En esta sección analizamos los rendimientos de los principales indicadores bursátiles: S&P500, Nasdaq 100 y Dow Jones, utilizados por gran parte de los inversores para operar sus ETFs más negociados: SPY, QQQ y DIA.
Asimismo, evaluamos estrategias de trading algorítmico que aplicamos para mejorar riesgos y rendimientos del mercado (S&P500) a partir del Nasdaq 100 y el diseño de estrategias adaptativas con opciones.
Desde que comenzamos, en 2019, a publicar la información generada en este sitio, los siguientes han sido los rendimientos anuales promedio de los grandes indicadores:
Estos rendimientos pueden expresarse de otro modo.
Por cada USD 100 invertidos al finalizar 2018, hubieras obtenido $ 142 en Dow Jones, $ 253 en S&P 500 y $ 273 en el Nasdaq 100.
Ello a pesar de un 2022 que tuvo rendimientos completamente opuestos al promedio de los últimos cuatro años
Desde que comenzó el 2023, y habiendo transcurrido sólo el primer mes, el Nasdaq 100 ha subido el 10.6% frente al 6.5% del S&P 500 y el 2.8% del Dow Jones.
Trading Algorítmico
En este sitio presentamos un enfoque de inversión pasiva en Nasdaq 100, complementado con estrategias adaptativas a las variaciones de riesgos y rendimientos.
En primer lugar, desarrollamos algoritmos para ejecutar esas estrategias, y los testeamos «hacia atrás» a comienzos de 2019, y éstos fueron los resultados:
AL 100 denominamos al conjunto de 7 algoritmos diseñados en aquel momento, y que son publicados desde 2019, con los siguientes resultados en los cuatro años transcurridos desde su generación:
Por cada USD 100 invertidos al finalizar 2018, hubieras obtenido $ 253 en S&P 500, $ 273 en el Nasdaq 100 y $ 403 con AL 100.
Veamos lo que sucedió, año por año:
En casi todos los años, desde el 2008, Nasdaq 100 ha superado al S&P 500.
Asimismo, las estrategias agresivas y defensivas de trading algorítmico generaron utilidades adicionales.
Quieres ver un análisis comparado SPY-QQQ desde 2009 hasta 2020?
BACKTESTING (2007-2018)
Los referidos rendimientos son consistentes con los resultados del backesting de los algoritmos, efectuado para el período 2007-2018:
Puedes ampliar esta información en los siguientes artículos: