SciELO - Scientific Electronic Library Online

 
vol.81 issue323Eficiencia y equilibrio en un modelo de formación de derechos de propiedadEvolución de la brecha salarial de género en México author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


El trimestre económico

On-line version ISSN 2448-718XPrint version ISSN 0041-3011

El trimestre econ vol.81 n.323 Ciudad de México Jul./Sep. 2014

 

Artículos

¿Es útil el análisis técnico en periodos de crisis financiera? Evidencia para el mercado bursátil latinoamericano

Christian Espinosa* 

Juan Gorigoitía** 

*Profesor asociado, Departamento de Dirección y Gestión de Empresas, Facultad de Economía y Empresa, Universidad Diego Portales, Chile (correo electrónico: christian.espinosa@udp.cl).

**Facultad de Administración y Economía, Universidad de Santiago de Chile (correo electrónico: juan.gorigoitia@usach.cl).


Resumen

En este artículo investigamos si los instrumentos de análisis técnico son útiles en periodos de crisis financieras.

Considerando cuatro de los principales índices latinoamericanos - Bovespa (Brasil), IGBLV (Perú), IPC (México) e IPSA (Chile)- no encontramos evidencia a favor del uso de análisis técnico en periodos de crisis financiera. Las técnicas que otorgan rentabilidades más altas no son las mismas que reportan rendimientos más bajos. En general, los instrumentos de mediano plazo son los que reportan un ma yor rendimiento, mientras que los de corto plazo reportan un menor rendimiento.

Palabras clave: análisis técnico; crisis financiera

Abstract

In this article we investigate whether technical analysis tools are useful in periods of financial crisis.

For the four major Latin American indices: -Bovespa (Brazil), IGBLV (Peru), IPC (Mexico) and IPSA (Chile)- we did not find evidence to support the use of Technical Analysis in periods of financial crisis. In addition, the techniques that provide a higher performance are not the same as the ones that reported lower yields. Generally, the medium-term tool shows increased performance while the short-term shows decreased performance.

Clasificación JEL:C30, C33, G15 у G32.

Introducción

La bibliografía financiera ofrece diversas pruebas empíricas acerca de la utilidad del análisis técnico (AT) como instrumento para la gestión activa de inversiones; así lo reportan los trabajos de Tabell y Tabell (1964), Treynor y Ferguson (1985), Brown y Jannings (1989), Jagadeesh y Titman (1993), Blume, Easley y O'Hara (1994), Chan, Jegadeesh y Lakonishok (1996), Rouwenhorst (1996), Lo y MacKinlay (1998) y Grundy y Martin (1998). Un apoyo indirecto también es reportado por Pruitt y White (1988), Neftci (1991), Neely y Weller (1998) y Allen y Karjalainen (1999), entre otros.1

Los trabajos precedentes han utilizado los instrumentos de AT para evaluar su capacidad de gestión de inversiones en distintos periodos de tiempo y mercados. Sin embargo, poco se sabe acerca de si estas técnicas funcionan bien en periodos de crisis financieras. En esta línea, Blume, Easley y O'Hara (1994) señalan que la utilización del AT no sólo permitiría aumentar la rentabilidad mediante la gestión activa de las inversiones, sino también reducir la volatilidad de los retornos y, en consecuencia, el nivel de riesgo asumido. A su vez, Fuenzalida et al. (2009) manifiestan que el uso AT es una manera en que se podrían anticipar periodos de turbulencia en mercados emergentes. La reducción de la volatilidad de los retornos y la anticipación de periodos de turbulencia podrían inferir que el uso AT es eficaz en periodos de crisis financieras. No obstante, no encontramos evidencia de ello en estudios anteriores. Contar con esta información permitiría conocer qué instrumentos son más efectivos en esos periodos para, por ejemplo, amortiguar pérdidas potenciales, disminuir la volatilidad de los retornos y, en consecuencia, aumentar el valor para el inversionista.

El objetivo de este trabajo es evaluar la eficiencia de algunos instrumentos de análisis técnico durante periodos de crisis financieras sobre las series de retornos de cuatro de los principales índices latinoamericanos: Bovespa (Brasil), IGBLV (Perú), IPC (México) e IPSA (Chile). Nuestro interés es conocer si los instrumentos de AT son útiles en tales periodos y determinar si las técnicas que otorgan rentabilidades más altas son las mismas que reportan rendimientos más bajos en periodos de crisis financiera, para así poder compararlas con las de un periodo sin crisis.

