• Glenn Amarista y Fray Campos
• Economía y Finanzas

El análisis técnico, es una de las escuelas clásicas de gestión de carteras de valores, el cual consiste en el estudio de acciones individuales y del mercado en general basado en la oferta y la demanda, mediante gráficos. El análisis técnico asume que los precios bursátiles se mueven en tendencias y que estás se pueden prever. Supone que las tendencias están determinadas por los cambios de actitudes de los inversionistas respecto de asuntos económicos y monetarios relevantes, también políticos y psicológicos. Utiliza líneas de tendencia y figuras geométricas, el análisis de datos y con base en fórmulas matemáticas con los cuales intentar pronosticar el comportamiento futuro de los precios según las series de datos. La finalidad del análisis técnico es detectar cambios en las tendencias con suficiente antelación, para comprar, si se prevé un alza y vender si es lo contrario.

Los analistas técnicos usan una variedad de herramientas que ayudan a identificar la naturaleza de la dirección del mercado, estás herramientas se pueden agrupar en tres grupos:

1. Indicadores de opinión.

# Iniciamos con la importación de bibliotecas necesarias, en este caso yfinance (para los datos) y matplotlib (para cálculos y gráfica).

import yfinance as yf
import matplotlib.pyplot as plt

# Aquí determinamos el símbolo de la acción que queremos evaluar. En este caso consideremos Mercado Libre.

symbol = 'MELI'

# Para obtener el conjunto de datos (Data Frame) históricos de precios de los últimos dos años.

df = yf.download(symbol, start='2021-12-15', end='2023-12-15')

# Fijamos las fechas de inicio y fin de los datos.

fecha_inicio = df.index[0].strftime('%Y-%m-%d')
fecha_fin = df.index[-1].strftime('%Y-%m-%d')

# Ahora, calculamos el cambio diario en porcentaje.

df['Daily Returns'] = df['Close'].pct_change() * 100

# Debemos luego crear una columna para el sentimiento (1 para días alcistas, -1 para días bajistas).

df['Sentiment'] = df['Daily Returns'].apply(lambda x: 'Positivo' if x > 0 else 'Negativo' if x < 0 else 'Neutral' )

# Seguidamente se estima la cantidad de días positivos y negativos.

cantidad_positivos = (df['Sentiment'] == 'Positivo').sum()
cantidad_negativos = (df['Sentiment'] == 'Negativo').sum()

# Calculamos el sentimiento predominante en los últimos 20 días.

sentimiento_predominante_20dias = df['Sentiment'].tail(20).mode().iloc[0]

# Procedemos a graficar el sentimiento.

plt.figure(figsize=(10, 6))
sentimiento = df['Sentiment'].apply(lambda x: 1 if x == 'Positivo' else -1 if x == 'Negativo' else 0)
sentimiento.plot(marker='o', linestyle='', markersize=5, label='Sentimiento')
plt.title(f'Indicador de Sentimiento para {symbol}\nPositivos: {cantidad_positivos} días, Negativos: {cantidad_negativos} días')

# Después, anotamos el sentimiento predominante en los últimos 20 días.

plt.annotate(f'Predominante en últimos 20 días: {sentimiento_predominante_20dias}',
xy=(1, 0.9), xycoords='axes fraction',
ha='right', va='top',
bbox=dict(boxstyle='round', alpha=0.1),
fontsize=8)

# Colocamos las fechas de inicio y finalización.

plt.annotate(f'Fecha de inicio: {fecha_inicio}\nFecha de finalización: {fecha_fin}',
xy=(1, 0.8), xycoords='axes fraction',
ha='right', va='top',
bbox=dict(boxstyle='round', alpha=0.1),
fontsize=8)

plt.axhline(y=0, color='black', linestyle='--', linewidth=2, label='Neutral')

# Etiquetamos los ejes.

plt.yticks([-1, 0, 1], ['Negativo', 'Neutral', 'Positivo'])

