Escolar Documentos
Profissional Documentos
Cultura Documentos
IDENTIFICACIN
DE
PATRONES
SOBRE
LA
TRAYECTORIA DEL TIPO DE CAMBIO MEDIANTE EL
USO DE PROBABILIDAD BAYESIANA
TESIS
QUE PARA OBTENER EL GRADO DE:
PRESENTA:
ANA LORENA JIMNEZ PRECIADO
MXICO D.F.
JUNIO DE 2015
DEDICATORIA Y AGRADECIMIENTOS
Despues de tres a
nos de estancia en el DF y tras una serie de emociones, experiencias y sentimientos
encontrados, he aprendido a valorar hasta el mas mnimo detalle... venir a una ciudad desconocida
con personas igual de desconocidas es realmente desafiante y a la vez toda una aventura.
Mi estancia no hubiera sido posible sin el apoyo infalible de mis padres y de todos mis familiares,
que siempre me han acompa
nado en todos mis proyectos y me alientan a seguir adelante. Es por
ello que el resultado de todo este tiempo -que esta plasmado en las siguientes paginas- tiene una
dedicatoria especial para ustedes: !Gracias, esto se los debo a ustedes, los amo y son lo mas valioso
que tengo
Supongo que mi popotese ha ampliado un poquito mas (o al menos eso quiero creer), esta
tesis en particular se la dedico a mis dos gur
us: Cesar Gurrola y Salvador Cruz Ake, no se si tengan
idea de la forma dram
atica en que pueden cambiar la vida de una estudiante a traves del apoyo,
confianza, jalones de oreja, coco-wash y sobre todo, la carrilla academica pesada que ejercen, en
verdad que los admiro y los respeto.
A todos mis amigos con los que he compartido tantas risas, horas de estudio y otros ademanes,
a Blanca Bautista y su familia que me abrieron las puertas de su casa durante un tiempo, a Susy
Garca y Cathy Ros por todo su apoyo, a todas las personas que de alguna forma, con un gesto o
una accion me han hecho sentir cerca de casa: MUCHAS GRACIAS.
Estoy lejos pero no distante...
INDICE
VI
GLOSARIO
VII
RESUMEN
IX
ABSTRACT
XI
INTRODUCCION
CAP
ITULO 1. EFICIENCIA DE MERCADO: EL PAPEL DE LOS NOISE
TRADERS
1.2. Eficiencia de mercado semifuerte: consecuencias del efecto manada y los noise traders. 10
1.2.1. An
alisis tecnico: formacion de precios y patrones . . . . . . . . . . . . . . . .
12
CAP
ITULO 2. ANALISIS
TECNICO:
INTRODUCCION
A LOS GRAFICOS DE VELAS
15
16
16
2.2. Formaci
on y tipo de velas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
26
29
32
. . . . . . . . . . . . . . .
42
44
2.3. Informaci
on que proporcionan las velas . . . . . . . . . . . . . . . . . . . . . . . . .
44
CAP
ITULO 3. HERRAMIENTAS DEL ANALISIS
TECNICO:
INDICADORES Y OSCILADORES
iii
49
3.1.
3.2.
3.3.
3.4.
3.5.
Indicadores y osciladores . . . . . . . . . .
Medias m
oviles: simples, exponenciales y de
Bandas de Bollinger . . . . . . . . . . . . .
Sistema parab
olico Tiempo/Precio . . . . .
Retrocesos de Fibonacci . . . . . . . . . . .
. . . . . . . . . . . . . . . .
convergencia - divergencia .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
50
51
54
57
58
.
.
.
.
.
63
64
66
76
78
81
Reconocimiento de patrones .
Conteo a un paso . . . . . . .
Estabilidad en la distribuci
on
Conteo a dos pasos . . . . . .
Analisis de resultados . . . .
. . . . . . . . .
. . . . . . . . .
de los patrones
. . . . . . . . .
. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CONCLUSIONES Y RECOMENDACIONES
85
APENDICE
89
BIBLIOGRAF
IA
93
iv
Figura 1
Hip
otesis de eficiencia de mercado . . . . . . . . . . . . . . . . . . . . . .
Figura 2
10
Figura 3
18
Figura 4
20
Figura 5
Confirmaci
on de tendencias mediante uso de promedios . . . . . . . .
22
Figura 6
Se
nales de reversi
on con techos y suelos . . . . . . . . . . . . . . . . . .
23
Figura 7
Formaci
on de velas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
Figura 8
Ejemplo de gr
afico de velas para el tipo de cambio interbancario. . .
25
Figura 9
26
Figura 10 Comparaci
on de velas largas con velas cortas en el tipo de cambio
interbancario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
29
30
30
31
Figura 16 Doji. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
33
34
35
36
37
37
38
39
40
Figura 26 Presencia de una vela Shooting Star para el tipo de cambio interbancario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
Figura
Figura
Figura
Figura
Figura
Figura
27
28
29
30
31
32
Posici
on Star . . . . . . . . . . . . . . . . . . . . . . . . . . .
Posici
on Star en el tipo de cambio interbancario . . . . .
Posici
on Harami y posici
on Harami Cross. . . . . . . . .
Formaci
on de un patr
on a trav
es de la mezcla de velas.
Se
nales que revelan las velas. . . . . . . . . . . . . . . . . .
Secuencia de precios para formar una misma vela. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
vi
42
43
44
45
45
47
52
55
56
59
62
64
66
67
68
69
70
71
72
74
75
78
79
80
81
GLOSARIO
Arbitraje: Pr
actica de compra-venta de activos en diferentes mercados y en un mismo instante
con la finalidad de obtener un beneficio asumiendo el menor riesgo posible.
Brecha hacia arriba: Una brecha a la alza se forma cuando el precio de un activo representado
por una vela abre por encima del precio maximo registrado por la vela anterior y permanece por
encima del m
aximo de la vela anterior durante la sesion ademas de cerrar con un precio m
as alto.
Las brechas hacia arriba pueden formar graficos diarios, semanales y mensuales con tendencia a la
alza.
Brecha hacia abajo: Una brecha a la baja se forma cuando el precio de un activo representado
por una vela abre por debajo del precio mnimo registrado por la vela anterior y permanece por
debajo del mnimo de la vela anterior durante la sesion ademas de cerrar con un precio m
as bajo.
Las brechas hacia abajo pueden formar graficos diarios, semanales y mensuales con tendencia a la
baja.
Nivel de Soporte: Un nivel de soporte es la resistencia que presenta el precio de un activo ante una tendencia a la baja pronunciada. Esto significa que el precio rebota.evitando caer
precipitosamente.
Nivel de Resistencia: Se refiere a la resistencia que presenta el precio de un activo ante una
tendencia al alza pronunciada. Esto significa que el precio rebota.evitando subir precipitosamente.
Patr
on neutral: Aquellas velas que no muestran informacion en cuanto a presiones de compra
o venta durante la sesi
on de trading.
Precio de apertura: Este es el precio de la primera operacion para el perodo (por ejemplo, la
primera operaci
on del da). Cuando se analizan datos diarios, el precio de apertura refleja el precio
de consenso despues de que todas las partes interesadas efectuaron transacciones sobre determinado
activo.
Precio m
aximo: Se refiere al precio mas alto que alcanza el activo durante el perodo. El
precio maximo tambien equivale al punto en el que existen mas vendedores que compradores (es
decir, siempre hay vendedores dispuestos a vender a precios mas altos, pero el maximo representa
los precios m
as altos que los compradores estan dispuestos a pagar).
Precio mnimo: Este es el precio mas bajo que registra el activo durante el perodo. El precio
mnimo a su vez indica el punto donde hay mas compradores que vendedores (es decir, siempre
hay compradores dispuestos a comprar a precios mas bajos, pero el mnimo tambien representa los
precios m
as bajos que los vendedores estan dispuestos a aceptar).
Precio de cierre: Este es el u
ltimo precio que registra el activo durante el perodo. Debido a
vii
su disponibilidad, el cierre es el precio utilizado con mayor frecuencia para el analisis. La relaci
on
entre el Apertura (el primer precio) y el Cierre (el u
ltimo precio) son considerados significativos por
la mayora de los analistas tecnicos.
Sesi
on de Trading : Periodo que dura la negociacion de compra-venta de un activo, por lo
general se considera un da.
Trailing Stop: Margen de tolerancia a partir del precio del activo (al alza y/o a la baja).Un
Trailing Stop para una posici
on larga se establece por encima del precio del activo y por debajo para
posiciones cortas. La finalidad del Trailing Stop es proteger las ganancias o detener las perdidas
utilizando un porcentaje del precio del activo de interes.
Volumen: Se refiere a la cantidad de unidades o contratos operados durante un periodo de
tiempo. Generalmente se representa con barras verticales bajo la grafica de cotizaciones.
viii
RESUMEN
El objetivo del presente trabajo es analizar la secuencia de formaciones vistas desde la perspectiva de la identificaci
on de patrones que se encuentran en la trayectoria del tipo de cambio, bajo la
hipotesis de que, si los agentes economicos presentan expectativas similares entonces se formar
an
patrones de precios de mercado repetitivos, y por tanto, parcialmente predecibles. Bajo esta premisa, el analisis busca determinar las propiedades de serie de tiempo del tipo de cambio interbancario
a 48 horas peso-d
olar que se derivan tanto del entorno como de las acciones de los participantes de
mercado, los cuales usan la identificacion de patrones para dise
nar sus estrategias de corto plazo. El
estudio se realiza mediante el uso de probabilidad bayesiana que permite el analisis de los efectos
observables de un fen
omeno hacia las causas o las hipotesis posibles que explican su ocurrencia.
Palabras clave: identificaci
on de patrones, probabilidad bayesiana, tipo de cambio.
ix
ABSTRACT
The aim of this dissertation is to analyze the sequence of forms through pattern recognition
found in the path of the exchange rate under the assumption that, if economic agents have similar
expectations then patterns will form repetitive market prices, therefore partially predictable. On
this basis, the analysis seeks to determine time series properties of the interbank 48 hours exchange
rate MXN-USD deriving both environmental and market participants behavior which use patterns
recognition in order to make short-run strategies. This work uses Bayesian probability allowing the
analysis of the effects of an observable phenomenon to the causes or possible hypotheses to explain
their occurrence.
Keywords: pattern recognition, Bayesian probability, exchange rate.
xi
INTRODUCCION
El entorno econ
omico-financiero, al igual que otras areas del conocimiento, se ha visto sometido
a un continuo proceso de evoluci
on en cuanto a objetivos y estrategias; los fenomenos como la
globalizaci
on y el progreso tecnico estan presentes en todos los sectores de la actividad econ
omica
y su manifestaci
on es cada vez m
as intensa siendo precisamente uno de los campos mas afectados
el sector financiero.
Como resultado de una ola de procesos de desregulacion financiera que han sido emprendidos
por la mayora de los pases aunados a los avances tecnologicos, los mercados de capitales domesticos
se encuentran cada vez m
as integrados pues la transmision y procesamiento de datos se puede dar
de forma instant
anea, esto quiere decir que los efectos de corto plazo de un evento surgido en alguno
de ellos se transmiten a otros mercados y, en el largo plazo, comparten tendencias comunes.
Lo anterior sugiere una transformacion de los supuestos del corpus teorico de las finanzas modernas, el cual se fundamenta en el concepto de mercados eficientes de Fama (1970) que a pesar de
que diferentes autores contrastan esta hipotesis como Shiller (1984), Maldelbrot (1963), Opanga,
Fox y Farahmand (1999), Yeh & Liao (2001), Ortiz, Cabello, de Jes
us & Johnson (2005), Darkow
& Schiereck (2008), Roztocki & Weistroffer (2009) por mencionar solo algunos, actualmente sigue
siendo un referente para la teora financiera y la industria (Garca, Cruz & Venegas, 2012).
El concepto de eficiencia de mercado de Fama sugiere que un mercado se puede considerar
eficiente si es capaz de reflejar toda la informacion disponible a traves de los precios, la implicaci
on
de este supuesto es que los precios se comportan como caminatas aleatorias, es decir, los precios son
independientes y tienen la misma probabilidad de distribucion, sin embargo, la evidencia emprica
ha mostrado que este supuesto no siempre es cierto debido a la formacion de burbujas especulativas
y a la posibilidad de hacer arbitraje en el mercado.
Considerando la hip
otesis de que los mercados no siempre son eficientes y que los agentes pueden
sacar provecho de ello, la literatura destaca dos herramientas para estimar las condiciones que
permiten obtener beneficios en el mercado, dichas herramientas son: el analisis tecnico y el an
alisis
fundamental. Para el caso del presente estudio se hace uso del analisis tecnico, que se caracteriza
por identificar patrones recurrentes y parcialmente predecibles sobre el precio de los activos.
La presente investigaci
on tiene por objetivo analizar la secuencia de formaciones vistas desde la
perspectiva de la identificaci
on de patrones que se encuentran en la trayectoria del tipo de cambio.
La variable de estudio es el tipo de cambio Interbancario dolar/peso a 48 horas1 considerado a partir
1
del 3 de enero de 1994 al 13 de noviembre de 2013 con una periodicidad diaria para un total de 5500
datos; el paquete estadstico utilizado es R Project2 . Cabe destacar que se considera el analisis bajo
un mercado con eficiencia semifuerte, de tal forma que los inversionistas o traders tienen posibilidad
de hacer arbitraje y obtener un beneficio por las transacciones que se hacen en el mercado.
A partir de las figuras que forman los precios del tipo de cambio y bajo el supuesto de que los
precios contienen toda la informaci
on disponible, la pregunta principal se plantea de la siguiente
manera: es posible identificar las expectativas que tienen los agentes economicos a traves de patrones de precios de mercado?; a su vez se derivan dos preguntas secundarias que son: es posible
dise
nar una estrategia de trading de corto plazo a partir de la formacion de patrones? Y Cuales
son los patrones que tienen mayor recurrencia tipo de cambio? Por lo anterior, la hipotesis a probar
es que, si los agentes econ
omicos presentan expectativas similares entonces se formaran patrones de
precios de mercado repetitivos, y por tanto, parcialmente predecibles.
La justificaci
on del estudio se centra en el uso del analisis tecnico aunado a herramientas bayesianas que permite reconocer patrones de comportamiento sobre el tipo de cambio; el uso de
probabilidad bayesiana permite generar previsiones a partir del conocimiento previo y reconocer
comportamientos repetitivos en la trayectoria del tipo de cambio en funcion de las decisiones que
hacen los agentes econ
omicos. La presente investigacion es relevante para la economa mexicana
ya que se desarrolla una herramienta capaz de detectar tendencias sobre eventos como apreciaci
on
o depreciaciones de la moneda; asimismo permite identificar los patrones mas recurrentes sobre el
tipo de cambio, al menos en el corto plazo.
El resto del documento est
a estructurado de la siguiente forma: en el siguiente captulo se
presenta la fundamentaci
on se desarrolla la justificacion general de la investigacion; se abordan los
antecedentes y problem
atica del tema que permite proponer el objetivo, preguntas de investigaci
on
e hipotesis del estudio; asimismo, se describe la variables de estudio as como la metodologa a
emplear en el estudio.
En el apartado dos se habla del origen del analisis tecnico, se describe la teora de Dow y sus
principios que son la base para la interpretacion de las velas japonesas; en el captulo tres se abordan
algunos ejemplos de las principales herramientas del analisis tecnico as como ventajas y desventajas,
en especfico, se describen el uso de indicadores y osciladores como las medias moviles, las bandas
de Bollinger, los sistemas parab
olicos tiempo/precio y los retrocesos de Fibonacci.
En el u
ltimo apartado se presenta la metodologa planteada y el analisis de resultados, en primera
instancia se construyen los patrones a partir de las caractersticas propias de las velas (se utilizan
los cuerpos y las colas), posteriormente se realiza el conteo a un paso el cual se representa con
terminos concretos, el tipo de cambio expresa las interacciones entre la oferta y demanda de dos monedas (Banxico,
2011).
2
Disponible de forma gratuita en : http://www.r-project.org/
diagramas de Pareto para observar los patrones de mayor recurrencia. En lo que respecta al conteo
a dos pasos se hace uso del teorema de Bayes y de cadenas de Markov; adicionalmente, se contrasta
la distribuci
on emprica de los patrones a traves de una prueba Kolmogorov-Smirnov de tal forma
que se confirma la estabilidad en la distribucion de los patrones.
Finalmente se presentan las conclusiones y recomendaciones finales del trabajo, entre las principales aportaciones se observa: 1) no hay evidencia contundente de que el mercado sea eficiente,
al menos para el caso del tipo de cambio interbancario; 2) para toda la muestra y sub-muestras
evaluadas en el estudio existen cuatro patrones que determinan el 70 % de la trayectoria del tipo de
cambio, 3) a partir de a partir de 1996 la distancia que hay en las funciones de distribuci
on acumuladas de los patrones respecto a diferentes sub-muestras es muy corta al grado de empalmarse
las distribuciones lo que nos lleva a principios de fractalidad y 4) el conteo a dos pasos revela que
los patrones que m
as se repiten son de confirmacion y reversion de tendencia; aunque estos tienen
poca probabilidad de ocurrencia, corroboran la no eficiencia del mercado.
