Caos y Análisis Técnicos

Do you want to read it in english? --> Click here

Últimamente estoy desarrollando una relación amor-odio con noise.cash. Cada vez me cuesta más visibilizar una lógica justa en su comportamiento y en su sistema de premiado. En resumen, se está volviendo en un sistema cada vez más caótico en el que no se pueden hallar respuestas precisas, aunque sí se pueden detectar patrones de conducta que comienzan a emerger entre usuarios y usuarias—esto será tema para otro artículo.

Fíjense en lo caótico que me resulta que, a la vez que en ocasiones me siento triste con la plataforma, de vez en cuanto me encuentro con alguna joyita realmente interesante e inspiradora que me alegra el día.

Inspiración

Y en este caso, la inspiración, surgió del mismísimo Mr. Marc De Mesel (no lo cito con la @ porque como read.cash te avisa cuando te citan, no me quiero ni imaginar la cantidad de avisos que recibirá este hombre). Mr. De Mesel publicó en noise.cash una valoración sobre un artículo que había leído [https://noise.cash/post/l0jkxw2n].

En él afirmaba que los “Análisis Técnicos” de las criptomonedas (en adelante AT), no sirven realmente. En su post se aludía a un artículo de Mr. @Dave_Gutteridge aquí en read.cash

Lo primero que pensé es que no podía estar más de acuerdo.

Los AT siempre me parecieron completamente arbitrarios. Básicamente porque no es posible predecir un sistema complejo no lineal y caótico. En otras palabras: no podemos predecir un sistema no determinista —al menos, no como entendemos habitualmente el determinismo.

Al leer el artículo de Mr. Gutterigde me encontré con varias frases realmente brillantes con las que estoy plenamente de acuerdo. Desconozco si el autor está familiarizado con la Teoría General de Sistemas, Dinámica de Sistemas, los Sistemas Complejos, la no linealidad y el Caos. Sea como sea, da en el clavo en varios aspectos.

Por ejemplo, dice que los análisis técnicos:

“Son una especie de intento de controlar un universo aleatorio proclamando algún tipo de maestría en encontrar patrones en sistemas caóticos”

Particularmente cambiaría “aleatorio” por “impredecible”. El caos es impredecible pero no aleatorio. Y el universo, también.

Impredecible no es exactamente aleatorio. Más adelante les trataré de explicar por qué.

Aun así, la frase es impecable y demoledora.

Otra frase que inspiró este artículo es la que señala, también refiriéndose a las predicciones en los AT:

“Tratar de predecir el siguiente movimiento del mercado a través de patrones de movimientos pasados es como tratar de predecir el tiempo que hará mañana basándonos en cuánto se parece la forma de las nubes de hoy a un caballo”.

No solo es brillante, ¡sino que además es muy divertida!

¿Y a qué viene todo esto? A que hoy les quiero hablar del Caos.

Me gusta el estudio de sistemas. Hace años que los estudio y siento una tremenda debilidad por los sistemas caóticos. Tal vez, si soy hábil y no les aburro mucho, pueda contagiarles de esta fascinación por el caos.

Pero, me gustaría explicarles el sublime vínculo que existe entre estas dos frases tan acertadas de Mr. Dave Gutterigde y que tanto me cautivaron al leer su artículo.

Recuerden las palabras clave de ambas frases: maestría en detectar patrones en el caos y predecir el tiempo de mañana.

Porque, ¿saben qué? El caos lo identificó un meteorólogo.

Bueno, en realidad era un tremendo matemático estadounidense llamado Edward Norton Lorenz, metido a meteorólogo.

Verán, hasta la llegada de las computadoras las previsiones del tiempo se hacían de manera estadística. Esto es:

1)      Durante años se llevaba un registro de las condiciones diarias (temperatura, presión atmosférica, viento... etc.).

2)      Se medían las condiciones del día actual y se buscaba en el registro algún día del pasado en el que las condiciones fuesen lo más similares posibles.

3)      Se recuperaba el tiempo que hizo al día siguiente y se daba por hecho que sucedería lo mismo.

Se predecía el tiempo basándose en datos estadísticos recabados del pasado —en lugar de en la dinámica real del sistema atmosférico. Ya imaginarán que estas previsiones fallaban más que una escopeta de feria. Tal vez por eso, la meteorología era entendida como una disciplina realmente menor y bastante desprestigiada.

Pues bien, eso es lo que hacen los AT: miran unos cuantos datos del pasado para tratar de predecir, estadísticamente, lo que ocurrirá mañana.

