Trading Algorítmico: Qué es, Cómo Empezar, Estrategias y Más

El trading algorítmico involucra tres áreas principales: algoritmos de ejecución, algoritmos de búsqueda de beneficios o de caja negra, y algoritmos de trading de alta frecuencia (HFT). Aunque no están completamente separados en sus aplicaciones del mundo real, todos son procesos automatizados diseñados para la ejecución de operaciones financieras y toma de decisiones que utilizan precio, timing, volumen y más, junto con conjuntos de reglas, para abordar problemas de trading que antes podrían haber requerido un equipo de especialistas financieros.

• El trading algorítmico implica emplear fórmulas computacionales basadas en procesos y reglas para ejecutar operaciones.
• Los algoritmos de caja negra o búsqueda de beneficios pueden tener procesos de toma de decisiones opacos que han captado la atención y preocupación de los responsables políticos y reguladores.
• El trading algorítmico ha crecido significativamente desde principios de la década de 1980 y es utilizado por inversores institucionales y grandes firmas de trading para diversos propósitos.
• Aunque proporciona ventajas, como un tiempo de ejecución más rápido y costos reducidos, el trading algorítmico también puede exacerbar las tendencias negativas del mercado al provocar caídas rápidas y una pérdida inmediata de liquidez.

El trading algorítmico utiliza modelos matemáticos complejos con supervisión humana para tomar decisiones involucradas en la operación con valores, y en el caso del trading algorítmico de alta frecuencia permite a las empresas realizar decenas de miles de operaciones por segundo. El trading algorítmico puede ser utilizado, entre otras cosas, para la ejecución de órdenes, arbitraje y estrategias de trading de tendencias.

¿En qué consiste el trading algorítmico?

El uso de algoritmos en el trading aumentó después de que se introdujeran sistemas de trading computarizados en los mercados financieros estadounidenses durante la década de 1970. En 1976, la Bolsa de Valores de Nueva York introdujo su sistema de giro de órdenes designado para dirigir órdenes de traders a especialistas en el piso de la bolsa.

En las décadas siguientes, las bolsas mejoraron sus capacidades para aceptar trading electrónico, y para 2009, más del 60% de todas las operaciones en los Estados Unidos eran ejecutadas por computadoras.

Michael Lewis, autor de exitosos libros sobre marginados en finanzas, béisbol y otros sectores, llamó la atención del público sobre el trading algorítmico de alta frecuencia con “Flash Boys“, que documentó las vidas de traders de Wall Street y emprendedores que ayudaron a construir las empresas que llegaron a definir la estructura del trading electrónico en los Estados Unidos. Su libro mostró que estas empresas estaban inmersas en una carrera armamentista para construir computadoras cada vez más rápidas, que pudieran comunicarse con las bolsas cada vez más rápido, para obtener una ventaja sobre competidores mediante la velocidad, utilizando tipos de órdenes que les beneficiaban en detrimento de los inversores promedio.

Tipos de Trading Algorítmico

Los algoritmos utilizados en el trading financiero son reglas o instrucciones diseñadas para tomar decisiones de trading automáticamente. Van desde simples algoritmos de compra y venta de activos individuales basados en estrategias sencillas hasta algoritmos de caja negra más complejos que analizan las condiciones del mercado, movimientos de precios y otros datos financieros para ejecutar operaciones en momentos óptimos para obtener la máxima relación entre costo y beneficio. El cruce entre ingeniería informática y finanzas es conocido por su jerga pesada, así que no te abrumaremos con demasiados términos en este artículo. 

Aunque algunos términos pueden variar ligeramente de una firma de trading a otra, lo siguiente debería darte una idea de los amplios usos del trading algorítmico:

