Actualización del portafolio al 3-05-2017

Como resumen semanal, nuestra referencia, el SPY se ha revalorizado un 0,64% y nuestra cartera un 0,98%.

El total de revalorización acumulado desde nuestro inicio es del 4%, lo que supone un 2% mensual. Pero lo que cuenta es que estamos batiendo a nuestra referencia, el SPY, que tan solo ha crecido en este tiempo un 0,36%.

Las posiciones para esta semana, con sus precios de compra aparecen en los cuadros abajo, seguida del resumen total.

Hasta la próxima actualización.

 

HRV 2017-05-03_12-19-06

LPSV2017-05-03_12-20-09

PIH2017-05-03_12-22-04

total 2017-05-03_12-28-47

Anuncios

Actualización de la estrategia al 27.04.2017

Hola, Siento la tardanza en actualizar este seguimiento de nuestra cuenta en papel, pero me ha sido imposible hasta hoy, así que aquí van las dos semanas que nos faltan:

En total, la suma de las dos semanas ha sido muy provechosa. En esta quincena nuestra cartera de valores ha salido de números rojos con un salto de un 5% de revalorización, para una plusvalía del 3% en lo que va de año y de historia de la cartera.

Semana del 10 al 17 de abril:

Como resumen, decir que nuestra referencia el SPY ( que sigue al S&P500) ha tenido un descenso del -0,33% en esa semana, mientras que nuestra estrategia se desmarca y fana un 1,91% , y por primera vez, sin que esto sirva de precedente, salimos de números rojos, para una ganancia acumulada de un tímido 0,1%; lo que nos permite tener un capital final, en la semana de 10.068,08

Este es el cuadro resumen de la semana:

estr total 2017-04-27_12-44-35

Semana del 17- al 24 de abril:

Las posiciones para esa semana, así como el resumen de cierre de la semana anterior,  se muestran abajo:

HRV2017-04-27_12-47-35

lpsv2017-04-27_12-49-13

pih2017-04-27_12-50-37

La semana, si no fuese por el salto del lunes 24, tras las elecciones en Francia, sería mala, pero el resultado de las elecciones, que aliviaron la amenaza de un gobierno de Marine Le Pen creó un día eufórico. El resultado final fue que nuestra referencia SPY ganó un 1,11% en la semana.

¿Y cómo le fue a nuestros valores?: Pues excelente semana. Nuestra cartera se revalorizo casi un 3% y nuestra ganancia total del año es del 3%, mientras que la referencia todavía está ligeramente bajo cero, con una pérdida de 28 euros. Todo ello incluyendo comisiones. Abajo el resumen:

total estrat 2017-04-27_13-33-41

las entradas nuevas de esta semana y el estado individualizado de la pasada semana están aquí:

hrv2017-04-27_13-47-00lpsv2017-04-27_13-48-35pih2017-04-27_13-52-21

Recordar que las listas de valores para este portafolio simulado se publican el lunes de cada semana en el foro de Mechanical Investing de Mootley Fool. Hay que ver las dos primeras High Relative Value y LowPSVol y  en el hilo que publica los SI Rankings, mientras que la última, PIH_CSO_Safe se halla en los hilos de MI Rankings.

Éste es el enlace a ese foro:

http://boards.fool.com/mechanical-investing-100093.aspx

Saludos.
FSC

Actualización al 11-4-2017

Seguimos estancados. El SPY, nuestra referencia acabó prácticamente como empezó, y la semana actual sigue sin despegar. Nuestra estrategia ha perdido ligeramente, y hemos perdido un 0,6%, prácticamente lo avanzado la semana pasada, pero somos disciplinados y seguimos en nuestras trece.

Esta semana los valores a tener en cartera son:

High_Relative_Value          EML  SPPJY  FSBK  PEBK  CMT
LowPSvol                     ATH  BWEN   VSEC PCTI  TITN
PIH_CSO_safe                 CHDN FORR   NWN  ISCA  BKE

En LowPSvol hemos descartado a dos valores que estaban antes que esos: TRR y WWAV porque están siendo absorbidos y su precio ha saltado con la noticia, pero ha quedado estancado y sin potencial de movimiento normal. Eso nos puede pasar de vez en cuando y debemos saltarlos porque no es ni adecuado ni conveniente.

En cuanto a las estrategia basada en ETF, estoy trabajando en un programa para poder hacer el análisis histórico, lo cual tardará un poco. Si mis ideas son correctas, tendremos una estrategia más simple, menos arriesgada y que depende de nosotros mismos, en vez de tener que recurrir a datos que se publican en internet, aun cuando los datos que uso para ésta estrategia están contrastados por 13 años de evolución real histórica – Con las reglas elaboradas antes de los datos, y con una regularidad en la publicación de más de 17 años, lo que nos garantiza una razonable seguridad en que seguirán apareciendo.

Sigue el  resumen semanal:

hrv2017-04-11_17-36-35

lps2017-04-11_17-38-06

pih2017-04-11_17-40-47

res2017-04-11_17-43-27

Estrategia 1: Las Entradas y salidas de hoy 27-3-17

Vaya semana!. ¡Hemos sido la señal de los mercados para que comenzasen a caer!

Pero todo tiene un lado positivo: los precios esta semana están de rebajas…

Como siempre, vemos las entradas y dejamos las que se repiten, liquidamos las que ya no están y compramos las que aparezcan de nuevo. Dicho esto….