1.1.
En el mercado financiero existe una serie de operadores que tienen la finalidad de adquirir un
activo en un mercado determinado para venderlo inmediatamente en otro mercado a un precio
superior -siempre y cuando se confirme la participacion simultanea y sin riesgo- a esta accion se
le conoce como arbitraje. Es aqu donde los operadores, tambien conocidos como traders compiten
entre s buscando oportunidades de obtener mayores beneficios con el menor riesgo posible. De
acuerdo con Levy (2004), lo anterior conlleva a que el precio de un activo sea el mismo en diferentes
mercados y la diferencia del beneficio de un trader a otro radica en los costos de transaccion en
los que incurran para la realizaci
on del arbitraje. Aunque, por otro lado, se asume que un mercado
donde no existen oportunidades de arbitraje es eficiente en el sentido de que no existe la posibilidad
de que un trader mejore su beneficio sin que los demas lo hagan o se vean perjudicados, es decir,
un mercado eficiente se encuentra en un
optimo de Pareto (Stiglitz, 1984).
Si bien los que hacen uso del arbitraje posen un activo durante un instante, existe la figura del
especulador quien mantiene un activo no por un instante sino por un periodo de tiempo con la
finalidad de beneficiarse de una variaci
on futura en el precio que le favorezca. Sin embargo, entre
los agentes que realizan operaciones de arbitraje y los especuladores se tiene que estos u
ltimos se
anticipan a las variaciones en los precios pero con informacion imperfecta (Adams, Einav & Levin,
2009). Lo anterior reside en que los participantes del mercado reaccionan de forma rapida ante
sucesos que brindan informaci
on u
til, es decir, primero toman accion los agentes que cuentan con
informacion, lo cual les proporciona una ventaja, se benefician de ello y son los primeros en tomar
posiciones y anticiparse a eventos futuros. En este punto, la informacion es asimetrica debido a
que los agentes que participan en el mercado financiero no cuentan con informacion homogenea
(Sanchez, 2001).
El problema es para los participantes del mercado que no tienen la informacion disponible de
forma inmediata, o bien, que no saben procesar la informacion de manera oportuna lo que conlleva
a que asuman las mismas posiciones de los traders que hicieron los primeros movimientos para
beneficiarse del mercado. Lo anterior recibe el nombre de efecto manada; esto ha llevado al
debate de que si el comportamiento de los participantes del mercado que replican las posiciones de
otros traders -que cuentan con informaci
on privilegiada- generan distorsiones en los precios de los
activos (Barber, Odean & Zhu, 2006). Los participantes del mercado que replican las posiciones de
otros se les conoce como noise traders, concepto que se ampliara en la seccion 1.3. De esta forma,
la compra-venta de activos financieros y las variaciones que sufren sus precios se consideran como
el mecanismo de informaci
on que proporciona se
nales al mercado siendo los precios de los activos
el reflejo de dicha informaci
on (Veldkamp, 2006).
El supuesto que ayuda a comprender la creencia de que los precios de los activos revelan toda
la informacion disponible y que adem
as se ajustan rapidamente ante cambios repentinos es que los
6
precios presentan un comportamiento de caminata aleatoria3 .Si los precios de los activos presentan
una caminata o recorrido aleatorio entonces dichos precios son independientes entre s y cuentan
con la misma distribuci
on de probabilidad. A manera de ejemplo, cuando hay un cambio que se
produce en el precio del da t al t + 1, no se encuentra influenciada por el cambio de precio del da
t 1 al t; y los cambios son totalmente impredecibles, por lo tanto, se dice que los precios siguen
un paseo aleatorio (Fama, 1970).
Los paseos aleatorios son procesos estocasticos4 donde se consideran innovaciones independientes
asumiendose que los precios de los activos se ajustan rapidamente al agregar nueva informaci
on.
La ecuaci
on 1 representa lo anterior a traves de una martingala. Sea Zt un proceso estocastico que
sigue una caminata aleatoria si:
t iid(0, 2 )
Zt = + Zt1 + t
(1)
(2)
La ecuaci
on 2 indica que la distribucion de probabilidad del estado en el tiempo t + 1 depende del
estado en el tiempo t(it ) y no depende de los estados por los cuales paso la cadena para llegar a it
en el tiempo t. En una cadena de Markov, el conocimiento de los valores de X0 , . . . , Xn1 no agrega
informaci
on a lo que se espera como valor de Xt+1 si se conoce el valor de Xn .
3
Conocido como random walk en ingles, este proceso muestra la trayectoria que resulta de hacer sucesivos pasos
de manera aleatoria.
4
Una sucesi
on x1 , x2 , ..., xn es un proceso estoc
astico si solo si sus valores no se pueden predecir con exactitud pero
se pueden especificar probabilidades para diversos valores posibles en cualquier momento en el tiempo.
1.1.1.
Eficiencia de mercado
(4)
Figura 1: Hip
otesis de eficiencia de mercado
Fuente: Adaptaci
on de Fama (1970)
(C) Eficiencia fuerte: Este supuesto es el mas robusto ya que sugiere que los precios de los
activos refleja de manera inmediata la nueva informacion. Ademas se asume que los precios de
los activos est
a dados por los cambios de informacion lo cual los hace impredecibles, as que si se
buscaran estrategias de inversi
on de corto plazo para obtener rendimientos estaran condenadas
al fracaso.
Las condiciones para que exista un mercado eficiente seg
un Maya & Torres (2005) son las
siguientes:
a) Ausencia de costos de transacci
on
b) No existen costos por obtener informacion.
c) Todos los participantes del mercado conocen la informacion de los precios de los activos y por
consiguiente, las implicaciones que implica el incluir nueva informacion.
Sin embargo, las condiciones mencionadas anteriormente son difciles de cumplir e incluso si
fueran ciertas no sera suficientes pues si el n
umero traders con informacion disponible aumentara
llegara un punto en el que ninguno de los participantes podra analizar la informacion mejor que
otro (pues conocen lo mismo) y si bien los costos de transaccion son altos, son conocidos y tomados
a consideraci
on de los traders, de tal forma que no se cumplen las condiciones de eficiencia, al menos
en un sentido fuerte de mercado (Maya & Torres, 2005).
Si un mercado fuera eficiente entonces este respondera de manera inmediata a la nueva informacion, sin embargo, la evidencia emprica sugiere que los precios de los activos se ven afectados
9
con mayor velocidad de ajuste dependiendo del tipo de informacion (Lehmann, 1990), lo anterior
se observa en la figura 2.
Sugerir una debil tambien es dudoso, pues implica que no hay posibilidad de obtener mayores
rendimientos, al menos en el largo plazo salvo que se tuviera informacion privilegiada (Garca, Cruz
& Venegas, 2012). Una forma de representar eficiencia debil del mercado se observa en la ecuaci
on
5:
E[xt+1 |x1 , ..., xt ] = xt
(5)
Donde xt se refiere al precio de un activo en el tiempo t, resaltando la ausencia de patrones en
sus precios. Ret
omese la ecuaci
on 1, es decir, la martingala donde las innovaciones son identicas
e independientemente distribuidas, en otras palabras, se supone normalidad en los precios de los
activos y si esto es cierto entonces la hipotesis de eficiencia debil de mercado se comprueba. Sin
embargo, diversos trabajos como los de Mandelbrot (1963), Opanga, Fox & Farahmand (1999), Yeh
& Liao (2001) han aportado evidencia emprica en donde se rechaza dicha hipotesis de eficiencia
debil. Con base a lo anterior, para alcanzar el objetivo de estudio de la presente tesis se asume un
mercado con eficiencia semifuerte, concepto que se desarrolla a continuacion.
1.2.
En la literatura se ha puesto en tela de juicio el concepto de eficiencia del mercado; por un lado
se encuentran quienes sugieren que los precios se ajustan rapidamente ante nueva informacion en el
mercado, como es el caso de Fama (1970) y por otro lado estan quienes indican que los mercados no
siempre logran ser eficientes debido a la existencia de agentes que asumen posiciones por seguir a
10
otros, que consideran, tienen informacion privilegiada. Esto provoca que los activos no incorporan
la informaci
on a sus precios de manera eficiente y por tanto, se dan desequilibrios o se llegan a
formar burbujas especulativas (Shiller, 1984).
Diversos estudios han mostrado evidencia emprica sobre la no eficiencia de mercado en terminos
fuertes como lo son el de Ortiz, Cabello, de Jes
us & Johnson (2005), Darkow & Schiereck (2008),
Roztocki & Weistroffer (2009) por mencionar algunos. A su vez estan quienes aseguran que la
eficiencia de mercado en un sentido debil tampoco es una hipotesis plausible como lo son Mandelbrot
(1963), Opanga et al (1999) Yeh & Liao (2001). Lo anterior conlleva al desarrollo del concepto de
eficiencia semifuerte de mercado.
Retomando una vez m
as a Fama (1970), la eficiencia de mercado semifuerte hace referencia a que
la informaci
on p
ublicamente disponible acerca de los precios de los activos refleja los precios actuales.
De acuerdo con Garca et al (2012), la eficiencia semifuerte hace uso de esperanzas condicionales
tomando en cuenta la informaci
on p
ublica disponible por medio de una filtracion -F- o una filtraci
on
aumenta de la forma Ft,t0 N , es decir, la union de una filtracion con un conjunto nulo.
Definici
on. Sea una filtraci
on a una familia F = Ft,t0 de sigmas algebras tales que Ft F
t .
Sin embargo, el problema radica en la forma en que se procesa la informacion p
ublicamente
disponible por parte de los agentes que participan en el mercado. Si existe incertidumbre en cuanto
a la oferta o demanda de activos en el mercado o se presenta aversion al riesgo sobre otros operadores,
entonces los traders que no est
an bien informados no pueden estar seguros de que los precios reflejan
toda la informaci
on en comparaci
on de los traders que si estan informados (Dow & Rahi, 2003).
Esto conlleva a que los traders que no estan bien informados confundan informacion privilegiada
y tengan incertidumbre en cuanto a otras variables desconocidas. Es precisamente esta incertidumbre
-o ruido- lo que hace posible que aquellos traders que si estan bien informados y que saben procesar
la informaci
on p
ublicamente disponible contenida en los precios de los activos, no puedan ejecutar
sus operaciones de manera oportuna, revelando ademas su informacion al mercado dadas las acciones
de compra -venta que hacen (Dow & Rahi, 2003).
Un par de trabajos que comenzaron a estudiar a los noise traders -tambien conocidos como
liquidy traders-, es decir, a los operadores de mercado que no act
uan de forma estrategica sino
que siguen los movimientos de los traders que tienen informacion privilegiada fueron los de Kyle
(1985) y Glosten & Milgrom (1985); en ambos trabajos se sugiere que una posible causa de que los
noise traders act
uen como tal se debe al proceso de compra-venta de activos. Considerese que para
hacer una transacci
on en el mercado financiero se requiere de un intermediario que para el caso
del presente trabajo se le denomina broker y a la accion de comprar o vender se le llama orden de
compra u orden de venta seg
un sea el caso.
11
Seg
un Kyle (1985) y Glosten & Milgrom (1985), el broker, quien recibe las ordenes de compraventa de los traders, detecta que al menos una de ellas contiene informacion superior. El broker debe
distinguir entre los agentes que tienen informacion privilegiada y los noise traders, sin embargo, estos
operadores ruidoso crean el efecto manada pues reaccionan en cadena dadas las ordenes de los
traders privilegiados provocando en primera instancia, se
nales en el mercado debido a las acciones
conjuntas de losnoise traders y segunda, se pueden obtener nuevos precios de equilibrio dada la
reaccion.
1.2.1.
An
alisis t
ecnico: formaci
on de precios y patrones
Considerando la hip
otesis de que los mercados no siempre son eficientes y que los agentes pueden
sacar provecho de ello, la literatura destaca dos herramientas para estimar las condiciones que
permiten obtener beneficios en el mercado, dichas herramientas son: el analisis tecnico y el analisis
fundamental. La primera se caracteriza por la identificacion de patrones recurrentes y parcialmente
predecibles sobre el precio de los activos. Asimismo, se considera que el analisis tecnico representa
una forma de negaci
on de la eficiencia debil del mercado (Veldkamp, 2006).
Por otro lado se encuentra el an
alisis fundamental la cual toma en consideracion el monitoreo de
variables macroecon
omicas relevantes como crecimiento economico, expectativas de tasa de interes y
dividendos de las empresas por mencionar algunas. Vale la pena aclarar que el analisis fundamental
niega la eficiencia de mercado en su forma semifuerte (Veldkamp, 2006).
Visto de otra forma, el an
alisis fundamental se apoya en el estudio cuantitativo del comportamiento de variables y relaciones econ
omico-financieras que impactan en los precios; el analisis
tecnico, asociado al reconocimiento visual de patrones, se refiere al intento por predecir los precios
futuros a partir de an
alisis de su comportamiento historico. Por lo tanto, el analisis tecnico utiliza
las herramientas de la geometra y el reconocimiento de patrones, que a su vez se sustenta en el
analisis matematico, la probabilidad y la estadstica.
Diversos estudios, entre los que destaca el de Lo, Mamaysky y Wang (2000) han argumentado
que la diferencia entre el an
alisis fundamental y el analisis tecnico es similar a la diferencia entre la
astronoma y la astrologa o bien que el analisis tecnico se debera clasificar en el mismo apartado
que la alquimia; incluso para algunos el analisis tecnico se conoce como las finanzas vud
u. No
obstante lo anterior, tambien existe evidencia en la literatura que asegura que a pesar de los metodos
utilizados por el an
alisis tecnico este puede ser un medio eficaz para la extraccion de informaci
on
u
til para la toma de decisiones, en particular poder predecir precios futuros a partir de los precios
historicos de mercado.
Se puede aplicar la tecnica del an
alisis tecnico a un activo en particular siempre y cuando existan
precios historicos de apertura y cierres correspondientes, as como sus valores maximo y mnimo
12
durante su cotizaci
on pues esto es lo que permite la formacion de figuras representadas mediante
un grafico que a la vez permite la deteccion de patrones.
Si bien es cierto que el an
alisis tecnico se basa en la existencia de patrones de tendencias
de precios, tambien asume que una vez que tales patrones han sido identificados por los agentes
economicos y ante sus intentos de obtener beneficios de ese conocimiento, sus acciones afectan el
comportamiento de los precios, logrando nuevos niveles de equilibrio (Vukovic, Grubisic y Zoran,
2012). Si a lo anterior se le a
nade el movimiento en los precios que generan los denominadosnoise
traders, dicho comportamiento de precios, por lo general se reflejada en una mayor volatilidad.
Autores como Geweke & Whiteman (2006) sugieren que el complemento del analisis tecnico
involucra informaci
on de primera mano, corazonadas, modelos formales, entre otros. Para poder
enunciar el curso probable de los acontecimientos futuros, en terminos tecnicos, se esta condicionado a lo que se conoce para poder decir algo acerca del futuro. Para este tipo de problemas la
aproximaci
on bayesiana como una forma de hacer inferencia as como para tomar decisiones y pronosticar envuelve condiciones en lo que es conocido para elaborar enunciados acerca de lo que no
es conocido.
La aproximaci
on bayesiana ha sido utilizada para predecir los valores futuros de datos econ
omicos en series de tiempo condicionado a lo que se sabe sobre un fenomeno economico, el uso de la
informaci
on previa es la caracterstica mas sobresaliente de la metodologa bayesiana y consiste en
especificar por completo lo que se conoce y lo que no se conoce y despues, asignar probabilidades
con base a lo conocido acerca de lo que es desconocido (Geweke & Whiteman, 2006). El apartado
del teorema de Bayes se revisar
a con detenimiento en el apartado metodologico, continuando con
la secuencia del trabajo, se procede a desarrollar el captulo de analisis tecnico, esencial para comprender el comportamiento de los precios representados en velas que posteriormente seran la base
para la formaci
on de patrones de la variable de estudio.
Con base a lo anterior, el objetivo de la presente investigacion es: analizar la secuencia de
formaciones vistas desde la perspectiva de la identificacion de patrones que se encuentran en la
trayectoria del tipo de cambio. La hipotesis a probar es que, si los agentes economicos presentan
expectativas similares entonces se formaran patrones de precios de mercado repetitivos, y por tanto,
parcialmente predecibles.
A partir de las figuras que forman los precios del tipo de cambio y bajo el supuesto de que
los precios contienen toda la informacion disponible, la pregunta principal se plantea de la siguiente manera: es posible identificar las expectativas que tienen los agentes economicos a traves de
patrones de precios de mercado?; a su vez se derivan dos preguntas secundarias que son:
(1) Es posible dise
nar una estrategia de trading de corto plazo a partir de la formacion de patrones?
(2) Cuales son los patrones que tienen mayor recurrencia tipo de cambio?
13
14
A LOS GRAFICOS
CAPITULO 2. ANALISIS
TECNICO:
INTRODUCCION
DE VELAS
El siguiente captulo tiene como proposito brindar una descripcion amplia del uso del an
alisis
tecnico, en especfico de los gr
aficos de velas (candlesticks) que son la esencia para la identificaci
on
de patrones a traves de los precios; se describen los inicios del analisis tecnico con la teora de Dow
lo cual da pie a la descripci
on y formacion de figuras, conocidas popularmente como velas en el
lenguaje del an
alisis tecnico.
El uso de la identificaci
on de patrones se basa en el comportamiento del precio y la manera en
como este replica comportamientos en el mercado previamente observados. Sin embargo, lo anterior
no implica la existencia de indicadores claros y simples para efectuar una compra o una venta. Estas
formaciones o identificaci
on de patrones sirven como se
nales de compra-venta para los traders, pero
el peso de estas se
nales debe ponderarse con cuidado pues lo que puede parecer una evidente se
nal
de compra o de venta puede llegar a ser una se
nal espuria. De aqu la importancia del presente
captulo donde se muestra la informacion que provee a priori una vela dado el comportamiento del
activo.
15
2.1.
Surgimiento del an
alisis t
ecnico: Teora de Dow
En el siglo XVII, los japoneses empezaron a utilizar el denominado analisis tecnico para la
comercializacion del arroz. Si bien esta primera version del analisis tecnico difiere de la versi
on
estadounidense atribuida a Charles Dow en 1990, muchos de los principios eran similares (Murphy,
1999) los cuales se mencionan a continuacion:
a) El precio de la acci
on del precio es m
as importante que el que, es decir, a las noticias referentes
al precio de las acciones o a las ganancias que reportan las empresas que cotizan en la bolsa por
mencionar un par de ejemplos.
b) Toda la informaci
on conocida se encuentra en el precio.
c) Tanto compradores como vendedores mueven los mercados basados en sus expectativas y emociones, por lo general, dichas emociones se relacionan al miedo y/o la codicia.
d) Los mercados cambian constantemente, es decir, fluct
uan.
e) El precio actual -tambien conocido como precio real- puede no reflejar el valor subyacente.
Los graficos de velas, que es la representacion mas utilizada en el analisis tecnico (Murris, 2006),
aparecieron por primera vez en 1850. Gran parte del credito en cuanto al desarrollo de graficos de
velas se le atribuye a un comerciante de arroz llamado Homma. De acuerdo con Achelis (2000) sus
ideas fueron modificadas y perfeccionadas a lo largo de muchos a
nos de negociacion para finalmente
culminar en el sistema de gr
aficos de velas que se utilizan en la actualidad atribuyendosele a Charles
Dow como el pionero del an
alisis tecnico en Estados Unidos (Romeu & Serajuddin, 2001), de ah que
surja la teora de Dow como un principio basico del analisis tecnico.
2.1.1.
Teora de Dow
16
Considerese que lo que es evidente para un agente no lo es para otro aunado al papel de los especuladores para
aprovechar la informaci
on disponible.
17
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
18
las tendencias menores son los movimientos a corto plazo que duran desde un da hasta tres semanas,
por lo general, las tendencias est
an compuestas por una serie de tendencias menores. Para observar lo
anterior se presenta la figura 4 donde se observa el comportamiento del tipo de cambio interbancario
durante el periodo comprendido entre enero de 2001 y abril de 2001.
Rhea (1994) indica que una vez identificada la tendencia principal esta se mantendr
a hasta
demostrar lo opuesto, cabe destacar que tanto la longitud como la duracion de la tendencias se
consideran, en su mayora, indeterminables -a pesar de las herramientas disponibles- pero con base
al analisis de tendencias se puede aproximar. En el caso de la figura 4, se detecta una tendencia
principal bajista corregida por una tendencia secundaria; cuando tenemos un mercado bajista,
se denominan a los movimientos secundarios como rallies 7 que en este ejemplo se caracterizan
por arrojar nuevos m
aximos (lneas punteadas) mes con mes pero manteniendose en la tendencia
principal, es decir, como el nuevo precio maximo no esta por encima del registrado en enero de 2001,
los traders pueden confirmar la validez del rally dentro de una tendencia principal bajista.
Finalmente se tiene la tendencia misma que se caracteriza por durar menos de tres semanas
(Rhea, 1994); la tendencia menor suele tener una direccion opuesta a la secundaria ya que a su
vez corrige a dicha tendencia. Sin embargo, Rhea (1994) destaca el cuidado que se debe tener con
la tendencia menor pues si bien es importante esta puede conducir a comprar o vender de forma
irracional cuando no se tiene en cuenta el panorama de la tendencia secundaria y principal debido
a la presencia de comportamientos de alta volatilidad de los activos durante el corto plazo.
(C) Las tendencias principales tienen tres fases
La teora de Dow sugiere que las tendencias a su vez constan de tres fases dependiendo de si el
mercado se encuentra a la baja a al alza. Cuando se trata de un mercado alcista la primera fase
es la acumulaci
on que se caracteriza por el nivel de escepticismo de que habra una tendencia
alcista pero una vez que se confirman las tendencias secundarias algunos traders deciden empezar
acumular activos considerando que la direccion de la tendencia se mantendra; la segunda fase se le
denota como gran movimiento debido a que mas agentes -sobre todo los noise traders- participan
en el mercado al observar que los traders acumulan activos aprovechando la tendencia de tal forma
que se llega a la tercera fase tercera donde la especulacion excesiva se hace presente presionado los
precios de los activos.
Un efecto similar se produce cuando se tiene un mercado a la baja: la primera fase se le llama
distribuci
on donde los traders comienzan a vender sus activos debido al escepticismo a la presencia
de una tendencia bajista confirmada por sus tendencias secundarias, la segunda fase, al igual que
en mercado alcista, se le denomina gran movimiento y se caracteriza por la incorporacion de m
as
agentes que venden sus activos provocando que el precio de estos mismos se deteriore m
as para
7
Cuando se trata de un mercado alcista, se denominan a los movimientos secundarios como correcciones.
19
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
20
Figura 5: Confirmaci
on de tendencias mediante uso de promedios
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
22
Figura 6: Se
nales de reversi
on con techos y suelos
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
mayor y un precio mnimo menor a los que se venan registrando. Lo contrario es cierto en caso
de una tendencia a la baja. Una forma de observar lo anterior es mediante el uso de techos y suelos,
es decir, mediante bandas de confianza que permiten agrupar comportamientos de los precios de tal
forma que se puede visualizar el momento en el que sale de las bandas de confianza y seguir cierta
tendencia, la figura 6 muestra el uso de techos y suelos para el tipo de cambio interbancario durante
el periodo comprendido entre julio y agosto de 2013.
La figura 6 muestra, en su versi
on mas simple, el uso de un Techo y un Suelo (ya que se pueden
formar dobles y triples Techos y Suelos) donde se aglomeran los precios oscilando relativamente en
un mismo intervalo, es este caso entre 12.6 y 12.8 pesos. Cuando los precios representados por las
velas se salen de del techo o del suelo preestablecido se puede atribuir como una se
nal de reversi
on
de tendencia. Claro est
a que es necesario analizar los supuestos anteriores que se han mencionado
respecto a la teora de Dow para confirmar dicho cambio de direccion.
Como se ha ejemplificado, las tecnicas sugeridas por la teora de Dow basan su analisis en el
comportamiento gr
afico de los activos, especficamente, en el comportamiento de los gr
aficos de
velas pues en funci
on de las figuras que forman los precios durante una sesion se puede conocer
informaci
on acerca del comportamiento del mercado. A continuacion, se describe como se forman
dichas figuras as como su clasificacion.
23
Figura 7: Formaci
on de velas
Fuente: Elaboraci
on propia con base en Achelis (2000).
2.2.
Formaci
on y tipo de velas
Para crear un gr
afico de velas, es necesario contar con un conjunto de datos que contiene los
precios de apertura, m
aximo, mnimo y cierre de cada perodo de tiempo que se desea graficar. La
parte vaca o llena de la vela se llama cuerpo (tambien conocido como cuerpo real). Las lneas
sobre y debajo del cuerpo representan el rango maximo mnimo y se llaman sombras, mechas o
colas (Achelis, 2000).
En comparaci
on con los gr
aficos de barras tradicionales, se considera que los graficos de velas
son mas atractivos y m
as f
aciles de interpretar debido a la relacion que muestran entre apertura,
maximo, mnimo y cierre, es decir, cada vela proporciona una imagen del comportamiento del precio
de un activo. De acuerdo con la figura 7, las velas vacas o alcistas, donde el cierre es mayor que la
apertura, indican presi
on de compra; velas llenas o bajistas, donde el cierre es inferior a la apertura,
indican presion de venta (McDonald, 2002).
Con base en la figura 7 el precio m
aximo esta representado por la parte superior de la sombra y
el precio mnimo por la parte inferior de la sombra. Si el precio de un activo cierra por encima de su
precio de apertura, se forma una vela hueca o vaca. Este tipo de velas tambien son catalogadas
24
Figura 8: Ejemplo de gr
afico de velas para el tipo de cambio interbancario.
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
como alcistas (bullish); en cambio, si el precio de un activo cierra por debajo de su precio de apertura, se dibuja una vela llena mismas que se consideran como velas bajistas (bearish).Tomando
en cuenta lo anterior, la figura 8 muestra un grafico de velas para la variable de estudio del presente
trabajo durante el primer trimestre de 1995.
La figura 8 muestra un gr
afico para el tipo de cambio interbancario donde se pueden observar
diferentes tipos de velas. Como se menciono anteriormente, las velas se forman respecto al comportamiento de sus precios (apertura, maximo, mnimo y cierre) y estas son llenas o vacas en funci
on
de la posici
on del precio de apertura y cierre. En este punto conviene resaltar que las velas no
necesariamente tienen que ser blancas o negras, el color puede depender de la configuracion predeterminada del software de consulta o de las preferencias de personalizacion del interesado, lo que
debe de quedar claro es la identificacion de velas alcistas y bajistas.
Dado el comportamiento de los precios se pueden formar diferentes tipos de velas y cada vela
representa una se
nal de mercado diferente (Morris, 2006). Asimismo, la combinacion de dos o m
as
25
Fuente: Adaptaci
on de Bulkowski (2000).
velas pueden sugerir patrones de comportamiento de un activo lo cual confirma -con un determinado
nivel de confianza- una posici
on de compra o venta. Con la finalidad de comprender las se
nales que
cada vela puede proporcionar, se procede a explicar los tipos de velas que se pueden encontrar en
un grafico de velas.
2.2.1.
Las velas pueden presentar cuerpos largos o cortos; entre mas largo es el cuerpo, mas fuerte
sera la presion de compra o de venta. Por el contrario, velas cortas indican poco movimiento de
precios (McDonald, 2002) tal como se muestra en la figura 9.
Velas vacas con cuerpos largos indican fuertes presiones de compra, cuanto mas larga es la vela
mas lejos estara el precio de cierre por encima al de apertura. Esto indica que los precios avanzaron
significativamente de la apertura al cierre y los compradores mostraron posturas agresivas. Si bien
las velas vacas largas sugieren tendencias alcistas, mucho depende de su posicion dentro del grafico
de velas. Despues de descensos prolongados, las velas vacas largas pueden marcar un punto de
inflexion potencial o nivel de soporte8 . Si la compra del activo es demasiado agresiva, se puede
considerar como una se
nal de exceso de optimismo (McDonald, 2002).
Por su parte, las velas llenas que presentan cuerpos largos observan una fuerte presion de venta.
Mientras mas largo es el cuerpo m
as lejos estara el precio de cierre por debajo de la apertura.
Esto indica que los precios disminuyeron significativamente desde la apertura y los vendedores se
comportaron de forma agresiva. Despues de ascensos prolongados, una vela llena con cuerpo largo
puede presagiar un punto de inflexi
on o sugerir un nivel de resistencia9 . Si se observan fuertes cadas
en los precios acompa
nados de velas llenas se puede considerar como una se
nal de panico (Bulkowski,
2000). En la figura 10 se presenta un gr
afico de velas donde se distinguen las velas largas de las
8
9
Un nivel de soporte es la resistencia que presenta el precio de un activo ante una tendencia a la baja pronunciada.
Se refiere a la resistencia que presenta el precio de un activo ante una tendencia al alza pronunciada.
26
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
10
La selecci
on de las fechas se hace de manera aleatoria.
27
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
28
Fuente: Adaptaci
on de McDonald (2002).
2.2.2.
Tanto la cola superior como la inferior de las velas proporcionan informacion acerca de la sesi
on
de compra-venta de un activo. La cola superior representa el precio maximo que alcanza un activo
durante la sesi
on y la cola inferior representa el precio mnimo que registra el activo durante la
sesion. Velas con colas cortas indican que la mayor parte de la fluctuacion del precio oscilaba entre
el precio de apertura y cierre durante la sesion; velas con colas largas muestran que los precios se
extienden m
as all
a de la apertura y cierre durante la sesion (McDonald, 2002). La figura 12 muestra
velas que presentan colas largas.
Velas con colas superiores largas y cola inferior indican que los compradores dominaron durante la
sesion, posteriormente, los vendedores ejercen presion para bajar el precio formando la cola inferior
para finalmente terminar la sesi
on con un cierre menor que el precio de apertura. Lo opuesto
sucede con las velas que tienen colas inferiores largas y colas superiores cortas, en este caso los
vendedores dominan la sesi
on provocando una disminucion en el precio de un activo, posteriormente
los compradores ejercen presi
on para subir el precio formando la cola superior y finalmente, terminar
la sesion con un precio de cierre por encima de la apertura (Bulkowski, 2000). En la figura 13 se
pueden observar velas con mechas largas el periodo comprendido entre marzo y abril de 2003.
Tambien se puede dar el caso en el que el cuerpo se encuentre a la mitad y presente cola superior
e inferior largas siendo su tama
no virtualmente iguales, esta vela en particular recibe el nombre de
Spinning Tops. Ret
omese que las sombras largas representan presiones de compra o venta; cabe
destacar que los Spinning Tops representan indecision por parte de los traders. El cuerpo peque
no
(ya sea vaco o lleno) muestra poco movimiento entre el precio de apertura y de cierre; asimismo, las
mechas indican que compradores como vendedores estuvieron activos durante la sesion. La figura
14 muestra un Spinning Top.
Si bien la cotizaci
on abri
o y cerr
o con pocos cambios, los precios se movieron significativamente
durante la sesi
on. Finalmente, ni los compradores ni los vendedores pudieron dominar y el resultado
se refleja en un Spinning Top .Despues de un largo avance o ante la aparicion de una vela vaca larga,
29
Figura 13: Presencia de velas con colas largas en el tipo de cambio interbancario entre
marzo y abril de 2003.
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
Fuente: Adaptaci
on de Achelis (2000).
30
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
un Spinning Top indica debilidad entre los compradores y un cambio potencial o interrupci
on en la
tendencia; por su parte, tras un descenso o ante la aparicion de una vela llena larga, un Spinning
Top sugiere debilidad entre los vendedores y un cambio potencial o interrupcion en la tendencia.
La figura 15 muestra la presencia de un Spinning Top para el tipo de cambio interbancario durante
el 5 de abril de 2005.
31
Fuente: Adaptaci
on de Achelis (2000).
2.2.3.
Las velas tipo Doji se forman cuando se el precio de apertura y de cierre son iguales o muy
cercanos. La longitud de las colas superior e inferior puede variar y la vela resultante presenta la
forma de una cruz, cruz invertida o signo de mas. El Doji por si solo se considera como un patr
on
neutral. Cualquier sesgo hacia la alza o a la baja se basa en la figura o vela anterior y confirmaci
on
futura, es decir, el asumir que la siguiente vela se comportara de determinada forma. La figura 16
muestra diferentes tipos de Doji :
De acuerdo con Murphy (1999) un Doji con el mismo precio de apertura y cierre se considerara
robusto en el sentido de que no se presentan presiones sobre los precios en las transacciones de
compra-venta, aunque lo m
as importante al momento de que se presenta un Doji o cualquier tipo
de vela que sugieren reversiones de tendencia y/o incertidumbre, es necesario observar la figura
anterior y la confirmaci
on de la siguiente vela. Las velas tipos Doji transmiten una se
nal de indecisi
on
entre compradores y vendedores. Los precios oscilan por encima y por debajo del nivel de apertura
durante la sesion pero cerca de dicho nivel para el caso de los tres primeros Doji en forma de cruz
representados por la figura 16; el u
ltimo par de Doji muestran oscilaciones mas pronunciadas, sin
embargo, el precio de apertura termina siendo -al menos virtualmente- igual al de cierre al final de
la sesion.
Conviene resaltar que existen diversos criterios para determinar la robustez de un Doji como lo
son el precio, su volatilidad reciente y velas anteriores (Murphy, 1999). En comparacion con otro
tipo de velas, el Doji presenta un cuerpo muy peque
no tal que parece una lnea delgada; un Doji
que se forma entre otras velas con cuerpos reales peque
nos no se considera importante; sin embargo,
un Doji que se forma entre velas con cuerpos reales largos se considerara significativa. La figura 17
muestra la formaci
on de velas tipo Doji para los meses enero y febrero de 2009 de la variable de
estudio.