Dado lo anterior, evaluamos tres periodos: primero, la crisis asiática; segundo, entre el fin de la crisis asiática y el comienzo de la crisis subprime, y tercero, del comienzo de la crisis subprime hasta mediados de 2013. El primero y tercero corresponden a periodos de crisis financieras. Los instrumentos de AT que empleamos son: Media Móvil Simple, Media Móvil Ponderada Linealmente, Momentum, MACD, TRIX, RSI, %K, %R, On Balance Volumen y Stochastic.2

Los resultados no muestran pruebas contundentes que confirmen que el uso de instrumentos de AT en periodos de crisis financiera reporte mayor rentabilidad que el de una estrategia buy and hold. Acerca de qué tipo de instrumentos de AT reportan un mayor rendimiento, encontramos que son las técnicas de mediano plazo las que lo hacen, por encima de las de corto y largo plazo. A su vez, los instrumentos de AT de corto plazo son las que reportan un menor rendimiento. Este hallazgo debe tomarse con cautela dado que no es tan claro que los resultados de los instrumentos de AT de mediano plazo sean muy distintos los de otras técnicas.

El presente artículo se divide de la siguiente forma: en la sección I se realiza una breve revisión de la bibliografía; la sección II describe los datos e instrumentos empleados; en la sección III se reportan los principales resultados, y el último apartado resume las principales conclusiones.

I. Breve revisión de la bibliografía

En las décadas de los años ochenta y noventa del siglo anterior surgió una serie de estudios que daban cuenta de la utilidad del análisis técnico. Así, trabajos como los de Treynor y Ferguson (1985), Brown y Jannings (1989)Jagadeesh y Titman (1993)Blume, Easley y O'Hara (1994), Chan, Jegadeesh y Lakonishok (1996), Rouwenhorst (1996), Lo y MacKinlay (1997) y Grundy y Martin (1998) aportaron pruebas, de manera directa, en favor de su utilización, y otros como los de Pruitt y White (1988), Neftci (1991), Neely y Weller (1998), Allen y Karjalainen (1999) у Chang у Osler (1999) las obtuvieron en forma indirecta.

En la década actual los estudios en esta área han estado enfocados a corroborar la eficacia y extender el uso del AT. Por ejemplo, Lo, Mamayaski y Wang (2000) proponen dejar fuera el subjetivismo de la detección de patrones gráficos mediante el uso de regresiones no paramétricas. Así, evalúan la efectividad del uso del AT encontrando para una muestra de empresas de Estados Unidos que varios indicadores técnicos pueden agregar valor al proceso de inversión. Por su parte, Graziano (2001), luego de aplicar diferentes instrumentos de AT a los precios futuros de la soja del Rofex,3 concluye que a pesar de las grandes diferencias, principalmente de volumen, del Mercado de Rosario en comparación con los mercados de Estados Unidos y Europa, los distintos indicadores y osciladores se comportan igualmente de forma eficaz y eficiente. Parisi (2003) también analiza la eficiencia de algunos de los instrumentos de análisis técnico sobre series de precios diarios de acciones pertenecientes a los índices Dow Jones Industry y Nasdaq para el periodo comprendido entre el 2 de enero de 1992 y el 18 de julio de 2002, y encuentra que existen técnicas que aplicadas sobre ciertas acciones generan rentabilidades que, en promedio, superan a las de una estrategia buy and hold, tanto en el corto plazo (un año) como en periodos más extensos. Más recientemente, Abarca, Alarcón, Pincheira y Selaive (2007) reportan para el periodo entre enero de 2000 y abril de 2006 que el índice de Fuerza Relativa presenta una capacidad predictiva por encima del camino aleatorio para predecir los retornos del tipo de cambio en Chile. Por su parte, Kavajecz y Odders-White (2004) proponen que las medidas de análisis técnico capten cambios en el estado del libro de órdenes límites; de esta manera, reportan que los soportes y las resistencias, al igual que las medias móviles, están significativamente relacionados con los estados de liquidez del libro de órdenes límites, demostrando que el estado de liquidez puede ser importante en la determinación del precio futuro del activo.