• Algoritmos de precio de llegada: Estos algoritmos están diseñados para ejecutar operaciones lo más cerca posible del precio del activo cuando se coloca la orden. Son útiles para minimizar el impacto en el mercado y el riesgo de movimientos de precios después de que se haya ejecutado la orden.
• Algoritmos de cesta: También llamados algoritmos de cartera, estos ejecutan órdenes mientras calculan los efectos en otras decisiones y valores en una cartera. Por ejemplo, incluso si un valor está disponible al precio adecuado, el algoritmo puede decidir posponer la operación si hacerlo aumentaría el riesgo para la cartera en su conjunto. Las restricciones incluidas en el algoritmo incluyen el equilibrio de efectivo, la autofinanciación y las tasas mínimas y máximas de participación.
• Algoritmos de desfase de implementación: Estas reglas automatizadas tienen como objetivo minimizar el desfase de implementación, es decir el costo de ejecutar una orden cuando difiere del precio de decisión.
• Algoritmos de porcentaje de volumen: Estos algoritmos ajustan los tamaños de las órdenes en reacción al volumen de trading del mercado en tiempo real. El propósito es preservar un porcentaje predeterminado del volumen total del mercado, equilibrando el impacto en el mercado y el timing.
• Algoritmos de activos individuales: Estos algoritmos están diseñados para optimizar la ejecución de operaciones de un solo valor, considerando factores como las condiciones del mercado y el tamaño de la orden.
• Algoritmos de precio promedio ponderado por volumen (VWAP): Estos algoritmos ejecutan órdenes a un precio que coincide estrechamente con el precio promedio ponderado por volumen del activo durante un período específico.
• Algoritmos de precio promedio ponderado por tiempo (TWAP): Estos algoritmos distribuyen operaciones de manera uniforme a lo largo de un período establecido para lograr un precio promedio que refleje el promedio ponderado por tiempo del precio de la acción. Se emplean para minimizar la agitación del mercado al ejecutar órdenes grandes.
• Algoritmos con parámetros de aversión al riesgo: Esto variará dependiendo del trader y las estrategias necesarias, pero a menudo se colocan junto con otros algoritmos para ajustar la agresividad del trading en función de la tolerancia al riesgo del trader o cliente.

Algoritmos de Caja Negra

Hemos separado estos algoritmos ya que funcionan de manera diferente a los mencionados anteriormente y son el centro de los debates sobre el uso de inteligencia artificial (IA) en finanzas. Los algoritmos de caja negra no son simplemente reglas ejecutables preestablecidas para ciertas estrategias. El nombre hace referencia a una familia de algoritmos en el trading y una serie de otros campos. El término caja negra se refiere a un algoritmo con mecanismos internos oscuros e indiscernibles.

A diferencia de otros algoritmos que siguen reglas de ejecución predefinidas (como operar a cierto volumen o precio), los algoritmos de caja negra se caracterizan por su enfoque orientado a objetivos. Por más complicados que puedan ser los algoritmos mencionados anteriormente, los diseñadores determinan el objetivo y eligen reglas y algoritmos específicos para lograrlo (operar a ciertos precios en ciertos momentos con cierto volumen). Los sistemas de caja negra son diferentes, ya que si bien los diseñadores establecen los objetivos, los algoritmos determinan autónomamente la mejor manera de alcanzarlos según las condiciones del mercado, eventos externos, etc.

A menudo, aquellos que utilizan el término en la esfera pública confunden dos problemas: hay estrategias cuantificadas que las empresas y otros consideran secretos comerciales, que los usuarios conocen pero no comparten. Los competidores y los reguladores pueden no entender las estrategias, por ejemplo, que una firma de trading de alta frecuencia podría estar utilizando. Sin embargo, eso se debe a que aquellos que lo hacen dentro de la empresa no comparten la tecnología propietaria.

Luego, están los sistemas de caja negra. Una característica de los algoritmos de caja negra, especialmente aquellos que emplean inteligencia artificial y aprendizaje automático, es otro problema, a saber, que los procesos de toma de decisiones de estos sistemas son opacos, incluso para sus diseñadores. Si bien podemos medir y evaluar los resultados de estos algoritmos, comprender los procesos exactos realizados para llegar a estos resultados ha sido un desafío. Esta falta de transparencia puede ser una fortaleza ya que permite estrategias sofisticadas y adaptables para procesar vastas cantidades de datos y variables. Pero esto también puede ser una debilidad porque no siempre está claro el razonamiento detrás de decisiones o operaciones específicas. Dado que generalmente definimos la responsabilidad en términos de por qué se decidió algo, este no es un problema menor en términos de responsabilidad legal y ética dentro de estos sistemas.

