La “Fiebre del Oro de los Viernes” (FGR) es una pauta de calendario dada a conocer por el gestor de fondos André Stagge y cuya formulación es muy simple: Entrar largos en el futuro del oro los jueves al cierre y mantener la posición durante 24 horas, hasta el cierre del viernes. En las siguientes líneas realizaremos un análisis estadístico de dicha pauta para determinar si verdaderamente se trata de una anomalía susceptible de ser implementada en estrategias de trading.

Se han dado algunas explicaciones de esta pauta basadas en el comportamiento de la industria del oro y la toma de posiciones defensivas durante el último día de la semana. Los productores de joyas no suelen tener un stock abundante de este metal, por lo que tienden a realizar sus compras en viernes para cubrir las necesidades de la siguiente semana. Por otra parte el oro es tradicionalmente un valor refugio que protege eficazmente contra el efecto “cisne negro” del fin de semana. Es decir, sucesos catastróficos altamente improbables pero inescapables al estar cerrados los mercados.

DATOS Y METODOLOGÍA

Para este estudio utilizaremos el futuro del oro GC  (COMEX Gold Futures) en base diaria, empleando un histórico de 27 años (1993-2020).   Elegimos este contrato debido a su enorme liquidez (equivalente 27 millones de onzas diarias) y a que se utiliza como benchmark del sector de los metales preciosos. En todo caso, si el estudio se hace con otros productos, como el ETF GLD, los resultados son similares.

Para validar la pauta realizaremos un análisis del retorno logarítmico por días de la semana e implementaremos un modelo de regresión basado en el EGARCH. También abordaremos la inclusión de esta pauta en otra de orden mayor relacionada con la ciclicidad anual de este producto. De este modo se consigue mejorar los resultados en términos de beneficio medio por operación (BMO) y de retorno ajustado por riesgo (R/R). 

ANÁLISIS ESTADÍSTICO Y VALIDACIÓN DE LA PAUTA

Si observamos el retorno acumulado del GC durante estos 27 años vemos que este producto ha pasado al menos por 4 cambios de régimen bien definidos: Entre 1993 y finales de 2001 el movimiento dominante es de tipo lateral-bajista. De 2002 a 2012 tiene lugar un prolongado movimiento alcista en el que la cotización de este producto alcanza continuamente máximos históricos hasta multiplicar por 4 su valor. Posteriormente, y hasta diciembre de 2015, tiene lugar una fuerte corrección bajista en la que se alcanza un drawdown del 43%. En los últimos 5 años el movimiento dominante ha sido de tipo lateral con un repunte alcista, iniciado en octubre de 2018 y que todavía continúa.

En el gráfico inferior mostramos el beneficio acumulado y el retorno diario en base logarítmica:

Como podemos ver el GC se encuentra aún lejos de los máximos alcanzados en 2012, si bien durante el último año parece cobrar fuerza un nuevo impulso alcista. También podemos observar que el retorno diario no se distribuye de forma homogénea, la volatilidad está agrupada en clusters y es asimétrica; más elevada en las caídas que en los movimientos alcistas.

Si desglosamos el beneficio acumulado por días de la semana obtenemos la siguiente imagen:

Salta a la vista que la mayor parte del rendimiento se produce los viernes, mostrando el resto de los días un comportamiento errático y lateral, análogo al paseo aleatorio y con BMO diario próximo a cero. Estas son las estadísticas desglosadas por días:

Seguidamente procedemos a validar la significatividad estadística de la pauta mediante un modelo de regresión. Dado que la serie de precios muestra un comportamiento heterocedástico (los datos son heterogéneos y la varianza no es constante) resultará de escasa utilidad aplicar el modelo de mínimos cuadrados ordinarios (MCO) por lo que nos parece más apropiado optar por alguno de la familia ARCH. El GARCH es bueno cuando la volatilidad no es demasiado asimétrica. Sin embargo en este caso las rachas de volatilidad son más intensas en las bajadas que en las subidas, por lo que finalmente utilizaremos el modelo EGARCH.

Para especificar el modelo necesitamos una ecuación para la media y otra para la varianza. En la ecuación de la media utilizaremos variables dummy (0,1) para cada día de la semana:

Dónde:

R_t  = Retorno logarítmico del modelo

Ø₁D_Lu … Ø₅D_Vi = Coeficientes de retorno asociados a una variable dicotómica para cada día de la semana.

Ɛ_t = Término de error

P_v  = Función de distribución de probabilidad para  Ɛ_t

En el EGARCH la varianza condicional se modela mediante la siguiente ecuación:

Donde Log(σ_t²) es el logaritmo de la varianza condicional y el efecto de apalancamiento o asimetría está vinculado al término ϒ_k ≠ 0.

En la tabla inferior podemos ver los resultados del modelo para cada día de la semana: 

El coeficiente solo es significativo los viernes, con un nivel de confianza superior al 99%, tal y como se deduce del valor del valor de Z (3,44) y su probabilidad asociada (0,0006). Por tanto, consideramos validada la anomalía FGR.

