post list
QuantDare
categories
all

Neural Networks

alarije

all

Foreseeing the future: a user’s guide

Jose Leiva

all

Stochastic portfolio theory, revisited!

P. López

all

“Past performance is no guarantee of future results”, but helps a bit

ogonzalez

all

Playing with Prophet on Financial Time Series (Again)

rcobo

all

Interviewing prices: Don’t settle for less

jramos

all

The Simpson Paradox

kalinda

all

Seeing the market through the trees

xristica

all

Shift or Stick? Should we really ‘sell in May’?

jsanchezalmaraz

all

What to expect when you are the SPX

mrivera

all

K-Means in investment solutions: fact or fiction

T. Fuertes

all

Lévy Flights. Foraging in a Finance blog. Part II

mplanaslasa

all

How to… use bootstrapping in Portfolio Management

psanchezcri

all

What is the difference between Artificial Intelligence and Machine Learning?

ogonzalez

all

Playing with Prophet on Financial Time Series

rcobo

all

Prices Transformation Cheat Sheet

fjrodriguez2

all

Dual Momentum Analysis

J. González

all

Random forest: many are better than one

xristica

all

Non-parametric Estimation

T. Fuertes

all

Classification trees in MATLAB

xristica

all

Using Multidimensional Scaling on financial time series

rcobo

all

Applying Genetic Algorithms to define a Trading System

aparra

all

Graph theory: connections in the market

T. Fuertes

all

Lévy flights. Foraging in a finance blog

mplanaslasa

all

Data Cleansing & Data Transformation

psanchezcri

all

Principal Component Analysis

j3

all

Comparing ETF Sector Exposure Using Chord Diagrams

rcobo

all

Learning with kernels: an introductory approach

ogonzalez

all

SVM versus a monkey. Make your bets.

P. López

all

Clustering: “Two’s company, three’s a crowd”

libesa

all

Euro Stoxx Strategy with Machine Learning

fjrodriguez2

all

Visualizing Fixed Income ETFs with T-SNE

j3

all

Hierarchical clustering, using it to invest

T. Fuertes

all

Lasso applied in Portfolio Management

psanchezcri

all

Markov Switching Regimes say… bear or bullish?

mplanaslasa

all

Exploring Extreme Asset Returns

rcobo

all

Playing around with future contracts

J. González

all

“K-Means never fails”, they said…

fjrodriguez2

all

What is the difference between Bagging and Boosting?

xristica

all

BETA: Upside Downside

j3

all

Outliers: Looking For A Needle In A Haystack

T. Fuertes

all

Autoregressive model in S&P 500 and Euro Stoxx 50

psanchezcri

all

“Let’s make a deal”: from TV shows to identifying trends

mplanaslasa

all

Machine Learning: A Brief Breakdown

libesa

all

Approach to Dividend Adjustment Factor Calculation

J. González

all

Are Low-Volatility Stocks Expensive?

jsanchezalmaraz

all

Predict returns using historical patterns

fjrodriguez2

all

Dream team: Combining classifiers

xristica

all

Stock classification with ISOMAP

j3

all

Could the Stochastic Oscillator be a good way to earn money?

T. Fuertes

all

Central Limit Theorem: Visual demonstration

kalinda

all

Sir Bayes: all but not naïve!

mplanaslasa

all

Returns clustering with k-Means algorithm

psanchezcri

all

Correlation and Cointegration

j3

all

Momentum premium factor (II): Dual momentum

J. González

all

Dynamic Markowitz Efficient Frontier

plopezcasado

all

Confusion matrix & MCC statistic

mplanaslasa

all

Prices convolution, a practical approach

fuzzyperson

all

‘Sell in May and go away’…

jsanchezalmaraz

all

S&P 500 y Relative Strength Index II

Tech

all

Performance and correlated assets

T. Fuertes

all

Reproducing the S&P500 by clustering

fuzzyperson

all

Size Effect Anomaly

T. Fuertes

all

Predicting Gold using Currencies

libesa

all

La Paradoja de Simpson

kalinda

all

Inverse ETFs versus short selling: a misleading equivalence

J. González

all

Random forest vs Simple tree

xristica

all

S&P 500 y Relative Strength Index

Tech

all

Efecto Herding

alarije

all

Cointegración: Seguimiento sobre cruces cointegrados

T. Fuertes

all

Seasonality systems

J. González

all

Una aproximación Risk Parity

mplanaslasa

all

Números de Fibonacci

fjrodriguez2

all

Using Decomposition to Improve Time Series Prediction

libesa

all

Las cadenas de Markov

j3

all

Clasificando el mercado mediante árboles de decisión

xristica

all

Momentum premium factor sobre S&P 500

J. González

all

Árboles de clasificación en Matlab

xristica

all

Fractales y series financieras II

Tech

all

Redes Neuronales II

alarije

all

El gestor vago o inteligente…

jsanchezalmaraz

all

In less of a Bayes haze…

libesa

all

Teoría de Valores Extremos II

kalinda

all

De Matlab a Octave

fuzzyperson

all

Cointegración

T. Fuertes

all

Cópulas: una alternativa en la medición de riesgos

mplanaslasa

all

¿Por qué usar rendimientos logarítmicos?

jsanchezalmaraz

all

Análisis de Componentes Principales

j3

all

Vecinos cercanos en una serie temporal

xristica

all

Redes Neuronales

alarije

all

Fuzzy Logic

fuzzyperson

all

El filtro de Kalman

mplanaslasa

all

Estimación no paramétrica

T. Fuertes

all

Fractales y series financieras

Tech

all

In a Bayes haze…

libesa

all

Volatility of volatility. A new premium factor?

J. González

all

Caso Práctico: Multidimensional Scaling

rcobo

all

Teoría de Valores Extremos

kalinda

all

Retrocesos y Extensiones de Fibonacci

fjrodriguez2

13/04/2015

No Comments
Retrocesos y Extensiones de Fibonacci

Los estudios de Fibonacci engloban a una serie de herramientas de análisis basadas en la secuencia y proporciones de Fibonacci que representan leyes geométricas de la naturaleza y el comportamiento humano aplicadas a los mercados financieros.

En general, estos estudios se utilizan para predecir niveles de soporte y resistencia gracias a relaciones entre los números de Fibonacci. Las relaciones más utilizadas son las que siguen:

  • 0.618 (61.8%): un número de Fibonacci divido por el número que le sigue se aproxima a 0.618.
  • 0.382 (38.2%): un número de Fibonacci dividido por el número que ocupa dos posiciones posteriores se aproxima a 0.3820.
  • 0.2360 (23.60%): un número de Fibonacci dividido por el número que ocupa tres posiciones posteriores se aproxima a 0.2360.
  • 0.764 (76.4%): obtenido al añadir a 61.8% la diferencia de 38.2% y 23.6%, es decir, 76.4% = 61.8% + (38.2% – 23.6%).
  • 0.5 (50%): equivale a la mitad del avance de la tendencia principal. Es el promedio entre 38.2% y 61.8%.
  • 0.0 (0%): inicio de un movimiento de mercado.
  • 1.0 (100%): final de un movimiento de mercado.

Para entender los estudios de Fibonacci, es necesario recordar los conceptos de soporte y resistencia:

  • Soporte: Son los valles o mínimos del gráfico. Son los puntos en los que el interés de compra es suficientemente fuerte como para superar la presión de venta. Como resultado se suspende el descenso y los precios vuelven a subir otra vez.
  • Resistencia: Son los picos o máximos del gráfico. Representa un nivel de precio o área por encima del mercado en donde la presión de venta supera a la presión de compra. Cuando una resistencia actúa en más de una ocasión frenando el ascenso de los precios, se produce un doble techo. Los dobles techos son síntomas de debilidad de la tendencia alcista, mostrando un nivel crítico que la cotización es incapaz de superar.

Soporte-Resistencia

La mayoría de las herramientas del análisis de Fibonacci utilizan los ‘Gráficos de Velas’ y se basan en un patrón correctivo de tres ondas (‘Patrón A-B-C’). La primera onda, A, es impulsiva; le sigue la onda B, onda de carácter correctiva que va en dirección contraria a la dirección de la onda A y que no llega, en ningún caso, a sobrepasar el nivel de comienzo de la onda A; y por último la onda C, que de nuevo es de carácter impulsivo, va en la misma dirección que la onda A y llega más allá del punto final de la onda A.

Retrocesos de Fibonacci

Los retrocesos de Fibonacci no son útiles para determina la tendencia del mercado pero ayudan a predecir los niveles de soporte y resistencia.

Para dibujar los retrocesos de Fibonacci, primero hay que identificar los puntos extremos de un movimiento fuerte de mercado (onda de impulso). A continuación, se dibuja una línea vertical que una los dos puntos anteriormente localizados. Una vez dibujada, esta línea será dividida por líneas horizontales separadas por los porcentajes nombrados en el epígrafe anterior.

Retrocesos

Una vez definido el movimiento del mercado y dibujados los niveles de Fibonacci, hay que esperar a que el canal de retroceso sea activado. El canal de retroceso es activado cuando el precio de cierre de la vela está entre las líneas horizontales marcadas por el 38.2% y el 61.8%.

Cuando el precio entra en el canal de retroceso, existen cuatro posibles casos (vamos a llamar onda A a la onda a partir de la que hemos obtenido los retrocesos de Fibonacci):

  • Si la onda A se mueve a la baja y toda la vela actual está por debajo del nivel marcado con el número 61.8%, podemos definir esta onda de tipo impulsivo. Como la tendencia de la onda A es bajista, tenemos una señal de una posible venta.
  • Si la onda A se mueve al alza y toda la vela está por debajo del nivel marcado con el número 38.2%, podemos definir esta onda de tipo correctivo. Como la tendencia de la onda A es alcista, tenemos una señal de una posible venta.
  • Si la onda A se mueve al alza y toda la vela actual está por arriba del nivel marcado con el número 61.8%, podemos definir esta onda de tipo impulsivo. Como la tendencia de la onda A es alcista, tenemos una señal de una posible compra.
  • Si la onda A se mueve a la baja y toda la vela actual está por arriba del nivel marcado con el número 38.2%, podemos definir esta onda de tipo correctivo. Como la tendencia de la onda A es bajista, tenemos una señal de una posible compra.

Compra-Venta

Extensiones de Fibonacci

Las extensiones de Fibonacci se utilizan para determinar los objetivos del precio después de haber descubierto los niveles de corrección que hicieron reanudar la tendencia inicial.

Para dibujar las extensiones de Fibonacci es necesario identificar tres puntos. En una tendencia alcista el punto mínimo (inicio de la tendencia), el punto máximo (fin de la tendencia momentánea) y el punto mínimo alcanzado por el pullback. En una tendencia bajista la lógica es la misma pero en sentido inverso.

Primero se traza la línea de la primera onda, considerando su altura como el segmento unidad. El fin de la segunda onda sirve del punto de referencia para trazar una línea vertical invisible. Las líneas horizontales correspondientes se trazan, teniendo en cuenta el segmento unidad, respecto al punto de referencia en la distancia que es igual a 61,8%, 100% y 161,8% del segmento unidad. Se considera que la tercera onda se finalizará cerca de estos niveles.

Extensiones

Aunque estos son los estudios más extendidos, existen numeras herramientas adicionales que se dejan para futuras entradas.

Si te ha gustado este post, no te pierdas Números de Fibonacci

Tweet about this on TwitterShare on LinkedInShare on FacebookShare on Google+Email this to someone

add a comment

wpDiscuz