II. Datos e instrumentos

Los datos corresponden a las series de precios diarios de cierre, apertura, mínimo y máximo, y al volumen transado de cuatro de los principales índices latinoamericanos: Bovespa (Brasil), IGBLV (Perú), IPC (México) e IPSA (Chile). El rango de fechas analizado es del 3 de julio de 1995 al 28 de junio de 2013, excepto para el índice IGBLV que va del 3 de enero de 2003 al 28 de junio de 2013. La cantidad de datos es 4 450 (Bovespa), 2 628 (IGBLV), 4 526 (IPC) y 4 475 (IPSA).

Las muestras se construyen considerando los siguientes rangos de fechas: 3 de julio de 1995 al 31 de agosto de 1998 (periodo de la crisis asiática); 1°de agosto de 1998 al 29 de septiembre de 2006 (periodo sin crisis) y 2 de octubre de 2006 al 28 de junio de 2013 (periodo de la crisis subprime). Para cada una de estas muestras se consideró un periodo de 252 días hábiles para el cálculo de la rentabilidad promedio anual. Por tanto, para el periodo de la crisis asiática se consideró la rentabilidad promedio anual desde el 3 de julio de 2007 al 31 de agosto del año 2008.4 Para el periodo sin crisis se consideró la rentabilidad promedio anual desde el 1° de septiembre de 1998 al 29 de septiembre de 2006. Por último, para el periodo de crisis subprime se consideró la rentabilidad promedio anual desde el 2 de octubre de 2007 al 28 de junio de 2013. Los instrumentos de análisis técnico empleados fueron: Media Móvil, Momentum, MACD, ADX, TRIX, RSI, %K, %R, On Balance Volume y Stochastic. 72 técnicas en total fueron comparadas con una estrategia buy and hold.5

El Cuadro 1 presenta la estadística descriptiva de los cuatro índices bursátiles en estudio. Para el periodo sin crisis, en todos los casos, se obtuvieron las más altas rentabilidades diarias promedio. A su vez, en este periodo se encuentra la más alta rentabilidad diaria (Brasil y México). Al considerar los periodos de crisis financieras se observa que el efecto de éstas en los mercados bursátiles latinoamericanos es disímil. En Brasil, durante el periodo de la crisis asiática, la rentabilidad promedio fue de un 0.08%,mientras que en Chile fue de -0.07%; sin embargo, durante la crisis subprime no se encontraron diferencias significativas en las rentabilidades diarias entre los índices bursátiles de los países en estudio.

Cuadro 1 Estadística descriptiva de los índices 

Para asegurar que el análisis de los rendimientos resultantes sea independiente en cada muestra, luego de aplicar cada uno de los instrumentos de AT se tomó el primer día de cada serie como el primer día de inversión. A su vez, en cada muestra se consideró un monto de inversión de $1 000 000 y una comisión de 0.5% por cada orden de compra o venta generada mediante el AT. Por otra parte, para controlar el fenómeno de datasnooping, las comparaciones de rendimientos medios generados por cada técnica fueron evaluadas con la prueba de Tukey6 y la técnica de False Discovery Rate7 (FDR). En este último caso se utilizó el procedimiento de Benjamini y Hochberg (1995), que consiste básicamente en determinar, dado un valor crítico, si los valores p que rechazan la hipótesis nula son efectivamente verdaderos.

El Cuadro 2 muestra los resultados de la prueba de Tukey y el FDR. Sobre un total de 2 556 pruebas (cada técnica es comparada con las restantes) la prueba de Tukey reporta que, en promedio, más de 80% de las técnicas son distintas de las otras. Por su parte, la prueba FDR reporta que sólo 0.4% de las técnicas efectivas no son distintas. Estos resultados muestran que las técnicas de AT pueden considerarse independientes entre sí.

