Atractores en el HFT: cuando las matemáticas se encuentran con el mercado

Imagina lo siguiente: dejas caer una canica en un embudo. No importa dónde la sueltes, siempre rueda hacia el centro. Ese centro es el atractor: un punto de convergencia de todas las trayectorias posibles. Ahora imagina que los mercados financieros funcionan de manera similar, pero en lugar de canicas tenemos precios de activos y, en lugar de un embudo, patrones matemáticos complejos. ¡Bienvenido al mundo de los atractores en el trading de alta frecuencia!

¿Qué es un atractor y para qué lo necesita un trader?

Un atractor es un subconjunto compacto del espacio de fases de un sistema dinámico, hacia el cual tienden todas las trayectorias de un cierto entorno a medida que el tiempo se aproxima al infinito[1][7]. ¿Suena intimidante? En realidad es simple: es un punto o una región hacia la cual el sistema es "atraído" como un imán[8][16].

Los atractores están por todas partes en el mundo real. Un péndulo con fricción acabará deteniéndose en su punto más bajo: ese es su atractor[1][7]. El agua de una bañera siempre se va por el desagüe, por muchos remolinos que crees en la superficie. Incluso el comportamiento humano tiene sus propios atractores: hábitos a los que volvemos una y otra vez.

En los mercados financieros, los atractores aparecen como ciertos precios o patrones recurrentes a los que el mercado regresa repetidamente[8][16]. Por ejemplo, el precio de equilibrio actúa como un atractor que arrastra el precio actual hacia sí mismo[10]. Esto explica por qué los precios de las acciones no se disparan hasta el infinito, sino que oscilan alrededor de ciertos niveles.

Fundamentos teóricos: de lo simple a lo complejo

Diagrama conceptual que muestra atractores de punto, ciclos límite y atractores extraños en un sistema dinámico

Existen distintos tipos de atractores. El más simple es el atractor de punto. Es el clásico ejemplo del péndulo: el sistema acaba estabilizándose en un único punto[1][3]. En el trading, un atractor así puede corresponder al valor justo de un activo calculado a partir de los fundamentales.

Un caso más interesante es el ciclo límite. El sistema no se detiene en un solo punto, sino que se mueve cíclicamente a lo largo de una trayectoria cerrada[3]. En los mercados, esto puede corresponder a fluctuaciones estacionales de precios o a niveles técnicos de soporte y resistencia.

Pero los más fascinantes son los atractores extraños. Tienen un aspecto complejo y pueden revelar un orden oculto en el comportamiento aparentemente aleatorio del mercado[8][16]. La estructura de un atractor extraño es fractal; las trayectorias son aperiódicas, pero permanecen dentro de una región acotada del espacio[7]. El ejemplo clásico es el atractor de Lorenz, que describe el comportamiento caótico en sistemas deterministas[1][17].

Edward Lorenz, el fundador de la teoría del caos, descubrió que cambios diminutos en las condiciones iniciales conducen a resultados drásticamente diferentes: el famoso "efecto mariposa"[17]. En los mercados financieros, esto significa que eventos menores pueden desencadenar saltos de precios impredecibles[17].

Visualización del "efecto mariposa": cómo pequeñas fluctuaciones locales pueden desencadenar movimientos masivos y globales del mercado

Atractores en los mercados financieros

En el contexto de los mercados financieros, los atractores se manifiestan a diferentes escalas temporales y en diversas formas. En el nivel de alta frecuencia, están motivados por argumentos de arbitraje: la ley de un solo precio implica que activos idénticos deberían negociarse al mismo precio para evitar oportunidades de arbitraje[15]. Esto crea atractores entre los precios de un mismo activo negociado en distintos mercados.

A frecuencias más bajas, los atractores están vinculados a teorías económicas que implican relaciones de equilibrio entre variables de series temporales[15]. El modelo de renta permanente implica cointegración entre consumo e ingreso; los modelos de demanda de dinero implican cointegración entre dinero, ingreso, precios y tipos de interés[15].

