Cómo construimos
DeepTicker.
Antes de construir DeepTicker evaluamos sistemáticamente la mayoría de las estrategias documentadas en la literatura cuantitativa moderna. Probamos los métodos de los traders más reconocidos del mundo — Mark Minervini, Stan Weinstein, Ernest Chan, William O'Neil, Larry Connors — sobre el S&P 500 completo, con costes reales, slippage y fiscalidad española modelados al detalle.
Casi todo cayó. Lo que quedó, lo refinamos durante meses hasta crear el sistema que reduce el drawdown del S&P 500 a un tercio.
Esta página explica el proceso completo. Sin marketing. Con los datos reales que usamos para llegar al sistema final.
¿Se puede batir al S&P 500
sin volverse loco?
El S&P 500 es la referencia universal de inversión. Comprar y aguantar el índice durante décadas funciona y cualquier estrategia que no lo bata, no merece la pena.
Pero el camino del buy & hold es muy duro. En 2008 el SPY perdió un −37%. En el covid 2020 perdió un −34% en cinco semanas. En 2022 un −19,9%. Cada cierto tiempo te toca ver tu cuenta caer un cuarto, o un tercio, sin garantía de recuperarse pronto.
La mayoría de inversores retail no aguantan esos drawdowns. Venden en mínimos. Vuelven cuando ya ha rebotado. Pierden dinero haciendo lo correcto pero en el momento equivocado.
Por eso nos planteamos esta pregunta:
¿Se puede construir un sistema algorítmico que bata al S&P 500 a largo plazo, con un drawdown soportable para retail, ejecutable desde un broker común en cinco minutos al día?
Tres condiciones simultáneas. Cada una sola es difícil. Las tres juntas son brutales:
Batir al S&P 500: la mayoría de gestores profesionales no lo consigue. La mayoría de sistemas de libros tampoco.
Drawdown soportable: que no te haga abandonar el sistema en el peor momento.
Ejecutable a 5 minutos al día: sin pantallas múltiples, sin alertas en tiempo real, sin scripts de bróker.
Esta página cuenta cómo respondimos a la pregunta. Probamos primero las soluciones documentadas. Casi ninguna funcionó. Tuvimos que construir algo nuevo.
Cómo medimos qué funciona
y qué no.
Antes de evaluar nada, definimos las reglas del juego. Sin criterios claros, cualquier sistema parece bueno si lo cuentas bien. Estas son las reglas que aplicamos a todos los sistemas evaluados, sin excepciones.
El universo
261 acciones del S&P 500 + 19 ETFs UCITS operables desde brokers europeos = 280 instrumentos en total. Cubrimos tanto la operativa de stock picking americano como las oportunidades sectoriales y de mean reversion sobre ETFs.
Quitamos del universo las acciones con menos de 1M shares de volumen medio diario y precios extremos (menos de $5 o más de $1.000). Filtros típicos de calidad para evitar el survivorship bias y los chicharros.
El periodo
11 años: 2015–2025. Suficientemente largo para incluir contextos muy distintos: bull tranquilo, bull de momentum (FAANG), un crash brutal (covid 2020), un bear real (2022) y la rotación a value + AI de 2023–2025.
Dividimos el periodo en dos:
In-sample (2015–2020): para diseñar y calibrar los sistemas.
Out-of-sample (2021–2025): 5 años que el sistema nunca ha visto durante el diseño. Validación a ciegas.
Si un sistema rinde solo en in-sample y se cae en out-of-sample, es overfit y no sirve. Reportamos siempre los dos números.
Los costes reales
Aquí es donde la mayoría de backtests mienten. Un sistema que parece dar +30% al año puede convertirse en +5% (o en pérdidas) cuando aplicas costes reales. Modelamos cuatro:
Comisión: 1$ por orden. El coste estándar de brokers low-cost europeos. Penaliza especialmente a sistemas con muchos trades pequeños.
Slippage: 0,15% entrada / 0,10% salida. La diferencia entre el precio teórico del backtest y el precio real al que se ejecuta la orden.
Filtro fiscal CNMV (2 meses). El filtro anti-recompra (modelado con regla de 60 días de España, equivalente al wash sale rule de USA y al bed-and-breakfasting británico). Si no lo modelas, tu sistema da resultados que el usuario no podrá replicar fiscalmente. Configurable por país de residencia.
Position sizing realista. Tier de cuenta según capital, máximo riesgo por trade, máximo % por posición. Igual que opera un retail real.
Las métricas que importan
No medimos solo CAGR. Un sistema con +25% anual y 50% de drawdown es inutilizable. Estas son las métricas que usamos para comparar:
| MÉTRICA | QUÉ MIDE |
|---|---|
| CAGR | Rentabilidad anualizada compuesta. La métrica de crecimiento. |
| Max Drawdown | Caída máxima desde el pico anterior. Mide cuánto puedes llegar a perder en el peor momento. |
| Calmar Ratio | CAGR ÷ Max Drawdown. Cuanto más alto, mejor relación rentabilidad/riesgo. |
| Sharpe Ratio | Rentabilidad ajustada por volatilidad. Mide la consistencia del sistema. |
| Win Rate | Porcentaje de operaciones ganadoras. No mide rentabilidad por sí solo. |
| Profit Factor | Beneficio bruto ÷ pérdida bruta. Por cada euro perdido, cuántos euros ganados. |
La métrica más importante para nosotros es el Calmar Ratio. Mide qué rentabilidad obtienes por cada unidad de drawdown que sufres. Es la métrica que mejor refleja si un sistema es sostenible psicológicamente para el inversor real.
Trece sistemas clásicos.
Una verdad incómoda.
Empezamos por lo obvio: replicar fielmente los sistemas más documentados de la literatura cuantitativa moderna. Cada uno lo implementamos tal como lo describen sus autores en sus libros, sin atajos ni mejoras propias en esta primera fase.
Probamos cuatro familias: momentum y breakouts (Minervini, Weinstein, Chan, O'Neil), mean reversion (Connors), swing de corto plazo y day trading. Resultados sobre cuenta de €25.000, periodo completo 2015–2025, costes reales aplicados.
| Sistema | Familia | CAGR | Max DD | Win Rate | Veredicto |
|---|---|---|---|---|---|
| Minervini Honesto | Momentum | +1,55% | 29,7% | 39% | Insuficiente |
| Minervini Puro | Momentum | +4,16% | 26,3% | 28% | Modesto |
| Weinstein Stage 2 | Trend following | +4,95% | 10,8% | 46% | Conservador |
| Híbrido Weinstein + Minervini | Momentum | +6,61% | 24,6% | 37% | Aceptable |
| ★Chan Cross-Sectional Momentum | Momentum | +21,74% | 36,6% | 39% | Mayor CAGR · mayor riesgo |
| O'Neil Pocket Pivot | Momentum | +6,28% | 22,3% | 47% | Aceptable |
| Híbrido Chan + Pocket Pivot | Momentum | +5,85% | 24,2% | 42% | Peor que las partes |
| Connors RSI(2) | Mean Reversion | +1,55% | 13,0% | 63% | No competitivo |
| Connors Double-7 | Mean Reversion | +1,70% | 13,0% | 68% | No competitivo |
| Connors 3-Day Pullback | Mean Reversion | −1,36% | 13,0% | 63% | Pierde dinero |
| DT-MOMO Quality Pullback | Short-term swing | +4,00% | 8,9% | 40% | Estable |
| DT-GAP (Gap and Go) | Day trading | −17,4% | 88% | 36% | Catastrófico |
| DT-INSIDE (Inside Day) | Day trading | −26,1% | 96% | 31% | Catastrófico |
| DT-VWAP (VWAP reversion) | Day trading | −11,0% | 75% | 43% | Catastrófico |
Resultados sobre cuenta de €25.000, periodo 2015–2025, costes reales aplicados (comisión 1$, slippage 0,15%/0,10%, filtro fiscal CNMV de 2 meses).
