¿Puede una figura del gráfico ofrecer una ventaja aprovechable al operar? Los trabajos examinados prueban reglas, mercados y períodos concretos. Algunos encuentran efectos; otros no encuentran rentabilidad robusta después de costes. Estos resultados no resuelven la cuestión para todos los métodos y mercados.
Primera parte. Qué dice la ciencia
El análisis técnico reúne reglas distintas: patrones de velas, medias móviles, rupturas y otras formas de describir el precio. El resultado de una prueba no se traslada automáticamente a las demás. Importa qué se probó, con qué datos y con qué costes.
Una de las revisiones es la de Cheol-Ho Park y Scott Irwin, «The Profitability of Technical Analysis: A Review», un informe del proyecto AgMAS de la Universidad de Illinois. Reúne pruebas empíricas de sistemas de trading técnico en acciones, divisas y futuros.
La revisión debe leerse dentro de los mercados, reglas y períodos históricos incluidos. No demuestra que todos los métodos técnicos dejaran de funcionar a partir de un año determinado. Al interpretar la rentabilidad publicada importan el ajuste a los datos, la selección de reglas tras conocer el resultado y los costes de transacción.
Lo primero merece una explicación, porque es la trampa principal de toda la industria. Si pruebas mil reglas sobre la misma historia, la mejor de ellas parecerá brillante, simplemente por las leyes de la probabilidad, aunque las mil estén vacías. Así nace la mayoría de las estrategias «que funcionan»: no porque alguien haya encontrado una regularidad, sino porque alguien estuvo probando el tiempo suficiente.
Con los patrones de velas no fue mejor. Piyapas Tharavanij y sus coautores probaron patrones de velas de reversión alcistas y bajistas en la Bolsa de Tailandia: «Profitability of Candlestick Charting Patterns in the Stock Exchange of Thailand», revista SAGE Open. La conclusión tiene dos partes. Por sí solos: en la mayoría de los patrones la rentabilidad media no se distingue estadísticamente de cero, y en los pocos donde sí se encontró una diferencia, una rentabilidad del 0.07–0.84% está junto a una desviación estándar del cuatro al siete por ciento; es decir, la señal se ahogó en el ruido que la rodea. Y la segunda parte, más dolorosa: el filtrado por el oscilador estocástico, el RSI o el índice de flujo de dinero «en general no aumenta ni la rentabilidad ni la precisión de la predicción». La receta popular «patrón más confirmación por indicador» no supera la prueba. Es un resultado para los patrones y el mercado evaluados, no una prueba de todas las confirmaciones posibles con indicadores.
Un ejemplo más delimitado es el preprint de Mathias Mesfin publicado en arXiv en 2026. Las cifras siguientes corresponden a la versión 3, revisada el 15 de septiembre de 2026. La prueba trata reglas intradía concretas sobre futuros MNQ; no evalúa todos los métodos mencionados en la introducción.
Mathias Mesfin publicó en 2026 el trabajo «Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study». Tomó el futuro del Nasdaq 100, 947 días de negociación con datos de cinco minutos de 2021–2025, y probó catorce familias de señales de impulso intradía. Cada una debía superar a la vez cinco condiciones: un estadístico t de al menos 2.0 en datos fuera de muestra, un mínimo de treinta operaciones en cada ventana de prueba, una rentabilidad positiva después de costes realistas, la misma dirección en 2023, 2024 y 2025 por separado, y una prueba de permutación con un nivel de significación inferior a 0.001.
Ninguna la superó.1
Once de las catorce familias tuvieron rentabilidades brutas de 0.07–1.50 puntos, por debajo del umbral de fricción de 2.0 puntos utilizado en el estudio. En esta muestra, una media positiva antes de costes no proporcionó una ventaja aprovechable después de costes. El signo de una media bruta no demuestra por sí solo robustez ni transferibilidad.
Otras tres familias superaron los costes, pero cayeron en la robustez: la ruptura en largo del rango de la mañana dio un estadístico t de 0.88, la reversión según un clasificador de volatilidad y volumen, 1.26, y la continuación del gap en corto ganó unos sólidos 16.53 puntos brutos con un estadístico t de 1.46 y se desmoronó ante la exigencia de funcionar en cada uno de los tres años por separado. Una historia conocida: la estrategia que «funcionaba» normalmente funcionaba en un año concreto.
