Este documento analiza los algoritmos de trading automático (AT) desde las perspectivas de la hipótesis de mercados eficientes (EMH) y las finanzas conductuales. Examina los resultados sobresalientes de algunos algoritmos AT y argumenta que, según la EMH, esto podría deberse a la suerte, condiciones específicas del mercado o falta de difusión de la estrategia. Sin embargo, desde las finanzas conductuales, los algoritmos no eliminan por completo la irracionalidad humana debido a que fueron diseñados
modelo de flujo maximo unidad 4 en modelos de optimización de recursos
Análisis del automatizado comercio Forex desde la perspectiva de la hipótesis de mercado eficiente y finanzas de comportamiento
1. ANALISIS DEL AUTOMATIC TRADING DE FOREX DESDE LA OPTICA DE
EFFICIENT MARKET HYPOTHESIS (EMH) Y BEHAVIORAL FINANCE
ENSAYO
DBA FINANCE PROGRAM
Servio Fernando Lima Reina
Servio_lima@yahoo.com
Antecedentes
Se conoce que empresas multinacionales (i.e. Bloomberg, Thompson-Reuters, entre otros),
universidades, centros de investigación y desarrolladores independientes se están dedicando a crear
algoritmos para Automatic Trading (AT) que permitan tener eficientes retornos sobre inversión en el
mercado de divisas conocido como FOREX. Los AT son algoritmos automatizados que asisten a la toma
de decisiones de inversión en los mercados de securities en general. La asunción fundamental de estos
algoritmos es que existe un mercado débilmente eficiente [1](i.e. weak form o random walk) en donde
mediante la automatización del análisis técnico y fundamental se pueden obtener retornos por encima
de la media del mercado.
El presente ensayo tiene como objetivo mostrar el estado del arte (state of the art) de los
mencionados algoritmos y analizar sus resultados desde la perspectiva de la Efficient Market Hypothesis
(EMH) de Eugene Fama y de las ideas basadas en Behavioral finance.
Resumen del marco teórico
Efficient Market Hypothesis (EMH)
En finanzas, la EMH asevera que toda la información pública está incorporada en el precio de los
securities. Cualquier desviación de este precio real es rápidamente explotada por inversionistas
informados, que tratan de optimizar sus retornos y esto restablece el verdadero precio de equilibrio.
Adicionalmente la EMH postula que los inversionistas son en su mayoría gente racional ”maximizadora
de riqueza”. Ésta sigue siendo una proposición clásica y central de las finanzas, que ahora se encuentra
en el centro de las críticas de los behavioralistas.
Existen tres niveles de eficiencia de mercado que se diferencian en la información disponible que
determina cómo se comportan los precios del mercado. Estos niveles son: débil (weak) , semi fuerte
(semi strong) y fuerte (strong) y se describen en la figura 1.
2. Figura 1: niveles de eficiencia de mercado según Eugene Fama [1].
Behavioral Finance
La Behavioral finance es un nuevo campo que busca combinar la teoría psicológica cognitiva y
conductual con la economía convencional y las finanzas para proveer explicaciones de por qué la gente
toma decisiones financieras irracionales.
El reconocimiento en el año 2002 del Premio Nobel de Economía a Daniel Kahneman (psicólogo y
economista) por ”haber integrado aspectos de la investigación psicológica en la ciencia económica,
especialmente en lo que respecta al juicio humano y la toma de decisiones bajo incertidumbre” puso la
atención sobre los trabajos de un grupo de psicólogos y economistas conocidos como parte de la
escuela de Behavioral Finance. Esta escuela desafía los postulados más arraigados de las finanzas
contemporáneas, como la racionalidad en la toma de decisiones y la antes mencionada hipótesis de
eficiencia de los mercados (EMH).
Kahneman y Tversky (1982) introdujeron los siguientes conceptos que se constituyen en los
fundamentos del análisis de behavioral finance [7]:
Afecto: La heurística del afecto tiene relación con lo que es bueno o malo. Las respuestas afectivas a un
estimulo ocurren rápida y automáticamente. Para esto basta notar que tan rápido sentimos los
“sentimientos” relacionados con las palabras estimulantes: tesoro u odio.
3. Disponibilidad: Esta es una heurística cognitiva en la cual, quien toma la decisión se basa en
conocimiento que está disponible en vez de examinar otras alternativas o procedimientos.
Similaridad: La heurística de similaridad nos lleva a pensar que “el gustar causa gustar” y que “apariencia
equivale a realidad”. Esta heurística es usada para determinar cómo toman decisiones las personas
basadas en la similaridad entre la situación actual y otras situaciones o prototipos de dichas situaciones.
Estado del arte de los algoritmos de AT
Los AT pueden ser descritos como los elementos de la toma de decisiones financieras y de inversión que
se ejecutan a través de algoritmos que corre en computadoras y redes de comunicación. Los algoritmos
usan estrategias de trading predefinidas o estrategias adaptativas (aquellas que cambian a medida que
cambian las condiciones de mercado) que se basan en inteligencia artificial. Las estrategias de trading se
automatizan cuando se definen una secuencia de instrucciones ejecutadas por una computadora que
identifican oportunidades de inversión (que negociar?) y ejecutan ordenes para una variedad de activos
(cuando, como y donde negociar?).
