Un ejemplo
Pongamos un ejemplo un poco más elaborado que los expuestos en anteriores artículos.
Supongamos que tenemos un sistema intradiario de cruce de medias simples que opera en ambos lados del mercado. El sistema compra de la siguiente forma: cuando la media rápida corta a la media lenta colocamos un stop de compra en el máximo de la barra en que se ha producido el corte más un filtro porcentual. El sistema además tendría stops tipo trailing, los cuales van subiendo a medida
que la posición se mueve a nuestro favor. Es decir, un stop que se pondría en el mínimo de n barras al tick y que se iría subiendo a medida que el precio supera un máximo anterior. El sistema también podría girar directamente al lado corto. Las reglas para el lado corto serían las inversas a éstas. Dejo claro que este sistema
es sólo un ejemplo que acabo de inventar ahora mismo. Este sistema podría tener las siguientes variables optimizables: El periodo de la media rápida, el periodo de la media lenta, el
porcentaje de filtro para la compra, el porcentaje de filtro para la venta, y el periodo n de barras para los trailing stops, es decir, cinco variables.
En este ejemplo las variables más importantes son los periodos de las medias, y son los que conviene optimizar con rangos mayores, pero también dirigidos y con coherencia. No sería muy lógico usar unas medias de 2 y 250 periodos, hay demasiada diferencia entre
ellas y eso equivale casi a un sistema de una sola media.
Nuestra experiencia anterior en el mercado debe servirnos para encontrar las zonas más “lógicas”.
Iniciaríamos el proceso optimizando solamente los periodos de las medias sin optimizar el resto de variables, para ver que comportamiento tienen por si solas independientemente de los filtros. Posteriormente lo haremos incorporando los filtros a la optimización para ver qué mejora producen los filtros al conjunto.
En los filtros es donde debe primar más el sentido común. Hay que desconfiar de un sistema que requiere unos filtros demasiado amplios y que los de compra son demasiado distintos que los de venta.
Los filtros deben mejorar al sistema pero no pueden tener una importancia mayor que las reglas principales de éste. También hay que vigilar que los filtros sean proporcionales al periodo de las medias. Por ejemplo, si el sistema se trabaja en barras de 15 o 30 minutos con unas medias bastante rápidas de, por ejemplo, 5 y 21 periodos que imaginemos que, de media, hagan un negocio diario,
no sería lógico que los filtros usados fueran del 1%.
Esto nos estaría indicando que la optimización intenta esquivar el operar y por eso coloca filtros tan altos, lo que significa que el núcleo principal del sistema, el corte de las medias en este caso, no funciona.
También debemos ser prudentes en los incrementos de las variables. Los filtros, si son porcentuales tendrán decimales, pero no podemos ponerle por ejemplo 5 decimales, eso nos llevaría, con mucha probabilidad, a sobre-optimizar. Por ejemplo, podemos
optimizar de 0.10 en 0.10 y no de 0.01 en 0.01, aunque lo que hay que mirar es qué variación provoca en puntos para estimar el incremento del filtro.
La observación de cómo se mueven las variables al optimizarlas varias veces por algoritmos genéticos puede darnos pistas de que estamos sobre-optimizando.
En todo caso, la prueba externa y la prueba en tiempo real sirven
justamente para eso, para valorar la robustez del sistema, o lo que es lo mismo, la capacidad para mantener los resultados pasados en el futuro.
Mas adelante detallaremos cuáles son las cifras estadísticas más importantes que debemos vigilar cuando optimizamos y qué es la prueba externa.

Recapitulando: Nuestro propio plan de trading

Bueno vamos a recapitular lo tratado hasta ahora con la finalidad de centrar nuestro objetivo, que no es otro que confeccionar nuestro propio plan de trading.
Estamos desarrollando nuestra estrategia para operar, lo que Elder
llamó Method. Elder distinguía tres partes en cualquier operativa: Mind, Method, Money; es decir, Mente (la psicología del trader), Método (las reglas operativas de trading, es decir, cuándo abro y cierro una posición) y el Money Managment (la gestión del dinero, es decir, cuánto dinero arriesgo en cada operación). Las tres son importantísimas pero, en mi opinión, la más importante es la Mente, pero eso lo trataremos más adelante, lo mismo que la gestión monetaria.
¿Qué es entonces el plan de trading? Es el documento que recoge las tres emes de Elder, entre otras cosas.
En realidad es frecuente que el plan de trading se limite solo al Método, a la estrategia, pero lo más recomendable es que recoja también el aspecto psicológico y el money managment. Se pueden encontrar muchos modelos de planes de trading y todos son válidos si recogen lo necesario.
Al final es un documento muy personal e íntimo en el que el trader se confiesa a si mismo. Quizá pueda parecer poco útil escribir este documento, pero les aseguro que en el futuro les será de gran ayuda. Cuando las cosas no estén saliendo bien podremos recurrir a él y ver que estamos haciendo mal. Resulta sorprendente como el día a día puede hacerte perder de vista el camino correcto, ya saben, los árboles que no dejan ver el bosque.
Un plan de trading debe avanzar desde lo más genérico hasta lo más concreto. Por supuesto debe ser totalmente transparente y constructivamente crítico, sobre todo debe recoger nuestros puntos débiles psicológicamente hablando. El plan de trading es un documento exclusivamente para nosotros, nadie lo leerá si no queremos, por lo que de nada sirve ser benévolo al confeccionarlo, sólo nos engañaremos a nosotros mismos. Conocer nuestros fallos es el primer paso para resolverlos. Desgraciadamente se necesita cierto sufrimiento en el mercado para confeccionar un verdadero plan de trading personal, que recoja nuestros puntos débiles, ya que solo los conoceremos tras sufrirlos en la operativa diaria. También es cierto que muchos de los “defectos” psicológicos del trader son consustanciales al ser humano y pueden servirnos de punto de partida.
Sirvan de ejemplo las partes de un plan de trading, que no tienen porque ser las suyas:

• Filosofía de trading
• Psicología
• Reglas operativas
• Puesta en práctica
• Supervisión y evaluación

Expliquemos un poco en que consiste cada punto. A título de ejemplo, al final de cada punto resumo brevemente mis ideas conductoras del apartado, que están extraídas de mi propio plan. Obviamente, el plan es mucho más extenso.