El mapa visual: rentabilidad vs riesgo
Visualizar todos los sistemas en un mismo plano de CAGR vs drawdown nos da una imagen clara del experimento. La zona ideal está arriba a la izquierda: rentabilidad alta y drawdown bajo.
Lo que vemos no es agradable para los amantes de los sistemas clásicos: solo el Sistema D (Chan momentum) iguala o supera al SPY en rentabilidad, pero lo hace con un drawdown del 36,6% — psicológicamente brutal. Todos los demás están a la derecha del SPY (peor riesgo) o por debajo (peor rentabilidad).
Los sistemas day trade (DT-GAP, DT-INSIDE, DT-VWAP) ni siquiera aparecen en el gráfico porque sus drawdowns del 75-96% los sacan de la escala. Confirmación empírica de lo que dice la literatura académica: los patrones intradía simples no sobreviven a costes reales sobre acciones líquidas US.
Los sistemas Connors de mean reversion tienen win rates muy altos (63-68%) pero CAGR ridículos. El bull market 2015-2025 fue tan alcista que el mean reversion no tuvo material para trabajar. El propio Connors dice en sus libros que sus sistemas funcionan mejor en mercados con más volatilidad y reversiones; en este ciclo no fue su momento.
Los sistemas Minervini, Weinstein e híbridos dan rentabilidades aceptables pero ninguno iguala al SPY con menor riesgo. Cuando aplicas costes reales, el edge prometido en los libros se queda en migajas.
En resumen: doce de trece sistemas no son la solución. El único que destaca tiene un drawdown que ningún retail debería soportar. Algo había que hacer distinto.
Tres razones por las que
los sistemas individuales
no son la respuesta.
No es que los autores estén equivocados. Sus métodos contienen ideas reales. El problema es estructural: cualquier sistema individual está expuesto a regímenes de mercado donde su filosofía concreta no funciona.
El factor momentum tiene ciclos
El Sistema D Chan funcionó muy bien en in-sample (2015-2020) con un CAGR del +36% anual. Pero en out-of-sample (2021-2025) cayó al +6% anual. ¿Falló el sistema? No. Es que el factor momentum tiene ciclos brutales.
El periodo 2015-2020 fue dorado para el momentum (FAANG, software, cloud). El periodo 2021-2025 ha sido más de rotación a value, commodities, energía, AI puntual. El momentum puro penaliza estas rotaciones porque siempre llega tarde a los ganadores nuevos.
Esto no es un defecto del sistema. Es la naturaleza de cualquier factor de inversión: hay décadas en las que paga, hay décadas en las que no. Los años 80 fueron de value. Los 2010 de momentum/growth. Los 2020 nadie sabe.
Si tu sistema está atado a un solo factor, dependes de que ese factor siga pagando. Y eso no se puede asumir.
Los costes reales matan los edges pequeños
Los sistemas Connors de mean reversion (RSI(2), Double-7, 3-Day Pullback) son los más afectados. Win rates del 63-68% que parecen brillantes en backtest sin costes, se quedan en CAGR del +1,5% (o pérdidas) cuando aplicas comisiones, slippage y filtro fiscal.
La razón es matemática: cada operación gana poco (1-3% típico) pero genera costes fijos (comisión + slippage + impuestos sobre la ganancia). Si haces 500-800 operaciones al año, los costes se comen el edge.
Lo mismo le pasa al day trading. Los tres sistemas que probamos (Gap and Go, Inside Day, VWAP reversion) perdieron entre el 75% y el 96% del capital. Hicimos análisis ticker por ticker para ver si rescatábamos algo: solo 4 tickers de 280 mostraron edge robusto in-sample y out-of-sample. Muestra demasiado pequeña para construir un sistema.
Los patrones intradía simples no sobreviven a costes reales sobre acciones líquidas US. Es una verdad documentada en la literatura académica que confirmamos empíricamente.
El drawdown es lo que de verdad mata
Aunque encontraras un sistema individual con un CAGR alto (como D Chan con +21,7%), el drawdown asociado lo hace inviable para retail. Un drawdown del 36% psicológicamente es brutal.