Hay cuatro pasos en el proceso de generación de estrategias de negociación: El primer paso es el análisis
de la data del mercado y de las noticias del entorno relevantes. El segundo y tercer pasos son la
selección del modelo de negociación y la ejecución del algoritmo de toma de decisiones
respectivamente. El último paso es la ejecución de la negociación. Esto se describe en la figura 2.
Ejecucion de la negociacion (Manejo de ordenes)
Modelo de negociacion
VWAP, TWAP Arbitraje estadistico
Analisis de datos
Recuperacion de informacion Integracion de la informacion
Recoleccion de datos
Data del mercado (FOREX, Equities, stocks, commodities) Noticias del mercado (Reuters, Bloomberg, etc)
4. Figura 2. Proceso de negociación de un AT
Adicionalmente, existen comunidades de programadores a nivel internacional que realizan anualmente
concursos para determinar cuáles son los algoritmos que ofrecen los mejores retornos sobre la
inversión. La figura 3 muestra el resultado del concurso del año 2010 realizado en la comunidad MQL 5
de desarrolladores. El algoritmo de mayor retorno fue el llamado Bobsley , el cual durante un periodo de
3 meses (octubre a diciembre del 2010) genero un ROI de 800% (de 10,000 usd a 80,000 usd).
Figura 3. Resultados del Automated Trading Championship 2010 [4]
Por otro lado, de acuerdo a la revista online Investment U [2], en los últimos cien años de inversión y en
16 paises, estos han sido los retornos (ROI) que se han observado:
•Las inversiones en ACCIONES alrededor del mundo generaron una ganancia anual promedio de 9.2%
en dólares norteamericanos en el periodo 1900-2000, incluyendo dividendos. Las acciones en los
Estados Unidos generaron algo mejor: 10.1% al año.
•Los BONOS de gobierno alrededor del mundo generaron un 4.4% anual. En los Estados Unidos, estos
generaron 4.8%.
•Y finalmente el EFECTIVO genero 4.1% anual.
Más aun, compañías exitosas como Berkshire Hathaway (cuyo accionista principal es Warren Buffet)
han logrado retornos de 76% en el periodo 2000-2010 [3] muy por debajo de lo observado en los
algoritmos ganadores de AT.
Análisis de los algoritmos AT desde la óptica de EMH y Behavioral finance
Todo lo anteriormente expuesto nos hace plantear la pregunta de cómo es posible que inversores
individuales en el mercado de divisas generen retornos muy por encima del promedio histórico de las
acciones, bonos, efectivo y de los mejores inversionistas del mundo. Estos resultados aparentan estar
5. en franca contraposición con los postulado del mercado débil de EMH, en donde debido a lo sencillo y
rápido de conseguir y difundir la información (i.e. tasas de cambio históricas, moving average del
security, indicadores macroeconómicos de un país, inflación, etc), el comportamiento del precio del
security (i.e. divisa FOREX) tiende a eliminar cualquier ganancia por encima del promedio del mercado.
Que es lo que conocemos de los AT?
De la observación de los resultados de los campeonatos de AT desde el 2008 hasta la fecha, podemos
inducir lo siguiente:
a. Los algoritmos ganadores siempre son diferentes año con año. Sus autores también lo son.
b. El concurso toma lugar siempre en el mes de Octubre de cada año, por lo que estaría sujeto a
cierta estacionalidad del mercado de divisas.
c. Los algoritmos competidores se corren solo bajo un par de divisas: Euro y Dólar.
d. Cada año se van viendo retornos superiores sobre el año anterior, si observamos el performance
de los algoritmos AT ganadores.
e. Nadie conoce el detalle de cómo funcionan los algoritmos de AT más que sus propios autores.
Esto se mantiene aun después de haber finalizado la competencia. La propiedad intelectual de
los algoritmos queda en los autores.
f. Los algoritmos se ejecutan públicamente por primera vez durante la competencia.
Los algoritmos de AT desde la perspectiva de EMH
Paras los algoritmos AT ganadores, las ganancias por encima del promedio de ganancias del mercado
son reales y tangibles. Desde el punto de vista de EMH, esto se explicaría debido a diversos factores:
a. El factor suerte determina que ciertos algoritmos sean ganadores y otros perdedores. Es similar
a un grupo de personas intentando tirar la moneda. Siempre habrán personas que tengan la
suerte de obtener retornos superiores al 50% [5].
b. Dado que los algoritmos AT solo se basan en información histórica para el análisis técnico y
fundamental, pueden existir eventos diferentes al pasado en los cuales las ganancias
posiblemente no se sostendrán en el futuro. Cabria preguntarse si al correr dichos algoritmos
bajo otras condiciones tales como: diferente uso de pareja de divisas u otra temporada dentro
del año, se seguirían obteniendo retornos sobrenormales.
c. En el futuro, pueden existir eventos del tipo “Cisnes Negro” o lo que es lo mismo: eventos
improbables que causen consecuencias masivas [6], que hagan que los algoritmos ganadores,
pierdan dinero. Con esto se invalidaría la eficacia de dichos algoritmos bajo otras condiciones.
d. Es posible explicar los retornos sobrenormales de ciertos algoritmos AT por el lado de que son
estrategias desconocidas antes, durante y después de la competencia, por lo cual no han sido
difundidas. De esta manera, no existirá una gran cantidad de inversionistas usando estos
algoritmos y en consecuencia es posible que los mismos sigan siendo ganadores a lo largo del
6. tiempo, hasta que se conozcan sus técnicas. En este caso, la difusión de información no seria
eficiente pero eventualmente tendería a serlo.