El comportamiento del mercado durante las crisis es especialmente interesante. Como señala un trader: "el precio siempre se mueve hacia un estado de equilibrio, y hay muchos de ellos"[10]. Un estado de equilibrio puede definirse como un precio en el que el número de órdenes a mercado es menor o igual que el número de órdenes limitadas[10]. Así, el precio de equilibrio arrastra el precio actual hacia sí mismo, actuando como un atractor[10].

La cointegración como manifestación práctica de los atractores

Aquí llegamos al vínculo clave entre los atractores y la cointegración. La cointegración describe una relación a largo plazo entre dos o más precios de activos[6]. Cuando dos activos están cointegrados, comparten tendencias estocásticas comunes y sus precios se mueven juntos[6].

Los precios de los activos cointegrados están vinculados debido a la estacionariedad del spread[6]. Esto significa que el spread entre los precios no tiende a crecer ni a caer sin límite, sino que fluctúa alrededor de una cierta media. En esencia, esa media es el atractor del spread.

Cointegración en el pairs trading: los precios de dos activos relacionados orbitando en torno a una trayectoria de equilibrio común a largo plazo (el atractor)

Veamos un ejemplo práctico. Tomemos un par de acciones cointegradas, A y B. El spread entre ellas se calcula como: Spread = P_A - γ*P_B, donde γ es el coeficiente de cointegración[4][20]. Este spread tiende a ser estacionario, es decir, tiene una media constante y una varianza limitada[4][20].

Cuando el spread se desvía de su media (el atractor), surge una oportunidad de trading. Si el spread es demasiado grande, podemos vender el activo A y comprar el activo B, esperando que el spread vuelva a la media. A la inversa, si el spread es demasiado pequeño o negativo, hacemos lo contrario[4][9].

Aplicación en el trading algorítmico

El trading algorítmico moderno utiliza activamente el concepto de atractores para construir estrategias de trading[2]. Los algoritmos pueden monitorizar datos de mercado, identificar patrones y ejecutar órdenes de forma mucho más eficiente de lo que jamás podría hacerlo un humano[2].

La empresa Algoter, especializada en trading cuantitativo, combina aprendizaje automático, análisis de datos en tiempo real y un profundo conocimiento del mercado en su producto insignia Goldseek para desarrollar estrategias que se adaptan a la cambiante dinámica del mercado[2]. En lugar de reaccionar al mercado, estos sistemas buscan anticiparse a él, ayudando a los inversores a mantenerse por delante de la volatilidad y las oportunidades[2].

Con el desarrollo de la inteligencia artificial y el aprendizaje por refuerzo, la próxima generación de sistemas de trading puede aprender de datos pasados, ajustar estrategias sobre la marcha e incluso reconocer nuevos regímenes de mercado antes de que se formen por completo[2].

El pairs trading es una de las estrategias más populares basadas en el concepto de atractores[9][14]. Se trata de una estrategia de trading neutral al mercado que permite a los traders obtener beneficios en casi cualquier condición de mercado: tendencia alcista, tendencia bajista o movimiento lateral[14].

La estrategia sigue el rendimiento de dos valores históricamente correlacionados. Cuando la correlación entre ambos se debilita temporalmente —una acción sube mientras la otra baja—, el pairs trading consiste en vender la acción que rinde mejor y comprar la que rinde peor, apostando a que el "spread" entre ellas acabará convergiendo[14].

Estrategias prácticas de trading

Consideremos una implementación concreta de una estrategia basada en atractores. Por ejemplo, tomemos un par de acciones (VSYDP, NKHP) que muestran cointegración[4].

Paso 1: Determinación de parámetros Utiliza la primera mitad de las observaciones para determinar los parámetros de la estrategia de trading. Calcula el coeficiente de cointegración γ y determina el nivel medio del spread (nuestro atractor)[4].

