Comunidad ENP

Sigue el mercado financiero

{keyword}

Archive for the ‘Mercados’ Category

Obtenga el doble de rentabilidad operando cada situación del mercado

Posted by Fernando Valverde Cortes On enero - 18 - 2018
caballo bravo

caballo bravo

A menudo 2 activos, o mercados, tienen casi el mismo movimiento, mostrando fases comunes en las tendencias al alza, a la baja o hacia los lados y al mismo tiempo forman movimientos marcados que posibilitan la inversión. Estos mercados se describen como altamente correlacionados. Algunos ejemplos de ellos se dan entre una acción y su índice correspondiente, el movimiento de 2 acciones del mismo sector, o 2 índices internacionales importantes, como el Dow Jones y el DAX.

Pero de vez en cuando esta alta correlación se rompe. Entonces los mercados se mueven durante cierto tiempo de forma menos sincronizada o incluso en la dirección opuesta. Como regla general, estos movimientos serán sólo temporales y el sincronismo original volverá de nuevo a instalarse más tarde o temprano.

 

La idea básica

La idea básica detrás de la estrategia que presentamos es la siguiente: Negociaremos 2 activos simultáneamente, pero en direcciones opuestas. En primer lugar, elegiremos 2 activos que suelan estar altamente correlacionados. Como ejemplo, tomaremos la acción preferente de Volkswagen y la acción de Daimler; es decir, 2 valores del sector del automóvil del DAX. A continuación, crearemos un gráfico que los relacione (mediante la relación entre pares). Para ello, compararemos entre sí los precios de cierre diarios individuales de ambas acciones divididos entre sí. En un cociente siempre hay un numerador y un denominador, por ejemplo VW en el numerador dividido por Daimler en el denominador. La figura 1 muestra el par en forma de gráfico. La acción de VW cotiza en 138 euros, la de Daimler a 70 euros. La línea azul en la tercera ventana desde arriba es el cociente del par, es decir, línea de “VW dividido por Daimler” que es igual a 1,86 (130/70 = 1,86). Si, por un tiempo, VW se mueve mejor que Daimler, la proporción se hará más grande y el cociente aumentará. En la Fig. 1, se puede observar lo dicho a partir de enero de 2017. A su vez, la línea baja cuando VW se mueve peor que Daimler (desde finales de febrero de 2017) y se torna casi horizontal cuando ambos valores se mueven en la misma dirección (de octubre a diciembre 2016). Pero tenga cuidado: una línea ascendente (VW a Daimler) no significa que VW tenga que subir. La línea de relación también aumenta si VW cae menos que Daimler, porque incluso entonces VW se mueve mejor que Daimler. Una línea descendente de la relación del par entre ambas acciones puede significar que ambas estén subiendo. En este caso VW estará creciendo menos fuertemente que Daimler. Read the rest of this entry »

(85) vistas. Suscribete al blog y compartir en redes sociales

VIII Edición del foro Spain Investors Day (SID)

Posted by Fernando Valverde Cortes On enero - 7 - 2018
spain investors day

spain investors day

Madrid, 02/01/2018. La VIII edición del foro Spain Investors Day (SID) reunirá los próximos días 9 y 10 de enero en Madrid a los responsables de 39 grandes compañías españolas cotizadas, la gran mayoría del IBEX 35, con más de 150 inversores de varios países de Europa y EE.UU., principalmente. Los datos de este año consolidan el Foro como una plataforma eficaz para que las grandes compañías expliquen su realidad a los inversores internacionales e impulsar las inversiones en España en unos momentos de claro crecimiento económico.

La situación política y social en Cataluña será muy probablemente motivo de análisis durante las dos jornadas de esta cita financiera, aunque a juicio del Presidente del Consejo Rector del SID y ex presidente de la CNMV, Blas Calzada, “el conflicto de Cataluña es conocido con precisión por los inversores internacionales, como es natural, y forma parte del análisis que se hace sobre la economía española. La intervención del Estado ha hecho disminuir la impresión sobre el riesgo de invertir en España en su conjunto, aunque no tanto de la de Cataluña”. Read the rest of this entry »

(24) vistas. Suscribete al blog y compartir en redes sociales

Así es como se utilizan las roturas en el trading

Posted by Fernando Valverde Cortes On noviembre - 13 - 2017
cabecera formula 1

cabecera formula 1

Ganancias rápidas y efectivas

» Una tendencia siempre se construye de acuerdo a un esquema fijo. Las tendencias alcistas se visualizan por sus máximos y mínimos alcistas, mientras que las tendencias bajistas se visualizan por la caída de sus mínimos y máximos.Dentro de una tendencia, se producen correcciones y movimientos tendenciales. Las primeras son contrarias a la tendencia principal y son importantes para nuestra estrategia. En la anatomía tendencial, podemos distinguir 2 formas de corrección: de precios y temporal. La corrección de precios se puede ver mediante un descenso de precios después de un nuevo máximo alcista o un aumento del precio después de un nuevo mínimo cuando estamos bajista. La fuerza de reacción en el precio depende del pre-movimiento que hayamos visto en el mercado. En esta forma de corrección, siempre tendremos un impulso; es decir, un movimiento rápido.

