Divergencia intermercado

Oct 24, 2022 | EasyLanguage

Divergencia intermercado – Un método robusto para la generación de señales

En esta investigación, le presentamos un método aún vigente, el cual le permite generar señales de trading robustas en Easylanguage.

Esto le puede ser muy útil a la hora de crear o mejorar sus propias estrategias de trading. Muchos mercados están interrelacionados. Estas interrelaciones pueden ofrecer capacidades de predicción para muchos mercados. El estudio de estas interrelaciones se denomina análisis intermercado.

En este artículo, explicaré brevemente un método sólido para generar señales robustas para una amplia gama de mercados. También le ofreceré una herramienta gratuita de TradeStation para ayudarle a explorar las relaciones intermercado. Las correlaciones estándar intermercado no son útiles si nuestro objetivo es predecir los precios futuros o generar señales rentables porque la correlación actual no nos dice nada sobre los precios futuros.

Una metodología que desarrollamos originalmente a mediados de la década de 1990, denominada divergencia intermercado, nos permite calibrar el poder predictivo de una relación intermercado y producir señales 100% objetivas. Durante los últimos 17 años hemos utilizado esta metodología para desarrollar sistemas de trading que han producido señales de trading robustas y fiables incluso 17 años después de que los modelos fueran desarrollados originalmente sin ninguna re-optimización.

Otras metodologías de procesamiento de las relaciones intermercado para desarrollar señales de trading pueden funcionar tan bien durante los periodos de muestra, pero no lo hacen tan bien durante los periodos de seguimiento (walk forward) y durante el trading real. Una relación intermercado ampliamente conocida es la que existe entre el S&P 500 y el bono del Tesoro a 30 años. Los precios de los bonos generalmente están correlacionados positivamente con el S&P 500 (mientras que los rendimientos están correlacionados negativamente), aunque esto no siempre es cierto, los bonos generalmente deberían liderar a las acciones en los puntos de inflexión.

Otro hecho importante es que una de las mejores operaciones que se pueden hacer en el S&P 500 es cuando los bonos del Tesoro a 30 años divergen del S&P 500; por ejemplo, cuando (a) los bonos están subiendo y el S&P 500 está bajando, compre el S&P 500 y (b) los bonos están bajando y el S&P 500 está subiendo, venda el S&P 500. Aunque esta relación se ha perdido en los últimos años, su existencia a largo plazo es de importancia histórica para la ciencia del análisis intermercado.

Un método simple pero poderoso para predecir el mercado

Utilizaremos los métodos mecánicos clásicos para negociar las relaciones intermercado, aplicándolos al bono del Tesoro a 30 años utilizando un concepto llamado «divergencia intermercado» (acuñado por primera vez en 1998), que es cuando un mercado negociado se mueve en una dirección opuesta a la esperada.

Por ejemplo, si operamos con el S&P 500, que el bono del Tesoro a 30 años suba y el S&P 500 baje sería una divergencia, ya que están correlacionados positivamente. Si operamos con el bono del Tesoro a 30 años, tanto los bonos como el oro subiendo se clasificarían como divergencia ya que están correlacionados negativamente.

Definiremos una tendencia alcista cuando los precios estén por encima de una media móvil y una tendencia bajista cuando estén por debajo de la media móvil. Ahora podemos predecir con cierta fiabilidad la dirección futura de los bonos, las acciones, el oro, el crudo e incluso las divisas utilizando este sencillo modelo de divergencia intermercado. El pseudocódigo de este modelo básico es el siguiente:

Precio relativo a una media móvil simple

Let InterInd = Close of Intermarket - Average (Close of Intermarket,N)
Let MarkInd = Close Traded Market - Average (Close of Traded Market,M)

Correlación positiva

If InterInd > 0 and MarkInd < 0 then buy at next bars open
If InterInd < 0 and MarkInd > 0 then sell at next bars open

Correlación negativa

If InterInd < 0 and MarkInd < 0 then at buy at next bars open
If InterInd > 0 and MarkInd > 0 then sell at next bars open

Este sencillo concepto representado arriba ha demostrado ser una metodología robusta para predecir la acción futura de los precios utilizando el análisis intermercado. En 1998, publicó un sencillo sistema basado en el intermercado para negociar futuros de bonos del Tesoro a 30 años. Este modelo utilizaba «The NYSE Utility Average (NNA)», que era una cesta de acciones de servicios públicos. El NNA dejó de utilizarse en 2004. Otro índice de servicios públicos que también funcionó bastante bien fue el índice de servicios eléctricos de Filadelfia, que se utilizó como sustituto del NNA en nuestra investigación. En 1998, cuando realicé la investigación original y el artículo, ambos índices funcionaban de forma similar, pero el NNA tenía un historial de precios más largo que el UTY. El análisis original utilizando NNA se hizo de la siguiente manera: Utilizamos un modelo de divergencia intermercado con correlación positiva y una media móvil de ocho días para el bono del Tesoro a 30 años y de 18 días para el NNA. Hicimos la prueba durante el período comprendido entre el 1 de enero de 1988 y el 31 de diciembre de 1997. No descontamos nada por deslizamiento y comisión.

