Guía de trading cuantitativo para el inversor

¿Qué es el trading cuantitativo?

El trading cuantitativo es un tipo de estrategia de mercado que se basa en modelos matemáticos y estadísticos para identificar (y a menudo ejecutar) oportunidades. Los modelos se apoyan en el análisis cuantitativo, que es de donde esta estrategia obtiene su nombre. A menudo se le conoce como "quant trading", o a veces simplemente "quant".

El análisis cuantitativo utiliza la investigación y la medición para sintetizar patrones de comportamiento complejos en valores numéricos, e ignora el análisis cualitativo, que evalúa las oportunidades en función de factores subjetivos como la experiencia en gestión o la solidez de la marca.

El trading cuantitativo suele necesitar una gran potencia computacional, por lo que tradicionalmente ha sido utilizado exclusivamente por grandes inversores institucionales y fondos de cobertura. Sin embargo, en los últimos años la nueva tecnología ha permitido que un número creciente de inversores minoristas también lo utilicen.

Aprender el trading cuantitativo

El trading cuantitativo funciona utilizando modelos basados en datos para determinar la probabilidad de que se produzca un determinado resultado. A diferencia de otras formas de operativa, para conseguirlo se basa exclusivamente en métodos estadísticos y programación.

Puedes, por ejemplo, detectar que a los picos de volumen en las acciones de Apple les siguen rápidamente movimientos de precios significativos. Por lo tanto, diseñas un programa que busca ese patrón en toda la historia del mercado de Apple.

Si el programa descubre que el patrón ha resultado en un movimiento alcista el 95% de las veces en el pasado, tu modelo preverá una probabilidad del 95% de que patrones similares ocurran en el futuro.

Trading cuantitativo vs. trading algorítmico

Los inversores algorítmicos utilizan sistemas automatizados que analizan patrones de gráficos y luego abren y cierran posiciones por ellos. Los quant traders utilizan métodos estadísticos para identificar, pero no necesariamente ejecutar, oportunidades. Si bien se superponen entre sí, se trata de dos técnicas distintas que no deben confundirse.

Estas son algunas diferencias importantes entre los dos:

• Los sistemas algorítmicos siempre se ejecutarán en tu nombre. Algunos quant traders utilizan modelos para identificar oportunidades, pero luego abren la posición manualmente
• El trading cuantitativo utiliza métodos matemáticos avanzados, mientras que el trading algorítmico tiende a depender de análisis técnicos más tradicionales
• El trading algorítmico solo utiliza análisis de gráficos y datos de intercambios para encontrar nuevas posiciones. Los quant traders utilizan muchos conjuntos de datos diferentes

Obtén más información sobre el trading algorítmico o crea una cuenta para empezar a operar hoy mismo.

¿Qué datos le interesan a un quant trader?

Los dos puntos de datos más comunes examinados por los quant traders son el precio y el volumen, pero cualquier parámetro que pueda ser expresado en un valor numérico puede ser incorporado a una estrategia. Algunos inversores, por ejemplo, podrían crear herramientas para controlar el sentimiento de los inversores en las redes sociales.

Hay muchas bases de datos públicas disponibles que los quant traders utilizan para informarse y construir sus modelos estadísticos. Estos conjuntos de datos alternativos se utilizan para identificar patrones fuera de las fuentes financieras tradicionales, como el análisis fundamental.

Ejemplo de trading cuantitativo

Digamos, por ejemplo, que crees que es más probable que el FTSE 100 se mueva en una dirección determinada en un momento particular durante el día, así que construyes un programa que examina un gran conjunto de datos de mercado sobre el FTSE 100 y desglosa sus movimientos de precios cada segundo de cada día.

El siguiente gráfico muestra los movimientos de precios del FTSE 100 desde 1984.

A continuación, se crea un modelo estadístico basado en esta información. El modelo identifica si hay alguna parte específica del día en que el FTSE se mueve en una dirección determinada. Si el modelo encuentra un patrón (digamos que el índice tiene una probabilidad del 60% de moverse al alza a las 11:15 am), puedes usar esa información para abrir posiciones y obtener beneficios.

