La distribución de la concentración del mercado de valores en los EE. UU. por Quantpedia

Cada vez más, algunas empresas de megacapitalización dominan el rendimiento del mercado de valores de EE. UU. Ahora se les llama los «Siete Magníficos«, pero todos recordamos a FAANG, ¿verdad? Naturalmente, surgen varias preguntas: ¿es el status quo actual, cuando la capitalización del mercado de valores está altamente concentrada entre las pocas empresas extremadamente grandes, una excepción o una regla sobre la historia? ¿Y cuál es el impacto de esta concentración en el rendimiento de un factor en particular: la prima de tamaño? Presentamos el documento de investigación escrito por Emery y Koëter que trata de responder a esas preguntas.

El análisis de (Emery y Koëter, 2023) muestra que la prima de tamaño esperada aumenta durante los períodos de mayor concentración del mercado de valores. Estos resultados indican que el efecto de asignación de capital domina la relación entre la concentración del mercado de valores y la prima de tamaño. Además, estos resultados se producen predominantemente entre empresas de industrias con una mayor dependencia de la financiación externa de capital o para empresas con ratios de libro/mercado relativamente bajos (es decir, empresas en crecimiento).

Las empresas más pequeñas reciben menos atención, tienen menos probabilidades de completar una oferta de acciones experimentada y tienen una mayor volatilidad fundamental durante los períodos de mayor concentración del mercado de valores. El primero de los dos canales propuestos es la tesis de que la concentración del mercado de valores implica que el riesgo idiosincrásico de las grandes empresas debe diversificarse en la cartera del mercado. Este fenómeno podría crear una prima de riesgo para las grandes empresas, mientras que los rendimientos esperados para las pequeñas empresas disminuyen debido a la diversificación. La segunda es que la concentración del mercado de valores podría reflejar una asignación de capital menos eficiente, lo que hace que sea más difícil para las pequeñas empresas obtener financiación de capital, aumentando así sus rendimientos esperados.

Nos gustaría señalar la Figura 1, que traza la serie temporal de concentración del mercado de valores desde 1926 hasta 2021. El mercado de valores estaba significativamente más concentrado antes de 1970 de lo que lo ha estado en las últimas décadas. Sin embargo, la concentración del mercado de valores ha aumentado sustancialmente recientemente a niveles no vistos desde principios de la década de 1970.

Sin embargo, a pesar del predominio del efecto de asignación de capital, los autores también encuentran evidencia de un efecto de diversificación granular. Específicamente, la prima de tamaño esperada se debilita después de las conmociones idiosincrásicas para las empresas más grandes del mercado de valores. La evidencia también corrobora que la concentración del mercado de valores está asociada con una asignación de capital menos eficiente (Bae et al., 2021).

En general, esta es una excelente contribución para comprender las implicaciones de los precios de los activos de la concentración del mercado de valores y la granularidad resultante, que es cada vez más vital debido al aumento constante de la concentración del mercado.

• Autores: Logan P. Emery y Joren Koëter
• Título: The Size Premium in a Granular Economy (El tamaño premium en una economía granular)
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4597933

Resumen:

La distribución de la capitalización bursátil en los EE. UU. está muy concentrada. Investigamos cómo este fenómeno afecta a la diferencia en los rendimientos entre las pequeñas y las grandes empresas (es decir, la prima de tamaño). Si el mercado de valores está lo suficientemente concentrado (es decir, granular), las grandes empresas pueden tener una prima de riesgo porque su riesgo idiosincrásico no está diversificado en la cartera del mercado. Al mismo tiempo, el trabajo anterior ha demostrado que a las pequeñas empresas se les puede asignar muy poco capital en los mercados de valores concentrados, lo que podría aumentar sus rendimientos esperados. Encontramos que la prima de tamaño esperado aumenta en 13,33 puntos porcentuales por año durante períodos de mayor concentración, lo que indica que el efecto de asignación de capital domina. La evidencia de una variedad de pruebas sobre la atención de los inversores, la financiación de acciones, la volatilidad fundamental y la intensidad del capital apoyan esta conclusión. Sin embargo, también encontramos evidencia de un efecto de diversificación granular activa, ya que la prima de tamaño se debilita después de los aumentos idiosincrásicos de la granularidad.

Como siempre, presentamos varias figuras y tablas interesantes:

Citas notables del trabajo de investigación académica:

«Específicamente, investigamos cómo la concentración del mercado de valores afecta a la prima de tamaño. Documentada por primera vez por Banz (1981), la prima de tamaño se refiere al hecho de que las empresas con una capitalización de mercado relativamente baja tienden a obtener mayores rendimientos de las acciones en comparación con las empresas con una capitalización de mercado relativamente alta. Las características de una economía granular pueden tener implicaciones importantes para la prima de tamaño. Si el riesgo idiosincrásico de las empresas más grandes no se diversifica en conjunto, entonces los inversores deberían requerir una prima para mantener esas acciones, lo que aumenta los rendimientos esperados de las grandes empresas. Este efecto de diversificación granular sugiere que una mayor concentración en el mercado de valores debería disminuir la prima de tamaño esperada.

Dadas las predicciones opuestas de la diversificación granular y los efectos de la asignación de capital, nuestro análisis se centra en determinar qué efecto domina la relación entre la concentración del mercado de valores y la prima de tamaño. Comenzamos evaluando el nivel de concentración del mercado de valores en los EE. UU. La concentración tiende a aumentar durante las malas condiciones económicas y ha aumentado sustancialmente en las últimas décadas. Por ejemplo, las 20 empresas más grandes representaron el 19,7 % de la capitalización bursátil total en 1995 y el 33,0 % de la capitalización bursátil total en 2021. También mostramos que el mercado de valores está lo suficientemente concentrado como para generar efectos granulares. Usando un marco de modelado simple, estimamos que la varianza idiosincrásica representa entre el 4,5 % y el 14,8 % de la varianza del mercado, lo que sugiere que los efectos granulares no son triviales.

Si bien establecemos nuestros principales resultados utilizando regresiones a nivel de cartera, nuestros resultados también se mantienen a nivel de empresa, en el que incluimos una batería de variables de control para mitigar las preocupaciones de las explicaciones alternativas. Una preocupación particular es que los efectos que atribuimos a la concentración del mercado de valores podrían ser simplemente un reflejo de la concentración del mercado de productos o el poder de mercado resultante de las empresas dominantes. La concentración del mercado de productos, que a menudo se mide mediante la concentración de ventas, y el poder de mercado, que a menudo se mide mediante márgenes, afectan directamente a los fundamentos de la empresa, que a su vez determinan los precios de los activos. Además, varios estudios han encontrado que estas cantidades son predictores significativos de los rendimientos de las acciones (Hou y Robinson, 2006; Bustamante y Donangelo, 2017; Corhay et al., 2020; Loualiche, 2021; Clara, 2023). Para aislar el efecto de la concentración del mercado de valores, controlamos explícitamente la concentración de ventas (tanto a nivel económico como de la industria) y los márgenes (utilizando la medida desarrollada por De Loecker et al. (2020) en nuestras regresiones. Incluso con estos controles, la concentración del mercado de valores predice significativamente la prima de tamaño. Además, si la concentración del mercado de valores simplemente refleja la concentración del mercado de productos, uno esperaría que los efectos de la concentración del mercado de valores sean más fuertes cuando se miden dentro de los mercados de productos (es decir, las industrias). Por el contrario, encontramos que la concentración del mercado de valores dentro de las industrias no predice significativamente la prima de tamaño. Por lo tanto, los efectos de la concentración del mercado de valores existen principalmente a nivel del mercado de valores.

Aunque el efecto de asignación de capital domina el efecto de diversificación granular, no excluye la posibilidad de que ambos efectos estén presentes simultáneamente. Para investigar el efecto de diversificación granular de forma más directa, calculamos los choques idiosincrásicos ponderados por valor a las diez empresas más grandes como un choque a la granularidad del mercado de valores. Los impactos positivos inclinan aún más la cartera de mercado hacia estas empresas más grandes, de tal manera que los inversores pueden requerir una compensación adicional por el aumento de la exposición al riesgo idiosincrásico de estas empresas. Además, los inversores podrían estar dispuestos a pagar una prima para que otras empresas diversifiquen este mayor riesgo idiosincrásico, con el efecto que se amplifica para las empresas más pequeñas porque su oferta de capital se desvía más significativamente de una asignación totalmente diversificada. En conjunto, estos efectos crean un descuento en el valor de las grandes empresas y una prima en el valor de las pequeñas empresas, lo que resulta en rendimientos esperados cada vez más altos en el futuro, respectivamente. De acuerdo con esta predicción, encontramos que la prima de tamaño esperada disminuye en 3,99 puntos porcentuales por año después de un aumento de una desviación estándar en los choques idiosincrásicos para las diez empresas más grandes. Este efecto proviene tanto de las empresas grandes como de las pequeñas, cuyos rendimientos aumentan y disminuyen después de estos choques, respectivamente. Además, tanto la concentración del mercado de valores como los choques idiosincrásicos a las diez empresas más grandes de manera significativa, pero al contrario, predicen la prima de tamaño cuando se incluyen en la misma regresión. Este resultado apoya la conclusión de que la asignación de capital y los efectos de diversificación granular están presentes simultáneamente.

La Tabla 1 informa de las regresiones para ilustrar la relación entre la concentración del mercado de valores y otras variables macroeconómicas. En primer lugar, en las especificaciones (1) a (3), mostramos la fuerte conexión entre Cap HHI y la capitalización de mercado relativa de las 10, 20 o 100 empresas principales en el mercado de valores de los Estados Unidos. Los resultados indican que Cap HHI está fuertemente asociado con el mercado de valores de EE. UU. dominado por unas pocas empresas muy grandes. En segundo lugar, en la Especificación (4), relacionamos los cambios en el límite HHI con los cambios en la dispersión del tamaño relativo del mercado de valores de los Estados Unidos, que se captura por la diferencia entre el 90 % y el 10 % del cuantil de la distribución de tamaño escalada por la mediana de la distribución de tamaño. Los resultados de la Especificación (4) muestran que los cambios en el Cap HHI están asociados positivamente con cambios en la dispersión del tamaño relativo. Sin embargo, el R2es solo 0,03, lo que indica que la dispersión del tamaño relativo explica solo una pequeña cantidad de la variación en Cap HHI. Por lo tanto, Cap HHI parece ser impulsado principalmente por el conjunto de empresas muy grandes.

Como se puede ver [en la Figura 2], la distribución no sigue una relación lineal en el gráfico de registro y, por lo tanto, no se describe con precisión mediante una distribución de la ley de potencia. En cambio, la distribución se parece mucho a la distribución de las ventas como se informa en Compustat, que se ha caracterizado como log normal (Stanley et al., 1995) en lugar de la ley de energía debido a la omisión de empresas privadas (Axtell, 2001). Para eludir este problema, investigaciones anteriores han estimado que ζ utiliza solo las empresas más grandes, lo que reduce la probabilidad de que se omitan las empresas (Hill, 1975; Gao, 2023). Para demostrarlo, trazamos el 10 % superior de las acciones para diciembre de 2021 en el Panel B de la Figura 2″.

Creación de una cartera dinámica de inteligencia artificial (IA) y computación cuántica por Andrés García

• El objeto de ese artículo es diseñar un porfolio que combine empresas cotizadas de dos sectores actualmente en ebullición y con una enorme proyección de futuro; la inteligencia artificial (IA) y la computación cuántica (CC). 
• Artículo publicado en Hispatrading 57.

La cartera incluye reglas de selección de activos basadas en ratios fundamentales y será gestionada dinámicamente en base a un ranking que combina fuerza relativa y sentimiento. Los rebalanceos serán de periodo fijo, semanal o mensual, y la asignación equiponderada.