Filosofía de trading
Son los cimientos de nuestro plan y por lo tanto deben sustentar la estructura del resto del plan. Lo importante es que quede claro cuál es nuestra visión y misión sobre el mercado y el trading, siempre en términos generales pero muy claramente expuestos, ya que nos
ayudará mucho a encajar las piezas del puzzle de nuestro plan de trading. Debe intentar responder de forma general a preguntas como: ¿Cómo definiría al mercado, es éste eficiente, se mueve con criterios “razonables”, es aleatorio, es predecible...? ¿Criterios técnicos o fundamentales? ¿Queremos seguir tendencias? ¿Por qué queremos operar en el mercado? ¿Sé controlar el riesgo? ¿Me considero agresivo o conservador?...
► Mi idea: El mercado son personas y los gráficos recogen sus actuaciones, por eso prefiero el análisis técnico. No me importa si algo está caro o barato, sólo si es más probable que suba o que baje. Las personas tenemos sentimientos y, en situaciones límite, éstos pueden vencer a la razón, por eso prefiero la operativa sistemática a la discrecional. En el mercado las decisiones se
toman en el terreno de la incertidumbre, mi objetivo es ganar dinero, no es tener razón. Para ello trato de decantar las probabilidades a mi favor con sistemas con esperanza positiva. Errar forma parte de cualquier “juego” probabilístico y, por tanto, las pérdidas son innatas
al propio juego, totalmente cotidianas.
Psicología
Siempre es complicado analizarse a uno mismo pero hacerlo nos reportará ventajas en el futuro. Si vemos que nos resulta complicado hacerlo, podemos recurrir a algún libro sobre el tema para ilustrarnos sobre los errores más comunes y poco a poco ir personalizándolo.
► Mi idea: El responsable de mi éxito o fracaso soy yo, y sólo yo. En el mercado todo es posible, absolutamente todo, por lo tanto nada debe extrañarme o sorprenderme. El mercado siempre tiene razón. Entusiasmarse excesivamente al ganar genera apatía y conformismo, deprimirse excesivamente al perder genera
impulsividad y dudas. Controlar mis emociones es determinante, a veces acierto y gano, a veces fallo y pierdo, nada más. Si pierdo no me lo tomo personalmente, he seguido las señales de mis sistemas. Perder es una parte del trabajo; ni nadie conspira contra mí, ni el mercado se ha vuelto loco, sencillamente algunos negocios han salido mal. Si tengo unas reglas de entrada y salida que he estudiado a fondo previamente, son para cumplirlas al 100%, sin excepciones.
Reglas operativas
Debemos detallar en qué se basa nuestra operativa, desde lo más genérico hasta lo más concreto.
Desde si preferimos el análisis técnico al fundamental, pasando por nuestro horizonte de inversión, hasta los indicadores, figuras o datos fundamentales que usaremos.
Si usamos gráficos, ¿en que periodo lo haremos? Si usamos datos fundamentales, ¿cuáles? Debemos acabar detallando exactamente las reglas de entrada y salida, especialmente dónde saldremos de un negocio, incluyendo las reglas de gestión monetaria.
► Mi idea: Todo se refleja en los gráficos. Soy un especulador
agresivo que opera en el intradía con futuros. Mi trading es principalmente tendencial por lo que busco comprar caro para vender más caro y viceversa. Solo cierro una posición cuando considero que la tendencia se ha agotado, es decir, nunca cierro por objetivos ya que eso quiebra la idea de dejar correr los beneficios.
Como comprenderán, me resulta imposible detallar las reglas de mis sistemas.
Puesta en práctica
Aquí debemos explicar todo lo que necesitamos para llevar a cabo nuestro trading. Desde el software y hardware hasta el broker. No debemos olvidar nuestro plan de crisis, que debe hacer frente a cualquier contingencia que nos podamos encontrar en la sesión de trading y especificar una solución a cada una de ellas.
► Mi idea: Al ser un operador intradía y a tiempo total necesito conexión ADSL y datos en tiempo real. El operar con sistemas me exige tener varios ordenadores para operar y estudiar sistemas al mismo tiempo. Los sistemas me exigen un broker que me permita enviar las órdenes en tiempo real y de forma automática. Respecto al plan de crisis, un breve ejemplo:
Si se produce un corte en el suministro eléctrico, los SAI (sistema de alimentación ininterrumpida) entran en funcionamiento automáticamente. Si a los cinco minutos la luz no ha vuelto, llamo al proveedor para pedir una previsión. Cuando el SAI informa que se está quedando sin batería cierro las posiciones abiertas y apago los ordenadores. Cuando la luz vuelve reabro las posiciones.
Supervisión y evaluación
Aquí debemos especificar las medidas de control de nuestro trading. Las medidas son tanto para las reglas operativas como para nuestra psicología. Respecto a las reglas, debemos especificar cuándo consideraremos que una estrategia puede dejar de ser válida y debemos revisarla para, o bien modificarla o bien descartarla. Respecto a nuestra psicología, debemos imponernos reglas que nos exijan dejar de operar, para reflexionar sobre lo que estamos haciendo mal. Esto quizá pueda sorprender, pero recordemos que nuestra mente es el elemento más importante y frágil del trading. En ocasiones, parar a tiempo es la forma de salvarse de la ruina segura. Es muy útil y recomendable llevar un diario de trading en el que se anote por qué se abre y se cierra una operación.
Debe hacerse al cierre de la sesión en la que se ha operado, sin esperar al resultado del negocio y de la forma más sincera y crítica posible. También es importante especificar las reglas para la
incorporación de una nueva estrategia, cuánto tiempo de paper trading le exigimos, qué requisitos debe cumplir, si sustituiría a una existente o se añadiría a las ya existentes...
► Mi idea: Cualquier sistema que supera su máximo draw down teórico previsto pasa automáticamente al proceso de evaluación.
Hasta aquí la recapitulación de lo tratado hasta ahora.
Seguiremos construyendo nuestro propio sistema, parte muy importante del plan de trading, pero no la única.

