Comunidad ENP

Sigue el mercado financiero

{keyword}

Archive for the ‘Mercados’ Category

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 »

(4) 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 »

(114) 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 »

(511) 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 »

(1795) vistas. Suscribete al blog y compartir en redes sociales

columpio

columpio

» La palabra sentimiento significa “sensación” e intenta identificar las ventajas que podemos obtener en el mercado basándonos en el sentimiento de ciertos participantes y así luego capitalizarlas. El clásico inversor privado tiende a cometer errores en la percepción o evaluación del mercado. Como resultado, este grupo puede usarse como un contra-indicador. Lo cual nos permitirá desarrollar una ventaja competitiva que genere un resultado rentable en nuestro enfoque de trading. Dado que el sentimiento se usa como un filtro de negociación, y acuerdo a la experiencia del autor, veremos que dicha ventaja funciona especialmente bien en los mercados tendenciales, por lo cual desarrollaremos una estrategia de seguimiento de tendencias.

 

¿Qué caracteriza el trading tendencial?

El objetivo del trading tendencial es beneficiarse de los movimientos a corto, medio o largo plazo, esperando que continúen y establezcan una estructura clara de subida/bajada de máximos/mínimos. Expresado de manera diferente: es más probable que el mercado se mueva en una dirección que en la otra, gracias al impulso que se ha producido. Read the rest of this entry »

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

Los pequeños números que harán nuestra cuenta grande. Productividad en el Trading

Posted by Fernando Valverde Cortes On septiembre - 25 - 2017
cabecera dominó

cabecera dominó

» La cruda realidad es que nos espera un largo camino donde perderemos varias veces nuestras cuentas de Trading.

 

Productividad en el Trading

El trading es un “trabajo” en el que solo cuenta una cosa muy simple que es la EXPERIENCIA.

Antes de invertir dinero en el Trading hay que invertir dinero en aprender. En realidad solo hay una forma de aprender y es contar con la ayuda de otro trader que haya conseguido ser consistente.

Los Traders buscan  la predicción. En el trading nunca hay que predecir, solo tenemos que reaccionar a lo que hace el mercado. Nadie sabe lo que va hacer la vela de la derecha.

El trader busca encontrar la entrada perfecta al mercado pero lo realmente difícil es aprender a salir del mercado. La productividad en el trading depende de 3 factores:

1º Planificación

2º Gestión Monetaria.

3º Las Zonas de Trading

gestión de riesgo

gestión de riesgo

 

Productividad en el Trading. La Planificación.

La gente que tiene mayor éxito financiero es aquella que posee una perspectiva a largo plazo. Piensa y planifica a 3 y 5 años.

Se organiza las actividades diarias y semanales de modo que sean coherentes con los objetivos a largo plazo. Esto es especialmente importante en el Trading.

El único medio de lograr la independencia económica o una buena rentabilidad económica es ahorrando y reinvirtiendo tu dinero semana a semana, mes a mes y año tras año.

En realidad, nuestros objetivos financieros son muy claros:

 

  • Ganar lo más que puedas
  • Gastar lo menos que puedas
  • Ahorrar e invertir lo más que puedas
  • Protegerte contra posibles reveses y procesos judiciales.

Read the rest of this entry »

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

Conectate a traves de:

Suscribete en Tiempo Real

Metatrader 4

TRABAJA CON NUESTRO BROKER


  • Patrocinadores