PROCESO DE SELECCIÓN DE ACTIVOS

El primer paso es la elaboración de una lista de 50 empresas cotizadas en los mercados estadounidenses de ambos sectores. Y, para ello, nada mejor que recurrir a la inteligencia artificial. Hemos probado con las dos IA más conocidas; Chat GTP4 (de Open IA) y Bard (de Google) y los resultados han sido extremadamente prometedores. De hecho, el proceso de selección y la elaboración de la lista de empresas, que en otras ocasiones ha supuesto días, lo he podido realizar en pocas horas.

Los criterios de búsqueda han sido: 

• Sector primario y subsectores
• Capitalización > 5.000$ millones 
• Porcentaje de cortos sobre acciones en circulación (SI Ratio) < 5%

Según Bard en la Tabla 1 se muestran las principales empresas que cotizan en los mercados USA del sector de la inteligencia artificial con capitalización superior a 5000 millones de dólares, rentabilidad anual positiva y short interest < 5%

Tabla 1. Listado de acciones de Inteligencia artificial. 

En lo que se refiere a computación cuántica la lista de empresas es mucho más corta. En esta tabla combinamos las respuestas de ChatGTP-4 y Bard, tal y como se muestra en la Tabla 2.

Tabla 2. Listado de acciones de computación cuántica. 

ANÁLISIS DE LAS PRINCIPALES EMPRESAS DEL GRUPO

Algunos de los grandes inversores en IA son también empresas con otras muchas áreas de negocio. Luego, el dato más relevante es conocer la proporción de su inversión en IA sobre el total de sus inversiones. 

Microsoft (MSFT) 

No existe una cifra exacta que represente la proporción de las inversiones de Microsoft en IA sobre el total de sus inversiones. Sin embargo, es una cifra significativa. En 2023, anunció una inversión de 10.000 millones de dólares en OpenAI, una empresa de investigación de inteligencia artificial. Esta inversión es la mayor que Microsoft ha realizado en una empresa tecnológica hasta la fecha. Además, Microsoft ha realizado inversiones significativas en otras empresas del sector, como Maluuba, DeepMind y Nuance Communications. También ha desarrollado sus propias tecnologías de IA, como Azure Machine Learning y Cortana. Considerando todas estas inversiones, podemos estimar que Microsoft dedica en la actualidad a IA entre el 7% y el 10% de su inversión total. 

Apple (AAPL)

Se estima que la inversión de Apple en IA ronda los 1.000 millones de dólares al año. Esto equivale al 3% del presupuesto de I+D. La inversión se centra en las siguientes áreas: Reconocimiento de voz y lenguaje natural, visión artificial, aprendizaje automático, aprendizaje profundo. Los productos en los que Apple ya está utilizando IA son el asistente de voz Siri, el sistema de reconocimiento Face ID y el sistema de navegación CarPlay.

Alibaba (BABA)

Diversos analistas cifran la inversión anual de Alibaba en IA en 5.000 millones de dólares. Lo que equivale a un 10% de su presupuesto en I+D. Alibaba utiliza la IA para mejorar sus productos y servicios, como el motor de búsqueda Taobao, el asistente de voz Tmall Genie y el sistema de recomendación de productos. Otras áreas de investigación son: Reconocimiento de voz y lenguaje natural, visión artificial, aprendizaje automático y aprendizaje profundo.

Alphabet (GOGL)

Se estima que la inversión de Google en IA es de alrededor del 10% de su presupuesto en I+D. En comparación con otras grandes empresas tecnológicas, Google es una de las que más invierte en inteligencia artificial. Está trabajando en el desarrollo de nuevas tecnologías de IA, como la inteligencia artificial generativa (Bard) que podría utilizarse para crear nuevas formas de contenido creativo, como imágenes, música y texto. En 2023 anunció una inversión de 1.000 millones de dólares en Anthropic, una empresa de investigación de IA. 

Amazon (AMZN)

Las estimaciones de inversión en IA para esta empresa están entre los 6.500 y los 8.000 millones de dólares, lo que supondría un 12% de su inversión total. Amazon utiliza la IA para mejorar sus productos y servicios, como el asistente de voz Alexa, el sistema de recomendación de productos Amazon Personal Shopper y el sistema de visión por computadora Amazon Rekognition. Recientemente ha invertido 4.000 millones en Antropic para hacer frente a ChatGTP mediante el uso de Claude y otros modelos de IA generativa.

CONTRUCCIÓN DE UN RANKING DINÁMICO

Para construir y evaluar nuestra cartera emplearemos la plataforma Portfolio123. El primer paso es la elaboración de una lista con las empresas cotizadas de IA y CC que hemos seleccionado previamente. Este será nuestro “universo inversor”. Las empresas serán ordenadas en un ranking que priorice factores relacionados con el sentimiento de mercado. En concreto:

1. La revisión anual y trimestral de estimaciones de crecimiento (40%)
2. El factor sorpresa entre estimaciones y publicación de resultados (25%)
3. Las recomendaciones de analistas; promedio y cambios (15%)
4. El “short interest” o posiciones cortas sobre el total de acciones en circulación (15%)

Este ranking será evaluado en cada nuevo rebalanceo y se seleccionarán las empresas que ocupen el percentil superior, mientras que saldrán de la cartera las que caigan a una posición baja. 

REBALANCEOS Y ASIGNACIÓN DE ACTIVOS

Tras probar diferentes períodos, desde un día y tres meses, encontramos óptimo, en términos de retorno sobre gasto en comisiones, el rebalanceo semanal. Los rebalanceos diarios disparan innecesariamente los gastos de la operativa, mientras que con periodos superiores a la semana observamos una progresivo deterioro del rendimiento. 

Al disponer de una lista de pocos activos y ser un mercado muy dinámico, queremos que el capital se concentre en un número reducido de los que encabezan el ranking. Probamos entre 1 y 10 y encontramos óptimo el número de 3. En la Tabla 3 se muestran los resultados en un backtest a 10 años.

Tabla 3. Backtest a 10 años.

CARTERA ESTÁTICA

En la Figura 1 se puede ver el resultado de invertir en toda la lista de activos durante un período de 23 años y sin rebalanceos.

Figura 1. Resultado de invertir en todo el lista de activos.

Tabla 4. Resultados.

El comportamiento de la cartera es ligeramente superior al del benchmark de referencia, el Nasdaq 100, pero no consigue alejarse significativamente de él. Lo más relevante es el dato del DD. Max. que con esta cesta de activos queda reducido a la mitad. 

CARTERA DINÁMICA SIN COBERTURA

Evaluamos el portfolio con el ranking de sentimiento y la política de rebalanceos y asignación mencionada. Además, añadimos las siguientes reglas de salida que mejoran la estabilidad de la cartera:

• Reducción del porcentaje de beneficio, a partir del primer rebalanceo, en activos individuales del 12%
• Eliminar aquellos activos que tras 90 días en cartera caen por debajo del percentil 40 en el ranking de sentimiento.

En la Figura 2 se muestra el resultado en 23 años.

Figura 2. Resultados portfolio. 

Tabla 5. Resultados. 

Como vemos, la cartera dinámica bate con rotundidad al mercado y al modelo estático. Sin embargo, el Max. DD aumenta hasta valores prohibitivos, coincidiendo con los períodos de mayor inflación. Con todo, conseguimos un ratio de Sharpe ligeramente superior a 1, lo cual ya es una muy buena relación entre retorno y riesgo (R/R).

CARTERA DINÁMICA CON COBERTURA

Implementamos un mecanismo de cobertura basado en las expectativas de inflación, tomando como base el indicador adelantado de la universidad de Míchigan (inflexp) Las reglas son:

Iniciar cobertura:

>> Si el inflexp > 3,5 y está en aumento respecto del periodo anterior.

Liquidar 100% de posiciones en cartera e invertir en el instrumento seleccionado para cobertura.

Cerrar cobertura:

>> Si el inflexp ≤ 3,5

Liquidar el instrumento de cobertura y reinvertir en la lista de activos siguiendo las reglas de entrada. 

Hemos probado tres formas de cobertura:

1. Cerrar posiciones y permanecer en liquidez.
2. Emplear Short-Term TIPS. Inversión en renta fija a corto plazo protegida de la inflación. Pera ello se puede utilizar algún ETF específico como el Vanguard Short-Term Infl-Prot Secs ETF (VTIP).
3. Asumir que un escenario de alta inflación es generalmente bajista e invertir en algún ETF inverso como el Russell 2000 Short.

Los resultados de las tres opciones, se pueden ver en la Tabla 6.

Tabla 6. Resultados de las tres opciones.

Como podemos ver, el Max. DD no varía porque ocurre en un periodo de inflación moderada al que no se aplica el mecanismo de cobertura. En términos R/R el mejor método de cobertura es la inversión en el ETF ProShares Short Russell 2000. Sin embargo, la opción más conservadora quizá sea la inversión en TIPS mediante el instrumento VTIP.

Nosotros nos decantamos por el posicionamiento corto en el Russell. Esta es la curva del equity implementando este mecanismo de cobertura.

Figura 3. Resultados cartera con mecanismo de cobertura.

CONCLUSIONES:

• El portfolio tiene un comportamiento excelente y consigue batir al benchmark (Nasdaq 100) en todos los regímenes de los mercados ocurridos en los últimos 23 años. 
• Estamos operando sobre una lista muy reducida de activos centrada únicamente en 2 subsectores de la economía. Por tanto, la capacidad de diversificación de esta cartera es muy escasa.
• Las grandes empresas tecnológicas como Apple, Microsoft, IBM o Nvidia no han invertido en IA y CC en la misma proporción durante todo el período analizado. De hecho, el posicionamiento decidido en estos dos sectores no va más allá de 2010. Antes la inversión era residual o inexistente.
• La rotación semanal de activos implica un mayor gasto en comisiones. Hemos asumido al realizar la evaluación unos gastos y un deslizamiento que consideramos realistas. Pero aún así puede que en operativa real haya diferencias significativas.
• La inteligencia artificial y computación cuántica son sectores de moda que gozan del favor de los analistas. Esto puede generar un sesgo en las valoraciones que quizá no se mantenga en el futuro. 
• Estamos claramente ante una “cartera de autor” de tipo táctico u oportunista. No debe operarse en solitario, sino en el contexto de un portfolio global más diversificado. Siguiendo la lógica núcleo-satelital en un enfoque estándar tipo 70/30. Es decir, un núcleo amplio de activos gestionado según otros criterios (70% de la inversión) y asignando, la cartera satelital aquí descrita, el 30% del capital disponible. 

China vuelve a ser el mercado más odiado del mundo por Sentimentrader

• En los últimos años, las acciones chinas han sufrido periódicas mini-caídas.
• La última desencadenó una lectura de amplitud de pánico que superó a todas las demás.
• Según esas lecturas y un cambio regulatorio significativo, los inversores tienen una razón tenue para esperar un repunte posterior a las vacaciones.

Las acciones chinas vuelven a desencadenar lecturas de pánico

Una vez más, ha sido una especie de tortura para los inversores en acciones chinas. Al menos ahora, tienen unos días sin nuevos mínimos en muchas acciones y una semana de vacaciones para no pensar en las pérdidas.

Y esas pérdidas han sido generalizadas. La semana pasada, tres de cada cuatro acciones del índice compuesto de Shanghai cayeron al menos a un mínimo de 52 semanas. Se trata de una cifra increíblemente grande que sólo se ha igualado dos veces, ambas durante la crisis financiera.

Lo que nos dice el estudio

Hemos dicho antes que el mercado de valores chino rivaliza con el de las mineras de oro por su capacidad de decepcionar a los inversores. La racha reciente no ha sido diferente y el sentimiento hacia el mercado es tan malo como cualquier mercado que haya visto en casi 25 años. Es discutible si un cambio regulatorio marcará alguna diferencia a largo plazo. Lo que no está sujeto a debate es la caída de estas acciones en prácticamente cualquier período de tiempo. Cuando la situación llegó a este punto en el pasado, algo que en realidad se ha dado sólo dos veces, las acciones registraron repuntes significativos durante semanas o meses. Será interesante ver la reacción esta vez.