PAUTA ESTACIONAL DEL ORO

Además de la anomalía semanal descrita, el GC muestra un comportamiento estacional bastante asimétrico. Los meses de Enero y Septiembre tienen un exceso de retorno estadísticamente significativo  y consistentemente superior a la media considerando su evolución año a año en el periodo 1993-2020. En el otro extremo, el mes de Octubre es el más flojo, seguido de Marzo y Junio.

En la tabla inferior tenemos el retorno acumulado en el período 1993-2019 y en cortes temporales de 20, 10 y 5 años. Los datos de frecuencia, máximos, mínimos y coeficiente de estacionalidad hacen referencia al período completo. 

Si agrupamos el retorno acumulado por meses obtenemos el siguiente gráfico de estacionalidad, junto con los valores de máximos, mínimos y promedios diarios obtenidos dentro de cada mes.

Como ya hemos comentado en otros artículos, podemos insertar una pauta mayor en otra menor o utilizarla como filtro en una estrategia basada en reglas de negociación, siempre y cuando dicha pauta sea consecuente con la lógica principal del sistema. En la mayoría de ocasiones, y debido a la reducción del número de operaciones, no veremos un incremento del net profit. Sin embargo su implementación estará justificada siempre y cuando se produzca una mejora apreciable del BMO y de las métricas R/R.

FORMULACIÓN DEL SISTEMA

Aclaramos que no se trata de un sistema funcional sino de una prueba de concepto que se describe únicamente con fines de investigación. La conversión de modelos de este tipo en estrategias para operativa real requiere el diseño de código y subsistemas de posicionamiento compatibles con la plataforma de trading así como un riguroso proceso de evaluación que en este artículo no se va a abordar.

En la formulación actual variamos ligeramente las reglas iniciales: En lugar de entrar largos los jueves al cierre lo haremos los viernes en la apertura y en lugar de liquidar la posición unos minutos antes del cierre del viernes la mantendremos hasta la apertura del lunes. Ciertamente aumentamos el riesgo al dejar posiciones abiertas durante el fin de semana, pero la mejora en rentabilidad compensa.  

Reglas del sistema:

1.- Entrar largos en la apertura del viernes si no estamos en Octubre

2.- Mantener la posición hasta la apertura del lunes

3.- Colocar un stop de protección al 2,5% del precio de entrada

En el siguiente gráfico podemos ver los resultados brutos (sin incluir gastos) de esta estrategia:

A la vista de estos resultados hipotéticos señalaremos los principales puntos fuertes y debilidades de la estrategia:

VENTAJAS:

• Se trata de una estrategia conceptualmente sencilla y de fácil implementación que no incorpora filtros con parámetros optimizables.
• Permite invertir en el oro como vehículo de diversificación en grandes carteras incurriendo en un riesgo mucho menor que el de una estrategia pasiva basada en comprar y mantener.
• El hecho de invertir solo los viernes obteniendo un resultado muy superior al de una estrategia pasiva permite invertir el capital de faena en otros activos o estrategias el resto de días de la semana.

DESVENTAJAS:

• El futuro del GC, debido a su tamaño y elevadas garantías, no es apropiado para cuentas pequeñas. Si bien, como ya hemos dicho, la estrategia es igualmente válida para otros productos sobre el oro.
• La pauta no es estable en todo el histórico. Solo se manifiesta con fuerza desde el año 2003. Este hecho le resta bastante generalidad.
• El DD máximo (-$25.920) es muy elevado así como el tiempo de recuperación (329 días).
• Salvo cobertura con opciones, dejar posiciones abiertas el fin de semana genera riesgo inescapable y dispara la exposición a eventos de tipo “cisne negro” específicos de este producto.

CONCLUSIONES

De este estudio podemos sacar las siguientes conclusiones:

1.- Si bien la pauta FGR ha quedado validada estadísticamente, su comportamiento es bastante heterogéneo en el período 1993-2020. Esta pauta solo se manifiesta con fuerza a partir de 2003. Durante los primeros 10 años el retorno de los viernes es indistinguible del resto de días de la semana y con media prácticamente 0. Solo a partir de 2003 la pauta cobra fuerza y se diferencia con claridad del retorno medio obtenido de lunes a jueves. De 2013 en adelante consigue salvar parcialmente el fuerte retroceso del oro, si bien se ha debilitado en los últimos 5 años.

2.- Las pautas de orden mayor (mensuales, anuales) pueden utilizarse como filtro de otras pautas de orden menor (diarias, intradiarias). En este caso, si eliminamos el mes con peor rendimiento, Octubre, obtenemos una mejora apreciable del resultado, tanto en términos de net profit  como de R/R.

3.- Encontrar pautas y anomalías en los mercados y validarlas estadísticamente es una metodología mucho más robusta que la construcción de estrategias por mero data mining; a base de añadir indicadores técnicos y optimizar parámetros.

4.- No deberíamos operar nunca estrategias que no se fundamenten en una anomalía estadísticamente probada. Otra cosa es emplear reglas de negociación basadas en medias e indicadores para refinar dicha anomalía. Pero en cualquier caso debe existir una causa subyacente al mercado -y conocida por el operador del sistema- que actúe como mecanismo primario para generar alfa.

Andrés A. García

TradingSys.org, 2020.