Este es un ejemplo simple de una estrategia de trading cuantitativo usando solo un parámetro de datos: la acción del precio. La mayoría de los inversores cuantitativos se basan en varias fuentes diferentes a la vez para construir modelos mucho más intrincados con una mejor probabilidad de identificar oportunidades rentables.

Qué significa ser un quant trader

Un quant trader suele ser muy diferente de un inversor tradicional, y toma un enfoque muy diferente al operar. En lugar de depender de su experiencia en los mercados financieros, los quant traders son matemáticos de los pies a la cabeza.

La mayoría de las empresas que contratan a quant traders buscan graduados en matemáticas, ingeniería o finanzas, con experiencia en la minería de datos y en la creación de sistemas automatizados. Si quieres probar el quant trading, tendrás que ser competente en todas estas áreas y comprender conceptos matemáticos como curtosis, probabilidad condicional y valor en riesgo (VaR, por sus siglas en inglés).

Además de construir sus propias estrategias, los quant traders suelen personalizar estrategias ya existentes con una tasa de éxito probada, pero en lugar de usar el modelo para identificar las oportunidades manualmente, utilizan un programa que lo haga.

Esto requiere una experiencia considerable en programación informática, así como la capacidad de trabajar con fuentes de datos e interfaces de programación de aplicaciones (API). La mayoría de los quant traders están familiarizados con varios lenguajes de codificación, incluyendo C++, Java y Python.

Trading de alta frecuencia

Los quant traders suelen estar asociados con el trading de alta frecuencia (HFT, por sus siglas en inglés), una técnica en la que se usan programas informáticos para abrir y cerrar un gran número de posiciones diferentes durante un corto periodo de tiempo.

Para tener éxito, las oportunidades de HFT deben ser identificadas y ejecutadas al instante. Ningún ser humano sería capaz de hacer esto manualmente, por lo que las empresas de HFT dependen de los quant traders para construir estrategias que lo hagan.

No todos los quant traders utilizan HFT. Muchos utilizan modelos para identificar operaciones más grandes de manera menos regular, como parte de una estrategia a largo plazo.

Sistemas de trading cuantitativo

Los quant traders desarrollan sistemas para identificar nuevas oportunidades y, a menudo, también para ejecutarlas. Aunque todos los sistemas son únicos, suelen contener los mismos componentes:

1. Estrategia
2. Pruebas de respaldo (backtesting)
3. Ejecución
4. Gestión del riesgo

Echemos un vistazo a cada uno:

Estrategia

Antes de crear un sistema, los quant traders investigan la estrategia que quieren que siga. A menudo, esto toma la forma de una hipótesis. Nuestro ejemplo anterior utiliza la hipótesis de que el FTSE tiende a realizar ciertos movimientos a determinadas horas cada día, por ejemplo.

Cuando contamos con una estrategia, la siguiente tarea es convertirla en un modelo matemático, y luego refinarla para aumentar los retornos y reducir el riesgo.

Este es también el punto en el que un quant trader decidirá con qué frecuencia operará el sistema. Los sistemas de alta frecuencia abren y cierran muchas posiciones cada día, mientras que los de baja frecuencia buscan identificar oportunidades a largo plazo.

Pruebas de respaldo (backtesting)

Las pruebas de respaldo aplican la estrategia a los datos históricos para obtener una idea de cómo podría funcionar en mercados en vivo. Los quant traders suelen utilizar este componente para optimizar aún más su sistema, intentando resolver cualquier discordancia.

El backtesting es una parte esencial de cualquier sistema de trading automatizado, pero el éxito aquí no es ninguna garantía de beneficio cuando el modelo es real. Hay varias razones por las que una estrategia completamente probada puede fallar, como datos históricos inexactos o movimientos impredecibles del mercado.

Un problema común con las pruebas de respaldo es identificar cuánta volatilidad verá un sistema a medida que genera retornos. Si un inversor solo mira el retorno anualizado de una estrategia, no está obteniendo una visión completa.

Ejecución

Cada sistema contendrá un componente de ejecución, que va desde uno completamente automatizado hasta uno completamente manual. Una estrategia automatizada suele utilizar un API para abrir y cerrar posiciones lo más rápidamente posible sin necesidad de intervención humana. Una manual puede implicar que el inversor tenga que contactar con su bróker para abrir una posición.