La optimización IV: La prueba externa

Ya vimos qué era el plan de trading y como confeccionar el nuestro. Sigamos ahora Rumbo a mi propio Sistema de trading.
Sabemos que la optimización es una herramienta muy poderosa para cualquier trader de sistemas, tanto para encontrar los parámetros más adecuados para operar, como para evaluar o descartar ideas de forma rápida y objetiva.
Sin embargo, también sabemos que es un arma de doble filo, que no es difícil incurrir en la sobre-optimización, y, que, incluso sin darse plenamente este efecto, la realidad siempre resulta peor que cualquier dato optimizado.
Es decir, en mayor o menor medida, siempre caeremos en una cierta sobre-optimización, ya que la optimización ajusta el sistema al gráfico tal y como hace un guante a la mano.
Sobre-optimización
¿Cómo sabemos, por tanto, si un sistema ha incurrido en la sobre-optimización? Diremos que un sistema ha sido sobre-optimizado cuando los resultados que obtiene en el futuro son mucho peores que los obtenidos con datos optimizados. Obviamente no disponemos de la capacidad para obtener datos futuros y, por lo tanto, solo llegaremos a esta conclusión cuando comprobemos en
tiempo real que el sistema no funciona, lo que nos habrá costado tiempo y dinero.
Desalentador, ¿verdad? Éste es uno de los argumentos de los detractores de la optimización. No obstante, negar que la optimización de datos sea útil, es eliminar de un plumazo una práctica que se emplea en infinidad de campos. Por ejemplo, el cálculo de las primas de seguros, las encuestas o los estudios de mercado. Al final, se utilizan datos pasados para pronosticar el futuro, en mayor o menor medida, partiendo de que si algo se ha dado en el pasado, es más probable que se vuelva a repetir en el futuro. La optimización es útil y necesaria, pero, como dijimos anteriormente, hay que usarla con prudencia y buen juicio.
Antes decíamos que no tenemos la capacidad para obtener datos futuros. Cierto, por supuesto, pero sí podemos trabajar con datos pasados como si éstos fueran futuros.
Aquí es donde entra en juego la prueba externa.

Prueba externa

La prueba externa es una de las herramientas que tenemos a nuestro alcance para valorar la robustez de un sistema, es decir, la capacidad para seguir manteniendo en el futuro lo que hemos obtenido en el pasado a través de la optimización. Cuando optimizamos datos, lo estamos haciendo sobre una muestra representativa de nuestro universo objeto de estudio y estadísticamente significativa. Con ella obtendremos unos datos estadísticos de nuestro sistema, que seguramente serán excelentes
pero que no tienen porque repetirse en el futuro. Los datos obtenidos a través de la optimización general diremos que son datos de prueba interna. La prueba externa sería, por tanto, los datos que obtenemos de una muestra no optimizada, externa a la optimización. Es lo más parecido a trabajar con datos reales. Veámoslo en más detalle.
Existen varias formas de realizar la prueba externa. En términos generales podemos decir que se trata de comprobar que resultados obtiene un sistema en un intervalo de fechas no optimizado, con una combinación de parámetros que ha sido previamente optimizada en
otro intervalo de fechas. Por ejemplo, podemos optimizar un sistema desde 1999 hasta 2004, y la mejor combinación que obtengamos la probaremos en 2005. Veamos un ejemplo típico en más detalle:
Optimizamos normalmente un histórico desde 1999 hasta 2001 por algún ratio de rentabilidad/riesgo, es decir, obtenemos los datos de prueba interna de estos tres años y anotamos la ganancia media anual. Para hacer la prueba externa, optimizamos 1997 y 1998, y aplicamos la mejor combinación obtenida a 1999. Posteriormente
optimizamos 1998 y 1999, y aplicamos la mejor combinación al año 2000, y, por último, optimizamos 1999 y 2000, y aplicamos la mejor combinación al año 2001. Anotamos la ganancia anual de los tres periodos de prueba externa. De esta forma podemos comparar el resultado obtenido en la optimización de prueba interna (desde 1999 hasta 2001, todo junto) con los resultados obtenidos en los tres años por separado, que no han sido optimizados. Ahora podemos cuantificar la robustez del sistema midiendo la variación que hay entre los datos de prueba interna y los de prueba externa.
Supongamos que la ganancia media anual de prueba interna ha sido
del 30% y la ganancia media anual de prueba externa ha sido del 20%. La ganancia ha disminuido un 33.33%, que sería el índice de acople. Si lo restamos de 100% obtenemos la robustez, que sería el 66.66% en valor absoluto. Es decir, según este ejemplo, en tiempo real el sistema debería mantener el 66.66% de lo que marcan las optimizaciones, el resto es acople.
El estudio de prueba externa es imprescindible para valorar la calidad de un sistema de trading.
Es lo más parecido a la operativa real y nos permite valorar con mayor exactitud qué podemos esperar de un sistema. Sin embargo, la prueba externa no es la panacea universal, y, en mi opinión, presenta dos problemas, al menos en la prueba externa convencional.
La prueba externa pretende simular la operativa real, y es de hecho lo más parecido a ésta. Al dividir el histórico en partes iguales, sin quererlo, estamos dando un sesgo a la prueba externa. En nuestro ejemplo hemos optimizado periodos de dos años y aplicado el resultado al año siguiente. De esta forma podemos vernos afectados por pautas estacionales de inicio y fin de año, o por un año especialmente bajista o alcista. En definitiva, estamos intentando simular el tiempo real, que es aleatorio por definición, con divisiones del histórico totalmente iguales demasiado predecibles.
Esto se puede minimizar seleccionado cortes aleatorios en el histórico, uno de dieciocho meses, otro de once, etc.
Este problema es consecuencia del siguiente que, en mi opinión, es el más importante de los dos.