Uno de los componentes relevantes para obtener informacion veraz de un Doji es la tendencia o,
como se haba mencionado con anterioridad, la observacion de las velas pasadas y la confirmaci
on
32
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
33
Fuente: Adaptaci
on de Bulkowski (2000).
de la vela que le sigue al Doji -por s solos no son suficientes para marcar un cambio de tendencia-.
Bulkowski (2000) sugiere que despues de una tendencia alcista o una vela larga vaca, la aparici
on
de un Doji muestra se
nales de que la presion de compra esta empezando a debilitarse; asimismo,
tras una tendencia a la baja o una vela larga llena, un Doji sugiere que la presion de los vendedores
comienza a desvanecerse. Los Doji a su vez indican que las fuerzas de la oferta y la demanda comienzan a igualarse y un cambio de tendencia puede estar cerca. La figura 18 muestra la combinaci
on
de una vela larga vaca con un Doji.
Para el caso de la figura 18, el Doji despues de la vela larga vaca indica que las presiones de
compra pueden ir disminuyendo y la tendencia alcista podra estar acercandose a su fin. Por lo
tanto, un Doji puede ser m
as significativo despues de una tendencia alcista o una vela larga vaca.
Por otro lado, tras una disminuci
on o una vela larga llena, un Doji indica que la presion de venta
puede estar disminuyendo y la tendencia haca la baja podra estar llegando a su fin. A pesar de
que los vendedores est
an empezando a perder el control de la cada, se requiere mas informaci
on
para confirmar cualquier reversi
on, en este caso, se esperara una vela larga vaca despues del Doji
(Bulkowski, 2000). La figura 19 muestra la combinacion de una vela larga llena seguido de un Doji
para el mes de enero de 2009.
Continuando con los tipos de Doji, tambien se encuentran los Doji con sombras largas que, como
su nombre lo indica, presentan colas superior e inferior prolongados con casi la misma longitud. Este
tipo de Doji reflejan indecisi
on en el mercado, en este caso, la oscilacion de los precios estan muy
por encima y por debajo del nivel de apertura de la sesion, pero cierran practicamente al mismo
nivel de apertura. La figura 20 muestra los Doji con sombras largas.
Para concluir con los tipos de Doji, se describen los Doji tipo Dragon Fly y Gravestone. Los
Dragon Fly Doji se forman cuando la apertura, el maximo y el cierre son iguales y precio mnimo
se ve reflejado por una larga sombra inferior y sin sombra superior. La vela resultante se parece a
una T. Dragon Fly Doji indica que los vendedores dominaron la sesion presionando el precio a la
34
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
35
Fuente: Adaptaci
on de Achelis (2000).
Fuente: Adaptaci
on de Achelis (2000).
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
37
Fuente: Adaptaci
on de Murphy (1999).
2.2.4.
Velas de reversi
on: Hammer, Hanging Man, Inverted Hammer y Shooting Star
Existen dos pares de velas denominadas de reversion que se caracterizan por tener un cuerpo
real peque
no, una sola cola larga y una cola corta o inexistente. Generalmente, la longitud de la
cola larga debe ser al menos dos veces m
as grande al cuerpo real, que puede ser vaco o lleno.
El primer par: Hammer y Hanging Man, son velas identicas con cuerpos peque
nos y colas
inferiores largas; el segundo par de velas: Shooting Star e Inverted Hammer, tambien son identicos
y con cuerpos peque
nos, solo que en este caso las colas superiores son largas. Solo la vela anterior
y la confirmacion adicional de la siguiente vela ayudan a determinar la naturaleza alcista o bajista
de dichas velas (Murphy, 1999; McDonald, 2002; Morris, 2006). El Hammer e Inverted Hammer
tras una tendencia a la baja, son se
nal de reversion de tendencia alcista; las velas Shooting Star y
Hanging Man tras una tendencia a la alza, son patrones de reversion de tendencia a la baja. La
figura 23 muestra un Hammer y un Hanging Man.
El Hammer y Hanging Man se ven exactamente iguales, pero tienen diferentes implicaciones
dependiendo de la posici
on del precio de apertura y el cierre. Ambos tienen cuerpos reales peque
nos
(sea una vela vaca o llena), colas largas inferiores y colas superiores cortas o inexistentes. Al igual
que con la mayora de las formaciones individuales y dobles, la interpretacion del Hammer y Hanging
Man requieren el an
alisis de la vela anterior y la confirmacion de la siguiente figura. La figura 24
ejemplifica un Hammer y un Hanging Man para el mes de abril de 2006 en el tipo de cambio
interbancario.
El Hammer es un patr
on de reversi
on alcista que se forma despues de una cada. Adem
as
de un posible cambio de tendencia, la presencia de Hammers pueden suponer niveles de soporte;
como se mencion
o anteriormente, tras una cada en el precio de un activo, los Hammers se
nalan un
38
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
39
Fuente: Adaptaci
on de Murphy (1999).
resurgimiento hacia la alza. La cola larga inferior implica que los vendedores mantuvieron los precios
mas bajos durante la sesi
on; sin embargo, al final de la negociacion los compradores ejercen suficiente
presion para subir los precios. Si bien esto puede parecer suficiente para empezar a comprar, los
Hammers requieren confirmaci
on alcista.
Respecto al Hanging Man, se considera un patron de reversion a la baja que tambien puede
indicar niveles de resistencia. Despues de una tendencia a la alza, la presencia de un Hanging Man
indica que la presi
on de venta est
a comenzando a aumentar; su larga cola inferior confirma que los
vendedores ejercieron presi
on sobre los precios durante la sesion. A pesar de que los compradores
logran elevar los precios al final de la negociacion, la se
nal de un cambio a la alza debe confirmarse
por la siguiente figura.
El siguiente par, es decir, el Inverted Hammer y la Shooting Star tambien se ven iguales, pero su
diferencia radica en la posici
on del precio de apertura y cierre. Ambos tienen cuerpos peque
nos reales
(sea llena o vaca), colas superiores largas y colas inferiores peque
nas o inexistentes. Estos tipos de
velas marcan potenciales reversiones de tendencia, pero requieren confirmacion de la siguiente vela.
La figura 25 muestra un Inverted Hammer y una Shooting Star.
La Shooting Star es un patr
on de reversion a la baja que se forma despues de un avance. Una
Shooting Star puede marcar cambios de tendencia o nivel de resistencia. Este tipo de vela se forma
cuando los precios se mantienen altos en la sesion pero al cierre, la presion de los vendedores provoca
que el precio vuelva a caer. Para indicar una reversion sustancial, la cola superior debe ser larga y
su longitud debe ser por lo menos 2 veces mas grande que el cuerpo real. Se requiere confirmaci
on
hacia la baja despues de la Shooting Star para asumir el cambio de tendencia (Murphy, 1999).
La figura 26 muestra la presencia de un Inverted Hammer y un Shooting Star para la variable de
estudio de la presente investigaci
on.
En lo que refiere al Inverted Hammer, dicha vela se ve exactamente como una Shooting Star,
40
Figura 26: Presencia de una vela Shooting Star para el tipo de cambio interbancario
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
41
Fuente: Adaptaci
on de Morris (2006).
pero su clasificaci
on depende de la posicion del precio de apertura y de cierre. Inverted Hammer
representan un potencial cambio de tendencia o de los niveles de soporte. Despues de una cada, la
larga sombra superior indica la presi
on de compra durante la sesion, sin embargo, los compradores
no fueron capaces de mantener dicha presion y los precios cerraron distantes del maximo para crear
una cola superior larga.
2.2.5.
Una vela que presenta una brecha o distancia notoria previa a otra vela se dice que esta en
posicion Star. Por lo general, la primera vela presenta un cuerpo real grande -aunque a veces
esto no ocurre- y la segunda vela tiene un cuerpo real peque
no. Dependiendo de la vela anterior,
las posiciones Star presentan una brecha hacia arriba o hacia abajo y aparece aislada del precio
anterior. Las dos velas pueden ser cualquier combinacion de llenas y vacas. La figura 27 muestra
dos velas en posici
on Star.
Por otro lado, la posici
on Harami 11 se forma cuando una vela se encuentra dentro del cuerpo
real de la vela anterior. La primera vela por lo general tiene un cuerpo real grande y la segunda
tiene un cuerpo real m
as peque
no. La figura 28 ejemplifica la presencia de una posicion Star con
brecha hacia arriba y hacia abajo durante el mes de marzo de 1995 para la variable de estudio.
En la figura 28 se observa la posici
on Harami donde simultaneamente se distingue una brecha
hacia arriba y posteriormente una brecha hacia abajo, en este caso la posicion Harami marca un
11
Harami significa embarazada en japones, de ah que se le de este nombre pues hace alusi
on a la segunda vela la
cual se encuentra dentro de una vela anterior (Morris, 2006).
42
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
43
Fuente: Adaptaci
on de Morris (2006).
2.2.6.
Una manera de formar patrones con las velas a traves de la mezcla de ellas. A manera de
ejemplo, si se combinan dos velas se puede formar tentativamente la vela que sigue. Droke (2001,
2002) sugiere que la mezcla correcta para formar un patron -considerando dos velas- es ubicando la
posicion de los precios. La figura 30 muestra la mezcla para formar un patron tomando en cuenta
dos velas. Los pasos para formar el patr
on bajo el enfoque de Droke (2001, 2002) es el siguiente:
a) La apertura de la primera vela
b) El cierre de la u
ltima vela
c) El maximo y el mnimo de la vela
2.3.
Informaci
on que proporcionan las velas
Las velas representan una especie de batalla entre compradores y vendedores durante la sesi
on
de trading. Si bien se han mencionado distintos tipos de velas y lo que representan, vale la pena
distinguir seis tipos de indicadores que, a pesar de que en un grafico de velas podemos encontrar
diferentes tipos de figuras, se pueden generalizar conforme a la figura 31.
44
Fuente: Adaptaci
on de Droke (2001).
Figura 31: Se
nales que revelan las velas.
Fuente: Adaptaci
on de McDonald (2002).
45
1. Las velas vacas largas indican que los compradores ejercen mayor presion durante el periodo
en el que se forma la vela provocando que el precio de cierre sea considerablemente superior
al precio de apertura.
2. En contraparte, las velas llenas largas indican que los vendedores ejercen mayor presion durante
el periodo en el que se forma la vela provocando que el precio de apertura sea considerablemente superior al precio de cierre.
3. Las velas con cuerpos y colas peque
nas sugieren que no hay presion dominante ni de compradores ni de vendedores; se asume una posicion de espera por ambas partes dado un momento
de incertidumbre.
4. Las colas inferiores largas con cuerpos peque
nos en la parte superior indican que los vendedores
dominan durante la mayor parte de la sesion; sin embargo, antes del cierre los compradores
ejercen una presi
on considerable provocando que el precio del activo vuelva a subir reflejandose
en los cuerpos peque
nos en la parte superior de la vela.
5. Por su parte, las colas superior largas con cuerpos peque
nos en la parte inferior indican que
los compradores dominan durante la mayor parte de la sesion; sin embargo, antes del cierre
los vendedores ejercen una presi
on considerable provocando que el precio del activo vuelva a
bajar reflej
andose en los cuerpos peque
nos en la parte inferior de la vela.
6. La aparici
on de este tipo de velas sugiere que durante la sesion se observaron tanto dominio
de compradores como de los vendedores pero al final los precios de apertura y cierre quedan
relativamente cerca formando un cuerpo peque
no en el centro de la vela.
Si bien las velas por si solas proveen informacion relevante, existen algunos aspectos que no se
pueden apreciar a partir de la formaci
on de las velas. De acuerdo con McDonald (2002), las velas
no reflejan la secuencia de eventos entre la apertura y el cierre, es decir, solo se puede observar la
relacion entre la apertura y el cierre; el precio maximo y mnimo se consideran obvios e indiscutibles,
pero la vela por s misma no puede indicar cual fue primero, es decir, el orden de las fluctuaciones
durante la sesion.
Por ejemplo, ante la presencia de una vela larga vaca, se puede suponer que el precio del activo
presento un aumento durante la sesi
on; sin embargo, basado en la secuencia del maximo y el mnimo
la sesion pudo haber sido vol
atil (McDonald, 2002). La figura 32 representa a dos posibles secuencias
de maximo-mnimo que formaran la misma vela.
La primera secuencia muestra dos peque
nos movimientos (de apertura a 1 y de 2 a cierre) y uno
grande (de 1 a 2): una peque
na disminuci
on en la apertura forma el mnimo, posteriormente existe
un avance sostenido para formar el m
aximo, y una peque
na disminucion donde finalmente se da el
precio de cierre. La segunda secuencia muestra tres movimientos mas fuertes: primero se presenta
46
Fuente: Adaptaci
on de Bulkowski (2000).
un fuerte avance entre la apertura y el maximo seguido de un fuerte descenso para formar el mnimo
y finalmente, otro avance sostenido para formar el precio de cierre. La primera secuencia sugiere
fuertes presiones de compra y se asume una tendencia a la alza; la segunda secuencia refleja mayor
volatilidad y presiones de venta. Estos son solo dos ejemplos, y existen cientos de combinaciones
posibles que podran resultar en la misma vela (Bulkowski, 2000).
De acuerdo con Morris (2006), para que una vela pueda distinguirse como un patron de reversi
on,
debe existir una tendencia definida: reversion hacia la alza requiere una tendencia a la baja anterior
y reversiones a la baja requieren una tendencia alcista previa. La direccion de la tendencia se puede
determinar utilizando lneas de tendencia, promedios, osciladores, estocasticos u otras herramientas
del analisis tecnico que se describir
an mas adelante.
Vale la pena destacar que una tendencia a la baja podra existir siempre y cuando el precio
del activo se negocie por debajo de su lnea de tendencia a la baja; la longitud y la duraci
on de
la tendencia no se pueden determinar pero considerando los fundamentos de la teora de Dow, es
posible analizar hacia donde se dirigen la tendencia principal aunada a las correcciones o rallies de
la tendencia secundaria y las distorsiones de la tendencias menores. Sin embargo, como el an
alisis
tecnico se considera como un estudio de corto plazo, autores como Morris (2006) y Murphy (1999)
aconsejan tomar de 1 a 4 semanas para analizar los precios de los activos representados por gr
aficos
de velas, aunque bien se pueden tomar periodos de meses o incluso mas de un a
no con la finalidad
de identificar la evoluci
on del activo de interes.
Las velas ofrecen informaci
on valiosa sobre las posiciones relativas entre los precios de apertura,
maximo, mnimo y cierre. Sin embargo, la manera en como se da la interaccion de compra-venta de
un activo vara la formaci
on de una vela, de ah que sea relevante contar con herramientas auxiliares
47
48
49
3.1.
Indicadores y osciladores
Se definen a los indicadores tecnicos como una serie de datos que se deriva de la aplicacion de
una formula sobre los precios de un activo y que se representa graficamente (Droke, 2002). Los
indicadores incluyen cualquier combinaci
on de los precios de apertura, maximo, mnimo y cierre;
algunos indicadores pueden usar s
olo los precios de cierre mientras que otros incorporan el volumen
o un periodo determinado de tiempo en sus formulas. Para hacer el analisis mas digerible, los
indicadores tecnicos se muestran en forma grafica por encima o por debajo del grafico del precio del
activo que se est
a observando y de esta manera se puede hacer una comparacion legible. De acuerdo
con Corbitt (2012), el uso de indicadores tiene tres propositos fundamentales:
1. Como se
nal de alerta: un indicador puede actuar como una se
nal de alerta para estudiar el
comportamiento del precio de un activo con mayor detenimiento. Por ejemplo, un indicador
puede sugerir la ruptura de un soporte o una resistencia.
2. Como confirmaci
on: los indicadores pueden ser utilizados para confirmar otras se
nales que
proporciona el an
alisis tecnico, por ejemplo, haciendo uso del grafico de velas aunado a un
indicador se confirma una posici
on de compra o venta del activo de interes.
3. Como predictor: algunos traders utilizan los indicadores del analisis tecnico para predecir la
direccion de los precios futuros.
Si bien los indicadores constituyen una herramienta poderosa para confirmar la informacion que
muestra un grafico de velas, puede pasar que los traders ignoren o den por sentado el movimiento
de los precios la acci
on y se centren exclusivamente en un indicador. Corbitt (2012) se
nala que esto
puede ser contraproducente dado que los indicadores se forman mediante la aplicacion de formulas
sobre el precio de los activos y por tanto son derivados y no reflejos directos del precio del activo,
esto debe tenerse en cuenta al aplicar cualquier herramienta.
A pesar de que puede ser evidente cuando los indicadores generan se
nales de compra y venta,
dichas se
nales se deben tomar en contexto con otros instrumentos de analisis tecnico, por ejemplo,
un indicador puede mostrar una se
nal de compra, pero si el grafico de velas muestra figuras de
sugieran una tendencia a la baja entonces puede ser una se
nal falsa.
