Ir al contenido principal

Lineas de Canal - Visión Analítica


Cuando hicimos anteriormente referencia a las líneas de canal, dijimos que se puede interpretar que los precios se mueven dentro de un canal determinado para cierto período de tiempo, cuando los valores que toman en dicho período están dentro del rango marcado por dos rectas paralelas.

Para el análisis gráfico vimos que estas rectas se construían a partir de las líneas de tendencia y que si se trataba de una tendencia ascendente, se marcaría la línea de tendencia ascendente con una recta que pasase al menos por dos puntos mínimos de “apoyo” en el histórico de precios y luego se trazaría una recta paralela a esta y que pase por el valor máximo ocurrido en el mismo rango histórico dentro del cual se ha analizado la línea de tendencia. Se operaría de igual modo para una tendencia descendente trazando primero la línea de tendencia que pasa al menos por dos máximos de “resistencia” y luego trazando una paralela que pase por un valor mínimo.

Pero ahora tenemos conocimientos suficientes, de acuerdo a lo que hemos visto, para construir las líneas de canal en base a nuestra ecuación de la recta representativa del conjunto de precios dato, tomados de nuestro histograma.

Veamos cómo hacemos esto:

Recordemos los datos del ejemplo visto anteriormente en el que encontrábamos la ecuación de la recta representativa:


Sesión (X)
Cierre (Y)

0
160

-1
161

-2
162

-3
163

-4
161

-5
160

-6
160

-7
160

-8
159

-9
158

Para estos datos, mediante el procedimiento de los mínimos cuadrados, habíamos encontrado la ecuación de la recta que mejor representaba a este conjunto de datos. Dicha ecuación era:

 Y = (0.31515152) * X + 161.818182

Reemplazando los valores de X de cada fila de la tabla anterior por los identificativos de cada sesión fuimos obteniendo valores de Y, los cuales son los puntos por los que pasa la recta para cada uno de esos valores de X. Estos valores los representamos agregando en la tabla, una columna como sigue:


Sesión (X)
Cierre (Y)
Y = (0.31515152) * X + 161.818182
0
160
161,82
-1
161
161,50
-2
162
161,19
-3
163
160,87
-4
161
160,56
-5
160
160,24
-6
160
159,93
-7
160
159,61
-8
159
159,30
-9
158
158,98

Al graficar los puntos de la columna de más a la derecha de la tabla anterior, obtenidos de forma analítica y trazando la recta que pasa por todos ellos obtuvimos la gráfica de la recta representativa:





Ahora bien, volvemos a nuestra pregunta: ¿cómo hacemos para trazar las líneas de canal?

Vamos a utilizar un concepto visto recientemente: el Desvío Estándar

Esta vez, no aplicado respecto de un valor promedio sino respecto de cada punto de la recta para cada sesión.

Expliquemos un poco lo que dijimos en el párrafo anterior. Para ello veamos de nuevo nuestro cuadro de datos que contiene además los puntos por los que pasa la recta representativa:

Sesión (X)
Cierre (Y)
Y = (0.31515152) * X + 161.818182
0
160
161,82
-1
161
161,50
-2
162
161,19
-3
163
160,87
-4
161
160,56
-5
160
160,24
-6
160
159,93
-7
160
159,61
-8
159
159,30
-9
158
158,98

Como se ve, para cada fila del cuadro existe una diferencia o desvío entre el valor dato de cierre (Y) y el valor encontrado para el punto de la recta.

