¿Puede ser rentable el trading algorítmico?

Solo uno de cada cinco operadores diarios (daytraders) es rentable. Esa es la triste realidad del trading para la mayoría. Sin embargo, el trading algorítmico mejora estas probabilidades mediante un mejor diseño, prueba y ejecución de estrategias.

En este artículo, vamos a explicar cómo puede este enfoque mejorar sus posibilidades de éxito en los mercados. Espero ayudar a otros inversores individuales que estén considerando este camino.

¿Qué es el trading algorítmico?

El trading algorítmico utiliza programas informáticos para realizar órdenes de compra y venta automáticamente según un conjunto de reglas específicas. Estas reglas se conocen colectivamente como el algoritmo de trading.

Pueden obtener más información sobre este concepto en: El trading algoritmico

Un ejemplo de estrategia de trading algorítmico

Los sistemas de cruces de medias móviles son ejemplos claros de estrategias de trading algorítmico. Si usamos dos medias móviles, como la SMA 50 y la SMA 200, solo hay dos reglas:

• Cuando la media móvil de 50 días cruza por encima de la media móvil de 200 días, la tendencia es alcista y compramos. 
• Cuando la media móvil de 50 días cruza por debajo de la media móvil de 200 días, la tendencia es bajista y vendemos. 

Por supuesto que una estrategia tan simple es poco probable que funcione a largo plazo, pero muestra con claridad cómo pueden ser estos métodos y qué tipo de herramientas usan.

¿Deberías convertirte en un operador algorítmico?

La primera pregunta que debes responder no es si el trading algorítmico puede aumentar tus ganancias, sino si es adecuado para ti. Si no te encanta aprender nuevas tecnologías, te recomendaría no convertirte en un operador algorítmico únicamente con el fin de obtener ganancias. Si tu objetivo es la riqueza, probablemente sería más fácil poner tu dinero en un fondo indexado y comenzar un negocio.

Para mí, la decisión fue fácil. Me encanta aprender nuevas tecnologías y pensé que había dos resultados potenciales:

En el mejor de los casos, me convertiría en un operador algorítmico rentable. En el peor de los casos, podría añadir una habilidad increíblemente útil a mi currículum. Y el peor de los casos es bastante bueno. Los salarios de los científicos de datos son lucrativos por una razón. La aparición del big data está permitiendo tomar mejores decisiones tanto para las empresas como para los operadores.

Si no estás interesado en aprender ciencia de datos y programación, está bien. Todavía hay mucho dinero por ganar en la inversión en acciones a largo plazo, especialmente cuando se combina con reglas sistemáticas de gestión de riesgos.

¿Es el trading algorítmico el futuro?

Las probabilidades de tener éxito como trader discrecional individual están empeorando minuto a minuto. Al igual que en muchas otras industrias, las empresas que adoptan la tecnología están teniendo mucho más éxito que las que están siendo desplazadas. Lo mismo ocurre con el trading. Los operadores que utilizan estas nuevas y emocionantes tecnologías al invertir aumentan significativamente sus probabilidades de éxito; sin embargo, aunque el camino hacia las ganancias es más fácil, la curva de aprendizaje es empinada.

Veo dos áreas en las que el trading algorítmico puede mejorar el rendimiento de un inversor minorista:

• La ciencia de datos permite un mejor desarrollo y prueba de estrategias.
• La ejecución algorítmica mejora la ejecución de operaciones y reduce los errores de inversión por comportamiento.

Ciencia de datos para el desarrollo de estrategias de trading

Cuando una persona recomienda un sistema de trading debe respaldarlo con datos reales que confirmen que tiene un rendimiento positivo a lo largo del tiempo. Si no hay datos, es solo una opinión y no debe usarse como base para operar. La ciencia de datos te permite desarrollar estrategias de trading con significancia estadística.

Y después de haber desarrollado una estrategia de trading, puedes probarla exhaustivamente para entender cómo habría funcionado y cómo probablemente funcionará en el futuro.

¿Cuánto tiempo se necesita para aprender ciencia de datos y trading algorítmico?

Me tomó alrededor de un año a tiempo completo sentirme competente en el uso de la ciencia de datos para el desarrollo de estrategias de trading, y alrededor de cuatro meses sentirme cómodo con la ejecución automatizada. Siempre me ha interesado la tecnología, así que disfruté del proceso, y estoy seguro de que mis experiencias pasadas ayudaron a acelerar el aprendizaje.

