 -7 7 6, 6 8 1- 0.5 4- 1. 3 9 20 0 1-
1, 31 9, 2 8 8- 0. 58
-1.89 24 meses 121 13 10,74%

NetProfitbyYear 3.000.000
2,500,000
2,000,000
1,500,000
1.000.000
500.000
0

neto
Beneficio
-500000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-1000000
-1500000
-2000000

-
2,500,
000Ye
ar © 2002LarsKestner-AllRightsReserved

FIG UR E9.18b

C hannelB r ea
kout St r a
t egy
A ppli edt oRe
l
at i ve
Va l ueMa
r ket s
. TheC ha
nnel Br eakout

271
S tr at egy
doesnotgenerateprofitsonourrelativevaluemarkets.
272 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 9. 1 9

Mover cruce de media Aplicado a diferencia de rendimiento de Two's-10. Nuestro Movimiento

cruce de media tiende a whipsawed, la compra y venta en máximos a mínimos.

Estocástico
Dos osciladores se prueban en nuestros mercados de valor relativo. La primera
utiliza un lento estocástico% K de 14 días para generar entradas largas y cortas.
entradas largas se estableci-cado al 14% Día lento K estocástico de hoy cae por
debajo y luego sube de nuevo por encima 20. entradas cortas se establecen cuando
14 días lenta% K estocástico de hoy se eleva por encima y luego cae por debajo de
80.
Nuestra primera estrategia de negociación contratendencia produce utilidades
atractivas cuando se aplica a nuestros 30 mercados de valor relativo (Figuras 9.22a
y 9.22b). Después de perder dinero en 1990 y 1991, la aplicación de un lento
estocástico% K de 14 días para el comercio tiene beneficios nerada-gen en 7 de los
últimos 10 años. Especialmente fuerte son los resultados generados a partir de la
volatilidad de comercio y los pares de valores.

Índice de Fuerza Relativa

Al comprobar si una fuerza relativa de 14 días Índice, entradas largas se establecen
en caso de 14 días RSI actual cae por debajo de 35 y se establecen entradas cortas
si 14 días RSI de hoy se eleva por encima de 65. No hay otras normas y reglas para
salir de las posiciones, a excepción de una entrada en la dirección opuesta.
 El gráfico de la figura 9.23 Detalles señales aplicado al diferencial de
rendimiento entre los dos años y 10 años del Tesoro. Ya que los diferenciales se
reunieron a finales de marzo, los 14 días
CAPÍTULO 9 Nuevas ideas de los mercados 273

Trading Estrategia de Evaluación (valor relativo)

10 días / 40 días en movimiento doble cruce de
Nombre estrategia: media
10 días promedio, promedio de 40
parámetros: días
Introduzca largo cuando cruza por encima de los 40 a 10 días día promedio, cortas en
Descripción: la cruz por debajo
Fechas de
ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barr Barr
K- Sharpe de % Avg. Lucro Avg. Avg. as as
Beneficio propor Proporc Vientos Ga Gana Gan Pérdi
Mercado neto ción ión Max DD alisios nar hrs (000) Por Con. r Pérdida ar da
rendimien
to 2'S-10 235.256 0.02 0.11 -584486 88 38 332,85 6 59209 -32410 51 22
Curva 2'S-5 de -299835 -0.11 -0.15 -1029865 112 42 461,21 -6 34718 -30051 36 20
de 10'S-30 904.718 0.09 0.46 -428450 92 36 566,74 15 61407 -20942 56 19
10/02/30 Fly -616285 -0.17 -0.37 -932295 106 33 560,29 -13 32.664 -26604 43 20
márgenes de
Crédito conversión 271.450 0.12 0.11 -292000 97 51 9.21 284 33485 -28902 43 18
Los
diferencial
es alta yeld 1,237,047 0.12 0.44 -358206 80 36 159,15 90 100.808 -34916 66 20
Volatilida dieci
d VIX -1209060 -0.51 -0.85 -1421540 133 31 9.86 -957 15,644 -20612 36 séis
dieciséi
Mercancía C/W 958.174 0.07 0.44 -450085 96 44 639,96 s 58487 -27044 48 19
S / BO 482.926 0.14 0.24 -406788 85 39 1056.71 5 60.645 -29019 58 21
S / SM -603895 -0.12 -0.30 -1193963 93 40 1345.46 -5 36928 -35690 51 19
ses
enta
y
cinc
GC / SL 417.735 0.06 0.23 -288898 76 34 917,04 5 63237 -25697 o 26
Valores SPX / NDX 1,099,510 0.09 0.61 -350194 82 44 1051.22 12 65563 -28419 59 17
Índices SPX / RUT 1,149,401 0.25 0.53 -232086 80 41 1713.06 8 82016 -34813 64 19
Valores BSC / MER -648514 -0.17 -0.42 -870916 104 30 482,20 -13 30786 -22318 47 20
pares CVS / WAG -639632 -0.08 -0.38 -915779 98 34 500,79 -13 39031 -29913 54 19
DAL / AMR -635213 -0.07 -0.34 -764648 116 35 723,75 -8 36.853 -28616 41 17
DD / DOW 2.122 0.01 0.00 -554597 98 43 588,57 0 36763 -27766 45 20
FNM / FRE -520110 -0.13 -0.34 -954381 113 35 802,05 -6 27629 -22193 42 18
GM / F 468.689 0.08 0.27 -310006 91 41 617.00 7 52745 -28927 56 17
KO / PEP -1054047 -0.18 -0.56 -1095996 118 31 624,47 -14 36329 -29546 44 17
MOT / TXN -125835 -0.04 -0.07 -669719 101 37 391.00 -3 47303 -29500 51 17
MSFT / INTC 820.567 0.13 0.42 -376788 88 43 456,51 20 61,488 -30945 56 17
PFE / MRK -420003 -0.12 -0.24 -512535 106 37 623,27 -6 37001 -27463 46 18
VZ / SBC -726397 -0.31 -0.47 -886050 113 41 742,97 -9 21697 -26148 36 20
WMT / HD -217049 0.01 -0.13 -709965 86 41 521,10 -5 30.033 -25378 54 21
XOM / BP -335730 -0.10 -0.19 -674743 104 30 675,33 -5 46867 -24377 50 19
RD / SC -373030 -0.13 -0.32 -684225 118 37 1355.75 -3 21.058 -18323 38 17
UN / UL -769393 -0.26 -0.67 -1093412 118 36 1080.47 -6 17.025 -20152 37 19
Mercancía XAU / GC -619005 -0.13 -0.38 -895148 103 34 538,02 -11 32110 -25783 47 20
frente de
la XOI / CL 545.249 0.09 0.32 -354964 88 42 701,80 9 52168 -27156 57 18
Promedi
o -40673 -0.04 -0.07 -676424 99 38 674,93 -20 44.390 -27321 49 19
5,000,000
4,000,000
3.000.000
2,000,000
Equida

1.000.000
0
-1000000
-2000000
 Ene-
Ene-

Ene-
Ene-
Ene

Ene-

Ene-
Ene-

Ene-
Ene
Ene

-92

-93
-91

Dic-
97
95

00
98
96

01
94

99

01
Ene-
90
Estadísticas de la cartera
Beneficio
neto: -1220189 El ratio de Sharpe: -0.10
Correlación con el
drawdown: -5606897 desglose: 0.84
Correlación con el 10-40
K-cociente: -0.10 MA: 1.00
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURA 9. 2 0 una

Mover Estrategia cruce de media aplicada a los Mercados valor relativo. La media móvil de cruce no genera
beneficios en nuestros mercados de valor relativo.
 BreakdownStatistics (RelativeValue)
10 dí a s /
40 da yD ual Mo vin gA ve ra ge C ro sso ver

274
SystemName:
parámetros: 10dayaverage, 40dayaverage

Ent er longw hen10d ayaver agec

Descripción: r ossesabove
40 dayaverage, shortoncrossbelow
1/1 /
RunDates: Breakdownb 1990 /12 /31 /2
001
Merca Sector
y do
Mercado Promedio Promedio Promedio Promedio Promedio Promedio Avg.Profit Promedi Promedio Avg.Bars Avg.Bars
Sector K- Ratio de o
NetProfit MaxDD NumTrades %Ganar PerContract Ganar Pérdida Ganar Pérdida
55964 proporción
-0.04 Sharpe
0.01 -743774 100 37 1 46999 -27502 47 20
tarifas
Crédito 754.249 0.12 0.28 -325103 89 43 187 67146 -31909 54 19
Volatilidad -1209060 -0.51 -0.85 -1421540 133 31 -957 15,644 -20612 36 dieciséis
Mercancía 313.735 0.04 0.15 -584934 88 39 5 54824 -29363 55 21
Índice bursátil 1,124,456 0.17 0.57 -291140 81 43 10 73789 -31616 61 18
StockPairs -344905 -0.09 -0.23 -738251 105 37 -4 36174 -26104 47 18
Foto / Comm. -36878 -0.02 -0.03 -625056 96 38 -1 42139 -26470 52 19
Rentabilidad ventanas
PerformanceBreakdownbyYear Por
Número de Num.ofProfitable ciento
Y ear N e t Pr
of i tK -
r at i o
S har pe
R at i o
Año NetProfit relación K Ratio de Sharpe Longitud ventanas ventanas Rentable
19902, 905, 0260. 722. 24
1996 -1254119 -0.32 -1.12 1 mes 144 75 52.08%
19911, 245, 4670. 381. 54
1997 -408.494 -0.36 -0.44 3 meses 142 60 42.25%
1992- 789, 412- 0. 42- 0. 85
1998 -960.937 -0.07 -0.73 6 meses 139 52 37.41%
1993- 1, 058, 896- 0. 29- 1. 31
1999 -472.557 -0.37 -0.34 12 meses 133 51 38.35%
19 9 45 2 8,3 64 0.1 1 0.5 7
2000 3.833 -0.10 0.00 18 meses 127 37 29.13%
1995- 267, 371- 0. 21- 0. 38
2001 -690.205 -0.19 -0.57 24 meses 121 32 26.45%
3,500,000 NetProfitbyYear
3.000.000
2,500,000
2,000,000
1,500,000
1.000.000

neto
Beneficio
500.000
0

1990 1991 1992 -500000 1993 19951994 1996 1997 1998 1999 2000 2001
-1000000

© Kestner Reservad
-1500000 Año 2002Lars AllRights o

FIG UR E9.20b

ValueMarkets.
TheMovingAverageCrossoverdoesno generar
profit son ou rrela ti ve value m arket s.
t
CAPÍTULO 9 Nuevas ideas de los mercados 275

Trading Estrategia de Evaluación (valor relativo)

Nombre
estrategia: 80 días impulso
80 días desencadena el impulso entradas y
parámetros: salidas
Comprar si el cierre de hoy> cierre de hace 80 días; de salida si el cierre de hoy <cierre
Descripción: de hace 80 días
Fechas de
ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barr Barr
K- Sharpe de % Avg. Lucro Avg. Avg. as as
Mercad Beneficio propor Propor Vientos Gan Gana Gan Pérd
o neto ción ción Max DD alisios ar hrs (000) Por Con. r Pérdida ar ida
rendimiento 2'S-10 1,598,921 0.22 0.74 -304380 126 48 337.99 20 30.429 -15267 34 9
Curva 2'S-5 de 1,081,213 0.07 0.56 -505268 150 49 452,04 5 23513 -17712 26 11
de 10'S-30 154.568 0.02 0.07 -528680 139 48 530,64 2 26139 -22141 31 12
10/02/30 Fly 152.731 0.00 0.08 -602579 162 44 531,36 0 26083 -20317 29 9
márgenes de dieci
Crédito conversión 182.470 0.05 0.08 -381030 116 42 8.09 207 28971 -18285 40 séis
Los
diferenciale Alto
s rendimiento 1,291,257 0.10 0.39 -327797 132 37 177.15 56 56061 -17372 40 12
Volatilidad VIX -2837330 -0.68 -1.70 -2868450 338 33 9.55 -878 7736 -16368 9 9
Mercancía C/W 761.821 0.07 0.35 -467571 153 43 632,10 8 34.167 -17579 32 11
S / BO 194.277 0.05 0.09 -417228 130 42 1057.02 1 33132 -21153 36 15
S / SM -285581 0.00 -0.15 -568181 127 33 1317.94 -2 32.758 -19613 47 12
GC / SL -155902 -0.04 -0.09 -580746 191 45 894,22 -1 17204 -15888 23 10
Valores SPX / NDX 397.073 0.05 0.18 -322208 111 40 940,07 4 38972 -19116 52 11
Índices SPX / RUT 470.634 0.08 0.20 -420990 93 38 1641.69 3 48073 -22318 59 17
Valores BSC / MER -607555 -0.16 -0.38 -1033974 224 45 482,41 -6 13.234 -16106 18 9
pares CVS / WAG -1156259 -0.28 -0.60 -1490565 194 35 519,41 -14 17.955 -20379 20 12
DAL / AMR -1948703 -0.41 -0.97 -1977362 192 31 689,68 -15 15337 -21580 20 13
DD / DOW -1116598 -0.31 -0.68 -1257664 216 35 613,82 -9 16.836 -16988 19 11
FNM / FRE -1487381 -0.50 -0.84 -1512468 273 40 803,15 -7 11.405 -16595 13 9
GM / F 56101 -0.04 0.03 -623073 160 43 603,77 0 23377 -17605 30 10
KO / PEP -722894 -0.07 -0.41 -813292 199 37 627,61 -6 20,310 -17489 21 11
MOT / TXN -208515 -0.01 -0.12 -638139 173 39 372,52 -3 23565 -16785 32 8
MSFT / INTC 331.365 0.08 0.17 -284276 137 45 442,49 5 32612 -22227 36 11
PFE / MRK -596030 -0.11 -0.29 -881903 179 41 635,74 -6 16.926 -18237 23 12
VZ / SBC -1598256 -0.25 -0.97 -1686266 203 32 735,05 -11 15.384 -18828 21 12
dieci
WMT / HD -1001829 -0.22 -0.58 -1066840 242 41 505,46 -8 12,121 -15603 séis 10
XOM / BP -397610 -0.07 -0.22 -804598 166 34 712,02 -3 25.474 -16583 31 11
RD / SC -1170134 -0.42 -0.78 -1249398 314 46 1335.60 -3 9.005 -14965 12 8
UN / UL -1635764 -0.44 -1.16 -1698036 403 41 1079.29 -4 8.963 -12940 9 6
Mercancía XAU / GC -740196 -0.14 -0.44 -923104 191 41 536,62 -7 15,446 -17333 23 11
XOI /
frente de la CL -321520 -0.09 -0.18 -510848 171 37 686.32 -3 22517 -17221 30 10
Promedi
o -377188 -0.12 -0.25 -891564 187 40 663,69 -22 23.457 -18020 28 11
4,000,000
2,000,000
0
Equidad

-2000000
-4000000
-6000000
-8000000
-10000000
-12000000
Dic-01
Ene-
Ene-

Ene-

Ene-

Ene-

Ene-
Ene

Ene-

Ene-
Ene

Ene

-93
-91

-92

01
94

95

96

97

98

99

00
Ene-
90

Estadísticas de la cartera
 Beneficio
neto: -11315626 El ratio de Sharpe: -0.92
Correlación con el
Disposición: -13187360 desglose: 0.64
Correlación con el 10-40
K-cociente: -0.39 MA: 0.57
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 9. 2 1 una

Estrategia de impulso Aplicado a los mercados relativas de valor. Al igual que otras estrategias de seguimiento de
tendencias, la estrategia de momentum no produce ganancias en los mercados de valor relativo.
276
BreakdownStatistics (RelativeValue)
SystemName: 80daymomentum
parámetros: 80daymomentumtriggerentriesandexits
Descripción: Buyiftoday'sclose> closeof80daysago; exitiftoday'sclose <closeof80daysago
RunDates: 1/1 / 1990/12/31/2001
BreakdownbyMarketSector
Mercado Promedio Promedi Promedio Promedio Promedio Promedi Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
o
K- Ratio de o
Sector NetProfit MaxDD NumTrades %Ganar PerContract Ganar Pérdida Ganar Pérdida
746.858 proporció
0.08 Sharpe
0.36 -485227 144 47 7 26.541 -18859 30 11
tarifas
Crédito 736.864 0.07 0.24 -354414 124 40 131 42.516 -17829 40 14
Volatilidad -2837330 -0.68 -1.70 -2868450 338 33 -878 7736 -16368 9 9
Mercancía 128.654 0.02 0.05 -508432 150 41 1 29315 -18558 34 12
Índice bursátil 433.854 0.07 0.19 -371599 102 39 3 43522 -20717 55 14
StockPairs -884004 -0.21 -0.52 -1134524 218 39 -6 17.500 -17527 21 10
Foto / Comm. -530858 -0.12 -0.31 -716976 181 39 -5 18982 -17277 26 10

PerformanceBreakdownbyYear Num.of Porcentaje NumberofProfitable

YearNetProfit K- Ratio de Año NetProfit relación K Ratio de Sharpe Longitud ventanas ventanas rentable
19901,072,852 0.30 0.72 1996 -1815839 -0.57 -1.36 1 mes 144 59 40.97%
1991274.104 0.02 0.35 1997 -614.527 -0.45 -0.83 3 meses 142 39 27,46%
1992-1619518 -0.59 -2.06 1998 -2362500 -0.40 -1.68 6 meses 139 31 22.30%
1993-2120367 -0.73 -2.42 1999 -1492126 -0.83 -2.10 12 meses 133 19 14.29%
1994-165300 -0.10 -0.22 2000 -114.684 -0.22 -0.13 18 meses 127 13 10,24%
1995-1282332 -0.38 -1.35 2001 -1078488 -0.16 -0.97 24 meses 121 7 5,79%
1
,
5
NetProfitbyYear
0
0
,
0
0
0

1
.
0
0
0
.
0
0
0

5
0
0
.
0
0
0

199 199
- 500000
1990 1991 2 3 1994 1995 1996 1997 1998 1999 2000 2001

Beneficio neto
-
2
5
0
0
0
0
0
-

Año © 2002LarsKestner-AllRightsReserved

FIGURA 9.21b
Impulso StrategyAppliedtoRelativeValueMarkets.Likeothertrendfollowingstrategies, theMomentumStrategydoesnotproduceprofitsonrelativevalue
mercados.
CAPÍTULO 9 Nuevas ideas de los mercados 277

RSI se elevó por encima de 65. En consecuencia, entramos en corto. A mediados

de julio, después de actividad cortada del precio, el mercado de difusión comenzó
a declinar y el RSI cayó por debajo de 35. En el punto cerramos nuestra posición
corta y larga entramos.
El rendimiento de un RSI de 14 días aplicado a nuestros mercados de valor
relativo (Figuras 9.24a y 9.24b) es incluso mejor que el de 14 días lento
estocástico% K. La estrategia de RSI de 14 días es rentable en 8 de 12 años,
generando un ratio de Sharpe de 0,34 y una relación K de 0,16. Once de los 15
pares de valores son rentables.

Diferencia de 100 días de media móvil

El uso de la estrategia tradicional anterior, los resultados muestran que la mayoría
de nuestros 30 mercados de valor relativo no responden bien al seguimiento de
tendencia estrategias, y todos ruptura del canal which-, moviéndose cruce de media,
y dinero impulso perdido. Las dos estrategias de contratendencia lento
estocástico% K y dinero RSI a medida. Esto alimenta en nuestra teoría de que el
uso de estrategias de contratendencia y la tendencia de agotamiento tenga un buen
rendimiento cuando se realicen dos o más mercados que son sustitutos naturales.
Ahora introducimos la primera de las dos nuevas estrategias diseñadas para
tomar ventaja de esta reversión a la media en los mercados de valor relativo. En las
estrategias de negociación contratendencia, queremos entrar en posiciones cortas
cuando los precios aumentan rápidamente. Cuando los precios caen rápida-mente,
queremos entrar en posiciones largas. La primera estrategia introducimos
normaliza la diferencia entre el cierre de hoy y el promedio móvil de 100 días de
hoy. En primer lugar, se resta de la media móvil de 100 días desde el cierre de hoy.
A continuación, se divide este valor por la desviación estándar de los últimos 100
cambios en los precios, para normalizar este valor en todos los mercados. El
resultado es una estadística que mide la desviación de una media a largo plazo.
100 días = Estadística (Cerrar menos 100 días de media móvil de cierra) /
desviación estándar de 100 días de los cambios de
precios
entradas largas se introducen cuando el stat de 100 días cae por debajo de -
2,5, mientras que las posiciones cortas se establecen cuando esta estadística se eleva
por encima de 2,5. entradas largas son la salida de opinión cuando el stat de 100
días se eleva por encima de cero, y las entradas cortas se apagan cuando la
estadística de 100 días cae por debajo de cero.
Aplicamos esta estrategia de negociación con el VIX en el gráfico de la figura
9.25. A medida que el VIX se eleva por encima de su promedio móvil de 100 días
a finales de octubre, la estadística de 100 días se eleva por encima de 2,5 y entramos
corto. A medida que los retiros del mercado a finales de noviembre, la estadística
de 100 días cae por debajo de cero y salir de nuestra posición corta. El descenso en
Contin-UES hasta mediados de febrero, cuando la estadística de 100 días cae por
debajo de -2.5. En este punto entramos largo, saliendo aproximadamente un mes
más tarde, cuando la estadística de 100 días se eleva por encima de cero.
Nuestro proceso de creatividad y pensamiento parece frutos en esta nueva
estrategia (Figuras 9.26a y 9.26b). Nuestra nueva estrategia produce un ratio de
Sharpe de 0,49 y una relación K de 0,24, ganar dinero en 8 de los 12 años
analizados. mejor desempeño
 Trading Estrategia de Evaluación (valor relativo)
Nombre estrategia: 14 día del estocástico lento% K
parámetros: 14 días en el cálculo estocástico
Introduzca largo cuando% K cruza por encima de 20, entrar en corto cuando% K
Descripción: cruza por debajo de 80
Fechas de
ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barr Barra
Sharpe de % Avg. Lucro Avg. Avg. as s
K-
Beneficio propor Propor Vientos Ga Gana Pérdi
Mercado neto ción ción Max DD alisios nar hrs (000) Por Con. Ganar Pérdida r da
rendimien
to 2'S-10 -431043 -0.03 -0.19 -802730 134 63 331,63 -5 25.580 -48865 14 34
ses
enta
y
cinc
Curva 2'S-5 de 12939 0.02 0.01 -564970 130 o 448,12 1 23.347 -43260 15 38
de 10'S-30 -243842 0.01 -0.12 -584754 140 60 562,62 -3 22,949 -39003 13 34
10/02/30 Fly 251.105 0.11 0.12 -436515 138 67 550,23 6 22.692 -36438 15 34
márgenes de
Crédito conversión -258440 -0.08 -0.12 -952000 156 69 9.20 -163 20.243 -48989 13 33
Los
diferencial Alto
es rendimiento -2227816 -0.15 -0.71 -2433675 114 59 161.89 -115 28.550 -85831 14 43
Volatilidad VIX 1,630,490 0.35 1.04 -196700 151 70 9.74 1.137 23608 -18472 14 33
Mercancía C/W -1436564 -0.17 -0.68 -1507073 116 53 653,40 -19 25006 -53772 14 40
ses
enta
y
cinc
S / BO 126.292 0.03 0.06 -919659 140 o 1034.15 1 28363 -50229 12 38
S / SM 1,308,262 0.34 0.67 -301258 138 70 1351.50 7 29461 -37168 15 39
GC / SL -42328 0.08 -0.02 -370748 129 60 919,19 0 24716 -37096 14 39
ses
enta
y
cinc
Valores SPX / NDX -848315 -0.04 -0.43 -962276 119 o 1039.21 -7 25355 -66630 14 46
Índices SPX / RUT -1570349 -0.25 -0.73 -1809982 119 58 1762.10 -7 25862 -65263 13 42
Valores BSCMER 762.514 0.14 0.52 -385941 148 62 494,78 10 24575 -26843 13 32
pares CVS / WAG 91830 0.01 0.06 -507461 133 64 502.50 2 23449 -39007 15 37
DAL / AMR -329084 -0.08 -0.19 -691774 141 61 716,94 -3 23358 -42409 14 33
DD / DOW -310596 -0.03 -0.18 -787042 132 55 581,90 -3 23727 -33680 15 33
FNM / FRE 746.079 0.19 0.47 -486780 146 67 813.01 6 21864 -28716 15 32
GM / F -435620 -0.08 -0.24 -843491 137 66 611,91 -5 21885 -52602 14 38
KO / PEP 817.982 0.17 0.47 -362845 148 70 616,67 9 22.351 -32879 15 34
ses
enta
y
cinc
MOT / TXN -66903 -0.02 -0.04 -648838 133 o 392,91 -1 23642 -44858 15 38
ses
enta
y
cinc
MSFT / INTC -424326 -0.06 -0.21 -896248 131 o 435.00 -7 25579 -56471 13 41
PFE / MRK 890.074 0.19 0.48 -419406 142 68 631,87 10 26599 -36188 14 37
VZ / SBC 1,670,054 0.59 1.12 -177808 156 74 726,25 15 23.507 -26419 14 33
ses
enta
y
cinc
WMT / HD 843.196 0.14 0.48 -301772 133 o 522,28 12 25.475 -28710 15 37
XOM / BP 1,176,590 0.26 0.68 -245756 143 71 691,75 12 25.990 -34894 15 36
diecis
RD / SC 1,066,086 0.48 0.74 -249644 135 69 1403.40 6 21.723 -22387 éis 35
UN / UL 517.295 0.30 0.45 -185845 142 63 1106.89 3 16.743 -19030 15 32
Mercancía XAU / GC 970.459 0.28 0.52 -251713 148 66 542.11 12 25.546 -30612 13 34
frente de
la XOI / CL 666.767 0.24 0.34 -439655 149 67 675,61 8 22.639 -30340 13 33
ses
enta
Promedio 164.093 0.10 0.14 -657479 137 y 676,63 31 24146 -40569 14 36
 cinc
o
8,000,000
6,000,000
4,000,000
Equidad

2,000,000
0
-2000000
-4000000

Ene-
Ene-
Ene-

Ene-

Ene-
Ene
Ene

Ene-
Ene

Ene
Ene
-92
-91

-94

-95

Dic-
-93

00
99
96

97

98

01

01
Ene-
90

Estadísticas de la cartera
Beneficio
neto: 4,922,788 El ratio de Sharpe: 0.40
Correlación con el
drawdown: -2579686 desglose: -0.69
Correlación con el 10-40
K-cociente: 0.21 MA: -0.61
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 9. 2 2 A

Estocástico Estrategia Aplicada a los mercados relativas de valor. Esta estrategia contra tendencia parece
prometedor.

