151 Estrategias de Trading (151 Trading Strategies)
1151 Estrategias de Trading
Zura Kakushadze §† y Juan Andrés Serur ] § Quantigic (cid:114)
Solutions LLC1127 High Ridge Road † Free University of Tbilisi, Business School & School of Physics240, David Agmashenebeli Alley, Tbilisi, 0159, Georgia ] Universidad del CEMAAv. Córdoba 374, C1054AAP, Ciudad de Buenos Aires, Argentina (La versión en inglés: 17 de agosto de 2018; la versión en español: 30 de mayo de 2019)
ZK: A mi madre Mila y mis hijos Mirabelle y MaximilienJAS: A mis padres, Claudio y Andrea, y mi hermano Emiliano
Resumen
Proporcionamos descripciones detalladas, que incluyen más de 550 fór-mulas matemáticas, para más de 150 estrategias de trading para una grancantidad de clases de activos (y estilos de trading). Esto incluye acciones, op-ciones, bonos (renta fija), futuros, ETFs, índices, commodities, divisas, bonosconvertibles, activos estructurados, volatilidad (como clase de activos), bienesinmuebles, activos en distress, efectivo, criptomonedas, misceláneos (comoclima, energía, inflación), macro global, infraestructura y arbitraje impositivo.Algunas estrategias se basan en algoritmos de aprendizaje automático (comoredes neuronales artificiales, Bayes, k vecinos más cercanos). El libro tambiénincluye: código para backtesting fuera de la muestra con notas explicativas;cerca de 2,000 referencias bibliográficas; más de 900 términos que comprendenel glosario, acrónimos y definiciones matemáticas. La presentación pretendeser descriptiva y pedagógica, y de particular interés para los profesionales delas finanzas, traders, investigadores, académicos y estudiantes de escuelas denegocios y programas de finanzas.
Esto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur. (Spanish Edition, 2019), 398 pp; ISBN 978-1071261873; . Copyright c (cid:13) Zura Kakushadze, Ph.D., es el Presidente y CEO de Quantigic (cid:114)
Solutions LLC, y ProfesorTitular en la Free University of Tbilisi. Email: [email protected] Juan Andrés Serur, M.Fin., es Profesor Asistente en la Universidad del CEMA. Email:[email protected] DESCARGO: Esta dirección es utilizada por el autor correspondiente con el único propósitode indicar su afiliación profesional como es habitual en las publicaciones. En particular, el contenidode este documento no pretende ser un consejo de inversión, legal, fiscal o de otro tipo, y de ningunamanera representa una opinión de Quantigic (cid:114)
Solutions LLC, el sitio web ocualquiera de sus otros afiliados. a r X i v : . [ q -f i n . GN ] N ov sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) (cid:13)
The Editor(s) (if applicable) and The Author(s) 2018. All RightsReserved. 1sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Contenidos
Comentarios de
151 Estrategias de Trading
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
10 Futuros 104
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
11 Activos Estructurados 110
12 Convertibles 115
13 Arbitraje Fiscal 117
14 Activos Misceláneos 120
15 Activos en Distress 125
16 Bienes Raíces 128
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
17 Efectivo 132
18 Criptomonedas 135
19 Macro Global 142
20 Infraestructura 145Agradecimientos 145A Código Fuente en R para Backtesting 147B DESCARGOS DE RESPONSABILIDAD 156Bibliografía 157Glosario 302Acrónimos 367Algunas Notaciones Matemáticas 372Referencias en Inglés 374Notas Explicativas para el Índice 378Índice 379
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Comentarios de
151 Estrategias de Trading “Si usted desea trabajar como trader o analista cuantitativo en Wall Street, debeprometer y cumplir. Este libro único es una introducción completa a una ampliavariedad de estrategias de trading probadas y testeadas. ¡Recomiendo altamenteuna estrategia de trading número 152 llamada comprar este libro!”–
Peter Carr , Profesor y Presidente del Departamento de Finanzas e Ingenieríade Riesgos, NYU’s Tandon School of Engineering; e Ingeniero Financiero del Año2010, International Association for Quantitative Finance & Sungard“Este libro es una visita guiada enciclopédica de estrategias de inversiones“cuantitativas”, desde las más simples (como las de seguimiento de tendencias) aotras mucho más exóticas que utilizan sofisticados contratos derivados. No se haceninguna afirmación sobre la rentabilidad de estas estrategias: uno sabe muy biencuán importantes son los detalles de la implementación y los costos de transacción.Sin embargo, ningún trader cuantitativo puede permitirse ignorar lo que existe,como fuente de inspiración o como punto de referencia para nuevas ideas.”–
Jean-Philippe Bouchaud , Presidente y Jefe Científico, Capital FundManagement; Profesor, École Normale Supérieure; Miembro, Academia de Cienciasde Francia; y Co-Director, CFM-Imperial Institute of Quantitative Finance“Zura Kakushadze y Juan Andrés Serur han creado una enciclopedia magis-tral de estrategias de trading cuantitativo. Los autores nos ofrecen un tratamientoriguroso pero accesible de los fundamentos matemáticos de estas estrategias. Lacobertura es completa, comenzando con estrategias simples y bien conocidas, comolas call cubiertas y luego avanzando naturalmente a estrategias que involucrancriptomonedas. El material de apoyo, tal como un glosario detallado y una extensalista de referencias harán de este libro una referencia esencial para los economistasfinancieros y profesionales de las inversiones.”–
Hossein Kazemi , Profesor Dotado de Michael & Cheryl Philipp en Finanzas,Universidad de Massachusetts en Amherst; y Jefe Editor,
The Journal of AlternativeInvestments “El trading exitoso de instrumentos financieros es tanto una ciencia como unarte, de la misma forma que los esfuerzos de un chef reflejan tanto el arte gas-tronómico como los procesos químicos y térmicos subyacentes de cocinar. En se proporciona a los traders financieros un compendio derecetas válidas, que abarca la amplia gama de métodos que se pueden aplicar en lapráctica de la inversión moderna. La exposición de ambas, las matemáticas y laintuición de cada estrategia descrita, es clara y concisa. Los lectores apreciarán lainclusión de un extenso código de computadora para reducir el esfuerzo necesariopara implementar cualquier cálculo requerido.”–
Dan diBartolomeo , Presidente, Northfield Information Services; y Editor,8sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Asset Management “Un verdadero tour de force–
151 Estrategias de Trading proporciona la rev-elación más exhaustiva de las estrategias populares de los fondos de cobertura. Alrevelar toda la salsa secreta de los fondos de cobertura, Kakushadze y Serur ahorahan hecho todo como estrategias beta. ¡Es momento de bajar las tarifas!”–
Jim Kyung-Soo Liew , Profesor Asistente de Finanzas, Carey BusinessSchool, Universidad de Johns Hopkins; Miembro del Consejo Asesor,
The Journalof Portfolio Management ; y Co-Fundador, SoKat“Este libro es una impresionante concentración de estrategias y fórmulas paraexpandir el conocimiento en finanzas cuantitativas; es una lectura obligada paracualquier persona que quiera mejorar drásticamente su experiencia en la dinámicade los mercados financieros.”–
Daniele Bernardi , CEO, DIAMAN Capital; y Presidente de la Junta,
INVESTORS’ Magazine Italia
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Biografías de los Autores
Zura Kakushadze recibió su Ph.D. en física teórica en la Universidad de Cornell,Estados Unidos, a los 23 años, fue becario postdoctoral en la Universidad deHarvard, Estados Unidos, y Profesor Asistente en el Instituto C.N. Yang de FísicaTeórica en la Universidad de Stony Brook, Estados Unidos. Recibió una beca dela Fundación Alfred P. Sloan en 2001. Después de expandirse a las finanzas cuan-titativas, fue Director de RBC Capital Markets, Director General de WorldQuant,Vicepresidente Ejecutivo y accionista sustancial de Revere Data (ahora parte deFactSet), y Profesor Adjunto de la Universidad de Connecticut, Estados Unidos.Actualmente, es el Presidente y CEO de Quantigic (cid:114)
Solutions y Profesor Titularen la Free University de Tbilisi, Georgia. Cuenta con más de 17 años de experienciapráctica en el trading cuantitativo y en las finanzas cuantitativas, más de 130publicaciones de física, finanzas, investigación del cáncer y otros campos, más de3,400 citas y el índice h mayor a 30, más de 160,000 descargas en la SSRN y másde un cuarto de millón de seguidores en LinkedIn.
Juan Andrés Serur tiene una Maestría en Finanzas de la Universidad del CEMA,Argentina. Con más de 7 años de experiencia en el trading en el mercado de acciones,trabaja como analista cuantitativo y estratega en una firma argentina de gestiónde activos y como consultor financiero para grandes corporaciones. Además, sedesempeña como Secretario Académico del Programa de la Maestría en Finanzas dela Universidad del CEMA, en donde imparte cursos de finanzas computacionales degrado y posgrado como Profesor Asistente. En el año 2016 ganó el primer puestoen una Competencia de Simulación en el Mercado de Capitales Argentino para lacategoría de Universidades e Instituciones Profesionales.10sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Una estrategia de trading puede ser definida como un conjunto de instrucciones cuyoobjetivo es lograr ciertas tenencias de activos en momentos determinados t , t , . . . Estas tenencias pueden ser nulas (pero no necesariamente) en uno o más momentosen el tiempo. En muchos casos, el objetivo principal de una estrategia es obtenerun beneficio directo, es decir, generar retornos positivos sobre la inversión. Sinembargo, existen estrategias de trading que no siempre son rentables de maneraindependiente. Por ejemplo, una estrategia de cobertura puede formar parte deun plan global, el cual puede ser o no una estrategia de trading. En este sentido,una aerolínea cubriendo sus costos ante aumentos en el precio del combustible confuturos de commodities constituye una estrategia de trading que, al mismo tiempo,forma parte de la etapa de gestión del riesgo de la estrategia de negocios global dela aerolínea, cuyo fin es generar ganancias a través de la venta de sus servicios.En el caso de estrategias que se encuentran enfocadas a generar rentabilidadde manera independiente, uno podría decir que la frase “comprar barato, vendercaro” captura su esencia. Sin embargo, este punto de vista es un tanto superfluo, yaque solo aplica a aquellas estrategias que consisten en comprar y vender un activoindividual (por ejemplo, una acción), pero excluye un gran número de estrategiasque funcionan de otra forma. Por ejemplo, una estrategia de cobertura utilizada enel proceso de gestión del riesgo puede no siempre implicar “comprar barato, vendercaro”. Esto se debe a que cubrir riesgos – o, básicamente, transferir el riesgo (o partede éste) a otros traders – no es gratuito y en muchos casos el trader pagará una primapor la cobertura de los mismos. El “arbitraje estadístico”, una popular estrategiaentre los fondos de cobertura constituye otro claro ejemplo de esto, en donde elportafolio de inversiones puede consistir en miles de acciones y la rentabilidad noproviene de comprar barata y vender cara cada acción o grupo de acciones, sino quelo esperado es que, estadísticamente, algunas generen pérdidas y otras ganancias.Esto puede volverse complejo rápidamente.El propósito de este trabajo es recolectar una gran variedad de estrategias detrading en el contexto de finanzas (que es opuesto al trading de tarjetas de béisbol,autos clásicos, etc.) a través de todas las clases de activos (o al menos de aquellasque son más conocidas). En este trabajo utilizamos intencionalmente el término“clase de activo” de forma flexible e incluimos lo que puede ser referido como “sub-clases de activos”. De esta forma, una definición más acotada podría incluir acciones,bonos, efectivo, divisas, bienes raíces, commodities e infraestructura. Sin embargo,esta definición sería muy estrecha para los fines de este trabajo. Es por ello quetambién consideramos: derivados tales como opciones y futuros; fondos de inversióncotizados (ETFs, por sus siglas en inglés); índices (usualmente comerciados a travésde ETFs y futuros); volatilidad, la cual puede ser tratada como una clase de activo(y comerciada a través de, por ejemplo, notas de intercambio cotizadas); activosestructurados (tales como obligaciones de deuda colateralizadas y activos respal-dados por hipotecas); bonos convertibles (representando un híbrido entre bonos y11sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) Una de las consecuencias inmediatas fue que muchas estrategias dearbitraje estadístico que fueron rentables durante años, dejaron de serlo de la nochea la mañana a causa de un aumento en la volatilidad. Eventualmente, el mercado seinundó con estrategias de trading de alta frecuencia (HFT, por sus siglas en inglés) disminuyendo aún más los márgenes de rentabilidad de muchas estrategias antesconsideradas “muy buenas”.Sin embargo, los avances tecnológicos dieron lugar a la aparición de nuevos tiposde estrategias, incluyendo estrategias basadas en la minería de datos y aprendizajeautomático, las cuales apuntan a identificar – generalmente bastante efímeras –señales o tendencias analizando grandes volúmenes de distintos tipos de datos.Muchas de estas señales de trading son tan débiles que no pueden operarse porsí mismas, por lo que se combinan miles, de hecho, decenas o incluso cientos demiles, sino millones, de tales señales con ponderaciones no triviales para amplificary mejorar la señal general de forma tal que se puedan operar por sí solas y generenrentabilidad incluso después de los costos de transacción y el slippage, incluyendoaquel causado por el HFT. Considerando la naturaleza intrínsecamente efímera de los mercados financierosy las estrategias de trading diseñadas para obtener beneficios de éstos, el propósitode estas notas no es enseñar al lector cómo hacer dinero utilizando estrategias detrading, sino que simplemente proporcionar información acerca de las estrategias El NYSE comenzó con su “Mercado Híbrido” (véase, por ejemplo, [Hendershott and Moulton,2011]). Sin embargo, las condiciones para la desaparición definitiva del sistema de los especialistasparecen haber estado dadas durante un período de tiempo considerable. Para ver una línea detiempo, consulte, por ejemplo, [Pisani, 2010]. Véase, por ejemplo, [Aldridge, 2013], [Lewis, 2014]. Véase, por ejemplo, [Kakushadze and Tulchinsky, 2016], [Kakushadze and Yu, 2017b].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Cualquier información u opiniones aquí provistas tienen una finalidad meramenteinformativa y no están destinadas, ni deben ser interpretadas, como un consejo deinversión, o un asesoramiento legal, tributario o de otro tipo, o una oferta, solicitud,recomendación o endoso de cualquier estrategia de trading, activo, producto o servi-cio.
Para más información acerca de descargos de responsabilidad legal, consulte elApéndice B.Esperamos que estas notas sean útiles para académicos, profesionales, estudi-antes y aspirantes a investigadores/traders en los años por venir. Intencionalmenteestas notas – para no duplicar la literatura anterior y para evitar que este manuscritoabarque miles de páginas – no contienen ninguna simulación numérica, backtests, es-tudios empíricos, etc. Sin embargo, proporcionamos una cornucopia ecléctica de ref-erencias, incluidas algunas con análisis empíricos muy detallados. Nuestro propósitoaquí es describir, en muchos casos de forma muy detallada, diversas estrategias detrading. Adicionalmente, el Apéndice A proporciona un código fuente para ilus-trar un backtesting fuera de la muestra (consulte el Apéndice B para obtener másinformación sobre el descargo legal). ¡Esperamos que lo disfrute! El código en el Apéndice A no está escrito para ser “elegante” u óptimo en términos develocidad.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Una opción es una clase de derivado financiero. Se trata de un contrato que ellanzador de opciones vende al comprador. Generalmente, una opción otorga el dere-cho, pero no la obligación, de comprar o vender un activo financiero, conocido comoactivo subyacente (por ejemplo, acciones ordinarias) a un precio predeterminado(conocido como precio de ejercicio) durante un período de tiempo o una fecha es-pecífica (conocida como fecha de ejercicio). El comprador de una opción debe pagaruna prima al vendedor. Para más información acerca de la valuación de opciones,véase, por ejemplo, [Harrison and Pliska, 1981], [Baxter and Rennie, 1996], [Hull,2012], [Kakushadze, 2015a].Una opción de compra (call) europea es el derecho (pero no la obligación) decomprar una acción en la fecha de vencimiento T a un precio de ejercicio K acordadoen el momento t = 0. El valor de un call al vencimiento es f call ( S T , k ) = ( S T − k ) + .Aquí ( x ) + = x si x > x ) + = 0 si x ≤
0. Si el precio de la acción al vencimientoes S T > k , el comprador de la opción gana S T − k (excluyendo el costo de laopción en t = 0). Si el precio al vencimiento es S T ≤ k , las ganancias son nulasdado que no tendría sentido ejercer la opción si S T < k (ya que sería más baratoadquirirla directamente en el mercado) y por último si S T = k , el comprador esindiferente entre ejercer y no ejercer – todo esto es válido si no consideramos costostransaccionales. De forma similar, una opción de venta (put) europea es el derecho(pero no la obligación) de vender una acción en la fecha de vencimiento T . El valorde un put al vencimiento es f put ( S T , k ) = ( k − S T ) + .Una opción puede ser emitida sobre una gran variedad de activos subyacentes,por ejemplo, acciones, bonos, futuros, índices, commodities, divisas, etc. Por con-veniencia terminológica, en las siguientes hojas nos referiremos con frecuencia alactivo subyacente como “acciones”, aunque en muchos casos la discusión puede gen-eralizarse fácilmente a otros activos. Además, existe una gran variedad de estilos deopciones (más allá de las opciones europeas – para más información sobre opcioneseuropeas, véase, por ejemplo, [Black and Scholes, 1973]), por ejemplo, opciones amer-icanas (que pueden ser ejercidas en cualquier momento antes de la fecha de ejercicio– véase, por ejemplo, [Kim, 1990]), opciones bermuda (que pueden ejercerse soloen fechas específicas en o antes de la expiración – véase, por ejemplo, [Andersen,1999]), opciones canarias (que se pueden ejercer, por ejemplo, trimestralmente, perono antes de que haya transcurrido un período de tiempo determinado, por ejem-plo, 1 año; véase, por ejemplo, [Henrard, 2006]), opciones asiáticas (cuyo pago estádeterminado por el precio promedio del activo subyacente durante un período detiempo preestablecido - véase, por ejemplo, [Rogers and Shi, 1995]), opciones conbarrera (que pueden ejercerse solo si el precio del valor del activo subyacente pasa uncierto nivel o “barrera” – véase, por ejemplo, [Haug, 2001]), otras opciones exóticas(existe una amplia categoría de opciones que, por lo general, están estructuradas de14sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) all-or-nothing – u opcionesdigitales) que pagan una cantidad preestablecida, por ejemplo, $1, si el valor delactivo subyacente cumple una condición predefinida al vencimiento, de lo contrario,simplemente caducan sin pagar nada al titular; véase, por ejemplo, [Breeden andLitzenberger, 1978].Algunas estrategias de trading pueden ser construidas utilizando distintas combi-naciones de opciones. A grandes rasgos, se pueden dividir en dos tipos de estrategias:direccionales y no direccionales. Las estrategias direccionales implican una expec-tativa sobre la dirección de los movimientos futuros del precio de las acciones. Lasestrategias no direccionales (también conocidas como neutrales) no se basan en ladirección futura, es decir, el trader es indiferente con respecto a que el precio de laacción suba o baje.Al mismo tiempo, las estrategias direccionales se pueden dividir en dos subgru-pos: (i) estrategias alcistas, en las cuales el trader se beneficia si el precio de lasacciones aumenta; y (ii) estrategias bajistas, en donde el trader se beneficia si elprecio de las acciones disminuye. Las estrategias no direccionales se pueden dividiren dos subgrupos: (a) estrategias de volatilidad, que se benefician si el precio de lasacciones experimenta grandes movimientos (es decir, entorno de alta volatilidad); y(b) estrategias laterales, que se benefician si el precio de las acciones se mantieneestable (es decir, entorno de baja volatilidad). Además, se pueden distinguir estrate-gias destinadas a la generación de ingresos, estrategias cuyo objetivo es la generaciónde ganancias de capital, estrategias de cobertura, etc. (véase, por ejemplo, [Cohen,2005]).En el resto de esta sección, a menos que se indique lo contrario, todas las opcionesson para la misma acción y tienen el mismo tiempo al vencimiento (TTM, por sussiglas en inglés). Las abreviaturas del grado del dinero (“moneyness”) son: ATM= at-the-money (en el dinero), ITM = in-the-money (dentro del dinero), OTM =out-of-the-money (fuera del dinero). También: f T es el pago al vencimiento T ; S es el precio de la acción en el momento t = 0 de establecer la operación (es decir,iniciar la posición); S T es el precio de las acciones al vencimiento; C es el créditoneto recibido en t = 0 y D es el débito neto requerido en t = 0, según corresponda; H = D (para una operación de débito neto) o H = − C (para una operación decrédito neto); S ∗ sup y S ∗ inf son los precios de equilibrio superiores e inferiores (esdecir, un precio tal que f T = 0), respectivamente, al vencimiento; si solo hay unprecio de equilibrio, se denota con S ∗ ; P max es la ganancia máxima al vencimiento; L max es la pérdida máxima al vencimiento. H es el débito neto de todas las primas de las opciones compradas menos el crédito neto detodas las primas de las opciones vendidas.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia consiste en comprar una acción y lanzar una opción call con unprecio de ejercicio K contra la posición larga en la acción. La perspectiva del tradersobre el precio de las acciones es neutral a alcista. Esta estrategia (de cobertura)tiene una función de pagos (es decir, el valor al vencimiento, o payoff en inglés)igual a la de lanzar una opción put (put corta/descubierta). Mientras mantiene laposición larga en el activo subyacente, el trader puede generar ingresos vendiendoperiódicamente opciones call OTM. Tenemos: f T = S T − S − ( S T − K ) + + C = K − S − ( K − S T ) + + C (1) S ∗ = S − C (2) P max = K − S + C (3) L max = S − C (4) Esta estrategia consiste en vender una acción y lanzar una opción put con un preciode ejercicio K contra la posición corta en la acción. La perspectiva del trader esneutral a bajista. Esta estrategia tiene la misma función de pagos (es decir, el valor alvencimiento, o payoff en inglés) que lanzar una opción call (call corta/descubierta).Mientras mantiene la posición corta en el activo subyacente, el trader puede generaringresos vendiendo periódicamente opciones put OTM. Tenemos: f T = S − S T − ( K − S T ) + + C = S − K − ( S T − K ) + + C (5) S ∗ = S + C (6) P max = S − K + C (7) L max = ilimitado (8) Esta estrategia consiste en la compra de una acción y de una opción put ATM uOTM con un precio de ejercicio K ≤ S . La perspectiva del trader es alcista. Estaestrategia es de cobertura: la opción de venta cubre el riesgo de una caída en el Esto está relacionado con la paridad put-call (véase, por ejemplo, [Stoll, 1969], [Hull, 2012]). Para obtener más literatura sobre estrategias de cobertura con opciones call, véase, porejemplo, [Pounds, 1978], [Whaley, 2002], [Feldman and Roy, 2004], [Hill et al , 2006], [Kapadia andSzado, 2007], [Che and Fung, 2011], [Mugwagwa et al , 2012], [Israelov and Nielsen, 2014], [Israelovand Nielsen, 2015a], [Hemler and Miller, 2015]. La estrategia de put cubierta es simétrica a la estrategia de call cubierta. La literaturaacadémica sobre esta estrategia es escasa. Véase, por ejemplo, [Che, 2016].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = S T − S + ( K − S T ) + − D = K − S + ( S T − K ) + − D (9) S ∗ = S + D (10) P max = ilimitado (11) L max = S − K + D (12) Esta estrategia consiste en vender una acción y comprar una opción call ATM uOTM con un precio de ejercicio K ≥ S . La perspectiva del trader es bajista. Estaestrategia es de cobertura: la opción de compra cubre el riesgo de una suba en elprecio de la acción. Tenemos: f T = S − S T + ( S T − K ) + − D = S − K + ( K − S T ) + − D (13) S ∗ = S − D (14) P max = S − D (15) L max = K − S + D (16) Este diferencial vertical consiste en una posición larga en una opción call cercana aATM con un precio de ejercicio K y una posición corta en otra opción call OTMcon un precio de ejercicio más alto K . Para crear este trade se requiere un débitoneto. La perspectiva del trader es alcista: la estrategia se beneficia si el precio de laacción sube. Esta estrategia es de ganancia de capital. Tenemos: f T = ( S T − K ) + − ( S T − K ) + − D (17) S ∗ = K + D (18) P max = K − K − D (19) L max = D (20) Para algunos estudios sobre estrategias de protección con opciones put, véase, por ejemplo,[Figlewski, Chidambaran and Kaplan, 1993], [Israelov and Nielsen, 2015b], [Israelov, Nielsen andVillalon, 2017], [Israelov, 2017]. Esta estrategia es simétrica a la put cubierta. La literatura académica parece ser escasa.Véase, por ejemplo, [Jabbour and Budwick, 2010], [Tokic, 2013]. Para más información sobre diferenciales verticales alcistas/bajistas con calls/puts, véase,por ejemplo, [Cartea and Pedraz, 2012], [Chaput and Ederington, 2003], [Chaput and Ederington,2005], [Chen, Chen and Howell, 1999], [Cong, Tan and Weng, 2013], [Cong, Tan and Weng, 2014],[Matsypura and Timkovsky, 2010], [Shah, 2017], [Wong, Thompson and Teh, 2011], [Zhang, 2015].Véase también [Clarke, de Silva and Thorley, 2013], [Cohen, 2005], [Jabbour and Budwick, 2010],[McMillan, 2002], [The Options Institute, 1995].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Este diferencial vertical consiste en una posición larga en una opción put OTM conun precio de ejercicio K y una posición corta en otra opción put OTM con un preciode ejercicio mayor K . Este trade genera un crédito neto. La perspectiva del traderes alcista. Esta estrategia es de generación de ingresos. Tenemos: f T = ( K − S T ) + − ( K − S T ) + + C (21) S ∗ = K − C (22) P max = C (23) L max = K − K − C (24) Este diferencial vertical consiste en una posición larga en una opción call OTM conun precio de ejercicio K y una posición corta en otra opción call OTM con un preciode ejercicio menor K . Este trade genera un crédito neto. La perspectiva del traderes bajista. Esta estrategia es de generación de ingresos. Tenemos: f T = ( S T − K ) + − ( S T − K ) + + C (25) S ∗ = K + C (26) P max = C (27) L max = K − K − C (28) Este diferencial vertical consiste en una posición larga en una opción put cercana aATM con un precio de ejercicio K y una posición corta en una opción put OTM conun precio de ejercicio menor K . Para crear este trade se requiere un débito neto.La perspectiva del trader es bajista: esta estrategia genera beneficios si el precio dela acción baja. Esta estrategia es de ganancia de capital. Tenemos: f T = ( K − S T ) + − ( K − S T ) + − D (29) S ∗ = K − D (30) P max = K − K − D (31) L max = D (32) Esta estrategia consiste en la compra de una opción call ATM y la venta de unaopción put ATM con el precio de ejercicio K = S . Este trade puede ser de débito18sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) | H | (cid:28) S . La perspectiva del trader es alcista:esta estrategia imita una posición larga en una acción o en un futuro; replica unaposición larga en un contrato forward con el precio de entrega K y la madurez iguala la de las opciones. Esta estrategia es de ganancia de capital. Tenemos: f T = ( S T − K ) + − ( K − S T ) + − H = S T − K − H (33) S ∗ = K + H (34) P max = ilimitado (35) L max = K + H (36) Esta estrategia consiste en la compra de una opción put ATM y la venta de unaopción call con el precio de ejercicio K = S . Este trade puede ser de débito netoo crédito neto. Generalmente, | H | (cid:28) S . La perspectiva del trader es bajista: estaestrategia imita una posición corta en una acción o en un futuro; replica una posicióncorta en un contrato forward con el precio de entrega K y la madurez igual a la delas opciones. Esta estrategia es de ganancia de capital. Tenemos: f T = ( K − S T ) + − ( S T − K ) + − H = K − S T − H (37) S ∗ = K − H (38) P max = K − H (39) L max = ilimitado (40) Esta estrategia consiste en la compra de una opción call OTM con un precio deejercicio K y en la venta de una opción put OTM con un precio de ejercicio K .La perspectiva del trader es alcista. Esta estrategia es de ganancia de capital. Tenemos ( K > K ): f T = ( S T − K ) + − ( K − S T ) + − H (41) S ∗ = K + H, H > S ∗ = K + H, H < K ≤ S ∗ ≤ K , H = 0 (44) P max = ilimitado (45) L max = K + H (46) Para más información sobre contratos forward sintéticos largos/cortos, véase, por ejemplo,[Benavides, 2009], [Bozic and Fortenbery, 2012], [DeMaskey, 1995], [Ebrahim and Rahman, 2005],[Nandy and Chattopadhyay, 2016]. Para más información sobre estrategias de combos largos/cortos, véase, por ejemplo, [Rus-náková, Šoltés and Szabo, 2015], [Šoltés, 2011], [Šoltés and Rusnáková, 2012]. Véase también, porejemplo, [Chaput and Ederington, 2003].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia consiste en la compra de una opción put OTM con un precio deejercicio K y en la venta de una opción call OTM con un precio de ejercicio K . Laperspectiva del trader es bajista. Esta estrategia es de ganancia de capital. Tenemos( K > K ): f T = ( K − S T ) + − ( S T − K ) + − H (47) S ∗ = K − H, H > S ∗ = K − H, H < K ≤ S ∗ ≤ K , H = 0 (50) P max = K − H (51) L max = ilimitado (52) Este diferencial vertical consiste en una posición larga en una opción call cercana(usualmente) a ATM con un precio de ejercicio K , una posición corta en una opcióncall OTM con un precio de ejercicio K y una posición corta en otra opción call OTMcon un precio de ejercicio mayor K . Esta estrategia es equivalente a un diferencialalcista construido con opciones call financiado con la venta de otra opción call OTM(con el precio de ejercicio K ). Esta posición ajusta las perspectivas del trader dealcista (diferencial alcista) a conservadoramente alcista o incluso no direccional (conuna expectativa de baja volatilidad). Tenemos: f T = ( S T − K ) + − ( S T − K ) + − ( S T − K ) + − H (53) S ∗ inf = K + H, H > S ∗ sup = K + K − K − H (55) P max = K − K − H (56) L max = ilimitado (57) Este diferencial vertical consiste en una posición corta en una opción put cercana(usualmente) a ATM con un precio de ejercicio K , una posición larga en una opciónput OTM con un precio de ejercicio K y una posición larga en otra opción put OTMcon un precio de ejercicio menor K . Esta estrategia generalmente es ejecutadacuando un diferencial alcista construido con opciones put sale mal (las accionesbajan), entonces el trader compra otra opción put OTM (con el precio de ejercicio En este sentido, esta es una estrategia de “ingresos”.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) K ) para ajustar la posición a bajista. Tenemos: f T = ( K − S T ) + + ( K − S T ) + − ( K − S T ) + − H (58) S ∗ sup = K + H, H < S ∗ inf = K + K − K − H (60) P max = K + K − K − H (61) L max = K − K + H (62) Este diferencial vertical consiste en una posición corta en una opción call cercana(usualmente) a ATM con un precio de ejercicio K , una posición larga en una opcióncall OTM con un precio de ejercicio K y una posición larga en otra opción call OTMcon un precio de ejercicio mayor K . Esta estrategia generalmente es ejecutadacuando un diferencial bajista construido con opciones call sale mal (las accionessuben), entonces el trader compra otra opción call OTM (con el precio de ejercicio K ) para ajustar la posición a alcista. Tenemos: f T = ( S T − K ) + + ( S T − K ) + − ( S T − K ) + − H (63) S ∗ inf = K − H, H < S ∗ sup = K + K − K + H (65) P max = ilimitado (66) L max = K − K + H (67) Este diferencial vertical consiste en una posición larga en una opción put cercana(usualmente) a ATM con un precio de ejercicio K , una posición corta en una opciónput OTM con un precio de ejercicio K y una posición corta en otra opción put OTMcon un precio de ejercicio menor K . Esta estrategia es equivalente a un diferencialbajista construido con opciones put financiado con la venta de otra opción put OTM(con el precio de ejercicio K ). Esta posición ajusta las perspectivas del trader debajista (diferencial bajista) a conservadoramente bajista o incluso no direccional (conuna expectativa de baja volatilidad). Tenemos (asumiendo K + K − K + H > Para más información sobre estas estrategias, véase, por ejemplo, [Amaitiek, Bálint andRešovský, 2010], [Harčariková and Šoltés, 2016], [He, Tang and Zhang, 2016], [Šoltés and Amaitiek,2010a]. En este sentido, esta es una estrategia de “ingresos”.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) H, f T = ( K − S T ) + − ( K − S T ) + − ( K − S T ) + − H (68) S ∗ sup = K − H, H > S ∗ inf = K + K − K + H (70) P max = K − K − H (71) L max = K + K − K + H (72) Este es un diferencial horizontal que consiste en una posición larga en una opcióncall cercana a ATM con un TTM T y una posición corta en otra opción call conel mismo precio de ejercicio K , pero un TTM más corto T < T . Para crear estetrade se requiere un débito neto. La perspectiva del trader es neutral a alcista. Alvencimiento de la opción call corta ( t = T ), el mejor escenario es que el precio dela acción sea igual al precio de ejercicio ( S T = K ). En t = T , sea V el valor de laopción call larga (que vence en t = T ) asumiendo S T = K . Tenemos: P max = V − D (73) L max = D (74)Si al vencimiento de la opción call corta el precio de las acciones es S stop − loss ≤ S T ≤ K , en donde S stop − loss es el precio de stop-loss por debajo del cual el traderdesarmaría toda la posición, entonces el trader puede lanzar otra opción call conel precio de ejercicio K y un TTM T < T . Mientras mantiene la posición largaen la opción call con el TTM T , el trader puede generar ingresos mediante laventa periódica de opciones call con vencimientos más cortos. En este sentido, estaestrategia se asemeja a la call cubierta. Este es un diferencial horizontal que consiste en una posición larga en una opciónput cercana a ATM con un TTM T y una posición corta en otra opción put conel mismo precio de ejercicio K , pero un TTM más corto T < T . Para crear estetrade se requiere un débito neto. La perspectiva del trader es neutral a bajista. Alvencimiento de la opción put corta ( t = T ), el mejor escenario es que el precio de Para más información sobre diferenciales temporales/diagonales con call/put, véase, por ejem-plo, [Carmona and Durrleman, 2003], [Carr and Javaheri, 2005], [Dale and Currie, 2015], [Gatheraland Jacquier, 2014], [Kawaller, Koch and Ludan, 2002], [Liu and Tang, 2010], [Manoliu, 2004], [Pir-rong, 2017], [Till, 2008].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) S T = K ). En t = T , sea V el valor de laopción put larga (que vence en t = T ) asumiendo S T = K . Tenemos: P max = V − D (75) L max = D (76)Si al vencimiento del put corto el precio de las acciones K ≤ S T ≤ S stop − loss , endonde S stop − loss es el precio de stop-loss por encima del cual el trader desarmaríatoda la posición, entonces el trader puede lanzar otra opción put con el precio deejercicio K y un TTM T < T . Mientras mantiene la posición larga en la opciónput con el TTM T , el trader puede generar ingresos mediante la venta periódicade opciones put con vencimientos más cortos. En este sentido, esta estrategia seasemeja a la put cubierta. Este diferencial diagonal consiste en una posición larga en una opción call muy ITMcon un precio de ejercicio K y un TTM T y una posición corta en una opción callOTM con un precio de ejercicio K y un TTM más corto T < T . Para crear estetrade se requiere un débito neto. La perspectiva del trader es alcista. En t = T ,sea V el valor de la opción call larga (que vence en t = T ) asumiendo S T = K .Tenemos: P max = V − D (77) L max = D (78)Si al vencimiento de la opción call corta el precio de las acciones es S stop − loss ≤ S T ≤ K , en donde S stop − loss es el precio de stop-loss por debajo del cual el traderdesarmaría toda la posición, entonces el trader puede lanzar otra opción call OTMcon un TTM T < T . Mientras mantiene la posición larga en la opción call con elTTM T , el trader puede generar ingresos mediante la venta periódica de opcionescall OTM con vencimientos más cortos. En este sentido, esta estrategia se asemejaa un diferencial temporal con opciones call. La principal diferencia radica en que,en esta estrategia, la opción call (profundamente) ITM (a diferencia de la opcióncall cercana a ATM en el diferencial temporal) se asemeja más a la acción, por loque la posición está más protegida contra un fuerte aumento en el precio de ésta. Este diferencial diagonal consiste en una posición larga en una opción put muy ITMcon un precio de ejercicio K y un TTM T y una posición corta en una opción put23sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) K y un TTM más corto T < T . Para crear estetrade se requiere un débito neto. La perspectiva del trader es bajista. En t = T ,sea V el valor de la opción put larga (que vence en t = T ) asumiendo S T = K .Tenemos: P max = V − D (79) L max = D (80)Si al vencimiento de la opción put corta el precio de las acciones es K ≤ S T ≤ S stop − loss , en donde S stop − loss es el precio de stop-loss por encima del cual el traderdesarmaría toda la posición, entonces el trader puede lanzar otra opción put OTMcon un TTM T < T . Mientras mantiene la posición larga en la opción put con elTTM T , el trader puede generar ingresos mediante la venta periódica de opcionesput OTM con vencimientos más cercanos. En este sentido, esta estrategia se asemejaa un diferencial temporal con put. La principal diferencia radica en que, en estaestrategia, la opción put (profundamente) ITM (a diferencia de la opción put cercanaa ATM en el diferencial temporal) se asemeja más a la acción, por lo que la posiciónestá más protegida contra una fuerte caída en el precio de ésta. Esta estrategia de volatilidad consiste en una posición larga en una opción call ATMy una posición larga en una opción put ATM con un precio de ejercicio K . Paracrear este trade se requiere un débito neto. La perspectiva del trader es neutral.Esta estrategia es de ganancia de capital. Tenemos: f T = ( S T − K ) + + ( K − S T ) + − D (81) S ∗ sup = K + D (82) S ∗ inf = K − D (83) P max = ilimitado (84) L max = D (85) Esta estrategia de volatilidad consiste en una posición larga en una opción call OTMcon un precio de ejercicio K y una posición larga en una opción put OTM con un Para más información sobre conos/cunas, véase, por ejemplo, [Copeland and Galai, 1983],[Coval and Shumway, 2001], [Engle and Rosenberg, 2000], [Gao, Xing and Zhang, 2017], [Goltzand Lai, 2009], [Guo, 2000], [Hansch, Naik and Viswanathan, 1998], [Noh, Engle and Kane, 1994],[Rusnáková and Šoltés, 2012], [Suresh, 2015]. La literatura académica sobre guts largos/cortos(que pueden ser pensados como una variación de los conos) parece ser más escasa. Por un libro dereferencia, consulte, por ejemplo, [Cohen, 2005]. Por estrategias de conos cubiertos, consulte, porejemplo, [Johnson, 1979].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) K . Para crear este trade se requiere un débito neto. Debido aque las opciones call y las opciones put son OTM, esta estrategia es menos costosade establecer que un cono largo. La contracara es que el movimiento en el precio delas acciones requerido para alcanzar uno de los puntos de equilibrio también es mássignificativo. La perspectiva del trader es neutral. Esta estrategia es de ganancia decapital. Tenemos: f T = ( S T − K ) + + ( K − S T ) + − D (86) S ∗ sup = K + D (87) S ∗ inf = K − D (88) P max = ilimitado (89) L max = D (90) Esta estrategia de volatilidad consiste en una posición larga en una opción call ITMcon un precio de ejercicio K y una posición larga en una opción put ITM con unprecio de ejercicio K . Para crear este trade se requiere un débito neto. Debido aque las opciones call y las opciones put son ITM, esta estrategia es más costosa deestablecer que un cono largo. La perspectiva del trader es neutral. Esta estrategiaes de ganancia de capital. Tenemos (asumiendo D > K − K ): f T = ( S T − K ) + + ( K − S T ) + − D (91) S ∗ sup = K + D (92) S ∗ inf = K − D (93) P max = ilimitado (94) L max = D − ( K − K ) (95) Esta es una estrategia lateral que consiste en una posición corta en una opción callATM y una posición corta en una opción put ATM con un precio de ejercicio K .Este trade genera un crédito neto. La perspectiva del trader es neutral. Esta es unaestrategia de generación de ingresos. Tenemos: f T = − ( S T − K ) + − ( K − S T ) + + C (96) S ∗ sup = K + C (97) S ∗ inf = K − C (98) P max = C (99) L max = ilimitado (100) De otra forma esta estrategia podría generar retornos libres de riesgo.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta es una estrategia lateral que consiste en una posición corta en una opción callOTM con un precio de ejercicio K y una posición corta en una opción put OTMcon un precio de ejercicio K . Este trade genera un crédito neto. Debido a queambas posiciones son OTM, esta estrategia es menos riesgosa que un cono corto. Lacontracara es que el crédito inicial es también más bajo. La perspectiva del traderes neutral. Esta es una estrategia de generación de ingresos. Tenemos: f T = − ( S T − K ) + − ( K − S T ) + + C (101) S ∗ sup = K + C (102) S ∗ inf = K − C (103) P max = C (104) L max = ilimitado (105) Esta es una estrategia lateral que consiste en una posición corta en una opción callITM con un precio de ejercicio K y una posición corta en una opción put ITM conun precio de ejercicio K . Este trade genera un crédito neto. Debido a que ambasposiciones son ITM, el crédito inicial es mayor al generado por un cono corto. Lacontracara es que el riesgo de esta estrategia es más alto. La perspectiva del traderes neutral. Esta es una estrategia de generación de ingresos. Tenemos: f T = − ( S T − K ) + − ( K − S T ) + + C (106) S ∗ sup = K + C (107) S ∗ inf = K − C (108) P max = C − ( K − K ) (109) L max = ilimitado (110) Esta estrategia de volatilidad (que es la misma que un cono largo con la opción putreemplazada por una opción put sintética) consiste en vender una acción y comprar dos opciones call ATM (o las ITM más cercanas) con un precio de ejercicio K .La perspectiva del trader es neutral. Esta estrategia es de ganancia de capital. Similar a los guts largos, aquí asumimos que
C > K − K . La literatura académica sobre conos sintéticos parece ser escasa. Véase, por ejemplo, [Trifonov et al , 2011], [Trifonov et al , 2014].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) S ≥ K y D > S − K ): f T = S − S T + 2 × ( S T − K ) + − D (111) S ∗ sup = 2 × K − S + D (112) S ∗ inf = S − D (113) P max = ilimitado (114) L max = D − ( S − K ) (115) Esta estrategia de volatilidad (que es la misma que un cono largo con la opcióncall reemplazada por una opción call sintética) consiste en comprar una acción ycomprar dos opciones put ATM (o las ITM más cercanas) con un precio de ejercicio K . La perspectiva del trader es neutral. Esta estrategia es de ganancia de capital.Tenemos (asumiendo S ≤ K y D > K − S ): f T = S T − S + 2 × ( K − S T ) + − D (116) S ∗ sup = S + D (117) S ∗ inf = 2 × K − S − D (118) P max = ilimitado (119) L max = D − ( K − S ) (120) Esta estrategia lateral (que es la misma que un cono corto con la opción put reem-plazada por una opción put sintética) consiste en comprar una acción y vender dos opciones call ATM (o las OTM más cercanas) con un precio de ejercicio K . La per-spectiva del trader es neutral. Esta estrategia es de ganancia de capital. Tenemos(asumiendo S ≤ K ): f T = S T − S − × ( S T − K ) + + C (121) S ∗ sup = 2 × K − S + C (122) S ∗ inf = S − C (123) P max = K − S + C (124) L max = ilimitado (125)27sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia lateral (que es la misma que un cono corto con la opción call reem-plazada por una opción call sintética) consiste en vender una acción y vender dos opciones put ATM (o las OTM más cercanas) con un precio de ejercicio K . La per-spectiva del trader es neutral. Esta estrategia es de ganancia de capital. Tenemos(asumiendo S ≥ K ): f T = S − S T − × ( K − S T ) + + C (126) S ∗ sup = S + C (127) S ∗ inf = 2 × K − S − C (128) P max = S − K + C (129) L max = ilimitado (130) Esta estrategia consiste en aumentar una call cubierta lanzando una opción put conel mismo precio de ejercicio K y el mismo TTM que la opción call vendida y, por lotanto, incrementando los ingresos. La perspectiva del trader es alcista. Tenemos: f T = S T − S − ( S T − K ) + − ( K − S T ) + + C (131) S ∗ = 12 ( S + K − C ) (132) P max = K − S + C (133) L max = S + K − C (134) Esta estrategia consiste en aumentar una call cubierta lanzando una opción putOTM con un precio de ejercicio K y el mismo TTM que la opción call vendida(cuyo precio de ejercicio es K ) y, por lo tanto, incrementando los ingresos. Laperspectiva del trader es alcista. Tenemos: f T = S T − S − ( S T − K ) + − ( K − S T ) + + C (135) P max = K − S + C (136) L max = S + K − C (137)28sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta es una estrategia de volatilidad que consiste en una posición larga en dos opciones call ATM y una posición larga en una opción put ATM con un precio deejercicio K . Para crear este trade se requiere un débito neto. La perspectiva deltrader es alcista. Esta estrategia es de ganancia de capital. Tenemos: f T = 2 × ( S T − K ) + + ( K − S T ) + − D (138) S ∗ sup = K + D S ∗ inf = K − D (140) P max = ilimitado (141) L max = D (142) Esta es una estrategia de volatilidad que consiste en una posición larga en una opcióncall ATM y una posición larga en dos opciones put ATM con un precio de ejercicio K . Para crear este trade se requiere un débito neto. La perspectiva del trader esbajista. Esta estrategia es de ganancia de capital. Tenemos: f T = ( S T − K ) + + 2 × ( K − S T ) + − D (143) S ∗ sup = K + D (144) S ∗ inf = K − D P max = ilimitado (146) L max = D (147) Esta estrategia consiste en una posición corta en N C opciones call cercanas a ATMcon un precio de ejercicio K y una posición larga en N L opciones call OTM conun precio de ejercicio K , en donde N L > N C . Generalmente, N L = 2 y N C = 1, o N L = 3 y N C = 2. La perspectiva del trader es fuertemente alcista. Esta estrategia Para más información sobre correas y bandas, véase, por ejemplo, [Jha and Kalimipal, 2010],[Topaloglou, Vladimirou and Zenios, 2011].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = N L × ( S T − K ) + − N C × ( S T − K ) + − H (148) S ∗ inf = K − H/N C , H < S ∗ sup = ( N L × K − N C × K + H ) / ( N L − N C ) (150) P max = ilimitado (151) L max = N C × ( K − K ) + H (152) Esta estrategia consiste en una posición corta en N C opciones put cercanas a ATMcon un precio de ejercicio K y una posición larga en N L opciones put OTM conun precio de ejercicio K , en donde N L > N C . Generalmente, N L = 2 y N C = 1, o N L = 3 y N C = 2. La perspectiva del trader es fuertemente bajista. Esta estrategiaes de ganancia de capital. Tenemos: f T = N L × ( K − S T ) + − N C × ( K − S T ) + − H (153) S ∗ sup = K + H/N C , H < S ∗ inf = ( N L × K − N C × K − H ) / ( N L − N C ) (155) P max = N L × K − N C × K − H (156) L max = N C × ( K − K ) + H (157) Esta estrategia consiste en una posición corta en N C opciones call cercanas a ATMcon un precio de ejercicio K y una posición larga en N L opciones call ITM con unprecio de ejercicio K , en donde N L < N C . Generalmente, N L = 1 y N C = 2, o N L = 2 y N C = 3. Esta estrategia es de generación de ingresos si es estructurada deforma tal que genere un crédito neto. La perspectiva del trader es neutral a bajista. Para más información sobre diferenciales ratios (inversos) con call/put, véase, por ejemplo,[Augustin, Brenner and Subrahmanyam, 2015], [Chaput and Ederington, 2008], [Šoltés, 2010],[Šoltés and Amaitiek, 2010b], [Šoltés and Rusnáková, 2013].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = N L × ( S T − K ) + − N C × ( S T − K ) + − H (158) S ∗ inf = K + H/N L , H > S ∗ sup = ( N C × K − N L × K − H ) / ( N C − N L ) (160) P max = N L × ( K − K ) − H (161) L max = ilimitado (162) Esta estrategia consiste en una posición corta en N C opciones put cercanas a ATMcon un precio de ejercicio K y una posición larga en N L opciones put ITM con unprecio de ejercicio K , en donde N L < N C . Generalmente, N L = 1 y N C = 2, o N L = 2 y N C = 3. Esta estrategia es de generación de ingresos si es estructurada deforma tal que genere un crédito neto. La perspectiva del trader es neutral a alcista.Tenemos: f T = N L × ( K − S T ) + − N C × ( K − S T ) + − H (163) S ∗ sup = K − H/N L , H > S ∗ inf = ( N C × K − N L × K + H ) / ( N C − N L ) (165) P max = N L × ( K − K ) − H (166) L max = N C × K − N L × K + H (167) Esta es una estrategia lateral que consiste en una posición larga en una opción callOTM con un precio de ejercicio K , una posición corta en dos opciones call ATM conun precio de ejercicio K y una posición larga en una opción call ITM con un preciode ejercicio K . Los precios de ejercicio son equidistantes: K − K = K − K = κ .Para crear este trade se requiere un débito neto relativamente bajo. La perspectiva Entonces, puede apreciarse que la diferencia entre un diferencial ratio inverso con call/puty un diferencial ratio con call/put, es que en el primero N L > N C , mientras que en el último N L < N C .
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = ( S T − K ) + + ( S T − K ) + − × ( S T − K ) + − D (168) S ∗ inf = K + D (169) S ∗ sup = K − D (170) P max = κ − D (171) L max = D (172) Esta es una variación de la mariposa larga con call, cuya diferencia radica en que losprecios de ejercicio no son equidistantes; en cambio tenemos K − K < K − K .Esto resulta en una estrategia lateral con un sesgo alcista. Tenemos: f T = ( S T − K ) + + ( S T − K ) + − × ( S T − K ) + − D (173) S ∗ = K + D (174) P max = K − K − D (175) L max = D (176) Esta es una estrategia lateral que consiste en una posición larga en una opción putOTM con un precio de ejercicio K , una posición corta en dos opciones put ATM conun precio de ejercicio K y una posición larga en una opción put ITM con un preciode ejercicio K . Los precios de ejercicio son equidistantes: K − K = K − K = κ .Para crear este trade se requiere un débito neto relativamente bajo. La perspectivadel trader es neutral. Esta estrategia es de ganancia de capital. Tenemos: f T = ( K − S T ) + + ( K − S T ) + − × ( K − S T ) + − D (177) S ∗ sup = K − D (178) S ∗ inf = K + D (179) P max = κ − D (180) L max = D (181) Para más información sobre mariposas (incluyendo mariposas de hierro), véase, por ejemplo,[Balbás, Longarela and Lucia, 1999], [Howison, Reisinger and Witte, 2013], [Jongadsayakul, 2017],[Matsypura and Timkovsky, 2010], [Youbi, Pindza and Maré, 2017], [Wolf, 2014], [Wystup, 2017].La literatura académica sobre estrategias cóndor (que pueden ser pensadas como una variación demariposas) parece ser más escasa. Véase, por ejemplo, [Niblock, 2017].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta es una variación de la mariposa larga con put, cuya diferencia radica en que losprecios de ejercicio no son equidistantes; en cambio tenemos K − K < K − K .Esto resulta en una estrategia lateral con un sesgo alcista. Tenemos (para H > S ∗ sup = K − H ): f T = ( K − S T ) + + ( K − S T ) + − × ( K − S T ) + − H (182) S ∗ inf = 2 × K − K + H (183) P max = K − K − H (184) L max = 2 × K − K − K + H (185) Esta es una estrategia de volatilidad que consiste en una posición corta en unaopción call ITM con un precio de ejercicio K , una posición larga en dos opcionescall ATM con un precio de ejercicio K y una posición corta en una opción callOTM con un precio de ejercicio K . Los precios de ejercicio son equidistantes: K − K = K − K = κ . Este trade genera un crédito neto. En este sentido, estaes una estrategia de generación de ingresos. Sin embargo, la ganancia potencial essustancialmente menor que la de un cono corto o una cuna corta (aunque con menorriesgo). La perspectiva del trader es neutral. Tenemos: f T = 2 × ( S T − K ) + − ( S T − K ) + − ( S T − K ) + + C (186) S ∗ sup = K − C (187) S ∗ inf = K + C (188) P max = C (189) L max = κ − C (190) Esta es una estrategia de volatilidad que consiste en una posición corta en unaopción put ITM con un precio de ejercicio K , una posición larga en dos opcionesput ATM con un precio de ejercicio K y una posición corta en una opción putOTM con un precio de ejercicio K . Los precios de ejercicio son equidistantes: K − K = K − K = κ . Este trade genera un crédito neto. En este sentido, estaes una estrategia de generación de ingresos. Sin embargo, la ganancia potencial es Idealmente, este trade debería ser estructurado de forma tal que genere un crédito neto,aunque esto no siempre es posible.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = 2 × ( K − S T ) + − ( K − S T ) + − ( K − S T ) + + C (191) S ∗ inf = K + C (192) S ∗ sup = K − C (193) P max = C (194) L max = κ − C (195) Esta estrategia lateral es una combinación de una estrategia diferencial alcista conput y una estrategia diferencial bajista con call. Consiste en una posición largaen una opción put OTM con un precio de ejercicio K , una posición corta en unaopción put ATM y en una opción call ATM con un precio de ejercicio K , y unaposición larga en una opción call OTM con un precio de ejercicio K . Los preciosde ejercicio son equidistantes: K − K = K − K = κ . Este trade es de créditoneto. La perspectiva del trader es neutral. Esta es una estrategia de generación deingresos. Tenemos: f T = ( K − S T ) + − ( K − S T ) + − ( S T − K ) + + ( S T − K ) + + C (196) S ∗ sup = K + C (197) S ∗ inf = K − C (198) P max = C (199) L max = κ − C (200) Esta estrategia de volatilidad es una combinación de una estrategia diferencial ba-jista con put y una estrategia diferencial alcista con call. Consiste en una posicióncorta en una opción put OTM con un precio de ejercicio K , una posición larga enuna opción put ATM y en una opción call ATM con un precio de ejercicio K , y unaposición corta en una opción call OTM con un precio de ejercicio K . Los preciosde ejercicio son equidistantes: K − K = K − K = κ . Este trade es de débitoneto. La perspectiva del trader es neutral. Esta estrategia es de ganancia de capital.34sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = ( K − S T ) + + ( S T − K ) + − ( K − S T ) + − ( S T − K ) + − D (201) S ∗ sup = K + D (202) S ∗ inf = K − D (203) P max = κ − D (204) L max = D (205) Esta es una estrategia lateral que consiste en una posición larga en una opcióncall ITM con un precio de ejercicio K , una posición corta en una opción call ITMcon un precio de ejercicio mayor K , una posición corta en una opción call OTMcon un precio de ejercicio K y una posición larga en una opción call OTM conun precio de ejercicio mayor K . Todos los precios de ejercicio son equidistantes: K − K = K − K = K − K = κ . Para crear este trade se requiere un débitoneto relativamente bajo. La perspectiva del trader es neutral. Esta estrategia es deganancia de capital. Tenemos: f T = ( S T − K ) + − ( S T − K ) + − ( S T − K ) + + ( S T − K ) + − D (206) S ∗ sup = K − D (207) S ∗ inf = K + D (208) P max = κ − D (209) L max = D (210) Esta es una estrategia lateral que consiste en una posición larga en una opción putOTM con un precio de ejercicio K , una posición corta en una opción put OTMcon un precio de ejercicio mayor K , una posición corta en una opción put ITMcon un precio de ejercicio K y una posición larga en una opción put ITM conun precio de ejercicio mayor K . Todos los precios de ejercicio son equidistantes: K − K = K − K = K − K = κ . Para crear este trade se requiere un débitoneto relativamente bajo. La perspectiva del trader es neutral. Esta estrategia es deganancia de capital. Tenemos: f T = ( K − S T ) + − ( K − S T ) + − ( K − S T ) + + ( K − S T ) + − D (211) S ∗ sup = K − D (212) S ∗ inf = K + D (213) P max = κ − D (214) L max = D (215)35sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia de volatilidad consiste en una posición corta en una opción callITM con un precio de ejercicio K , una posición larga en una opción call ITMcon un precio de ejercicio mayor K , una posición larga en una opción call OTMcon un precio de ejercicio K y una posición corta en una opción call OTM conun precio de ejercicio mayor K . Todos los precios de ejercicio son equidistantes: K − K = K − K = K − K = κ . Este trade genera un crédito neto relativamentebajo. Al igual que en el caso de la mariposa corta con call, el beneficio potencial essustancialmente más bajo que en el caso de un cono corto o una cuna corta (aunquecon menor riesgo). Entonces, esta estrategia es de ganancia de capital y no degeneración de ingresos. La perspectiva del trader es neutral. Tenemos: f T = ( S T − K ) + + ( S T − K ) + − ( S T − K ) + − ( S T − K ) + + C (216) S ∗ sup = K − C (217) S ∗ inf = K + C (218) P max = C (219) L max = κ − C (220) Esta es una estrategia de volatilidad que consiste en una posición corta en unaopción put OTM con un precio de ejercicio K , una posición larga en una opciónput OTM con un precio de ejercicio mayor K , una posición larga en una opción putITM con un precio de ejercicio K y una posición corta en una opción put ITM conun precio de ejercicio mayor K . Todos los precios de ejercicio son equidistantes: K − K = K − K = K − K = κ . Este trade genera un crédito neto relativamentebajo. Al igual que en el caso de la mariposa corta con put, el beneficio potencial essustancialmente más bajo que en el caso de un cono corto o una cuna corta (aunquecon menor riesgo). Entonces, esta estrategia es de ganancia de capital y no degeneración de ingresos. La perspectiva del trader es neutral. Tenemos: f T = ( K − S T ) + + ( K − S T ) + − ( K − S T ) + − ( K − S T ) + + C (221) S ∗ sup = K − C (222) S ∗ inf = K + C (223) P max = C (224) L max = κ − C (225) Esta estrategia lateral es una combinación de una estrategia diferencial alcista conput y una estrategia diferencial bajista con call. Consiste en una posición larga enuna opción put OTM con un precio de ejercicio K , una posición corta en una opción36sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) K , una posición corta en una opción callOTM con un precio de ejercicio K y una posición larga en una opción call OTMcon un precio de ejercicio mayor K . Los precios de ejercicio son equidistantes: K − K = K − K = K − K = κ . Este trade genera un crédito neto. Laperspectiva del trader es neutral. Esta es una estrategia de generación de ingresos.Tenemos: f T = ( K − S T ) + + ( S T − K ) + − ( K − S T ) + − ( S T − K ) + + C (226) S ∗ sup = K + C (227) S ∗ inf = K − C (228) P max = C (229) L max = κ − C (230) Esta estrategia de volatilidad es una combinación de una estrategia diferencial ba-jista con put y una estrategia diferencial alcista con call. Consiste en una posicióncorta en una opción put OTM con un precio de ejercicio K , una posición larga enuna opción put OTM con un precio de ejercicio mayor K , una posición larga enuna opción call OTM con un precio de ejercicio K y una posición corta en unaopción call OTM con un precio de ejercicio mayor K . Los precios de ejercicio sonequidistantes: K − K = K − K = K − K = κ . Para crear este trade se requiereun débito neto. La perspectiva del trader es neutral. Esta estrategia es de gananciade capital. Tenemos: f T = ( K − S T ) + + ( S T − K ) + − ( K − S T ) + − ( S T − K ) + − D (231) S ∗ sup = K + D (232) S ∗ inf = K − D (233) P max = κ − D (234) L max = D (235) Esta estrategia de volatilidad puede ser vista como una combinación de un forwardsintético largo y un forward sintético corto, o bien como una combinación de unaestrategia diferencial alcista con call y una estrategia diferencial bajista con put.Consiste en una posición larga en una opción put ITM con un precio de ejercicio K ,una posición corta en una opción put OTM con un precio de ejercicio menor K , unaposición larga en una opción call ITM con el precio de ejercicio K y una posicióncorta en una opción call OTM con el precio de ejercicio K . La perspectiva deltrader es neutral. Esta estrategia es de ganancia de capital. Tenemos (asumiendo En ciertos casos puede ser utilizada como una estrategia impositiva – véase, por ejemplo,[Cohen, 2005]. Para más información sobre estrategias de este tipo, véase, por ejemplo, [BenZion,
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) K ≥ K + D ): f T = ( K − S T ) + − ( K − S T ) + + ( S T − K ) + − ( S T − K ) + − D = K − K − D (236) P max = ( K − K ) − D (237) Esta estrategia (también conocida como “cerca”) es una opción call cubierta aumen-tada por una pocisión larga en una opción put, la cual sirve como seguro ante unacaída en el precio de la acción. Consiste en la compra de una acción, una posiciónlarga en una opción put OTM con un precio de ejercicio K y una posición corta enuna opción call OTM con un precio de ejercicio mayor K . La perspectiva del traderes moderadamente alcista. Esta estrategia es de ganancia de capital. Tenemos: f T = S T − S + ( K − S T ) + − ( S T − K ) + − H (238) S ∗ = S + H (239) P max = K − S − H (240) L max = S − K + H (241) Esta estrategia es un diferencial alcista con call financiado con la venta de una opciónput OTM. Consiste en una posición corta en una opción put OTM con un precio deejercicio K , una posición larga en una opción call ATM con un precio de ejercicio K y una posición corta en una opción call OTM con un precio de ejercicio K .Idealmente, el trade debería ser estructurado de forma tal que el costo inicial seacero. La perspectiva del trader es alcista. Esta estrategia es de ganancia de capital. Anan and Yagil, 2005], [Bharadwaj and Wiggins, 2001], [Billingsley and Chance, 1985], [Clarke, deSilva and Thorley, 2013], [Fung, Mok and Wong, 2004], [Hemler and Miller, 1997], [Jongadsayakul,2016], [Ronn and Ronn, 1989], [Vipul, 2009]. De forma similar, un collar corto es una opción put cubierta aumentada por una posiciónlarga en una opción call. Para más información sobre estrategias collar, véase, por ejemplo, [Bartonová, 2012], [Burnside et al , 2011], [D’Antonio, 2008], [Israelov and Klein, 2016], [Li and Yang, 2017], [Officer, 2004], [Offi-cer, 2006], [Shan, Garvin and Kumar, 2010], [Szado and Schneeweis, 2010], [Szado and Schneeweis,2011], [Timmermans, Schumacher and Ponds, 2017], [Yim et al , 2011].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = − ( K − S T ) + + ( S T − K ) + − ( S T − K ) + − H (242) S ∗ = K + H, H > S ∗ = K + H, H < K ≤ S ∗ ≤ K , H = 0 (245) P max = K − K − H (246) L max = K + H (247) Esta estrategia es un combo corto cubierto ante una suba en el precio de la accióncon la compra de una opción call OTM. Consiste en una posición larga en una opciónput OTM con un precio de ejercicio K , una posición corta en una opción call ATMcon un precio de ejercicio K y una posición larga en una opción call OTM con unprecio de ejercicio K . Idealmente, el trade debería ser estructurado de forma talque el costo inicial sea cero. La perspectiva del trader es bajista. Esta estrategia esde ganancia de capital. Tenemos: f T = ( K − S T ) + − ( S T − K ) + + ( S T − K ) + − H (248) S ∗ = K − H, H > S ∗ = K − H, H < K ≤ S ∗ ≤ K , H = 0 (251) P max = K − H (252) L max = K − K + H (253) Esta estrategia es un diferencial bajista con put financiado con la venta de unaopción call OTM. Consiste en una posición corta en una opción put OTM con unprecio de ejercicio K , una posición larga en una opción put ATM con un precio deejercicio K y una posición corta en una opción call OTM con un precio de ejercicio K . Idealmente, el trade debería ser estructurado de forma tal que el costo inicialsea cero. La perspectiva del trader es bajista. Esta estrategia es de ganancia de La literatura académica sobre diferenciales gaviota parece ser escasa. Por un libro de refer-encia, véase, por ejemplo, [Wystup, 2017].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) f T = − ( K − S T ) + + ( K − S T ) + − ( S T − K ) + − H (254) S ∗ = K − H, H > S ∗ = K − H, H < K ≤ S ∗ ≤ K , H = 0 (257) P max = K − K − H (258) L max = ilimitado (259) Esta estrategia es un combo largo cubierto ante una caída en el precio de la accióncon la compra de una opción put OTM. Consiste en una posición larga en una opciónput OTM con un precio de ejercicio K , una posición corta en una opción put ATMcon un precio de ejercicio K y una posición larga en una opción call OTM con unprecio de ejercicio K . Idealmente, el trade debería ser estructurado de forma talque el costo inicial sea cero. La perspectiva del trader es alcista. Esta estrategia esde ganancia de capital. Tenemos: f T = ( K − S T ) + − ( K − S T ) + + ( S T − K ) + − H (260) S ∗ = K + H, H > S ∗ = K + H, H < K ≤ S ∗ ≤ K , H = 0 (263) P max = ilimitado (264) L max = K − K + H (265)40sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Empíricamente, los rendimientos de las acciones presentan cierta “inercia”, dando lu-gar a un fenónemo conocido como “efecto momentum”, en donde los retornos futurosse encuentran correlacionados con los retornos pasados (véase, por ejemplo, [As-ness, 1994], [Asness et al , 2014], [Asness, Moskowitz and Pedersen, 2013], [Grinblattand Moskowitz, 2004], [Jegadeesh and Titman, 1993]). Sea t el tiempo medido enunidades de 1 mes, con t = 0 correspondiente al tiempo más cercano. Sea P i ( t ) lasseries de tiempo de los precios (totalmente ajustados por splits y dividendos) de laacción i ( i = 1 , . . . , N , en donde N es el número de acciones dentro del universo detrading). Sea R i ( t ) = P i ( t ) P i ( t + 1) − R acumi = P i ( S ) P i ( S + T ) − R mediai = 1 T S + T − X t = S R i ( t ) (268) R riesg.ajusti = R mediai σ i (269) σ i = 1 T − S + T − X t = S (cid:16) R i ( t ) − R mediai (cid:17) (270)Aquí: R i ( t ) es el retorno mensual; R acumi es el retorno acumulado calculado sobre T meses, lo cual se conoce como “período de formación” (usualmente T = 12) salteandolos S meses más recientes, lo cual se conoce como “período de omisión” (usualmente S = 1); R mediai es la media mensual de los retornos calculada sobre el período deformación; R riesg.ajusti es la media de los retornos ajustada por riesgo sobre el períodode formación; y σ i es la volatilidad mensual calculada sobre el período de formación.La estrategia de precio-momentum consiste en comprar las acciones con mejordesempeño y vender aquellas con el peor desempeño, en donde el “desempeño” esmedido por un criterio de selección basado en R acumi , R mediai , R riesg.ajusti o algún otrocriterio. Por ejemplo, una vez que las acciones son ordenadas en función de R acumi (de forma decreciente), el trader puede comprar las acciones en el decil superior(ganadoras) y vender las acciones en el decil inferior (perdedoras). Esta puede ser Usualmente, el mes más reciente es salteado debido a que, empíricamente, se ha observadoun efecto de reversión a la media (es decir, efecto contrario) en retornos mensuales, posiblementedebido a problemas de liquidez/microestructura – véase, por ejemplo, [Asness, 1994], [Boudoukh,Richardson and Whitelaw, 1994], [Grinblatt and Moskowitz, 2004], [Jegadeesh, 1990], [Lo andMacKinlay, 1990]. Existe cierto grado de arbitrariedad al momento de definir los ganadores y perdedores.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) t = 0, se mantiene inalterado durante untiempo predefinido, conocido como “período de tenencia”, el cual puede ser 1 meso más (portafolios con un período de tenencia más largo, generalmente presentanuna disminución en los retornos netos de costos transaccionales ya que el efectomomentum tiende a desvanecerse con el tiempo). Portafolios con múltiple períodosde tenencia se pueden construir mediante la superposición de portafolios con 1 mesde período de tenencia (véase, por ejemplo, [Jegadeesh and Titman, 1993]).La prescripción anterior no fija las ponderaciones relativas w i de las accionesdentro del portafolio. Para portafolios solo con posiciones largas tenemos w i ≥ N X i =1 w i = 1 (271)Entonces, si el nivel de inversión total deseado es I , la acción i tiene I × w i dólaresinvertidos. Esto, redondeando, se traduce en Q i = I × w i /P i (0) acciones. Unosimplemente puede tomar ponderaciones uniformes, w i = 1 /N para todas las ac-ciones, aunque otros esquemas de ponderación son posibles. Por ejemplo, podemostener ponderaciones no uniformes w i ∝ /σ i , o w i ∝ /σ i , etc.Para un portafolio dólar-neutral podemos tener ponderaciones w i negativas y N X i =1 | w i | = 1 (272) N X i =1 w i = 0 (273)Entonces, si el nivel de inversión total deseado es I = I L + I C , en donde I L es lainversión larga total, y I C es el valor absoluto de la inversión corta total, luego laacción i tiene I × w i dólares invertidos, en donde w i > w i < w i = 1 / N L para todas las N L posiciones largas, y w i = − / N C para todas las N C posiciones cortas. Sin embargo, otros esquemasde ponderación son posibles, por ejemplo, como arriba, ponderaciones ajustadas por σ i , σ i , etc. Sin embargo, por ejemplo, un portafolio solo con posiciones largas puede ser liquidado antesdel período de tenencia debido a eventos inesperados, tales como caídas fuertes en el mercado. Es decir, asumiendo que las acciónes son compradas al precio P i (0), lo cual no considera elimpacto del slippage. Para portafolios dólar-neutral I L = I C y I = 2 × I L . Para más literatura sobre estrategias de momentum, véase, por ejemplo, [Antonacci, 2017],[Asem and Tian, 2010], [Barroso and Santa-Clara, 2014], [Bhojraj and Swaminathan, 2006], [Chor-
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia consiste en comprar los ganadores y vender los perdedores como enel caso de la estrategia de precio-momentum, pero utilizando las ganancias como elcriterio de selección. Una forma de definir tal criterio, es mediante las gananciasinesperadas estandarizadas (SUE, por sus siglas en inglés) [Chan, Jegadeesh andLakonishok, 1996]: SUE i = E i − E i σ i (274)Aquí: E i es la ganancia por acción anunciada por la firma i en el trimestre másreciente; E i es la ganancia por acción anunciada 4 trimestres atrás; σ i es el desvíoestándar de las ganancias inesperadas E i − E i sobre los últimos 8 trimestres. Similarque para la estrategia de precio-momentum, el trader puede, por ejemplo, construirun portafolio dólar-neutral comprando las acciones en el decil superior según SUE,y vendiendo las acciones en el decil inferior. Esta estrategia consiste en comprar ganadores y vender perdedores como en lasestrategias de precio-momentum y ganancias-momentum, pero el criterio de selecciónse basa en el value de la compañía. Value puede ser definido con el ratio book-to-price (B/P, por sus siglas en inglés) (véase, por ejemplo, [Rosenberg, Reid andLanstein, 1985]). Aquí “book” es el valor de libros de la compañía por las acciones encirculación (entonces el ratio B/P es lo mismo que el ratio book-to-market, en dondeahora “book” representa su valor total de libros, no por las acciones en circulación,y “market” (“mercado” en inglés) es su capitalización bursátil). El trader puede,por ejemplo, construir un portafolio de costo cero comprando las acciones en el decilsuperior según el ratio B/P, y vendiendo las acciones en el decil inferior. Puede habervariaciones en la definición del ratio B/P. Así, por ejemplo, [Asness, Moskowitz andPedersen, 2013] usa precios actuales (es decir, los más recientes), mientras que [Fama dia and Shivakumar, 2002], [Chuang and Ho, 2014], [Cooper, Gutierrez and Hameed, 2004], [Danieland Moskowitz, 2016], [Géczy and Samonov, 2016], [Griffin, Ji and Martin, 2003], [Grundy and Mar-tin, 2001], [Hwang and George, 2004], [Jegadeesh and Titman, 2001], [Karolyi and Kho, 2004], [Ko-rajczyk and Sadka, 2004], [Liu and Zhang, 2008], [Moskowitz and Grinblatt, 1999], [Rouwenhorst,1998], [Sadka, 2002], [Siganos and Chelley-Steeley, 2006], [Stivers and Sun, 2010]. También véase, por ejemplo, [Bartov, Radhakrishnan and Krinsky, 2005], [Battalio andMendenhall, 2007], [Bernard and Thomas, 1989], [Bernard and Thomas, 1990], [Bhushan, 1994],[Chordia et al , 2009], [Chordia and Shivakumar, 2006], [Czaja, Kaufmann and Scholz, 2013], [Doyle,Lundholm and Soliman, 2006], [Foster, Olsen and Shevlin, 1984], [Hew et al , 1996], [Hirshleifer,Lim and Teoh, 2009], [Jansen and Nikiforov, 2016], [Livnat and Mendenhall, 2006], [Loh andWarachka, 2012], [Mendenhall, 2004], [Ng, Rusticus and Verdi, 2008], [Rendleman, Jones andLatané, 1982], [Stickel, 1991], [Watts, 1978]. Generalmente, el período de tenencia es de 6 meses. Los retornos tienden a disminuir cuandoel período de tenencia es más largo.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) Esta estrategia tiene sus raíces en la evidencia empírica que muestra que losrendimientos futuros de portafolios con retornos pasados de baja volatilidad sonmayores a los de aquellos portafolios con retornos pasados de alta volatilidad, lo que va en contra de la “ingenua” expectativa de que activos con mayor riesgodeberían proporcionar mayores rendimientos. De esta forma, si σ i es definidacomo la volatilidad histórica (calculada sobre las series de tiempo de los retornoshistóricos, como en la Ecuación (270)), el trader puede, por ejemplo, construir unportafolio dólar-neutral comprando acciones en el decil inferior según σ i (accionesde baja volatilidad), y vendiendo acciones en el decil superior (acciones de altavolatilidad). La longitud de la muestra utilizada para calcular la volatilidadhistórica puede ser desde, por ejemplo, 6 meses (126 días de trading) a 1 año (252días de trading), con una duración similar para el período de tenencia (en este casoel “período de omisión” no es requerido). Esta estrategia se basa en la observación empírica de que las acciones con mayoresincrementos en las volatilidades implícitas de las opciones call en el mes anteriorpresentan en promedio mayores rendimientos futuros, mientras que las acciones conmayores aumentos en las volatilidades implícitas de las opciones put en el mes an-terior tienen en promedio rendimientos futuros más bajos (véase, por ejemplo, [An et al , 2014], [Chen, Chung and Tsai, 2016]). Por lo tanto, el trader puede, porejemplo, construir un portafolio dólar-neutral comprando las acciones en el decilsuperior según el incremento en la volatilidad implícita de las opciones call, y ven-diendo acciones en el decil superior según el incremento en la volatilidad implícitade las opciones put. Distintas alternativas pueden ser consideradas, por ejemplo,comprar las acciones en el decil superior según la diferencia entre el cambio de la El período de tenencia generalmente es de 1 a 6 meses. Para más literatura sobre estrate-gias de value, véase, por ejemplo, [Erb and Harvey, 2006], [Fama and French, 1993], [Fama andFrench, 1996], [Fama and French, 1998], [Fama and French, 2012], [Fisher, Shah and Titman,2016], [Gerakos and Linnainmaa, 2012], [Novy-Marx, 2013], [Piotroski, 2000], [Piotroski and So,2012], [Stattman, 1980], [Suhonen, Lennkh and Perez, 2017], [Zhang, 2005]. Véase, por ejemplo, [Ang et al , 2006], [Ang et al , 2009], [Baker, Bradley and Wurgler, 2011],[Black, 1972], [Blitz and van Vliet, 2007], [Clarke, de Silva and Thorley, 2006], [Clarke, de Silva andThorley, 2010], [Frazzini and Pedersen, 2014], [Fu, 2009], [Garcia-Feijóo et al , 2015], [Li, Sullivanand Garcia-Feijóo, 2014], [Li, Sullivan and Garcia-Feijóo, 2016], [Merton, 1987]. Véase también, por ejemplo, [Bali and Hovakimian, 2009], [Bollen and Whaley, 2004], [Busch,Christensen and Nielsen, 2011], [Chakravarty, Gulen and Mayhew, 2004], [Conrad, Dittmar andGhysels, 2013], [Cremers and Weinbaum, 2010], [Pan and Poteshman, 2006], [Xing, Zhang andZhao, 2010].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia consiste en comprar y vender acciones en función de múltiples fac-tores tales como el value, momentum, etc. Por ejemplo, usualmente el value y elmomentum se encuentran negativamente correlacionados, y, por lo tanto, combi-narlos puede agregar valor (véase, por ejemplo, [Asness, Moskowitz and Pedersen,2013]). Hay una variedad de maneras en que los