El catalizador del estaño que estábamos esperando por Brandon Beylo

Lo más probable es que Prabowo Subianto gane las elecciones presidenciales en Indonesia. Se hará cargo después de un período de diez años por parte del popular presidente Joko Widodo (80% de índice de aprobación).

¿Por qué importa esto? El tipo al que Joko respaldó acaba de ganar con el hijo de Jokowi como vicepresidente.

Una de las últimas solicitudes de Joko como presidente fue una prohibición crítica de la exportación de minerales. Ahora que Joko tiene a su hombre en el cargo, creemos que la prohibición de exportación será una realidad y que pararán las exportaciones de estaño de Indonesia.

Indonesia ha hecho esto antes, con gran éxito, y parece que lo harán de nuevo con estaño y otros metales críticos. El país es responsable del 20 % del suministro mundial de estaño. Esto sacudirá este ya frágil mercado.

Hemos estado avisando sobre esto desde hace meses. Escribí sobre este potencial catalizador del estaño para los miembros del Colectivo en noviembre de 2023. Quiero compartir el informe contigo.

Planes de nacionalización de recursos de Indonesia

Imagina que eres vendedor de limones. Vas por todo el país y vendes limones frescos a los empresarios de puestos de limonada. No tienes control sobre los precios del limón. Simplemente vendes al último precio cotizado.

No es un gran negocio. Y después de un tiempo, te das cuenta de que en los puestos de limonada es donde está el dinero real. Tienen la clara ventaja de cobrar una prima por la suma de sus partes de las materias primas (limones, azúcar, agua).

Eso es básicamente lo que Indonesia está haciendo con sus minerales críticos. 

Indonesia elegirá un nuevo presidente en unos meses cuando Joko Widodo complete su segundo mandato. El actual favorito es el ministro de Defensa, Prabowo Subianto.

Widodo terminará su mandato de 10 años con un índice de aprobación del 80 % (no es un error tipográfico). En otras palabras, si eres el nuevo presidente y quieres causar una buena primera impresión en el país, probablemente no deberías cambiar las políticas.

Una de esas políticas es la prohibición de exportación de minerales críticos (énfasis añadido):

«Widodo ha liderado los esfuerzos para promover las restricciones a la exportación de minerales crudos mientras aboga por «agregar valor a los recursos».

Comenzando con la prohibición de las exportaciones de mineral de níquel crudo en enero de 2020, Widodo ha ampliado las restricciones a otros metales, imponiendo una prohibición de exportación de bauxita, el mineral utilizado para hacer aluminio, en junio de este año. La lista crecerá el próximo junio después de que el país agregue cinco artículos más, incluyendo concentrado de cobre, estaño y oro».

Indonesia no quiere vender limones. Quieren vender limonada. Y ha funcionado muy bien para ellos (enfasis mía).

«La prohibición de las exportaciones de níquel ha sido un gran éxito. Según el Jakarta Post, las exportaciones relacionadas con el níquel, que ascendieron a 17 billones de rupias (1.100 millones de dólares) en 2017, aumentaron 19 veces a 323 billones de rupias el año pasado a medida que los artículos clave de exportación cambiaron del mineral de metal crudo a productos con precios unitarios más altos. 

Esos productos incluyen ferroníquel, una aleación que contiene hierro y níquel, y níquel mate, que se utiliza en el procesamiento del mineral de níquel».

Cuando se le preguntó sobre la historia de Indonesia como exportador de materias primas, Widodo dijo: «Durante años, siempre hemos exportado materias primas. Este es un error que no debemos repetir».

Antes de explorar las consecuencias del cambio de Indonesia (y otros países emergentes) de las materias primas a los productos de valor añadido, deberíamos preguntarnos cómo llegamos aquí.

Durante un tiempo, las economías desarrolladas como los EE. UU. tuvieron toda la influencia en la relación de la materia prima.

Este no fue el peor trato para los mercados emergentes. Recibieron inversión extranjera, crédito internacional e ingresos estatales a cambio de sus materias primas.

El «problema» se dio cuando Occidente se emborrachó con su NIMBYismo. Sí, los EE. UU. se preocupan por el medio ambiente, y no queremos perforar megaagujeros en nuestro suelo. En su lugar, cultivaremos las emisiones de CO2 y la destrucción del medio ambiente en alguna jungla en el Congo.

Eventualmente, EE. UU./Occidente dejó de invertir en la producción de materias primas. No lo necesitaban porque vendían productos de valor añadido con alto margen.

La marea está cambiando.

«Durante mucho tiempo, los países en desarrollo no han tenido más remedio que aceptar los términos de las potencias industrializadas, que tienen capital, tecnología y mercados. Pero el panorama ha comenzado a cambiar, con un aumento en el poder económico y la influencia de los países emergentes y en desarrollo, conocidos colectivamente como el Sur Global.

Algunos ahora están «en rebelión» contra el sistema que, bajo el nombre de libre comercio, ha limitado durante mucho tiempo sus esfuerzos para desarrollar las industrias nacionales».

De limones a limonada.

Pero no son solo Indonesia y China. México y Chile están nacionalizando la producción de litio. Con todo el dinero que fluye hacia la producción de vehículos eléctricos, ¿por qué México y Chile deberían contentarse con vender limones? Incluso Filipinas está considerando la prohibición de las exportaciones de níquel.

El nacionalismo de los recursos nos está mirando a la cara, pero a nadie parece importarle o darse cuenta. Solo nos importará cuando los precios de las materias primas se disparen en respuesta a un choque masivo de la oferta.

Usemos el estaño como ejemplo. Es probable que Indonesia prohíba la exportación de estaño el próximo mes de junio. El país es responsable de más del 20 % de la producción mundial y del ~18 % de las reservas mundiales.

¿Qué sucede si utilizan el 25 % de la producción en productos de valor añadido en lugar de la exportación de materias primas? ¿Quién está tomando el relevo en un mercado donde el tercer exportador de estaño más grande del mundo pierde dinero a 27 000 dólares/tonelada?

El caso del estaño (y cualquier otro metal base) es que eventualmente tendremos una caída. Esa recesión aplastará la demanda y equilibrará el mercado ya restringido por la oferta.

Pero no hay un modelo de oferta/demanda para «¿qué pasa si Indonesia saca fuera del mercado el 25-50% de su oferta?»

Y así tienes esta configuración en la que el precio de referencia para poner un nuevo suministro en línea es ~3 000 $ más alto que el precio al contado actual en un mercado donde el 20 % de la oferta mundial podría reducirse un 50%.

Las acciones de AFM no se han movido en dos años. No tiene sentido.

Cuando las cosas no tienen sentido, especialmente en los mercados de materias primas, es mejor centrarse en los cambios en la oferta y la demanda. La historia de la demanda, salvo en caso de una recesión global, se mantiene sin cambios. La historia del suministro, sin embargo, se ve más alcista con cada comunicado de prensa.

Por favor, haga su propia investigación. Después de todo, esto es minería. Todo lo que pueda salir mal probablemente saldrá mal. Calcule el tamaño de su posición en consecuencia.

El estaño es ahora una operación estilo «Trifecta». Los fundamentos, el sentimiento/posicionamiento y los aspectos técnicos se están alineando para que veamos movimientos muchos más altos. Todo lo que podemos hacer es hacer nuestras apuestas, monitorear la situación y disfrutar del viaje.

Una señal extremadamente alcista en las acciones de valor por Sentimentrader

• El porcentaje de máximos anuales de las acciones de los sectores Financiero e Industrial superó el 25%
• Expansiones similares hasta nuevos máximos precedieron a una tasa de ganancias del 97% en el S&P 500 durante el año siguiente.
• Las acciones de los sectores financiero e industrial mantienen excelentes clasificaciones de tendencia absoluta y relativa

«La amplitud del mercado de valores es el mejor economista que conozco» – Stan Druckenmiller

Mientras examinaba la página de amplitud del mercado en el sitio web hace unos días, noté un aumento sustancial en los máximos anuales de las acciones del sector financiero e industrial durante la sesión del jueves, y ambos grupos superaron el 25% de las acciones totales. En perspectiva, el sector salud registró la tercera lectura más alta con un 10,94%.

Al realizar este estudio, utilicé la función de la misma barra de múltiples condiciones para descubrir precedentes en los que el porcentaje de máximos anuales superó el 25% simultáneamente para ambos sectores.

Como muestran las flechas de este gráfico, una expansión de los máximos anuales de las acciones del sector financiero e industrial, como ahora, normalmente se alinea con tendencias alcistas generalizadas del mercado.

Lo que nos dice el estudio

El equipo de investigación ha destacado en numerosas ocasiones un deterioro de los indicadores de amplitud del mercado a corto plazo. Si bien es casi imposible conocer el motivo exacto, lo más probable es que el mercado piense en mayores rendimientos y un fortalecimiento del dólar debido a una economía resiliente. Sin embargo, a lo largo de la historia, las condiciones macroeconómicas rara vez se alinean al mismo tiempo durante un período prolongado, razón por la cual algunas acciones ganan y otras pierden en tendencias alcistas. Con una gran cantidad de acciones en los sectores industrial y financiero registrando máximos anuales simultáneamente, una visión a largo plazo de la amplitud del mercado sugiere que deberíamos mantener una perspectiva alcista a pesar de algunas preocupaciones a corto plazo.

¿Qué está impulsando los rendimientos del mercado de valores? por Ben Carlson

Hay un grupo de personas que piensan que el mercado de valores está amañado.

Asumen que es un casino donde solo ciertas personas ganan y todos los demás pierden.

O todo es manipulado por la Reserva Federal y los resultados son falsos.

Si no fuera por los rescates o la caída de las tasas de interés o el gasto público o el Taylor Swift Eras Tour, todo el castillo de naipes se derrumbaría.

Por supuesto, hay controles y equilibrios en nuestro sistema que han sido beneficiosos para la economía y el mercado de valores a lo largo de los años.

Pero es ridículo asumir que esto significa que los resultados empresariales en el mercado de valores están de alguna manera amañados, sean falsos o manipulados.

No hay ningún hombre detrás de una cortina tirando de las palancas para garantizar que las acciones suban.

De hecho, a largo plazo, los fundamentos siguen desempeñando un papel importante en el éxito del mercado de valores.

Echa un vistazo a este gráfico de resultados empresariales frente al índice S&P 500 que se remonta al final de la Segunda Guerra Mundial:

Ha habido momentos en los que los precios se han adelantado, pero en su mayor parte los precios de las acciones han estado subiendo porque las ganancias han estado subiendo.

Otro mito del mercado de valores es que todas las ganancias se deben a la expansión múltiple. Si bien es cierto que las valoraciones han ido aumentando lentamente con el tiempo a medida que los mercados se han vuelto más seguros, la expansión múltiple probablemente ha desempeñado un papel menor de lo que la mayoría de la gente supone.

El difunto John Bogle tenía una fórmula simple para los rendimientos esperados en el mercado de valores que se ve así:

Rendimientos esperados del mercado de valores = rendimiento de dividendos + crecimiento de las ganancias +/- el cambio en la relación P/E

En su libro Don’t Count on It, Bogle aplicó su fórmula a cada década en el mercado de valores que se remonta a principios del siglo XX para ver qué tan bien coincidían las expectativas fundamentales con los rendimientos reales.

La diferencia entre los dos son esencialmente las emociones humanas.

Bogle publicó los datos a lo largo de la década de 2000, así que he estado actualizando su trabajo en las décadas de 2010 y 2020. Aquí están los últimos datos hasta finales de 2023:

Ha habido algunas expansiones múltiples en las décadas de 2010 y 2020, pero nada como las décadas de 1980, 1990 o incluso las décadas de 1930.