278
 BreakdownStatistics (RelativeValue)

SystemName: 14daySlow% KstochasticsParameters: 14daysinstochasticcalculationDescription: Enterlongwhen% Kfallsbelow20, entershortwhen% Krisesabove80RunDates: 1/1/1990/12/31 /

2001BreakdownbyMarketSector

Mercado Promedio Promedio Promedio Promedio Promedio Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sector NetProfit K- Ratio de MaxDD NumTrades %Ganar PerContract Ganar Pérdida Ganar Pérdida
proporció Sharpe
0.03 136 64 0 23642 14 35
tarifas -102710 -0.05 -597242 -41892
Crédito -1243128 -0.12 -0.41 -1692838 135 64 -139 24396 -67410 14 38
Volatilidad 1,630,490 0.35 1.04 -196700 151 70 1.137 23608 -18472 14 33
Mercancía -11085 0.07 0.01 -774685 131 62 -3 26887 -44566 14 39
Índice bursátil -1209332 -0.15 -0.58 -1386129 119 61 -7 25.609 -65946 14 44
StockPairs 467.678 0.15 0.31 -479377 140 66 4 23.364 -35006 14 35
Foto / Comm. 818.613 0.26 0.43 -345684 149 67 10 24092 -30476 13 33
ProfitabilityWindows

Númer Num.ofProfi Por

PerformanceBreakdownbyYear o de ciento
table
Año NetProfit K-proporción Ratio de Año NetProfit K- Ratio de Longitud ventanas ventanas Rentable
1990 -2173105 -0.47 Sharpe
-1.55 1996 1,786,731 proporció
0.50 Sharpe
1.50 1 mes 144 83 57,64%
1991 413.225 0.24 0.56 1997 864.950 0.68 1.63 3 meses 142 89 62.68%
1992 726.201 0.28 1.03 1998 2,002,389 0.34 1.19 6 meses 139 93 66.91%
1993 1,917,103 0.49 2.39 1999 866.062 0.36 0.66 12 meses 133 90 67,67%
1994 -1152919 -0.19 -1.26 2000 -283086 -0.08 -0.25 18 meses 127 88 69.29%
1995 771.759 0.54 1.59 2001 -814727 -0.24 -0.91 24 meses 121 96 79.34%
2,500,000 Red Profitby Año
2,000,000
1,500,000
1.000.000
500.000
0
1 19 200 20

neto
Beneficio
-500000 9 1991 1992 1993 94 1995 1996 1997 1998 1999
9 0 01
-1000000
-1500000
-2000000

-2500000 Año © 2002Lars Kestner-All Derechos reservados

FIGUR E 9.2 2b

279
estocástic Estrategi
o a AppliedtoRelativeValueMarkets.Thiscountertrendstrategyshowssomepromise.
280 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 9. 2 3

RSI Estrategia Aplicada a Two's-10 Diferencia Rendimiento de. Nuestra estrategia RSI parece identificar partes
superiores e inferiores en el rendimiento DIF-ferencia entre dos años y diez años notas.

es aportado por la volatilidad de comercio, los pares de valores, y el precio relativo

entre materias primas y acciones subyacentes. Trece de los 15 pares de valores generan
ganancias. Los diferenciales de crédito y el rendimiento relativo de los índices
bursátiles realizan muy mal.

Diferencia entre 10 y 40 días de media móvil

Nuestro segundo método de determinación de agotamiento precio compara el valor
de un promedio móvil de 10 días con el valor de una media móvil de 40 días.
Cuando los precios se mueven demasiado rápido, el promedio móvil de 10 días se
separará de la media móvil de 40 días. Esto se debe a que el promedio móvil de 10
días es más sensible a los cambios de precios recientes que el promedio móvil de
40 días.
10/40 = stat (10 días de media móvil - media móvil de 40 días) / 100 días
desviación stan-dard de los cambios de precios
entradas largas se establecen cuando el 10/40 stat cae por debajo de -2 y son
la salida de opinión si el 10/40 estadística se eleva por encima de cero. entradas
cortas se establecen cuando la estadística se eleva por encima de 10/40 2 y se sale
si el 10/40 stat cae por debajo de cero.
 Trading Estrategia de Evaluación (valor relativo)
Nombre estrategia: 14 días RSI
parámetros: 14 días en el cálculo RSI
Escribir un tiempo cuando% K cae por debajo de 35, entrar en corto cuando% K
Descripción: sube por encima de 65
Fechas de ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barr Barra
Sharpe de % Avg. Lucro Avg. Avg. as s
K- Viento
Beneficio propor Propor s Ga Pérdid Gan Pérdi
Mercado neto ción ción Max DD alisios nar hrs (000) Por Con. Ganar a ar da
rendimien
to 2'S-10 -609085 -0.08 -0.28 -843098 38 68 333.90 -43 47.456 -148254 43 149
Curva 2'S-5 de -477333 -0.02 -0.24 -772165 22 77 466,09 3 60508 -198631 69 313
de 10'S-30 -488435 -0.05 -0.25 -623410 36 64 549,78 -23 34248 -95138 46 145
10/02/30 Fly 634.684 0.12 0.35 -379502 38 79 521,51 40 58090 -119783 44 201
márgenes de
Crédito conversión -316740 -0.10 -014 -824000 46 52 8.51 -829 45.356 -64240 33 101
Los
diferencial Alto
es rendimiento -1604259 -0.15 -0.58 -2226217 41 66 156.81 -245 40340 -190312 46 123
Volatilidad VIX 1,281,900 0.27 0.74 -238590 31 94 10,44 4,007 45661 -13855 79 350
Mercancía C/W -648977 -0.09 -0.31 -820507 35 57 632,78 -29 42901 -99676 63 114
S / BO 77456 -0.02 0.04 -827388 47 66 1050.48 2 45854 -83894 42 105
S / SM 31405 0.02 0.02 -419270 42 64 1257.49 1 45041 -78663 44 121
GC / SL 7,349 0.04 0.00 -474796 35 57 918,92 2 42601 -52415 54 131
Valores SPX / NDX -785311 -0.06 -0.37 -903505 37 41 1103.39 -19 64145 -78417 35 112
Índices SPX / RUT -577918 -0.08 -0.26 -861609 39 56 1777.82 -7 50396 -94560 52 109
Valores BSC / MER 786.386 0.21 0.49 -265189 35 74 502.33 45 46.720 -47983 60 161
pares CVS / WAL -57232 0.01 -0.03 -533965 30 63 529,84 -4 41.087 -76889 78 138
sese
nta y
cinc
DAL / AMR 362.124 0.08 0.20 -354597 40 o 679.98 13 42.784 -53676 61 98
DD / DOW 30.069 0.02 0.02 -364066 31 52 618,47 2 48084 -49285 73 123
FNM / FRE 1,068,405 0.30 0.67 -233334 31 81 745,69 47 53597 -40551 83 97
GM / F -693392 -0.18 -0.40 -782531 32 47 600,24 -33 38573 -70821 52 124
KO / PEP 760.037 0.06 0.43 -493593 38 76 596,38 36 50.818 -72948 47 160
MOT / TXN 146.598 0.02 0.09 -473052 34 62 396,97 13 49556 -66404 54 135
MSFT /
INTC -118065 -0.01 -0.06 -567639 41 63 434,81 -6 48153 -90797 44 120
PFE / MRK 674.809 0.13 0.38 -400978 33 70 631,62 34 52579 -50791 66 142
VZ / SBC 1,329,975 0.34 0,78 -250472 39 82 771,65 43 50356 -44684 54 173
WMT / HD 1,359,504 0.32 0,81 -167166 44 80 560,87 55 46967 -31451 60 100
XOM / BP -348082 -0.03 -0.20 -874051 26 54 702,07 -19 53.295 -91764 43 194
RD / SC 1,108,010 0.37 0.92 -148295 25 84 1506.77 29 60528 -42301 114 146
UN / UL 528.807 0.13 0.55 -94952 14 71 1215.80 32 62957 -23158 232 164
Mercancía XAU / GC 754.181 0.17 0.45 -270368 42 76 554,42 33 39826 -50083 53 116
frente de
la XOI / CL 123.347 -0.01 0.07 -474920 31 68 681,47 8 51918 -91572 58 175
Promedi
o 144.674 0.06 0.13 -565441 35 67 683,91 106 48680 -77100 63 148
5,000,000
4,000,000
3.000.000
Equidad

2,000,000
1.000.000
0
-1000000
-2000000
-3000000
Ene-

Ene-
Ene-

Ene-

Ene-
Ene-

Ene-
Ene-
Ene-

Ene-
Ene-

Dic-
92

93
91

95

01
94

00
99
97

98
96

01
Ene-
90

Estadísticas de la cartera
 Beneficio
neto: 4,340,217 El ratio de Sharpe: 0.34
Correlación con el
drawdown: -2599481 desglose: -0.75
K- Correlación con el 10-40
proporción 0.16 MA: -0.69
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 9. 2 4 A

RSI Estrategia Aplicada a los mercados relativas de valor. Al igual que en la estrategia estocástico, la
Estrategia de RSI también muestra cierta promesa cuando se aplica a los mercados de valor relativo.
281
 SystemName: 14dayRSI BreakdownStatistics (RelativeValue)

282
parámetros: 14daysinRSIcalculation
Descripción: Enterlongwhen% Kfallsbelow 35, entershort cuando Krisesabove65%
RunDates: 1/1 / 1990/12/31/2001 Breakdownby Sector del mercado
Mercado Promedi
Promedio Promedio Promedio Promedio Promedi Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
o
K- o
Sector NetProfit Estafadoració MaxDD NumTrades %Ganar PerContract Ganar Pérdida Ganar Pérdida
-235042 proporció
0.00 -0.11 -654544 34 72 -6 50076 -140452 50 202
tarifas
Crédito -960500 -0.13 -0.36 -1525109 44 59 -537 42848 -127276 40 112
Volitility 1,281,900 0.27 0.74 -238590 31 94 4,007 45661 -13855 79 350
Mercancía -133192 -0.01 -0.06 -635490 40 61 -6 44099 -78662 51 118
Índice -681615 -0.07 -0.32 -882557 38 48 -13 57,270 -86489 43 110
bursátil
StockPairs 462.530 0.12 0.31 -400259 33 68 19 49737 -56900 75 138
Foto / Comm. 438.764 0.08 0.26 -372644 37 72 21 45872 -70828 56 145

Porcentaje
PerformanceBreakdownbyYear Num.of NumberofProfitable

Año NetProfit
K- Ratio de Año NetProfit K- Ratio de Longitud ventanas ventanas Rentable
proporci
-0.39 Sharpe
-0.96 1996 1,840,108 0.55 Sharpe
proporci 1.60 1 mes 144 78 54.17%
1990 -1475248
1991 -813850 -0.27 -1.11 1997 -147722 -0.01 -0.20 3 meses 142 82 57.75%
1992 757.832 0.29 0.91 1998 1,302,115 0.09 0.72 6 meses 139 85 61.15%
1993 763.636 0.26 0.95 1999 1,047,145 0.60 30.28 12 meses 133 91 68,42%
1994 -912351 -0.16 -0.92 2000 -274147 -0.02 -0.30 18 meses 127 91 71.65%
1995 1,455,162 0.82 2.20 2001 795.685 0.14 0.82 24 meses 121 102 84.30%
Red Profitby Año
2,500,000

2,000,000
1,500,000

1.000.000

neto
500.000
0

Beneficio
-500000 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
2001
-1000000

-1500000

-2000000 Año © 2002 LarsKestner- Todos losReservado

FIGURA 9.24b
RSIStrategy AppliedtoRelativeValueMarkets.SimilartotheStochasticStrategy, theRSIStrategyalsoshowssomepromisewhenappliedtorelativevalue
mercados.
CAPÍTULO 9 Nuevas ideas de los mercados 283

FIGURA 9. 2 5

Diferencia de 100 días de media móvil Estrategia Aplicada a la VIX. Esta estrategia oscilador
parece identificar correctamente partes superiores e inferiores en el VIX.

Se aplica esta estrategia de intercambio de cinco años se extiende en la Figura

9.27. Entramos largo a principios de agosto como el 10/40 stat cae por debajo de -
2. Longs se sale como el 10/40 estadística se eleva por encima de cero a mediados
de septiembre. Una posición corta se estableció a finales de septiembre como las
subidas 10/40 estadísticas anteriores 2. Esta posición corta está cubierto sólo unos
pocos días más tarde como el 10/40 stat cae por debajo de cero.
Comercio basado en la diferencia entre el de 10 días y 40 días de media no
produce buenos resultados en los mercados de valor relativo (Figuras 9.28a y
9.28b) en movimiento. Entre los sectores más fuertes son la volatilidad y de valores
pares. Operando en 11 de los 15 pares de valores es rentable. Lo más interesante es
el hecho de que el rendimiento parece estar mejorando drásticamente con el tiempo.
Después de cada formador de mal en 1990 y 1991, la estrategia de promedio / 40
días 10 días tiene beneficios pro-dujo en ocho de los últimos diez años. De hecho,
el año más rentable fue 2001. Estos resultados sugieren que a pesar de su mediocre
desempeño en general, el / los 40 días estrategia de agotamiento promedio de 10
días puede realizar excelentemente en el futuro.

Nuevos mercados, nuevas oportunidades

Las estrategias de este capítulo en su mayoría confirman nuestra teoría de que los
mercados de valor relativo introducidas y estudiadas no son propensos a las
tendencias. las estrategias de seguimiento de tendencias no tuvieron mucho éxito,
especialmente cuando se aplica a los pares de valores y la volatilidad
 La estrategia de comercio Evalution (valor relativo)
Nombre estrategia: Diferencia con el promedio móvil de 100 días
parámetros: 100 días promedio
Introduzca largo cuando stat cae por debajo de -2.5, corta cuando estadística se eleva por
Descripción: encima de 2,5, plana en cruces de cero
Fechas de ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Prom Promedi Barr Barr
Sharpe de % Avg. Lucro edio o as as
K- Viento
Merca Beneficio propor Propor s Ga Gan Gan Pérd
do neto ción ción Max DD alisios nar hrs (000) Por Con. ar Pérdida ar ida
-
rendimient sesenta
o 2'S-10 -1134921 -0.11 -0.59 -1204453 42 64 344,28 y cinco 28,033 -113011 20 116
Curva 2'S-5 de -594457 0.00 -0.33 -753424 52 77 473,11 5 29564 -87367 14 117
de 10'S-30 -349637 -0.03 -0.18 -510610 51 69 553,25 -13 25.735 -78490 21 94
10/02/30 Fly 246.082 0.12 0.14 -298542 55 71 563,96 13 34932 -60409 21 87
márgenes de
Crédito conversión -402790 -0.14 -0.19 -935543 47 64 8.88 -990 28,092 -73855 24 98
Los
diferencial Alto
es rendimiento -1284717 -0.15 -0.42 -2031543 47 70 161.90 -167 32905 -168167 27 121
Volatilidad VIX 1,714,990 0.50 1.35 -181930 75 89 10.33 2.226 28171 -20388 20 39
Mercancía C/W -613350 -0.07 -0.30 -1128894 53 72 659,04 -17 27,501 -110259 24 99
S / BO -75430 -0.04 -0.04 -651336 54 67 1074.36 -1 32078 -67646 21 94
S / SM 303.967 0.05 0.20 -339716 49 69 1328.22 4 34305 -58340 27 102
GC / SL 155.061 0.05 0.09 -489064 55 71 925,57 4 25151 -49903 29 69
Valores SPX / NDX -855891 -0.13 -0.44 -964684 45 62 1046.11 -18 24.901 -91741 28 101
Índices SPX / RUT -1001906 -0.22 -0.46 -1356563 44 61 1759.93 -12 29509 -100600 27 110
Valores BSC / MER 519.432 0.21 0.40 -254041 59 75 474,88 19 24346 -36786 21 90
pares CVS / WAG 208.054 0.07 0.14 -406696 55 69 517,45 13 27883 -41296 27 70
DAL / AMR 1,440,848 0.36 0.87 -211296 64 83 717,52 31 34060 -35737 25 87
dieciséi
DD / DOW 571.262 0.21 0.42 -282302 62 71 607,79 s 27185 -33992 20 78
sesent
ay
FNM / FRE 1,129,884 0.44 0.80 -233334 cinco 78 792,26 22 29087 -25255 18 77
GM / F -393804 -0.13 -0.24 -496060 47 55 604.50 -11 25639 -47256 21 86
sesent
ay
KO / PEP 896.749 0.18 0.56 -244555 cinco 78 614,29 22 31055 -49075 20 87
MOT / TXN 168.111 0.02 0.10 -416846 58 69 389,25 7 26558 -49678 22 87
MSFT / INTC -419078 -0.15 -0.25 -597389 50 68 439,37 -19 31.522 -92671 25 106
PFE / MRK 609.396 0.14 0.36 -426076 60 72 634,18 17 29805 -37977 19 85
VZ / SBC 1,450,517 0.45 1.12 -197344 78 85 747,73 25 29.028 -38777 19 81
WMT / HD 828.545 0.13 0.54 -284742 62 76 528,08 25 28.955 -35605 20 84
XOM / BP 188.769 0.04 0.12 -467208 51 69 720,35 5 32697 -59727 18 104
RD / SC 895.407 0.59 0.88 -123405 63 84 1381.72 10 22318 -29360 22 74
UN / UL 843.961 0.50 1.04 -115600 61 85 1154.13 12 19.518 -18101 20 77
XAU /
Mercancía GC 535.617 0.15 0.37 -250630 53 70 537,65 19 26.429 -27642 30 83
frente de
la XOI / CL 151.710 0.09 0.09 -397009 55 76 681,63 6 28408 -73957 19 119
Promedi
o 191.079 0.10 0.21 -541693 56 72 681,72 40 28512 -60436 22 91
7.000.000
6,000,000
5,000,000
4,000,000
Equidad

3.000.000
2,000,000
1.000.000
0
-1000000
-2000000
-3000000
Ene-
Ene-

Ene-
Ene-
Ene-

Dic-01
Ene-
Ene-

Ene-
Ene-
Ene-

Ene-
95
93

94
92
91

01
99

00
98
96

97
Ene-
90

Estadísticas de la cartera
Beneficio
neto: 5,732,381 El ratio de Sharpe: 0.49
 Correlación con el
drawdown: -2620449 desglose: -0.80
Correlación con el 10-40
K-cociente: 0.24 MA: -0.70
© 2002 Lars Kestner - Todos los derechos reservados

FIGURA 9. 2 6 una

Diferencia de 100 días de media móvil estrategia aplicada a los Mercados valor relativo. Esta estrategia produce
operaciones muy rentables.

284
 BreakdownStatistics (RelativeValue) D
i
f
f
e
r
e
n
c
e
f
r

1
SystemName: 0
0
d
a
y
a
parámetros:
Descripción:
RunDates: BreakdownbyMarketSector
Mercado Promedio Avg.Bars Avg.Bars
Sector NetProfit Ganar Pérdida
tarifas -458233 19 103
Crédito -843754 26 109
Volitility 1,714,990 20 39
Mercancía -57438 25 91
Índice bursátil -928899 28 106
StockPairs 595.870 21 85
Foto / Comm. 343.664 24 101
ventanas

Númer Num.ofProfi Por

o de table ciento
Año NetProfit ventanas ventanas Rentable
1990 -1435256 75 52.08%
1991 -416993 97 68.31%
1992 1,230,722 97 69.78%
1993 1,151,305 100 75.19%
1994 -747535 102 80.31%
1995 1,105,692 106 87.60%
Red Profitby Año
2,000,000

1,500,000
1.000.000

500.000

neto
0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Beneficio
-500000

-1000000

-1500000

-2000000 Año © 2002Lars Kestner-All Derechos reservados

FIGUR SE 9 .2 6b

285
10
Diferencia de 0 -dayMovingAverageStrategyAppliedtoRelativeValueMarkets.Thisstrategyproducesveryprofitabletrades.
286 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 9. 2 7

Diferencia entre 10 días y 40 días de media Estrategia Aplicada a Intercambiar Quinquenal para
untar. Esta estrategia parece oscilador de identificar las tapas y fondos de corto plazo.

mercados. Por otra parte, los diferenciales de crédito y los rendimientos relativos
de los índices bursátiles parecen a la tendencia, como se indica por el sólido
desempeño del canal de desintegración, así como moverse estrategias promedio de
cruce. mercados de la curva de rendimiento de las materias primas, sub-institutos y
materias primas / Stock demostración del funcionamiento desempeño mixto y sin
propensión a la fuerte tendencia o significan revertir.
Mediante la introducción de nuevos mercados, hemos tropezado con un vasto
mundo de nuevas oportunidades. A diferencia de los mercados de valores y de
futuros, que han sido estudiados ad Nau-seo de las ineficiencias del mercado, estos
nuevos mercados de valor relativo son en gran parte sin explotar y abierto a estudiar
el uso de técnicas cuantitativas de sonido. Aunque el acceso a muchos de estos
nuevos mercados sólo se limita a las instituciones bien capitalizadas-, nuevos
productos pronto podrían permitir la entrada a los inversores individuales más
pequeños.
 Trading Estrategia de Evaluación (valor relativo)
Nombre estrategia: Diferencia entre 10 días y 40 días de media móvil
parámetros: 10 días y de 40 días promedios
Introduzca largo cuando stat cae por debajo de -2, corta cuando estadística se eleva por
Descripción: encima de 2, plana en cruces de cero
Fechas de ejecución: 1/1 / 1990/12/31/2001
# Avg. Avg. Avg.
Barra Barra
Sharpe de % Avg. Lucro Avg. Avg. s s
K- Viento
Beneficio propor Propor s Ga Pérdid Gana Pérdi
Mercado neto ción ción Max DD alisios nar hrs (000) Por Con. Ganar a r da
rendimien
to 2'S-10 -386244 -0.02 -0.21 -534470 48 69 339,29 -21 33629 -96342 24 71
ses
ent
ay
cinc
Curva 2'S-5 de 93182 0.06 0.06 -513780 43 o 450,11 5 39867 -67433 24 60
de 10'S-30 -696499 -0.10 -0.43 -803043 41 59 511,19 -31 26735 -76261 25 63
10/02/30 Fly 593.941 0.27 0.42 -222013 56 70 551,28 24 34244 -35267 22 52
márgenes de
Crédito conversión -67190 -0.03 -0.03 -612000 52 69 8.79 -169 30364 -73143 27 57
Los
diferencial Alto
es rendimiento -1478602 -0.15 -0.59 -2046757 46 54 161.00 -196 41404 -118316 26 73
Volatilidad VIX 777.020 0.59 0.75 -143660 38 76 9.59 2,195 33253 -18281 23 49
ses
ent
ay
cinc
Mercancía C/W -844003 -0.10 -0.45 -1029945 48 o 636,43 -28 29.322 -104021 25 68
S / BO -520143 -0.13 -0.30 -931199 51 55 1044.31 -10 36075 -66533 25 60
S / SM 272.696 0.10 0.16 -346848 52 56 1353.83 4 36318 -33970 27 54
ses
ent
ay
cinc
GC / SL -21406 -0.01 -0.01 -431533 49 o 916,24 1 35678 -65813 28 67
-
dieciséi
Valores SPX / NDX -857526 -0.05 -0.51 -934626 47 55 1097.94 s 36409 -84851 24 67
Índices SPX / RUT -1289499 -0.30 -0.68 -1466584 46 46 1776.70 -15 36.194 -79393 24 67
Valores BSC / MER 587.535 0.24 0.52 -211321 52 71 500,91 22 28278 -31637 28 50
pares CVS / WAG 109.795 -0.01 0.08 -430219 52 69 508,58 4 28195 -56841 25 60
DAL / AMR 373.636 0.05 0.24 -263905 57 61 698,93 9 32.109 -34100 25 47
DD / DOW 138.417 0.07 0.11 -334915 52 63 602,66 4 31267 -47022 23 57
FNM / FRE 469.073 0.21 0.40 -291088 43 74 787,80 14 29959 -43901 22 51
GM / F -551075 -0.17 -0.38 -667152 48 48 605,94 -17 30.348 -47861 22 59
KO / PEP 790.931 0.14 0.61 -228820 53 72 604,02 25 35.575 -37394 22 59
MOT / TXN -186527 -0.07 -0.13 -347539 49 57 390,38 -10 29117 -47705 25 55
MSFT /
INTC -552185 -0.13 -0.34 -823572 50 60 439,76 -25 32319 -75682 28 67
PFE / MRK 206.996 0.03 0.15 -392520 51 63 633,77 6 31519 -42190 21 56
VZ / SBC 374.054 0.22 0.35 -132662 48 67 758,67 10 23.130 -23043 29 46
WMT / HD 415.701 004 0.28 -276679 47 66 545,69 18 31.731 -33202 24 57
XOM / BP -420099 -0.07 -0.31 -688730 46 50 716,13 -13 27.423 -45688 25 54
RD / SC 360.210 0.26 0.56 -207524 36 78 1498.43 7 20.545 -27258 26 47
UN / UL 401.615 0.39 0.74 -81302 25 80 1147.00 14 25.221 -19265 26 45
Mercancía XAU / GC 687.765 0.24 0.53 -231944 59 75 543,08 21 27,767 -35600 25 53
frente de
la XOI / CL -626980 -0.16 -0.48 -747108 37 41 697,32 -24 41537 -56820 21 62
Promedi
o -61514 0.05 0.04 -545782 47 63 684.53 60 31851 -54161 25 58
500.000
0
-500000
-1000000
-1500000
Equi

-2000000
dad

-2500000
 -3000000
-3500000
-4000000
-4500000

Dic-01
Ene-
Ene

Ene

Ene-
Ene

Ene-

Ene-
Ene-

Ene-
Ene-

Ene-
-91

-92

-93

96

97

98

99
94

00
95

01
Ene-
90

Estadísticas de la cartera
Beneficio
neto: -1845411 El ratio de Sharpe: -0.18
Correlación con el
drawdown: -4402173 desglose: -0.85
Correlación con el 10-40
K-cociente: -0.02 MA : -0.86
© 2002 Lars Kestner - todos los Reservad
derechos o

FIGURA 9. 2 8 una

Diferencia entre 10 días y 40 días de Estrategia Aplicada a los mercados relativas de valor. La rentabilidad de
esta estrategia no es tan emocionante como otras estrategias de contra-tendencia.

