Trading Quantamental de Divisas: Combinando Análisis Macro y Cuantitativo para Operar con Divisas

El trading alfa se centra fundamentalmente en identificar errores de valoración y posicionarse en el lado correcto.

Fuente: robotwealth.com

Parece sencillo. Pero, ¿cómo se identifica cuándo algo está mal valorado?

Eso depende enteramente de dónde traces la línea azul en la imagen anterior. Y ahí radica el problema… ¿cómo puede una persona común saber a qué precio debería cotizar algo?

La humilde (y casi siempre correcta) respuesta es que, en términos realistas, no puedes tener una visión mejor al respecto que la del mercado en conjunto.

Sin embargo, puedes identificar factores que tienden a causar distorsiones en los precios – casos en los que un desequilibrio entre la oferta y la demanda provoca que los activos se coticen alejados de su nivel correcto.

Un ejemplo clásico es el rebalanceo de ETFs. Un gestor de ETF opera para mantener las exposiciones del fondo alineadas con su mandato, no para maximizar los retornos operativos. Cuando estas operaciones son lo suficientemente grandes, pueden mover el mercado de manera predecible.

Casi todo tu trading alfa como operador independiente se basará en efectos de este tipo. No dependen de que tengas un modelo de valor razonable mejor que el del mercado; en cambio, dependen de que identifiques flujos predecibles que generan distorsiones en la valoración.

Pero en este artículo, quiero hablar sobre el otro tipo de trading alfa.

En este enfoque, construyes un modelo de valor razonable y operas en función de las desviaciones respecto a él:

• Si un activo cotiza por encima del valor razonable de tu modelo, lo vendes
• Si cotiza por debajo de lo que sugiere tu modelo, lo compras

Este tipo de enfoque es, principalmente, propio de equipos profesionales con acceso a datos y los recursos para utilizarlos de manera efectiva.

Sin embargo, exploraremos la idea de los “quantamentals” – combinar datos fundamentales en un modelo de valoración – desde la perspectiva de lo que podrías hacer como operador independiente.

No te hagas ilusiones: es muy poco probable que puedas superar a un equipo profesional bien equipado utilizando este enfoque. Pero quizá puedas construir algo que aporte valor a una cartera más diversificada. Y comprender este enfoque ya es útil por sí mismo.

Así que, profundicemos.

¿Qué es lo Quantamental?

Cuando la mayoría escucha “quantamental”, se imagina una mezcla mística entre la sapiencia de un doctor en economía y la magia del aprendizaje automático.

La realidad es mucho más sencilla. Al menos, conceptualmente.

El trading quantamental toma los fundamentos económicos – elementos como el crecimiento del PIB, las tasas de inflación, las expectativas de tasas de interés – y los transforma en señales sistemáticas y cuantificables.

En lugar de que un gestor de cartera lea manualmente docenas de discursos de bancos centrales y trate de recordar lo que el Banco de la Reserva de Australia dijo hace tres semanas, los datos fundamentales se introducen en algoritmos que los procesan de manera consistente.

El resultado de tal algoritmo es, típicamente, una estimación del valor razonable, es decir, lo que algo debería valer dada toda la información y las suposiciones del modelo.

También podría ser una métrica que tenga alguna relación o utilidad predictiva sobre los retornos futuros.

Aquí hay un ejemplo:

Imagina que quieres seguir si el Banco Central Europeo se está volviendo más agresivo o más moderado con el tiempo. Un trader discrecional podría leer cada comunicado del BCE y formar una opinión subjetiva. En cambio, un enfoque quantamental crearía un sistema de puntuación – tal vez siguiendo la frecuencia de ciertas palabras en los comunicados, combinado con cambios reales en la política y las expectativas de tasas implícitas en el mercado – y produciría una “puntuación de agresividad” diaria para el BCE.

Un detalle importante es que estos datos deben ser puntuales. No puedes usar las cifras revisadas del PIB de hoy al probar el modelo con datos pasados. Debes utilizar exactamente lo que se conocía en ese momento, sin sesgo retrospectivo.

