Los analistas técnicos usan diferentes filtros como herramientas estándares para suavizar los datos. Su atención se centra principalmente en las medias (Medias móviles). En este artífulo queremos describir este filtro desde la perspectiva de los analistas de señales. Mediante el uso de la teoría de sistemas lineales, presentaremos las características de los diferentes filtros y los compararemos con los llamados “filtros Butterworth” de orden superior.
» Debemos recordar que las Medias Móviles (MAS) se usan en el análisis y la interpretación de series de datos financieros desde que existe el análisis técnico. Sin embargo, su utilización no ha cambiado mucho desde sus primeros días. Hace 50 años, cuando era necesario llevar a cabo el análisis con lápiz y papel, y no se podía confiar en el rendimiento de los ordenadores, era necesario usar métodos lo más simples posibles. Cuando los ordenadores evolucionaron hasta llegar a la actualidad, desaparecieron todos los obstáculos para poder utilizar filtros más sofisticados y eficaces que nos han permitido suavizar la serie de datos para su análisis técnico.
Medias Móviles simple y exponencial
Probablemente el método más conocido para filtrar las fluctuaciones aleatorias en las series temporales históricas, es calcular un valor medio aritmético durante un cierto período de tiempo. Éste es precisamente el principio de una media móvil simple, que en Inglés se conoce como media móvil simple (SMA). La consideración de que los precios de los últimos días están más valorados respecto a los precios menos recientes, es la base de la media móvil ponderada (WMA). Mediante su método de cálculo, los precios se ponderan de forma lineal teniendo en consideración ciertos factores. Veamos el ejemplo de una WMA de 3 días:
WMA (Cierre, 3) =
1/6 x (3 x Cierre + 2 x Cierre [1] + Cierre [2])
El término “WMA (Cierre, 3)” describe a una media móvil ponderada, que se calcula a partir de los precios de cierre y se alisa a lo largo de 3 barras (o velas). El número entre corchetes significa que no se usa el valor actual, sino el valor del precio de cierre de las últimas 1 o 2 barras a utilizar. Una forma especial de la WMA es la media móvil exponencial (EMA) . Como su nombre indica, se reemplazan los factores de ponderación lineales por otros exponenciales. He aquí su fórmula:.
XAverage (Cierre, Longitud) =
XAverage [1] + Factor X
(Cierre - XAverage [1])
Siendo el Factor = 2 / (longitud + 1)
La longitud del periodo no se especifica explícitamente en este ejemplo, pero se etiqueta como “longitud”. Cuanto mayor es la longitud del periodo, menor es el valor del “Factor”, y menor la diferencia que se añade a la EMA de ayer. Por lo tanto, la EMA se distingue claramente durante los períodos más cortos de las otras variaciones existentes de AM. En la Figura 1, tenemos un ejemplo de una serie temporal artificial (línea azul), que muestra las características de las diferentes medias. En primer lugar, se identifica el retraso temporal de una media móvil simple por el periodo (línea roja) de retardo “5” (en Inglés: lag time). Lo cual también crece al aumentar la duración del período (MA20, línea verde). Además, también queda claro que una MA exponencial (Exp MA20, línea morada) reacciona mucho más rápido debido a que cambia antes que una simple MA. En fases del mercado con tendencias más estables la MA simple y la exponencial son casi idénticas.
Filtro Butterworth
El mundo de la tecnología de transmisión de señales nos ha enseñado a tratar con filtros completamente diferentes, como los de paso alto, bajo y de banda.
Estos son circuitos electrónicos que se construyen de modo que puedan filtrar, o bien las frecuencias altas, o las bajas o sólo las que están dentro de un ancho de banda predefinido. Para poner en práctica dichos filtros existen, desde mediados del siglo pasado, diferentes fórmulas y algoritmos. Si lo vemos ahora desde el punto de vista de las señales financieras, necesitamos saber que la duración del periodo es recíproca al valor de la frecuencia. Esto significa que las frecuencias bajas se corresponden con longitudes de períodos largos y las altas frecuencias se corresponden con longitudes de periodos cortos. El ejemplo del filtro de Butterworth muestra las principales diferencias con respecto a los filtros convencionales (simples y exponenciales DG). Con este propósito hemos incluido en el cuadro de información el código de programación en el lenguaje “Easy Language“ para crear un filtro Butterworth de tercer orden. El término “orden” se refiere a las características de paso del filtro. A mayor orden, mejor se filtran las componentes del ruido.
Ejemplo
La Figura 2 nos muestra un ejemplo en el que comparamos las curvas del filtro Butterworth de segundo orden (línea verde) y de tercer orden (línea morada) con una EMA (línea roja) sobre el par de divisas EUR/USD. Todos los filtros tienen una longitud de 20 barras. La Figura 2 muestra claramente las propiedades descritas: suavización más fuerte y mayor retardo en base al uso de filtros de orden superior. Si reducimos a la mitad el periodo del filtro Butterworth de tercer orden, entonces la curva es casi idéntica a la del filtro Butterworth de segundo orden. Existe una característica adicional. El filtro Butterworth tiene vibraciones (oscilaciones) significativamente más pronunciadas que los filtros clásicos. Esto ya se nota en el código del programa, ya que se utiliza la función trigonométrica coseno. Lo cual se visualiza claramente en el filtro Butterworth de segundo orden. Aquí se pueden ver muy bien, y a simple vista, los puntos de inflexión cíclicos. Por lo tanto, los traders obtendrán más beneficios con los filtros convencionales durante las fases de cambio de tendencia. Lo cual hace que el filtro de Butterworth sea adecuado no sólo como un indicador de seguimiento de tendencia, sino también para determinar los puntos de inflexión. Los cuales a su vez se pueden verificar fácilmente mediante el cálculo de sus correspondientes derivadas.