F > Una de las formas más simples es diversificar la exposición a los F factorescon ciertas ponderaciones w A , en donde A = 1 , . . . , F etiqueta los distintos factores.Esto es, si I es el nivel de inversión total, entonces los F portafolios (cada uno con-struido en función de un factor) tiene un nivel de inversión I A = w A × I , en donde(asumiendo que todo w A > F X A =1 w A = 1 (275)Así, uno puede simplemente tomar ponderaciones uniformes w A = 1 /F , aunqueeste puede no ser el esquema de ponderación óptimo. Por ejemplo, similar a laSubsección 3.1, hay esquemas de ponderación con w A ∝ /σ A , w A ∝ /σ A , etc.,en donde σ A es la volatilidad histórica del portafolio del factor correspondiente(con todos los factores uniformemente normalizados, por ejemplo, en función de losdólares invertidos). De forma alternativa, se pueden considerar F rankings de las acciones basadosen F factores. Luego, uno puede combinarlos de varias maneras. Por ejemplo, en elcaso de dos factores, momentum y value, uno puede tomar las acciones de un quintilsuperior (ganadoras) e inferior (perdedoras) según momentum y luego dividirlas enla mitad superior y la mitad inferior, respectivamente, en función del value. O unopuede tomar los quintiles superior e inferior según value y luego dividirlos segúnmomentum. Otra forma consiste en definir los rankings netos de su promedio, esdecir, netos de la media de todos los rankings s Ai = rank( f Ai ) − N N X j =1 rank( f Aj ) (276)en donde f Ai es el valor numérico del factor etiquetado por A (por ejemplo, momen-tum) para la acción etiquetada por i ( i = 1 , . . . , N ). Uno puede entonces simple- Y el período de tenencia depende de qué factores son combinados. Otro enfoque es asignar las ponderaciones w A optimizando un portafolio de F retornos es-perados correspondientes a los F factores (utilizando una matriz de covarianza invertible condimensiones F × F sobre los retornos). Estas dos formas generalmente no producen los mismos portafolios.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) s i = 1 F F X A =1 s Ai (277)El “puntaje” s i promediado puede generar confusiones al momento de definir losportafolios (por ejemplo, si hay una ambigüedad en el borde del decil superior) quepueden ser resueltas simplemente dando preferencia a uno de los rankings factori-ales. Promediar sobre s Ai simplemente minimiza la suma de los cuadrados de lasdistancias euclidianas entre el N -vector s i y los K N -vectores s Ai . Uno puede intro-ducir ponderaciones no uniformes en esta suma (lo que equivaldría a un promedioponderado en la Ecuación (277)), o incluso usar una definición diferente de la dis-tancia (por ejemplo, la distancia de Manhattan), lo que complicaría el problemacomputacionalmente. Etc. Esta es la misma que la estrategia de precio-momentum, pero aquí los retornos delas acciones R i ( t ) son reemplazados por los residuos (cid:15) i ( t ) de una regresión serial delos retornos de las acciones R i ( t ) sobre, por ejemplo, los 3 factores de Fama-FrenchMKT( t ), SMB( t ), HML( t ), con el intercepto (véase, por ejemplo, [Blitz, Huij andMartens, 2011]): R i ( t ) = α i + β ,i MKT( t ) + β ,i SMB( t ) + β ,i HML( t ) + (cid:15) i ( t ) (278)La regresión se corre sobre un período de 36 meses [Blitz, Huij and Martens, 2011](con un período de omisión de 1 mes) para estimar los coeficientes de la regresión α i , β ,i , β ,i , β ,i . Una vez que se estiman los coeficientes, los residuos se puedencalcular para el período de formación de 12 meses (nuevamente, con un período deomisión de 1 mes): (cid:15) i ( t ) = R i ( t ) − β ,i MKT( t ) − β ,i SMB( t ) − β ,i HML( t ) (279) Para literatura adicional sobre estrategias multifactoriales, véase, por ejemplo, [Amenc et al ,2016], [Amenc et al , 2015], [Arnott et al , 2013], [Asness, 1997], [Barber, Bennett and Gvozdeva,2015], [Cochrane, 1999], [Fama, 1996], [Grinold and Kahn, 2000], [Hsu, Lin and Vincent, 2018],[Kahn and Lemmon, 2015], [Kahn and Lemmon, 2016], [Kozlov and Petajisto, 2013], [Malkiel,2014], [Wang, 2005]. Los retornos de las acciones R i se definen como los excesos de estos sobre la tasa libre de riesgo(la tasa de interés del Tesoro a un mes); MKT es el exceso de retorno del portafolio del mercado;SMB es el exceso de retorno del portafolio “compañías pequeñas menos compañías grandes” (Smallminus Big) (según su capitalización bursátil); HML es el exceso de retorno del portafolio “altomenos bajo” (High minus Low) (según book-to-market). Véase, por ejemplo, [Carhart, 1997], [Famaand French, 1993] por más detalles. Para algunos estudios adicionales relacionados con la estrategia de momentum residual, véase,por ejemplo, [Blitz et al , 2013], [Chang et al , 2016], [Chaves, 2012], [Chuang, 2015], [Grundyand Martin, 2001], [Gutierrez and Prinsky, 2007], [Hühn and Scholz, 2017], [Huij and Lansdorp,2017], [Van Oord, 2016].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) α i no se incluye en el cálculo de los residuos para el períodode formación de 12 meses ya que α i fue computada por el período de 36 meses.Los residuos (cid:15) i ( t ) son utilizados luego para, por ejemplo, calcular los retornos delos residuos ajustados por riesgo e R riesg.ajusti (aquí S = 1 y T = 12; el período detenencia generalmente es 1 mes, pero puede ser más largo): (cid:15) mediai = 1 T S + T − X t = S (cid:15) i ( t ) (280) e R riesg.ajusti = (cid:15) mediai e σ i (281) e σ i = 1 T − S + T − X t = S (cid:16) (cid:15) i ( t ) − (cid:15) mediai (cid:17) (282)De esta forma un portafolio dólar-neutral se puede construir comprando las accionesen el decil superior según e R riesg.ajusti , y vendiendo las acciones en el decil inferior (conponderaciones (no) uniformes). Esta estrategia dólar-neutral consiste en identificar acciones que históricamente pre-sentan alta correlación (llamémoslas acción A y acción B) y, cuando una valoraciónerrónea (es decir, una desviación de la correlación histórica) ocurre, vender la ac-ción “cara” y comprar la acción “barata”. Este es un ejemplo de una estrategia dereversión a la media. Sean P A ( t ) y P B ( t ) los precios de la acción A y de la acciónB en el tiempo t , y sean P A ( t ) y P B ( t ) los precios de la acción A y de la acción Ben un tiempo más lejano t . Todos los precios son totalmente ajustados por splits ydividendos. Los retornos correspondientes (desde t a t ) son R A = P A ( t ) P A ( t ) − R B = P B ( t ) P B ( t ) − R A = ln P A ( t ) P A ( t ) ! (285) R B = ln P B ( t ) P B ( t ) ! (286)47sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) e R A y e R B los retornos netos de la media: R = 12 ( R A + R B ) (287) e R A = R A − R (288) e R B = R B − R (289)en donde R es el retorno medio. Una acción se encuentra “cara” si su retorno netode la media es positivo, y se encuentra “barata” si su retorno neto de la media esnegativo. Los números de acciones Q A , Q B a vender/comprar se determina segúnla inversión total deseada en dólares I (Ecuación (290)) y el requisito de dólar-neutralidad (Ecuación (291)): P A | Q A | + P B | Q B | = I (290) P A Q A + P B Q B = 0 (291)en donde P A , P B son los precios de las acciones al momento t ∗ en que la posición esestablecida ( t ∗ ≥ t ). Esta es una generalización de la estrategia de trading de pares de
N > R i , i = 1 , . . . , N , los retornosde las N acciones: R i = ln P i ( t ) P i ( t ) ! (292) R = 1 N N X i =1 R i (293) e R i = R i − R (294)Siguiendo la intuición de la estrategia de trading de pares, podemos vender lasacciones con e R i positivo y comprar aquellas con e R i negativo. Tenemos las siguientes Por algunas publicaciones sobre el trading de pares, véase, por ejemplo, [Bogomolov, 2013],[Bowen and Hutchinson, 2016], [Bowen, Hutchinson and O’Sullivan, 2010], [Caldeira and Moura,2013], [Chen et al , 2017], [Do and Faff, 2010], [Do and Faff, 2012], [Elliott, Van Der Hoek andMalcolm, 2005], [Engle and Granger, 1987], [Gatev, Goetzmann and Rouwenhorst, 2006], [Huck,2009], [Huck, 2015], [Huck and Afawubo, 2014], [Jacobs and Weber, 2015], [Kakushadze, 2015b],[Kim, 2011], [Kishore, 2012], [Krauss, 2017], [Krauss and Stübinger, 2017], [Liew and Wu, 2013],[Lin, McCrae and Gulati, 2006], [Liu, Chang and Geman, 2017], [Miao, 2014], [Perlin, 2009],[Pizzutilo, 2013], [Rad, Low and Faff, 2016], [Stübinger and Bredthauer, 2017], [Stübinger andEndres, 2017], [Vaitonis and Masteika, 2016], [Vidyamurthy, 2004], [Xie et al , 2014], [Yoshikawa,2017], [Zeng and Lee, 2014].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) N X i =1 P i | Q i | = I (295) N X i =1 P i Q i = 0 (296)Aquí: I es la inversión total deseada en dólares; la Ecuación (296) es la restricciónde dólar-neutralidad; Q i < Q i > P i son los precios en el momento en que las posiciones se establecen. Tenemos2 ecuaciones y N > Q i es tener las posiciones en dólares D i = P i Q i proporcionalesa los retornos netos de la media: D i = − γ e R i (297)en donde γ > e R i > e R i < γ : γ = I P Ni =1 (cid:12)(cid:12)(cid:12) e R i (cid:12)(cid:12)(cid:12) (298) La estrategia de reversión a la media de la Subsección 3.9 puede ser fácilmente gen-eralizada al caso en donde tenemos
K > Podemossimplemente tratar los diferentes grupos independientemente unos de otros y con-struir una estrategia de reversión a la media siguiendo el procedimiento anterior encada grupo. Luego, por ejemplo, podemos asignar inversiones a esas K estrategiasindependientes de forma uniforme.Hay una forma conveniente de tratar a todos los grupos en una forma “unificada”utilizando una regresión lineal. Sean los K grupos llamados A = 1 , . . . , K . SeaΛ iA una matriz con dimensiones N × K tal que si la acción etiquetada por i ( i =1 , . . . , N ) pertenece al grupo llamado A , luego Λ iA = 1; en caso contrario, Λ iA = 0.Supondremos que todas y cada una de las acciones pertenecen a un solo grupo (porlo tanto, no hay grupos vacíos): N A = N X i =1 Λ iA > N = K X A =1 N A (300) Por ejemplo, esos grupos pueden ser sectores, tales como energía, tecnología, salud, etc.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) iA = δ G ( i ) ,A (301) G : { , . . . , N } 7→ { , . . . , K } (302)Aquí: G es el mapa entre las acciones y los grupos; y Λ iA es la matriz de cargas.Ahora consideramos una regresión lineal de los retornos R i sobre Λ iA (sin elintercepto y con ponderaciones unitarias): R i = K X A =1 Λ iA f A + ε i (303)en donde f A son los coeficientes de la regresión dados por (en notación matricial, endonde R es el N -vector R i , f es el K -vector f A , y Λ es la matriz con dimensiones N × K Λ iA ) f = Q − Λ T R (304) Q = Λ T Λ (305)y ε i son los residuos de la regresión. Cuando Λ iA es binario, dado por la Ecuación(301), estos residuos no son más que los retornos R i netos de la media con respectoa cada uno de los correspondientes grupos: ε = R − Λ Q − Λ T R (306) Q AB = N A δ AB (307) R A = 1 N A X j ∈ J A R j (308) ε i = R i − R G ( i ) = e R i (309)en donde R A es la media de los retornos del grupo etiquetado por A , y e R i es elretorno neto de la media que se obtiene de sustraer de R i la media de los retornosdel grupo etiquetado por A = G ( i ) al que las acciones etiquetadas por i pertenecen: J A = { i | G ( i ) = A } ⊂ { , . . . , N } .Los retornos netos de la media son grupo neutral, es decir, N X i =1 e R i Λ iA = 0 , A = 1 , . . . , K (310)También, tenga en cuenta que automáticamente tenemos (entonces D i dado por laEcuación (297) satisface la Ecuación (296)) N X i =1 e R i ν i = 0 (311)50sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) ν i ≡ i = 1 , . . . , N , es decir, el N -vector ν es el vector unitario. En térmi-nos de una regresión, ν equivale al intercepto. No tuvimos que añadir el interceptoa la matriz de cargas Λ dado que ya está subsumido en ella: K X A =1 Λ iA = ν i (312) Las condiciones (310) satisfechas por los retornos netos de la media cuando la matrizde cargas es binaria, simplemente implican que esos retornos son grupo-neutrales,es decir, ortogonales a los
K N -vectores v ( A ) que comprenden las columnas de Λ iA .Dicha ortogonalidad puede definirse para cualquier matriz de cargas, no solo para elcaso binario. Entonces, podemos considerar una generalización en donde la matrizde cargas, llamada Ω iA , puede tener algunas columnas binarias, pero generalmenteno es necesario. Las columnas binarias, si las hay, pueden, por ejemplo, ser factoresde riesgo basados en una industria (o sector); las columnas no binarias se interpretancomo factores de riesgo no basados en la industria; y la condición de ortogonalidad N X i =1 e R i Ω iA , A = 1 , . . . , K (313)puede ser satisfecha si los retornos e R i están relacionados con los residuos ε i de laregresión de R i sobre Ω iA con algunas ponderaciones de la regresión (generalmenteno uniformes) z i vía e R = Z ε (314) ε = R − Ω Q − Ω T Z R (315) Z = diag( z i ) (316) Q = Ω T Z Ω (317)Si el intercepto se incluye en Ω iA (es decir, una combinación lineal de las columnasde Ω iA es igual al N -vector ν unitario), luego automáticamente tenemos N X i =1 e R i = 0 (318)Las ponderaciones z i pueden ser, por ejemplo, tomadas como z i = 1 /σ i , en donde σ i son las volatilidades históricas. Por algunas publicaciones sobre estrategias de reversión a la media, véase, por ejemplo,[Avellaneda and Lee, 2010], [Black and Litterman, 1991], [Black and Litterman, 1992], [Cheung,2010], [Chin, Prevost and Gottesman, 2002], [Conrad and Kaul, 1998], [Daniel, 2001], [Da Silva,Lee and Pornrojnangkool, 2009], [Doan, Alexeev and Brooks, 2014], [Drobetz, 2001], [Hodges and
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia se basa en encontrar puntos en qué los precios de las acciones cruzansu media móvil. Uno puede usar diferentes tipos de medias móviles (MAs, por sussiglas en inglés), como una media móvil simple (SMA, por sus siglas en inglés), ouna media móvil exponencial (EMA, por sus siglas en inglés): SMA( T ) = 1 T T X t =1 P ( t ) (319)EMA( T, λ ) = P Tt =1 λ t − P ( t ) P Tt =1 λ t − = 1 − λ − λ T T X t =1 λ t − P ( t ) (320)Aquí: t = 1 corresponde al tiempo más reciente de la serie de tiempo de los precioshistóricos P ( t ) de la acción; T es la longitud de la MA ( t y T son usualmente medidosen días de trading); y λ < P es el precio en t = 0, en el día de trading inmediatamentedespués del último día de trading t = 1 en la serie de tiempo P ( t )):Señal = Establecer posición larga/liquidar posición corta si
P >
MA( T )Establecer posición corta/liquidar posición larga si P <
MA( T ) (321)Esta estrategia puede ser ejecutada tomando solo posiciones largas, solo posicionescortas, o ambas, largas y cortas. Se puede aplicar fácilmente a múltiples acciones(siguiendo la lógica de acciones individuales, sin interacción transversal entre lasseñales para acciones individuales). Si se utiliza un gran número de acciones, puedeser posible construir portafolios dólar-neutral (o cercanos a dólar-neutral). Carverhill, 1993], [Idzorek, 2007], [Jansen and Nikiforov, 2016], [Jegadeesh and Titman, 1995],[Kakushadze, 2015b], [Kang, Liu and Ni, 2002], [Kudryavtsev, 2012], [Lakonishok, Shleifer andVishny, 1994], [Lehmann, 1990], [Li et al , 2012], [Liew and Roberts, 2013], [Lo and MacKinlay,1990], [Mun, Vasconcellos and Kish, 2000], [O’Tool, 2013], [Pole, 2007], [Poterba and Summers,1988], [Satchell and Scowcroft, 2000], [Schiereck, Bondt and Weber, 1999], [Shi, Jiang and Zhou,2015], [Yao, 2012]. Para T (cid:29) λ T (cid:28) T, λ ) ≈ (1 − λ ) P (1) + λ EMA( T − , λ ), en dondeEMA( T − , λ ) está basada en P (2) , P (3) , . . . , P ( T ). Además, por algunas publicaciones sobreestrategias basadas en medias móviles, véase, por ejemplo, [BenZion et al , 2003], [Brock, Lakon-ishock and LeBaron, 1992], [Dzikevičius and Šaranda, 2010], [Edwards and Magee, 1992], [Faber,2007], [Félix and Rodríguez, 2008], [Fifield, Power and Knipe, 2008], [Fong and Yong, 2005],[Gençay, 1996], [Gençay, 1998], [Gençay and Stengos, 1998], [Glabadanidis, 2015], [Gunasekarageand Power, 2001], [Hung, 2016], [James, 1968], [Jasemi and Kimiagari, 2012], [Kilgallen, 2012], [Li et al , 2015], [Lo, Mamaysky and Wang, 2000], [Metghalchi, Marcucci and Chang, 2012], [Pätäriand Vilska, 2014], [Taylor and Allen, 1992], [Weller, Friesen and Dunham, 2009], [Zakamulin,2014a], [Zakamulin, 2015].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
La variante más simple de esta estrategia reemplaza al precio de las acciones P enla Ecuación (321) por otra media móvil. Es decir, ahora tenemos 2 medias móvilescon longitudes T y T , en donde T < T (por ejemplo, T = 10 y T = 30), y la señalestá dada por:Señal = Establecer/liquidar posiciones largas/cortas si MA( T ) > MA( T )Establecer/liquidar posiciones cortas/largas si MA( T ) < MA( T ) (322)La señal se puede refinar, por ejemplo, incorporando reglas de “stop-loss” paraproteger las ganancias realizadas. Por ejemplo, si se ha establecido una posiciónlarga, el trader puede definir un umbral para liquidar dicha posición si la accióncomienza a caer (incluso si la media móvil más corta no ha cruzado a la media móvilmás larga aún):Señal = Establecer posiciones largas si MA( T ) > MA( T )Liquidar posiciones largas si P < (1 − ∆) × P Establecer posiciones cortas si MA( T ) < MA( T )Liquidar posiciones cortas si P > (1 + ∆) × P (323)Aquí ∆ es un porcentaje predefinido, por ejemplo, ∆ = 2%. Por lo tanto, unaposición larga se liquida si el precio actual P cae más de 2% debajo del precio deldía anterior P ; y una posición corta se liquida si P sube 2% por encima de P .Otras variaciones pueden ser usadas. En algunos casos, utilizar 3 medias móviles con longitudes T < T < T (porejemplo, T = 3, T = 10, T = 21) puede ayudar a filtrar señales falsas:Señal = Establecer posición larga si MA( T ) > MA( T ) > MA( T )Liquidar posición larga si MA( T ) ≤ MA( T )Establecer posición corta si MA( T ) < MA( T ) < MA( T )Liquidar posición corta si MA( T ) ≥ MA( T ) (324) Esta estrategia utiliza los niveles de “soporte” S y “resistencia” R , que se puedencalcular utilizando el “punto de pivote” (conocido como el “centro”) C de la siguiente53sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) C = P MA + P MI + P C R = 2 × C − P MI (326) S = 2 × C − P MA (327)Aquí P MA , P MI y P C son el precio máximo, mínimo y de cierre del día anterior.Una forma de definir una señal de trading es la siguiente (tal como arriba, P es elprecio actual): Señal = Establecer posición larga si
P > C
Liquidar posición larga si P ≥ R Establecer posición corta si
P < C
Liquidar posición corta si P ≤ S (328) Esta estrategia consiste en comprar y vender una acción cuando alcanza el piso y eltecho de un canal, respectivamente. Un canal es un rango/banda, limitado por untecho y un piso, dentro de los cuales el precio de las acciones fluctúa. La expectativadel trader es que, si se alcanza el piso o el techo, el precio de las acciones rebotaráen la dirección opuesta. Por otro lado, si el precio de las acciones rompe el techoo el piso, el trader puede concluir que ha surgido una nueva tendencia y, entonces,sigue esta nueva tendencia. Una definición simple y común de un canal es el canalde Donchian [Donchian, 1960], en donde el techo B techo y el piso B piso se definen dela siguiente forma (con las mismas notaciones que arriba): B techo = max( P (1) , P (2) , . . . , P ( T )) (329) B piso = min( P (1) , P (2) , . . . , P ( T )) (330)Luego, una estrategia de trading simple se define de la siguiente forma:Señal = Establecer posición larga/liquidar posición corta si P = B piso Establecer posición corta/liquidar posición larga si P = B techo (331) Existen otras definiciones del punto de pivote (por ejemplo, utilizando el precio de aperturadel día de trading actual) y un nivel mayor/menor de soporte/resistencia. Por algunas publica-ciones sobre estrategias de soporte y resistencia, véase, por ejemplo, [Amiri et al , 2010], [Brock,Lakonishock and LeBaron, 1992], [Garzarelli et al , 2014], [Hardy, 1978], [Kahneman and Tversky,1979], [Murphy, 1986], [Osler, 2000], [Osler, 2003], [Person, 2007], [Pring, 1985], [Shiu and Lu,2011], [Thomsett, 2003], [Zapranis and Tsinaslanidis, 2012]. Para obtener más literatura sobre estrategias de trading con canales, véase, por ejemplo,[Batten and Ellis, 1996], [Birari and Rode, 2014], [Dempster and Jones, 2002], [De Zwart et al ,2009], [Elder, 2014], [Sullivan, Timmermann and White, 1999].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia, conocida como “arbitraje de fusiones” o “arbitraje de riesgo”, in-tenta capturar los excesos de retornos generados por actividades corporativas talescomo fusiones y adquisiciones (M&A, por sus siglas en inglés). Una oportunidadde arbitraje de fusión surge cuando una compañía que cotiza en la bolsa pretendeadquirir otra compañía que también cotiza en la bolsa a un precio que difiere delprecio de mercado de esta última. En este sentido, existen dos tipos principales detransacciones: fusiones en efectivo y fusiones por acciones. En el caso de una fusiónen efectivo, el trader establece una posición larga en las acciones de la empresaobjetivo. En el caso de una fusión por acciones, el trader establece una posiciónlarga en las acciones de la empresa objetivo (llámese A) y una posición corta enlas acciones de la compañía adquirente (llámese B). Por ejemplo, si el precio actualde A es $67, el precio actual de B es $35, y bajo el acuerdo de fusión de accionespropuesto cada acción de A es intercambiada por 2 acciones de B, entonces el tradercompra 1 acción de A y vende 2 acciones de B generando un crédito neto inicial de$3 = 2 × $35 − $67, que es el beneficio por cada acción de A comprada si el tratose cierra. El riesgo del trader está en que, si el trato no se cierra, entonces de formamuy probable perderá dinero con este trade. Algunas estrategias se basan en técnicas de aprendizaje automático, tales como elalgoritmo de los k vecinos más cercanos (KNN, por sus siglas en inglés) (véase, porejemplo, [Altman, 1992], [Samworth, 2012]), para predecir los retornos futuros delas acciones (la variable objetivo) en función de un conjunto de variables predictivas(características), que pueden basarse en datos técnicos, fundamentales y/o en otrostipos de datos. La estrategia que describimos aquí es una estrategia de una solaacción, es decir, para cada acción la variable objetivo se predice utilizando los datosde precio y volumen solo de esta acción (pero no datos de corte transversal, es decir, Por algunas publicaciones sobre arbitraje de fusiones, véase, por ejemplo, [Andrade, Mitchelland Stafford, 2001], [Andrieş and Vîrlan, 2017], [Baker, Pan and Wurgler, 2012], [Baker andSavaşoglu, 2002], [Bester, Martinez and Rosu, 2017], [Brown and Raymond, 1986], [Cao et al ,2016], [Cornelli and Li, 2002], [Dukes, Frolich and Ma, 1992], [Hall, Pinnuck and Thorne, 2013],[Harford, 2005], [Hsieh and Walkling, 2005], [Huston, 2000], [Jetley and Ji, 2010], [Karolyi andShannon, 1999], [Khan, 2002], [Larker and Lys, 1987], [Lin, Lan and Chuang, 2013], [Maheswaranand Yeoh, 2005], [Mitchell and Pulvino, 2001], [Officer, 2004], [Officer, 2006], [Samuelson andRosenthal, 1986], [Subramanian, 2004], [Van Tassel, 2016], [Walkling, 1985].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) Y ( t ) se define como el retornoacumulado sobre los próximos T días de trading (como arriba, los valores enterosascendentes de t , que se mide en días de trading, corresponden a retroceder en eltiempo): Y ( t ) = P ( t − T ) P ( t ) − X a ( t ), a = 1 , . . . , m , se definen utilizando precio P ( t ) yvolumen V ( t ) en los tiempos t antes de t (es decir, t > t ), por lo tanto, estosson datos “fuera de la muestra”. Ejemplos de tales variables son medias móviles delprecio y volumen con distintas longitudes: X ( t ) = 1 T T X s =1 V ( t + s ) (333) X ( t ) = 1 T T X s =1 P ( t + s ) (334) X ( t ) = 1 T T X s =1 P ( t + s ) (335) . . . (336)Además, las variables predictivas se normalizan entre 0 y 1: f X a ( t ) = X a ( t ) − X − a X + a − X − a (337)en donde X + a y X − a son los valores máximos y mínimos de X a ( t ) durante el períodode entrenamiento. El ingrediente final es el número k de los vecinos más cercanos(véase abajo). Para un valor dado de t podemos tomar k vecinos más cercanos del m -vector f X a ( t ) entre los m -vectores f X a ( t ), t = t + 1 , t + 2 , . . . , t + T ∗ , utilizandoel algoritmo KNN (aquí T ∗ es el tamaño de la muestra). Para ejecutar el KNNpodemos usar la distancia euclidiana D ( t, t ) entre f X a ( t ) y f X a ( t ) definida como[ D ( t, t )] = m X a =1 ( f X a ( t ) − f X a ( t )) (338)Sin embargo, podemos usar otra medida de distancia (por ejemplo, la distancia deManhattan). Asumamos que los k vecinos más cercanos de f X a ( t ) son f X a ( t α ( t )), α = 1 , . . . , k . (Tenga en cuenta que los k valores t α ( t ) dependen de t .) Luegopodemos definir el valor predicho Y ( t ) simplemente como el promedio de los valoresrealizados correspondientes Y ( t α ( t )): Y ( t ) = 1 k k X α =1 Y ( t α ( t )) (339)56sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) Y ( t ) = k X α =1 Y ( t α ( t )) w α + v (340)y estimar los coeficientes w α y v corriendo una regresión de los valores realizados Y ( t ) sobre Y ( t α ( t )) para algún número – llámelo M – de valores de t . Es decir,colocamos Y ( t ) para cada valor de t en un M -vector y lo regresamos sobre la matrizcon dimensiones M × k de los valores correspondientes Y ( t α ( t )). Los coeficientes deesta regresión son w α y v .La ventaja de usar la Ecuación (339) es simplicidad – no hay parámetros paraentrenar en este caso. Sin embargo, todavía tenemos que hacer el backtesting de laestrategia (véase abajo) fuera de la muestra. La desventaja es que las contribucionesigualmente ponderadas de todos los k vecinos más cercanos podrían ser subópti-mas. En este sentido, hay varios esquemas de ponderación (por ejemplo, basadosen la distancia) que podrían ser considerados. Ponderaciones no triviales es precisa-mente lo que la Ecuación (340) intenta capturar. Sin embargo, esto requiere entre-namiento y validación cruzada (utilizando métricas tales como la raíz cuadrada delerror cuadrático medio), y los parámetros ajustados w α y v pueden ser (y muchasveces son) inestables fuera de muestra. Los datos se pueden dividir en, por ejemplo,60% para entrenamiento y 40% para validación cruzada. En última instancia, laestrategia debe tener un buen rendimiento fuera de la muestra.La señal en t = 0 se puede definir usando el valor predicho Y = Y (0), el cual esel retorno esperado para los próximos T días. Para el trading de una sola acción uno puede simplemente definir umbrales para establecer posiciones largas y cortas, Podemos correr esta regresión sin el intercepto, en cuyo caso solo tenemos los coeficientes w α ,o con el intercepto, en cuyo caso, también tenemos el coeficiente v . Alternativamente, uno puede usar los retornos esperados Y i computados para N acciones (endonde N (cid:29)
1) utilizando un algoritmo de aprendizaje automático como arriba y luego usar estosretornos esperados en estrategias de corte transversal con múltiples activos tales como reversión ala media/arbitraje estadístico.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) Señal =
Establecer posición larga si Y > z Liquidar posición larga si
Y ≤ z Establecer posición corta si Y < − z Liquidar posición corta si
Y ≥ − z (341)Aquí, z y z son los umbrales definidos por el trader. Esta señal debe ser probadafuera de muestra. El número k de vecinos más cercanos se puede optimizar utilizandoun backtest (probando un grupo de valores de k ). Alternativamente, uno puedeusar una heurística común, por ejemplo, k = floor( √ T ∗ ) o k = ceiling( √ T ∗ ). Véasetambién, por ejemplo, [Hall, Park and Samworth, 2008]. Sea C ij la matriz de covarianza muestral para las N acciones en un portafolio. Sea D i las tenencias en dólares en el portafolio. El P&L P , la volatilidad V y el ratiode Sharpe S del portafolio esperados son dados por P = N X i =1 E i D i (342) V = N X i,j =1 C ij D i D j (343) S = P/V (344)Aquí E i son los retornos esperados de las acciones. En lugar de las tenencias endólares D i , es más conveniente trabajar con ponderaciones de tenencias sin dimen- Por algunas publicaciones sobre el uso de aprendizaje automático para predecir los retornos delas acciones, véase, por ejemplo, [Adam and Lin, 2001], [Ang and Quek, 2006], [Chen, 2014], [Chen,Leung and Daouk, 2003], [Creamer and Freund, 2007], [Creamer and Freund, 2010], [Gestel et al ,2001], [Grudnitski and Osborn, 1993], [Huang, Nakamori and Wang, 2005], [Huang and Tsai, 2009],[Huerta, Elkan and Corbacho, 2013], [Kablan, 2009], [Kakushadze and Yu, 2016b], [Kakushadze andYu, 2017c], [Kakushadze and Yu, 2018a], [Kara, Boyacioglu and Baykan, 2011], [Kim, 2003], [Kim,2006], [Kim and Han, 2000], [Kordos and Cwiok, 2011], [Kryzanowski, Galler and Wright, 1993],[Kumar and Thenmozhi, 2001], [Liew and Mayster, 2018], [Lu, Lee and Chiu, 2009], [Milosevic,2016], [Novak and Velušçek, 2016], [Ou and Wang, 2009], [Refenes, Zapranis and Francis, 1994],[Rodríguez-González et al , 2011], [Saad, Prokhorov and Wunsch, 1998], [Schumaker and Chen,2010], [Subha and Nambi, 2012], [Tay and Cao, 2001], [Teixeira and de Oliveira, 2010], [Tsai andHsiao, 2010], [Vanstone and Finnie, 2009], [Yao and Tan, 2000], [Yao, Tan and Poh, 1999], [Yu,Wang and Lai, 2005]. La matriz de covarianza muestral basada en las series de tiempo de los retornos históricos essingular si T ≤ N + 1, en donde T es el número de observaciones en la serie de tiempo. Incluso sino es singular, a no ser que T (cid:29) N , lo que es muy raro, los elementos fuera de la diagonal de lamatriz de covarianza muestral generalmente son inestables fuera de muestra. Por lo tanto, en lapráctica, típicamente una matriz de covarianza del modelo (que es positiva-definida y debería serestable fuera de la muestra) es usada (véase abajo).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) w i = D i /I (345)en donde I es el nivel de inversión total. Las ponderaciones de tenencias satisfacenla condición N X i =1 | w i | = 1 (346)Tenemos P = I × e P , V = I × e V y S = e P / e V , en donde e P = N X i =1 E i w i (347) e V = N X i,j =1 C ij w i w j (348)Para determinar las ponderaciones del portafolio w i , a menudo se requiere que elratio de Sharpe [Sharpe, 1966], [Sharpe, 1994] sea maximizado: S → max (349)Suponiendo que no hay condiciones adicionales en w i (por ejemplo, límites superioreso inferiores), la solución a la Ecuación (349) en ausencia de costos transaccionaleses dada por w i = γ N X j =1 C − ij E j (350)en donde C − es la inversa de C , y el coeficiente de normalización γ es determinadopor la Ecuación (346) (y γ > e P >
Podemos lograr la dólar-neutralidad de la siguiente forma. En ausencia de límites,costos transaccionales, etc., el ratio de Sharpe es invariante bajo simultáneasreescalaciones de todas las ponderaciones de tenencia w i → ζ w i , en donde ζ > g ( w, λ ) = λ N X i,j =1 C ij w i w j − N X i =1 E i w i (351) g ( w, λ ) → min (352)59sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) λ > w i . La soluciónestá dada por w i = 1 λ N X j =1 C − ij E j (353)y λ se fija a través de la Ecuación (346). El enfoque de la función objetivo –que es la optimización de media-varianza [Markowitz, 1952] – es conveniente siqueremos imponer restricciones lineales homogéneas (las cuales no atentan contrala invariancia de escala antes mencionada) sobre w i , por ejemplo, la restricción dedólar-neutralidad. Introducimos el multiplicador de Lagrange µ : g ( w, µ, λ ) = λ N X i,j =1 C ij w i w j − N X i =1 E i w i − µ N X i =1 w i (354) g ( w, µ, λ ) → min (355)La minimización con respecto a w i y µ ahora conduce a las siguientes ecuaciones: λ N X j =1 C ij w j = E i + µ (356) N X i =1 w i = 0 (357)Entonces tenemos dólar-neutralidad. La solución a las Ecuaciones (356) y (357) estádada por: w i = 1 λ N X j =1 C − ij E j − N X j =1 C − ij P Nk,l =1 C − kl E l P Nk,l =1 C − kl (358)Por construcción, w i satisface la restricción de dólar-neutralidad (357), y λ se fija através de la Ecuación (346). Los retornos esperados E i pueden basarse en reversióna la media, momentum, aprendizaje automático u otras señales. La Ecuación (358)construye un portafolio dólar-neutral con “gestión de riesgos”. Por ejemplo, lasponderaciones w i (aproximadamente) son suprimidas por las volatilidades de lasacciones σ i (en donde σ i = C ii ) asumiendo que en promedio | E i | son de orden σ i . La implementación anterior de la restricción de dólar-neutralidad a través de laminimización de la función objetivo cuadrática (354) es equivalente a imponer esta Introduciendo múltiples multiplicadores de Lagrange, podemos tener múltiples restriccioneshomogéneas lineales (véase, por ejemplo, [Kakushadze, 2015b]). Generalmente, C ij es una matriz de covarianza del modelo multifactorial de riesgo. Parauna discusión general, véase, por ejemplo, [Grinold and Kahn, 2000]. Para implementacionesexplícitas (incluyendo el código fuente), véase, por ejemplo, [Kakushadze, 2015e], [Kakushadzeand Yu, 2016a], [Kakushadze and Yu, 2017a]. Para modelos multifactoriales, las ponderacionesson aproximadamente neutrales con respecto a las columnas de la matriz de cargas factoriales. Laneutralidad exacta se alcanza en el límite de riesgo específico cero, en donde la optimización sereduce a una regresión ponderada (véase, por ejemplo, [Kakushadze, 2015b]).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Siendo muy simplista, esta estrategia consiste en capturar la diferencia entre el preciomáximo de compra (bid) y precio mínimo de venta (ask) para una acción dada. Estose puede resumir (nuevamente, de manera simplista) de la siguiente manera:Regla =
Comprar al bidVender al ask (359)En un mercado en donde la mayor parte del flujo de órdenes es “tonto” (o desin-formado), esta estrategia en promedio funcionaría muy bien. Sin embargo, en unmercado en donde la mayor parte del flujo de órdenes es “inteligente” (o informado,es decir, “tóxico”), esta estrategia, tal como fue explicada, perdería dinero. Esto sedebe a la selección adversa , en donde, precisamente porque la mayor parte del flujode órdenes es inteligente, la mayor parte de las operaciones se completan al preciobid (ask) cuando el mercado está operando a hacia abajo (hacia arriba), por lo queestas operaciones perderían dinero. Además, la mayoría de las órdenes límites acomprar (vender) al bid (ask) nunca se completarán dado que el precio se alejaráde estos valores, es decir, incrementará (disminuirá). Por lo tanto, idealmente, estaestrategia debería estar estructurada de tal manera que capture el flujo de órdenestonto y evite el flujo de órdenes inteligente, algo que no es tan simple.Un enfoque es, en un momento dado, dentro de un horizonte de tiempo corto,estar en el lado “correcto” del mercado, es decir, tener una señal de horizonte cortoindicando la dirección del mercado y colocar órdenes límites en consecuencia (com-prar al bid si la señal indica un incremento en el precio, y vender al ask si la señalindica una disminución en el precio). Si la señal fuera (por arte de magia) 100%correcta, esto capturaría el flujo de órdenes tonto suponiendo que las órdenes secompletan. Este es un gran supuesto dado que para que esto esté garantizado, eltrader tendría que ser el “Centavos por acción” es definido como el P&L realizado en centavos (y no en dólares) dividido
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) Y la velocidad aún sigue siendo importante.
Con los avances tecnológicos – hardware cada vez más barato y más potente – ahoraa través de la minería de datos es posible extraer cientos de miles e incluso millonesde alfas utilizando métodos de aprendizaje automático. Aquí el término “alfa” –siguiendo la jerga común del trader – generalmente significa cualquier “retorno es-perado razonable” que uno puede desear operar y no es necesariamente lo mismoque el alfa “académico”. En la práctica, a menudo la información sobre cómo seconstruyen los alfas puede que ni siquiera esté disponible, por ejemplo, los únicos por el total de acciones negociadas (que incluye tanto el establecimiento como la liquidación deposiciones). Tenga en cuenta que la señal de largo plazo generalmente tiene un ratio de Sharpemás bajo que la señal de corto plazo. El flujo de órdenes tonto puede provenir, por ejemplo, de traders minoristas desinformados.También puede provenir de los traders institucionales con un horizonte ultra largo (fondos mutuos,fondos de pensiones, etc.), cuyas perspectivas pueden ser de meses o años y no están preocupadospor la diferencia de unos pocos centavos en el precio de ejecución en el corto plazo (es decir,esto es solo flujo de órdenes “tonto de corto plazo”). Para una discusión más detallada, véase,por ejemplo, [Kakushadze, 2015d], [Lo, 2008]. Por algunas publicaciones sobre el trading de altafrecuencia y market-making, véase, por ejemplo, [Aldridge, 2013], [Anand and Venkataraman,2016], [Avellaneda and Stoikov, 2008], [Baron et al , 2014], [Benos et al , 2017], [Benos and Sagade,2016], [Biais and Foucault, 2014], [Biais, Foucault and Moinas, 2014], [Bowen, Hutchinson andO’Sullivan, 2010], [Bozdog et al , 2011], [Brogaard and Garriott, 2018], [Brogaard et al , 2015],[Brogaard, Hendershott and Riordan, 2014], [Budish, Cramton and Shim, 2015], [Carrion, 2013],[Carrion and Kolay, 2017], [Easley, López de Prado and O’Hara, 2011], [Easley, López de Pradoand O’Hara, 2012], [Egginton, Van Ness and Van Ness, 2016], [Hagströmer and Nordén, 2013],[Hagströmer, Nordén and Zhang, 2014], [Harris and Namvar, 2016], [Hasbrouck and Saar, 2013],[Hendershott, Jones and Menkveld, 2011], [Hendershott, Jones and Menkveld, 2013], [Hendershottand Riordan, 2013], [Hirschey, 2018], [Holden and Jacobsen, 2014], [Jarrow and Protter, 2012],[Khandani and Lo, 2011], [Kirilenko et al , 2017], [Korajczyk and Murphy, 2017], [Kozhan and Tham,2012], [Li et al , 2014], [Madhavan, 2012], [Menkveld, 2013], [Menkveld, 2016], [Muthuswamy et al ,2011], [O’Hara, 2015], [Pagnotta and Philippon, 2012], [Riordan and Storkenmaier, 2012], [VanKervel and Menkveld, 2017]. Por el alfa “académico” nos referimos al alfa de Jensen [Jensen, 1968] o un índice similar derendimiento.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) t , t , . . . Además, “aprendizaje automático” aquíse refiere a métodos sofisticados que van más allá de los métodos para una solaacción demostrados en la Subsección 3.17 e implican análisis de corte transversalbasado en precio-volumen así como en otros tipos de datos (por ejemplo, capital-ización de mercado, algunos otros datos fundamentales tales como ganancias, datosde clasificación de la industria, datos de sentimiento, etc.) para una gran cantidadde acciones (típicamente, algunas miles y más). 101 ejemplos explícitos de talesalfas de trading cuantitativos se exponen en [Kakushadze, 2016]. La otra cara esque estos alfas ubicuos son débiles, efímeros y no se pueden operar por sí solos, yaque cualquier ganancia se erosionaría por los costos transaccionales. Para mitigaresto, uno combina un gran número de tales alfas y opera un “mega-alfa”. Por lotanto, estrategias de “combo alfa”.Esto no es crítico, pero para mantenerlo simple, asumamos que todos losalfas operan los mismos instrumentos subyacentes, para ser más concretos, elmismo universo de (digamos, 2,500) las acciones más líquidas de los EstadosUnidos. Cada alfa produce tenencias deseadas para este universo de trading. Loque necesitamos aquí son las ponderaciones con las que combinamos los alfasindividuales, cuyo número N puede ser muy grande (cientos de miles e inclusomillones). Aquí se presenta un procedimiento para fijar las ponderaciones de losalfas w i , i = 1 , . . . , N [Kakushadze and Yu, 2017b] (véase también [Kakushadzeand Yu, 2018a]): •
1) Comenzar con las series de tiempo de los retornos realizados de los alfas R is , i = 1 , . . . , N , s = 1 , . . . , M + 1. •
2) Calcular los retornos netos de la media serial X is = R is − M +1 P M +1 s =1 R is . •
3) Calcular varianzas muestrales de los retornos de los alfas: σ i = M P M +1 s =1 X is . •
4) Calcular los retornos netos de la media normalizados Y is = X is /σ i . •
5) Mantener solo las primeras M columnas en Y is : s = 1 , . . . , M . •
6) Ajustar por la media de corte transversal Y is : Λ is = Y is − N P Nj =1 Y js . •
7) Mantener solo las primeras M − is : s = 1 , . . . , M − •
8) Tomar los retornos esperados de los alfas E i y normalizarlos: e E i = E i /σ i .Una (pero por lejos no es el única) forma de computar los retornos esperados de los Este es un campo secreto, por lo que la literatura es muy escasa. Véase también, por ejemplo,[Kakushadze and Tulchinsky, 2016], [Tulchinsky et al , 2015]. Tenga en cuenta que N aquí se refiere al número de alfas, y no al número de accionessubyacentes. Aquí s = 1 , . . . , T = M + 1 etiqueta los tiempos t s , en donde, tal como antes, t correspondeal tiempo más reciente (aunque la dirección del tiempo no es crucial a continuación), y los retornosde los alfas son R is = R i ( t s ). Generalmente, los retornos de los alfas se computan de forma diaria,de cierre a cierre. Su normalización es irrelevante.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) d días (tenga en cuenta que d no tiene que serlo mismo que T ): E i = 1 d d X s =1 R is (360) •
9) Calcular los residuos e ε i de la regresión (sin el intercepto y con las pondera-ciones unitarias) de e E i sobre Λ is . •
10) Establecer las ponderaciones del portafolio de alfas como w i = η e ε i /σ i . •
11) Establecer el coeficiente de normalización η tal que P Ni =1 | w i | = 1. Finalizamos esta sección con breves comentarios sobre algunas de las estrategiasde trading de acciones discutidas anteriormente. Primero, las estrategias de análi-sis técnico de una sola acción (es decir, aquellas basadas únicamente en datos deacciones individuales en lugar de datos de corte transversal) tales como aquellasbasadas en medias móviles, soporte y resistencia, canal e incluso la estrategia deacción individual con KNN, son consideradas “no científicas” por muchos profe-sionales y académicos. A primera vista, “fundamentalmente” hablando (no debeconfundirse con análisis fundamental), no hay ninguna razón por la cual, por ejem-plo, una media móvil corta cruzando a una media móvil larga debería tener algúnpoder predictivo. Esto no quiere decir que las medias móviles son “no científicas”o que no deben ser utilizadas. Después de todo, por ejemplo, las estrategias deseguimiento de la tendencia/momentum están basadas en medias móviles, es decir,los retornos esperados se calculan mediante medias móviles. Sin embargo, si se ob-serva un gran número de acciones de forma transversal, se introduce un elemento estadístico en el juego. Estrategias de reversión a la media se espera que funcionenporque se espera que las acciones estén correlacionadas si pertenecen a la misma in-dustria, etc. Esto se relaciona con el análisis fundamental y – más importante – conla percepción de los traders acerca de cómo los precios/retornos de las acciones “de-berían” comportarse en base a los fundamentos de las empresas. Sin embargo, aquítambién es importante tener en cuenta que el mercado de valores – una construcciónimperfecta creada por el hombre – no se rige por las leyes de la naturaleza de lamisma manera que, por ejemplo, el movimiento de los planetas en el sistema solarse rige por leyes fundamentales de la gravedad (véase, por ejemplo, [Kakushadze,2015d]). Los mercados se comportan como lo hacen porque sus participantes secomportan de cierta manera, que a veces son irracionales y ciertamente no siempreeficientes. En este sentido, la diferencia clave entre las estrategias de análisis técnicoy estrategias de arbitraje estadístico es que estas últimas se basan en ciertas percep-ciones que se derivan de horizontes de tenencia más largos (estrategias basadas en Arguendo , el efecto momentum parece proporcionar una base para tal poder de predicción enalgunos casos. Sin embargo, entonces se podría argumentar que, por ejemplo, estas son estrategiasde momentum disfrazadas.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) iA . Tales clasi-ficaciones de la industria se basan en datos fundamentales/económicos relevantes,tales como los productos y servicios de las empresas, fuentes de ingresos, provee-dores, competidores, socios, etc. Son independientes de los datos de precios y, siestán bien construidos, tienden a ser bastante estables fuera de la muestra, ya quelas empresas rara vez saltan de industria. Sin embargo, las clasificaciones binariastambién pueden construirse basándose únicamente en datos de precios, a través dealgoritmos de clustering (véase, por ejemplo, [Kakushadze and Yu, 2016b]). Alterna-tivamente, la matriz Ω iA puede ser no binaria y construida usando, por ejemplo, com-ponentes principales (véase, por ejemplo, [Kakushadze and Yu, 2017a]). Algunas delas columnas de Ω iA pueden estar basadas en factores de estilo de riesgo de horizontemás largo tales como value, crecimiento, tamaño, momentum, liquidez y volatilidad(véase, por ejemplo, [Ang et al , 2006], [Anson, 2013], [Asness, 1995], [Asness et al ,2001], [Asness, Porter and Stevens, 2000], [Banz, 1981], [Basu, 1977], [Fama andFrench, 1992], [Fama and French, 1993], [Haugen, 1995], [Jegadeesh and Titman,1993], [Lakonishok, Shleifer and Vishny, 1994], [Liew and Vassalou, 2000], [Pástorand Stambaugh, 2003], [Scholes and Williams, 1977]), o en factores de estilo dehorizonte más corto [Kakushadze, 2015c]. Para consideraciones sobre (i)liquidez, véase también, por ejemplo, [Amihud, 2002].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
La evidencia empírica sugiere que el efecto de momentum existe no solo para ac-ciones individuales sino que también para sectores e industrias. Una estrategia derotación de momentum sectorial consiste en asignar mayor ponderación a los sec-tores que presentan rendimientos superiores y menor ponderación a aquellos sectoresque presentan rendimientos menores, en donde el rendimiento se basa en el momen-tum durante los T meses del período de formación (que generalmente varía de 6a 12 meses). ETFs (por sus siglas en inglés) concentrados en sectores/industriasespecíficas ofrecen una simple forma de implementar una estrategia de rotaciónsectorial/por industria sin tener que comprar o vender una gran cantidad de ac-ciones subyacentes. Similar a la Subsección 3.1, como medida de momentum porsector/industria, podemos utilizar los retornos acumulados de los ETFs: R acumi ( t ) = P i ( t ) P i ( t + T ) − P i ( t ) es el precio del ETF etiquetado por i . (Tal como antes, t + T es T meses en el pasado con respecto a t .) Justo después del tiempo t , el trader puede,por ejemplo, comprar los ETFs en el decil superior según R acumi ( t ) y mantener elportafolio durante el período de tenencia (generalmente, de 1 a 3 meses). Estrategiasdólar-neutral también se pueden construir, por ejemplo, comprando los ETFs en eldecil superior y vendiendo los ETFs en el decil inferior (como para el caso de lasacciones, los ETFs se pueden vender en corto). Esta es una variación/refinamiento de la estrategia de rotación de momentum sec-torial. Un ETF en el decil superior (inferior) es comprado (vendido) solo si pasa unfiltro adicional basado en una media móvil MA( T ) del precio del ETF:Regla = Comprar ETFs en el decil superior solo si
P >
MA( T )Vender ETFs en el decil inferior solo si P <
MA( T ) (362) Para literatura pertinente, véase, por ejemplo, [Cavaglia and Vadim, 2002], [Conover et al ,2008], [Doeswijk and Vliet, 2011], [Dolvin and Kirby, 2011], [Gao and Ren, 2015], [Hong, Torousand Valkanov, 2007], [Levis and Liodakis, 1999], [Moskowitz and Grinblatt, 1999], [O’Neal, 2000],[Sefton and Scowcroft, 2005], [Simpson and Grossman, 2016], [Sorensen and Burke, 1986], [Stoval,1996], [Swinkels, 2002], [Szakmary and Zhou, 2015], [Wang et al , 2017]. Por algunas publicaciones sobre ETFs, véase, por ejemplo, [Agapova, 2011a], [Aldridge, 2016],[Ben-David, Franzoni and Moussawi, 2017], [Bhattacharya et al , 2017], [Buetow and Henderson,2012], [Clifford, Fulkerson and Jordan, 2014], [Hill, Nadig and Hougan, 2015], [Krause, Ehsani andLien, 2014], [Madhavan, 2016], [Madura and Ngo, 2008], [Nyaradi, 2010], [Oztekin et al , 2017].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) P es el precio del ETF al momento de la transacción y MA( T ) se calculautilizando precios diarios ( T puede, pero no necesita ser igual a T ; por ejemplo, T puede ser de 100 a 200 días). Para disminuir el riesgo de comprar ETFs cuando el mercado general presenta unatendencia negativa – para el caso de las estrategias que solo consisten en posicioneslargas – el momentum relativo (es decir, de corte transversal) de ETFs sectorialespuede ser refinado con el momentum absoluto (es decir, de series de tiempo) de,por ejemplo, un ETF del índice de mercado (véase, por ejemplo, [Antonacci, 2014],[Antonacci, 2017]). Por lo tanto, una posición larga basada en la señal de rotaciónsectorial (antes discutida) se establece solo si el índice de mercado general presentauna tendencia alcista; de lo contrario, los fondos disponibles se invierten en un ETF(por ejemplo, un ETF de oro o un ETF del Tesoro) no correlacionado con el índicede mercado general:Regla =
Comprar ETFs en el decil superior si
P >
MA( T )Comprar un ETF no correlacionado si P ≤ MA( T ) (363)Aquí P es el precio del ETF del índice de mercado al momento de la transacción yMA( T ) es la media móvil del precio de dicho ETF. Generalmente, T es de 100 a200 días. Esta estrategia es la misma que la estrategia de rotación de momentum sectorialcon los retornos acumulados de los ETFs R acumi reemplazados por los alfas de losETFs α i , siendo estos los coeficientes de la regresión que corresponden al interceptoen una regresión serial de los retornos de los ETFs R i ( t ) sobre, por ejemplo, los 3factores de Fama-French MKT( t ), SMB( t ), HML( t ) (véase la nota al pie 49): R i ( t ) = α i + β ,i MKT( t ) + β ,i SMB( t ) + β ,i HML( t ) + (cid:15) i ( t ) (364) Para algunos estudios adicionales sobre el momentum relativo, momentum absoluto y tópicosrelacionados, véase, por ejemplo, [Ahn, Conrad and Dittmar, 2003], [Bandarchuk and Hilscher,2013], [Berk, Green and Naik, 1999], [Cooper, Gutierrez and Hameed, 2004], [Fama and French,2008], [Hurst, Ooi and Pedersen, 2017], [Johnson, 2002], [Liu and Zhang, 2008], [Moskowitz, Ooiand Pedersen, 2012], [Sagi and Seasholes, 2007], [Schwert, 2003], [Zhang, 2006]. Generalmente, el período de estimación es 1 año, y R i ( t ) son retornos diarios o semanales. Alfa aquí es el alfa de Jensen definido por los retornos de los ETFs a diferencia de los retornosde fondos mutuos utilizados en [Jensen, 1968]. Para más literatura relacionada con el alfa deJensen, véase, por ejemplo, [Bollen and Busse, 2005], [Droms and Walker, 2001], [Elton, Gruberand Blake, 1996a], [Goetzmann and Ibbotson, 1994], [Grinblatt and Titman, 1992], [Jan and Hung,2004].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Estudios empíricos sobre fondos mutuos (véase, por ejemplo, [Amihud and Goyenko,2013], [Ferson and Mo, 2016]) e ETFs (véase, por ejemplo, [Garyn-Tal, 2014a],[Garyn-Tal, 2014b]) han demostrado que combinando el alfa con un indicador basadoen R de una regresión serial de los retornos R i ( t ) sobre múltiples factores, por ejem-plo, los 3 factores de Fama-French MKT( t ), SMB( t ), HML( t ) más el factor de mo-mentum de Carhart MOM( t ) (véase la nota al pie 49), agrega valor en la predicciónde los retornos futuros. Así, a partir de la regresión serial R i ( t ) = α i + β ,i MKT( t ) + β ,i SMB( t ) + β ,i HML( t ) + β ,i MOM( t ) + (cid:15) i ( t ) (365)podemos estimar α i (los coeficientes de la regresión que corresponden al intercepto)y el R de la regresión, que se define como (“SS” que significa “suma de cuadrados”por sus siglas en inglés): R = 1 − SS res SS tot (366)SS res = N X i =1 (cid:15) i ( t ) (367)SS tot = N X i =1 ( R i ( t ) − R ( t )) (368) R ( t ) = 1 N N X i =1 R i ( t ) (369)Una estrategia R-cuadrado entonces consiste en dar mayor ponderación a los ETFscon mayor “selectividad” (definida como 1 − R [Amihud and Goyenko, 2013]) ydar menor ponderación a aquellos ETFs con menor “selectividad”. Por ejemplo, unopuede primero ordenar los ETFs en quintiles según el R , y luego ordenar los ETFsen cada uno de tales quintiles en otros sub quintiles según el alfa (resultando en25 grupos de ETFs). Uno puede entonces, por ejemplo, comprar ETFs en el grupocorrespondiente al quintil R más bajo y en el sub quintil con alfa más alto y venderETFs en el grupo correspondiente al quintil R más alto y en el sub quintil con alfamás bajo. Otras variaciones son posibles. Finalmente, tanto el período de estimacióncomo los retornos para estimar R pueden ser los mismos que en la estrategia derotación de alfa (véase Subsección 4.2 y la nota al pie 76). Sin embargo, períodos deestimación más largos pueden ser considerados, especialmente si R i ( t ) son retornosmensuales. Además, tenga en cuenta que en [Amihud and Goyenko, 2013] R es una medida de cuánactiva es la gestión de un fondo mutuo. En [Garyn-Tal, 2014a], [Garyn-Tal, 2014b] R se aplicaa ETFs gestionados activamente. Para más literatura sobre ETFs gestionados activamente, véase,por ejemplo, [Mackintosh, 2017], [Meziani, 2015], [Rompotis, 2011a], [Rompotis, 2011b], [Schizas,2014], [Sherrill and Upton, 2018].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Una forma (entre otras tantas) de construir una estrategia de reversión a la mediapara ETFs es utilizando un indicador de la “fuerza interna de las barras de precios”(IBS, por sus siglas en inglés) basado en los precios de cierre P C , máximo P MA ymínimo P MI del día anterior: IBS = P C − P MI P MA − P MI (370)Tenga en cuenta que IBS oscila entre 0 y 1. Un ETF se puede considerar como“caro” si su IBS es cercano a 1, y como “barato” si su IBS es cercano 0. Al ordenarun universo de ETFs transversalmente de acuerdo con IBS, una estrategia dólar-neutral puede construirse, por ejemplo, vendiendo los ETFs en el decil superior ycomprando los ETFs en el decil inferior. Al igual que con las estrategias de accionesdiscutidas anteriormente, las ponderaciones pueden ser uniformes o no uniformes,por ejemplo, uno puede basarse en las volatilidades históricas de los ETFs. Además,las estrategias de reversión a la media que hemos discutido anteriormente para lasacciones también se pueden adaptar a los ETFs.
Un ETF apalancado (LETF, por sus siglas en inglés) (inverso) apunta a duplicar otriplicar (el inverso de) el rendimiento diario de su índice subyacente. Para man-tener un apalancamiento diario de 2 × o 3 × , los LETFs requieren un rebalanceodiario, comprando en los días en que el mercado está en alza y vendiendo cuando elmercado se encuentra a la baja. Esto puede resultar en una deriva negativa a largoplazo, que puede explotarse vendiendo un ETF apalancado y un ETF apalancadoinverso (ambos con el mismo nivel de apalancamiento y para el mismo índice subya-cente) e invirtiendo los ingresos en, por ejemplo, un ETF del Tesoro. Esta estrategiapuede tener un fuerte riesgo de baja a corto plazo si una de las piernas vendidas encorto tiene un rendimiento sustancialmente positivo. Véase, por ejemplo, [Pagonidis, 2014]. Por alguna literatura adicional relacionada, véase, porejemplo, [Brown, Davies and Ringgenberg, 2018], [Caginalp, DeSantis and Sayrak, 2014], [Chan,2013], [Dunis, Laws and Rudy, 2013], [Lai, Tseng and Huang, 2016], [Levy and Lieberman, 2013],[Marshall, Nguyen and Visaltanachoti], [Rudy, Dunis and Laws, 2010], [Schizas, Thomakos andWang, 2011], [Smith and Pantilei, 2015], [Yu and Webb, 2014]. Una medida equivalente pero más simétrica es Y = IBS − / P C − P ∗ ) / ( P MA − P MI ),en donde P ∗ = ( P MA + P MI ) /
2. Tenga en cuenta que Y oscila desde 1 / P C = P MA a − / P C = P MI . Para algunos estudios sobre ETFs apalancados, véase por ejemplo, [Avellaneda and Zhang,2010], [Bai, Bond and Hatch, 2015], [Charupat and Miu, 2011], [Cheng and Madhavan, 2010],[Ivanov and Lenkey, 2014], [Jarrow, 2010], [Jiang and Peterburgsky, 2017], [Lu, Wang and Zhang,2012], [Shum et al , 2016], [Tang and Xu, 2013], [Trainor, 2010], [Tuzun, 2013].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Uno de los atributos de los ETFs es su poder de diversificación: los ETFs permitenobtener exposición a diferentes sectores, países, clases de activos, factores, etc.,tomando posiciones en un número relativamente pequeño de ETFs (en lugar de tomarposiciones en un gran número de instrumentos subyacentes). Aquí nos centramosen portafolios de seguimiento de la tendencia con posiciones largas. Uno tiene quedeterminar las ponderaciones w i de cada ETF. Una (pero por lejos no es la única)forma de definir estas ponderaciones es la siguiente. Primero, como en la estrategiade rotación de momentum sectorial, computamos los retornos acumulados R acumi (sobre un período T de, por ejemplo, 6-12 meses). Solo tomamos los ETFs con R acumi positivo. Si se desea, opcionalmente, podemos filtrar aún más los ETFs comoen la estrategia de rotación de momentum sectorial con un filtro de media móvil,manteniendo solo los ETFs cuyos últimos precios de cierre P i son más altos que susmedias móviles a largo plazo correspondientes MA i ( T ) (generalmente, la longitud T es de 100 a 200 días). Ahora, en lugar de tomar los ETFs en el decil superior acorde a R acumi (como en la estrategia de rotación de momentum sectorial), podemos asignarponderaciones w i distintas de cero para todos los ETF restantes, cuyo número eneste contexto es relativamente pequeño por naturaleza. Las ponderaciones pueden,por ejemplo, asignarse de la siguiente manera: w i = γ R acumi (371) w i = γ R acumi /σ i (372) w i = γ R acumi /σ i (373)Aquí: σ i es la volatilidad histórica; y los coeficientes generales de normalización γ , γ , γ en cada caso se calculan en base al requisito de que P Ni =1 w i = 1 (en donde N es el número de los ETFs en el portafolio después de que todos los filtros son aplica-dos, es decir, aquellos con ponderaciones distintas de cero). Así, las ponderacionesen la Ecuación (371) son simplemente proporcionales a los retornos acumuladospasados R acumi , que se toman como la medida de momentum, entonces los retornosesperados también están dados por (o, más precisamente, proporcionales a) R acumi .El problema con este esquema de ponderación es que asigna mayor ponderación alos ETFs más volátiles dado que en promedio R acumi ∝ σ i . Las ponderaciones en laEcuación (372) mitigan esto, mientras que las ponderaciones en la Ecuación (373)optimizan el ratio de Sharpe del portafolio de los ETFs asumiendo una matriz decovarianza diagonal C ij = diag( σ i ) para los retornos de los ETFs, es decir, igno-rando sus correlaciones. Imponiendo límites w i ≤ w maxi , uno puede mitigar aúnmás el problema de la ponderación excesiva en ciertos ETFs. Por algunas publicaciones sobre portafolios de múltiples activos, asignación dinámica deactivos y temas relacionados, véase, por ejemplo, [Bekkers, Doeswijk and Lam, 2009], [Black andLitterman, 1992], [Detemple and Rindisbacher, 2010], [Doeswijk, Lam and Swinkels, 2014], [Faber,2015], [Faber, 2016], [Mladina, 2014], [Petre, 2015], [Sassetti and Tani, 2006], [Sharpe, 2009],
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Una promesa de pago de $1 al vencimiento T puede considerarse como un activo,que tiene algún valor en el momento t antes de T . Este activo es llamado bono dedescuento (con cupón cero). Sea su precio P ( t, T ) en el momento 0 ≤ t ≤ T . Luego, P ( T, T ) = 1. El rendimiento de un bono de descuento es definido como R ( t, T ) = − ln( P ( t, T )) T − t (374)y tiene el significado de una tasa de interés promedio sobre el período de tiempo T − t . Cuanto mayor sea el precio del bono en el momento t , menor es el rendimiento R ( t, T ) y viceversa. A continuación nos referimos a un bono con cupón cero con unprincipal de $1 y una madurez T como T -bono. En la práctica, un bono suele pagar no solo su principal al vencimiento T , sino quetambién hace pequeños pagos de cupones antes del mismo. Considere un bono querealiza n pagos de cupones regulares a una tasa no compuesta fija k en los momentos T i = T + iδ , i = 1 , , . . . , n , y también paga un principal $1 al vencimiento T . Elimporte de cada pago de cupón es kδ , en donde δ es el período de pago. Este flujode ingresos es equivalente a poseer un T -bono más kδ unidades de cada T i -bono, i = 1 , . . . , n . El precio del bono con cupón al momento t es entonces P c ( t, T ) = P ( t, T ) + kδ n X i = I ( t ) P ( t, T i ) (375)en donde I ( t ) = min( i : t < T i ). Al momento t = T tenemos P c ( T , T ) = P ( T , T ) + kδ n X i =1 P ( T , T i ) (376)Si deseamos que el bono con cupón empiece con su valor nominal ( P c ( T , T ) = 1),entonces la tasa de cupón correspondiente se encuentra dada por k = 1 − P ( T , T ) δ P ni =1 P ( T , T i ) (377) [Sharpe and Perold, 2009], [Sørensen, 1999], [Tripathi and Garg, 2016], [Wu, 2003], [Zakamulin,2014b]. Más precisamente, esta definición supone una composición continua. Para composición per-iódica en n tiempos discretos T i = T + iδ , i = 1 , . . . , n , el rendimiento entre t = T y t = T n seencuentra dado por R ( T , T n ) = δ − (cid:0) [ P ( T , T n )] − /n − (cid:1) asumiendo P ( T n , T n ) = 1, es decir, T n es la fecha de madurez. La Ecuación (374) se obtiene en el límite donde n → ∞ , δ → nδ = fijo(e igual a T − t en la Ecuación (374)).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Un bono puede también tener pagos de cupones flotantes . Considere un bono quepaga $1 al vencimiento T , y que también hace pagos de cupones en los momentos T i = T + iδ , i = 1 , , . . . , n , con importes basados en una tasa variable (usualmenteLIBOR (por sus siglas en inglés) – véase la Subsección 5.15) L ( T i − ) = 1 δ " P ( T i − , T i ) − (378)El pago de cupón al momento T i es X i = L ( T i − ) δ = 1 P ( T i − , T i ) − T i -bono almomento T i − . De hecho, un T i -bono vale P ( T i − , T i ) al momento t = T i − , entonces$1 de valor de T i -bono en t = T i − vale 1 /P ( T i − , T i ) en t = T i , entonces los interesesganados se encuentran dados por la Ecuación (379). El valor total del bono concupón variable en t = T está dado por: V = 1 − [ P ( T , T n ) − P ( T , T )] (380)Si T = T n , entonces tenemos V = 1. Esto se debe a que este bono es equivalentea la siguiente secuencia de operaciones. Al momento t = T tomar $1 y comprar T -bonos con ello. Al momento t = T tomar el interés de los T -bonos como el T -cupón, y comprar T -bonos con el principal restante de $1. Repetir esto hastaque nos quede $1 al momento T n . Esto tiene exactamente el mismo flujo de efectivoque un bono con cupón variable, por lo que los precios iniciales deben coincidir. Si T > T n , entonces V < V = P ( T , T ) + V cupones (381)en donde V cupones es el valor total de todos los n pagos de cupones en t = T . Estevalor es independiente de T y es determinado desde P ( T , T n ) + V cupones = 1 (382)que es el valor del bono con cupón variable con la madurez T n . Por lo tanto, equivalea la Ecuación (380). Los swaps son contratos que intercambian un flujo de pagos de tasa flotante por unflujo de pagos de tasa fija o viceversa. Un swap en donde recibimos un flujo de pagos72sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) t = T está dado por la ecuación (376),mientras que el del último viene dado por la Ecuación (380). La tasa fija que da alswap un valor inicial nulo es independiente de la madurez T y está dada por k = 1 − P ( T , T n ) δ P ni =1 P ( T , T i ) (383) La duración de Macaulay de un bono es un promedio ponderado de la madurez desus flujos de efectivo, en donde las ponderaciones son los valores presentes de dichosflujos de efectivo. Por ejemplo, para un bono con cupón de tasa fija tenemos (véasela Ecuación (376))MacD( t, T ) = 1 P c ( t, T ) ( T − t ) P ( t, T ) + kδ n X i = I ( t ) ( T i − t ) P ( t, T i ) (384)La duración modificada se define como (asumiendo desplazamientos paralelos en lacurva de rendimientos) ModD( t, T ) = − ∂ ln ( P c ( t, T )) ∂R ( t, T ) (385)Para composición continua, la duración de Macaulay y la duración modificada son lomismo (véase la Ecuación (374)). Para composición periódica, estas difieren. Paraun rendimiento constante R ( t, τ ) = Y = constante (para todo t < τ < T ), estánrelacionadas a través de (véase la nota al pie 83):ModD( t, T ) = MacD( t, T ) / (1 + Y δ ) (386)La duración modificada es una medida relativa de la sensibilidad del pre-cio de los bonos a los cambios en las tasas de interés: ∆ P c ( t, T ) /P c ( t, T ) ≈− ModD( t, T ) ∆ R ( t, T ) (para desplazamientos paralelos ∆ R ( t, τ ) = ∆ R =constante, para todo t < τ < T ). De forma similar, la duración dólar definida comoDD( t, T ) = − ∂P c ( t, T ) ∂R ( t, T ) = ModD( t, T ) P c ( t, T ) (387)es una medida absoluta de la sensibilidad del precio de los bonos a los cambios enlas tasas de interés. Es decir, ∂R ( t, τ ) /∂R ( t, T ) = 1 para todo t < τ < T . Para cambios no uniformes esto secomplica.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) C ( t, T ) = − P c ( t, T ) ∂ P c ( t, T ) ∂R ( t, T ) (388)y corresponde a los efectos no lineales en los cambios del precio de los bonos a loscambios en la tasa de interés:∆ P c ( t, T ) /P c ( t, T ) ≈ − ModD( t, T ) ∆ R ( t, T ) + 12 C ( t, T ) [∆ R ( t, T )] (389) En un portafolio bullet, todos los bonos tienen la misma fecha de vencimiento T ,por lo tanto, esta estrategia se concentra en un segmento específico de la curva derendimientos. La madurez se puede elegir en función de las perspectivas del tradersobre las tasas de interés futuras: si se espera que las tasas de interés bajen (es decir,el precio de los bonos suba), concentrar la estrategia en bonos de mayor madureztendría más sentido; si se espera que las tasas de interés suban (es decir, el preciode los bonos baje), concentrar la estrategia en bonos de menor madurez estaría másjustificado; sin embargo, si el trader no está seguro acerca de las tasas de interésfuturas, un portafolio diversificado (por ejemplo, un portafolio barbell/ladder – véaseabajo) sería más apropiado (y no un portafolio bullet). Generalmente, los bonos enun portafolio bullet se compran a lo largo del tiempo, lo que disminuye el riesgo detasa de interés en cierta forma: si las tasas de interés suben, las últimas comprasde bonos se realizarán a tasas más altas; si las tasas de interés bajan, las primerascompras de bonos realizadas presentarán mayores rendimientos. En esta estrategia, todos los bonos comprados se concentran en dos fechas demadurez T (madurez corta) y T (madurez larga), entonces este portafolio esuna combinación de dos estrategias bullet. Esta estrategia aprovecha los mayoresrendimientos de los bonos a largo plazo mientras que cubre el riesgo de tasa de in-terés con bonos de corto plazo: si las tasas de interés suben, los bonos de largo plazo Por alguna literatura sobre las propiedades de los bonos, véase, por ejemplo, [Baxter andRennie, 1996], [Bessembinder and Maxwell, 2008], [Čerović et al , 2014], [Chance and Jordan,1996], [Chen, Lesmond and Wei, 2007], [Chen, Mao and Wang, 2010], [Christensen, 1999], [Coleand Young, 1995], [Fabozzi, 2006a], [Fabozzi, 2012a], [Fabozzi, 2012b], [Fabozzi and Mann, 2010],[Henderson, 2003], [Horvath, 1998], [Hotchkiss and Ronen, 2002], [Hull, 2012], [Hull, Predescu andWhite, 2005], [Jostova et al , 2013], [Kakushadze, 2015a], [Leland and Panos, 1997], [Litterman andScheinkman, 1991], [Macaulay, 1938], [Martellini, Priaulet and Priaulet, 2003], [Osborne, 2005],[Samuelson, 1945], [Stulz, 2010], [Tuckman and Serrat, 2015]. Por literatura sobre estrategias bullet y barbell (véase abajo), véase, por ejemplo, [Fabozzi,Martellini and Priaulet, 2006], [Grantier, 1988], [Jones, 1991], [Mann and Ramanlal, 1997], [Pas-calau and Poirier, 2015], [Su and Knowles, 2010], [Wilner, 1996], [Yamada, 1999].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) La duración modificada (llámese D ) de una estrategia barbell esla misma que la duración modificada (llámese D ∗ ) de una estrategia bullet con unamadurez de rango medio (llámese T ∗ , T < T ∗ < T ). Sin embargo, la convexidad(llámese C ) de una estrategia barbell es mayor que la convexidad (llámese C ∗ ) de laestrategia bullet. Intuitivamente, esto se puede entender al observar que la duraciónmodificada aumenta aproximadamente de forma lineal con la madurez, mientrasque la convexidad aumenta aproximadamente de forma cuadrática con la madurez.Con fines ilustrativos y para mantenerlo simple, consideremos una estrategia barbellque consiste en w dólares de bonos con cupón cero con una madurez corta T y w dólares de bonos con cupón cero con una madurez larga T (cada bono tiene$1 de valor nominal). Además, asumamos una composición continua y una tasa derendimiento constante Y . Entonces tenemos D = e w T + e w T e w + e w (390) T ∗ = D ∗ = D (391) C = e w T + e w T e w + e w (392) C ∗ = T ∗ (393)en donde e w = w exp( − T Y ) y e w = w exp( − T Y ). Una simple transformaciónalgebraica nos da C − C ∗ = e w e w ( e w + e w ) ( T − T ) > Un ladder es un portafolio de bonos con las asignaciones de capital (aproximada-mente) iguales en bonos con n fechas de vencimiento T i , i = 1 , . . . , n (en dondeel número de escalones n es considerable, por ejemplo, n = 10). Las fechas devencimiento son equidistantes: T i +1 = T i + δ . Esta es una estrategia de “duration-targeting”, que mantiene una duración aproximadamente constante vendiendo Aplanamiento/empinamiento de la curva de rendimientos (el margen entre las tasas de interésde bonos de largo plazo y corto plazo disminuye/aumenta) tiene un impacto positivo/negativo enel valor del portafolio. Por alguna literatura sobre estrategias ladder y estrategias de “duration-targeting”, véase,por ejemplo, [Bierwag and Kaufman, 1978], [Bohlin and Strickland, 2004], [Cheung, Kwan andSarkar, 2010], [Dyl and Martin, 1986], [Fridson and Xu, 2014], [Judd, Kubler and Schmedders,2011], [Langetieg, Leibowitz and Kogelman, 1990], [Leibowitz and Bova, 2013], [Leibowitz, Bovaand Kogelman, 2014], [Leibowitz, Bova and Kogelman, 2015].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) evitando la exposi-ción a bonos con solo unas pocas fechas de vencimiento (como en el caso de bulletsy barbells). Esta estrategia también genera un flujo de ingresos regular provenientesde los cupones de cada bono. La madurez de un portafolio ladder puede definirsecomo la madurez promedio: T = 1 n n X i =1 T i (395)El ingreso es mayor para valores más altos de T ; sin embargo, así también es elriesgo de tasa de interés. La inmunización de bonos se utiliza en casos tales como cuando una obligación deefectivo futura está predeterminada. Una solución simple sería comprar un bonocon cupón cero con la madurez requerida (y un rendimiento deseable/aceptable).Sin embargo, tal bono puede que no siempre esté disponible en el mercado, entoncesun portafolio de bonos con diferentes fechas de vencimiento debe ser utilizado en sulugar. Tal portafolio está sujeto al riesgo de tasa de interés y riesgo de reinversión.Una forma de mitigar estos riesgos es construir un portafolio cuya duración coincidecon la madurez de la futura obligación en efectivo (y, por lo tanto, “inmunizando”el portafolio de bonos ante desplazamientos paralelos en la curva de rendimientos).Considere un portafolio de bonos con 2 fechas de vencimiento distintas T , T ysus correspondientes duraciones D , D (en donde “duración” se refiere a duraciónmodificada). Sean los montos en dólares invertidos en estos bonos P , P ; el montototal a invertir sea P ; la duración deseada del portafolio sea D (que está relacionadacon la madurez T ∗ de la futura obligación en efectivo – véase abajo); y el rendimiento constante (que se supone que es el mismo para todos los bonos – véase abajo) sea Y .Entonces P se fija utilizando Y y el importe de la obligación futura F : P = F/ (1 + Y δ ) T ∗ /δ (396)en donde asumimos composición periódica y δ es la longitud de cada período decomposición (por ejemplo, 1 año). Entonces tenemos: P + P = P (397) P D + P D = P D (398) El riesgo de reinversión es el riesgo de que los ingresos (provenientes de los pagos de cuponesy/o el principal) serán reinvertidos a una tasa menor que la inversión original. Para asegurarnos la simplicidad, en la Ecuación (396) el número n = T ∗ /δ de períodos decomposición se supone que es un número entero. La extensión a un número no entero T ∗ /δ essimple.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) D = T ∗ / (1 + Y δ ) (399)Con 3 bonos, también podemos igualar la convexidad: P + P + P = P (400) P D + P D + P D = P D (401) P C + P C + P C = P C (402)en donde C , C , C son las convexidades de los 3 bonos y C = T ∗ ( T ∗ + δ ) / (1 + Y δ ) (403)En la práctica, la curva de rendimientos cambia a lo largo del tiempo, lo que (entreotras cosas) requiere que el portafolio sea balanceado periódicamente. Esto introducecostos de transacción no triviales, que también deben tenerse en cuenta. Además,los rendimientos no son los mismos para todos los bonos en el portafolio, lo queintroduce complejidad adicional en el problema. Esta es una combinación de costo cero de una posición larga en un portafolio barbell(con fechas de vencimiento T (más corta) y T (más larga)) y una posición cortaen un portafolio bullet (con un vencimiento medio T , en donde T < T < T ).Sean los montos en dólares invertidos en los 3 bonos P , P , P ; y sean las corre-spondientes duraciones modificadas D , D , D . Luego, el costo cero (es decir, ladólar-neutralidad) y la duración-dólar-neutralidad (el último protege al portafoliode desplazamientos paralelos en la curva de rendimientos) implican que P + P = P (404) P D + P D = P D (405)Esto fija P , P mediante P . Mientras que el portafolio es inmune a desplazamientosparalelos en la curva de rendimientos, no es inmune a los cambios en la pendiente ola curvatura de la curva de rendimientos. Por algunas publicaciones sobre inmunización de bonos, incluyendo técnicas de optimizaciónmás sofisticadas, véase, por ejemplo, [Albrecht, 1985], [Alexander and Resnick, 1985], [Bierwag,1979], [Bodie, Kane and Marcus, 1996], [Boyle, 1978], [Christensen and Fabozzi, 1985], [De La Peña,Garayeta and Iturricastillo, 2017], [Fisher and Weil, 1971], [Fong and Vasicek, 1983], [Fong andVasicek, 1984], [Hürlimann, 2002], [Hürlimann, 2012], [Iturricastillo and De La Peña, 2010], [Khang,1983], [Kocherlakota, Rosenbloom and Shiu, 1988], [Kocherlakota, Rosenbloom and Shiu, 1990],[Montrucchio and Peccati, 1991], [Nawalkha and Chambers, 1996], [Reddington, 1952], [Reitano,1996], [Shiu, 1987], [Shiu, 1988], [Zheng, Thomas and Allen, 2003]. Por alguna literatura sobre varias estrategias mariposas con bonos, véase, por ejemplo, [Be-dendo, Cathcart and El-Jahel, 2007], [Brooks and Moskowitz, 2017], [Christiansen and Lund,2005], [Fontaine and Nolin, 2017], [Gibson and Pritsker, 2000], [Grieves, 1999], [Heidari and Wu,2003], [Martellini, Priaulet and Priaulet, 2002].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta es una variación de la mariposa estándar. Siguiendo con la notación anteriorpara la mariposa duración-dólar-neutral, tenemos P D = P D = 12 P D (406)Entonces, la mariposa cincuenta-cincuenta sigue siendo duración-dólar-neutral, peroya no es dólar-neutral (es decir, no es una estrategia de costo cero). En cambio, laduración dólar de ambas alas es la misma (de ahí el término “cincuenta-cincuenta”).Como resultado, la estrategia es (aproximadamente) neutral a pequeñas inclina-ciones y aplanamientos de la curva de rendimientos, a saber, si el margen de tasasde interés entre el cuerpo y el ala de corto plazo es igual al cambio del margen detasas de interés entre el cuerpo y el ala de largo plazo. Es por eso que esta estrate-gia es también conocida como “mariposa neutral a la curva” (cuyo costo es la nodólar-neutralidad). Empíricamente, las tasas de interés de corto plazo son considerablemente másvolátiles que las tasas de interés de largo plazo. Por lo tanto, el cambio en elmargen de tasas de interés entre el cuerpo y el ala de corto plazo (de la mariposa– véase arriba) se puede esperar que sea mayor por algún factor – llámese β –al cambio del margen de tasas de interés entre el cuerpo y el ala de largo plazo(entonces, generalmente β > P D + P D = P D (407) P D = β P D (408) Esta es una variación de la mariposa regresión-ponderada, en donde en lugar defijar β en la Ecuación (408) mediante una regresión basada en datos históricos, estecoeficiente se basa en los vencimientos de los 3 bonos: β = T − T T − T (409) Véase, por ejemplo, [Edwards and Susmel, 2003], [Joslin and Konchitchki, 2018], [Mankiwand Summers, 1984], [Shiller, 1979], [Sill, 1996], [Turnovsky, 1989].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Al igual que en las acciones, la evidencia empírica sugiere que los bonos de menorriesgo tienden a superar a los bonos de mayor riesgo en términos de retornos ajus-tados por riesgo (“anomalía de bajo riesgo”). Uno puede definir el “riesgo” deun bono utilizando diferentes métricas, por ejemplo, la calificación crediticia y lamadurez. Por ejemplo, un portafolio largo se puede construir (véase, por ejem-plo, [Houweling and van Vundert, 2017]) tomando los Bonos de Grado de Inver-sión con las calificaciones crediticias que van desde AAA a A-, y luego tomando eldecil inferior por madurez. Del mismo modo, uno puede tomar los Bonos de AltoRendimiento con las calificaciones crediticias que van desde BB+ a B-, y luego tomarel decil inferior por madurez.
