Trabajar una hora al día o incluso menos y, poder obtener un sueldo con ello. ¿Suena bien verdad?
La verdad es que si consigues programar un sistema de trading automático y rentable, posiblemente llegues a conseguir un sueldo durante algún tiempo…. Pero, si no lo mejoras o, por lo menos mantienes el Alpha que tenía el sistema, éste alfa se va diluyendo y la ventaja desaparece.
¿Se puede conseguir? Muchos te van a vender la idea de que con un robot de trading se puede hacer o incluso te van a vender el “robot” o el sistema de trading por unos pocos/muchos euros. Y también te van a duros a cuatro pesetas. No nos dejemos engañar, aumentemos nuestra educación financiera !
En este y en los siguientes posts veremos qué es y como programar un robot de trading, rentable o no… eso va a ser algo que solo depende de ti. Pero, realmente, ¿qué es un robot de trading automático?
Un robot de trading automático es un algoritmo que mediante unas reglas de trading (cuando comprar, cuando realizar una venta y el tamaño de las posiciones) es capaz de generar y ejecutar señales de compra y venta en los mercados financieros.
Tabla de Contenidos
Características de un algoritmo de trading
Todos sistemas de algo trading comparten las siguientes cuatro características:
- Tienen un sistema generador de Señales de Entrada
- Son capaces de generar una señal de Salida
- Tienen control sobre el tamaño de las posiciones (position sizing)
- Son la banca, van a decidir sobre que estrategia de las que forman el algoritmo ponen más dinero.
Tipos de algoritmo para hacer trading
Según la fuente que consultes existen más o menos tipos de algoritmos; sin embargo, una vez analizadas cada una de las características de los algoritmos se concluye que sólo hay tres tipos de estrategias de trading:
- Sistemas de trading Tendencial
- Algoritmos de Regresión a la media (Mean Regression)
- Sistemas de trading basados en machine learning
Sistema Tendencial de Trading
Como su propio nombre indica son aquellos sistemas de trading que utilizan la aparición o confirmación de una tendencia para unirse al activo e intentar permanecer en ella el máximo tiempo posible.
La salida de estos sistemas se basa en la desaparición de la tendencia, por ejemplo, ruptura de una tendencial o tres días con mínimos decrecientes, o en una falta técnica del sistema (excesivo riesgo stop).
El porcentaje de acierto de las estrategias suele ser menor o muy cercano al 50% ya que el ratio riesgo beneficio es superior a 1. En las estrategias que yo he backtesteado varía entre 2 a 4, siempre que la muestra sea significativa.
Tipos de sistemas tendenciales
Entre las estrategias tendenciales las más comunes son:
- Estrategias de Scalping
- Ruptura de máximos o de mínimos si se opera la pata corta (short).
- Momentum
Sistema Anti-Tendencial
Estos sistemas se tratan de aprovechar los momentos de euforia o pánico en el mercado dentro de una tendencia primaria definida para rentabilizar esa ventaja.
- Tendencia alcista + pánico: Compra
- Tendencia bajista + buena noticia: Venta
Estos sistemas también funcionan bien cuando el precio se encuentra en un rango lateral.
La salida de estos sistemas viene definida por un take profit, por un indicador o por un stop por días.
Dentro de los sistemas de regresión a la media también se pueden incluir el pairs trading ya que éstos se basan en comprar o vender el spread entre varios activos en función de su distancia a la media histórica del mismo.
El porcentaje de acierto de los sistemas de regresión a la media suele ser superior al 60% y en muchos casos cercano al 70%. Sin embargo, el ratio riesgo beneficio suele ser cercano o menor a la unidad. Es decir, cuando se pierde, la pérdida supera a la ganancia; sin embargo, al tener un ratio de acierto muy alto un sistema de regresión a la media puede ser muy rentable en el largo plazo.
Sistema Black-box de trading
Estos sistemas son los más complejos de crear y mantener (sobre todo cuando entran en drawdown) ya que en ningún momento sabes la razón por la que el sistema ha comprado o vendido.
Las IA son redes neuronales de diversos tipos que ajusta los pesos de cada de sus capas de neuronas para maximizar una o varias funciones objetivas. en nuestro caso, podríamos usar cómo métricas de rendimiento el CAR/MDD y la desviación estándar anualizada.
Para entrenar (fit) estas inteligencias artificiales se necesitan datos representativos todo tipo de mercados para que éstas ajusten los pesos adecuadamente.
Al crear una red neuronal existe el riesgo de hacer un over-fitting al elegir algunos de los parámetros que conforman la red neuronal por lo que el backtest y el test con paper money ha de ser muy exhaustivo. Sin embargo, si se consigue un sistema de trading basado en una inteligencia artificial lo suficientemente robusta para aprender a adaptarse a las diferentes condiciones de mercado podremos decir que vivo del trading dedicándole menos de una hora al día.