Por lo tanto, esta oscuridad plantea preguntas sobre la responsabilidad y la gestión del riesgo dentro del mundo financiero, ya que los traders e inversores pueden no comprender completamente la base de los sistemas algorítmicos que se están utilizando. A pesar de esto, los algoritmos de caja negra son populares en el trading de alta frecuencia y otras estrategias de inversión avanzadas porque pueden superar a enfoques más transparentes y basados en reglas (a veces llamados “lineales”). Tales sistemas están en la vanguardia de la investigación en tecnología financiera a medida que las empresas de tecnología financiera buscan aprovechar los importantes avances en aprendizaje automático e inteligencia artificial en los últimos años y aplicarlos al trading financiero.

Ejemplo de Trading Algorítmico

Vamos a repasar un ejemplo sencillo de trading algorítmico. Supongamos que has programado un algoritmo para comprar 100 acciones de una acción particular de la Compañía ABC cada vez que el promedio móvil de 50 días supere al promedio móvil de 200 días. Esto se conoce como un cruce alcista en el análisis técnico y a menudo indica una tendencia alcista en el precio. 

El algoritmo de ejecución monitorea estos promedios móviles y ejecuta automáticamente la operación cuando se cumple esta condición, eliminando la necesidad de que vigiles el mercado continuamente. Esto permite un trading preciso y libre de emociones basado en reglas predeterminadas específicas, que es la esencia del trading algorítmico.

Estrategias de Trading Algorítmico

Cualquier estrategia para el trading algorítmico requiere una oportunidad identificada que sea rentable en términos de ingresos mejorados o reducción de costos. A continuación, se presentan las estrategias de trading comunes utilizadas en el algo-trading:

Estrategias de Seguimiento de Tendencia

Las estrategias de trading algorítmico más comunes siguen los movimientos de tendencia mediante medias móviles, rupturas de canales, movimientos alrededor de niveles de precios importantes e indicadores técnicos relacionados. Estas son las estrategias más fáciles y simples de implementar a través del trading algorítmico porque no implican hacer predicciones o pronósticos de precios. Las operaciones se inician en función de la formación de tendencias deseables y son fáciles y directas de implementar a través de algoritmos que no requieren de la complejidad del análisis predictivo. El uso de medias móviles de 50 y 200 días es una estrategia de seguimiento de tendencia popular.

Más información sobre este tipo de estrategia en: Estrategias de seguimiento de tendencia

Estrategias que Buscan Oportunidades de Arbitraje

Comprar una acción u otro activo listado en dos o más mercados a un precio más bajo en un mercado y venderla simultáneamente a un precio más alto en otro mercado ofrece la diferencia de precio como beneficio libre de riesgo o arbitraje. La misma operación se puede replicar para acciones en contra de contratos de derivados ya que las diferencias de precios se producen de vez en cuando. Implementar un algoritmo para identificar tales diferencias de precios y colocar las órdenes de manera eficiente permite oportunidades rentables.

Estrategias Basadas en Modelos Matemáticos

Las estrategias basadas en modelos matemáticos están entre las más comúnmente utilizadas en el trading algorítmico. Muchas utilizan los valores de indicadores técnicos calculados mediante fórmulas matemáticas, como los osciladores o las medias móviles, para definir puntos de entrada y salida del mercado. Las estrategias basadas en indicadores técnicos se basan en la confluencia de las señales de distintos tipos de indicadores para determinar los momentos más oportunos para comprar o vender.

También existen estrategias basadas en modelos matemáticos complejos que evalúan múltiples variables al mismo tiempo, además del precio, como el volumen, volatilidad, estacionalidad, correlaciones con otros mercados, etc.

En el caso del mercado de valores, también se usan modelos que toman en cuenta indicadores propios del análisis fundamental como la relación de precio-ventas (P/S Ratio) o la relación de Precio-Ganancias (P/E Ratio) para encontrar patrones que puedan explotarse. Más información de estos indicadores en: Indicadores fundamentales clave de acciones

Estos modelos también suelen usar herramientas estadísticas como regresión lineal, regresión polinomial y otros para hacer predicciones. La variedad de modelos que pueden usarse depende de los conocimientos y habilidades de programación del programador.