Esto es relevante porque los mercados reaccionan a la información cuando se publica, no cuando se revisa posteriormente. Si pruebas si los movimientos de divisas siguen las sorpresas del PIB, necesitas la publicación original del PIB que los traders realmente vieron, y no la versión revisada publicada seis meses después con todas las correcciones.

Lo que realmente haces es construir indicadores de series temporales para los fundamentos macro, de la misma forma en que lo harías para los precios. Pero en lugar de una media móvil del EUR/USD, podrías obtener una media móvil de los índices de sorpresa económica de la Eurozona o de la inclinación de la curva de rendimiento alemana.

Este enfoque cierra la brecha entre “pienso que el dólar debería ser más fuerte porque la Fed es agresiva” y tener realmente una forma sistemática de expresar esa opinión.

Quantamentals JPM Macrosynergy

El equipo quantamental de J.P. Morgan creó JPMaQS (Sistema Quantamental Macrosynergy de J.P. Morgan) en asociación con una firma llamada Macrosynergy.

Se trata de una inmensa base de datos puntual de información macro global.

Cobertura de JPMaQS (número de indicadores por región). Fuente: macrosynergy.com

Imagina esto: cada día, el sistema genera lo que es, esencialmente, un “Cuadro de Mando Global de Divisas.” Cada divisa principal recibe una puntuación en múltiples temas – impulso de crecimiento, postura de la política monetaria, balances externos, métricas de valoración.

El dólar australiano podría situarse en el cuartil superior en cuanto a impulso de crecimiento (boom minero, empleo sólido), pero obtener una mala puntuación en términos de valoración. La libra esterlina podría tener una sólida credibilidad en política monetaria, pero balances externos muy débiles.

Estas puntuaciones no son opiniones subjetivas. Se derivan de forma sistemática de docenas de series de datos – publicaciones del PMI, informes del IPC, reportes de empleo, balances comerciales y comunicaciones de bancos centrales.

La ventaja, si es que existe, radica en que no todos procesan la información disponible de manera eficiente. O, al menos, en que tu modelo lo haga mejor que el mercado en conjunto.

Supongamos que el modelo identifica que los fundamentos de Canadá son sólidos (precios crecientes de materias primas, un Banco de Canadá agresivo, empleo fuerte) mientras que los del Reino Unido son débiles (crecimiento estancado, incertidumbre política, cambios de política moderados).

Sin embargo, eso no es suficiente para tomar una posición larga en CAD/GBP.

La clave es que solo existe una operación potencial si el CAD/GBP se cotiza con una dislocación respecto a la estimación del modelo de lo que debería valer el dólar canadiense en libras esterlinas.

Aunque los fundamentos de Canadá sean más sólidos, si el CAD/GBP se cotiza por encima de lo que el modelo indica, deberías tomar una posición corta.

Esencialmente, apuestas a que tu modelo tiene una mejor estimación del valor razonable que el mercado – una tarea realmente difícil.

¿Dónde Podría Residir la Ventaja?

Es tentador pensar que la ventaja en este enfoque reside en el algoritmo – que si utilizas un modelo de aprendizaje automático realmente inteligente, puedes estimar el precio mejor que el mercado en general.

No obstante, tiene más sentido centrarse en los datos.

Necesitarás datos de los fenómenos que realmente impulsan los retornos. Pero también tendrás que considerar cómo usarlos. Muchas series temporales macroeconómicas, por ejemplo, son altamente no estacionarias, lo que presenta todo tipo de desafíos.

También existe la idea del “nowcasting” – utilizar modelos para estimar el estado actual de una métrica económica en tiempo real. Por ejemplo, los modelos de nowcasting podrían predecir indicadores como el crecimiento del PIB antes de que se publiquen los datos oficiales.

Estos modelos podrían incorporar desde las ventas minoristas y la producción industrial hasta datos satelitales y el análisis del sentimiento en las noticias, aprendiendo las relaciones que mejor predicen las cifras oficiales.

Aunque no es realista pensar que construirás un modelo de este tipo como operador independiente, una conclusión importante es que la ventaja no reside en el algoritmo de aprendizaje automático. La verdadera ventaja está en comprender qué relaciones económicas realmente importan y cómo funcionan sus dinámicas.