Paso 2: Generación de señales Establece umbrales de desviación respecto al atractor. Normalmente se utilizan desviaciones estándar del spread. Cuando el spread se desvía de la media en 2 desviaciones estándar en cualquier dirección, se genera una señal de trading[4].

Paso 3: Ejecución de operaciones Si el spread está por debajo del umbral inferior, compra la acción A y vende la acción B en una proporción 1:γ. Cuando el spread regresa a la media (el atractor), cierra la posición[4].

Paso 4: Gestión del riesgo Establece un stop-loss por si el spread empieza a formar tendencia en lugar de revertir a la media. Esto puede ocurrir debido a cambios estructurales en la relación entre los activos[14].

Estas estrategias se automatizan mediante sistemas especializados. Por ejemplo, el robot TradeHelp ofrece la función "Cointegration Scoring", que calcula la cointegración mediante el test de Johansen para cestas de arbitraje de dos o más valores[18].

Métodos avanzados y atractores multidimensionales

Sistema multidimensional (test de Johansen): una cesta de activos que gravita simultáneamente hacia un atractor complejo común

Los enfoques modernos no se limitan al pairs trading. El test de Johansen permite trabajar con sistemas multidimensionales en los que varios activos tienden simultáneamente hacia un atractor común[18]. Esto reduce significativamente los riesgos de arbitraje y aumenta la estabilidad de la estrategia[18].

Al calcular los coeficientes de cointegración (los pesos de los valores en la cesta), se tiene en cuenta no solo la cantidad de dinero por valor, sino también su volatilidad[18]. La base del arbitraje de cesta no presenta una tendencia pronunciada, lo que aumenta la probabilidad de que la base vuelva a la media y genere beneficio[18].

También es importante comprender la diferencia entre cointegración de alta y de baja frecuencia. La cointegración de alta frecuencia está motivada por argumentos de arbitraje y suele estar asociada a factores técnicos de trading[15]. La cointegración de baja frecuencia se basa en relaciones económicas a largo plazo y puede persistir durante años[15].

Limitaciones y riesgos de las estrategias basadas en atractores

A pesar del atractivo del concepto de atractor, el trading basado en él no está exento de riesgos. La principal dificultad surge cuando los precios de dos valores empiezan a divergir: el spread comienza a formar tendencia en lugar de revertir a la media original[14].

La deriva (drift) es uno de los principales riesgos. Cuando los valores medios cambian, esto se denomina a veces "deriva"[14]. El atractor puede desplazarse a una nueva posición, y el antiguo modelo de trading deja de funcionar. Para contrarrestarlo se requieren reglas estrictas de gestión del riesgo, que obliguen al trader a salir de una operación perdedora en cuanto la premisa original —la apuesta por la reversión a la media— deja de ser válida[14].

Los riesgos de modelo también son significativos. Las estrategias neutrales al mercado asumen que el modelo CAPM es válido y que la beta es una estimación correcta del riesgo sistemático; de no ser así, tu cobertura podría no protegerte adecuadamente cuando los mercados se muevan[14].

El efecto mariposa en los sistemas financieros significa que incluso los cambios más pequeños al inicio pueden conducir a consecuencias grandes e inesperadas[8][17]. Las más leves variaciones en los datos de entrada o en el modelo pueden alterar enormemente las previsiones, dificultando la predicción a largo plazo[8].

Aspectos técnicos de la implementación

La implementación práctica de estrategias basadas en atractores requiere una seria preparación técnica. Los sistemas modernos utilizan R o Python para los cálculos estadísticos[18]. Los algoritmos deben operar en tiempo real, procesando grandes volúmenes de datos de mercado.

Los componentes técnicos clave incluyen:

Sistema de recolección de datos: para obtener cotizaciones en tiempo real y datos históricos para el backtesting.

Módulo de análisis estadístico: para calcular la cointegración, identificar atractores y generar señales de trading.

