Gestión de riesgo en trading algorítmico: por qué sobrevive la estabilidad y no el máximo beneficio

En el trading algorítmico hay un efecto incómodo: las estrategias con la rentabilidad esperada más impresionante mueren con frecuencia antes que las modestas pero resistentes. No porque estén mal diseñadas, sino porque simplemente no queda suficiente de ellas cuando la expectativa por fin se materializa. El mercado tiene tiempo de generar un par de drawdowns largos, el capital se derrite, los parámetros se reajustan sobre la marcha y la estrategia desaparece antes de que su «media» llegue a manifestarse.

Por eso, hablar de gestión de riesgo no es hablar de «restricciones para los prudentes». Es hablar de las condiciones bajo las cuales una estrategia llega a vivir lo suficiente como para alcanzar su propia matemática. En el largo plazo gana no el sistema más rentable, sino el más estable: aquel que no es expulsado del juego por un drawdown, un repunte de volatilidad, un shock de correlación o una racha corta de operaciones perdedoras.

Risk per trade y position sizing: cuánto capital ponemos en una sola operación

La primera pregunta práctica de cualquier estrategia no es «cuál es la señal», sino «cuál es el tamaño de la posición». La respuesta a esa pregunta determina casi por completo cómo morirá el sistema en los regímenes adversos.

Un marco práctico es un porcentaje fijo del capital por operación, normalmente entre fracciones de un porciento y unos pocos puntos porcentuales. Lo importante no es la cifra exacta, sino que la pérdida de una operación se calcule antes de la entrada y se normalice como una fracción del capital, no en términos absolutos. Esto reduce automáticamente la posición durante un drawdown y la aumenta durante la recuperación, sin el heroísmo del «recuperaré con un lote más grande».

El techo teórico de esta disciplina lo da el criterio de Kelly: indica la fracción de capital que maximiza el logaritmo esperado del crecimiento dadas probabilidades y pagos conocidos. 1 En la práctica, los traders casi nunca juegan «Kelly completo»: las estimaciones reales de probabilidad y de ventaja están sucias, y Kelly con parámetros mal especificados produce un salto brusco en el riesgo de ruina. Por eso lo habitual es operar con una fracción de Kelly — un cuarto, una mitad — no para maximizar el crecimiento, sino por robustez ante errores de estimación.

La idea clave de esta sección no es la fórmula, sino el orden: primero el presupuesto de riesgo por operación, luego el tamaño de la posición, luego la señal. No al revés.

Stop loss como parte del modelo, no como seguro a posteriori

El stop loss se discute a menudo como un «mecanismo de protección», como si fuera una función separada montada encima de la estrategia. En lógica algorítmica eso es incorrecto: el stop es una expectativa de pérdida cargada por adelantado, sin la cual no se pueden calcular correctamente ni el risk per trade ni el valor esperado de la estrategia.

Si una estrategia se apoya en un «stop amplio que casi nunca se activa», ocurre una de dos cosas: o la distribución de pérdidas es larga y de cola pesada, y entonces los disparos raros se comen de golpe toda la rentabilidad acumulada; o el stop directamente no forma parte del modelo, y entonces el position sizing se calcula sobre una magnitud incorrecta. En ambos casos, el comportamiento real en un mercado difícil se desviará del backtest.

El enfoque que funciona es definir el stop a partir de la estructura del mercado y del régimen de volatilidad, no del retorno deseado. Después, el tamaño de la posición se ajusta para que un golpe en el stop cueste una fracción de capital previamente elegida. Así, un «día malo» sigue siendo un día malo, no un evento que pone la estrategia en modo supervivencia.

Volatilidad como unidad de medida, no como enemigo

En la conversación habitual, la volatilidad suena a problema: «el mercado está nervioso». En la gestión de riesgo cumple otro papel — el de unidad de medida. El movimiento porcentual diario de un instrumento y el de otro no son directamente comparables: un activo se mueve tranquilo dentro de un rango estrecho, mientras otro puede generar varios movimientos de varios puntos porcentuales en la misma semana.

De ahí una técnica práctica: normalizar el riesgo por la volatilidad. A grandes rasgos, en lugar de «mantengo el mismo número de contratos», el sistema mantiene la misma contribución de cada posición al riesgo total de la cartera. Se hace mediante volatilidad histórica, ATR o estimadores similares, con el objetivo de que ningún instrumento determine el comportamiento de la cartera por casualidad sólo porque hoy tiene una amplitud alta.

Una segunda técnica útil es el vol-targeting: la cartera se lleva a un nivel preelegido de volatilidad total y, cuando ésta se dispara, la exposición se reduce automáticamente. Eso no hace rentable a una estrategia, pero iguala su comportamiento entre regímenes y la protege del efecto «la estrategia se veía espléndida mientras el mercado estaba tranquilo».

Max drawdown y risk of ruin: métricas de supervivencia, no de vanidad

Entre las métricas de calidad de una estrategia destacan dos que no hablan de rentabilidad, sino de supervivencia.

El max drawdown es la mayor caída del capital desde un máximo histórico hasta el siguiente mínimo. No es «un mes malo del pasado», sino la respuesta a la pregunta de cuánta presión emocional y financiera tienen que soportar realmente el sistema y su operador para que la estrategia siga viva. Los materiales de CFA Institute sobre evaluación del desempeño mencionan explícitamente el max drawdown como métrica de appraisal junto al Sortino ratio y al upside/downside capture. 2

El risk of ruin es la probabilidad de que el capital caiga por debajo del umbral a partir del cual la estrategia deja de tener sentido (se va a cero, la cierra un margin call o se detiene a mano). No se «intuye», se calcula. Con un riesgo fijo por operación y probabilidades conocidas de ganar y perder, la fórmula del risk of ruin muestra con qué rapidez una racha de pérdidas puede sacar a la estrategia del juego incluso con valor esperado positivo.

La conclusión práctica es simple. Una estrategia con un retorno esperado anual del 40% y un max drawdown del 60% y una con un retorno esperado anual del 15% y un max drawdown del 10% no son «sólo dos perfiles de riesgo distintos». Son, por lo general, dos probabilidades muy distintas de llegar siquiera a sus medias. La segunda sobrevive a tramos largos en los que la primera ya habría sido cerrada o reescrita.

Diversificación y correlación: por qué «muchas estrategias» no es lo mismo que «poco riesgo»

Los manuales describen la diversificación como «no pongas todo en la misma cesta», y es cierto — pero sólo si las cestas son realmente independientes. Sobre eso se construye la teoría moderna de carteras: el riesgo de la cartera no se determina por la suma de los riesgos individuales, sino por su covarianza. 3 Los materiales de CFA Institute sobre portfolio risk and return subrayan que el efecto de diversificación se obtiene precisamente gracias a la correlación imperfecta entre activos. 4

En el trading algorítmico esta idea se vuelve menos evidente. «Diez estrategias en un mismo mercado» suelen resultar ser la misma estrategia escrita de diez maneras: sus entradas están correlacionadas, sus drawdowns son sincrónicos y sus valores esperados se apoyan en la misma anomalía de mercado. Cuando la anomalía desaparece o cambia el régimen, toda la cartera «diversificada» entra en drawdown a la vez.

Una complicación adicional es que las correlaciones son inestables. En periodos calmados, activos y estrategias pueden parecer casi independientes, pero en una crisis las correlaciones convergen a uno: cae casi todo, salvo un conjunto reducido de instrumentos refugio. Por eso una mirada honesta sobre la diversificación no es «tengo muchas posiciones», sino «cuántas fuentes de retorno realmente independientes tengo en la cartera y cómo se comportan en un escenario de estrés».

Sharpe y Sortino: cómo comparar estrategias por la calidad del retorno

Dos estrategias con el mismo retorno anual pueden comportarse de forma esencialmente distinta. Para verlo se utilizan métricas ajustadas por riesgo.

El ratio de Sharpe es la relación entre el exceso de retorno de una estrategia y su volatilidad. En la formulación canónica, el autor lo describe como una medida de «recompensa por unidad de riesgo», apoyada en el enfoque media-varianza, donde la media y la desviación estándar se tratan como estadísticos suficientes de la distribución. 5 Sharpe funciona bien cuando la distribución de retornos es cercana a simétrica y castiga honestamente a la estrategia por oscilaciones caóticas alrededor de la media.

El ratio de Sortino tiene el mismo espíritu, pero con una diferencia importante: en el denominador no aparece la desviación estándar total, sino la downside deviation, es decir, la volatilidad solo de las desviaciones negativas respecto a un retorno objetivo. Está más cerca de la intuición del trader: «un movimiento fuerte al alza» y «un movimiento fuerte a la baja» no deberían castigarse igual en una métrica de calidad. Sortino es útil para estrategias con distribuciones asimétricas — por ejemplo, sistemas con pérdida acotada y cola derecha larga. Los materiales de CFA Institute sobre performance evaluation tratan al Sortino ratio como una de las métricas de appraisal junto al max drawdown. 2

Ninguna de las dos métricas es un veredicto. Comparten el mismo punto débil: se calculan sobre una historia concreta y sus valores son sensibles a la elección de la ventana, la frecuencia de los datos y los supuestos de distribución. Por eso, en el trading algorítmico se leen normalmente junto a las características de drawdown y al comportamiento de la estrategia en distintos regímenes, no como criterio único del tipo «ésta es mejor que aquélla».

Qué significa esto para un trader algorítmico

Si se junta todo, queda un esqueleto bastante aburrido pero funcional.

• Primero se fija el presupuesto de riesgo: cuánto capital está dispuesto a perder el sistema por operación y por periodo.
• Del presupuesto de riesgo se deriva el position sizing, normalizado por volatilidad.
• El stop loss se calcula a partir de la estructura del mercado, no del retorno deseado, y es él quien fija el tamaño del riesgo por operación.
• La diversificación se evalúa por el número de fuentes de retorno realmente independientes, no por el número de posiciones.
• La calidad de las estrategias se compara mediante Sharpe/Sortino y métricas de drawdown, no mediante el retorno absoluto.
• Risk of ruin y max drawdown se usan como límites duros: superarlos es señal de detener o reescribir la estrategia, no de «aguantar».

Justo esa disciplina conviene incorporar en herramientas de trading algorítmico, incluido ai-trader: no como un conjunto de ajustes cosméticos, sino como una capa obligatoria, sin la cual las señales y los backtests significan poco. Para los mercados y las firmas de inversión, los reguladores formalizan desde hace tiempo una lógica similar: las guidelines de la ESMA sobre trading automatizado exigen explícitamente sistemas y controles eficaces, límites pre-trade y post-trade, resiliencia de la infraestructura y procedimientos para escenarios de fallo. 6

Conclusión

El beneficio es función de la supervivencia. Una estrategia que en teoría gana más, pero que cada cierto tiempo borra la mitad del capital, no pierde por matemática, sino por tiempo: rara vez se mantiene lo suficiente como para que su «media» llegue a ocurrir.

Una estrategia estable funciona de otro modo. Acepta un techo más bajo a cambio de que una racha mala, un régimen de volatilidad incómodo o un shock de correlación no se conviertan en su final. Y es justamente ese acuerdo — riesgo controlado por operación, un stop honesto, dimensionamiento normalizado por volatilidad, diversificación deliberada y métricas que miden el drawdown y no sólo el retorno — lo que distingue al trading algorítmico como práctica de ingeniería del intento de adivinar el mercado.

En el trading no sobrevive la estrategia más rentable, sino la más estable. Position sizing, un stop honesto, normalización por volatilidad, diversificación deliberada y métricas ajustadas por riesgo son justamente las herramientas con las que esa estabilidad se construye en la práctica.