Cuadro 2 Prueba de Tukey y FDR 

III. Resultados

El Cuadro 3 se divide en cuatro secciones (a, b, с y d) para mostrar los resultados del empleo de los 72 instrumentos de AT sobre los índices bursátiles Bovespa, IPSA, IGBVL e IPC, respectivamente. Cada sección se divide en cuatro categorías: primero, se considera la muestra total; segundo, el periodo de la crisis asiática; tercero, periodo sin crisis, y cuarto, periodo crisis subprime. Para cada periodo se reportan tres estados: primero, las cinco técnicas que más veces son distintas a las otras 71 técnicas; segundo las cinco mejores técnicas, y tercero, las cinco peores técnicas. Para cada caso se reportan el número y porcentaje de veces en que la técnica es distinta de las otras 71 luego de someterse a la prueba Tukey, el porcentaje de veces en que la técnica es distinta de las otras 71 luego de someterse a la prueba FDR y el rendimiento anualizado obtenido.

a Número de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

b Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

c Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba FDR.

Cuadro 3a Resultados de Brasil: Bovespa 

Para el índice Bovespa (Cuadro 3a) se observa que, para todos los periodos, la técnica que más veces arroja resultados distintos a los de otras técnicas es la media móvil En este contexto, las medias móviles de largo plazo (sobre 100 días) reportan mejores resultados que las de corto plazo (5 y 10 días). Para el caso de las cinco mejores técnicas, considerando el periodo completo, es la estrategia buy and hold la que reporta un mayor rendimiento anualizado (69.11%), muy por encima de la segunda técnica (TRIX_100). De la misma manera, al considerar el periodo sin crisis financiera la estrategia buy and hold vuelve a ser la técnica que reporta un mayor rendimiento. Para el periodo de crisis financiera el uso de AT (TRIX y RSI) reporta un mayor rendimiento, aunque en el periodo de crisis subprime la estrategia buy and hold aparece como la quinta que ofrece un mayor rendimiento. Para el caso de las cinco peores técnicas, los instrumentos de AT de corto plazo son los que reportan los peores resultados (Media Móvil y Momentum).

Para el caso del índice IPSA (Cuadro 3b) los resultados son similares a los de Bovespa, excepto en el periodo de crisis subprime, en el que la mejor estrategia es buy and hold, aunque el rendimiento obtenido es levemente superior al de la técnica TRIX. Cabe destacar para este índice que los instrumentos de AT de mediano plazo son los que en general ofrecen un mayor rendimiento, por encima de los de corto y largo plazo. En cuanto a las peores técnicas, los instrumentos de AT de corto plazo siguen siendo los que reportan los peores resultados. Para los casos de los índices IGBVC e IPC los resultados, en general, se mantienen.

a Número de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

b Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

c Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba FDR.

Cuadro 3b Resultado de Chile: IPSA 

a Número de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

b Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

c Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba FDR.

Cuadro 3c Resultado de Colombia: IGBVC 

a Número de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

b Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

c Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba FDR.

Cuadro 3d Resultado de México: IPC 

Cabe destacar que, en todos los casos y para todos los índices en estudio, los resultados de las técnicas en que éstos resultaron peores son distintos de los de las otras técnicas más veces que en el caso de aquellas que reportaron los mejores resultados. El Cuadro 4 muestra esta situación. Se observa, por ejemplo, para el caso de crisis subprime, que el número de veces que en promedio las cinco mejores técnicas de AT en las que se da un mayor rendimiento, y cuyo resultado es estadísticamente distinto al de las otras 71 técnicas, es de 17 veces, mientras que para el caso de las peores cinco técnicas se trata de 39 veces. Esto quiere decir, por una parte, que no es del todo claro que los instrumentos de AT de mediano plazo reporten mayores rendimientos, puesto que sus resultados no son muy distintos de los de otras técnicas aplicadas; por otro lado, si se emplean técnicas de AT de corto plazo, es más probable que se obtengan peores rendimientos.

a Número de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

b Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba de Tukey.

c Porcentaje de veces en que la técnica es estadísticamente distinta de las otras 71 técnicas al aplicar la prueba FDR.

Cuadro 4 Comparación entre las cinco mejores y peores técnicas de AT 

Con respecto a si las técnicas de AT son útiles en periodos de crisis financieras los resultados no son concluyentes. En el periodo de la crisis asiática el rendimiento anualizado promedio de las cinco mejores técnicas fue de 47.43%,mientras que durante la crisis subprime fue sólo de 7.06%, porcentaje inferior al periodo sin crisis financiera (17.23%). Además, la estrategia buy and hold obtuvo el más alto rendimiento durante la crisis subprime en dos de los cuatro casos (Chile y México).