Por lo tanto, la reentrada tendencial también debe ir acompañada de un impulso. Por otro lado, tenemos los movimientos de corrección temporales. Estos movimientos se caracterizan por una reducción del impulso e indican una fuerte tendencia de continuación. Estas correcciones no se producen por un impulso, sino que están asistidas por uno nuevo. Por lo tanto, esta corrección es mucho más fácil de detectar y mucho más potente en su efecto. La estrategia de rotura es una estrategia de seguimiento tendencial fuerte que se basa en los máximos y mínimos anteriores. En estas áreas, el mercado a largo plazo consiste tendrá una antigua resistencia, que antes fue un pequeño soporte. En ella se puede ver que los participantes del mercado alimentan esta situación añadiendo volumen e interés de compra. Lo mismo se aplica del lado bajista. Aquí, el mercado rompe un punto de soporte y mantiene su movimiento y dirección por debajo del punto de soporte. Sólo mediante un nuevo volumen a corto se reanuda el impulso que dejará caer los precios. Por lo tanto, hay grandes participantes muy activos en el mercado que mantienen el riesgo de sus operaciones en un nivel apropiado. Read the rest of this entry »

(69) vistas. Suscribete al blog y compartir en redes sociales

Indicadores para usuarios avanzados. Parte 9: El filtro de Kalman (KF)

Posted by Fernando Valverde Cortes On noviembre - 2 - 2017
pizarra matemática

pizarra matemática

» El filtro de Kalman (en resumen, KF, en contraste con el lenguaje coloquial en el que se le llama “filtro” según las ciencias de la ingeniería) fue desarrollado por el ingeniero estadounidense de origen húngaro Rudolf Kalman en la década de 1960. Esta tecnología fue usada por primera vez en la NASA como parte del sistema de navegación del cohete Apollo. Hoy en día, el KF es una parte integral en los campos de la tecnología aeronáutica y espacial, tecnología de comunicaciones, control de dispositivos y tecnología de posicionamiento. Así, la mayoría de los sistemas de navegación GPS usan el KF. Lo cual lo convierte en uno de los logros técnico-matemáticos más importantes del siglo XX. Estrictamente hablando, el KF es un algoritmo de cálculo. El método proporciona una estimación óptima del estado futuro de un sistema influenciado por numerosas perturbaciones, lo que lo hace muy indicado para determinar la posición y la velocidad de un objeto.

El propio Kalman describe su método como un “estimador óptimo” que puede suavizar (interpolar) los estados ruidosos y mediciones erróneas del pasado mediante la ayuda de modelos matemáticos lo más precisos posibles y capaz de filtrar las condiciones actuales y predecir (extrapolar) las futuras. Transferido al sector financiero: el KF puede predecir el curso futuro de un instrumento financiero según una evolución de precios perturbada por el “ruido”, o pequeños movimientos no relevantes que anulan la evolución de una tendencia. Lo cual confiere al KF exactamente lo que la mayoría de los traders sueñan: los precios a futuro. La pregunta que nos planteamos entonces es, ¿cómo de exactas son estas mejoras de las estimaciones?

 

Los principios básicos del algoritmo de Kalman

En este punto, nos limitaremos a analizar el algoritmo tal y como se muestra en la Fig. 1, ya que una descripción matemática iría más allá del alcance de este documento. Como primer paso, inicializamos el sistema determinando los valores iniciales del precio y el impulso de al menos 4 datos históricos disponibles. Aquí, ya podemos reconocer que el algoritmo necesita una serie temporal muy corta. A partir de estos datos de inicialización, se realiza en el segundo paso, una estimación preliminar del estado del sistema; es decir, una estimación del próximo precio. Esta estimación “a priori” de la próxima evolución de los precios se comparará con datos de precios reales en el tercer paso y se corregirá en consecuencia. En este paso, se determina el llamado factor de ganancia Kalman, que normalmente converge a un valor óptimo después de tan sólo unas pocas iteraciones. Esta convergencia rápida y precisa es otra característica fundamental del KF.