Imagina que inviertes €30.000. El sistema funciona perfectamente durante dos años, llega a €45.000. Y de repente, en seis meses, baja a €28.500 — un 36% desde el pico. La mayoría de personas no sigue el plan en ese momento. Vende en mínimos. Abandona el sistema justo cuando está a punto de recuperarse.
Por eso la métrica más importante no es el CAGR. Es el Calmar Ratio: rentabilidad por unidad de drawdown. Un sistema con +16% CAGR y 12% DD (Calmar 1,29) es muchísimo mejor que uno con +22% CAGR y 37% DD (Calmar 0,59), aunque parezca al revés en una tabla.
La pregunta correcta no es “¿cuánto puedo ganar?”. Es “¿cuánto estoy dispuesto a sufrir para ganar eso?”. Y los sistemas individuales no responden bien a esa pregunta.
Combinar, no elegir.
Después de meses probando sistemas individuales, llegamos a una conclusión incómoda: ningún sistema solo es óptimo.
El Chan momentum iguala al SPY en rentabilidad pero con drawdown inviable. Weinstein tiene drawdown bajo pero apenas crece. Los Connors no son competitivos. Los day trade pierden dinero. Cada sistema brilla en un régimen concreto del mercado y se hunde en otro.
La pregunta correcta dejó de ser “¿cuál es el mejor sistema?” y pasó a ser otra:
¿Y si en lugar de buscar un sistema único, combinamos varios sistemas asignando dinámicamente el capital según el estado del mercado en cada momento?
Lo que probamos primero: combinaciones simples
Probamos veinticuatro carteras combinadas: Chan + Híbrido AC con pesos fijos, Equal Weight de cuatro sistemas, varias proporciones defensivas, etc. Las combinaciones simples reducían el drawdown respecto a Chan solo, pero también reducían el CAGR. No resolvían el problema de fondo.
Después añadimos overlays a nivel de cartera completa: stop cartera (si la cartera completa cae X% desde su pico, todo a cash 30 días) y volatility targeting (si la volatilidad realizada del SPY supera 18-22%, reducir exposición al 50%).
La mejor combinación con overlays fue Chan 70% + Híbrido AC 30% + Stop cartera 15%: CAGR +21,26% / drawdown 27,6% / Calmar 0,77. Mejoró respecto a Chan solo, pero seguía teniendo el problema de que en out-of-sample el momentum se degradaba.
El paso siguiente: detectar regímenes
Probamos clasificar el mercado en tres estados (bull limpio, bull con stress, bear) y aplicar pesos distintos en cada uno. La estrategia balanceada dio resultados notables: CAGR +17,64% / drawdown 21% / +6,4% en 2022.
Era el primer sistema que ganaba dinero en bear market real. Pero nos molestaba que las transiciones entre regímenes fueran binarias y bruscas. El mercado no cambia de “fuerte” a “bear” de un día para otro — hay zonas grises, transiciones progresivas.
Necesitábamos algo más continuo. Algo que supiera leer el mercado en tiempo real, día a día, sin saltos artificiales. Eso es Adaptive Sleeves.
La sección que viene explica el sistema Adaptive Sleeves en detalle: cómo lee el mercado, cómo asigna el capital dinámicamente y cómo combina los mejores componentes que identificamos en la fase de investigación.
Adaptive Sleeves.
Un sistema que lee el mercado todos los días y reparte tu capital entre tres compartimentos según lo que ve.
En lugar de elegir un sistema único, Adaptive Sleeves combina los mejores componentes de la fase de investigación dentro de tres sleeves (compartimentos). Cada sleeve tiene una filosofía concreta y funciona mejor en un régimen de mercado distinto.
El sistema mide cada día la “salud del mercado” (un score numérico entre 0 y 1) y reasigna automáticamente el capital entre los tres sleeves según lo que está viendo. Sin decisiones discrecionales. Sin emoción. Sin necesidad de mirar gráficos.