Conclusiones

En este artículo evaluamos la eficiencia de algunos instrumentos de análisis técnico durante periodos de crisis financiera. Específicamente, investigamos si los instrumentos de AT son útiles en periodos de crisis financiera y si las técnicas que ofrecen rentabilidades más altas son las mismas que reportan rendimientos más bajos, tanto para periodos con crisis financiera o sin ella. Para lo anterior consideramos cuatro de los principales índices latinoamericanos: Bovespa (Brasil), IGBLV (Perú), IPC (México) e IPSA (Chile). Respecto a lo primero no encontramos evidencia a favor del uso de AT en periodos de crisis financiera. Si bien durante el periodo de la crisis asiática los instrumentos de AT reportaron un rendimiento anualizado mayor que una estrategia buy and hold, durante el periodo de crisis subprime esta última obtuvo un rendimiento anualizado mayor que las técnicas de AT en dos de los cuatro índices analizados. Es importante señalar que este resultado podría estar influido por el hecho de haber evaluado cada técnica por separado. Podría ser que diferentes técnicas de AT fueran utilizadas de manera conjunta para dar señales de compra o venta y que el inversionista marginal considera este conjunto de instrumentos, y no una sola, para decidir sobre su inversión. Esta cuestión es una limitación del presente estudio y lo presentamos como futura línea de investigación.

Respecto al interrogante de si aquellas técnicas que otorgan rentabilidades más altas son las mismas que reportan rendimientos más bajos, encontramos que son diferentes. En general, los instrumentos de AT de mediano plazo son los que reportan un mayor rendimiento, por encima de los de corto y largo plazos. A su vez, los instrumentos de AT de corto plazo son los que reportan un menor rendimiento. Este hallazgo debe tomarse con cautela dado que no es del todo claro que los resultados de los instrumentos de AT de mediano plazo sean más distintos de los de otras técnicas aplicadas.

Por último, los resultados encontrados se mantienen para periodos con o sin crisis financiera, lo que permite inferir que el uso del AT es una práctica habitual en los mercados financieros, independientemente de que se trate de periodos de calma o de turbulencia.

Referencias bibliográficas

Abarca, A., Alarcón, R, Pincheira, P. y J. Selaive (2007), "Chilean Nominal Exchange Rate: Forecasting Based upon Technical Analysis", Working Papers Central Bank of Chile 425, Central Bank of Chile. [ Links ]

Allen, F, y R. Karjalainen (1999), "Using Genetic Algorithms to Find Technical Trading Rules" Journal of Financial Economics, Elsevier, vol. 51(2), pp. 245-271. [ Links ]

Bajgrowicz, P., y O. Scaillet (2012), "Technical Trading Revisited: False Discoveries, Persistence Tests, and Transaction Costs"Journal of Financial Economics , 106, Elsevier, pp. 473-491. [ Links ]

Benjamini, Y., y Y. Hochberg (1995), "Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing", Journal of the Royal Statistical Society, Series B (Methodological) , 57(1), pp. 289-300. [ Links ]

Bessembinder, H., y K. Chan (1998), "Market Efficiency and the Returns to Technical Analysis", Financial Management, vol. 27, pp. 5-17. [ Links ]

Blume, L., D. Easley y M. O'Hara (1994), "Market Statistics and Technical Analysis: The Role of Volume", The Journal of Finance, vol. 49, núm. 1, pp. 153-181. [ Links ]

Brown, D., y R. Jennings (1989), "On Technical Analysis", Review of Financial Studies, vol. 2, pp. 527-552. [ Links ]

Chan, L., Jegadeesh, N. y J. Lakonishok (1996), "Momentum Strategies", Journal of Finance, vol. 51, pp. 1681-1711. [ Links ]

Chang, O., y C. Osler (1999), "Methodical Madness: Technical Analysis and the Irrationality of Exchange-Rate Forecasts", Economic Journal, 109, núm. 458, pp. 636-661. [ Links ]