El “value” para bonos (véase, por ejemplo, [Correia, Richardson and Tuna, 2012],[Houweling and van Vundert, 2017], [L’Hoir and Boulhabel, 2010]) es más difícilde definir que para las acciones. Una forma es comparar el margen crediticio observado y una predicción teórica de dicho margen. Una forma de estimar estoúltimo es, por ejemplo, a través de una regresión lineal de corte transversal (entre N bonos etiquetados por i = 1 , . . . , N ) [Houweling and van Vundert, 2017]: S i = K X r =1 β r I ir + γ T i + (cid:15) i (410) S ∗ i = S i − (cid:15) i (411)Aquí: S i es el margen crediticio; I ir es una variable dummy ( I ir = 1 si el bonoetiquetado por i tiene calificación crediticia r ; de otra manera, I ir = 0) para lacalificación crediticia de los bonos r (que etiqueta las K calificaciones crediticiaspresentes entre los N bonos, pudiendo ser una de las 21 calificaciones crediticias); T i son los vencimientos de los bonos; β r , γ son los coeficientes de la regresión; (cid:15) i sonlos residuos de la regresión; y S ∗ i es el valor ajustado (teórico) del margen crediticio.La matriz con dimensiones N × K I ir no tiene ninguna columna con todos losvalores iguales a cero (entonces K puede ser menor de 21). Tenga en cuenta que pordefinición, ya que cada bono tiene una y solo una calificación crediticia, tenemos K X r =1 I ir = 1 (412) Por alguna literatura, véase, por ejemplo, [De Carvalho et al , 2014], [Derwall, Huij andDe Zwart, 2009], [Frazzini and Pedersen, 2014], [Houweling and van Vundert, 2017], [Ilmanen,2011], [Ilmanen et al , 2004], [Kozhemiakin, 2007], [Ng and Phelps, 2015]. El margen crediticio es la diferencia entre el rendimiento de los bonos y la tasa libre de riesgo. Estas calificaciones crediticias son AAA, AA+, AA, AA-, A+, A, A-, BBB+, BBB, BBB-,BB+, BB, BB-, B+, B, B-, CCC+, CCC, CCC-, CC, C.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) I ir (es por eso por lo que no hay un coeficientede la regresión separado para el intercepto). Luego, el value se define como V i =ln( S i /S ∗ i ) o V i = (cid:15) i /S ∗ i = S i /S ∗ i −
1, y los bonos en el decil superior según V i sonseleccionados para el portafolio. El carry se define como el retorno proveniente de la apreciación del valor del bonocuando este rueda hacia abajo por la curva de rendimientos (véase, por ejemplo,[Beekhuizen et al , 2016], [Koijen, Moskowitz, Pedersen and Vrugt, 2018]): C ( t, t + ∆ t, T ) = P ( t + ∆ t, T ) − P ( t, T ) P ( t, T ) (413)Aquí ∆ t es el período sobre el cual se calcula el carry. Surge una simplificación siasumimos que toda la estructura temporal de tasas de interés se mantiene constante,es decir, el rendimiento R ( t, T ) = f ( T − t ) es una función solo de T − t (es decir, eltiempo a la madurez). Luego, al momento t + ∆ t el rendimiento es R ( t + ∆ t, T ) = R ( t, T − ∆ t ). Entonces, tenemos C ( t, t + ∆ t, T ) = P ( t + ∆ t, T ) | R ( t +∆ t,T ) − P ( t, T ) | R ( t,T ) P ( t, T ) | R ( t,T ) == R ( t, T ) ∆ t + C roll ( t, t + ∆ t, T ) (414)en donde (teniendo en cuenta la definición de la duración modificada, la Ecuación(385)) C roll ( t, t + ∆ t, T ) = P ( t + ∆ t, T ) | R ( t,T − ∆ t ) − P ( t + ∆ t, T ) | R ( t,T ) P ( t, T ) | R ( t,T ) ≈≈ − ModD( t, T ) [ R ( t, T − ∆ t ) − R ( t, T )] (415)Por lo tanto, si la estructura temporal de las tasas de interés es constante, luego elcarry C ( t, t + ∆ t, T ) recibe dos contribuciones: i) R ( t, T ) ∆ t del rendimiento delbono; y ii) C roll ( t, t +∆ t, T ) del bono rodando hacia abajo por la curva de rendimien-tos. Una estrategia de costo cero se puede construir, por ejemplo, comprando bonosen el decil superior según el carry y vendiendo bonos en el decil inferior. Aquí, por simplicidad, consideramos bonos con cupón cero. El resultado final a continuacióntambién es válido para bonos con cupón. Para portafolios financiados, R ( t, T ) en la segunda línea de la Ecuación (414) es reemplazadapor R ( t, T ) − r f , en donde r f es la tasa libre de riesgo. Sin embargo, este cambio general no afectalas tenencias actuales en la estrategia de carry.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
El objetivo de esta estrategia es capturar el componente “roll-down” C roll ( t, t +∆ t, T )de los rendimientos de los bonos. Estos retornos se maximizan en los segmentos másinclinados de la curva de rendimientos. Por lo tanto, el trader puede, por ejemplo,comprar bonos a largo o mediano plazo en dichos segmentos y mantenerlos mientrasestán “rodando hacia abajo por la curva”. Los bonos, idealmente, deben vendersemientras se acercan al vencimiento y los ingresos pueden utilizarse para comprarnuevos bonos a largo/mediano plazo del segmento más empinado de la curva derendimientos en ese momento.
Esta estrategia consiste en comprar o vender el margen de la curva de rendimien-tos.
El margen de la curva de rendimientos se define como la diferencia entre losrendimientos de dos bonos del mismo emisor con diferentes fechas de vencimiento. Sise espera que las tasas de interés caigan, es de esperar que la curva de rendimientosse empine. Si se espera que las tasas de interés suban, es de esperar que la curva derendimientos se aplane. La estrategia sobre el margen de la curva de rendimientosse puede resumir a través de la siguiente regla:Regla =
Flattener: Vender margen si se espera que las tasas aumentenSteepener: Comprar margen si se espera que las tasas disminuyan (416)Vender el margen es equivalente a vender los bonos de vencimiento más corto (tam-bién conocidos como la pierna delantera) y comprar los bonos de mayor vencimiento(también conocidos como la pierna trasera). Comprar el margen es la operaciónopuesta: comprar la pierna delantera y vender la pierna trasera. Si la curva derendimientos experimenta desplazamientos paralelos, esta estrategia puede generarpérdidas. Si la duración dólar de las piernas delanteras y traseras coincide, elportafolio es inmune a pequeños desplazamientos paralelos en la curva de rendimien-tos. Por algunos estudios sobre las estrategias relacionadas a los bonos “rondando hacia abajo porla curva de rendimientos”, véase, por ejemplo, [Ang, Alles and Allen, 1998], [Bieri and Chincarini,2004], [Bieri and Chincarini, 2005], [Dyl and Joehnk, 1981], [Grieves et al , 1999], [Grieves andMarcus, 1992], [Osteryoung, McCarty and Roberts, 1981], [Pantalone and Platt, 1984], [Pelaez,1997].
Por alguna literatura sobre la estrategia sobre el margen de la curva de rendimientos, ladinámica de la curva de rendimientos y tópicos relacionados, véase, por ejemplo, [Bernadell, Cocheand Nyholm, 2005], [Boyd and Mercer, 2010], [Chua, Koh and Ramaswamy, 2006], [Diebold and Li,2002], [Diebold, Rudebusch and Aruoba, 2006], [Dolan, 1999], [Evans and Marshall, 2007], [Füssand Nikitina, 2011], [Jones, 1991], [Kalev and Inder, 2006], [Krishnamurthy, 2002], [Shiller andModigliani, 1979].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Un swap de incumplimiento crediticio (CDS, por sus siglas en inglés) es un segurocontra el incumplimiento de un bono.
El precio de los CDS, conocido como mar-gen, es una prima periódica (por ejemplo, anual) por dólar de la deuda asegurada.Los CDS básicamente convierten al bono en un instrumento libre de riesgo. Por lotanto, el margen de los CDS debería igualar al margen del rendimiento del bono, esdecir, al margen entre el rendimiento del bono y la tasa libre de riesgo. La diferenciaentre el margen del CDS y el margen del bono es conocida como la base del CDS:base del CDS = margen del CDS − margen del bono (417)Una base negativa indica que el margen del bono es demasiado alto en relacióncon el margen del CDS, es decir, el bono se encuentra relativamente barato. Laoperación de arbitraje de CDS entonces consiste en comprar el bono y asegurarlocon un CDS generando así una ganancia libre de riesgo. Esta estrategia dólar-neutral consiste en una posición larga (corta) en un swapde tasas de interés (véase la Subsección 5.1.4) y una posición corta (larga) en unbono del Tesoro (con rendimiento constante Y T esoro ) con la misma madurez que elswap. Una posición larga (corta) en un swap implica recibir (proveer) los pagos decupones a la tasa fija r swap a cambio de proveer (recibir) los pagos de cupones a latasa variable igual a la Tasa Interbancaria de Oferta de Londres (LIBOR, por sussiglas en inglés) L ( t ). La posición corta (larga) en el bono del Tesoro genera (sefinancia a) la “tasa repo” (la tasa de descuento a la cual el banco central recompraactivos gubernamentales de los bancos comerciales) r ( t ) en una cuenta a margen.La tasa por dólar invertido C ( t ) a la que esta estrategia genera P&L está dada por C ( t ) = ± [ C − C ( t )] (418) C = r swap − Y T esoro (419) C ( t ) = L ( t ) − r ( t ) (420)en donde el signo mas (menos) corresponde a la estrategia de swap larga (corta).La estrategia larga (corta) de swap es rentable si la LIBOR baja (sube). Entonces, Por literatura sobre el arbitraje de la base del CDS y tópicos relacionados, véase, por ejemplo,[Bai and Collin-Dufresne, 2013], [Choudhry, 2004], [Choudhry, 2006], [Choudhry, 2007], [De Wit,2006], [Fontana, 2010], [Fontana and Scheicher, 2016], [Kim, Li and Zhang, 2016], [Kim, Li andZhang, 2017], [Nashikkar, Mahanti, 2011], [Rajan, McDermott and Roy, 2007], [Wang, 2014], [Zhu,2006].
Tenga en cuenta que un CDS es equivalente a una posición sintética corta en un bono.
En el caso de una base positiva, teóricamente uno entraría en la posición opuesta, es decir,vendería el bono y vendería un CDS. Sin embargo, en la práctica, esto generalmente implicaría queel trader ya posee el bono y el CDS, es decir, esto equivaldría a desarmar una posición existente.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Por algunas publicaciones sobre márgenes de swaps y tópicos relacionados, véase, por ejem-plo, [Asgharian and Karlsson, 2008], [Aussenegg, Götz and Jelic, 2014], [Chen and Selender,1994], [Collin-Dufresne and Solnik, 2001], [Duarte, Longstaff and Yu, 2006], [Dubil, 2011], [Duffie,1996], [Duffie and Singleton, 1997b], [Feldhütter and Lando, 2008], [Fisher, 2002], [Jermann,2016], [Jordan and Jordan, 1997], [Kambhu, 2006], [Keane, 1996], [Klingler and Sundaresan,2016], [Kobor, Shi and Zelenko, 2005], [Lang, Litzenberger and Liu, 1998], [Liu, Longstaff andMandell, 2006)], [Minton, 1997].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Un índice es un portafolio diversificado de activos combinados con ciertas pondera-ciones. Los activos subyacentes son a menudo acciones, por ejemplo, en índices talescomo el DJIA, S&P 500, Russell 3000, etc. Las ponderaciones del DJIA se basanen los precios, mientras que las ponderaciones del S&P 500 y las del Russell 3000se basan en la capitalización bursátil. Vehículos de inversión tales como futuros delíndice, ETFs basados en índices, etc., permiten ganar exposición a un índice generaltomando solo una posición.
Esta estrategia (también conocida como “arbitraje de índice”) pretende explotarlas ineficiencias entre el precio spot del índice y los precios de los futuros delíndice.
Teóricamente, el precio de los futuros del índice debe ser igual al preciospot teniendo en cuenta el costo del carry durante la vida del contrato de futuros: F ∗ ( t, T ) = [ S ( t ) − D ( t, T )] exp ( r ( T − t )) (421)Aquí: F ∗ ( t, T ) es el precio teórico (“justo”) al momento t del contrato de futuroscon el tiempo de entrega T ; S ( t ) es el valor spot al momento t ; D ( t, T ) es la suma delos (valores descontados de) dividendos pagados por las acciones subyacentes entreel tiempo t y el tiempo de entrega; y r es la tasa libre de riesgo, la que, en aras desimplicidad, se supone que es constante desde t hasta el tiempo de entrega. Labase se define como B ( t, T ) = F ( t, T ) − F ∗ ( t, T ) S ( t ) (422)en donde F ( t, T ) es el precio actual del contrato de futuros con el tiempo de entrega T . Si B ( t, T ) = 0, más precisamente, si | B ( t, T ) | supera los costos de transacción Por algunas publicaciones sobre índices, véase, por ejemplo, [Antoniou and Holmes, 1995],[Beneish and Whaley, 1996], [Bologna and Cavallo, 2002], [Bos, 2000], [Chang, Cheng and Pinegar,1999], [Chiang and Wang, 2002], [Edwards, 1988], [Frino et al , 2004], [Graham and Pirie, 1994],[Hautcoeur, 2006], [Illueca and Lafuente, 2003], [Kenett et al , 2013], [Lamoureux and Wansley,1987], [Larsen and Resnick, 1998], [Lo, 2016], [Schwartz and Laatsch, 1991], [Spyrou, 2005], [Yo,2001]. “Spot” se refiere al valor actual del índice basado en los precios actuales de sus constituyentes.“Cash” se refiere al portafolio subyacente del índice. Esta es la jerga común utilizada por los traders.
Véase, por ejemplo, [Brenner, Subrahmanyam and Uno, 1989], [Bühler and Kempf, 1995],[Butterworth and Holmes, 2010], [Chan and Chung, 1993], [Cornell and French, 1983], [Dwyer,Locke and Yu, 1996], [Fassas, 2011], [Puttonen, 1993], [Richie, Daigler and Gleason, 2008], [Yadavand Pope, 1990], [Yadav and Pope, 1994].
La Ecuación (421), además, ignora algunos otros aspectos pertinentes, como los impuestos,la asimetría de las tasas de interés (para posiciones largas y cortas), costos de transacción, etc.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Laposición se cierra cuando la base vuelve a cero, es decir, el precio de los futuros con-verge a su valor justo. Tales oportunidades de arbitraje son de corta duración y conel advenimiento del trading de alta frecuencia requieren una ejecución extremada-mente rápida. En muchos casos, el slippage puede ser prohibitivo para ejecutar laoperación.
Esta estrategia consiste en tomar posiciones largas en las volatilidades de los con-stituyentes del índice y una posición corta en la volatilidad del índice. Se basa en laobservación empírica de que, la mayor parte del tiempo, la volatilidad implícita e σ I de las opciones del índice es considerablemente más alta que su volatilidad teórica σ I dada por σ I = N X i,j =1 w i w j σ i σ j ρ ij (423)en donde w i son las ponderaciones de las acciones en el índice, σ i son las volatilidadesimplícitas de las opciones de acciones individuales, y ρ ij es la matriz de correlaciónmuestral ( ρ ii = 1) , la cual es computada en función de series de tiempo de losretornos históricos. Dicho de otra manera, las opciones del índice tienen un preciomás alto que el precio correspondiente a la volatilidad teórica antes mencionada.Entonces, una estrategia básica se puede estructurar de la siguiente manera. Para
Vender los futuros no plantea problemas. Sin embargo, vender el cash puede ser problemáticocuando hay problemas con las ventas en corto tales como el caso de las acciones difíciles de pedirprestadas (acciones “hard-to-borrow” en inglés), etc. Continuamente manteniendo un libro dólar-neutral considerable con posiciones largas en cash y cortas en futuros puede ayudar a sortear talesproblemas.
En algunos casos, cestas incompletas aproximando el índice pueden ser ejecutadas para reducirlos costos de transacción, por ejemplo, en los índices ponderados por la capitalización de mercado, alomitir las acciones con las capitalizaciones más bajas (y por lo tanto menos líquidas). Sin embargo,tales coberturas imperfectas también aumentan el riesgo de perder dinero en la operación.
Pero no siempre – véase abajo. Por algunas publicaciones sobre la volatilidad del índice versuslas de los constituyentes y el trading de dispersión y correlación, véase, por ejemplo, [Carrasco,2007], [Deng, 2008], [Lozovaia and Hizhniakova, 2005], [Marshall, 2008], [Marshall, 2009], [Maze,2012], [Meissner, 2016], [Nelken, 2006].
Tenga en cuenta que las correlaciones por pares ρ ij , i = j , son inestables fuera de la muestra,lo que puede introducir un error considerable en este cálculo. Por algunos estudios pertinentes, véase, por ejemplo, [Bakshi and Kapadia, 2003a], [Bakshiand Kapadia, 2003b], [Bakshi, Kapadia and Madan, 2003], [Bollen and Whaley, 2004], [Brangerand Schlag, 2004], [Coval and Shumway, 2001], [Dennis and Mayhew, 2002], [Dennis, Mayhewand Stivers, 2006], [Driessen, Maenhout and Vilkov, 2009], [Gârleanu, Pedersen and Poteshman,2009], [Lakonishok et al , 2007].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) n i (cercanos a ATM) conossobre opciones de acciones individuales (cuyos pagos se basan en los precios delas acciones P i ), y tenemos una posición corta en un (cercano a ATM) cono sobreopciones del índice (cuyo pago se basa en el nivel del índice P I – véase abajo), endonde n i = S i P I P Ni =1 S i P i (424)Aquí: S i es el número de acciones en circulación para la acción i (estamos asumiendoque el índice es ponderado por la capitalización de mercado); y P I es el nivel delíndice. Con esta definición de n i , tenemos P I = P Ni =1 n i P i , por lo que el pago delcono sobre opciones del índice coincide con los pagos de los conos sobre opciones deacciones individuales lo más posible. Todas las opciones tienen aproximadamente1 mes hasta el vencimiento y todas las posiciones permanecen abiertas hasta elvencimiento.
Para algunos índices, algunas de las acciones que lo componen pueden no teneropciones. A menudo, estas serían aquellas acciones menos líquidas, con menor cap-italización de mercado. Entonces éstas tendrían que ser excluidas del portafolioadquirido. Reducir el número comprado de opciones de acciones individuales suby-acentes también es conveniente para reducir los costos de transacción. Además, lamatriz de correlación muestral ρ ij es singular para una típica ventana de estimación(por ejemplo, retornos de cierre contra cierre diarios, retrocediendo 1 año, que esequivalente a unos 252 días de trading) cuando el número de activos es grande (500para el S&P 500 e incluso más grande para otros índices). Además, tal como semencionó anteriormente, las correlaciones de pares son inestables fuera de muestra,lo que aumenta los errores en el valor teórico σ I computado mediante la Ecuación(423). Esto se puede mitigar de la siguiente manera. Si las opciones ATM no están disponibles para una acción dada, opciones OTM (cercanas aATM) pueden ser usadas.
Se puede argumentar que esta estrategia es una estrategia de volatilidad. Sin embargo,también se puede argumentar que es una estrategia de correlación dado que la volatilidad delportafolio depende de las correlaciones entre sus componentes (véase la Ecuación (423)). Así,cuando la volatilidad implícita del índice e σ I es más alta que el valor teórico σ I , esto se puedeinterpretar (posiblemente) como que la correlación de pares media implícita es más alta que elpromedio de correlación de pares basado en ρ ij . En este sentido, a veces la volatilidad implícitadel índice puede ser inferior a su valor teórico, por lo que la estrategia de dispersión que consiste envender la volatilidad del índice perdería dinero y la estrategia inversa podría ser la más adecuada.Véase, por ejemplo, [Deng, 2008]. La variación de la estrategia de trading de dispersión que discutimos aquí es similar pero noidéntica a la estrategia basada en el PCA (análisis de componentes principales) discutida en [Deng,2008], [Larsson and Flohr, 2011], [Su, 2006]. La construcción (véase abajo) de un modelo estadísticode riesgo es más eficiente.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) V ( A ) i los componentes principales de ρ ij con los eigenvalores λ ( A ) enorden decreciente, λ (1) > λ (2) > λ ( r ) , en donde r es el rango de ρ ij (si r < N , losotros eigenvalores son nulos: λ ( A ) = 0, A > r ). La matriz de correlación basada enel modelo estadístico de riesgo está dada por ψ ij = ξ i δ ij + K X A =1 λ ( A ) V ( A ) i V ( A ) j (425) ξ i = 1 − K X A =1 λ ( A ) h V ( A ) i i (426)en donde K < r es el número de factores de riesgo basados en los primeros K componentes principales que se seleccionan para explicar el riesgo sistemático, y ξ i esel riesgo específico (también conocido como idiosincrático). La forma simple de fijar K es a través de eRank (rango efectivo) [Roy and Vetterli, 2007] – véase [Kakushadzeand Yu, 2017a] para detalles y código fuente completo para construir ψ ij y fijar K .Entonces, ahora podemos usar ψ ij (en lugar de ρ ij ) para calcular la volatilidadteórica σ I : σ I = N X i,j =1 w i w j σ i σ j ψ ij = N X i =1 w i σ i ξ i + K X A =1 " N X i =1 λ ( A ) V ( A ) i w i σ i (427)El primer término en el lado derecho de la Ecuación (427) se debe al riesgo específico.El portafolio largo entonces contiene solo conos que corresponden a las N ∗ opcionesde acciones individuales con los N ∗ valores más bajos de w i σ i ξ i . Por ejemplo, parael S&P 500 podemos tomar N ∗ = 100. Esta estrategia consiste en explotar las valoraciones erróneas a corto plazo entredos ETFs (llámelos ETF1 y ETF2) sobre el mismo índice subyacente.
Se puederesumir como sigue:Regla =
Comprar ETF2, vender ETF1 si P Bid ≥ P Ask × κ Liquidar posición si P Bid ≥ P Ask Comprar ETF1, vender ETF2 si P Bid ≥ P Ask × κ Liquidar posición si P Bid ≥ P Ask (428) Por ejemplo, los ETFs del S&P 500, SPDR Trust (tablero de cotizaciones SPY) y iShares(tablero de cotizaciones IVV). Véase, por ejemplo, [Marshall, Nguyen and Visaltanachoti]. Paramás literatura sobre arbitraje de ETFs y tópicos relacionados, véase, por ejemplo, [Abreu andBrunnermeier, 2002], [Ackert and Tian, 2000], [Ben-David, Franzoni and Moussawi, 2012], [Brown,Davies and Ringgenberg, 2018], [Cherry, 2004], [Dolvin, 2009], [Garvey and Wu, 2009], [Hendershottand Moulton, 2011], [Johnson, 2008], [Maluf and Albuquerque, 2013].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) κ es un umbral predefinido, que está cerca de 1, por ejemplo, κ = 1 . P Bid y P Bid son losprecios bid para ETF1 y ETF2, y P Ask y P Ask son los precios ask. Órdenes límites“completar o matar” (en inglés, órdenes “fill-or-kill”) pueden ser utilizadas paraejecutar las operaciones. Tales oportunidades de arbitraje son efímeras y requierende un sistema de ejecución de órdenes muy rápido o bien el slippage erosionará conrapidez las ganancias. Una estrategia de targeting de volatilidad apunta a mantener un nivel de volatilidadconstante, que se puede lograr rebalanceando de forma periódica (semanal, mensual,etc.) entre un activo de riesgo – en este caso un índice – y un activo sin riesgo(por ejemplo, bonos del Tesoro). Si σ es la volatilidad del activo de riesgo y lavolatilidad objetivo (target en inglés) es σ ∗ , entonces la ponderación de la asignaciónen el activo de riesgo está dada por w = σ ∗ /σ , y la ponderación de la asignaciónen el activo libre de riesgo es 1 − w . Para evitar el exceso de operaciones y reducir loscostos de transacción, el rebalanceo (en lugar de hacerlo periódicamente) se puedehacer en base a, por ejemplo, un umbral preestablecido κ , es decir, solo se procedea rebalancear si el cambio porcentual | ∆ w | /w desde el último rebalanceo supera κ . Por algunos estudios pertinentes, véase, por ejemplo, [Albeverio, Steblovskaya and Wallbaum,2013], [Anderson, Bianchi and Goldberg, 2014], [Cirelli et al , 2017], [Cooper, 2010], [Giese, 2012],[Khuzwayo and Maré, 2014], [Kim and Enke, 2016], [Kirby and Ostdiek, 2012], [Papageorgiou,Reeves and Sherris, 2017], [Perchet, de Carvalho and Moulin, 2014], [Torricelli, 2018], [Zakamulin,2014b].
Por lo general, esta es la volatilidad implícita a diferencia de la volatilidad histórica, teniendoen cuenta que la primera se considera una medida de la volatilidad futura (“forward-looking”).Alternativamente, puede basarse en varias técnicas de predicción de volatilidad.
Si hay un apalancamiento máximo preestablecido L , entonces w está limitado a L .
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Algunas estrategias de trading de opciones discutidas en la Sección 2 son estrategiasde volatilidad, en el sentido en que apuestan a una volatilidad futura alta o baja.
Hay varias formas de hacer apuestas de volatilidad, y, por lo tanto, la volatilidad sepuede ver como una clase de activo por sí misma. La volatilidad histórica se basaen una serie de tiempo de retornos pasados. En cambio, la volatilidad implícitaextraída de las opciones se considera una medida de volatilidad futura.
El índicede volatilidad VIX (CBOE Volatility Index (en inglés), o el Índice de Volatilidaddel CBOE (en español), también conocido como “índice de incertidumbre” o “índicede medida de miedo”) y otros índices de volatilidad y derivados (opciones yfuturos) sobre índices de volatilidad tales como el VIX proporcionan medios para eltrading de volatilidad.
Esta es esencialmente una estrategia de reversión a la media. Está enraizada en laobservación empírica (véase, por ejemplo, [Mixon, 2007], [Nossman and Wilhelms-son, 2009], [Simon and Campasano, 2014]) que la base de los futuros del VIX(definida abajo) no tiene poder de pronóstico para los cambios posteriores del VIXpero tiene un poder de pronóstico sustancial para los cambios posteriores en el preciode futuros del VIX. La base de los futuros del VIX B V IX (para nuestros propósitosaquí) se define como B V IX = P UX − P V IX (429) D = B V IX T (430) Por ejemplo, conos largos (cortos) apuestan a aumentos (disminuciones) en la volatilidad.
Véase, por ejemplo, [Abken and Nandi, 1996], [Ané and Labidi, 2001], [Canina and Figlewski,1993], [Christensen and Prabhala, 1998], [Derman and Kani, 1994], [Dumas, Fleming and Whaley,1998], [Dupire, 1994], [Glasserman and Wu, 2010], [He, Hsu and Rue, 2015], [Lamoureux andLastrapes, 1993], [Mayhew, 1995], [Skiadopoulos, Hodges and Clewlow, 1999].
Véase, por ejemplo, [Äijö, 2008], [Corrado and Miller, 2005], [Fleming, Ostdiek and Whaley,1995], [Maghrebi, Kim and Nishina, 2007], [Shaikh and Padhi, 2015], [Siriopoulos and Fassas,2009], [Skiadopoulos, 2004], [Whaley, 2000], [Whaley, 2009].
Por ejemplo, RVX (CBOE Russell 2000 Volatility Index), VXEEM (CBOE Emerging MarketsETF Volatility Index), TYVIX (CBOE/CBOT 10-year U.S. Treasury Note Volatility Index), GVZ(CBOE Gold ETF Volatility Index), EUVIX (CBOE/CME FX Euro Volatility Index), VXGOG(CBOE Equity VIX on Google), VVIX (CBOE VIX of VIX Index), etc. (todos los nombres aquíse dan en ingles).
Para algunos estudios adicionales sobre el trading de la base de futuros del VIX y temasrelacionados, véase, por ejemplo, [Buetow and Henderson, 2016], [Donninger, 2014], [Fu, Sandriand Shackleton, 2016], [Lee, Liao and Tung, 2017], [Zhang, Shu and Brenner, 2010], [Zhang andZhu, 2006].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) P UX es el precio del contrato de futuros del primer mes del VIX; P V IX es el precio del VIX; D es el valor del roll diario; y T es el número de días hábileshasta la liquidación (que se supone que es al menos 10). Empíricamente, los preciosde los futuros tienden a caer cuando la base es positiva y suben cuando la basees negativa (reversión a la media). Entonces, la estrategia consiste en vender losfuturos del VIX cuando la curva de futuros del VIX tiene pendiente positiva (estoes también conocido como “contango”, entonces la base es positiva), y comprar losfuturos del VIX cuando la curva de futuros del VIX presenta pendiente negativa (estoes también conocido como “backwardation”, entonces la base es negativa). Aquí sepresenta una simple regla de trading (véase, por ejemplo, [Simon and Campasano,2014]): Regla = Abrir posición larga en UX1 si
D < − . D > − . D > . D < .
05 (431)Una posición en UX1 corta (larga) está expuesta a un riesgo de un aumento (dismin-ución) repentino en la volatilidad, que normalmente se produce durante una ventamasiva (un rally) en el mercado accionario, entonces, el riesgo puede ser cubierto,por ejemplo, vendiendo (comprando) futuros mini-S&P 500.
El ratio de cober-tura se puede estimar, por ejemplo, en base a una regresión serial histórica de loscambios en el precio de futuros del VIX sobre los retornos del contrato de futurosmini-S&P del primer mes.
El VXX es una nota de intercambio cotizada (ETN, por sus siglas en inglés)que “replica” al VIX mediante un portafolio de contratos de futuros del VIX convencimientos a corto plazo (meses 1 y 2). Para mantener una madurez constante, alcierre de cada día, una porción de los futuros de vencimiento más corto se vende ycon los ingresos se compran los futuros de vencimiento más largo. Dado que la curvade futuros del VIX se encuentra en contango la mayor parte del tiempo, los futurosde vencimiento más largo tienen un precio más alto que los futuros de vencimientomás corto, por lo que este rebalanceo genera una disminución en el valor del VXXa lo largo del tiempo, lo que se conoce como la pérdida por roll (o contango).Además, a medida que pasa el tiempo, los futuros convergen al spot (VIX), porlo tanto, el VXX pierde valor mientras la curva de futuros del VIX se encuentraen contango. El VXZ es otro ETN que replica al VIX mediante un portafolio de
UX1 tiene aproximadamente 1 mes hasta su madurez, UX2 tiene aproximadamente 2 meses,etc.
Generalmente, el VIX y el mercado accionario son anti-correlacionados.
Por detalles, véase, por ejemplo, [Simon and Campasano, 2014].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Una estrategiabásica entonces es vender el VXX y comprar el VXZ con un ratio de cobertura quese puede determinar mediante una regresión serial.
Sin embargo, esta estrategiano está exenta de riesgos. Puede haber picos a corto plazo en el VXX (los picoscorrespondientes en el VXZ usualmente son considerablemente más pequeños), loque puede conducir en corto plazo a sustanciales drawdowns en el P&L, incluso sila estrategia es rentable a nivel general en el largo plazo.
En lugar de usar una posición larga en el VXZ para cubrir la posición corta en elVXX, uno puede usar directamente una cesta de, por ejemplo, futuros del VIX demediana madurez.
Los N futuros del VIX tienen ciertas ponderaciones w i . Estasponderaciones se pueden fijar de varias maneras, por ejemplo, minimizando el errorde rastreo, es decir, corriendo una regresión serial (con el intercepto) de los retornosdel VXX sobre los retornos de los N futuros. Entonces tenemos: w i = σ X N X j =1 C − ij σ j ρ j (432)Aquí: ρ i es la correlación histórica de pares entre los futuros etiquetados por i yel VXX; C ij es la matriz de covarianza muestral con dimensiones N × N de los N futuros ( σ i = C ii es la varianza histórica para los futuros etiquetados por i ); y σ X es la volatilidad histórica del VXX. Ciertos w i pueden resultar negativos. Esto noes necesariamente un problema, pero uno puede desear imponer límites así w i ≥ N X i =1 w i = 1 (433)que los ratios de cobertura óptimos (432) generalmente no satisfacen. Además, enlugar de minimizar el error de rastreo, uno puede desear minimizar la varianza de Para algunos estudios sobre ETNs de volatilidad y temas relacionados, véase, por ejemplo,[Alexander and Korovilas, 2012], [Avellaneda and Papanicolaou, 2018], [DeLisle, Doran and Krieger,2014], [Deng, McCann and Wang, 2012], [Eraker and Wu, 2014], [Gehricke and Zhang, 2018],[Grasselli and Wagalath, 2018], [Hancock, 2013], [Husson and McCann, 2011], [Liu and Dash,2012], [Liu, Pantelous and von Mettenheim, 2018], [Moran and Dash, 2007].
Tenemos h = β = ρσ X /σ Z , en donde: h (conocido como el ratio de cobertura óptimo) esel número del VXZ para comprar por cada VXX vendido en corto; β es el coeficiente (para losretornos del VXZ) de la regresión serial (con el intercepto) de los retornos del VXX sobre losretornos del VXZ; σ X y σ Z son las volatilidades históricas del VXX y del VXZ, respectivamente;y ρ es la correlación histórica de pares entre el VXX y el VXZ. Éstos pueden tener fechas de madurez de, por ejemplo, 4 a 7 meses (imitando así la composi-ción del VXZ).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
La evidencia empírica indica que la volatilidad implícita tiende a ser más alta quela volatilidad realizada la mayor parte del tiempo, lo cual se conoce como la “primade riesgo de volatilidad”.
En pocas palabras, la mayor parte del tiempo, lasopciones tienen un precio más alto que los precios que uno esperaría en función dela volatilidad realizada, entonces la idea es vender la volatilidad. Por ejemplo, eltrader puede vender conos sobre opciones del S&P 500. Como un posible proxy dela prima de riesgo de volatilidad, el trader puede, por ejemplo, usar la diferenciaentre el VIX al inicio del mes en curso y la volatilidad realizada (en %, dado queel VIX es expresado en %) de los retornos diarios del S&P 500 desde el inicio delmes en curso. Si el margen es positivo, el trader vende conos. Si hay un pico devolatilidad (lo que suele suceder si el mercado se vuelve muy bajista), la estrategiaperderá dinero. Esta estrategia es rentable en mercados laterales.
Los conos ATM en la estrategia anterior son Delta-neutral.
Entonces, esta estrate-gia es una “juego a Vega”, es decir, el trader está vendiendo Vega. Si el subyacente(S&P 500) se mueve, el cono corto ya no es Delta-neutral: si el subyacente sube(baja), el Delta se vuelve negativo (positivo). Entonces una variación de esta es-trategia es utilizar la cobertura de Gamma para mantener la estrategia cercana aDelta-neutral, que se logra comprando (vendiendo) el subyacente si este se muevehacia arriba (abajo). Entonces esto se convierte en un “juego a Theta”, es decir,la estrategia ahora apunta a capitalizar el decaimiento de Theta en el valor de lasopciones vendidas. Entonces, el precio de esto es el costo de la cobertura de Gamma,que reduce el P&L. En tanto y cuanto el subyacente se aleja cada vez más del preciode ejercicio de las opciones put y opciones call vendidas, la cobertura de Gamma sevuelve más y más cara y eventualmente superará el crédito de las opciones vendidas,al punto al cual la estrategia empieza a perder dinero.
Por alguna literatura pertinente, véase, por ejemplo, [Bakshi and Kapadia, 2003a], [Bollerslev,Gibson and Zhou, 2011], [Carr and Wu, 2009], [Carr and Wu, 2016], [Christensen and Prabhala,1998], [Eraker, 2009], [Ge, 2016], [Miao, Wei and Zhou 2012], [Prokopczuk and Simen, 2014],[Saretto and Goyal, 2009], [Todorov, 2010].
También, las opciones de índices son más adecuadas para esta estrategia que las opcionesde acciones individuales dado que las primeras normalmente tienen mayor prima de riesgo devolatilidad (véase Subsección 6.3).
Algunas de las Griegas de las opciones son: Θ = ∂V /∂t (Theta), ∆ = ∂V /∂S (Delta),Γ = ∂ V /∂S (Gamma), ν = ∂V /∂σ (Vega). Aquí: V es el valor de la opción; t es el tiempo; S esel precio del subyacente; σ es la volatilidad implícita.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Las opciones put OTM con el precio del subyacente dado por S = K + κ tiendena tener un precio más alto que las opciones call OTM con el precio del subyacentedado por S = K − κ (aquí K es el precio de ejercicio, y κ > La estrategia de combo largo(véase la Subsección 2.12), en donde el trader compra opciones call OTM y vendeopciones put OTM, captura esta asimetría. Sin embargo, esta es una estrategiadireccional – pierde dinero si el precio del subyacente cae por debajo de K put − C ,en donde K put es el precio de ejercicio del put, y C >
Un problema con el trading de volatilidad utilizando opciones es la necesidad de (casicontinuamente) rebalancear la posición para evitar una exposición direccional, loque en la práctica puede ser engorroso y costoso. Para evitar la necesidad de cober-tura de Delta, uno puede hacer apuestas de volatilidad usando swaps de varianza.Un swap de varianza es un contrato de derivados cuyo pago P ( T ) en la madurez T es proporcional a la diferencia entre la varianza realizada v ( T ) del subyacente y elnivel de ejercicio de la varianza preestablecida K : P ( T ) = N × ( v ( T ) − K ) (434) v ( T ) = FT T X t =1 R ( t ) (435) R ( t ) = ln " S ( t ) S ( t − (436)Aquí: t = 0 , , . . . , T etiqueta los puntos de la muestra (por ejemplo, días de trading); S ( t ) es el precio del subyacente al momento t ; R ( t ) es el retorno logarítmico desde t − t ; F es el factor de anualización (así, si t etiqueta días de trading, entonces F = 252); y N es el “nocional de varianza”, el cual es preestablecido. Tenga encuenta que en la Ecuación (435), la media de R ( t ) sobre el período t = 1 a t = T nose resta, y por lo tanto, tenemos T en el denominador. Un swap de varianza largo
Para algunos estudios pertinentes, véase, por ejemplo, [Bondarenko, 2014], [Chambers et al ,2014], [Corrado and Su, 1997], [Damghani and Kos, 2013], [DeMiguel et al , 2013], [Doran andKrieger, 2010], [Doran, Peterson and Tarrant, 2007], [Fengler, Herwartz and Werner, 2012], [Flintand Maré, 2017], [Jackwerth, 2000], [Kozhan, Neuberger and Schneider, 2013], [Liu and van derHeijden, 2016], [Mixon, 2011], [Zhang and Xiang, 2008].
Véase la Subsección 7.4.1 para una estrategia de cobertura de Delta (también conocida como“Gamma scalping”).
Si la media se resta, entonces el denominador sería T −
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Por algunas publicaciones sobre swaps de varianza, véase, por ejemplo, [Aït-Sahalia, Karamanand Mancini, 2015], [Bernard, Cui and Mcleish, 2014], [Broadie and Jain, 2008], [Bossu, 2006], [Carrand Lee, 2007], [Carr and Lee, 2009], [Carr, Lee and Wu, 2012], [Demeterfi et al , 1999], [Elliott, Siuand Chan, 2007], [Filipović, Gourier and Mancini, 2016], [Hafner and Wallmeier, 2007], [Härdleand Silyakova, 2010], [Jarrow et al , 2013], [Konstantinidi and Skiadopoulos, 2016], [Leontsinisand Alexander, 2016], [Liverance, 2010], [Martin, 2011], [Rujivan and Zhu, 2012], [Schoutens,2005], [Wystup and Zhou, 2014], [Zhang, 2014], [Zheng and Kwok, 2014].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
En la Subsección 3.12 hablamos de una estrategia de trading para acciones en lacual la señal de trading se basa en la intersección de 2 medias móviles (una máscorta y otra más larga). Un enfoque similar puede aplicarse a FX (por sus siglasen inglés) también. Sin embargo, las series de tiempo de las tasas spot de FXtienden a ser bastante ruidosas, lo que puede conducir a señales falsas basadas enmedias móviles. Para mitigar esto, antes de calcular las medias móviles, primerose puede filtrar el ruido de alta frecuencia utilizando, por ejemplo, el conocido fil-tro de Hodrick-Prescott (HP).
Entonces, el componente de la tendencia de bajafrecuencia restante (a diferencia de la tasa spot sin procesar) se puede utilizar paracalcular las medias móviles y generar la señal de trading (véase, por ejemplo, [Harrisand Yilmaz, 2009]). El filtro HP está dado por: S ( t ) = S ∗ ( t ) + ν ( t ) (437) g = T X t =1 [ S ( t ) − S ∗ ( t )] + λ T − X t =2 [ S ∗ ( t + 1) − S ∗ ( t ) + S ∗ ( t − (438) g → min (439)Aquí: la función objetivo g se minimiza con respecto al conjunto de T valores de S ∗ ( t ), t = 1 , . . . , T ; S ( t ) es la tasa spot de FX al momento t ; S ∗ ( t ) es el compo-nente de frecuencia más baja (“regular”); ν ( t ) es el componente de frecuencia másalta (“irregular”), que es tratado como ruido; el primer término en la Ecuación(438) minimiza el ruido, mientras que el segundo término (basado en la segundaderivada discretizada de S ∗ ( t )) penaliza la variación en S ∗ ( t ); y λ es el parámetrode suavización. No hay un método “fundamental” para fijar λ . A veces (pero nosiempre) se establece como λ = 100 × n , en donde n es la frecuencia de datos medidaen base anual (véase, por ejemplo, [Baxter and King, 1999] para más detalles). Porlo tanto, para los datos mensuales, que es lo que normalmente se utiliza en este con-texto, n = 12. El período de estimación generalmente abarca varios años (de datosmensuales). Una vez que S ∗ ( t ) se determina, dos medias móviles MA( T ) y MA( T ), T < T , se calculan en base a S ∗ ( t ). Entonces, como antes, MA( T ) > MA( T ) esuna señal de compra, y MA( T ) < MA( T ) es una señal de venta. También conocido como el método de Whittaker-Henderson en las ciencias actuariales. Paraalgunos estudios pertinentes, véase, por ejemplo, [Baxter and King, 1999], [Bruder et al , 2013],[Dao, 2014], [Ehlgen, 1998], [Harris and Yilmaz, 2009], [Harvey and Trimbur, 2008], [Henderson,1924], [Henderson, 1925], [Henderson, 1938], [Hodrick and Prescott, 1997], [Joseph, 1952], [Lahmiri,2014], [Mcelroy, 2008], [Weinert, 2007], [Whittaker, 1923], [Whittaker, 1924].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
De conformidad con la “Paridad de Tasas de Interés no Cubierta” (UIRP, por sussiglas en inglés), cualquier exceso de interés obtenido en un país en comparacióncon otro debido a una diferencia entre las tasas de interés libre de riesgo, seríacompensado precisamente por la depreciación en la tasa de FX entre sus monedas:(1 + r d ) = E t ( S ( t + T )) S ( t ) (1 + r f ) (440)Aquí: r d es la tasa de interés doméstica; r f es la tasa de interés extranjera; se suponeque tanto r d como r f son constantes durante el período de composición T ; S ( t ) es latasa de FX spot al momento t , que es el valor de 1 unidad de la moneda extranjeraen unidades de la moneda doméstica; y E t ( S ( t + T )) es la tasa de FX spot futura (almomento t + T ) esperada al momento t . La UIRP no siempre se mantiene, dandolugar a oportunidades de trading – las cuales no son oportunidades de arbitrajesin riesgo (véase abajo). De esta forma, la UIRP implica que las monedas de altatasa de interés deberían depreciarse con respecto a las monedas de baja tasa deinterés, aunque empíricamente en promedio, lo opuesto tiende a ocurrir, es decir,tales monedas tienden a apreciarse (hasta cierto punto). Así, la estrategia básicade carry consiste en vender los forwards sobre las monedas que presentan un premioa plazo, es decir, la tasa de FX a plazo F ( t, T ) excede a la tasa de FX spot S ( t ),y en comprar los forwards sobre las monedas que se encuentran con un descuentoa plazo, es decir, la tasa de FX a plazo F ( t, T ) es menor que la tasa de FX spot S ( t ). La tasa de FX a plazo es dada por F ( t, T ) = S ( t ) 1 + r d r f (441) De esta forma, 1 USD invertido en el tiempo t en un activo libre de riesgo en los EstadosUnidos pagaría (1+ r d ) USD en el tiempo t + T . De forma alternativa, 1 USD compraría 1 /S ( t ) JPYen el tiempo t , cuya suma podría invertirse en un activo libre de riesgo en Japón en el momento t , que valdría (1 /S ( t )) × (1 + r f ) JPY al momento t + T , que a su vez podría ser cambiado por( E t ( S ( t + T )) /S ( t )) × (1 + r f ) USD al momento t + T . Exigiendo que las inversiones de los EstadosUnidos y Japón proporcionen el mismo rendimiento conduce a la Ecuación (440). Esto se conoce como “rompecabezas/anomalía de premio/descuento a plazo” o “enigma deFama”. Por alguna literatura sobre la UIRP y tópicos relacionados, véase, por ejemplo, [Anker,1999], [Ayuso and Restoy, 1996], [Bacchetta and van Wincoop, 2006], [Bacchetta and van Wincoop,2010], [Baillie and Osterberg, 2000], [Bekaert, Wei and Xing, 2007], [Beyaert, García-Solanes, andPérez-Castejón, 2007], [Bilson, 1981], [Chaboud and Wright, 2005], [Engel, 1996], [Fama, 1984],[Frachot, 1996], [Froot and Thaler, 1990], [Hansen and Hodrick, 1980], [Harvey, 2015], [Hodrick,1987], [Ilut, 2012], [Lewis, 1995], [Lustig and Verdelhan, 2007], [Mark and Wu, 2001], [Roll andYan, 2008].
Ignorando los costos de transacción, esto es equivalente a pedir prestado (prestar) monedascon tasas de interés bajas (altas) sin cubrir el riesgo de tasa de FX.
Esto se conoce como “Paridad de Tasas de Interés Cubierta” (CIRP, por sus siglas en inglés).Tenga en cuenta que, suponiendo que la Ecuación (441) se mantiene (véase abajo), cuando la UIRP(es decir, la Ecuación (440)) no se sostiene, F ( t, T ) = E t ( S ( t + T )).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) no está exenta de riesgos:esta operación puede generar pérdidas si la moneda a la cual se pide el préstamo (sepresta) de repente se aprecia (se deprecia) con respecto a su contraparte, es decir,está expuesta al riesgo de tasa de FX. Por otro lado, si pedimos prestada la monedade baja tasa de interés con fecha de vencimiento T , e invertimos los fondos en lamoneda de alta tasa de interés, y cubrimos esta posición con un contrato a plazopara intercambiar la moneda de alta tasa de interés por la moneda de baja tasade interés en la fecha de vencimiento T (para que podamos cubrir el préstamo),ignorando los costos de transacción (y otras sutilezas como impuestos, etc.), estaes una posición libre de riesgo y cualquier ganancia de los mismos equivaldría a unarbitraje sin riesgo. Entonces tenemos la Ecuación (441), que es una condición deno arbitraje libre de riesgo. La estrategia de carry discutida anteriormente se puede aplicar a monedas ex-tranjeras individuales. También se puede aplicar de forma transversal a múlti-ples monedas extranjeras. Sea s ( t ) = ln( S ( t )) (tasa de FX spot logarítmica) y f ( t, T ) = ln( F ( t, T )) (tasa de FX a plazo logarítmica). El descuento a plazo D ( t, T )se define como D ( t, T ) = s ( t ) − f ( t, T ) (442)De conformidad con la CIRP, en la Ecuación (441), tenemos D ( t, T ) = ln (cid:18) r f r d (cid:19) ≈ r f − r d (443)Cuando el descuento a plazo es positivo, compramos un forward (es decir, pedi-mos prestada la moneda doméstica e invertimos en la moneda extranjera), y cuantomayor sea el descuento a plazo, más rentable es la estrategia. Para un descuento aplazo negativo, vendemos un forward (es decir, pedimos prestada la moneda extran-jera e invertimos en la moneda doméstica), y cuanto menor sea el descuento a plazo,más rentable es la estrategia. Entonces, podemos construir una operación de cortetransversal (incluyendo una estrategia de costo cero, es decir, un trade dólar-neutral Por algunas publicaciones sobre el carry trade de divisas y tópicos relacionados, véase, porejemplo, [Bakshi and Panayotov, 2013], [Brunnermeier, Nagel and Pedersen, 2008], [Burnside etal , 2011], [Burnside, Eichenbaum and Rebelo, 2007], [Burnside, Eichenbaum and Rebelo, 2008],[Clarida, Davis and Pedersen, 2009], [Deardorff, 1979], [Doskov and Swinkels, 2015], [Hau, 2014],[Jurek, 2014], [Lustig, Roussanov and Verdelhan, 2011], [Lustig, Roussanov and Verdelhan, 2014],[Olmo and Pilbeam, 2009], [Ready, Roussanov and Ward, 2017], [Rhee and Chang, 1992].
No obstante, las desviaciones de la CIRP (es decir, la Ecuación (441)) ocurren, lo que dalugar a arbitraje de interés cubierto. Véase, por ejemplo, [Akram, Rime and Sarno, 2008], [Avdjiev et al , 2016], [Baba and Packer, 2009], [Boulos and Swanson, 1994], [Clinton, 1988], [Coffey, Hrungand Sarkar, 2009], [Cosandier and Lang, 1981], [Du, Tepper and Verdelhan, 2018], [Duffie, 2017],[Frenkel and Levich, 1975], [Frenkel and Levich, 1981], [Liao, 2016], [Mancini-Griffoli and Ranaldo,2011], [Popper, 1993], [Rime, Schrimpf and Syrstad, 2017].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) según el descuento a plazo yvendiendo los forwards sobre las monedas en el cuantil inferior correspondiente. Losforwards pueden, por ejemplo, tener una vida de un mes.
Esta estrategia se basa en el promedio de descuento a plazo transversal D ( t, T )(véase, por ejemplo, [Lustig, Roussanov and Verdelhan, 2014]) para una cesta de N monedas extranjeras: D ( t, T ) = 1 N N X i =1 D i ( t, T ) (444)en donde D i ( t, T ) es el descuento a plazo de la moneda etiquetada por i = 1 , . . . , N .Esta estrategia entonces consiste en tomar posiciones largas (cortas), con pondera-ciones iguales en los forwards de todas las N monedas extranjeras, cuando D ( t, T ) espositivo (negativo), en donde T puede ser 1 , , , ,
12 meses. La evidencia empíricasugiere que esta estrategia se relaciona con el estado de la economía de los EstadosUnidos, a saber, cuando ésta es débil, el promedio de los descuentos a plazo tiendea ser positivo.
Esta es una combinación de la estrategia de momentum (la Subsección 8.1) y laestrategia de carry (la Subsección 8.2), o sus variaciones. Hay una gran variedadde formas en las que se pueden combinar estas estrategias (incluyendo un comboigualmente ponderado, o algunas ideas discutidas en, por ejemplo, la Subsección 3.6y la Subsección 4.6). Una combinación simple se basa en minimizar la varianza dela estrategia de combo utilizando la matriz de covarianza muestral de los retornoshistóricos R ( t s ) y R ( t s ) de las dos estrategias (véase, por ejemplo, [Olszweski andZhou, 2013]). Sea (aquí Var y Cor son la varianza serial y la correlación serial, A diferencia de las acciones, que hay miles, existe un número limitado de monedas. Porlo tanto, uno no necesariamente tiene el lujo de tomar deciles superiores e inferiores según eldescuento a plazo. Entonces, este cuantil puede ser la mitad, un tercio, etc., dependiendo delnúmero de monedas.
Véase, por ejemplo, [Cooper and Priestley, 2008], [Joslin and Konchitchki, 2018], [Joslin,Priebsch and Singleton, 2014], [Lustig, Roussanov and Verdelhan, 2014], [Stambaugh, 1988], [Tille,Stoffels and Gorbachev, 2001].
Para literatura adicional sobre estrategias de momentum con FX y tópicos relacionados,véase, por ejemplo, [Accominotti and Chambers, 2014], [Ahmerkamp and Grant, 2013], [Burnside,Eichenbaum and Rebelo, 2011], [Chiang and Jiang, 1995], [Grobys, Heinonen and Kolari, 2016],[Menkhoff et al , 2012], [Okunev and White, 2003], [Serban, 2010].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) σ = Var( R ( t s )) (445) σ = Var( R ( t s )) (446) ρ = Cor( R ( t s ) , R ( t s )) (447)Luego, minimizando la varianza histórica de los retornos combinados R ( t s ), se fijanlas ponderaciones w y w de la estrategia: R ( t s ) = w R ( t s ) + w R ( t s ) (448) w + w = 1 (449)Var( R ( t s )) → min (450) w = σ − σ σ ρσ + σ − σ σ ρ (451) w = σ − σ σ ρσ + σ − σ σ ρ (452) Esta estrategia se basa en 3 pares de divisas.
Sean esas monedas A, B y C.Entonces tenemos 2 cadenas: i) intercambio A por B, intercambio B por C, e inter-cambio C por A; y ii) intercambio A por C, intercambio C por B, e intercambio Bpor A. Nos centraremos en la primera cadena, ya que la segunda se obtiene cam-biando B por C. Cada par de divisas tiene el bid y el ask; por ejemplo,
Bid ( A → B )y Ask ( B → A ) para el par A-B. Entonces, la tasa a la que A se intercambia por B es Bid ( A → B ), mientras que la tasa a la que B se intercambia por A es 1 /Ask ( B → A ).Por lo tanto, Bid ( B → A ) = 1 /Ask ( B → A ), y Ask ( A → B ) = 1 /Bid ( A → B ).En la cadena i) el trader comienza con A y vuelve a A con el tipo de cambio global R ( A → B → C → A ) = Bid ( A → B ) × Bid ( B → C ) × Ask ( C → A ) (453)Si esta cantidad es mayor que 1, entonces el trader obtiene una ganancia. Talesoportunidades son efímeras, por lo que los datos de mercado y los sistemas deejecución rápidos son críticos aquí. Aunque uno también puede considerar más de 3 pares, lo que se conoce como arbitrajemultidivisa (véase, por ejemplo, [Moosa, 2003a]).
Para obtener información sobre el arbitraje triangular y temas relacionados, véase, por ejem-plo, [Aiba and Hatano, 2006], [Aiba et al , 2002], [Aiba et al , 2003], [Akram, Rime and Sarno,2008], [Choi, 2011], [Cross and Kozyakin, 2015], [Fenn et al , 2009], [Goldstein, 1964], [Gradojevic,Gençay and Erdemlioglu, 2017], [Ito et al , 2012], [Moosa, 2001], [Morisawa, 2009], [Mwangi andDuncan, 2012], [Osu, 2010].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Cuando los futuros de commodities se encuentran en backwardation (contango),es decir, cuando la estructura temporal de los precios de los futuros presenta unapendiente negativa (positiva), posiciones largas (cortas) en futuros, en promedio,generan retornos positivos debido al roll yield. El roll yield se genera al rebalancearlas posiciones de futuros: cuando los contratos de futuros largos (cortos) están apunto de expirar, se venden (se cubren) y otros contratos de futuros con fecha devencimiento más lejana se compran (se venden). Sea φ = P /P (454)en donde P es el precio de futuros del primer mes, y P es el precio de futurosdel segundo mes. El ratio φ es una medida de backwardation ( φ >
1) y contango( φ < φ , por ejemplo, comprando futuros de commodities con valores más altosde φ y vendiendo futuros con valores más bajos de los mismos. Esta estrategia se basa en los datos de las posiciones de los especuladores y hedgersproporcionados (semanalmente) por la Comisión de Negociación de Futuros de Mer-cancías de los Estados Unidos (CFTC, por sus siglas en inglés) en el reporte delos Compromisos de los Comerciantes (COT, por sus siglas en inglés). Para cadacommodity, la “presión de cobertura” (HP, por sus siglas en inglés), por separadopara los hedgers y los especuladores, se calcula como el número de contratos largosdividido por el número total de contratos (largos y cortos). Entonces, HP está entre0 y 1. Un alto (bajo) HP de los hedgers es indicativo de contango (backwardation),mientras que un HP alto (bajo) de los especuladores es indicativo de backwardation(contango). Un portafolio de costo cero se puede construir, por ejemplo, de la sigu-iente forma. En primer lugar, el universo de los commodities se divide en la mitadsuperior y la mitad inferior según el HP de los especuladores. Luego, los futuros decommodities en la mitad superior se compran si están en el quintil inferior según elHP de los hedgers, y los futuros de commodities en la mitad inferior se venden siestán en el quintil superior según el HP de los hedgers. Generalmente, los períodosde formación y de tenencia son de 6 meses.
Para algunos estudios pertinentes, véase, por ejemplo, [Anson, 1998], [Arnott et al , 2014], [Erband Harvey, 2006], [Fama and French, 1987], [Fama and French, 1988], [Feldman and Till, 2006],[Fuertes, Miffre and Fernandez-Perez, 2015], [Gorton, Hayashi and Rouwenhorst, 2013], [Gortonand Rouwenhorst, 2006], [Greer, 2000], [Leung et al , 2016], [Ma, Mercer and Walker, 1992], [Mou,2010], [Mouakhar and Roberge, 2010], [Symeonidis et al , 2012], [Taylor, 2016], [Telser, 1958].
Por algunas publicaciones sobre estrategias de trading basadas en tales datos y temas rela-cionados, véase, por ejemplo, [Basu and Miffre, 2013], [Bessembinder, 1992], [Carter, Rausser and
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Los mercados de commodities típicamente tienen una baja correlación con los mer-cados accionarios, lo cual puede ser utilizado para mejorar las características derendimientos de portafolios de acciones. Hay maneras diferentes de hacer esto. Un“enfoque pasivo” consistiría en comprar commodities con una porción preestable-cida de los fondos disponibles, manteniéndolos y rebalanceando el portafolio concierta periodicidad (por ejemplo, mensual o anual). Un “enfoque activo” consis-tiría en una asignación táctica de activos aumentando/disminuyendo la exposicióna commodities en función de un aumento/disminución en la tasa de descuento de laFed (empíricamente, los retornos de commodities tienden a estar correlacionadas deforma considerable con la política monetaria de la Fed) o alguna otra metodología.
Esta estrategia es similar a la estrategia de value para acciones (véase la Subsección3.3). El value para commodities se puede definir como, por ejemplo, el ratio (véase,por ejemplo, [Asness, Moskowitz and Pedersen, 2013]) v = P /P (455)en donde P es el precio spot de 5 años atrás, y P es el precio spot actual.Entonces uno puede construir un portafolio de costo cero comprando, por ejemplo,los commodities en el tercil superior según value, y vendiendo los del tercil inferior.El portafolio es rebalanceado mensualmente. Esta estrategia se basa en la correlación negativa observada empíricamente entre laasimetría de los retornos históricos y los retornos esperados futuros de los futuros
Schmitz, 1983], [Cheng and Xiong, 2013], [de Roon, Nijman and Veld, 2000], [Dewally, Edering-ton and Fernando, 2013], [Fernandez-Perez, Fuertes and Miffre, 2016], [Fishe, Janzen and Smith,2014], [Fuertes, Miffre and Fernandez-Perez, 2015], [Hirshleifer, 1990], [Lehecka, 2013], [Miffre,2012], [Switzer and Jiang, 2010].
Por algunas publicaciones sobre estrategias de diversificación utilizando commodities y tópicosrelacionados, véase, por ejemplo, [Adams and Glück, 2015], [Bernardi, Leippold and Lohre, 2018],[Bjornson and Carter, 1997], [Blitz and Van Vliet, 2008], [Bodie, 1983], [Bodie and Rosansky,1980], [Chan et al , 2011], [Chance, 1994], [Chong and Miffre, 2010], [Conover et al , 2010], [Creti,Joëts and Mignon, 2013], [Daumas, 2017], [Draper, Faff and Hillier, 2006], [Edwards and Park,1996], [Elton, Gruber and Rentzler, 1987], [Frankel, 2006], [Gorton and Rouwenhorst, 2006], [Greer,1978], [Greer, 2007], [Hess, Huang and Niessen, 2008], [Jensen, Johnson and Mercer, 2000], [Jensen,Johnson and Mercer, 2002], [Kaplan and Lummer, 1998], [Lummer and Siegel, 1993], [Marshall,Cahan and Cahan, 2008], [Miffre and Rallis, 2007], [Nguyen and Sercu, 2010], [Taylor, 2004], [Vrugt et al , 2007], [Wang and Yu, 2004], [Weiser, 2003].
O el precio spot promedio de los precios entre 5.5 y 4.5 años atrás.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) S i se define como ( i = 1 , . . . , N etiqueta diferentescommodities): S i = 1 σ i T T X s =1 h R is − R i i (456) R i = 1 T T X s =1 R is (457) σ i = 1 T − T X s =1 h R is − R i i (458)en donde R is son las series de tiempo de los retornos históricos (con T observacionesen cada serie de tiempo). Una estrategia de costo cero se puede construir, por ejem-plo, comprando los futuros de commodities en el quintil inferior según la asimetría,y vendiendo los futuros en el quintil superior. La estructura a plazos de futuros de commodities no es trivial. Una forma demodelarla es a través de procesos estocásticos. Sea S ( t ) el precio spot, y sea X ( t ) =ln( S ( t )). Luego, X ( t ) se puede modelar utilizando, por ejemplo, un movimientoBrowniano con reversión a la media (es decir, un proceso de Ornstein-Uhlenbeck[Uhlenbeck and Ornstein, 1930]): dX ( t ) = κ [ a − X ( t )] dt + σ dW ( t ) (459)Aquí los parámetros κ (parámetro de reversión a la media), a (media de largo plazo)y σ (volatilidad logarítmica) se asume que son constantes; y W ( t ) es un movimientoBrowniano bajo una medida de probabilidad neutral al riesgo, llamémosla Q . Véase, por ejemplo, [Fernandez-Perez et al , 2018]. Para obtener información adicional perti-nente, véase, por ejemplo, [Barberis and Huang, 2008], [Christie-David and Chaudry, 2001], [East-man and Lucey, 2008], [Gilbert, Jones and Morris 2006], [Junkus, 1991], [Kumar, 2009], [Lien,2010], [Lien and Wang, 2015], [Mitton and Vorkink, 2007], [Stulz, 1996], [Tversky and Kahneman,1992].
Este es un modelo de un factor. Modelos más complejos incluyendo modelos multifactori-ales, modelos de volatilidad no constante/estocástica, etc., se pueden considerar en su lugar. Paraalgunos estudios sobre la modelación de precios de los futuros a través de procesos estocásticos ytópicos relacionados, véase, por ejemplo, [Andersen, 2010], [Bessembinder et al , 1995], [Borovkovaand Geman, 2006], [Casassus and Collin-Dufresne, 2005], [Chaiyapo and Phewchean, 2017], [Choi et al , 2014], [Geman and Roncoroni, 2006], [Gibson and Schwartz, 1990], [Hilliard and Reis,1998], [Jankowitsch and Nettekoven, 2008], [Litzenberger and Rabinowitz, 1995], [Liu and Tang,2011], [Milonas, 1991], [Miltersen and Schwartz, 1998], [Ng and Pirrong, 1994], [Nielsen andSchwartz, 2004], [Paschke and Prokopczuk, 2012], [Pindyck, 2001], [Routledge, Seppi and Spatt,2000], [Schwartz, 1997], [Schwartz, 1998], [Schwartz and Smith, 2000].
Tenga en cuenta que este modelo se reduce al modelo de Black-Scholes [Black and Scholes,1973] en el límite κ → a → ∞ , κ a = fijo.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) F ( t, T )está dado por (que es el precio en el momento t del contrato de futuros con fechade entrega T ) F ( t, T ) = E t ( S ( T )) (460)ln( F ( t, T )) = E t ( X ( T )) + 12 V t ( X ( T )) (461)Aquí E t ( · ) y V t ( · ) son la expectativa condicional y la varianza condicional, respecti-vamente, al momento t . Esto da:ln( F ( t, T )) = exp ( − κ ( T − t )) X ( t ) + a [1 − exp ( − κ ( T − t ))] ++ σ κ [1 − exp ( − κ ( T − t ))] (462)Los parámetros κ, a, σ se pueden ajustar utilizando datos históricos (por ejemplo,utilizando mínimos cuadrados no lineales). Entonces, el precio de mercado actual secompara con el precio estimado por el modelo para identificar los futuros que estáncaros (señal de venta) y los que están baratos (señal de compra) en comparacióncon la predicción del modelo. Aquí hay dos comentarios de precaución que debentenerse en cuenta. En primer lugar, el modelo ajustado podría funcionar dentro dela muestra pero no tener poder predictivo fuera de la muestra, por lo que el poderde predicción debe ser comprobado (véase, por ejemplo, [Paschke and Prokopczuk,2012]). Segundo, a priori podríamos escribir cualquier modelo de estructura tem-poral razonable con propiedades cualitativas deseables (por ejemplo, reversión a lamedia) y ajustar los parámetros utilizando datos históricos sin considerar ningunareferencia a una dinámica estocástica subyacente, incluido el uso de, por ejemplo,técnicas de aprendizaje automático conocidas como “caja negra”. Entonces, mien-tras el modelo funcione fuera de muestra, aquí no hay una bala mágica y “el lujo”no equivale a “mejor”. 103sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
10 Futuros
La exposición a ciertos riesgos se puede mitigar mediante la cobertura con futuros.Por ejemplo, un trader de granos que al momento t anticipa que él o ella tendrá quecomprar (vender) X toneladas de soja en un momento posterior T puede cubrir elriesgo de un aumento (disminución) en los precios de la soja entre t y T comprando(vendiendo) en el momento t un contrato de futuros con fecha de entrega T porla cantidad deseada de soja. Esta estrategia simple puede tener diversos ajustes yvariaciones. En ciertas ocasiones, puede que no haya disponible un contrato de futuros para elactivo que el trader desea cubrir. En tales casos, el trader puede ser capaz de obtenercobertura mediante un contrato de futuros para otro activo con características sim-ilares.
A la madurez T , el pago de la posición de cobertura cruzada establecidaen el momento t (asumiendo que la posición corta en los futuros tiene un ratio decobertura unitario) está dado por: S ( T ) − F ( T, T ) + F ( t, T ) =[ S ∗ ( T ) − F ( T, T )] + [ S ( T ) − S ∗ ( T )] + F ( t, T ) (463)Aquí: el subíndice ∗ indica que el activo subyacente del contrato de futuros esdiferente del activo a cubrir; S ( t ) es el precio spot; F ( t, T ) es el precio de los futuros;el primer término en el lado derecho representa el riesgo de base causado por ladiferencia en la entrega entre los precios de los futuros y el spot; y el segundotérmino representa la diferencia entre los dos precios subyacentes. En la práctica, elratio óptimo de cobertura puede no ser 1 y puede estimarse mediante, por ejemplo,una regresión serial u otros métodos. Por algunas publicaciones sobre cobertura con futuros, véase, por ejemplo, [Ahmadi, Sharpand Walther, 1986], [Cheung, Kwan and Yip, 1990], [Ederington, 1979], [Géczy, Minton andSchrand, 1997], [Ghosh, 1993], [Grant, 2016], [Hanly, Morales and Cassells, 2018], [Lebeck, 1978],[Lien and Tse, 2000], [Mun, 2016], [Wolf, 1987], [Working, 1953].
Por algunas publicaciones sobre la cobertura cruzada con futuros, véase, por ejemplo, [An-derson and Danthine, 1981], [Ankirchner et al , 2012], [Ankirchner and Heyne, 2012], [Benet,1990], [Blake and Catlett, 1984], [Blank, 1984], [Brooks, Davies and Kim, 2007], [Chen and Sut-cliffe, 2007], [Dahlgran, 2000], [DeMaskey, 1997], [DeMaskey and Pearce, 1998], [Foster and White-man, 2002], [Franken and Parcell, 2003], [Hartzog, 1982], [Lafuente, 2013], [McEnally and Rice,1979], [Mun and Morgan, 1997].