# Finalmente, mostramos los resultados.

plt.legend()
plt.show()

2. Indicadores de flujo de fondos.

# Iniciamos con la importación de bibliotecas necesarias, en este caso yfinance (para los datos) y matplotlib.pyplot, WeekdayLocator, DateFormatter y (para cálculos y gráfica)

import yfinance as yf
import matplotlib.pyplot as plt

from matplotlib.dates import DateFormatter, WeekdayLocator

# Aquí determinamos el símbolo de la acción que queremos evaluar. En este caso consideremos Nvidia.

symbol = 'NVDA'

# De forma diferente a la anterior, vamos a establecer fechas de inicio y cierre

fecha_inicio = '2021-12-15'

fecha_cierre = '2023-12-15'

# Para obtener el conjunto de datos (Data Frame) históricos.

df = yf.download(symbol, start=fecha_inicio, end=fecha_cierre)

# Luego creamos una nueva figura para el gráfico

fig, ax1 = plt.subplots(figsize=(10, 6))

# Ahora graficamos los precios de cierre en el eje y1

ax1.plot(df.index, df['Close'], color='blue', label='Precio de cierre')

ax1.set_ylabel('Precio de cierre', color='blue')

# Luego graficamos el volumen en el eje y2

ax2 = ax1.twinx()

ax2.fill_between(df.index, 0, df['Volume'], color='gray', alpha=0.4, label='Volumen')

ax2.set_ylabel('Volumen', color='gray')

# También, graficamos el promedio del volumen de ventas (en una línea naranja)

ax2.plot(df.index, df['Volume'].rolling(window=20).mean(), color='orange', label='Promedio Volumen')

# En adición, se grafica el promedio del precio de las acciones (con color de preferencia)

ax1.plot(df.index, df['Close'].rolling(window=20).mean(), color='purple', label='Promedio Precio')

# Procedemos a configuración la leyendas y el título

ax1.legend(loc='upper center')

ax2.legend(loc='upper left')

# Configuramos de las etiquetas del eje x con formato 'yy/m/dd'

date_formatter = DateFormatter('%y/%m/%d')

ax1.xaxis.set_major_formatter(date_formatter)

ax1.xaxis.set_major_locator(WeekdayLocator(interval=16)) # Intervalo entre semanas

ax1.set_xlabel('Fecha', color='blue')

# Anotamos las fechas de inicio y cierre en la gráfica

ax1.annotate(f'Inicio: {fecha_inicio}', xy=(df.index[0], df['Close'].iloc[0]), xytext=(df.index[0], df['Close'].iloc[0] + 5),

arrowprops=dict(facecolor='black', arrowstyle='->'), fontsize=8)

ax1.annotate(f'Cierre: {fecha_cierre}', xy=(df.index[-1], df['Close'].iloc[-1]), xytext=(df.index[-1], df['Close'].iloc[-1] + 10),

arrowprops=dict(facecolor='black', arrowstyle='->'), fontsize=8)

# Finalmente, mostramos el gráfico

plt.title(f'Oferta y Demanda de Acciones de {symbol}\n(Desde {fecha_inicio} hasta {fecha_cierre})', color='blue')

plt.show()

3. Indicadores de estructura de mercado.

#Iniciamos con la importación de bibliotecas necesarias, en este caso yfinance (para los datos) y matplotlib.pyplot, (para cálculos y gráfica) y ta (para análisis técnico)

import yfinance as yf
import ta
import matplotlib.pyplot as plt

#Obtenemos datos históricos del índice (por ejemplo, Nasdaq)
symbol = '^NDX'
df = yf.download(symbol, start='2021-12-15', end='2023-12-15')

#Procedemos a calcular la Media Móvil Simple (SMA)
df['SMA'] = ta.trend.sma_indicator(df['Close'], window=100) # Ejemplo con ventana de 100 días

