Por qué los gráficos no predicen el precio

Cada día decenas de miles de personas abren gráficos y dibujan rectángulos sobre ellos. Zonas de demanda, order blocks, desequilibrios, ondas, divergencias. Detrás hay una esperanza comprensible: si aprendes a ver las figuras que pocos ven, podrás adivinar hacia dónde irá el precio.

Primera parte. Qué dice la ciencia

El análisis técnico tiene casi tres siglos. Los comerciantes de arroz japoneses ya dibujaban gráficos de velas en el siglo XVIII; la técnica llegó a Occidente solo en el siglo XX. En ese tiempo se ha acumulado una enorme cantidad de pruebas, y, por desgracia para la industria, no son alentadoras.

La revisión más completa de esta literatura la reunieron Cheol-Ho Park y Scott Irwin: «The Profitability of Technical Analysis: A Review», un informe del proyecto AgMAS de la Universidad de Illinois. Recopilaron decenas de pruebas empíricas de sistemas de trading técnico en mercados muy distintos —acciones, divisas, futuros— y sacaron conclusiones.

La conclusión es esta. La rentabilidad en los mercados especulativos se mantuvo «al menos hasta principios de la década de 1990» y después se desvaneció. Es decir, todos los hallazgos pertenecen a la época en que las órdenes se daban de viva voz y las medias móviles se calculaban en papel. Y casi todos los resultados positivos, según la propia evaluación de los autores de la revisión, padecen las mismas enfermedades: ajuste a los datos, selección de reglas a posteriori y subestimación de 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.

Pero el estudio más interesante apareció hace poco, y es el más cercano a lo que hace hoy un trader minorista.

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

Pero más interesante que el hecho en sí es dónde se rompió todo exactamente. Once de las catorce familias murieron en el mismo lugar: su rentabilidad bruta fue de 0.07 a 1.50 puntos, mientras que entrar y salir cuesta unos dos puntos. Es decir, la señal existe. Incluso apunta en la dirección correcta. Simplemente es menor que lo que cuesta aprovecharla. Esta es la forma más frecuente y menos visible de perder dinero con los gráficos: no equivocarse de dirección, sino acertar por una cantidad menor que la comisión.

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.

Segunda parte. Qué funciona

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.

Las cosas que funcionan son pocas, y tienen una propiedad común a la que volveremos.

Seguimiento de tendencia

La confirmación más larga de todas las que existen. 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. Piénselo: una estrategia correcta, que funciona desde hace doscientos años, puede no darle nada más que pérdidas y explicaciones durante cuatro años seguidos. Ninguna disciplina sustituye a comprender este número de antemano.

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

La más persistente de las documentadas. 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 es la tasa de financiación de los contratos perpetuos. El mecanismo aquí es totalmente transparente, y es el único de esta lista que no se verifica con un backtest, sino con un recibo.

Un contrato perpetuo no tiene vencimiento, así que la bolsa lo ata al precio al contado con dinero: cada ocho horas una parte le paga a la otra. Si el contrato está por encima del índice, pagan los que están en largo; si está por debajo, pagan los que están en corto. No es una estimación ni un modelo, es una transferencia de fondos publicada, con historial para cada instrumento. Quien compró el activo al contado y vendió el contrato perpetuo recibe estos pagos y no depende de la dirección del precio. El diseño de la tasa y la lógica de su cálculo se analizan, por ejemplo, en el trabajo «Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets».

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. Por qué una cosa funciona y otra no

La diferencia entre las dos listas no es casual.

Todo lo que funciona es un pago por asumir riesgo, no una recompensa por reconocer figuras.

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.

Nadie paga por haber visto un rectángulo en un gráfico. Pagan por mantener un riesgo que a otros les resulta incómodo mantener.

De aquí se sigue también lo segundo.

Por qué desaparecen los hallazgos

Incluso las regularidades reales se desvanecen cuando se conocen.

La comprobación clásica de esto la hicieron David McLean y Jeffrey Pontiff: «Does Academic Research Destroy Stock Return Predictability?», Journal of Finance. Tomaron 97 características de las que se había demostrado en las principales revistas científicas que predicen la rentabilidad de las acciones, y observaron qué les pasó después. Fuera de muestra, la rentabilidad resultó un 26% menor. Tras la publicación, un 58% menor. La diferencia entre estas cifras, un 32%, es el precio de la propia publicación: eso es lo que se llevaron quienes leyeron el artículo. Un alfa del cinco por ciento dentro de la muestra se convierte en aproximadamente tres coma cuatro una vez que se conoce.

Un trabajo posterior de Antoine Falck, Adam Rej y David Thesmar, «Why and How Systematic Strategies Decay», precisa el cuadro y añade un detalle inquietante. El año de publicación explica por sí solo el 30% de la dispersión en el desvanecimiento, y cada año que pasa el desvanecimiento de los factores recién publicados crece cinco puntos porcentuales. El capital acude a una ineficiencia descubierta más rápido que antes. Lo descubierto en 2005 vivió años. Lo descubierto hoy muere en meses.

Ahora aplique esto a los métodos que se han difundido por YouTube en tiradas de millones. Si había algo en ellos, se fue lo primero, y se fue mucho antes de que usted oyera hablar de ellos.

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.

Y la frase clave del mismo trabajo, que merece atención aparte: «no hay evidencia de aprendizaje de los day traders durante los períodos en que operan». La gente no mejora con la práctica. Trescientos días frente al terminal no se convierten en habilidad: se convierten en trescientos días de comisiones.

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.

Fíjese: 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.

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.

Elegimos lo primero. Por eso en nuestro módulo de marcado no hay porcentajes de probabilidad, no hay palabras «señal» ni «pronóstico», y existe el estado «aquí no hay zonas limpias», en lugar de dibujar algo a cualquier precio.

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

1. 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.
2. 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.
3. 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.
4. 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.
5. 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.
6. 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.
7. 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.
8. McLean R. D., Pontiff J. Does Academic Research Destroy Stock Return Predictability? Journal of Finance. PDF — 97 características: −26% fuera de muestra, −58% tras la publicación.
9. 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.
10. Chague F., De-Losso R., Giovannetti B. Day Trading for a Living? SSRN 3423101 — cuentas de futuros brasileñas: 97% con pérdidas entre quienes aguantaron 300+ sesiones, 1.1% por encima del salario mínimo, ausencia de aprendizaje.
11. 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.