Cómo lee el mercado
Cada día, antes de la apertura del mercado, el sistema calcula un Health Score del S&P 500 a partir de tres dimensiones distintas:
Volatilidad realizada: mide si el mercado está en calma o en estrés. Volatilidades bajas son señal de mercado sano; volatilidades altas son señal de peligro.
Tendencia de fondo: mide la distancia del SPY a su media móvil de largo plazo. Lejos por arriba significa tendencia alcista fuerte; cerca o por debajo significa tendencia debilitándose.
Momentum reciente: mide el retorno del SPY en los últimos meses. Subidas sostenidas son señal de impulso; caídas o estancamiento son señal de cambio de régimen.
Cada dimensión se normaliza a un score entre 0 y 1 mediante funciones escalonadas calibradas empíricamente. El Health Score final es el promedio de las tres.
Lo importante: las tres dimensiones son independientes. Una puede deteriorarse mientras las otras se mantienen. Eso permite captar zonas grises y transiciones progresivas, no solo cambios bruscos de régimen.
Cada banda vertical coloreada del gráfico representa cómo el sistema clasifica el mercado en cada momento. Los rojos marcan exactamente los momentos donde el sistema reduce drásticamente exposición: 2018, covid 2020, bear 2022 y la mini-corrección de 2024. En el resto del tiempo el sistema está mayoritariamente invertido.
Los tres sleeves
Cada sleeve es un compartimento del capital con una filosofía propia. Los tres trabajan juntos pero responden a contextos distintos:
Combina el sistema de cross-sectional momentum (basado en el trabajo de Ernest Chan) con un híbrido de breakouts al estilo Weinstein-Minervini. Su trabajo es maximizar el retorno cuando el mercado está sano y subiendo.
Combina un sistema de Stage 2 puro al estilo Weinstein con un sistema short-term de pullbacks de calidad. Mucho más selectivo, con drawdowns bajos. Su trabajo es seguir aportando rentabilidad sin asumir riesgo elevado.
Liquidez pura. Cero rentabilidad pero protección absoluta. La mayoría de inversores retail no entiende que estar en cash es una decisión legítima, no una falla. En 2022 fue lo que permitió cerrar el año al 0,0% mientras el SPY perdió 19,9%.
La matriz de asignación
El Health Score determina cómo se reparte el capital entre los tres sleeves. Esta es la matriz exacta que aplica DeepTicker:
| Health Score | Estado del mercado | Ofensivo | Defensivo | Cash |
|---|---|---|---|---|
| ≥ 0,85 | Mercado muy fuerte | 70% | 30% | 0% |
| 0,70 — 0,85 | Mercado fuerte | 50% | 40% | 10% |
| 0,55 — 0,70 | Mercado normal | 30% | 40% | 30% |
| 0,40 — 0,55 | Mercado dudoso | 15% | 30% | 55% |
| 0,25 — 0,40 | Mercado débil | 0% | 20% | 80% |
| < 0,25 | Mercado en peligro | 0% | 0% | 100% |
El sistema transita gradualmente de un nivel a otro a medida que el Health Score sube o baja. No hay saltos bruscos. Si la salud del mercado se deteriora progresivamente durante semanas, el sistema reduce la exposición ofensiva poco a poco y aumenta el cash gradualmente.
En promedio durante los 11 años de backtest, el sistema mantiene un 28% de exposición media a cash. Suena alto, pero ese cash es precisamente lo que protege el capital cuando el mercado se rompe — y lo que permite al sistema entregar resultados positivos en todos los años, incluyendo 2022.
Por qué funciona
El Health Score combina tres dimensiones (volatilidad, tendencia, momentum). Eso evita que un solo indicador genere falsas alertas. Solo cuando los tres se deterioran a la vez, el sistema reduce exposición agresivamente.
Los tres sleeves combinan momentum, breakouts, swing de corto plazo y cash. Cada filosofía gana en regímenes distintos. La combinación reduce la dependencia de un solo factor.