Para diversas técnicas sobre el cálculo del ratio de cobertura óptimo, véase, por ejemplo,[Baillie and Myers, 1991], [Brooks and Chong, 2001], [Brooks, Henry and Persand, 2002], [Cecchetti,Cumby and Figlewski, 1988], [Davis, 2006], [Holmes, 1996], [Lien, 1992], [Lien, 2004], [Lien andLuo, 1993], [Lindahl, 1992], [Low et al , 2002], [Kroner and Sultan, 1993], [Monoyios, 2004], [Moosa,2003b], [Myers, 1991].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Los activos de renta fija son sensibles a las variaciones de la tasa de interés (véasela Sección 5) y por esto, los traders suelen utilizar contratos de futuros para cubrirel riesgo de tasa de interés. Una posición de cobertura larga (corta) consiste encomprar (vender) los futuros de tasas de interés para protegerse contra un aumento(disminución) en el precio del activo subyacente, es decir, una disminución (aumento)en las tasas de interés.
El correspondiente P&L ( P L ( t, T ) para la cobertura largay P C ( t, T ) para la cobertura corta, asumiendo que la posición se establece en t = 0con un ratio de cobertura unitario y madurez T ) está dado por: P L ( t, T ) = B (0 , T ) − B ( t, T ) (464) P C ( t, T ) = B ( t, T ) − B (0 , T ) (465) B ( t, T ) = S ( t ) − F ( t, T ) (466)en donde B ( t, T ) es la base de los futuros. En la práctica, el ratio de coberturapuede no ser 1. Si la cobertura es contra un bono en la cesta de entrega de losfuturos, entonces el modelo de factor de conversión se utiliza comúnmente paracalcular el ratio de cobertura h C : h C = C M B M F (467)en donde M B es el valor nominal del bono, M F es el valor nominal de los futuros, y C es el factor de conversión. A diferencia del modelo de factor de conversión, el ratiode cobertura de la duración modificada h D se puede utilizar para bonos entregablesy no entregables: h D = β D B D F (468)en donde D B es la duración dólar del bono, D F es la duración dólar de los futuros,y β (que a menudo se establece que sea igual 1) es el cambio en el rendimiento de Para algunos estudios sobre la cobertura del riesgo de tasa de interés con futuros, véase, porejemplo, [Booth, Smith and Stolz, 1984], [Briys and Solnik, 1992], [Čerović and Pepić, 2011], [Clare,Ioannides and Skinner, 2000], [Fortin and Khoury, 1984], [Gay, Kolb and Chiang, 1983], [Hilliard,1984], [Hilliard and Jordan, 1989], [Ho and Saunders, 1983], [Kolb and Chiang, 1982], [Lee andOh, 1993], [Pepić, 2014], [Picou, 1981], [Trainer, 1983], [Yawitz and Marshall, 1985], [Yeutter andDew, 1982].
Típicamente, un contrato de futuros de tasas de interés permite que sea entregado no solouno sino que cualquier bono a partir de una matriz predefinida de bonos (con diferentes fechasde madurez, cupones, etc.). De ahí el uso del factor de conversión (véase abajo), que se definede la siguiente forma [Hull, 2012]: “El factor de conversión de un bono se establece igual alprecio cotizado que tendría el bono por dólar de principal en el primer día del mes de entregacon el supuesto de que la tasa de interés para todas las fechas de madurez es 6% por año (con lacomposición semestral).”
El modelo de factor de conversión se aplica solo a los contratos de futuros que utilizan factoresde conversión, tales como los futuros sobre T-bond y T-note.
Recordar que la duración dólar es igual al precio multiplicado por la duración modificada.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Un diferencial de futuros alcista (bajista) consiste en comprar (vender) un futuro almes más cercano y vender (comprar) un futuro a un mes diferido. Esto reduce laexposición a la volatilidad del mercado y permite centrarse más en los fundamentos.Así, para el caso de futuros de commodities, generalmente, aquellos contratos convencimiento al mes más cercano tienden a reaccionar más frente a cambios en laoferta y la demanda que los contratos a un mes diferido. Por lo tanto, si el traderespera una oferta baja (alta) y una demanda alta (baja), entonces puede hacer unaapuesta con un diferencial alcista (bajista).
Esta estrategia es similar a la estrategia de reversión a la media discutida en la Sub-sección 3.9. Dentro de un universo dado de futuros etiquetados por i = 1 , . . . , N , elretorno del “índice de mercado” se calcula como un promedio igualmente ponderado: R m = 1 N N X i =1 R i (469)en donde R i son los retornos de los futuros individuales (típicamente durante laúltima semana). Las ponderaciones de asignación de capital w i entonces están dadaspor w i = − γ [ R i − R m ] (470) El factor β se puede estimar en base a los datos históricos. Para algunos estudios sobre ratiosde cobertura de futuros de tasas de interés y temas relacionados, véase, por ejemplo, [Chang andFang, 1990], [Chen, Kang and Yang, 2005], [Daigler and Copper, 1998], [Falkenstein and Hanweck,1996], [Fisher and Weil, 1971], [Gay and Kolb, 1983], [Geske and Pieptea, 1987], [Grieves andMann, 2004], [Grieves and Marcus, 2005], [Hegde, 1982], [Kolb and Chiang, 1981], [Kuberek andPefley, 1983], [Landes, Stoffels and Seifert, 1985], [Pitts, 1985], [Rendleman, 1999], [Toevs andJacob, 1986], [Viswanath, 1993]. Por algunas publicaciones sobre diferenciales de calendario con futuros y tópicos relacionados,véase, por ejemplo, [Abken, 1989], [Adrangi et al , 2006], [Barrett and Kolb, 1995], [Bernstein,1990], [Bessembinder, 1992], [Bessembinder, 1993], [Bessembinder and Chan, 1992], [Billingsleyand Chance, 1988], [Castelino and Vora, 1984], [Cole et al , 1999], [Daigler, 2007], [de Roon, Nijmanand Veld, 1998], [de Roon, Nijman and Veld, 2000], [Dunis, Laws and Evans, 2006], [Dunis, Lawsand Evans, 2010], [Dutt et al , 1997], [Frino and McKenzie, 2002], [Girma and Paulson, 1998], [Houand Nordén, 2018], [Kawaller, Koch and Ludan, 2002], [Kim and Leuthold, 1997], [McComas,2003], [Moore, Toepke and Colley, 2006], [Ng and Pirrong, 1994], [Perchanok, 2012], [Perchanok andKakabadse, 2013], [Poitras, 1990], [Ross, 2006], [Salcedo, 2004], [Schap, 2005], [Shimko, 1994], [Tilland Eagleeye, 2017], [van den Goorbergh, 2004].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) γ > N X i =1 | w i | = 1 (471)Tenga en cuenta que la estrategia es automáticamente neutral en dólares. Consisteen comprar los perdedores y vender los ganadores con respecto al índice de mercado(véase, por ejemplo, [Wang and Yu, 2004]). Como en el caso de las acciones,el esquema de ponderación simple dado por la Ecuación (470) es propenso a sobreinvertir en futuros volátiles, lo cual se puede mitigar suprimiendo w i por 1 /σ i o1 /σ i , en donde σ i son las volatilidades históricas. El portafolio es rebalanceadosemanalmente. Se pueden agregar campanas y silbidos a la estrategia de reversión a la media“básica” antes descripta incorporando filtros de volumen e interés abierto. Sea V i elvolumen total de los futuros etiquetados por i durante la última semana (es decir, lasuma de los volúmenes diarios durante la última semana), y V i sea el volumen totaldurante la semana anterior. Sean U i y U i las cantidades análogas para el interésabierto. Sea v i = ln( V i /V i ) (472) u i = ln( U i /U i ) (473)Entonces la estrategia se puede construir, por ejemplo, tomando la mitad superiorde los futuros por el factor de volumen v i , tomando la mitad inferior de estos futurospor el factor de interés abierto u i , y aplicando la estrategia definida por la Ecuación(470) a este subconjunto de los futuros. Para obtener información adicional pertinente, véase, por ejemplo, [Bali and Demirtas,2008], [Bessembinder et al , 1995], [Bianchi, Drew and Fan, 2015], [Chaves and Viswanathan,2016], [Fuertes, Miffre and Fernandez-Perez, 2015], [Irwin, Zulauf and Jackson, 1996], [Julio, Has-san and Ngene, 2013], [Leung et al , 2016], [Monoyios and Sarno, 2002], [Rao, 2011], [Rosales andMcMillan, 2017], [Tse, 2017].
La razón detrás de esto es: i) es probable que mayores cambios en el volumen sean indicativosde una mayor sobre-reacción (véase, por ejemplo, [Bloom, Easley and O’Hara, 1994], [Conrad,Hameed and Niden, 2013], [DeBondt and Thaler, 1985], [Gervais and Odean, 2001], [Odean, 2002],[Statman, Thorley and Vorkink, 2006]), entonces se puede esperar un mayor efecto “snap-back” (eninglés) (es decir, reversión a la media); y ii) el interés abierto se relaciona con la actividad por partede los hedgers y es un proxy de la profundidad del mercado (véase, por ejemplo, [Bessembinderand Seguin, 1993]), por lo que un aumento en el interés abierto es indicativo de un mercadomás profundo, en donde los incrementos en el volumen tienen menores efectos en los precios encomparación a cuando hay una disminución en el interés abierto.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Varias estrategias de momentum con futuros se pueden construir de manera similara las de las acciones. Aquí hay un ejemplo simple (véase, por ejemplo, [Balta andKosowski, 2013], [Moskowitz, Ooi and Pedersen, 2012]).
Sean R i los retornos delos futuros etiquetados por i = 1 , . . . , N durante el período pasado T (que se puedemedir en, por ejemplo, días, semanas o meses). Luego las ponderaciones w i delportafolio de trading están dadas por w i = γ η i σ i (474) η i = sign( R i ) (475)en donde σ i son las volatilidades históricas (computadas durante el período T u otroperíodo), y γ > N X i =1 | w i | = 1 (476)Tenga en cuenta que esta estrategia es equivalente a la estrategia de optimización(véase la Subsección 3.18, Ecuación (350)) con una matriz de covarianza diagonal C ij = σ i δ ij (es decir, las correlaciones entre los diferentes futuros son ignoradas) ylos retornos esperados E i = η i σ i . Esto debe contrastarse con los retornos esperadosbasados en los retornos acumulados (Ecuación (267)), que en este caso es igual a R i .Un problema con el uso de E i = η i σ i a diferencia de E i = R i es que, para pequeños | R i | (por ejemplo, comparado con σ i ), η i puede voltearse fácilmente a pesar de queel cambio en R i sea pequeño. Esto se traduce en una inestabilidad indeseable en laestrategia. Hay formas de mitigar esto, por ejemplo, suavizando η i = tanh( R i /κ ), endonde κ es algún parámetro, por ejemplo, la desviación estándar de corte transversalde R i (véase, por ejemplo, [Kakushadze, 2015b]). Alternativamente, uno puedesimplemente tomar E i = R i (y además usar una C ij no diagonal). Además, tenga encuenta que las ponderaciones definidas por la Ecuación (474) no son dólar-neutrales.Esto puede ser rectificado mediante la sustracción de la media: w i = γ η i σ i − N N X j =1 η j σ j (477)Una desventaja de esto es que ahora algunos futuros con η i > η i < N + = | H + | de los futuros con η i > Por alguna literatura adicional pertinente, véase, por ejemplo, [Ahn et al , 2002], [Bianchi,Drew and Fan, 2015], [Dusak, 1973], [Fuertes, Miffre and Fernandez-Perez, 2015], [Fuertes, Miffreand Rallis, 2010], [Hayes, 2011], [Kazemi and Li, 2009], [Miffre and Rallis, 2007], [Pirrong, 2005],[Reynauld and Tessier, 1984], [Schneeweis and Gupta, 2006], [Szakmary, Shen and Sharma, 2010].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) N − = | H − | de futuros con η i < H ± = { i | ± η i > } ), podemos hacer que lasponderaciones sean w i = γ + η i σ i , i ∈ H + (478) w i = γ − η i σ i , i ∈ H − (479)Entonces, ahora tenemos dos parámetros γ ± , que pueden fijarse para satisfacer laEcuación (476) y la condición de dólar-neutralidad N X i =1 w i = 0 (480)Sin embargo, si la mayor parte de η i son positivos (negativos), es decir, tenemosretornos asimétricos, luego las posiciones largas (cortas) estarán bien diversificadas,mientras que las posiciones cortas (largas) no lo estarán. Esto puede suceder, porejemplo, si el mercado general es muy alcista (bajista). La Ecuación (477) mitigaesto hasta cierto punto. Sin embargo, η i todavía puede estar sesgado en este caso.Una forma sencilla de evitar esto por completo es utilizar los retornos netos de lamedia e R i en lugar de R i , en donde e R i = R i − R m , y el retorno del “índice demercado” R m es definido por la Ecuación (469). Luego η i = sign( e R i ) ya no estánsesgados y la dólar-neutralidad se puede lograr como se indica arriba. Es decir, en este caso los ganadores y perdedores según el momentum se definen con respectoal índice de mercado, y los ganadores así definidos se compran, mientras que los perdedores sevenden.
Además, en lugar de utilizar retornos acumulados R i , uno puede usar medias móviles exponen-ciales (para suprimir las contribuciones pasadas – véase la Sección 3), el filtro de Hodrick-Prescott(para quitar el ruido e identificar la tendencia – véase la Sección 8), el filtro de Kalman (véase, porejemplo, [Babbs and Nowman, 1999], [Benhamou, 2016], [Bruder et al , 2013], [DeMoura, Pizzingaand Zubelli, 2016], [Elliott, Van Der Hoek and Malcolm, 2005], [Engle and Watson, 1987], [Harvey,1984], [Harvey, 1990], [Hatemi-J, and Roca, 2006], [Kalman, 1960], [Lautier and Galli, 2004], [Levineand Pedersen, 2016], [Martinelli and Rhoads, 2010], [Vidyamurthy, 2004]), o algunos otros filtrosde series de tiempo.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
11 Activos Estructurados
Un CDO (por sus siglas en inglés) es un valor respaldado por activos (ABS, porsus siglas en inglés) que consiste en una cesta de activos tales como bonos, swapsde incumplimiento crediticio, etc. Se dividen en múltiples tramos, que consisten enactivos con diferentes calificaciones crediticias y tasas de interés. Cada tramo tieneun punto de intervención a y un punto de desprendimiento d . Por ejemplo, un tramode 3-8% (para cual a = 3% y d = 8%) significa que comienza a perder su valor cuandola pérdida de la cartera subyacente excede el 3%; y cuando la pérdida de la carterasubyacente supera el 8%, el valor del tramo pasa a ser cero. Un comprador (conuna posición larga) de un tramo de un CDO es un vendedor de protección: a cambiode recibir pagos periódicos de primas, en caso de un evento de incumplimiento, elcomprador tiene la obligación de cubrir el incumplimiento correspondiente al tamañodel tramo. Un vendedor (posición corta) de un tramo de un CDO es un compradorde protección: a cambio de hacer pagos periódicos de primas, el vendedor recibe unpago en caso de incumplimiento. Los CDOs sintéticos son “sintetizados” a travésde derivados de crédito tales como CDS (swap de incumplimiento crediticio – véasela Subsección 5.14) en un conjunto de entidades de referencia (por ejemplo, bonos,préstamos, nombres de empresas o países). Los conjuntos de referencias para CDOsde un solo tramo negociados en la bolsa son los índices de CDS tales como el CDXy el iTraxx.
Sean t i , i = 1 , . . . , n los tiempos en que se hicieron los pagos periódicos de laprima. Sea H ( t ) el conjunto de posibles incumplimientos ‘ α , α = 1 , . . . , K , quepueden ocurrir en tiempo t , y que p α ( t ) denote las probabilidades correspondientes(que dependen de un modelo). Aquí ‘ α son los montos en dólares de los incumplim- Ejemplos de tramos son (en orden decreciente de riesgo de incumplimiento y de la tasa depago de la prima periódica): tramo de capital 0-3%; tramo junior mezzanine 3-7%; tramo seniormezzanine 7-10%; tramo senior 10-15%; y tramo super senior 15-30%.
Por algunas publicaciones sobre CDOs y temas relacionados, véase, por ejemplo, [Altman etal , 2005], [Amato and Gyntelberg, 2005], [Amato and Remolona, 2003], [Andersen and Sidenius,2005], [Andersen, Sidenius and Basu, 2003], [Belkin, Suchover and Forest, 1998], [Bielecki, Brigoand Patras, 2011], [Bol, Rachev and Würth, 2009], [Boscher and Ward, 2002], [Cousin and Laurent,2012], [Das, 2005], [Davis and Lo, 2001], [Ding and Sherris, 2011], [Douglas, 2007], [Duffie, 2004],[Duffie and Gârleanu, 2001], [Duffie and Huang, 1996], [Duffie and Singleton, 1997a], [Duffie andSingleton, 1997b], [Fabozzi, 2006a], [Finger, 1999], [Frey, McNeil and Nyfeler, 2001], [Gibson,2004], [Goodman, 2002], [Goodman and Lucas, 2002], [Houdain and Guegan, 2006], [Hull andWhite, 2006], [Hull and White, 2010], [Jarrow, Lando and Turnbull, 1997], [Jarrow and Turnbull,1995], [Jobst, 2005], [Jobst, 2006a], [Jobst, 2006b], [Jobst, 2006c], [Jobst, 2007], [Laurent andGregory, 2005], [Li, 2000], [Lucas, Goodman and Fabozzi, 2006], [Meissner, 2008], [Packer and Zhu,2005], [Prince, 2005], [Schmidt and Ward, 2002], [Schönbucher, 2003], [Tavakoli, 1998], [Vasicek,2015].
Por simplicidad, podemos asumir que cualquier pago por incumplimiento también se hace enesos tiempos.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
La pérdida esperada L ( t ) se puede calcular como L ( t ) = K X α =1 p α ( t ) max(min( ‘ α , L d ) − L a ,
0) (481)en donde L a = a M CDO , L d = d M CDO , y M CDO es el nocional del CDO en dólares.
Desde la perspectiva del trader largo en el tramo, el valor de mercado (MTM, porsus siglas en inglés) del tramo, llámese M , es dado por M = P − C (482) P = S n X i =1 D i ∆ i [ M tr − L ( t i )] (483) C = n X i =1 D i [ L ( t i ) − L ( t i − )] (484)Aquí: P es la pierna premium; C es la pierna contingente (de incumplimiento); S esel margen; ∆ i = t i − t i − ; D i es el factor de descuento libre de riesgo para la fechade pago t i ; y M tr = L d − L a es el nocional del tramo. (También, t se mide en años, t es el momento inicial, y L ( t ) = 0). Estableciendo el MTM M = 0, se fija el valordel margen S = S ∗ .Podemos definir además la “duración arriesgada” D del tramo como la primeraderivada del MTM con respecto al margen: M ( S ) = ( S − S ∗ ) n X i =1 D i ∆ i [ M tr − L ( t i )] (485) D = ∂ M /∂S = n X i =1 D i ∆ i [ M tr − L ( t i )] (486)La duración arriesgada D ix también se puede definir de manera similar para uníndice de CDS. Esta estrategia consiste en comprar el tramo de capital (de calidad más baja) ycubrir el Delta vendiendo el índice. El Delta (es decir, el ratio de cobertura) está
Si la cantidad nocional del crédito en incumplimiento etiquetado por α es M α , entonces ‘ α = M α (1 − R α ), en donde R α es la tasa de recuperación (que puede ser distinta de cero) de dichocrédito. Recordemos que el punto de intervención a y el punto de desprendimiento d se miden en %.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) ∆ ix = DD ix (487)Las primas recibidas del tramo de capital son más altas que las primas pagadas enla posición en el índice. El riesgo es la exposición a los eventos de crédito del tramode capital. Esta estrategia consiste en vender un tramo de alta calidad (por ejemplo, se-nior/mezzanine) y cubrir la posición para lograr la Delta-neutralidad comprando elíndice.
El Delta está dado por la Ecuación (487).
Esta estrategia consiste en comprar un tramo de baja calidad y cubrir el Delta de laposición vendiendo un tramo de alta calidad. El ratio de cobertura está dado por:∆ alto = D bajo D alto (488)Aquí D bajo y D alto son las duraciones arriesgadas de los tramos de baja y alta calidad,respectivamente. Esta estrategia consiste en comprar un tramo de baja calidad y cubrir el Delta de laposición vendiendo un CDS de referencia individual con menores pagos de primasque el tramo largo (en lugar del índice o un tramo de mayor calidad). El ratio decobertura está dado por la Ecuación (487) con D ix reemplazado por la duraciónarriesgada D CDS del CDS: ∆
CDS = DD CDS (489)
Para algunos estudios sobre la cobertura de tramos de CDOs y tópicos relacionados, véase,por ejemplo, [Arnsdorf and Halperin, 2007], [Bielecki, Jeanblanc and Rutkowski, 2007], [Bielecki,Vidozzi and Vidozzi, 2008], [Carmona and Crépey, 2010], [Cont and Minca, 2013], [Frey andBackhaus, 2008], [Frey and Backhaus, 2010], [Giesecke and Weber, 2006], [Herbertsson, 2008],[Houdain and Guegan, 2006], [Laurent, Cousin and Fermanian, 2011], [Walker, 2008].
Las primas recibidas del índice son más altas que las primas que se pagan por la posicióncorta en el tramo. Por lo tanto, este trade es “opuesto” al trade que establece una posición largaen el tramo de capital y la cubre con el índice.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Como en el caso de los bonos (véase la Subsección 5.13), un trade de la curvaflattener (steepener) implica la venta (compra) de un tramo a corto plazo y lacompra (venta) simultánea de un tramo a largo plazo. Dicho de otra manera, conun flattener (steepener), el trader está comprando (vendiendo) la protección a cortoplazo y vendiendo (comprando) la protección a largo plazo, es decir, el trader esperaque el margen de la curva se aplane (empine), por lo que el margen entre los tramosa largo y a corto plazo disminuya (aumente). El carry del trade de la curva duranteel período de tiempo t hasta el tiempo t + ∆ t se puede definir de la siguiente manera C ( t, t + ∆ t ) = ( M largo S largo − M corto S corto ) ∆ t (490)en donde M largo y M corto son los nocionales del tramo largo y corto, y S largo y S corto son los márgenes correspondientes. La operación puede ser estructurada para serdólar-neutral (es decir, nocional neutral, M largo = M corto ), duración arriesgadaneutral ( D largo = D corto , véase la Ecuación (486)), carry neutral ( M largo S largo = M corto S corto ), etc. El P&L de la estrategia está dado por ( M largo y M corto son losMTM de la posición larga y corta en los tramos, véase la Ecuación (485)):P&L = M largo − M corto (491) Esta estrategia consiste en comprar un MBS passthrough (MBS viene de sus siglasen inglés) y cubrir la exposición a la tasa de interés con swaps de tasas de interés.El principal riesgo de un MBS passthrough es el riesgo de prepago, ya que los propi-etarios tienen la opción de prepagar sus hipotecas. Los propietarios de viviendasrefinancian sus hipotecas cuando las tasas de interés bajan, lo que resulta en unaconvexidad negativa en el precio del MBS en función de las tasas de interés (porejemplo, la tasa de swap a 5 años). Los ratios de cobertura son dependientes deun modelo y una variedad de modelos de prepago se pueden construir. Alternativa-mente, se puede seguir un enfoque no paramétrico mediante el cual, usando datoshistóricos, se estima la primera derivada del precio del MBS passthrough P conrespecto a la tasa de swap a 5 años R con la restricción de que P es una función no En este caso, para una curva de pendiente ascendente, un flattener (steepener) tiene un carrypositivo (negativo) ya que S largo > S corto ( S largo < S corto ). Por algunas publicaciones sobre el trade de la curva y tópicos relacionados, véase, por ejemplo,[Bobey, 2010], [Burtshell, Gregory and Laurent, 2009)], [Choroś-Tomczyk, Härdle and Okhrin,2016], [Crabbe and Fabozzi, 2002], [Detlefsen and Härdle, 2013], [Hagenstein, Mertz and Seifert,2004], [Hamerle, Igl and Plank, 2012], [Hull and White, 2004], [Kakodkar et al , 2006], [Koopman,Lucas and Schwaab, 2012], [Lin and Shyy, 2008], [Rajan, McDermott and Roy, 2007].
Un MBS es un activo respaldado por un conjunto de hipotecas. En un MBS passthrough,que es el tipo de MBS más común, los flujos de efectivo se pasan de los deudores a los traders através de un intermediario.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) R (véase, por ejemplo, [Duarte, Longstaff and Yu, 2006]), empleando,por ejemplo, una regresión restringida (véase, por ejemplo, [Aït-Sahalia and Duarte,2003]). Para obtener información adicional pertinente, véase, por ejemplo, [Ambrose, LaCour-Littleand Sanders, 2004], [Biby, Modukuri and Hargrave, 2001], [Bielecki, Brigo and Patras, 2011],[Boudoukh et al , 1997], [Brazil, 1988], [Brennan and Schwartz, 1985], [Carron and Hogan, 1988],[Chinloy, 1989], [Davidson, Herskovitz and Van Drunen, 1988], [Dechario et al , 2010], [Downing,Jaffee and Wallace, 2009], [Dunn and McConnell, 1981a], [Dunn and McConnell, 1981b], [Dynkin et al , 2001], [Fabozzi, 2006b], [Gabaix, Krishnamurthy and Vigneron, 2007], [Glaeser and Kallal,1997], [Hu, 2001], [Longstaff, 2005], [Kau et al , 1995], [McConnell and Buser, 2011], [McKenzie,2002], [Nothaft, Lekkas and Wang, 1995], [Passmore, Sherlund and Burgess, 2005], [Richard andRoll, 1989], [Schultz, 2016], [Schwartz and Torous, 1989], [Schwartz and Torous, 1992], [Stanton,1995], [Thibodeau and Giliberto, 1989], [Vickery and Wright, 2010].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
12 Convertibles
Un bono convertible es un activo híbrido con una opción embebida para convertirel bono (un instrumento de renta fija) en un número preestablecido (conocido comoel ratio de conversión) de acciones del mismo emisor (un instrumento de capital)cuando, por ejemplo, el precio de la acción alcanza un nivel preestablecido (cono-cido como el precio de conversión). Empíricamente, los convertibles al momento dela emisión tienden a estar subvalorados en relación con su valor “justo”.
Estoda lugar a oportunidades de arbitraje. Una estrategia de arbitraje de convertibleconsiste en comprar un bono convertible y al mismo tiempo vender h unidades delas acciones subyacentes, en donde el ratio de cobertura está dado por h = ∆ × C (492)∆ = ∂V /∂S (493)Aquí: C es el ratio de conversión; V es el valor de la opción de conversión (quedepende de un modelo); S es el precio de las acciones subyacentes; y ∆ es el Delta(dependiente de un modelo) de la opción de conversión. Normalmente, la posiciónse mantiene durante 6 a 12 meses a partir de la fecha de emisión del convertible yel ratio de cobertura se actualiza diariamente.
Esta estrategia consiste en comprar y vender simultáneamente dos bonos convertiblesdiferentes del mismo emisor. La posición larga es en un bono con un diferencialajustado por opciones (OAS, por sus siglas en inglés) más alto, y la posición cortaes en un bono con un OAS menor (véase, por ejemplo, [Calamos, 2003]). Entoncesla operación es rentable si estos dos márgenes convergen.El OAS se puede calcular de la siguiente manera (véase, por ejemplo, [Hull,
Por algunas publicaciones sobre bonos convertibles y tópicos relacionados, véase, por ejem-plo, [Agarwal et al , 2011], [Ammann, Kind and Seiz, 2010], [Ammann, Kind and Wilde, 2003],[Batta, Chacko and Dharan, 2010], [Brennan and Schwartz, 1988], [Brown et al , 2012], [Calamos,2003], [Chan and Chen, 2007], [Choi et al , 2010], [Choi, Getmansky and Tookes, 2009], [De Jong,Dutordoir and Verwijmeren, 2011], [Duca et al , 2012], [Dutordoir et al , 2014], [Grundy and Verwi-jmeren, 2016], [Henderson, 2005], [Henderson and Tookes, 2012], [Ingersoll, 1977], [Kang and Lee,1996], [King, 1986], [King and Mauer, 2014], [Korkeamaki and Michael, 2013], [Lewis, Rogalskiand Seward, 1999], [Lewis and Verwijmeren, 2011], [Loncarski, ter Horst and Veld, 2006], [Lon-carski, ter Horst and Veld, 2009], [Mayers, 1998], [Ryabkov, 2015], [Stein, 1992], [Tsiveriotis andFernandes, 1998], [van Marle and Verwijmeren, 2017], [Zabolotnyuk, Jones and Veld, 2010].
El Delta cambia con el precio de las acciones S . Para tener en cuenta esto, el Gamma de laopción puede ser utilizado como en la Subsección 7.4.1 (la cobertura de Gamma).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Una forma sencilla (pero no la única) para calcular el precio P C delbono convertible es asumir que P C = P B + V (494)en donde P B es el precio del bono por sí solo (es decir, sin la opción embebida), y V es el valor de la opción de conversión, que es una opción call. P B se computadescontando los flujos de efectivo futuros del bono. Por otro lado, V depende dela curva de tasas de interés libre de riesgo. En la iteración inicial, se calcula V (utilizando un modelo de valuación para la opción call) asumiendo que la curvade bonos con cupón cero del Tesoro es la curva de tasas de interés libre de riesgo.Esta iteración inicial V (0) puede no coincidir con P mktC − P B , en donde P mktC esel precio de mercado del bono convertible. Luego, iterativamente (por ejemplo,utilizando el método de bisección) se realizan desplazamientos paralelos de la curvadel Tesoro hasta que V , que se calcula utilizando la curva desplazada, sea tal que V = P mktC − P B . El desplazamiento paralelo de la curva obtenido a través de esteprocedimiento iterativo es el OAS. Para más literatura relacionada con el OAS (principalmente enfocada en aplicaciones a MBS),véase, por ejemplo, [Boyarchenko, Fuster and Lucca, 2014], [Brazil, 1988], [Brown, 1999], [Cerratoand Djennad, 2008], [Dong et al , 2009], [Hayre, 1990], [Huang and Kong, 2003], [Levin and David-son, 2005], [Liu and Xu, 1998], [Stroebel and Taylor 2012], [Windas, 2007].
Por algunas publicaciones sobre la valuación de bonos convertibles, véase, por ejemplo, [Ay-ache, Forsyth and Vetzal, 2003], [Batten, Khaw and Young, 2014], [Brennan and Schwartz,1977], [Finnerty and Tu, 2017], [Ingersoll, 1977], [Kang and Lee, 1996], [King, 1986], [Kwok,2014], [McConnell and Schwartz, 1986], [Milanov et al , 2013], [Park, Jung and Lee, 2018], [Sörens-son, 1993], [Tsiveriotis and Fernandes, 1998], [Xiao, 2013], [Zabolotnyuk, Jones and Veld, 2010].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
13 Arbitraje Fiscal
Esta estrategia es una de las formas más comunes y simples de realizar un arbitrajefiscal. Se trata de pedir prestado dinero y comprar bonos municipales exentos deimpuestos.
El retorno de la estrategia está dado por R = r largo − r corto (1 − τ ) (495)Aquí: r largo es la tasa de interés de los bonos municipales comprados, r corto es latasa de interés del préstamo, y τ es la tasa de impuesto corporativa. Esta estrategiaes atractiva para las empresas en jurisdicciones en donde las normas tributarias lespermiten comprar bonos municipales exentos de impuestos y deducir los gastos porintereses de su ingreso imponible (esto también se conoce como “escudo fiscal”). Las ganancias corporativas en los Estados Unidos son gravadas impositivamente dosveces. La ganancia se grava primero a nivel corporativo. Luego, se grava de nuevocuando los accionistas reciben los dividendos. En otros países, los sistemas tributar-ios están diseñados para aliviar la carga tributaria, por ejemplo, al no gravar los div-idendos (como, por ejemplo, en Singapur), o dando a los accionistas créditos fiscalesadjuntos a los pagos de dividendos (como, por ejemplo, en Australia). En el casode que este sistema tributario corporativo de “imputación de dividendos” otorgue elcrédito fiscal completo a los accionistas, esto se puede describir esquemáticamentede la siguiente manera (véase, por ejemplo, [McDonald, 2001]):
Tasa de impuesto corporativa = τ c Dividendo pagado en efectivo = D Crédito tributario por dividendos = C = D τ c − τ c Ganancia imponible = I t = D + C = D − τ c Tasa impositiva personal = τ p Impuestos personales = T = I t τ p Dividendos después de crédito e impuestos = I = D + C − T = D − τ p − τ c (496) Por algunas publicaciones sobre arbitraje fiscal con bonos municipales y tópicos relaciona-dos, véase, por ejemplo, [Ang et al , 2017], [Buser and Hess, 1986], [Chalmers, 1998], [Erickson,Goolsbee and Maydew, 2003], [Heaton, 1988], [Kochin and Parks, 1988], [Longstaff, 2011], [Miller,1977], [Poterba, 1986], [Poterba, 1989], [Skelton, 1983], [Trzcinka, 1982], [Yawitz, Maloney andEderington, 1985].
Sin embargo, puede haber limitaciones en el crédito fiscal y otras sutilezas presentes depen-diendo de la jurisdicción, diversas circunstancias, etc.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) P y la corporación distribuye todas susganancias después de impuestos como dividendos, entonces D = P (1 − τ c ) y I = P (1 − τ p ), es decir, no hay doble imposición fiscal. Mientras que en países con sistemas de imputación los traders nacionales disfru-tan de créditos fiscales, en general, los traders extranjeros no. Si no hubiera créditosfiscales, se esperaría que la caída de precios entre cum-dividendo y ex-dividendo refleje el dividendo. En presencia de créditos fiscales, se espera que la caída seamayor: si refleja plenamente el crédito fiscal, entonces es D (1 + κ ), en donde κ es latasa de crédito fiscal. (En la nomenclatura anterior, 1 + κ = 1 / (1 + τ c )). Entonces,un inversionista extranjero está efectivamente penalizado por mantener las acciones.Para evitar esto, el inversionista extranjero puede vender las acciones cum-dividendoy volver a comprarlas ex-dividendo. Alternativamente, el inversionista extranjeropuede prestar las acciones a un inversionista nacional cum-dividendo y recibir lasacciones de vuelta ex-dividendo junto con una parte preestablecida del crédito fis-cal – asumiendo que no hay restricciones en tal arbitraje fiscal transfronterizo. Unacuerdo de swap también lograría el mismo resultado.
En ausencia de crédito fiscal, existe un límite superior teórico sobre el valor de unaopción put americana (véase, por ejemplo, [Hull, 2012]): V put ( K, T ) ≤ V call ( K, T ) − S + K + D (497)Aquí: V put ( V call ) es el precio de la opción put (call) al tiempo t = 0; K es el preciode ejercicio; S es el precio de las acciones en t = 0; T es la madurez; y D es el valorpresente de los dividendos durante la vida de la opción. Las opciones put se ejercende manera óptima ex-dividendo. Por lo tanto, en presencia de un crédito fiscal, seespera que los precios de las opciones put reflejen el crédito fiscal, es decir, deberíanser más altos que en ausencia del crédito fiscal (véase, por ejemplo, [McDonald,2001]). Entonces, el trader extranjero puede vender las acciones cum-dividendo (alprecio S ) y vender una opción put muy ITM, cuyo valor cercano al vencimiento es Por el contrario, en el sistema de doble imposición tendríamos en su lugar: D = P (1 − τ c ), I t = D , T = I t τ p , I = I t − T = P (1 − τ c ) (1 − τ p ). Cum-dividendo significa que el comprador de acciones tiene el derecho a recibir un dividendoque ha sido declarado, pero no pagado. Ex-dividendo significa que el vendedor de acciones tieneel derecho al dividendo, no el comprador.
Asumiendo que los costos de transacción no son prohibitivamente altos.
Por algunas publicaciones sobre arbitraje fiscal transfronterizo y tópicos relacionados, véase,por ejemplo, [Allen and Michaely, 1995], [Amihud and Murgia, 1997], [Bellamy, 1994], [Booth,1987], [Booth and Johnston, 1984], [Brown and Clarke, 1993], [Bundgaard, 2013], [Callaghan andBarry, 2003], [Christoffersen et al , 2005], [Christoffersen et al , 2003], [Eun and Sabherwal, 2003],[Green and Rydqvist, 1999], [Harris, Hubbard and Kemsley, 2001], [Lakonishok and Vermaelen,1986], [Lasfer, 1995], [Lessambo, 2016], [McDonald, 2001], [Monkhouse, 1993], [Shaviro, 2002],[Wells, 2016], [Wood, 1997].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) κ es la tasa de crédito fiscal antes definida) V put ( K, T ) = K − [ S − D (1 + κ )] (498)Una vez ejercido el put ex-dividendo al precio de ejercicio K , el P&L es el mismoque con las estrategias antes discutidas, que consisten en realizar un préstamo delas acciones o utilizar un swap:P&L = S + V put ( K, T ) − K = D (1 + κ ) (499)119sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
14 Activos Misceláneos
Esta estrategia consiste en comprar (vender) swaps de inflación para canjear unatasa fija (flotante) de inflación por una tasa flotante (fija). Los swaps de inflaciónconceptualmente son similares a los swaps de tasas de interés (véase la Subsección5.1.4). Un comprador (vendedor) de un swap de inflación tiene una posición larga(corta) en la inflación y recibe una tasa flotante (fija). El comprador tiene un retornopositivo si la inflación supera a la inflación esperada (es decir, la tasa fija del swap,también conocida como “tasa de equilibrio”). La tasa fija normalmente se calculacomo el diferencial de la tasa de interés entre las notas/bonos del Tesoro (segúncorresponda) y los Valores del Tesoro Protegidos Contra la Inflación (conocidoscomo TIPS, por sus siglas en inglés) con la misma madurez que la del swap. Latasa flotante normalmente se basa en un índice de inflación tal como el Índice dePrecios al Consumidor (CPI, por sus siglas en inglés). El tipo más común de swapde inflación es el swap de inflación con cupón cero, que tiene un solo flujo de efectivoen la fecha de vencimiento T (medida en años). Este flujo de efectivo es la diferenciaentre el flujo de efectivo C fijo a la tasa fija y el flujo de efectivo C flotante a la tasaflotante. Estos flujos de efectivo, por $1 de nocional, están dados por: C fija = (1 + K ) T − C flotante = I ( T ) /I (0) − K es la tasa fija; y I ( t ) es el valor del CPI al momento t ( t = 0 es el momentoen que se establece el contrato de swap). Otro tipo de swap de inflación es el swap deinflación interanual (year-on-year o YoY, por sus siglas en inglés), que hace referenciaa la inflación anual (a diferencia de la inflación acumulada para el caso del swap concupón cero). Por lo tanto, asumiendo por simplicidad pagos anuales, tenemos (aquí t = 1 , . . . , T es medido en años): C fija ( t ) = K (502) C flotante ( t ) = I ( t ) /I ( t − − Por algunas publicaciones sobre swaps de inflación y tópicos relacionados, véase, por ejem-plo, [Belgrade and Benhamou, 2004], [Belgrade, Benhamou and Koehler, 2004], [Bouzoubaa andOsseiran, 2010], [Christensen, Lopez and Rudebusch, 2010], [Deacon, Derry and Mirfendereski,2004], [Fleming and Sporn, 2013], [Haubrich, Pennacchi and Ritchken, 2012], [Hinnerich, 2008],[Jarrow and Yildirim, 2003], [Kenyon, 2008], [Lioui and Poncet, 2005], [Martellini, Milhau andTarelli, 2015], [Mercurio, 2005], [Mercurio and Moreni, 2006], [Mercurio and Moreni, 2009], [Mer-curio and Yildirim, 2008].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia se basa en la observación empírica de que los bonos del Tesorotienden a estar sobrevalorados en relación con los TIPS casi todo el tiempo (véase,por ejemplo, [Campbell, Shiller and Viceira, 2009], [Driessen, Nijman and Simon,2017], [Fleckenstein, 2012], [Haubrich, Pennacchi and Ritchken, 2012]). La estrategiaconsiste en vender un bono del Tesoro (cuyo precio es P T esoro , la tasa de cupón fijaes r T esoro , y la madurez es T ) y compensar esta posición corta con un portafoliosintético, que reproduce exactamente los pagos de los cupones y del principal delbono del Tesoso a un menor costo. Este portafolio sintético se construye comprandolos TIPS (cuyo precio es P T IP S y la madurez T es la misma que la del bono delTesoro) con una tasa de cupón fija r y n pagos de cupones en los tiempos t i , i =1 , . . . , n (con t n = T ), y simultáneamente vendiendo n swaps de inflación con cupóncero con las fechas de vencimiento t i , la tasa fija K , y los nocionales N i = r + δ t i ,T por$1 de principal de los TIPS. Los flujos de efectivo (por $1 de nocional) en t = t i sondados por (como arriba, I ( t ) es el valor del CPI al momento t ; también, el tiempose mide en las unidades de los períodos de composición (típicamente, semestrales)): C T IP S ( t i ) = N i I ( t i ) /I (0) (504) C swap ( t i ) = N i h (1 + K ) t i − I ( t i ) /I (0) i (505) C total ( t i ) = C swap ( t i ) + C T IP S ( t i ) = N i (1 + K ) t i (506)Entonces, el portafolio sintético convierte los pagos indexados de los TIPS en pagosfijos con las tasas de cupón efectivas r eff ( t i ) = r (1 + K ) t i . Estos pagos de cuponessintéticos casi replican a los cupones de los bonos del Tesoro r T esoro . La coincidenciaexacta implica pequeñas posiciones largas o cortas en STRIPS (por sus siglas eninglés), que están dadas por (véase, por ejemplo, [Fleckenstein, Longstaff and Lustig,2013] por más detalles) S ( t i ) = D ( t i ) n [ r T esoro − r eff ( t i )] + δ t i ,T h − (1 + K ) t i io (507) Los TIPS pagan cupones fijos semestrales a una tasa fija, pero los pagos de cupones (y delprincipal) se ajustan en función de la inflación. Por algunas publicaciones sobre TIPS, productosindexados a la inflación y tópicos relacionados, véase, por ejemplo, [Adrian and Wu, 2010], [Ang,Bekaert and Wei, 2008], [Bardong and Lehnert, 2004], [Barnes et al , 2010], [Barr and Campbell,1997], [Bekaert and Wang, 2010], [Buraschi and Jiltsov, 2005], [Campbell, Sunderam and Viceira,2017], [Chen, Liu and Cheng, 2010], [Chernov and Mueller, 2012], [Christensen and Gillan, 2012],[D’Amico, Kim and Wei, 2018], [Deacon, Derry and Mirfendereski, 2004], [Dudley, Roush andSteinberg, 2009], [Evans, 1998], [Fleckenstein, Longstaff and Lustig, 2017], [Fleming and Krishnan,2012], [Grishchenko and Huang, 2013], [Grishchenko, Vanden and Zhang, 2016], [Gürkaynak, Sackand Wright, 2010], [Hördahl and Tristani, 2012], [Hördahl and Tristani, 2014], [Hunter and Simon,2005], [Jacoby and Shiller, 2008], [Joyce, Lildholdt and Sorensen, 2010], [Kandel, Ofer and Sarig,1996], [Kitsul and Wright, 2013], [Kozicki and Tinsley, 2012], [Mehra, 2002], [Pennacchi, 1991],[Pflueger and Viceira, 2011], [Remolona, Wickens and Gong, 1998], [Roll, 1996], [Roll, 2004], [Sackand Elsasser, 2004], [Seppälä, 2004], [Shen, 2006], [Shen and Corning, 2001], [Woodward, 1990],[Yared and Veronesi, 1999].
Los STRIPS = “Transacciones Separadas de Intereses y Principales Nominativos”. Esencial-mente, los STRIPS son bonos de descuento con cupón cero.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) D ( τ ) es el valor de los STRIPS con madurez τ al momento t = 0 (es decir, D ( τ ) es un factor de descuento). En la Ecuación (507), el segundo término en loscorchetes (que es proporcional a δ t i ,T y es distinto de cero solo para i = n , es decir,en la madurez T ) se incluye dado que también los principales deben coincidir en lafecha de madurez. Tenga en cuenta que las posiciones en los STRIPS se establecenen t = 0. El flujo de efectivo neto C (0) en t = 0 viene dado por (nótese que losflujos de efectivo netos en t > C (0) = P T esoro − P T IP S − n X i =1 S ( t i ) (508)Empíricamente C (0) tiende a ser positivo (incluso después de costos de transacción).De ahí viene el arbitraje. Diversas empresas y sectores de la economía pueden verse afectados por las condi-ciones climáticas, tanto directa como indirectamente. El riesgo del clima se puedecubrir con derivados del clima. No hay índices del clima “negociables”, entonces var-ios índices sintéticos han sido creados. Los más comunes se basan en la temperatura.Los grados-día de refrigeración (CDD, por sus siglas en inglés) y los grados-día decalefacción (HDD, por sus siglas en inglés) miden temperaturas extremadamentealtas y temperaturas extremadamente bajas, respectivamente:
Por algunas publicaciones sobre derivados del clima, índices del clima y tópicos relacionados,véase, por ejemplo, [Alaton, Djehiche and Stillberger, 2010], [Barrieu and El Karoui, 2002], [Barrieuand Scaillet, 2010], [Benth, 2003], [Benth and Saltyte-Benth, 2005], [Benth and Saltyte-Benth,2007], [Benth, Saltyte-Benth and Koekebakker, 2007], [Bloesch and Gourio, 2015], [Brockett etal , 2010], [Brockett, Wang and Yang, 2005], [Brody, Syroka and Zervos, 2002], [Campbell andDiebold, 2005], [Cao and Wei, 2000], [Cao and Wei, 2004], [Cartea and Figueroa, 2005], [Chaumont,Imkeller and Müller, 2006], [Chen, Roberts and Thraen, 2006], [Corbally and Dang, 2002], [Davis,2001], [Dischel, 1998a], [Dischel, 1998b], [Dischel, 1999], [Dorfleitner and Wimmer, 2010], [Dornierand Queruel, 2000], [Ederington, 1979], [Geman, 1998], [Geman and Leonardi, 2005], [Ghiulnaraand Viegas, 2010], [Golden, Wang and Yang, 2007], [Göncü, 2012], [Hamisultane, 2009], [Hanley,1999], [Härdle and López Cabrera, 2011], [Huang, Shiu and Lin, 2008], [Huault and Rainelli-Weis,2011], [Hunter, 1999], [Jain and Baile, 2000], [Jewson, 2004a], [Jewson, 2004b], [Jewson, Brixand Ziehmann, 2005], [Jewson and Caballero, 2003], [Lazo et al , 2011], [Lee and Oren, 2009],[Leggio and Lien, 2002], [Mraoua, 2007], [Müller and Grandi, 2000], [Oetomo and Stevenson,2005], [Parnaudeau and Bertrand, 2018], [Perez-Gonzalez and Yun, 2010], [Richards, Manfredoand Sanders, 2004], [Saltyte-Benth and Benth, 2012], [Schiller, Seidler and Wimmer, 2010], [Svecand Stevenson, 2007], [Swishchuk and Cui, 2013], [Tang and Jang, 2011], [Thornes, 2006], [Vedenovand Barnett, 2004], [Wilson, 2016], [Woodard and Garcia, 2008], [Yang, Brockett and Wen, 2009],[Zapranis and Alexandridis, 2008], [Zapranis and Alexandridis, 2009], [Zeng, 2000].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) I CDD = n X i =1 max(0 , T i − T base ) (509) I HDD = n X i =1 max(0 , T base − T i ) (510) T i = T mini + T maxi i = 1 , . . . , n etiqueta los días; n es la vida del contrato (una semana, un meso una temporada) medida en días; T mini y T maxi son las temperaturas mínimas ymáximas registradas en los días marcados por i ; y T base = 65 ◦ F. Entonces, el riesgode demanda para los días de calor, por ejemplo, puede cubrirse con una posicióncorta en los futuros o una posición larga en una opción put con los ratios de coberturadados por (aquí (Cov) Var es la (co)varianza serial): h HDDfuturos = Cov( q w , I HDD ) / Var( I HDD ) (512) h HDDput = − Cov ( q w , max( K − I HDD , / Var (max( K − I HDD , q w es la parte de la demanda que se ve afectada por las condiciones climáticas(es importante considerar que puede haber otros componentes exógenos que afectana la demanda, y que van más allá del clima); y K es el precio de ejercicio. De modosimilar, el riesgo de demanda para los días de frio puede, por ejemplo, cubrirse conuna posición larga en los futuros o una posición larga en una opción call con losratios de cobertura dados por: h CDDfuturos = Cov( q w , I CDD ) / Var( I CDD ) (514) h CDDcall = Cov ( q w , max( I CDD − K, / Var (max( I CDD − K, El diferencial spark es la diferencia entre el precio mayorista de la electricidad y elprecio del gas natural requerido para producirla.
Un diferencial spark se puedeconstruir, por ejemplo, tomando una posición corta en futuros de electricidad yuna posición larga en el número correspondiente de futuros de combustible. Tales
Entonces, el diferencial spark mide el margen bruto de una central eléctrica que producecon gas, excluyendo todos los demás costos de operación, mantenimiento, capital, etc. Además,si la planta de energía utiliza un combustible distinto al gas natural, entonces el margen cor-respondiente tiene un nombre diferente. Para el carbón se llama “diferencial oscuro”; para laenergía nuclear se llama “diferencial cuarc”; etc. Por literatura sobre diferenciales de energía,cobertura de energía y tópicos relacionados, véase, por ejemplo, [Benth and Kettler, 2010], [Benth,Kholodnyi and Laurence, 2014], [Carmona and Durrleman, 2003], [Cassano and Sick, 2013], [Deng,Johnson and Sogomonian, 2001], [Edwards, 2009], [Elias, Wahab and Fang, 2016], [Emery and Liu,2002], [Fiorenzani, 2006], [Fusaro and James, 2005], [Hsu, 1998], [James, 2003], [Kaminski, 2004], [Liand Kleindorfer, 2009], [Maribu, Galli and Armstrong, 2007], [Martínez and Torró, 2018], [Wangand Min, 2013].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) tasa decalentamiento H , que mide la eficiencia con la que la planta convierte el combustibleen electricidad: H = Q F /Q E (516)Aquí: Q F es la cantidad de combustible utilizado para producir la cantidad deelectricidad Q E ; Q F se mide en MMBtu; Btu = unidad térmica británica, quees aproximadamente 1,055 Julios; MBtu = 1,000 Btu; MMBtu = 1,000,000 Btu; Q E se mide en Mwh = Megavatio hora; la tasa de calentamiento H se mide enMMBtu/Mwh. El diferencial spark se mide en $/Mwh. Entonces, si el precio de laelectricidad es P E (medido en $/Mwh) y el precio del combustible es P F (medido en$/MMBtu), luego el diferencial spark está dado por S = P E − H P F (517)El ratio de cobertura para los futuros se ve afectado por los tamaños de los contratosde futuros disponibles. Así, un contrato de futuros de electricidad es F E = 736Mwh, y un contrato de futuros de gas es F F = 10 ,
000 MMBtu. Entonces, el ratiode cobertura está dado por h = H F E /F F (518)que generalmente no es un número entero. Por lo tanto, se representa (aproximada-mente, dentro de la precisión deseada) como un ratio h ≈ N F /N E con el mínimodenominador posible N E , en donde N F y N E son números enteros. Entonces, lacobertura consiste en comprar N F contratos de futuros de gas para cada conjuntode N E contratos de futuros de electricidad vendidos.124sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
15 Activos en Distress
Los activos en distress (este término en inglés significa “dificultades” en español)son aquellos cuyos emisores están sufriendo dificultades financieras/operacionales,incumplimiento o bancarrota. Una de las formas de definir la deuda en distress esconsiderar el margen entre los rendimientos de bonos del Tesoro y los del emisor.Si estos son mayores que algún número preestablecido, por ejemplo, 1,000 puntosbásicos (bps, por sus siglas en inglés), uno podría considerar que efectivamente, ladeuda del emisor se encuentra en dificultades (véase, por ejemplo, [Harner, 2008]).Una simple estrategia de trading pasiva en la deuda en distress consiste en comprarla deuda de una compañía en distress con un gran descuento, esperando que lacompañía pague su deuda. Típicamente, un portafolio de deuda en distress se diver-sifica en diversas industrias, entidades y nivel de prioridad y calidad de la deuda. Seanticipa que solo una pequeña fracción de los activos que se mantienen en el portafo-lio tendrán rendimientos positivos, pero aquellos que lo hagan, proporcionarán altastasas de rendimiento (véase, por ejempo, [Greenhaus, 1991]). Existen dos categoríasgenerales de estrategias pasivas en deuda en distress (véase, por ejemplo, [Altmanand Hotchkiss, 2006]). En primer lugar, usando distintos modelos (véase la Subsec-ción 15.3), uno puede tratar de predecir si una empresa se declarará en bancarrota.En segundo lugar, algunas estrategias se centran en los activos de empresas en in-cumplimiento o bancarrota, en las cuales un proceso de reorganización exitoso es elmotor de los retornos. Por lo general, las posiciones se establecen en fechas clave,como al final del mes de incumplimiento o al final del mes de la presentación de ban-carrota, con el fin de explotar la sobre-reacción en el mercado de deuda en distress(véase, por ejemplo, [Eberhart and Sweeney, 1992], [Gilson, 1995]).
Esta estrategia consiste en comprar activos en distress con la visión (a diferencia dela estrategia pasiva discutida anteriormente) de adquirir cierto grado de control enla gestión y dirección de la empresa. Ante una situación de dificultades, una em-presa tiene varias opciones para llevar adelante su proceso de reorganización. Puedesolicitar la protección por bancarrota bajo el Capítulo 11 de la Ley de Quiebrasde los Estados Unidos para reorganizarse. O puede trabajar directamente con sus
Por literatura pertinente, véase, por ejemplo, [Altman, 1998], [Clark and Weinstein, 1983],[Eberhart, Altman and Aggarwal, 1999], [Friewald, Jankowitsch and Subrahmanyam, 2012],[Gande, Altman and Saunders, 2010], [Gilson, 2010], [Gilson, 2012], [Harner, 2011], [Hotchkiss andMooradian, 1997], [Jiang, Li and Wang, 2012], [Lhabitant, 2002], [Morse and Shaw, 1988], [Moyer,Martin and Martin, 2012], [Putnam, 1991], [Quintero, 1989], [Reiss and Phelps, 1991], [Volpert,1991].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
A continuación se presentan algunos escenariospara la inversión activa.
Un inversor puede presentar un plan de reorganización al Tribunal con el objetivode obtener alguna participación en la gestión de la empresa, intentar aumentar suvalor y generar ganancias. Los planes por parte de los tenedores sustanciales dedeuda tienden a ser más competitivos.
Esta estrategia consiste en comprar la deuda en circulación de una compañía endistress con un sustancial descuento bajo la premisa de que, después de la reorgani-zación, una parte de esta deuda se convertirá en capital de la compañía, dando asíal inversor un cierto nivel de control sobre la misma.
Esta estrategia consiste en financiar (a través de préstamos asegurados) una com-pañía en distress que no está aún en bancarrota con la visión de que i) supere lasituación de dificultades, evite la bancarrota y aumente su valor de capital, o ii) so-licite protección bajo el Cápitulo 11 y, en la reorganización, el préstamo aseguradose convierta en capital de la compañía con derechos de control.
Algunos estudios sugieren que las empresas más propensas a la bancarrota ofrecenmayores rendimientos, lo cual podría considerarse de cierta manera una prima deriesgo (véase, por ejemplo, [Chan and Chen, 1991], [Fama and French, 1992], [Famaand French, 1996], [Vassalou and Xing, 2004]). Sin embargo, estudios más recientessugieren lo opuesto, es decir, que tales compañías no superan a aquellas más salud-ables y que, al contrario, estas últimas ofrecen mayores rendimientos. Esto se conocecomo “rompecabezas de riesgo de dificultades” (véase, por ejemplo, [George andHwang, 2010], [Godfrey and Brooks, 2015], [Griffin and Lemmon, 2002], [Ozdagli,2010]). Entonces, esta estrategia consiste en comprar las compañías más segurasy vender las más riesgosas. Como un proxy, uno puede usar la probabilidad debancarrota P i , i = 1 , . . . , N ( N es el número de acciones), que puede, por ejemplo,ser modelada a través de una regresión logística (véase, por ejemplo, [Campbell, Por alguna literatura, véase, por ejemplo, [Altman and Hotchkiss, 2006], [Chatterjee, Dhillonand Ramírez, 1996], [Gilson, 1995], [Gilson, John and Lang, 1990], [Jostarndt and Sautner, 2010],[Levy, 1991], [Markwardt, Lopez and DeVol, 2016], [Perić, 2015], [Rosenberg, 1992], [Swank andRoot, 1995], [Ward and Griepentrog, 1993].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Un portafolio de costo cero se puede construir, porejemplo, vendiendo las acciones en el decil superior según P i , y comprando las ac-ciones en el decil inferior. Generalmente, el portafolio se reequilibra mensualmente,aunque un rebalanceo anual es también posible (con retornos similares). Esta estrategia es una variación de la estrategia de rompecabezas de riesgo de di-ficultades presentada en la Subsección 15.3. Los estudios empíricos sugieren quelas estrategias de costo cero basadas en “healthy-minus-distressed” (HMD, por sussiglas en inglés), o “compañías saludables menos compañías en distress”, tienden atener un beta de mercado muy variable, que se vuelve significativamente negativodespués de fuertes caídas del mercado (generalmente se asocia con un incrementoen la volatilidad), que puede causar grandes pérdidas si el mercado rebota abrup-tamente (véase, por ejemplo, [Garlappi and Yan, 2011], [O’Doherty, 2012], [Opp,2017]). Esto es similar a lo que sucede en otras estrategias basadas en factores.
Para mitigar esto, la estrategia se puede modificar de la siguiente manera (véase,por ejemplo, [Eisdorfer and Misirli, 2015]):HMD ∗ = σ objetivo b σ HMD (519)Aquí: HMD es el mismo que aquel de la estrategia estándar HMD en la Subsección15.3; σ objetivo es el nivel de volatilidad objetivo (generalmente, entre 10% y 15%,dependiendo de las preferencias del trader); y b σ es la volatilidad realizada estimadadurante el año anterior utilizando datos diarios. Entonces, 100% de la inversión seasigna solo si b σ = σ objetivo , y una cantidad menor se asigna cuando b σ > σ objetivo .Cuando b σ < σ objetivo , la estrategia podría apalancarse. Para algunos estudios sobre modelos para estimar las probabilidades de bancarrota, variablesexplicativas y tópicos relacionados, véase, por ejemplo, [Alaminos, del Castillo and Fernández,2016], [Altman, 1968], [Altman, 1993], [Aretz and Pope, 2013], [Beaver, 1966], [Beaver, McNi-chols and Rhie, 2005], [Bellovary, Giacomino and Akers, 2007], [Brezigar-Masten and Masten,2012], [Callejón et al , 2013], [Chaudhuri and De, 2011], [Chava and Jarrow, 2004], [Chen et al ,2011], [Cultrera and Brédart, 2015], [Dichev, 1998], [Duffie, Saita and Wang, 2007], [DuJardin,2015], [El Kalak and Hudson, 2016], [Fedorova, Gilenko and Dovzhenko, 2013], [Ferreira, Gram-matikos and Michala, 2016], [Gordini, 2014], [Griffin and Lemmon, 2002], [Hensher and Jones,2007], [Hillegeist et al , 2004], [Jo, Han and Lee, 1997], [Jonsson and Fridson, 1996], [Korol, 2013],[Laitinen and Laitinen, 2000], [McKee and Lensberg, 2002], [Min, Lee and Han, 2006], [Mossman et al , 1998], [Odom and Sharda, 1990], [Ohlson, 1980], [Philosophov and Philosophov, 2005], [Pin-dado, Rodrigues and de la Torre, 2008], [Podobnik et al , 2010], [Ribeiro et al , 2012], [Shin andLee, 2002], [Shumway, 2001], [Slowinski and Zopounidis, 1995], [Tinoco and Wilson, 2013], [Tsai,Hsu and Yen, 2014], [Wilson and Sharda, 1994], [Woodlock and Dangol, 2014], [Yang, You and Ji,2011], [Zhou, 2013], [Zmijewski, 1984].
Véase, por ejemplo, [Barroso and Santa-Clara, 2014], [Blitz, Huij and Martens, 2011], [Danieland Moskowitz, 2016].
O, simplemente, 100% de la inversión podría asignarse sin apalancamiento, en cuyo caso elprefactor en la Ecuación (519) es en cambio min( σ objetivo / b σ,
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
16 Bienes Raíces
Los bienes raíces (o bienes inmuebles), a diferencia de la mayoría de los otros activosfinancieros, son tangibles. Se pueden dividir en dos grupos principales: bienes raícescomerciales (oficinas, centros comerciales, etc.) y residenciales (casas, apartamentos,etc.). Hay varias maneras de obtener cierta exposición a los bienes raíces, porejemplo, a través de fideicomisos de inversión inmobiliaria (REITs, por sus siglasen inglés), que a menudo cotizan en las principales bolsas y permiten a los traderstomar una participación líquida en este tipo de activos.
Hay varias formas demedir el rendimiento de una inversión inmobiliaria. Una forma común y sencilla esla siguiente: R ( t , t ) = P ( t ) + C ( t , t ) P ( t ) − R ( t , t ) es el retorno de la inversión desde el inicio del período de tenencia t hasta el final de período de tenencia t ; P ( t ) y P ( t ) son los valores de mercado dela propiedad en dichos tiempos; C ( t , t ) representa los flujos de efectivo recibidos,netos de costos. Los bienes raíces son atractivos como una herramienta de diversificación. Los es-tudios empíricos sugieren que su correlación con activos tradicionales, tales comobonos y acciones, es baja y se mantiene así incluso en eventos extremos del mercado(por ejemplo, crisis financieras), cuando las correlaciones entre activos tradicionalestienden a incrementar. Además, la correlación tiende a ser más baja en horizontesde tiempo más largos, por lo que los inversores a largo plazo pueden mejorar elrendimiento de su portafolio en términos de retornos ajustados por riesgo mediantela inclusión de activos inmobiliarios (véase, por ejemplo, [Feldman, 2003], [Geltner et al , 2006], [Seiler, Webb and Myer, 1999], [Webb, Curcio and Rubens, 1988]).Entonces, una estrategia simple consiste en comprar y mantener activos inmobiliar-ios dentro de un portafolio tradicional que contiene, por ejemplo, bonos, acciones,etc. La asignación óptima varía según las preferencias de los inversores (en tér-minos de riesgo y retorno) y del horizonte temporal (véase, por ejemplo, [Geltner,
Los REITs son en cierto sentido similares a los fondos mutuos, ya que proporcionan unamanera para que los inversionistas individuales adquieran una propiedad en los portafolios debienes raíces que generan ingresos.
Por alguna literatura, véase, por ejemplo, [Block, 2011], [Eldred, 2004], [Geltner, Rodriguezand O’Connor, 1995], [Goetzmann and Ibbotson, 1990], [Hoesli and Lekander, 2008], [Hudson-Wilson et al , 2005], [Larkin, Babin and Rose, 2004], [Mazurczak, 2011], [Pivar, 2003], [Steinert andCrowe, 2001].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) para calcular la asignación óptima condicional alhorizonte temporal y las características de rendimiento deseadas (véase, por ejem-plo, [Fugazza, Guidolin and Nicodano, 2007], [Hoevenaars et al , 2008], [MacKinnonand Al Zaman, 2009]).
Esta estrategia se trata de diversificar las tenencias inmobiliarias (que pueden ser unaparte de un portafolio más grande como en la Subsección 16.2). Los activos inmobil-iarios se pueden diversificar por su área geográfica, tipo de propiedad, tamaño, prox-imidad a un área metropolitana, región económica, etc. (véase, por ejemplo, [Eich-holtz et al , 1995], [Hartzell, Hekman and Miles, 1986], [Hartzell, Shulman andWurtzebach, 1987], [Hudson-Wilson, 1990], [Seiler, Webb and Myer, 1999], [Viezer,2000]). Varias técnicas de construcción de portafolios (tales como las mencionadasen la Subsección 16.2) se pueden aplicar para determinar las asignaciones.
Esta estrategia consiste en invertir en activos inmobiliarios de diferentes tipos, porejemplo, apartamentos, oficinas, propiedades industriales (que incluyen también losedificios y las propiedades para la fabricación), centros comerciales, etc. Estudiosempíricos sugieren que la diversificación por el tipo de propiedad puede ser ben-eficiosa para la reducción del riesgo no sistemático, incluso después de tener encuenta los costos de transacción (véase, por ejemplo, [Firstenberg, Ross and Zisler,1988], [Grissom, Kuhle and Walther, 1987], [Miles and McCue, 1984], [Mueller andLaposa, 1995]).
Esta estrategia consiste en diversificar las inversiones inmobiliarias por diferentes re-giones divididas según las características económicas, pudiendo ser estas la actividadeconómica principal, estadísticas de empleo, ingresos promedios, etc. Los estudiosempíricos sugieren que dicha diversificación puede reducir el riesgo no sistemático ylos costos de transacción (véase, por ejemplo, [Hartzell, Shulman and Wurtzebach,1987], [Malizia and Simons, 1991], [Mueller, 1993]).
Por literatura sobre la metodología del VAR, véase, por ejemplo, [Barberis, 2000], [Campbell,1991], [Campbell, Chan and Viceira, 2003], [Campbell and Viceira, 2004], [Campbell and Viceira,2005], [Kandel and Stambaugh, 1987], [Sørensen and Trolle, 2005].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Esta estrategia combina la diversificación basada en más de un atributo, por ejem-plo, el tipo de propiedad y la región. Por lo tanto, si consideramos cuatro tiposde propiedades: oficina, comercio minorista, industrial y residencial, y cuatro re-giones de EE.UU., a saber, Este, Medio Oeste, Sur y Oeste, podemos diversificar elportafolio en los 16 grupos resultantes (véase, por ejemplo, [Viezer, 2000]).
Esta estrategia consiste en comprar propiedades inmobiliarias en función de susrendimientos pasados. La evidencia empírica sugiere que hay un efecto de momen-tum en las áreas estadísticas metropolitanas (MSAs, por sus siglas en inglés) de losEstados Unidos, es decir, las áreas con rendimientos pasados más altos (bajos) tien-den a continuar ofreciendo rendimientos más altos (bajos) en el futuro (véase, porejemplo, [Beracha and Downs, 2015], [Beracha and Skiba, 2011]). En algunos casos,una estrategia de costo cero se puede construir, por ejemplo, utilizando vehículosinmobiliarios alternativos tales como REITs, futuros y opciones sobre los índices devivienda de los Estados Unidos basados en diferentes áreas geográficas.
Para obtener información adicional pertinente, véase, por ejemplo, [De Wit, 2010], [Ertugruland Giambona, 2011], [Gatzlaff and Tirtiroglu, 1995], [Hartzell, Eichholtz and Selender, 2007],[Hastings and Nordby, 2007], [Ross and Zisler, 1991], [Seiler, Webb and Myer, 1999], [Worzala andNewell, 1997].
Por algunas publicaciones sobre estrategias de momentum inmobiliario (incluyendo el uso deREITs y otros vehículos de inversión mencionados anteriormente) y tópicos relacionados, véase, porejemplo, [Abraham and Hendershott, 1993], [Abraham and Hendershott, 1996], [Anglin, Rutherfordand Springer, 2003], [Buttimer, Hyland and Sanders, 2005], [Caplin and Leahy, 2011], [Capozza,Hendershott and Mack, 2004], [Case and Shiller, 1987], [Case and Shiller, 1989], [Case and Shiller,1990], [Chan, Hendershott and Sanders, 1990], [Chan, Leung and Wang, 1998], [Chen et al , 1998],[Cho, 1996], [Chui, Titman and Wei, 2003a], [Chui, Titman and Wei, 2003b], [Cooper, Downsand Patterson, 1999], [Derwall et al , 2009], [de Wit and van der Klaauw, 2013], [Genesove andHan, 2012], [Genesove and Mayer, 1997], [Genesove and Mayer, 2001], [Goebel et al , 2013], [Graff,Harrington and Young, 1999], [Graff and Young, 1997], [Gupta and Miller, 2012], [Guren, 2014],[Haurin and Gill, 2002], [Haurin et al , 2010], [Head, Lloyd-Ellis and Sun, 2014], [Kallberg, Liu andTrzcinka, 2000], [Kang and Gardner, 1989], [Karolyi and Sanders, 1998], [Knight, 2002], [Krainer,2001], [Kuhle and Alvayay, 2000], [Lee, 2010], [Levitt and Syverson, 2008], [Li and Wang, 1995], [Linand Yung, 2004], [Liu and Mei, 1992], [Malpezzi, 1999], [Meen, 2002], [Mei and Gao, 1995], [Meiand Liao, 1998], [Moss et al , 2015], [Nelling and Gyourko, 1998], [Novy-Marx, 2009], [Ortalo-Magnéand Rady, 2006], [Piazzesi and Schneider, 2009], [Peterson and Hsieh, 1997], [Poterba and Sinai,2008], [Smith and Shulman, 1976], [Stein, 1995], [Stevenson, 2001], [Stevenson, 2002], [Taylor,1999], [Titman and Warga, 1986], [Wheaton, 1990], [Yavas and Yang, 1995], [Young and Graff,1996].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Los estudios empíricos sugieren una fuerte relación entre los retornos de los bienesraíces y la tasa de inflación. Por lo tanto, los bienes raíces pueden ser utilizadoscomo una cobertura contra inflación. Además, empíricamente, algunos tipos depropiedades (por ejemplo, los bienes raíces comerciales, que tienden a ajustarse másrápido a los aumentos inflacionarios de precios) parecen proporcionar una mejorcobertura que otros, aunque esto puede depender de varios aspectos tales como lamuestra, el mercado, etc.
Esta es una estrategia de inversión inmobiliaria a corto plazo. Consiste en com-prar una propiedad, que normalmente se encuentra en una situación deterioraday requiere renovaciones, con un descuento (sustancial) por debajo de los precios demercado. El inversor renueva la propiedad y la revende a un precio lo suficientementealto para cubrir los costos de renovación y obtener una ganancia.
Por literatura pertinente, véase, por ejemplo, [Bond and Seiler, 1998], [Fama and Schwert,1977], [Gunasekarage, Power and Zhou, 2008], [Hamelink and Hoesli, 1996], [Hartzell, Hekman andMiles, 1987], [Le Moigne and Viveiros, 2008], [Mauer and Sebastian, 2002], [Miles and Mahoney,1997], [Newell, 1996], [Sing and Low, 2000], [Wurtzebach, Mueller and Machi, 1991].
Por literatura pertinente, véase, por ejemplo, [Anacker, 2009], [Anacker and Schintler, 2015],[Bayer et al , 2015], [Chinco and Mayer, 2012], [Corbett, 2006], [Depken, Hollans and Swidler, 2009],[Depken, Hollans and Swidler, 2011], [Fu and Qian, 2014], [Hagopian, 1999], [Kemp, 2007], [Leungand Tse, 2013], [Montelongo and Chang, 2008], [Villani and Davis, 2006].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
17 Efectivo
El efectivo es un activo, aunque a veces su función como un activo puede pasarsepor alto o darse por sentada. Como un activo, el efectivo se puede utilizar de variasmaneras, por ejemplo, i) como una herramienta de gestión de riesgos , dado quepuede ayudar a mitigar los drawdowns y la volatilidad; ii) como una herramientade gestión de oportunidades , dado que permite aprovechar situaciones específicas oinusuales; y iii) como una herramienta de gestión de liquidez en situaciones inesper-adas que requieren fondos líquidos. Hay varias formas de incluir fondos líquidos enun portafolio, por ejemplo, mediante las letras del Tesoro de los Estados Unidos acorto plazo, certificados de depósitos bancarios (CDs, por sus siglas en inglés), pape-les comerciales, aceptaciones bancarias (BAs, por sus siglas en inglés), eurodólares,y acuerdos de recompra (REPO, por sus siglas en inglés) (también conocidos comorepos), etc.
El lavado de dinero, en términos generales, es una actividad en donde el efectivo seutiliza como un vehículo para transformar ganancias ilegales en activos de apariencialegítima. Hay tres pasos principales en el proceso de lavado de dinero. El primer (ymás riesgoso) paso es la colocación , a través del cual se introducen fondos ilegales enla economía legal mediante medios fraudulentos, por ejemplo, dividiendo los fondosen pequeñas cantidades y depositándolos en varias cuentas bancarias, evitando deesta forma su detección. El segundo paso, estratificación , implica mover el dineroentre diferentes cuentas e incluso países, creando de esta forma cierta complejidady separando el dinero de su fuente original en varios grados. El tercer paso es la integración , mediante el cual quienes lavan el dinero lo recuperan a través de fuentesde apariencia legítima, por ejemplo, negocios que requieren un uso intensivo deefectivo como bares y restaurantes, lavado de autos, hoteles (al menos en algunospaíses), establecimientos de apuestas, garajes de estacionamiento, etc.
Por alguna literatura, véase, por ejemplo, [Cook and LaRoche, 1993], [Cook and Rowe, 1986],[Damiani, 2012], [Duchin, 2010], [Goodfriend, 2011], [Schaede, 1990], [Summers, 1980], [Ysmailov,2017].
Por alguna literatura, véase, por ejemplo, [Ardizzi et al , 2014], [Cox, 2015], [Gilmour andRidley, 2015], [Hopton, 1999], [John and Brigitte, 2009], [Kumar, 2012], [Levi and Reuter, 2006],[Schneider and Windischbauer, 2008], [Seymour, 2008], [Soudijn, 2016], [Walker, 1999], [Wright etal , 2017].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Desde una perspectiva de gestión de portafolios, esta estrategia consiste en definir deforma óptima la cantidad de efectivo a mantener en el portafolio para satisfacer lasdemandas de liquidez generadas por eventos imprevistos.
El efectivo proporcionaliquidez inmediata, mientras que otros activos tendrían que ser liquidados primero,lo cual puede estar asociado con costos de transacción sustanciales, especialmente sila liquidación es abrupta.
Desde una perspectiva corporativa, mantener efectivopuede ser una medida de precaución dirigida a evitar el déficit de flujo de efectivoque puede producir, entre otras cosas, la pérdida de oportunidades de inversión,dificultades financieras, etc.
Un acuerdo de recompra (REPO) es un activo equivalente a efectivo que proporcionaliquidez inmediata a una tasa de interés preestablecida por un período específico detiempo a cambio de otro activo utilizado como colateral. Un acuerdo de recomprainverso es lo opuesto. Por lo tanto, una estrategia REPO consiste en pedir prestado(prestar) efectivo con intereses a cambio de activos con el compromiso de recomprar-los de (revenderlos a) la contraparte. Este tipo de transacción generalmente abarcadesde 1 día hasta 6 meses.
REPOs son en cierto sentido similares a las estrategias de empeño mucho más an-tiguas. Un prestamista otorga un préstamo asegurado en efectivo con un interés yun período pre-acordado (aunque a veces, este último se puede extender). El prés-tamo se asegura con un colateral, que es un artículo(s) valioso(s), tales como joyería,
Tenga en cuenta que esta no es necesariamente la misma razón por la cual se mantiene efectivocomo en las estrategias de Kelly. Por algunos estudios pertinentes, véase, por ejemplo, [Browne,2000], [Cover, 1984], [Davis and Lleo, 2012], [Hsieh and Barmish, 2015], [Hsieh, Barmish andGubner, 2016], [Kelly, 1956], [Laureti, Medo and Zhang, 2010], [Lo, Orr and Zhang, 2017], [Maslovand Zhang, 1998], [Nekrasov, 2014], [Rising and Wyner, 2012], [Samuelson, 1971], [Thorp, 2006],[Thorp and Kassouf, 1967].