Estos son las entradas semanales:

High_Relative_Value HWBK SPPJY CHMG MASI KEYS 
LowPSvol            LCUT AIRM  BMCH JBSS MMSI
PIH_CSO_safe        FORR NWN   ISCA BKE  HSNI

 

Mañana por la mañana pondré la estadística actualizada al cierre

Añadido tras el cierre de ayer:

ESTADO DE LA CARTERA:

La semana pasada fue una semana bajista, con un 1,5% de caida del índice S&P500. La bolsa americana lleva con movimientos con tendencia bajista desde hace tres semanas. No es de extrañar que nuestra cartera se haya resentido. Con todo, la semana pasado tuvimos tan solo una caida del 0,76% frente al 1,77% que ha caido nuestra referencia: el ETF SPY que sigue los movimientos del S&P500, y en la ganancia acumulada estamos casi a la par que el índice. Claro que nosotros pretendemos mejorarlo, porque si no somos capaces de ello, mejor no gastar neuronas y simplemente comprar el SPY o una combinación de índices y dejarlo.

 

Este es el cuadro resumen:

resumen2017-03-28_17-39-13

y abajo el comportamiento de la semana y las posiciones iniciales de esta semana que empieza:

hrv2017-03-28_18-05-35lps2017-03-28_18-07-37pih2017-03-28_18-09-25

Estrategia 1: Las operaciones de hoy 20-03-07

Pues  al cierre de hoy ya ha pasado nuestra primera semana, así que tenemos que prepararnos para el rebalance de la cuenta cerca del cierre.

Nuestra cartera de valores de la semana pasada ha sido:

High_Relative_Value         SUBCY DISH  BBXT  SBGI  CBPX 
LowPSvol                    BLDR  GCP   DISH  JBT   BMCH
PIH_CSO_safe                NWN   FTD   TRK   ISCA  BKE

Veamos la lista de hoy:

High_Relative_Value         HWBK   DISH  CHMG  SBGI  MASI
LowPSvol                    LCUT   DISH  BMCH  AIRM  UFPT
PIH_CSO_safe                FORR   NWN   FTD   ISCA  BKE

De  High_Relative_Value conservamos DISH  y SBGI y venderemos SUBCY, BBXT y CBPX

De LowPSvol conservamos DISH y BMCH y vendemos BLDR, GCP y JBT

De PIH_CSO_safe conservamos NWN, FTD ISCA y BKE y vendemos TRK

Como es obvio, también compraremos las nuevas al precio cercano al cierre, y en las cantidades que nos indica nuestra estrategia, en base al capital final de la semana. Los cálculos de la cantidad a comprar a precios de media-sesión nos da:

High Relaive Value
HWBK 30 22,500 669,78
CHMG 18 37,850 669,78
MASI 7 92,260 669,78
LowPsvol
LCUT 32 19,750 638,42
AIRM 15 42,950 638,42
UFPT 25 25,600 638,42
PIH_CSO_safe
FORR 17 38,900 662,15

En cuanto hayamos ejecutado las órdenes de compra y de venta se actualizará la información y daremos nuestra primera estadística. Claro que hasta dentro de 30 semanas no tendremos nada estadísticamente significativo.

CIERRE DE LA SESIÓN:

Al cierre de este lunes presento los datos de la semana y su resumen. Las primeras cinco entradas de cada cuadro  están completas y podemos ver los resultados individuales de cada posición:

hrv2017-03-20_22-24-50

hrv2017-03-20_22-17-00

lpsv2017-03-20_22-39-02

lpsv2017-03-20_22-37-21

pih2017-03-20_22-40-27

pih2017-03-20_22-40-55

La tabla siguiente es la consolidación de las tres estrategias y la comparamos con un portafolio de valor similar invertido en  SPY, un fondo indexado que sigue los 100 valores más grandes del S&P500 y que tiene la gran ventaja de la simplicidad. Se compra el índice y se deja 20 años en cartera sin moverlo.

tot2017-03-20_22-58-49

Es poco tiempo para el análisis. En esta semana la suerte no ha acompañado, en especial FTD ha tenido una brusca caida y en una semana se deja casi un 15%.

El total consolidado nos deja con un 1,1% de pérdida frente al 0,45% de SPY. No es de sorprender, porque solo  ese resultado atípico de FTD ha sido el responsable del 75% de todas las pérdidas.

Todo bien. Este es un ejercicio de aprendizaje.  Y hemos aprendido que en la primera semana nos ha tocado sufrir un 15% de pérdida en uno de sus componentes, y vemos la importancia de la diversificación, de no tener todos los huevos en una cesta.

Hasta la próxima semana.

Fsc

Estrategia 1: Las entradas de hoy 13-03-07

Hoy comenzamos nuestro portafolio para la estrategia 1. Las compras serán en los momentos de cierre.

Suponemos que tenemos una cuenta en un broker que nos permita comprar y vender valores de las bolsas de USA. Preferiblemente de comisiones mínimas: 1 dolar por cada 100 acciones o menos.

Brokers “low cost” hay muchos. Yo no tengo acciones ni comisiones en los que voy a nombrar. Yo llevo 15 años usando Interactive Brokers, que tiene asegurado a cada inversor por 1 millón de euros en metálico y 10 millones en acciones, ante fraude o robo y cobra una comisión de 1 euro cada 100 acciones. Otro que tiene mucha reputación es TradeStation pero con una comisión de 5 dólares fija ( Si nos pasamos de 500 acciones entonces empieza a ser más económico que IB).

Esta página es un artículo de los mejores en esta lucha por los precios:

https://www.nerdwallet.com/blog/investing/the-best-discount-brokers/

Hay que asegurarse que tengan el seguro de marras y garantizarse de que nuestros ahorros no se volatilizan en el éter de las malas manos, y con el menor coste posible. Cuidado con las comsiones cero. Eso indica que ellos ganan de otra manera: la diferencia entre precio de compra y de venta. Esta no es una estrategia que por unos céntimos vaya a fallar, pero los céntimos se multiplican.