Conclusión
Cuando queremos suavizar los datos de una serie siempre debemos buscar un equilibrio entre el grado de suavizado que obtendremos y el retardo temporal que conlleva. Por lo tanto, aplicaremos un algoritmo de filtrado a los datos financieros basado en la transmisión de datos electrónicos y compararemos sus características con las de las medias clásicas. A primera vista podría parecer que los filtros “científicos” tienen un mayor grado de precisión en sus características. «
Toda información publicada en TRADERS’ es únicamente para fines educativos. No pretende recomendar, promocionar o de cualquier manera sugerir la eficacia de cualquier sistema, estrategia o enfoque de trading. Se recomienda a los traders que realicen sus propias investigaciones, desarrollo y comprobaciones para determinar la validez de un concepto para el trading. El trading y la inversión conllevan un alto nivel de riesgo. Cualquier persona con la intención de operar en los mercados financieros debe entender y aceptar estos riesgos. El rendimiento obtenido en el pasado no es garantía de los resultados futuros.
Contenido recomendado
Datos de inflación del PCE de EE.UU.: ¿Impulso para el Dólar?
La pausa que se ha tomado el mercado desde la tarde del jueves, con un Dólar estadounidense notoriamente bajista, puede estar anunciando exactamente lo contrario para la sesión americana de este viernes: un mercado movido, y con un Dólar ganador tras la publicación del dato del PCE de marzo.
Tres datos fundamentales para la semana: Destacan el PIB estadounidense, el BoJ y el indicador de inflación favorito de la Fed Premium
Aunque es difícil predecir cuándo estallarán las noticias geopolíticas, el nivel de tensión es menor, lo que permite que los datos clave tengan la palabra. Las cifras estadounidenses de esta semana marcarán la decisión de la Reserva Federal la semana que viene, y el Banco de Japón podría tener dificultades para frenar el deterioro del Yen.
El Dólar se deprecia frente al Peso mexicano tras el buen dato de empleo de México y el PCE más alto de lo esperado de EE.UU.
El USD/MXN subió en la mañana europea del viernes a un máximo intradía de 17.27, pero tras la publicación de los datos de México y Estados Unidos cayó a un mínimo diario de 17.11. De cara al cierre de semana, el par cotiza sobre 17.16, perdiendo un 0.25% diario.
Bitcoin Pronóstico Semanal: La próxima ruptura del BTC podría impulsarlo hasta los 80.000 $ Premium
Es probable que el precio del Bitcoin caiga a la zona de desequilibrio entre 59.111 y 53.120 dólares, lo que permitiría a los compradores marginados se acumulen. Un rebote desde esta zona podría impulsar al BTC hasta los 80.000 $, un nuevo máximo histórico. Las métricas en cadena respaldan el repunte a corto plazo del BTC.
EUR/USD Pronóstico Semanal: La Reserva Federal y las Nóminas no Agrícolas prometen acción la próxima semana Premium
Los datos de inflación y crecimiento de EE.UU. han animado a la Fed a mantener las tasas sin cambios durante más tiempo. Los responsables políticos europeos siguen allanando el camino hacia una bajada de tipos en junio. El EUR/USD lucha por recuperar la senda alcista en un entorno de aversión al riesgo.
Contenido recomendado
La importancia de las cuentas demo
Al empezar en este mundo de trading muy seguramente se observarán las palabras “cuenta demo”.
Quiero operar en una cuenta real, ¿cuál debe ser mi objetivo?
Es una pregunta que siempre realizo a todos mis alumnos, aquellos que, viéndose lo suficientemente preparados...
Estrategia de venta de opciones de compra cubierta mediante certificados de descuento
La venta de opciones de compra cubierta presupone que usted ya tiene el subyacente en su propia cartera o que lo comprará al mismo tiempo que se venden las opciones.
Operar las nóminas no agrícolas NFP de EE.UU.: Los 7 consejos principales que todo inversor de divisas debe conocer
Las cifras de empleo son vigiladas de cerca por el público en general, por los políticos y por los bancos centrales que mueven las divisas. EE.UU. es la economía más grande del mundo y su informe de empleos tiene más impacto que las cifras del mercado laboral de otros países.
Coaching Autogestión Emocional: Mi estilo atributivo
El modo en que explicamos nuestras pérdidas (fracasos) y nuestras ganancias (éxitos) y a los factores a los que atribuimos su causa, lo llamamos “estilo atributivo”. Existen cuatro estilos atributivos diferentes