Por alguna literatura, véase, por ejemplo, [Agapova, 2011b], [Aragon et al , 2017], [Cao etal , 2013], [Chernenko and Sunderam, 2016], [Connor and Leland, 1995], [Jiang, Li and Wang,2017], [Kruttli, Monin and Watugala, 2018], [Leland and Connor, 1995], [Simutin, 2014], [Yan,2006].
Por algunas publicaciones sobre aspectos corporativos de la gestión de liquidez y tópicosrelacionados, véase, por ejemplo, [Acharya, Almeida and Campello, 2007], [Almeida, Campello andWeisbach, 2005], [Azmat and Iqbal, 2017], [Chidambaran, Fernando and Spindt, 2001], [Disatnik,Duchin and Schmidt, 2014], [Froot, Scharfstein and Stein, 1993], [Han and Qiu, 2007], [Opler etal , 1999], [Sher, 2014].
Véase, por ejemplo, [Adrian et al , 2013], [Bowsher, 1979], [Duffie, 1996], [Garbade, 2004],[Gorton and Metrick, 2012], [Happ, 1986], [Kraenzlin, 2007], [Lumpkin, 1987], [Ruchin, 2011],[Schatz, 2012], [Simmons, 1954], [Sollinger, 1994], [Zhang, Fargher and Hou, 2018].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
A diferencia del empeño, la usura en muchas jurisdicciones es ilegal. La usuraconsiste en ofrecer un préstamo a tasas de interés excesivamente altas. Tal préstamono está necesariamente asegurado por un colateral. En cambio, el usurero a vecespuede recurrir al chantaje y/o a la violencia para hacer cumplir los términos de unpréstamo (véase, por ejemplo, [Aldohni, 2013]).
En la Sección 9 discutimos estrategias de trading basadas en futuros de commodities. Losprestamistas, entre otras cosas, comercian commodities físicos tales como plata y oro. Por algunaliteratura sobre empeño y tópicos relacionados, véase, por ejemplo, [Bos, Carter and Skiba, 2012],[Bouman and Houtman, 1988], [Caskey, 1991], [D’Este, 2014], [Fass and Francis, 2004], [Maaraviand Levy, 2017], [McCants, 2007], [Shackman and Tenney, 2006], [Zhou et al , 2016].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
18 Criptomonedas
Las criptomonedas, tales como el Bitcoin (BTC), el Ethereum (ETH), etc., a diferen-cia de las monedas fiduciarias tradicionales (USD, EUR, etc.), son monedas digitalesdescentralizadas basadas en protocolos de internet con una fuente abierta de entrepares (P2P, por sus siglas en inglés). Las criptomonedas tales como el BTC y el ETHutilizan la tecnología blockchain [Nakamoto, 2008].
La capitalización bursátil to-tal de criptomonedas se mide en cientos de miles de millones de dólares.
Muchosinversores se sienten atraídos por las criptomonedas como activos especulativos paracomprarlos y mantenerlos. Algunos los ven como diversificadores debido a su bajacorrelación con activos tradicionales. Otros los perciben como el futuro del dinero.Algunos inversores simplemente quieren hacer dinero rápido en una burbuja espec-ulativa. Etc.
Sea como sea, a diferencia de, por ejemplo, las acciones, no hay“fundamentos” evidentes para los criptoactivos, los cuales podrían ser la base paraconstruir estrategias de trading “fundamentales” (por ejemplo, estrategias basadasen value). Por lo tanto, las estrategias de trading de criptomonedas, generalmente,se basan en la minería de datos para tendencias mediante técnicas de aprendizajeautomático.
Esta estrategia utiliza una ANN (por sus siglas en inglés) para pronosticar losmovimientos a corto plazo del BTC utilizando, como variables de entrada, indi-cadores técnicos. En una ANN tenemos una capa de entrada (input layer en inglés),una capa de salida (output layer en inglés), y un cierto número de capas ocultas
El blockchain es un libro de registro distribuido que mantiene un registro de todas las transac-ciones. Es una cadena secuencial de bloques (que contiene registros de transacciones), los cualesestán vinculados mediante la criptografía y un marcador del tiempo. Ningún bloque puede modi-ficarse retroactivamente sin alterar todos los bloques subsiguientes, lo que hace que el blockchainsea resistente a la modificación de datos debido a su propio diseño. Para lograr una modificacióndel blockchain, el cual es mantenido por una gran red como un libro de registro distribuido conuna actualización constante en una gran cantidad de sistemas al mismo tiempo, se requeriría unacolusión de la mayor parte de la red.
Las criptomonedas son altamente volátiles, por lo que su capitalización de mercado varía enel tiempo de forma sustancial.
Por literatura pertinente, véase, por ejemplo, [Baek and Elbeck, 2014], [Bariviera et al , 2017],[Bouoiyour, Selmi and Tiwari, 2015], [Bouoiyour et al , 2016], [Bouri et al , 2017a], [Bouri et al ,2017b], [Brandvold et al , 2015], [Brière, Oosterlinck and Szafarz, 2015], [Cheah and Fry, 2015],[Cheung, Roca and Su, 2015], [Ciaian, Rajcaniova and Kancs, 2015], [Donier and Bouchaud, 2015],[Dowd and Hutchinson, 2015], [Dyhrberg, 2015], [Dyhrberg, 2016], [Eisl, Gasser and Weinmayer,2015], [Fry and Cheah, 2016], [Gajardo, Kristjanpoller and Minutolo, 2018], [Garcia and Schweitzer,2015], [Garcia et al , 2014], [Harvery, 2014], [Harvey, 2016], [Kim et al , 2016], [Kristoufek, 2015], [Lee,Guo and Wang, 2018], [Liew, Li and Budavári, 2018], [Ortisi, 2016], [Van Alstyne, 2014], [Wangand Vergne, 2017], [White, 2015].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Por ejemplo, podemos usar medias móviles(exponenciales) ((E)MAs, por sus siglas en inglés), desviaciones estándar móviles(exponenciales) ((E)MSDs, por sus siglas en inglés), el índice de fuerza relativa(RSI, por sus siglas en inglés), etc. De forma más concreta, podemos construir lacapa de entrada de la siguiente forma (véase, por ejemplo, [Nakano, Takahashi andTakahashi, 2018]). Sea P ( t ) el precio del BTC al momento t , en donde t = 1 , , . . . se mide en ciertas unidades (por ejemplo, intervalos de 15 minutos; también, t = 1es el tiempo más reciente). Consideremos: R ( t ) = P ( t ) P ( t + 1) − e R ( t, T ) = R ( t ) − R ( t, T ) (522) R ( t, T ) = 1 T t + T X t = t +1 R ( t ) (523) b R ( t, T ) = e R ( t, T ) σ ( t, T ) (524)[ σ ( t, T )] = 1 T − t + T X t = t +1 [ e R ( t, T )] (525)Entonces: R ( t ) es el retorno desde t + 1 hasta t ; R ( t, T ) es el retorno medio serialdesde t + T hasta t + 1, es decir, sobre T períodos, en donde T se puede elegir paraque sea lo suficientemente largo como para proporcionar una estimación razonablede la volatilidad (véase abajo); e R ( t, T ) es el retorno neto de la media serial; σ ( t, T )es la volatilidad calculada a partir de t + T hasta t + 1; y b R ( t, T ) es el retornoajustado de la media serial y normalizado. A continuación, para simplificar, omi-tiremos la referencia al parámetro T y usaremos b R ( t ) para denotar los rendimientosnormalizados. Por lo tanto, en espíritu, es algo similar a la estrategia de trading de acción individual conKNN discutida en la Subsección 3.17, que utiliza el algoritmo de los k vecinos más cercanos (KNN)(opuesto a la ANN).
Generalmente, un RSI > . < .
3) se interpreta como una señal de sobrecompra (so-breventa). Véase, por ejemplo, [Wilder, 1978].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
EMA( t, λ, τ ) = 1 − λ − λ τ t + τ X t = t +1 λ t − t − b R ( t ) (526)[EMSD( t, λ, τ )] = 1 − λλ − λ τ t + τ X t = t +1 λ t − t − [ b R ( t ) − EMA( t, λ, τ )] (527)RSI( t, τ ) = ν + ( t, τ ) ν + ( t, τ ) + ν − ( t, τ ) (528) ν ± ( t, τ ) = t + τ X t = t +1 max( ± b R ( t ) ,
0) (529)Aquí: τ es la longitud de la media móvil; λ es el parámetro de suavización exponen-cial. La capa de entrada luego puede consistir en, por ejemplo, b R ( t ), EMA( t, λ a , τ a ),EMSD( t, λ a , τ a ), y RSI( t, τ a ), en donde a = 1 , . . . , m , a = 1 , . . . , m . Los valores τ a pueden, por ejemplo, ser elegidos para corresponder a 30 minutos, 1 hora, 3 horas y6 horas (entonces m = 4; véase la nota al pie 223 para los valores de lambda λ a ). Losvalores τ a pueden, por ejemplo, ser elegidos para corresponder a 3 horas, 6 horasy 12 horas (entonces m = 3). No existe una bala mágica aquí. Estos valores sepueden elegir en función de un backtest fuera de la muestra teniendo en cuenta, sinembargo, el peligro que siempre se encuentra presente de sobreajuste, al considerartantos parámetros libres (véase abajo), incluyendo τ a , λ a y τ a .La capa de salida se puede construir de la siguiente manera. Asumamos que elobjetivo es pronosticar a qué cuantil pertenecerán los retornos futuros normalizados.Sea el número de cuantiles K . Así, para los valores de t correspondiente al conjuntode datos de entrenamiento D entrenamiento , tenemos los retornos normalizados b R ( t ), t ∈ D entrenamiento . Los valores de los ( K −
1) cuantiles de b R ( t ), t ∈ D entrenamiento ,sea q α , α = 1 , . . . , ( K − t , podemos definir K -vectores desupervisión S α ( t ), α = 1 , . . . , K , de la siguiente forma: S ( t ) = 1 , b R ( t ) ≤ q S α ( t ) = 1 , q α − ≤ b R ( t ) < q α , < α < KS K ( t ) = 1 , q K − ≤ b R ( t ) S α ( t ) = 0 , otros casos (530)La capa de salida entonces puede ser un K -vector no negativo p α ( t ), cuyos elementosse interpretan como las probabilidades de que los retornos normalizados futuros Tenga en cuenta que esto se puede hacer de más de una manera.
Para reducir el número de parámetros, podemos, por ejemplo, tomar λ = ( τ − / ( τ + 1). Idealmente, al calcular los cuantiles, un número apropiado d de los valores de t = t d , t d − , . . . , t d − d +1 , d = | D entrenamiento | , deberían ser excluidos para asegurar de que todos losvalores de las EMA, EMSD y el RSI se calculan utilizando los números requeridos de puntos dedatos.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) α -th cuantil. Entonces, tenemos K X α =1 p α ( t ) = 1 (531)La capa de salida se construye desde la capa de entrada como alguna de sus fun-ciones no lineales, con cierto número de parámetros a determinar a través del entre-namiento. En una ANN tenemos L capas etiquetadas con ‘ = 1 , . . . , L , en donde ‘ = 1 corresponde a la capa de entrada, y ‘ = L corresponde a la capa de sal-ida. En cada capa tenemos N ( ‘ ) nodos y los correspondientes N ( ‘ ) -vectores ~X ( ‘ ) concomponentes X ( ‘ ) i ( ‘ ) , i ( ‘ ) = 1 , . . . , N ( ‘ ) : X ( ‘ ) i ( ‘ ) = h ( ‘ ) i ( ‘ ) ( ~Y ( ‘ ) ) , ‘ = 2 , . . . , L (532) Y ( ‘ ) i ( ‘ ) = N ( ‘ − X j ( ‘ − =1 A ( ‘ ) i ( ‘ ) j ( ‘ − X ( ‘ − j ( ‘ − + B ( ‘ ) i ( ‘ ) (533)Aquí: ~Y ( ‘ ) es un N ( ‘ ) -vector con componentes Y ( ‘ ) i ( ‘ ) , i ( ‘ ) = 1 , . . . , N ( ‘ ) ; X (1) i (1) son los datos de entrada (para cada valor de t , es decir, b R ( t ), EMA( t, λ a , τ a ),EMSD( t, λ a , τ a ), y RSI( t, τ a ) – véase arriba); X ( L ) i ( L ) son los datos de salida p α ( t ) (esdecir, N ( L ) = K y el índice i ( L ) es lo mismo que α ); los parámetros desconocidos A ( ‘ ) i ( ‘ ) j ( ‘ − (llamados ponderaciones) y B ( ‘ ) i ( ‘ ) (llamado sesgo) se determinan a travésdel entrenamiento (véase abajo); y hay mucha arbitrariedad al momento deescoger los valores de N ( ‘ ) y las funciones de activación h ( ‘ ) i ( ‘ ) . Una posible elección(entre muchas otras) es la siguiente (véase, por ejemplo, [Nakano, Takahashi andTakahashi, 2018]): h ( ‘ ) i ( ‘ ) ( ~Y ( ‘ ) ) = max (cid:16) Y ( ‘ ) i ( ‘ ) , (cid:17) , ‘ = 2 , . . . , L − h ( L ) i ( L ) ( ~Y ( L ) ) = Y ( L ) i ( L ) N ( L ) X j ( L ) =1 Y ( L ) j ( L ) − (softmax) (535)Es decir, ReLU se utiliza en las capas ocultas (y el algoritmo se mueve a la siguientecapa solo si algunas neuronas están activadas (disparadas) en la capa ‘ , es decir,al menos algunos Y ( ‘ ) i ( ‘ ) > Suprimimos la variable de tiempo t para simplificar la notación. Nuevamente, no hay una bala mágica aquí. A priori, una gran cantidad de funciones de acti-vación se pueden utilizar, por ejemplo, sigmoide (también conocida como logística), tanh (tangentehiperbólica), unidad lineal rectificada (ReLU, por sus siglas en inglés), softmax, etc. Por algunosestudios pertinentes, véase, por ejemplo, [Bengio, 2009], [Chandra, 2003], [da S. Gomes, Ludermirand Lima, 2011], [Glorot, Bordes and Bengio, 2011], [Goodfellow et al , 2013], [Karlik and Vehbi,2011], [Mhaskar and Micchelli, 1993], [Singh and Chandra, 2003], [Wu, 2009].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) E debe minimizarse, por ejemplo, la llamada entropía cruzada (véase, porejemplo, [de Boer et al , 2005]): E = − X t ∈ D entrenamiento K X α =1 S α ( t ) ln( p α ( t )) (536)Para minimizar E , se puede, por ejemplo, utilizar el método de descenso gradi-ente estocástico (SGD, por sus siglas en inglés), que minimiza la función de erroriterativamente hasta que el procedimiento converge. Por último, debemos especificar las reglas de trading. Hay una serie de posibil-idades aquí dependiendo del número de cuantiles, es decir, la selección de K . Unaseñal de trading razonable está dada por:Señal = Comprar , si y solo si max( p α ( t )) = p K ( t )Vender , si y solo si max( p α ( t )) = p ( t ) (537)Por lo tanto, el trader compra el BTC si la clase predicha es p K ( t ) (el cuantilsuperior), y vende si es p ( t ) (el cuantil inferior). Esta regla de trading puede sermodificada. Por ejemplo, la señal de compra se puede basar en los 2 cuantilessuperiores, y la señal de venta se puede basar en los 2 cuantiles inferiores (véase,por ejemplo, [Nakano, Takahashi and Takahashi, 2018]). Las estrategias basadas en el análisis de sentimiento de las redes sociales se hanutilizado en el trading de acciones y también se han aplicado al trading de crip-tomonedas. La premisa es utilizar un esquema de clasificación de aprendizaje au-tomático para pronosticar, por ejemplo, la dirección del movimiento en los preciosdel BTC en función de datos de tweets. Esto implica recopilar todos los tweets quecontengan al menos una palabra clave de un vocabulario de aprendizaje pertinente
Se puede utilizar una variedad de métodos. Por algunos estudios pertinentes, véase, por ejem-plo, [Denton and Hung, 1996], [Dong and Zhou, 2008], [Dreyfus, 1990], [Ghosh, 2012], [Kingma andBa, 2014], [Ruder, 2017], [Rumelhart, Hinton and Williams, 1986], [Schmidhuber, 2015], [Wilson et al , 2018].
Diversas técnicas utilizadas en la aplicación de las ANNs a otras clases de activos, tales comoacciones, también pueden ser de utilidad para las criptomonedas. Véase, por ejemplo, [Ballings etal , 2015], [Chong, Han and Park, 2017], [Dash and Dash, 2016], [de Oliveira, Nobre and Zárate,2013], [Sezer, Ozbayoglu and Dogdu, 2017], [Yao, Tan and Poh, 1999]. Por alguna literaturaadicional, véase la nota al pie 60.
Por alguna literatura, véase, por ejemplo, [Bollen and Mao, 2011], [Bollen, Mao and Zeng,2011], [Kordonis, Symeonidis and Arampatzis, 2016], [Liew and Budavári, 2016], [Mittal and Goel,2012], [Nisar and Yeung, 2018], [Pagolu et al , 2016], [Rao and Srivastava, 2012], [Ruan, Durresiand Alfantoukh, 2018], [Sprenger et al , 2014], [Sul, Dennis and Yuan, 2017]), [Zhang, Fuehres andGloor, 2011].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) V durante un período de tiempo, ylimpiar los datos. Los datos resultantes se procesan posteriormente asignando loque se conoce como característica (o feature) ( M -vector) X i a cada tweet etiquetadopor i = 1 , . . . , N , en donde N es el número de tweets en el conjunto de datos. Aquí M = | V | es el número de palabras clave en el vocabulario de aprendizaje V . Por lotanto, los componentes de cada vector X i son X ia , en donde a = 1 , . . . , M etiquetalas palabras en V . Así, si la palabra w a ∈ V etiquetada por a no se encuentrapresente en el tweet T i etiquetado por i , entonces X ia = 0. Si w a está presente en T i , entonces podemos establecer que X ia = 1 o X ia = n ia , en donde n ia cuenta elnúmero de veces que w a aparece en T i . En el primer caso (que es en lo que nos cen-tramos en esta estrategia) tenemos una distribución de probabilidad de Bernoulli,mientras que en el último caso tenemos una distribución multinomial.Luego, debemos construir un modelo que, dados los N vectores de características X i , predice uno de un número preestablecido K de resultados (llamados clases ) C α , α = 1 , . . . , K . Por ejemplo, podemos tener K = 2 resultados, en donde el BTCestá previsto que suba o que baje, y que luego esto puede usarse como señal decompra/venta. Alternativamente, como en la estrategia de ANN en la Subsección18.2, podemos tener K cuantiles definidos para los rendimientos normalizados b R ( t ).Etc. Esto entonces define nuestras reglas de trading. Una vez que las clases C α son elegidas, una forma simple de pronosticarlas es mediante la construcción de unmodelo para estimar las probabilidades condicionales P ( C α | X , . . . , X N ). Aquí, engeneral, P ( A | B ) denota la probabilidad condicional de A ocurriendo luego de asumirque B es verdad. De acuerdo con el teorema de Bayes, tenemos P ( A | B ) = P ( B | A ) P ( A ) P ( B ) (538)en donde P ( A ) y P ( B ) son las probabilidades de los eventos A y B ocurriendoindependientemente el uno del otro. Entonces, tenemos P ( C α | X , . . . , X N ) = P ( X , . . . , X N | C α ) P ( C α ) P ( X , . . . , X N ) (539)Tenga en cuenta que P ( X , . . . , X N ) es independiente de C α y no será importante acontinuación. Ahora, P ( C α ) se puede estimar a partir de los datos de entrenamiento.La principal dificultad está en la estimación de P ( X , . . . , X N | C α ). Aquí logramosuna simplificación si asumimos la independencia condicional “naïve” (de ahí el tér-mino “naïve Bayes”), es decir, que, dada la clase C α , para todo i la característica X i Esto, entre otras cosas, incluye la eliminación de tweets duplicados que probablemente estángenerados por robots de Twitter, la eliminación de palabras vacías (por ejemplo, (los equivalentes eninglés de) “el/la”, “es/esta”, “en”, “que/cual”, etc.), que no agregan valor y luego, la aplicación deun proceso conocido ampliamente como stemming para reducir las palabras a su raíz o a su formabase (por ejemplo, (los equivalentes en inglés de) “invirtiendo” e “invertido” se reducen a “invertir”,etc.). Esto último se puede lograr utilizando, por ejemplo, el algoritmo de stemming de Porteru otros algoritmos similares (por algunas publicaciones, véase, por ejemplo, [Hull, 1996], [Porter,1980], [Raulji and Saini, 2016], [Willett, 2006]).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) X j , j = 1 , . . . , N ( j = i ): P ( X i | C α , X , . . . , X i − , X i +1 , . . . , X N ) = P ( X i | C α ) (540)Luego, la Ecuación (539) se simplifica de la siguiente manera: P ( C α | X , . . . , X N ) = γ P ( C α ) N Y i =1 P ( X i | C α ) (541) γ = 1 /P ( X , . . . , X N ) (542)Las probabilidades condicionales P ( X i | C α ) se pueden estimar utilizando las prob-abilidades condicionales P ( w a | C α ) para las M palabras w a en el vocabulario deaprendizaje V : P ( X i | C α ) = M Y a =1 Q iaα (543) Q iaα = P ( w a | C α ) , X ia = 1 (544) Q iaα = 1 − P ( w a | C α ) , X ia = 0 (545)Las probabilidades condicionales P ( w a | C α ) simplemente pueden estimarse basán-dose en las frecuencias de aparición de las palabras w a en los datos de entrenamiento.Del mismo modo, las probabilidades P ( C α ) se pueden estimar a partir de los datosde entrenamiento. Por lo tanto, si establecemos que el valor previsto C pred delresultado coincida con el máximo P ( C α | X , . . . , X N ), entonces tenemos C pred = argmax C α ∈{ ,...,K } P ( C α ) N Y i =1 M Y a =1 [ P ( w a | C α )] X ia [1 − P ( w a | C α )] − X ia (546) Por algunas publicaciones sobre la aplicación del sentimiento de Twitter en el trading delBitcoin, véase, por ejemplo, [Colianni, Rosales and Signorotti, 2015], [Georgoula et al , 2015], quetambién discuten otros métodos de aprendizaje automático tales como máquinas de vectores desoporte (SVM, por sus siglas en inglés) y regresión logística (también conocida como modelo logit).Por alguna literatura sobre el trading del Bitcoin utilizando otros datos de sentimiento, véase, porejemplo, [Garcia and Schweitzer, 2015], [Li et al , 2018]. Para algunos estudios sobre la aplicacióndel algoritmo tree boosting al trading de criptomonedas, véase, por ejemplo, [Alessandretti et al ,2018], [Li et al , 2018]. Por algunas publicaciones pertinentes adicionales (que generalmente parecenser relativamente escasas para el BTC en comparación con la literatura similar para el trading deacciones), véase, por ejemplo, [Amjad and Shah, 2017], [Jiang and Liang, 2017], [Shah and Zhang,2014].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
19 Macro Global
En realidad, las estrategias de trading macro constituyen un estilo de inversión,no una clase de activos. Estos tipos de estrategias no se limitan a ninguna clasede activo en particular o a una región geográfica y pueden utilizar como un mediode inversión acciones, bonos, monedas, commodities, derivados, etc., apuntando acapitalizar los cambios regionales, económicos y políticos en todo el mundo. Mien-tras que muchas estrategias macro se basan en opiniones subjetivas de los analistas(estas son estrategias discrecionales), el enfoque sistemático (estrategias no discre-cionales) también juega un papel destacado. Las estrategias macro globales puedenvariar según su estilo, por ejemplo, existen estrategias direccionales, estrategias conposiciones largas y cortas, estrategias de valor relativo, etc.
Esta estrategia apunta a capturar los retornos generados por la infra-reacción delmercado ante cambios en tendencias macroeconómicas comprando (vendiendo) losactivos favorecidos (adversamente afectados) por las tendencias macroeconómicasentrantes. Distintas clases de activos pueden ser utilizadas para construir un portafo-lio de inversiones, por ejemplo, índices globales de acciones, monedas, bonos guber-namentales, etc.
Las “variables de estado” a considerar son el ciclo económico,el comercio internacional, la política monetaria, y las tendencias del sentimientode riesgo (véase, por ejemplo, [Brooks, 2017]).
Por ejemplo, algunos índices deacciones de algunos países se clasifican de acuerdo con los valores de las 4 variables
Las estrategias macro se puede dividir en 3 clases: macro discrecional, macro sistemático, yCTA (por sus siglas en inglés)/futuros gestionados. Por algunas publicaciones sobre estrategiasmacro y tópicos relacionados, véase, por ejemplo, [Asgharian et al , 2004], [Chung, 2000], [Connorand Woo, 2004], [Dobson, 1984], [Drobny, 2006], [Fabozzi, Focardi and Jonas, 2010], [Fung andHsieh, 1999], [Gliner, 2014], [Kidd, 2014], [Lambert, Papageorgiou and Platania, 2006], [Potjer andGould, 2007], [Stefanini, 2006], [Zaremba, 2014].
Diferentes clases de activos se ven afectadas de forma diferente por las mismas tendenciasmacroeconómicas. Por ejemplo, un aumento en el crecimiento es positivo para acciones y monedas,pero negativo para bonos.
Las tendencias del ciclo económico se pueden estimar utilizando los cambios de 1 año enel crecimiento del GDP (por sus siglas en inglés) real y el valor esperado del CPI, cada variableaportando un 50% de peso. Las tendencias del comercio internacional se pueden estimar usandolos cambios de 1 año en las tasas de FX spot contra una cesta ponderada por exportaciones. Lastendencias de la política monetaria se pueden estimar utilizando los cambios de 1 año en las tasasa corto plazo. Las tendencias del sentimiento de riesgo se pueden estimar utilizando los excesosde retornos del mercado accionario a 1 año. Para obtener información sobre los fundamentosde estas variables, consulte, por ejemplo, [Bernanke and Kuttner, 2005], [Clarida and Waldman,2007], [Eichenbaum and Evans, 1995].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Un portafolio de costo ceroluego se puede construir, por ejemplo, tomando posiciones largas en los índices en eldecil superior y posiciones cortas en aquellos que se encuentran en el decil inferior.Los portafolios así construidos para varias clases de activos pueden, por ejemplo,combinarse con ponderaciones iguales. Típicamente, el período de tenencia varía detres a seis meses.
Los choques exógenos (como asuntos políticos o geopolíticos) pueden tener un im-pacto en los precios de commodities tales como el petróleo, conduciendo a un au-mento de los precios en las economías dependientes de éste. Hay dos pasos en esteproceso: (i) un traspaso de los precios de commodities a la inflación general (HI,por sus siglas en inglés), y (ii) luego, un traspaso desde HI a la inflación núcleo (CI,por sus siglas en inglés).
Es decir, HI refleja rápidamente algunos de los choquesque ocurren en todo el mundo. Entonces, la estrategia de cobertura macro globalcontra la inflación se basa en el margen entre HI y CI como indicador para cubrirsecontra la inflación utilizando commodities:
CA = max , min HI Y oY − CI Y oY HI Y oY , !! (547)Aquí: CA (por sus siglas en inglés) es el porcentaje de asignación a commoditiesdentro del portafolio, y “YoY” se refiere a “año a año”. La operación de cober-tura puede ser ejecutada, por ejemplo, comprando una cesta de varios commoditiesmediante ETFs, futuros, etc. (véase, por ejemplo, [Fulli-Lemaire, 2013]). Esta estrategia de trading macro sistemática se basa en un análisis de corte transver-sal de bonos gubernamentales de diversos países utilizando variables como (véase,por ejemplo, [Brück and Fan, 2017]) el GDP, la inflación, el riesgo soberano, las tasasde interés reales, la brecha de producción (output gap en inglés), value, momentum,la diferencia temporal (en la curva de rendimientos), y el ampliamente conocido
Hay una variedad de formas de hacer esta clasificación (ranking en inglés) utilizando las 4variables. Véase, por ejemplo, la Subsección 3.6.
HI es la inflación general medida por índices como el Índice de Precios al Consumidor (CPI,por sus siglas en inglés), basado en precios de una amplia cesta de bienes y servicios, mientras queCI excluye algunos productos tales como commodities, que son altamente volátiles y agregan unruido considerable al índice. Por estudios pertinentes, véase, por ejemplo, [Blanchard and Gali,2007], [Blanchard and Riggi, 2013], [Clark and Terry, 2010], [Hamilton, 2003], [Marques, Nevesand Sarmento, 2003], [Trehan, 2005], [van den Noord and André, 2004].
Por algunos estudios sobre el uso de commodities como cobertura contra la inflación, véase, porejemplo, [Amenc, Martellini and Ziemann, 2009], [Bodie, 1983], [Bodie and Rosansky, 1980], [Greer,1978], [Hoevenaars et al , 2008], [Jensen, Johnson and Mercer, 2002].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
La evidencia empírica sugiere que las acciones tienden a obtener mayores retornosen las fechas de anuncios importantes tales como los anuncios del Comité Federal deMercado Abierto (FOMC, por sus siglas en inglés).
Por lo tanto, una estrategiade trading macro simple consiste en comprar las acciones en los días de anunciosimportantes, tales como los anuncios del FOMC, y durante los días sin anuncios,posicionarse en activos libres de riesgo. Esto se hace a través de ETFs, futuros,etc., y no con las acciones individuales, ya que la estrategia consiste en pasar de un100% asignado a las acciones a un 100% asignado a los bonos del Tesoro (véase, porejemplo, [Stotz, 2016]).
Por algunos estudios sobre las inversiones con factores en activos de renta fija, véase, porejemplo, [Beekhuizen et al , 2016], [Correia, Richardson and Tuna, 2012], [Houweling and vanVundert, 2017], [Koijen, Moskowitz, Pedersen and Vrugt, 2018], [L’Hoir and Boulhabel, 2010],[Staal et al , 2015].
Por literatura pertinente, véase, por ejemplo, [Ai and Bansal, 2016], [Bernanke and Kuttner,2005], [Boyd, Hu and Jagannathan, 2005], [Donninger, 2015], [Graham, Nikkinen and Sahlström,2003], [Jones, Lamont and Lumsdaine, 1998], [Lucca and Moench, 2012], [Savor and Wilson, 2013].
Esta estrategia se puede sofisticar con varios filtros (por ejemplo, técnicos) (véase, por ejemplo,[Stotz, 2016]).
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
20 Infraestructura
En general, invertir en infraestructura incluye invertir en proyectos a largo plazotales como transporte (carreteras, puentes, túneles, ferrocarriles, puertos, aeropuer-tos, etc.), telecomunicaciones (cables de transmisión, satélites, torres, etc.), serviciospúblicos (generación de electricidad, transmisión o distribución de gas o electrici-dad, suministro de agua, aguas residuales, residuos, etc.), energía (incluyendo perono limitado a energía renovable), atención médica (hospitales, clínicas, hogares deancianos, etc.), instalaciones educativas (escuelas, universidades, institutos de in-vestigación, etc.), etc. Un inversionista puede ganar exposición a los activos deinfraestructura mediante inversiones directas o indirectas tales como inversiones decapital privado (por ejemplo, a través de fondos de infraestructura no cotizados),fondos de infraestructura cotizados, acciones de las compañías de infraestructuraque cotizan en la bolsa, bonos municipales destinados a proyectos de infraestruc-tura, etc.
Las inversiones en infraestructura, por su naturaleza, son inversiones de largoplazo, de compra y mantenimiento. Una estrategia de inversión consiste en uti-lizar activos de infraestructura para mejorar los retornos ajustados por riesgo deportafolios diversificados, por ejemplo, a través de ETFs de rastreo, fondos de in-fraestructura global, fondos de infraestructura no cotizados, etc.
Otra estrategiade inversión es utilizar activos de infraestructura para obtener cobertura contra lainflación.
Otra estrategia de inversión más es generar flujos de efectivo establesmediante inversiones en infraestructura. Para este propósito, proyectos “brown-field” (asociados a activos establecidos que necesitan mejoras) son más apropiadosque los proyectos “greenfield” (asociados a los activos por construir). Diversificacióna través de diferentes sectores puede ser beneficioso en este sentido.
Por algunas publicaciones sobre infraestructura como una clase de activo y tópicos relaciona-dos, véase, por ejemplo, [Ansar et al , 2016], [Bitsch, Buchner and Kaserer, 2010], [Blanc-Brude,Hasan and Whittaker, 2016], [Blanc-Brude, Whittaker and Wilde, 2017], [Blundell, 2006], [Clark,2017], [Clark et al , 2012], [Finkenzeller, Dechant and Schäfers, 2010], [Grigg, 2010], [Grimseyand Lewis, 2002], [Hartigan, Prasad and De Francesco, 2011], [Helm, 2009], [Helm and Tindall,2009], [Herranz-Loncán, 2007], [Inderst, 2010a], [McDevitt and Kirwan, 2008], [Newell, Chau andWong, 2009], [Newell and Peng, 2008], [Peng and Newell, 2007], [Ramamurti and Doh, 2004],[Rickards, 2008], [Sanchez-Robles, 1998], [Sawant, 2010a], [Sawant, 2010b], [Singhal, Newell andNguyen, 2011], [Smit and Trigeorgis, 2009], [Torrance, 2007], [Vives, 1999], [Weber, Staub-Bisangand Alfen, 2016], [Wurstbauer et al , 2016].
Véase, por ejemplo, [Dechant and Finkenzeller, 2013], [Haran et al , 2011], [Joshi and Lambert,2011], [Martin, 2010], [Nartea and Eves, 2010], [Newell, Peng and De Francesco, 2011], [Oyedele,Adair and McGreal, 2014], [Panayiotou and Medda, 2016], [Rothballer and Kaserer, 2012].
Infraestructura, como bienes raíces, puede ser una inversión de cobertura contra la inflación,aunque aparentemente con cierta heterogeneidad. Por alguna literatura, véase, por ejemplo, [Ar-mann and Weisdorf, 2008], [Bird, Liem and Thorp, 2014], [Inderst, 2010b], [Wurstbauer andSchäfers, 2015], [Rödel and Rothballer, 2012].
Por algunos estudios pertinentes, véase, por ejemplo, [Arezki and Sy, 2016], [Espinoza andLuccioni, 2002], [Leigland, 2018], [Panayiotou and Medda, 2014], [Weber, Adair and McGreal,2008].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Agradecimientos
JAS agradece a Julián R. Siri por sus valiosas discusiones. Los autores agradecen aEmiliano Serur por su ayuda con la correción del manuscrito.146sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
A Código Fuente en R para Backtesting
En este apéndice brindamos el código fuente en R (R Package for Statistical Com-puting, ) para backtesting de estrategias intradía, endonde la posición se establece en la apertura y se liquida al cierre (del mercado) enel mismo día. El único propósito de este código es ilustrar algunos trucos simplespara realizar un backtesting fuera de muestra. En particular, este código no trata elsesgo de supervivencia de ninguna manera, aunque para este tipo de estrategias– precisamente porque se trata de estrategias intradía – el sesgo de supervivenciano es perjudicial (véase, por ejemplo, [Kakushadze, 2015b]).
La función principal (que internamente llama a algunas otras subfunciones) es qrm.backtest() con las siguientes entradas: (i) days es el lookback; (ii) d.r seutiliza para calcular el riesgo, tanto para la longitud de la desviación estándar móvil tr (computada internamente a través de las ventanas móviles de d.r días) así comoel lookback para computar el modelo de riesgo (y, si es aplicable, una clasificaciónestadística de la industria) – véase abajo; (iii) d.addv se utiliza como el lookbackpara el volumen diario promedio en dólares addv , que es computado internamente;(iv) n.addv es el número de los mejores tickers (tableros de cotizaciones) según addv ,el cual es utilizado como el universo de trading y se recalcula cada d.r días; (v) inv.lvl es el nivel de inversión total (posiciones largas mas cortas, y la estrategia esdólar-neutral); (vi) bnds controla los límites de las posiciones (que en esta estrategiason los mismos que los límites de trading), es decir, las tenencias en dólares H i paracada acción están delimitadas a través de ( B i son los elementos bnds , que puedenser uniformes) | H i | ≤ B i A i (548)en donde i = 1 , . . . , N etiqueta las acciones en el universo de trading, y A i sonlos elementos correspondientes de addv ; (vii) incl.cost es un Booleano para incluircostos transaccionales lineales, que se modelan de la siguiente manera. Parala acción etiquetada por i , sea E i su retorno esperado y w i sea su ponderacióndentro del portafolio. El código fuente a continuación determina w i a través de laoptimización (de media-varianza) (con límites). Para la acción etiquetada por i ,sea τ i el costo de trading lineal por dólar negociado. Incluir dichos costos en elproblema de optimización del portafolio consiste en reemplazar el retorno esperado Es decir, simplemente, no tiene en cuenta el hecho de que en el pasado había tickers (tablerosde cotizaciones) que ya no existen en la actualidad, ya sea por bancarrota, fusiones, adquisiciones,etc. En su lugar, los datos de entrada se toman para los tickers (tableros de cotizaciones) queexisten en un día determinado mirando hacia atrás, digamos, algunos años.
Por algunas publicaciones relacionadas con el sesgo de supervivencia, que es importantepara las estrategias de horizonte más largo, véase, por ejemplo, [Amin and Kat, 2003], [Brown etal , 1992], [Bu and Lacey, 2007], [Carhart et al , 2002], [Davis, 1996], [Elton, Gruber and Blake,1996b], [Garcia and Gould, 1993].
Aquí seguimos la discusión en la Subsección 3.1 de [Kakushadze and Yu, 2018b].
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) E port = N X i =1 E i w i (549)por E port = N X i =1 [ E i w i − τ i | w i | ] (550)Un algoritmo completo para incluir los costos transaccionales lineales en la opti-mización de media-varianza se presenta en, por ejemplo, [Kakushadze, 2015b]. Sinembargo, para nuestros propósitos aquí el siguiente simple truco es suficiente. Pode-mos definir el retorno efectivo E effi = sign( E i ) max( | E i | − τ i ,
0) (551)y simplemente establecer E port = N X i =1 E effi w i (552)Es decir, si la magnitud del retorno esperado para una acción dada es menor queel costo esperado en el que se incurrirá, establecemos que el retorno esperado seaigual a cero, de lo contrario reducimos dicha magnitud por dicho costo. De estamanera podemos evitar un procedimiento iterativo no trivial (véase, por ejemplo,[Kakushadze, 2015b]), aunque esto es solo una aproximación.Entonces, ¿qué debemos usar como τ i en (551)? El modelo de [Almgren et al ,2005] es razonable para nuestros propósitos aquí. Sea H i la cantidad de dólares negociados para la acción etiquetada por i . Entonces para los costos transaccionaleslineales tenemos T i = ζ σ i | H i | A i (553)en donde σ i es la volatilidad histórica, A i es el volumen promedio diario en dólares(ADDV, por sus siglas en inglés), y ζ es una constante de normalización generalque necesitamos fijar. Sin embargo, arriba trabajamos con las ponderaciones w i ,no con los montos en dólares negociados H i . En nuestro caso de una estrategiade trading puramente intradía, las ponderaciones están relacionadas simplemente através de H i = I w i , en donde I es el nivel de inversión total (es decir, las tenenciasen dólares totales absolutas del portafolio una vez que éste es establecido). Por lotanto, tenemos (note que T i = τ i | H i | = τ i I | w i | ) τ i = ζ σ i A i (554)Para fijar la normalización general ζ , utilizaremos la siguiente heurística. Asumire-mos (de forma conservadora) que el costo lineal promedio por cada dólar negociado es148sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) es decir, media( τ i ) = 10 − y ζ = 10 − / media( σ i /A i ).Luego, internamente el código obtiene datos de precios y volúmenes leyéndo-los desde archivos delimitados por tabuladores nrm.ret.txt (retorno nocturno,internamente referido como ret – véase abajo), nrm.open.txt (precio de aperturadiario sin procesar, sin ajustar, internamente referido como open ), nrm.close.txt (precio de cierre diario sin procesar, sin ajustar, internamente referido como close ), nrm.vol.txt (volumen diario sin procesar, sin ajustar, internamente referido como vol ), nrm.prc.txt (precio de cierre diario totalmente ajustado por todos los splitsy dividendos, internamente referido como prc ). Las filas de ret , open , close , vol y prc corresponden a los N tickers (tableros de cotizaciones) (índice i ). Sean losdías de trading etiquetados por t = 0 , , , . . . , T , en donde t = 0 es el día másreciente. Luego las columnas de open , close , vol y prc corresponden a los días detrading t = 1 , , . . . , T , es decir, el valor de t es el mismo que el valor del índice de lacolumna. Por otro lado, las columnas de ret corresponden a los retornos nocturnosdel cierre a la apertura desde el día de trading t hasta el día de trading t −
1. Esdecir, la primera columna de ret corresponde a los retornos nocturnos del cierre ala apertura desde el día de trading t = 1 hasta el día de trading t = 0. También, ret , llámese R i ( t ), en donde t = 1 , , . . . , T etiqueta las columnas de ret , se calculade la siguiente manera: R i ( t ) = ln P AOi ( t − P ACi ( t ) ! (555) P AOi ( t ) = γ adji ( t ) P Oi ( t ) (556) γ adji ( t ) = P ACi ( t ) P Ci ( t ) (557)Aquí: P Oi ( t ) es el precio de apertura sin procesar (que es el elemento correspondi-ente a open para t = 1 , , . . . , T ); P Ci ( t ) es el precio de cierre sin procesar (que es elelemento correspondiente a close para t = 1 , , . . . , T ); P ACi ( t ) es el precio de cierretotalmente ajustado (que es el elemento correspondiente a prc para t = 1 , , . . . , T ); γ adji ( t ) es el factor de ajuste, que se utiliza para calcular el precio de apertura total-mente ajustado P AOi ( t ); entonces R i ( t ) es el retorno nocturno del cierre a la aperturabasado en los precios totalmente ajustados. Tenga en cuenta que los precios en t = 0requeridos para la computación de R i (1) no son parte de las matrices open , close y prc . Además, el código asume internamente que las matrices ret , open , close , vol y prc están todas alineadas, es decir, todos los tickers (tableros de cotizaciones)y las fechas son iguales y están en el mismo orden en cada uno de los 5 archivos Esto es equivalente a suponer que establecer un portafolio igualmente ponderado cuesta 10bps.
Este código específico no utiliza el precio máximo, el precio mínimo, el precio promedioponderado por volumen (VWAP, por sus siglas en inglés), los precios intradía (por ejemplo, minutoa minuto), etc. Sin embargo, es sencillo modificarlo de tal manera que lo haga.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) nrm.ret.txt (tenga en cuenta el etiquetado de los retornos descripto anteriormente), nrm.open.txt , nrm.close.txt , nrm.vol.txt y nrm.prc.txt . El ordenamiento de lostickers (tableros de cotizaciones) en estos archivos es inmaterial, siempre y cuandosea el mismo en los 5 archivos ya que el código es ajeno a dicho ordenamiento.Sin embargo, las fechas deben ordenarse de forma descendente, es decir, la primeracolumna corresponde a la fecha más reciente, la segunda columna corresponde a lafecha anterior, etc. (aquí “fecha” corresponde a un día de trading). Por último,tenga en cuenta que la función interna read.x() lee estos archivos con el valor delparámetro as.is = T . Esto significa que estos archivos están en el formato delim-itado por tabulaciones “R-ready”, con N + 1 líneas delimitadas por tabulaciones.Las líneas 2 hasta N + 1 tienen T + 1 elementos cada una. El primer elementoes un símbolo de un ticker (tablero de cotizaciones) (entonces los N símbolos com-prenden dimnames( · )[[1]] de la matriz correspondiente, por ejemplo, open para losprecios de apertura), y los otros T elementos son los T valores (por ejemplo, P Oi ( t ), t = 1 , . . . , T , para los precios de apertura). Sin embargo, la primera línea tienesolo T elementos, que son las etiquetas de los días de trading (entonces estos com-prenden dimnames( · )[[2]] de la matriz correspondiente, por ejemplo, open para losprecios de apertura). Funciones internas que utilizan estos datos de entrada, talescomo calc.mv.avg() (que calcula las medias móviles simples) y calc.mv.sd() (quecalcula las desviaciones estándar móviles simples) son simples y se explican por símismas.Como se mencionó anteriormente, el parámetro de entrada d.r se utiliza pararecomputar el universo de trading y los modelos de riesgo (véase abajo) cada d.r días de trading. Estos cálculos se realizan 100% fuera de la muestra, es decir, losdatos utilizados en estos cálculos están 100% en el pasado con respecto al día detrading en el que las cantidades resultantes se utilizan (de forma simulada). Esto selogra en parte mediante el uso de la función interna calc.ix() . Tenga en cuenta quelos datos de entrada descriptos anteriormente están estructurados y se utilizan de talmanera que los backtests son 100% fuera de la muestra. Aquí se deben distinguir dosaspectos conceptualmente diferentes. Por un lado, tenemos los retornos esperadosy “el resto”. Este último – que puede ser referido en cierta forma a la “gestión deriesgos” – siendo la selección del universo, la computación del modelo de riesgo,etc., es decir, la maquinaria que nos conduce desde los retornos esperados a lastenencias deseadas (es decir, las posiciones de la estrategia). La parte de gestión deriesgos debe ser 100% fuera de la muestra. En la vida real los retornos esperados sontambién 100% fuera de la muestra. Sin embargo, en el backtesting, mientras que losretornos esperados en ninguna circunstancia pueden mirar hacia el futuro, a vecespueden estar “en el límite de la muestra”. Por lo tanto, considere una estrategia quehoy opera sobre los retornos calculados con los precios del cierre de ayer y la aperturade hoy. Si asumimos que las posiciones se establecen en base a este retorno en algúnmomento después de la apertura, entonces el backtest está fuera de la muestra porel tiempo de “retraso” que transcurre entre la apertura y el momento en el que seestablece la operación. Sin embargo, si asumimos que la posición se establece en la150sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
DELAY-0 y DELAY-1 en el código).El código calcula internamente las tenencias deseadas a través de la optimización.La función del optimizador (que incorpora límites y restricciones lineales, talescomo la dólar-neutralidad) bopt.calc.opt() se puede encontrar en [Kakushadze,2015e]. Una de sus entradas es la inversa de la matriz de covarianza del mod-elo para las acciones. Esta matriz se calcula internamente a través de las fun-ciones tales como qrm.cov.pc() y qrm.erank.pc() , las cuales se dan en y uti-lizan la construcción del modelo estadístico de riesgo de [Kakushadze and Yu,2017a], o qrm.gen.het() , el cual se da en y utiliza el modelo heterótico de riesgode [Kakushadze and Yu, 2016a]. Este último requiere una clasificación binaria mul-tinivel de la industria. El siguiente código crea una clasificación de este tipo através de la función qrm.stat.ind.class.all() , que se da en y utiliza la construc-ción de la clasificación estadística de la industria de [Kakushadze and Yu, 2016b].Sin embargo, el código puede modificarse fácilmente para usar una clasificaciónfundamental de la industria, tal como GICS (Estándar Global de Clasificación dela Industria), BICS (Sistema de Bloomberg de Clasificación de la Industria), SIC(Clasificación Industrial Estándar), etc. Un problema con esto es que prácticamentees difícil hacer esto 100% fuera de la muestra. Sin embargo, “in-sampleness” (o elgrado en que se encuentra dentro de la muestra) de una clasificación fundamentalde la industria – que es relativamente estable – por lo general, no plantea un prob-lema grave en tales backtests dado que las acciones rara vez saltan de las industrias.Además, tenga en cuenta que las funciones “externas” mencionadas anteriormentetienen otros parámetros (que se establecen en sus valores predeterminados implíci-tos en el código a continuación), que se pueden modificar (consulte las referenciasanteriores que proporcionan las funciones mencionadas).Finalmente, el código calcula internamente las tenencias deseadas y varias carac-terísticas de rendimiento tales como el P&L total durante el período de backtesting,el retorno anualizado, el ratio de Sharpe anualizado y los centavos por acción.Estas y otras cantidades computadas internamente pueden obtenerse (por ejemplo,a través de entornos o listas), volcarse en archivos, imprimirse en una pantalla,151sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) qrm.backtest <- function (days = 252 * 5, d.r = 21, d.addv = 21,n.addv = 2000, inv.lvl = 2e+07, bnds = .01, incl.cost = F){ calc.ix <- function(i, d, d.r){ k1 <- d - ik1 <- trunc(k1 / d.r)ix <- d - k1 * d.rreturn(ix)}calc.mv.avg <- function(x, days, d.r){ y <- matrix(0, nrow(x), days)for(i in 1:days)y[, i] <- rowMeans(x[, i:(i + d.r - 1)])return(y)}calc.mv.sd <- function(x, days, d.r){ y <- matrix(0, nrow(x), days)for(i in 1:days)y[, i] <- apply(x[, i:(i + d.r - 1)], 1, sd)return(y)}read.x <- function(file){ x <- read.delim(file, as.is = T)x <- as.matrix(x)mode(x) <- "numeric"return(x)}calc.sharpe <- function (pnl, inv.lvl){ print(sum(pnl, na.rm = T))
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) print(mean(pnl, na.rm = T) * 252 / inv.lvl * 100)print(mean(pnl, na.rm = T) / sd(pnl, na.rm = T) * sqrt(252))}ret <- read.x("nrm.ret.txt")open <- read.x("nrm.open.txt")close <- read.x("nrm.close.txt")vol <- read.x("nrm.vol.txt")prc <- read.x("nrm.prc.txt")addv <- calc.mv.avg(vol * close, days, d.addv)ret.close <- log(prc[, -ncol(prc)]/prc[, -1])tr <- calc.mv.sd(ret.close, days, d.r)ret <- ret[, 1:days]prc <- prc[, 1:days]close <- close[, 1:days]open <- open[, 1:days]close1 <- cbind(close[, 1], close[, -ncol(close)])open1 <- cbind(close[, 1], open[, -ncol(open)])pnl <- matrix(0, nrow(ret), ncol(ret))des.hold <- matrix(0, nrow(ret), ncol(ret))for(i in 1:ncol(ret)){ ix <- calc.ix(i, ncol(ret), d.r)if(i == 1)prev.ix <- 0if(ix != prev.ix){ liq <- addv[, ix]x <- sort(liq)x <- x[length(x):1]take <- liq >= x[n.addv]r1 <- ret.close[take, (ix:(ix + d.r - 1))]
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) rr <- qrm.cov.pc(r1)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) print(cps)}
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
B DESCARGOS DE RESPONSABILIDAD
Donde quiera que el contexto así lo requiera, el género masculino incluye el femeninoy/o el neutro, y la forma singular incluye el plural y viceversa . El autor de este li-bro (“Autor”) y sus afiliados incluyendo, sin limitación, Quantigic (cid:114)
Solutions LLC(“Afiliados del Autor” o “sus Afiliados”) no otorgan de forma implícita ni expresanninguna garantía o cualquier otra representación que sea, incluyendo, sin limitación,garantías implícitas de comercialización y adecuación para un propósito particular,en relación con o con respecto al contenido de este documento, incluido, sin lim-itación, cualquier código o algoritmo contenido en este documento (“Contenido”).El lector puede usar el Contenido únicamente bajo su propio riesgo y el lectorno tendrá derecho a ningún tipo de reclamo contra el Autor o sus Afiliados, y elAutor y sus Afiliados no tendrán responsabilidad alguna ante el lector o cualquiertercero por cualquier pérdida, gastos, costos de oportunidad, daños o cualquier otroefecto adverso relacionado con el uso del Contenido por parte del lector, incluido sinlimitación alguna: cualquier daño directo, indirecto, incidental, especial, consecuen-cial o cualquier otro daño en el que incurra el lector, sin importar la causa y bajocualquier teoría de responsabilidad; cualquier pérdida de ganancias (ya sea directa oindirectamente), pérdida de buena voluntad o reputación, pérdida de datos, costosde adquisición de bienes o servicios sustitutos, o cualquier otra pérdida tangible ointangible; cualquier confianza depositada por el lector en la integridad, exactitud oexistencia del Contenido o cualquier otro efecto del uso del Contenido; y cualquiery todas las demás adversidades o efectos negativos que el lector pueda encontraral usar el Contenido, independientemente de si el Autor o sus Afiliados es o son odeberían haber sido conscientes de tales adversidades o efectos negativos.Cualquier información u opinión proporcionada en el presente documento tienesolo fines informativos y no está destinada, ni debe ser interpretada, como un consejode inversión, asesoramiento legal, fiscal o cualquier otro tipo de asesoramiento, o unaoferta, solicitud, recomendación o aprobación de cualquier estrategia de trading,activo, producto o servicio, o cualquier artículo, libro o cualquier otra publicación ala que se haga referencia en este documento o cualquiera de sus contenidos.El código R incluido en el Apéndice A del presente documento forma parte delcódigo R con derechos de autor de Quantigic (cid:114)
Solutions LLC y se proporciona aquícon el permiso expreso de Quantigic (cid:114)
Solutions LLC. El propietario de los derechosde autor conserva todos los derechos, títulos e intereses en y a su código fuente conlos derechos de autor incluido en el Apéndice A de este documento, cualquiera ytodos los derechos de autor correspondientes.156sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Bibliografía
Abken, P.A. (1989) An analysis of intra-market spreads in heating oil futures.
Journal of Futures Markets
Federal ReserveBank of Atlanta, Economic Review
Real Estate and the Credit Crunch.
Boston, MA: Federal ReserveBank of Boston, pp. 18-42.Abraham, J.M. and Hendershott, P.H. (1996) Bubbles in Metropolitan Hous-ing Markets.
Journal of Housing Research
Journal of Financial Economics
Working Paper.
Available online: https://ssrn.com/abstract=2293684 .Acharya, V.V., Almeida, H. and Campello, M. (2007) Is cash negative debt?A hedging perspective on corporate financial policies.
Journal of FinancialIntermediation
Financial Management
Interfaces
Journal of Banking & Finance
60: 93-111.Adrangi, B., Chatrath, A., Song, F. and Szidarovszky, F. (2006) Petroleumspreads and the term structure of futures prices.
Applied Economics
Federal Reserve Bank of New York Staff Reports , No. 529.Available online: . 157sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Federal Reserve Bank of New York Staff Reports , No. 362. Available online: .Agapova, A. (2011a) Conventional mutual funds versus exchange-traded funds.
Journal of Financial Markets
Journal of Applied Finance
Journalof Empirical Finance
Advancesin Futures and Options Research , Vol. 1, Part B. Greenwich, CT: JAI Press,Inc., pp. 171-191.Ahmerkamp, J.D. and Grant, J. (2013) The Returns to Carry and MomentumStrategies.
Working Paper.
Available online: https://ssrn.com/abstract=2227387 .Ahn, D.-H., Boudoukh, J., Richardson, M. and Whitelaw, R.F. (2002) Partialadjustment or stale prices? Implications from stock index and futures returnautocorrelations.
Review of Financial Studies
Review of Financial Studies
Working Paper.
Available online: https://ssrn.com/abstract=2827445 .Aiba, Y. and Hatano, N. (2006) A microscopic model of triangular arbitrage.
Physica A: Statistical Mechanics and its Applications
PhysicaA: Statistical Mechanics and its Applications
Physica A: Statistical Mechanics and its Applications
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Global Finance Journal
Journal of Econometrics
Working Paper.
Available online: https://ssrn.com/abstract=2136820 .Akram, Q.F., Rime, D. and Sarno, L. (2008) Arbitrage in the foreign exchangemarket: Turning on the microscope.
Journal of International Economics
PLoS ONE
Applied Mathematical Finance
Quantitative Finance
Insurance: Mathematics and Economics
Journal of Law and Society
High-Frequency Trading: A Practical Guide to AlgorithmicStrategies and Trading Systems. (2nd ed.) Hoboken, NJ: John Wiley & Sons,Inc.Aldridge, I. (2016) ETFs, High-Frequency Trading, and Flash Crashes.
Journalof Portfolio Management
Working Paper.
Available online: https://arxiv.org/pdf/1805.08550.pdf .Alexander, C. and Korovilas, D. (2012) Understanding ETNs on VIX Futures.
Working Paper.
Available online: https://ssrn.com/abstract=2043061 .Alexander, G.J. and Resnick, B.G. (1985) Using linear and goal programmingto immunize bond portfolios.
Journal of Banking & Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Handbooks in Operations Research andManagement Science , Vol 9. Amsterdam, The Netherlands: Elsevier, Chapter25, pp. 793-837.Almeida, H., Campello, M. and Weisbach, M.S. (2005) The Cash Flow Sensi-tivity of Cash.
Journal of Finance
Risk Magazine
Journal of Finance
Corporate financial distress and bankruptcy. (2nd ed.)Hoboken, NJ: John Wiley & Sons, Inc.Altman, E.I. (1998) Market Dynamics and Investment Performance of Dis-tressed and Defaulted Debt Securities.
Working Paper.
Available online: https://ssrn.com/abstract=164502 .Altman, N.S. (1992) An introduction to kernel and nearest-neighbor nonpara-metric regression.
American Statistician
Journalof Business
Corporate Financial Distress andBankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in DistressedDebt.
Hoboken, NJ: John Wiley & Sons, Inc.Amaitiek, O.F.S., Bálint, T. and Rešovský, M. (2010) The Short Call Ladderstrategy and its application in trading and hedging.
Acta Montanistica Slovaca
BIS Quarterly Review , December 2005, pp. 73-87.Available online: .Amato, J.D. and Remolona, E.M. (2003) The credit spread puzzle.
BIS Quar-terly Review , December 2003, pp. 51-63. Available online: .Ambrose, B., LaCour-Little, M. and Sanders, A. (2004) The Effect of Con-forming Loan Status on Mortgage Yield Spreads: A Loan Level Analysis.
RealEstate Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: .Amenc, N., Goltz, F., Sivasubramanian, S. and Lodh, A. (2015) Robustnessof Smart Beta Strategies.
Journal of Index Investing
Journal of Portfolio Management
Journal of Financial Markets R as Predictor of Per-formance. Review of Financial Studies
Journal of Finance
Journal of Alter-native Investments
Expert Systems with Applications
Working Paper.
Available online: http://proceedings.mlr.press/v55/amjad16.pdf .Ammann, M., Kind, A. and Seiz, R. (2010) What drives the performance ofconvertible-bond funds?
Journal of Banking & Finance
Journal of Banking & Finance
Journal of Finance
Housing and Society
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
International Journal of Housing Policy
Journal of Financial Economics
Journal of Computational Finance
Quantitative Finance
Journal of Credit Risk
Risk , November 2003, pp. 67-72.Anderson, R.M., Bianchi, S.W. and Goldberg, L.R. (2014) Determinants ofLevered Portfolio Performance.
Financial Analysts Journal
Journal of PoliticalEconomy
Journal of Economic Perspectives
Economic Research –Ekonomska Istraživanja
Journal of Economics and Finance
Journal of Fixed Income
Journal of Finance
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journalof Financial Economics
IEEE Transactions on Neural Networks
Journal of Real Estate Finance and Economics
Journal of International Money and Finance
Journal of Financial and QuantitativeAnalysis
Finance and Stochastics
Oxford Review of Economic Policy
Journal of Alternative Investments
Journal of Private Equity
Dual Momentum Investing: An Innovative Strategy forHigher Returns with Lower Risk.
New York, NY: McGraw-Hill, Inc.Antonacci, G. (2017) Risk Premia Harvesting Through Dual Momentum.
Journal of Management & Entrepreneurship
Journal of Banking & Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://ssrn.com/abstract=3033930 .Ardizzi, G., Petraglia, C., Piacenza, M., Schneider, F. and Turati, G. (2014)Money Laundering as a Crime in the Financial Sector: A New Approach toQuantitative Assessment, with an Application to Italy.
Journal of Money,Credit and Banking
European Financial Management
Journal of African Economies
Inflation Risk and Products:The Complete Guide.
London, UK: Risk Books, pp. 111-126.Arnott, R., Chaves, D., Gunzberg, J., Hsu, J. and Tsui, P. (2014) GettingSmarter about Commodities: An index to counter the possible pitfalls.
Journalof Indexes , November/December 2014, pp. 52-60.Arnott, R.D., Hsu, J., Kalesnik, V. and Tindall, P. (2013) The Surprising Al-pha from Malkiel’s Monkey and Upside-Down Strategies.
Journal of PortfolioManagement
Working Paper.
Available online: https://arxiv.org/pdf/0901.3398 .Asem, E. and Tian, G. (2010) Market Dynamics and Momentum Profits.
Jour-nal of Financial and Quantitative Analysis
Journal of Derivatives Accounting
Journal of Fixed Income
Variables that Explain Stock Returns (Ph.D. Thesis).Chicago, IL: University of Chicago.Asness, C.S. (1995) The Power of Past Stock Returns to Explain Future StockReturns.
Working Paper (unpublished). New York, NY: Goldman Sachs AssetManagement. 164sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Finan-cial Analysts Journal
Journal of Portfolio Management
Journalof Portfolio Management
Journal of Finance
Working Paper.
Available on-line: https://ssrn.com/abstract=213872 .Augustin, P., Brenner, B. and Subrahmanyam, M.G. (2015) Informed OptionsTrading prior to M&A Announcements: Insider Trading?
Working Paper .Available online: https://ssrn.com/abstract=2441606 .Aussenegg, W., Götz, L. and Jelic, R. (2014) European asset swap spreadsand the credit crisis.
European Journal of Finance
Working Paper.
Availableonline: https://ssrn.com/abstract=2870057 .Avellaneda, M. and Lee, J.H. (2010) Statistical arbitrage in the U.S. equitymarket.
Quantitative Finance
Journal of In-vestment Strategies
Quantitative Finance
Journal on Financial Mathematics
Journal of Derivatives
Journal of International Money and Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Economic Research – Ekonom-ska Istraživanja
Journal of Banking &Finance
Journal of Financial and Quantitative Analysis
American Economic Review
American Economic Review
Applied Economics Letters
Real Estate Economics
Working Paper.
Available online: https://ssrn.com/abstract=2024531 .Baillie, R.T. and Myers, R.J. (1991) Bivariate GARCH estimation of the opti-mal commodity futures hedge.
Journal of Applied Econometrics
Journal of International Fi-nancial Markets, Institutions and Money
Financial Analysts Journal
Journal of Financial Economics
Journal of Financial Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Financial Studies
Journal of Derivatives
Reviewof Financial Studies
Journal of Financial Economics
Journal of Risk and Insurance
Journal of FuturesMarkets
Management Science
Expert Systems withApplications
Working Paper.
Available online: .Bandarchuk, P. and Hilscher, J. (2013) Sources of Momentum Profits: Evi-dence on the Irrelevance of Characteristics.
Review of Finance
Journal of Financial Economics
Journal of Index Investing
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
American Economic Review
Journal of Fixed Income
Physica A: Statistical Mechanics and itsApplications
Financial Analysts Journal
Journal of Financial and Quantitative Anal-ysis (forthcoming). Available online: https://ssrn.com/abstract=2433118 .Barr, D.G. and Campbell, J.Y. (1997) Inflation, real interest rates, and thebond market: A study of UK nominal and index-linked government bondprices.
Journal of Monetary Economics
Journal of Futures Markets
ALGO Research
Uncertainty and Environmental Decision Making:A Handbook of Research and Best Practice.
International Series in OperationsResearch & Management Science, Vol. 138. New York, NY: Springer U.S.Barroso, P. and Santa-Clara, P. (2014) Momentum Has Its Moments.
Journalof Financial Economics
Journal of Competitiveness
AccountingReview
Journalof Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Banking & Finance
Journal of Fixed Income
Working Paper.
Available online: https://ssrn.com/abstract=937257 .Batten, J. and Ellis, C. (1996) Technical trading system performance in theAustralian share market: Some empirical evidence.
Asia Pacific Journal ofManagement
Journal of Economic Surveys
Review of Economics and Statistics
Financial Calculus: An Introduction toDerivative Pricing.
Cambridge, UK: Cambridge University Press.Bayer, P.J., Geissler, C., Mangum, K. and Roberts, J.W. (2015) Speculatorsand Middlemen: The Strategy and Performance of Investors in the Hous-ing Market.
Working Paper.
Available online: https://ssrn.com/abstract=1754003 .Beaver, W.H. (1966) Financial ratios as predictors of failure.
Journal of Ac-counting Research
4: 71-111.Beaver, W.H., McNichols, M.F. and Rhie, J.-W. (2005) Have financial state-ments become less informative? Evidence from the ability of financial ratiosto predict bankruptcy.
Review of Accounting Studies
Journal of FinancialResearch
Working Paper.
Available online: http://ssrn.com/abstract=2808327 .Bekaert, G. and Wang, X. (2010) Inflation Risk and the Inflation Risk Pre-mium.
Economic Policy
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of International Money and Finance
Journal of WealthManagement
Working Paper.
Availableonline: https://ssrn.com/abstract=583641 .Belgrade, N., Benhamou, E. and Koehler, E. (2004) A Market Model for Infla-tion.
Working Paper.
Available online: https://ssrn.com/abstract=576081 .Belkin, B., Suchover, S. and Forest, L. (1998) A one-parameter representationof credit risk and transition matrices.
Credit Metrics Monitor
Asia Pacific Journal of Management
Journal of Financial Edu-cation
Panorama Económico
Working Paper.
Available online: .Ben-David, I., Franzoni, F.A. and Moussawi, R. (2017) Do ETFs IncreaseVolatility?
Journal of Finance (forthcoming). Available online: https://ssrn.com/abstract=1967599 .Beneish, M.D. and Whaley, R.E. (1996) An Anatomy of the “S&P Game":The Effects of Changing the Rules.
Journal of Finance
Journal of Futures Markets
Foundations and Trendsin Machine Learning
Working Paper.
Available online: https://ssrn.com/abstract=2747102 .170sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial and Quantitative Anal-ysis
Journal of Financial Markets
30: 54-77.Benth, F. (2003) On arbitrage-free pricing of weather derivatives based onfractional Brownian motion.
Applied Mathematical Finance
Quantitative Finance
QuantitativeEnergy Finance: Modeling, Pricing, and Hedging in Energy and CommodityMarkets.
New York, NY: Springer-Verlag.Benth, F.E. and Saltyte-Benth, J. (2005) Stochastic modelling of tempera-ture variations with a view towards weather derivatives.
Applied MathematicalFinance
Quantitative Finance
Scandinavian Journal of Statistics
Journal of Derivatives
International Journal of Business
Journal of Portfolio Management
Jour-nal of Real Estate Finance and Economics
Journal of Finance
Working Paper Series , No. 472. Frankfurt am Main, Ger-many: European Central Bank. Available online: .171sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Quantitative Finance Letters
Journal of Accounting Research
27: 1-36.Bernard, V.L. and Thomas, J.K. (1990) Evidence That Stock Prices Do NotFully Reflect the Implications of Current Earnings for Future Earnings.
Jour-nal of Accounting and Economics
European Financial Management
Jake Bernstein’s seasonal futures spreads: high-probabilityseasonal spreads for futures traders.
Hoboken, NJ: John Wiley & Sons, Inc.Bessembinder, H. (1992) Systematic risk, hedging pressure, and risk premiumsin futures markets.
Review of Financial Studies
Journal of Futures Markets
Journal of Financial Economics
Journal of Finance
Journal of Economic Perspectives
Journal of Financial andQuantitative Analysis
Working Paper.
Available online: https://ssrn.com/abstract=1364491 . 172sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Economic Modelling
Journal of Derivatives
Review of Finance
Journal of Business
Journal of Accounting and Economics
Bankers, Markets& Investors
Work-ing Paper.
Available online: https://ssrn.com/abstract=2024360 .Bianchi, R.J., Drew, M. and Fan, J. (2015) Combining momentum with re-versal in commodity futures.
Journal of Banking & Finance
59: 423-444.Biby, J.D., Modukuri, S. and Hargrave, B. (2001) Collateralized Borrowingvia Dollar Rolls. In: Fabozzi, F.J. (ed.)
The Handbook of Mortgage-BackedSecurities. (5th ed.) New York, NY: McGraw-Hill, Inc.Bielecki, T.R., Brigo, D. and Patras, F. (2011)
Credit Risk Frontiers: SubprimeCrisis, Pricing and Hedging, CVA, MBS, Ratings, and Liquidity.
Hoboken,NJ: John Wiley & Sons, Inc.Bielecki, T., Jeanblanc, M. and Rutkowski, M. (2007) Hedging of basket creditderivatives in the Credit Default Swap market.
Journal of Credit Risk
Journal of Credit Risk
Working Paper.
Available online: https://ssrn.com/abstract=547682 .Bieri, D.S. and Chincarini, L.B. (2005) Riding the Yield Curve: A Variety ofStrategies.
Journal of Fixed Income
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal ofBanking & Finance
Journal of Financial and Quantitative Analysis
Financial Review
Journal of Futures Markets
Journal ofBusiness
SIJ Transactions on Industrial, Financial & BusinessManagement (IFBM)
European Financial Management
EIB Papers
American Journal ofAgricultural Economics
Jour-nal of Business
Journal of Fixed Income
FinancialAnalysts Journal
Journal of Political Economy
Western Journal of Agricultural Economics
Journalof Alternative Investments
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Financial Marketsand Portfolio Management
Working Paper.
Availableonline: .Blanchard, O.J. and Riggi, M. (2013) Why are the 2000s so different from the1970s? A structural interpretation of changes in the macroeconomic effects ofoil prices.
Journal of the European Economic Association
Australian Journal ofAgricultural Economics
Journal of Financial Markets
Journal ofEmpirical Finance
Journal of Portfolio Management
Journal of PortfolioManagement
Investing in REITs: Real Estate Investment Trusts.
NewYork, NY: Bloomberg Press.Bloesch, J. and Gourio, F. (2015) The effect of winter weather on U.S. eco-nomic activity.
Federal Reserve Bank of Chicago, Economic Perspectives
Journal of Finance
Property Australia
Working Paper.
Available online: https://ssrn.com/abstract=1510170 .Bodie, Z. (1983) Commodity Futures as a Hedge against Inflation.
Journal ofPortfolio Management
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Investments.
New York, NY:McGraw-Hill, Inc.Bodie, Z. and Rosansky, V.I. (1980) Risk and Return in Commodity Futures.
Financial Analysts Journal
Quantitative Finance
American Association of Individual InvestorsJournal , July 2004, pp. 5-8.Bol, G., Rachev, S.T. and Würth, R. (eds.) (2009)
Risk Assessment: Decisionsin Banking and Finance.
Heidelberg, Germany: Physica-Verlag.Bollen, N.P.B. and Busse, J.A. (2005) Short-Term Persistence in Mutual FundPerformance.
Review of Financial Studies
Computer
Journal of Computational Science
Journal of Finance
Journal of Econometrics
Applied FinancialEconomics
Journal of Real Estate Research
Quarterly Jour-nal of Finance
Canadian Journal of Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journal of Bank Research
Review of Derivatives Research
Index Calculation Primer.
New York, NY: Standard and Poor’sQuantitative Services.Bos, M., Carter, S. and Skiba, P.M. (2012) The Pawn Industry and Its Cus-tomers: The United States and Europe.
Working Paper.
Available online: https://ssrn.com/abstract=2149575 .Boscher, H. and Ward, I. (2002) Long or short in CDOs.
Risk , June 2002, pp.125-129.Bossu, S. (2006) Introduction to Variance Swaps.
Wilmott Magazine , March2006, pp. 50-55.Boudoukh, J., Richardson, M. and Whitelaw, R.F. (1994) Industry Returnsand the Fisher Effect.
Journal of Finance
Review of Financial Studies
Journal of Financial and Strategic Decisions
Economic Development and CulturalChange
Annals of Financial Economics
Economics Bulletin
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Finance Research Letters
23: 87-95.Bouri, E., Molnár, P., Azzi, G., Roubaud, D. and Hagfors, L.I. (2017b) On thehedge and safe haven properties of Bitcoin: Is it really more than a diversifier?
Finance Research Letters
20: 192-198.Bouzoubaa, M. and Osseiran, A. (2010)
Exotic options and hybrids: a Guideto Structuring, Pricing and Trading.
Chichester, UK: John Wiley & Sons, Ltd.Bowen, D.A. and Hutchinson, M.C. (2016) Pairs trading in the UK equitymarket: Risk and return.
European Journal of Finance
Journal of Trading
Federal Reserve Bank of St. LouisReview
Federal Reserve Bank of New York Staff Reports , No. 674. Availableonline: .Boyd, J.H., Hu, J. and Jagannathan, R. (2005) The Stock Market’s Reactionto Unemployment News: Why Bad News Is Usually Good for Stocks.
Journalof Finance
Journal of Fixed Income
Journal of the Institute of Actuaries
Wilmott Magazine
Journal of Agribusi-ness
Journal of International Financial Markets,Institutions and Money
36: 18-35.178sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Reviewof Finance
Journal of Real Estate Finance and Eco-nomics
Journal of Business
Journal of Finance
Real Estate Economics
Journalof Applied Corporate Finance
Japan and the World Economy
Expert Systems with Applications
Journal of Asset Management
Journal of International Money and Finance
International Journal of Theoretical and AppliedFinance
Journal of Finance
North American ActuarialJournal
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Risk Management and Insurance Review
Quantitative Finance
Working Paper.
Available online: https://ssrn.com/abstract=2435999 .Brogaard, J., Hagströmer, B., Nordén, L. and Riordan, R. (2015) TradingFast and Slow: Colocation and Liquidity.
Review of Financial Studies
Review of Financial Studies
Working Paper.
Available online: .Brooks, C. and Chong, J. (2001) The Cross-Currency Hedging Performanceof Implied Versus Statistical Forecasting Models.
Journal of Futures Markets
Assurances et Gestion des Risques
Journal of Business
Working Paper.
Available online: https://ssrn.com/abstract=2956411 .Brown, D. (1999) The Determinants of Expected Returns on Mortgage-backedSecurities: An Empirical Analysis of Option-adjusted Spreads.
Journal ofFixed Income
Australian Journalof Management
Working Paper.
Available online: https://ssrn.com/abstract=2872414 . 180sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Financial Studies
Review of FinancialStudies
Financial Management
Management Science
Working Paper.
Available online: .Bruder, B., Dao, T.-L., Richard, R.-J. and Roncalli, T. (2013) Trend FilteringMethods for Momentum Strategies.
Working Paper.
Available online: https://ssrn.com/abstract=2289097 .Brunnermeier, M.K., Nagel, S. and Pedersen, L.H. (2008) Carry Trades andCurrency Crashes.
NBER Macroeconomics Annual
Journal of Business and Economics Studies
QuarterlyJournal of Economics
Journal of Portfolio Management
Journal of Portfolio Management
Journal of Futures Markets
Bulletin for International Taxation , April/May 2013, pp.200-204.Buraschi, A. and Jiltsov, A. (2005) Inflation Risk Premia and the ExpectationsHypothesis.
Journal of Financial Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Financial Studies
American Economic Review
Journal of the European Economic Association
Annual Review of Financial Economics
3: 511-535.Burtshell, X., Gregory, J. and Laurent, J.-P. (2009) A comparative analysis ofCDO pricing models under the factor copula framework.
Journal of Derivatives
Journal of Econometrics
Journal of Financial Economics
AppliedEconomics Letters
Real Estate Economics
Journal of Econometrics
Convertible Arbitrage: Insights and Techniques for Suc-cessful Hedging.
Hoboken, NJ: John Wiley & Sons, Inc.Caldeira, J. and Moura, G.V. (2013) Selection of a portfolio of pairs basedon cointegration: A statistical arbitrage strategy.
Working Paper.
Availableonline: https://ssrn.com/abstract=2196391 .Callaghan, S.R. and Barry, C.B. (2003) Tax-induced trading of equity securi-ties: Evidence from the ADR market.
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
International Journal of ComputationalIntelligence Systems
EconomicJournal
Journal of Financial Economics
Journal of the American Statistical Association
Journal of Finance
Brook-ings Papers on Economic Activity.