Su primera computadora

Pero volvamos a ese matemático-meteorólogo estadounidense llamado Edwar Norton Lorenz al que le llegó su bonito ordenador (probablemente un IBM). Lorenz se dedicó a aprender a programar aquella máquina (imaginen un manual de usuario que parecía una auténtica enciclopedia) con el fin de recrear un entorno simulado en el que él pudiese meter los valores atmosféricos. Así la máquina realizaría los cálculos para predecir el tiempo que haría de ahí en adelante. No era una cuestión estadística. Era un intento por reproducir en un ordenador la propia dinámica del sistema atmosférico.

De entrada, Lorenz vio que aquella máquina no podía manejar a la vez todas las variables que afectan a la meteorología real (piensen en un primitivo ordenador con velocidad de procesamiento y memoria tremendamente limitadas). De modo que creó un modelo reducido con tan solo cuatro o cinco variables: dirección y velocidad del viento, temperatura, presión atmosférica y alguna que otra más. Imposible meter todos los centenares de variables allí porque la máquina no daba para eso. Pero como experimento, era suficiente.

Y ahí pasaba los días jugueteando con su modelo reducido y sus simulaciones nuestro amigo Lorenz.

Pero un día, se le ocurrió que quería repetir una simulación en curso. De modo que la detuvo, imprimió los valores de unos cuantos ciclos (días simulados en la computadora), los introdujo de nuevo en la máquina y reinició la simulación.

Lorenz quedó asombrado. Ambas simulaciones empezaban igual (lógico pues partían de los mismos valores), pero durante los primeros ciclos la nueva simulación se iba desviando de la simulación original. Y al de unos cuantos ciclos más mostraba unos resultados completamente dispares.

No cada vez más desviados ¡sino completamente dispares!

Les omito la locura de Lorenz repitiendo y repitiendo los cálculos, pensando en que la computadora no funcionaba, que había programado mal la simulación y volviendo a introducir datos, una y otra vez, con exquisita delicadeza para no equivocarse en ninguna cifra… ¿Qué diablos estaba fallando? ¿Por qué las simulaciones eran tan distintas si partían de los mismos datos?

Finalmente, Lorenz se dio cuenta de dónde estaba el error. La primera simulación de la computadora manejaba un número muy elevado de decimales (como un saldo en criptomonedas, vamos). Pero al imprimirlos, la impresora solo imprimía unos cuantos y redondeaba las fracciones más infinitesimales. De modo que al copiar los datos de la hoja impresa e introducirlos en la computadora, Lorenz arrastraba un error infinitesimal. ¡INFINITESIMAL!

Malditas mariposas

Pero entonces, ¿por qué las simulaciones no mostraban ese error desviándose una de la otra cada vez más? ¿Por qué al de unos pocos ciclos los resultados eran tan dispares que eran irreconocibles?

Resultó que Lorenz habría recreado un sistema no lineal y caótico. Esto quiere decir que se trata de un sistema en los que una ligerísima variación en las condiciones tiene efectos magnificados e impredecibles.

¡Y eso, en un modelo simplificado con unas pocas variables! Imagínense en el mundo real, con cientos o miles de ellas.

¿Les suena la frase de que “el aleteo de una mariposa en Brasil puede ocasionar un tornado en Texas”? ¿Eso a lo que llaman “el efecto mariposa”? La empleaba Lorenz.

Bueno, a decir verdad, la probabilidad de que eso suceda es francamente tan mínima que podríamos decir que es “imposible” (aunque matemáticamente sí que lo es). Así que no deben tomarlo al pie de la letra —tal vez, si millones de mariposas aletean al mismo tiempo… ¿Quién sabe?

Lo que la frase de Lorenz quiere decir es que no tenemos los instrumentos para contemplar la gran cantidad de variables que intervienen en un sistema complejo y no lineal y mucho menos para medirlas con tal exactitud como para poder predecir su comportamiento. Recuerden: estamos hablando de sistemas tan sensibles a las condiciones en los que una variación minúscula da como resultado un comportamiento completamente diferente.

En la meteorología actual, la cosa no ha cambiado mucho. De hecho, usan sofisticados simuladores computacionales e introducen incontables variables con un alto grado de precisión. Nada que ver con la rudimentaria máquina de Edward pero el mismo método.

Y, aun así, hoy en día los meteorólogos pueden predecir con un altísimo grado de probabilidad (probabilidad, que no determinismo) el tiempo que hará mañana. Con bastante probabilidad el tiempo que hará pasado. Más difícilmente el de dentro de tres días y en cuanto al tiempo de dentro de una semana… pues es básicamente emplean la fantasía.

En una semana, el sistema puede variar tanto por una mínima imprecisión en los datos que lo mismo pueden decir que hará sol y se desata una tormenta que bate todos los récords de la historia de las tormentas. Y eso, empleando simuladores computacionales potentísimos, una enorme cantidad de variables y mediciones muy muy precisas.

El caos no es aleatorio

Pero, aunque imprevisible, el caos no es aleatorio. Porque, hablando de mariposas:

Cuando Lorenz hizo una representación tridimensional de ambos sistemas simulados (el original y el que funcionaba con los datos de la hoja impresa) descubrió algo fascinante.

Resulta que ambas simulaciones eran completamente dispares, pero, a lo largo del tiempo, los estados que una y otra trataban de alcanzar dibujaban una forma muy precisa.

Como de una mariposa.

Es decir, que por muchas alteraciones que hubiese entre ambas simulaciones, al final resultaba que ambas orbitaban entre dos estados por los que se veían atraídos. Era como si dos imanes estuviesen ejerciendo su influencia en el comportamiento de las simulaciones. A la figura resultante se la conoce como el extraño atractor de Lorenz.

Lorenz publicó su hallazgo en una revista menor, de meteorología, que como les dije estaba bastante denostada como disciplina. Y allí se quedó publicada varios años hasta que alguien se fijó en ella. Hoy en día, identificamos el caos en muchísimos sistemas a nuestro alrededor, y se han descubierto multitud de extraños atractores- Todo ello gracias, en gran medida, a Edward Lorenz.

Se le llama “extraño” porque no corresponde a ninguna figura de la geometría tradicional. Y "atractor", porque el sistema se ve “atraído” por él. Es decir, el sistema no hace cosas aleatorias, sino que hay un orden más sublime que emerge del caos cuando lo observamos a una escala superior.

¿Mariposas? ¡Mejor estorninos!

A ver si lo explico. Imagínense una bandada de estorninos al vuelo. Son como una nube de pájaros que va cobrando extrañas formas. Es imposible predecir hacia donde girarán o la forma que adoptará la bandada. Pero no vuelan cada uno en una dirección aleatoria, sino que siguen un cierto orden.

Sublime, impredecible y que ni nosotros, ni los propios estorninos pueden comprender, pero que existe y limita el comportamiento de la bandada. No se va cada cual por un lado o se forman múltiples grupos. Guardan un orden. No es aleatorio. (Sí amigos, del caos emerge el orden, pero eso también lo dejamos para otro artículo)

Pues bien, pretender predecir el futuro de los mercados mirando una gráfica es como predecir lo que harán los estorninos en pleno vuelo y qué forma adoptará la bandada mirándolos. Y también es llamar idiota a Edward Lorenz porque solo tenía que observar por su ventana, mirar las nubes y predecir si llovería o no (igual que quienes hacen algunos AT: mirar por su ventana digital y olfatear el aire para saber si lloverá mañana). Absurdo, ¿no creen?

Es verdad que existen patrones en los sistemas caóticos, es verdad que pueden revelar cierto orden y es verdad que son de cierta utilidad para dibujar escenarios futuros posibles.

Escenarios, más de uno.

Posibles, no determinísticos.

A mi esos “suelos” y “resistencias” de los AT también me parecen totalmente arbitrarios. Tanto como poner la rayita horizontal más arriba o más abajo según me parezca bien. ¿Qué patrón es ese? ¿Qué tendencia? ¿Durante cuánto tiempo se ha mantenido? ¿Y si lo observo a una escala superior (en una franja de tiempo más amplia)? ¿Cuántos ciclos revelan un patrón? ¿Y por qué?

Mr. Dave Gutterigde, también señala esta arbitrariedad. Y coincido con su opinión.

Piensen en la dinámica de los mercados de criptomonedas, no en su estadística.

¿Cuántas variables afectan? ¿Cuántas podemos medir con precisión? ¿Y si mañana un país anuncia determinadas medidas para regular las criptomonedas? ¿Y si en una ciudad se suspende el servicio de Internet y miles de inversores no pueden operar durante un lapso de tiempo? ¿Y si surge un nuevo proyecto de criptomoneda que resulta más atractivo? ¿Y si la Elon´s Mask noisea algo como esto: https://noise.cash/post/lg787z87? (perdonen esta última broma, pero ya me entienden a qué tipo de declaraciones en redes me refiero).