Herramientas que Realmente Puedes Utilizar

Ahora, pasemos a la parte práctica: ¿qué puedes hacer realmente con esta información?

No vas a construir JPMaQS en tu garaje, ni siquiera una suscripción será rentable fuera del trading profesional.

Sin embargo, puedes aplicar el pensamiento quantamental con datos disponibles públicamente. Un buen punto de partida sería centrarse en los mismos tipos de información que impulsan las estrategias institucionales.

A continuación, algunos ejemplos.

Las tasas de interés implícitas y los diferenciales de rendimiento capturan una gran cantidad de información fundamental en números simples. Los valores de las divisas están fuertemente influenciados por las expectativas de tasas de interés, y puedes seguirlos en tiempo real a través de los rendimientos de los bonos gubernamentales y las tasas a plazo.

Cuando los rendimientos a 2 años del Reino Unido suben por encima de los rendimientos a 2 años de Estados Unidos, ello indica que el mercado espera que el Banco de Inglaterra sea más agresivo que la Reserva Federal.

Puedes graficar estos diferenciales de rendimiento en cualquier buena plataforma de análisis. El diferencial entre los rendimientos a 10 años de Estados Unidos y Japón te indica cómo se comparan las expectativas de crecimiento e inflación de Japón con las de Estados Unidos.

Diferencial de rendimiento mensual a 10 años entre EEUU y Japón. Fuente: TradingView

Datos de Posicionamiento de la CFTC: Cada semana, la Comisión de Futuros de Materias Primas publica un análisis detallado de las posiciones en futuros mantenidas por diferentes categorías de traders – coberturistas comerciales, grandes especuladores y pequeños especuladores.

Esto es, básicamente, una radiografía semanal de cómo se posicionan los distintos tipos de participantes en los futuros de divisas. Cuando los grandes especuladores tienen posiciones excesivas, ello podría señalar una sobreconcentración que presenta una probabilidad algo mayor de revertirse.

Lo interesante de los datos de la CFTC es que cuantifican el sentimiento. La desventaja es que, al ser públicos, todos los participantes los conocen. No es una fuente única o propietaria de información (nada disponible para ti lo es).

Datos de Flujos de ETFs y Fondos: Dadas las grandes cantidades de capital gestionadas por los ETFs, estos pueden brindarte otra perspectiva sobre hacia dónde se dirige el capital global. Cuando los inversores inyectan dinero masivamente en ETFs de bonos de mercados emergentes, ese capital tiene que ir a alguna parte – habitualmente apoyando a esas divisas. Cuando venden ETFs de acciones japonesas, ello genera presión vendedora sobre el yen.

Muchos proveedores de ETFs publican datos diarios de flujos. Puedes rastrear cuándo el dinero se desplaza hacia o desde regiones o clases de activos específicas. Los flujos sostenidos probablemente impacten las divisas.

Esto no es perfecto. Los flujos de ETFs son solo una parte del rompecabezas de los flujos de capital.

Pero son un proxy en tiempo real y de acceso público para ese mismo “impulso monetario” que los grandes fondos monitorean a través de relaciones de banca principal y datos institucionales de flujos.

Tácticas Prácticas de Implementación

Manejo de datos no estacionarios:

Típicamente, los datos macroeconómicos requieren un tratamiento especial para que sean útiles en nuestros modelos.

Es común que las series temporales macroeconómicas sean inestables y no estacionarias:

Serie temporal de tasas reales en EEUU. Fuente: robotwealth.com

El principal problema al intentar analizar series como esta es que los diferentes períodos históricos no son comparables.

Una solución sencilla es aplicar un z-score móvil. Simplemente toma cada observación, réstale la media de N días y divide entre la desviación estándar de N días:

z-score móvil a 5 años de tasas reales. Fuente: robotwealth.com

Esto da como resultado una serie temporal mucho más estacionaria y hace que las comparaciones entre períodos históricos sean más significativas.

Horizontes de tiempo realistas:

Las desviaciones en torno a una noción de valor razonable derivada de un modelo macroeconómico no es probable que se consoliden en el corto plazo. Realistamente, mantendrás posiciones durante semanas o meses.