#Luego calculamos el Índice de Fuerza Relativa (RSI)
df['RSI'] = ta.momentum.RSIIndicator(df['Close'], window=14).rsi()

#Seguidamente estimamos las Bandas de Bollinger
indicator_bb = ta.volatility.BollingerBands(df['Close'], window=50, window_dev=2)
df['BB_upper'] = indicator_bb.bollinger_hband()
df['BB_lower'] = indicator_bb.bollinger_lband()

#Pasamos a graficar los indicadores
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(10, 12), sharex=True)

fig.patch.set_facecolor('white')
ax1.set_facecolor('white')
ax2.set_facecolor('white')
ax3.set_facecolor('white')

#Marcamos el precio de Cierre y SMA
ax1.plot(df['Close'], label='Precio de Cierre', linewidth=2)
ax1.plot(df['SMA'], label='SMA (50 días)', linestyle='--', linewidth=2)
ax1.set_ylabel('Precio', color='blue')
ax1.legend()

#Definimos el Índice de Fuerza Relativa (RSI)
ax2.plot(df['RSI'], label='RSI (14 días)', color='orange', linewidth=2)
ax2.axhline(y=70, color='r', linestyle='--', label='Overbought (70)')
ax2.axhline(y=30, color='g', linestyle='--', label='Oversold (30)')
ax2.set_ylabel('RSI', color='orange')
ax2.legend()

#Establecemos las líneas para las Bandas de Bollinger
ax3.plot(df['Close'], label='Precio de Cierre', linewidth=2)
ax3.plot(df['BB_upper'], label='BB Upper', linestyle='--', linewidth=2, color='red')
ax3.plot(df['BB_lower'], label='BB Lower', linestyle='--', linewidth=2, color='green')
ax3.fill_between(df.index, df['BB_upper'], df['BB_lower'], color='gray', alpha=0.2, label='Bollinger Bands')
ax3.set_xlabel('Fecha')
ax3.set_ylabel('Precio', color='blue')
ax3.legend()

#Mostramos los gráficos
plt.suptitle(f'Análisis Técnico del Nasdaq {symbol}', fontsize=16)
plt.show()

Con los indicadores de opinión se intenta conocer la dirección y la intensidad de las acciones de muchos participantes en el mercado, con la creencia de que la actuación de éstos es reflejada en los precios. Los grandes inversionistas, sean fondos de inversión, fondos de pensiones o instituciones financieras, suelen ser coherentes con la actividad del mercado, su opinión es alcista cuando los precios en los mercados se ubican cerca de los máximos y bajistas en los mínimos. El indicador conocido como “bullish consensus” es el que mejor refleja la proporción de opiniones alcistas sobre el total de una muestra representativa de gestores de inversiones.

Los indicadores de flujo de fondos tratan de analizar la capacidad de los grupos de inversionistas para determinar la cantidad de oferta o demanda que experimenta el mercado. Uno de estos indicadores es el saldo de las operaciones a crédito en relación con el volumen de transacciones, en el supuesto que las operaciones a crédito deberían deshacerse en un período determinado de tiempo, provocando posiciones contrarias. Uno de los más utilizados es el que está basado en el interés abierto (short interest) , el cual mide el volumen de las ventas a crédito (short selling) , que deberían ser recompradas en el corto plazo, con lo que constituyen una demanda potencial.

Los indicadores de estructura del mercado se refieren a las tendencias de los índices, sean estos globales o sectoriales; ciclos bursátiles y económicos; volúmenes de contratación y evolución de los precios. Los analistas técnicos tienen como premisa que los precios y su evolución contienen toda la información necesaria para determinar la probable tendencia futura. Los precios, máximos, mínimos y de cierre, los volúmenes de contratación y la amplitud de mercado son la información básica que se necesita para el análisis.