Y merece un respeto especial lo que hizo el autor al final. Pasó por la misma trituradora dos señales de las que sabía de antemano que tenían ventaja, y las superaron: estadísticos t de 3.11 y 4.30. Esto se llama control positivo y responde a la principal objeción a cualquier trabajo negativo: «quizá vuestro método simplemente no ve nada». Sí ve. No vio precisamente lo que se estaba comprobando.
Investigación
- Elegir el mejor resultado después distorsiona la estimación.
- Enumere todas las variantes, incluidas las fallidas.
Segunda parte. Resultados positivos y sus condiciones
Si todo terminara aquí, el artículo no tendría sentido. Pero en las mismas investigaciones hay una segunda mitad: sobre lo que sí supera la prueba.
Los ejemplos siguientes documentan efectos bajo determinados supuestos y riesgos. No son una lista exhaustiva de lo que puede funcionar ni una promesa de que el mismo resultado vaya a continuar.
Antes de costes → Después de costes
- A: Antes de costes +1.5; B: Costes −2; C: Después de costes −0.5
- Unidades hipotéticas
- Cálculo ilustrativo, no resultado de estrategia.
Seguimiento de tendencia
Un estudio de tendencias a largo plazo aporta otra perspectiva. Un grupo de investigadores de Capital Fund Management —Lempérière, Deremble, Seager, Potters y Bouchaud— reunió datos de dos siglos: «Two Centuries of Trend Following». Precios al contado de materias primas e índices desde 1800, tipos de los bonos del Estado desde 1918, futuros desde 1960. La conclusión: la rentabilidad a diez años del seguimiento de tendencia «nunca ha sido negativa en dos siglos».
Pero esta moneda tiene un reverso pesado, y los autores no lo ocultan. La duración típica de una caída, escriben, es igual a uno dividido por el cuadrado del ratio de Sharpe, en años. Para una estrategia con un Sharpe de 0.7 eso significa caídas de dos años como norma. Para 0.5, cuatro años. Piénsalo: una estrategia correcta, que funciona desde hace doscientos años, puede no darte nada más que pérdidas y explicaciones durante cuatro años seguidos. Ninguna disciplina sustituye a comprender este número de antemano. Es una aproximación del enfoque tratado por los autores, no un calendario de las futuras caídas de cualquier estrategia.
Hay también un tercer lado, el más desagradable. Geetesh Bhardwaj, Gary Gorton y Geert Rouwenhorst estudiaron cuánto de esta prima llega al inversor, en un trabajo de título elocuente: «Fooling Some of the People All of the Time: The Inefficient Performance and Persistence of Commodity Trading Advisors». Los gestores de fondos de futuros ganaron un 5.4% de rentabilidad excedente bruta en 1994–2007, y el inversor recibió 85 puntos básicos: ocho décimas de punto porcentual sobre las letras del Tesoro, estadísticamente indistinguibles de cero. La prima existía. Se la llevaron las comisiones.
La prima de volatilidad
Otro estudio examina la prima de riesgo de varianza. Peter Carr y Liuren Wu, en el trabajo «Variance Risk Premiums» (Review of Financial Studies), mostraron que la prima por varianza del índice S&P 500 es persistentemente negativa: los inversores aceptan una rentabilidad esperada negativa con tal de asegurarse contra el aumento de la volatilidad. La otra cara de la misma operación, vender volatilidad, ha dado históricamente cifras muy altas de rentabilidad por unidad de riesgo.
Y lo principal: se entiende por qué esto no desaparece bajo la presión de los arbitrajistas. No es un error de precios que se pueda corregir. Es el pago por un riesgo. El vendedor de una opción recibe dinero por asumir el riesgo de un desplome del que se protegen los coberturistas. El riesgo es real, y por eso el pago también lo es. Quien vendía volatilidad en febrero de 2018 o en marzo de 2020 descubrió exactamente por qué le habían pagado todos los años anteriores.
Carry
En cripto, un mecanismo de carry utiliza pagos de financiación de contratos perpetuos. El historial muestra transferencias pasadas. Por sí solo no demuestra la rentabilidad neta futura de una posición.
Los pagos de financiación ayudan a vincular un contrato perpetuo con su precio de referencia. La periodicidad, la fórmula y el signo dependen del contrato y de la plataforma. Con financiación positiva suelen pagar los largos a los cortos; con financiación negativa se invierte la dirección. Comprar al contado y vender el perpetuo puede reducir la exposición direccional, pero la tasa cambia y persisten los riesgos de base, comisiones, garantías y liquidación. «Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets» estudia el diseño de tasas y carteras replicantes; no garantiza la rentabilidad de esta operación.