Por ejemplo: Si perdemos 10 céntimos en la entrada y otros 10 en la salida: Son 20 céntimos por acción. A una media de, digamos, 50 acciones x 15 posiciones, son 150 euros semanales, 7.800 euros al año. Debemos tener mucha razón en nuestra estrategia, en una cuenta de 10 mil euros, para poder ganar 7.800 euros  solo en comisiones. Esto es especialmente crítico con las cuentas pequeñas, pero incluso en las grandes, si nos ahorramos 4 mil euros, hasta nos podemos dar un capricho, ¿no?

Por eso vamos a dar un método de  maximizar el ahorro sin arriesgar que el valor se mueva y nos deje colgados esperando:

Esto es una imagen de  mi plataforma de compra-venta en IB. Todas  las plataformas tienen un corte por el estilo en sus formatos de tabla:

IB2017-03-13_17-22-46

Vemos que hay una columna Bid y otra columna Ask. El precio de Bid es el mejor al que el mercado está dispuesto a comprar lo que nosotros vendemos, el precio de Ask es el mejor que el mercado nos ofrece si queremos comprar.

Como en la media está la virtud vamos a tener el hábito de ofrecer al mercado la media de esos dos precios; y es muy frecuente que si lo hacemos así consigamos comprar o vender casi de inmediato.

En este segmento vemos que en mi plataforma podemos escoger el mid-point para ahorrarnos la mitad del “spread” o diferencial entre precio de compra y venta.  Si tu plataforma no tiene esa funcionalidad, un pequeño cálculo mental te lo dice  y simplemente envías una orden de venta al precio calculado.

ba2017-03-13_17-36-04

En este caso hay diez céntimos de diferencia BID-ASK: 15.15 – 15.25 siendo el MIDPOINT: 15.20, pero hay diferencias  mucho mayores;  y ya hemos visto que a la larga supone un montón de dinero. Así que intentaremos comprar siempre al punto medio.

Dicho esto, entremos en materia:

Esta semana tenemos que invertir aprox 666 dólares en cada uno de los quince  valores que   nos indica la estrategia.

Estos valores son:

High_Relative_Value  SUBCY DISH BBXT SBGI CBPX 
LowPSvol             BLDR  GCP  DISH JBT  BMCH
PIH_CSO_safe         NWN   FTD  TRK  ISCA BKE

Nº de acciones a comprar (en base al precio actual)

SUBCY: 44 acciones        DISH: 2 x 11 ( está en dos de las estrategias)

BBXT: 104                 SBGI: 16

CBPX: 26                  BLDR: 47

GCP:  20                  JBT:  8

BMCH: 30                  NWN:  12

FTD:  28                  TRK:  36

ISCA: 18                  BKE:  36

 

ULTIMA HORA: Este es el portafolio inicial con sus precios de compra(editado por un error en la compra de DISH que había que duplicar):

portfolio2017-03-13_20-50-26

 

 

Nos vemos en la próxima semana

 

 

De la teoría a la práctica (I)

Como había comentado, es hora de dar el chapuzón y saltar a esa piscina llena de cocodrilos. Somos Homo Sápiens Sápiens, tenemos una la base teórica sólida y neuronas, así que lo primero que vamos a hacer, antes de arriegar una parte de nuestros ahorros, es simular la estrategia. Cuando tengamos datos suficientes para verificar que la cosa funciona podremos dar el salto al dinero.

Una advertencia: las neuronas las vamos a utilizar solamente en dos cosas:

1.- El desarrollo y modificación racional de la estrategia

2.- La medición de los resultados.

Para lo demás solo somos unos soldaditos total y absolutamente disciplinados que obedecen las órdenes ciegamente. Eso es absolutamente esencial, porque necesitamos que nuestra estrategia sea lo más cercana posible a aquella que hemos diseñado y de la que conocemos sus datos estadísticos. Si no somos capaces de ejecutar las compras y ventas tal y como nos dice la estrategia no estaremos siguiendo esa estrategia sino otra desconocida y cuyos datos son una incógnita.

Pues tras este inicio, vamos a desarrollar, por ahora, dos estrategias: la primera de acciones del mercado de USA. La segunda de ETF. Y vamos a hacer dos cuentas simuladas en las que seguiremos esas estrategias semana a semana.

En esta entrada de mi blog describiremos la estrategia de acciones. En una siguiente entrada lo haremos de la de ETF.

Para la estrategia de acciones me he basado en el foro Mechanical Investing de Mootley Fool . Este foro lleva desde los años 90 centrado en el desarrollo de sistemas mecanizados de inversión. Éste es un interesantísimo foro de gente con muchos conocimientos y sólidas neuronas. Como parte de las herramientas que permiten a sus miembros, y público interesado, tienen dos herramientas de prueba histórica. El primero en aparecer fue el de Jamie Gritton, que todavía sigue funcionando y cada vez mejor:

backtester de Jamie Gritton

El otro esta basado en la base de datos SIPRO:

GTR! Backtester

Para el interesado en profundizar más:

http://gtr1backtest.anynet.info/twiki/bin/view/MIwiki/TheBook

y las últimas definiciones de las estrategias de escreening:

http://boards.fool.com/screen-definitions-part-1-19183539.aspx

http://boards.fool.com/screen-definitions-27306312.aspx

http://boards.fool.com/this-is-based-on-friday-close-as-im-using-only-30809276.aspx

Como parte de las herramientas de seguimiento llevan elaborando una hoja semanal de seguimiento de las más de 250 estrategias. Esos datos nos dan el balance semanal de cada una de las estrategias desarrolladas desde el año 2002 o desde el momento  de su creación si surgieron en años posteriores, con la particularidad de que están basadas en la compra-venta al cierre de cada lunes.