Los sistemas HFT están totalmente automatizados, ya que un inversor humano no puede abrir y cerrar posiciones lo suficientemente rápido para lograr el éxito.

Una parte clave de la ejecución es minimizar los costes de transacción, que pueden incluir comisiones, impuestos, slippage y spread. Se utilizan algoritmos sofisticados para reducir el coste de cada operación; a fin de cuentas, incluso un plan exitoso puede resultar un fracaso si cuesta demasiado abrir y cerrar cada posición.

Gestión del riesgo

Cualquier forma de operativa requiere gestión de riesgos, y el trading cuantitativo no es diferente. Con riesgo nos referimos a cualquier elemento que pueda interferir con el éxito de la estrategia.

La asignación de capital es un área importante de la gestión de riesgos, incluyendo el tamaño de cada operación o, si la cantidad de capital que utiliza el quant trader utiliza múltiples sistemas, cuánto capital va a cada modelo. Esta es un área compleja, especialmente cuando se trata de estrategias que utilizan el apalancamiento.

Una estrategia totalmente automatizada debe ser inmune al prejuicio humano, pero solo si el creador le otorga plena autonomía. Para los inversores minoristas, una parte importante de la gestión del riesgo es ejecutar un sistema sin demasiados fallos.

Pros y contras del trading cuantitativo

La mayor ventaja del trading cuantitativo es que te permite analizar un gran número de mercados en puntos de datos potencialmente ilimitados. Un inversor tradicional tenderá a fijarse solo en unos pocos factores al evaluar un mercado, que por lo general se adhieren a las áreas que conoce mejor. Los quant traders pueden usar las matemáticas para liberarse de estas limitaciones.

Al eliminar la parte emocional del proceso de selección y ejecución, se mitigan algunos sesgos humanos que a menudo pueden afectar a la operativa. En lugar de dejar que la emoción dicte si mantener una posición abierta, los quant traders pueden adherirse a la toma de decisiones respaldada por datos.

Sin embargo, el trading cuantitativo conlleva algunos riesgos importantes. Por un lado, los modelos y sistemas son tan buenos como la persona que los crea. Los mercados financieros son a menudo impredecibles y constantemente dinámicos, y un sistema que devuelve un beneficio un día puede decepcionarle al día siguiente.

Por esta razón, el trading cuantitativo requiere un alto grado de experiencia matemática, dominio de codificación y experiencia con los mercados. Así que, ciertamente, no es para todos.

¿Quieres probar con un sistema automatizado, pero no estás seguro de si estás preparado para el trading cuantitativo? Obtén más información sobre el trading algorítmico.

Historia del trading cuantitativo

El padre del análisis cuantitativo es Harry Markowitz, acreditado como uno de los primeros inversores en aplicar modelos matemáticos a los mercados financieros. Su tesis doctoral, que publicó en Journal of Finance, aplicó un valor numérico al concepto de diversificación de carteras. Más tarde en su trayectoria profesional, Markowitz ayudó a Ed Thorp y Michael Goodkin, dos gestores de fondos, a usar ordenadores para arbitrar por primera vez.

Varios desarrollos en los años 70 y 80 hicieron más popular el trading cuantitativo. El sistema designado de entrega de pedidos (DOT, por sus siglas en inglés) permitió a la Bolsa de Valores de Nueva York (NYSE) aceptar pedidos electrónicamente por primera vez, y los primeros terminales de Bloomberg proporcionaron datos de mercado en tiempo real a los inversores.

En los años 90, los sistemas algorítmicos eran más comunes y los gestores de fondos de cobertura estaban empezando a adoptar metodologías de cuantificación. La burbuja de las puntocom resultó ser un punto de inflexión, ya que estas estrategias resultaron menos susceptibles a la compra frenética compra (y el posterior desplome) de las acciones de internet.

Entonces, el aumento del comercio de alta frecuencia dio a conocer el concepto de trading cuantitativo a más inversores. En 2009, el 60% de las operaciones bursátiles estadounidenses eran ejecutadas por inversores de HFT, que dependían de modelos matemáticos para respaldar sus estrategias.

El volumen y los ingresos de HFT han sufrido un golpe desde la recesión, pero el trading cuantitativo ha seguido creciendo. Los analistas cuantitativos son muy cotizados por los fondos de cobertura y las instituciones financieras, ya que aprecian su capacidad para añadir una nueva dimensión a una estrategia tradicional.