Muestra

Ya hemos comentado que la muestra con la que optimizamos debe ser representativa del universo objeto de estudio y estadísticamente significativa, es decir, debe incluir todo tipo de mercados y un número de barras suficiente que nos permita obtener un número de negocios elevado, a ser posible superior a 1.000 y nunca inferior a 500. Pues bien, para realizar la prueba externa nos hemos vistos “obligados” a optimizar periodos del histórico relativamente pequeños comparados con la prueba interna, que es probable que no reúnan los mínimos requeridos para considerarlos significativos. Es decir, las optimizaciones parciales hechas para prueba
externa tienen menos fiabilidad estadística que la optimización de prueba interna que incluye todo el histórico.
Este problema es realmente grave. He podido comprobar como sistemas con una prueba externa pobre se desenvolvían bien en tiempo real, o dicho de otra forma, la operativa en tiempo real
mejoraba la expectativa que daba la prueba externa. ¿Por qué ha sucedido esto? La razón es simple. Al hacer las optimizaciones parciales para prueba externa hemos incurrido en una sobre-optimización, ya que la muestra era relativamente pequeña (dos años en nuestro ejemplo) y al aplicar esos parámetros al periodo de prueba externa (un año en nuestro ejemplo) hemos obtenido unos resultados muy pobres y poco realistas.
Paradójico, ¿verdad? Realizamos la prueba externa para medir y evitar la sobre-optimización y en cambio al realizar la prueba, de nuevo nos aparece. Tenemos dos posibles soluciones a este problema. La primera es, asegurarnos al realizar la prueba interna que disponemos de suficiente histórico para obtener varias partes
estadísticamente significativas, es decir, cada parte destinada a prueba externa que se optimiza, deberá tener como mínimo 500 negocios. La segunda solución es un poco más compleja. Existe otra forma de realizar la prueba externa, a través del código del sistema. Podemos obligar al sistema a que no opere en un determinado rango de fechas, con la finalidad que no tenga en cuenta ese periodo al optimizar. De esta forma, cuando pasemos el optimizador, éste no tendrá en cuenta este periodo, el cual podrá ser destinado a prueba externa. Esto habrá que repetirlo sucesivamente para ir cambiando el código y el periodo no optimizado. Laborioso pero bastante efectivo.
Para acabar no olvidemos que la mejor prueba externa que existe es la prueba en tiempo real. Jamás debemos operar con un sistema sin seguirlo un mínimo de seis meses en tiempo real, para comprobar
si sus estadísticas se desvían de lo previsto y si se comporta como esperamos.