Considerese que el mismo indicador puede presentar diferentes patrones de comportamiento
cuando se aplica a los distintos activos. Indicadores que funcionan bien para la divisa USD/MXN
pueden no funcionar igual para EUR/USD, de ah que la eleccion del indicador o los indicadores se
tome con cautela y moderaci
on, Corbitt (2012) incluso sugiere el uso de no mas de tres indicadores
en el grafico de velas para no caer en excesos y complicaciones innecesarias, asimismo, recomienda
que los indicadores se complementen y no sean similares.
50
Entre los tipos de indicadores tecnicos mas utilizados se encuentran los osciladores que son
parametros que fluct
uan por encima y por debajo de una lnea o entre los niveles establecidos
conforme su valor cambia en el trascurso del tiempo. Los osciladores se pueden utilizar con bandas
o sin bandas de confianza dependiendo de la preferencia del trader ; la incorporacion de bandas en
los osciladores puede ayudar a identificar niveles de sobrecompra o de sobreventa de un activo o
bien ayuda a identificar convergencia o divergencia en un activo. Si bien se cuenta con un gran
n
umero de indicadores y continuamente se crean nuevos, en el presente trabajo se describen los m
as
utilizados, al menos aquellos que son comunes de encontrar en libros referentes al analisis tecnico.
3.2.
Medias m
oviles: simples, exponenciales y de convergencia - divergencia
Las medias m
oviles suavizan12 los datos tomados a partir de los precios de un activo para
formar un indicador de seguimiento de tendencia. Los promedios moviles no predicen la direcci
on
del activo al momento presente pero si proporcionan informacion de su trayectoria con un rezago
debido a que precisamente, utilizan informacion pasada para su calculo. A pesar de este retraso, las
medias m
oviles ayudan a suavizar el precio del activo y a filtrar el ruido. Si bien existen diferentes
tipos de medias m
oviles utilizados en el analisis tecnico, Droke (2002) y Lowry (1998) identifican las
tres com
unmente utilizadas: medias moviles simples (SMA - abreviado en ingles), medias m
oviles
exponenciales (EMA - abreviado en ingles) y medias moviles de convergencia-divergencia (MACD
- abreviado en ingles). Las SMA, EMA y MACD pueden ser utilizadas para identificar la direcci
on
de la tendencia o definir posibles niveles de soporte y de resistencia.
Comenzando por el m
as simple, las SMA se forman calculando el promedio de los precios,
generalmente se toma el de cierre para un n
umero determinado de perodos. Por ejemplo, un SMA5 es la suma de los precios de cierre a cinco das dividido entre cinco. Como su nombre lo indica, un
promedio m
ovil es un promedio que se mueve de tal forma que los anteriores son remplazados con
los nuevos datos disponibles, esto provoca que el promedio se mueva a lo largo de la escala de tiempo
considerado. A continuaci
on se muestra un ejemplo de SMA-5 con el tipo de cambio interbancario:
Precios de cierre diario del 10/12/2009 al 18/12/2009: 12.9480, 12.8667, 12.7455, 12.6680, 12.7245,
12.8760, 12.8675.
Primer da de SMA-5:
(12,9480+12,8667+12,7455+12,6680+12,7245)
5
12
= 12,7905
La suavizaci
on se refiere a una filtraci
on de datos la cual consiste en transformar aritmeticamente los datos (en
este caso los precios) con la finalidad de reducir su oscilaci
on y fluctuaci
on. Una de las transformaciones m
as comunes
es el uso de promedios m
oviles.
51
Figura 33: SMA-5 para el tipo de cambio interbancario en dos periodos de tiempo
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
Segundo da de SMA-5:
(12,8667+12,7455+12,6680+12,7245+12,8760)
5
= 12,7761
(12,7455+12,6680+12,7245+12,8760+12,8675)
5
= 12,7763
Tercer da de SMA-5:
El primer da la media m
ovil abarca los u
ltimos cinco das; el segundo da la media movil cae
ya no considera el primer precio (12.9480) y a
nade el nuevo punto de datos (12.8760); el tercer da
de la media movil ya no toma en cuenta el u
ltimo precio (12.8667) y a
nade el nuevo (12.8675).
La disyuntiva que presenta el uso de SMA tienen que ver con el n
umero de datos optimo para su
calculo, lo cual no existe (Lowry, 1998) debido a las constantes fluctuaciones del mercado.
Por ejemplo, si en el tercer da del SMA-5 hubiese un precio con una mayor desviacion estandar,
supongase, 11.9999 en lugar del u
ltimo dato (12.8675) se tendra una media movil de 12.6027 lo
cual representa una diferencia de 17 centavos en comparacion al resultado original, lo cual, bajo la
luz de analisis tecnico, es un diferencial importante para tomar decisiones de compra o venta. La
figura 33 muestra una representaci
on gr
afica de un SMA-5 para dos periodos en el tiempo: de mayo
a junio de 1994 y de mayo a junio de 2008.
Por otro lado tenemos las EMA que a diferencia de las SMA, reducen el efecto de rezago
ponderando con mayor peso a los nuevos precios que se incorporan a la media movil. La ponderaci
on
aplicada al u
ltimo dato depende de la cantidad de perodos considerados para elaborar la EMA. La
ecuacion 7 muestra el procedimiento para construir una EMA a 10 das, cabe destacar que se parte
52
de la construcci
on de un SMA.
(x1 + x2 + ... + x10 )
= SM A10dias
10
2
= 0,1818 18,18 %
(10 + 1)
(6)
dicha lnea central ayuda a visualizar con mayor claridad si la EM A12 ha cruzado la EM A26 . Notese
que la direccion de la MACD depende de la interseccion de las medias moviles y puede ser positiva
o negativa; MACD positiva alude a que la EM A12 se encuentra por encima de la EM A26 y sus
valores pueden aumentar siempre y cuando la EM A12 diverga mas de la EM A26 .
Lo anterior sugiere que hay un impulso al alza que se esta incrementando; cuando la MACD tiene
una direccion negativa entonces la EM A12 se encuentra por debajo de la EM A26 y su direccion se
puede pronunciar conforme la EM A12 diverga mas de la EM A26 . Con la finalidad de visualizar los
conceptos anteriores se presenta la figura 34 para la variable de estudio de septiembre a noviembre
de 2001.
Si bien las MACD complementa el an
alisis de los graficos de velas, no se consideran como buen
indicador cuando se presentan niveles de sobrecompra y sobreventa13 por la misma construcci
on
que tiene el oscilador, es decir, la MACD no tiene bandas o lmites de confianza que confirmen
dichos niveles de sobrecompra y/o sobreventa. Finalmente, los valores para MACD mas utilizados
son 9, 12 y 26, sin embargo, se pueden utilizar otros valores en funcion de las preferencias del trader
(Corbitt, 2012).
La eleccion del n
umero de datos a considerar en los SMA, EMA y MACD es responsabilidad
del trader en funci
on del tipo de activo y el conocimiento que se tiene acerca del mismo, es decir, es
factible considerar un promedio m
ovil con mayor n
umero de das de un activo relativamente estable
a uno que presenta fuertes fluctuaciones, sin embargo, las medias moviles tambien se emplean para
identificar diferentes tipos de tendencias en los mercados tanto al alza como a la baja; por ejemplo,
se hace uso de medias m
oviles al corto plazo que van de 5 a 15 das en promedio; los de cortomediano plazo que van de los 20 a 50 das; medias moviles de 50 a 100 das para el mediano plazo
y finalmente promedios largos por encima de los 100 das.
3.3.
Bandas de Bollinger
A mediados de los 80s John Bollinger elaboro unas bandas basadas en la volatilidad de un
activo las cuales oscilan por encima y por debajo de una media movil. Dicha volatilidad se basa en
la desviacion est
andar y las bandas se hacen mas amplias cuando la volatilidad del activo aumenta,
caso contrario cuando la volatilidad es relativamente estable. Las bandas de Bolliger son utilizadas
para identificar techos y suelos o bien, para determinar la fuerza de la tendencia del activo. La figura
35 muestra la incorporaci
on de bandas de Bollinger para la variable de estudio durante el periodo
septiembre-noviembre de 1997.
De acuerdo con Bollinger (2001), la media movil que se considera es una SMA a 20 das ya que
13
Un activo est
a en sobrecompra y/o sobreventa cuando su cotizaci
on ha aumentado/disminuido considerablemente
-en comparaci
on a sus cotizaciones pasadas- en un periodo corto de tiempo (Corbitt, 2012).
54
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
55
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
56
tiene la particularidad de contener entre el 88 y el 89 por ciento del precio de la accion, de tal forma
que un movimiento que se pueda presenciar fuera de las bandas resulta significativa, es decir, que
alguna de las velas sobrepase las bandas de Bollinger. En la figura 35 se puede observar que durante
los primeros das del mes de octubre el precio del tipo de cambio se sale por encima de la banda,
con la ratificaci
on de las velas se confirma la fuerza de una tendencia alcista dado la volatilidad que
presenta el activo.
Es importante considerar lo siguiente, seg
un el mismo Bollinger, los movimientos que est
an por
encima o por debajo de las bandas no son se
nales per se sino un tipo de etiqueta, por ejemplo,
si se observan niveles de sobrecompra no necesariamente significa una tendencia alcista o m
as bien,
que esta vaya a perdurar. Para detectar niveles de sobrecompra o de sobreventa con bandas de
Bollinger es necesario la persistencia de una tendencia ya sea alcista o bajista (Bollinger, 2001).
Asimismo, los precios pueden caminar sobre la banda donde en repetidas ocasiones una o dos
velas salgan de las bandas.
La figura 35 muestra un buen ejemplo donde se puede detectar un nivel de sobrecompra con
una tendencia alcista incluso cuando los precios vuelven a estar dentro de la banda debido a la
persistencia de la tendencia confirmada con la media movil. A pesar de que, el hecho de que una
vela salga de la banda no constituye una clara se
nal de compra o venta es importante poner atenci
on
a ese dato y -como se ha repetido en numerosas ocasiones en el presente trabajo- confirmar el
movimiento con la siguiente vela, es decir, si la siguiente se vuelve a incorporar a la banda o si se
vuelve a salir (esta sera una forma de detectar la fuerza de la tendencia).
3.4.
Sistema parab
olico Tiempo/Precio
El sistema parab
olico Tiempo/Precio o sistema parabolico Detener/Revertir (PSAR o SAR
dependiendo del autor) desarrollado por Welles Wilder en 1978 es un indicador tecnico que forma
una especie de camino o sendero seg
un el comportamiento de la tendencia del activo de interes. La
particularidad del SAR radica en el uso de factores de aceleracion para determinar si el SAR es
alcista o SAR bajista. El SAR sigue la trayectoria del precio de un activo, de ah que sea considerado
como un indicador de seguimiento de tendencias (Achelis, 2000). Una vez que una tendencia hacia
la baja se revierte, el SAR sigue los precios a manera de trailing stop 14 .
La sensibilidad del SAR, es decir, su determinacion para que este sea alcista o bajista se basa en
un factor de aceleraci
on el cual se construye a traves de un multiplicador que influencia en la raz
on
de cambio del SAR. El factor de aceleracion se incrementa gradualmente conforme la tendencia
se sigue prolongando. El SAR se representa graficamente con puntos, mismos que son utilizados
14
En este caso, el trader considera un porcentaje adicional o un margen de tolerancia a partir del precio del activo
(al alza y/o a la baja) de tal forma que al momento de hacer su transacci
on puede salir de la operaci
on en caso de
que la direcci
on del activo se mantenga contraria a lo que esperaba.
57
por los traders para hacer transacciones de compra-venta dependiendo de la posicion del punto; un
punto que se encuentra por debajo de las velas se considera una se
nal alcista, manteniendo a los
compradores a la expectativa de una tendencia alcista. Por otro lado, un punto por encima de las
velas sugiere presi
on por parte de los vendedores por lo que se espera una tendencia bajista (Achelis,
2000).
Los puntos alcistas se presentan cuando el maximo mas alto de un activo se rompe, en ese
momento el SAR se posiciona en el mnimo mas reciente. Mientras el precio del activo se incrementa
los puntos acompa
nan su recorrido; primero lo hacer lentamente y empiezan a acelerarse conforme
la tendencia se extiende. El sistema de aceleracion permite a los traders observar la tendencia y su
consolidacion de ser el caso. La figura 36 muestra la aplicacion del SAR para la variable de estudio
para el periodo 02/05/2013 - 31/07/2013.
En la figura 36 se observa el SAR para el tipo de cambio interbancario, durante el mes de mayo
los puntos se encuentran por debajo de las velas lo que sugiere presion por parte de los compradores;
la tendencia alcista se consolida y los puntos del SAR por su formulacion- acompa
nan a la tendencia
y el factor de aceleraci
on aumenta lo cual se puede notar en la dispersion de los puntos al final del
mes de mayo.
Sin embargo, al comienzo del mes de junio los puntos se posicionan por encima de las velas
con lo cual se espera un cambio de tendencia pera esta no es persistente en el tiempo por lo que
el factor de aceleraci
on del SAR no llega a ser un criterio de decision en ese momento.No es hasta
principios de julio cuando los puntos se posicionan por encima de las velas y conforme pasan los das
la tendencia se consolida y su verificaci
on esta en los puntos del SAR que acompa
nan su trayecto,
es ah cuando los traders pueden detectar oportunidades de venta
Como se ha se
nalado en indicadores tecnicos anteriores, es recomendable hacer uso de otras
herramientas para confirmar se
nales de compra-venta. Por ejemplo, un cambio en la posicion de los
puntos del SAR de abajo hacia arriba puede ser mas convincente si el precio del activo de interes
se encuentra por debajo de una media m
ovil de largo plazo a que si el precio esta fluctuando por
encima de la media m
ovil. Por lo general, cuando el precio del activo esta por debajo de una media
movil de largo los vendedores dominan las sesiones de trading por lo que un cambio en el SAR y en
la media movil pueden confirmar un cambio de tendencia.
3.5.
Retrocesos de Fibonacci
Los retrocesos de Fibonacci son relaciones que se utilizan para identificar posibilidades de
transacciones de compra o venta con base a en la secuencias de Fibonacci, para describir resta
herramienta es pertinente observar el comportamiento de una secuencia de Fibonacci.
58
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
59
La secuencia de Fibonacci se extiende hasta el infinito y se caracteriza por poseer las siguientes
propiedades matem
aticas:
(1) Despues de 0 y 1, cada n
umero es la suma de los dos n
umeros anteriores (1 + 2 = 3, 2 + 3 =
5, 5 + 8 = 13, 8 + 13 = 21...) y as sucesivamente.
(2) En la secuencia, cualquier n
umero dividido entre el n
umero anterior se aproxima a 1,618
21
34
55
89
( 13 = 1,6153, 21 = 1,6190, 34 = 1,6176, 55 = 1,6181) y as sucesivamente. La aproximacion se
acerca a 1.6180 conforme va aumentado la secuencia; dicho n
umero representa la base para el
retroceso del 61.8 %.
(3) Similar a la propiedad anterior, cualquier n
umero dividido entre el segundo termino que le sigue
34
55
13
en la secuencia se aproxima a 0,3820 ( 34 = 0,382, 21
55 = 0,3818, 89 = 0,3820, 144 = 0,3819) y
as sucesivamente. La aproximaci
on se acerca a 0.3820 conforme aumentan los n
umeros. Esta
es la base para el retroceso del 38.2 %, considerese que: 1 0,618 = 0,3820
(4) Finalmente, cualquier n
umero dividido entre el tercer termino que le sigue en la secuencia se
21
34
55
13
= 0,2359, 144
= 0,2361, 233
= 0,2361) y as sucesivamente.
aproxima a 0,2360 ( 55 = 0,2363, 89
La aproximaci
on se acerca a 0.2360 conforme aumentan los n
umeros. Esta es la base para el
retroceso del 23.6 %.
El n
umero 1.618 se refiere a la proporcion Aurea,
tambien llamada Phi. La inversa de 1.618
es 0.618. Estas relaciones se pueden encontrar en toda la naturaleza, la arquitectura, el arte y la
biologa (Fischer & Perry, 1993). Los niveles de retroceso sugieren a los traders una se
nal de alerta
de cambio de tendencia, de resistencia o de soporte debido a que los retrocesos se basan en el
movimiento anterior. Utilizando los retrocesos de Fibonacci se esperara un rebote y una correcci
on
que se posicionara en alg
un nivel de retroceso, es decir, alguno de los porcentajes que se presentaron
en las propiedades matem
aticas de la secuencia de Fibonacci. A medida que la correccion se acerca
estos retrocesos, los traders deben estar mas alerta para una posible reversion de tendencia. Los
retrocesos de Fibonacci se pueden combinar con otros indicadores y patrones de precios para crear
una estrategia apropiada.