El crecimiento de las ganancias ha sido el principal impulsor de los rendimientos del mercado de valores desde el final de la Gran Crisis Financiera.

También vale la pena señalar que, aunque los rendimientos de los dividendos han sido relativamente bajos en las últimas décadas, el crecimiento de los dividendos pagados por las corporaciones ha sido saludable.

Los dividendos del S&P 500 crecieron a una tasa de crecimiento promedio anual de solo el 3 % en la década de 2000.3 Eso está muy por debajo del promedio histórico de más del 5 %.

Pero desde 2010, los dividendos han aumentado más del 8 % anual.

El crecimiento de los dividendos y las ganancias ha sido fuerte, al igual que el mercado de valores.

Otra razón por la que los rendimientos han sido tan estelares es porque las corporaciones estadounidenses son mucho más eficientes ahora.

Solo mira la tendencia al alza de los márgenes desde la llegada de Internet:

Existía la idea de que los márgenes de beneficio eran series temporales de reversión a la media en todas las finanzas debido a la competencia y el capitalismo. Las acciones tecnológicas han descartado esta idea.

Los márgenes subieron y nunca volvieron a los promedios anteriores.

Este gráfico ayuda a explicar el dominio de las acciones de EE. UU. sobre el resto del mundo durante los últimos 15 años más o menos.

El mercado de valores ha sido bueno en parte porque los fundamentos han sido buenos. Hay otros factores en juego, pero esa es la explicación más simple.

Sin embargo, vale la pena señalar que los precios de las acciones siempre van a ser mucho más volátiles que los fundamentales, especialmente a corto plazo. El mercado de valores tiene visión de futuro, pero eso no significa que sepa cómo pronosticar lo que va a suceder a continuación.

Los precios se mueven mucho más que las ganancias o los dividendos debido al miedo y la codicia.

Pero a largo plazo, los fundamentos tienden a ganar.

Los fundamentos del mercado de valores de EE. UU. han sido excepcionales.

¿De dónde podemos extraer ventajas o edges al hacer trading? por Brett N. Steenbarger

¿Están las criptomonedas expuestas a los factores de riesgo tradicionales? por Quantpedia

Las criptomonedas están atrayendo mucha atención, incluso convirtiéndose en una prioridad para muchos inversores profesionales. La llegada de los nuevos ETF de Bitcoin al contado simplifica el acceso a esta clase de activos, y a medida que las criptomonedas se incluyen en más y más carteras, los profesionales de la industria buscan modelos que puedan ayudar a evaluar qué tan grande es la parte de las carteras de los clientes se asignan a esta nueva clase de activos. Los modelos de riesgo factorial son un estándar de la industria para comprender otras clases de activos principales, y los autores de la investigación presentada hoy (Akbari, Ekponon y Guo, revisada en 2024) proporcionan información útil sobre qué factores de riesgo pueden explicar la variación en los rendimientos de las criptomonedas.

Utilizando series temporales y técnicas transversales dentro de un marco de agrupación eficiente, los autores examinan cómo los factores clave (extraídos de las principales clases de activos) podrían impulsar los precios de las criptomonedas. Muestran que las criptomonedas están expuestas a fluctuaciones en otras clases de activos principales, además de descubrir una intensa exposición del mercado de criptomonedas a los factores tradicionales de precios de la clase de activos (valor, tamaño, etc.), particularmente del mercado de valores.

Definitivamente podemos descartar la idea de que las criptomonedas se mueven por sí solas, actuando de forma independiente y aislada de otros activos del mundo financiero. El mercado de las criptomonedas está correlacionado positivamente con el mercado de valores, negativamente con el mercado de divisas y está correlacionado positivamente con los factores de las materias primas. Un estudio muestra que las criptomonedas con alta exposición al mercado de valores tienen mayores rendimientos en las series temporales y la sección transversal.

Como se muestra en las Figuras 2, 3 y 4, para la mayoría de los factores (riesgo), γf0 difiere de cero. Esto se confirma con sus sólidas métricas de estadísticas t. Todos revelan la existencia de una relación riesgo-rendimiento en las secciones transversales. La figura 7 muestra la evolución general de los pesos de Bitcoin, Ethereum y las otras altcoins dentro del mercado de criptomonedas. En general, estos hallazgos proporcionan la evidencia de que losfactores de riesgo bien conocidos pueden explicar los rendimientos del mercado de criptomonedas y que existe un fuerte vínculo entre el mercado de criptomonedas y las clases de activos tradicionales.

• Autores: Guilda Akbari, Adelphe Ekponon y Zihan Guo
• Título: Traducción al español: ¿Están las criptomonedas expuestas a los factores de riesgo?
• Enlace: https://papers.ssrn.com/sol3/papers.cfm? abstract_id=4595563

Resumen:

Mostramos que las fluctuaciones de precios de las criptomonedas están sujetas a los factores de fijación de precios de los activos existentes, contrariamente a lo que se documenta en la literatura. Utilizando datos de las 110 criptomonedas con la mayor capitalización bursátil a partir de junio de 2021, examinamos la capacidad de fijación de precios de 20 factores que pertenecen a tres clases de activos, es decir, acciones, divisas y materias primas. Nuestro ejercicio de precios se extiende desde julio de 2021 hasta mayo de 2022, con datos de enero de 2019 a junio de 2021 utilizados para obtener estimaciones iniciales de las cargas de factores. Basamos nuestras pruebas en las estrategias de agrupación propuestas por Black, Jensen y Scholes (1972), que se ha demostrado que reducen significativamente el sesgo en las estimaciones de carga de factores. Encontramos que los rendimientos de las criptomonedas están muy relacionados con el mercado de valores, están correlacionados negativamente con los factores de divisas y están positivamente relacionados con los factores de las materias primas. Estos resultados dan evidencia de un fuerte vínculo entre el mercado de criptomonedas y las clases de activos tradicionales.

Y como siempre, presentamos varias figuras y tablas interesantes:

Citas notables del trabajo de investigación académica:

«Bitcoin, la primera criptomoneda, se lanzó después de la crisis crediticia de 2009. Bitcoin y las altcoins (terminología utilizada para referirse a todas las demás criptomonedas) generalmente se consideran monedas digitales que se basan en tecnologías de libro mayor distribuido como la cadena de bloques y, por lo tanto, no están reguladas por un organismo central. En su inicio, el bitcoin estaba destinado a ser una alternativa a las monedas fiduciarias. Sin embargo, los altos rendimientos en este mercado también pueden haber atraído a los inversores tradicionales, ya que las criptomonedas ofrecen nuevas oportunidades de inversión y diversificación. Después del bitcoin, el número de criptomonedas activas en todo el mundo alcanzó los 10.000 a principios de 2022, con una capitalización de mercado total de alrededor de 2 billones de dólares, según CoinMarketCap.com.¹ Si las criptomonedas son percibidas como monedas por las autoridades y los reguladores, tratadas como valores por los inversores o utilizadas como tokens de servicios públicos, no está claro cómo interactuará este nuevo mercado con las principales clases de activos actuales. Sin embargo, el interés por las criptomonedas ha crecido de manera constante a lo largo del tiempo, no solo entre los usuarios de trading, sino también entre los consumidores individuales y las autoridades de muchos países de todo el mundo. Los gobiernos han establecido regulaciones para educar a los consumidores o han creado grupos de trabajo gubernamentales de alto nivel para estudiar la tecnología y las implicaciones regulatorias.»

«Nuestro análisis comienza con la técnica estándar de fijación de precios de activos transversales (análisis preliminar). Obtenemos las exposiciones promedio de factores de cada una de las 110 criptomonedas, seleccionadas en función de su capitalización de mercado en julio de 2021, utilizando las regresiones de series temporales de septiembre de 2014 a junio de 2021.2 Para cada factor, luego retrocedemos los rendimientos promedio de las criptomonedas durante los siguientes seis meses, de julio de 2021 a diciembre de 2021, en las exposiciones promedio de los factores. Todos los datos tienen una frecuencia diaria.»

«Nuestros resultados indican que los factores de capital en todo el mercado, como el mercado Fama-French MKT o el índice S&P500 y el VIX, tienen un precio consistente en los tres métodos examinados (análisis preliminar, series temporales y pruebas transversales). Estos resultados destacan un fuerte vínculo entre la criptomoneda y los mercados de valores. También encontramos que los rendimientos de las criptomonedas tienen una relación negativa con el mercado de divisas y una relación positiva con el mercado de productos básicos a lo largo del tiempo. Estos resultados sugieren que es particularmente arriesgado invertir en criptomonedas individuales.»

«Encontramos que la alta exposición se asocia con mayores rendimientos en promedio en la sección transversal, de acuerdo con la teoría de precios de los activos. Por lo tanto, nuestros resultados proporcionan evidencia de que los riesgos en el mercado de criptomonedas se pueden mitigar invirtiendo en la sección transversal. En particular, es probable que las criptomonedas con una mayor exposición a las series temporales al mercado de valores experimenten mayores rendimientos. Los factores de moneda (expresados en unidades de moneda extranjera por dólar estadounidense) están correlacionados negativamente con el criptomercado. Por lo tanto, las criptomonedas que funcionan bien cuando el dólar estadounidense se deprecia tienen rendimientos más altos. La relación es fuerte con el índice del dólar estadounidense, el dólar canadiense, el renminbi chino y el peso mexicano. Por último, nuestras estimaciones sugieren que es más probable que una mayor exposición al Índice de Productos Básicos de Bloomberg (BCOM) y sus subíndices de energía, metales industriales y plata tengan más rendimientos transversales.»

«Nuestro enfoque de fijación de precios de activos se prueba en una economía en la que ya existen varias otras clases de activos, cada una con al menos un factor de fijación de precios. Las clases de activos consideradas son acciones, monedas y materias primas. Asumimos que los inversores tienen diferentes incentivos para operar con criptoactivos. Algunos pueden tener algunos de sus activos invertidos en el mercado de valores o cubrir algunos de sus activos comprando metales preciosos, mientras que otros pueden tener dinero en efectivo o estar inclinados a realizar transacciones en criptomonedas. Los inversores tienen al menos dos incentivos para entender cómo interactúan los factores tradicionales del mercado con el mercado de criptomonedas. En primer lugar, entender los rendimientos individuales de las criptomonedas sigue siendo desconcertante, y en segundo lugar, este nuevo mercado tiene altos rendimientos, pero también un mayor nivel de riesgo. Debido a que los errores de estimación pueden socavar la validez de nuestros resultados, utilizamos la técnica de agrupación descrita en la sección 3.»

«Nuestros resultados proporcionan una visión novedosa de los factores que fijan el precio de las criptomonedas y son los primeros en documentar un fuerte vínculo entre el mercado de criptomonedas y las clases de activos tradicionales, en particular el mercado de valores. Comenzamos con modelos de un solo factor para examinar la capacidad de fijación de precios de algunos factores prominentes, tanto en series temporales como en secciones transversales. Formamos grupos como se describe en Black, Jensen y Scholes (1972)».

Adaptación de los parámetros a los regímenes cambiantes del mercado a través del aprendizaje automático por Ernest P. Chan

Todo operador sabe que hay regímenes de mercado que son favorables a sus estrategias, y otros regímenes que no lo son. Algunos regímenes son obvios, como los mercados alcistas contra los bajistas, los mercados tranquilos frente a los agitados, etc. Estos regímenes afectan a muchas estrategias y carteras (a menos que sean carteras neutrales en cuanto al mercado o neutrales en cuanto a la volatilidad) y son fácilmente observables e identificables (pero tal vez no predecibles). Otros regímenes son más sutiles y solo pueden afectar a su estrategia específica. Los regímenes pueden cambiar todos los días, y pueden no ser observables. A menudo no es tan simple como decir que el mercado tiene dos regímenes, y actualmente estamos en el régimen 2 en lugar de 1. Por ejemplo, con respecto a la rentabilidad de su estrategia específica, el mercado puede tener 5 regímenes diferentes. Pero no es fácil especificar exactamente cuáles son esos 5 regímenes, y en cuál de los 5 estamos hoy, por no hablar de predecir en qué régimen estaremos mañana. ¡Ni siquiera sabremos que hay exactamente 5!