Estudio y análisis de las estadísticas de un sistema I

Bueno ya hemos visto qué es la prueba externa y cómo utilizarla para valorar la robustez de nuestro sistema. Ocupémonos ahora de los datos más importantes que podemos extraer de las estadísticas de un sistema.
Muchos datos los podemos obtener del programa que hayamos utilizado para confeccionar nuestro sistema, Visual Chart, Tradestation, Metastock, MT4, etc. Algunos nos darán más datos que otros. Sin embargo, podemos recurrir a aplicaciones externas para analizar nuestro sistema e incluso poder graficar las mismas, una práctica realmente útil ya que los gráficos facilitan en análisis visual, y ya saben, una imagen vale más que mil palabras.
Hay software específico para ello, pero un programa de hoja de cálculo como, por ejemplo, Microsoft Excel, puede servir.
Veamos las estadísticas más comunes que nos dará nuestro software de trading:
► Número de Negocios: Personalmente es la primera cifra que miro. Si al menos no se acerca a 1.000 no suelo profundizar demasiado en el resto del estudio, ya que para mí las estadísticas son poco significativas. Si estamos estudiando un sistema no optimizado o levemente optimizado implícitamente, puede aceptarse un número de negocios menor.
► Ganancia Total o Resultado Neto: Es el resultado que ha generado el sistema en el periodo estudiado, es decir, es la suma de los negocios positivos y negativos.
Este resultado tiene en cuenta el slippage y las comisiones, si lo hemos configurado previamente en el sistema. Recordemos que este dato no es el más importante a la hora de evaluar un sistema. Obviamente es el objetivo final, ya que operamos en el mercado para ganar dinero, pero no debemos dejarnos llevar por él si el rendimiento es muy elevado.
Como ya hemos comentado, es condición necesaria pero no suficiente para seguir adelante, ya que si el sistema no es capaz de ganar dinero no nos sirve para nuestro propósito.
► Peor racha de pérdidas: Muestra el mayor descenso que ha sufrido nuestra curva de resultados desde un máximo hasta un mínimo. Es uno de los datos más importantes de un sistema. El riesgo siempre debe ser nuestra principal preocupación y minimizarlo nuestro principal objetivo. El motivo es doble. Por un lado, como ya he comentado, los Draw Down son momentos
realmente duros para el trader. Por mucho que en este momento la pérdida que nos marca el papel no nos parezca tanta en relación a la ganancia total, la realidad es mucho más cruda. Cuando las pérdidas llegan ya no se piensa en las ganancias. Se duda si el sistema ha dejado de funcionar, se empiezan a retocar las señales o incluso se abandona el sistema. Por otro lado, reducir el riesgo
nos permitirá liberar capital y utilizar un Money Managment más agresivo, lo que reportará en mayores beneficios. Por lo tanto, no desestimemos la importancia del Draw Down. Es mejor renunciar a una parte de ganancia si con ello rebajamos substancialmente el riesgo. Es importante destacar que existen varias medidas de
Draw Down, si bien no todos los software las ofrecen. Destaco tres. El Draw Down intradiario, que tiene en cuenta las pérdidas que hemos sufrido intradía o “intra-negocio” mientras el negocio estaba abierto. El Draw Down diario o sencillamente el Draw Down, que solo tiene en cuenta las pérdidas de los negocios cerrados o hasta el cierre del día. Por último, el Draw Down medio, que es un promedio entre todos o varios de los Draw Down sufridos.

► Ratios de Rentabilidad Riesgo: Hay varios dependiendo del software que utilicemos. Todos tienen en común que relacionan las ganancias con las pérdidas, por lo que son muy útiles para hacernos una idea global del potencial del sistema.
Es un dato importante que nos permite observar si compensa o no un posible aumento del riesgo, reportándonos mayores ganancias. Obviamente cuanto mayor sea este dato mucho mejor, aunque hay que desconfiar de valores demasiado altos, ya que probablemente sean sobre-optimizaciones. Por debajo de 1.5 estaríamos hablando
de un sistema que quizá sea poco interesante, aunque pueden haber excepciones. Y por encima de 4.0-4.5 el resultado es sospechoso y debe ser revisado, aunque no descartado ya que depende del tipo de sistema.
En algunas plataformas más avanzadas, podemos encontrar ratios de rentabilidad que tienen en cuenta el capital inicial (algo totalmente lógico para valorar la rentabilidad de cualquier inversión) o la Desviación Standard. A destacar el Ratio de Sharpe, muy conocido en la industria, que mide el resultado que el sistema obtiene por encima del rendimiento libre de riesgo (mercado monetario), por cada unidad de riesgo, expresada esta última como la desviación típica, que es una medida de la volatilidad o “variabilidad” de los resultados del sistema o inversión. El Ratio de
Sharpe es muy eficaz para comparar distintas inversiones entre sí, y es considerado un indicador de eficiencia o de buena gestión. Efectivamente, una gestión que gane mucho dinero con una elevada volatilidad en sus resultados es considerada peor que una que gane un poco menos pero lo haga con baja volatilidad. Por eso los gestores siempre intentan mantener la volatilidad de los resultados baja, ya que un aumento de ésta se considera un aumento del
riesgo, y éste detrae inversiones.
► Ratio Average Win/Average Loss: Es conocido por la industria como Payoff Ratio.Es el cociente entre la ganancia media de los negocios ganadores y la pérdida media de los negocios perdedores. Se puede considerar la expectativa matemática del sistema.
► Fiabilidad: Relaciona los negocios acertados con los fallados. Nos indica el porcentaje de aciertos de un sistema.
Analicemos en mayor profundidad estos dos últimos datos. Hay una clara correlación inversa entre ellos, si uno sube el otro baja y viceversa. El más importante de los dos es el Ratio Win/Loss, aunque siempre debe haber un cierto equilibrio entre ambos. Normalmente, cuando uno se inicia en la operativa con sistemas, los prefiere con Fiabilidad alta (lo que implica bajar el Win/Loss) ya que psicológicamente desgasta menos un sistema que acierte mucho que otro que acierte poco. Sin embargo, un buen sistema
tendencial rara vez tiene una Fiabilidad mayor del 50%, o lo que es lo mismo, hace más negocios perdedores que ganadores, con una moneda al aire acertaríamos más veces. Si bien parece extraño, esto es totalmente normal y además recomendable en sistemas tendenciales. La clave está en tener un Ratio Win/Loss bastante alto, cercano a 2, incluyendo comisiones y slippages. Sirva de referencia un sistema operando con el 40% de fiabilidad y un Win/Loss del 1.9. Hay que desconfiar de datos de Fiabilidad muy altos en sistemas tendenciales, suele ser síntoma de sobreoptimización.
► Profit Factor: Nos indica cuanto gana un negocio positivo por cada negativo. Este ratio es el equilibrio de los dos anteriores, podemos decir que es una especie de promedio entre ambos. El ejemplo anterior correspondería a un Profit Factor del 1.27. Este es un nivel relativamente bajo, aunque aceptable para un sistema tendencial continuo intradiario bastante rápido. Cuanto más alto, mejor, aunque hay que vigilar la sobre-optimización. Raro sería que un tendencial pasara de 1.7 incluyendo slippages y comisiones.
Ahora seguiremos repasando las estadísticas de un sistema e iniciaremos el análisis y extraeremos conclusiones de estos datos, tanto desde nuestro software de trading como desde una hoja de cálculo como Microsoft Excel.