Me he basado en esos valiosos datos en vivo ( mucho más valiosos que un simple test histórico, que puede ser debido a la suerte) para obtener una mezcla de tres estrategias de un total de 15 acciones, relativamente poco correlacionadas y de fácil seguimiento para cualquier lector interesado.

Las estrategias seleccionadas ( y su matriz de correlaciones) son:

Estrategias 2017-03-10_11-55-11

Las correlaciones son relativamente buenas, dentro de lo que pueden obtenerse así.

Los enlaces de descripción de estas estrategias son:

High_Relative_Value__(SIPRO)

Low PS_Value

pih_cso_safe (Tomado del simulador de Gritton)

En base a los datos reales de la combinación de estas estrategias, he elaborado un análisis. Como parte de nuestra idea de tener nuestras pérdidas cortas, la pérdida semanal maxima permitida es de menos del 10% en total. Si en una semana tenemos un 10% de pérdida cerramos todas las posiciones y esperamos al siguiente lunes:

Éste es el resumen de sus datos estadísticos.

estadtst2017-03-10_12-39-42

Los datos estadísticos son muy buenos. La esperanza matemática media es de 0,46 euros por euro arriesgado, siendo la mínima con un nivel de confianza del 99% de 0,23 euros.

Nuestras semanas ganadoras son un 60% del total de semanas, y cuando ganamos ganamos de media 1,45 veces más de las semanas perdedoras  y alcanzando un factor 2:1 de beneficios. Los pvalue de wilcox y t-test nos dicen que podemos descartar la hipótesis nula – aquella cuyos resultados son producto del azar,- y  que, por el contrario, tiene un claro valor estadístico.

El dato del SQN que resulta de la fórmula (Esperanza *10) /(desviación estándar) es también muy bueno.

Veamos las gráficas de perdedores y ganadores:

Perdedores:

estr

Vemos que tenemos unas pérdidas limitadas a un máximo de 2,5 veces nuestro riesgo medio semanal.

Ganadores:

ganad

Y vemos que nuestros ganadores alcanzan las 4,5 veces el riesgo medio. Lo cual coincide con el “profit factor” de nuestra estadística (2,17)

Si invirtíesemos un 1% del capital circulante, ésta es la gráfica del log10 de su crecimiento a 10 años, en base a una inversión inicial de 10 mil euros ( el log10 es conveniente porque nos permite ver el número de ceros a la derecha de nuestro capital. Un log10 de 7 equivale a 1×10^7 = 1 millón). Esta gráfica es el resultado de una simulación bootstrap de 10 mil historias de 10 años cada una, con lo que tenemos 100 mil años de historia simulada:

crecim

Capital medio:    66,507.93
Capital mínimo:   22,266.57
Capital máximo:  206,383.06

No está nada mal. En promedio, en 10 años multiplicamos nuestro capital inicial por 6,6, o el 665%.

El histograma del riesgo es:

riesgo

Esta gráfica nos indica la distribución del porcentaje máximo que puede caer nuestra inversión en esos 10 años a lo largo de 10 mil simulaciones. Como podemos ver, el valor esperado es de alrededor del 9%.

 Caida máxima media:   9.4 %
 Caida máxima minima:  4.15 %
 Caida máxima máxima: 24.57 %
 Probabilidad de 8% de caida máxima:  68.30 %
 Probabilidad de 10% de caida máxima: 34.29 %
 Probabilidad de 15% de caida máxima:  3.04 %

Armados con este conocimiento,  vamos a  invertir 10 mil euros entre 15 valores- cinco valores por estrategia- con un 10% máximo de riesgo semanal. Esto nos da un riesgo semanal inicial de 1000 euros, pero  que irá evolucionando de acuerdo al crecimiento y decrecimiento de nuestro capital.  Vamos a repartir esos diez mil euros de forma equitativa entre las tres estrategias y valores, lo que nos da una inversión inicial de 666 euros por cada acción. Compraremos el mayor número entero de acciones que nos permita esa cantidad sin pasarnos de la cifra por más de un 10%. Con ello en algún caso tendremos más del 100% del capital invertido, pero nunca pasará del 110% del capital.

Epezaremos el próximo lunes, y su evolución semana a semana, junto con la estrategia de ETF la iremos publicando aquí.

Un dato que es más sicológico que otra cosa, pero que hay que tener en cuenta es que habrá muchas semanas seguidas con pérdidas. Este es el gráfico:

perdidas semana

Como vemos, tenemos un 40% de dos semanas perdedoras seguidas y un 15% de que sean tres semanas perdedoras, y de un 7% de que sean 4 semanas. Incluso vemos un dato muy poco probable de hasta 21 semanas seguidas perdiendo. Es poco probable, pero tenemos que aceptar el hecho de que así son las cosas, y de que a la larga prevaleceremos. Esta es una carrera de fondo.

Como contrapartida, los momentos alegres son éstos:

ganadores

Como vemos hay un 60% de probabilidades de 2 semanas seguidas ganadoras, de un tercio de que haya tres semanas ganadoras y de un 20% de cuatro semanas seguidas ganando y una minúscula probabilidad de que esto se extienda por 31 semanas. Pero esto tampoco debe ponernos eufóricos. ¡che sarà sarà!

 

 

 

A cerca del riesgo y de por qué muchas es mejor que una

“Wide diversification is only required when investors do not understand 
what they are doing.”  
— Warren Buffet
"The central asymmetry of life is: 
In a strategy that entails ruin, benefits never offset risks of ruin"
— Nassim Taleb

 

¡Bendita estadística! .