Principios básicos

El análisis técnico se basa en tres principios:

1. Todo es descontado y reflejado en el mercado.
2. Los precios se mueven en tendencias y éstas persisten.
3. La acción del mercado es repetitiva

El primer y más importante principio y primera consideración acerca de la evolución de los índices es que todo es descontado y reflejado en el mercado. Los analistas técnicos creen que todo conocimiento, sin importar el tipo, (fundamental, económico, público, psicológico u otro), ya está reflejado en el mercado. Esta aseveración es muy importante, puesto que formula el poder de anticipación del mercado.

El segundo principio establece que los precios se mueven en tendencias que en algún momento se pueden prever. Las tendencias están determinadas por los cambios de actitudes de los inversionistas respecto de las grandes cuestiones económicas, políticas, monetarias y psicológicas. La finalidad última del análisis técnico es detectar con suficiente anticipación los cambios de tendencias para comprar si se prevé una tendencia alcista o vender en caso contrario.

El tercer principio indica que el análisis técnico se basa en la asunción de que el público se comporta de la misma forma que lo hizo en el pasado, en determinadas ocasiones, por lo que es razonable que lo siga haciendo si la situación es similar. Los precios del mercado se mueven de manera similar. Primero, estos comienzan en una dirección, en ascenso o descenso, y proporcionan un aviso antes de que finalmente se revierta esa tendencia hacia la dirección contraria. En este punto, una nueva tendencia se ha iniciado.

Este último principio básico, en el cual se basa el análisis técnico es que la acción del mercado es repetitiva. Ciertos patrones aparecen de vez en cuando en los gráficos. Estos patrones tienen significados que pueden ser interpretados en términos de movimientos futuros probables. Aunque no infalibles, las probabilidades están a su favor.

Definición de análisis técnico

Dadas las consideraciones revisadas en los párrafos que anteceden a este, el análisis técnico puede ser definido como el estudio individual de valores y el mercado en general, basados en la oferta y la demanda. Los analistas técnicos (technicians) registran, usualmente en gráficos, los precios históricos y el volumen de actividad y deducen de la historia graficada la probable tendencia futura de los precios.

El análisis técnico puede ser aplicado efectivamente virtualmente a cualquier medio de negociación y decisión de inversión en un horizonte de tiempo. Un analista técnico (technician) puede analizar acciones, bonos, opciones, fondos mutuales, materias primas y cualquier otra forma de inversión.

La principal herramienta usada por los analistas técnicos es una imagen o gráfico del movimiento del precio de un valor.

El gráfico de barras es el tipo de gráfico de precios más comúnmente utilizado. No obstante, se utilizan otros tipos de gráficos en el análisis técnico, entre ellos se encuentran: gráficos de punto y figuras, gráficos de barras y línea, así como el popular gráfico de velas japonesas.

Un poco de historia

Él análisis técnico se inició en los Estados Unidos de Norteamérica en la década de los años 1880, cuando las empresas no tenían la obligación de proporcionar los estados financieros y prácticamente la única información disponible era el propio mercado. La información financiera detallada sobre empresas no estaba disponible para los accionistas y mucho menos para el público en general. Algunos inversionistas utilizaban gráficos para vigilar lo que hacían los grandes operadores del mercado. Los fundamentos para el moderno análisis técnico fueron liderados por Charles Henry Dow, periodista de profesión, fundador de The Dow Jones & Company, Inc., empresa que más tarde editaría la revista Barron´s y el diario The Wall Street Journal , del cual Dow fuera su primer editor.

Dow inició los fundamentos para un nuevo método y solucionar los problemas del mercado y luego aportó, junto con Edward D. Jones, un promedio de los precios de cierre diarios de once importantes acciones, ( Blue Chips) y registraba las fluctuaciones de este promedio, el Dow Jones Industrial Average (DJIA), cuya primera publicación data del 3 de julio de 1884. En un principio este promedio era una media de nueve valores y en 1897 se subdividió en dos promedios: uno industrial, compuesto por doce valores y otro de empresas de transporte que comprendía veinte valores, el Dow Jones Transportation Average (DJTA).