La figura 37 muestra los retrocesos de Fibonacci, mismos que se crean tomando dos puntos
extremos (por lo general un techo y un piso) de un activo y se divide la distancia vertical entre
las relaciones de la secuencia de Fibonacci: 23,6 %, 38,2 %, 50 %, 61,8 % y 100 %. Una vez identificados estos niveles, se trazan lneas horizontales y se utilizan para identificar niveles de soporte y
resistencias. La forma de interpretar es la siguiente:
60
(1) Si el precio del activo rebota a partir del punto mas alto sobre una tendencia alcista, entonces,
este rebote tendr
a diferentes niveles de soporte para cada una de las secuencias de Fibonacci;
posteriormente, el activo tratar
a de regresar a su tendencia original.
(2) Si el precio del activo rebota desde el punto mas bajo de la tendencia bajista, entonces el
rebote presentar
a diferentes niveles de resistencia para cada uno de los valores de la secuencia
de Fibonnaci hasta que vuelva a su tendencia original.
(3) Los niveles de soporte y resistencia son 38 %, luego el 50 % y al final 61.8 %. Si el precio rompe
los tres niveles a traves de un soporte o una resistencia (dependiendo de la tendencia principal)
entonces es altamente posible que el activo tenga un cambio de tendencia, si no sobrepasa los
tres niveles se deduce que la tendencia va a continuar igual.
En la figura 37 se observa que el tipo de cambio a finales de agosto esta a un precio de 13.4
y sobre una tendencia bajista. Se tienen a su vez los niveles de retrocesos de Fibonacci. Se puede
observar que el precio del activo presenta diferentes niveles de soporte, primero al 23.6, luego al 38.
2 y finalmente rebasa el 61.8 lo que indica que probablemente se invierta la tendencia, lo cual, para
el caso de la figura 37 se cumple, sin embargo, al igual que las otras herramientas de analisis tecnico
mencionadas es necesario corroborar con otros instrumentos para tomar una mejor decision.
De esta forma se han analizado distintos tipos de indicadores tecnicos: medias moviles, bandas de
Bollinger, SAR y Finonaccis. Cada herramienta se caracteriza por la forma en como esta construida
y las se
nales que arroja. Teniendo en cuenta la gama de indicadores que se pueden encontrar a la
hora de hacer una transacci
on de compra-venta, el siguiente captulo se concentra en el desarrollo
de un indicador tecnico basado en probabilidad bayesiana que permite detectar patrones de comportamiento sobre el tipo de cambio interbancario de tal forma que, al igual que las herramientas
que se han descrito anteriormente, se permitan detectar se
nales de compra-venta de la divisa.
61
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
62
DE PATRONES EN EL TIPO DE
CAPITULO 4. IDENTIFICACION
CAMBIO
En el presente captulo se transforman las velas que registra el tipo de cambio en patrones de
comportamiento con base a sus caractersticas: tama
no de sus cuerpos, colas y tipo de tendencia
(alcista o bajista). Una vez determinados los patrones que presenta la variable de estudio se realizan
conteos a uno y dos pasos para determinar cuales son los patrones que tienen mayor recurrencia a lo
largo de la muestra y si esto tambien es valido para sub-muestras donde el tipo de cambio presenta
comportamientos de alta y baja volatilidad. Adicionalmente, se contrasta la distribucion emprica
de los patrones a traves de una prueba Kolmogorov-Smirnov para toda la muestra y diferentes
sub-muestras de tal forma que se confirma la estabilidad en la distribucion de los patrones.
Finalmente, se presenta el an
alisis de resultados retomando el objetivo de la investigaci
on, se da
respuesta a las preguntas planteadas y se contrasta la hipotesis del estudio planteada demostrando
la existencia de patrones de comportamiento en el tipo de cambio que, a pesar de su persistencia,
sugieren que el mercado no es eficiente.
63
4.1.
Reconocimiento de patrones
Condici
on 1
Condici
on 2
Cuerpo de la vela
Cola superior de las velas
Cola inferior de las velas
Vela bajista
Condici
on 1
Condici
on 2
Cuerpo de la vela
Cola superior de las velas
Cola inferior de las velas
Fuente: Elaboraci
on propia.
64
la muestra de la variable de estudio, se forman los patrones de comportamiento elaborando todas las
combinaciones posibles entre cuerpos y colas que a su vez ya se encuentran clasificadas en alcistas o
bajistas seg
un el criterio de la tabla 1. El n
umero total de combinaciones es 54, es decir, se pueden
formar 54 patrones de comportamiento, sin embargo, solo 23 son posibles. En el apendice A se
observan los 54 patrones de comportamiento dividido en 27 patrones para velas bajistas y 27 para
velas alcistas; asimismo, se se
nala cuales casos pueden ocurrir y cuales no.
Dado que solo interesan los patrones de comportamiento que se pueden observar en la serie,
la tabla 2 muestra las combinaciones de cuerpos y colas para velas alcistas y bajistas que a su
vez tienen asignado un n
umero el cual indica el patron. Para fines practicos se utiliza la siguiente
nomenclatura:
(1) Cuerpo de vela alcista (blanca) = CN
(2) Cuerpo de vela bajista (negra) = CB
(3) Cola superior de vela alcista (blanca) = CSN
(4) Cola superior de bajista (negra) = CSB
(5) Cola inferior de vela alcista (blanca) = CIN
(6) Cola inferior de bajista (negra) = CIB
La tabla 2 muestra una serie de condiciones para formar el patron de comportamiento, en
primera instancia se eval
ua la cola superior contra la cola inferior; la segunda condicion eval
ua el
tama
no del cuerpo con la cola superior y finalmente, la tercera condicion contrasta el tama
no del
cuerpo con la cola inferior, de esta manera se realizan todas las combinaciones posibles y se les
asigna un patr
on de comportamiento. Asimismo, el patron de comportamiento responde a una serie
de condiciones, por ejemplo, el patr
on 1 corresponde a una vela que se caracteriza por tener cuerpo
grande en comparaci
on a las colas.
En la tabla 2 se puede apreciar que el patron 1 es igual que el patron 12 solo que este u
ltimo
le corresponde a una vela bajista, lo mismo ocurre para los demas patrones, es decir, el patr
on
que se forma en las velas alcistas tiene su recproco en las velas bajistas. Dadas las combinaciones
de la tabla 2, podemos clasificar los patrones en: patrones que confirman tendencia, patrones que
revierten la tendencia y patrones de incertidumbre, mas a
un, cada patron se puede asociar a un
tipo de vela, por ejemplo, los patrones 3, 11, 14 y 22 corresponden a combinaciones que forman
velas tipo Doji 17 . Ahora, en lugar de representar al tipo de cambio con velas que estan compuestos
por precios, la variable de estudio se transforma en una serie de patrones que se derivan de las
propiedades de las velas como se indica en la tabla 3.
17
Dichos patrones (3, 11, 14 y 22) incluyen diferentes tipos de Dojis pero todos est
an dentro de la misma clasificaci
on.
65
Tabla 2: Formaci
on de patrones
Velas alcistas (blancas)
CSB vs CIB
Condici
on 1
CB vs CSB
Condici
on 2
CB vs CIB
Condici
on 3
Patr
on
CSN vs CIN
Condici
on 4
CN vs CSN
Condici
on 5
CN vs CIN
Condici
on 6
Patr
on
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB = CIB
CSB = CIB
CSB = CIB
CB >CSB
CB <CSB
CB <CSB
CB <CSB
CB = CSB
CB <CSB
CB >CSB
CB >CSB
CB >CSB
CB >CSB
CB <CSB
CB = CSB
CB >CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
1
2
3
4
5
6
7
8
9
10
11
23
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN = CIN
CSN = CIN
CSN = CIN
CN >CSN
CN <CSN
CN <CSN
CN <CSN
CN = CSN
CN <CSN
CN >CSN
CN >CSN
CN >CSN
CN >CSN
CN <CSN
CN = CSN
CN >CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
12
13
14
15
16
17
18
19
20
21
22
23
Nota: Se forma un patron 23 cuando las 3 condiciones son iguales, sin embargo, esta combinaci
on representa un punto
ya que todos los precios (apertura, maximo, mnimo y cierre) es el mismo, por lo tanto, no se pueden formar ni cuerpos
ni colas. Dado que la combinacion es un punto, tampoco se puede determinar si es un patr
on de tipo alcista o bajista
y queda se
nalado como el patron 23.
Fuente: Elaboraci
on propia.
En la tabla 3 se puede identificar que existen 8 patrones que confirman la tendencia del tipo
de cambio donde 4 son fuertes en el sentido de que, cuando se presentan, la tendencia no solo
se confirma sino que se acent
ua en la trayectoria del activo; tambien se observan 10 patrones de
reversion de tenencia donde dos de ellos fuertes y finalmente se presentan 4 patrones relacionados
a situaciones de incertidumbre.
Ya que se tienen identificados los patrones que presenta el tipo de cambio en su trayectoria,
se procede a hacer los conteos a uno y dos pasos de tal manera que se observen los patrones
que tienen mayor recurrencia para toda la muestra y en episodios de estabilidad y alta volatilidad.
Posteriormente se muestra el n
umero de repeticiones de los patrones condicionado al patron anterior
utilizando matrices de transici
on a partir de la formula de probabilidad condicionada de Bayes.
4.2.
Conteo a un paso
Una vez obtenido los patrones de comportamiento que se observan en la variable de estudio, se
procede a realizar conteos para determinar cuales son los patrones de mayor recurrencia (conteo
a un paso) y posteriormente, dado un patron, cual es la probabilidad de ocurrencia del siguiente
patron (conteo dos pasos). Para realizar el conteo a un paso es pertinente retomar la definici
on
66
Tabla 3: Clasificaci
on de los patrones
Patr
on
1
2
3
4
5
6
7
8
9
10
11
23
Tipo de patr
on
Confirmacion de
tendencia
Reversion de
tendencia
Incertidumbre
Reversion de
tendencia (fuerte)
Reversion de
tendencia
Reversion de
tendencia
Confirmacion de
tendencia
Reversion de
tendencia
Confirmacion de
tendencia (fuerte)
Confirmacion de
tendencia (fuerte)
Incertidumbre
Vela similar o
an
aloga
Patr
on
Tipo de patr
on
Vela similar o an
aloga
12
Confirmaci
on de tendencia
Shooting Star
13
Doji
14
Shooting Star
15
Shooting Star
16
Hanging Man
17
18
Hanging Man
19
20
Marubozu
21
Spinning Top
22
Reversi
on de
tendencia
Incertidumbre
Reversi
on de
tendencia (fuerte)
Reversi
on de
tendencia
Reversi
on de
tendencia
Confirmaci
on de
tendencia
Inverted Hammer
Doji
Inverted Hammer
Inverted Hammer
Hammer
Velas de cuerpo largo
Reversi
on de tendencia
Hammer
Confirmaci
on de
tendencia (fuerte)
Confirmaci
on de
tendencia (fuerte)
Incertidumbre
Fuente: Elaboraci
on propia.
=P({i })
Donde i va de 1 hasta N , y los i son eventos (casos) equiprobables. Sea, A donde los eventos
de son equiprobables. Seg
un la definicion de Laplace de probabilidad:
N
umero de elementos de A
N
umero de casos favorables de A
=
N
umero de puntos de
N
umero de casos de
(7)
La definici
on de la ecuaci
on 7 muestra el procedimiento para realizar el conteo a un paso19 ,
18
67
Fuente: Elaboraci
on propia con base en Scrucca, L. (2004): An R package for quality control charting.
R package version 2.6.
es decir, muestra el n
umero de veces que se repite el patron 1 en los 5500 datos que comprende la
muestra, el mismo procedimiento es para el patron 2 hasta el patron 23.
La representaci
on del conteo a un paso se elabora mediante un diagrama de Pareto, que tiene la
particularidad de resaltar cada uno de los elementos (en este caso los patrones) que contribuyen a
un efecto (es decir, a la trayectoria del tipo de cambio). Dichos diagramas se basan en el principio
de Pareto el cual sugiere que dado una serie de elementos o factores que contribuyen a un mismo
efecto, son solo algunos factores los que provocan la mayor parte del efecto. Bajo la premisa anterior,
la figura 37 muestra el n
umero de repeticiones de los patrones para toda la muestra comprendida a
partir del 02 de enero de 1992 al 13 de noviembre del 2013.
La figura 39 muestra el diagrama de Pareto correspondiente para toda la muestra de la variable
de estudio, graficamente se observa que los patrones que tienen mayor recurrencia son: 12, 1, 2 y
68
Frecuencia
Frecuencia
acumulada
Porcentaje
Porcentaje
acumulado
12
1
2
13
18
7
3
14
6
17
19
8
1156
1060
862
730
385
270
207
168
157
130
125
107
1156
2216
3078
3808
4193
4463
4670
4838
4995
5125
5250
5357
21.0182
19.2727
15.6727
13.2727
7
4.9091
3.7636
3.0545
2.8545
2.3636
2.2727
1.9455
21.0182
40.2909
55.9636
69.2364
76.2364
81.1455
84.9091
87.9636
90.8182
93.1818
95.4545
97.4
Patr
on
Frecuencia
Frecuencia
acumulada
Porcentaje
Porcentaje
acumulado
4
5
16
10
21
15
11
20
22
9
23
37
26
23
15
14
9
5
4
4
3
3
5394
5420
5443
5458
5472
5481
5486
5490
5494
5497
5500
0.6727
0.4727
0.4182
0.2727
0.2545
0.1636
0.0909
0.0727
0.0727
0.0545
0.0545
98.0727
98.5455
98.9636
99.2364
99.4909
99.6545
99.7455
99.8182
99.8909
99.9455
100
Fuente: Elaboraci
on propia con base en Scrucca, L. (2004): An R package for quality control charting.
R package version 2.6.
Fuente: Elaboraci
on propia con base en Jeffrey (2013): Quantitative Financial Modelling. R package
version 0.4-0.
70
Tipo de Patr
on
Frecuencia
Porcentaje
acumulado
Patrones
13
1
12
Reversi
on de
tendencia
Reversi
on de
tendencia
Confirmaci
on de
tendencia
Confirmaci
on de
tendencia
198
39.60 %
114
62.40 %
13
73
77.00 %
12
72
91.40 %
13
12
1
Reversi
on de
tendencia
Reversi
on de
tendencia
Confirmaci
on de
tendencia
Confirmaci
on de
tendencia
Porcentaje
acumulado
Reversion de
tendencia
Reversion de
tendencia
Confirmacion de
tendencia
Confirmacion de
tendencia
37
29.60 %
33
56.00 %
24
75.20 %
20
91.20 %
Periodo: 1995
2
Frecuencia
Periodo: 1994/1995
2
Tipo de Patr
on
73
29.20 %
66
55.60 %
13
52
76.40 %
12
37
91.20 %
Reversion de
tendencia
Reversion de
tendencia
Confirmacion de
tendencia
Confirmacion de
tendencia
36
28.80 %
33
55.20 %
28
77.60 %
17
91.20 %
Fuente: Elaboraci
on propia con base en Scrucca, L. (2004): An R package for quality control charting.
R package version 2.6.
20
71
Figura 40: Diagrama de Pareto para el tipo de cambio interbancario: sub-muestra alta
volatilidad: 1995.
Fuente: Elaboraci
on propia con base en Scrucca, L. (2004): An R package for quality control charting.
R package version 2.6.
72
De forma an
aloga se analiza la estabilidad de patrones correspondiente a la sub-muestra correspondiente al a
no de 2009, se contrasta en primer lugar los patrones de mayor recurrencia entre
2008 y 2009, posteriormente se eval
ua el a
no objetivo y finalmente se contrasta los dos semestres
que conforman el 2009. La figura 41 muestra los graficos correspondientes a los patrones de mayor
frecuencia durante el periodo mencionado.
La figura 41 muestra el diagrama de Pareto para el a
no de 2009: El grafico D indica el n
umero
de patrones que se repitieron durante 2008 y 2009 Siendo los patrones 1, 12, 18 y 2 los que fueron
mas recurrentes, cada uno de ellos se repitio 95, 181, 239 y 289 veces respectivamente representando
el 57.8 del porcentaje acumulado para toda la sub-muestra, lo cual confirma la fuerte presencia de
dichos patrones en el tipo de cambio ademas de que son los patrones de confirmacion de tendencia
los que m
as influyen en el mercado, ademas, se tiene la inclusion del patron n
umero 18 el cual se
asocia a velas de confirmaci
on de tendencia; en el Grafico F se presentan los patrones 2, 13, 12 y 1
y representan el 60.80 % del porcentaje acumulado.
Es importante destacar en este punto que son los mismos patrones mas recurrentes si lo contrastamos con la sub-muestra de 1995. Finalmente, los patrones mas recurrentes para los dos semestres
que componen el a
no considerado presentan la misma repeticion en los patrones, con la diferencia
que en el segundo semestre son m
as los patrones que confirman la tendencia. La tabla 6 muestra el
resumen de los diagramas de Pareto con los 4 patrones de mayor recurrencia.
73
Figura 41: Diagrama de Pareto para el tipo de cambio interbancario: sub-muestra alta
volatilidad: 2009.
