Volatile Valuations

Desde que los holandeses implementaron el primer mercado de valores en 1611, los analistas han tratado de crear estrategias que sistematicen la agregación de información. El fin póstumo es adelantarse al consenso generalizado, el cual siempre está mal debido a que llegan tarde o derechamente está mal. Su mantra siempre ha sido y será comprar miedo para luego vender codicia , ya que de esa manera se logra materializar las ganancias de capital (en largo o en corto). Dicho lo anterior, los marcos de referencia han evolucionado en conjunto a la tecnología disponible en cada estadio cultural. Desde los clásico “chartistas” que descubren las zonas de liquidez en base a fractales de otros mercados e instrumentos y los replican en el instrumento analizado, hasta los tiempos mas recientes donde se enfoca en parametrizar el agregamiento de información exógena en los precios. El último enfoque se conoce como “Quant” o Cuantitativo . El método se basa en utilizar las herramientas de las ciencias e

El índice de miedo y codicia (IMC) fue desarrollado originalmente por CNNMoney  para el mercado de renta variable estadounidense. Se creó para parametrizar la  variabilidad de las principales emociones que influyen a los inversionistas, las cuales van desde el miedo extremo hasta la codicia extrema. El índice se mide de forma diaria, pero se puede sacar muestras en cualquier otra periodicidad (semanal, mensual, etc.). Desde el 2018, se desarrolló un índice alternativo (relacionado a las criptomonedas) por la empresa Alternative.me . En teoría, el índice se puede utilizar para medir si el mercado de valores tiene un precio justo o no . Esto se basa en la lógica de que el miedo excesivo tiende a bajar los precios de las acciones, y la codicia excesiva tiende a influir en el efecto contrario. En jerga financiera, estos dos efectos se conocen como “exuberancia irracional” , es decir, los precios ya no reflejan la información financiera actual de la compañía, por ende, se empieza a inco

Las crisis económicas generalmente se arraigan a la evolución del ciclo de negocios. Tradicionalmente, surgen después de algún boom económico-financiero, el cual precipita a un fondo que destruye la demanda. Luego de que se alcanzan los precios mas bajos en el fondo del ciclo, la oferta es excesiva en comparación a la demanda, lo que atrae a nuevos compradores o inversionistas con capital de riesgo para invertir. Este fenómeno crea empleo, lo cual a su vez fomenta el consumo y de vuelta hacia el “peak” climático. En rigor se hace alusión al dicho “precios mas altos/bajos, se curan con precios más altos/bajos”. La narrativa de los auges financieros se entiende bien ( el apetito por el riesgo es alto, los precios de los activos se disparan y el crédito aumenta ), sin embargo, no es fácil detectar los auges económicos en tiempo real y con una confianza razonable (la narrativa análoga para la interpretación de crisis inminentes). Es aquí donde es necesario cuantificar el comportamiento de

This toolbox packages a set of stochastic processes for prices and rates simulation, aiming to create a synthetic dataset for quantitative back-testing of trading strategies and asset allocations methods. TLDR; Matlab SDK for stochastic simulation of stock prices and bond rates. Additionally, some utilities to sample data are included, such as Order flow and information-driven bars. Please visit the site documentation for details Rationale Simulating synthetic stock prices and bond rates provides an alternative back-testing method that uses history to generate datasets with statistical characteristics estimated from the observed data. This method allows back-testing on a large sample of unseen scenarios, reducing the likelihood of overfitting to a particular historical data set. Because each trading strategy needs an implementation tactic (a.k.a., trading rules) to enter, maintain, and exit the respective positions on each instrument, a simulation over thousands of different scenari