Fuenzalida, D., M. Nash y F. Rosales (2009), "Anticipating Turbulent Periods in Latin American Emerging Markets", Revista Contaduría y Administración, núm. 229, pp. 31-57,Universidad Nacional Autónoma de México. [ Links ]

Graziano, J. (2001), "Análisis técnico estadístico. Principales indicadores y su aplicación al ISR", Bolsa de Comercio de Rosario. [ Links ]

Grundy, B., y J. Martin (1998), "Understanding the Nature of the Risks and the Source of the Rewards to Momentum Investing", Financial Research Working Paper Series, pp. 13-98. [ Links ]

Jegadeesh, N. ,y S. Titman (1993), "Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency", Journal of Finance , vol. 48, pp. 65-91. [ Links ]

Kavajecz, K. A.,y E. Odders-White (2004), "Technical Analysis and Liquidity Provision", Review of Financial Studies , vol. 17, issue 4, pp. 1043-1071. [ Links ]

Lo, A.,y A. Mackinlay (1998), "Maximizing Predictability in the Stock and Bond Market", Macroeconomic Dynamics vol. 1, pp. 118-158. [ Links ]

Lo, Α., Mamaysky, H., y J. Wang (2000), "Foundations of Technical Analysis: Com putational Algorithms, Statistical Inference, and Empirical Implementation", The Journal of Finance , vol. 55, núm. 4, pp. 1705-1765. [ Links ]

Menkhoff, L.,y M. Taylor (2007), "The obstinate Passion of Foreign Exchange Pro fessionals: Technical Analysis", Journal of Economic Literature, vol. 45, núm. 4, pp. 936-972. [ Links ]

Neely, C., y P. Weller (1998), "Technical Trading Rules in the European Monetary System" Journal of International Money and Finance, vol. 18, pp. 429-458. [ Links ]

Neftci, N. (1991), "Naive Trading Rules in Financial Markets and Wiener-Kolmogorov Prediction Theory: A Study of Technical Analysis'", The Journal of Business, vol. 64, núm. 4, pp. 549-557. [ Links ]

Parisi, Α. (2003), "Análisis técnico: Un estudio de la eficiencia de diferentes técnicas aplicadas sobre acciones pertenecientes a los índices bursátiles estadounidenses Dow Jones Industry y Nasdaq", Estudios de administración, vol. 10, pp. 59-93. [ Links ]

______, Rebolledo, J., у E. Cornejo (2006), "Modelos de lógica y lógica borrosa en la predicción del IPSA", Estudios de Administración, vol. 13, núm. 1, pp. 37-66. [ Links ]

Pruitt, S., y R. White (1988), "The CRISMA Trading System: Who Says Technical Analysis can't Beat the Market?" Journal of Portfolio Management, primavera, pp. 55-58. [ Links ]

Ready, M. (2002), "Profits from Technical Trading Rules", Financial Management , vol. 31, pp. 43-61. [ Links ]

Rouwenhorst, K. (1996), "International Momentum Strategies", The Journal of Finance, vol. 53, pp. 267-284. [ Links ]

Tabell, Α., у Tabell, E. (1964), "The Case for Technical Analysis", Financial Analyst Journal, 20, pp. 67-76. [ Links ]

Treynor, J., у Ferguson, R. (1985), "In Defense of Technical Analysis", The Journal of Finance , vol. 40, núm. 3, pp. 757-773. [ Links ]

Vilariño, A. (2001), "Turbulencias financieras y riesgos de mercado", Prentice Hall. [ Links ]

1También la bibliografía financiera ha reportado que los costos de transacción anularían los beneficios que se obtendrían al utilizar los instrumentos de análisis técnico (Bessembinder y Chan, 1998; Ready, 2002) y que la extensión de su uso haría ineficiente su aplicación (Menkhoff y Taylor, 2007). No obstante, la evidencia empírica es contundente al mostrar su utilidad.

2Véase el Apéndice para una descripción de estos instrumentos.

3En 1909 en Rosario, como resultado de la creciente demanda de un mercado de cereales a término, surge Rofex; esta entidad ha creado un ámbito en el que se pueden negociar contratos de opciones y futuros en Argentina.

4Véase Vilariño, 2001.

5Véase el Apéndice para los pormenores de cada técnica y el horizonte de tiempo considerado.