La mayoría de sistemas retail están siempre invertidos al 100%. Eso es lo que genera drawdowns brutales. Adaptive Sleeves entiende que no estar invertido es una decisión, no una falla.
Las clasificaciones binarias de régimen (bull/bear) generan saltos bruscos y falsas señales. El sistema continuo evita ese problema con seis niveles de asignación que reflejan la realidad gris del mercado.
Once años de datos.
Cero años negativos.
Estos son los resultados del backtest de Adaptive Sleeves Conservativa sobre cuenta de €25.000, periodo 2015–2025, con todos los costes reales aplicados (comisión, slippage, filtro fiscal CNMV).
Comparado siempre con SPY Buy & Hold como referencia.
Crecimiento del capital
En once años, una cuenta de €25.000 llegó a más de €125.000 siguiendo el sistema. La misma cantidad invertida en SPY Buy & Hold llegó a unos €80.000.
El drawdown — lo que de verdad sufres
Más importante que el rendimiento es el drawdown — cuánto cae tu cuenta desde el pico anterior. El gráfico muestra todos los drawdowns sufridos por DeepTicker (línea dorada) frente a los del SPY (línea roja) durante los 11 años.
En el covid 2020, el SPY cayó un −34% en cinco semanas. Una cuenta de €50.000 en SPY se vio en €33.000 durante un mes. La misma cuenta en DeepTicker cayó solo a unos €43.500 — recuperable en semanas, no en meses.
En el bear de 2022, el SPY perdió −19,9% en el año completo. DeepTicker terminó al 0,0%. Esa es la diferencia entre un sistema que asume el riesgo del mercado de forma pasiva y uno que lo gestiona activamente.
Año a año
Resultado de cada año, comparado con SPY:
| Año | Contexto | DeepTicker | S&P 500 |
|---|---|---|---|
| 2015–2017 | (bull tranquilo) | +54,4% | +29,9% |
| 2018 | (mini-bear) | +25,0% | −7,0% |
| 2019 | (recovery) | +10,5% | +28,7% |
| 2020 | (covid) | +41,6% | +15,1% |
| 2021 | (bull tardío) | +11,6% | +28,8% |
| 2022 | (bear real) | 0,0% | −19,9% |
| 2023 | (recovery) | +6,7% | +24,8% |
| 2024 | (bull AI) | +24,1% | +24,0% |
| 2025 | (bull continuado) | +13,7% | +16,6% |
| TOTAL CAGR | 11 años | +16,06% | +11,53% |
En los once años DeepTicker terminó positivo, incluyendo los dos años en los que el SPY perdió: 2018 y 2022. En bull markets fuertes y prolongados (2019, 2021, 2023, 2025) el sistema se queda algo por debajo del SPY — es el coste estructural de mantener exposición controlada al riesgo.
Las métricas que importan
Validación in-sample / out-of-sample
El sistema se diseñó usando datos del periodo 2015–2020 (in-sample) y se validó después sobre el periodo 2021–2025 (out-of-sample), que el sistema nunca había visto durante el diseño.
El CAGR baja entre IS y OOS — algo esperable en cualquier sistema basado parcialmente en momentum. Pero lo importante: el drawdown se mantiene casi idéntico (12,9% en IS vs 12,5% en OOS). La robustez del sistema viene del control del riesgo, no de la captura del momentum puro.
En out-of-sample, DeepTicker entregó CAGR del +10,54% con drawdown del 12,5%. El SPY entregó +13,11% con drawdown del 25,4%. DeepTicker se quedó algo corto en rentabilidad pero con la mitad del riesgo. Calmar OOS de DeepTicker: 0,84. Calmar OOS de SPY: 0,52.
Lo que DeepTicker
no promete.
Cualquier sistema con resultados como los nuestros debería venir acompañado de una sección de limitaciones honestas. La nuestra es esta:
En bull markets fuertes nos quedamos cortos
2019, 2021, 2023 y 2025 fueron años en los que el S&P 500 nos ganó. Es el coste estructural de mantener cash y exposición defensiva controlada. Cuando todo sube sin parar, el sistema sigue siendo prudente — eso te quita rentabilidad en esos años. A cambio gana fuerte en los años malos. Si tu objetivo es maximizar rentabilidad sin importar el drawdown, este sistema no es para ti.