287
288
BreakdownStatistics (RelativeValue)
SystemName: Differencebetween10dayand 40daymovingaverage
parámetros: 10dayand40dayaverages
Descripción: Enterlongwhenstatfallsbelow -2, Shortwhenstatrisesabove2, flatoncrossesofzero
RunDates: 1/1 / 1990/12/31/2001 BreakdownbyMarketSector

Mercado Promedio Promedio Promedio Promedio Promedio Promedio Avg.Profit Promedio Promedio Avg.Bars Avg.Bars
Sector NetProfit K- Ratio de MaxDD NumTrades %Ganar PerContract Ganar Pérdida Ganar Pérdida
proporció Sharpe
tarifas -98905 0.05 -0.04 -518327 47 66 -6 33619 -68826 24 61
Crédito -772896 -0.09 -0.31 -1329379 49 62 -182 35.884 -95730 26 sesenta y
777.020 0.59 0.75 -143660 38 76 2,195 33253 -18281 23 cinco
49
Volatilidad
Mercancía -278214 -0.03 -0.15 -684881 50 60 -8 34348 -67584 26 62
Índice bursátil -1073513 -0.18 -0.60 -1200605 47 50 -dieciséis 36.302 -82122 24 67
StockPairs 167.872 0.08 0.19 -358530 47 sesenta y 5 29116 -40853 25 54
cinco
Foto / Comm. 30393 0.04 0.03 -489526 48 58 -1 34652 -46210 23 58
ProfitabilityWindows
Num.of
PerformanceBreakdownbyYear Rentable Por ciento
K-Ratio de Sharpe ratio de Año NetProfit relación K Ratio de Sharpe
YearNetProfit ventanas ventanas Rentable
1Month1446847.22
1990-2241580 -0.51 -1.73 0.11 0.57 414 882 1996 %
1991-1516883 -0.95 -2.64 0.28 0.41 311 460 1997 3Months1427150.00%
6Months1396546.76
1992647.696 0.40 0.98 -0.12 0.08 1998 100234 %
12Months1336548.87
199320,588 -0.10 0.03 0.32 1.34 395 401 1999 %
18Months1276450.39
-933,1001994 -1.31 -0.18 -0.09 -0.76 2000 -702768 %
1995286.351 0,35 0,48 0,34 1,49 2001 1.377.482 24Months1216251.24%

2,000,000 NetProfitbyYear
1,500,000
1.000.000
500.000
0

neto
Beneficio
-500000 1990 1991 1992 1993 1994 1995 1996 1997 19 9 81 99 9 20 0 02 00 1

-1000000
-1500000
-2000000

-2500000 Año © 20 02 Lars Kestn er-A llR ig htsR eserv ed

9.28b FIGURA
DifferenceBetween10-
and40-dayStrategyAppliedtoRelativeValueMarkets.Performanceofthisstrategy isnotasexcitingasothercounter-
día trendstrategies.
 CAPÍTULO 10

Invertir en el S & P 500

Beating a comprar y mantener y vuelta utilizando técnicas
cuantitativas

SO ahora, nos hemos centrado en el comercio a corto y medio plazo para los
comerciantes y de mercado profesionales. Además de nuestros deberes
profesionales de comercio, de mercado profesión-ALS tienen ahorros, 401 (k) s, y
otras inversiones. Gran parte de estas inversiones se asignan a los mercados de
valores. En este capítulo vamos a dar un paso atrás de complejos Strate-gías y
empleamos técnicas cuantitativas para analizar a corto y largo plazo se mueve en el
mercado de renta variable estadounidense. Uso de variables macroeconómicas como
las tasas de interés a largo plazo y corto plazo, el desempeño reciente del mercado,
los efectos el día de mes, y el índice de volatilidad, vamos a crear estrategias
comerciales que generan señales para estar bien durante mucho tiempo el mercado
o fuera de la mercado e invirtió en efectivo.

La popularidad de las acciones

No hay escapaba la popularidad de la renta variable en los últimos cinco años. A
partir de la burbuja de las empresas a las personalidades burbujeantes de la CNBC,
las acciones se pusieron de moda entre todos los ámbitos de la vida. La acción de
penique incluso tuvieron su día en el sol, a veces aumento de diez veces en cuestión
de días. Los intercambios fueron rápidos para ofrecer productos a un pub-lic que
tenía el prurito de comercio. Fondos cotizados (ETF), tales como los SPDRs y los
QQQs imitar índices de acciones populares y comercio volúmenes enormes de
dólares al día.
La posterior liquidación de mediados de 2000 hasta la actualidad ha dejado a
algunos inversores sensación tratos físicos, y no estaba de humor para hablar sobre
el mercado de valores. Queramos o no, sin embargo, hay que tomar decisiones sobre
nuestras inversiones y asignar entre acciones, bonos y otras clases de activos. Las
técnicas cuantitativas

289

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
290 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

hemos estudiado a lo largo de este libro puede ayudar a tomar la emoción del
proceso de invertir-ción y reemplazarlo con estrategias probadas con el tiempo
fiables.
Cualquier persona involucrada en los mercados en los últimos cinco años era
probablemente demasiado complicado de entender la euforia asociada con el mercado
increíbles movimientos. Mi conjetura es que cuando el polvo se asiente y el tiempo
empieza a poner de 1998 a 2001, en perspectiva histórica, veremos similitudes
increíbles hasta el final de la década de 1920.
El aumento histórico mercado comenzó con la proliferación de Internet. El
pensamiento popular decía que las nuevas industrias se crearían uso de Internet
como un medio para llegar a los clientes. De hecho, las nuevas industrias enteras
brotaron para tomar ventaja de este milagro tecnológico. Los minoristas en línea
venderían libros, CDs, e incluso tiendas de comestibles a los usuarios a través de
Internet. Las compañías de software construirían estos sitios, el seguimiento
millones de piezas de información, incluyendo los hábitos de compra de los
consumidores y los niveles de inventario en los almacenes. compañías de redes se
hicieron muy visibles como la velocidad y el alcance de las infraestructuras de fibra
óptica necesarios para cruzar océanos y áreas metropolitanas pen-etrate. Al mismo
tiempo, la "vieja economía" stocks que no participan en Internet sufrieron en la
percepción de que los que no están primeros en el mercado en este nuevo mundo
se convertiría en dinosaurios corporativos.
Cualquier cosa involucrada con la tecnología fue galardonado con un fuerte
mercado Capitaliza-ción. portales de Internet, acciones de semiconductores,
equipos de redes ópticas, software Busi-ness-to-business, y los stocks de PC todas
las acciones de sierra se elevan a alturas increíbles. La clave para la mayoría de los
modelos de negocio era penetración en el mercado. La pérdida de dinero para lograr
que la cuota de mercado no era un problema.
Tal vez la historia más sorprendente fue el de Juno, un proveedor de servicios
de Internet. En diciembre de 1999, la cotización de Juno había estado envuelto en
un rango entre $ 15 y $ 20. El 20 de diciembre de prensa de la compañía cambió
cada-cosa. gestión de Juno anunció que ya no iba a cobrar por el acceso a Internet.
Al contrario, debe dar el servicio, con la esperanza de ganar cuota de mercado.
Algunos podrían ver esto como una señal de que la compañía no tenía poder para
fijar precios o que la medida era un intento desesperado de dar la vuelta una
empresa de deslizamiento. Los inversores, sin embargo, no reaccionan de la misma
manera. La acción se recuperó de $ 17 a un máximo de $ 87 durante los tres días
siguientes al anuncio (Figura 10.1). Fue un tiempo increíble, con reacciones
extraordinarias de los inversores.
La volatilidad de las existencias durante este tiempo también fue
sorprendente. Creo que gran parte de la razón de esta volatilidad fue la falta de
experiencia con los precios en los que se comprar y vender acciones.
Cuando los precios del comercio en un rango, los comerciantes tienen experiencia
de compra y venta. Con el tiempo, se enteran de que los compradores intervenir a un
precio, por ejemplo, $ 40, y los vendedores ofrecen acciones a otro precio, digamos $
60. Si este patrón se repite suficientes veces, los comerciantes tienen una gran confianza
para comprar acciones en el área de $ 40 a $ 45 y ofrecer acciones alrededor de $ 55 a
$ 60. Este rango de negociación con el tiempo amortigua la volatilidad. Por otro lado,
considere una acción que va desde $ 50 a $ 200 con muy pocos retrocesos. Ahora, los
operadores son reacios a intervenir y comprar. Después de todo, ¿qué es para mantener
un stock de caer de nuevo a
CAPÍTULO 10 Invertir en el S & P 500 291

Juno (JWEB)
75

50

25

0
12.03.99

12.05.99

12.09.99

12/11/99

13.12.99

15.12.99

17.12.99

19.12.99

21.12.99

23.12.99

25.12.99

27.12.99

29.12.99
31.12.99
01.12.9

12/7/99
9

Fecha

FIGURA 1 0. 1

Juno (JWEB). De todas las cosas extrañas durante la burbuja tecnológica, precio de las
acciones de Juno se incrementó en un 400 por ciento cuando la compañía anunció que dejaría
de cobrar por su producto.

antiguos bajos? Los comerciantes son igualmente reacios a vender las acciones en
$ 200. Si la acción se desarrolló entre $ 50 a $ 200, lo que es para evitar que se
negocia a $ 400? Esta falta de experiencia con los precios conduce a una falta de
liquidez y grandes porcentuales de precios se mueve. Creo que la falta de un rango
de cotización definida causó un aumento de la volatilidad del mercado,
especialmente en las acciones tecnológicas.
Día de los comerciantes eran otro fenómeno que contribuyó a la volatilidad
del mercado. La mayor parte de sus operaciones involucradas estrategias de
momentum en el que se compran en la fuerza y venden en la debilidad,
especialmente cuando fueron capaces de detectar grandes pedidos insti-tucional.
Día de los comerciantes tendrían comprar o vender por delante de los corredores
de ejecutar esas órdenes. Esto causó enormes fluctuaciones en los precios de
mercado sobre una base intradía. Dada la falta de liquidez general en muchos
nombres de la tecnología, los comerciantes del día fueron capaces de mover las
existencias de dos a cuatro puntos sobre el volumen muy ligero.
Grandes operaciones de opción también afectaron la volatilidad diaria en el
mercado. Muchos fondos de cobertura que se especializaron en el sector de la
tecnología se dispararon en tamaño desde $ 25 a $ 50 millones a más de $ 250 a $ 500
millones, debido al rendimiento de los inversores y las entradas. Estos fondos de
cobertura tuvieron enormes ganancias de capital en muchas poblaciones que se habían
levantado de cinco o diez veces y fueron en busca de métodos para la cobertura de estas
ganancias. Con la compra de opciones de venta, fondos de alto riesgo recibieron el
derecho a vender acciones si la población se redujo, mientras que mantiene las
ganancias si las acciones se recuperaron. Los creadores de mercado en el otro lado de
estos oficios
292 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

dinámicamente el riesgo cubierto por la opción de compra y venta de los valores

subyacentes. Estas coberturas dinámicas requeridas creadores de mercado para
vender cuando los mercados se redujeron y compran cuando se reunieron-
exacerbando grandes movimientos diarios en los nombres de tecnología y
contribuir a un exceso de volatilidad del mercado.
Aunque la popularidad de la renta variable ha disminuido en los últimos dos
años debido a los retornos menos desarrolladas, el mercado de valores sigue siendo
importante, tanto como vehículo de inversión para los individuos y como un medio
para que las empresas obtener dinero de los mercados cap-ital y ajustar su capital
estructura. En el resto de este capítulo, vamos a explorar métodos para superar a
comprar y mantener las estrategias de inversión.

LA IMPORTANCIA DE LOS TIPOS DE INTERÉS EN LA PREDICCIÓN precios de

las acciones
La relación entre las tasas de interés y la rentabilidad de la renta variable ha sido
bien documentada y existe por una serie de razones. Uno de ellos se puede resumir
en la expre-sión, "Una Hoy dólar no vale un dólar mañana." Vamos a entrar en esto
porque muchos de los modelos de valoración de existencias populares obtienen el
valor de una empresa mediante la estimación del valor presente de los ingresos
futuros.
Digamos que tiene $ 100 hoy y tendrá que decidir si prestará a mi amigo Joe
o depositar los $ 100 en el banco y gana 5 por ciento de interés.

Opción 1 opcion 2
Depósito de $ 100 en un banco en el 5% de
Joe préstamo $ 100 hoy interés
Recibe $ 105 presentados por el banco dentro de
Recibe $ 100 de Joe dentro de un año un año

El hecho de que puedo depositar mi hoy $ 100 y recibe $ 105 presentados por
el banco en un año es el principio del valor temporal del dinero. Cuando nos fijamos
en los flujos de efectivo en el futuro, tenemos que ajustar su valor de nuevo por una
tasa de interés para determinar su valor actual. Por ejemplo, el préstamo de $ 100 a
Joe puede parecer como un lavado para la mayoría, pero cuando se descuenta que
el reembolso por el 5 por ciento que podría estar ganando desde el banco, el
préstamo se convierte en una pérdida de dinero. Si todo lo que importa es el dinero,
estamos mejor poniendo nuestra $ 100 en un banco y ganar-ción del 5 por ciento.

Opción 1 opcion 2
Depósito de $ 100 en un banco en el 5%
Joe préstamo $ 100 hoy de interés
Recibe $ 100 de Joe en 5 años Recibe $ 127 en 5 años

El concepto es muy importante que la longitud de tiempo aumenta.

Supongamos que Joe desea pedir prestado el dinero para cinco años. Ahora, la
disyuntiva es si para recibir el original de $ 100 de Joe después de cinco años o para
recibir $ 127 de vuelta desde el banco en cinco años. Este ejemplo detalla el poder
de
CAPÍTULO 10 Invertir en el S & P 500 293

agravando. Si depósito de $ 100 con el banco en un 5 por ciento de interés anual,

al final del primer año, voy a recibir $ 105. Al comienzo del segundo año, el
deposito $ 105 con el banco de nuevo en un 5 por ciento de interés anual. Mi crece
$ 105 $ 105?(1 + 5%) = $ 110.25 al final del segundo año. Una vez más el deposito
$ 110.25 al comienzo del tercer año en el 5 por ciento y reciba $ 110.25?(1 + 5%)
= $ 115.76 al final del tercer año. Este proceso continúa hasta el final del quinto
año, donde mi $ 100 originales se convierte en $ 127.
El mismo principio se aplica en la valoración de empresas.
A partir de los informes anuales, podemos determinar la utilidad neta de la
empresa. Supongamos XYZ Inc. tenía $ 5 en beneficios durante el año 2001 y está
proyectando este nivel de profitabil-dad en el futuro previsible. Si compramos XYZ
Inc. por $ 100 que tendría que comparar las ventajas y desventajas entre pagar $
100 para el consumo anual en efectivo de $ 5 y la alternativa de depositar los $ 100
en el banco para ganar intereses.

Alternativas
Tasa de
interés interés bancario retornos XYZ

1% $1 $5
5% $5 $5
10% $ 10 $5

Como vemos en la tabla anterior, el nivel de las tasas de interés puede cambiar
drásticamente nuestra preferencia, ya sea la compra de XYZ Inc. o depositar
nuestra $ 100 en el banco y ganar intereses. Decisiones similares se realizan en el
equilibrio entre la compra de acciones y la compra de bonos. Como resultado, las
tasas de interés se vuelven muy importantes al valorar el valor de una empresa.
Hay tres teorías por qué las tasas de interés más bajas conducen a mayores
precios de las acciones. En primer lugar, ya que los rendimientos caen, el flujo de
caja de una empresa parece más atractivo frente a los bonos. Esto puede aumentar
el valor de la empresa. En segundo lugar, las tasas de interés más bajas provocan
olas de refinanciación de hipotecas casa, y el dinero extra de los pagos de la
hipoteca más bajos a menudo encuentra su camino en el mercado de valores. Una
tercera posible relación entre las tasas de interés y la renta variable es que las
empresas tienen una mayor capacidad para financiar proyectos de capital expen-
ingre cuando las tasas de interés son bajos. Estos gastos se modernizan las plantas,
aumentar la productividad, y crear nuevos productos a través de la investigación y
el desarrollo. Este gasto menudo conduce a la mejora de la rentabilidad en el futuro.
Los datos históricos apoyan la teoría de que las menores tasas de interés
aumentan precios de las acciones. Si nos fijamos en los rendimientos porcentuales
mensuales del S & P 500 frente a los cambios porcentuales mensuales en el
rendimiento del Tesoro a 10 años entre 1970 y 2001 (Figura 10.2), podemos ver
una relación distinta. En la figura 10.2, a medir disminuyen a medida que las tasas
de interés en los rendimientos de los 10 años del Tesoro de notas poblaciones son
más propensos a subir cuando las tasas de interés suben. Podemos usar esta relación
para diseñar Strate-gías para cronometrar el mercado de acciones.
294 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Diagrama de dispersión: S & P 500 devoluciones vs.

Cambio en las tasas de interés
20%

15%
500

10%
inS &

5%
P

0%
Cambi

-20% -15% -10% -5% 0% 5% 10% 15% 20%

-5%
o

-10%
Mensu

y = 0,0107 + -0.2494x
-15% 2
al

R = 0,0603
-20%

-25%
Variación porcentual mensual en 10 años las
tasas de

FIGURA 1 0. 2

Diagrama de dispersión: S & P 500 devoluciones vs. Cambio en las tasas de interés. precios de
las acciones parecen aumentar cuando las tasas de interés caen y caen cuando las tasas de
interés suben.

Las estrategias de ensayo MEDIO PLAZO

Probamos los rendimientos mensuales del índice S & P 500 utilizando los cambios
de precios rendimientos totales más por dividendos desde 1970 hasta finales de
2001. Posiciones bien puede ser invertido en el S & P 500 o en efectivo. Si invertido
en efectivo, la cuenta recibe los tres meses de la tasa del Tesoro luego ir. Vamos a
basar las decisiones de inversión en las declaraciones anteriores de los S & P 500,
los cambios recientes en 10 años rendimientos de las notas del Tesoro, y los
cambios recientes en un año los rendimientos de Letras del Tesoro.
La mayor parte de estas estrategias se pueden considerar simplista,
ciertamente cuando se compara con otras ideas probadas previamente en este libro.
A pesar de su simplicidad, sin embargo, muchas de estas estrategias resultado un
rendimiento extraordinario de una metodología de comprar y mantener, y con
menos riesgos.
Al informar de los resultados, se calcula el valor final de un saldo de la cuenta a
partir de $ 100. Con el fin de evaluar mejor el rendimiento de nuestros comerciales
método-gías, vamos a calcular el valor presente en la cuenta de una estrategia contraria,
que invierte exactamente enfrente de nuestra estrategia, y la comparamos con nuestra
estrategia elegida. Cuando nuestro Strat-gia es invertido en el S & P 500, la cuenta es
contraria en efectivo. Cuando nuestra estrategia es en efectivo, la estrategia contraria
está invertido en el S & P 500. También informo el porcentaje del tiempo de una
estrategia se invierte en el mercado, que es una medida sustituta de riesgo: Cuanto
menos tiempo que estamos en el mercado , menor es el riesgo que estamos tomando
con nuestro dinero.
CAPÍTULO 10 Invertir en el S & P 500 295

Tal como se recoge en la figura 10.3, 25 estrategias basadas en las medias y

en movimiento momen-tum cambios fueron probados en los datos mensuales. Las
señales son generadas utilizando el precio mensual de cierre del índice de
rendimiento total S & P 500, una medida acumulativa del rendimiento total S & P
500. A efectos de comparación, la cuenta de comprar y mantener termina con $
3.661 en 2001, mientras que la estrategia siempre invirtió en premios en metálico
con solamente $ 944. Recuerde, cada estrategia comienza con $ 100 en 1970.
¿Qué nos dicen estos resultados?
En primer lugar, el 54 por ciento de las estrategias superan el caso de comprar
y mantener y tomar menos riesgos al hacerlo. Estas cifras de rendimiento sugieren
que puede ser una ventaja para la sincronización del mercado.
La siguiente característica importante es que las mejores estrategias rentables
fueron mucho tiempo el mercado cuando las tasas estaban cayendo. La compra de
acciones cuando el rendimiento a 10 años fue inferior a su promedio de tres meses
dio lugar a un saldo de la cuenta final de $ 6.819. Esto equivale a rentabilidad anual
de 14,1 por ciento, en comparación con el 11,9 por ciento anual para el comprar y
mantener y 7,3 por ciento anual para la estrategia de todo el efectivo.
El otro detalle interesante es que el rendimiento de comprar el mercado en
momentos de fuertes retornos del mercado produjo algunos de los peores
resultados. La estrategia peores resultados compró el mercado cuando el S & P 500
fue superior a su promedio de los últimos tres meses. Esta estrategia resulta $ 100
en 1970 a sólo $ 1310 en 2001 a un rendimiento anualizado de sólo el 8,4 por ciento,
a pesar de haber invertido más o menos el 63 por ciento de las veces.
Tal vez la estrategia más interesante es el que invierte en el mercado cuando
las tasas de interés a un año y 10 años están por debajo de su promedio de 12 meses
y el mercado de valores está por encima de su promedio de 12 meses. A pesar de
sólo ser invertido el 38 por ciento de las veces, esta estrategia produce rendimientos
anualizados de 12,8 por ciento y convenientemente mejor que un retorno de
comprar y mantener.

METODOLOGIAS comercio a corto plazo

Para aquellos con horizontes comerciales a corto plazo, también vamos a
desarrollar una serie de modelos de más corto plazo y arrojar luz sobre algunas
ineficiencias del mercado que son capaces TRAD-usando S & P 500, fondos de
bolsa, o sin carga fondos de índice.