Los cambios de régimen a veces requieren un cambio completo de estrategia de trading (por ejemplo, operar con una estrategia de reversión media en lugar de impulso). Otras veces, los operadores solo necesitan cambiar los parámetros de su estrategia de trading para adaptarse a un régimen diferente. Mis colegas y yo en PredictNow.ai hemos ideado una forma novedosa de adaptar los parámetros de una estrategia de trading, una técnica que llamamos «Optimización condicional de parámetros» (CPO). Este invento pendiente de patente permite a los traders adaptar nuevos parámetros con la frecuencia que deseen, tal vez para cada día de negociación o incluso para cada operación individual.

CPO utiliza el aprendizaje automático para realizar operaciones de manera óptima en función de las cambiantes condiciones (régimenes) del mercado en cualquier mercado. Los operadores en estos mercados normalmente ya poseen una estrategia de trading básica que decide el momento, el precio, el tipo y/o el tamaño de dichas órdenes. Esta estrategia de trading generalmente tendrá un pequeño número de parámetros ajustables. Normalmente, a menudo se optimizan en función de un conjunto de datos históricos fijo («conjunto de trenes»). Alternativamente, se pueden volver a optimizar periódicamente utilizando un conjunto de trenes en expansión o rodantes. (Este último a menudo se llama «Walk Forward Optimization».) Con un conjunto de bloques fijos, los parámetros claramente no pueden adaptarse a los regímenes cambiantes. Con un conjunto de bloques en expansión, los parámetros de trading aún no pueden responder a las condiciones del mercado que cambian rápidamente porque los datos adicionales son solo una pequeña fracción del conjunto de bloques existente. Incluso con un conjunto de bloques rodantes, no hay evidencia de que los parámetros optimizados en el período histórico más reciente den un mejor rendimiento fuera de la muestra. Un conjunto de bloques rodantes demasiado pequeños también dará resultados predictivos inestables y poco fiables dada la falta de significación estadística. Todos estos procedimientos de optimización convencionales pueden llamarse optimización incondicional de parámetros, ya que los parámetros no responden de forma inteligente a las condiciones del mercado que cambian rápidamente. Idealmente, nos gustaría tener parámetros que sean mucho más sensibles a las condiciones del mercado y, sin embargo, estén capacitados en una cantidad lo suficientemente grande de datos.

Para abordar este problema de adaptabilidad, aplicamos un algoritmo de aprendizaje automático supervisado (específicamente, bosque aleatorio con refuerzo) para aprender de un gran conjunto de predictores («característica») que captura varios aspectos de las condiciones de mercado prevalecientes, junto con valores específicos de los parámetros, para predecir el resultado de la estrategia de trading. (Un resultado de ejemplo es el futuro retorno de un día de la estrategia). Una vez que dicho modelo de aprendizaje automático está entrenado para predecir el resultado, podemos aplicarlo al mercado real introduciendo las características que representan las últimas condiciones del mercado, así como varias combinaciones de los parámetros. El conjunto de parámetros que resulten en el resultado óptimo previsto (por ejemplo, el rendimiento futuro más alto de un día) se seleccionará como óptimo, y se adoptará para la estrategia de trading para el siguiente período. El operador puede hacer tales predicciones y ajustar la estrategia de trading con la frecuencia que sea necesario para responder a las condiciones del mercado que cambian rápidamente.

En el ejemplo que puede descargar aquí, ilustro cómo aplicamos CPO utilizando la API de aprendizaje automático financiero de PredictNow.ai para adaptar los parámetros de una estrategia de reversión media basada en la banda de Bollinger en GLD (el ETF de oro) y obtener resultados superiores que destaco aquí:

La técnica de CPO también es útil en las verticales de la industria que no sean las finanzas; después de todo, la optimización en condiciones variables de tiempo y estocástico es un problema muy general. Por ejemplo, los tiempos de espera en la sala de emergencias de un hospital se pueden minimizar optimizando varios parámetros, como el nivel de personal, la preparación de equipos y suministros, la tasa de alta, etc. Los métodos actuales de última generación generalmente encuentran los parámetros óptimos mirando lo que funcionó mejor en promedio en el pasado. Tampoco hay una función matemática que determine exactamente el tiempo de espera en función de estos parámetros. La técnica CPO emplea otras variables como la hora del día, el día de la semana, la temporada, el clima, si hay eventos masivos recientes, etc., para predecir el tiempo de espera bajo varias combinaciones de parámetros y, por lo tanto, encontrar la combinación óptima en las condiciones actuales con el fin de lograr el tiempo de espera más corto.

Cómo el FOMO puede ayudar a su trading por Brett N. Steenbarger

• ¿Qué pasaría si la mayoría de nuestras debilidades son simplemente fortalezas canalizadas de la manera equivocada? Asistamos a una clase magistral impartida por el referente internacional Brett N. Steenbarger.
• Artículo publicado en Hispatrading 57.

Hace un tiempo hablé en Forbes sobre cómo podemos usar nuestras mayores debilidades para convertirlas en valiosas fortalezas. Por poner un ejemplo real, hablaré sobre un caso de un gestor con el que he estado trabajando.

El gestor de cartera al que ayudé sufrió una enfermedad cada vez más común: el FOMO. Es decir el miedo a perderse los posibles movimientos del mercado. Aunque tenía reglas muy claras para entrar en el mercado que circunscriben cuidadosamente el riesgo y recompensa de sus operaciones, al ver que el mercado se alejaba de su punto de entrada ideal y, temeroso de perder las oportunidades, se ponía a perseguir los movimientos a corto plazo. Con demasiada frecuencia, eso le llevó a pérdidas y grandes dolores de cabeza.

La estrategia de entrenamiento para ayudar a este trader está en ensayar mentalmente escenarios que desencadenan FOMO, junto con las «mejores prácticas» para gestionar tales oportunidades de mercado. Esas visualizaciones estarían acompañadas de técnicas de manejo del estrés para minimizar la ansiedad ,que es una parte típica del FOMO. Tal enfoque puede ser bastante útil.

¡Pero supongamos que vemos el FOMO como una fuerza potencial de trading/inversión! Tal vez el FOMO sea simplemente una canalización inútil de un impulso positivo. En lugar de tratar de erradicar el FOMO, ¿cómo podríamos canalizarlo en direcciones más constructivas?

La forma en que lo hicimos fue transformando el FOMO en FOMOP. El FOMOP, decidimos, que sería el miedo a no seguir el proceso de uno. Es un miedo a perder la orientación del proceso que ha sido responsable del éxito a largo plazo.

Para tratar con el FOMOP, el gestor relató, durante el tiempo de preparación, los casos en los que las desviaciones del proceso correcto condujeron a pérdidas. Buscó específicamente escenarios en la acción del mercado que podrían darse en la siguiente jornada de mercado que pudieran conducir a problemas para seguir el proceso establecido y se preparó para ellos como posibles minas a punto de explotar, en caso de pisarlas. De hecho, alimentó su miedo; no trató de superarlo. Quería tener miedo de perder la disciplina, al igual que, por ejemplo, un alcohólico podría tener miedo a una recaída.

Como una forma de medir el progreso, se calificó a sí mismo al final del día únicamente en relación al proceso: qué tan bien generó las ideas; qué tan bien estructuró las operaciones basadas en las ideas; qué tan bien manejó esas posiciones y su riesgo asociado; etc. El objetivo era lograr puntuaciones de proceso consistentemente altas al final de las jornadas de trading, ya sea que en esos días tuviera ganancias o pérdidas.

¡El descubrimiento más interesante ha sido que el FOMOP funciona! De hecho, este gestor de cartera ha mostrado mejoras increíbles en el rigor de sus operaciones. Esto se ha traducido en un mejor marco mental y, lo que es más importante, en mejores rendimientos absolutos y ajustados al riesgo. En lugar de luchar contra su miedo a perderse, lo ha canalizado de una manera que mejora su trading. Ese miedo surgió de un impulso positivo por el rendimiento; no era algo que deba ser combatido y eliminado.

¿Qué pasaría si la mayoría de nuestras debilidades son simplemente fortalezas canalizadas de la manera equivocada? ¿Cómo podría ayudar a nuestro trading, nuestra mentalidad y nuestras relaciones si podemos encontrar un impulso positivo detrás de una debilidad y usarlo para alimentar una de nuestras fortalezas?

Cómo comenzar a hacer day trading en 2024 por The Trader Chick

Muchos day traders se sienten atraídos por la posibilidad de ganar mucho dinero. Como nuevo day trader, cortar o controlar las pérdidas es crucial para el éxito al hacer trading. Desafortunadamente, demasiados day traders novatos pasan por alto las comisiones. Otros pierden meses de ganancias en una tarde porque comienzan a arriesgar mucho después de una racha ganadora que los hace creerse imbatibles.

Si desea convertirse en un experto day trader, siga estos seis pasos para principiantes:

1. Usa un plan de trading

Una estrategia de trading es un conjunto de directrices que describe las condiciones para la gestión del dinero, la entrada y la salida de cada compra realizada por un trader. Pruebe un concepto de trading con la tecnología disponible hoy en día antes de invertir dinero real. Este plan, llamado backtesting, le permite probar su idea de trading con datos anteriores para ver si es factible.

Un plan se puede utilizar en el trading real, aunque puede que no siempre tenga éxito. En tal caso, deshazte de él y empieza de nuevo. Recuerde siempre que adherirse a su estrategia es crucial. Ya sea que una operación vaya bien o no, ir en contra del plan de trading es una mala táctica.

2. Tener un plan de gestión de riesgos

El day trading es como cualquier otro negocio, por lo que debe comenzar con un plan. Tener una estrategia de gestión de riesgos para sus inversiones es esencial para un daytrading efectivo. Primero debes determinar cuánto dinero podemos perder en el day trading mientras se tiene en cuenta tanto el desembolso inicial como cualquier fondo adicional que pueda depositar en el camino.

También necesitas una estrategia sólida para gestionar el riesgo, ya que quieres obtener beneficios. ¡Eso también incluye mantenerse alejado de operaciones arriesgadas!

3. Asumir activos de menor riesgo

Como nuevo day trader, es probable que ya estés utilizando el apalancamiento proporcionado por tu broker. Como tal, significa que ya has asumido un nivel considerable de riesgo. Por lo tanto, no hay necesidad de operar con nada que sea extremadamente arriesgado, como las criptomonedas.

Esto también es cierto para el trading de divisas, lo cual es extremadamente peligroso. Un buen ejemplo es lo que le sucedió al EURCHF cuando el Banco Nacional Suizo levantó abruptamente su vinculación contra el euro en 2015. Como resultado, el CHF se apreció inmediatamente en un 20 %, lo que aniquiló a numerosos brokers y traders.

Una vez que hayas adquirido mucha experiencia, puedes optar por hacer trading con estos activos, pero como principiante, es la forma más rápida y fácil de tener pérdidas astronómicas.

4. Encuentra el broker adecuado

Los day traders necesitan utilizar un broker para ejecutar sus órdenes. Asegúrate de que el broker con el que te conformes cumpla todas tus necesidades. Por ejemplo, debes confirmar que el software del broker funciona con la plataforma de daytrading que elijas. También necesitarás un simulador de trading, datos de futuros en tiempo real y la capacidad de crear y probar estrategias.

5. Ten un fondo de reserva

Es fundamental saber la cantidad de capital que puede permitirse arriesgar razonablemente antes de comenzar a operar. La mayoría de los principales traders desaconsejan el trading más de lo que puedes soportar perder. Como principiante, comienza modestamente y aumenta progresivamente tu capital a medida que adquieras las habilidades necesarias.