Puedes usarla para demostrar cualquier cosa. Pero el tema es que no siempre se puede interpretar de la misma forma. Por ejemplo, podríamos concluir que, dado que un producto tiene la probabilidad de un 98% de ser seguro, el producto es seguro.  Pero, ¿estaríamos dispuestos a tomar ese producto?. Depende de si en ese 2% nos mata o solo tenemos un ligero salpullido. Pareciera mejor información para determinar su seguridad conocer qué nivel de riesgo tiene en vez de qué nivel de seguridad tiene, porque ambos conceptos no son lo mismo. Y ello tiene que ver con lo que los estadisticos llaman dependencia de la trayectoria.

En uno de sus escritos Nassim Taleb lo explica de forma diáfana:

El resultado de planchar la camisa y luego meterla en la lavadora es muy distinto a  meterla en la lavadora y luego plancharla.

Y llevado a inversiones patrimoniales :

+ 100.000 + 100.000 – 150.000

no es igual a

+ 100.000 – 150.000 + 100.000

La primera trayectoria nos deja con cincuenta mil euros de capital, la segunda con cincuenta mil euros de deuda, ya que nuestra ruina nos impide completar la última parte de la trayectoria – ganar cien mil. En esta segunda trayectoria nos hemos topado con lo que se llama barrera absorbente.

En esta entrada intentaremos sacar conclusiones sobre ello, y para comenzar analizaremos dos  entradas del blog del profesor Tucker Balch.

Esta es la primera:    The Augmented Trader – Expected Return, Risk, and Diversification

En ella se analizan dos métodos extremos de invertir 1.000 dólares.

Yo lo planteo ligeramente distinto:

Imaginemos dos inversores, Paco y Manolo que tienen 1.000 euros que quieren invertir. Paco y Manolo tienen una moneda ligeramente trucada que les da un 51% de caras y un 49% de cruces, y quieren usarla en un casino muy particular que permite que los clientes traigan su moneda.

Las reglas del juego son que si sale cara Paco y Manolo reciben una cantidad igual a lo que apuesten, y si sale cruz la banca se queda con lo apostado.

Paco es inquieto y tiene mucha prisa. Su mujer está de parto por lo que lo va a apostar todo a una sola jugada. Manolo es soltero y está aburrido, así que quiere maximizar su diversión  apostando un euro a la vez.

El juego se termina cuando se hayan realizado 1.000 lanzamientos de moneda.

La pregunta es: ¿Cuál de los dos métodos es mejor?

Desde el punto de vista del beneficio tenemos:

Beneficio de Paco     =  0.51 * 1.000 -0.49*1.000 = 510-490 = 20.

Beneficio de Manolo= 1000 * (0.51*1 -0.49*1)  = 1000*0.02 = 20.

Al parecer, desde el punto de vista del beneficio ambos métodos son idénticos.

Veamos ahora el cálculo de los riesgos.

La serie de apuestas de Manolo es un conjunto de mil apuestas  :

[1, 1, 1, …..1]

Dado que Paco solo apuesta una vez, para compararlo con Manolo debemos equiparar su serie a la de éste. Para ello podemos decir que la serie de Paco es:

[1.000, 0, 0, 0….. 0]

En una serie de este tipo, el riesgo se obtiene mediante el cómputo de la desviación estándar, que es la raiz cuadrada de la varianza.

En el caso delas mil apuestas de 1 euro de manolo encontramos que sus ganancias tienen el siguiente patrón:   +1, +1, -1, +1. -1, -1……

y su desviación estándar es 1.

Si hacemos lo mismo con la serie de Paco encontramos que para una apuesta de 1.000 euros y 999 apuestas de cero euros la desviación estándar es de 31,62 Euros.

Pero, ojo. La desviación estándar no nos dice NADA sobre el riesgo de ruina. Y el riesgo de ruina es del 49%.

En todo caso, incluso si obviamos el riesgo de ruina, queda demostrado que a igualdad de beneficio es mejor atomizar las apuestas o las posiciones de un portafolio. Pero, insisto, no debemos olvidar nunca el riesgo de ruina. En el caso del método de Manolo su riesgo de ruina es que mil apuestas salgan todas perdedoras, ello supone un riesgo minúsculo, ya que es

Riesgo de ruina = 0.49^1000  = 1.57e-310

Es de notar que este análisis está hecho en base 1.000 eventos independientes, lo que en estadística se denomina correlación cero. En bolsa eso se traduce por la necesidad de evitar correlaciones en la cartera de valores, de hecho sería deseable tener correlaciones inversas, de forma que unos valores compensaran el riesgo de otros.

Tener una cartera de valores sin ninguna correlación es imposible en la práctica, pero sí que podemos ser cuidadosos y acercar esa correlación lo más posible al cero, e incluso conseguir pares con correlación inversa, mediante la cuidadosa selección de los activos.

En todo caso no es una condición necesaria para obtener rendimientos, solo nos aplana la curva y disminuye el riesgo total, lo cual es bueno para una buena salud y un sueño sin sobresaltos.

La segunda entrada de Tucker Balch que vamos a analizar es ésta:

The Augmented Trader – Warren Buffet and the “Fundamental Law”

Es complementaria con lo que antes hemos discutido y analiza ( y también refuta) la cita de Warren Buffett de arriba.

Buffett nos dice que la diversificación solo es necesaria si no  entendemos lo que estamos haciendo.

La primera cuestión es si hay quien entienda lo que está haciendo sin información interna sobre la empresa en la que va a invertir. Claro que Berkshire Hathaway, la empresa fundada y dirigida por  Warren Buffett,  tiene tanto músculo financiero que es capaz de innvestigar en profundidad cualquier empresa en la que esté interesado. Algo que el 99% de los mortales no podemos hacer. Tan solo tenemos los datos financieros públicos, pero no la información interna de nuevos productos, qué se cuece en sus departamento de investigación, cuál es su plan estratégico para los próximos 3-5 años etc. etc.