Fuente: Elaboraci
on propia con base en Scrucca, L. (2004): An R package for quality control charting.
R package version 2.6.
74
Tipo de patr
on
Frecuencia
Porcentaje
acumulado
Patrones
12
18
2
Confirmacion de
tendencia
Confirmacion de
tendencia
Confirmacion de
tendencia
Reversion de
tendencia
95
19.00 %
181
36.20 %
18
239
47.80 %
13
289
57.80 %
13
12
1
Reversion de
tendencia
Reversion de
tendencia
Confirmacion de
tendencia
Confirmacion de
tendencia
Porcentaje
acumulado
Reversi
on de
tendencia
Reversi
on de
tendencia
Confirmaci
on de
tendencia
Confirmaci
on de
tendencia
30
24.00 %
48
38.40 %
65
52.00 %
76
60.80 %
Periodo: 2009
2
Frecuencia
Periodo: 2008/2009
1
Tipo de patr
on
58
23.20 %
90
36.00 %
13
118
47.20 %
12
143
57.20 %
Reversi
on de
tendencia
Reversi
on de
tendencia
Confirmaci
on de
tendencia
Confirmaci
on de
tendencia
28
22.40 %
17
36.00 %
14
47.20 %
13
57.60 %
Fuente: Elaboraci
on propia con base en Scrucca, L. (2004): An R package for quality control charting.
R package version 2.6.
75
4.3.
Estabilidad en la distribuci
on de los patrones
Anteriormente se contrast
o la estabilidad de los patrones en episodios de alta volatilidad de
tal forma que se pueden observar tanto los patrones de mayor recurrencia para toda la muestra y
para las sub-muestras. A continuaci
on se eval
ua la distancia que hay entre la funcion de distribucion acumulada (FDA) emprica de toda la muestra contra las sub-muestras que se tomaron como
ejemplos en el apartado 4.2. Entre menor sea la distancia entre los grupos entonces se puede decir
que son parecidos y no importa la muestra que se tome pues siempre tendran un comportamiento
similar, lo cual aproxima la investigaci
on a principios de fractalidad21 , sin embargo, solo se har
an
las comparaciones en las FDA para este trabajo; para ello se utiliza la prueba Kolmogorov-Smirnov
(K-S) que permite estimar la FDA emprica con base a los datos. Antes de describir la prueba K-S,
se considera pertinente la definici
on de funcion de distribucion emprica, haciendo uso de la notaci
on
de Delicado y Smrekar (2009):
Definici
on: Sea X una variable aleatoria con funcion de distribucion F . Se considera una muestra
aleatoria de tama
no n de X tal que X1 , ..., Xn es una variable aleatoria identica e independientemente distribuida (i.i.d.) con distribuci
on dada por F . Sea x1 , ..., xn una realizacion de la muestra
aleatoria simple:
Fn (x) =
1X
1
{xi : i = 1...n } =
I (, n] (xi )
n
n
i=i
lm Fn (x) = 0
(E) lm Fn (x) = 1
x
21
De acuerdo con Mandelbrot (1975), existen estructuras de naturaleza fractal (irregulares, fragmentas o b
asicas)
que se repiten en diferentes escalas.
76
(8)
La distribuci
on Xe es la distribucion emprica asociada al conjunto de valores x1 , ..., xn . La FDA
de una variable aleatoria X es una funcion F dada por:
F (x) = P r(X x)
(9)
La FDA indica la probabilidad que se ha acumulado hasta cierto punto; la FDA comienza en 0
(cuando x = ) e incrementa hasta el valor de 1 (conforme x se aproxima a +). Para observar
el comportamiento de la FDA de la variable de estudio de la presente investigacion, se considera
X1 , X2 ..., X5500 como el grupo 1 el cual representa la distribucion emprica de toda la muestra de la
variable de estudio y Y1 , Y2 ..., Yn como el grupo 2 que es la sub-muestra escogida que se contrasta
contra la distribuci
on emprica del grupo 1. Se asume que la FDA del grupo 1 = F1 y que la FDA
del grupo 2 es F2 .
Para evaluar la distancia que hay entre la FDA del grupo 1 contra el grupo 2 se utiliza la prueba
K-S, la ecuaci
on 10 representa la formulacion de la prueba K-S:
KS = max(x) F1 (x) F2 (x)
(10)
La figura 42 muestra las FDA empricas de los dos grupos graficados en los mismos ejes. La lnea
negra representa la FDA emprica del grupo 1, es decir, la FDA de toda la muestra mientras que
la lnea punteada representa la FDA del grupo 2, la cual corresponde a la sub-muestra. An
alogo al
analisis de los diagramas de Pareto, en primera instancia se observa el grupo 1 contrastado contra
la sub-muestra de alta volatilidad (1995 y 2009), para determinar si las FDA de los grupos son
similares, lo mismo para el caso del a
no 2009. La figura 42 revela las funciones de distribuci
on
acumuladas para las sub-muestras de 1994-1995 y 2008-2009.
En la figura 42 se puede apreciar que la FDA para el periodo 1994/1995 dista de la FDA de
toda la muestra, esto quiere decir que los patrones para la sub-muestra no tienen parecido con el
comportamiento general. Esto es una forma de detectar inestabilidad en el sistema (que a su vez
se corrobor
o con el diagrama de Pareto) ya que los patrones mas representativos en 1994/1995 son
diferentes a comparaci
on de toda la muestra. Para el caso del periodo 2008/2009, a pesar de que
se presencia un episodio de inestabilidad las distribuciones se asemejan mas a comparaci
on de la
primera sub-muestra.
77
Fuente: Elaboraci
on propia con base en Gross, J. (2012): Tests for Normality. R package version
1.0-2.
Este resultado es relevante pues entre mas se acerca la FDA de determinada sub-muestra a la
FDA de toda la serie, se puede sugerir que el comportamiento es altamente similar de tal manera
que no importa el pedazo de la sub-muestra que se tome, el comportamiento se puede replicar
debido a que los patrones que representan en su mayor parte a la muestra, tambien lo hacen para
las diferentes sub-muestras siempre y cuando no sea en momentos de alta volatilidad, considerando
un a
no relativamente estable en terminos cambiarios como en los a
nos 2002/2004 la cual se puede
observar en la figura 43, se puede constatar la afirmacion planteada.
4.4.
Para el conteo a dos pasos se utiliza una matriz de transicion de Markov, el conteo a dos pasos
permite conocer la probabilidad de ocurrencia de cada uno de los patrones dado que ya se conoce
la frecuencia con la que ocurren patrones para toda la muestra. La probabilidad se denota como
P (Xn = 1); de forma general:
P (Xn+1 = 1|Xn = 0) = p P (Xn+1 = 0|Xn = 0) = 1 p
P (Xn+1 = 0|Xn = 1) = p P (Xn+1 = 1|Xn = 1) = 1 p
78
(11)
Fuente: Elaboraci
on propia con base en Gross, J. (2012): Tests for Normality. R package version
1.0-2.
P = .
(13)
..
..
..
.
.
.
.
.
p23,1 p23,2
p23,23
79
Fuente: Elaboraci
on propia con base en Soetaert, K. (2014): Plotting multi-dimensional data. R
package version 1.0-2.
Coordenada
Repetici
on
Probabilidad
Posici
on
Coordenada
Repetici
on
Probabilidad
1
2
12
13
18
24
25
35
36
1,1
1,2
1 , 12
1 , 13
1 , 18
2,1
2,2
2 , 12
2 , 13
201
156
251
119
99
147
200
187
147
3.65 %
2.84 %
4.56 %
2.16 %
1.80 %
2.67 %
3.64 %
3.40 %
2.67 %
139
254
255
265
266
277
278
288
289
7,1
12 , 1
12 , 2
12 , 12
12 , 13
13 , 1
13 , 2
13 , 12
13 , 13
40
271
158
220
166
119
160
143
141
0.73 %
4.93 %
2.87 %
4.00 %
3.02 %
2.16 %
2.91 %
2.60 %
2.56 %
Fuente: Elaboraci
on propia con salida de R
4.5.
An
alisis de resultados
Para lograr el cumplimiento del objetivo y aportar las respuestas correspondientes a las preguntas
e hipotesis planteadas, se utiliza como variable de estudio el tipo de cambio interbancario a 48 horas
el cual es utilizado para efectuar operaciones al mayoreo entre bancos, casas de bolsa, casas de
cambio, empresas y particulares, asimismo, tiene la particularidad (a diferencia del tipo de cambio
FIX) de poder liquidar operaciones el segundo da habil bancario inmediato siguiente a la fecha de
su concertaci
on.
El analisis utiliza gr
aficos de velas japonesas, que constituye la piedra angular del analisis tecnico;
81
las velas japonesas permiten observar el comportamiento de un activo utilizando 4 precios: apertura,
maximo, mnimo y cierre. Dependiendo de la posicion de los precios (particularmente del de apertura
y el de cierre) se pueden formar diferentes tipos de velas, que en terminos generales nos indican si
la tendencia del activo se acent
ua, se revierte o se mantiene neutral.
Los datos utilizados son de periodicidad diaria y comprende el periodo a partir del 3 de enero de
1994 al 13 de noviembre de 2013 para un total de 5500 datos. En primera instancia, se transforma la
serie en velas, de tal manera que se puede calcular sus cuerpos y colas, a partir de ah se elaboran
los patrones de comportamiento.
En el presente sub-apartado se retoma el objetivo del estudio y se da respuesta a las preguntas de
investigacion planteadas; asimismo, no se rechaza la hipotesis sugerida. Comenzando con el objetivo,
que es: analizar la secuencia de formaciones vistas desde la perspectiva de la identificacion de
patrones que se encuentran en la trayectoria del tipo de cambio, el algoritmo generado a traves de
los cuerpos y colas de las velas permiti
o alcanzar el objetivo de investigacion ya que los patrones
generados capturan la direcci
on respecto a la tendencia de las velas y se consideran todas las
combinaciones posibles y factibles para generar patrones de comportamiento.
Atendiendo a la pregunta de investigacion: es posible identificar las expectativas que tienen los
agentes economicos a traves de patrones de precios de mercado? En este caso la respuesta es positiva
ya que los patrones capturan los movimientos de las tendencias de las velas japonesas mismas que
se utilizan para tomar decisiones de compra-venta en el mercado cambiario. Seg
un lo muestra la
evidencia emprica y la literatura citada en el presente documento, el mercado no es eficiente y es
fuertemente influenciado por otros agentes economicos, sin embargo, los patrones permiten capturar
las decisiones que toman los agentes conforme a la informacion que tienen disponible.
Aunado a lo anterior se derivan dos preguntas secundarias que son: es posible dise
nar una
estrategia de trading de corto plazo a partir de la formacion de patrones? La respuesta a esta
pregunta puede ser positiva dependiendo del tipo de frecuencia de los datos, muchas veces no se
tienen acceso a los datos intra-da y solo a datos diarios siempre y cuando tengan las caractersticas
para formar las velas considerando realizar la estrategia de trading de corto plazo con analisis
tecnico, es decir, para hacer arbitraje n-cantidad de veces en un solo da de operaciones valdra
la pena tener disponibles datos para cada minuto/5 minutos/media hora, etc. Sin embargo, los
patrones construidos se adecuan a cualquier tipo de frecuencia y en definitiva coadyuvan a tomar
una decision con mayor informaci
on al momento de hacer trading.
La siguiente pregunta secundaria es cuales son los patrones que tienen mayor recurrencia tipo
de cambio? De acuerdo con los resultados los patrones de mayor ocurrencia en la variable de estudio,
es decir, los resultados correspondientes al conteo de un paso revelan que los patrones que mas se
presentan son: 12, 1, 2 y 13 que a su vez se encuentran en la clasificacion de velas de confirmaci
on
y reversion de tendencia. Conviene destacar que dichos patrones representan el 70 % ciento de la
82
muestra, es decir, los patrones 12, 1, 2 y 13 determinan el 70 % de la trayectoria del tipo de cambio
interbancario a 48 horas.
Evaluando diferentes sub-muestras para comprobar que los mismos patrones son recurrentes, se
demuestra que para periodos de estabilidad siguen siendo los patrones 12, 1, 2 y 13 los que siguen
teniendo mayor presencia pero con orden distinto, el resultado difiere un poco en momentos de
alta volatilidad pues es m
as com
un que se presente un patron de incertidumbre, sin embargo, los
patrones anteriormente mencionados siguen teniendo mayor peso.
Lo anterior est
a ligada con la hipotesis a probar es que, si los agentes economicos presentan expectativas similares entonces se formaran patrones de precios de mercado repetitivos, y por tanto,
parcialmente predecibles La hip
otesis se comprueba e incluso, se observa a traves de los Diagramas
de Pareto que lejos de que los patrones sean equiprobables, el mercado esta sesgado a cierto tipo
de patrones y solo en ciertos momentos del tiempo se pueden llegar a presentar patrones de incertidumbre, aunque por general, al menos a partir de 1996 los patrones de mayor recurrencia son
similares para cualquier sub-muestra considerada.
Una vez demostrada la recurrencia de los patrones se examina si dichos patrones son estables
en el tiempo, para ello se utiliza una prueba Kolmogorov-Smirnov la cual mide la distancia que hay
entre la distribuci
on emprica de una serie y una distribucion teorica. Dicha prueba se aplic
o pero
contrastando las funciones de distribucion acumuladas de los patrones respecto a las sub-muestras y
lo que se encontr
o fue que para el a
no de 1995 y 1996 las FDA difieren, es decir, los patrones no son
tan estables pero es a partir de 1996 cuando las FDA de cualquier sub-muestra tomada comparada
con la FDA de toda la muestra comienzan a juntarse, es decir, la distancia que hay entre ellas es
cada vez m
as pequela por lo que se puede sugerir que no importa el momento en el tiempo (despues
de 1996) que se tome ya que se puede tener cierto nivel de certeza de los patrones que son m
as
recurrentes y que a su vez son persistentes, lo que nos lleva a principios de fractalidad.
Finalmente se hacen los conteos a dos pasos y para ello se utiliza una matriz de transici
on
de Markov. Los resultados sugieren que el tipo de cambio tiene procesos de memoria debido a que
recuerda lo que ha pasado anteriormente, lo cual pone en duda el concepto de eficiencia de mercado.
Si bien las probabilidades son peque
nas estas no debe ser descartables; asimismo, se demuestra que
los u
nicos patrones que m
as se repiten a dos pasos son los de confirmacion y reversion de tendencia,
en especfico: 1, 2, 12, 13, 7 y 18.
83
CONCLUSIONES Y RECOMENDACIONES
A partir del objetivo planteado en la presente investigacion, el cual es: analizar la secuencia
de formaciones vistas desde la perspectiva de la identificacion de patrones que se encuentran en
la trayectoria del tipo de cambio. se desarrolla un algoritmo que permite identificar patrones de
comportamiento a traves del an
alisis tecnico, especficamente, mediante el uso de velas japonesas
de tal forma que se transforman dichas velas utilizando sus caractersticas (cuerpos y colas) y se
forman patrones de confirmaci
on, reversion e incertidumbre en la variable estudiada, en este caso
el tipo de cambio interbancario a 48 horas.
Para la elaboraci
on del algoritmo se utilizo el paquete estadstico R-Project con datos de periodicidad diaria que comprenden el periodo a partir del 3 de enero de 1994 al 13 de noviembre de
2013 para un total de 5500 datos. La hipotesis a contrastar es: si los agentes economicos presentan
expectativas similares entonces se formaran patrones de precios de mercado repetitivos, y por tanto,
parcialmente predecibles. La hip
otesis se comprueba a traves de los diagramas de Pareto y pruebas
Kolmogorov-Smirnov as como las preguntas de investigacion las cuales refieren a la posibilidad de
identificar las expectativas que tienen los agentes economicos a traves de patrones de precios de
mercado y determinar cu
ales son los patrones que tienen mayor recurrencia tipo de cambio.
De lo anterior es importante resaltar los siguientes resultados: en primer lugar se observa que el
mercado no es eficiente y es fuertemente influenciado por otros agentes economicos (noise traders),
no obstante, los patrones permiten capturar las decisiones que toman los agentes conforme a la
informaci
on que tienen disponible. Estos patrones indican si la tendencia del mercado se confirma,
se revierte o bien, si existe incertidumbre.
En segundo lugar, los resultados correspondientes al conteo a un paso revelan que los patrones
que mas se presentan son: 12, 1, 2 y 13 que a su vez se encuentran en la clasificacion de velas de
confirmaci
on y reversi
on de tendencia. Conviene destacar que dichos patrones representan el 70 %
ciento de la muestra, es decir, determinan el 70 % de la trayectoria del tipo de cambio interbancario
a 48 horas. Evaluando diferentes sub-muestras para comprobar que los mismos patrones son recurrentes, se demuestra que para periodos de estabilidad siguen siendo los patrones 12, 1, 2 y 13 los
que siguen teniendo mayor presencia pero con orden distinto, el resultado difiere un poco en momentos de alta volatilidad pues es m
as com
un que se presente un patron de incertidumbre o velas de
confirmaci
on de tendencia pero que son mas persistentes, sin embargo, los patrones anteriormente
mencionados siguen teniendo mayor peso en todas las sub-muestras.