En la primera fila del cuadro anterior, para la sesión 0 (cero) tenemos que el valor de Cierre (Y) es 160 y el valor de la ecuación de la recta para la misma sesión es: 161,82. Es decir que existe una diferencia o desvío entre ambos igual a: 161,82 – 160= 1,82

Si hallamos esta diferencia para cada fila, obtenemos el siguiente cuadro en el que ponemos los resultados en una nueva columna de más a la derecha:

Sesión (X)
Cierre (Y)
Y = (0.31515152) * X + 161.818182
Desvío
0
160
161,82
1,82
-1
161
161,5
0,5
-2
162
161,19
-0,81
-3
163
160,87
-2,13
-4
161
160,56
-0,44
-5
160
160,24
0,24
-6
160
159,93
-0,07
-7
160
159,61
-0,39
-8
159
159,3
0,3
-9
158
158,98
0,98

Si ahora operamos con estos nuevos resultados del mismo modo que hicimos cuando buscábamos el Desvío Estándar, entonces elevaríamos al cuadrado cada dato de la columna de más a la derecha del cuadro anterior, encontraríamos su promedio y hallaríamos la raíz cuadrada de este último. Tendríamos así una nueva tabla:

Sesión (X)
Cierre (Y)
Y = (0.31515152) * X + 161.818182
Desvío
Cuadrado de Desvío
0
160
161,82
1,82
3,31
-1
161
161,5
0,5
0,25
-2
162
161,19
-0,81
0,66
-3
163
160,87
-2,13
4,54
-4
161
160,56
-0,44
0,19
-5
160
160,24
0,24
0,06
-6
160
159,93
-0,07
0,00
-7
160
159,61
-0,39
0,15
-8
159
159,3
0,3
0,09
-9
158
158,98
0,98
0,96
Promedio =
1,02
Desvío Estándar (DE) =
1,01

Así obtenemos el Desvío Estándar respecto de la recta representativa:


Finalmente, conociendo este valor de desvío, podemos trazar dos rectas paralelas a la recta representativa, sumando y restando el desvío para cada valor de la recta. Veamos entonces cómo queda conformado el cuadro final de datos que nos servirá para trazar las líneas de canal:

Recta representativa del histograma analizado
Recta de Canal Superior
Recta de Canal Inferior
Sesión (X)
Cierre (Y)
Y = (0.31515152) * X + 161.818182
Desvío
Cuadrado de desvío
Y (recta) + DE
Y (Recta) - DE
0
160
161,82
1,82
3,31
162,83
160,81
-1
161
161,5
0,5
0,25
162,51
160,49
-2
162
161,19
-0,81
0,66
162,20
160,18
-3
163
160,87
-2,13
4,54
161,88
159,86
-4
161
160,56
-0,44
0,19
161,57
159,55
-5
160
160,24
0,24
0,06
161,25
159,23
-6
160
159,93
-0,07
0,00
160,94
158,92
-7
160
159,61
-0,39
0,15
160,62
158,60
-8
159
159,3
0,3
0,09
160,31
158,29
-9
158
158,98
0,98
0,96
159,99
157,97
Promedio =
1,02
Desvío Estándar (DE) =
1,01


Ahora traslademos estos valores a un gráfico. Así tenemos:



Donde cada punto de la Recta de canal Superior resulta de la suma del valor de la Recta representativa para la sesión correspondiente más (+) el Desvío Estándar (DE) y donde cada punto de la Recta de canal Inferior resulta de la resta del valor de la Recta representativa para la sesión correspondiente menos (-) el Desvío Estándar (DE).

No obstante, como vemos en el gráfico anterior, existen valores de cierre de sesión que quedan por afuera de las líneas de canal, tal es el caso de los valores de cierre de las sesiones: 0, -3 y -9. 

Esto no es problema ya que si lo deseamos podemos hacer que todos los puntos caigan dentro del canal. De igual modo que hicimos cuando vimos por primera vez el concepto de Desvío Estándar, podemos elegir un factor por el cual multiplicar el desvío encontrado. Por ejemplo elegiremos el factor 2 (dos) que es el más comúnmente utilizado.