Los modelos matemáticos probados, como por ejemplo la estrategia de trading delta-neutral, permiten operar mediante una combinación de opciones y el valor subyacente. (Delta neutral es una estrategia de cartera que consiste en múltiples posiciones con deltas positivos y negativos compensatorios, una proporción que compara el cambio en el precio de un activo, generalmente un valor negociable, con el cambio correspondiente en el precio de su derivado, de modo que el delta general de los activos en cuestión totalice cero).

Estrategias de Reversión a la Media

La estrategia de reversión a la media se basa en el concepto de que los precios altos y bajos de un activo son un fenómeno temporal después del cual el precio retorna a su valor medio (promedio) periódicamente. Identificar y definir un rango de precios e implementar un algoritmo basado en este fenómeno permite realizar operaciones automáticamente cuando el precio de un activo entra y sale de su rango definido.

Estrategia de Porcentaje de Volumen (POV)

Hasta que se complete una orden de compra o venta, este algoritmo continúa enviando órdenes parciales según la proporción de participación definida y de acuerdo con el volumen negociado en los mercados. La estrategia relacionada de “pasos” envía órdenes con base en un porcentaje definido por el usuario de los volúmenes de mercado y aumenta o disminuye esta tasa de participación cuando el precio del activo alcanza niveles definidos.

Estrategia de Desfase en la Implementación

La estrategia de desfase en la implementación tiene como objetivo minimizar el costo de ejecución de una orden mediante la transacción en tiempo real en el mercado, ahorrando así en el costo de la orden y beneficiándose del costo de oportunidad de una ejecución tardía. La estrategia aumentará la tasa de participación objetivo cuando el precio del activo se mueva favorablemente y la disminuirá cuando el precio de la acción se mueva adversamente.

Más Allá de los Algoritmos de Trading Habituales

Existen algunas clases especiales de algoritmos que intentan identificar “eventos” en el otro lado de los compradores/vendedores. Estos “algoritmos de detección”, utilizados, por ejemplo, por un creador de mercado del lado vendedor, tienen una “inteligencia” incorporada para identificar la existencia de cualquier algoritmo en el lado comprador de una orden grande. Tal detección a través de algoritmos ayudará al creador de mercado a identificar oportunidades de órdenes grandes y les permitirá beneficiarse al completar las órdenes a un precio más alto. Esto a veces se identifica como front-running de alta tecnología. Generalmente, la práctica de front-running puede considerarse ilegal dependiendo de las circunstancias.

Ventajas

El uso del trading algorítmico puede ofrecer respuestas más rápidas y eficientes a los cambios y eventos del mercado. También puede automatizar y garantizar una mayor alineación entre las decisiones de inversión y las instrucciones de trading, lo que lleva a costos de impacto en el mercado y riesgos de temporización más bajos, así como a una tasa más alta de completación de órdenes. Aquí hay ventajas adicionales:

• Anonimato: El trading está automatizado, con órdenes procesadas por computadoras y redes a través de plataformas. Esto significa que las órdenes no se exponen ni se discuten abiertamente en el piso de trading como solían hacerlo. Además, ciertos algoritmos pueden asegurar que las operaciones importantes se distribuyan para ocultar transacciones significativas, lo que podría revelar las partes involucradas en sectores más pequeños.
• Pruebas y estudios retrospectivos (backtesting): Antes de usarlos en el trading del mundo real, los algoritmos pueden ser sometidos a pruebas y entrenamientos con datos históricos para revisar su efectividad, reduciendo el riesgo de pérdidas potenciales. Los investigadores también pueden hacer esto usando tales sistemas para probar hipótesis en diversos escenarios financieros, aumentando el conocimiento en el campo financiero en general. Muchos estudios importantes se han realizado utilizando enfoques algorítmicos.
• Toma de decisiones sin emociones: El trading algorítmico elimina las emociones y factores psicológicos de la toma de decisiones en el trading, lo que potencialmente conduce a un enfoque más disciplinado.
• Mayor control: Aunque esto puede no parecer el caso a primera vista, dada la necesidad de transferir a sistemas automatizados varias funciones de trading, los traders pueden decidir todo, desde los sitios de ejecución hasta detalles específicos de la orden como el precio, la cantidad comprada o vendida del activo y el tiempo de ejecución, y luego ajustar el ritmo de las operaciones en función de los objetivos del cliente o fondo y las condiciones del mercado actuales. Los usuarios también pueden modificar o cancelar órdenes casi instantáneamente.
• Menor filtración de información: Dado que los brokers no reciben información detallada sobre las órdenes del inversor o las intenciones de trading, el riesgo de filtración de información se reduce. Por ejemplo, los traders que compran un valor solo necesitan comunicar sus necesidades e instrucciones de trading a través de la selección y configuración de parámetros del algoritmo.
• Acceso al mercado: El trading algorítmico proporciona un acceso más rápido a los mercados y bolsas a través de redes de alta velocidad. Además, los clientes sin estos sistemas de alta gama ahora pueden aprovechar beneficios como la co-ubicación y conexiones de baja latencia.
• Potencial para aumentar la transparencia: Si bien los algoritmos de caja negra han planteado problemas de procesos opacos cuando se comparten los detalles operativos para algoritmos de ejecución, los inversores saben exactamente cómo se negociarán sus activos en el mercado.
• Precisión: El trading algorítmico permite la ejecución de órdenes en condiciones altamente especificadas mientras se reduce la probabilidad de error humano.
• Velocidad y eficiencia: Implícito en todas las ventajas anteriores está cómo los algoritmos de trading pueden ejecutar órdenes mucho más rápido que los humanos, lo que permite a los traders aprovechar oportunidades de mercado más rápidamente.

Desventajas

El trading algorítmico tiene sus límites, tanto para los traders individuales como en cuanto a las externalidades para otros traders y el mercado en su conjunto:

• Complacencia: Los traders pueden volverse excesivamente dependientes de algoritmos familiares, usándolos independientemente de las cambiantes condiciones del mercado.
• Complejidad: Además de la terminología que acompaña a la tecnología involucrada, se suma el extenso número de algoritmos disponibles, a veces con nombres poco informativos tomados de citas de películas o intentos de humor, lo que puede hacer que sea abrumador  para el trader principiante. Las empresas más grandes pueden trabajar con numerosos brokers, cada uno ofreciendo una gama de algoritmos, lo que añade complejidad.
• Riesgos de cumplimiento: El panorama regulatorio en evolución para el trading automatizado puede plantear desafíos que requieren monitoreo y actualizaciones continuas.
• Costo: Crear y ejecutar sistemas de trading algorítmico es un costo que no todas las empresas o traders minoristas pueden asumir, y también hay tarifas continuas por energía, hardware y aplicaciones.
• Optimizado históricamente: Existe el riesgo de crear algoritmos complejos que se sobre ajusten a datos históricos pero fallen en condiciones de mercado reales.
• Falta de liquidez: Otra desventaja de las operaciones algorítmicas es que puede hacer que la liquidez desaparezca rápidamente.
• Rigidez frente a eventos: Los algoritmos se ejecutan exactamente como se programan, lo que puede ser problemático durante eventos del mercado que no están diseñados para manejar, lo que potencialmente conduce a un rendimiento inferior y costos aumentados.
• Desafíos en el descubrimiento de precios: El cambio de especialistas y creadores de mercado tradicionales a trading basado en algoritmos ha complicado el descubrimiento de precios, especialmente en las aperturas del mercado.
• Riesgo sistémico: Esto ha sido ampliamente discutido entre reguladores y representantes políticos desde que comenzó este tipo de trading.
• Dependencia tecnológica: La dependencia de sistemas informatizados significa que fallas, problemas de conectividad y fallos del sistema pueden provocar pérdidas significativas o oportunidades perdidas.

Conclusiones

Sin duda, el trading algorítmico puede ofrecer varias ventajas diferentes, como velocidad, eficiencia y objetividad en las decisiones comerciales. Puede automatizar los puntos de entrada y salida, reducir el riesgo de error humano y evitar la fuga de información. 

Sin embargo, también conlleva riesgos importantes: depende de tecnología compleja que puede funcionar mal o ser pirateada, y el trading de alta frecuencia puede amplificar el riesgo sistémico. La volatilidad del mercado, los errores de ejecución y los fallos técnicos también son peligros potenciales.