Washington, DC: Brookings InstitutionPress, pp. 79-120.Campbell, J.Y., Sunderam, A. and Viceira, L.M. (2017) Inflation Bets orDeflation Hedges? The Changing Risks of Nominal Bonds.
Critical FinanceReview
Working Paper.
Available online: .Campbell, J.Y. and Viceira, L.M. (2005) The Term Structure of the Risk:Return Trade-Off.
Financial Analysts Journal
Review of Financial Studies
Journal of Financial Economics
Journal of Financial and Quantitative Analysis
Risk , May 2000, pp. 67-70.Cao, M. and Wei, J. (2004) Weather derivatives valuation and market priceof weather risk.
Journal of Futures Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Money, Credit and Banking
Real Estate Economics
Journal ofFinance
Review of Financial Studies
International Journal of Theoretical andApplied Finance
SIAM Review
International Journal of Theoretical andApplied Finance
Risk
Annual Review of FinancialEconomics
1: 319-339.Carr, P., Lee, R. and Wu, L. (2012) Variance swaps on time-changed Lévyprocesses.
Finance and Stochastics
Review of Financial Stud-ies
Journal of Financial Economics
Work-ing Paper.
Available online: https://mpra.ub.uni-muenchen.de/22318/1/MPRA_paper_22318.pdf .Carrion, A. (2013) Very fast money: High-frequency trading on the NASDAQ.
Journal of Financial Markets
WorkingPaper.
Available online: https://ssrn.com/abstract=2489868 .184sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Real Estate Finance and Economics
Applied Mathematical Finance
Energy Economics
Journal of Political Economy
Journal of Finance
Federal Reserve Bank of Boston, New EnglandEconomic Review , September-October 1987, pp. 45-56.Case, K.E. and Shiller, R.J. (1989) The Efficiency of the Market for Single-Family Homes.
American Economic Review
Real Estate Economics
Journal of Money, Credit and Banking
European Journal of Finance
Journal of Futures Markets
Financial Analysts Journal
Review of Economics and Statistics
Perspectives of Innovation in Economics and Business
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Singidunum Journal of Applied Sciences
Working Paper.
Available online: .Chaboud, A.P. and Wright, J.H. (2005) Uncovered interest parity: it works,but not for long.
Journal of International Economics
Advances in Difference Equations
Journal of Finance
Review of Financial Studies
Review of Financial Studies
Algorithmic Trading: Winning Strategies and Their Ratio-nale.
Hoboken, NJ: John Wiley & Sons, Inc.Chan, A.W.H. and Chen, N.-F. (2007) Convertible bond underpricing: Rene-gotiable covenants, seasoning, and convergence.
Management Science
Journal of Finance
Journal of Banking & Finance
AREUEA Journal
Journal of Finance
Journal of Real Estate Research
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journalof Banking & Finance
Managed Futures and Their Role in Investment Portfolios.
Charlottesville, VA: The Research Foundation of the Institute of CharteredFinancial Analysts.Chance, D.M. and Jordan, J.V. (1996) Duration, Convexity, and Time asComponents of Bond Returns.
Journal of Fixed Income
Neural Processing Letters
Journal of Banking & Finance
Journal of Futures Markets
Working Paper.
Availableonline: http://sfm.finance.nsysu.edu.tw/php/Papers/CompletePaper/134-1136665035.pdf .Chaput, J.S. and Ederington, L.H. (2003) Option Spread and CombinationTrading.
Journal of Derivatives
Journal ofDerivatives
Journal of Deriva-tives
Journal of Banking & Finance
Financial Management
Applied Soft Computing
Stochastic Environment Research and Risk Assessment
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Finance
Working Paper.
Available online: https://ssrn.com/abstract=1982100 .Chaves, D.B. and Viswanathan, V. (2016) Momentum and mean-reversion incommodity spot and futures markets.
Journal of Commodity Markets
A study on the risk and return of option writing strategies (Ph.D. Thesis).
HKBU Institutional Repository. Open Access Theses and Dis-sertations. https://repository.hkbu.edu.hk/etd_oa/187/ .Che, S.Y.S. and Fung, J.K.W. (2011) The performance of alternative futuresbuy-write strategies.
Journal of Futures Markets
EconomicsLetters
Future Generation Computer Systems
37: 461-467.Chen, H.J., Chen, S.J., Chen, Z. and Li, F. (2017) Empirical Investigation ofan Equity Pairs Trading Strategy.
Management Science (forthcoming). DOI: https://doi.org/10.1287/mnsc.2017.2825 .Chen, A.H.Y., Chen, K.C. and Howell, S. (1999) An analysis of dividendenhanced convertible stocks.
International Review of Economics and Finance
Financial Analysts Journal
Journal of Real EstateResearch
Journal of Fixed Income
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Computers & Operations Research
Journal of EmpiricalFinance
Journal of Corporate Finance
Journal of Agricultural and Resource Economics
Cox School of Business Historical Working Papers , No.170. Dallas, TX: Southern Methodist University. Available online: http://scholar.smu.edu/business_workingpapers/170 .Chen, F. and Sutcliffe, C. (2007) Better Cross Hedges With Composite Hedg-ing? Hedging Equity Portfolios Using Financial and Commodity Futures.
European Journal of Finance
Knowledge-Based Systems
Journal of Investment Management
WorkingPaper.
Available online: https://ssrn.com/abstract=2358762 .Chernenko, S. and Sunderam, A. (2016) Liquidity Transformation in AssetManagement: Evidence from the Cash Holdings of Mutual Funds.
WorkingPaper.
Available online: .Chernov, M. and Mueller, P. (2012) The Term Structure of Inflation Expec-tations.
Journal of Financial Economics
Working Paper.
Available online: https://ssrn.com/abstract=628061 . 189sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of AssetManagement
Journal of Applied Finance
Journal of Futures Markets
Applied Economics
International Review of Economics & Finance
Applied EconomicsLetters
Journal of Financial Economics
FinancialReview
Working Paper.
Available online: .Chinloy, P. (1989) The Probability of Prepayment.
Journal of Real EstateFinance and Economics
Journal of Housing Research
Applied Economics
Review of Financial Studies
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
Bulletin of the Korean Mathematical Society
Expert Systems with Applications
83: 187-205.Chong, J. and Miffre, J. (2010) Conditional Correlation and Volatility in Com-modity Futures and Traditional Asset Markets.
Journal of Alternative Invest-ments
Financial Analysts Journal
Journal of Finance
Jour-nal of Financial Economics
Journal of Multivariate Analysis
Journal of Derivatives Use,Trading and Regulation
Journal of Struc-tured Finance
Journal of Trading
Finanz-markt und Portfolio Management
TheHandbook of Fixed Income Securities. (2nd ed.) Homewood, IL: Dow Jones-Irwin, pp. 676-703. 191sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Federal Reserve Bank of San Francisco, Work-ing Papers Series , No. 2011-16. Available online: .Christensen, J.H.E., Lopez, J.A. and Rudebusch, G.D. (2010) Inflation Ex-pectations and Risk Premiums in an Arbitrage-Free Model of Nominal andReal Bond Yields.
Journal of Money, Credit, and Banking
Journal of Financial Economics
Working Paper.
Available online: https://ssrn.com/abstract=264139 .Christie-David, R. and Chaudry, M. (2001) Coskewness and cokurtosis in fu-tures markets.
Journal of Empirical Finance
Journal of Financial Economics
Working Paper.
Available online: https://ssrn.com/abstract=413867 .Chua, C.T., Koh, W.T.H. and Ramaswamy, K. (2006) Profiting from Mean-Reverting Yield Curve Trading Strategies.
Journal of Fixed Income
Working Paper.
Avail-able online: .Chuang, H. and Ho, H.-C. (2014) Implied Price Risk and Momentum Strategy.
Review of Finance
Real Estate Economics
Journal of Financial Markets
Journal of Alternative Invest-ments
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Applied Economics
Investment Management andFinancial Innovations
Journal of Fixed Income
Journal of International Money andFinance
Working Paper.
Available online: .Clark, G.L. (2017) Financial intermediation, infrastructure investment andregional growth.
Area Development and Policy
Pensions: An International Journal
Journal of Finance
Journal of Finance
Journal of Portfolio Management
Journal of Portfolio Management
Fundamentals of Futures andOptions.
New York, NY: The Research Foundation of CFA Institute.Clifford, C.P., Fulkerson, J.A. and Jordan, B.D. (2014) What Drives ETFFlows?
Financial Review
Journal of Political Economy
Federal Re-serve Bank of Chicago, Economic Perspectives
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
American Eco-nomic Review
Federal ReserveBank of New York Staff Reports , No. 393. Available online: .Cohen, G. (2005)
The bible of options strategies: the definitive guide for practi-cal trading strategies.
Upper Saddle River, NJ: Financial Times Prentice Hall.Cole, C.A., Kastens, T.L., Hampel, F.A. and Gow, L.R. (1999) A calendarspread trading simulation of seasonal processing spreads. In:
Proceedings ofthe NCCC-134 Conference on Applied Commodity Price Analysis, Forecast-ing, and Market Risk Management.
Available online: .Cole, C.S. and Young, P.J. (1995) Modified duration and convexity with semi-annual compounding.
Journal of Economics and Finance
Working Paper.
Avail-able online: http://cs229.stanford.edu/proj2015/029_report.pdf .Collin-Dufresne, P. and Solnik, B. (2001) On the Term Structure of DefaultPremia in the Swap and LIBOR Markets.
Journal of Finance
ASTIN Bulletin: The Journal of the IAA
Journal of Risk
Financial Analysts Journal
WorkingPaper.
Available online: http://eprints.lse.ac.uk/24675/1/dp477.pdf .Conover, C.M., Jensen, G., Johnson, R. and Mercer, M. (2008) Sector Rotationand Monetary Conditions.
Journal of Investing
Journal of Investing
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journal of Finance
Review ofFinancial Studies
Mathematical Finance
Instruments of the money market. (7th ed.) Richmond, Virginia: Federal Reserve Bank of Richmond.Cook, T.Q. and Rowe, T.D. (eds.) (1986)
Instruments of the money market. (6th ed.) Richmond, Virginia: Federal Reserve Bank of Richmond.Cooper, T. (2010) Alpha Generation and Risk Smoothing Using ManagedVolatility.
Working Paper.
Available online: https://ssrn.com/abstract=1664823 .Cooper, M., Downs, D.H. and Patterson, G.A. (1999) Real Estate Securi-ties and a Filter-based, Short-term Trading Strategy.
Journal of Real EstateResearch
Journal of Finance
Review of Financial Studies
Journal of Finance
Weather Risk Management: Market, Products and Applications.
Lon-don, UK: Palgrave Macmillan.Corbett, M. (2006)
Find it, fix it, flip it! Make millions in real estate – onehouse at a time.
New York, NY: Plume.Cornell, B. and French, K.R. (1983) The pricing of stock index futures.
Journalof Futures Markets
Review of Fi-nancial Studies
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Futures Markets
European Journal ofFinance
Review of Accounting Studies
Journal of Banking & Finance
Credit Risk Frontiers . Hoboken, NJ: JohnWiley & Sons, Inc., Chapter 6.Coval, J.D. and Shumway, T. (2001) Expected options returns.
Journal ofFinance
IEEE Transactions on Information Theory
Handbook of Anti Money Laundering.
Chichester, UK: JohnWiley & Sons, Ltd.Crabbe, L.E. and Fabozzi, F.J. (2002)
Corporate Bond Portfolio Management.
Hoboken, NJ: John Wiley & Sons, Inc.Creamer, G.G. and Freund, Y. (2007) A Boosting Approach for AutomatedTrading.
Journal of Trading
Quantitative Finance
Journal of Financial and Quantitative Analysis
Energy Economics
37: 16-28.Cross, R. and Kozyakin, V. (2015) Fact and fictions in FX arbitrage processes.
Journal of Physics: Conference Series
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Accounting and Finance
Journal of Investment Strategies
Agribusiness
Journal of Economicsand Finance
Financial Review
Agricultural Sciences
Wilmott Magazine
CFA Institute Magazine
Journal of Financialand Quantitative Analysis
Journal ofEmpirical Finance
Journal of Finan-cial Economics
Jour-nal of Financial Service Professionals
Journal of Invest-ment Strategies
Credit Derivatives: Trading & Management of Credit & DefaultRisk. (3rd ed.) Hoboken, NJ: John Wiley & Sons, Inc.da S. Gomes, G.S., Ludermir, T.B. and Lima, L.M.M.R. (2011) Comparisonof new activation functions in neural network for forecasting financial timeseries.
Neural Computing and Applications
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance andData Science
Journal of Portfolio Management
Working Paper.
Available online: https://impa.br/wp-content/uploads/2017/11/RiO2017-PP_FAiube.pdf .Davidson, A.S., Herskovitz, M.D. and Van Drunen, L.D. (1988) The refinanc-ing threshold pricing model: An economic approach to valuing MBS.
Journalof Real Estate Finance and Economics
Quarterly Review of Economics and Finance
QuantitativeFinance
From Stochastic Calculus to MathematicalFinance.
Berlin, Germany: Springer.Davis, M. and Lleo, S. (2012) Fractional Kelly strategies in continuous time:Recent developments. In: MacLean, L.C. and Ziemba, W. (eds.)
Handbook ofthe Fundamentals of Financial Decision Making.
Singapore: World ScientificPublishing.Davis, M. and Lo, V. (2001) Infectious defaults.
Quantitative Finance
Inflation-indexed Secu-rities: Bonds, Swaps and other Derivatives.
Chichester, UK: John Wiley &Sons, Ltd.Deardorff, A.V. (1979) One-Way Arbitrage and Its Implications for the ForeignExchange Markets.
Journal of Political Economy
Annals of Operations Research
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journal of Fixed Income
Journal of Property Research
FederalReserve Bank of New York Staff Reports , No. 466. Available online: .De Jong, A., Dutordoir, M. and Verwijmeren, P. (2011) Why do convert-ible issuers simultaneously repurchase stock? An arbitrage-based explanation.
Journal of Financial Economics
EconomicResearch – Ekonomska Istraživanja
Working Paper.
Available online: https://ssrn.com/abstract=2534081 .DeMaskey, A.L. (1995) A Comparison of the Effectiveness of Currency Futuresand Currency Options in the Context of Foreign Exchange Risk Management.
Managerial Finance
Multinational Finance Journal
Journal of Transnational Man-agement Development
Journal of Derivatives
Journal of Fi-nancial and Quantitative Analysis
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Quantitative Finance
European Journal of Finance
Working Paper.
Available on-line: https://ssrn.com/abstract=1156620 .Deng, S.-J., Johnson, B. and Sogomonian, A. (2001) Exotic electricity optionsand the valuation of electricity generation and transmission assets.
DecisionSupport Systems
Journal of Index Investing
Journal of Financial and Quantitative Analysis
Journal of Fi-nancial and Quantitative Analysis
European Journal of Operational Research
ExpertSystems with Applications
Journal of Real Estate Finance and Economics
Journal of Financial Economic Policy
Risk
Journal of Financial and Quantitative Analysis
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Financial AnalystsJournal
Working Paper.
Available online: https://ssrn.com/abstract=1101070 .D’Este, R. (2014) The Effect of Stolen Goods Markets on Crime: Evi-dence from a Quasi-Natural Experiment.
Working Paper.
Available online: https://warwick.ac.uk/fac/soc/economics/research/workingpapers/2014/twerp_1040b_deste.pdf .Detemple, J. and Rindisbacher, M. (2010) Dynamic Asset Allocation: Port-folio Decomposition Formula and Applications.
Review of Financial Studies
QuantitativeFinance
Review of Financial Studies
Journal of Real Estate Finance and Economics
Working Paper.
Availableonline: https://ssrn.com/abstract=1687659 .de Wit, E.R. and van der Klaauw, B. (2013) Asymmetric Information andList-Price Reductions in the Housing Market.
Regional Science and UrbanEconomics
Journal of International Money and Finance
Journal ofFinance
Journal of Econometrics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Economet-rics
European Actuarial Journal
Review of Finance
Energy and Power RiskManagement
Energy and Power Risk Manage-ment
Energy andPower Risk Management
FinancialAnalysts Journal
Journal of Financial Research
Australian Journal ofManagement
ICFA Continuing Education Series
Financial Analysts Journal
Journal of Portfolio Management
Journal of Fixed In-come
Journal of Index Investing
Journalof Index Investing
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Financial Analysts Journal
Systems Engineering –Theory & Practice
Journal of Mathematical Analysis and Applications
PLoS ONE
Working Paper.
Available online: https://ssrn.com/abstract=2379985 .Donninger, C. (2015) Trading the Patience of Mrs. Yellen. A Short Vix-FuturesStrategy for FOMC Announcement Days.
Working Paper.
Available online: https://ssrn.com/abstract=2544445 .Doran, J.S. and Krieger, K. (2010) Implications for Asset Returns in the Im-plied Volatility Skew.
Financial Analysts Journal
Journal of Futures Markets
Journal of Banking & Finance
Energy and PowerRisk Management
Journal of International Money and Finance
51: 370-389.Douglas, R. (ed.) (2007)
Credit Derivative Strategies: New Thinking on Man-aging Risk and Return.
New York, NY: Bloomberg Press.Dowd, K. and Hutchinson, M. (2015) Bitcoin Will Bite the Dust.
Cato Journal
Review of Financial Studies
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Accounting Re-search
Financial Analysts Journal
Journal of Guidance, Control, and Dynam-ics
Journal of Finance
Working Paper.
Availableonline: https://ssrn.com/abstract=3042506 .Drobetz, W. (2001) How to Avoid the Pitfalls in Portfolio Optimization?Putting the Black-Litterman Approach at Work.
Financial Markets and Port-folio Management
Inside the House of Money: Top Hedge Fund Traders onProfiting in the Global Markets.
Hoboken, NJ: John Wiley & Sons, Inc.Droms, W.G. and Walker, D.A. (2001) Performance persistence of interna-tional mutual funds.
Global Finance Journal
Journal of Finance (forthcoming). DOI: https://doi.org/10.1111/jofi.12620 . Available online: https://ssrn.com/abstract=2768207 .Duarte, J., Longstaff, F.A. and Yu, F. (2006) Risk and Return in Fixed-Income Arbitrage: Nickels in Front of a Steamroller?
Review of FinancialStudies
Jour-nal of Financial Planning
Journal of Banking & Finance
Journal ofFinance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Federal Reserve Bank of New York,Economic Policy Review
Journal of Finance
Risk , April 2004, p. 77.Duffie, D. (2017) The covered interest parity conundrum.
Risk , May 2017.Available online: .Duffie, D. and Gârleanu, N. (2001) Risk and Valuation of Collateralized DebtObligations.
Financial Analysts Journal
Journal ofFinance
Journal of Financial Economics
Review of Financial Studies
Journal of Finance
European Journal of Operational Research
Journal of Portfolio Management
Journal of Finance
AppliedFinancial Economics
Journal of Derivatives & Hedge Funds
ETF Risk , October 2013, pp. 36-41.205sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journal of Finance
Risk
Journal of Political Economy
Journal of Corporate Finance
24: 3-20.Dutt, H.R., Fenton, J., Smith, J.D. and Wang, G.H.K. (1997) Crop yearinfluences and variability of the agricultural futures spreads.
Journal of FuturesMarkets
Review of Financial Studies
Finance Research Letters
16: 85-92.Dyhrberg, A.H. (2016) Hedging capabilities of bitcoin. Is it the virtual gold?
Finance Research Letters
16: 139-144.Dyl, E.A. and Joehnk, M.D. (1981) Riding the Yield Curve: Does it Work?
Journal of Portfolio Management
Journal of Portfolio Management
TheHandbook of Mortgage-Backed Securities. (5th ed.) New York, NY: McGraw-Hill, Inc.Dzikevičius, A. and Šanranda, S. (2010) EMA versus SMA: Usage to forecastStock Markets: The Case of S&P 500 and OMX Baltic Benchmark.
Verslas:teorija ir praktika – Business: theory and practice
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Portfolio Management
Journal of Portfolio Management
Applied Financial Economics
Journal of Finance
Journal of Finance
Journal of Economic Behavior & Organization
Journal of Finance
Energy Trading & Investing: Trading, Risk Manage-ment and Structuring Deals in the Energy Market.
New York, NY: McGraw-Hill, Inc.Edwards, F.R. (1988) Futures Trading and Cash Market Volatility: StockIndex and Interest Rate Futures.
Journal of Futures Markets
Technical Analysis of Stock Trends.
NewYork, NY: New York Institute of Finance.Edwards, F.R. and Park, J.M. (1996) Do Managed Futures Make Good In-vestments?
Journal of Futures Markets
Review of Economics and Statistics
Financial Management
Economics Letters
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Quarterly Journalof Economics
Jour-nal of Property Finance
Working Paper.
Available online: https://ssrn.com/abstract=2697771 .Eisl, A., Gasser, S. and Weinmayer, K. (2015) Caveat Emptor: Does BitcoinImprove Portfolio Diversification?
Working Paper.
Available online: https://ssrn.com/abstract=2408997 .Elder, A. (2014)
The New Trading for a Living.
Hoboken, NJ: John Wiley &Sons, Inc.Eldred, G.W. (2004)
The Beginner’s Guide to Real Estate Investing.
Hoboken,NJ: John Wiley & Sons, Inc.Elias, R.S., Wahab, M.I.M. and Fang, L. (2016) The spark spread and cleanspark spread option based valuation of a power plant with multiple turbines.
Energy Economics
59: 314-327.El Kalak, I. and Hudson, R. (2016) The effect of size on the failure probabilitiesof SMEs: An empirical study on the US market using discrete hazard model.
International Review of Financial Analysis
43: 135-145.Elliott, R., Siu, T. and Chan, L. (2007) Pricing volatility swaps under Hes-ton’s stochastic volatility model with regime switching.
Applied MathematicalFinance
Quan-titative Finance
Journal of Business
Review of Financial Studies
Journal of Business
Journal of Futures Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Empirical Finance
Econometrica
Journal of Derivatives
Fifth WorldConference: Advances in Econometrics , Vol. 1. Cambridge, UK: CambridgeUniversity Press.Eraker, B. (2009) The Volatility Premium.
Working Paper.
Available online: .Eraker, B. and Wu, Y. (2014) Explaining the Negative Returns to VIX Fu-tures and ETNs: An Equilibrium Approach.
Working Paper.
Available online: https://ssrn.com/abstract=2340070 .Erb, C. and Harvey, C. (2006) The Strategic and Tactical Value of CommodityFutures.
Financial Analysts Journal
National TaxJournal
Journal of Real Estate Finance and Economics
WIT Transactions on Ecology and theEnvironment
55: 297-306.Eun, C.S. and Sabherwal, S. (2003) Cross-border listings and price discovery:Evidence from U.S. listed Canadian stocks.
Journal of Finance
Journal of Finance
Journal of Monetary Economics
Jour-nal of Wealth Management
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://ssrn.com/abstract=2669202 .Faber, M. (2016) The Trinity Portfolio: A Long-Term Investing FrameworkEngineered for Simplicity, Safety, and Outperformance.
Working Paper.
Avail-able online: https://ssrn.com/abstract=2801856 .Fabozzi, F.J. (ed.) (2002)
The Handbook of Financial Instruments.
Hoboken,NJ: John Wiley & Sons, Inc.Fabozzi, F.J. (2006a)
Fixed Income Mathematics: Analytical & StatisticalTechniques.
New York, NY: McGraw-Hill, Inc.Fabozzi, F.J. (ed.) (2006b)
The Handbook of Mortgage-Backed Securities.
NewYork, NY: McGraw-Hill, Inc.Fabozzi, F.J. (2012a)
Bond markets, analysis, and strategies.
Upper SaddleRiver, NJ: Prentice Hall.Fabozzi, F.J. (2012b)
Institutional Investment Management: Equity and BondPortfolio Strategies and Applications.
Hoboken, NJ: John Wiley & Sons, Inc.Fabozzi, F.J., Focardi, S.M. and Jonas, C. (2010)
Investment Management af-ter the Global Financial Crisis.
Charlottesville, VA: The Research Foundationof CFA Institute.Fabozzi, F.J. and Mann, S.V. (2010)
Introduction to Fixed Income Analytics:Relative Value Analysis, Risk Measures, and Valuation.
Hoboken, NJ: JohnWiley & Sons, Inc.Fabozzi, F.J., Martellini, L. and Priaulet, P. (2006)
Advanced Bond PortfolioManagement. Best Practices in Modeling and Strategies.
Hoboken, NJ: JohnWiley & Sons, Inc.Falkenstein, E. and Hanweck, J. (1996) Minimizing Basis Risk from Non-Parallel Shifts in the Yield Curve.
Journal of Fixed Income
Journal of MonetaryEconomics
Journal of Financial and Quantitative Analysis
Journal of Business
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journal of Finance
Journal of Financial Economics
Journal of Finance
Journal of Finance
Journal of Finance
Journal of Financial Economics
Journal ofFinancial Economics
Journal of Research in Crime and Delinquency
Investment Management and Financial Innovations
Expert Systems withApplications
Journal ofFinancial Economics
Journal of Portfolio Management
ETF and Indexing
Journal of Alterna-tive Investments
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Forecasting
Journal of FinancialEconometrics
International Journal of Theoretical and Applied Finance
Journal of Banking & Finance
86: 143-158.Fernandez-Perez, A., Fuertes, A.M. and Miffre, J. (2016) Is idiosyncraticvolatility priced in commodity futures markets?
International Review of Fi-nancial Analysis
46: 219-226.Ferreira, S., Grammatikos, T. and Michala, D. (2016) Forecasting distress inEurope SME portfolios.
Journal of Banking & Finance
64: 112-135.Ferson, W. and Mo, H. (2016) Performance measurement with selectivity,market and volatility timing.
Journal of Financial Economics
Applied Financial Economics
Financial Analysts Journal
Journal of Financial Economics
Credit Metrics Monitor
Journal of PropertyInvestment & Finance
Business Valuation Review
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Quantitative Methods for Electricity Trading and RiskManagement: Advanced Mathematical and Statistical Methods for Energy Fi-nance.
London, UK: Palgrave Macmillan.Firstenberg, P.M., Ross, S.A. and Zisler, R.C. (1988) Real estate: The wholestory.
Journal of Portfolio Management
American Journal of AgriculturalEconomics
Federal Reserve Bankof Atlanta, Economic Review
Journal of Investment Management
Journalof Business
Working Paper.
Available online: https://ssrn.com/abstract=2180251 .Fleckenstein, M., Longstaff, F.A. and Lustig, H.N. (2013) Why Does the Trea-sury Issue TIPS? The TIPS-Treasury Bond Puzzle.
Journal of Finance
Re-view of Financial Studies
Federal Reserve Bank of New York, Economic Policy Review
Journal of Futures Markets
Federal Reserve Bank of New York,Economic Policy Review
SouthAfrican Journal of Economic and Management Sciences
Financial Analysts Journal
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Finance
Journal of Empirical Finance
Staff Working Paper , No. 2017-44. Ottawa, Canada: Bankof Canada.Fontana, A. (2010) The Persistent Negative CDS-Bond Basis during the2007/08 Financial Crisis.
Working Paper.
Available online: .Fontana, A. and Scheicher, M. (2016) An analysis of euro area sovereign CDSand their relation with government bonds.
Journal of Banking & Finance
Canadian Journal of Administrative Sciences
Accounting Review
Australian Journal of Management
Journal of International Money and Finance
Asset Prices and Monetary Policy.
Chicago, IL: Uni-versity of Chicago Press, pp. 291-333.Franken, J.R.V. and Parcell, J.L. (2003) Cash Ethanol Cross-Hedging Oppor-tunities.
Journal of Agricultural and Applied Economics
Journal of Fi-nancial Economics
Journal of Political Economy
Economics Letters
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
International Journal of The-oretical and Applied Finance
Journal of Economic Dynamics andControl
Risk ,October 2001, pp. 111-114.Fridson, M.S. and Xu, X. (2014) Duration Targeting: No Magic for High-YieldInvestors.
Financial Analysts Journal
Journal of Financial Economics
Journal of Portfolio Management
Journal of Futures Markets
Journal of Finance
Journalof Economic Perspectives
International Review of Financial Analysis
47: 343-352.Fu, F. (2009) Idiosyncratic Risk and the Cross-Section of Expected StockReturns.
Journal of Financial Economics
Real Estate Economics
Journal ofFutures Markets
Journalof Futures Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journalof Banking & Finance
Journal of Real Estate Finance and Economics
Journal of Investment Strategies
Journal of Em-pirical Finance
Financial Review
Energy Hedging in Asia: Market Structureand Trading Opportunities.
London, UK: Palgrave Macmillan.Füss, R. and Nikitina, O. (2011) Explaining Yield Curve Dynamics.
Journalof Fixed Income
Journal ofFinance
Chaos, Solitons &Fractals
Journal of Money, Credit and Bank-ing
Working Paper.
Available online: https://ssrn.com/abstract=2628058 .Gao, C., Xing, Y. and Zhang, X. (2017) Anticipating Uncertainty: conosAround Earnings Announcements.
Working Paper.
Available online: https://ssrn.com/abstract=2204549 .Garbade, K.D. (2004) Origins of the Federal Reserve Book-Entry System.
Federal Reserve Bank of New York, Economic Policy Review
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of PortfolioManagement
Royal Society Open Science
Journal of The Royal Society Interface
Financial Analysts Journal
Journal of Finance
Review of Financial Studies
Journal of Financial Markets
Journal ofIndex Investing R Methodology.
Journal of Index Investing
Sci-entific Reports
4: 4487.Gatev, E., Goetzmann, W.N. and Rouwenhorst, K.G. (2006) Pairs Trading:Performance of a Relative-Value Arbitrage Rule.
Review of Financial Studies
Quantitative Finance
Journal of Real Estate Literature
Journal of Portfolio Management
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Research
Journal of Investing
Journal of Finance
Financial Analysts Journal
Journal of FuturesMarkets
Commer-cial Real Estate Analysis and Investments. (2nd ed.) Atlanta, GA: OnCourseLearning Publishing.Geltner, D.M., Rodriguez, J.V. and O’Connor, D. (1995) The Similar Geneticsof Public and Private Real Estate and the Optimal Long-Horizon PortfolioMix.
Real Estate Finance
Insurance and Weather Derivatives: From Exotic Optionsto Exotic Underlyings.
London, UK: Risk Books.Geman, H. and Leonardi, M.-P. (2005) Alternative approaches to weatherderivatives pricing.
Managerial Finance
Journal of Business
Journal of Forecasting
Journal of Empirical Finance
Journal of Fore-casting
Journal of Urban Economics
American Economic Review
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Quarterly Journal of Economics
Journal of FinancialEconomics
Working Paper.
Available online: https://ssrn.com/abstract=2607167 .Gerakos, J. and Linnainmaa, J. (2012) Decomposing Value.
Working Paper.
Available online: https://ssrn.com/abstract=2083166 .Gervais, S. and Odean, T. (2001) Learning to Be Overconfident.
Review ofFinancial Studies
Review of Futures Markets
IEEE Transactions on Neural Networks
Journal of Risk Finance
Journal of Futures Markets
International Jour-nal of Scientific & Engineering Research
Finance andEconomics Discussion Series (FEDS) , Paper No. 2004-36. Washington, DC:Board of Governors of the Federal Reserve System. Available online: .Gibson, M.S. and Pritsker, M. (2000) Improving Grid-based Methods for Esti-mating Value at Risk of Fixed-Income Portfolios.
Journal of Risk
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Risk
Journal of Economic Dynamics and Control
Journal of Futures Markets
Journal of Money Laundering Control
Fi-nancial Analysts Journal
Creating Value Through Corporate Restructuring: CaseStudies in Bankruptcies, Buyouts, and Breakups.
Hoboken, NJ: John Wiley &Sons, Inc.Gilson, S. (2012) Preserving Value by Restructuring Debt.
Journal of AppliedCorporate Finance
Journal ofFinancial Economics
Journal of Futures Markets
InternationalReview of Finance
Journal of Financial Intermediation
In-ternational Journal of Theoretical and Applied Finance
Global Macro Trading: Profiting in a New World Economy.
Hoboken, NJ: John Wiley & Sons, Inc.Glorot, X., Bordes, A. and Bengio, Y. (2011) Deep Sparse Rectifier NeuralNetworks.
Proceedings of Machine Learning Research
15: 315-323.220sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://ssrn.com/abstract=2661232 .Goebel, P.R., Harrison, D.M., Mercer, J.M. and Whitby, R.J. (2013) REITMomentum and Characteristic-Related REIT Returns.
Journal of Real EstateFinance and Economics
Journal of Applied Corporate Finance
Journalof Portfolio Management
Journal of Risk and Insurance
Journal of Finance
Jour-nal of Derivatives
Journal of Risk Finance
Proceedings of Machine Learning Research
Annual Review of Financial Eco-nomics
3: 119-1137.Goodman, L.S. (2002) Synthetic CDOs: An Introduction.
Journal of Deriva-tives
Journal ofFixed Income
Expert Systems with Applications
Review of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
Financial Analysts Journal
Working Paper.
Availableonline: https://ssrn.com/abstract=3018815 .Graff, R., Harrington, A. and Young, M. (1999) Serial Persistence in Dis-aggregated Australian Real Estate Returns.
Journal of Real Estate PortfolioManagement
Journal of Real Estate Research
Journal of Eco-nomics and Finance
Journal of Economics and Finance
Trading Strategies in Futures Markets (Ph.D. Thesis). Lon-don, UK: Imperial College. Available online: https://spiral.imperial.ac.uk/bitstream/10044/1/32011/1/Grant-J-2016-PhD-Thesis.PDFA.pdf .Grantier, B.J. (1988) Convexity and Bond Performance: The Benter the Bet-ter.
Financial Analysts Journal
Working Paper.
Available online: https://ssrn.com/abstract=3144526 .Green, R.C. and Rydqvist, K. (1999) Ex-day behavior with dividend preferenceand limitations to short-term arbitrage: the case of Swedish lottery bonds.
Journal of Financial Economics
Analyzing Investment Opportunitiesin Distressed and Bankrupt Companies. (AIMR Conference Proceedings, Vol.1991, Iss. 1.) Chicago, IL: AIMR, pp. 47-52.Greer, R.J. (1978) Conservative Commodities: A Key Inflation Hedge.
Journalof Portfolio Management
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Al-ternative Investments
CFAInstitute Conference Proceedings Quarterly
Journal of Portfolio Management
Journal of Derivatives
Journal of Portfolio Management
Journalof Portfolio Management
Journal of Derivatives
Journal of Finance
Journal of Finance
Infrastructure Finance: The Business of Infrastructure fora Sustainable Future.
Hoboken, NJ: John Wiley & Sons, Inc.Grimsey, D. and Lewis, M.K. (2002) Evaluating the risks of public privatepartnerships for infrastructure projects.
International Journal of Project Man-agement
Journal ofFinancial Economics
Journal of Finance
Active Portfolio Management.
New York,NY: McGraw-Hill, Inc.Grishchenko, O.V. and Huang, J.-Z. (2013) Inflation Risk Premium: Evidencefrom the TIPS Market.
Journal of Fixed Income
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Banking &Finance
65: 1-26.Grissom, T.V., Kuhle, J.L. and Walther, C.H. (1987) Diversification works inreal estate, too.
Journal of Portfolio Management
Working Paper.
Available online: https://ssrn.com/abstract=2619146 .Grudnitski, G. and Osborn, L. (1993) Forecasting S&P and Gold FuturesPrices: An Application of Neural Networks.
Journal of Futures Markets
Review of FinancialStudies
Journal of Finance
Emerging Markets Review
Studies in Economics and Finance
Review of Derivatives Research
Annals of Regional Science
Working Paper.
Available online: http://scholar.harvard.edu/files/guren/files/gurenjmp.pdf .Gürkaynak, R.S., Sack, B. and Wright, J.H. (2010) The TIPS Yield Curveand Inflation Compensation.
American Economic Journal: Macroeconomics
Journal of Financial Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
European Journal of Finance
Investing in Corporate Bondsand Credit Risk.
London, UK: Palgrave Macmillan.Hagopian, G.C. (1999) Property-flipping and fraudulent appraisals: The phe-nomenon and the crackdown.
Assessment Journal
Journal of Financial Markets
Financial Review
Annals of Statistics
Accounting & Finance
Journal ofProperty Finance
Journal of Derivatives
Journal of Econometrics
EuropeanJournal of Finance
Journal ofCorporate Finance
Ac-counting and Finance Research
Risk Professional
International Journal of FinancialEconomics
Journal ofFinance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Polit-ical Economy
American Economist
Journalof Property Research
Montenegrin Journal of Economics
Applied Mathematical Finance
Working Paper.
Available online: https://ssrn.com/abstract=2894245 .Hardy, C.C. (1978)
The Investor’s Guide to Technical Analysis.
New York,NY: McGraw-Hill, Inc.Harford, J. (2005) What drives merger waves?
Journal of Financial Economics
Fordham Law Review
Washington University Law Review
Journal of Public Economics
Journal of Investment Management
Journal of Banking &Finance
Stochastic Processes and Their Applications
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Property Research
Journal of Property Research
Real Estate Economics
Real Estate Economics
Journal ofReal Estate Research
Federal Home Loan Bank Board Journal
Jour-nal of Forecasting
Forecasting, Structural Time Series Models and theKalman Filter.
Cambridge, UK: Cambridge University Press.Harvey, C.R. (2014) Bitcoin Myths and Facts.
Working Paper.
Available on-line: https://ssrn.com/abstract=2479670 .Harvey, C.R. (2016) Cryptofinance.
Working Paper.
Available online: https://ssrn.com/abstract=2438299 .Harvey, J.T. (2015) Deviations from uncovered interest rate parity: a PostKeynesian explanation.
Journal of Post Keynesian Economics
Journal of the Japan Statistical Society
Journal of FinancialMarkets
Journal of Portfolio Management
Applied Economics Let-ters
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Jour-nal of International Money and Finance
47: 304-331.Haubrich, J., Pennacchi, G. and Ritchken, P. (2012) Inflation Expectations,Real Rates, and Risk Premia: Evidence from Inflation Swaps.
Review of Fi-nancial Studies
Inter-national Journal of Theoretical and Applied Finance
The New Finance: The Case Against Efficient Markets.
Upper Saddle River, NJ: Prentice Hall.Haurin, D.R. and Gill, H.L. (2002) The Impact of Transaction Costs and theExpected Length of Stay on Homeownership.
Journal of Urban Economics
Real Estate Economics
Working Paper.
Available online: https://halshs.archives-ouvertes.fr/halshs-00590522/PDF/wp200610.pdf .Hayes, B. (2011) Multiple time scale attribution for commodity trading advisor(CTA) funds.
Journal of Investment Management
Jour-nal of Portfolio Management
Journal of Investing
Insur-ance: Mathematics and Economics
70: 80-88.Head, A., Lloyd-Ellis, H. and Sun, H. (2014) Search, Liquidity, and the Dy-namics of House Prices and Construction.
American Economic Review
Journal of Futures Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Futures Markets
Journal of Fixed Income
Oxford Review of Economic Policy
Oxford Review of Economic Policy
Journal of Financial and Quantitative Analysis
Working Paper.
Available online: .Hendershott, T., Jones, C. and Menkveld, A. (2011) Does Algorithmic TradingImprove Liquidity?
Journal of Finance
High Frequency Trading: New Realities for Traders, Markets andRegulators.
London, UK: Risk Books, Chapter 9.Hendershott, T. and Moulton, P.C. (2011) Automation, speed, and stock mar-ket quality: The NYSE’s Hybrid.
Journal of Financial Markets
Journal of Financial and Quantitative Analysis
Convertible Bonds: New Issue Performance and Ar-bitrage Opportunities (Ph.D. Thesis). Urbana-Champaign IL: University ofIllinois.Henderson, R. (1924) A new method of graduation.
Transactions of the Actu-arial Society of America
25: 29-40.Henderson, R. (1925) Further remarks on graduation.
Transactions of the Ac-tuarial Society of America
26: 52-57.229sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Mathematical Theory of Graduation.
New York, NY:Actuarial Society of America.Henderson, T.M. (2003)
Fixed Income Strategy: The Practitioner’s Guide toRiding the Curve.
Chichester, UK: John Wiley & Sons, Ltd.Henderson, B.J. and Tookes, H. (2012) Do investment banks’ relationshipswith investors impact pricing? The case of convertible bond issues.
Manage-ment Science
Applied Mathematical Finance
Abacus
Journal of Credit Risk
Explorations in Economic History
Financial Markets and Portfolio Management
Accounting &Business Research
Financial Analysts Journal
Research Foundation Publications
Review of Accounting Studies
Journal of Finance
Journal of Financial and Quantita-tive Analysis
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial and Quantitative Analysis
Journal of Bank-ing & Finance
Working Paper.
Available online: https://ssrn.com/abstract=2238516 .Hirshleifer, D. (1990) Hedging Pressure and Futures Price Movements in aGeneral Equilibrium Model.
Econometrica
Journal of Finance
Journal of Financial andQuantitative Analysis
Economic Journal
The Empirical Evidence on the Efficiency of Forward andFutures Foreign Exchange Markets.
New York, NY: Harwood Academic.Hodrick, R.J. and Prescott, E.C. (1997) Postwar U.S. Business Cycles: AnEmpirical Investigation.
Journal of Money, Credit and Banking
Journal of Property Investment & Finance
Journal of Economic Dynamics and Control
Journal of Fi-nance
Journal of BusinessFinance & Accounting
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
Journal of Money Laundering Control
Journal of the European Economic Association
International Journal of Central Banking
Financial Review
Journal of Financial Economics
Review of Financial Studies
Journal ofFutures Markets
ICFAI Journal of Derivatives Markets
4: 39-61.Houweling, P. and van Vundert, J. (2017) Factor Investing in the CorporateBond Market.
Financial Analysts Journal
SIAM Journalon Financial Mathematics
Proceeding of the 53rd Annual Allerton Conference on Communication,Control, and Computing.
Washington, DC: IEEE, pp. 165-172.Hsieh, C.H., Barmish, B.R. and Gubner, J.A. (2016) Kelly betting can be tooconservative. In:
Proceedings of the 2016 Conference on Decision and Control(CDC).
Washington, DC: IEEE, pp. 3695-3701.232sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
Electricity Journal
Working Paper.
Available online: .Hu, J. (2001)
Basics of Mortgage-Backed Securities. (2nd ed.) Hoboken, NJ:John Wiley & Sons, Inc.Huang, J-.Z. and Kong, W. (2003) Explaining Credit Spread Changes: NewEvidence From Option-Adjusted Bond Indexes.
Journal of Derivatives
Computers & OperationResearch
Journal of Futures Markets
Expert Systems with Applications
Organization Studies
European Journal of Operational Research
Applied Eco-nomics
Applied Economics
Journal of PropertyManagement
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Portfolio Management
Algorithmic Finance
Working Paper.
Available online: https://ssrn.com/abstract=2287848 .Huij, J. and Lansdorp, S. (2017) Residual Momentum and Reversal StrategiesRevisited.
Working Paper.
Available online: https://ssrn.com/abstract=2929306 .Hull, D.A. (1996) Stemming algorithms: A case study for detailed evaluation.
Journal of the American Society for Information Science and Technology
Options, Futures and Other Derivatives.
Upper Saddle River,NJ: Prentice Hall.Hull, J.C. and White, A.D. (2004) Valuation of a CDO and an n th to DefaultCDS without Monte Carlo Simulation. Journal of Derivatives
Journal of Derivatives
Journal of InvestmentManagement
Journal of Credit Risk
Investment Management and Financial Innovations
Derivatives Strategy
Journal of Banking & Finance
Insurance: Mathematics and Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Com-munications in Mathematical Finance
Journal of Portfolio Management
PIABA Bar Journal
International Review of Financial Analysis
Journal of Finance
Forecasting Expected Returns in the Financial Markets.
Waltham, MA: Academic Press.Illueca, M. and Lafuente, J.A. (2003) The Effect of Spot and Futures Tradingon Stock Index Volatility: A Non-parametric Approach.
Journal of FuturesMarkets
Expected Returns: An Investor’s Guide to Harvesting Mar-ket Rewards.
Hoboken, NJ: John Wiley & Sons, Inc.Ilmanen, A., Byrne, R., Gunasekera, H. and Minikin, R. (2004) Which RisksHave Been Best Rewarded?
Journal of Portfolio Management
American Economic Journal: Macroeconomics
EIB Papers
Pensions: An International Journal
Journal of Financial Economics
American Journal of AgriculturalEconomics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper . Available online: https://ssrn.com/abstract=2934538 .Israelov, R. and Klein, M. (2016) Risk and Return of Equity Index CollarStrategies.
Journal of Alternative Investments
Financial Analysts Journal
FinancialAnalysts Journal
Journal of Portfolio Management
Journal of Alternative Investments
Working Paper.
Available online: .Iturricastillo, I. and De La Peña, J.I. (2010) Absolute Immunization Risk asgeneral measure of immunization risk.
Análisis Financiero
Finance and Economics Discussion Series (FEDS) , Paper No.2014-106. Washington, DC: Board of Governors of the Federal ReserveSystem. Available online: .Jabbour, G. and Budwick, P. (2010)
The option trader handbook: strategiesand trade adjustments. (2nd ed.) Hoboken, NJ: John Wiley & Sons, Inc.Jackwerth, J.C. (2000) Recovering Risk Aversion from Option Prices and Re-alized Returns.
Review of Financial Studies
Journal of Financial Markets
23: 75-97.Jacoby, G. and Shiller, I. (2008) Duration and Pricing of TIPS.
Journal ofFixed Income
Strategic Risk , Septem-ber 2000, pp. 28-31. 236sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial and Quantitative Analysis
Energy Price Risk: Trading and Price Risk Management.
London, UK: Palgrave Macmillan.Jan, T.C. and Hung, M.W. (2004) Short-Run and Long-Run Persistence inMutual Funds.
Journal of Investing
European Journal of Finance
Journal of Portfolio Man-agement
Finance Re-search Letters
Financeand Stochastics
Review of Financial Studies
International Journal of Theoretical and Ap-plied Finance
Journal of Finance
Journal of Financial andQuantitative Analysis
Journal of Industrial Engi-neering International
8: 5.Jegadeesh, N. (1990) Evidence of Predictable Behavior of Security Returns.
Journal of Finance
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Financial Studies
Journal of Finance
Journal of Finance
Journal of Futures Markets
Journal of Portfolio Management
WorkingPaper.
Available online: https://ssrn.com/abstract=2737408 .Jetley, G. and Ji, X. (2010) The shrinking merger arbitrage spread: Reasonsand implications.
Financial Analysts Journal
Working Paper.
Available online: https://ssrn.com/abstract=535982 .Jewson, S. (2004b) Introduction to Weather Derivative Pricing.
Working Pa-per.
Available online: https://ssrn.com/abstract=557831 .Jewson, S., Brix, A. and Ziehmann, C. (2005)
Weather Derivative Valua-tion: The Meteorological, Statistical, Financial and Mathematical Founda-tions.
Cambridge, UK: Cambridge University Press.Jewson, S. and Caballero, R. (2003) Seasonality in the statistics of surfaceair temperature and the pricing of weather derivatives.
Meteorological Appli-cations
Journal of Futures Markets
Working Paper.
Available online: https://ssrn.com/abstract=2776829 .Jiang, W., Li, K. and Wang, W. (2012) Hedge Funds and Chapter 11.
Journalof Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://arxiv.org/pdf/1612.01277.pdf .Jiang, X. and Peterburgsky, S. (2017) Investment performance of shorted lever-aged ETF pairs.
Applied Economics
Expert Systems withApplications
Journalof Structured Finance
Journal of Structured Finance
Journal ofStructured Finance
Derivatives Use, Trading & Regulation
Journal of Derivatives &Hedge Funds
Review of Law & Economics
Notre Dame Lawyer (Notre Dame Law Review)
Journal of Finance
Journal of FinancialEconomics
Journal of Fixed Income
Journal of Financial Economics
Interna-tional Journal of Economics and Financial Issues
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) , Paper No. 381. Littleton, CO: Clute Institute.Jonsson, J. and Fridson, M. (1996) Forecasting Default Rates on High YieldBonds.
Journal of Fixed Income
Journal of Finance
Journalof the Institute of Actuaries
Journal of Risk Research
Journal of Financial Economics
Journal of Finance
Review of Fi-nance
Review of Financial Studies
Journal of Banking & Finance
Review of Financial Studies
Global Journal of Finance and Economics
Journal of Fu-tures Markets
Journal of FinancialEconomics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
International Journal ofEconomics and Management Engineering
Jour-nal of Portfolio Management
FinancialAnalysts Journal
Econometrica
Credit Deriva-tives Handbook 2006 – Vol. 2: A Guide to the Exotics Credit DerivativesMarket.
New York, NY: Credit Derivatives Strategy, Merrill Lynch.Kakushadze, Z. (2015a) Phynance.
Universal Journal of Physics and Applica-tion https://ssrn.com/abstract=2433826 .Kakushadze, Z. (2015b) Mean-Reversion and Optimization.
Journal of AssetManagement https://ssrn.com/abstract=2478345 .Kakushadze, Z. (2015c) 4-Factor Model for Overnight Returns.
WilmottMagazine https://ssrn.com/abstract=2511874 .Kakushadze, Z. (2015d) On Origins of Alpha.
Hedge Fund Journal https://ssrn.com/abstract=2575007 .Kakushadze, Z. (2015e) Heterotic Risk Models.
Wilmott Magazine https://ssrn.com/abstract=2600798 .Kakushadze, Z. (2016) 101 Formulaic Alphas.
Wilmott Magazine https://ssrn.com/abstract=2701346 .Kakushadze, Z. and Tulchinsky, I. (2016) Performance v. Turnover: A Story by4,000 Alphas.
Journal of Investment Strategies http://ssrn.com/abstract=2657603 .Kakushadze, Z. and Yu, W. (2016a) Multifactor Risk Models and HeteroticCAPM.
Journal of Investment Strategies https://ssrn.com/abstract=2722093 .241sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Jour-nal of Risk & Control https://ssrn.com/abstract=2802753 .Kakushadze, Z. and Yu, W. (2017a) Statistical Risk Models.
Journal of Invest-ment Strategies https://ssrn.com/abstract=2732453 .Kakushadze, Z. and Yu, W. (2017b) How to Combine a Billion Alphas.
Jour-nal of Asset Management https://ssrn.com/abstract=2739219 .Kakushadze, Z. and Yu, W. (2017c) *K-Means and Cluster Models for Can-cer Signatures.
Biomolecular Detection and Quantification
13: 7-31. Availableonline: https://ssrn.com/abstract=2908286 .Kakushadze, Z. and Yu, W. (2018a) Decoding Stock Market with Quant Al-phas.
Journal of Asset Management https://ssrn.com/abstract=2965224 .Kakushadze, Z. and Yu, W. (2018b) Notes on Fano Ratio and Portfolio Op-timization.
Journal of Risk & Control https://ssrn.com/abstract=3050140 .Kalev, P.S. and Inder, B.A. (2006) The information content of the term struc-ture of interest rates.
Applied Economics
Journal of Financialand Quantitative Analysis
Journal of Basic Engineering
Federal Reserve Bank of New York,Economic Policy Review
Managing Energy Price Risk: The New Challenges andSolutions.
London, UK: Risk Books.Kandel, S., Ofer, A.R. and Sarig, O. (1996) Real Interest Rates and Inflation:An Ex-Ante Empirical Analysis.
Journal of Finance
CRSP Working Paper No. 222.
Chicago, IL: University ofChicago. 242sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Real Estate Research
Journal of Financial Economics
Pacific-Basin Finance Journal
Journal of Alternative Investments
Journal of Investing
Expert Systems withApplications
Interna-tional Journal of Artificial Intelligence and Expert Systems
Journal of Empirical Finance
Journal of Real Estate Finance and Economics
Canadian Investment Review
Journal of Real Estate Finance and Economics
Journal of Alternative Investments
Journal of Futures Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Federal ReserveBank of New York, Current Issues in Economics and Finance
Bell SystemTechnical Journal
Flipping confidential: The secrets of renovating property forprofit in any market.
Hoboken, NJ: John Wiley & Sons, Inc.Kenett, D.Y., Ben-Jacob, E., Stanley, H.E. and gur-Gershgoren, G. (2013)How High Frequency Trading Affects a Market Index.
Scientific Reports
Risk , July 2008, pp. 76-82.Khan, S.A. (2002) Merger Arbitrage: A Long-Term Investment Strategy.
Jour-nal of Wealth Management
Journal of FinancialMarkets
Journal of Financial and Quantitative Analysis
South African Journal of Economic and ManagementSciences
Investment Risk and Performance.
Charlottesville, VA: CFA Institute.Kilgallen, T. (2012) Testing the Simple Moving Average across Commodities,Global Stock Indices, and Currencies.
Journal of Wealth Management
Review of Fi-nancial Studies
Working Paper.
Available online: https://ssrn.com/abstract=1913707 .Kim, K.J. (2003) Financial time series forecasting using support vector ma-chines.
Neurocomputing
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Expert Systems with Applications
Procedia ComputerScience
95: 281-286.Kim, K. and Han, I. (2000) Genetic algorithms approach to feature discretiza-tion in artificial neural networks for the prediction of stock price index.
ExpertSystems with Applications
Working Paper.
Available online: https://ageconsearch.umn.edu/bitstream/14767/1/aceo9703.pdf .Kim, G.H., Li, H. and Zhang, W. (2016) CDS-Bond Basis and Bond ReturnPredictability.
Journal of Empirical Finance
38: 307-337.Kim, G.H., Li, H. and Zhang, W. (2017) The CDS-Bond Basis Arbitrage andthe Cross Section of Corporate Bond Returns.
Journal of Futures Markets
PLoS ONE
Journal ofFinancial Research
Journal of Corporate Finance
24: 112-134.Kingma, D.P. and Ba, J. (2014) Adam: A Method for Stochastic Optimization.
Working Paper.
Available online: https://arxiv.org/pdf/1412.6980 .Kirby, C. and Ostdiek, B. (2012) It’s All in the Timing: Simple Active PortfolioStrategies that Outperform Naïve Diversification.
Journal of Financial andQuantitative Analysis
Journal of Finance
Working Paper.
Available online: https://repository.upenn.edu/cgi/viewcontent.cgi?article=1095&context=wharton_research_scholars .245sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
WorkingPaper.
Available online: https://ssrn.com/abstract=2814975 .Knight, J.R. (2002) Listing Price, Time on Market, and Ultimate Selling Price:Causes and Effects of Listing Price Changes.
Real Estate Economics
World Bank Working Paper No. 62.
Washington, DC: World Bank.Kocherlakota, R., Rosenbloom, E. and Shiu, E. (1988) Algorithms for cash-flow matching.
Transactions of Society of Actuaries
40: 477-484.Kocherlakota, R., Rosenbloom, E. and Shiu, E. (1990) Cash-flow matching andlinear programming duality.
Transactions of Society of Actuaries
42: 281-293.Kochin, L. and Parks, R. (1988) Was the tax-exempt bond market inefficientor were future expected tax rates negative?
Journal of Finance
Journal of Financial Economics
Financial Management
Journal of Financial Research
Journal of Banking & Finance
62: 62-75.Koopman, S.J., Lucas, A. and Schwaab, B. (2012) Dynamic factor modelswith macro, frailty, and industry effects for U.S. default counts: The creditcrisis of 2008.
Econometric Reviews
Working Paper.
Available online: https://ssrn.com/abstract=2567016 .Korajczyk, R.A. and Sadka, R. (2004) Are momentum profits robust to tradingcosts?
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Proceedings of the 20th Pan-Hellenic Conference on Informatics (PCI’16).
New York, NY: ACM, ArticleNo. 36.Kordos, M. and Cwiok, A. (2011) A new approach to neural network basedstock trading strategy. In: Yin, H., Wang, W. and Rayward-Smith, V. (eds.)
Intelligent Data Engineering and Automated Learning-IDEAL.
Berlin, Ger-many: Springer, pp. 429-436.Korkeamaki, T. and Michael, T.B. (2013) Where are they now? An analysisof the life cycle of convertible bonds.
Financial Review
Economic Modelling
31: 22-30.Kozhan, R., Neuberger, A. and Schneider, P. (2013) The Skew Risk Premiumin the Equity Index Market.
Review of Financial Studies
Management Science
Journal ofPortfolio Management
Journal of Money, Credit andBanking
Working Paper.
Available online: https://ssrn.com/abstract=2179247 .Kraenzlin, S. (2007) The characteristics and development of the Swiss francrepurchase agreement market.
Financial Markets and Portfolio Management
Journal of Urban Economics
Applied Financial Economics
Journal of Economic Surveys
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
AppliedEconomics
Journal of FinancialEconomics
PLoS ONE
Journal of Financial and QuantitativeAnalysis
Working Paper.
Avail-able online: https://ssrn.com/abstract=3031663 .Kryzanowski, L., Galler, M. and Wright, D. (1993) Using Artificial NeuralNetworks to Pick Stocks.
Financial Analysts Journal
Journal of Futures Markets
Journal of AdvancedStudies in Finance
Journalof Real Estate Portfolio Management
Journal of Finance
European Journal of Business and Management
Working Paper.
Available online: https://ssrn.com/abstract=876544 .Kwok, Y.K. (2014) Game option models of convertible bonds: Determinantsof call policies.
Journal of Financial Engineering
Journal of Derivatives & Hedge Funds
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal ofKing Saud University – Computer and Information Sciences
Applied Economics
International Review of FinancialAnalysis
Review of Financial Studies
Journal of Finance
Journal of Financial Economics
Working Paper.
Available online: .Lamoureux, C.G. and Lastrapes, W. (1993) Forecasting stock return variance:towards understanding stochastic implied volatility.
Review of Financial Stud-ies
Financial Review
Journal of FuturesMarkets
Journal of Banking & Finance
Financial Analysts Journal
Journal ofFinancial Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Briefings in Real Estate Finance
Journal ofPortfolio Management
Working Paper.
Available online: .Lasfer, M.A. (1995) Ex-Day Behavior: Tax or Short-Term Trading Effects.
Journal of Finance
Journal of Risk
Quantitative Finance
Quantitative Finance
Applied Financial Economics
Bulletin of the American Meteoro-logical Society
Food Policy
Journal of Real Estate Portfolio Management
Journal of Alternative Investments
Journal of FuturesMarkets
Journal of Futures Markets
Energy Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Real Estate Portfolio Management
Journal of Economics and Finance
Proceedings of the NCCC-134 Conference on Applied Com-modity Price Analysis, Forecasting, and Market Risk Management.
Avail-able online: .Lehmann, B.N. (1990) Fads, Martingales, and Market Efficiency.
QuarterlyJournal of Economics
Morgan Stanley Investment Management Journal
Financial Analysts Journal
Financial Analysts Journal
Journal of Structured Finance
Research Program in Finance Working Papers , No. RPF-244. Berkeley,CA: University of California at Berkeley.Leland, E.C. and Panos, N. (1997) The Puttable Bond Market: Structure,Historical Experience, and Strategies.
Journal of Fixed Income
Journal of Real EstatePortfolio Management
Quantita-tive Finance
International Aspects of the US Taxation System.
NewYork, NY: Palgrave Macmillan.Leung, T., Li, J., Li, X. and Wang, Z. (2016) Speculative Futures Tradingunder Mean Reversion.
Asia-Pacific Financial Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://hub.hku.hk/bitstream/10722/190689/1/Content.pdf .Levi, M. and Reuter, P. (2006) Money Laundering.
Crime and Justice
Journal of Portfolio Management
FinancialAnalysts Journal
Journal of Portfolio Management
Re-view of Economics and Statistics
Analyzing Investment Opportunities inDistressed and Bankrupt Companies. (AIMR Conference Proceedings, Vol.1991, Iss. 1.) Chicago, IL: AIMR, pp. 44-46.Levy, A. and Lieberman, O. (2013) Overreaction of country ETFs to US mar-ket returns: Intraday vs. daily horizons and the role of synchronized trading.
Journal of Banking & Finance
Handbook of International Economics , Vol. 3. Am-sterdam, The Netherlands: North-Holland, Chapter 37.Lewis, M. (2014)
Flash Boys: A Wall Street Revolt.
New York, NY: W.W.Norton & Company, Inc.Lewis, C.M., Rogalski, R.J. and Seward, J.K. (1999) Is convertible debt asubstitute for straight debt or for common equity?
Financial Management
Journal of Corporate Finance
Hedge Funds: Myths and Limits.
Chichester, UK: JohnWiley & Sons, Ltd.L’Hoir, M. and Boulhabel, M. (2010) A Bond-Picking Model for CorporateBond Allocation.
Journal of Portfolio Management
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journalof Fixed Income
Working Paper.
Available online: https://arxiv.org/pdf/1805.00558.pdf .Li, X., Deng, X., Zhu, S., Wang, F. and Xie, H. (2014) An intelligent marketmaking strategy in algorithmic trading.
Frontiers of Computer Science
Artificial Intelligence
Risk and Decision Analysis
Financial Analysts Journal
Financial An-alysts Journal
Journal of Real Estate Research
Discrete Dynamics in Nature and Society
Machine Learning
Work-ing Paper.
Available online: http://scholar.harvard.edu/files/gliao/files/creditcip.pdf .Lien, D. (1992) Optimal Hedging and Spreading in Cointegrated Markets.
Economics Letters
Quarterly Review of Economics and Finance
Journal of FuturesMarkets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Futures Markets
Applied Financial Economics t distribution approach. European Journalof Finance
Working Paper.
Available online: https://ssrn.com/abstract=2820269 .Liew, J.K.-S., Li, R.Z. and Budavári, T. (2018) Crypto-Currency InvestingExamined.
Working Paper.
Available online: https://ssrn.com/abstract=3157926 .Liew, J.K.-S. and Mayster, B. (2018) Forecasting ETFs with Machine LearningAlgorithms.
Journal of Alternative Investments
Risks
Journal of Financial Economics
Journal ofDerivatives & Hedge Funds
Journal of Forecasting
Journal of AppliedMathematics and Decision Sciences
Working Paper.
Available online: https://ssrn.com/abstract=496225 .Lin, C.Y. and Yung, K. (2004) Real Estate Mutual Funds: Performance andPersistence.
Journal of Real Estate Research
Journal of Futures Markets
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Banking & Finance
Journal of Fixed Income
Journal of Finance
Quantitative Finance
Journal of Trading
Journal ofBusiness
Journal of Real Estate Financeand Economics
Quantitative Finance
Journal of Banking & Finance
Journal of Empirical Finance
Working Paper.
Available online: https://ssrn.com/abstract=2641559 .Liu, J.-G. and Xu, E. (1998) Pricing of mortgage-backed securities with option-adjusted spread.
Managerial Finance
Review of Financial Studies
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Encyclopedia of Quan-titative Finance.
Hoboken, NJ: John Wiley & Sons, Inc.Livnat, J. and Mendenhall, R.R. (2006) Comparing the post-earnings an-nouncement drift for surprises calculated from analyst and time series fore-casts.
Journal of Accounting Research
Journal of Investment Management
Journal of Portfolio Management
Review of Financial Studies
Journal of Finance
Working Paper.
Available online: https://ssrn.com/abstract=2900509 .Loh, R.K. and Warachka, M. (2012) Streaks in earnings surprises and thecross-section of stock returns.
Management Science
Working Paper.
Available online: https://pure.uvt.nl/ws/files/779871/98.pdf .Loncarski, I., ter Horst, J. and Veld, C. (2009) The Rise and Demise of theConvertible Arbitrage Strategy.
Financial Analysts Journal
Real Estate Economics
Journal of Finance
Journal of Futures Markets
Working Paper.
Avail-able online: .256sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
DecisionSupport Systems
Financial Services Review
Collateralized DebtObligations: Structures and Analysis.
Hoboken, NJ: John Wiley & Sons, Inc.Lucca, D.O. and Moench, E. (2012) The Pre-FOMC Announcement Drift.
Journal of Finance
Journal of Investing
Fed-eral Reserve Bank of Richmond, Economic Review
Review of Financial Studies
Journal of Financial Economics
American Economic Review
Journal of Futures Markets
Judgment and Decision Making
Some theoretical problems suggested by the movementsof interest rates, bond yields and stock prices in the United States since 1856.
New York, NY: NBER, Inc.MacKinnon, G.H. and Al Zaman, A. (2009) Real estate for the long term: theeffect of return predictability on long-horizon allocations.
Real Estate Eco-nomics
Journal of Index Investing
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Financial Analysts Journal
Exchange-Traded Funds and the New Dynamics ofInvesting.
Oxford, UK: Oxford University Press.Madura, J. and Ngo, T. (2008) Impact of ETF inception on the valuation andtrading of component stocks.
Applied Financial Economics
Asia-Pacific Jour-nal of Financial Studies
Australian Journal of Management
Journal of Real Estate Research
Journal of Portfolio Man-agement
Journalof Housing Economics
Revista Con-tabilidade & Finanças
WorkingPaper.
Available online: https://ssrn.com/abstract=1549668 .Mankiw, N.G. and Summers, L.H. (1984) Do Long-Term Interest Rates Over-react to Short-Term Interest Rates?
Brookings Papers on Economic Activity ,No. 1, pp. 223-242.Mann, S.V. and Ramanlal, P. (1997) The relative performance of yield curvestrategies.
Journal of Portfolio Management
International Journal of Theoretical and Applied Finance
International Journal ofElectronic Business Management
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Economic Journal
Journal of Finance
Journal of AppliedCorporate Finance
Economic Modelling
Volatility trading: Hedge funds and the search for alpha(new challenges to the efficient markets hypothesis) (Ph.D. Thesis). New York,NY: Fordham University. Available online: https://fordham.bepress.com/dissertations/AAI3353774/ .Marshall, C.M. (2009) Dispersion trading: Empirical evidence from U.S. op-tions markets.
Global Finance Journal
Journal ofBanking & Finance
Journal of Banking & Finance
Journal of Fixed Income
Journal of Bond Trading and Management
Fixed Income Securities:Valuation, Risk Management and Portfolio Strategies.
Hoboken, NJ: John Wi-ley & Sons, Inc.Martin, G. (2010) The Long-Horizon Benefits of Traditional and New RealAssets in the Institutional Portfolio.
Journal of Alternative Investments
Working Paper.
Available online: .259sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Technical Analysis of Stocks & Commodities ibid.
Energy Policy
International Journal of Theoretical and Applied Finance
Working Paper.
Available online: https://ses.library.usyd.edu.au/bitstream/2123/8172/1/OMWP_2010_04.pdf .Mauer, R. and Sebastian, S. (2002) Inflation Risk Analysis of European RealEstate Securities.
Journal of Real Estate Research
Journal of Financial Economics
Financial Analysts Journal
Working Paper.
Available online: https://ssrn.com/abstract=2398223 .Mazurczak, A. (2011) Development of Real Estate Investment Trust (REIT)regimes in Europe.
Journal of International Studies
Social ScienceHistory
Futures Magazine , July2013, pp. 52-55.McConnell, J.J. and Buser, S.A. (2011) The Origins and Evolution of the Mar-ket for Mortgage-Backed Securities.
Annual Review of Financial Economics
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
InflationRisk and Products: The Complete Guide.
London, UK: Risk Books, pp. 621-641.McDonald, R.L. (2001) Cross-Border Investing with Tax Arbitrage: The Caseof German Dividend Tax Credits.
Review of Financial Studies
Economet-rics Journal
Financial Management
European Journal of OperationalResearch
Journal of Real Estate Finance and Economics
Options as a Strategic Investment. (4th ed.) New York,NY: New York Institute of Finance.Meen, G. (2002) The Time-Series Behavior of House Prices: A TransatlanticDivide?
Journal of Housing Economics
Federal Reserve Bank of Rich-mond, Economic Quarterly
Journal of Real Estate Financeand Economics
Journal of Real Estate Research
The Definitive Guide to CDOs.
London, UK: IncisiveMedia.Meissner, G. (2016) Correlation Trading Strategies: Opportunities and Limi-tations.
Journal of Trading
Journal of Business
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
Journal of Financial Markets
Annual Review of Financial Economics
8: 1-24.Mercurio, F. (2005) Pricing inflation-indexed derivatives.
Quantitative Finance
Risk
Risk , June 2009, pp. 106-111.Mercurio, F. and Yildirim, Y. (2008) Modelling Inflation. In: Benaben, B.and Goldenberg, S. (eds.)
Inflation Risks and Products: The Complete Guide.
London, UK: Risk Books.Merton, R.C. (1987) A Simple Model of Capital Market Equilibrium withIncomplete Information.
Journal of Finance
AppliedEconomics
Journalof Index Investing
Proceedings of the 6th International Conference on Neural Informa-tion Processing Systems (NIPS’93).
San Francisco, CA: Morgan KaufmannPublishers, Inc., pp. 319-326.Miao, G.J. (2014) High frequency and dynamic pairs trading based on sta-tistical arbitrage using a two-stage correlation and cointegration approach.
International Journal of Economics and Finance
Working Paper.
Available online: https://ssrn.com/abstract=2023765 .Miffre, J. (2012) Hedging pressure-based long/short commodity strategy usedfor third generation commodity index.
Risk , January 2012. Available online: .262sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Banking & Finance
Journal of Fixed Income
Real Estate Finance
Real EstateEconomics
Journal of Finance
Journal of Futures Markets
Journal of Economics Library
Journal of Financial and Quantitative Analysis
Expert Systems with Applications
Journal of Financial Economics
Journal of Finance
Working Paper.
Palo Alto, CA: Stanford University.Mitton, T. and Vorkink, K. (2007) Equilibrium Underdiversification and thePreference for Skewness.
Review of Financial Studies
Journal of Empirical Finance
Journal ofDerivatives
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Wealth Management
Accounting and Finance
Quantitative Finance
Journal of Futures Markets
Flip and grow rich: The heart andmind of real estate investing.
San Antonio, TX: Armondo Montelongo World-wide, Inc.Montrucchio, L. and Peccati, L. (1991) A note on Shiu-Fisher-Weil immuniza-tion theorem.
Insurance: Mathematics and Economics
The encyclopedia of commodityand financial spreads.
Hoboken, NJ: John Wiley & Sons, Inc.Moosa, I. (2001) Triangular Arbitrage in the Spot and Forward Foreign Ex-change Markets.
Quantitative Finance
International Financial Operations: Arbitrage, Hedging, Specula-tion, Financing and Investment.
Finance and Capital Markets Series. London,UK: Palgrave Macmillan, Chapter 1, pp. 1-18.Moosa, I.A. (2003b) The sensitivity of the optimal hedge ratio to model spec-ification.
Finance Letters
Journal of Trading
Progress of Theoretical PhysicsSupplement
Journal of Fi-nance
Journal of Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial Economics
Journal of Real Estate Portfolio Man-agement
Financial Review
Working Paper.
Available online: https://ssrn.com/abstract=1716841 .Mouakhar, T. and Roberge, M. (2010) The Optimal Approach to FuturesContract Roll in Commodity Portfolios.
Journal of Alternative Investments
Journal of Applied CorporateFinance
Afrika Statistika
Journal of Real Estate Research
Journal of Real Estate Port-folio Management
Journal of Real Estate Portfolio Management
Journal of InternationalFinancial Markets, Institutions and Money
Geneva Papers on Risk and Insurance
Quar-terly Review of Economics and Finance
61: 112-125.265sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Pacific-Basin Finance Journal
GlobalFinance Journal
Technical analysis of the futures markets: A comprehen-sive guide to trading methods and applications.
New York, NY: New YorkInstitute of Finance.Muthuswamy, J., Palmer, J., Richie, N. and Webb, R. (2011) High-FrequencyTrading: Implications for Markets, Regulators, and Efficiency.
Journal ofTrading
International Journalof Humanities and Social Science
Journal of Futures Markets
Work-ing Paper.
Available online: https://bitcoin.org/bitcoin.pdf .Nakano, M., Takahashi, A. and Takahashi, S. (2018) Bitcoin TechnicalTrading With Artificial Neural Network.
Working Paper.
Available online: https://ssrn.com/abstract=3128726 .Nandy (Pal), S. and Chattopadhyay, A.Kr. (2016) Impact of Individual StockDerivatives Introduction in India on Its Underlying Spot Market Volatility.
Asia-Pacific Journal of Management Research and Innovation
Journal of Property Investment & Finance
Journal of Financial and QuantitativeAnalysis
Financial Analysts Journal
Working Paper.
Available online: https://ssrn.com/abstract=2259133 . 266sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Derivatives Use, Trading& Regulation
Journal of Real Estate Research
Journal of Property Finance
Journal of Property Investment & Finance
Journal of Real Estate Portfolio Management
Journal of Property Research
Journal of Portfolio Management
Journal of Business
Journal of Accounting Research
WorkingPaper.
Available online: https://ssrn.com/abstract=1695889 .Niblock, S.J. (2017) Flight of the cóndors: Evidence on the Performance ofcóndor Option Spreads in Australia.
Applied Finance Letters
Review of Derivatives Research
Journal of Finance and DataScience
Journal of Derivatives
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal ofAlternative Investments
Journal of Futures Markets
Quantitative Finance
Real Estate Economics
Journal of Financial Economics
Super Sectors: How to Outsmart the Market Using SectorRotation and ETFs.
Hoboken, NJ: John Wiley & Sons, Inc.Odean, T. (2002) Volume, Volatility, Price, and Profit When All Traders AreAbove Average.
Journal of Finance
Management Science
Proceedings of the International Joint Conference on NeuralNetworks , Vol. 2. Washington, DC: IEEE, pp. 163-168.Oetomo, T. and Stevenson, M. (2005) Hot or cold? A comparison of differentapproaches to the pricing of weather derivatives.
Journal of Emerging MarketFinance
Journal of Finance
Journal of Business
Journal of Finan-cial Economics
Journal of Accounting Research
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Financial and Quantitative Analysis
Annals ofFinance
Journal ofDerivatives & Hedge Funds
FinancialAnalysts Journal
Journal of FinancialEconomics
Working Paper.
Available online: https://ssrn.com/abstract=2181441 .Ortalo-Magné, F. and Rady, S. (2006) Housing Market Dynamics: On theContribution of Income Shocks and Credit Constraints.
Review of EconomicStudies
Ledger
1: 111-118.Osborne, M.J. (2005) On the computation of a formula for the duration of abond that yields precise results.
Quarterly Review of Economics and Finance
Federal Reserve Bank of New York, Economic Policy Review
Journal of Finance
Financial Review
International Journal of Trade, Economics and Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Asset Management
Modern Applied Science
Journal of Property Re-search
Working Paper.
Availableonline: https://ssrn.com/abstract=1713449 .Oztekin, A.S., Mishra, S., Jain, P.K., Daigler, R.T., Strobl, S. and Holowczak,R.D. (2017) Price Discovery and Liquidity Characteristics for U.S. ElectronicFutures and ETF Markets.
Journal of Trading
BIS Quar-terly Review , March 2005, pp. 89-100. Available online: .Pagnotta, E. and Philippon, T. (2012) Competing on Speed.
Working Paper.
Available online: https://ssrn.com/abstract=1972807 .Pagolu, V.S., Reddy, K.N., Panda, G. and Majhi, B. (2016) Sentiment analysisof Twitter data for predicting stock market movements. In:
Proceedings of the2016 International Conference on Signal Processing, Communication, Powerand Embedded System (SCOPES).
Washington, DC: IEEE, pp. 1345-1350.Pagonidis, A.S. (2014) The IBS Effect: Mean Reversion in Equity ETFs.
Working Paper.
Available online: .Pan, J. and Poteshman, A.M. (2006) The Information in Option Volume forFuture Stock Prices.
Review of Financial Studies
Procedia – Social and Behavioral Sciences
Journal of Infrastructure Systems
Journal of Finan-cial Education , No. 13, pp. 5-9.270sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://ssrn.com/abstract=2614828 .Park, K., Jung, M. and Lee, S. (2018) Credit ratings and convertible bondprices: a simulation-based valuation.