Estrategias de trading cuantitativo

Los inversores cuantitativos pueden emplear un gran número de estrategias, desde algunas simples hasta otras increíblemente complejas. Estos son seis ejemplos comunes que te puedes encontrar:

1. Reversión media
2. Seguimiento de la tendencia
3. Arbitraje estadístico
4. Reconocimiento de patrones algorítmicos
5. Reconocimiento del sesgo conductual
6. Trading de la normativa de EFT

Reversión media

Muchas estrategias cuantitativas se incluyen dentro de la reversión media. La reversión de la media es una teoría financiera que postula que los precios y los retornos tienen una tendencia a largo plazo. Cualquier desviación debería, con el paso del tiempo, corregirse hacia esa tendencia.

Los quant traders diseñan códigos que encuentren mercados con una media de largo plazo estable y resalten cuando se desvíe del patrón. Si se desvía al alza, el sistema calculará la probabilidad de obtener un beneficio a corto plazo. Si se desvía a la baja, hará lo mismo para una posición larga.

La reversión media no tiene por qué aplicarse al precio de un solo mercado. Dos activos correlacionados, por ejemplo, pueden tener un diferencial con una tendencia a largo plazo.

Seguimiento de la tendencia

Otra amplia categoría de estrategia cuantitativa es una tendencia a menudo denominada momentum trading. Esta tendencia es una de las estrategias más directas, ya que solo busca identificar un movimiento significativo del mercado desde que comienza y hasta que termina.

Existen muchos métodos diferentes para detectar una tendencia emergente mediante el análisis cuantitativo. Por ejemplo, podrías controlar la confianza de los inversores hacia grandes empresas para construir un modelo que prediga cuándo es probable que los inversores institucionales compren o vendan acciones en grandes cantidades. También podrías encontrar un patrón entre los estallidos de volatilidad y las nuevas tendencias.

Arbitraje estadístico

El arbitraje estadístico se basa en la teoría de la reversión media. Funciona sobre la base de que un grupo de acciones similares deberían tener un desempeño similar en los mercados. Si alguna de las acciones de ese grupo supera o infravalora la media, representa una oportunidad para obtener beneficios.

Una estrategia de arbitraje estadístico se centra en un grupo de acciones con características similares. Las acciones de las empresas automovilísticas estadounidenses, por ejemplo, comercian en la misma bolsa, en el mismo sector y están sujetas a las mismas condiciones de mercado. El modelo calcularía un "precio justo" medio de cada acción.

Podrías abrir una posición corta sobre las empresas que superen ese precio justo, y abrir una posición larga sobre las que estén infravaloradas. Cuando las acciones corrijan hacia el precio medio, puedes cerrar tus posiciones y obtener un beneficio.

El arbitraje estadístico puro viene con un cierto grado de riesgo, ya que ignora los factores que pueden aplicarse a un activo individual pero que no afectan al resto del grupo. Esto puede dar lugar a desviaciones a largo plazo que no vuelven a la media durante un tiempo prolongado. Para compensar este riesgo, muchos quant traders utilizan algoritmos HFT para sacar partido de ineficiencias del mercado a muy corto plazo en lugar de divergencias amplias.

Reconocimiento de patrones algorítmicos

Esta estrategia implica la construcción de un modelo que pueda identificar cuándo una gran empresa va a realizar una operación voluminosa, para que puedas operar en su contra. También es conocida a veces como front running de alta tecnología.

Hoy en día, casi toda la operativa institucional se realiza mediante algoritmos. Las empresas quieren realizar grandes pedidos sin que esto afecte al precio de mercado de los activos que están comprando o vendiendo, por lo que dirigen sus pedidos a múltiples bolsas (así como a diferentes brókeres, dark pools y redes de cruce) en un patrón escalonado para disimular sus intenciones.

Si construyes un modelo que pueda "descrifrar el código", puedes operar con ventaja. El reconocimiento de patrones algorítmicos intenta identificar y aislar los patrones de ejecución personalizados de los inversores institucionales.