Filtro de Kalman

Filtro de Kalman

Read the rest of this entry »

(184) vistas. Suscribete al blog y compartir en redes sociales

Mercado Forex, predicción basada en las técnicas Montecarlo

Posted by Fernando Valverde Cortes On octubre - 25 - 2017
cabecera Econofisica

cabecera Econofisica

Parte I: Econofísica, una nueva forma de ver los mercados Financieros

» Introducción

Cada vez escuchamos con más frecuencia los conceptos de “Trading cuantitativo” o “quant”, estas son estrategias de trading basadas principalmente en el análisis de modelos matemáticos y probabilísticos con el fin de lograr oportunidades de mercado. Estos modelos matemáticos pueden o no ser automatizados. Por lo tanto, existen muchos tipos de trading cuantitativo dependiendo de las teorías matemáticas empleadas para encontrar oportunidades de trading. Y como tal, estos modelos pueden ser muy simples o realmente complicados y requerir de la supercomputación para poder realizar a tiempo real los cálculos que implican.

En nuestra hipótesis, se usará un potencial hookiano para caracterizar la Interacción entre los diferentes bancos centrales de cada moneda, y las pequeñas desviaciones que sufren los precios de las cotizaciones serán representadas mediante un movimiento browniano. Esta hipótesis surge del estudio de algunos sistemas naturales, como macromoléculas en di-solución.

Para generar la evolución del sistema se ha usado un algoritmo de recocido basado en métodos Montecarlo, la peculiaridad de éste reside en que permite al sistema alejarse de mínimos locales de potencial, de forma que puede reproducir mejor el carácter inestable del mercado al escapar del equilibrio

 

Econofísica

El interés de la física en la economía y, sobre todo, en los mercados financieros surge a partir de los años 80, cuando se empiezan a guardar y analizar datos de los mercados en grandes cantidades. La motivación de analizar estas cantidades masivas de datos sobre valores de compra, venta, interés y otras variables financieras provoca que muchos físicos y matemáticos fueran contratados en Wall Street para ello. Read the rest of this entry »

(556) vistas. Suscribete al blog y compartir en redes sociales

Indicadores para usuarios avanzados. Parte 8: El indicador de máxima verosimilitud

Posted by Fernando Valverde Cortes On octubre - 6 - 2017
pizarra matemática

pizarra matemática

» Ya en 1978, Welles Wilder jr. presentó un paquete de indicadores que incluía a su índice de movimiento direccional (DMI) y al índice de movimiento direccional medio (ADX) * que publicó en su libro “Nuevos conceptos en sistemas de negociación técnica”. Con su ayuda, los traders fueron capaces de hacer una estimación de la fortaleza de la tendencia del mercado basados en las matemáticas. Una base un poco más estable la presentó E. Michael Poulos con su Random Walk Index (RWI) en 1991. Aunque el algoritmo parece algo más exigente, el DMI y el RWI llegan a resultados cualitativamente comparables. Una forma más general y ligeramente extendida del RWI la presentó Dennis Meyers con su indicador de máxima verosimilitud (MLI). A continuación describiremos el concepto básico y el propio MLI. Sin embargo, en primer lugar haremos una referencia a los lectores matemáticamente bien versados: El MLI no tiene nada que ver con el método de máxima verosimilitud estadística. La única característica en común es la estimación de un parámetro óptimo para un conjunto de datos históricos.

Lo básico

El movimiento de los precios de las acciones u otras evoluciones de los precios en los mercados financieros se suele modelar utilizando un paseo aleatorio. Según la definición, se trata de un proceso estocástico en tiempo discreto con los movimientos de precios independientes e idénticamente distribuidos. Para una mejor comprensión, veamos un ejemplo de la “vida real”: Un borracho al que  llamaremos J. Walker o JW, sale del pub después de una noche loca. Está completamente desorientado y se tambalea pero no avanza hacia delante. Al hacerlo, da un paso completamente aleatorio y, con la misma probabilidad, hacia una de las 4 direcciones posibles: adelante, atrás, derecha o izquierda. Modelando el camino del borracho obtenemos el patrón de movimiento mostrado en la Fig. A partir del punto de coordenadas (0,0), JW pasa por cada punto visualizado, donde también se pueden iniciar varias veces las coordenadas individuales. En general, hemos realizado la simulación con 1000 pasos. Importante es que cada paso tenga la misma longitud. Si el hombre borracho va derecho en una dirección, habría podido dar un máximo de 1000 pasos desde el punto de partida. En la figura 1, sin embargo, vemos que la distancia máxima desde el punto de partida es de tan sólo 34 unidades. Al ancho recorrió 3 unidades hacia la derecha. Utilizando Pitágoras, podemos calcular la distancia al origen (0,0) siendo igual a la raíz de (32 + 342) = 34.13. En el siguiente paso, dibujamos la distancia de JW al punto de partida de cada uno de sus pasos en el transcurso del tiempo. La figura 2 muestra el resultado. Para facilitar la comprensión, hemos marcado nuevamente el punto E1 de la figura 1. El sorprendente resultado se resume brevemente en 2 frases: Read the rest of this entry »

(1917) vistas. Suscribete al blog y compartir en redes sociales

Conectate a traves de:

Suscribete en Tiempo Real

Metatrader 4

TRABAJA CON NUESTRO BROKER


  • Patrocinadores