Los day traders exitosos a menudo invierten aproximadamente entre el 1 % y el 2 % del saldo de su cuenta en cada operación. También es aconsejable reservar una cantidad que pueda usar solo para el trading y asegurarse de tener suficiente efectivo a mano para cubrir cualquier pérdida.

De esta manera, sus ahorros o inversiones personales no estarán en riesgo si sus operaciones no funcionan según lo planeado o van en el sentido contrario.

6. Estudiar continuamente los mercados

El sexto y último consejo es estudiar los mercados continuamente, lo que siempre debe considerar el aprendizaje continuo. Como nuevo trader, debes mantenerte comprometido a aprender algo nuevo cada día. Dominar los mercados y sus matices es un esfuerzo continuo de por vida.

Una investigación exhaustiva permite a los traders comprender los hechos, por ejemplo, la importancia de varios informes económicos.

Los mercados se ven afectados por la política global, las tendencias económicas, las noticias e incluso las condiciones climáticas. Como resultado, el panorama del mercado está en constante cambio. Estarás mejor equipado para manejar el futuro cuando tengas una comprensión más profunda de los mercados pasados y presentes.

Conclusión

Además de estos consejos, siempre debes estar abierto a aprender cosas nuevas. Eso implica estar listo para dejar de lado cualquier idea preconcebida que pueda haber tenido antes de comenzar a operar.

Además, ten en cuenta que es poco probable que te beneficies de inmediato. Te llevará algún tiempo tener éxito de forma consistente, por lo general después de sufrir algunas pérdidas. Lo que importa es que, con el tiempo, ganarás disciplina y aprenderás a valorar el riesgo por encima de la recompensa.

SAR parabólico: Fórmula, cálculo y código Python por Quantinsti

En el ámbito dinámico de los mercados financieros, el análisis técnico desempeña un papel fundamental para ayudarnos a tomar buenas decisiones y descifrar las tendencias del mercado. Entre el arsenal de indicadores técnicos, el SAR parabólico (Stop and Reverse) se destaca como una potente herramienta para los traders que buscan descifrar las direcciones de las tendencias y los posibles puntos de reversión. El SAR parabólico ha ganado prominencia en el trading con acciones, materias primas y divisas.

Este indicador encapsula componentes clave como la dirección de la tendencia y un factor de aceleración (la velocidad a la que el SAR aumenta o disminuye), lo que lo convierte en una herramienta adaptable y versátil. La inclusión de un factor de aceleración permite que el SAR responda dinámicamente a los cambios del mercado, un rasgo especialmente beneficioso para capturar el impulso de las tendencias.

¿Qué es el SAR parabólico?

El SAR parabólico, que significa «Stop and Reverse», es un indicador de análisis técnico utilizado en los mercados financieros para averiguar los posibles giros de tendencia, así como para establecer niveles de stop loss. Fue desarrollado por J. Welles Wilder, la misma persona que creó otros indicadores populares como el Índice de Fuerza Relativa (RSI), el Índice Direccional Promedio (ADX) y el Rango Verdadero Promedio (ATR).

Estos son los componentes clave del SAR parabólico:

• Dirección de la tendencia
• Factor de aceleración

Dirección de la tendencia

• A medida que la línea del SAR parabólico acompaña a los gráficos de precios, ya sea por encima o por debajo, proporcionan señales visuales para discernir la tendencia subyacente: una tendencia alcista cuando está por debajo y una tendencia a la baja cuando está por encima.
• Para ponerlo en pocas palabras, puedes ver cómo lo he resumido a continuación junto con el gráfico.
• Cuando la línea SAR parabólica está por debajo del precio, sugiere una tendencia alcista (señal de compra o ir largo).
• Cuando la línea SAR parabólica está por encima del precio, sugiere una tendencia a la baja (señal de venta o se queda corta).

Factor de aceleración

• El indicador incorpora un factor de aceleración, denotado como AF, que determina la velocidad a la que se mueve el SAR en respuesta a los cambios en el SAR.
• El AF comienza en un valor especificado (comúnmente 0,02) y puede aumentar cada vez que la tendencia se extiende, generalmente por 0,02.

¿Cómo se calcula el SAR parabólico?

El SAR parabólico se calcula para cada período basándose en la fórmula:

SARn = SARn-1 + AF * (EP – SARn-1)

Dónde,

• SARn es el SAR del período actual.
• SARn-1 es el SAR del período anterior.
• El AF es el factor de aceleración.
• EP (Extreme Point) es el punto extremo de la tendencia actual. Si la tendencia actual es una tendencia alcista, entonces el extremo será el punto más alto de la tendencia antes de que vuelva a bajar, y si la actual es una tendencia bajista, será el punto más bajo de una tendencia bajista antes de que la tendencia vuelva a subir.

Ejemplo

Supuestos:

• Estamos viendo un gráfico diario de una acción.
• El precio actual de mercado es de 51 $.
• El SARn-1= 50 $. El SAR inicial suele ser el precio de cierre del día anterior.
• El factor de aceleración (AF) es de 0,02.
• El punto extremo (EP) es de 52 $ (punto más alto en la tendencia alcista actual). Aquí hemos asumido una tendencia alcista.
• SARn = ?

Calculemos el SARn ahora.

Cálculo:

SARn = SARn-1 + AF * (EP – SARn-1)

SARn = 50 + 0,02 x (52-50)

SARn = 50+0.02×2= $50.04

En este ejemplo, el nuevo valor de SAR parabólica (SARn) se calcula en 50,04 $.

Interpretación:

• El SAR parabólico se utiliza para determinar posibles inversiones en la dirección de los precios.
• Si el valor actual de SAR está por debajo del precio actual del mercado, sugiere una tendencia alcista.
• Si el SAR está por encima del precio de mercado, sugiere una tendencia a la baja.

Por lo tanto, si el precio de mercado actual de la acción es de 51 $, que es más alto que el SAR calculado (50,04 $), indica que es probable que la tendencia alcista continúe. Esta es una indicación de que va a ir mucho tiempo.

Por lo tanto, los traders podrían usar esta información para tomar decisiones informadas.

Sin embargo, es esencial considerar otros factores y utilizar el SAR parabólico junto con otros indicadores técnicos como las medias móviles, el MACD, etc., para un análisis más completo.

Importancia del SAR parabólico en el análisis técnico

El SAR parabólico (Stop and Reverse) es una herramienta importante en el análisis técnico por varias razones:

• Identificación de tendencias: Uno de los usos principales usos del SAR parabólico es identificar la dirección de la tendencia subyacente. Los puntos del SAR aparecen por encima o por debajo del gráfico de precios, lo que indica la posible dirección de la tendencia (hacia arriba o hacia abajo).
• Señales de reversión de tendencias: El SAR parabólico está diseñado para proporcionar señales para posibles giros de tendencias. Cuando los puntos SAR cambian de lado (por ejemplo, de abajo a por encima del precio o viceversa), sugiere un cambio en la dirección de la tendencia.
• Gestión de pérdidas: Los operadores a menudo utilizan el SAR parabólico para establecer órdenes de stop-loss finales. En una tendencia alcista, el stop-loss sube con los puntos SAR, ayudando a los traders a fijar las ganancias a medida que el precio se mueve más alto. En una tendencia bajista, el stop-loss se mueve hacia abajo.
• Soporte y resistencia dinámicos: Los puntos SAR pueden actuar como niveles de soporte dinámicos o de resistencia. En una tendencia alcista, el SAR proporciona apoyo, y en una tendencia bajista, actúa como resistencia. Los operadores pueden utilizar estos niveles para la toma de decisiones y la gestión de riesgos.
• Fácil de usar: el SAR parabólico es relativamente fácil de entender y usar. Su representación visual en los gráficos de precios lo hace accesible para los traders con diferentes niveles de experiencia.
• Adaptación a las condiciones del mercado: El factor de aceleración en la fórmula del SAR parabólico permite que el indicador se adapte a las condiciones cambiantes del mercado. A medida que las tendencias se extienden, el SAR se acelera, capturando el impulso de la tendencia.
• Complementario a otros indicadores: Los traders a menudo utilizan el SAR parabólico junto con otros indicadores técnicos para confirmar las señales y construir un análisis más completo. La combinación de indicadores puede mejorar la fiabilidad de las decisiones al hacer trading.
• Gestión de riesgos: El SAR parabólico ayuda en la gestión de riesgos proporcionando un mecanismo para establecer niveles de stop-loss. Esto puede ayudar a los operadores a limitar las pérdidas potenciales y proteger las ganancias en los mercados de tendencia.
• Versatilidad a través de los marcos de tiempo: El SAR parabólico se puede aplicar a varios marcos de tiempo, desde el trading intradía a corto plazo hasta la inversión a largo plazo. Su adaptabilidad lo convierte en una herramienta versátil para operadores con diferentes preferencias de horizonte temporal.

Estrategia de trading con el SAR parabólico usando Python

La estrategia de trading «SAR parabólico» que utiliza Python combina el poder del análisis técnico con la flexibilidad de la programación. Aprovechando la popular biblioteca TA-Lib, esta estrategia implica calcular y visualizar el indicador SAR parabólico para tomar decisiones de compra y venta. La versatilidad de Python mejora la implementación de este enfoque de trading dinámico.

Paso 1: Importar las bibliotecas necesarias

Importe las bibliotecas necesarias.

Paso 2: Definir una función para obtener datos históricos de precios

Esta función utiliza la biblioteca de yfinance para descargar datos históricos de precios de una acción determinada (ticker) dentro de un rango de fechas especificado (start_date a end_date).

Paso 3: Definir una función para implementar la estrategia de trading SAR parabólico

Esta función implementa la estrategia de trading SAR parabólica. Calcula los valores SAR parabólicos utilizando los precios altos y bajos, genera señales de compra (1) y venta (-1) basadas en la relación entre el precio de cierre y el SAR, y calcula las posiciones basadas en los cambios de la señal.

Paso 4: Definir una función para trazar los resultados de la estrategia

Esta función traza los resultados de la estrategia. Visualiza los precios de cierre, las señales de compra y venta y los valores SAR parabólicos. Los marcadores verdes «^» representan las señales de compra, los marcadores rojos «v» representan las señales de venta y la línea disorada representa el SAR parabólico.

Paso 5: Definir las existencias y el período de tiempo

Especifique el símbolo de la acción (ticker) y las fechas de inicio y finalización de los datos históricos de precios.

Paso 6: Obtener datos históricos de precios

Llame a la función get_price_data para obtener datos históricos de precios para el stock y el período de tiempo especificados.

Paso 7: Implementar la estrategia de búsqueda y salvamento parabólica

Llame a la función parabolic_sar_strategy para aplicar la estrategia de trading SAR parabólico a los datos históricos de precios.

Paso 8: Trazar los resultados

Llame a la función plot_strategy para visualizar los resultados de la estrategia de trading de SAR parabólico.

Salida:

Arriba puede ver los datos de precios con la aplicación de la estrategia de trading SAR parabólico. Los resultados trazados son para el stock y el período de tiempo especificados.

Puedes ver que hay varias señales de compra y venta basadas en el análisis técnico de SAR parabólico.

Las «señales de venta» se producen cuando el precio se cierra por debajo del SAR parabólico. Esto sucederá el 1 de octubre de 2023 (2023-10-01) y entre el 15 de octubre de 2023 y el 1 de noviembre de 2023 (2023-10-15 y 2023-11-01), y así sucedende.

Por lo tanto, deberías «irte corto» cuando el indicador parabólico sugiera una tendencia bajista.

Por el contrario, las «señales de compra» se arrigen cuando el precio se cierra por encima de la SAR parabólico.

En el gráfico anterior, esto se muestra entre el 1 de octubre de 2023 (2023-10-01) y el 15 de octubre de 2023 (2023-10-15).