Por ejemplo, si tu modelo indica que una gran empresa está tratando de comprar una cantidad significativa de acciones de Coca-Cola, podrías comprar acciones antes que ella y luego venderlas a un precio más alto.

Al igual que el arbitraje estadístico, el reconocimiento de patrones algorítmicos suele ser utilizado por empresas con acceso a potentes sistemas de HFT. Estos son necesarios para abrir y cerrar posiciones antes que un inversor institucional.

Reconocimiento del sesgo conductual

El reconocimiento del sesgo conductual es un tipo relativamente nuevo de estrategia que aprovecha las peculiaridades psicológicas de los inversores minoristas bien conocidas y documentadas. Por ejemplo, el sesgo de aversión a la pérdida lleva a los inversores minoristas a disminuir sus posiciones exitosas y sumar pérdidas. ¿Por qué? Porque el afán por evitar una pérdida (y por lo tanto aceptar el pesar que esta provoca) es más fuerte que dejar pasar un beneficio.

Esta estrategia busca identificar los mercados que se ven afectados por estos sesgos de comportamiento generales, a menudo por un tipo específico de inversores. Puedes operar contra el comportamiento irracional como una fuente de retorno.

Al igual que muchas estrategias cuantitativas, el reconocimiento del sesgo conductual busca explotar la ineficiencia del mercado para obtener ganancias. Pero a diferencia de la reversión de la media, que se basa en la teoría de que las ineficiencias se corregirán a lo largo del tiempo, las finanzas conductuales implican predecir cuándo podrían surgir, y operar en consecuencia.

Trading de la normativa de EFT

Esta estrategia busca obtener beneficios de la relación entre un índice y los productos negociados en bolsa (ETF) que siguen su rendimiento.

Cuando se añade una acción nueva a un índice, los ETF que representan ese índice suelen comprar esa acción también. Si ABC Limited se uniera al FTSE 100, por ejemplo, muchos ETF que siguen el rendimiento del FTSE 100 tendrían que comprar acciones de ABC Limited.

Al comprender las reglas de las adiciones y disminuciones de los índices y utilizar sistemas de ejecución ultrarrápida, los fondos cuantitativos pueden sacar partido de esta regla y operar antes de la compra forzada. Por ejemplo, podrías comprar acciones de ABC Limited antes que los gestores del ETF y vendérselas a un precio más alto.

Trading cuantitativo personalizado

La mayor parte de las operaciones trading cuantitativo la realizan fondos de cobertura y empresas de inversión. Contratan equipos cuantitativos para analizar conjuntos de datos, encontrar nuevas oportunidades y construir estrategias en base a estas. Sin embargo, también está participando un número cada vez mayor de inversores individuales.

Las habilidades requeridas para comenzar a operar de forma cuantitativa por ti mismo son similares a las que necesita un fondo de cobertura. Necesitas un conocimiento matemático excepcional para poder probar y construir tus modelos estadísticos. También necesitarás tener mucha experiencia en codificación para crear su sistema desde cero.

Muchos corredores de bolsa y proveedores de trading ahora permiten a los clientes operar a través de API, así como mediante plataformas tradicionales. Esto ha permitido a los inversores que quieren personalizar su trading cuantitativo codificar sus propios sistemas que se ejecutan automáticamente.

Obtén más información sobre API de IG, que te permite obtener datos de mercado en directo, ver precios históricos y ejecutar operaciones. Incluso puedes usar una cuenta de demo de IG para poner a prueba tus estrategias sin arriesgar ningún capital.

Si estás interesado en el trading automatizado pero no estás seguro del lado matemático o de codificación del trading cuantitativo, puedes usar software como ProRealTime para iniciarte en el trading algorítmico.

Resumen del trading cuantitativo

• El trading cuantitativo utiliza modelos estadísticos para identificar oportunidades
• Los quant traders suelen tener conocimientos matemáticos, computacionales y de codificación
• Hay cuatro componentes en un sistema cuantitativo: estrategia, pruebas de respaldo, ejecución y gestión del riesgo
• Algunas estrategias populares son la reversión de la media, el seguimiento de la tendencia, el arbitraje estadístico y el reconocimiento de patrones algorítmicos
• Aunque la mayoría de los quant traders trabajan para fondos de cobertura y las empresas de inversión, también hay operan de esta forma muchos inversores minoristas