Estudio y análisis de las estadísticas de un sistema II

Bueno, ya hemos visto algunos datos que pueden ayudarnos a valorar las cualidades de nuestro sistema. En la parte final del mismo nos centramos en el Payoff Ratio y en la Fiabilidad.
Recordemos que estos dos ratios son muy importantes en cualquier sistema y que se interrelacionan entre si, de tal forma que subidas en uno suelen implicar bajadas del otro, y viceversa. La experiencia nos dice que es preferible aumentar el Payoff aun a costa de perder fiabilidad, aunque obviamente debe haber un cierto equilibrio entre
ambos. Esto en la práctica nos permite sacar alguna que otra conclusión.
Es habitual que cuando uno inicia la operativa se preocupe mucho de la Fiabilidad (de acertar negocios) y en como abrir una posición en el mercado (en las reglas de entrada). Sin embargo, la realidad termina por demostrarnos que suele ser más rentable lo contrario, es decir, preocuparnos por ganar mucho cuando acertamos (aunque para ellos tengamos más negocios negativos que positivos) y en tener una buena estrategia para cerrar nuestra posición una vez estamos dentro del mercado.
Normalmente mejorar la estrategia de salida supone aumentar el Payoff y mejorar la de entrada la Fiabilidad. De hecho, hay algún
que otro estudio que indica que entrando al mercado de forma totalmente aleatoria y con un elaborado plan de salida una vez abierta la posición, se puede construir un sistema rentable.
Obviamente no lo recomiendo, pero nos ilustra claramente la importancia que tienen las salidas. Atención, no debemos pensar
que sólo debemos trabajar en las salidas para elevar al máximo el Payoff, en el equilibrio está la virtud, y éste puede condensarse con
bastante acierto a través del Profit Factor.
Tanto las entradas como las salidas influyen en Payoff y en
Fiabilidad y el equilibrio es la clave, pero sí que hay cierta tendencia a lo comentado anteriormente.
Esto queda resumido en una de las citas más conocidas del mundo bursátil, “corta en seco las pérdidas y deja correr los beneficios”. Es decir, cuando pierdas cierra tu posición rápidamente y cuando ganes no tan rápido.
O lo que es lo mismo, preocúpate sobre todo de tu estrategia de salida. En las estadísticas de nuestro sistema podemos encontrar datos que nos ayuden a comprobar si realmente estamos respetando esta regla, que debe seguir cualquier sistema, sobre todo si es tendenciales. Existen diversos datos que tienen que ver con el espacio temporal o con las barras transcurridas. Quizá los más conocidos son la media de barras de negocio positivo y la media de barras de negocio negativo. Obviamente debe ser mucho
mayor el primero que el segundo y, si bien este factor no es determinante en la valoración de un sistema, sí puede además ayudarnos a decidir entre una u otra combinación de parámetros.
La mayoría de programas de diseño de sistemas permiten separar las estadísticas entre las operaciones compradoras (lado largo) y operaciones vendedoras (lado corto).
Ésta es una práctica realmente muy útil. En ocasiones nos
encontraremos con sistemas que sólo funcionan en un lado del mercado. Incluso en los que funcionan en ambos lados, estudiar el lado largo separado del corto nos permitirá que el sistema se adapte mejor al mercado, incluso en los sistemas continuos. Recordemos que los sistemas continuos son los que siempre están en el mercado, es decir, si están largos y cambian de posición, lo que hacen es girar cortos, quedar vendidos directamente, nunca cierran
posiciones. Como decía, incluso en este caso conviene estudiar por separado el lado largo del corto. Si trabajamos así, encontraremos que una regla que funciona para el lado largo, puede no hacerlo tan bien para el lado corto o viceversa. Incluso podemos utilizar unos parámetros para el lado largo y otros para el corto. En definitiva este cambio de comportamiento parte del principio que no es lo mismo
cerrar una posición que abrirla, y un sistema continuo considera que es lo mismo.