6La prueba de Tukey es utilizada para averiguar cuáles medias son significantemente distintas de otras. Esta prueba ha sido utilizada en el mercado chileno para evaluar la existencia o no de diferencias significativas en los retornos al utilizar AT (Parisi, 2003) y en otro tipo de modelos como Redes Neuronales, Algoritmos Genéticos y Lógica Borrosa (Parisi, Rebolledo y Cornejo, 2006).

7False Discovery Rate (FDR) es un método estadístico que se emplea en la prueba de múltiples hipótesis con el objeto de evitar hacer múltiples comparaciones. Es decir, dada una serie de hipótesis rechazadas, la FDR controla la proporción esperada de hipótesis nulas incorrectamente rechazadas (véase Bajgrowicz y Scaillet, 2012, para más pormenores).

Apéndice

Descripción de las técnicas de análisis técnico empleadas en el estudio

Media móvil. Corresponde a un promedio de X observaciones (precios diarios de cierre). Si la media móvil corta hacia arriba la serie de precios de una acción, entonces se genera una señal de compra, en caso contrario una señal de venta. En este estudio se emplearon medias móviles de corto plazo de 5, 10, 15, 20, 25, 30, 35, 40, 45, 50,100, 150 y 200 días.

en la que n = que cantidad de observaciones; P = precio.

Momentum. Es un indicador de la velocidad de subida o bajada de la cotización de un active Un cruce al alza del nivel cero da una señal para comprar, y una caída bajo cero, una de venta. Se calcula de la siguiente manera:

en la que Pt = precio de cierre de hoy y Pt-n = precio de cierre de n días atrás. Se emplearon mometum de 5, 7, 10, 14, 15 y 21 días.

MACD (Moving Average Convergence Divergence). Es un indicador que utiliza tres medias móviles exponenciales, una a largo y una a corto plazo, y una media móvil producto de la diferencia entre ellas. Luego se calcula la diferencia entre la media móvil exponencial de las diferencias de las medias de corto y largo plazo y las diferencias entre estas mismas medias, lo que produce un indicador del posible cambio en la tendencia que tendrá el precio. En este estudio empleamos combinaciones de (12, 26, 9), (5, 30, 9), (10, 30, 9), (5, 50, 9), (10, 50, 9), (6, 13, 5) y (24, 52, 18) días. Arroja una señal de compra cuando el indicador cruza la línea del cero hacia arriba, es decir, se vuelve positivo, y de venta en el caso contrario.

ADX (Average Directional Movement Index). Indicador que utiliza el Directional Indicator (DI) y Directional Movement (DM). Se determina de la siguiente forma:

en la que TR es un periodo de n días; -DM es la suma de movimientos negativos en un periodo de n días; +DM es la suma de movimientos positivos en un periodo de n días. Luego, el ADX será:

Una forma común de uso del ADX es entrar al mercado en la dirección que indiquen las líneas +DI y -DI en el momento en el que el valor del ADX cruza el nivel 25 de abajo hacia arriba. Otro uso común es tomar las señales del cruce de +DI y -DI siempre que el ADX esté por encima de 25 (sin que se dé el cruce del ADX del nivel 25 en ese momento). Se toma como benchmark el nivel 25 o 20 del índice para determinar si predomina +DI o -D. Si el ADX está sobre 25 o 20 y alguna de las señales de dirección está por encima de la otra, ello es indicador de cuál tendencia domina, es decir, a la baja o al alza. Se emplearon combinaciones de 7, 10, y 14 días, cada una de ellas con un nivel de decisión sobre el valor del índice de 20 o 25.

TRIX (Triple Exponential Average). Es un indicador que busca encontrar niveles de sobreventa y sobrecompra. El TRIX utiliza tres medias móviles exponenciales (EMA). El suavizado triple sirve para la eliminación de los componentes cíclicos en el movimiento del precio con un periodo menor que el del indicador TRIX. Al igual que el resto de las medias móviles, cuando el TRIX corta el precio de cierre al alza es una señal para iniciar una posición larga en el activo. La gran ventaja del TRIX es que elimina movimientos de corto plazo que distorsionan la tendencia. Se emplearon ventanas de 7, 10, 12, 15, 20, 25, 30, 40, 50 y 100 días.