Pero aquí la prima depende del régimen más de lo que se suele pensar. Cuando el mercado está sobrecalentado de largos, la tasa de financiación se dispara; cuando el capital entra en esta operación, se comprime hacia el rendimiento de los instrumentos corrientes en dólares, y entonces todo el sentido de la construcción desaparece: el mismo dinero podría haberse tenido en dólares sin riesgo de bolsa, sin apalancamiento y sin riesgo de liquidación de la pata corta. El carry no es una máquina de imprimir dinero, sino el pago por estar dispuesto a mantener una posición que, en el momento crítico, puede que no haya a quién traspasar.
Tercera parte. Riesgos y límites de interpretación
Estos ejemplos difieren en mecanismos, condiciones de prueba y riesgos.
Una rentabilidad documentada debe leerse junto con el riesgo y las condiciones en que se midió. Reconocer una figura no basta para establecer una ventaja.
Vendiendo volatilidad, asumes el riesgo de un desplome del que otros se protegen pagando. Siguiendo la tendencia, aceptas el riesgo de largas reversiones y de caídas de cuatro años que la mayoría de la gente no soporta psicológicamente. En el carry, el riesgo de que la tasa se dé la vuelta en el peor momento y la pata corta salte por una llamada de margen.
Para evaluar una regla gráfica, defínela antes de examinar el período de prueba y comprueba el resultado con datos nuevos después de costes. Explicar por qué podría funcionar no sustituye esa prueba.
De aquí se sigue también lo segundo.
Límite de interpretación · Resultado
- 4 × 1 − 8 = −4
- Media positiva no excluye grandes pérdidas.
- Cálculo ilustrativo, no resultado de estrategia.
Por qué desaparecen los hallazgos
Algunos efectos publicados se debilitan fuera de la muestra original o tras su publicación. Cuánto se debilitan es una cuestión empírica, no una regla que obligue a desaparecer a todo hallazgo.
David McLean y Jeffrey Pontiff estudian 97 predictores publicados de rentabilidad bursátil en «Does Academic Research Destroy Stock Return Predictability?», Journal of Finance. Informan de rentabilidades un 26% menores fuera de muestra antes de la publicación y un 58% menores después de publicarse, en ambos casos respecto a la rentabilidad original dentro de muestra. La diferencia entre ambas reducciones es de 32 puntos porcentuales, no una caída adicional del 32% sobre la rentabilidad fuera de muestra. Con un alfa original hipotético del 5%, una reducción relativa del 58% deja 5% × (1 − 0.58) = 2.1%. Es una ilustración de esa base de comparación, no una previsión para una estrategia concreta.
Antoine Falck, Adam Rej y David Thesmar también estudian el deterioro en «Why and How Systematic Strategies Decay». Las relaciones entre año de publicación y deterioro describen las estrategias y el período que investigan. No establecen una vida útil fija, medida en meses, para cada nueva regla publicada.
La popularidad en YouTube no demuestra que un método funcione ni que su ventaja haya desaparecido. Una afirmación concreta sigue necesitando una regla definida, datos independientes y costes realistas.
Cuarta parte. Las cifras de las que no se habla en los cursos
Ya que nos hemos puesto con los hechos incómodos, citemos también estos. No tratan de métodos, sino de personas.
Fernando Chague, Rodrigo De-Losso y Bruno Giovannetti obtuvieron los datos regulatorios completos de las cuentas minoristas en futuros brasileños: «Day Trading for a Living?». De 19 646 personas que empezaron a operar, 1 551 llegaron a trescientas o más sesiones: siete coma nueve por ciento. De estos persistentes, el 97% perdió dinero. Más que el salario mínimo brasileño ganó el 1.1%. Más que el sueldo de un empleado de banco, medio punto porcentual. Ocho personas de mil quinientas.
El estudio brasileño no encuentra evidencia de aprendizaje de los day traders durante los períodos observados. El resultado se refiere a esos participantes, mercado y período. No demuestra que la práctica nunca pueda mejorar una habilidad; advierte contra tomar el tiempo dedicado a operar como evidencia de mejora del resultado neto.
Taiwán, otra época y otro mercado, el mismo resultado. Brad Barber, Yi-Tsung Lee, Yu-Jane Liu y Terrance Odean analizaron quince años de datos completos de todo el mercado, 1992–2006: «The Cross-Section of Speculator Skill: Evidence from Day Trading», Journal of Financial Markets. Su formulación: «menos del uno por ciento de toda la población de day traders es capaz de obtener, de forma predecible y fiable, rentabilidades anormales positivas después de comisiones». En cifras absolutas, unas cuatro mil personas de aproximadamente cuatrocientas cincuenta mil que operan en un año.
Fíjate: esas cuatro mil existen. La maestría en la especulación no es un mito, es medible y reproducible. Simplemente su distribución no parece «aprende y podrás», sino la distribución de la maestría en el deporte profesional. La única diferencia es que en el segundo caso nadie vende cursos con la promesa de entrar en el quinteto titular de la NBA en tres meses.
Observaciones independientes
- Explicar el mecanismo no sustituye una prueba independiente.
- La validación debe incluir costes y datos nuevos.
Qué hacer con todo esto
No creemos que el marcado sea inútil. Es útil, pero no en el papel en el que suele venderse.
Un hueco sin cubrir en el gráfico es un hecho. Un nivel desde el que el precio se dio la vuelta dos veces es un hecho. Un extremo que el precio atravesó es un hecho. Son referencias: dónde poner el stop, dónde fijar un objetivo, por dónde ya ha pasado el precio. Un mapa del terreno.
Lo que el mapa no hace es decir adónde irá el coche.
La diferencia entre estas dos cosas es toda la diferencia entre una herramienta y una promesa. La herramienta ahorra tiempo y estructura la mirada. La promesa se vende mejor, pero no se cumple.
Para una tarea concreta, empieza por la estructura de mercado, que separa los puntos observados de su interpretación. La guía sobre confirmación de correcciones e invalidación del recuento explica por qué un recuento plausible no aporta certeza. Antes de valorar episodios históricos similares, lee qué muestran sus estadísticas y qué no muestran para no tratar una frecuencia pasada como un pronóstico.
Y publicamos las cifras de este artículo porque creemos que el usuario tiene derecho a saber qué es exactamente lo que tiene en las manos.
Fuentes
- Park C.-H., Irwin S. The Profitability of Technical Analysis: A Review. AgMAS Project Research Report 2004-04, University of Illinois. ageconsearch.umn.edu/record/37487 — revisión consolidada de las pruebas empíricas de sistemas de trading técnico.
- Tharavanij P., Siraprapasiri V., Rajchamaha K. Profitability of Candlestick Charting Patterns in the Stock Exchange of Thailand. SAGE Open, 2017. doi:10.1177/2158244017736799 — patrones de velas de reversión con y sin filtros de indicadores.
- Mesfin M. Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study. arXiv:2605.04004, 2026. arxiv.org/abs/2605.04004 — catorce familias de señales, 947 días de datos de cinco minutos, ninguna superó los cinco criterios.
- Lempérière Y., Deremble C., Seager P., Potters M., Bouchaud J.-P. Two Centuries of Trend Following. arXiv:1404.3274, 2014. arxiv.org/abs/1404.3274 — seguimiento de tendencia con datos desde 1800; duración de la caída como 1/S².
- Bhardwaj G., Gorton G., Rouwenhorst K. G. Fooling Some of the People All of the Time: The Inefficient Performance and Persistence of Commodity Trading Advisors. NBER Working Paper 14424. nber.org/papers/w14424 — 5.4% antes de comisiones frente a 85 puntos básicos después, 1994–2007.
- Carr P., Wu L. Variance Risk Premiums. Review of Financial Studies, 22(3), 2009. ideas.repec.org — prima por varianza persistentemente negativa en el S&P 500.
- Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets. arXiv:2506.08573. arxiv.org/abs/2506.08573 — diseño de la tasa de financiación de los contratos perpetuos.
- McLean R. D., Pontiff J. Does Academic Research Destroy Stock Return Predictability? Journal of Finance. PDF — 97 predictores; ambas reducciones se comparan con la rentabilidad original dentro de muestra.
- Falck A., Rej A., Thesmar D. Why and How Systematic Strategies Decay. Capital Fund Management, 2021. cfm.com — el año de publicación explica el 30% de la dispersión en el desvanecimiento, más 5 puntos porcentuales por cada año.
- Chague F., De-Losso R., Giovannetti B. Day Trading for a Living? SSRN 3423101 — resultados de la muestra brasileña y del período observado, incluida la ausencia de evidencia de aprendizaje.
- Barber B., Lee Y.-T., Liu Y.-J., Odean T. The Cross-Section of Speculator Skill: Evidence from Day Trading. Journal of Financial Markets, 18, 2014. escholarship.org — Taiwán 1992–2006, menos del 1% de day traders rentables de forma predecible.
-
«None passed all five» — ninguna superó las cinco (del resumen del trabajo). ↩