Los fondos de índice y ETFs

los fondos de indexación y el índice creció enormemente durante la década de 1990,
como la renta variable aumentaron en popularidad entre los hogares estadounidenses.
Al contrario de un típico administrador de fondos mutuos que recoge las existencias
que anticipa batirá el mercado, un fondo de índice comprará todas las acciones en un
índice y tratar sólo para que coincida con el rendimiento del índice.
Los fondos de índice tienen la ventaja de ser de bajo costo. los fondos de
inversión típicos cobran un 1,5 por ciento por año o más en gastos. Este dinero se
utiliza para pagar los analistas gestor de la cartera y de investigación que recogen
las reservas almacenadas en la cartera.
296 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Por
ciento Reglas opuestos
Finalizan
do de tiempo Finalizando
Estrategia Cuenta Invertido Cuenta

10 rendimientos año <3 mes promedio 6,819 50% 500

1 año rendimientos <hace 6 meses 6,610 52% 523
1 año rendimientos <promedio de 12 meses 4.855 54% 712
SPX> promedio de 12 meses y 1 año
rendimientos
<promedio de 12 meses y 10 años los
rendimientos
<Promedio de 12 meses 4.735 38% 730
1 año <rendimientos hace 12 meses 4,442 53% 778
10 rendimientos años <promedio de 12
meses 4.379 54% 789
1 año rendimientos <6 mes promedio 4,337 51% 790
10 rendimientos año <6 mes promedio 4,290 51% 798
SPX> hace 12 meses 4,211 81% 821
1 año rendimientos <hace 3 meses 4,202 48% 822
SPX> 12 mes promedio 4,123 76% 838
1 año rendimientos <3 mes promedio 4.089 50% 834
SPX> hace 12 meses y el rendimiento de 1
año
<Rendimiento hace 12 meses y 10 años
Hace <12 meses 3,773 38% 904
Comprar y retener 3,661 100% 944
10 rendimientos años <hace 6 meses 3,531 51% 979
10 años rendimientos <hace 12 meses 3.165 49% 1,092
10 rendimientos años <hace 3 meses 3,135 49% 1.102
SPX> hace 6 meses y 1 año rendimientos
Hace <6 meses y 10 años de
rendimientos
Hace <6 meses 2.732 33% 1,248
SPX> hace 3 meses y 1 año rendimientos
Hace <3 meses y 10 años de
rendimientos
Hace <3 meses 2.491 32% 1.369
SPX> 6 mes promedio y rendimientos 1 año
<6 mes promedio y rendimientos a 10
años
<6 mes promedio 2,415 34% 1.418
SPX> hace 6 meses 2,132 72% 1.621
SPX> hace 3 meses 2006 71% 1,722
SPX> 6 mes promedio 1.879 71% 1.823
SPX> 3 mes promedio y rendimientos 1 año
<3 mes promedio y rendimientos a 10
años
<3 mes promedio 1.817 30% 1.876
SPX> 3 mes promedio 1.310 63% 2,603

FIGURA 1 0. 3

Desempeño de las estrategias Market Timing. Más del 54 por ciento de las estrategias de batir el S & P 500, teniendo
un menor riesgo.
CAPÍTULO 10 Invertir en el S & P 500 297

Debido a que los fondos de índice, simplemente se ajustan a las explotaciones

situadas en un popular índice, invertir-ment decisiones son razonablemente
automática y no hay necesidad de pagar por costosos investigación común. La
mayoría de los fondos de índice cobran menos de 0,3 por ciento en gastos anuales.
Uno de los mayores fondos de inversión en el país es el 500 Index Fund Vanguard,
el cual está diseñado para que coincida con el rendimiento del S & P 500. Tiene
más de $ 85 bil-león en activos.
Las bolsas de valores y rápidos para darse cuenta de la oportunidad,
comenzaron a ofrecer fondos cotizados de cambio a principios de 1990 para
competir con los inversores que utilizan los fondos de índice. Los ETFs son fondos
de inversión unitarios o certificados de depósito que posean un conjunto de
acciones diseñadas para imitar una referencia, definido como el S & P 500, el
Nasdaq 100, o el Russell 2000. Los ETFs cotizan en las bolsas de valores y
representan los activos que mantienen estas cestas de las existencias. Como
resultado, los inversores individuales pueden ahora negociar con acciones que se
comportan exactamente igual que los fondos de índice.
A diferencia de la mayoría de los fondos de índice, que sólo están abiertos a los
flujos de dinero o salidas de una vez al día, el comercio ETF muy activa durante todo
el día. Son como las existencias en casi todos los sentidos: el comercio ETFs en las
bolsas, que se puede vender a corto algunos incluso sin la necesidad de un repunte-que
se pueden comprar en el margen, y que están comprados y vendidos a través de
corredores. Debido a su popularidad, los ETF que representan a sectores y países
específicos han sido diseñados para dar a los inversores exposición a clases de activos
muy precisas.

Día de la semana y el día de Efectos Mes

Las primeras investigaciones sobre los días de la semana efectos se llevó a cabo a
principios de 1980 para disuadir de la mina si el lunes era más volátil que otros días
de la semana. Si la información hace que los precios y la cantidad de información
es difundida por igual todos los días, entonces, según este razonamiento, de lunes
debe ser tres veces más volátiles que de martes a viernes, debido a la acumulación
de noticias durante los fines de semana. De hecho, los investigadores des-cubierto
que, en promedio, de lunes era igualmente volátil como cualquier otro día de la
semana. Lo que no era igual eran la rentabilidad media que cada día de la semana
nerada-gen. Lunes tenían significativamente peores rendimientos que los viernes.
Con los años, parece que el día de la semana se ha convertido en efecto
silenciado. Bueno, ¿qué tal el día del mes y su efecto sobre los rendimientos del
mercado?
El examen de los retornos diarios del S & P 500 desde 1990, tenemos una
media de los retornos por cada día del mes. Tenga en cuenta que estamos hablando
específicamente de días naturales. Aunque 3 Abril Mayo será el primer día hábil
del mes, se registraría como Día tres en nuestro estudio. Figura 10.4 detalla los
altibajos del mercado por día del mes.
Primero me di cuenta el día del patrón de mes en mis días en Salomon
Brothers en 1997, mientras que parte del grupo de investigación derivados de
acciones. Me pareció que los rendimientos de stock mar-ket tenían un sesgo basado
en donde ocurrieron dentro del mes. períodos distintos de rentabilidad y bajo
rendimiento surgieron.
298 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Rendimiento promedio por día del mes

0,40%

0,30%

0,20%

0,10%

0,00%

-0.10%

-0.20%
11

13

15

17

19

21

23

25

27

29
31
1

FIGURA 1 0. 4

Rendimiento promedio por día del mes. Devoluciones en el principio, medio y final de mes son
más altos que el promedio.

Mirando el gráfico anterior, verá tres intervalos de rendimientos superiores a la

media y dos intervalos de unos beneficios inferiores a la media. Si dividimos el mes en
cinco peri-ODS, hay una tendencia visible. El comienzo (Días 1 a 5) y al final del mes
(días 27 a 31) tienen los más fuertes retornos. El segundo (días 6 a 11) y cuarta (días 19
a 26) partes del mes tienen menos de retornos promedio. Existe una pequeña joroba
positivo en el medio del mes entre los días 12 y 18. Nos fijamos en dos estrategias que
aprovechan este día de vigencia el mes:
1. Somos mucho tiempo el mercado durante los días uno al cinco y los días 27 y
31. Los activos se invierten en efectivo durante el resto del mes.
2. Somos mucho tiempo el mercado durante los días uno a cinco, 12 a 18 y 27 a
31. Los activos se invierten en efectivo el resto del mes.
En la figura 10.5 vemos la importancia del día del mes en los dos Strate-gías que
hemos esbozado. A pesar de haber invertido menos del 30 por ciento del tiempo de
Estrategia 1 y sólo el 54 por ciento del tiempo de Estrategia 2, ambas estrategias superan
una metodología de comprar y mantener. A $ 100 Comienzo de inversión en enero de
1990 da $ 454 para la estrategia 1 y $ 758 para la estrategia 2, en comparación con $
419 para comprar y mantener.
 Hay algunas posibles explicaciones de por qué existe el día del efecto mes.
Gran parte de la fuerza laboral estadounidense ahora recibe jubilación de
contribución definida
CAPÍTULO 10 Invertir en el S & P 500 299

Día del mes Efectos en el mercado de valores

1000
De largo las colas y media
800
Comprar y
retener
600

400

200
Largas las
colas
0
2.1.90
7.2.90
2.1.91
7.2.91
2.1.92
7.2.92
2.1.93
7.2.93
2.1.94
7.2.94
2.1.95
7.2.95
2.1.96

7.2.96
1/2/97
7.2.97
2.1.98
7.2.98
2.1.99
7.2.99
2.1.00
7.2.00
2.1.01
7.2.01
Fecha

FIGURA 1 0. 5

Día del mes Efectos en el mercado de acciones. Nuestra estrategia de día de mes supera a
una estrategia de comprar y mantener.

Ment beneficios. En contraste con hace 30 años, cuando el pago de jubilación se

basa en un porcentaje de poner fin a los sueldos de los llamados planes de
beneficios definidos-más planes de ahorro para el retiro actuales permiten la
flexibilidad individual en sus opciones de ahorro. Estos nuevos planes, llamada
contribución definida, por lo general implican un pareo de fondos por parte del
empleador. Si aporto $ 100 cada uno periodo de pago a mi 401 (k), mi empresa
podría contribuir $ 50, como parte de un programa de beneficios. El truco aquí es
que yo soy responsable de tomar decisiones de inversión con este fondo de dinero.
Por lo general, se ofrecen 10 a 15 opciones, incluyendo la compañía con
descuento de valores, fondos de inversión de capital, los fondos de inversión de renta
fija privada, y los fondos mutuos de bonos del gobierno. Con cada fecha de pago, los
flujos de dinero de mi sueldo en los administradores de fondos mutuos. Dado que la
mayoría se les paga cada dos semanas, una gran cantidad de fondos 401 (k) fluya en
estos fondos de inversión alrededor del principio, medio y final de mes. Cuando estos
fondos se invierten en acciones y bonos, la presión de compra podría mover los precios
más altos y el resultado en el día del mes sesgo vemos arriba.

Utilizando el índice de volatilidad de operar en el S & P

500
El precio de la volatilidad está determinado por las fuerzas del mercado, al igual
que el precio de una acción o en el futuro. Los inversores, nervioso que una acción
va a caer, se apresuran a comprar opciones con el fin de protegerse contra una caída
precipitada en una acción. Los inversores que
300 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

están convencidos de que el mercado se unirán fuertemente comprará opciones de

compra de partici-par en las manifestaciones violentas. Esta presión de compra
opción, que empuja hacia arriba el precio de la volatilidad, aumenta el valor de las
dos llamadas y pone.
Cuando surge la complacencia, los inversores suelen vender opciones.
Overwriters va a vender opciones de compra en contra de su larga posición de acciones
con el fin de generar ingresos adicionales a cambio de menos al revés en una acción.
Otros inversores van a vender opciones de venta como un método para obtener durante
mucho tiempo una acción a un precio más bajo. Cuando estos vendedores de opciones
de entrar en el mercado, la volatilidad disminuye. La lucha resultante entre compradores
y vendedores de opciones puede verse en el índice de volatilidad CBOE, comúnmente
conocido como el VIX.
El VIX se calcula a partir de los precios de opciones en tiempo real. Como
este índice se eleva, indica que los compradores de opciones están pesando más que
los vendedores de opciones y están empujando el precio de mayor volatilidad. A
medida que cae el VIX, indica que los vendedores de opciones están fuera pesando
los compradores de opciones y empujando el precio de menor volatilidad.
El VIX es un indicador de la volatilidad implícita utilizando S & P 100
opciones. La volatilidad es el principal conductor alimentando precios de las
opciones. Por lo general, altos niveles de señal volatil-dad implícita de que el
mercado está nervioso y pesimista en su pronóstico de resultados futuros. Por el
contrario, los bajos niveles de volatilidad implícita señales de complacencia y
optimismo. Podemos utilizar el VIX para medir este temor o complacencia y operar
en el S & P 500 en consecuencia. Queremos ser mucho tiempo el mercado en
tiempos de miedo, e invertimos en efectivo cuando la complacencia es prevalente.
En el gráfico de la figura 10.6, vemos que los períodos de altos valores de VIX
suelen coincidir con los suelos del mercado, mientras que las bajas val-UES del
VIX son prevalentes cerca de las cimas del mercado.
Conozco dos métodos populares de usar el índice de volatilidad de operar en el S
& P 500. Uno de ellos se discute en grandes tendencias en el comercio, en el que el
autor Precio Headley utiliza las bandas de Bollinger en conjunción con el VIX. Las
bandas de Bollinger, popularizado por el técnico John Bollinger mercado, canales de
precios trama que realizar ajustes en base volatilidad del mercado. La banda media se
dibuja usando una aver edad móvil simple, mientras que las bandas superior e inferior
son desplazados por un multiplicador de reciente desviación stan-dard de los precios.
La estrategia de Headley utiliza un promedio móvil de 21 días con bandas de Bollinger
dos desviaciones estándar por encima y por debajo del móvil de 21 días aver-edad. Las
posiciones largas cuando se introducen de hoy S & P 100 cierre está por encima de sus
10 días de media móvil y el VIX cruzaron por debajo de su banda superior de Bollinger
hace cinco días. Esta estrategia requiere que una condición de sobreventa se presenta
antes de que se genera una señal de largo. Esta condición de sobreventa es señalado por
el VIX elevarse por encima de su banda superior de Bollinger. Una relajación de este
miedo es creado por el VIX en declive y la caída por debajo de su banda superior de
Bollinger. Un comercio se produce cinco días después de que el VIX cae por debajo de
su límite superior de la banda de Bollinger si el S & P 100 cierre está por encima de su
media móvil de 10 días.
El otro autor de usar el índice de volatilidad de operar en el S & P 500 es Leon
Gross, director gerente del grupo de derivados de acciones de investigación en
Salomon Smith Barney. Bruto sugiere niveles fijos para entrar y salir de las
posiciones. Actualmente, aboga por entrar en posiciones largas en el S & P 500 en
cruces VIX por encima de 30, y salir en dinero en efectivo en cae por debajo de 20.
CAPÍTULO 10 Invertir en el S & P 500 301

S & P 500 y el VIX

80
1500 S & P 500
VIX 70

1300 60

50
S & P500

1100
40
900

VI
X
30
700
20

500 10
15.02.00

03.30.00

12.05.00

26.06.00

20.09.00

14.12.00
01.30.01

14.03.01

26.04.01

23.07.01

22.10.01
1/11/00
3.1.00

8.8.00

8.6.01

9.4.01

1
2

0
4
.

.
Fecha

FIGURA 1 0. 6

S & P 500 y el VIX. Valores altos del VIX generalmente señalan los suelos del mercado, mientras
que los valores bajos de la VIX SIG-nales cimas del mercado.

Ambas metodologías utilizan estos extremos altos en el VIX para entrar largo
del S & P 500, y el uso de lecturas bajas VIX para salir de las posiciones largas.
Como vemos en la figura 10.6, los fondos se hacen típicamente durante los períodos
de altas lecturas VIX, mientras que las tapas se hacen generalmente durante los
períodos de bajas lecturas VIX.
Si vamos a crear nuestra propia estrategia de negociación VIX para el S & P 500 (ya
que ni el anterior método es ideal, en mi opinión), tenemos que estableció por primera vez
de identificar períodos de extremos en el índice de volatilidad. Empezamos tomando un
promedio de 120 días del VIX de volatilidad para desarrollar una "media". VIX lecturas por
encima de esta media significan volatilidad superior a la media, mientras que las lecturas
por debajo de la media de 120 días significan inferior a la media volatil-dad. A continuación,
se cuantifica la desviación de volatilidad normal mediante la comparación de la lectura VIX
de hoy a la lectura promedio de 120 días y luego dividiendo por la desviación estándar de
los cambios en el VIX en los últimos 120 días. Aquí está la ecuación operativa:
VIX VIX
Hoy - Promedio
El marcador VIX = }}}σ
VIX - VIX
Hoy Ayer

VIX puntajes positivos indican que el VIX es más alta que la media y sugieren
el temor del mercado de valores y el pesimismo. puntuaciones negativas indican
que el VIX es más baja que la media y sugieren la complacencia del mercado de
valores.
302 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

VIX y bandas de desviación estándar

45
VIX

30

15

12.02.0
3.2.01

4.2.01

5/2/01

6.2.01

8/2/01

9.2.01

10.02.

11.02.
2.1.0

2.2.0

7.2.0

01

01
1

1
Fecha

FIGURA 1 0. 7

VIX y Bandas desviación estándar. Trazando bandas en torno a una media de 120 días,
cuantificamos los períodos de lecturas VIX de alta y baja.

Figura 10.7 gráficos niveles del VIX, sus 120 días de media, y la media más
dos desviaciones estándar, más cuatro desviaciones estándar, menos dos
desviaciones estándar, y menos las cuatro desviaciones estándar. Estas bandas
aparecen para resaltar extremos relativos en las lecturas VIX bastante bien. Aún
más interesante es la forma en que se comporta el mercado en función de la
corriente puntuación de índice de volatilidad. Figura 10.8 calcula la rentabilidad
media del S & P 500 basado en VIX de ayer calificar usando los retornos diarios
de 1990 a 2001.
VIX puntuaciones de 4 o mayor ventaja a la media anterior devuelve al día
siguiente, mientras que las puntuaciones de -2 o menos suelen dar lugar a
rendimientos negativos al día siguiente. Podemos usar esta tendencia a crear una
nueva estrategia más robusta VIX en cuando el mercado de S & P 500.
Nuestra nueva estrategia VIX compra el mercado cuando la puntuación VIX
de hoy es mayor que 2. Nos quedamos mucho tiempo hasta que la puntuación del
día actual cae por debajo de -2. La figura 10.9 representa gráficamente el valor de
la cartera después de nuestra nueva estrategia VIX en comparación con una
estrategia de comprar y mantener. Tenga en cuenta que no sólo nuestra estrategia
de superar al comprar y mantener, pero lo hace por estar en el mercado de sólo el
53 por ciento del tiempo.
 Promedio S & P 500 Retorno
1,0%

0,8%

Promedi Regreso
0,6%

0,4%

0,2%

0.0%
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8

-0.2%
de ayer desviaciones de la media VIX (VIX Partitura)

FIGURA 1 0. 8
Promedio S & P 500 Retorno. Las devoluciones son más caros siguientes días, donde el VIX estaba
muy por encima de su media de 120 días. Las devoluciones son más baratos siguientes días, donde el
VIX estaba muy por debajo de su promedio de 120 días.

Estrategia VIX vs. comprar y mantener

600

500
Comprar y retener
400
portafolio Valor

300

200
Estrategia VIX
100

0
29.12.89
29.06.90
29.12.90
29.06.91
29.12.91
29.06.92

29.12.92

29.06.93

29.12.93

29.06.94

29.12.94

29.06.95

29.12.95

29.06.96

12/29/96

29.06.97

29.12.97

29.06.98

29.12.98

29.06.99

29.12.99
29.06.00

29.12.00

29.06.01
29.12.01

Fecha

FIGURA 1 0. 9

Estrategia VIX vs. comprar y mantener. Nuestra estrategia VIX supera a una estrategia de
comprar y mantener.
303
Esta página está en blanco
intencionadamente.
 CAPÍTULO 11

Nuevas técnicas en la administración del

dinero
La optimización de los resultados de nuestras
estrategias

METROofertas de gestión oney con la cantidad de apalancamiento que empleamos

en nuestros programas comerciales quantità-tiva. Con un apalancamiento de hasta 20: 1
se puede obtener en los mercados financieros de hoy en día, la cuestión de manejo de
dinero es muy importante. En este capítulo vamos a explorar algunos de los métodos
populares para determinar el apalancamiento óptimo.

La importancia del manejo del dinero

"La administración del dinero es la parte más importante de una estrategia de
negociación."
Es frecuente encontrar que esta cita en los libros sobre el comercio, pero no
estoy de acuerdo con la premisa de la declaración. En referencia a esto, vamos a
introducir dos principios importantes de la administración del dinero:
1. Ninguna técnica de la administración del dinero puede convertir una estrategia
comercial rentable en una estrategia comercial rentable.
2. técnica de mala administración del dinero puede convertir una estrategia
comercial rentable en una estrategia comercial rentable.
De acuerdo con el primer principio, necesitamos una idea ganadora para el
comercio prof-itably. Debido a esto, creo que el diseño de una estrategia rentable es
la primera y principal clave para un programa de éxito comercial. Los 10 capítulos
anteriores se han diseñado para enseñar a los lectores a diseñar, crear y evaluar
estrategias de negociación. Yo podría fácilmente terminar el libro aquí y enviar a los
lectores a cabo en el mundo real para el comercio. Mi conjetura

305

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
306 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

es que si se siguen los conceptos que hemos puesto de manifiesto, su comercio más
que probable sería rentable. Pero incluso con una estrategia comercial rentable,
muchos SUF-fer pérdidas o eliminar sus cuentas de explotación. ¿Por qué? El
segundo principio de la administración del dinero lo dice todo: mala administración
del dinero puede transformar un negocio rentable Strat-EGY en una estrategia
perdedora.
Para entender la importancia de la administración del dinero, imaginar una
mercancía que usted ha estudiado durante los últimos 10 años. Por lo general las
operaciones entre $ 12 y $ 18, y los estudios han demostrado que la venta de los
máximos cerca de $ 18 y comprar mínimos de cerca de $ 12 ha sido muy rentable.
Ahora, digamos que el mercado hace un nuevo máximo en $ 20, y decide
imple-ment su estrategia de utilización de su bankroll $ 45 por la venta de un
contrato. A pesar de la investigación que sugiere que los precios más bajos, el
mercado empuja más alta después de su primera venta y ejerce sus actividades hasta
$ 25. Con $ 5 la pérdida de valoración a precios de mercado, decide vender otro
contrato de $ 25, a sabiendas de que su sistema tiene un excelente rendimiento
histórico. El mercado continúa operando de mayor rally hasta $ 30. En un primer
momento se convierte en dis-nombrado porque tiene una pérdida de $ 10 en la
primera venta y una pérdida de $ 5 en la venta sec-ond. Su cuenta ha perdido $ 15
de la inicial de $ 45. Al mismo tiempo, no se puede creer su buena fortuna. Capaz
de realizar ventas en $ 30, usted siente que está seguro de ganar a lo grande cuando
se produce la reversión a la media. Vendes una mayor contrato en $ 30. Tan pronto
como la venta pega la cinta, la compra de combustibles presión el mercado a $ 35.
En este punto se ha reducido su cuenta de $ 30; es decir, $ 15 en la primera venta,
$ 10 en la segunda venta, y $ 5 en la última venta.
A usted le gusta vender más, pero debido a la influencia y el margen que está
utilizando en el comercio, no se puede. De hecho, se le obligó a cerrar sus
posiciones si el mercado comercia mucho mayor, debido a la falta de fondos. Por
supuesto, eso es exactamente lo que sucede. El mercado reúne a un valor nunca
antes visto de $ 40. Su agente llama para decirle que está comprando sus tres
contratos en $ 40 y que su cuenta ha perdido de $ 45. Su capital es aniquilada en
un momento en que son posibles las mejores ventas en la historia del mercado.
En las semanas después de cerrar su posición, poco a poco el mercado opera
hacia abajo. No mucho tiempo después de que se vieron obligados a cubrir en el
alto de $ 40, los precios caen a $ 25. Con el tiempo, los niveles de $ 15 están vistos-
al igual que su modelo predijo.
Esta historia puede sonar descabellado para algunos. Confía en mí, este tipo
de mala administración del dinero se produce todos los días. Con mayor frecuencia,
este tipo de comercio se produce con los pequeños comerciantes subcapitalizadas
la toma de posiciones que son demasiado grandes. Otras veces puede ocurrir en una
escala mucho más grande e incluso sacudir los mercados financieros mundiales.
LA RELACIÓN ENTRE EL APALANCAMIENTO Y DEVOLUCIONES
Nos hemos centrado en todo el libro en maximizar el rendimiento de las estrategias de
negociación a través del uso de mediciones de recompensa a riesgo tales como el ratio
de Sharpe y K-relación. Es importante recordar que nuestro objetivo ya que los
operadores es maximizar la recompensa
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 307

para una unidad de riesgo determinado y luego aprovechar nuestro riesgo para alcanzar
los rendimientos deseados. Las reglas del juego consiste en pedir dinero prestado y usar
ese dinero para financiar decisiones comerciales.
En estos días, el apalancamiento es a menudo fácil de conseguir. En el
mercado de futuros, que se obtiene mediante la colocación de una fianza de
cumplimiento, llamado margen, como garantía por el valor nocional de los oficios.
Por ejemplo, con el fin de operar en el bono a 10 años en la Junta de Comercio de
Chicago, sólo necesito depositar $ 2700 conseguir una exposición larga o corta $
100,000 valor nominal de los bonos del Tesoro. En el mercado de valores, el 100
por ciento de palanca se puede obtener en las cuentas de margen. Por cada $ 1 que
un inversor tiene en efectivo, él o ella puede comprar $ 2 de las existencias. El $ 1
que se crea esta influencia se ha tomado del agente en forma de un préstamo de
margen.
los rendimientos esperados escalar proporcionalmente al riesgo. Si espero un
retorno del 10 por ciento utilizando ninguna influencia, a continuación, pidiendo
prestado $ 1 por cada dólar que he (ignorando los costos de interés por ahora) y la
aplicación de los $ 2 a negociación, ahora tengo un rendimiento esperado de 20 por
ciento. El uso de 3: 1 de apalancamiento, un préstamo de $ 2 por cada $ 1 en capital
y subse-cuencia utilizando la 3 $ para el comercio my-aumentos de retorno que se
espera que el 30 por ciento. Esta táctica es utilizada por muchos administradores
de fondos de cobertura apalancados a escala rendimientos de alcanzar una
rentabilidad deseada. Por ejemplo, si el retorno esperado no apalancado ABC de
cobertura del Fondo es el 10 por ciento y el gerente quiere hacer el 30 por ciento al
año, a continuación, que el gerente podría usar el apalancamiento del 200 por
ciento. Él o ella sería un préstamo de $ 2 por cada dólar invertido en el fondo,
usando esa cantidad total para el comercio.
Pero algo sucedió en la manera de aprovechar. Cuando invertimos en períodos
mul-tiple, cada retorno periodo sola afecta a la capital a partir del siguiente período.
Si los retornos son riesgosos, el apalancamiento conduce a un camino lleno de
baches y crea a menudo una amplia variación en las posibilidades resultantes, que
llamaremos "la riqueza que termina", la cantidad de dinero en su poder al final de
un cierto periodo de tiempo. Si un comerciante comienza con $ 100 y termina con
$ 500 después de cinco años de actividad, su ganancia sería de $ 400 por terminar
capital menos a partir de capital y su riqueza terminando sería de $ 500. Aunque
dos estrategias con rendimientos medios idénticos producirán una riqueza media
final equiv-valente, la distribución de la riqueza que termina varía dramáticamente
cuando la volatilidad de los retornos es diferente.
Para ver cómo la volatilidad puede afectar a la distribución de poner fin a la
riqueza, considere el ejemplo de dos estrategias. Estrategia # 1 devuelve 5 por
ciento anual con una volatilidad anual del 20 por ciento. Estrategia # 2 devuelve un
15 por ciento por año, con volatil-dad anual del 60 por ciento. Ambos tienen la
misma recompensa-a arriesgar características, pero la estrategia # 2 esté apalancado
3: 1. Tanto rendimiento igual medida de recompensa dividido por riesgo: 5% / 20%
= 0,25, 15% / 60% = 0,25. La única diferencia entre las estrategias es la cantidad
de apalancamiento en cada estilo de negociación. Estrategia # 2 tiene rendimientos
mucho más altos, sino también una mayor volatilidad.
Después de 10 años, $ 100 invertidos en el menor rentabilidad / riesgo menor
Estrategia # 1 tendrá una riqueza media final de 100 $ ?(1 + 5%) 10 = $ 162. Cien
dólares invertidos en la Estrategia mayor rentabilidad / riesgo más alto # 2 tendrán
una riqueza media final de 100 $? (1 + 15%) 10 = $ 404 (figura 11.1).
308 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Poner fin a la riqueza