Estimo que alguien sin antecedentes en tecnología necesitaría de 2 a 3 años para aprender lo siguiente:

Qué aprender para el trading algorítmico:

• Programar en lenguajes de programación como Python o MQL4/MQL5 (para operar con Forex o CFD)
• Obtener datos financieros de una API
• Extraer datos adicionales de la web
• Almacenar los datos en una base de datos
• Manipular y limpiar los datos
• Convertirse en un experto en análisis de series temporales
• (Re)aprender matemáticas de estadística y aprendizaje automático
• Desarrollar y analizar estrategias de trading

Consejo de estrategia de trading algorítmico 1: Empieza con lo que sabes

Piensa en lo que ya sabes. Cuando comencé, había estado invirtiendo en acciones durante años. Debido a esto, desarrollé estrategias de trading de acciones en lugar de aventurarme en futuros o Forex. Como dice Warren Buffett, mantente dentro de tu círculo de competencia y expándelo con el tiempo.

Consejo de estrategia de trading algorítmico 2: Siempre investiga por qué ocurren las cosas

Al desarrollar una idea de inversión algorítmica, siempre debes entender por qué funciona. Por ejemplo, es una tendencia humana sobre reaccionar a grandes cambios de información y subreaccionar a cambios más pequeños. Entender la naturaleza humana puede ayudarnos a crear una estrategia de trading que explote esta característica conductual.

Si obtenemos nuestras ideas de correlaciones en los datos en lugar de empezar con el por qué, nos encontraremos con dos problemas:

• La correlación no es causalidad, y seremos propensos al ajuste de curva.
• Será difícil mantener la estrategia cuando el mercado s emueva en tu contra (lo hará).

Estrategias y oportunidades en el trading algorítmico

Hay dos áreas de oportunidades al pensar en el trading algorítmico:

• Los mercados en los que operamos
• Las estrategias que usamos

La mayor oportunidad de mercado para los traders algorítmicos es jugar en el espacio donde los operadores institucionales están limitados por su capacidad y donde hay abundancia de datos. Mantente alejado de áreas competitivas como el trading de alta frecuencia.

Las mejores ideas de estrategias de trading provienen de uno mismo, pero si buscas inspiración, SSRN y otras revistas académicas son excelentes lugares para buscar. Las estrategias de trading algorítmico generalmente caen en una de las siguientes categorías:

• Seguimiento de tendencias
• Arbitraje
• Explotación de rebalanceos
• Trading cuantitativo
• Reversión a la media
• Rupturas de niveles de precios

Puedes acceder a una lista de estrategias que puedes usar en sistemas de trading algorítmico en: Lista de estrategias de trading

También hay múltiples estrategias de ejecución para lograr el mejor precio posible de la orden:

• Precio promedio ponderado por volumen (VWAP)
• Precio promedio ponderado por tiempo (TWAP)
• Porcentaje de volumen (POV)

Beneficios de la ejecución algorítmica

El segundo mayor beneficio que he encontrado al implementar el trading algorítmico es que pienso más y me preocupo menos. Sé que todas mis operaciones y la posición de mi cartera serán manejadas según el sistema que he desarrollado, sin intervención de mi parte.

El tiempo adicional me ayuda a desarrollar estrategias mejores, y tengo menos probabilidades de cometer errores de inversión conductuales cuando los mercados se vuelven caóticos.

Existen otros beneficios, pero para mí fueron menos significativos:

• Las operaciones se ejecutan rápidamente para evitar cambios significativos en los precios.
• Las operaciones pueden provenir de varias cuentas de corretaje.
• Se pueden realizar múltiples comprobaciones de condiciones de mercado antes de ejecutar una operación.
• Eliminación de errores manuales al colocar operaciones.

Los peligros de la ejecución de trading algorítmico

La principal desventaja del trading algorítmico es que un error en tu código puede ser catastrófico. Un algoritmo puede activar cientos de transacciones en un corto período, lo que podría costarle al operador toda su cuenta. Cuando se realizan en masa, se les llama crash flash. El crash flash de 2010 fue uno de varios casos en los que los algoritmos se comportaron mal.

Estos errores pueden causar grandes dolores de cabeza en el mejor de los casos y dejar la cuenta vacía en el peor. Esta es la razón por la cual recomiendo aprender ciencia de datos primero y automatizar el trading solo una vez que hayas dominado la codificación y tengas un 100% de confianza en tu sistema de trading.