El factor momentum puede dejar de pagar
El sleeve ofensivo depende de que el factor momentum siga siendo un factor que paga en los mercados. En décadas donde el momentum falle (los años 80 fueron de value, por ejemplo), el sistema degradará. No podemos garantizar que la rentabilidad del backtest sea exactamente replicable en el futuro.
El backtest no es el futuro
Un CAGR del +16,06% sobre 11 años no significa que vayas a obtener +16% al año cada año. Habrá años buenos y años flojos. Lo que sí modelamos con realismo es el peor caso del periodo: drawdown máximo del 12,5%. Asume que en algún momento verás tu cartera con esa caída y decide ahora si lo soportarías.
La validación out-of-sample muestra degradación
En out-of-sample (2021-2025), el sistema dio CAGR del +10,54% vs los +20,88% del in-sample. El drawdown se mantuvo igual, pero la rentabilidad se redujo. En el peor escenario realista, podríamos quedar en línea con SPY pero con la mitad del drawdown. Eso ya sería un resultado decente, pero queremos que lo sepas.
No es asesoramiento financiero
DeepTicker es una herramienta de análisis algorítmico. Te muestra qué hacer según un sistema cuantitativo, pero la decisión final y la ejecución es tuya. No somos asesor financiero registrado y no podemos garantizar resultados. Operar en bolsa conlleva riesgo de pérdida.
Survivorship bias en el backtest
Nuestro universo de backtest son los 261 componentes actuales del S&P 500 con datos completos desde 2015. Esto excluye empresas que salieron del índice o quebraron durante el período (sesgo de supervivencia). Estimamos que el CAGR real ajustado se situaría entre +12% y +14% en lugar del +16,06% del backtest. El control del drawdown no se ve afectado significativamente porque proviene de la asignación dinámica vía Health Score, no del momentum puro. Tenemos planificado rehacer el experimento con datos point-in-time auditados cuando el producto alcance escala suficiente.
Impuestos no modelados en el backtest
Los resultados mostrados son antes de impuestos. En España, las ganancias de capital tributan al 19% (hasta 6.000€), 21% (6.000–50.000€) y 23% (>50.000€). Esto reduce el CAGR neto real entre 2 y 4 puntos según el volumen anual de ganancias. La única regla fiscal modelada es el filtro anti-recompra (configurable por país de residencia). No están modelados: FIFO, retenciones de dividendos USA (15%), efecto cambio EUR/USD, ni el efecto de pagar impuestos cada año vs. mantener un ETF acumulativo europeo (UCITS).
DeepTicker NO es asesoramiento financiero
DeepTicker es una herramienta de análisis cuantitativo que muestra señales derivadas de un modelo algorítmico. No constituye asesoramiento financiero ni recomendación personalizada de inversión según la definición de la Comisión Nacional del Mercado de Valores (CNMV).
No estamos registrados como Empresa de Asesoramiento Financiero (EAFI) ni como Empresa de Servicios de Inversión (ESI). No analizamos tu perfil de riesgo individual, situación financiera u objetivos personales antes de mostrar señales.
Las decisiones de inversión y su ejecución son responsabilidad exclusiva del usuario. El usuario debe valorar si cada operación es adecuada a su perfil, conocimientos y situación, y debe consultar con un profesional regulado si necesita asesoramiento personalizado.
Operar en bolsa conlleva riesgo de pérdida del capital invertido. Los resultados mostrados en backtest son simulaciones históricas y no garantizan rentabilidades futuras. La rentabilidad real puede ser significativamente diferente debido a costes, fiscalidad, slippage, errores de ejecución y otros factores no totalmente modelados.
Ahora ya sabes cómo funciona.
Empieza a operar con un sistema testado durante once años. Catorce días gratis, sin tarjeta. Cancelas cuando quieras.
EMPEZAR 14 DÍAS GRATIS