RSI (Relative Strenght Index). Muestra la fuerza del precio mediante la comparación de los movimientos individuales al alza o a la baja de los precios posteriores de cierre. Se calcula de la siguiente manera:

en la que AU = incremento promedio de aquellas sesiones en los que el precio de la acción ha cerrado al alza; AD = descenso promedio de las sesiones en las que el precio de la acción ha cerrado a la baja.

El oscilador RSI puede tomar valores entre 0 y 100. Si el valor de RSI supera 70 (benchmark) la acción está sobrevalorada (señal de venta). Si su valor es inferior a 30 la acción está infravalorada (señal de compra). También se considera la relación 80/20 como benchmark para señal de venta y compra, respectivamente. Se utilizaron horizontes de tiempo de 7, 10 y 14 días con benchmark de 70/30 y 80/20.

% К (índice G. Lane). Se fundamenta en que, al haber un aumento de precios, el precio de cierre estará cerca del máximo del día y viceversa. Se calcula de la siguiente manera:

donde i es la sesión (día) para la que se calcula el oscilador; n es el número de periodos (días también) utilizados para el cálculo; Ci es el precio de cierre de la sesión; Maxn es el precio más alto de los n periodos; y Minn es el precio más bajo de los n periodos. Luego, si %K ≥ 80, entonces existe una señal de venta y si %K ≤ 20, entonces existe una señal de compra. Se emplearon datos diarios de cierres, máximos, mínimos y aperturas. También se considera la relación 70/30 como benchmark para señal de venta y compra, respectivamente. Se utilizaron horizontes de tiempo de 7, 10 y 14 días con benchmark de 70/30 y 80/20.

% R de William. Es un oscilador e indica cuando un título está subvalorado o sobrevalorado. Más específicamente, indica la proximidad del valor de transacción que existe en la actualidad con respecto al valor máximo de n periodos atrás. Sobre una escala del 0 al 100, 0 es equivalente al máximo para el periodo. Su cálculo se muestra en la siguiente ecuación:

en la que i es la sesión (día) para la que se calcula el oscilador; n es el número de periodos (días también) utilizados para el cálculo; C; es el precio de cierre de la sesión; Maxn es el precio más alto de los n periodos; y Minn es el precio más bajo de los n periodos. Luego, si %R≥ 80, entonces existe una señal de compra, y si %R≤ 80 entonces existe una señal de venta. También se considera la relación 70/30 como benchmark para señal de venta y compra, respectivamente. Se utilizaron horizontes de tiempo de 7, 10 y 14 días con benchmark de 70/30 y 80/20.

On Balance Volumen (ОВV). Es un indicador que relaciona volúmenes con cambios en los precios, de esta forma mide la fuerza de un movimiento según la sumatoria de los volúmenes que presenta el activo. Cuando la acción cierra al alza el volumen suma, cuando cierra a la baja, el volumen resta. OBV entrega una señal de compra si cambia la tendencia del volumen (negativo o positivo) cortando la línea de 0, es decir, si corta hacia arriba se sugiere tomar una posición larga; en caso contrario, corta. Se consideraron periodos de 5. 7, 10, 14, 15 y 21 días para el cálculo.

Stochastic. Es un oscilador que utiliza el %K y dos medias móviles simples sobre éste de forma secuencial. En donde toma una ventana de n periodos para determinar el máximo, mínimo y precio de cierre. Se representa con la siguiente ecuación:

en la que i es la sesión (día) para la que se calcula el oscilador; n es el número de periodos (días también) utilizados para el cálculo; Ci es el precio de cierre de la sesión; Maxn es el precio más alto de los n periodos; y Minn es el precio más bajo de los n periodos.Luego, si Stoch ≥ 80, entonces existe una señal de compra, y si Stoch ≤ 20 entonces existe una señal de venta. También se considera la relación 70/30 como benchmark para señal de venta y compra, respectivamente. Se utilizaron horizontes de tiempo de [ 14, 2, 3 ] días, [ 26, 12, 9 ] días y [ 21, 2, 5 ] días con benchmark de decisión de 70/30 y 80/20 para cada uno de los vectores de días.

Recibido: 17 de Agosto de 2012; Aprobado: 20 de Marzo de 2014

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons