Estrategia de reversión del martes: probada en las acciones del Nasdaq 100 y del S&P 500

El concepto de “Turnaround Tuesday” es una idea que los operadores han estado discutiendo durante décadas: después de una fuerte caída el lunes, el mercado podría recuperarse el martes o en los días siguientes.

Los ejemplos dramáticos siguieron al Lunes Negro de 1987 y a otro desplome del lunes en 1997. La mayoría de las versiones de la idea se centran en un único índice. En este ensayo, buscamos el patrón en los distintos valores individuales en lugar de hacerlo con un solo índice.

Esta estrategia combina tres condiciones de entrada, dos reglas de salida y una fórmula de puntuación basada en la posición que decide qué acciones comprar cuando se cumplen demasiados requisitos.

Reglas de entrada

La estrategia evalúa tres condiciones al final del día de operaciones:

• El día de la semana es lunes
• La acción cierra más de 1% debajo de su precio de apertura: Cerrado[0] < 0,99 × Abierto[0]
• El precio de cierre está por encima de la media móvil simple de 200 días del barril anterior: Close[0] > SMA(200)[1]

Todas las tres condiciones deben cumplirse. La posición se abrirá al siguiente día de mercado, el martes, mediante una orden de mercado.

La idea es comprar una acción que se encuentre en una tendencia alcista a largo plazo pero que haya sufrido un descenso a corto plazo. Este es un enfoque de reversión media: buscar un repunte tras una debilidad temporal.

Reglas de salida

La posición se cierra cuando ocurre primero una de las dos condiciones:

• El precio de cierre de hoy es más alto que el precio de cierre de dos barras antes: Close[0] > Close[2]
• La posición alcanza el límite de tenencia de 10 barras diarias

La función Stop Loss y el Proajuste de la meta están desactivadas. La primera condición captura un rebote; la segunda limita el tiempo durante el cual la estrategia debe esperar por uno.

Puntuación por posición

La estrategia puede contener hasta 10 posiciones. Cuando más acciones cumplan las condiciones de entrada que las plazas disponibles, el puntaje de posición clasifica a los candidatos.

La fórmula es uno menos el ROC de cinco periodos, o la tasa de cambio. Un ROC más bajo produce una puntuación más alta, dando prioridad a las acciones calificadas con el rendimiento más débil reciente.

La distinción es importante: las condiciones de entrada determinan si un título se califica. La puntuación de la posición determina qué títulos calificados se seleccionan. Este segundo paso puede tener un efecto considerable en el backtest.

Backtest del Nasdaq 100

La primera prueba utilizó una cesta de acciones del Nasdaq 100, datos diarios, 20 años de historia y una comisión de 0,1%.

Partiendo de $10.000, el backtest informó lo siguiente:

• Resultado neto: aproximadamente $55.000
• Comercio: aproximadamente 5.900
• CAGR: casi 10%
• ProFactor de ajuste: 1,35
• Rata de victorias: 66%

La operación ganadora promedio obtuvo un beneficio de $54, mientras que la operación perdedora promedio perdió $79. La estrategia ganó con frecuencia, pero sus pérdidas fueron mayores que sus ganancias —un perfil típico de reversión típica.

El tiempo promedio de permanencia en el mercado era inferior a tres días, a pesar del límite de 10 barras. Los ganadores duraron aproximadamente dos días, mientras que los perdedores duraron casi cinco. Los rebotes exitosos dieron salida rápida; los intercambios no exitosos se mantuvieron abiertos durante más tiempo y podrían llegar al límite de tiempo.

Comparación con el método Buy & Hold

Para comparar la estrategia con SPY, primero utilizamos la normalización basada en el descenso de los volúmenes en dólares. A continuación, StrategyQuant escalamos la inversión de referencia hasta aproximadamente el $6,300 mismo nivel que el descenso histórico de los volúmenes en dólares de la estrategia.

En virtud de esa normalización:

• Razón de Sharpe: 1,02 para la estrategia frente a 0,65 para SPY
• CAGR / máximo descenso: 0,76 frente a 0,24
• Exposición: aproximadamente 66% frente a 100%

El informe también mostró una comparación separada con SPY, escalada para coincidir con el porcentaje de caída del rendimiento de la estrategia. En esa comparación, el beneficio neto fue de aproximadamente $55.000 frente a $11.500.

Estas son dos normalizaciones diferentes del rendimiento histórico. La conclusión principal es cómo se comparan los rendimientos con el rendimiento perdido para alcanzarlos, en lugar de analizar solo el beneficio.

La misma estrategia en las acciones del S&P 500

A continuación, cambiamos el índice de referencia por el S&P 500. Todo lo demás se mantuvo igual: condiciones de entrada, salidas, puntuación de posiciones, posiciones máximas y período de prueba.

El resultado fue aproximadamente 8.000 operaciones y un CAGR de 15%, aproximadamente cinco puntos porcentuales más alto que en el Nasdaq 100.

¿Por qué tuvo mejores resultados? La puntuación de posición es una posible explicación. En el Nasdaq 100, la estrategia selecciona hasta 10 acciones entre unas 100. En el S&P 500, selecciona hasta 10 entre unas 500. Un mayor número de candidatos puede ser una ventaja, pero esa explicación necesita su propio análisis.

¿Por qué la estrategia puede funcionar?

El Retraso del Martes busca una debilidad a corto plazo dentro de una tendencia alcista a largo plazo. El filtro de tendencia define las acciones elegibles, la puntuación de posición prioriza a los candidatos más débiles y las reglas de salida mantienen el enfoque en una recuperación relativamente rápida.

Estas mismas reglas dieron resultados históricos rentables en dos carteras de acciones diferentes sin ajustes. Esto nos proporciona un punto de partida útil para futuras investigaciones.

Descargue la estrategia completa desde la descripción del video y pruebe en sí mismo. Cambie la fórmula de clasificación, explore otra cesta de acciones o vuelva a configurar las reglas según sus propias ideas. Una vez haya terminado de probar y configurarla, puede ejecutar la estrategia en AlgoCloud.

Consulte el vídeo que se encuentra a continuación para ver el análisis completo de AlgoWizard tanto en términos de demostración como de análisis posterior.