Entonces nos surge otra pregunta: ¿Podemos el resto de los mortales equiparar nuestro rendimiento al de Warren Buffett sin ese conocimiento exhaustivo? ¿es posible invertir con resultados similares usando otro método?

Tucker Balch nos propone la ecuación del inversor:

Resultado = habilidad * Raiz_Cuadrada(Nº de inversiones)

Es decir, Si queremos tener el mismo resultado que el Sr. Buffett o bien tenemos su conocimiento/habilidad o bien incrementamos el número de decisiones financieras.

Por ejemplo, si nuestra habilidad es 10 veces menor debemos realizar 100 veces más decisiones de compra-venta.

Podríamos refrasear la cita de Buffett de la siguiente forma:

“Si eres menos habil que W. Buffett, asegurate de tener un portafolio diversificado y activamente gestionado”

Como quiero que este blog llege a una conclusión práctica para el agobiado ciudadano que quiere tener una segunda fuente de ingresos, en la próxima entrada de este blog intentaré definir una estrategia práctica en base a estos principios.

Para finalizar, indicar que las estrategias que presentará se ofrecen a modo de ejemplo, sin que sea una recomendación de inversión. Cada cual debe ser lo suficiente mayorcito para responsabilizarse de sus propias decisiones financieras. Yo tan solo intento contribuir con conocimiento para que el  inversor profano acometa esta empresa de modo más seguro y con mayor conocimiento de las bases teóricas.

Fran

Mas sobre riesgo del experto en el tema:

The logic of Risk Taking

 

Acerca de por qué los analistas y traders están equivocados (II)

Scientists are seeing more and more evidence that we are specifically designed by mother nature to fool ourselves . – Nassim Taleb, Fooled by Randomness

 

Veo que estáis comidos por la ansiedad. Esperáis la revelación del secreto más buscado en la industria bursátil.

-Si saber cuándo comprar y cuándo vender no es importante, ¡anda y cuenta tú, listillo, qué lo es!

Pues a esa frase podría contestar que volvemos a las andadas. Que nadie sabe en realidad cuándo comprar y cuándo vender. Que el entorno es de incertidumbre, y por lo tanto, por mucho que nos esforcemos, no sabremos  mucho de eso.

Pero quiero ir más allá y contar una historia que tiene que ver con lo aleatorio, la teoría estadística y con lo que quiero demostrar.

Y es seguro que la  conoceréis:  Es la de Los Pelayo.

Los Pelayo

Estos señores, aunque no lo hayan confesado, tal vez  supieron de cuatro artículos de otro famoso personaje, Ed Thorp,  que publicó en 1979 en una revista americana dedicada al tema de las apuestas. Artículos que desgranaban la forma en la que una ruleta de un casino podía ser batida y ganar dinero con ella.

En todo caso, lo que ellos dicen haber hecho es ir al casino y estar varios días solo observando y anotando los resultados de la ruleta para detectar sus fallos mecánicos y de equilibrio. Partían de  la hipótesis de que las ruletas mecánicas no son perfectas y de que era cuestión de conocer la estadística de sus imperfecciones.

Cuando contaban con entre 10 y 30 mil datos ,  los introducían en un programa que analizaba los puntos calientes de esa ruleta en particular.

Eso les permitía detectar las zonas de máxima probabilidad. En las siguientes noches apostaban una fracción optimizada de su capital a esa área.

En la entrevista cuyo enlace pongo arriba ellos dicen que  en 4 años ganaron 250 millones  netos de las antiguas pesetas (1,5 millones de euros) y que en la época de la entrevista  eran capaces de ganar 1 millón de euros en dos meses.

Mi tesis es: Las ganancias de un casino en la ruleta son del 6,25% de lo apostado. Esa es su ventaja. El cero y el doble cero.  Para los Pelayo, las probabilidades tras el análisis  estadístico de la ruleta no debían ser mayores. Tampoco sabían exactamente dónde iba a caer la bola en cada jugada y sabían que no iban a ganar en cada jugada. De hecho, eran conscientes de que podría haber rachas de siete o mas jugadas perdedoras seguidas. Sin embargo tenían la confianza suficiente para saber que podían ganar 1 millón de euros en dos meses.

Mi hipótesis: No es necesario saber cuándo ni dónde invertir. Solo es necesario tener una mínima ventaja y saber cuánto invertir cada vez que “jugamos”.

¿Cómo voy a demostrarlo?: 

Diseñemos una estrategia  teórica que no tenga en cuenta ni el cuándo ni el qué y veamos cómo se comporta.

Nota: Este es un mero ejercicio teórico para demostrar lo poco que se necesita para tener una ventaja explotable en bolsa. Esta estrategia, como dije es teórica y no tiene en cuenta los costes  de transacción, aunque con un poco de imaginación es trasladable hacia unas condiciones que permitan ganar dinero y pagar los costes operativos.

Para ello he tomado los datos históricos del DAX en el intervalo de 1 minuto de los últimos cinco años.

Si realizamos una acción de compra o venta  cada minuto podemos  convertir los datos de cierre del índice en el resultado de un sistema crudo que gana o pierde  exactamente lo que ganó o perdió el DAX minuto a minuto, mediante la siguiente fórmula:

Beneficio[i] = (cierre[i]-cierre[i-1])  /  cierre[i-1]

Esta fórmula convierte al DAX en el sistema en crudo. Este no va a ser nuestro sistema, solo es nuestra referencia inicial.