Una implicación práctica importante es que los costos de carry pueden acumularse. Para las cuentas de FX minoristas, tu broker cobrará un spread en las tasas swap (el diferencial de tasas de interés) – lo cual puede representar un obstáculo de costos significativo.

Así que investiga dónde puedes obtener condiciones de trading favorables para los períodos de tenencia que enfrentarás.

Decidir cuándo una desviación es lo suficientemente grande:

Una cosa es segura en el trading: tus costos.

Cada vez que operas, te cuesta dinero. Por lo tanto, necesitas una desviación lo suficientemente grande del valor razonable para que una operación valga la pena.

Aquí hay otra certeza: tu modelo de valor razonable estará equivocado.

Es poco probable que puedas modelar perfectamente el precio al que algo debería cotizar. Una consecuencia práctica de esto es que, además de superar el obstáculo de costos, también debes incluir un margen para errores del modelo.

Esencialmente, quieres que la operación valga la pena, considerando tanto los costos de trading como un margen adicional para posibles errores.

Un enfoque práctico para decidir cuándo una desviación es suficiente podría ser:

1. Calcula un z-score del diferencial entre el valor razonable de tu modelo y el precio al contado. Esto te dará una idea de dónde se encuentran los extremos de la desviación y proporcionará una visión sobre cómo el precio tiende a divergir y converger respecto al valor razonable del modelo. Utiliza esto para establecer un umbral para entrar en operaciones. Digamos que es un z-score de 2.
2. Determina un porcentaje bruto a partir del precio al contado que haga que la operación valga la pena, considerando tanto los costos operativos como un margen para errores del modelo. Supongamos que es un 1%.
3. Entra en las operaciones cuando el z-score del diferencial supere el umbral y la desviación bruta del precio respecto al valor razonable del modelo exceda tu obstáculo de trading.
4. Cierra la operación cuando el diferencial converja.

Consideraciones más amplias:

No intentes operar como un especialista. Tu ventaja como trader minorista radica en la diversificación entre estrategias y mercados.

En lugar de construir el modelo de valoración perfecto, deberías identificar múltiples ventajas en diferentes mercados y asignar capital de manera sistemática entre todas ellas.

Quizás estés operando con carry de divisas, arbitraje de bases en criptomonedas y estacionalidad de fin de mes en bonos. Cada estrategia puede ser ruidosa por sí sola, pero juntas pueden producir rendimientos sorprendentemente estables. Si puedes incorporar un modelo quantamental en alguna de ellas, genial. Pero no pienses que tiene que asumir toda la carga.

Concéntrate en las ventajas que tengan sentido, no en técnicas que suenen impresionantes. El aprendizaje automático y la inteligencia artificial son herramientas, no ventajas. La verdadera ventaja proviene de identificar cuándo algo se cotiza barato o caro en relación con dónde debería cotizar.

Sin duda, es más sencillo encontrar situaciones en las que el trading insensible a los precios genere distorsiones en la valoración, que construir un modelo de valor razonable superior al del mercado.

Si eliges hacer lo último, no debes tener ilusiones sobre de dónde proviene tu ventaja y cuán difícil es lograrlo.

Los operadores institucionales cuentan con mejores datos, ejecución más rápida y modelos más sofisticados. Pero también tienen limitaciones que tú no tienes – requisitos regulatorios, mandatos de clientes, consideraciones de riesgo profesional que les impiden tomar ciertas posiciones o cambiar de estrategia rápidamente.

Tu ventaja no radica en intentar ser una versión mejorada de ellos. Tu ventaja está en ser sistemáticamente oportunista en múltiples ventajas, clases de activos y horizontes temporales de maneras que las estructuras institucionales no permiten.

Concéntrate en comprender por qué existen las ventajas en lugar de solo identificarlas. Construye marcos que puedas aplicar de manera consistente en lugar de dejarte llevar por la emoción de operaciones individuales.

Y lo más importante, recuerda que la incertidumbre está en todas partes en este juego. No puedes eliminarla, pero puedes inclinar las probabilidades a tu favor mediante un buen análisis combinado con un razonamiento sólido sobre lo que estás operando.