En este caso, debe «ir largo», ya que el indicador sugiere una tendencia alcista.

Si había comprado las acciones entre el 1 y el 15 de octubre de 2023 a 175 $ y las vendió el 1 de diciembre de 2023 a 190 $, está claro que obtendrá una ganancia de 15 $.

Contras del SAR parabólico

Ahora, veamos algunos inconvenientes del uso de SAR parabólico a continuación.

• Whipsaws en los mercados sin tendencia: el SAR parabólico puede generar señales falsas en mercados sin tendencia o laterales. Los operadores pueden experimentar pérdidas cuando el precio carece de una tendencia clara.
• Entrada tardía en tendencias fuertes: En mercados de tendencias fuertes, el SAR parabólico puede proporcionar señales de entrada tardías, lo que resulta en oportunidades perdidas para capturar toda la tendencia.
• Dependencia de la configuración de los parámetros: La efectividad del SAR parabólico está influenciado por los valores elegidos para sus parámetros, como el factor de aceleración. En ciertas condiciones del mercado, la configuración predeterminada puede no ser óptima, lo que requiere ajustes.
• No es adecuado para mercados de rango: El SAR parabólico está diseñado para mercados de tendencia y puede no funcionar bien en mercados de rango o de lado donde el precio fluctúa dentro de un cierto rango.
• Sensibilidad a la volatilidad de los precios: La sensibilidad del SAR a la volatilidad de los precios puede conducir a cambios frecuentes en la dirección, especialmente cuando el mercado experimenta movimientos repentinos y bruscos de los precios.
• Falta de información sobre el sesgo direccional: si bien el SAR parabólico identifica la dirección de la tendencia, no proporciona información sobre la fuerza o la duración de la tendencia. Los traders pueden necesitar indicadores adicionales para un análisis más completo.

¿Cómo utilizar el SAR parabólica hasta el máximo potencial?

Los traders deben ser conscientes tanto de las fortalezas como de las limitaciones del SAR parabólico y considerar su uso junto con otros indicadores técnicos para mejorar la solidez de sus estrategias de trading. Además, la gestión de riesgos y una comprensión clara de las condiciones del mercado son cruciales cuando se utiliza cualquier herramienta de negociación.

Conclusión

El SAR parabólico (Stop and Reverse) es una herramienta valiosa en el análisis técnico, que ayuda a los traders a identificar tendencias y proporciona señales de posibles giros. Su simplicidad y adaptabilidad a través de los plazos lo hacen accesible, especialmente para aquellos que son nuevos en el análisis técnico.

La inclusión de un factor de aceleración en el indicador le permite responder dinámicamente a las cambiantes condiciones del mercado, ofreciendo un mecanismo de stop-loss final en los mercados de tendencia. Sin embargo, surgen desafíos en mercados muy volátiles con señales falsas y posibles entradas tardías en tendencias fuertes.

La dependencia de la configuración de los parámetros, la inadecuación para los mercados de rango y la sensibilidad a la volatilidad de los precios subrayan la importancia de usar el SAR parabólico de la manera correcta. Combinarlo con otros indicadores y practicar una gestión de riesgos efectiva mejora su utilidad en la elaboración de estrategias de trading completas.

Los indicadores técnicos como el SAR parabólico son bastante útiles para llevar a cabo análisis, ya que el indicador proporciona una idea de qué esperar en una tendencia. De esta manera, puede decidir los puntos de entrada y salida y tomar decisiones de trading.

¿Con qué frecuencia se producen los mercados bajistas? por Ben Carlson

Me gusta estudiar la historia del mercado no porque haga que sea más fácil predecir el futuro, sino porque puede establecer suposiciones de referencia útiles.

Por ejemplo, ha habido analistas que hablan cada año, sobre una inminente crisis financiera y un desplome del mercado de valores cada año desde la Gran Crisis Financiera de 2008.

Que tengamos un crash siempre es posible, por supuesto. Pero solo ha habido cinco crash en el rango del 50 % o más en los últimos 100 años.

Los crash se dan, pero son raros. No tiene sentido pasar el 100 % de tu tiempo preparándote para algo que podría darse el 5 % del tiempo.

No estoy descartando los desplomes del mercado. Eso sería un error. Solo estoy reconociendo que no suceden tan a menudo como algunas personas te quieren hacer creer.

Los mercados bajistas y las correcciones se dan mucho más a menudo que un crash en todo el sistema.

Muchos expertos piensan que podríamos estar preparándonos para un mercado bajista en este momento. El mercado de valores subió a lo grande en 2023. Un puñado de acciones de megacapitalización han producido la mayor parte de las ganancias en el mercado. Si esas acciones caen, el mercado también podría caer.

No lo descartaría.

Sin embargo, aquí está la cuestión: ya hemos experimentado dos mercados bajistas separados esta década. Durante el crash por el Covid, el S&P 500 cayó un 34 %. El mercado bajista de 2022 vio el S&P caer un 25 %.

Esos fueron dos mercados bajistas en el lapso de tres años, lo cual es bastante raro.

Si tuviéramos otro mercado bajista en 2024, serían tres en cinco años.

¿Ha pasado eso alguna vez?

Echemos un vistazo a los retrocesos históricos de dos dígitos del S&P 500 que se remontan a 1928:

Son muchos números, así que vamos a analizarlos por separado.

Los mercados bajistas están resaltados en rojo.

Según mi recuento, ha habido 55 correcciones de dos dígitos, incluidos 22 mercados bajistas con pérdidas del 20 % o más.

Esto significaría que el mercado de valores de EE. UU. ha experimentado una corrección de dos dígitos una vez cada año y medio más o menos y un mercado bajista una vez cada cuatro años, en promedio.

No hemos visto mercados bajistas consecutivos en mucho tiempo, no desde la Gran Depresión y sus secuelas.

La Gran Depresión es obviamente la peor racha que hemos visto en el mercado de valores, pero lo visto a finales de la década de 1930 y principios de la década de 1940 tampoco fue una broma.

Primero hubo el eco-crash en 1937 después de que todos asumieran que lo peor de la Gran Depresión ya había pasado. Luego tuvimos mercados bajistas a partir de 1938, 1939 y 1940.

Hubo repuntes contratendencia entre esas recesiones, pero eso no parece divertido para los inversores.

Por lo tanto, es posible experimentar múltiples mercados bajistas en sucesión en un corto período de tiempo.

Por supuesto, la única vez que ocurrieron este tipo de cosas fue durante la Gran Depresión y las secuelas que dejó, que se dirigieron directamente a la Segunda Guerra Mundial.

No es de extrañar que el mercado de valores viera una volatilidad aplastante en ese entonces.

Usando la historia como guía, tendrías que asumir que la perspectiva de que otro mercado bajista vuelva a venir en poco tiempo sería improbable.

El contra-argumento sería que los ciclos están sucediendo cada vez más rápido en estos días debido a la tecnología y la velocidad de la información.

La respuesta menos satisfactoria de la historia es que podría verlo en ambos sentidos.

La suposición de referencia de que los mercados bajistas y los desplomes son raros es un buen punto de partida.

También respeto el hecho de que los eventos atípicos y las cosas que nunca han sucedido antes tienden a ocurrir de forma regular en los mercados.

Otro mercado bajista este año sería raro, pero no imposible.

Invertir sería mucho más fácil si tuvieras la capacidad de saber cuándo se producirían malos resultados de antemano.

La verdad es que nadie tiene la capacidad de predecir estas cosas.

Podrías intentarlo, pero prefiero crear un plan de inversión.

Los mercados bajistas sucederán… simplemente no sabemos cuándo.

La productividad está volviendo con fuerza por Dr. Ed Yardeni

Nuestro escenario económico para 2020 se basa en la idea de que la escasez crónica de mano de obra, especialmente de trabajadores calificados, hará que las empresas aumenten la productividad de la fuerza laboral disponible. Los avances tecnológicos permitirán este impulso y este, de hecho, debería ser espectacular. En consecuencia, esperamos un auge del crecimiento de la productividad durante la década actual. Bien puede ser que el auge que comenzó a finales de 2015, que fue interrumpido por la pandemia ahora esté progresando nuevamente. De hecho, los aumentos de productividad del año pasado fueron increíbles. Este año comienza con la promesa de más ganancias. Pensemos en lo siguiente:

(1) Matemáticas del PIB. Desde una perspectiva del lado de la oferta, las matemáticas para calcular la tasa de crecimiento potencial del PIB real son muy simples. Es igual a la tasa de crecimiento de la fuerza laboral más la tasa de crecimiento de la productividad. Para rastrear las tendencias subyacentes en esta relación, Debbie y yo monitoreamos los cambios porcentuales anuales en el promedio de cinco años del PIB real, la fuerza laboral civil y la productividad (Figura 1). En los últimos cinco años, hasta el cuarto trimestre de 2023, el PIB real aumentó un 2,1% a tasa anual, la fuerza laboral aumentó solo un 0,6% y la productividad aumentó un 1,5%.

Durante los seis años restantes de la década actual, la fuerza laboral debería aumentar un 1,0% y la productividad debería aumentar al menos un 2,5% y tal vez hasta un 3,5% si viéramos el escenario de los felices años 2020. Esto daría como resultado un crecimiento del PIB real del 3,5% al 4,5%. De hecho, se trata de un pronóstico conservador, dado que durante los tres auges anteriores del crecimiento de la productividad, los máximos de cinco años oscilaron entre el 3,0% y el 4,1% (gráfico 2).

Una vez más, sobre una base anualizada de cinco años, el crecimiento de la productividad tocó suelo en el 0,6% durante el cuarto trimestre de 2015. Aumentó al 1,9% durante el período de cinco años hasta el cuarto trimestre de 2023. Entonces, en nuestra opinión, el auge del crecimiento de la productividad ha estado en marcha desde finales de 2015 y ha vuelto a una trayectoria ascendente después de un período volátil con un gran movimiento alcista y luego un gran descenso durante la pandemia.

(2) Productividad en 2023. El año pasado comenzó con una caída del 0,8% (trimestral intertrimestral) en la productividad de las empresas no agrícolas durante el primer trimestre (Fig. 3). Sin embargo, a esto le siguieron ganancias del 3,5% durante el segundo trimestre, del 4,9% durante el tercer trimestre y del 3,2% durante el cuarto trimestre. En términos interanuales, la productividad aumentó un 2,7% durante el cuarto trimestre. La tasa de crecimiento promedio histórica desde el primer trimestre de 1947 es del 2,1% (Fig. 4). El crecimiento de la productividad ha regresado con fuerza.

Netflix: el análisis definitivo por Ensemble Capital

La última vez que hablamos de Netflix fue hace tres años. En ese momento, cinco meses después de los confinamientos por la pandemia de COVID en 2020, Netflix había añadido 26 millones de nuevos suscriptores a su servicio y pasó a agregar 10 millones más para un total de 36 millones, terminando el año con 204 millones de suscriptores. Luego, en 2021, la compañía agregó 18 millones de suscriptores, lo que culminó con 8 millones de nuevos suscriptores agregados en el cuarto trimestre de 2021, ayudado por el éxito global del programa producido por Corea Squid Game.

El precio de las acciones alcanza un máximo histórico de 687 dólares en noviembre de 2021 antes de comenzar una fuerte caída en diciembre y enero. Las pérdidas de suscriptores de 200.000 y 1 millón en el primer y segundo trimestre de 2022, la primera pérdida neta de suscriptores de este tipo en la historia de Netflix, hizo que las acciones cayeran un 75 % desde el máximo de noviembre de 2021 hasta su suelo seis meses después. Resultó que, a lo largo de todo 2022, Netflix aumentó los suscriptores en 9 millones o un 4 %, una gran caída en comparación con el crecimiento promedio del 20 % durante los cinco años anteriores, pero menos que los peores presagios.