Promedio Mediana
Estrategia #
1 $ 162 $ 136
Estrategia #
2 404 74

FIGURA 1 1. 1

Poner fin a la riqueza de la estrategia # 1 y # 2 Estrategia. La riqueza media y la mediana final

presenta una imagen diferente para cada estrategia.

Simulamos 5000 resultados aleatorios, cada uno con 120 declaraciones mensuales
utilizando los supuestos anteriormente mencionados para la estrategia # 1 y # 2
Estrategia para analizar el rango de resultados en un período de inversión de 10 años.
Si bien es cierto que la riqueza media final de Estrategia # 2 es mucho mayor que el de
la estrategia # 1 ($ 404 vs $ 162), nos encontramos con que la mediana terminando la
riqueza de la estrategia # 1 es en realidad más alto que el de Estrategia # 2. De hecho,
aproximadamente el 60 por ciento de las veces el mayor retorno / riesgo más alto
Estrategia # 2 produce terminando la riqueza inferior a la cantidad inicial de $ 100. Esta
disminución de la riqueza se produce a pesar de los retornos anuales promedio de 15
por ciento. Obviamente, es importante para controlar el riesgo de devoluciones de
estrategia de negociación.
Tenemos dos estadísticas que nos dicen muy diferentes historias. ing riqueza
media de fin de la estrategia # 1 es muy inferior a la media que termina la riqueza de la
estrategia # 2, pero su riqueza media es mucho mayor. La mediana de una serie es el
valor medio cuando los valores se ordenan en orden numérico. Por ejemplo, en la serie
23 ... 32 ... 35 ... 47 ... 57, el promedio es de (23 + 32 + 35 + 47 + 57) / 5 = 38,8. La
mediana es la media de los cinco valores cuando se ordenan de mayor a menor; en este
caso es 35.
La media y la mediana de los valores pueden ser muy diferentes. En el caso de la
comparación de la riqueza final, debemos centrarnos en la riqueza media. Mientras que
la media es la media de todas las posibilidades de riqueza que termina, la mediana es la
media de una distribución donde la mitad de los puntajes están por debajo y la otra
mitad están por encima. La mediana es menos sensible a las puntuaciones extremas, lo
que hace que sea una mejor medida para distribuciones sesgadas.
Como vemos en las figuras 11.2 y 11.3, el apalancamiento que empleamos en
nuestro comercio puede afectar a nuestro resultado de forma espectacular. Mientras
que el apalancamiento puede aumentar los rendimientos promedio, hay un punto
donde se cruza la adición de la volatilidad adicional duele la probabilidad de futuras
ganancias. A pesar de los rendimientos de sólo el 5 por ciento Estrategia # 1 y en
comparación con la estrategia # de 2 vueltas de 15 por ciento, Estrategia # 1 hace
que el dinero después de que el período de 10 años más o menos el 67 por ciento
de las veces, mientras que la estrategia # 2 sólo hace dinero el 43 por ciento de las
veces. Aunque las posibilidades de duplicar o triplicar nuestro dinero es mayor con
la estrategia # 2, es probable que no vale la pena el riesgo, teniendo en cuenta la
frecuencia con la que perdemos dinero al final del período de 10 años.
La razón del exceso de apalancamiento en la estrategia # 2 daños que termina
la riqueza es debido a la propiedad asimétrica de apalancamiento. Si comienzo con
$ 100 y perder el 10 por ciento, requiero un rendimiento del 11 por ciento restante
en mi inversión de $ 90 a un punto de equilibrio. Si comienzo con $ 100 y perder
el 25 por ciento, necesito un retorno del 33 por ciento en mi
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 309

Distribución de la Riqueza de finalización: Estrategia

unleveraged
3,0%

2,5%

2,0%
Ocurrencia

1,5%

1,0%

0,5%

0.0%

1000
135
175
215
255
295
340
380
420
460
505

550
595
640
685
730
775
820
865
910
955
15
55
95

cartera Valor

FIGURA 1 1. 2

Distribución de la Riqueza de finalización: Estrategia apalancados. La mayor parte de los valores finales de la
riqueza se sitúan entre 50 y 300.

Distribución de la Riqueza de finalización: Estrategia

apalancado
18%
diecis
éis%

14%

12%
Ocurrencia

10%

8%

6%

4%
2%
0%
1000
500

550
100

150

200

250

300

350

400
450

600

650

700

750

800

850

900

950
50
0
 cartera Valor

FIGURA 1 1. 3

Distribución de la Riqueza de finalización: Estrategia apalancado. La mayor parte de los valores finales de la
riqueza se sitúan entre cero y 600.
310 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

restante $ 75 a un punto de equilibrio. Si estoy muy arriesgado y pierde el 50 por

ciento, se necesitaría un aumento de 100 por ciento en mi restantes $ 50 sólo para
volver a mi punto de partida de capital. Cuanto más grande es mi pérdida, mayor
será la ganancia proporcional requerido para alcanzar el equilibrio (véase la figura
11.4).
Estrategias con características muy alta recompensa a riesgo son capaces de
tomar riesgos más grandes, ya que las grandes pérdidas pueden ser superados
debido a una rentabilidad superior. Estrategias con características de menor
recompensa a riesgo son incapaces de superar las grandes pérdidas. Aquí yace el
mantra de apalancamiento óptimo: Superior recompensa a las estrategias de riesgo
pueden ser negociadas en el apalancamiento más alto que las estrategias más bajos-
recompensa a riesgo debido a la capacidad de recuperarse de grandes pérdidas. La
determinación de la influencia óptima se vuelve muy importante, ya que la
volatilidad de nuestra estrategia afectará nuestra riqueza ing final mediana.
1
ganancia requerida para recuperar la pérdida =
}} - 1 1 -
%Pérdida

El hecho de que la volatilidad afecta a la distribución de la riqueza que termina

explica el concepto de aversión al riesgo en el juicio humano. Si los individuos eran
neutrales ante el riesgo, entonces podríamos jugar a cualquier juego con un valor
esperado positivo, independientemente de los riesgos involucrados. En cualquier
estrategia de negociación expectativa positiva, queremos aprovechar la rentabilidad, ya

Ganancia requerida para compensar la pérdida

120%

100%
anci Necesario

80%

60%
Gan

40%

20%
-25%

0%
-45%

-10%
-30%

-20%
-40%

-15%
-35%

-5%
-50%

Pérdida
 FIGURA 1 1. 4

Ganancia requerida para compensar la pérdida. Una pérdida del 10 por ciento requiere un
aumento de 11 por ciento para alcanzar el equilibrio. Una pérdida del 50 por ciento requiere un
aumento del 100 por ciento para alcanzar el equilibrio.
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 311

la medida de lo posible, ya que sería maximizar nuestro beneficio esperado. Por

ejemplo, un individuo neutral al riesgo sería ver las dos apuestas a continuación
como igual de bueno:
Apuesta 1: 50 por ciento de posibilidades
de ganar $ 2 50 por ciento de
probabilidades de perder $ 1
Apuesta 2: 50 por ciento de posibilidades de
ganar $ 10,002 50 por ciento de
probabilidades de perder $ 10.001
Mientras que las dos apuestas tienen un valor esperado de + $ 0,50, muy poca
gente podría ver como estas dos opciones igualmente buenas. Nos preocupamos
por los riesgos que tomamos con nuestro dinero. riesgos mayores comando
rendimientos más altos. Si asumimos que los individuos tienen aversión al riesgo,
lo que tendría sentido para ajustar las ganancias por el riesgo que se corre para
alcanzarlos. Al maximizar la riqueza media en lugar de poner fin a suponía poner
fin a la riqueza, se penaliza el riesgo y maximizar nuestra riqueza más probable es
que termina.

EL PELIGRO DE APALANCAMIENTO
¿Por qué se pierden tantos comerciantes, incluso los que tienen una ventaja en el
comercio de los mercados? Más de las veces, las pérdidas pueden ser explicados por
un factor: la edad excesiva palanca. El problema se encuentra más comúnmente en los
mercados de futuros, donde los comerciantes
puede utilizar en cualquier lugar entre 5: 1 y 20: 1 apalancamiento. Dos ejemplos
ilustran este peligro del exceso de apalancamiento. Un ejemplo es el de un
comerciante rentable emplear demasiado apalancamiento, mientras que la otra
consiste en un comerciante sin borde empleando diversos grados de
apalancamiento.

Las reglas del juego y el comerciante con un borde

Consideremos primero un comerciante con una metodología que produce 55 oficios
de éxito-ful por ciento, cuando cada comercio ganar y perder es de igual cantidad
en dólares e igual al tamaño de la apuesta. Este operador comienza con $ 1 y debe
decidir la cantidad de capital para apostar en cada operación. Cuando se apuesta
demasiado pequeño, el comerciante no sacar el máximo provecho de la ventaja
matemática de su estrategia. Cuando se apuesta demasiado grande, la pérdida de
oficios arruinarán sucesivas rachas ganadoras.
Se han realizado numerosos estudios sobre el tema de las apuestas óptima Strate-
gías. Hay un tamaño de la apuesta óptima única para maximizar la riqueza media de
finalización. Como se estudiará más adelante en este capítulo, el tamaño óptimo apuesta
en este caso es por encima de 10 por ciento de la riqueza del comerciante en cada
operación. Si simulamos 100 operaciones y asumimos el comerciante comienza con $
1 y utiliza diferentes tamaños de las apuestas, vemos por qué esta apuesta del 10 por
ciento es Opti-mal. La mediana de poner fin a la riqueza aumenta constantemente hasta
el tamaño de la apuesta del 10 por ciento. Después de esto se supera, la riqueza media
que termina en realidad disminuye (Figura 11.5).
Es interesante observar que si aumentamos el tamaño de nuestra apuesta más
allá del punto óptimo, se puede disminuir el retorno al tiempo que aumenta el
riesgo. Si tomamos nuestro tamaño de la apuesta demasiado lejos más allá del punto
óptimo, entonces realmente podemos perder dinero más veces que nos
312 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Riqueza Final mediana

$ 1.80

$ 1.60

$ 1.40

$ 1.20

$ 1.00
Riqueza

$ 0.80

$ 0.60

$ 0.40

$ 0.20

$ 0.00
0% 5% 10% 15% 20% 25% 30%
Tamaño apuesta

FIGURA 1 1. 5

La mediana de Finalización de la riqueza. La mediana de poner fin a la riqueza se maximiza al apostar el

10 por ciento de los activos en cada apuesta.

ganar dinero. En el ejemplo anterior, la riqueza media desciende por debajo de la

riqueza inicial de $ 1 cuando corremos el riesgo de más del 20% de nuestro capital
en cada operación. Estos resultados, sin duda explican por qué la administración
del dinero puede ser tan crucial. Imagínese una sentada luación donde apostamos
todo nuestro capital en cada apuesta. Incluso si estamos muy afortunado y ganar 50
apuestas en una fila, nuestra primera pérdida acabará con todo nuestro capital. Una
sub-pie de este principio es de gran importancia para los operadores, y es sin duda
una de las razones por qué la mayoría de los operadores pierden, incluso los que
tienen ventaja esperada.

Las reglas del juego y el comerciante con n Edge

En nuestro segundo ejemplo de por qué los operadores pierden, considere un
comerciante sin talento que no tiene ninguna ventaja en los mercados. Cada
comercio tiene una probabilidad del 50 por ciento de éxito, con la victoria-ción y
pérdida de los oficios igual al tamaño de la apuesta. Si partimos de $ 100, que 10
operaciones, y siempre apostar el 20 por ciento de nuestro bankroll en cada
operación, la distribución de pérdidas y ganancias que termina se descompone en
la figura 11.6.
 Tenga en cuenta que en este ejemplo nuestra comerciante termina con una
rentabilidad negativa más o menos el 62 por ciento del tiempo al final de 10
operaciones. ¿Por qué el comerciante pierde a pesar HAV-ción de un punto de
equilibrio estrategia de negociación? Aunque el valor esperado de este juego sigue
siendo cero, la riqueza terminando sigue una distribución asimétrica. En algunos
casos raros, todo cae en favor de nuestra comerciante. Pero en la mayoría de los
casos, el comerciante acaba con
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 313

Poner fin a la
riqueza Ocurrencia

11 0%
dieciséis 1%
24 4%
36 12%
54 21%
82 25%
122 21%
183 12%
275 4%
413 1%
619 0%

FIGURA 1 1. 6

Tabla de Finalización de la riqueza. En esta tabla se detalla la asimetría en los valores finales de la
riqueza.

menos dinero que en el inicio de la negociación. ¿Cómo se forma esta distribución

sesgada? Si nuestro comerciante tiene una operación ganadora seguida de una
pérdida de comercio, el patrimonio final es en realidad menos de donde comenzó.
Considere las cuatro posibilidades que se producen al final de dos rutas en las que
el comerciante comienza con $ 100 y apuestas 20 por ciento de sus activos en cada
operación (Figura 11.7):
Nuestro comerciante pierde dinero el 75 por ciento del tiempo a pesar de la
ganancia en dólares del ganador que equivale a la pérdida de dólares en los tres
perdedores combinados. A medida que aumenta nuestro tamaño de la apuesta, esta
sesgada distribución del beneficio y la pérdida se hace más pronunciada. Se podría
explicar por qué el 95 por ciento de los operadores de futuros pierden dinero
mientras que el otro 5 por ciento-están haciendo una matanza, ya sea por suerte o
habilidad.

Influencia en el mundo real

Como se ilustra en los ejemplos anteriores, la volatilidad y el apalancamiento son
peligrosos. Estos ejemplos no exageran. Sólo considere un ejemplo del mundo real
de los peligros de apalancamiento, una de las tendencias más populares en el
período previo del mercado de valores de la década de 1990: la indexación.
Como se ha señalado anteriormente en el libro, la indexación se realiza
mediante la estructuración de port-folios para imitar el funcionamiento de los
puntos de referencia populares, tales como el S & P 500 o el Nasdaq 100. Algunos
administradores de dinero creían que si los rendimientos del mercado eran buenas,
entonces el aprovechamiento de estos retornos sería mejor. Durante la década de
1990, los fondos de índice de apalancamiento empezaron a comercializarse a los
inversores individuales. Estos fondos de dinero prestado o se utilizan los mercados
de futuros para lograr tanto como 2: 1 de apalancamiento.
Un grupo de fondos que se ofrecen tanto un fondo de índice a corto y largo
apalancado apalancado diseñado para rastrear el Nasdaq 100. El fondo "toro" fue
diseñado para proporcionar
314 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

2
comercio 1 comercio Poner fin a la riqueza Probabilidad
$
Ganar Ganar 100 ? 1.2? 1.2 = $ 144 25%
$
Ganar Pérdida 100 ? 1.2? 0,8 = $ 96 25%
$
Pérdida Ganar 100 ? 0,8? 1.2 = $ 96 25%
$
Pérdida Pérdida 100 ? 0,8? 0,8 = $ 64 25%

FIGURA 1 1. 7

Ejemplo de juego simple. El setenta y cinco por ciento de las veces, terminando nuestra riqueza
está por debajo de nuestra capital inicial de $ 100.

el doble de rendimiento del Nasdaq 100, mientras que el fondo "oso" fue diseñado para
proporcionar el doble de rendimiento de ser corta el Nasdaq 100. La figura 11.8 se
detalla el funcionamiento de una inversión de $ 100 el 31 de diciembre de 2000, en una
larga fondo de índice de apalancamiento Nasdaq 100 y al mismo tiempo la compra de
$ 100 de una corta fondo de índice de apalancamiento Nasdaq 100. Ambos fondos están
en la misma familia de fondos de inversión y valores de los activos netos de la vida real
(NAV) se utilizaron para calcular las estadísticas diarias del valor de la cartera.
Mientras que el Nasdaq 100 cerró con una baja del 32 por ciento en 2001, tanto
el "toro" y el fondo "oso" en realidad perdido dinero. Una inversión de $ 100 en el
fondo de toro se convirtió en más o menos $ 31 en el final de 2001, mientras que una
inversión de $ 100 en el fondo de oso se convirtió en $ 95.
¿Cómo puede ser esto si un fondo es siempre el Nasdaq 100 y el otro es corto?
Al igual que en el ejemplo anterior el comercio, los fondos pierden debido al
apalancamiento. A medida que aumentó el mercado, se exigió a los dos fondos para
comprar activos para mantener el ratio de apalancamiento adecuado. Cuando el
mercado se redujo, tanto los fondos venden estos activos, una vez más se ajuste a
la proporción perfecta. Este comportamiento es completamente consistente con
mis-sión de mantenimiento de 2 de cada Fondo: 1 de apalancamiento.
El problema es, la acción del precio sideway volátil se come en los valores de
activos ambos fondos. Cuando el mercado se ejecuta en una dirección u otra, el
efecto apalancamiento beneficiará a los clientes del fondo. Sin embargo, en un
mercado que negocia de manera lado volátil, el apalancamiento adicional dificulta
en gran medida el rendimiento.
No puedo exagerar la importancia de la gestión del riesgo en un comercio de
portfo-lio. Es un hábito natural para que los comerciantes sienten la necesidad de
ampliar los límites de riesgos y sacar el máximo provecho de su ventaja esperada
mediante el aprovechamiento de los activos. Sé que esta necesidad porque he estado
allí.
A los 15 años, he desarrollado un sistema de contra tendencia a recoger parte
superior e inferior en el mercado de futuros de bonos del Tesoro. Mientras que el
papel-comercio el sistema durante tres meses completos, cogí correctamente ocho
tapas y fondos de corto plazo en una fila. Armado con mi nuevo sistema, abrí una
cuenta de operaciones y comenzó la negociación del contrato de bonos del tesoro
en el CBOT.
No podía esperar a que el dinero para venir rodando en de la negociación. Todavía
recuer-ber sentado en la clase de la escuela secundaria cálculo de mis ingresos
proyectados de las pirámides y de constante ampliación del tamaño del programa de
comercio. Después del primer año de
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 315

Valor de Nasdaq 100 Apalancamiento del fondo mutuo

250
Apalancada Fondo
Corto

200 Apalancada Fondo largo

inversión

150
Valor $ 100

100

50

29.12.00 01.29.01 02.28.01 29.03.01 29.04.01 29.05.01 29.06.01 29.07.01 29.08.01 29/09/01 29/10/01 11/29/01 29/12/01
Fecha

FIGURA 1 1. 8

Valor de Nasdaq 100 Fondo Mutuo apalancadas. A pesar de que el Nasdaq 100 caída
precipitada en el año 2001, ambas largas y cortas apalancadas fondos de apalancamiento
perdieron dinero.

comercio, estimé mi valor neto sería de aproximadamente $ 1 millón, más o menos

un par de cientos de miles de dólares. Listo para comenzar mi viaje, coloqué la
entrada para mi primer comercio. Pero algo extraño sucedió poco después de que
el comercio se llenó el mercado iba en contra de mí. Debido a la posibilidad de
perder dinero nunca entró en mi mente, no tenía plan de contingencia para ajustar
mi comercio. El mercado se fue contra mí aún más, y yo se paralizó por el miedo.
Mil quinientos de mi $ 5000 había desaparecido. Estaba confundido, asustado, y
sin preparación. Con el tiempo que cerraba la posición con una pérdida de $ 1.500.
¿La estrategia de hacer dinero con el tiempo? No tengo idea. Estaba tan
traumatizado desde la primera operación que no he cambiado de nuevo esta
estrategia.

LOS CRITERIOS DE KELLY

El primer trabajo importante en el área de apalancamiento óptimo fue investigado por
JL Kelly, Jr., de los Laboratorios Bell en 1956. Kelly estudió la tasa de transmisión a
través de canales de comunicación com-ruidosos. Aunque su trabajo no era
particularmente útil para Telecom-comunicaciones, Kelly señaló que sería muy
relevante para la profesión de los juegos de azar. En esencia, Kelly descubrió que los
jugadores deben determinar su tamaño de la apuesta de tal manera que el logaritmo del
capital se maximiza. Maximizando el logaritmo de la riqueza se
316 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

similar a la maximización de la mediana de poner fin a la riqueza si los períodos de

tiempo suficientes están presentes.
Kelly encontró que existe una cantidad óptima de fondos de un apostador
apostar en cada ensayo con el fin de maximizar la riqueza media de finalización.
Para los juegos simples, donde un pago ganadora es igual a los pagos que pierden,
la fórmula es muy simple:
tamaño de la apuesta óptima como un porcentaje del capital = 2p
-1
donde p es la probabilidad de ganar
Si tengo un cambio de 55 por ciento de ganar, entonces yo debería apostar (2
?55%) - 1 = 10% de mi bankroll en cada apuesta. Para los juegos en los que tengo
una probabilidad del 70 por ciento de ganar, debo apostar (2?70%) - 1 = 40% en
cada apuesta. Lógicamente, se obtiene el tamaño de la apuesta máxima si hay un
100 por ciento de posibilidades de ganar. En ese momento me apuesto (2?100%) -
1 = 100% de mi bankroll en cada apuesta. Si no puedo perder, tiene sentido que yo
siempre apostar toda mi participación en cada prueba.
La fórmula anterior se trabaja para que las apuestas ganadoras, donde los
pagos son iguales a la pérdida de pagos; es decir, si recolecto $ 1 durante victorias
y perder $ 1 durante pérdidas. La fórmula puede ser ajustada para los juegos que
no cuentan con este pago de victorias / derrotas fijo. Aquí hay una versión más
general de la fórmula Kelly:
tamaño óptimo apuesta como un porcentaje del capital = p - (1 - p) /
r
donde p es la probabilidad de ganar y r es la relación entre el pago ganadora para el
pago perder

ÓPTIMA F de Vince
Ralph Vince fue el primero en aplicar el trabajo de Kelly a negociación (1990).
Vince calcula el punto de apalancamiento óptimo uso de los retornos, operación
por el comercio. Su versión de f óptima se resuelve mediante la maximización de
la riqueza final de una serie de operaciones de apuestas por un porcentaje fijo de la
pérdida de comercio más grande. La idea es que la pérdida de comercio más grande
ocurrirá en algún momento, por lo que corremos el riesgo de alguna fracción de la
pérdida más grande, lo que maximiza la riqueza de nuestro fin.
Aunque el método de Vince debería dar resultados beneficiosos, utilizando los
datos de ida y vuelta de una estrategia proporcionará una mejor medida más estricta de
apalancamiento óptimo debido al aumento del número de puntos de datos. Método de
Vince sufre si el número de operaciones es lo suficientemente pequeño que la curva de
 la riqueza final se convierte en irregular. Cuando la curva de la riqueza que termina no
es lisa, se hace difícil determinar el verdadero punto de palanca óptimo.