Podríamos poner ejemplos ad eternum de variables que afectan en menor o mayor medida al precio de las criptomonedas, incluyendo políticas fiscales, conflictos geopolíticos o sencillamente, que algún grandísimo inversor se despierte o no de buen humor.

¿Cómo contemplar todas estas variables con la suficiente exactitud? Ojo, son variables que intervienen todas a la vez, y todos los días.

Desde luego, no creo que mirando un histórico y tratando de extraer resultados estadísticos.

Un poquito de sentido común

Pero es que, además, piensen en lo siguiente:

Si alguien es capaz de predecir los mercados, ¿Cómo es que no es multimillonario y se ha retirado a, no sé, las Bahamas?

Tal vez sea una persona completamente altruista que lo que quiere es compartir su conocimiento y que todos seamos multimillonarios/as. Entonces, ¿a qué viene cobrar por un curso o pedir una suscripción a su canal?

Y, por otra parte, si alguien descifra el caos hasta el punto de poder predecirlo con certeza, merece dos cosas:

1)      Varios premios Nobel (como mínimo de física y de matemática)

2)      Que destruyamos su descubrimiento y lo ignoremos, porque habrá decodificado el cosmos al completo de manera determinista y habrá acabado con nuestro libre albedrío. A partir de entonces, los seres humanos seríamos comprendidos también como sistemas deterministas en los que en nada afecta nuestra voluntad. Estaríamos destinados a hacer todo cuanto hacemos, como sistemas que somos, y ni siquiera se nos podría pedir responsabilidad alguna por nuestros actos.

Entonces, ¿por qué hacen esos análisis técnicos?

Pues verán, se me ocurren varias razones, pero les diré tres:

1)     Cuando un youtuber con una camiseta de un conocido exchange hace un AT que indica que la moneda de ese exchange va a subir, pues no me hace falta ser demasiado inteligente para saber por qué lo hace.

2)     Cuando me dicen que le de like y me suscriba a un canal, o me plantan un enlace de referidos o me invitan a pagar una cuota para sumarme a un grupo exclusivo de “traders”, tampoco me quedan dudas de por qué.

3)     Y a veces se trata de convencer al mayor número de inversores posible para que su profecía se convierta en realidad (muchas personas compran, el precio sube) a base de seducir a incautos. Lo que viene siendo una profecía autocumplida.

¡Ah! Lo olvidaba. Ya saben, la coletilla para evitar las leyes anti-estafas:

“No tomen este artículo como un consejo de inversión y hagan sus propios AT.”

Total, todos valen exactamente lo mismo.

Pero si los hacen, que sea por pura diversión. Para poco más les van a servir.

PD: Si aún siguen ahí sin haberse quedado dormidos y les ha gustado esta introducción al Caos y los sistemas no lineales, les dejo una pequeña bibliografía en la que se basan mis afirmaciones y que les puede resultar interesante:

Obras de divulgación y de fácil lectura que hablan sobre el caos de manera sencillas (muy recomendables):

• Pérez, A. (2019). La teoría del caos. Las leyes de lo impredecible. Barcelona: RBA Libros S.A.

• Gell-Mann, M. (2004). El quark y el Jaguar. Aventuras de lo simple y lo complejo. Barcelona: Tusquets Editores, S.A.

• Gleick, J. (2012). Caos. La creación de una ciencia. Barcelona: Crítica. (Original en inglés en 1987).

• Johnson, S. (2003). Sistemas emergentes. O qué tienen en común, hormigas, neuronas, ciudades y software. Madrid: Turner Publicaciones, S.L. 

Obras más especializadas (hay que manejar algunos conceptos de la física y la matemática avanzada):

• Prigogine, I. (1996). El fin de las certidumbres. Santiago de Chile: Editorial Andrés Bello.

• Prigogine, I. & Stengers, I. (1983). La nueva alianza. Metamorfosis de la ciencia. Madrid: Alianza Editorial, S.A.

• Stewart, I. (2001). ¿Juega Dios a los dados? Las nuevas matemáticas del caos. Barcelona: Editorial Crítica S.A.

Obras científico-técnicas (para personas ya avanzadas en el estudio del caos y de los sistemas):

• Bar-Yam, Y. (1997). Dynamics of Complex Systems. Reading: Addison-Wesley.

• Wolfram, S. (2002). A New Kind of Science. Champaign: Wolfram Media Inc.