European Journal of Finance
Applied Economics
Journal of Investment Strategies
European Journal of Finance
Real Estate Eco-nomics
Journal of Political Economy
Applied Eco-nomics
Review of Financial Economics
Pacific Rim Property Research Journal
Review of Financial Studies
Ekonomika preduzeća
Futures spreads: theory and praxis (Ph.D. Thesis).Northampton, UK: The University of Northampton. Available online: http://nectar.northampton.ac.uk/4963/1/Perchanok20124963.pdf .271sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Prob-lems and Perspectives in Management
Journal of InvestmentStrategies
Working Paper.
Available online: https://ssrn.com/abstract=1357385 .Perić, M.R. (2015)
Ekonomski aspekti korporativnih bankrotstava i stečajnihprocesa.
Belgrade, Serbia: Modern Business School.Perlin, M.S. (2009) Evaluation of pairs-trading strategy at the Brazilian finan-cial market.
Journal of Derivatives & Hedge Funds
Candlestick and Pivot Point Trading Triggers.
Hoboken,NJ: John Wiley & Sons, Inc.Peterson, J.D. and Hsieh, C.-H. (1997) Do Common Risk Factors in the Re-turns on Stocks and Bonds Explain Returns on REITs?
Real Estate Economics
Procedia Economics and Finance
29: 41-55.Pflueger, C.E. and Viceira, L.M. (2011) Inflation-Indexed Bonds and the Ex-pectations Hypothesis.
Annual Review of Financial Economics
3: 139-158.Philosophov, L.V. and Philosophov, V.L. (2005) Optimization of a firm’s cap-ital structure: A quantitative approach based on a probabilistic prognosis ofrisk and time of bankruptcy.
International Review of Financial Analysis
American Economic Review
Bankers Magazine , Vol. 164, May-June 1981, pp. 76-81.Pindado, J., Rodrigues, L. and de la Torre, C. (2008) Estimating financialdistress likelihood.
Journal of Business Research
Energy Journal
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Accounting Research
38: 1-41.Piotroski, J.D. and So, E.C. (2012) Identifying Expectation Errors in Value/Glamour Strategies: A Fundamental Analysis Approach.
Review of FinancialStudies
Working Paper.
Availableonline: https://ssrn.com/abstract=671841 .Pirrong, C. (2017) The economics of commodity market manipulation: Asurvey.
Journal of Commodity Markets
5: 1-17.Pisani, B. (2010) Man Vs. Machine: How Stock Trading Got So Complex.
CNBC (September 13, 2010). Available online: .Pitts, M. (1985) The Management of Interest Rate Risk: Comment.
Journalof Portfolio Management
Real Estate Investing From A to Z: The Most Comprehensive,Practical, and Readable Guide to Investing Profitably in Real Estate.
NewYork, NY: McGraw-Hill, Inc.Pizzutilo, F. (2013) A note on the effectiveness of pairs trading for individualinvestors.
International Journal of Economics and Financial Issues
Proceedings of the NationalAcademy of Sciences
Journal of FuturesMarkets
Statistical arbitrage: algorithmic trading insights and tech-niques.
Hoboken, NJ: John Wiley & Sons, Inc.Popper, H. (1993) Long-term covered interest parity: evidence from currencyswaps.
Journal of International Money and Finance
Program
Studies in State and Local Public Finance.
Chicago,IL: University of Chicago Press, pp. 5-48.273sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
RegionalScience and Urban Economics
American Economic Review
Journal of Financial Economics
Global Tactical Asset Allocation: Exploit-ing the opportunity of relative movements across asset classes and financialmarkets.
London, UK: Risk Books.Pounds, H. (1978) Covered Call Option Writing Strategies and Results.
Jour-nal of Portfolio Management
CFA InstituteConference Proceedings
Technical analysis explained: The successful investor’sguide to spotting investment trends and turning points. (3rd ed.) New York,NY: McGraw-Hill, Inc.Prokopczuk, M. and Simen, C.W. (2014) The importance of the volatility riskpremium for volatility forecasting.
Journal of Banking & Finance
40: 303-320.Putnam, G., III (1991) Investment Opportunities in Distressed Equities. In:Levine, S. (ed.)
Handbook of Turnaround and Bankruptcy Investing.
New York,NY: HarperCollins, pp. 196-207.Puttonen, V. (1993) The ex ante profitability of index arbitrage in the newFinnish markets.
Scandinavian Journal of Management
The Acquisitions Manual.
New York, NY: New York Institute of Finance,pp. 379-441.Rad, H., Low, R.K.Y. and Faff, R. (2016) The profitability of pairs tradingstrategies: distance, cointegration and copula methods.
Quantitative Finance
The Structured CreditHandbook.
Hoboken, NJ: John Wiley & Sons, Inc.Ramamurti, R. and Doh, J. (2004) Rethinking Foreign Infrastructure Invest-ment in Developing Countries.
Journal of World Business
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Risk and Financial Management
Proceedings of the 2012 International Confer-ence on Advances in Social Networks Analysis and Mining (ASONAM 2012).
Washington, DC: IEEE, pp. 119-123.Raulji, J.K. and Saini, J.R. (2016) Stop-Word Removal Algorithm and itsImplementation for Sanskrit Language.
International Journal of ComputerApplications
Journal of Finance
Journal of the Institute of Actuaries
Neural Networks
Real Estate Economics
Workouts andTurnarounds: The Handbook of Restructuring and Investing in DistressedCompanies.
Homewood, IL: Business One-Irwin, pp. 7-43.Reitano, R. (1996) Non-parallel yield curve shifts and stochastic immunization.
Journal of Portfolio Management
Federal Reserve Bank of New York Staff Re-ports , No. 57. Available online: https://ssrn.com/abstract=937350 .Rendleman, R.J. (1999) Duration-Based Hedging with Treasury Bond Futures.
Journal of Fixed Income
Journalof Financial Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Futures Markets
Journal of Finance
Expert Systems with Applications
Journal of Portfolio Management
American Journal of Agricultural Economics
Journal of FuturesMarkets
Infrastructure Finance: Trends and Techniques.
London, UK: Eu-romoney Books, pp. 1-47.Rime, D., Schrimpf, A. and Syrstad, O. (2017) Segmented Money Markets andCovered Interest Parity Arbitrage.
Working Paper.
Available online: https://ssrn.com/abstract=2879904 .Riordan, R. and Storkenmaier, A. (2012) Latency, liquidity and price discov-ery.
Journal of Financial Markets
Proceedings of the 2012 International Symposium on InformationTheory (ISIT).
Washington, DC: IEEE, pp. 1618-1622.Rödel, M. and Rothballer, C. (2012) Infrastructure as Hedge against Inflation– Fact or Fantasy?
Journal of Alternative Investments
Expert Systems with Applications
Journal ofApplied Probability
Journal of Fixed Income
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Financial Analysts Journal
European Financial Management
Journal of Index Investing
International Review of Applied Financial Issues andEconomics
Review of Financial Studies
CogentEconomics & Finance
Vulture Investors.
New York, NY: HarperCollins.Rosenberg, B., Reid, K. and Lanstein, R. (1985) Persuasive evidence of marketinefficiency.
Journal of Portfolio Management
Futures Magazine , December 2006,pp. 34-36.Ross, S. and Zisler, R. (1991) Risk and return in real estate.
Journal of RealEstate Finance and Economics
Journal of Structured Finance
Journal of Finance
Journal ofFinance
Proceedings – EUSIPCO 2007, 15th European Signal Pro-cessing Conference.
Poznań, Poland (September 3-7), pp. 606-610.Ruan, Y., Durresi, A. and Alfantoukh, L. (2018) Using Twitter trust networkfor stock market analysis.
Knowledge-Based Systems
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Banking Law Journal
Working Paper.
Available online: https://arxiv.org/pdf/1609.04747.pdf .Rudy, J., Dunis, C. and Laws, J. (2010) Profitable Pair Trading: A Compar-ison Using the S&P 100 Constituent Stocks and the 100 Most Liquid ETFs.
Working Paper.
Available online: https://ssrn.com/abstract=2272791 .Rujivan, S. and Zhu, S.P. (2012) A simplified analytical approach for pricingdiscretely sampled variance swaps with stochastic volatility.
Applied Mathe-matics Letters
Nature
Actual Problems of Economics
Procedia Economicsand Finance
32: 166-179.Ryabkov, N. (2015) Hedge Fund Price Pressure in Convertible Bond Markets.
Working Paper.
Available online: https://ssrn.com/abstract=2539929 .Saad, E.W., Prokhorov, D.V. and Wunsch, D.C. (1998) Comparative studyof stock trend prediction using time delay, recurrent and probabilistic neuralnetworks.
IEEE Transactions on Neural Networks
Federal Reserve Bank of New York, Economic PolicyReview
Working Paper.
Available online: https://ssrn.com/abstract=306371 .Sagi, J. and Seasholes, M. (2007) Firm-specific Attributes and the Cross-section of Momentum.
Journal of Financial Economics
Futures Magazine , September 2004,pp. 54-57. 278sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Energy Economics
American Economic Review
Proceedings of the National Academy ofSciences
Journal of Finance
Annalsof Statistics
Contemporary Economic Policy
Journal of Financial Economics
Journal of Wealth Management
Journalof Asset Management
Journalof Financial and Quantitative Analysis
Infrastructure Investing: Managing Risks & Rewards forPensions, Insurance Companies & Endowments.
Hoboken, NJ: John Wiley &Sons, Inc.Sawant, R.J. (2010b) Emerging Market Infrastructure Project Bonds: TheirRisks and Returns.
Journal of Structured Finance
Japan Forum
The complete guide to spread trading.
New York, NY:McGraw-Hill, Inc. 279sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
St. John’s Law Review
Financial Analysts Journal
Quantitative Finance
Journal of Wealth Management
Working Paper.
Available online: https://ssrn.com/abstract=1958546 .Schmidhuber, J. (2015) Deep learning in neural networks: An overview.
NeuralNetworks
61: 85-117.Schmidt, W. and Ward, I. (2002) Pricing default baskets.
Risk , January 2002,pp. 111-114.Schneeweis, T. and Gupta, R. (2006) Diversification benefits of managed fu-tures.
Journal of Investment Consulting
European Journal of Law and Economics
Journal of Financial Economics
Credit Derivatives Pricing Models.
Hoboken, NJ:John Wiley & Sons, Inc.Schoutens, W. (2005) Moment swaps.
Quantitative Finance
Investing in Mortgage-Backed and Asset-Backed Securi-ties: Financial Modeling with R and Open Source Analytics + Website.
Hobo-ken, NJ: John Wiley & Sons, Inc.Schumaker, R.P. and Chen, H. (2010) A Discrete Stock Price Prediction En-gine Based on Financial News.
Computer
Journal of Finance
Journal of EnergyFinance & Development
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Futures Markets
Management Science
Journal of Finance
Journal of Business
Handbook of the Economics of Fi-nance, Vol 1B. (1st ed.) Amsterdam, The Netherlands: Elsevier, Chapter 15,pp. 939-974.Sefton, J.A. and Scowcroft, A. (2005) Understanding Momentum.
FinancialAnalysts Journal
Journal of Real Estate Literature
Journal of Monetary Economics
Journal of Banking & Finance
Journal of Applied SecurityResearch
Procedia Computer Science
Journal of Financial Services Research
Working Paper.
Availableonline: https://ssrn.com/abstract=2778647 .281sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
WorkingPaper.
Available online: https://arxiv.org/pdf/1410.1231.pdf .Shaikh, I. and Padhi, P. (2015) The implied volatility index: Is ‘ investor feargauge ’ or ‘ forward-looking ’? Borsa Istanbul Review
Con-struction Management and Economics
Journal of Business
Journal of Portfolio Management
Financial AnalystsJournal
Financial Analysts Journal
Chicago Journalof International Law
FederalReserve Bank of Kansas City, Economic Review
Federal Reserve Bank of Kansas City, Economic Review
Working Paper.
Available online: https://ssrn.com/abstract=2561246 .Sherrill, D.E. and Upton, K. (2018) Actively managed ETFs vs actively man-aged mutual funds.
Managerial Finance
PLoS ONE
Journal of Political Economy
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journalof Financial Economics
Journal of Futures Markets
Expert Systems with Applications
Insurance:Mathematics and Economics
Insurance: Mathe-matics and Economics
International Journal of Economics and Finance
Review of Finance
Journal of Business
Journal of Asset Management
Business Review ofthe Federal Reserve Bank of Philadelphia , January/February 1996, pp. 15-29.Simmons, E. (1954) Sales of Government Securities to Federal Reserve BanksUnder Repurchase Agreements.
Journal of Finance
Journal of Derivatives
Journal of Behavioral Finance
Review ofFinance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Real Estate PortfolioManagement
Journal of Economic Dynamics and Control
Journal of Property Research
Working Paper.
Available online: https://ssrn.com/abstract=1421202 .Skelton, J.L. (1983) Banks, firms and the relative pricing of tax-exempt andtaxable bonds.
Journal of Financial Economics
Applied Financial Economics
Review of Derivatives Research
Intelligent Systems in Accounting, Financeand Management
California Management Review
Journal of Investing
Financial Analysts Journal
Institutional Investor
E+M Ekonomie a Management
Proceedings ofthe 10th International Conference: Liberec Economic Forum 2011 . Liberec,Czech Republic: Technical University of Liberec, pp. 481-487.284sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Club of Economics in Miskolc: Theory,Methodology, Practice
Journal ofAdvanced Studies in Finance
Acta MontanisticaSlovaca
Engineering Economics
Journal of Financial and Quantitative Analysis
Financial Analysts Journal
Working paper.
Availableonline: https://ssrn.com/abstract=675625 .Sörensson, T. (1993) Two methods for valuing convertible bonds – A compar-ison.
Scandinavian Journal of Management
Journal ofMoney Laundering Control
European FinancialManagement
Journal of Emerging Market Finance
Journal of Index Investing
Journal of Financial Economics
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of Financial Studies
Review of Financial Studies
Chicago MBA: A Jour-nal of Selected Papers
Investment Strategies of Hedge Funds.
Chichester, UK:John Wiley & Sons, Ltd.Stein, J.C. (1992) Convertible bonds as backdoor equity financing.
Journal ofFinancial Economics
Quarterly Journal of Economics
Pacific Rim PropertyResearch Journal
Journal of Real Estate Research
Journal of Real Estate Research
Accounting Review
Journal of Financial and Quan-titative Analysis
Journal of Finance
Journal of Asset Management
Sector Investing.
New York, NY: McGraw Hill, Inc.Stroebel, J. and Taylor, J.B. (2012) Estimated Impact of the Federal Reserve’sMortgage-Backed Securities Purchase Program.
International Journal of Cen-tral Banking
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
International Journal of Economics and FinancialIssues
Quantitative Finance (forthcoming).DOI: https://doi.org/10.1080/14697688.2017.1417624 .Stulz, R.M. (1996) Rethinking risk management.
Journal of Applied CorporateFinance
Journal ofEconomic Perspectives
Working paper.
Available online: .Su, E. and Knowles, T.W. (2010) Measuring Bond Portfolio Value at Risk andExpected Shortfall in US Treasury Market.
Asia Pacific Management Review
WSEAS Transactions on Informa-tion Science and Applications
Journal of Finance
Journal of Portfolio Management
Decision Sciences
Journal of Finance
Federal Reserve Bankof Richmond, Economic Review
ManagementInsight
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Global Finance Journal
Journal of Fixed Income
Journal of Asset Man-agement
Journal of Mathematical Finance
Proceedings Of The First Interdisciplinary Chess Interactions Con-ference.
Singapore: World Scientific Publishing, pp. 127-156.Symeonidis, L., Prokopczuk, M., Brooks, C. and Lazar, E. (2012) Futures ba-sis, inventory and commodity price volatility: An empirical analysis.
EconomicModelling
Journal of Trading
Working Paper.
Available online: http://ssrn.com/abstract=1507991 .Szakmary, A.C., Shen, Q. and Sharma, S.C. (2010) Trend-following tradingstrategies in commodity futures: A re-examination.
Journal of Banking &Finance
Journal of Financial Research
International Journal ofHospitality Management
Journal of Financial and QuantitativeAnalysis
Credit Derivatives & Synthetic Structures: A Guide toInstruments and Applications. (2nd ed.) Hoboken, NJ: John Wiley & Sons,Inc. 288sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Omega
Review of Eco-nomic Studies
Journal of Futures Markets
Jour-nal of Commodity Markets
Journal of International Money and Finance
Ex-pert Systems with Applications
Journal of Political Economy
Options: Essential Concepts and Trading Strate-gies. (2nd ed.) Chicago, IL: Richard D. Irwin, Inc.Thibodeau, T.G. and Giliberto, S.M. (1989) Modeling Conventional Residen-tial Mortgage Refinancing.
Journal of Real Estate Finance and Economics
Support and Resistance Simplified.
Columbia, MD:Marketplace Books.Thornes, J.E. (2006) An introduction to weather and climate derivatives.
Weather
Handbook of Assetand Liability Management: Theory and Methodology (Vol. 1).
Amsterdam,The Netherlands: Elsevier, pp. 385-428.Thorp, E.O. and Kassouf, S.T. (1967)
Beat the Market: A Scientific StockMarket System.
New York, NY: Random House.Till, H. (2008) Case Studies and Risk Management Lessons in CommodityDerivatives Trading. In: Geman, H. (ed.)
Risk Management in CommodityMarkets: From Shipping to Agriculturals and Energy.
Chichester, UK: JohnWiley & Sons, Ltd., pp. 255-291.289sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Working Paper.
Available online: https://ssrn.com/abstract=2942340 .Tille, C., Stoffels, N. and Gorbachev, O. (2001) To What Extent Does Pro-ductivity Drive the Dollar?
Current Issues in Economics and Finance
Working Paper.
Avail-able online: http://ssrn.com/abstract=3038803 .Tinoco, M.H. and Wilson, N. (2013) Financial distress and bankruptcy pre-diction among listed companies using accounting, market and macroeconomicvariables.
International Review of Financial Analysis
30: 394-419.Titman, S. and Warga, A. (1986) Risk and the Performance of Real EstateInvestment Trusts: A Multiple Index Approach.
AREUEA Journal
Review of Financial Studies
Journal of Portfolio Management
Journal of Derivatives & Hedge Funds
Journal of Banking & Finance
Growth and Change
WorkingPaper.
Available online: https://ssrn.com/abstract=2902063 .Trainer, F.H., Jr. (1983) The Uses of Treasury Bond Futures in Fixed IncomePortfolio Management.
Financial Analysts Journal
Technologyand Investment
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Federal Reserve Bank ofSan Francisco, Economic Letter , No. 2005-28. Available online: .Trifonov, Y., Yashin, S., Koshelev, E. and Podshibyakin, D. (2011) Applicationof Synthetic conos for Equity Risk Management. In: Černák, Z. (ed.)
MateriályVII mezinárodní vědecko – praktická konference “Zprávy vědecké ideje – 2011".
Prague, Czech Republic: Education and Science.Trifonov, Y., Yashin, S., Koshelev, E. and Podshibyakin, D. (2014) Testingthe Technology of Synthetic conos.
Working Paper.
Available online: https://ssrn.com/abstract=2429657 .Tripathi, V. and Garg, S. (2016) A Cross-Country Analysis of Pricing Effi-ciency of Exchange Traded Funds.
Journal of Applied Finance
Journal of Finance
Decision Support Systems
Applied Soft Computing
24: 977-984.Tse, Y. (2017) Return predictability and contrarian profits of internationalindex futures.
Journal of Futures Markets
Journal of Fixed Income
Fixed Income Securities: Tools for Today’sMarkets. (3rd ed.) Hoboken, NJ: John Wiley & Sons, Inc.Tulchinsky, I. et al . (2015)
Finding Alphas: A Quantitative Approach to Build-ing Trading Strategies.
New York, NY: John Wiley & Sons, Inc.Turnovsky, S.J. (1989) The Term Structure of Interest Rates and the Effects ofMacroeconomic Policy.
Journal of Money, Credit and Banking
Finance and Economics Discussion Series (FEDS) , Paper No. 2013-48.Washington, DC: Board of Governors of the Federal Reserve System. Avail-able online: . 291sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Risk and Uncertainty
Physical Review
Proceedings of the 22nd International Conference onInformation and Software Technologies (ICIST 2016).
Cham, Switzerland:Springer, pp. 208-217.Van Alstyne, M. (2014) Why Bitcoin has value.
Communications of the ACM
Essays on optimal hedging and investmentstrategies and on derivative pricing (Ph.D. Thesis). Tilburg, The Netherlands:Tilburg University.van den Noord, P. and André, C. (2007) Why has Core Inflation Remainedso Muted in the Face of the Oil Shock?
Working Paper.
Available online: http://dx.doi.org/10.1787/206408110285 .Van Kervel, V. and Menkveld, A.J. (2017) High-Frequency Trading aroundLarge Institutional Orders.
Journal of Finance (forthcoming). Available online: https://ssrn.com/abstract=2619686 .van Marle, M. and Verwijmeren, P. (2017) The long and the short of con-vertible arbitrage: An empirical examination of arbitrageurs’ holding periods.
Journal of Empirical Finance
44: 237-249.Van Oord, J.A. (2016)
Essays on Momentum Strategies in Finance (Ph.D.Thesis). Rotterdam, The Netherlands: Erasmus University. Available online: https://repub.eur.nl/pub/80036/EPS2016380F-A9789058924445.pdf .Vanstone, B. and Finnie, G. (2009) An empirical methodology for developingstockmarket trading systems using artificial neural networks.
Expert Systemswith Applications
Federal ReserveBank of New York Staff Reports , No. 761. Available online: . 292sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Finance, Economics and Mathematics.
Hoboken, NJ: John Wiley & Sons,Inc., Chapter 17.Vassalou, M. and Xing, Y. (2004) Default Risk in Equity Returns.
Journal ofFinance
Journal of Agricultural Economics
Federal Reserve Bank of New York Staff Reports , No.468. Available online: .Vidyamurthy, G. (2004)
Pairs Trading: Quantitative Methods and Analysis.
Hoboken, NJ: John Wiley & Sons, Inc.Viezer, T.W. (2000) Evaluating “Within Real Estate" Diversification Strate-gies.
Journal of Real Estate Portfolio Management
FLIP: How to find, fix, and sell houses forprofit.
New York, NY: McGraw-Hill, Inc.Vipul (2009) Box-spread arbitrage efficiency of Nifty index options: The Indianevidence.
Journal of Futures Markets
Journal of Futures Markets
Journal of Structured Finance
Workouts andTurnarounds: The Handbook of Restructuring and Investing in DistressedCompanies.
Homewood, IL: Business One-Irwin, pp. 514-542.Vrugt, E.B., Bauer, R., Molenaar, R. and Steenkamp, T. (2007) Dynamiccommodity trading strategies. In: Till, H. and Eagleeye, J. (eds.)
IntelligentCommodity Investing: New Strategies and Practical Insights for Informed De-cision Making.
London, UK: Risk Books, Chapter 16.Walker, J. (1999) How Big is Global Money Laundering?
Journal of MoneyLaundering Control
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
In-ternational Journal of Computer Mathematics
Journal of Financial and Quantitative Analysis
Journal of Fi-nancial and Quantitative Analysis
Journal of Fixed Income
Journal of Investing
Engineering Economist
PLoS ONE
Journal of Banking & Finance
Financial Analysts Journal
Journal of Financial Economics
Decision Sciences
Journal of Property Investment & Finance
Infrastructure as anAsset Class: Investment Strategy, Sustainability, Project Finance and PPP.
Chichester, UK: John Wiley & Sons, Ltd.Weinert, H.L. (2007) Efficient computation for Whittaker-Henderson smooth-ing.
Computational Statistics & Data Analysis
Commodities Now , September 2003, pp. 7-11.294sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journalof Banking & Finance
Brigham Young University LawReview
Journal of Portfolio Manage-ment
Journal of Derivatives
Journal of Portfolio Manage-ment
Journal of Political Economy
Cato Journal
Proceedings of theEdinburgh Mathematical Society
41: 63-75.Whittaker, E.T. (1924) On the theory of graduation.
Proceedings of the RoyalSociety of Edinburgh
44: 77-83.Wilder, J.W., Jr. (1978)
New Concepts in Technical Trading Systems.
Greens-boro, NC: Trend Research.Willett, P. (2006) The Porter stemming algorithm: then and now.
Program:Electronic Library and Information Systems
Journal of Fixed Income
Federal Reserve Bank of San Francisco Work-ing Papers Series , No. 2016-21. Available online: .Wilson, A.C., Roelofs, R., Stern, M., Stern, N. and Recht, B. (2018) TheMarginal Value of Adaptive Gradient Methods in Machine Learning.
WorkingPaper.
Available online: https://arxiv.org/pdf/1705.08292.pdf .Wilson, R.L. and Sharda, R. (1994) Bankruptcy prediction using neural net-works.
Decision Support Systems
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
An Introduction to Option-Adjusted Spread Analysis. (Miller, T. (ed.) Revised and Expanded Third Edition.) Princeton, NJ:Bloomberg Press.Wolf, A. (1987) Optimal hedging with futures options.
Journal of Economicsand Business
Comparison of Markovian Price Processes and Optimalityof Payoffs (Ph.D. Thesis). Freiburg im Breisgau, Germany: Albert-Ludwigs-Universität Freiburg. Available online: https://freidok.uni-freiburg.de/fedora/objects/freidok:9664/datastreams/FILE1/content .Wong, W.-K., Thompson, H.E. and Teh, K. (2011) Was There AbnormalTrading in the S&P 500 Index Options Prior to the September 11 Attacks?
Multinational Finance Journal
Pacific-Basin Finance Journal
Journal of Agricul-tural and Resource Economics
Journal of Corporate Accounting & Finance
Journal of Business
American Economic Review
Journal of Real Estate Portfolio Management
Journal of Law and Economics
Information Sciences
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Review of QuantitativeFinance and Accounting
Journal of Property Research
Journal of Property Invest-ment & Finance
Journal of Real Estate Research
FX Options and Structured Products. (2nd ed.) eBook:John Wiley & Sons, Inc.Wystup, U. and Zhou, Q. (2014) Volatility as investment – crash protectionwith calendar spreads of variance swaps.
Journal of Applied Operational Re-search
Journal of Derivatives & Hedge Funds
Working Paper.
Available online: https://ssrn.com/abstract=2383185 .Xing, Y., Zhang, X. and Zhao, R. (2010) What Does Individual Option Volatil-ity Smirk Tell Us About Future Equity Returns?
Journal of Financial andQuantitative Analysis
Journal of Futures Markets
Journal of Banking & Finance
Journal of Fixed Income
Financial Management
Journal of Risk Finance
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Expert Systems with Applications
Journalof Banking & Finance
Neurocomputing
International Journal of Theoretical and Applied Finance
Working Paper.
Availableonline: https://ssrn.com/abstract=199448 .Yavas, A. and Yang, S. (1995) The Strategic Role of Listing Price in MarketingReal Estate: Theory and Evidence.
Real Estate Economics
Journal of Finance
Journal of Portfolio Management
Bank Credit.
New York, NY: Harper and Row.Yim, H.L., Lee, S.H., Yoo, S.K. and Kim, J.J. (2011) A zero-cost collar optionapplied to materials procurement contracts to reduce price fluctuation risks inconstruction.
International Journal of Social, Behavioral, Educational, Eco-nomic, Business and Industrial Engineering
AppliedEconomics Letters
Entropy
Applied Mathematics & InformationSciences
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of RealEstate Research
Work-ing Paper.
Available online: .Yu, L., Wang, S. and Lai, K.K. (2005) Mining Stock Market Tendency UsingGA-Based Support Vector Machines. In: Deng, X. and Ye, Y. (eds.)
Internetand Network Economics. WINE 2005. Lecture Notes in Computer Science,Vol. 3828.
Berlin, Germany: Springer, pp. 336-345.Yu, S. and Webb, G. (2014) The Profitability of Pairs Trading StrategiesBased on ETFs.
Working Paper.
Available online: http://swfa2015.uno.edu/B_Asset_Pricing_III/paper_196.pdf .Zabolotnyuk, Y., Jones, R. and Veld, C. (2010) An empirical comparison ofconvertible bond valuation models.
Financial Management
Journal of Asset Man-agement
Journal of Alternative Investments
Working Paper.
Available online: https://ssrn.com/abstract=2677212 .Zapranis, A. and Alexandridis, A. (2008) Modelling the temperature time-dependent speed of mean reversion in the context of weather derivatives pric-ing.
Applied Mathematical Finance
Neurocomputing
Applied Financial Economics
International Journal of Finance & Banking Studies
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Risk Finance
Quantitative Finance
Journal of Accounting and Finance
Journal of Finance
ANZIAM Journal
Journal ofFinance
AUDITING: A Journal of Practice & Theory (forthcom-ing). DOI: https://doi.org/10.2308/ajpt-52017 .Zhang, X., Fuehres, H. and Gloor, P.A. (2011) Predicting Stock Market Indi-cators Through Twitter “I hope it is not as bad as I fear".
Procedia – Socialand Behavioral Sciences
26: 55-62.Zhang, J.E., Shu, J. and Brenner, M. (2010) The new market for volatilitytrading.
Journal of Futures Markets
QuantitativeFinance
Journal of Futures Markets
Mathematical Finance
Journal ofBond Trading and Management
Knowledge-Based Sys-tems
41: 16-25. 300sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Journal of Chinese Economic and BusinessStudies
Journal of Financial ServicesResearch
Journal of Accounting Research
22: 59-82. 301sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Glosario acción: un activo que representa la propiedad fraccional en una corporación. acción (o participación, o share en inglés): una unidad de partici-pación accionaria en una corporación o activo financiero. acción barata: una acción que se percibe como subvaluada por algúncriterio. acción cara: una acción que se percibe como sobrevaluada por algúncriterio. acción ordinaria: un activo que representa la propiedad en una corpo-ración que le da derecho a su titular para ejercer control sobre los asuntos de lacompañía (por ejemplo, a través de la votación en la elección de la junta directivay la política corporativa), con la prioridad más baja (después de los tenedores debonos, accionistas preferentes, etc.) para los derechos de los activos de la compañíaen caso de liquidación. acciones corporativas: eventos iniciados por una empresa que cotiza enla bolsa, como divisiones de acciones, dividendos, fusiones y adquisiciones (M&A,por sus siglas en inglés), emisiones de derechos, escisiones, etc. acciones en circulación: el número total de acciones de una empresaen poder de todos sus accionistas. acciones líquidas de los Estados Unidos: un subconjunto de ac-ciones listadas en los Estados Unidos que generalmente se definen utilizando losfiltros de volumen en dólares diario promedio (ADDV, por sus siglas en inglés)y capitalización bursátil (por ejemplo, las 2,000 acciones más líquidas según ADDV). accionista: un propietario de acciones en una empresa. aceptación bancaria (BA, por sus siglas en inglés): un instrumento dedeuda de corto plazo emitido por una empresa y garantizado por un banco comercial. actividad económica: producción, distribución, intercambio y consumode bienes y servicios. activo (o valor): en finanzas, usualmente un instrumento financierofungible, negociable con valor monetario.302sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) activo de renta fija: un instrumento de deuda que genera rendimientosfijos mediante los pagos de intereses. activo en distress: un activo (por ejemplo, deuda) de una empresa endistress. activo equivalente a efectivo: un activo de inversión a corto plazo al-tamente líquido con alta calidad crediticia (por ejemplo, REPO). activo especulativo: un activo con poco o ningún valor intrínseco. activo estructurado: un instrumento (deuda) de estructura complejacomo un CDO o ABS. activo hard-to-borrow: un activo en una “Hard-to-Borrow List”, unregistro de inventario utilizado por los corredores para activos que son difíciles detomar prestados para transacciones de venta en corto debido a la escasez de ofertao a la alta volatilidad. activo híbrido: un activo con características mixtas de dos clases de ac-tivos, por ejemplo, un bono convertible. activo libre de riesgo (también conocido como activo sin riesgo): un activo con una rentabilidad certera futura, por ejemplo, las letras del Tesoro. activo líquido: un activo que se puede convertir en efectivo rápidamente concostos de transacción mínimos. activo sintético (también conocido como sintético): un instrumentofinanciero creado (a través de un portafolio de activos) para replicar (o reproducirde forma aproximada) los mismos flujos de efectivo que otro activo (ejemplos deactivos sintéticos pueden ser put, call, cono, forward, futuros, etc.). activos tradicionales: acciones, bonos, efectivo, bienes raíces y, en al-gunos casos, también divisas y commodities. acuerdo de recompra (también conocido como REPO o repo, porsus siglas en inglés): un activo equivalente a efectivo que proporciona laliquidez inmediata a una tasa de interés preestablecida por un período específico detiempo a cambio de otro activo utilizado como un colateral. acuerdo de recompra inverso: un REPO desde el punto de vista delprestamista. 303sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) ajustar por la media (demeaning en inglés): restar de los elemen-tos de una muestra su valor medio a través de dicha muestra. ala: una de las 2 piernas periféricas (por vencimiento en portafolios debonos y por precio de ejercicio en portafolios de opciones) de un portafolio mariposa. alfa de Jensen: un retorno anormal de un activo o portafolio, general-mente calculado como el coeficiente del intercepto en un modelo lineal, en dondelos excesos de retornos de dicho activo o portafolio se regresan (serialmente) so-bre los excesos de retornos de uno o más portafolios de factores (por ejemplo, MKT). algoritmo “caja negra”: un algoritmo que puede verse en términos desus entradas y salidas, sin ningún conocimiento de su funcionamiento interno. algoritmo de clustering: agrupar objetos (en clusters) en función dealgún criterio (o criterios) de similitud. algoritmo de los k vecinos más cercanos (también conocido comoKNN o k-NN, por sus siglas en inglés): un algoritmo estadístico declasificación basado en un criterio de similitud, como distancia, ángulo, etc., entrevectores multidimensionales. algoritmo de stemming de Porter: un algoritmo para reducir pal-abras a su forma base (stemming en inglés). algoritmo de stemming: véase algoritmo de stemming de Porter . alfa: siguiendo la jerga del trader común, cualquier “retorno esperado”razonable con el que uno quiere realizar trading. alto (también conocido como precio alto, o high en inglés): elprecio máximo alcanzado por una acción (u otro activo) dentro de un día de tradingdeterminado (o en algún otro intervalo de tiempo); usamos “precio máximo” en eltexto principal. análisis de componentes principales (PCA, por sus siglas en inglés): un procedimiento matemático que transforma un número de variables (típica-mente, correlacionadas) en un número (típicamente, más pequeño) de variablesno correlacionadas (componentes principales), con el primer componente principalrepresentando la mayor variabilidad posible en los datos, y cada componenteprincipal subsiguiente explicando la mayor cantidad posible de la variabilidadrestante. 304sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) análisis de sentimiento (también conocido como minería de opinión): el uso del procesamiento de lenguaje natural y otras técnicas computacionalespara extraer la información de documentos (electrónicos) (por ejemplo, tweets), lacual es pertinente a un activo, por ejemplo, para pronosticar la dirección de susmovimientos de precios. análisis fundamental: evaluar los activos en función de datos funda-mentales. análisis técnico: una metodología para pronosticar la dirección de losprecios utilizando los datos históricos del mercado, principalmente los datos deprecio y volumen (comparado con análisis fundamental ). anomalía de baja volatilidad: una observación empírica de que losrendimientos futuros de los portafolios con retornos pasados que presentan bajavolatilidad tienden a superar a los de portafolios con retornos pasados que presentanalta volatilidad. anomalía de descuento a plazo (también conocida como anomalía depremio a plazo, o rompecabezas de descuento a plazo, o rompecabezasde premio a plazo, o enigma de Fama): un acontecimiento empírico por elcual, en promedio, las monedas con tasas de interés altas tienden a apreciarse (encierto grado) con respecto a las monedas de tasas de interés bajas. anuncios del FOMC: anuncios del Comité Federal de Mercado Abierto(FOMC, por sus siglas en inglés), tales como alzas en las tasas de interés. apalancamiento: el uso de fondos prestados para comprar un activo. apertura (también conocida como precio de apertura, u open eninglés): el precio de apertura de una acción en el NYSE (9:30 AM, hora delEste). aprendizaje automático (ML, por sus siglas en inglés): un método deanálisis de datos que automatiza la construcción de modelos analíticos predictivosbasado en la premisa de que los sistemas computacionales pueden “aprender” delos datos, identificar patrones y tomar decisiones con mínima intervención humana. arbitraje: aprovechar una desviación (percibida) de los precios justos(esto es también conocido como oportunidad de arbitraje) en uno o más activospara obtener una ganancia. 305sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) arbitraje con TIPS del Tesoro: una estrategia de trading que con-siste en vender un T-bond y compensar la posición corta mediante un portafolio deréplica de menor costo que consiste en TIPS, swaps de inflación y STRIPS. arbitraje convertible: una estrategia de trading que involucra un bonoconvertible y acciones del mismo emisor. arbitraje de fusiones (también conocido como arbitraje de riesgo): una estrategia de trading cuyo objetivo es capturar los rendimientos en excesosgenerados en acciones corporativas tales como fusiones y adquisiciones (M&A, porsus siglas en inglés). arbitraje de índice (también conocido como arbitraje Cash & Carry eninglés): una estrategia de arbitraje que explota las valoraciones erróneas entreel precio del índice spot y el precio de los futuros (es decir, la base de los futurosdel índice). arbitraje de intereses cubiertos: una estrategia de trading que ex-plota las desviaciones del CIRP. arbitraje de la base del CDS (también conocido como arbitraje deCDS ): comprar un bono y asegurarlo con un CDS. arbitraje de riesgo: véase arbitraje de fusiones . arbitrage del margen del swap (también conocido como arbitrajede swap-spread): una estrategia dólar-neutral que consiste en una posiciónlarga (corta) en un swap de tasa de interés y una posición corta (larga) en un bonodel Tesoro con el mismo vencimiento que el swap. arbitraje estadístico (también conocido como Stat Arb, o StatArb,por sus siglas en inglés): por lo general, se trata de estrategias de trading decorto plazo con universos de trading considerables (por ejemplo, miles de acciones) yse basa en complejas señales estadísticas de corte transversal (y serial) de reversióna la media. arbitraje fiscal: obtener beneficios de las diferencias en cómo se gravanlos ingresos, las ganancias de capital, las transacciones, etc. arbitraje fiscal de bonos municipales: una estrategia de trading basada enpedir prestado dinero y comprar bonos municipales exentos de impuestos. arbitraje fiscal transfronterizo: explotar las diferencias en los regímenes306sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) arbitraje intradiario: obtener beneficios de los errores de valoración in-tradía, por ejemplo, en ETFs y acciones. arbitraje multidivisa: arbitraje de 4 o más pares de divisas. arbitraje sin riesgo: realizar ganancias sin ningún riesgo. arbitraje triangular: véase arbitraje triangular con FX . arbitraje triangular con FX: arbitrar 3 pares de divisas. área estadística metropolitana (MSA, por sus siglas en inglés): unárea central que contiene un núcleo de población sustancial, junto con las comu-nidades adyacentes que tienen un alto grado de integración económica y social condicho núcleo. arreglar y vender: una estrategia con bienes raíces. asignación de activos: asignar las ponderaciones (porcentajes de asig-nación) a los activos en un portafolio, generalmente basados en consideraciones deriesgos y retornos. asignación de capital: véase asignación de activos . asignación dinámica de activos: ajustar con frecuencia las asigna-ciones de activos en un portafolio de acuerdo con las condiciones cambiantes delmercado. asignación táctica de activos: una estrategia de inversión dinámicaque ajusta activamente las ponderaciones de asignación de los activos en unportafolio. asimetría (skewness en inglés): una medida de asimetría en una dis-tribución de probabilidad, definida como el valor medio de la potencia cúbica delas desviaciones de la media dividido por la potencia cúbica de la desviación estándar. asimetría de volatilidad: un suceso empírico por el cual, con todo lodemás igual, la volatilidad implícita de las opciones de venta es mayor que la de lasopciones de compra. ask (también conocido como precio ask, oferta o precio de oferta):
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) backtest: una simulación del rendimiento de una estrategia utilizandodatos históricos. backtest con retraso- d : un backtest en el que todas las cantidades uti-lizadas para establecer o liquidar las posiciones simuladas en un momento dado t secalculan utilizando las cantidades históricas de al menos d días de trading antes de t . backtest fuera de la muestra (out-of-sample en inglés): un back-test en el que todas las cantidades utilizadas para establecer o liquidar lasposiciones simuladas correspondientes a un momento dado t se calculan utilizandolas cantidades históricas de tiempos anteriores a t . backwardation: cuando la curva de futuros (estructura temporal) pre-senta una pendiente descendente. bajo (también conocido como precio bajo, o low en inglés): elprecio mínimo alcanzado por una acción (u otro activo) dentro de un día de tradingdeterminado (o en algún otro intervalo de tiempo); usamos “precio mínimo” en eltexto principal. bancarrota: un estado legal (impuesto por una orden judicial) de unacompañía que no puede pagar las deudas a sus acreedores. banda (strip en inglés): una estrategia de trading con opciones. barbell: un portafolio de bonos que consiste en bonos con solo dos vencimientos(generalmente, cortos y largos). base del CDS: el margen del CDS menos el margen de rendimiento delbono asegurado. base de futuros: el precio de futuros menos el precio spot del activosubyacente. beta de mercado: una medida de la volatilidad (riesgo sistemático) deun activo o portafolio en comparación con el mercado general. bid (también conocido como precio bid): el precio al que el com-prador está dispuesto a comprar. bienes raíces (también conocidos como bienes inmobiliarios): bienes308sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) bienes raíces comerciales: una propiedad inmobiliaria utilizada parafines comerciales (en lugar de espacio para vivir), por ejemplo, centros comerciales,tiendas minoristas, espacio de oficinas, etc.
Bitcoin (BTC): la primera moneda digital descentralizada (criptomoneda) delmundo. blockchain: un libro de registro distribuido, que mantiene un registro detodas las transacciones y consiste en una cadena secuencial de bloques (que contienelos registros de las transacciones), que están vinculados mediante la criptografía yun marcador del tiempo. bono: un instrumento de renta fija, con promesa de recibir algún monto(principal) en algún momento futuro T (vencimiento), y posiblemente algunosmontos menores (pagos de cupones) en algunos momentos antes de T . bono con cupón: un bono que realiza algunos pagos periódicos de cuponesantes del vencimiento. bono con cupón cero: véase bono de descuento . bono con cupón fijo (también conocido como bono con tasa de cúponfija): un bono con una tasa de cupón fija (en oposición a una variable). bono con cupón flotante (también conocido como bono con cupónde tasa variable, o bono con cupón variable, o bono con cupón de tasavariable): un bono con una tasa de cupón variable (en oposición a una fija). bono con cupón variable: véase bono con cupón flotante . bono convertible: un activo híbrido con una opción integrada paraconvertir a un número preestablecido (ratio de conversión) de las acciones delemisor cuando, por ejemplo, el precio de la acción alcanza un nivel preestablecido(precio de conversión). Bonos de Alto Rendimiento (también conocidos como bonos ba-sura): los bonos con las calificaciones crediticias del S&P por debajo de BBB-. bono de descuento (también conocido como bono con cupón cero): un bono que paga solo su principal al vencimiento pero que no realiza ningún pagode cupón. 309sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Bonos de Grado de Inversión (también conocidos como bonos IG,por sus siglas en inglés): los bonos con las calificaciones crediticias del S&Pdesde AAA a AA- (calidad crediticia alta) y desde A+ a BBB- (calidad crediticiamedia). bono del Tesoro (también conocido como T-bond en inglés): unaobligación de deuda emitida por el Tesoro de los Estados Unidos con unvencimiento superior a 10 años. bono entregable: un bono en la cesta de entrega de un contrato de fu-turos de tasa de interés. bono municipal: un bono emitido por un gobierno/territorio local o suagencia. bono municipal exento de impuestos: por ejemplo, los bonos munic-ipales que no están sujetos a los impuestos federales sobre la renta (sobre el interésganado) en los EE.UU. bono no entregable: un bono que no está en la cesta de entrega de uncontrato de futuros de tasa de interés.
Booleano: una variable binaria con solo dos valores posibles,
VERDADERO y FALSO ( TRUE y FALSE en inglés). brecha de producción: la diferencia entre la producción real de unaeconomía y su producción potencial máxima como un porcentaje del GDP.
Btu: la unidad térmica británica, aproximadamente 1,055 Julios. bullet: un portafolio de bonos donde todos los bonos tienen el mismovencimiento. burbuja (también conocida como burbuja económica, de activos,especulativa, de mercado, de precio o financiera): un activo que cotiza aprecios fuertemente inflados en comparación con su valor intrínseco. burbuja especulativa: véase burbuja . caída del mercado (o crash (en inglés) del mercado): una repentinadisminución sustancial en los precios de los activos a través de su corte transversal.310sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) calificación: véase calificación crediticia . calificación crediticia (para bonos): una medida de la solvencia delos bonos corporativos y gubernamentales (por ejemplo, las calificaciones crediticiasdel S&P AAA, AA+, AA, AA-, A+, A, A-, BBB+, BBB, BBB-, BB+, BB, BB-,B+, B, B-, CCC+, CCC, CCC-, CC, C, D). call casada: véase call protectora . call cubierta: véase estrategia de compra-lanzamiento . call desnuda: una opción call corta independiente (sin ninguna otraposición). call protectora (también conocida como call casada, o put sintético): lacobertura de una posición corta en acciones con una posición larga en una opcióncall. canal: un rango/banda, limitado por un techo y un piso, dentro de loscuales el precio de las acciones fluctúa. Canal de Donchian: una definición de canal comúnmente utilizada enestrategias de trading de canal. cantidad de corte transversal: una cantidad (por ejemplo, media,desviación estándar, etc.) calculada a través de un conjunto de activos (porejemplo, acciones en un portafolio) en lugar de en serie (es decir, a través de unaserie de tiempo para cada activo). cantidad histórica: una cantidad (por ejemplo, correlación, varianza,volatilidad, retorno, etc.) calculada en base a datos históricos. cantidad no ajustada: un precio o volumen no ajustado por splits ydividendos. cantidad serial: una cantidad (por ejemplo, media, desviación estándar,etc.) computada serialmente (es decir, a través de las series de tiempo para cadaactivo) en oposición a aquellas de corte transversal (es decir, a través de un conjuntode activos). capa: véase capa de entrada, capa oculta, capa de salida . capa de entrada: en una red neuronal artificial, la capa de nodos (neu-311sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) capa de salida: en una red neuronal artificial, la capa de nodos (neu-ronas artificiales) que genera los datos de salida (el resultado). capas ocultas: en una red neuronal artificial, las capas intermedias denodos (neuronas artificiales) entre la capa de entrada y la capa de salida. capitalización bursátil (también conocida como capitalización demercado): el valor de mercado de las acciones en circulación de una empresa.
Capítulo 11: un capítulo del Título 11, el código de bancarrota de losEstados Unidos. característica (en aprendizaje automático): un predictor, una vari-able de entrada. características de rendimiento: para un portafolio o estrategia, carac-terísticas tales como el retorno sobre el capital, el ratio de Sharpe, los centavos poracción, la reducción máxima, etc. carry (también conocido como costo de carry): un retorno (posi-tivo o negativo) de mantener un activo. carry alto-menos-bajo: una estrategia de trading de FX basada en laanomalía de descuento a plazo. carry trade (también conocido como estrategia de carry): unaestrategia basada en ganar una diferencia entre pedir prestado un activo con carrybajo y prestar un activo con carry alto. carry trade sobre el dólar: una estrategia de trading de FX.
CDS de nombre individual: un CDS en una sola entidad de referen-cia. centavos por acción (CPS, por sus siglas en inglés): el P&L real-izado en centavos (en lugar de dólares) dividido por el número total de accionesnegociadas (que incluye tanto las operaciones del establecimiento como las de laliquidación). certificado de depósito bancario (también conocido como certificado dedepósito, o CD, por sus siglas en inglés): un certificado de ahorro (un312sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) cesta: una cartera de activos combinada con ciertas ponderaciones. cesta de entrega: en futuros de tasa de interés, el conjunto de bonosque se pueden entregar en la fecha de entrega. cesta de entrega de los futuros: véase cesta de entrega . cesta del índice: un portafolio del índice. cesta incompleta: un subconjunto de un portafolio (o una cesta de ac-tivos) que idealmente se negociaría, por ejemplo, en el arbitraje de índice. cierre (también conocido como precio de cierre, o close en inglés): el precio de cierre de una acción al cierre del NYSE (4:00 PM, hora del Este). clase: en aprendizaje automático, uno de los posibles resultados previstosde un algoritmo de aprendizaje automático. clase de activo: un grupo de activos con características similares. clase predicha: en aprendizaje automático, el resultado predicho por unalgoritmo. clasificación de la industria: una taxonomía de empresas (acciones) basadaen algún criterio (o criterios) de similitud, por ejemplo, la principal fuente de in-gresos de una empresa, la relación de los retornos de las acciones históricamente, etc. clasificación binaria de la industria: una clasificación de la industriadonde cada empresa pertenece a una y solo una subindustria, industria, sector, etc. clasificación estadística de la industria: un agrupamiento multinivelde empresas basado en técnicas puramente estadísticas, por ejemplo, agrupamientobasado en la distancia de los retornos de las empresas (comparado con clasificaciónfundamental de la industria ). clasificación fundamental de la industria: una clasificación industrialde las empresas (en sectores, industrias, subindustrias, etc.) basada en datosfundamentales/económicos, tales como productos y servicios, distintas fuentesde ingresos, proveedores, competidores, socios, etc. (comparado con clasificaciónestadística de la industria ). 313sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) cobertura: una inversión (generalmente, a través de una posición quecompensa otra posición en un activo relacionado) para reducir el riesgo de perderdinero en una posición existente. cobertura cruzada: administrar el riesgo para un activo tomando unaposición opuesta (con algún ratio de cobertura) en otro activo (o su derivado, porejemplo, futuros), en donde los dos están correlacionados positivamente y tienenmovimientos similares. cobertura de Delta: cubrir una posición larga (corta) en un activoderivado con una posición corta (larga) en el activo subyacente con el ratio decobertura igual al Delta del activo derivado. cobertura de Gamma: una estrategia de cobertura de opciones paraeliminar o reducir la exposición causada por los cambios en el Delta de una carterade opciones resultantes de los movimientos de los precios del activo subyacente. cobertura de la duración: la cobertura del riesgo de duración (es de-cir, riesgo de tasa de interés) con swaps de tasa de interés o futuros de tasa deinterés. cobertura del índice: cubrir una posición (por ejemplo, un tramo deun CDO) con el índice pertinente. cobertura imperfecta: cuando una cobertura se deshace en cierto grado (porejemplo, debido a movimientos de los precios del activo subyacente). código fuente (también conocido como código): código escrito enalgún lenguaje de programación de computadora. coeficiente de la regresión: la pendiente de una variable independi-ente en una regresión lineal. colateral: algo de valor prometido como garantía de pago de un prés-tamo, que se perderá si el prestatario no cumple. collar (también conocido como cerca): una estrategia de trading conopciones. colocación: la etapa inicial en el proceso de lavado de dinero, por mediodel cual se introducen fondos ilegales en la economía legal por medios fraudulentos.314sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) combo (para opciones): un tipo de estrategias de trading con opciones. completar: cuando se completa una orden de compra o venta de un ac-tivo, con una finalización parcial (por ejemplo, solo se “llenan” 100 acciones de unaorden de compra de 200 acciones) conocida como ejecución parcial. completar o matar una orden límite (también conocido como FOK,por sus siglas en inglés): una orden de límite para comprar o vender accionesque debe ejecutarse de forma inmediata y completa o no se realiza (no se permitenejecuciones parciales).
Compromisos de los Comerciantes (COT, por sus siglas en inglés): los informes semanales proporcionados por la CFTC. commodity: una materia prima (por ejemplo, oro, plata, petróleo, cobre) oun producto agrícola (por ejemplo, trigo, soja, arroz) que se puede comprar y vender. commodity físico: el commodity real (por ejemplo, cobre) que se en-trega al vencimiento a un comprador de contratos de futuros de commodities. compañía adquirente: la compañía que compra otra compañía (com-pañía objetivo) en una adquisición corporativa. componente principal: para una matriz cuadrada simétrica, un eigen-vector de la misma normalizado de tal manera que la suma de los cuadrados desus componentes es igual a 1, con diferentes componentes principales ordenados enorden descendente por los eigenvalores correspondientes. composición continua: un límite matemático idealizado de composición, endonde el número de períodos de composición n va hasta el infinito, la longitud δ de cada período de composición va a cero, y el producto n × δ se mantiene fijo y finito. composición periódica: una composición con períodos de capitalizacióniguales, por ejemplo, la composición trimestral, semestral o anual. comprador de protección: un comprador de seguros. comprar y mantener activos/inversiones: un activo/inversión parauna estrategia pasiva a largo plazo donde el inversionista mantiene una posiciónlarga independientemente de las fluctuaciones a corto plazo en el mercado. computación fuera de muestra (out-of-sample en inglés): un cál-culo en el que todas las cantidades que se utilizan para fines de pronósticar en315sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) t se calculan utilizando las cantidades históricas detiempos anteriores a t . condición de no arbitraje libre de riesgo: una condición que garan-tiza que no se puedan obtener ganancias libres de riesgo mediante una estrategiade trading (al menos, en exceso a la tasa libre de riesgo). cóndor: un tipo de estrategias de opciones. cóndor de hierro: un tipo de estrategias de trading con opciones. cono: una estrategia de trading con opciones. constituyentes del índice: los activos en el portafolio del índice. contango: cuando la curva de futuros (estructura temporal) presentauna pendiente positiva. contraparte: la otra parte que participa en una transacción financiera. contrato al mes más cercano: véase futuro al mes más cercano . contrato del primer mes: véase futuro del primer mes . conversión larga una estrategia de trading con opciones. convexidad (para bonos): una medida de la dependencia no lineal delos precios de los bonos a los cambios en las tasas de interés, que implica la segundaderivada del precio de los bonos con respecto a las tasas de interés. correa (strap en inglés): una estrategia de trading con opciones. correlación: una medida de cuán cerca se mueven dos activos entre sí,definida como la covarianza de sus retornos dividida por un producto de lasdesviaciones estándar de dichos retornos. correlación serial: una correlación por pares entre dos activos calculadaen función de sus series de tiempo de los retornos históricos. costos de trading (también conocidos como costos de transacción): los costos asociados con el trading de activos, incluidos (según corresponda)comisiones de operaciones, comisiones de corretaje, comisiones de la SEC, slippage,etc. 316sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) covarianza: un valor medio del producto de las desviaciones de los re-tornos de dos activos de sus valores medios respectivos. crédito fiscal: véase imputación de dividendos . criptoactivos: criptomonedas y activos digitales similares. criptografía: la construcción y el análisis de protocolos que evitan queterceros lean mensajes privados. criptomoneda: un medio de intercambio digital que utiliza criptografía(por ejemplo, el BTC). crisis financiera: cuando algunos activos financieros pierden repentina-mente una gran parte de su valor nominal. cuantil: cada una de las n partes (aproximadamente) iguales de unamuestra (por ejemplo, muestra de datos), en donde n > cuenta al margen: una cuenta de corretaje en la que el corredor prestadinero en efectivo al cliente para comprar activos. cuerpo: la pierna media (por vencimiento en portafolios de bonos y porprecio de ejercicio en portafolios de opciones) de un portafolio mariposa. cum-dividendo: cuando el comprador de acciones tiene el derecho arecibir un dividendo que ha sido declarado, pero no pagado (comparado con ex-dividendo ). cuna: una estrategia de trading con opciones. curva de futuros (también conocida como estructura de plazo defuturos): la dependencia de los precios de los futuros al tiempo a la entrega. curva de rendimientos (también conocida como estructura tempo-ral): la dependencia de las tasas de interés o de los rendimientos de los bonos alos vencimientos. curva del Tesoro: la curva de rendimientos de los valores del Tesoro. curva-neutralidad: la neutralidad aproximada de una cartera de bonosante una pequeña inclinación y aplanamiento de la curva de rendimientos.317sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) curvatura: en una curva de rendimientos, el cambio en la pendiente dela misma en función de la madurez. datos de entrenamiento (también conocidos como conjunto de datos deformación): en aprendizaje automático, un conjunto de datos de pares deentrada-salida conocidos de antemano, que se utilizan para entrenar un algoritmode aprendizaje automático. datos de precios: los datos históricos y en tiempo real que contienenprecios, volúmenes negociados y otras cantidades relacionadas (véase datos delmercado ). datos de sentimiento: los datos textuales utilizados en el análisis deopiniones (por ejemplo, el contenido de los tweets). datos del mercado: los precios y datos relacionados con el trading deun activo financiero, reportado por una bolsa de comercio (o similar). datos económicos: los datos (típicamente, series de tiempo) que pertenecen auna economía. datos fundamentales: los datos pertenecientes a los fundamentos deacciones u otros activos, incluidas series de tiempo y/o datos de corte transversal. decaimiento de Theta: la disminución en el tiempo del valor de unaopción (u otro activo) a medida que el tiempo se acerca al vencimiento. decil: cada una de las 10 partes (aproximadamente) iguales de una muestra(por ejemplo, muestra de datos). déficit de flujo de efectivo: la cantidad por la cual una obligación oun pasivo financiero excede la cantidad de efectivo (o, más generalmente, fondoslíquidos) que está disponible. Delta: la primera derivada del valor de un activo derivado (por ejemplo,una opción) con respecto al precio del activo subyacente. derechos de control: los derechos legales otorgados a un inversionista(por ejemplo, un accionista que posee acciones ordinarias), como el derecho atransferir acciones, recibir información financiera regular y precisa, votar sobretemas específicos en la compañía, etc.318sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) deriva: el cambio medio en una cantidad dependiente del tiempo du-rante un período de tiempo, es decir, un promedio serial. derivado (también conocido como contrato derivado, o reclamacióncontingente): un activo (por ejemplo, una opción) cuyo pago futuro dependedel valor de su activo subyacente (por ejemplo, acciones) y está supeditado a algúnevento futuro incierto. derivado crediticio: contratos financieros (por ejemplo, CDS) que per-miten a las partes transferir o recibir exposición al riesgo de crédito. derivado del clima: un derivado (por ejemplo, una opción o un futuro)sobre un índice sintético del clima. descenso gradiente estocástico (SGD, por sus siglas en inglés): unmétodo iterativo para optimizar una función objetivo que es diferenciable. descuento a plazo: cuando el forward de la tasa de FX es menor quela tasa de FX spot. desplazamiento paralelo: cuando en la curva de rendimientos, todaslas tasas de interés para todos los vencimientos cambian en la misma cantidad. desprendimiento (también conocido como punto de desprendimiento): elporcentaje de pérdida del portafolio subyacente en la que un tramo de un CDO(obligación de deuda garantizada) pierde todo su valor. desviación estándar: la raíz cuadrada de la varianza. desviación estándar móvil: en una serie de tiempo, una desviación es-tándar (posiblemente computada con algunas ponderaciones no triviales) sobreun intervalo de tiempo de longitud fija, en donde el tiempo más reciente en dichointervalo puede tomar varios valores en la serie de tiempo. desviación estándar móvil simple: una desviación estándar móvil sinsuprimir las contribuciones pasadas (comparado con desviación estándar móvilexponencial o EMSD ). deuda en distress: véase activo en distress . días de anuncios: los días con algunos anuncios económicos importantes talescomo los del FOMC (comparado con días sin anuncio ).319sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) días de trading: por lo general, los días en que el NYSE está abierto. días sin anuncios: los días sin ningún anuncio económico importante,como, por ejemplo, los anuncios del FOMC (comparado con días de anuncios ). diferencia bid-ask: el precio ask menos el precio bid. diferencial ratio: un tipo de estrategias con opciones. diferencia temporal (en la curva de rendimientos): un diferencialde tasas de interés correspondientes a dos vencimientos diferentes. diferencial (o margen, o spread en inglés): la diferencia entre doscantidades, o un portafolio que consta de dos (o más) piernas compuestas por elmismo tipo de activos, diferentes solo por una o más cantidades específicas (porejemplo, precio de ejercicio o precio de ejercicio y vencimiento). diferencial ajustado por opciones (OAS, por sus siglas en inglés): un desplazamiento paralelo en la curva del Tesoro (o alguna otra curva derendimientos de referencia) que hace que el precio de un activo calculado en basea un modelo de la valuación coincida con su valor de mercado, con el objetivo detener en cuenta las opciones embebidas del activo. diferencial cuarc: el análogo del diferencial spark y del diferencial os-curo para las centrales eléctricas nucleares. diferencial de calendario (para futuros): comprar (vender) futurosen un mes cercano y vender (comprar) futuros en plazos diferidos. diferencial de calendario (para opciones): comprar una opción convencimiento más largo (call o put) y vender una opción con vencimiento más corto(del mismo tipo, por el mismo subyacente y con el mismo precio de ejercicio). diferencial de futuros: véase diferencial de calendario (para futuros) . diferencial del tramo de un CDO: para lograr un MTM nulo de untramo de un CDO, el valor de la pierna de incumplimiento del tramo dividido porsu duración arriesgada. diferencial diagonal: una estrategia de trading de opciones. diferencial horizontal (también conocido como diferencial de tiempo): véase diferencial de calendario . 320sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) diferencial inverso: un tipo de estrategias con opciones. diferencial oscuro: la diferencia entre el precio mayorista de la electri-cidad y el precio del carbón requerido para producirla por una central eléctrica decarbón. diferencial spark: la diferencia entre el precio mayorista de la electrici-dad y el precio del gas natural requerido para producirla por una central eléctricaque produce con gas. diferencial vertical: una estrategia con opciones que involucra todas lasopciones call iguales o todas las opciones put iguales con la excepción de sus preciosde ejercicio. dimnames: un comando en R para los nombres de las etiquetas de lascolumnas y las filas de una matriz. dinámica estocástica: véase proceso estocástico . distancia de Manhattan: la distancia entre dos vectores, definida como lasuma de los valores absolutos de las diferencias entre sus componentes. distancia euclidiana: la distancia entre dos vectores, definida como laraíz de la suma de los cuadrados de las diferencias entre sus componentes. distribución de probabilidad: una función que proporciona las proba-bilidades de ocurrencia de diferentes resultados posibles. distribución de probabilidad de Bernoulli: una distribución de probabili-dad discreta de una variable aleatoria que toma el valor 1 con probabilidad p y elvalor 0 con probabilidad q = 1 − p . distribución de probabilidad multinomial: una distribución de prob-abilidad discreta de una variable aleatoria que toma k valores diferentes conprobabilidades p , . . . , p k . diversificación: asignar capital para reducir la exposición a cualquieractivo o riesgo en particular mediante la inversión en una variedad de activos. diversificación de portafolio: véase diversificación . diversificación intra-activos: en inversiones inmobiliarias, la diversifi-321sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) dividendo: una distribución de algunas de las ganancias de una com-pañía, según lo decidido por su junta directiva, a una clase de sus accionistas,generalmente (pero no siempre) trimestralmente. doble imposición: un sistema de impuestos corporativos (por ejemplo,en los EE.UU.) donde los ingresos corporativos se gravan primero a nivel corpora-tivo, y luego nuevamente cuando los accionistas reciben los dividendos. dólar-neutralidad: cuando la suma de tenencias en dólares en una cartera esnula (con tenencias de posiciones cortas en dólares definidas como negativas). drawdown: una disminución de un pico a un valle en el P&L duranteun período determinado, en donde el pico (valle) se define como el máximo(mínimo) del P&L en dicho período. duración: véase duración dólar, duración de Macaulay, duración modifi-cada, duración arriesgada . duración arriesgada: una suma ponderada (sobre las fechas de pago)de las diferencias (descontadas) entre el nocional (de un tramo de CDO o similar)y la pérdida esperada para cada una de esas fechas, en donde cada ponderación esel tiempo desde la fecha de pago anterior. duración de Macaulay: un vencimiento promedio ponderado de los flu-jos de efectivo de un bono, en donde las ponderaciones son los valores actuales dedichos flujos de efectivo. duración dólar: una medida de la sensibilidad absoluta del precio delos bonos a los cambios en las tasas de interés, definida como la duración modificadamultiplicada por el precio de los bonos. duración-dólar-neutralidad: cuando la suma de las duraciones dólarde una cartera de bonos es nula (con las duraciones dólar de las posiciones de bonoscortas definidas como negativas). duración modificada: una medida de la sensibilidad relativa en el pre-cio de los bonos ante cambios en las tasas de interés, definida como la primeraderivada negativa del precio del bono con respecto al rendimiento del bono.322sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) efectivo (para índices): en la jerga del trader común, “efectivo” (“cash” eninglés) se refiere a la cartera del índice subyacente (por ejemplo, las acciones delS&P 500 para el índice S&P 500). efecto contrario: véase efecto de reversión a la media . efecto de reversión a la media (también conocido como reversión ala media, o efecto contrario): una tendencia de los precios de los activos y/osus retornos a volver a sus valores medios, que pueden ser seriales y/o transversales,según el contexto. eigenvalor (también conocido como valor propio, o valor caracterís-tico): una raíz de la ecuación característica de una matriz (véase eigenvector) . eigenvector (también conocido como vector propio, o vector carac-terístico): para una matriz A cuadrada y simétrica con dimensiones N × N , un N -vector V que resuelve la ecuación característica A V = λ V , en donde λ es eleigenvalor correspondiente (que es un número). EMA (por sus siglas en inglés): una media móvil exponencial, unamedia móvil serial con las contribuciones pasadas suprimidas con las ponderacionesque decrecen exponencialmente. empresa en distress: una compañía en crisis financiera u operativa. empresa objetivo (o compañía objetivo): la compañía elegida por laempresa adquirente para una potencial fusión o adquisición corporativa. empresa que cotiza en la bolsa (también conocida como empresapública): una empresa cuyas acciones operan libremente en una bolsa de valores oen mercados extrabursátiles.
EMSD (por sus siglas en inglés): una desviación estándar móvil ex-ponencial, una desviación estándar móvil serial con las contribuciones pasadassuprimidas con las ponderaciones que decrecen exponencialmente. en la muestra: cuando un cálculo o un backtest no se realiza con datos“fuera de la muestra”. enfoque sistemático: las estrategias de trading que son metódicas y es-tán basadas en reglas con objetivos bien definidos y con controles de riesgo (adiferencia de, por ejemplo, las opiniones subjetivas de los analistas).323sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) enigma de Fama: véase anomalía de descuento a plazo . entidades de referencia: CDS, bonos, préstamos, nombres de empresaso países, etc., sobre los cuales se proporciona protección de incumplimiento. entrega: transferir el instrumento subyacente (o commodity) en un con-trato (por ejemplo, futuros o forwards) al comprador al vencimiento (fecha deentrega) a un precio previamente acordado (precio de entrega). entrenamiento: en aprendizaje automático, fijar parámetros libres enun algoritmo utilizando los datos de entrenamiento. equity: acciones u otro activo de una empresa que representa su propiedad. eRank (también conocido como rango efectivo, o effective rank eninglés): una medida de la dimensionalidad efectiva de una matriz. error de rastreo: la raíz cuadrada de la varianza de las diferencias en-tre los retornos de una cartera y los del índice de referencia que dicha carterapretende imitar o superar. escalera (también conocida como ladder en inglés) (para bonos): un portafolio de bonos con asignaciones de capital (aproximadamente) igualesen bonos de un número considerable de vencimientos diferentes (y generalmenteaproximadamente equidistantes). escalera (también conocida como ladder en inglés) (para opciones): un diferencial vertical que consiste en 3 opciones, todas opciones call o todasopciones put, 2 de estas son posiciones largas y 1 es corta, o 1 es larga y 2 soncortas. escalón: en un portafolio ladder de bonos, los bonos con la misma madurez. escudo fiscal: la reducción en los impuestos sobre la renta que resultade tomar una deducción permisible de la renta imponible. especulador: un participante del mercado que intenta beneficiarse delmovimiento de precios de un activo (comparado con hedger) . esquema de ponderación: asignar ponderaciones a un portafolio deacuerdo con alguna regla, por ejemplo, al disminuir las contribuciones de lasacciones volátiles. 324sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) establecer: comprar o vender en corto un activo o un portafolio desdeuna posición nula. estrategia: véase estrategia de trading . estrategia alcista: una estrategia direccional en la que el trader se ben-eficia si el precio del instrumento subyacente sube. estrategia bajista: una estrategia direccional en la que el trader se beneficiasi el precio del instrumento subyacente baja. estrategia de acción individual: una estrategia de trading que se deriva deuna señal de trading para cualquier acción determinada utilizando los datos solopara esa acción y no para otras acciones. estrategia de carry de volatilidad: una estrategia de trading queconsiste en vender en corto el VXX y compensar la posición corta comprando elVXZ (véase ETN de volatilidad ), generalmente con un ratio de cobertura no unitario. estrategia de cobertura: véase cobertura . estrategia de compra-lanzamiento: comprar acciones y lanzar (vender) unaopción de compra contra la posición de acciones. estrategia de costo cero: una estrategia dólar-neutral. estrategia de deuda en distress: una estrategia basada en la adquisi-ción de deuda de una empresa en distress. estrategia de duration-targeting: una estrategia (por ejemplo, unladder de bonos) que mantiene una duración aproximadamente constante vendiendolos bonos de vencimiento más corto a medida que se aproximan al vencimiento ycomprando nuevos bonos de vencimiento más largo. estrategia de ganancia de capital: una estrategia que se beneficia dela compra y venta de un activo (o, más generalmente, de establecer y liquidar unaposición). estrategia de ingresos: una estrategia de trading que genera ingresos,generalmente mediante cierta exposición a cierto tipo de riesgo. estrategia de Kelly: una estrategia de asignación (apuesta) basada enmaximizar el valor esperado del logaritmo de la riqueza.325sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) estrategia de momentum: una estrategia de trading basada en el efectomomentum. estrategia de precio-momentum: una estrategia de momentum endonde el indicador de momentum se basa en los retornos pasados. estrategia de reversión a la media: una estrategia de trading basadaen el efecto de reversión a la media. estrategia de soporte y resistencia: una estrategia de análisis técnicobasada en soporte y resistencia. estrategia de targeting de volatilidad: una estrategia de trading queapunta a mantener un nivel de volatilidad constante (objetivo de volatilidad ovolatilidad objetivo) al reequilibrar entre un activo de riesgo y un activo sin riesgo. estrategia de trading: un conjunto de instrucciones para lograr ciertastenencias de activos en ciertos tiempos predefinidos t , t , . . . , que pueden ser (perono es necesario) nulas en una o más de estas veces. estrategia de trading fundamental: una estrategia de trading basadaen análisis fundamental. estrategia de trading pasiva: una estrategia de trading basada en elenfoque de inversión pasiva. estrategia de valor relativo: una estrategia que apunta a explotar lasdiferencias en los precios, rendimientos o tasas (por ejemplo, tasas de interés)de activos relacionados (según algún criterio) (por ejemplo, pares de accioneshistóricamente correlacionados en el trading de pares). estrategia de value: comprar acciones de alto value (alto ratio B/P) yvender acciones de bajo value (bajo ratio B/P). estrategia de venta-lanzamiento: vender acciones y lanzar (vender)una opción de venta contra la posición de acciones. estrategia de volatilidad: una estrategia de trading que apunta a cap-italizar un entorno de alta volatilidad esperada, por ejemplo, comprando lavolatilidad. estrategia Delta-neutral: una estrategia de trading que logra el Delta326sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) estrategia direccional: una estrategia que se beneficia en función de ladirección futura del activo subyacente (o activos subyacentes) (comparado con estrategia no direccional ). estrategia discrecional: una estrategia que se basa en las habilidadesdel gestor del fondo (comparado con estrategia no discrecional ). estrategia intradía: una estrategia de trading que comienza con unaposición nula, compra y vende/va en corto los activos intradía, y termina el día conuna posición nula al cierre (en la jerga del trader en inglés, “goes home flat”). estrategia lateral: una estrategia de trading que apunta a capitalizarun entorno de baja volatilidad esperada, por ejemplo, vendiendo la volatilidad. estrategia multifactorial: una estrategia de trading basada en la ex-posición a múltiples factores, por ejemplo, momentum, value, etc. (portafoliomultifactor). estrategia no direccional (también conocida como estrategia neu-tral): una estrategia que no se basa en la dirección futura del activo subyacente(o de los activos), por lo que el trader no tiene en cuenta si su precio sube o baja(comparado con estrategia direccional ). estrategia no discrecional: una estrategia de trading basada en un en-foque sistemático (a diferencia de discrecional). estrategia “prestar a poseer” (loan-to-own en inglés): financiaruna empresa en distress mediante préstamos asegurados con el fin de adquirir sucapital (con derechos de control) si la empresa se declara en quiebra. estrategia sobre el margen de la curva de rendimientos: una es-trategia de bonos que hace una apuesta en el margen de la curva de rendimientos(flattener o steepener). estratificación: el paso intermedio en el proceso de lavado de dinero,que consiste en mover el dinero entre diferentes cuentas e incluso países, creando deesta forma una red de transacciones compleja y separando el dinero de su fuente envarios grados. estructura temporal (en futuros): la dependencia de los precios defuturos al tiempo hasta su vencimiento.327sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) estructura temporal (en tasas de interés): véase curva de rendimientos . ETF de índice (también conocido como ETF de rastreo): unETF que rastrea a un índice.
ETF del Tesoro: un ETF para un índice compuesto por las obliga-ciones de deuda del gobierno de EE.UU.
ETF gestionado activamente: un fondo cotizado en la bolsa cuyaasignación del portafolio subyacente se gestiona de forma activa.
ETF inverso: un ETF diseñado para rastrear el retorno inverso a suíndice subyacente.
ETH: ether/Ethereum, una criptomoneda.
ETN de volatilidad: un ETN que rastrea al VIX, por ejemplo, el VXX o VXZ.