Sistema de gestión del riesgo: para controlar el tamaño de las posiciones, establecer stop-loss y monitorizar el riesgo global de la cartera.

Módulo de ejecución de órdenes: para la colocación y gestión automáticas de las órdenes de trading.

La baja latencia también es crítica. En el trading de alta frecuencia, la velocidad de reacción permite a los traders aprovechar spreads más estrechos[14].

Conclusión: el futuro de los atractores en el trading

El concepto de atractores en el trading algorítmico es una herramienta poderosa para comprender y predecir el comportamiento del mercado. La cointegración es la encarnación práctica de los atractores en los mercados financieros, donde los spreads entre activos relacionados tienden hacia valores de equilibrio.

Las modernas tecnologías de aprendizaje automático e IA abren nuevas posibilidades para detectar atractores ocultos en los datos de mercado[2]. Los sistemas se están volviendo capaces no solo de seguir reglas preprogramadas, sino también de mejorar constantemente en respuesta a la retroalimentación del mercado[2].

Sin embargo, es importante recordar que los mercados financieros son sistemas adaptativos complejos en los que el comportamiento de los participantes evoluciona constantemente. Los atractores pueden desplazarse, desaparecer o aparecer en nuevos lugares. El trading exitoso basado en atractores requiere no solo comprender los principios matemáticos, sino también adaptarse constantemente a las cambiantes condiciones del mercado.

En última instancia, los atractores en el HFT no son una fórmula mágica para obtener beneficios garantizados, sino una herramienta para comprender mejor la dinámica del mercado. Como cualquier herramienta, requiere una aplicación hábil, una mejora continua y un sano escepticismo hacia los propios modelos.

Cita

@article{soloviov2025attractorsalgotrading,
  author = {Soloviov, Eugen},n  title = {Attractors in HFT: When Mathematics Meets the Market},
  year = {2025},
  url = {https://marketmaker.cc/en/blog/post/attractors-algotrading},
  version = {0.1.0},
  description = {How the concept of attractors and cointegration helps build market-neutral strategies and understand market dynamics.}
}

Referencias

1. https://smart-lab.ru/blog/816882.php
2. https://algoter.com/алгоритмическая-торговля/объяснение-алгоритмической-торговли/?lang=ru
3. https://keldysh.ru/comma/html/ds/attractors.html
4. https://habr.com/ru/articles/344674/
5. https://www.ig.com/de/trading-strategien/pairs-trading-erklart-190520
6. https://hudsonthames.org/an-introduction-to-cointegration/
7. https://ru.wikipedia.org/wiki/Аттрактор
8. https://www.mql5.com/ru/articles/15332
9. https://utmagazine.ru/posts/6789-parnyy-treyding-para-akciy-korrelyaciya-kointegraciya-spreda-investicionnyy-portfel
10. https://www.mql5.com/ru/forum/434802
11. https://ru.wikipedia.org/wiki/Алгоритмическая_торговля
12. https://ya.ru/neurum/c/nauka-i-obrazovanie/q/chto_takoe_attraktor_i_chem_on_otlichaetsya_41ce2642
13. https://rusforexclub.com/articles/17-pair-trading/104-vvedenie-v-kointegratsiyu-vremennykh-ryadov
14. https://en.wikipedia.org/wiki/Pairs_trade
15. https://faculty.washington.edu/ezivot/econ584/notes/cointegration.pdf
16. https://ya.ru/neurum/c/ekonomika-i-finansi/q/kak_attraktory_ispolzuyutsya_v_modelirovanii_d0a7f160
17. https://smart-lab.ru/blog/1145333.php
18. https://robotcraft.ru/Article/Details/skoring-s-kointegraciej
19. https://perm.hse.ru/mirror/pubs/share/974309871.pdf
20. https://utmagazine.ru/posts/6820-kointegracionnyy-podhod-k-parnomu-treydingu