AT desde la perspectiva de Behavioral Finance
Desde el punto de vista de Behavioral Finance, los algoritmos de AT representan lo siguiente:
a. Eliminan la subjetividad humana parcial y no totalmente, pues a pesar de que las decisiones de
la inversión las toma un algoritmo automatizado, la elección inicial del algoritmo y su
funcionamiento esta predeterminada por las creencias del autor, las cuales siguen siendo
subjetivas.
b. Los algoritmos AT se basan por lo general en inteligencia artificial lo cual significa que van
aprendiendo de la experiencia y generando nuevas reglas para aplicar en la toma de decisiones
de inversión. Estas reglas por lo general se basan en patrones hallados en el análisis técnico o
fundamental. Pero el efecto de dichas lecciones aprendidas tiende a desaparecer rápidamente
pues es posible que otros algoritmos automatizados o inversionistas también la descubran
simultáneamente, haciendo que los retornos vuelvan a la normalidad.
c. Si analizamos los algoritmos AT desde la perspectiva de la heurística de afecto, vemos que los AT
eliminan por completo dicha heurística, pues dichos algoritmos no sobre reaccionan o sub
reaccionan ante inesperadas y dramáticas noticias del mercado, a menos que esto haya sido
incluido en el diseño del algoritmo original.
d. Respecto a la heurística de disponibilidad, podemos decir que los algoritmos de AT tratan de
analizar todas las variables posibles del momento: tendencia de precios, moving average,
inflación, histórico de tasas de cambio. En este sentido son superiores a un ser humano que por
lo general se basa en información disponible rápidamente y no necesariamente revisa todas las
alternativas posibles.
e. Respecto a la heurística de similaridad podemos decir que quien diseño el algoritmo original
pudo estar sujeto a sus gustos y preferencias preconcebidas respecto a por ejemplo: preferencia
por una pareja de divisas, preferencia por invertir en determinadas fechas del año, etc.
Conclusiones
Luego de analizar los algoritmos de AT bajo la óptica de EMH podemos observar que sus resultados no
son del todo descartados por esta hipótesis, pues es muy posible que los autores de dichos algoritmos
hayan encontrado la manera de vencer al mercado, sin publicar sus resultados. De esta manera evitan
que las ganancias sobrenormales desaparezcan rápidamente. Pero por otro lado, factores como la
estacionalidad, pareja de divisas elegida para invertir e incluso la suerte tienen una influencia
significativa en los resultados de dichos algoritmos.
7. Por otro lado, analizando los algoritmos de AT bajo la óptica de behavioral finance, vemos que a pesar
de la automatización, no se elimina del todo la irracionalidad en la toma de decisiones, pues los
algoritmos fueron confeccionados desde un principio por un ser humano, quien coloco todas sus
creencias sobre cómo ganarle al mercado, en unas cuantas líneas de código. En lo que si contribuyen
fuertemente los algoritmos es en el momento de la decisión de invertir (comprar/vender) divisas, que es
realizada autónomamente y sin subjetivismos. Adicionalmente estos algoritmos se van enriqueciendo
mediante la aplicación de inteligencia artificial. Finalmente ayudan también a la eliminación completa
del intermediario, mejorando el margen obtenido sobre la inversión en securities.
Bibliografia
[1] Fama, Eugene F. (1965), ” Random Walk in stock market prices”, Financial Analysts Journal, pp. 3-4
Este paper permite conocer las ideas de random walk aplicado al mercodo de securities.
[2] Revista Online U, http://www.investmentu.com/2002/December/20021219.html
Este link permite ver los rendimientos historicos de acciones, bonos y efectivo en el mundo y en US
[3] Wikipedia, Bershire Hathaway, http://en.wikipedia.org/wiki/Berkshire_Hathaway
Este link permite ver el rendimiento historico de Berkshire Hathaway.
[4] Automated Trading Championship 2010, http://championship.mql5.com/2010/en
Este link permite ver los resultados del ultimo campeonato de algoritmos de AT organizado por
Metaquotes Software Corp.
[5] Body Zvi, Kane, Alex, Marcus, Alan , ”Investments”, Mc Graw-Hill Irwin, 9th edition, Chapter 8, pp.
237
Este capitulo del libro permite conocer a fondo las ideas de EMH
[6] Nassim Nicholas Taleb, ”The Black Swan”, Random House Publishing Group, 2017, pp xvii
[7] Martin Sewell, ”Behavioral Finance”, University of Cambridge, Feb 2007