Mis resultados originales publicados fueron los siguientes:

  • Beneficio neto: 111.293,00 dólares
  • Operaciones: 126
  • Porcentaje de ganancia: 60 %.
  • Promedio de operaciones: $883.38
  • Disposición: $-8,582.00
  • Factor de ganancia: 2,83

Veamos ahora cómo funcionó el UTY durante este mismo periodo utilizando el conjunto original de parámetros usados con NNA. Este conjunto de parámetros no era óptimo para UTY, pero utilizamos el conjunto de parámetros de NNA por coherencia para mostrar la solidez de nuestro modelo:

  • Beneficio neto total: 83.557,98 dólares
  • Número total de operaciones: 141
  • Porcentaje de rentabilidad: 58,87%.
  • Promedio Operación (ganancias y pérdidas): 592,61 dólares
  • Drawdown máximo intradía: ($11,722.50)
  • Factor de ganancia: 2,03

Resultados fuera de la muestra

Estudiemos sólo el período fuera de muestra con una primera operación después del 01/01/1998 hasta el 25/10/2011.

  • Beneficio neto total: 129.166,32 dólares
  • Número total de operaciones: 257
  • Porcentaje de rentabilidad: 61,87%.
  • Promedio Operación (ganancias y pérdidas): 502,59 dólares
  • Drawdown máximo intradía: ($26,133.36)
  • Factor de ganancia: 1,67

Podemos ver que estos resultados fuera de muestra son muy similares a los resultados de todo el periodo y la negociación media difiere en menos de un 20% entre el periodo dentro y fuera de muestra. Veamos los resultados fuera de muestra año por año (véase el cuadro I).

Divergence between markets - Table 1

Divergencia intermercado – Table 1

Hemos visto que la divergencia intermercado es un concepto poderoso. Cuando se produce una divergencia intermercado, nos mantenemos en esa posición hasta que se produzca una divergencia opuesta. Hay que preguntarse: «¿Por qué funciona este concepto de divergencia?». Además, lo interesante es que mi investigación muestra que el cruce de cero es significativo, no podemos mejorar los resultados de la divergencia intermercado utilizando un umbral distinto de cero. Creo que este concepto funciona como una jugada de arbitraje. Dado que no conocemos el equilibrio relativo entre el mercado negociado y el mercado subyacente, por ejemplo en el caso de los bonos del Tesoro y UTY, la divergencia es el único error de valoración confirmado; que tenemos en términos de una jugada de arbitraje fiable. Sabemos que ésta no puede ser la señal más eficiente. Si estudiamos nuestras operaciones con bonos del Tesoro, veremos que algunas operaciones se adelantan; en otras, devolvemos un gran porcentaje de las ganancias abiertas y, en ocasiones, las grandes operaciones ganadoras pueden convertirse en perdedoras, aunque la divergencia intermercado siga produciendo resultados extraordinarios.

Divergence Trades Example

Ejemplo de operaciones de divergencia

Aquí, tenemos una operación muy rentable pero devolvimos casi todo el beneficio y luego el mercado se movió de nuevo en la dirección de la operación. Esto muestra un problema con la divergencia intermercado, es decir, la «Estrategia de Reversión» que siempre está en el mercado. Hay otros casos que incluyen (a) una operación ganadora que termina siendo perdedora y (b) operaciones que nunca lleguen a ser rentables. A pesar de estos problemas, nuestros resultados son sorprendentes. Una solución a este problema es construir una máquina de estados finitos que cubra todos los estados posibles de la relación intermercado durante el proceso de pasar de «largo a corto» o de «corto a largo». Mi investigación ha demostrado que este mapa de estados de todas las posibilidades es la clave para mejorar enormemente el rendimiento de estos modelos de divergencia simple. También podemos crear un mapa de estados que nos permita combinar múltiples intermercados con un mercado en el que estemos operando. El análisis de correlación y de correlaciones a plazo intermedio también puede utilizarse para filtrar y mejorar estos modelos. A veces, el análisis de correlación puede hacer que el rendimiento a largo plazo fuera de la muestra sea menos robusto si no se integra con cuidado. Por lo tanto, es importante realizar el análisis de superficie comentado anteriormente para asegurarse de que las relaciones de correlación que estamos observando son robustas y estacionarias.

Conclusión:

La divergencia intermercado no es algo que sólo funcione en el mercado de bonos. Funciona en una amplia gama de mercados, desde los bonos hasta los grupos de acciones, pasando por las divisas; incluso en mercados como el del oro, el crudo, el ganado vivo y el cobre.

El análisis intermercado es un área apasionante de la producción de mercados. Las nuevas metodologías de representación de estas relaciones ayudarán no sólo al desarrollo de sistemas de negociación clásicos, sino también al uso de tecnologías avanzadas como, por ejemplo, el uso de un modelo de estado finito puede permitir a los métodos de aprendizaje automático ver fácilmente patrones que pueden utilizarse para construir modelos más fiables.

Construya sistemas robustos y rentables que predigan los puntos de inflexión del mercado con esta herramienta.

Artículo redactado por Quantified Models

Canal de YouTube de Quantified Models

En nuestro canal de YouTube tenemos varios videos disponibles que pueden resultarle muy útiles para desarrollar sistemas de trading.

Esperamos que esta información te haya sido de utilidad.

Subscribe to our Newsletter

Join our mailing list to receive the latest news and updates from Quantified Models team.

Subscribe to our Newsletter

You have Successfully Subscribed!

Ir al contenido