Posteriormente se utilizaron las funciones de distribucion acumuladas de los patrones respecto
diferentes sub-muestras mediante pruebas Kolmogorov-Smirnov, la cual mide la distancia que hay
entre la distribuci
on emprica de una serie y una distribucion teorica. Los resultados sugieren que
85
entre 1995 y 1996 las FDA difieren, es decir, los patrones no son estables pero es a partir de 1996
cuando las FDA de cualquier sub-muestra tomada comparada con la FDA de toda la muestra
comienzan a juntarse, es decir, la distancia que hay entre ellas es cada vez mas peque
na por lo que
se puede sugerir que no importa el momento en el tiempo (despues de 1996) que se tome ya que
se puede tener cierto nivel de certeza de los patrones que son mas recurrentes y que a su vez son
persistentes, lo que nos lleva a principios de fractalidad.
Finalmente se hacen los conteos a dos pasos a traves de una matriz de transicion de Markov.
Los resultados sugieren que el tipo de cambio tiene procesos de memoria debido a que recuerda lo
que ha pasado anteriormente, lo cual pone en cuestionamiento una vez mas el concepto de eficiencia
de mercado, al menos en su forma fuerte. Si bien las probabilidades son peque
nas estas no debe ser
descartables; asimismo, se demuestra que los u
nicos patrones que mas se repiten a dos pasos son los
de confirmacion y reversi
on de tendencia, en especfico: 1, 2, 12, 13, 7 y 18.
La utilidad de la tecnica presentada es para los tomadores de decisiones como entidades financieras (bancos y casas de bolsas principalmente) ya que mediante el uso del algoritmo se pueden
fijar posturas de compra-venta, esto es porque el algoritmo permite identificar patrones de confirmacion, reversi
on o neutralidad de tendencia del mercado a partir de las velas japonesas, las cuales
capturan los movimientos de cuatro precios: apertura, maximo, mnimo y cierre. Pensando en una
persona fsica, el algoritmo permite tomar decisiones de compra-venta de dolares (considerando el
tipo de cambio FIX). Es importante recalcar que la tecnica tambien permite detectar momentos de
fuertes. cadas o alzas del activo, como instrumento de prevencion del activo.
Para finalizar, se puntualiza que los datos no estan sujetos a pruebas parametricas, lo cual permite no hacer supuestos sobre la distribuci
on a priori de los datos sino que son los mismos datos los que
definen la distribuci
on, en ese sentido, los diagramas de Pareto y las pruebas Kolmogorov-Smirnov
permiten tomar los datos crudos. y observar su comportamiento para la toma de decisiones, en
esta caso, se permite comprobar que existen patrones recurrentes y persistentes en el tipo de cambio
en un mercado que se encuentra lejos de ser eficiente.
Como lneas de investigaci
on se considera: 1) examinar la posibilidad de realizar analisis de
fractalidad sobre las series financieras considerando que el algoritmo dise
nado en el presente trabajo
permite capturar los patrones de mayor recurrencia y persistencia en series que tienen datos de
apertura, maximo, mnimo y cierre, lo cual permite elaborar las velas y a partir de ah, elaborar
los patrones. 2) otra variante sera modificar el codigo de tal forma que se pueda aplicar para
series economicas, esto permitira analizar patrones de comportamiento en variables que si bien no
presentan las caractersticas y periodicidad que tienen las series financieras, se pueden capturar
movimientos respecto a su tendencia.
Una tercera recomendaci
on es el uso de logica difusa en el analisis tecnico, esto es debido a la
forma en como est
a construido el algoritmo del presente trabajo, en el cual se tomaron en cuenta
86
las colas y los cuerpos de las velas, sin embargo, el uso de logica difusa permitira considerar los
spreads de los precios, no obstante, en este punto es complicado determinar un spread chico o
grande ya que los diferenciales pueden varias desde centesimos de centavos y esto, aunque sea
mnimo, representara para el inversionista una ganancia o una perdida de miles de pesos/d
olares o
cualquier moneda de uso legal.
Es importante recalcar en este apartado que la mayora de las veces no se tienen acceso a los
datos de frecuencia intra-da ya que para hacer arbitraje n-cantidad de veces en un solo da de
operaciones valdra la pena tener disponibles datos para cada minuto/5 minutos/media hora, etc.
Sin embargo, el algoritmo se puede aplicar a cualquier tipo de activo siempre y cuando se tengan las
caractersticas para formar las velas japonesas considerando realizar la estrategia de trading de corto
plazo con an
alisis tecnico. Cabe destacar que el algoritmo se adecua a cualquier tipo de frecuencia
y en definitiva coadyuvan a tomar una decision con mayor informacion respecto a la tendencia de
un activo al momento de hacer trading.
87
APENDICE
Ap
endice A
Para formar los patrones de comportamiento se hacen todas las combinaciones posibles entre
cuerpos y colas de las velas, se les asocia a un patron y se determina si la combinacion es factible
o no, finalmente, se elimina aquellas combinaciones que no se pueden dar simultaneamente para
formar la tabla 2. Por ejemplo, en la siguiente tabla no es factible la combinacion del patr
on 2
donde el cuerpo es menor que la cola inferior si las condiciones previas indican que el cuerpo es
mayor que la cola superior y esta u
ltima, mayor que la cola inferior.
Nota: Conviene destacar que el patron 27 y 54, que equivalen al patron 23 de la tabla 2 del
trabajo, se forma cuando las 3 condiciones son iguales, sin embargo, esta combinacion representa
un punto ya que todos los precios (apertura, maximo, mnimo y cierre) es el mismo. Dado que la
combinaci
on es un punto, no se puede determinar si es un patron de tipo alcista o bajista y queda
identificado como el patr
on 23.
89
CB vs CSB
Condici
on 2
CB vs CIB
Condicion 3
Patron
Combinacion factible
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB >CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB <CIB
CSB = CIB
CSB = CIB
CSB = CIB
CSB = CIB
CSB = CIB
CSB = CIB
CSB = CIB
CSB = CIB
CSB = CIB
CB >CSB
CB >CSB
CB >CSB
CB <CSB
CB <CSB
CB <CSB
CB = CSB
CB = CSB
CB = CSB
CB <CSB
CB <CSB
CB <CSB
CB >CSB
CB >CSB
CB >CSB
CB = CSB
CB = CSB
CB = CSB
CB >CSB
CB >CSB
CB >CSB
CB <CSB
CB <CSB
CB <CSB
CB = CSB
CB = CSB
CB = CSB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
CB <CIB
CB >CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
CB >CIB
CB <CIB
CB = CIB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Si
No
No
Si
Si
Si
Si
No
No
Si
No
No
Si
Si
Si
No
No
No
Si
No
No
No
Si
No
No
No
No
N
umero total de combinaciones (patrones) posibles = 11
90
CN vs CSN
Condici
on 2
CN vs CIN
Condicion 3
Patron
Combinacion factible
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN >CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN <CIN
CSN = CIN
CSN = CIN
CSN = CIN
CSN = CIN
CSN = CIN
CSN = CIN
CSN = CIN
CSN = CIN
CSN = CIN
CN >CSN
CN >CSN
CN >CSN
CN <CSN
CN <CSN
CN <CSN
CN = CSN
CN = CSN
CN = CSN
CN <CSN
CN <CSN
CN <CSN
CN >CSN
CN >CSN
CN >CSN
CN = CSN
CN = CSN
CN = CSN
CN >CSN
CN >CSN
CN >CSN
CN <CSN
CN <CSN
CN <CSN
CN = CSN
CN = CSN
CN = CSN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
CN <CIN
CN >CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
CN >CIN
CN <CIN
CN = CIN
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
Si
No
No
Si
Si
Si
Si
No
No
Si
No
No
Si
Si
Si
No
No
No
Si
No
No
No
Si
No
No
No
No
N
umero total de combinaciones (patrones) posibles = 11
91
Ap
endice B
Definici
on axiom
atica de probabilidad : una funcion de probabilidad P es una funcion de conjuntos en un espacio muestral , el cual satisface los siguientes axiomas de Kolmogorov:
(A) Para todo evento A, P (A) 0
(B) P () = 1
(C) Para toda secuencia de eventos mutuamente excluyentes:
A1 , A2 , ..., An , ..., Ai Aj = , i 6= j,
P (A1 A2 ... An ) = P (A1 ) + P (A2 ) + ... + P (An )
Haciendo uso de los axiomas de Kolmogorov, se puede demostrar que:
(1) El evento imposible tiene probabilidad cero, es decir: P () = 0
(2) Para cualquier evento A, se tiene P (Ac ) = 1 P (A).
(3) Para cualquier evento A, se tiene 0 P (A) 1.
(4) Si A B, entonces P (A) P (B).
(5) Para los eventos cualquiera A y B, se tiene P (A B) = P (A) P (A B).
(6) Para los eventos cualquiera A y B, se tiene P (A B) = P (A) + P (B) P (A) P (A B).
(7) Para cualquier evento A, B, C se tiene:
P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) + P (A B C)
Para n eventos A1 , A2 , ..., An , seg
un el Teorema de Poincare, se cumple:
P (A1 A2 ... An ) = S1 S2 + ... + (1)n Sn
Donde para cada k = 1, 2, ..., n, Sk est
a definida por:
Sk =
P (A1 A2 ... An ); i1 1, ik n
i1 <i2 ...ik
Es decir, la sumatoria sobre todas las combinaciones de n eventos tomando k al mismo tiempo
(k = 1, 2, . . . , n).
92
BIBLIOGRAFIA
Abarca, G., Ramrez, C., & Rangel, J. (2012). Capital controls and exchange rate expectations in emerging markets. Consultado el 05 de octubre de 2013. Disponible en: http:
//www.banxico.org.mx/publicaciones-y-discursos/publicaciones/documentos-de-investigacion/
banxico/%7B86F1E2C2-48AF-469A-5969-3D70574A9713%7D.pdf
Achelis, S. (2000).Technical Analysis from A to Z. Consultado el 05 de octubre de 2013. (2da. Ed.)
New York: Mc Graw Hill.
Adams, W., Einav, L., & Levin, J. (2009). Liquidity Constraints and Imperfect Information in
Subprime Lending. American Economic Review. 99 (1), 49-84.
Banco de Mexico (2011). Consideraciones sobre el tipo de cambio en Mexico. Consultado el
10 de octubre de 2013. Disponible en: http://www.banxico.org.mx/publicaciones-y-discursos/
discursos-y-presentaciones/presentaciones/%7BB07972D7-82FB-A9FA-2840-77DF88416A89%
7D.pdf
Barber, M., Odean, T. & Zhu, N. (2006). Do Noise Traders Move Markets?. Consultado el 28 de
agosto de 2013. Disponible en :http://www.haas.berkeley.edu/groups/finance/Noise.pdf
Benavides, G. & Capistr
an, C. (2009). Una nota sobre la volatilidad de la tasa de interes y del
tipo de cambio bajo diferentes instrumentos de Poltica Monetaria: Mexico 1998-2008. Documento
de Investigaci
on. 10, 1-24.
Bollinger, J. (2001). Bollinger on Bollinger Bands. New York: McGraw-Hill.
Bursametrica. (15 de diciembre de 2008). Economa y Mercados Financieros. Consultado el 05 de
marzo de 2013. Disponible en: http://www.ofarrillasesores.com/site/historial pdf/ne 151208.pdf
Corbitt, W. (2012). Candlestick Charting Demystified. New York: McGraw-Hill.
Cortes, J. (2013). Una estimaci
on del traspaso de las variaciones en el tipo de cambio a los precios en Mexico. Consultado el 13 de agosto de 2013. Disponible en: http:
//www.banxico.org.mx/publicaciones-y-discursos/publicaciones/documentos-de-investigacion/
banxico/%7BDB9C9151-9C0A-1B2B-4B34-0480983D83B1%7D.pdf
Darkow, IL. & Schiereck, K. (2008) . Determinants of merger and acquisition success in global
logistics. International Journal of Logistics Research and Applications. 11 (15), 333-345.
Delicado, P. & Smrekar, M.(2009). Measuring non-linear dependence for two random variables
distributed along a curve. Statistics and Computing. 19 (3), 255-269.
93
Dow, C., Russell, R., Carlson, C. & Shread, P. (2009). Dow Theory Unplugged: Charles Dows
Original Editorials and Their Relevance Today. Iowa: Wasendorf & Associates.
Dow, J. & Rahi, R. (2003). Informed Trading, Investment, and Economic Welfare. Journal of
Business. 76 (3), 30-454.
Droke, C. (2002). Stock Trading with Moving Averages. Estados Unidos: Publishing Concepts.
Droke, C. (2002). Stock Trading with Moving Averages. Estados Unidos: Publishing Concepts.
(2001). Gann Simplified. Estados Unidos: Marketplace Books.
Fama, E. (1970). Efficient capital markets: a review of theory and empirical work. The Journal of
Finance. 25 (2), 383-417.
Fischer, R. & Perry, K. (1993). Fibonacci Applications and Strategies for Traders. Estados Unidos:
John Wiley & Sons.
Garca, S., Cruz, S. & Venegas, F. (2012). Una medida de eficiencia de mercado: un enfoque de
teora de la informaci
on. Contadura y Administraci
on. 59 (4), 137-166.
Geweke, J. & Whiteman, C. (2006)). Bayesian Forecasting. Handbook of Economic Forecasting. 1,
3-80.
Gomez, C. (2009). Validaci
on de la hipotesis de los mercados eficientes en su nivel semifuerte
aplicada al mercado accionario colombiano, a traves de la metodologa de estudio de eventos. Tesis
de especialidad. Universidad Nacional de Colombia, Medelln, Colombia.
Gross, J. (2012): nortest: Tests for Normality. R package version 1.0-2. Disponible en: http://cran.
r-project.org/web/packages/nortest/nortest.pdf
Jeffrey, A. (2013). quantmod: Quantitative Financial Modelling. Framework. R package version
0.4-0. Disponible en: http://CRAN.R-project.org/package=quantmod
Johannes, M. & Polson, N. (2007). MCMC Methods for Continuous-Time Financial Econometrics.
En Ait-Sahalia, Yacine & Hansen, Lars (Eds.), Handbook of Financial Econometrics (2, 1-76)
Columbia, Estados Unidos: North Holland.
Koufopoulos, A. & Boukouras, K. (2010). Information Aggregation and Adverse Selection. Consultado el 04 de noviembre de 2013. Disponible en: http://www2.warwick.ac.uk/fac/soc/economics/
staff/phd students/boukouras/jobmarket/information aggregation and adverse selection v1.pdf
Lehmann, B. (1990). Fads, Martingales, and Market Efficiency. The Quarterly Journal of Economics, 105 (1), 1-28.
94
Romeu, R. & Serajuddin, U. (2001). Technical Analysis for Direct Access Trading. New York: Mc
Graw Hill.
Roztocki, N. & Weistroffer, H., (2009). The impact of enterprise application integration on stock
prices. Journal of Enterprise Information Management, 22 (6), 709-721.
Salazar, G. (2012). El peso mexicano: la gestion de cobertura del riesgo cambiario mediante de la
Teora de los Efectos Olvidados. Journal of Economics, Finance and Administrative Science. 17
(32), 54-73.
Sanchez, A. (2001). Informaci
on asimetrica y mercados financieros emergentes: el analisis de Mishkin. An
alisis Econ
omico. 17 (34), 36-66.
Shiller. R. (1984). Stock prices and social dynamics. Brooking papers on Economics Activity. 2,
457-510.
Stiglitz, J. (1984). The allocation role of the stock market. Pareto Optimality and Competition.
The Journal of Finance, 31 (2), 235-251.
Scrucca, L. (2014). qcc: An R package for quality control charting and statistical process control.
R package version 2.6 Disponible en: http://cran.r-project.org/web/packages/qcc/qcc.pdf
Veldkamp, L. (2006). Information Markets and the Comovement of Asset Prices. The Review of
Economic Studies. 73 (3), 823-846.
Venegas-Martnez, F. (2012). Procesos markovianos en la toma de decisiones: contribuciones de
Onesimo Hern
andez-Lerma. Morfismos, 16 (2), 1-28.
Vengrinovich, V. (2011). Bayesian image and pattern reconstruction from incomplete and noisy
data. Pattern Recognition and Image Analysis, 22 (1), 99-107.
Vukovic, D., Grubisic, Z. & Jovanovic, A. (2012). The use of moving averages in technical analysis
of securities. Megatrend Review, 9 (1), 301-316.
Werner, A. (1997). El efecto sobre el tipo de cambio y las tasas de interes de las intervenciones en
el mercado cambiario y del proceso de esterilizacion. Documento de Investigaci
on, 9706, 1-26.
Yeh, C. & Liao, C. (2001). Market Diversity and Market Efficiency: The Approach based on Genetic
Programming. Artificial Simulation of Adaptive Behavior Journal. 1 (1), 147-167.
96