Un método mejorado para CÁLCULO DE APALANCAMIENTO ÓPTIMO

Creo que el mejor método para determinar el apalancamiento óptimo implica la
maximización de la mediana que termina la riqueza. Harry Markowitz (1959) mostró
que la maximización de la riqueza mediana es equivalente a maximizar el retorno media
logarítmica, y desarrolló
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 317

una buena aproximación para determinar la rentabilidad media logarítmica basada

en la media aritmética y la varianza de los rendimientos:
retorno registro esperado = rendimiento esperado - 1/2 varianza de los
retornos
El uso de una cantidad de apalancamiento, M, la ecuación de retorno
registro se convierte en:
Rendimiento esperado de registro apalancada = M ? rendimiento esperado - 1/2
METRO2 varianza de los retornos
Con el fin de maximizar la rentabilidad esperada de registro, tomamos la
derivada de la devolución de registro de apalancamiento esperado con respecto a
M. Ajuste de la derivada a cero, se resuelve por M. Sucede que el apalancamiento
óptimo del valor óptimo de M-para su uso en una estrategia de negociación se
calcula mediante:
μ
apalancamiento óptimo rendimiento = / = varianza }

σ2
Utilizando el apalancamiento óptimo calculado a partir de la fórmula anterior,
que será maximizar nuestro medio que termina la riqueza, los beneficios de los
cuales fueron vistos anteriormente en este capítulo. Si se espera que nuestra
estrategia para volver 5 por ciento anual en la tasa libre de riesgo, con una
desviación estándar anual del 20 por ciento, entonces nuestro apalancamiento es
óptima (0,05) / (0.20)2= 125%. En realidad nos gustaría pedir prestado el 25 por
ciento de nuestro capital para reinvertir en nuestra estrategia de negociación.
Supongamos que comenzamos con $ 100 y el apalancamiento óptimo de
nuestra estrategia es 200 por ciento. Tomamos prestado $ 100 de nuestro corredor
e invertimos un total de $ 200 en nuestra estrategia de negociación mediante la
compra de acciones de dos acciones de ABC, cotizando a $ 100. Nuestra estrategia
es correcta y ABC reúne a partir de $ 100 a $ 150. En este punto, somos valor de $
200: $ 300 de nuestros dos acciones, menos los $ 100 que le debemos nuestro
corredor.
Incluso con $ 200 en la capital, todavía necesitamos% de apalancamiento 200.
Esto significa que debemos tener $ 400 invertidos en la estrategia, más que los $
300 que se utiliza actualmente. Para reequilibrar, tomamos prestado otros $ 100 de
nuestro corredor, e invertir este dinero nuevo en nuestra estrategia mediante la
compra de dos tercios de una parte de la cadena ABC. Este reequilibrio crea el
óptimo 200% de apalancamiento que deseamos que nuestra $ 200 en la capital es
el control de $ 400 en posiciones trad-ing.
Si ABC declina entre $ 150 de nuevo a su original de $ 100, es necesario
volver a Reeval-luando nuestro apalancamiento. Nuestro valor neto es de $ 67: $
267 de nuestros 2,67 acciones menos el total de $ 200 que le debemos nuestro
corredor. Con $ 67 en capital y 200% de apalancamiento óptimo, tenemos que
controlar $ 134 de población-más que el $ 267 desempeñado en ese momento. Para
reequilibrar, vendemos $ 133 de valores y devolver este dinero para reducir nuestro
préstamo al intermediario. Nuestra posición restante es $ 134 mantenido en
existencias menos el restante $ 67 que le debemos a nuestro corredor, dejando $ 67
en valor neto.
Nuestro capital y el apalancamiento va a cambiar con el tiempo como las ganancias y
pérdidas se acumulan. Como se ha visto anteriormente, cuando nuestro apalancamiento
óptimo es mayor que uno, necesitaremos al comercio más grande y pedir prestado más como
nuestro capital crece a partir de las ganancias por intermediación. Como capital de las
pérdidas declina trad-ción, vamos a comerciar más pequeño y prestado menos con el fin de
mantener el apalancamiento óptimo.
318 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Este es, sin duda, donde los directores de Long Term Capital Management
hicieron una falla estratégica. En su estrategia, se emplean grandes cantidades de
palanca de la edad, ya que creían que su apalancamiento óptimo era bastante más
de 100%. En lugar de disminuir el apalancamiento por posiciones de cierre como
su capital comenzó a evaporarse, los socios ya sea intentaron mantener su tamaño
de la posición o en algunos casos aumentaron la posición de tamaño de manera
efectiva el aumento de su apalancamiento. Este error llevó finalmente a su
desaparición y el choque correspondiente a los mercados financieros mundiales en
octubre de 1998.

Por otra parte, si nuestros números de rentabilidad y riesgo producen un

apalancamiento óptimo menos de un significado que utilizamos menos de 100 por
ciento del capital de negociación- entonces emerge un patrón diferente. En este caso,
se resta de las posiciones a medida que ganamos y agregar a posiciones a medida que
perdemos, precisamente frente a la situación estudiada anteriormente.

EL PAPEL DEL DÓLAR Y PORCENTAJE DEVOLUCIONES

Los lectores pueden notar que con la mayoría de las estrategias de este libro, el
retorno y el riesgo han sido calculados en dólares, no en los términos de porcentajes
utilizados en este capítulo para calcular el apalancamiento óptimo. Podemos utilizar
la fórmula óptima de apalancamiento anterior para determinar qué tan grande que
deberíamos operar cuando se utiliza una cantidad fija de capital.
Suponemos que empezamos a operar con $ 10.000. Supongamos que creamos
un método de comercio rentable con un promedio de ganancias de $ 500 por día y
tiene una desviación estándar diaria de $ 5000 por día. Tenga en cuenta que es
imprescindible para medir el rendimiento medio y la volatilidad de la misma unidad
de tiempo, ya sea diaria, semanal, mensual o anual medidas. El uso de un poco de
álgebra, nos encontramos con que la volatilidad del dólar óptima es una func-ción
del capital, rentabilidad media, y la volatilidad de retorno.
Óptima la volatilidad del dólar = (capital) (rendimiento medio dólar) /
(volatilidad del dólar)
La volatilidad óptima resultante se expresa en el mismo marco de tiempo que las
mediciones de rentabilidad y volatilidad media. Volviendo a nuestro ejemplo, nos
encontramos con que la volatilidad del dólar óptimo de nuestro capital $ 10.000 está ($
10.000) ($ 500) / ($ 5000) = $ 1000 por día. Por lo tanto, debemos escalar nuestro
comercio hacia abajo para tener una desviación estándar diaria de $ 1000. En esencia,
tenemos que negociar una quinta parte tan grande como el tamaño de la copia de prueba
que produce una desviación estándar diaria de $ 5000 por día.
Los lectores deben tener en cuenta que incluso las pequeñas posiciones ceden
dicha volatilidad. Por ejemplo, la actual volatilidad diaria en dólares de una S & P
500 contrato es de más de $ 3,000. A pesar de que esta estrategia es muy rentable,
nuestra base de capital $ 10.000 pacientes puede ser suficiente para negociar una
cartera bien diversificada de productos. Si comerciamos más alto que el
apalancamiento óptimo, lo más probable es que les haga daño resultados en el largo
plazo, no mejorarlas. Los operadores pueden ver en este ejemplo por qué el
comercio con pequeñas cuentas es una forma casi segura de terminar con ningún
dinero en absoluto.
A medida que pasa el tiempo, los mercados y las estrategias pueden ser más
o menos volátil. Además, nuestro capital se incrementará con las ganancias y
disminuir las pérdidas. Como resultado,
CAPÍTULO 11 Nuevas Técnicas en la administración del dinero 319

en el cálculo de la volatilidad óptimo para nuestra estrategia de negociación, hay

que volver a calcular y ajustar continuamente la estadística de la volatilidad del
dólar óptima. Mientras que los cambios drásticos son probablemente sobre una base
del día a día, el número óptimo de la volatilidad del dólar es probable que cambie
considerablemente a lo largo de meses y años de la negociación.

La paradoja de apalancamiento ÓPTIMO

La comprensión de los beneficios y peligros de apalancamiento puede ayudar a los
inversores y comerciantes por igual. Los inversores pueden estructurar sus
asignaciones de acciones y bonos de manera más eficiente. Los operadores pueden
determinar su tolerancia al riesgo óptimo.
Mientras que las matemáticas de este capítulo pueden sonar como hemos
creado la herramienta por-fect, por desgracia f óptima de Vince, el criterio de Kelly,
y el concepto óptimo en edad palanca visitamos anteriormente son todos
tremendamente defectuoso cuando se aplica al comercio. Para el apalancamiento
óptimo para ser útil, el retorno y la volatilidad de las estrategias de negociación
deben ser conocidas. Si sabemos que nuestro rendimiento esperado y el riesgo con
certeza absoluta, entonces podemos aprovechar nuestro capital con eficacia.
El problema surge del hecho de que el apalancamiento óptima se calcula a
partir de supuestos específicos de rendimiento esperado y el riesgo. Si usamos
incluso $ 1 más que óptimo apalancamiento de una cartera, a continuación, que en
realidad será la disminución de nuestra riqueza ing final mediana y al mismo tiempo
tomar más riesgos. Si usamos incluso $ 1 menos que óptimo de apalancamiento, no
vamos a lograr la máxima riqueza final.
Para los juegos de rendimiento esperado y el riesgo conocida como el
blackjack, sabemos el borde y la volatilidad de nuestras apuestas. En este tipo de
juegos estáticos, apalancamiento Calcula-ciones óptimas pueden ser muy útiles.
Pero en un juego dinámico, como los mercados financieros, nunca podemos estar
seguros de futuros rendimientos esperados y la volatilidad a pesar de saber cómo
nuestras estrategias desarrolladas en el pasado. Como resultado, nunca podemos
estar seguros de si estamos utilizando el apalancamiento de manera efectiva.
Esto es por qué las técnicas de manejo de dinero, tales como los criterios de
Kelly o Opti-mal f son en realidad una paradoja. Si bien sabemos que los valores
óptimos del pasado, no tenemos certeza lo que va a ser óptimo en el futuro. Eso no
quiere decir que estas herramientas son inútiles. De hecho, son muy útiles. Su uso
más importante es determinar si los comerciantes están negociando más grande que
el apalancamiento óptimo, en cuyo caso se deberían reducir su tamaño bursátil
inmediatamente. Y si la negociación bajo apalancamiento óptimo, los comerciantes
deben preguntarse cuál es el verdadero retorno promedio y la volatilidad de su
estrategia serán en el futuro. Estas preguntas son las verdaderas dificultades a la
elaboración de un plan eficaz de gestión de dinero.
 Otro problema es que el cálculo de apalancamiento óptimo supone que todos los
inversores y comerciante está intentando maximizar la riqueza media. Sin embargo,
muchos investigadores académicos han encontrado que, en promedio, los inversores
son más reacios al riesgo. El inversor típico recoge-recompensa al riesgo de
compensaciones que serían creados por el comercio en sólo la mitad o un tercio del
apalancamiento óptimo que produciría la mediana más alta que termina la riqueza. Pues
resulta que, lo que es óptimo para una persona es excesiva para otro.
Esta página está en blanco
intencionadamente.
 CAPÍTULO 12

Resolver el rompecabezas de comercio

La creación, pruebas y evaluación de una nueva
estrategia de comercio

norte hora que tenemos las herramientas para crear, probar y negociar estrategias
comerciales rentables en acciones, futuros y mercados de valor relativo, vamos a
crear una teoría de comercio y luego fol bajo el proceso hasta que tengamos una
estrategia de negociación pulido.

CREACIÓN DE LA ESTRATEGIA
A partir de mi experiencia en el comercio, parece que se mueve grandes suelen ir
seguidas de tres a cinco días de seguimiento. Comprar el mercado después de un gran
aumento parece conducir a beneficios, al igual que la venta después de que grandes gotas.
Pero, ¿cómo podemos medir estos movimientos?
El método tradicional de la volatilidad de arranque intenta explotar esta
tendencia mediante la compra de los mercados después de un gran aumento de precio
de un día y la venta de los mercados después de una gran pérdida de precio de un
día. Es de un día realmente datos suficientes para definir una tendencia, o
necesitamos mirar tres a cinco días de la rentabilidad del mercado? Nuestro nuevo
sistema va a ampliar el alcance de la estrategia típica ruptura volatilidad mediante el
análisis de múltiples retornos período de Gen-erating de compra y venta de señales.
Me decidí a buscar en los brotes de volatilidad bajo una luz diferente. En un
sistema típico de arranque volatilidad, largos si se toman cierre de hoy es mayor que:
Precio de referencia + num ? medida de la volatilidad
en referencia de los precios suele ser el cierre de ayer o el público de hoy, num es un
número posi-tiva, ya sea medida de volatilidad es la desviación estándar de cierra,
norma
 321

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
322 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

desviación de los rendimientos, o verdadero rango promedio. Pero creo que es

miope a ana-lizar un día retornos para sesiones individuales de corto plazo.
¿Qué pasa si el mercado hace dos movimientos de precios superiores a la
media consecutivos en la misma dirección? Son importantes esos movimientos?
Creo que son. Como resultado, puedo buscar todas las sesiones individuales
de más de movimiento de precios múltiples días para generar señales de operación.
Cada día, evaluar para todos los valores de x 5-20:
Nueva lógica de la volatilidad de arranque:
Comprar si Cerca - Cerca de x días hace> num ? SQRT (x) ? desviación estándar
de los cambios de precios en los últimos 100 días
Vender si Cerca - Cerca de x días atrás <-1 ? num ? SQRT (x) ? desviación
estándar de los cambios de precios en los últimos 100 días
Cada día de la operación, que la búsqueda de señales de compra y venta
mediante el cálculo de las señales de las reglas anteriores para todos los valores de
x de 5 a 20. Empezamos comparando el cambio en el precio de cinco días con la
desviación estándar de los cambios de precios en los últimos 100 días . Si el cambio
de precio es mayor que num veces la desviación estándar, tenemos una señal de
compra potencial. Si el cambio de precio es inferior a num veces la desviación
negativa stan-dard, tenemos una señal potencial de venta. Después de ejecutar el
cambio de precio de cinco días a través de nuestro modelo, se compara la variación
del precio de seis días. Después de evaluar la variación del precio de seis días, se
examina el cambio de siete días, los precios y el cambio de precio de ocho días, el
cambio de precio de nueve días, y así sucesivamente hasta que hemos comparado
el cambio de precio de 20 días.
En cada caso, se compara la variación de los precios al producto de multiplicar
tres valores: a num constante, la raíz cuadrada del número de días en el cambio de
precio, y la desviación estándar de 100 días de los cambios de precios. El parámetro
num determinará la sensibilidad de los movimientos de precios que generan señales
de comercio. Los valores más pequeños van a generar señales de compra y venta
más frecuentes, mientras que los valores más grandes generarán señales
relativamente poco frecuentes. A partir de la distribución normal, se sabe que
aproximadamente el 95 por ciento de los valores estará contenida dentro de ± 2
desviaciones estándar. Si requerimos mueve superior a dos veces la desviación
estándar, debemos esperar que las señales de comercio más o menos 5 por ciento
del tiempo (o uno de cada 20 días, aprox-madamente una vez al mes).
Podemos usar la desviación estándar para proyectar los cambios de precios a
través de múltiples días. Para llevar a cabo esta transformación, necesitamos multiplicar
el estándar devia-ción por la raíz cuadrada del número de días en nuestro nuevo
intervalo de cambio de precio. Por ejemplo, supongamos que la desviación estándar de
las variaciones diarias de precios es de $ 1. Es de esperar que el 68 por ciento de los
futuros cambios en los precios de un día a ser de ± $ 1, 95 por ciento a ser de ± $ 2, y
99 para estar dentro de ± $ 3.We puede hacer predicciones similares sobre futuros
cambios en los precios de dos días multiplicando la norma desviación por la raíz
cuadrada de 2. Es de esperar que el 68 por ciento de los futuros cambios en los precios
de dos días para estar dentro de
± $ 1,41 por ciento a 95 se encuentran dentro de ± $ 2,83, y el 99 por ciento a ser
de ± $ 4,24. Esta
CAPÍTULO 12 Resolviendo el rompecabezas de comercio 323

método puede extenderse para predecir cualquier número de días de los cambios
de precios. El gráfico de la figura 12.1 muestra cómo nuestros ± 2 desviación
estándar de confianza del intervalo aumenta con el número de días de retornos en
el futuro.
Es posible generar señales de conflicto a través de este método, ya que
buscamos señales cuando se ejecuta x entre 5 y 20. Por ejemplo, el cambio de precio
de cinco días podría generar una señal de tiempo debido a un reciente repunte. Al
mismo tiempo, una fuerte caída anterior podría causar el cambio de precio de 15
días para generar una señal de venta. En estos casos, la señal de largo plazo siempre
anula la señal de corto plazo. Nos puede dar un agradable entrada asociada con el
cambio de precio de 15 días y pasar por alto la larga entrada asociada con el cambio
de precio de cinco días.
En la Figura 12.2, podemos ver las señales de nuestra nueva estrategia de la
volatilidad del desglose aplicados a futuros de eurodólares. Las señales utilizan el
nuevo mecanismo de entrada para el parámetro num = 1,0. A, fuerte corriente
vendedora rápida a mediados de octubre desencadena una entrada corta. Después
de una disminución significativa, una manifestación de la parte inferior del
mercado a finales de diciembre provoca una larga entrada que se inició a principios
de enero. La estrategia se queda con la posición larga hasta finales de abril.
Nuestra nueva estrategia de la volatilidad de arranque probablemente puede ser
mejorada mediante la adición de una regla de salida para indicar cuándo comercios han
seguido su curso. Así, además de las reglas de entrada, vamos a salir de las posiciones
largas y cortas utilizando un trailing stop. Vamos a arrastramos nuestro mejor

Dos intervalos de desviación estándar de confianza

120

110

100

90

80
-17
-14
-11

dieci
séis
-20

-5

-2
-8

10

13

19

22

25

28

31

34

37

40

43

46
49
1

Días a partir de hoy

FIGURA 1 2. 1

Dos intervalos de desviación estándar de confianza. Tenga en cuenta que los intervalos de
confianza no aumentan de forma lineal con el tiempo. En lugar de ello, aumentan a una velocidad
proporcional a la raíz cuadrada del tiempo.
324 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

FIGURA 1 2. 2

Nueva Estrategia aplicables al comercio con los eurodólares. Tanto una entrada corta a mediados de octubre y una
larga entrada a principios de enero producir ganancias.

posición ganancias por dos veces la desviación estándar de 100 días de los cambios
de precios. Si tenemos tiempo y los precios caen del máximo más alto visto durante
el comercio por dos veces la desviación estándar de 100 días de los retornos de los
precios, nos salimos de nuestra posición larga. Si estamos cortos y los precios suben
desde el mínimo más bajo observado durante el comercio por dos veces la
desviación estándar de 100 días de los retornos de los precios, nos salimos de
nuestra posición corta. El uso de esta salida posterior ayudará a asegurar que
cerramos la pérdida de oficios temprana y operaciones ganadoras que se cerrará
con un beneficio antes de precios se vuelven, lo que lleva a una pérdida de
comercio.

PRUEBA DE LA NUEVA ESTRATEGIA

Ahora que la idea se cuantifica, vamos a pasar a la fase de prueba y evaluar el
desempeño de la estrategia se ha definido anteriormente en 19 mercados de futuros.
Nuestra estrategia se aplica sólo en los sectores del mercado que muestran una
tendencia natural a la tendencia: divisas, tipos de interés, petróleo, granos y materias
primas agrícolas (excluido el cacao y zumo de naranja).
 La prueba se realiza en dos versiones de nuestra nueva estrategia de la volatilidad
de ruptura. Versión # 1 incluye sólo el mecanismo de entrada. Versión # 2 añade la
parada final en el mecanismo de entrada. Tenemos que ajustar nuestro sistema para
determinar si los resultados son
CAPÍTULO 12 Resolviendo el rompecabezas de
comercio 325

Estrategia Breakout Nueva Volatilidad

K-
Beneficio proporci
única entrada neto Ratio de Sharpe ón

Num = 1.0 $ 6,560,399 0.51 0.30

Num = 1.5 $ 7,454,859 0.57 0.23
Num = 2.0 $ 6,185,323 0.51 0.05
K-
Beneficio proporci
Entrada más trailing stop neto Ratio de Sharpe ón

Num = 1.0 $ 8,741,153 0.74 0.42

Num = 1.5 $ 6,345,168 0.58 0.39
Num = 2.0 $ 4,390,501 0.51 0.17

FIGURA 1 2. 3

Tabla de beneficio neto, ratio de Sharpe, y K-ratio para Nueva Volatilidad del desbloqueo
Estrategias. Los valores más bajos del parámetro num junto con el tope de arrastre producen la
más alta rentabilidad.

estable a través de diferentes parámetros. Para probar la estabilidad del parámetro

num de nuestra estrategia, ejecutamos los tests de rentabilidad por num que varía
de 1 a 2, en incrementos de 0,5. El beneficio neto correspondiente, ratio de Sharpe
y K-relación de todas las versiones y conjuntos de parámetros se indican en la figura
12.3.
Los resultados aclaran mucho acerca de nuestra estrategia. En primer lugar,
mediante la adición de la salida trasera, aumentamos la recompensa a las medidas
de riesgo tales como el ratio de Sharpe y K-relación. Mientras que el beneficio neto
se sacrificó para dos de los tres valores de num, el beneficio es menor riesgo. En
segundo lugar, se observa que los valores más pequeños de num superan los valores
más grandes de num. Llegamos a la conclusión de que nuestra estrategia es sólida
a través de parámetros y que perfor-mance es probable que siga siendo rentable en
el futuro.
Nuestra siguiente decisión es si debemos combinar múltiples versiones de la
estrategia con múltiples conjuntos de parámetros para lograr una mejor recompensa
al riesgo de los beneficios de la diversificación. Debido a que las señales de las dos
versiones de este Strat-gia son tan altamente correlacionados, optamos por omitir
la combinación de estrategia múltiple ver-siones juntos. En su lugar, vamos a
negociar la nueva entrada de la volatilidad de ruptura con el parámetro de salida de
parada y num de 1,0. Las figuras 12.4a y 12.4b detalles del Formance per de nuestra
nueva estrategia de la volatilidad de ruptura.

DETERMINACIÓN DE APALANCAMIENTO ÓPTIMO

La curva de la equidad en la figura 12.4a destaca el desempeño de nuestra nueva
estrategia para los mercados de futuros seleccionados. Nos ganamos $ 8.741.153
más de 145 meses para una edad aver de $ 60.284 por mes. Nuestra volatilidad
mensual de los rendimientos, calculada tomando la desviación estándar de los
números de pérdidas y ganancias mensuales de la parte posterior de la prueba de
rendimiento, es $ 282.620. Utilizando la fórmula óptima de apalancamiento del
Capítulo 11, que determina la volatilidad óptima para una hipotética cartera de $
100,000:
326 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

Trading Estrategia de Evaluación (Futuros)

Nombre Estrategia: la estrategia de ruptura Nueva volatilidad
parámetros: Num = 1.0, sendero mejor provecho posición por 2 sigmas de 100 cambios de precios
Descripción: Intro cuando 5 a 20 día regresar mayor o menor que sigmas Num, salida de arrastre 2 sigma
Fechas de ejecución: 01/01/1990 hasta 12/31/2001
# Avg. Avg. Avg.
Barra
Sharpe de % Avg. Lucro Avg. Avg. Barras s
K-
Beneficio proporc Propor Oficios ganar Pérdi
Mercado neto ión ción Max DD contratos Por Con. Ganar Pérdida Ganar da
FX ANUNCIO 179.420 0.01 0.10 -618070 257 37 21.36 32 31301 -17258 18 5
dieciséi
BP -124375 -0.08 -0.06 -769925 254 36 14.31 -36 30.380 -17772 s 6
discos
compactos 852.860 0.24 0.41 -265090 244 43 35.89 98 33814 -18958 18 5
JY 547.513 0.17 0.29 -276250 252 36 10,81 163 35047 -17057 18 6
SF -599700 -0.10 -0.31 -657463 254 29 13.68 -165 37866 -18760 19 6
tarifas ED 1,858,175 0.23 0.80 -345800 205 43 68.06 132 48385 -21188 21 5
TY 337.360 0.12 0.16 -235312 268 37 23.07 56 34825 -18369 18 5
NOS 490.906 0.17 0.26 -225031 240 38 17.09 121 35472 -17986 20 5
Valores SP
Rieles GC
HG
PL
SL
Energía CL 701.120 0.14 0.36 -395470 244 39 22.40 130 36192 -17936 18 6
HO 253.781 0.05 0.12 -625216 247 38 19.33 55 33.068 -18943 17 5
HU 546.672 0.10 0.25 -368189 256 37 18.03 118 35072 -16996 18 6
granos do 353.050 0.12 0.17 -379513 251 35 61.15 22 39.030 -18663 19 5
S -289838 -0.13 -0.16 -668063 235 36 26.19 -48 31.978 -20082 19 6
W 377.325 0.14 0.18 -402050 259 37 44.23 34 34322 -18144 18 5
carnes FC
LC
LH
PB
materia
s
primas
agrícola
s CC
Connectic
ut 189.935 0.01 0.09 -626855 230 34 20.85 40 37739 -18485 19 7
JO
KC 886.316 0.15 0.41 -391144 220 39 10.86 371 39790 -18923 20 5
dieciséi
LB 2,075,208 0.16 0,77 -272816 273 40 22.78 337 45806 -17295 s 6
SB 105.425 -0.03 0.06 -663623 219 37 43.58 12 33.283 -18725 18 7
Promedio 460.061 0.08 0.20 -430836 232 35 25.98 77 34388 -17449 17 5
10,000,000
8,000,000
Equidad

6,000,000
4,000,000
2,000,000
0
-2000000
En

Ene-

Dic-
97
Ene

Ene-95

e-
Ene-

Ene-
-91

Ene-98

Ene-99

Ene-

01
Ene-

00
94

96
Ene-

Ene-

01
90

92

93

Estadísticas de la cartera
 Beneficio
neto: 8,741,153 El ratio de Sharpe: 0.74
Correlación con el
drawdown: -1141172 desglose: 0.63
Correlación con el 10-40
K-cociente: 0.42 MA: 0.54
© 2002 Lars Kestner - Todos los derechos
reservados

FIGURAS 1 2. 4 una

Rendimiento de Final Nueva Estrategia Volatilidad del desbloqueo. La nueva estrategia de la volatilidad del
desbloqueo produce beneficios en los 12 años de nuestra vuelta a la prueba.
 BreakdownStatistics (futuros)

BreakdownbyMarketSector
Promedio Avg.Bars Avg.Bars
Pérdida Ganar Pérdida
-17961 18 6
-14386 15 4
# DIV / 0! # DIV / 0! # DIV / 0!
# DIV / 0! # DIV / 0! # DIV / 0!
-17958 18 6
-18963 19 5
# DIV / 0! # DIV / 0! # DIV / 0!
-18357 18 6
Número
Perf ormanceB reakdow n
byYear

Y
e
de Num.ofProfitable Por ciento
a
r
N
e
t
P
r
o
f
i
t
K
Longitu 19t
-
r
a
ventanas ventanas Rentable
90
94
4, 7
97
0. 4
10.
99
19
96
49
9, 9
d 73
0. 2
144 80 55,56%
1
9
9
142 88 61.97%
2
1
3
9
,
2
5
6
0
.
1

9
9
0
10
139 103 74.10%
3
7
3
2
,
1
2
1
0
.
0
7
19
0
94
14
133 124 93.23%
4,
83
2-
0.
07
0.
22
20
00
2,
39
127 122 96.06%
121 121 100,00%

2,500,00
0

2,000,000

neto
1,500,000

Beneficio
1.000.000
500 .0 0
0

0
1990199
11992
19931
99419
95199
61997
19
98
1999 2000 2001
Añ
o

© 2002LarsKestner-AllRightsReserved

ofourback-prueba.
327
328 PARTE 2 El poder de las técnicas cuantitativas para crear un programa de comercio

la volatilidad del dólar = óptima de capital ? retorno en dólares promedio

/ dólar volatilidad de la volatilidad del dólar óptimo = $ 100.000 ? $
60.284 / $ 282.620 = $ 21.330
Nuestros cálculos sugieren que la volatilidad del dólar es óptima $ 21.330 por
mes, mientras que la espalda de la prueba anterior produce la volatilidad mensual
de $ 282.620. Sobre la base de estos cálculos, tenemos que reducir el tamaño de
nuestra posición por el comercio de sólo el 7,5 por ciento mayor cantidad
(aproximadamente un treceavo) como el tamaño que generó la cifra de pérdidas y
ganancias en la espalda-prueba. Recuerde que el número de contratos negociados
en cualquier entrada se basa en dividir $ 10.000 antes de la desviación estándar de
100 días de los cambios de precios en dólares. Si el uso de los $ 10.000 resultados
de entrada en la volatilidad mensual de $ 282.620 por mes para nuestra cartera de
futuros en esta estrategia, a continuación, para crear nuestra influencia deseada
cuando el comercio de $ 100.000 multiplicamos $ 10,000 (7.5%) = $ 750. Por lo
tanto, para una cuenta de operaciones de $ 100,000, debemos operar en el siguiente
número de contratos de cada comercio para maximizar nuestra riqueza media:
Los contratos para el comercio = desviación estándar de $ 750/100 día de los
cambios de precios en dólares
Ahora viene la parte difícil. Sabemos que los valores anteriormente son
óptimas utilizando los datos de rendimiento de pérdidas y ganancias históricas.
¿Qué hay de aquí en adelante?
Voy a cortar arbitrariamente el apalancamiento óptimo a la mitad, al igual que
un cojín para lo que puede deparar el futuro.
Ajustados nueva estrategia de contratos / acciones al comercio =
desviación estándar de $ 375/100-día de los cambios de precios en
dólares
Si tenemos el comercio con un numerador de $ 375 para determinar el tamaño
de la posición, podemos esperar ($ 60.284) (7,5%) / 2 = $ 2261 ida y vuelta por
mes, con una volatilidad mensual de ($ 282.620) (7,5%) / 2 = $ 10.598 como
negociamos nuestra estrategia de cara al futuro. los números en tiempo real que se
desvían lejos de estos puntos de referencia deben dar lugar a la precaución. Cuando
se opera en tiempo real, las grandes desviaciones de distancia de los resultados
observados en la prueba histórica sugerirían que hemos cometido un error, ya sea
en nuestros cálculos o la Strat-gia se está deteriorando en el comercio directo.
Cualquiera de estas situaciones puede ser desastroso para los comerciantes.
En conclusión

Traders son los nuevos alquimistas. Nuestro trabajo es predecir lo impredecible.

Día siguiente día que tratan de convertir el plomo en oro. Cuando no somos capaces
de predecir lo impredecible, que el estrés y nos preocupa. Después de todo, la casi
imposible tarea de previsión financiera mar-cados es nuestro trabajo.
Si los lectores conservan una idea después de leer este libro, debe ser que
prácticamente todo se puede analizar con los números. Números enteros y números
hacen girar el mundo, no sólo en los mercados, pero en todas las facetas de la vida.
Es raro que una situación pre-envió a sí mismo en el análisis cuantitativo no puede
ayudar a explicar un acontecimiento o predecir un resultado. Los números no pueden
explicar todo, pero al analizar los datos financieros, este análisis puede llevar al éxito
comercial. Con suerte, el contenido de este libro se han convencido de no tomar nada
en cara nada de valor sin duda que puede ser prueba de opinión o resuelto
matemáticamente.
Hemos examinado el comercio de acciones, futuros financieros, metales, carnes,
granos, productos petroquímicos Leum, algodón, cacao, azúcar, divisas, tipos de interés
estructuras plazo, los diferenciales de crédito, la volatilidad, e incluso la relación entre
acciones y materias primas. Si los futuros de queso cheddar de comercio se convierte en
el próximo mercado caliente, voy a estar allí para ana-lizar el comercio y utilizando los
mismos métodos exactos que he descrito en este libro. En ello radica la belleza de la
negociación cuantitativa: la portabilidad de las estrategias y métodos.
Mis años de experiencia me han enseñado que no hay nada en el comercio viene
fácil. Siempre habrá beneficios, pero hay que trabajar duro para mantenerse por delante
de los demás. Crecer en Louisiana, tuve un entrenador de tenis que nos hizo trabajar en
nuestra condición física, a menudo de pasar más de 20 minutos al final del día carreras
de velocidad alrededor de la cancha. A todos nos odiábamos esta rutina ya veces
cuestionamos sus méritos. Recuerdo vívidamente sus gritos, "Usted sabe lo que están
haciendo en Nueva Orleans en estos momentos? Están haciendo sprints! Si quieres
vencer a ellos, entonces usted tiene que outwork ellos! "
 329

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
330 En conclusión

Él estaba en lo correcto. En todas las profesiones, el deporte y la disciplina

académica, las personas están trabajando para mejorar ellos mismos. Se están
convirtiendo en más rápido, más fuerte, más inteligente y como cada día que pasa.
Prestar atención a estas obras de consejos, si quieres vencer a sus com-
competidores, necesita trabajo a domicilio ellos.
Quiero dejar a los lectores con un pensamiento. En La teoría general del
empleo, el interés y el dinero, John Maynard Keynes escribe:
La sabiduría del mundo nos enseña que es mejor para la reputación
fallen conven-cional que tengan éxito poco convencional.
Keynes sugiere que los que tienen éxito son más propensos a hacerlo
unconven-cional. Sin embargo, los que optan por el camino de métodos no
convencionales tendrán su éxito despedido por otros como oportunidad y será
menospreciada en su derrota. Insto a cualquiera que intente prosperar en un
esfuerzo tan inclemente como el comercio al fol bajo el consejo de Keynes. Pensar
por sí mismo y viajar por caminos no han viajado antes. Espero que el éxito
comercial que traerá satisfacción personal y que sus fracasos hará que usted se
levante y vuelva a intentarlo.
Mis mejores deseos y buena negociación.
 referencias

Capítulo 1: Introducción al Trading cuantitativo

Andreassen, Paul. 1988. explicar la relación precio-volumen. Comportamiento Organizacional y
Procesos Humanos Decisión 41: 371-389.
Arnold, Curtis. Sistema de Comercio de PPS de 1995. Curtis Arnold. McGraw Hill.
Negro, Fischer, y Myron Scholes. 1973. El precio de las opciones y los pasivos de las empresas. Revista
de Economía Política 81: 637-654.
Blume, Marshall, Jeremy Siegel, y Dan Rottenberg. 1993. Revolución en Wall Street. WW Norton &
Company.
Bulkowski, Thomas. 2000. Enciclopedia de Patrones gráficos. John Wiley & Sons.
Burke, Gibbons. 1993. Tom DeMark: Guru técnica explota al alza. Los futuros de septiembre, 1993,
34-40.
DeBondt, Werner, y Richard Thaler. 1985. ¿La reaccionar de forma exagerada mercado de valores?
Journal of Finance 40: 793-807.
Dinamarca, Thomas. 1994. La nueva ciencia de análisis técnico. John Wiley & Sons.
Dinamarca, Thomas. 1998. Técnicas de New Market Timing. John Wiley & Sons.
Jobman, Darrell (1980). Richard Donchian: pionero del comercio de tendencia. Materias primas,
septiembre de 1980, 40-42.

Kahn, Phyllis. 1980. ¿Quién fue WD Gann? Los productos básicos, enero de 2000, 44-48.
Kestner, Lars. 1998. Comparación de los Sistemas de Trading populares. Los comerciantes de productos
básicos Consumer Reports.
Lo, AW, Harry Mamaysky, y J.Wang. 2000. Fundamentos de Análisis Técnico: Computational
Algoritmos, inferencia estadística, y la implementación empírica. Journal of Finance 55: 1705-
1765.
Lukac, Louis, Wade Brorsen, y Scott Irwin. 1990. Una comparación de los Doce técnicos Sistemas de
Trading. Los operadores de prensa.
Odéon, Terrence. 1998. Los inversores son reacios a darse cuenta de sus pérdidas? Journal of Finance
53: 1775-1798.
Rosenberg, Barr, Kenneth Reid y Ronald Lanstein. 1985. evidencia persuasiva de Mercado La
ineficiencia, la Revista de Gestión de la Cartera 11: 9-17.
Schwartz, Robert. 1993. Remodelación de los mercados de valores. McGraw Hill.
Schwert, William. 1991. Revisión de la volatilidad del mercado por Robert J. Shiller. Diario de Gestión
de la cartera 17: 74-78.
Shiller, Robert. 1981. Los precios de las acciones Do mueven demasiado para ser justificados por los
cambios posteriores en dividendos? American Economic Review 71: 421-436.
331
Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
332 referencias

Capítulo 4: Creación de Estrategias de Trading

Grossman, Sanford, y Joseph Stiglitz. 1980. En la imposibilidad de informativamente mercados
eficientes. American Economic Review 70, 393-408.

Capítulo 5: Evaluación del desempeño Estrategia de Negociación

Kestner, Lars. 1996. empezando a controlar verdadero rendimiento. Futuros, enero de 1996, 44-46.
Kestner, Lars. 1996. La rentabilidad de medición. Análisis técnico de acciones y materias primas,
marzo de 1996, 46-50.
Skinner, BF 1948. La superstición en la paloma. Journal of Experimental Psychology 38: 168-172.
Treynor, Jack, y Kay Mazuy. 1966. Pueden los fondos mutuos anticiparse al mercado? Negocios de
Harvard
revisión 43: 63-75.

Capítulo 6: Optimización de parámetros y señales de entrada Filtrado

Zamansky, Leo, y James Goldcamp. 2001. caminar una línea muy fina. Futuros. 10 2001, 48-50.

Capítulo 8: Nuevas ideas de entradas, salidas y Filtros

Cooper, Michael. 1999. Reglas del filtro, según el precio y el volumen de Seguridad individual
Reacción exagerada.
Revisión de Estudios Financieros 12: 901-935.

Capítulo 9: Nuevas ideas de los mercados

Demeterfi, Kresimir, et al. 1999. Más de lo que siempre quiso saber sobre permutas de volatilidad.
Goldman Sachs cuantitativos Notas de investigación Estrategias. Marzo de 1999.
Gross, León, et al. 2002. Una vez, dos, tres veces: RD / SC propagación de jugar de nuevo. Salomon
Smith Barney derivados de acciones de documentación de ventas. 4 de febrero del 2002.
________. 2002. cambio importante en el S & P 500, ya que las empresas no estadounidenses se
quitan. Salomon Smith Barney derivados de acciones de documentación de ventas. 10 de julio
de del 2002.
________. 1998. La introducción de permutas de volatilidad: volatilidad de las cotizaciones de forma
fácil. Salomon Smith Barney derivados de acciones de documentación de ventas. De enero de
1998.
Lowenstein, Roger. 2000. Cuando Genius Failed: La subida y la caída de Long-Term Capital
Management. Casa al azar.

Capítulo 10: Invertir en el S & P 500

Cruz, F. 1973. Comportamiento de los precios de las acciones de los viernes y los lunes. Los
analistas financieros 'Diario 29: 67-69.
Gross, León, et al. 2001. Los índices de volatilidad Nasdaq: ¿Por qué el VXN 10 puntos más alto?
Salomon Smith Barney equidad de documentación de ventas de derivados. 26 de de febrero
del 2001.
Headley, Precio. 2002. Las grandes tendencias en el comercio. John Wiley & Sons.
referencias 333

Capítulo 11: Nuevas Técnicas en la administración del dinero

Kelly, JL 1956. Una nueva interpretación de la información sobre tarifas. Bell System Technical Journal
35: 917-26. Markowitz, Harry. 1959. Selección de cartera: La diversificación eficaz de las inversiones.
Universidad de Yale
Prensa.
Vince, Ralph. 1990. Cartera de fórmulas de gestión. John Wiley & Sons.
Esta página está en blanco
intencionadamente.
ÍNDICE

rendimientos absolutos, 78 las estrategias de

estocástico ajustado, 219, 223-226 referencia: brotes de
ADX (Indice Medio de movimiento direccional), canales, 90-K de
brote de 72 canales con, 117-121 relación, 85-89
14 días, 109-110, 117, 118 mover cruce de media, el 90
19-día, 110 ratio de Sharpe, 84-85
VHF frente, 117, 118 La mejor posición de beneficio, 71
Amazon.com, 35-37, 38 Grandes Tendencias en el comercio
American International Group (AIG), 140 (Headley), 300 Negro, Fischer, de 31
Índice Amex Petróleo (XOI), 266, 267 años
Andreassen, Paul, de 28 años Negro-Scholes, 13 Blodgett, Henry, de
volatilidad anualizada, 51-52, 35 años
53 Appel, Gerald, 68-69 Las bandas de
arbitraje, 31-32, 248-249 Bollinger, 300
Arnold, Curtis, 21 cadenas;
Artefactos, 43 convertible, 13
Autocorrelación, 85, 86, 123-124 Tesoro de Estados Unidos, 30-31,
Índice de Movimiento Direccional Promedio 121, 122, 127 de cupón cero, 30-31
(ADX). Ver ADX (Promedio Índice de De abajo hacia arriba valor relativo, en las
Movimiento Direccional) operaciones de valor relativo, 249-250
Rango promedio de certeza (ATR), 64, 65 Estadísticas de
descomposición, 90-94
Bachelier, Louis, 14 métodos de futuros, 167
respaldo ajustados, 132-133 estocástico ajustado, 224
Back-pruebas, 76-77 soporte y resistencia estrategia de Alex
Barclay Group, 4 Saitta, 238
Índice de Barclays discrecional de ruptura del canal, 142
comerciantes, 4, 5 Índice de Barclays Índice de divergencia,
sistemática comerciantes, 4, 5, 95 las 204 80 días ímpetu, 157
finanzas del comportamiento, 21-30, 84 de 14 días RSI, 172
la naturaleza humana y, 22-23 sistema de media móvil de Kestner,
la toma de decisiones irracionales y, 23-25 187 MACD, 177
ganadores y perdedores de venta que llevan a Histograma MACD retroceso, 199 de
cabo y, 25-30 media móvil Confluencia Método, 210 se
curva de campana, 46-48 mueve cruce de media, 147
nueva estrategia de ruptura volatilidad, 327
 335

Copyright 2003 por Lars Kestner. Haga clic aquí para condiciones
de uso.
336
ÍNDIC
E

Las opciones
de compra:
Estadísticas de descomposición, los futuros se define,
(Cont.): Indicador del sobre Normalizado 31
(NEI), 216 muestras, 92 diagrama de pago, 258
Segundo Orden del equivalencia relativa con opciones de
desbloqueo, 193 de tres en venta, flujo de caja 31, 24
una fila, 229 CBOE índice de volatilidad, 299-303
20 días ímpetu, 152
volatilidad de arranque,
162
valor relativo
diferencia entre 10 días y la media
móvil de 40 días, 288
diferencia de 100 días de media móvil, 285 de
80 días ímpetu, 276
40 días de entrada / 20 días canal de salida de
desprendimiento, Índice 271 de 14 días de
fuerza relativa, 282 procesos estocásticos, 279
10 días / 40 días de doble cruce de
media móvil, 274
cepo
estocástico ajustado,
226 ruptura del canal,
144 Índice de
divergencia, 206 de 80
días ímpetu, 159 de 14
días RSI, 174
sistema de media móvil de Kestner,
189 MACD, 179
Histograma MACD retroceso, 201 de
media móvil Confluencia Método, 212 se
mueve cruce de media, 149 Indicador
normalizado de sobres (NEI), 218 Segunda
Orden del desbloqueo, 195
procesos estocásticos,
168 de tres en una fila,
231 de 20 días ímpetu,
154 volatilidad de
arranque, 164
estrategia de inversión de
volumen, 235 Ampliando inferior,
la parte superior 20 Ampliación,
20
Brorsen, Wade, 15
Brown, Robert, el
movimiento browniano
14, 14, 21 Bulowski,
Thomas, 21 Burke,
Gibbons, 10 operaciones
mariposa, 252, 254
presión de compra, 56
 Sistema de Curtis Arnold PPS Trading (Arnold),
21 Ajuste de curvas, la optimización de frente,
110-112
sesiones individuales de canal, 10,
60-62, 90, 117-121 con ADX La minería de datos, 73
los rendimientos Día de los efectos mes, 297-299
anuales, 96
ejemplo, 62
valor de, 117-118, 119 de medición,
móvil 120 con cruce de media, 106, 107
evaluación de desempeño, 139-144
piramidal y las versiones de toma de
ganancias,
242-243, 244
en las operaciones de valor relativo,
269, 270-271 reglas, 62, 90
Segundo Orden del desbloqueo, 184-185,
190-191, 192-195
descendencia
"tortuga", el 61 de
Chesapeake capital, 11
Chicago Board of Trade (CBT), 31-32
Chicago Board Options Exchange (CBOE),
Índice de volatilidad (VIX), 257-259, 299-
303 Chicago Mercantile Exchange (CME), 249,
260 de Cisco Systems, 35-37
Citadel Investment Group,
Coca-Cola 13, 196
Comisiones, 11, 139 Materias
Primas:

relaciones con las existencias, 45-46, 138, 265-

266 S & P correlación con, 45, 135, 136, 138
efecto de sustitución, 250, 264-265
Asesores de comercio de productos básicos (CTA),
que se define, 4
Comparación de los populares sistemas de
comercio, A
(Kestner), 5-6, 10, 90, 95, los
intervalos de confianza de 52
series de precios continua, 130-
133 Los bonos convertibles, 13
Cooper, Michael, 232
Correlación, 42-46
entre los activos, 103-104
autocorrelación, 85, 86, 123-124
matriz de correlación, 105
en doble cruce de media móvil, 145-150
estados generales de, 43
mal uso de, 43
negativos, 44
noncorrelation, 44
positivos, 43
Los diferenciales de crédito, en los mercados de
valor relativo, 253-257 cruce de medias móviles, 8-
9
ÍNDICE 337

Enciclopedia de Patrones gráficos (Bulowski), 21

Enron, 254
Entradas, 56-69
Día de los efectos semana, 297- definen, 55
299, 291 comerciantes del día osciladores, 66-69,
DeBondt, Werner, 24 El 69 patrones de
riesgo de incumplimiento, precio
254, 256 Dell Computer, técnicas de seguimiento de tendencias, 56-65
145 DeMark, Thomas, 10,
69 Demeterfi, Kresimir, 259
Dennis, Richard, 61
desregulación, 6 Estadística
descriptiva, 39-54

lognormalidad de los precios de

mercado, 53-54 decir, 39, 40, 308
mediana, 308
distribución normal, 46-48
desviación estándar, 39, 40-42, 46, 64, 65
volatilidad, 49-53
Ver también Correlación
Sistema designado Orden Turnaround (DOT), 11
comerciantes discrecionales, 3-5
Índice de divergencia, 197, 202, 203-
206 Diversificación, 100-107
en todos los mercados, 104-105
a través de parámetros dentro de las
estrategias, 106-107 a través de las
estrategias no correlacionadas, 105-106, 100-
102 beneficios de
mejor forma de, 104-
105 mejor forma de,
105-106 buena forma
de, 106-107
importancia de, 102-
104
la volatilidad del dólar, 52-53,
318-319 Donchian, Richard, 9-10,
60 Doble fondo, 18
Doble la parte superior,
18 Disposición, 80-82,
83 a pie del borracho,
14, 21
Doble cruce de media móvil,
evaluación de rendimiento 10,
145-150
en las operaciones de valor relativo, 269, 272,
273-274