Veamos sus características estadísticas:

% Ganadores                  : 51.45%
 % Ratio G:p                  : 0.95
 Esperanza matemática(EM)     : 0.0019
 desv. estándar de EM std     : 1.4295
 SQN                          : 0.0131
 media/std de la Esperanza    : 0.0013
 Coeff de Variación  %        : 76241.34%
 f óptimo  (Ralf Vince)       : 0.0100

Los datos que vemos bien pueden corresponder a una señal totalmente aleatoria. La esperanza matemática es tan baja que es prácticamente cero y su desviación estándar 70 mil veces mayor corrobora el carácter incierto de los últimos 5 años del DAX.

El dato de SQN, que indica cuán lejos está este sistema del azar es prácticamente cero.

y no es de extrañar, ésta es la gráfica de cinco años de trading en el  DAX empezando con unos hipotéticos 10.000 euros e invirtiendo el 0.5% en cada jugada:

 

fdax2016-09-04_19-12-11

 

Veamos cien historias tomadas al azar de estos datos ( metemos los datos en una bolsa como si fuesen canicas del bingo y las sacamos al azar con reemplazo)

FDAX 100 gr 2016-09-04_19-19-14

Fíjense bien en la gráfica. Algunas historias pueden haber ganado algo de dinero en cinco años, pero muchas llevan a la ruina. La más exitosa llegó a ganar más de 50 mil euros en cinco años, pero la media está en aprox. 20 mil euros, con una probabilidad del 50%. Pero son solo 100 historias. Lo probable es que la media haya quedado en 10.000 si extendemos las simulaciones a 10.000 historias.

Vamos a modificar  ligeramente el juego. Nuestra estrategia será:

  • Si el cierre del DAX es más alto que el anterior cierre,  nos ponemos largos (compramos)  y seguimos comprando por seis jugadas más, mientras esas jugadas sean ganadoras. Pasada la sexta jugada no jugamos más hasta que el contador de largo se ponga a cero.
  • Si el cierre del DAX es más bajo que el anterior cierre,  nos ponemos a corto ( vendemos) y seguimos a corto por seis jugadas siempre que el DAX siga a la baja. Tras esas seis jugadas no jugamos hasta que el contador de corto se ponga a cero

Si se producen seis minutos seguidos de subidas todo lo ganado lo acumulamos. Si durante ese período sucede una bajada se pierde todo lo ganado ese período.

Si se producen seis minutos de bajadas todo lo ganado a corto se acumula. Si durante ese período sucede una subida perdemos todo lo ganado ese período

Éste es el código para generarlo:

algo 2016-09-04_19-58-08

data es la tabla de datos

nn  Número de ciclos, 6 en este caso, que acumulamos ganancias

fr fracción de ganancias del ciclo anterior que apostamos en el siguiente (cero en este caso)

En resumen: esta estrategia sigue la tendencia del último minuto en la asunción de que continuará. Nos basamos en el hecho de que incluso en un proceso aleatorio puro existen las rachas y buscamos beneficiarnos de ellas.

Estos son sus datos estadísticos básicos:

% Ganadores                   : 52.30%
 % Ratio G:p                  : 0.99
 Esperanza matemática(EM)     : 0.0417
 desv. estándar de EM std     : 1.4822
 SQN                          : 0.2812
 media/std de la Esperanza    : 0.0281
 Coeff de Variación  %        : 3556.46%
 f óptimo  (Ralf Vince)       : 0.1897

 

No es para echar cohetes, pero es mucho mejor que cero.

Lo importante es que hemos logrado subir la esperanza matemática a 0.042 y la SQN a 0.28. El sistema no es brillante, pero me atrevo a asegurar que  no es peor que el que hizo ganar 250 millones de pesetas a los Pelayo. Lo importante es que tenemos una ventaja, la Esperanza matemática que nos da 4,2 céntimos de euro por cada euro arriesgado cada minuto de los cinco años.

 

Veamos su resultado de cinco años, con el mismo supuesto: apostamos el 1% fijo del capital inicial, o 100 euros, en todas las jugadas ( y sin costes de operación, pero éste es un ejercicio teórico. Con costes de operación el 50% de esos 4 céntimos serían  gastados en comisiones , pero la estrategia todavía sería lucrativa)

stat res 100 2016-09-04_20-03-50

y veamos las primeras diez mil jugadas (10 mil minutos o 7 días hábiles)

jugadas 2016-09-04_20-17-47

Podemos observar que en poco más de una semana hemos logrado incrementar nuestra cartera una media de un 25%. ¡No está mal para una estrategia cuasi-aleatoria!. Hacemos en una semana y media lo que Warren Buffett tarda un año en lograr. Y esto es solo el principio.

Veamos qué pasa si usásemos una apuesta del 1% pero del capital actual. Es decir, a medida que el capital aumenta, nuestra apuesta arriesga el 1% de esa nueva cantidad:

1pc 2016-09-04_21-02-26

La gráfica es logarítmica y podemos apreciar que el resultado medio está en el entorno de 2×10^4 o 20 mil euros.  Pero veamos la gráfica de probabilidades:

prob 1%2016-09-04_21-07-36

Se observa en la gráfica que tenemos un 100% de probabilidad de cero pérdidas

Un 75% de al menos tener un 50% de beneficios

un 35% de tener 100% de beneficios

y un 10% de tener un 150%

( nota: log10(4) = 10.000,  log10(4,2) = 15.000, log10(4.3)=19.950 y  log(4.4)=25.118)

Todo esto con un máximo riesgo de pérdidas que vemos en la siguiente gráfica:

prob caidas2016-09-04_21-45-27

Lo cual es excelente, porque con una probabilidad media de un 12% de caída( Drawdown máxima) alcanzamos más del 50% de beneficios, incluso la probabilidad del 35% de las veces de duplicar la inversión.