Veamos los datos con este factor de 2 (dos) para crear el gráfico:

Recta representativa del histograma analizado
Recta de Canal Superior
Recta de Canal Inferior
Sesión (X)
Cierre (Y)
Y = (0.31515152) * X + 161.818182
Desvío
Cuadrado de desvío
Y (recta) + 2DE
Y (Recta) - 2DE
0
160
161,82
1,82
3,31
163,84
159,80
-1
161
161,5
0,5
0,25
163,52
159,48
-2
162
161,19
-0,81
0,66
163,21
159,17
-3
163
160,87
-2,13
4,54
162,89
158,85
-4
161
160,56
-0,44
0,19
162,58
158,54
-5
160
160,24
0,24
0,06
162,26
158,22
-6
160
159,93
-0,07
0,00
161,95
157,91
-7
160
159,61
-0,39
0,15
161,63
157,59
-8
159
159,3
0,3
0,09
161,32
157,28
-9
158
158,98
0,98
0,96
161,00
156,96
Promedio =
1,02
Desvío Estándar (DE) =
1,01

Ahora vemos el gráfico en sí:



Ahora podemos ver que prácticamente todos los puntos valores de cierre del histograma caen dentro de las líneas de canal.

Generalmente considerar un factor de 2 (dos) es suficiente para lograr que todos los puntos de valores de cierre del histograma caigan dentro del canal. No obstante, el analista técnico puede elegir el factor que considere pertinente según su método de análisis elegido.

Comentarios

Entradas populares de este blog

Introducción

S e ha elegido como nombre de este proyecto el acrónimo “NosTraderMus” puesto que conjuga en una palabra el nombre “Nostradamus” y la palabra “Trader” (Negociador, en idioma inglés, utilizado para designar a quienes operan en mercados financieros). Por un lado, el simple hecho de pronunciar el nombre de Nostradamus (Michel de Nôtre-Dame), al menos para quienes conocemos parte de su historia, nos transporta a un estado de sensación interna cargado de magia y misterio. Seguramente esto es así debido a que este personaje histórico, es considerado uno de los más renombrados autores de predicciones o profecías que no pocas personas aseguran haberse cumplido. En definitiva, para muchos, Nostradamus podía ver el futuro. Dado que el trading se basa también en la constante búsqueda de métodos y artificios mediante los cuales pueda predecirse los movimientos futuros de los activos financieros, resultó consecuente adoptar el nombre del personaje aludido con una pequeña modificación, la ...

Media Móvil Ponderada

Considere cuales datos tienen mayor relevancia si lo que se pretende es tener una perspectiva a futuro: ¿los más antiguos o los más recientes? Si bien para casos específicos los datos o información más antigua pudieran tener mayor relevancia que los más recientes, en la gran mayoría de los casos, podríamos decir de cualquier índole, los datos más recientes tienen mayor relevancia que los más antiguos. Esta naturaleza de importancia respecto de su actualidad de los datos puede ser tenida en cuenta también cuando se calcula la media de una serie de datos numéricos. ¿Cómo podemos hacer eso? Pues dando una ponderación o peso a cada dato siendo este peso directamente proporcional a su actualidad. Veamos. Tomemos los diez datos siguientes de un histórico de precios: Sesión (X) Cierre (Y) 0 84,83 -1 84,84 -2 84,81 -3 84,76 -4 84,86 -5 84,92 -6 84,98 ...

Media Móvil Simple (SMA)

En páginas anteriores hemos visto que en matemática y estadística, el valor promedio o media aritmética (o simplemente media) de un conjunto finito de números, es igual a la suma de todos esos números dividido entre la cantidad de sumandos. Además se establece que la idea que subyace en encontrar el promedio de un conjunto de números, es el de identificar el valor, el cual no necesariamente es la mitad de los valores dados, alrededor del cual se distribuyen los demás. Ahora bien, la Media Móvil (o en terminología inglesa: Moving Average “MA”) es el registro de cómo se ha movido o cambiado el valor de la media en el transcurso del tiempo. Veamos los siguientes datos históricos de precios: Sesión (X) Apertura Máximo Mínimo Cierre (Y) 0 84,85 84,90 84,82 84,83 -1 84,81 84,92 84,76 84,84 -2 84,76 84,81 84,74 84,81 -3 84,86 84,86 84,67 ...