Eckhardt, William, de 61 años

Edwards, Robert, 5, 15
Los mercados eficientes / aleatoria modelo de
paseo, 14-15, 56, 76, 124-126
Einstein, Albert, 14
 dinámicamente el tamaño de contrato
ponderada, la volatilidad 136-137
normalización de, 133-138
Equidad. Ver Los mercados de número de contratos para el comercio,
valores; Las acciones Etzkorn, 135-136 devuelve en, 78
Marcos, 219-222 Ver también Estadísticas de descomposición,
Evaluación de rendimiento. Ver La futuros; Trading evaluación de la
evaluación del desempeño de las estrategia, los futuros
carteras Los mercados de futuros:
los fondos negociados en bolsa (ETF), 260, 289, en los resultados de
295-297 salidas, 69-72 optimización, 112, 114 pruebas,
definido, de 55 129-130
a prueba de
fallos, 72 metas
de ganancias,
70
detener la pérdida de
salidas, se arrastran
236-243, 70-71
los rendimientos esperados, el
riesgo y, 307 medias móviles
exponenciales, 57 de Exxon, 32

salidas a prueba de
fallos, 72 Fannie
Mae, 155, 160
Filtrado, 72, 117-123, 181-182
definido, 55, 117
valor de, 117-118, 119-120 nuevos
filtros de tendencia, la rentabilidad y
243-245, 55, 117-123 medir
conmutación de régimen estrategias,
118-121 similitudes en filtros de
tendencia, 117
utilizando la rentabilidad de la última
transacción, 121-123
Ver también ADX (Indice Medio de
movimiento direccional); VHF (Vertical
Horizontal Filter)
Los futuros financieros, la
introducción de 6, fija la estructura
de comisión, estrategia de
negociación de 11 regla fija, 9
Ford, 247, 250
ADX, 109-110, 117, 118 de 14 días
14 días índice de fuerza relativa (RSI),
165, 170-174, 281, 282, 287, 288
Encuadre, 22
Frank Russell Company, 260
El análisis fundamental, los méritos y
limitaciones de 33-38,
Los contratos de futuros, 31-32
ADX filtro con ruptura del canal, 119, 120, 121
construcción continua, 130-133
definido, 130
338
ÍNDIC
E
yen japonés, 233, 236
Jobman, Darrell, 9-10
John W. Henry & Company (JWH), 12
Los juegos de azar, 99 de Johnson & Johnson, 232
Gann, William D., 9, 12 Jones, Paul Tudor, 10
GARCH (Generalized auto regresivo Diario de Hacienda, 24
condicional Heterocedasticidad), 49-50 Diario de Gestión de la cartera, 14-15
Gauss, Karl Friedrich, 46 Juno, 290, 291
distribución de Gauss, 46-48
General Electric (GE), 32, 33-34, 36, 51, 116,
137, 138, 175, 184, 185
General Motors, 33-34, 35, 247, 250
Generalizado auto regresivo Condicional
Heterocedasticidad (GARCH), 49-50
Goldcamp, James, 115-117
Goldman Sachs, 248, 259
Griffin, Ken, 12-13 bruto,
León, 258, 259, 300 La
utilidad bruta, 79-80
Grossman, Sanford, 63

"La mitad de la vida" del rendimiento de la

estrategia, 94-96 cabeza y los hombros
abajo, 16
Cabeza y los hombros
superiores, 16 Headley,
Precio, 300
Los fondos de cobertura, 31, 248,
263, 291-292 Henry, John, 11, 12
Alta diferenciales de
rendimiento, 255-256 Home
Depot, 160, 165
Cómo comercio de productos básicos (Gann), 9

IBM, 241, 242, 257,

295-297 Los fondos
de índice opciones de
índice, 32 de
indexación, 313-314
Las ineficiencias en los mercados de
capitales, 30-33 convocatoria y
contratos, 31 puestos
contratos de futuros,
opciones de precios, 31-
32, 32 bonos cupón cero,
30-31
Información de desequilibrio, de 63 años
Intel, 32, 33-34, 51, 52, 190-191, 241
Las tasas de interés, en la predicción de precios de
las acciones, 292-294 International Paper, 214, 219
revolución de Internet, 35-37, 290-
291 Irwin, Scott, 15
 mercado, 49-53
anualizada, 51-52, 53
la creación de nuevas estrategias, 321-328
K-ratios: el cálculo,
85-89
diversificación y, 104, 106
de estrategias y filtrados de ruptura del canal
no filtrado, 245
regresión lineal en, 86, 87, 88
versiones pirámides y de toma de ganancias de
estrategia de ruptura del canal 243,
la medición del riesgo,
86-87 Kahn, Phyllis, 9
Kahneman, Daniel, 22-23, 26-27
Kelly, JL, Jr., 315-316
El sistema de Kestner media móvil, 183-184,
185, 186-189
Clave Día de la
inversión, 69, 70
curtosis, 49

Lane, George, 66
Lanstein, Ronald, 14-15
Última operación, la rentabilidad de
la, 121-123 Leptokurtosis, 49
Las reglas del juego,
306-315 peligro de,
311-313 definido,
307
apalancada frente estrategia no apalancado,
309 óptimo, 315-319
en el mundo real, 313-315
devoluciones y, 306-311
comerciante con un borde y, 311-
312 comerciante sin borde y,
312-313
He aquí, Andrew W., 15-21
distribución logarítmica
normal, 53-54
London Interbank Offered Rate (LIBOR), 255
Long Term Capital Management (LTCM), 31-32,
255, 318
Lowenstein, Roger, 255
Lukac, Louis, 15

Histograma MACD retroceso, 191, 196-197,

198-201
comercio de macro, 250-251
Magee, Juan, 5, 15 falacia
pensamiento mágico, 98
Mamaysky, Harry, 15-21
Margen, 307
Mercado estrategias de temporización,
10, 294-303 medio plazo, 294-295,
296 desempeño de
a corto plazo, 295-303
La volatilidad del
ÍNDICE 339

Traslado de cruce de media,

90, 96 declaraciones
anuales
La volatilidad del con la ruptura del canal, 106,
mercado (Cont.): los 107 y diversificación, 105-106
comerciantes del día y, El sistema de Kestner media móvil, 183-
291 184, 185, 186-189
distribución de la riqueza y que termina, evaluación del desempeño, 145-150
310-311 de la renta variable, en los
mercados de valor relativo,
257-259
de los futuros, 133-138
GARCH (Generalized auto regresivo
condicional Heteroskedasicity), 49-50
fondos de cobertura y, 291-292
revolución de Internet y, a la
normalización de 290-291, 133-
138
precio en comparación con
el dólar, 52-53 gama de
volatilidades, 50-53 de las
existencias, 133-138
Market Wizards (Schwager), 11
Markowitz, Harry, 102-103, 104, 316-318
Mazuy, Kay, 98
McDonalds, 137
La media, 39, 40, 308
La media de la teoría de la reversión,
25, 27-29, 30 Medallion Fund, 13
La mediana, 308
Estrategias a mediano plazo, 294-
295 Meeker, María, 35
Microsoft, 165, 170
Microsoft Excel, 87
Momentum, 3, 62-63
80 días, 155, 156-159, 275-276
ejemplo, 62
naturaleza de, 62-63
evaluación del desempeño, 150-155, 156-
159 en las operaciones de valor relativo,
269, 275-276 reglas, 63
20 días, 150-155
La administración del dinero,
305-319 importancia de,
305-306 apalancamiento y,
306-315
Monte Carlo simulador, 82
Morgan Stanley, 248
Media Móvil Confluencia Método, 202, 207-208,
209-212
Convergencia se mueve Normal /
divergencia (MACD), 68-69, 170,
175-179
Histograma MACD retroceso, 191, 196-197,
198-201
 función de los rendimientos en dólares y en
porcentaje, 318-319 f óptima de Vince, 316, 319

Medias móviles, 57-60, 61

ejemplo, 59
comercio de valor relativo frente, 277-278, 280,
283, 58-60 reglas
, 58 señales de uno y dos
comerciales para, 57-58,
tipos de 57
Sistema de Entrada Múltiple oscilador, 213-
214, 219-220
Multiplicador, la volatilidad, 64, 65

Nasdaq 100, 34, 37, 41

rendimiento relativo de, 259-262, 297,
250 sustitutos naturales
correlación negativa,
Neiderhoffer 44, Victor, 11-
12 Valor liquidativo (NAV),
314 El beneficio neto, 76-
78, 87
Nuevos conceptos en los sistemas de comercio
Técnicas
(Wilder), 10, 66
Nuevas Técnicas de Market Timing (DeMark), 10
New Market Wizards (Schwager), 11, 12
Nueva ciencia de Comercio técnico, El (DeMark),
10
Nuevas estrategias, 321-328
creación, 73-74, 321-324
la determinación de apalancamiento óptimo
y, 325-328 pruebas, 324-325
19-día ADX, 110
Nokia, 248-249
Noncorrelation, 44
Distribución normal, 46-48
proceso de normalización,
113
para los contratos de futuros, 133-138
durante 10 días / 40 días de media, 280, 283,
284, 285 se mueve
para el cierre de hoy frente móvil de 100 días
aver edad, 277-280, 284, 285
Indicador del sobre normalizada (NEI), 208, 213,
215-218
valor nocional, 52

Odéon, Terrance, 25, 26

100 días de media móvil, 277-280, 284
El interés abierto, 130-133
apalancamiento óptimo, 315-319
método mejorado para el cálculo, 316-318
criterios Kelly, 315-316, 319
en nuevas estrategias, 325-
328 paradoja de, 319
340
ÍNDIC
E
pensamiento mágico y, 98
impulso, 3, 150-155, 156-159, 275-276 media
móvil Confluencia Método, 202,
Optimización, 109-126 207-208, 209-212
ajuste de curvas frente, 110- Media móvil de convergencia / divergencia,
112 definido, 110 68-69, 170, 175-179
el filtrado en, 117-123 Sistema de Entrada Múltiple oscilador, 213-
tendencias del mercado y, 214, 219-220
124-126 valor de medición el beneficio neto, 76-78, 87
de 112-117,
proceso de normalización y, en
113 las señales de comercio,
109-110
de sistemas de negociación, 111-112
negociar la curva de la equidad en,
123-124
prima de la opción, 31
Opciones. Ver Opciones de llamada;
Opciones de venta; Opciones de
alamcenaje
Osciladores. Ver osciladores Precio

Pares de comercio, 3,
263-264 Parker, Jerry, 11
La acción de penique, 289
Porcentaje de operaciones rentables,
evaluación 82-84 rendimiento de las carteras,
99-108
en los casinos, la
diversificación y 99, 100-
107
Evaluación del funcionamiento de estrategias de
negociación, 3, 75-98, 129-180
estocástico ajustado, 219, 223-226
Índices Barclay Grupo, 4, 5
la línea de base para futuras estrategias de
negociación, 175-180 brotes de canal, 139-144
comisiones en, 11, 139
comparación de las estrategias de
referencia, 90 series continuas de
precios en, 130-133 deterioro de las
estrategias, 97 Divergencia Índice, 197,
202, 203-206
de doble cruce de media móvil, 10, 145-150,
269, 272, 273-274
fallas en las medidas de rendimiento, 76-
84 minas de oro de mal desempeño, 97-98
"vida media" de rendimiento de la
estrategia, 94-96 antecedentes históricos
en 7-8, 6,
El sistema de Kestner media móvil, 183-
184, 185, 186-189
Histograma MACD retroceso, 191, 196-197,
198-201
 procesos estocásticos, 66, 67, 155, 165,
166-170, 69 Evolución de los precios
volatilidad de los precios, 52-53,
Evaluación del funcionamiento de estrategias de 318-319 Ver también la
negociación (Cont.): Indicador del sobre volatilidad del mercado
Normalizado (NEI), 208, factor de ganancia, 78-80
213, 215-218 toma de ganancias, 242-243,
volatilidad normalización en, 244 metas de ganancias, 70
otros métodos de prueba 133- Beneficio a la disposición
138, 98 del crédito, 80-82
por ciento de las operaciones rentabilidad:
rentables, 82-84 teorías de distribución de utilidades, 101-
Popper y, 75-76, 78-80 factor de 102 filtrado y, 55, 117-123
ganancia utilidad bruta, 79-80
toma de ganancias, 242-243,
244 beneficios a disposición
del crédito, 80-82, 83
piramidal, 242-243, 244
soporte y resistencia estrategia de Saitta, 233-
236 Segundo Orden del desbloqueo, 184-185,
190-191,
192-195
deslizamient
o en, 139
procesos estocásticos, 66, 67, 155,
165, 166-170 parada salidas pérdida,
236-243
plantillas, 90-94
Tres en una fila, 222, 228-231
ruptura, 63-65, 155, 160-164 estrategia de
inversión de volumen, 227, 232-233
volatilidad, 234-235 Véase también
estadísticas de averías; Fuerza relativa
(RSI); Estrategia de evaluación de la
ejecución estadísticas comerciales, 90-94. Ver
también
Estadísticas de descomposición;
Trading evaluación de la estrategia
Filadelfia oro y plata Índice, 266
Philip Morris, 134-135, 197, 202 de
alto punto de pivote, 72
Punto de giro bajas,
71 Popper, Karl, 75-
76 correlación
positiva, 43
osciladores Precio,
66-69
Convergencia se mueve Normal /
divergencia (MACD), 68-69, 170,
175-179
Sistema de Entrada Múltiple oscilador,
213-214, 219-220
Índice de fuerza relativa (RSI), 66, 67,
165, 170-174, 182
similitudes de 182,
ÍNDICE 341

funcionamiento de estrategias de
negociación; Estrategias de Trading

La rentabilidad (Cont.): paseo aleatorio / mercados eficientes de modelo,

El beneficio neto, 14-15, 56, 76, 124-126
76-78, 87 Rango, 64, 65 inferior
por ciento de las operaciones del rectángulo,
rentables, el factor de ganancia 82- rectángulo superior
84, 78-80 19, el valor de
beneficios a disposición del referencia 19, 64
crédito, 80-82, 83 de comercio de cambios de régimen estrategias, 118-121
cuantitativa, 7 señales de
comercio y, 109-110 (Véase
también la filtración;
Optimization)
sistemas comerciales rentables, 73
escritorios de propiedad, 248, 263
teoría prospectiva, 22, 25, 26-27,
30 Pruitt, George, 219-222
el arbitraje puro, en las operaciones de valor
relativo, 248-249 opciones de venta:
definido, 31
diagrama de pago, 259
equivalencia relativa con opciones de
compra, 31 Pyramiding, 242-243, 244

estrategias de negociación
cuantitativos: la creación de
nuevos, 73-74, 321-328
negociación discrecional frente,
4-5 entradas, 55, 56-69
salidas, 55, 69-72, 236-243
filtros, 55, 72, 117-123, 181-182
sincronización del mercado, 294-
299 medio plazo, 294-295
comerciantes modernos, 11-13
evaluación del rendimiento de. Ver
Evaluación del funcionamiento de
estrategias de negociación
pioneros de 9-10, teorías
de Popper y 76, y de
rentabilidad, 7
razones para el éxito de, 14-
21 reciente explosión de, 10-
11
para los mercados de valor relativo, 248-251,
267-283 método científico y, 3-5, 6-9, 76 a
corto plazo, 295-303
el sistema de comercio, 6
análisis técnico frente, 7-9 de
seguimiento de tendencias, 3, 15, 28-
30, 56-65
Ver también La evaluación del desempeño de
las carteras; Evaluación del
 Segundo Orden del desbloqueo, 184-185,
190-191, 192-195
Comisión de Valores (SEC), 63 Sharpe, William,
Reid, Kenneth, 14-15 84-85
índices Rendimiento relativo, 259-263, 297 índice ratios de Sharpe:
de fuerza relativa (RSI), 66, 67, 165, calcular, 84-85
170-174, 182 distribución a través de conjuntos de parámetros,
introducción, 10, 110-111
66
en el valor relativo de comercio, 272,
277, 280, 281-283
Valor relativo de negociación, 247-
288 brotes de canales, 267, 270-
271, desarrollo de estrategias para
mercados en 266-267, 251-266,
268
medias frente, 277-278, 280, 283 estrategias
comerciales cuantitativas se mueve en, 248-
251,
267-283
Ver también Estadísticas de descomposición,
valor relativo; Trading evaluación de la
estrategia, valor relativo
Renaissance Technology Corporation, 13
Resistencia, de apoyo y estrategia de resistencia
Saitta,
233, 236, 237-240
recompensa al riesgo,
82 de riesgo:
De forma
predeterminada, 254, 256
y los rendimientos
esperados, 307 en los
juegos de azar, 99
reversión a la media y, 25, 27-
29 teoría de perspectiva y, 25,
26-27 desequilibrada, 134-135
valor de los activos de
riesgo, 103 Rosenberg,
Barr, 14-15 Royal Dutch
NV, 264
Russell 2000, el índice de rendimiento
relativo, 259-262, 297

soporte y resistencia estrategia de Saitta, 233-236

Salomon Brothers 'Arbitrage Bond Group, 31-32
Salomon Smith Barney, 248, 258, 259, 300
Diagramas de dispersión, 42-46
Scholes, Myron, 31
Schwager, Jack, 11-12, 85
Schwartz, Robert, 11
Schwert, William, 24 El
método científico:
Popper y teorías, de 76 años
negociar y cuantitativa, 6-9
y estrategias de negociación,
3-5
342
ÍNDIC
E
rendimiento relativo de los índices bursátiles,
259-263 prueba, 129-130, 131
comercio de la curva de las
ratios de Sharpe (Cont.): acciones, opciones sobre acciones,
la diversificación y, 123-124 31
104 volatilidad de las acciones y,
de estrategias y filtrados de ruptura del canal 257-259 y los fondos de
no filtrado, 245 cobertura, 291-292, 31-32
versiones pirámides y de toma de ineficiencias de precios, 32
ganancias de estrategia de ruptura Ver también Opciones de llamada; opciones de
del canal 243, venta
Shell Trading y Transporte PLC, 264
Shiller, Robert, 24
A corto plazo el comercio de
acciones par, 250 estrategias de
corto plazo, 295-303
día de los efectos mes, 297-
299 días de la semana efectos,
297-299
los fondos negociados en bolsa
(transferencias electrónicas de fondos),
295-297, 295-297 fondos de índice
índice de volatilidad para el comercio S & P
500, 299-303 medias móviles simples, 57
pares de valores individuales, en los
mercados de valor relativo, 263-264
Deslizamiento,
139 S & P 500,
289-304
Índice CBOE de volatilidad y, 299-303
correlación con los productos básicos, 45,
135-136,
138
estrategias a medio plazo y, 294-295
deriva positiva con el tiempo, 98
índice relativo rendimiento, 259-262, 297
distribución de retorno, de 48 años
volatilidad de, 50-53, 135-139
desviación estándar, 39, 40-42, 46, 64, 65
Error estándar, 87
Estadística. Ver las estadísticas descriptivas;
Datos de potencia
Stiglitz, Joseph, 63
Estocástico, 66, 67, 182
estocástico ajustado, 219, 223-226
evaluación de desempeño, 66, 67, 155,
165,
166-170
en las operaciones de valor relativo,
272, 278-279 de arbitraje de índices, 249
Los mercados de valores:
Filtro ADX con ruptura del canal, 119, 120,
121
en los resultados de optimización, 113, 114,
116
 para obtener los promedios, 57-
58, 69, 109-110 optimización
en movimiento
Cepo: estrategias de negociación:
ADX y filtros, 121, 122 cambios en los precios y, 55-56
volatilidad de equidad, Ver también La evaluación del desempeño de las
257-259 carteras; Evaluación del funcionamiento de
volatilidad de las acciones, en los mercados de estrategias de negociación; estrategias
valor relativo, 257-259 tipos de interés y de comerciales cuantitativas
normalización, 292-294 volatilidad de, 133- Trading Estrategia de
138 evaluación: Los futuros,
popularidad, 289-292 90-93
relaciones con los productos básicos, 45- estocástico ajustado, 223
46, 138, 265-266
pares de valores individuales, 263-264
Ver también Estadísticas de descomposición,
las existencias; Trading evaluación de la
estrategia, las acciones
Detener la pérdida de
salidas, 236-243
señales de detención
de pérdidas, 70
paradas, 70
Straddles, 257
efecto sustitución, 250, 264-265
El apoyo, el apoyo y la resistencia a la
estrategia de Saitta, 233, 236, 237-240
márgenes de conversión, 255, 256-
257 negociación del sistema. Ver
Sistemas de comercio

El análisis técnico, el comercio cuantitativa frente,

7-9
Análisis Técnico del archivo Tendencias
(Edwards y
Magee), 5
Análisis técnico de acciones y materias primas
(Kestner), 5, 181
Tecnología burbuja bursátil,
35-36
Plantillas, evaluación de desempeño, 90-94
Ver también Estadísticas de descomposición;
Trading evaluación de la estrategia
Texas Instruments, 221,
222 Thaler, Richard, 24
Teoría, la progresión de las normas
comerciales, 73 a 30 días VHF, 117
Tres en una fila, 222, 228-231
De arriba hacia abajo valor relativo, en las
operaciones de valor relativo, 250
TradeStation, 78-79, 87
Operando con patrones clásicos Gráfico
(Bulowski), 21 reglas de comercio, la
progresión de la teoría a, 73 señales de
operación:
ÍNDICE 343

estrategia de inversión de
volumen, 234 sistemas de
negociación:
Trading evaluación de la estrategia, los futuros definido, 6
(Cont.): Soporte y resistencia estrategia de necesidad de,
Alex Saitta, 73-74
237
de ruptura del canal, 141
Índice de divergencia,
203 de 80 días ímpetu,
156 de 14 días RSI, 171
sistema de media móvil de Kestner,
186 MACD, 176
Histograma MACD retroceso, 198 de
media móvil Confluencia Método, 209 se
mueve cruce de media, 146
nueva estrategia de la volatilidad de
arranque, 326 Indicador de sobres
normalizados (NEI), 215 muestras, 91
Segunda Orden del
desbloqueo, 192 procesos
estocásticos, 166
Tres en una fila, 228 de
20 días ímpetu, 151
ruptura volatilidad, 161
valor relativo:
diferencia de 100 días de media móvil, 284 de
80 días ímpetu, 275
40 días ruptura de entrada / salida del canal 20
días,
270
Índice de Fuerza Relativa de 14 días, 281,
287, 278 procesos estocásticos
10 días / 40 días de doble cruce de
media móvil, 273
cepo:
estocástico ajustado, 225
de apoyo y estrategia de resistencia, 239, 240
Alex Saitta
de ruptura del canal, 143
Índice de divergencia,
205 de 80 días ímpetu,
158 de 14 días RSI, 173
sistema de media móvil de Kestner,
188 MACD, 178
Histograma MACD retroceso, 200 de
media móvil Confluencia Método, 211 se
mueve cruce de media, 148 Indicador
normalizado de sobres (NEI), 217 Segunda
Orden del desbloqueo, 194
procesos estocásticos,
169 de tres en una fila,
230 de 20 días ímpetu,
153 volatilidad de
arranque, 163
 Volumen de inversión de estrategia, 227, 232-233,
234-235

Los sistemas de intercambio Wang, Jiang, 15-21

(Cont.): 111-112, a través de la Órdenes, 13
optimización promedios móviles ponderados, 57
Comercio de la curva de la equidad,
123-124 salidas de caída, 70-71
De seguimiento de tendencias técnicas, 3, 15, 28-
30, 56-65, 60-62 sesiones individuales de los
canales
frecuencia que comercializa tendencia,
124-125 impulso, 62-63
promedios, 57-60 problema
de, 175, 180, 63-65 brotes
de volatilidad en
movimiento
Treynor, Jack, 98
triángulo inferior, 17
del triángulo superior,
17 Trucha, Monroe, 11-
12
Trucha Trading Management Company, 12
Tudor Investment Corporation, 10 Tversky,
Amos, 22-23, 26-27
canales de 20 días, 60
20 días impulso, 150-155
20 días de media móvil, 58-59
200 días de medias móviles, 9

Unilever NV, 263-264, 265

Unilever PLC, 263-264, 265
Letras del Tesoro de Estados
Unidos, 255 bonos del Tesoro
de Estados Unidos:
ADX y filtros, 121, 122,
Tres en Raya, 227 de cupón
cero, 30-31
Universidad de Chicago, 102-103

comercio de valor,
Varianza 3, 39, 40-42
VHF (Filtro Vertical Horizontal), 72
ADX frente, 117, 118
30 días, 117
Vince, Ralph, 316
f óptima de Vince, 316, 319
VIX (índice de volatilidad CBOE), 257-259, 299-
303 volatilidad. Ver La volatilidad del mercado
brotes de volatilidad, 63-65
de componentes, 64
evaluación del desempeño, 155, 160-
164, reglas 65
medida de la volatilidad, la
volatilidad multiplicador 64,
64, 65
344
ÍNDIC
E

Wellington Partners, 13 Yahoo !, 134-135, 137

Cuando Genius Failed (Lowenstein), 255 Rendimiento de comercio curva, en los mercados de
valor relativo, 250,
Señales falsas, 59-60, 191 251-253
Wilder, Welles, 10, 66
Williams, Larry, 63, 69 Zamansky, Leo, 115-117
WorldCom, 254 Los bonos cupón cero, 30-31
ACERCA DE EL AUTOR

Lars Kestner Actualmente es socio fundador de Sabre II LLC, una empresa propietaria trad-ción,
donde se centra en el desarrollo de nuevos modelos comerciales, así como el riesgo hombre-gestión.
Anteriormente fue vicepresidente de equidad derivados de negociación en Salomon Smith Barney.
También trabajó en Brandywine Asset Management. Ha escrito numerosos artículos para revistas de
la industria, así como un libro. Él recibió su MBA de Wharton.