Pero incluso esta estrategia conservadora es mejorable;  aunque eso lo dejaremos para otra entrada…

La tesis inicial queda demostrada. Necesitamos una ínfima parte de todo ese esfuerzo analítico para obtener una estrategia funcional.

No digo que haya que olvidarse del análisis técnico o del fundamental. Nos servirá para mejorar la calidad de nuestra estrategia. Tan solo hay que ponerlo en el contexto adecuado:

Busquemos ideas de bajo riesgo que sean mejores que  esta estrategia básica , con  las características de simplicidad y robustez, y cuyos datos estadísticos  importantes nos den la confianza de que a largo plazo funcionarán.

Luego concentrémonos en  optimizar su uso mediante la decisión de qué fracción de nuestro capital debemos arriesgar en cada jugada.

FSC

 

 

 

 

 

Acerca de por qué los analistas y traders están equivocados (I)

1.- The only certainty is that there is no certainty

2.-Decisions are a matter of weighing probabilties

3.- Despite uncertainty we must act

4.- judge decisions not only on results but on how they were made

Robert Rubin – Principles on decision making

( tomado del libro de Michael J. Mauboussin: More than you think)

 

“I am not saying that Warren Buffett is not skilled; only that a large population of random investors will almost necessarily produce someone with his track records just by luck” – N.N. Taleb, Preface to Fooled by Randomness

A partir de ahora no hay excusa, porque ya somos conocedores de que el entorno bursátil es un entorno de incertidumbre. Un lugar dónde no podemos dar nada por sentado. La pregunta que surge es: ¿Cuáles  son las habilidades y conocimientos necesarios para tener éxito en la bolsa?

Hay montones de ejemplos de gente que hace dinero en bolsa.  Mira, por ejemplo a Warren Buffett o George Soros, o los miles de fondos que generan rentas de entre un 3 y un 30% al año. Solo se necesita ser un experto y comprar a las empresas adecuadas. Por ejemplo, quien compró Inditex a 17 euros en su salida a bolsa ha multiplicado varias veces su inversión. Quien compró Google a 100 dólares o Amazon a 10 dólares etc.

Bien. ¿y quién es un experto, según lo comúnmente aceptado ?

 

(a partir que aquí, puedes irte a la parte II si no te interesa un mini-resumen histórico  de los métodos de inversión)

Antes del uso de ordenadores los expertos eran estudiosos de las características fundamentales de las empresas, cuyo teórico más relevante es Benjamin Graham, y su alumno más aventajado, Warren Buffett. Su método era buscar empresas sólidas, con una dirección empresarial con sólida ética empresarial, un producto atractivo preferiblemente monopolizable – con mucha demanda, pero solo comercializable por esa empresa, como la CocaCola- y con un precio atractivo respecto a sus beneficios.  Muchas variantes de ese método han salido, en combinación con el análisis del ciclo de la economía. Este método bien llevado no ha estado mal. Wareen buffett tiene un récord del entorno al 25% de beneficios anuales, durante 4 décadas. Nada mal.

El método se ha generalizado para la mayoría de los fondos de inversión actuales, y ha creado una carrera profesional: la del analista bursátil.

Cuando los ordenadores empezaron a ser una opción para el análisis, muchos teorizaron que no era necesario ese análisis exhaustivo. Si las acciones de una empresa eran demandadas,  o dejaban de demandarse, eso se manifestaba en su precio con subidas cuando era más comprada y bajadas cuando era más vendida. Este tipo de análisis se vino a llamar “análisis técnico”.

Con el tiempo empezaron a crearse sistemas mecánicos de trading,  y el análisis técnico se nutrió de múltiples indicadores ( derivaciones de los datos crudos), como las medias móviles ( filtros  elimina-ruido  ), el “estocástico” un oscilador que indica sobre-compra o sobre-venta, el MACD, la diferencia de dos medias móviles, que intenta sincronizar cambios de tendencia de corto plazo , se importó de Japón las técnicas basadas en “velas”, que en realidad son una forma de identificar patrones que busca también detectar cambios a  corto plazo de la tendencia.

En  la actualidad, con la enorme potencia de los ordenadores, la tercera ola es el trading algorítmico y el trading de alta frecuencia.

El trading algorítmico, es en realidad muy similar ( o incluso idéntico) a un sistema mecánico de trading. Se busca plasmar en un código las decisiones de Compra/venta y la posterior gestión de la posición. En muchos casos el trading algorítmico va más allá de expresar en forma mecanizada las condiciones de compra/venta en base a los indicadores o movimiento de precios, para beneficiarse de la posición estadística de los precios o incluso del desequilibrio entre el precio del futuro y el del cash, creando un trade con beneficios seguros ( arbitraje).

El trading de alta frecuencia es otro tema, y se está debatiendo su ética y legalidad. Porque básicamente los que tienen capacidad de hacer este tipo de trading se aprovechan de tener los datos de compradores y vendedores unas milésimas de segundo antes que el resto de los participantes, pudiendo aprovecharse de ese conocimiento para ejecutar compras y ventas con beneficios que no están al alcance de los demás.

Todo este pequeño resumen histórico viene a cuento porque  en la actualidad es en lo que ocupa su tiempo de formación el 99% de los que quieren operar en bolsa, y que posteriormente intentan aplicar, sin tener idea de si ese método tiene una ventaja. Miles de libros se publicaron y publican sobre análisis técnico y sistemas de trading e inversión, que hacen creer que lo importante es conocer, saber cuándo comprar y cuándo vender.

Y mi tesis es que se equivocan. Que malgastan su tiempo en lo que menos importa. Y lo digo con conocimiento de causa. Yo confieso haber caído en ese pecado.

 

Fsc