La inflación había subido en 2021, lo que provocó que los bancos centrales de todo el mundo cambiaran su visión de que era un fenómeno transitorio hacia un proceso más arraigado. Rusia invadió Ucrania en febrero de 2022, presionando aún más a los precios de la energía y los alimentos a nivel mundial. El consiguiente aumento agresivo de las tasas de interés condujo a una recalibración de la liquidez y los múltiplos de mercado, y aquellas empresas que no se perdieron las expectativas fueron castigadas aún más severamente. De máximo a mínimo, Netflix pasó de una capitalización de mercado de 300 000 millones de dólares a solo 75 mil millones de dólares.

El número de nuevos suscriptores que se inscriben en el servicio, se estancó en todas las geografías de una manera que incluso el equipo de gestión no sabía explicar. La narrativa del mercado cambió, y con ella las expectativas financieras futuras, de una empresa con un modelo de negocio aparentemente imparable acelerado por la pandemia de COVID a una que había saturado su mercado y sucumbido a la creciente competencia en el streaming de las empresas de medios tradicionales.

Desde nuestra perspectiva, tener un estallido de una gran guerra en las fronteras de Europa y otro gran choque económico global tan pronto después del shock del COVID parecía la explicación más probable de por qué la gente se detuvo abruptamente para inscribirse en masa en una nueva suscripción a Netflix. Habíamos visto cambios regionales en las nuevas inscripciones históricamente cuando la atención de la gente se había atraído a ciertos eventos como la Copa del Mundo o los Juegos Olímpicos, solo para ver que las suscripciones se recuperaran en los trimestres posteriores, pero no habíamos visto una pausa sincronizada a nivel mundial antes.

Esta fue la segunda vez en la historia de Netflix como empresa pública que se había enfrentado a una crisis de confianza entre los inversores, donde se puso a prueba la capacidad de adaptación de la dirección. Se había enfrentado a una prueba similar cuando cambió su modelo de negocio de un servicio de DVD por correo muy rentable a un servicio de streaming que perdía dinero en 2011, lo que resultó en una caída similar en el precio de sus acciones antes de recuperar la confianza de los inversores en los siguientes 2 años y aumentar su valor más de 10 veces a partir de entonces.

Esta vez fue el inexplicable estancamiento en el crecimiento de los suscriptores lo que llevó a la compañía a cambiar su modelo de negocio de un servicio de video de suscripción puro a uno que incorporara tanto la publicidad como una nueva fuente de ingresos como la monetización de los 100 millones de espectadores comprometidos que estaban pidiendo prestada la contraseña de otra persona mediante la implementación de una seguridad de contraseña más estricta. Este enfoque complementario de endurecer el intercambio de contraseñas de los usuarios y ofrecer un nuevo plan respaldado por anuncios a un precio más bajo y económicamente acretivo (o una tarifa de suscripción adicional adicional) abrió un gran grupo de usuarios ya comprometidos para revitalizar los ingresos y el crecimiento de las ganancias en lugar de depender únicamente de los nuevos registros de Netflix.

Esto multiplica efectivamente el mercado total disponible (TAM) para Netflix en un modelo solo de suscripción, al tiempo que eleva el mejor paraguas de precios para el servicio a lo largo del tiempo. Los ingresos por publicidad en televisión de EE. UU. fueron de unos 67 mil millones de dólares en 2022 en comparación con los ingresos por suscripción a la televisión de pago de 86 mil millones de dólares. Esto equivale a la publicidad que aumenta los ingresos totales del contenido de televisión en un 80 % por encima de las tarifas de suscripción solo.

Además, Netflix continuó invirtiendo en su incipente negocio de juegos, que tiene el potencial de expandir aún más el TAM. A nivel mundial, los juegos son un mercado de 213 mil millones de dólares. El resultado neto de todas estas extensiones de servicio multiplica drásticamente el valor de monetización de Netflix para cada suscriptor, especialmente a medida que los servicios adyacentes giran en torno al mismo usuario final y se complementan entre sí.

Otro pivote de la dirección fue la asignación de capital en relación con el contenido. La estrategia de Netflix sobre el gasto en contenido había sido «invertir en exceso» en contenido con el fin de aumentar la escala de su catálogo por delante de los suscriptores a lo largo de dos vectores: expansión de la categoría y la expansión geográfica. Esto, a su vez, impulsó nuevas incorporaciones de suscriptores en los mercados geográficos existentes y nuevos. Con la desaceleración drástica del crecimiento de los suscriptores en circunstancias macrogeopolíticas indefinidas, la administración adaptó y reordenó racionalmente la escala de esa inversión. El resultado es un crecimiento más rápido en la generación de flujo de caja libre, que ahora está en camino de superar los 6 mil millones de dólares este año.

Con Netflix dejando de lado el pedal del contenido por primera vez en una década, esperábamos que los servicios de streaming de la competencia vieran sangre en el agua y se vieran más agresivos. Si bien no creíamos que la competencia fuera un factor en la desaceleración del crecimiento de los suscriptores como creía la narrativa común, asumimos que ganar a competidores como Disney (cuyo coraje y humildad al copiar la estrategia de crecimiento de Netflix nos impresionó) o Warner Bros Discovery podría ser más agresivo y usar la estrategia de crecimiento del contenido para ganar una mayor proporción de nuevos suscriptores de streaming, eventualmente erosionando parte de la ventaja competitiva dependiente de la escala de Netflix.

Para nuestra sorpresa, ambas compañías anunciaron sus propios recortes en el gasto en contenido y aumentaron los precios de manera agresiva para sus propios servicios de transmisión, finalmente encontrando que la reducción de la agresividad de Netflix permitió mejorar la rentabilidad de sus propios servicios de transmisión de pérdida de dinero en lugar de tratar de tomar parte de Netflix.

Esta fue una gran noticia para nosotros como inversores, ya que permitió a Netflix ser menos agresivo en su estrategia de crecimiento de contenido, impulsar un mayor flujo de efectivo libre positivo, al tiempo que conservaba su ventaja relativa en el foso a medida que adaptaba su modelo de negocio. La compañía ha dejado claro que a medida que los ingresos se aceleren hasta su objetivo de crecimiento de dos dígitos, volverá a ser más agresiva en la inversión en contenido para impulsar más ganancias de los suscriptores, en la medida en que esté justificado.

En retrospectiva, las reacciones de Disney y Warner Brother Discovery tenían sentido dadas sus circunstancias financieras de altas cargas de deuda y debilitamiento de los ingresos lineales de la televisión, el eje central de los medios tradicionales. Los suscriptores de televisión por cable de EE. UU., la principal fuente de sus suscripciones a la televisión lineal y sus ingresos por publicidad, han visto acelerarse la cancelación de las suscriptores a un ritmo récord del -7% a partir del 3T 2023.

A pesar de que el apodo de Netflix de hace solo un par de años fue «Debtflix», ya que aprovechó la deuda de bajo costo para «sobreinvertir» en la ampliación de su propio catálogo de contenido, nunca se puso en una posición en la que la carga de la deuda se convirtiera en una soga precaria alrededor de sus manos estratégicas.

Como resultado de sus problemas comerciales y financieros, el precio de las acciones de Warner Brothers Discovery ha disminuido aproximadamente -70% (dejando a un lado el aumento de las acciones de DISCA previa a la fusión de WBD por encima de los 30 $ durante el escándalo de Archegos), mientras que Disney disminuyó un -60 % desde su máximo. Comparando sus precios hasta 2019, Netflix ha superado a sus notables competidores de medios con sede en EE. UU., volviendo a acercarse a sus máximos anteriores a Squid Game porque es el único con un negocio de transmisión de vídeo significativamente rentable y generador de efectivo.

Entonces, ¿dónde deja esto la posición de Netflix hoy y las perspectivas de su futuro como inversores hoy en día?

Tenemos una serie de puntos de datos positivos que indican un negocio revitalizado con una reaceleración en el crecimiento de los suscriptores, ya que los consumidores se han adaptado a las condiciones económicas y geopolíticas a nivel mundial, aunque los han empujado junto con el final del intercambio gratuito de contraseñas. La compañía está en camino de haber añadido alrededor de 25 millones de nuevos suscriptores en 2023, un número similar a su ritmo anterior al Covid, y ha superado el crecimiento de los suscriptores de los servicios de streaming de Disney y Warner Brothers Discovery durante el último año.

Según se informa, el negocio de publicidad de Netflix ha visto un gran interés por parte de los anunciantes que buscan trasladar más de su gasto en publicidad de marca de la televisión lineal, con su disminución de la participación, a la transmisión. Aproximadamente 200 mil millones de horas que pasan en Netflix por sus 250 millones de suscriptores son bienes raíces publicitarios premium a los que los anunciantes de marca quieren acceder y están dispuestos a pagar una prima para hacerlo. Si bien Netflix ha visto un gran éxito en la participación del contenido, todavía tiene trabajo por hacer para construir y ampliar las capacidades de publicidad que se pueden abordar a partir de su plataforma y escalar el número de suscriptores que aceptan su plan de anuncios (la mayoría de los suscriptores que se registran todavía prefieren pagar más por la experiencia sin anuncios).

Estimamos ARM (ingresos promedio por mes) para este servicio cerca o por encima del plan estándar sin publicidad de 15,49 $ en los EE. UU. (que comprende una suscripción de 6,99 $ junto con 8-10 $ por suscriptor en ingresos por publicidad) a pesar de solo cuatro minutos de publicidad servida por hora de visualización. En nuestra opinión, esto tiene mucho espacio para crecer a partir de estos niveles a medida que mejora la segmentación y la personalización de anuncios. En los otros 11 países donde ha lanzado el plan publicitario, la economía de la publicidad no es tan buena, pero hay un camino claro hacia la mejora para el negocio en los objetivos duales de eliminar el intercambio de contraseñas al tiempo que ofrece un servicio más económico para aquellos que comparten por necesidad, creando una solución beneficiosa para todos tanto para los clientes como para la empresa.

A medida que las empresas de medios de comunicación tradicionales  han comenzado a centrarse en reducir sus pérdidas de sus servicios de streaming, han vuelto a licenciar parte de su contenido principal a Netflix después de suspender previamente los acuerdos a favor de sus propias marcas. Esto es cierto incluso para los más grandes como Disney/ABC y Warner Brothers Discovery/HBO, que han hecho acuerdos con Netflix para algunos de sus contenidos más populares. Esta es una gran noticia para los suscriptores de Netflix: el contenido valioso y único no es fungible, por lo que nunca nos suscribimos al argumento de la competencia, y hemos visto cómo el nuevo contenido único ha impulsado las adiciones de suscriptores para todos los servicios principales.

Los consumidores han aumentado el número de servicios de streaming a los que se suscriben porque quieren acceder a todo este gran contenido. Sin embargo, la «fatiga de la suscripción» los ha llevado más recientemente a mantenerse más leales a los servicios de transmisión principales con escala y velocidad de contenido (representada por un menor abandono) mientras se barajan a través de servicios secundarios. Al tener acceso a licenciar contenido único y buscado de otras compañías de medios, Netflix puede satisfacer a los miembros de su propio servicio al tiempo que reduce las demandas de contenido en efectivo requeridas para depender solo del contenido original.

Hemos argumentado desde nuestra creación en 2016 que es probable que haya un puñado de servicios de suscripción globales clave y la mayoría de las otras empresas de medios van a encontrar una economía superior en la concesión de licencias para ellos en lugar de construir sus propias plataformas, y esta tesis parece estar llegando a buen término. Más allá de los reproductores de medios tradicionales, están los grandes gigantes tecnológicos que también juegan en el espacio con diferentes modelos de negocio económico como Apple, Amazon y YouTube, que también están construyendo plataformas globales de éxito. Nuestra idea de que Netflix tenía el enfoque estratégico correcto para construir este negocio persiste y, como líder en el espacio, sigue estando bien posicionado para ganar más que su parte justa del gran pastel de entretenimiento global