Otro aspecto a considerar sobre las estadísticas de nuestro sistema es la unidad con la que trabajamos. La mayoría de los software hacen la simulación de resultados partiendo de un capital inicial, que en definitiva es como será la realidad ya que partiremos de un capital inicial que buscaremos rentabilizar. Partiendo de esta hipótesis, las estadísticas las podemos obtener tanto en puntos como en euros como en porcentaje, siendo éste normalmente obtenido a partir del capital inicial. Por ejemplo, si miramos un ratio
de rentabilidad, éste tendrá en cuenta el capital que teníamos al iniciar la operativa. Visual Chart no trabaja exactamente de esta forma y cuando obtenemos estadísticas por porcentaje, lo calcula sobre el movimiento del precio. Es decir, si la estadística de Visual Chart nos dice que hemos ganado un 40% en un año, este porcentaje está calculado sobre el movimiento del precio, no es por tanto una medida de rentabilidad que dependa de nuestro capital.
Pasemos ahora al análisis gráfico, que es una de las herramientas
que nos puede ayudar a observar gran cantidad de información. No todo el software incluye entre sus funciones este apartado. Visual Chart solo permite graficar el beneficio, mientras otro software más profesional para la operativa sistemática, como por ejemplo, TradeStation o Wealth-Lab, nos permiten realizar innumerables gráficos.
En el caso que no dispongamos de software específico para ello, podemos recurrir a una hoja de cálculo como, por ejemplo, Microsoft Excel. No es objeto nuestro analizar como graficar en Excel, pero sirva a título introductorio, que si exportamos los datos (ya sean por negocio, mensual, o la tabla de los parámetros optimizados) desde
nuestro programa de diseño de sistemas hacia Excel, podemos
obtener casi cualquier gráfico. Incluso gráficos en tres dimensiones de los parámetros optimizados que nos permitan valorar la robustez de nuestro sistema. Esta función es accesible a través de informes de tablas dinámicas (ver la ayuda de Excel para más información)
Hay infinidad de gráficos disponibles. El más conocido es la curva de resultados del sistema que debe ser lo más progresiva posible.
También es muy utilizado el gráfico de resultados mensuales que nos permite valorar como se comporta el sistema mes a mes. Es importante comprobar que no hay series de meses consecutivos muy negativos y que no hay demasiados meses en rojo.
Otro tipo de gráficos que puede ser interesante es alguno de dispersión (nube de puntos) que nos permita ver que no dependemos de muy pocos negocios y que hay una cierta homogeneidad entre ellos.
En definitiva son sólo algunos ejemplos, hay multitud de ellos en los software líderes del mercado, por ejemplo, de la peor excursión, de rentabilidad, de eficiencia, de profit factor, ratio de sharpe, etc.
Para acabar, es importante diferenciar los datos o estadísticas que provienen de optimizaciones de los que no lo hacen. Las optimizaciones siempre arrojan datos mejores que las simulaciones o la realidad.
Comparar las estadísticas optimizadas con las no optimizadas nos puede ayudar también a detectar una posible sobre-optimización. Recordemos que este proceso puede llevarse a cabo con la prueba externa, ya comentada anteriormente. Por tanto, cuando estudiamos
cualquier estadística sobre un sistema es importante tener en cuenta si proviene o no de datos optimizados.
Seguidamente hablaremos de la simulación de Montecarlo y extraeremos alguna conclusión más de las estadísticas de nuestro sistema.