EUR: euro, una unidad de la moneda de la eurozona. eurodólar: un depósito en dólares en un banco fuera de los EstadosUnidos. exceso de retorno: el retorno de un activo en exceso de algún retornode referencia (por ejemplo, tasa libre de riesgo). ex-dividendo cuando el vendedor de acciones tiene el derecho a recibirun dividendo que ha sido declarado, pero no pagado (comparado con cum-dividendo ). expectativa condicional (también conocida como valor esperado condi-cional, o media condicional): un valor promedio de una cantidad asumiendoque alguna condición ocurre. exposición: la cantidad que se puede perder (o ganar) en una inver-sión. factor (también conocido como factor de riesgo): una variable ex-plicativa común para un corte transversal de retornos de activos (por ejemplo,acciones). factor de anualización: un factor multiplicativo para anualizar una328sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) factor de conversión: el precio cotizado que tendría un bono por dólarde principal el primer día del mes de entrega de un contrato de futuros de tasa deinterés, asumiendo que la tasa de interés para todos los vencimientos es igual al 6%anual con la composición compuesta semestral. factor de descuento: el valor de un bono de descuento con $1 de prin-cipal en el momento t antes de su vencimiento T . factor de descuento libre de riesgo: un factor de descuento que uti-liza una tasa libre de riesgo para descontar los flujos de efectivo futuros. factor de momentum de Carhart (también conocido como MOM): los ganadores menos los perdedores por momentum (de 12 meses). factor de riesgo: véase factor . factor de estilo de riesgo (también conocido como factor de estilo): factores de riesgo tales como value, crecimiento, tamaño, momentum, liquidez yvolatilidad. factores de Fama-French: MKT, el exceso de retorno (definido comoel rendimiento en exceso de la tasa libre de riesgo, que a su vez, se define comola tasa del Tesoro a un mes) del portafolio del mercado; SMB, del portafolio“compañías pequeñas menos compañías grandes” (por la capitalización bursátil);HML, del portafolio “alto menos bajo” (por el ratio B/P). fecha de ejercicio: la fecha en la que se puede ejercer una opción. fideicomiso de inversiones inmobiliarias (REIT): una empresa (quea menudo cotiza en grandes bolsas de valores y, por lo tanto, permite a los traderstomar una participación líquida en bienes raíces) que posee, opera o financia bienesraíces que generan ingresos. filtro de Hodrick-Prescott (también conocido como filtro HP, o métodode Whittaker-Henderson en las ciencias actuariales): un filtro deseries de tiempo para separar el componente de baja frecuencia (“regular”) delcomponente de alta frecuencia (“irregular”) (ruido). filtro de Kalman: un filtro de series de tiempo para separar la señaldel ruido. 329sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) flattener: una estrategia sobre el margen en la curva de rendimientos. flujo de efectivo: la cantidad neta de efectivo y activos equivalentes deefectivo que se transfieren hacia y desde una compañía (en el contexto corporativo)o una cartera (en el contexto de trading). flujo de órdenes agresivo: flujo de órdenes compuesto de órdenes agresivas. flujo de órdenes informado: véase flujo de órdenes inteligente . flujo de órdenes inteligente (también conocido como flujo de ór-denes tóxico): flujo de órdenes basado en algún retorno predictivo esperado. flujo de órdenes tonto (también conocido como flujo de órdenes noinformado): flujo de órdenes agresivo no basado en un retorno esperadopredictivo. fondo de infraestructura: fondos de infraestructura no cotizados (in-versiones de capital privado), fondos de infraestructura cotizados. fondo de pensiones: un conjunto de fondos que proporciona ingresosde jubilación. fondo mutual: un vehículo de inversión financiado por un conjunto dedinero recaudado de muchos inversionistas con el fin de comprar diversos activos(acciones, bonos, instrumentos del mercado monetario, etc.). forma base (también conocida como stem en inglés): en lingüís-tica, la parte de una palabra que es común a todas sus variantes inflexas. forward (también conocido como contrato forward o contrato a plazo): un contrato establecido en el tiempo t = 0, en el cual una de las dos partes acuerdavender al otro un activo determinado en algún momento futuro T (conocido comoel vencimiento, fecha de entrega o madurez del contrato) a un precio de ejerciciopreviamente acordado k . función de activación: una función que define la salida de un nodo(neurona artificial) en una red neuronal artificial dada una entrada (o un conjuntode entradas). función de error: en aprendizaje automático, una función a minimizarque se construye a partir de los errores (o similar), por ejemplo, la suma de loscuadrados de los errores, o alguna otra función adecuada (no debe confundirse con330sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) x )). función objetivo: una función a ser maximizada o minimizada en opti-mización. fundamentos: la información cuantitativa y cualitativa sobre la salud fi-nanciera/económica y el valor de una empresa, activos, moneda, etc. fusión: una consolidación de dos empresas en una sola. fusión de acciones: una fusión en donde cada acción de la compañíaobjetivo se intercambia por un número (que puede ser fraccional) de las acciones dela compañía adquirente. fusión en efectivo: una fusión donde la compañía adquirente paga a losaccionistas de la compañía objetivo en efectivo a cambio de sus acciones. futuro (también conocido como contrato de futuros): un contratoa plazo estandarizado negociado en una bolsa de futuros. futuro al mes más cercano: véase futuro del primer mes . futuro de índice: un futuro basado en un índice. futuro de commodities: un contrato de futuros sobre commodities. futuro de tasas de interés: un contrato de futuros típicamente con unconjunto (cesta de entrega) de instrumentos subyacentes (por ejemplo, bonos) quepagan intereses. futuro de un mes diferido: un contrato de futuros con la fecha de liq-uidación en los meses posteriores (comparado con futuro del primer mes ). futuro del primer mes: un contrato de futuros con la fecha de liq-uidación más cercana a la fecha actual (comparado con futuro de un mes diferido ). futuro del segundo mes: un contrato de futuros con el vencimientomás cercano después de los futuros del primer mes. futuro mini-S&P (también conocido como e-mini): un contrato defuturos sobre el S&P 500 con un valor nocional de 50 veces el valor del índicebursátil S&P 500. 331sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Gamma: la segunda derivada del valor de un activo de derivados (porejemplo, una opción) con respecto al precio del activo subyacente.
Gamma scalping: la cobertura de Gamma alcanzada mediante la com-pra y venta del activo subyacente en respuesta a los movimientos de sus precios quecausan cambios en el Delta de una cartera de opciones. ganadores: las acciones u otros activos en un portafolio o universo detrading que superan al resto en base a algún criterio (índice de referencia). ganancias: el ingreso neto después de impuestos de una empresa. ganancias inesperadas: véase ganancias inesperadas estandarizadas . ganancias inesperadas estandarizadas (SUE, por sus siglas en in-glés): un ratio, cuyo numerador (ganancias inesperadas) es la diferencia entrelas ganancias por acción trimestrales anunciadas más recientemente y aquellasanunciadas hace 4 trimestres, y cuyo denominador es la desviación estándar de lasganancias inesperadas en los últimos 8 trimestres. ganancias-momentum: una estrategia de momentum basada en las ganancias. ganancias realizadas: véase P&L realizado . gaviota: un tipo de estrategias de opciones. gestión de riesgos: identificar, analizar y mitigar riesgos potenciales. grado del dinero (“moneyness” en inglés): donde el precio de ejer-cicio de un contrato de derivados está en relación con el precio actual de su activosubyacente, lo cual determina el valor intrínseco del derivado. Griegas: véase
Delta, Gamma, Theta, Vega . guts: una estrategia de trading con opciones. hedger: un participante del mercado que intenta reducir el riesgo asoci-ado al movimiento del precio de un activo (comparado con especulador ). hipoteca: un instrumento de deuda, asegurado por una propiedad inmo-biliaria como una garantía, en el que el prestatario debe pagar un conjuntopredeterminado de pagos. 332sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
HMD (también conocido como compañías saludables menos com-pañías en distress): comprando las compañías más seguras y vendiendo lasmás riesgosas según su probabilidad de quiebra.
HML (también conocido como Alto menos Bajo, o High minus Low eninglés): véase factores de Fama-French . horizonte (también conocido como horizonte de inversión): véase período de tenencia . IBS (por sus siglas en inglés): la fuerza interna de las barras de pre-cios, definida como la diferencia entre el precio de cierre y el precio mínimo divididopor la diferencia entre el precio máximo y el precio mínimo. imputación de dividendos: un sistema de impuestos corporativos en elque una parte o la totalidad del impuesto pagado por una empresa se puede atribuiro imputar a los accionistas a través de un crédito fiscal para reducir el impuestosobre la renta pagadero en una distribución a través de, por ejemplo, los dividendos. incumplimiento: no pagar un préstamo/deuda. independencia condicional: A y B son condicionalmente independi-entes asumiendo que C es cierto si y solo si la ocurrencia de A asumiendoque C es independiente de la ocurrencia de B asumiendo C y viceversa, es decir, P ( A ∩ B | C ) = P ( A | C ) × P ( B | C ), en donde P ( A | B ) es una probabilidad condicional. indicador técnico: una cantidad matemática utilizada en el análisis téc-nico. índice: una cartera diversificada de activos combinada con ciertas pon-deraciones. índice de CDS: un índice de swaps de incumplimiento crediticio, talcomo el CDX y el iTraxx. índice de fuerza relativa (RSI, por sus siglas en inglés): duranteun período de tiempo especificado, la ganancia promedio de los períodos alcistasdividida por la suma de la ganancia promedio de los períodos alcistas y el valorabsoluto de la pérdida promedio de los períodos bajistas. índice de inflación: por ejemplo, el CPI. índice de mercado general: un índice basado en un amplio corte transversal333sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Índice de Precios al Consumidor (CPI, por sus siglas en inglés): una medida del nivel de precios de una cesta de mercado de bienes de consumo yservicios. índice de volatilidad: un índice (por ejemplo, el VIX) que mide la ex-pectativa de volatilidad futura del mercado (30 días para el VIX) basado en lasvolatilidades implícitas de los instrumentos subyacentes (el índice S&P 500 para elVIX). índice del clima: un índice sintético generalmente basado en la temper-atura, utilizando, por ejemplo, grados-día de refrigeración (CDD, por sus siglas eninglés) y grados-día de calefacción (HDD, por sus siglas en inglés). industria (en clasificación de la industria): un grupo de empresasbasado (entre otras cosas) en la industria económica a la que pertenecen. industria (en economía): un grupo de empresas que se relacionan enfunción de sus actividades comerciales principales. inflación: un aumento sostenido en el nivel de precios de los bienes yservicios en una economía durante un período de tiempo, el cual se mide como uncambio porcentual anual conocido como la tasa de inflación. inflación acumulada: la tasa de inflación medida desde el momento t al tiempo t (comparado con inflación interanual ). inflación general (HI, por sus siglas en inglés): una medida de lainflación total dentro de una economía, incluidos los precios de los commodities,tales como alimentos y energía (comparado con inflación núcleo ). inflación interanual (YoY, por sus siglas en inglés): la inflaciónanual (comparado con inflación acumulada ). inflación núcleo (CI, por sus siglas en inglés): la inflación a largoplazo, con artículos sujetos a precios volátiles (como alimentos y energía) excluidos(comparado con inflación general ). infra-reacción: en los mercados financieros, una respuesta insuficiente alas noticias, ya que algunos participantes del mercado tienden a ser conservadoresy se aferran demasiado a sus creencias anteriores.334sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) inmunización de bonos: hacer coincidir la duración de un portafoliode bonos con el vencimiento de una futura obligación en efectivo. integración: el último paso del proceso de lavado de dinero mediante elcual quienes lavan dinero lo recuperan a través de fuentes de apariencia legítima. intercepto: en una regresión lineal, el coeficiente de la regresión de lavariable independiente (que también se llama coloquialmente como el intercepto)cuyos elementos son todos iguales a 1. interés: la cantidad pagada por el prestatario al prestamista por encimadel capital (la cantidad real prestada). interés abierto (también conocido como contratos abiertos, o com-promisos abiertos): el número total de contratos de futuros (u opciones)abiertos en un momento dado (es decir, aquellos contratos que no se han liquidado). interés compuesto (también conocido como composición, capital-ización): reinversión del interés ganado para generar el interés adicional en elfuturo. invariancia de escala: una función f ( x i ) de N variables x i ( i = 1 , . . . , N )presenta una invariancia de escala si f ( ζx i ) = f ( x i ) para un factor de escala arbi-trario ζ toma valores en un intervalo continuo (por ejemplo, valores reales positivos). inversión: asignación de dinero con la expectativa de obtener un retornopositivo. inversión activa (también conocida como gestión activa): una es-trategia de inversión que involucra la compra y venta activa (frecuente) de activosen una cartera (comparado con inversión pasiva ) con el objetivo a explotar lasoportunidades (percibidas) que pueden generar beneficios. inversión en infraestructura: invertir en proyectos a largo plazo talescomo transporte (carreteras, puentes, túneles, ferrocarriles, puertos, aeropuertos,etc.), telecomunicaciones (cables de transmisión, satélites, torres, etc.), serviciospúblicos (generación de electricidad, transmisión o distribución de gas o electrici-dad, suministro de agua, alcantarillado, residuos, etc.), energía (incluyendo perono limitado a energía renovable), atención médica (hospitales, clínicas, hogaresde ancianos, etc.), instalaciones educativas (escuelas, universidades, institutos deinvestigación, etc.), etc. inversión pasiva: una estrategia de inversión de horizonte largo, esen-335sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) iShares (tablero de cotizaciones IVV): un ETF que rastrea al S&P500.
Julio: una unidad de trabajo, calor y energía en el Sistema Internacionalde Unidades (SI).
JPY: yen japonés, una unidad de moneda japonesa. lanzador de una opción: un vendedor de opciones. largo-corto: un portafolio o estrategia con tenencias (o posiciones) tantolargas como cortas. lavado de dinero: una actividad en la que el efectivo se utiliza comoun vehículo para transformar las ganancias ilegales en activos de apariencia legítima.
LETF:
ETF apalancado (inverso), un ETF diseñado para rastrear el re-torno igual a (el inverso a) n veces el retorno de su índice subyacente, en donde n es el apalancamiento (generalmente, 2 o 3). letra del Tesoro (también conocida como T-bill en inglés): unaobligación de deuda a corto plazo emitida por el Tesoro de los Estados Unidos conun vencimiento inferior a 1 año. libro de registro distribuido: una base de datos compartida y sin-cronizada a través de una red (generalmente grande, de par a par) que abarcavarios sitios. libro mayor (o libro de registro): un libro u otra colección de cuen-tas financieras y registros de transacciones. límites de posición: límites superiores o inferiores de las tenencias endólares de diversos activos en un portafolio. límites de trading: límites superiores o inferiores sobre los montos endólares de las operaciones permitidas para diversos activos en una cartera, alestablecer, reequilibrar o liquidar. liquidación: el cumplimiento de las obligaciones bajo un futuro o con-336sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) liquidación (para activos o portafolios): cerrar las posiciones abier-tas. liquidación (para empresas): liquidar (poner fin a) el negocio de unaempresa y distribuir sus activos a quienes tienen los derechos a reclamarlos,generalmente cuando la empresa es insolvente. liquidez: la disponibilidad de activos/fondos líquidos. log: un logaritmo (normalmente el logaritmo natural, a menos que se es-pecifique lo contrario). lookback (también conocido como período lookback): la longitudde una muestra de datos de una serie de tiempo utilizada en un backtest o algúncómputo histórico. macro: las estrategias de trading macro. macro discrecional: las estrategias macro globales discrecionales basadas enopiniones subjetivas de analistas. macro global: las estrategias de trading que apuntan a capitalizar loscambios regionales, económicos y políticos en todo el mundo. macro sistemático: las estrategias de trading macro no discrecionales,sistemáticas. madurez (también conocida como fecha de madurez, o fecha devencimiento): el momento en que un instrumento financiero deja de existir yel principal y/o intereses se reembolsan en su totalidad. máquinas de vectores de soporte (SVM, por sus siglas en inglés): en aprendizaje automático, un tipo de modelos de aprendizaje supervisado. margen crediticio: la diferencia entre el rendimiento de un bono y latasa libre de riesgo (la misma que el margen de rendimiento de un bono). margen de CDS: una prima periódica (por ejemplo, anual) por dólarde la deuda asegurada. margen de mariposa: una estrategia de opciones mariposa.337sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) margen del swap: la diferencia entre la tasa de interés fija de un swapde tasa de interés y el rendimiento de un activo del Tesoro con un vencimientosimilar. margen de tasas de interés: la diferencia entre las tasas de interéspagadas por dos instrumentos. margen del rendimiento de un bono (también conocido como margen deun bono): la diferencia entre el rendimiento de un bono y la tasa libre de riesgo. margen en la curva de rendimientos: el margen entre los bonos devencimiento más cortos y más largos en la curva de rendimientos. mariposa: una cartera (de bonos u opciones) con 3 tramos, dos periféri-cos (por vencimiento en portafolios de bonos y por precio de ejercicio en portafoliosde opciones) alas y un cuerpo en el medio. mariposa regresión-ponderada: un tipo de portafolio mariposa debonos. mariposa de hierro: un tipo de estrategias de trading con opciones. mariposa neutral a la curva: una estrategia de bonos mariposa con lacurva-neutralidad. market-making: proporcionar liquidez mediante la fijación simultáneade los precios de compra y venta en un instrumento financiero o commodity que semantiene en el inventario con el fin de obtener una ganancia en el margen de ofertay demanda (o la diferencia bid-ask). matriz de cargas: véase matriz de cargas factoriales . matriz de cargas factoriales: la matriz con las dimensiones N × K Ω iA ( i = 1 , . . . , N , A = 1 , . . . , K , generalmente K (cid:28) N ) en un modelo de K -factores Y i = P KA =1 Ω iA F A + (cid:15) i , en donde Y i son las variables observadas, F A son las vari-ables no observadas (factores comunes), y (cid:15) i son los términos de error no observados. matriz de correlación: una matriz con las dimensiones N × N con loselementos diagonales unitarios, cuyos elementos fuera de la diagonal son lascorrelaciones por pares de los N activos diferentes. matriz de correlación muestral: una matriz de correlación para un338sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) matriz de covarianza: una matriz con las dimensiones N × N , cuyoselementos fuera de la diagonal son las covarianzas por pares de N activos diferentes,y cuyos elementos en la diagonal son las varianzas correspondientes. matriz de covarianza muestral: una matriz de covarianza para unconjunto de activos computada en función de las series de tiempo de sus retornoshistóricos. matriz inversa: para una matriz cuadrada A con las dimensiones N × N ,la matriz inversa A − es la matriz cuadrada con las dimensiones N × N tal que A A − = A − A = I , en donde I es la matriz identidad con las dimensiones N × N (cuyos elementos diagonales son iguales a 1, y cuyos elementos fuera de la diagonalson iguales a 0). máximo (también conocido como precio máximo, o high en inglés): el precio máximo alcanzado por una acción (u otro activo) dentro de un día detrading determinado (o en algún otro intervalo de tiempo). MBS passthrough: un MBS donde los flujos de efectivo se pasan delos deudores a los inversionistas a través de un intermediario. media: un valor promedio. media de largo plazo: en un proceso Ornstein-Uhlenbeck de reversióna la media, el valor medio de la variable de estado en el límite de tiempo infinito. media móvil: en una serie de tiempo, un promedio (posiblemente com-putado con algunas ponderaciones no triviales) sobre un intervalo de tiempo delongitud fija (longitud de la media móvil), en donde el tiempo más reciente en dichointervalo puede tomar varios valores en la serie de tiempo. media móvil simple (SMA, por sus siglas en inglés): una mediamóvil sin suprimir las contribuciones pasadas (comparado con media móvil expo-nencial o EMA ). medida de probabilidad: una función real valorada en el intervalo en-tre 0 y 1 (0 corresponde al conjunto vacío y 1 corresponde al espacio completo)definida en un conjunto de eventos en un espacio de probabilidad que satisface lapropiedad de aditividad contable, es decir, en pocas palabras, que la probabilidadde una unión de eventos desunidos A y B es igual a la suma de sus probabilidades.339sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) medida de probabilidad neutral al riesgo (también conocida comomedida de neutralidad al riesgo): una medida de probabilidad teóricasegún la cual el precio actual de un activo es igual a su valor esperado futurodescontado por una tasa libre de riesgo.
Megavatio:
Megavatio hora (Mwh, por sus siglas en inglés): . × Julios. mercado: un medio que permite a los compradores y vendedores inter-actuar y facilitar el intercambio de activos, productos, bienes, servicios, etc. mercado de valores: un mercado de acciones.
Mercado Híbrido: una combinación de una plataforma de trading elec-trónica automatizada y un sistema de corredores tradicionales (operado porhumanos). mercado lateral: cuando los precios se mantienen en un rango estrecho,sin tendencias al alza o a la baja. mercado muy alcista (rally en inglés): en los mercados financieros,un período de ganancias sostenidas. mes de entrega: el mes en que se produce la entrega en un contrato de futuros. método de bisección: un método de búsqueda de raíces que dividerepetidamente un intervalo y selecciona un subintervalo en el que una raíz debeestar presente para una examinación más detenida. método de Whittaker-Henderson: véase filtro de Hodrick-Prescott . minería de datos: un proceso de búsqueda de patrones/tendencias engrandes conjuntos de datos. mínimo (también conocido como precio mínimo, o low en inglés): el precio mínimo alcanzado por una acción (u otro activo) dentro de un día detrading determinado (o en algún otro intervalo de tiempo). mínimos cuadrados: en el análisis de regresión, esto es la minimizaciónde la suma de los cuadrados de los residuos (posiblemente, con algunas pondera-340sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) mínimos cuadrados no lineales: los mínimos cuadrados utilizadospara ajustar un conjunto de observaciones con un modelo que no es lineal en losparámetros desconocidos (o coeficientes de la regresión).
MKT: véase factores de Fama-French . modelo de Black-Scholes (también conocido como modelo de Black-Scholes-Merton): un modelo matemático de la dinámica de acciones (u otroactivo subyacente) utilizado en la valuación de opciones y otros derivados, en dondeel logaritmo del precio del activo subyacente se describe mediante un movimientoBrowniano con una deriva constante. modelo de factor de conversión: un modelo (basado en el factor deconversión) comúnmente utilizado para calcular los ratios de cobertura cuando secubre el riesgo de tasa de interés con los futuros de tasa de interés. modelo de riesgo: un modelo matemático para estimar el riesgo (porejemplo, modelar una matriz de covarianza). modelo de valuación: un modelo para valuar (tasar) un activo o unconjunto de activos. modelo estadístico de riesgo: un modelo de riesgo creado utilizandosolo los datos de precios (por ejemplo, utilizando los componentes principales de lamatriz de correlación muestral de los retornos de las acciones), sin ninguna referen-cia a datos fundamentales (incluida cualquier clasificación industrial fundamental). modelo heterótico de riesgo: un modelo multifactorial de riesgo quecombina una clasificación fundamental multinivel de la industria con análisis de losprincipales componentes. modelo multifactorial de riesgo: un modelo de riesgo basado en unnúmero (que puede ser considerable) de factores de riesgo. MOM: véase factor de momentum de Carhart . momentum (también conocido como efecto momentum): la ob-servación empírica de que los retornos futuros de los activos se correlacionanpositivamente con sus retornos pasados. momentum absoluto: momentum de series de tiempo.341sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) momentum relativo: momentum de corte transversal. moneda digital descentralizada: una criptomoneda descentralizadacomo el BTC, el ETH, etc. moneda doméstica: la moneda del país de origen del trader. moneda extranjera: una moneda (que es diferente de la moneda doméstica)de un país que no es el país de origen del trader. moneda fiduciaria: una oferta legal declarada por un gobierno (porejemplo, el dólar estadounidense) pero no respaldada por una mercancía física(como el oro). movimiento Browniano (también conocido como proceso de Wiener): un proceso estocástico W t en tiempo continuo ( t ), en donde W = 0, W t es unavariable aleatoria normal con media 0 y varianza t , y el incremento W s + t − W s esuna variable aleatoria normal con media 0 y varianza t y es independiente de lahistoria de lo que hizo el proceso hasta el momento s . multiplicador de Lagrange: al minimizar una función (multivariada) g ( x ) con respecto a x sujeta a una restricción h ( x ) = 0, la variable adicional λ enla función e g ( x, λ ) = g ( x ) + λ h ( x ), cuya minimización (sin ningunas restricciones)con respecto a x y λ es equivalente al problema de minimización restringido original. nivel de prioridad de la deuda: el orden en que se realizan los reem-bolsos de la deuda en caso de venta o quiebra del emisor de la misma. nivel del índice: para los índices ponderados por capitalización bursátil,el valor actual del nivel del índice I ( t ) = I (0) × C ( t ) /C (0), en donde I (0) es elvalor inicial del nivel del índice (que se define, no se calcula), C ( t ) es la capital-ización bursátil total actual de los constituyentes del índice, y C (0) es su valor inicial. nocional (también conocido como valor nocional): el valor total(en dólares) de una posición. nodo: en una red neuronal artificial, una neurona artificial, que (medi-ante una función de activación) procesa un conjunto de datos de entrada y generauno(s) de salida. nota del Tesoro (también conocida como T-note en inglés): untítulo de deuda emitido por el Tesoro de los Estados Unidos con un vencimiento342sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) obligación de deuda garantizada (CDO, por sus siglas en inglés): un valor respaldado por activos (ABS, por sus siglas en inglés) que consiste en unacesta de activos tales como bonos, swaps de incumplimiento crediticio, etc. opción: un contrato de derivados financieros que otorga al comprador(titular de la opción) el derecho (pero no la obligación) de comprar (opción decompra) o vender (opción de venta) el activo subyacente a un precio previamenteacordado y durante un período de tiempo predefinido o en una fecha específica. opción americana: una opción (por ejemplo, call o put) que se puedeejercer en cualquier día de trading en o antes del vencimiento. opción asiática: una opción cuyo pago está determinado por el preciopromedio del subyacente durante un período de tiempo predeterminado. opción bermuda: una opción que se puede ejercer solo en fechas es-pecificadas en o antes del vencimiento. opción binaria (también conocida como opción digital, u opción detodo o nada): una opción que paga un monto preestablecido, por ejemplo, $1,si el activo subyacente cumple con una condición predefinida al vencimiento, de locontrario, simplemente caduca sin pagar nada al titular. opción call (también conocida como call en inglés, u opción de compra): véase opción de compra europea, opción . opción canaria: una opción que se puede ejercer, por ejemplo, trimestralmente,pero no antes de que haya transcurrido un período de tiempo determinado, porejemplo, 1 año. opción con barrera: una opción que se puede ejercer solo si el preciodel activo subyacente pasa un cierto nivel o una “barrera”. opción de acción individual: una opción en una sola acción subya-cente (a diferencia de, por ejemplo, una opción de una cesta de acciones tal comoun índice). opción de compra europea (u opción call europea): un derecho(pero no una obligación) de comprar una acción al vencimiento T al precio deejercicio k acordado en el momento t = 0.343sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) opción de venta europea (u opción put europea): un derecho (pero nouna obligación) de vender una acción al vencimiento T al precio de ejercicio k acordado en el momento t = 0. opción dentro del dinero (ITM, por sus siglas en inglés): una op-ción de compra (venta) cuyo precio de ejercicio está por debajo (por encima) delprecio actual del activo subyacente. opción embebida: en un bono convertible, la opción que permite con-vertir el bono a un número preestablecido de las acciones del emisor. opción en el dinero (ATM, por sus siglas en inglés): una opcióncuyo precio de ejercicio es el mismo que el precio actual del activo subyacente. opción fuera del dinero (OTM, por sus siglas en inglés): una op-ción de compra (venta) cuyo precio de ejercicio está por encima (por debajo) delprecio actual del activo subyacente. opción put (también conocida como put en inglés, u opción de venta): véase opción de venta europea, opción . opciones exóticas: una amplia categoría de opciones que normalmenteestán estructuradas de manera compleja. operación de arbitraje: un conjunto de transacciones ejecutadas con elfin de aprovechar una oportunidad de arbitraje. optimización: véase optimización de portafolio . optimización de media-varianza: una técnica de optimización paraconstruir un portafolio de activos de manera tal que su rendimiento esperado semaximice para un nivel dado de riesgo. optimización de portafolio: seleccionar el mejor portafolio en funciónde algún criterio (por ejemplo, maximizar el ratio de Sharpe). orden: las instrucciones de un inversionista a un corredor o firma decorretaje para comprar o vender un activo. orden agresiva: una orden de mercado, o una orden de límite comer-cializable (para comprar en el ask o más arriba, o para vender en el bid o másabajo). 344sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) orden cancelada: una orden realizada que ha sido cancelada posterior-mente. orden de cancelación-reemplazo: una orden que se ha pedido peroque se canceló posteriormente y se reemplazó por otra. orden límite: una orden para comprar o vender una acción (u otro ac-tivo) a un precio específico o mejor. orden límite pasiva: una orden límite de provisión de liquidez paracomprar en el bid (o inferior) o vender en el ask (o superior). orden realizada: una orden que se ha enviado a un mercado de valoresy se ha colocado en una cola para su ejecución. ordenar: organizar un conjunto de forma ascendente o descendente enfunción de cierta cantidad (con ciertas instrucciones para resolver cualesquieraconfusiones [to resolve ties, en inglés]). ortogonalidad: los vectores x i y y i ( i = 1 , . . . , N ) son ortogonales si P Ni =1 x i y i = 0. P&L realizado: el P&L en una operación completada, es decir, el P&Lresultante de establecer una posición y luego liquidarla completamente. pago: la cantidad que el vendedor de la opción paga al comprador siem-pre y cuando se ejerza la opción. pago de tasa fija: un pago de cupón de un bono con cupón fijo. pago de tasa flotante: un pago de cupón de un bono con cupón flotante. pago indexado: los pagos ajustados según el valor de algún índice (porejemplo, el CPI) en swaps de inflación o TIPS. palabra (también conocida como palabra clave): una palabra claveen un vocabulario de aprendizaje. palabra clave: en análisis de sentimiento (por ejemplo, sentimiento deTwitter) usando técnicas de aprendizaje automático, una palabra en el vocabulariode aprendizaje que tiene una relación con el objetivo (por ejemplo, predecir losmovimientos de precios de las acciones o criptomonedas).345sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) palabra vacía: las palabras más utilizadas en un idioma (por ejemplo,“el”, “es”, “en”, “cuál”, etc., o las palabras similares en inglés u otra lengua)que no agregan ningún valor en un contexto particular y son ignorados por unaherramienta de procesamiento de lenguaje natural. papel comercial: pagarés no asegurados a corto plazo emitidos por em-presas. par de FX: monedas de 2 países diferentes. parámetro de reversión a la media: en un proceso Ornstein-Uhlenbeck querevierte a la media, el parámetro que controla la tasa de reversión a la media. parámetro de suavización exponencial: el factor de supresión expo-nencial en una media móvil exponencial. paridad put-call: la relación por la cual el pago de una opción call eu-ropea (con un precio de ejercicio de K y el vencimiento T ) menos el pago de unaopción put europea (en el mismo subyacente y con el mismo precio de ejercicioy el mismo vencimiento) es igual al pago de un contrato forward (sobre el mismosubyacente) con el precio de ejercicio K y el vencimiento T . perdedores: las acciones u otros activos en un portafolio o universo detrading que tienen un rendimiento inferior en función de algún criterio (rendimientode referencia). pérdida de roll (también conocida como pérdida de contango): enETNs como el VXX y el VXZ que consisten en portafolios de futuros del VIX, unacaída en sus valores (cuando la curva de futuros del VIX está en contango) debidoa su reequilibrio diario requerido para mantener un vencimiento constante. período de backtesting: el período histórico en el que se realiza unbacktest. período de composición: el período entre dos puntos consecutivos enel tiempo en el que los intereses se pagan o se suman al principal. período de entrenamiento: en aprendizaje automático, el período queabarcan los datos de entrenamiento cuando se trata de una serie de tiempo. período de estimación: la longitud de una muestra de datos de unaserie de tiempo utilizada para estimar algunos parámetros, por ejemplo, loscoeficientes de una regresión. 346sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) período de formación: en las estrategias de momentum, el período du-rante el cual se calcula el indicador de momentum. período de omisión: en las estrategias de momentum de precios y es-trategias similares, el período (generalmente, el último mes) que se omite antesdel período de formación (generalmente, los últimos 12 meses antes del período deomisión). período de pago: el período entre dos pagos consecutivos de cupón deun bono. período de tenencia: el período durante el cual una posición en un ac-tivo o un portafolio se mantiene después de establecerse y antes de liquidarse (o, demanera más general, de rebalancearse). permuta de incumplimiento crediticio (CDS, por sus siglas en in-glés): un swap que proporciona un seguro contra el incumplimiento de un bono. perspectiva alcista: cuando un trader espera que el mercado o un ac-tivo cotice al alza. perspectiva bajista: cuando un trader espera que el mercado o un ac-tivo cotice a la baja. perspectiva neutral: cuando un trader espera que el mercado o un ac-tivo cotice alrededor de su nivel actual. pico: un movimiento relativamente grande hacia arriba o hacia abajo delprecio de un activo en un corto período de tiempo. pierna: un componente en un portafolio de trading, generalmente cuando sepuede pensar que dicho portafolio consiste en un número relativamente pequeño degrupos (por ejemplo, pierna larga y pierna corta, en referencia a posiciones largas ycortas, respectivamente). pierna contingente: en un CDO, la pierna de incumplimiento, la otrapierna es la pierna premium. pierna delantera: los bonos de vencimiento más corto en una estrategiade margen de la curva de rendimientos (flattener o steepener). pierna premium: la pierna de un CDO correspondiente a las primas347sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) pierna trasera: los bonos de vencimiento más largo en una estrategiade margen de la curva de rendimientos (flattener o steepener). plan de reorganización: un plan de reorganización de una empresa enquiebra que puede ser presentado (por ejemplo, por un acreedor con el fin deobtener una participación en la administración de la empresa) al Tribunal para suaprobación. política monetaria: un proceso por el cual la autoridad monetaria (general-mente, un banco central) de un país controla el tamaño y la tasa de crecimientode la oferta monetaria, modificando las tasas de interés, comprando o vendiendobonos gubernamentales y cambiando las reservas bancarias requeridas (la cantidadde dinero que los bancos deben mantener de forma líquida). ponderaciones (en portafolios): véase ponderaciones de un portafo-lio . ponderaciones (en una ANN): en una red neuronal artificial, los coe-ficientes de las entradas en el argumento de una función de activación. ponderaciones de la regresión: las ponderaciones positivas w i (que nonecesitan ser igual a 1) en la suma de los cuadrados P Ni =1 w i (cid:15) i , cuya minimizacióndetermina los coeficientes de la regresión y los residuos de la regresión (cid:15) i . ponderaciones de tenencias: las ponderaciones que se asignan a losdistintos activos en un portafolio. ponderaciones de un portafolio: los porcentajes relativos de las tenenciasen dólares en un portafolio con respecto a su valor nocional total (definido como elvalor nocional total de las posiciones largas mas el valor nocional absoluto total delas posiciones cortas). porcentaje de asignación a commodities (CA, por sus siglas en in-glés): la ponderación de la asignación para commodities incluidos como lacobertura de inflación en un portafolio de otros activos. portafolio: una colección de activos en poder de una institución o inver-sionista individual. portafolio de alfas (también conocido como combo alfa): un portafo-lio de (típicamente, un gran número de) alfas combinados con ciertas ponderaciones.348sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) portafolio de factor: un portafolio cuyo objetivo es alcanzar la exposi-ción a un factor dado. portafolio igualmente ponderado: un portafolio donde todos los ac-tivos tienen todas las tenencias en dólares iguales. posición: la cantidad de acciones u de otro tipo de activo dentro de unportafolio, expresada en dólares, un número de acciones o algunas otras unidades,con las posiciones cortas teniendo posiblemente valores negativos según la conven-ción utilizada. posición corta: vender un activo sin poseerlo pidiendo prestado de otrapersona o entitad, por lo general, una firma de corretaje. precio ajustado: el precio de una acción ajustado por los splits y divi-dendos. precio de conversión: el precio de las acciones subyacentes a las queun bono convertible se puede convertir en las acciones. precio de ejecución: el precio al que se llena (ejecuta) una orden (porejemplo, para comprar acciones). precio de ejercicio (o strike en inglés): el precio al que se puedeejercer un contrato derivado. precio de equilibrio (también conocido como punto de equilibrio): un precio del activo subyacente (por ejemplo, acciones) en una estrategia de tradingcon opciones en el cual se llega al equilibrio (es decir, cuando el P&L es cero). precio de stop-loss: el precio de un activo en el cual una posición endicho activo se liquida (automáticamente). precio spot del índice: el precio de mercado actual de una cesta delíndice, en donde el número de unidades de cada activo constituyente está determi-nado por el esquema de ponderación del índice (índice ponderado por capitalizaciónbursátil, índice ponderado por precios, etc.) con la constante de normalizaciónglobal fija dependiendo de un propósito específico, por ejemplo, para coincidir conla cesta del índice que se entrega al vencimiento de los futuros del índice en el casode arbitraje de índice. predictor (también conocido como variable predictiva): en apren-349sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) predictor de Cochrane-Piazzesi: un predictor de retornos de bonos. premio a plazo: cuando la tasa de FX a plazo es más alta que la tasade FX spot. prepago: liquidar una deuda o un pago a plazos en una fecha anterior asu fecha de vencimiento (por ejemplo, prepagar una hipoteca). presión de cobertura (HP, por sus siglas en inglés): en los merca-dos de futuros (de commodities), el número de posiciones largas dividido por elnúmero total de contratos abiertos (posiciones largas más posiciones cortas). prestamista (en contexto de empeño): un prestamista que otorgaun préstamo asegurado en efectivo con la tasa de interés y período (que a vecesse pueden extender) previamente acordados, en donde el préstamo está aseguradocon un colateral (el prestatario lo pierde si no cumple), que es algún artículo(s)valioso(s), tales como joyería, electrónica, vehículos, libros o instrumentos musicalesraros, etc. préstamo: prestar dinero u otro activo por una parte (prestamista) aotra (prestatario). préstamo asegurado: un préstamo asegurado con un colateral. préstamo garantizado: un préstamo garantizado por un tercero en caso deque el prestatario incumpla con el préstamo. previsión de retornos futuros: predecir retornos futuros. prima (para opciones): el costo de comprar una opción. prima (para productos tales como un seguro): un pago periódicopara obtener la cobertura del seguro, por ejemplo, en un CDS, CDO, etc. prima de asimetría: en los futuros de commodities, un acontecimientoempírico por el cual los rendimientos futuros esperados tienden a estar correla-cionados negativamente con la asimetría de los rendimientos históricos. prima de la opción: el costo que cobra el vendedor de la opción alcomprador. 350sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) prima de riesgo: el rendimiento en exceso (esperado) de la tasa librede riesgo obtenido de una inversión. prima de riesgo de volatilidad: una ocurrencia empírica que la volatilidadimplícita tiende a ser mayor que la volatilidad realizada la mayor parte del tiempo. principal: el monto que el emisor de la deuda (prestatario) debe al prestamistaal vencimiento de la deuda. principal de un bono: la cantidad que el prestatario (el emisor delbono) debe al titular del bono en su totalidad al vencimiento. probabilidad condicional: P ( A | B ), la probabilidad que A ocurra asumiendoque B es cierto. proceso de Ornstein-Uhlenbeck: un movimiento Browniano con re-versión a la media. proceso estocástico: un grupo de variables aleatorias que cambian conel tiempo. productos indexados a la inflación: un activo (por ejemplo, TIPS)con pagos indexados basados en un índice de inflación. promedio ponderado: para los N valores x i ( i = 1 , . . . , N ), la mediaponderada dada por N P Ni =1 w i x i , en donde w i son las ponderaciones. propiedades industriales: propiedades inmobiliarias comerciales, incluyendofábricas y otras propiedades, almacenes, etc. proyecto brownfield: un proyecto asociado con activos de infraestruc-tura establecidos que necesitan mejoras. proyecto greenfield: un proyecto asociado a los activos de infraestruc-tura a construir. punto básico (bps, por sus siglas en inglés): punto de intervención: el porcentaje de la pérdida del portafolio suby-acente en el que un tramo de un CDO (obligación de deuda garantizada) comienzaa perder su valor. punto de pivote (también conocido como centro): en las estrate-351sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) put casada: véase put protectora . put cubierta: véase estrategia de venta-lanzamiento . put desnuda: una opción put corta independiente (sin ninguna otraposición). put protectora (también conocida como put casada, o call sintética): cubrir una posición larga en una acción con una posición larga en una opción put. quintil: cada una de las 5 partes (aproximadamente) iguales de una muestra(por ejemplo, muestra de datos). R: R Package for Statistical Computing. raíz cuadrada del error cuadrático medio (RMSE, por sus siglas eninglés): la raíz cuadrada del valor medio de los cuadrados de las diferenciasentre los valores predichos y observados de una variable. rango (para matrices): el número máximo de columnas linealmente in-dependientes de una matriz. rank (también conocido como clasificación, o ranking en inglés): laposición de un elemento de un conjunto después de clasificarlo de acuerdo con algúncriterio (con ciertas instrucciones para resolver cualesquiera confusiones [to resolveties, en inglés]). ratio de cobertura: en una estrategia de cobertura, el número de unidades (oel nocional en dólares) del activo que cubre para cada unidad (o dólar) del activo acubrir. ratio de cobertura óptimo: un ratio de cobertura calculado mediantela minimización de la varianza de un portafolio cubierto. ratio de conversión: el número de acciones del emisor en las que sepuede convertir un bono convertible. ratio de Sharpe: el retorno (en exceso) dividido por la volatilidad.352sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) ratio de Sharpe anualizado: el ratio de Sharpe diario multiplicadopor la raíz cuadrada de 252 (el número de días de trading en un año). ratio del valor de libros sobre mercado: el valor contable total dela compañía dividido por su capitalización de mercado (igual al ratio B/P). ratio del valor de libros sobre precio (también conocido como ratioB/P, por sus siglas en inglés): el valor de libros de la compañía por lasacciones en circulación dividido por el precio de sus acciones.
R-cuadrado: en una regresión, 1 menos un ratio, cuyo numerador es lasuma de los cuadrados de los residuos, y cuyo denominador es la suma de loscuadrados de las desviaciones de los valores de la variable observable con respectoa su valor medio en la muestra de datos. rebalancear: cambiar las ponderaciones de tenencia en una cartera. red de entre pares (P2P, por sus siglas en inglés): una arquitec-tura de aplicación informática distribuida con carga de trabajo particionada entrelos pares igualmente privilegiados. red neuronal artificial (ANN, por sus siglas en inglés): un sis-tema de computación (inspirado por la estructura neural de un cerebro) de nodos(neuronas artificiales) vinculados por las conexiones (similares a las sinapsis en uncerebro) que pueden transmitir las señales de un nodo a otro. regiones de EE.UU.:
Este, Medio Oeste, Sur y Oeste. regla de trading: un conjunto de instrucciones de compra y venta, conlas cantidades de los activos que se comprarán o venderán. regresión: véase regresión lineal . regresión lineal (también conocida como modelo lineal): ajustarlos datos para la variable observable mediante una combinación lineal de ciertonúmero de funciones (lineales o no lineales) de las variables independientes, con osin el intercepto. regresión logística (también conocida como modelo logit): unmodelo estadístico que generalmente se aplica a una variable dependiente binaria. regresión ponderada: una regresión lineal con las ponderaciones de re-gresión no uniformes. 353sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) regresión restringida: una regresión lineal sujeta a un conjunto de re-stricciones lineales o no lineales, por ejemplo, los mínimos cuadrados no negativos(NNLS, por sus siglas en inglés), en donde se requiere que los coeficientes de laregresión sean no negativos. regresión serial: una regresión en donde las variables independientesson series de tiempo (comparado con regresión transversal ). regresión transversal (la misma que regresión de corte transversal): una regresión en la que las variables independientes son los vectores cuyos elemen-tos están etiquetados por un índice de corte transversal, por ejemplo, el que marcalas acciones en un portafolio (comparado con regresión serial ). rendimiento: véase rendimiento de un bono . rendimiento de un bono (aquí, rendimiento al vencimiento): latasa de interés general obtenida asumiendo que el bono se mantiene hasta elvencimiento y que todos los cupones y pagos de capital se realizan según loacordado. reorganización: un proceso de reestructuración de las finanzas de unacompañía en bancarrota supervisado por el Tribunal. replicación: una estrategia mediante la cual un portafolio dinámico deactivos replica con precisión los flujos de efectivo de otro activo o portafolio. residuos de la regresión: las diferencias entre los valores observados ylos valores ajustados (predichos por el modelo) de la variable dependiente en unaregresión lineal. resistencia: en análisis técnico, el nivel de precios (percibido) en el quese espera que el precio de las acciones que están subiendo rebote hacia abajo. restricción lineal homogénea: para un N -vector x i ( i = 1 , . . . , N ),una restricción de la forma P Ni =1 a i x i = 0, en donde al menos algunos a i sondistintos de cero. resultado (también conocido como clase): en aprendizaje automático, unode los posibles resultados (predicciones) de un algoritmo de aprendizaje automático. retorno acumulado: el retorno de un activo desde el momento t altiempo t . 354sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) retorno ajustado por riesgo: el retorno dividido por la volatilidad. retorno anualizado: un retorno diario promedio multiplicado por 252(el número de días de trading en un año). retorno de cierre contra apertura: el retorno desde el cierre del díade trading anterior a la apertura del día de trading actual. retorno de cierre contra cierre: el retorno desde el cierre del día detrading anterior al cierre del día de trading actual. retorno esperado: un retorno futuro esperado de un activo basado enalguna consideración razonable, por ejemplo, el retorno promedio realizado duranteun período de tiempo pasado. retorno logarítmico: el logaritmo natural del ratio entre el precio deun activo en el momento t y su precio en el momento t ( t > t ). retorno nocturno: en términos generales, un retorno de algún momentodurante el día de trading anterior a algún momento durante el día actual (porejemplo, retorno de cierre a apertura, retorno de cierre a cierre); por lo general,retorno de cierre a apertura. retorno realizado: un retorno histórico. riesgo: la posibilidad de que el retorno realizado difiera del retorno es-perado. riesgo a la baja: el riesgo asociado a pérdidas. riesgo de incumplimiento: el riesgo (estimado/percibido) de un in-cumplimiento de pago de un prestatario. riesgo de prepago: el principal riesgo para los inversionistas en unMBS passthrough a través del cual los propietarios tienen la opción de pagar poradelantado sus hipotecas (por ejemplo, refinanciando sus hipotecas a medida quecaen las tasas de interés). riesgo de reinversión: el riesgo de que las ganancias (de los pagos decupón y/o el principal de un bono o instrumento similar) se reinvertirán a una tasamás baja que aquella de la inversión original.355sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) riesgo de tasa de interés (también conocido como exposición a latasa de interés): la exposición a las fluctuaciones en las tasas de interés, queafectan los precios de los bonos y otros activos de renta fija. riesgo de tipo de cambio: la exposición a los cambios en la tasa deFX. riesgo del clima: el riesgo de que las empresas y varios sectores de laeconomía se vean afectados por las condiciones climáticas. riesgo específico (también conocido como riesgo idiosincrático): véase riesgo no sistemático . riesgo no sistemático: el riesgo específico (también conocido como id-iosincrático), que es específico para cada compañía, activo, etc., se puede reducir através de la diversificación, aunque nunca se elimina por completo (comparado con riesgo sistemático ). riesgo sistemático: el riesgo no diversificable inherente a todo el mer-cado o su segmento, como la exposición a los amplios movimientos del mercado, queno se pueden diversificar en los portafolios solo con posiciones largas, pero que, sinembargo, puede reducirse sustancialmente o incluso eliminarse esencialmente en losportafolios con posiciones largas y cortas (por ejemplo, portafolios dólar-neutrales). riesgo soberano: el riesgo de que un gobierno pueda incumplir su deuda(deuda soberana, por ejemplo, bonos emitidos por el gobierno) u otras obligaciones,o que los cambios en la política de un banco central puedan afectar adversamentelos contratos de divisas. rodando hacia abajo por la curva de rendimientos (también cono-cido como rodando hacia abajo por la curva): una estrategia de tradingque consiste en comprar bonos a largo o mediano plazo del segmento más empinadode la curva de rendimientos (suponiendo que tiene una pendiente ascendente) yvenderlos a medida que se acercan al vencimiento. roll: en los contratos de futuros, reequilibrar las posiciones de futuros, esdecir, el actual contrato de futuros largo (corto) que está a punto de expirar sevende (se cubre) y se compra (se vende) otro contrato de futuros con un vencimientomás largo. roll yield: en los futuros de commodities, los rendimientos positivos delroll generados por las posiciones largas (cortas) cuando la estructura temporal estáen backwardation (contango). 356sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) rompecabezas de riesgo de dificultades: un suceso empírico en elque las empresas con menor riesgo de quiebra tienden a generar mayores rendimien-tos que las más riesgosas. rotación: véase rotación de alfa, rotación de momentum sectorial . rotación de alfa: un tipo de estrategia de trading con ETFs. rotación de momentum sectorial: un tipo de estrategia de momen-tum con ETFs. rotación sectorial con doble momentum: una estrategia de momen-tum con ETFs. ruido: en una serie de tiempo financiera, las fluctuaciones aleatorias sinninguna tendencia aparente. Russell 3000: un índice ponderado por la capitalización de mercado delas 3,000 acciones más grandes negociadas en los Estados Unidos por la capital-ización bursátil.
S&P 500: un índice ponderado por la capitalización de mercado de las500 acciones más grandes negociadas en los Estados Unidos por la capitalizaciónbursátil. sector (en una clasificación de la industria): por lo general, el nivelmenos granular en una clasificación industrial multinivel (por ejemplo, los sectoresse dividen en industrias, las industrias se dividen en subindustrias). sector (en una economía): un área de la economía en la que las em-presas comparten los productos o servicios similares. seguimiento de la tendencia: una estrategia de trading que apunta acapturar ganancias del momentum de un activo en una dirección particular. selección adversa: un efecto causado por el flujo de órdenes inteligentes, porlo que la mayoría de las órdenes limitadas para comprar en el bid (vender en el ask)se llenan cuando el mercado se mueve a través de ellas a la baja (al alza). selectividad: una medida cuantitativa de la gestión activa de los fondosmutuos (así como también en los ETFs con gestión activa).357sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) sentimiento de las redes sociales: el sentimiento sobre acciones uotros activos extraídos de las publicaciones o mensajes de las redes sociales (porejemplo, en Twitter). sentimiento de riesgo: la tolerancia al riesgo de los traders en una re-spuesta a los patrones económicos mundiales, por lo que cuando el riesgo se percibecomo bajo (alto), los traders tienden a participar en las inversiones de mayor(menor) riesgo (esto es también conocido como “risk-on/risk-off” en inglés). sentimiento de Twitter: el sentimiento sobre las acciones u otros ac-tivos extraídos de los tweets. señal: una señal de trading, por ejemplo, para comprar (señal de com-pra) o vender (señal de venta) un activo. señal de trading: véase señal . señal intradía: una señal de trading utilizada por una estrategia in-tradía. serie de tiempo: una serie de puntos de datos indexados en un ordentemporal, es decir, etiquetados por los valores de tiempo. sesgo: en una red neuronal artificial, el componente no homogéneo delargumento de una función de activación. sigmoide: la función de x dada por 1 / (1 + exp( − x )). sistema de ejecución de órdenes: un componente de software queejecuta las operaciones en base a las secuencias de órdenes compra y/o venta. sistema de imputación: véase imputación de dividendos . sistema de los especialistas: un sistema de creación de mercado oper-ado y controlado por humanos (en gran parte) en el NYSE antes de cambiar atransacciones electrónicas (principalmente). slippage: la diferencia entre el precio al que se coloca una orden (ini-cial) (o al que se espera que la orden sea ejecutada) y al que se llena (incluyendodespués de cancelar-reemplazar la orden inicial cuando se persigue la ofertao demanda con órdenes límites de compra o venta, respectivamente), a vecespromediada sobre órdenes múltiples (por ejemplo, cuando una orden grande sedivide en múltiples órdenes más pequeñas).358sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
SMB (también conocido como Small minus Big en inglés): véase factores de Fama-French . sobreajuste: en un modelo estadístico, ajustar más parámetros libresque los justificados por los datos, por lo que (a menudo sin darse cuenta) estosajustan el ruido y hacen que el modelo sea impredecible fuera de la muestra. sobre-reacción: en los mercados financieros, una respuesta irracional delos participantes del mercado (basada en la codicia o el miedo) a la nueva informa-ción. softmax: la función exp( x i ) / P Nj =1 exp( x j ) de un N -vector x i ( i = 1 , . . . , N ). solo largo: un portafolio o estrategia que solo posee tenencias (o posi-ciones) largas. soporte: en análisis técnico, el nivel de precio (percibido) en el que seespera que el precio de una acción con tendencia bajista comience a subir. SPDR Trust (tablero de cotizaciones SPY): un EFT que rastrea alS&P 500. split (también conocido como división de acciones): una accióncorporativa en la que una empresa divide cada una de sus acciones existentes enacciones múltiples (división de acciones forward) o combina acciones múltiples enuna (división inversa de acciones). spot (también conocido como precio al contado, o valor al contado): elprecio actual de un activo. steepener: una estrategia sobre el margen en la curva de rendimien-tos. stemming: reducir las palabras a su raíz o a su forma base, es decir,dejar solo la parte de una palabra que es común a todas sus variantes inflexas. subindustria (en una clasificación de la industria): por lo general,un subgrupo de empresas dentro de la misma industria se agrupan en base a uncriterio más detallado. subyacente: el instrumento subyacente (por ejemplo, las acciones en unaopción de acciones individuales). 359sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) swap (también conocido como acuerdo de intercambio, o contratode intercambio): un contrato derivado a través del cual dos partes intercam-bian instrumentos financieros. swap de inflación: un swap cuyo comprador tiene una posición largaen la inflación y recibe una tasa flotante (basada en un índice de la inflación) ypaga una tasa fija (tasa de equilibrio). swap de inflación con cupón cero: un swap de inflación que tiene unsolo flujo de efectivo al vencimiento y hace referencia a la inflación acumuladadurante la vida del swap (comparado con swap de inflación interanual ). swap de inflación interanual: un swap de inflación que hace referenciaa la inflación anual (comparado con swap de inflación con cupón cero ). swap de tasas de interés: un contrato que intercambia un flujo de pa-gos de tasa flotante por un flujo de pagos de tasa fija o viceversa. swap de varianza: un contrato derivado cuyo pago al vencimiento esigual al producto de un coeficiente preestablecido (nocional de varianza) multipli-cado por la diferencia entre el valor realizado de la varianza del subyacente a lamadurez y la varianza de ejercicio preestablecida. tablero de cotizaciones (o símbolo, o ticker en inglés): una ca-dena de caracteres corta que representa un activo dado que cotiza en la bolsa. tanh: la tangente hiperbólica. tasa: véase tasa de interés, inflación . tasa de calentamiento: la eficiencia con la que una planta de produc-ción de electricidad convierte el combustible en la electricidad. tasa de cupón: una tasa no compuesta, fija o variable, a la cual unbono con cupón realiza pagos de cupones. tasa de descuento (también conocida como tasa de descuento de laFed, o tasa de descuento Federal): la tasa de interés que se cobra a losbancos comerciales y otras instituciones de depósito por los préstamos recibidos dela Reserva Federal de los Estados Unidos. tasa de equilibrio: la tasa fijada de un swap de inflación.360sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) tasa de FX: véase tipo de cambio . tasa de FX spot (también conocida como tasa spot de FX): latasa actual de FX. tasa de intercambio forward (o tasa de FX forward): la tasa decambio de un contrato de divisas a plazo. tasa de interés: el interés por $1 del principal. tasa de interés real: la tasa de interés ajustada por la inflación. tasa de interés flotante (también conocida como tasa flotante, otasa de interés variable, o tasa variable): la tasa de interés sobre un pasivoque varía durante el plazo del préstamo. tasa de recuperación: el porcentaje del principal y los intereses deven-gados sobre una deuda en incumplimiento que se pueden recuperar. tasa fija de interés (también conocida como tasa fija): la tasa deinterés sobre un pasivo que permanece sin cambios ya sea por el plazo completo delpréstamo o por una parte de éste. tasa libre de riesgo: la tasa de retorno de un activo libre de riesgo,muchas veces se considera la tasa del Tesoro a un mes. tasa no compuesta: una tasa de interés aplicada al principal durantealgún período sin ningún tipo de capitalización. tasa variable: véase tasa de interés flotante . tendencia: la dirección general del precio de un mercado o activo, esen-cialmente, el momentum. tenedor de bonos: propietario de bonos. tenencia: el contenido de un portafolio; también, es una abreviación de,por ejemplo, tenencias en dólares. tenencia en dólar (también conocida como posición en dólar): elvalor en dólares de la posición de un activo en una cartera.361sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) tenencias deseadas: las tenencias en un portafolio a alcanzar por unaestrategia de trading.
Teorema de Bayes: P ( A | B ) = P ( B | A ) × P ( A ) /P ( B ), en donde P ( A | B ) esla probabilidad condicional de que A ocurra asumiendo que B es verdad, y P ( A ) y P ( B ) son las probabilidades de que A y B ocurran independientemente el uno delotro. tercil: cada una de las 3 partes (aproximadamente) iguales de una mues-tra (por ejemplo, muestra de datos). Tesoro: el Departamento del Tesoro de los Estados Unidos.
Theta: la primera derivada del valor de un activo derivado (por ejemplo,una opción) con respecto al tiempo. tiempo al vencimiento (TTM, por sus siglas en inglés): el tiemporestante antes de que caduque una opción. tipo de cambio (también conocido como tasa de FX): el tipo (otasa) de cambio entre dos monedas diferentes. trade de la curva: un flattener o steepener (en bonos o CDOs). trader: una persona que compra y vende bienes, divisas, acciones, com-modities, etc. trader institucional: un trader que compra y vende activos para unacuenta de un grupo o institución como, por ejemplo, un fondo de pensiones, unfondo mutuo, una compañía de seguros, un ETF, etc. trader minorista: un trader individual no profesional. trading cuantitativo: las estrategias de trading sistemáticas basadas enanálisis cuantitativos y cálculos matemáticos con poca o ninguna intervenciónhumana más allá del desarrollo de la estrategia (que incluye su codificación en unlenguaje informático de programación adecuado). trading de correlación: arbitrar la correlación de pares promedio delos constituyentes del índice versus su valor realizado futuro. trading de dispersión: arbitrar la volatilidad implícita del índice ver-sus las volatilidades implícitas de sus constituyentes.362sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) trading de pares: una estrategia de reversión a la media que involucrados activos históricamente correlacionados. trading electrónico: el trading de activos de forma electrónica, a difer-encia de los traders humanos en los pisos de los mercados de valores. trading en anuncios económicos: una estrategia de trading que com-pra acciones en los días de anuncios importantes, como los anuncios del FOMC,mientras mantiene activos libres de riesgo en otros días. tramo: véase tramo de un CDO . tramo de capital: el tramo de menor calidad de un CDO. tramo de un CDO: una parte de un CDO que consta de activos condiferentes calificaciones crediticias y tasas de interés. tramo junior mezzanine: el siguiente tramo (con la calidad del mismocreciente) de un CDO después del tramo de capital. tramo senior: el siguiente tramo (con la calidad del mismo creciente)de un CDO después del tramo senior mezzanine. tramo senior mezzanine: el siguiente tramo (con la calidad del mismocreciente) de un CDO después del tramo junior mezzanine. tramo super senior: el tramo de mayor calidad de un CDO. Transacciones Separadas de Intereses y Principales Nominativos(también conocidas como STRIPS en inglés): los activos del Tesoro concupón cero. tree boosting: una técnica de aprendizaje automático. unidad lineal rectificada (ReLU, por sus siglas en inglés): la fun-ción de x dada por max( x, universo de trading (también conocido como universo): los tableros decotizaciones de acciones (u otros activos) en un portafolio de trading. usurero: un prestamista que ofrece un préstamo a tasas de interés exce-sivamente altas. 363sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) validación cruzada (también conocida como testeo fuera de la muestra): una técnica para evaluar modelos predictivos mediante la partición de la muestrade datos original en un conjunto de entrenamiento para entrenar el modelo y unconjunto de pruebas para evaluarlo. valor (o claim en inglés): el pago de una opción (o algún otro derivado). valor de libros: los activos totales de la empresa menos sus pasivos to-tales. valor de mercado (mark-to-market (MTM) en inglés): valorar ac-tivos o portafolios en función de los precios de mercado pertinentes más recientes. valor de tasación: la valuación del valor de una propiedad u otros ob-jetos valiosos (por ejemplo, joyas) en un momento dado. valor de un bono: el valor de un bono en un momento dado antes delvencimiento. valor justo (o razonable): el valor de mercado de un activo o, en ausencia deun valor de mercado, un valor teórico basado en algún modelo razonable. valor nominal (también conocido como principal): el importe pa-gado al tenedor de bonos al vencimiento. valor respaldado por activos (ABS, por sus siglas en inglés): unactivo financiero garantizado por un conjunto de activos tales como préstamos,hipotecas, regalías, etc. valor roll: véase valor roll diario . valor roll diario: la base de futuros dividida por el número de días há-biles hasta la liquidación. valoración errónea: una ineficiencia en el precio de un activo, cuandosu precio no coincide con su valor intrínseco o valor justo (percibido). valores del Tesoro: los activos del Tesoro. Valores del Tesoro Protegidos Contra la Inflación (TIPS, por sussiglas en inglés): los valores del tesoro que pagan los cupones fijos semestralesa una tasa fija, pero los pagos de cupones (y el principal) se ajustan en función de364sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) valor respaldado por hipotecas (MBS, por sus siglas en inglés): unactivo respaldado por un conjunto de hipotecas. value (o valor): un factor basado en el ratio book-to-price (B/P, porsus siglas en inglés). variable de estado: una dentro de un conjunto de variables (que pueden o noser observables) utilizadas para describir un sistema dinámico. variable dummy (también conocida como variable binaria): unavariable predictiva que toma los valores binarios 0 o 1 para indicar la ausencia opresencia de algún efecto o pertenencia o no pertenencia a alguna categoría quepueda afectar el resultado (por ejemplo, si una empresa pertenece a un sectoreconómico determinado). variable explicativa: una variable que tiene (o se espera que tenga)cierto poder explicativo para una variable observada (por ejemplo, se puede esperarque las horas estudiadas por un estudiante para un examen final sean una variableexplicativa para la calificación/puntuación del examen final de dicho estudiante). variable objetivo: en aprendizaje automático, la variable cuyos valoresdeben modelarse y predecirse. varianza: un valor medio de los cuadrados de las desviaciones de losvalores de una cantidad de su valor medio. varianza muestral: una varianza calculada en función de las series detiempo de los retornos históricos de un activo. vatio: una unidad de potencia en el Sistema Internacional de Unidades(SI).
Vega: la primera derivada del valor de un activo derivado (por ejemplo,una opción) con respecto a la volatilidad implícita del activo subyacente. vehículo de inversión: un producto de inversión (por ejemplo, un ETF)utilizado por los traders para generar retornos positivos. vencimiento: la última fecha en la que un contrato de derivados (porejemplo, un contrato de opciones o futuros) es válido.365sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) vencimiento de bonos: el momento en que se paga el principal de unbono. vendedor de protección: un vendedor de seguros. venta en corto: establecer una posición corta.
VIX: el índice de volatilidad VIX del CBOE, también conocido como el“índice de incertidumbre” o el “índice de medida del miedo”. vocabulario de aprendizaje: en análisis de sentimiento (por ejemplo,sentimiento de Twitter) usando técnicas de aprendizaje automático, un conjuntode palabras clave que están relacionadas al objetivo (por ejemplo, predecir losmovimientos de precios de las acciones o criptomonedas). volatilidad: una medida estadística de la dispersión de los retornos deun índice de mercado o un activo, que se expresa mediante la desviación estándar ola varianza de dichos retornos. volatilidad implícita: en los precios de las opciones, la volatilidad delactivo subyacente, que, cuando se utiliza como un dato de entrada en un modelo devaluación de opciones (como el modelo de Black-Scholes), produce un precio (segúneste modelo) de la opción igual a su valor de mercado. volatilidad logarítmica: la desviación estándar de los logaritmos natu-rales de precios. volatilidad realizada: la volatilidad histórica. volumen: el número de acciones o contratos negociados en un activodurante cierto período. 366sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Acrónimos
ABS: asset-backed security (valor respaldado por activos).
ADDV: average daily dollar volume (volumen en dólares diario prome-dio).
ANN: artificial neural network (red neuronal artificial).
ATM: at-the-money (en el dinero).
B/P: book-to-price.
BA: banker’s acceptance (aceptación bancaria).
BICS:
Bloomberg Industry Classification System (Sistema de Bloombergde Clasificación de la Industria). bps: basis point (punto básico).
BTC:
Bitcoin.
Btu:
British thermal unit (unidad térmica británica).
CA: commodity allocation percentage (porcentaje de asignación a commodities).
CBOE:
Chicago Board Options Exchange.
CD: certificate of deposit (certificado de depósito bancario).
CDD: cooling-degree-days (grados-día de refrigeración).
CDO: collateralized debt obligation (obligación de deuda garantizada).
CDS: credit default swap (swap de incumplimiento crediticio).
CFTC:
U.S. Commodity Futures Trading Commission (Comisión de Ne-gociación de Futuros de Mercancías de los Estados Unidos).
CI: core inflation (inflación núcleo).
CIRP:
Covered Interest Rate Parity (Paridad de Tasas de Interés Cu-bierta). 367sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
CME:
Chicago Mercantile Exchange.
COT:
Commitments of Traders (Compromisos de los Comerciantes).
CPI:
Consumer Price Index (Índice de Precios al Consumidor).
CPS: cents-per-share (centavos por acción).
CTA: commodity trading advisor (asesor de trading de commodities).
DJIA:
Dow Jones Industrial Average.
EMA: exponential moving average (media móvil exponencial).
EMSD: exponential moving standard deviation (desviación estándar móvilexponencial).
ETF: exchange-traded fund (fondo de inversión cotizado).
ETH:
Ethereum.
ETN: exchange-traded note (nota de intercambio cotizada).
EUR: euro.
FOMC:
Federal Open Market Committee (Comité Federal de MercadoAbierto).
FX: foreign exchange (divisas).
GDP:
Gross Domestic Product (producto interno bruto, o PIB por sussiglas en español).
GICS:
Global Industry Classification Standard (Estándar Global de Clasifi-cación de la Industria).
HDD: heating-degree-days (grados-día de calefacción).
HFT: high frequency trading (trading de alta frecuencia).
HI: headline inflation (inflación general).368sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
HMD: healthy-minus-distressed (compañías saludables menos compañíasen distress).
HML:
High minus Low (alto menos bajo).
HP: hedging pressure (presión de cobertura); Hodrick-Prescott.
IBS: internal bar strength (fuerza interna de las barras de precios).
ITM: in-the-money (dentro del dinero).
JPY:
Japanese Yen (yen japonés).
LETF: leveraged (inverse) ETF (ETF apalancado (inverso)).
LIBOR:
London Interbank Offer Rate (Tasa Interbancaria de Oferta deLondres).
M&A: mergers and acquisitions (fusiones y adquisiciones).
MA: moving average (media móvil).
ML: machine learning (aprendizaje automático).
MBS: mortgage-backed security (valor respaldado por hipotecas).
MBtu:
MKT: market (excess) return (retorno (en exceso) del portafolio del mercado).
MMBtu:
MOM:
Carhart’s momentum factor (factor de momentum de Carhart).
MSA: metropolitan statistical area (área estadística metropolitana).
MTM: mark-to-market (valor de mercado).
Mwh:
Megawatt hour (Megavatio hora).
NYSE:
New York Stock Exchange (Bolsa de Nueva York).
OAS: option adjusted spread (diferencial ajustado por opciones).369sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
OTM: out-of-the-money (fuera del dinero).
P&L: profit(s) and loss(es) (ganancia(s) y pérdida(s)).
P2P: peer-to-peer (entre pares, par a par).
PCA: principal component analysis (análisis de componentes principales).
REIT: real estate investment trust (fideicomiso de inversión inmobiliaria).
ReLU: rectified linear unit (unidad lineal rectificada).
REPO/repo: repurchase agreement (acuerdo de recompra).
RMSE: root mean square error (raíz cuadrada del error cuadrático medio).
RSI: relative strength index (índice de fuerza relativa).
S&P:
Standard and Poor’s.
SIC:
Standard Industrial Classification (Clasificación Industrial Están-dar).
SMA: simple moving average (media móvil simple).
SMB:
Small minus Big (pequeñas menos grandes).
SGD: stochastic gradient descent (descenso gradiente estocástico).
SS: sum of squares (suma de cuadrados).
StatArb: statistical arbitrage (arbitraje estadístico).
STRIPS:
Separate Trading of Registered Interest and Principal of Secu-rities (Transacciones Separadas de Intereses y Principales Nominativos).
SUE: standardized unexpected earnings (ganancias inesperadas estandarizadas).
SVM: support vector machine (máquina de vectores de soporte).
TTM: time-to-maturity (tiempo al vencimiento).370sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
TIPS:
Treasury Inflation-Protected Securities (Valores del Tesoro Prote-gidos Contra la Inflación).
UIRP:
Uncovered Interest Rate Parity (Paridad de Tasas de Interés noCubierta).
USD:
U.S. dollar (dólar estadounidense).
VAR: vector autoregressive model (modelo vectorial autorregresivo).
VWAP: volume-weighted average price (precio promedio ponderado porvolumen).
YoY: year-on-year (año a año). 371sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Algunas Notaciones Matemáticas iff si y solo si.max (min) máximo (mínimo).floor( x ) el mayor entero menor o igual a x .ceiling( x ) el menor entero mayor o igual a x .( x ) + max( x, x ) el signo de x , definido como: +1 si x > − x <
0; 0 si x = 0. | x | el valor absoluto de x si x es un número real.rank( x i ) el rango de x i cuando N valores x i ( i = 1 , . . . , N ) se ordenan deforma ascendente.exp( x ) o e x el exponente natural de x .ln( x ) el logaritmo natural de x . P Ni =1 x i la suma de N valores x i ( i = 1 , . . . , N ). Q Ni =1 x i el producto de N valores x i ( i = 1 , . . . , N ). A | B = b (or A | b ) el valor de A cuando alguna cantidad B de la que A de-pende implícitamente (generalmente se evidencia en el contexto) toma el valor b . f ( x ) → min (max) minimizar (maximizar) f ( x ) con respecto a x (endonde x puede, por ejemplo, ser un N -vector x i , i = 1 , . . . , N ).argmax z f ( z ) el valor de z para cual f ( z ) se maximiza. ∂f /∂x la primera derivada parcial de la función f (que puede dependerde variables distintas de x ) con respecto a x . ∂ f /∂x la segunda derivada parcial de la función f (que puede dependerde variables distintas de x ) con respecto a x . G : A B G es un mapa desde el conjunto A al conjunto B .372sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) A ⊂ B el conjunto A es un subconjunto del conjunto B . { i | f ( i ) = a } el conjunto de valores de i tales que la condición f ( i ) = a se satisface.min( i : f ( i ) > a ) el valor mínimo de i tal que la condición f ( i ) > a sesatisface. i ∈ J i es un elemento del conjunto J . | J | el número de elementos de J si J es un conjunto finito. δ AB (o δ A,B ) 1 si A = B ; de otra manera, 0 (delta de Kronecker).diag( x i ) la matriz diagonal con las dimensiones N × N con x i ( i = 1 , . . . , N ) ensu diagonal. A T la transposición de la matriz A . A − la inversa de la matriz A . E t ( A ) el valor esperado de A al momento t . dX ( t ) un incremento infinitesimal de un proceso continuo X ( t ). dt un incremento infinitesimal del tiempo t . P ( A | B ) la probabilidad condicional de A que ocurre asumiendo que B esverdad. 373sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Referencias en Inglés
Notas explicativas: Algunas palabras/expresiones en el texto principal y en otraspartes de este libro están en inglés, que es como se usan habitualmente en la jergafinanciera/comercial en español. Aquí brindamos (de forma aproximada) traduc-ciones al español de tales palabras, aunque en muchos casos estas traducciones enespañol no se usan en el contexto de finanzas. ask: compra (precio de compra). backtest (o backtesting): prueba retrospectiva. barbell: barra con pesas. bid: venta (precio de venta). blockchain: cadena de bloques. book-to-market: libro al mercado (valor de libros sobre valor de mer-cado). book-to-price: libro al precio (valor de libros por acciones en circulación sobreprecio de mercado). brownfield: campo marrón. bullet: bala. call: opción de compra. carry: acarreo.
Cash & Carry: efectivo y acarreo. claim: reclamo. cluster: grupo, racimo. clustering: agrupamiento. commodity: mercancía (o producto básico, o materia prima). distress: dificultad (en el contexto de activos).374sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) drawdown: retroceso. duration-targeting: apuntando duración. flattener: aplanador. forward-looking: mirando hacia adelante.
Gamma scalping: especulación con Gamma. goes home flat: se va a casa plana. greenfield: campo verde. hard-to-borrow: difícil de pedir prestado.
Hard-to-Borrow List: lista de activos difíciles de pedir prestado. healthy-minus-distressed: saludable menos en dificultad. hedger: trader cuyo objetivo es lograr cobertura. ladder: escalera. loan-to-own: prestar a poseer. lookback: retroactivo. market-making: creación de mercado. momentum: impulso. passthrough: pasar por. payoff: valor a vencimiento (por ejemplo, de una opción). proxy: indicador, aproximador. put: opción de venta.
R Package for Statistical Computing:
Paquete R para InformáticaEstadística. 375sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) rally: mercado muy alcista. ranking: clasificación. risk reversal: reversión de riesgo. risk-on/risk-off: tomar/evitar riesgo. roll: rollo. roll yield: rendimiento del rollo. roll-down: rodar hacia abajo. slippage: deslizamiento.
Small minus Big: pequeño menos grande. snap-back: volver bruscamente. spark: chispa. split: división. spot: contado. steepener: empinador. stemming: lematización, reducir a la raíz. stop-loss: detener la pérdida. swap: intercambio. targeting: apuntando. ticker: tablero de cotizaciones, símbolo. trader: comerciante. trading: comercio (o compraventa).376sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13) tree boosting: crecimiento de árboles. value: valor. variable dummy: dummy variable en inglés, variable binaria o variableficticia en español. 377sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Notas Explicativas para el Índice
En las entradas del Índice, el plural en muchos casos (pero no en todos) se reduce asingular (por lo tanto, por ejemplo, “commodity” también incluye “commodities”).Los paréntesis contienen acrónimos o definiciones, y en algunos casos (pero no entodos) ambas versiones están presentes en el texto principal. La mayoría (pero notodas) de las entradas del Índice con comas, por ejemplo, “ sustantivo, adjetivo ”,corresponden a entradas de texto de modo que la cadena de texto precisa “ adjetivosustantivo ” no está directamente presente en el texto, pero está presente indirecta-mente (por ejemplo, “ adjetivo (...) sustantivo ”) o contextualmente.378sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
Índice abreviaturas del grado del dinero, 15acción, 11, 12, 14, 16, 23, 24, 42, 43, 48,55, 62, 107, 128, 139, 142, 144acción barata, 47acción cara, 47acción individual con KNN, 55, 64, 136acción ordinaria, 14acción subyacente, 63, 66, 84, 115acción, barata, 48acción, cara, 48acciones en circulación, 86acciones más líquidas de los EstadosUnidos, 63accionista, 117aceptación bancaria, 132actividad de mercado, 107actividad económica, 129actividades corporativas, 55activo, 44, 133activo de infraestructura, 145activo de renta fija, 105, 144activo en distress, 12, 125activo equivalente a efectivo, 133activo especulativo de compra ymantenimiento, 135activo gubernamental, 82activo hard-to-borrow, 85activo híbrido, 115activo libre de riesgo, 88, 96, 144activo sin riesgo, 88activo subyacente, 14–16, 84, 104, 105activos estructurados, 11, 110activos inmobiliarios, 128, 129activos tradicionales, 128, 135acuerdo de recompra (repo), 132, 133acuerdo de recompra inverso, 133acuerdo de swap, 118adquisición, 147ala, 78ala de corto plazo, 78 ala de largo plazo, 78alfa, 62, 63, 67, 68alfa académico, 62alfa de Jensen, 62, 67alfas de los ETFs, 67alfas de trading cuantitativos, 63algoritmo de aprendizaje automático, 57algoritmo de clustering, 65algoritmo de los k vecinos más cercanos(KNN), 55, 56, 136algoritmo de stemming de Porter, 140algoritmo tree boosting, 141análisis de componentes principales(PCA), 86análisis de corte transversal, 63, 143análisis del sentimiento, 139análisis del sentimiento de las redessociales, 139análisis fundamental, 64, 65anomalía de baja volatilidad, 44anomalía de bajo riesgo, 79anomalía, descuento a plazo, 96anuncio económico, 144anuncios del FOMC, 144año a año, 120, 143apalancamiento, 69, 88, 127apertura, 147, 150, 151aprendizaje automático, 12, 55, 58, 63arbitraje, 122arbitraje Cash & Carry, 84arbitraje con TIPS del Tesoro, 121arbitraje de convertible, 115arbitraje de ETF, 87arbitraje de fusiones, 55arbitraje de índice, 84arbitraje de interés cubierto, 97arbitraje de la base del CDS, 82arbitraje de riesgo, 55arbitraje del margen del swap, 82arbitraje estadístico, 11, 57, 58, 65379sto es la versión completa del siguiente libro: Z. Kakushadze y J.A. Serur.
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)
151 Estrategias de Trading (Spanish Edition, 2019), 398 pp; ISBN978-1071261873; .Copyright c (cid:13)(cid:13)