Asimetría Pérdida-Ganancia: La Matemática que Destruye tu Depósito

Por qué perder un 50% requiere un crecimiento del 100% para recuperarse, cómo el volatility drag destruye el capital incluso en mercados laterales, y qué fórmulas debe conocer todo trader algorítmico para construir su gestión de riesgo.

El Acertijo que Rompe la Intuición

Imagina: un activo subió 70%, luego cayó 70%. O al revés — primero cayó, luego subió. ¿Cuál escenario es más rentable?

La respuesta: ambos son igual de poco rentables. La multiplicación es conmutativa:

$100 \times 1.7 \times 0.3 = 100 \times 0.3 \times 1.7 = 51$

Perdiste el 49% de tu capital con un movimiento de precio "cero". Esto no es un error — es una propiedad fundamental de la naturaleza multiplicativa de los retornos.

Por Qué las Pérdidas Pesan Más que las Ganancias

El retorno porcentual es una operación en el espacio multiplicativo. Perder un 50% significa multiplicar por 0,5, y para volver al punto de partida necesitas multiplicar por 2 — es decir, ganar un 100%.

La Fórmula de Recuperación

Si perdiste $x\%$ de tu capital, el retorno requerido para volver al saldo inicial es:

$R_{recovery} = \frac{x}{100 - x} \times 100\%$

La derivación es elemental. Sea $C$ el capital inicial. Tras una pérdida del $x\%$:

$C_{after} = C \cdot \left(1 - \frac{x}{100}\right)$

Para recuperarse, $C_{after} \cdot (1 + R) = C$, por lo tanto:

$R = \frac{C}{C_{after}} - 1 = \frac{1}{1 - x/100} - 1 = \frac{x}{100 - x}$

Tabla de Asimetría

El coeficiente de asimetría crece de forma no lineal. Tras una pérdida del 50% entras en una zona de la que es estadísticamente casi imposible escapar sin cambiar de estrategia.

Volatility Drag: El Asesino Silencioso en Mercados Laterales

Incluso cuando el mercado "se queda quieto", la volatilidad por sí sola destruye el capital. Este fenómeno se llama volatility drag (o variance drain).

Definición Formal

Para una secuencia de retornos diarios $r_1, r_2, \ldots, r_n$, el retorno geométrico (real) es:

$G = \prod_{i=1}^{n}(1 + r_i) - 1$

El retorno aritmético (promedio) es:

$\bar{r} = \frac{1}{n}\sum_{i=1}^{n} r_i$

La relación entre ambos es aproximadamente:

$G \approx \bar{r} - \frac{\sigma^2}{2}$

donde $\sigma^2$ es la varianza de los retornos. El término $\frac{\sigma^2}{2}$ es el volatility drag.

Ejemplo: Mercado Lateral con 5% de Volatilidad Diaria

Supongamos que un activo sube o baja aleatoriamente un 5% cada día con igual probabilidad. Media aritmética = 0%. Pero el retorno geométrico:

$G \approx 0 - \frac{0.05^2}{2} = -0.125\%$

En 252 días de trading: $(1 - 0.00125)^{252} \approx 0.729$, es decir -27,1% anual con movimiento promedio "cero".

Para el mercado cripto, con una volatilidad diaria típica del 3–8%, esto significa que mantener un activo volátil sin una tendencia direccional garantiza una pérdida de capital.

Aplicación Práctica: Simulación en Python

import numpy as np

def simulate_volatility_drag(daily_vol: float, days: int = 252, simulations: int = 10_000) -> dict:
    """
    Monte Carlo simulation of volatility drag.

    Args:
        daily_vol: daily volatility (0.05 = 5%)
        days: number of trading days
        simulations: number of simulations

    Returns:
        Statistics of real (geometric) returns
    """
    daily_returns = np.random.normal(0, daily_vol, (simulations, days))

    cumulative = np.prod(1 + daily_returns, axis=1)
    geo_returns = cumulative - 1

    theoretical_drag = -0.5 * daily_vol**2 * days

    return {
        "mean_geometric_return": np.mean(geo_returns),
        "median_geometric_return": np.median(geo_returns),
        "theoretical_drag": theoretical_drag,
        "prob_loss": np.mean(geo_returns < 0),
        "worst_5pct": np.percentile(geo_returns, 5),
        "best_5pct": np.percentile(geo_returns, 95),
    }

result = simulate_volatility_drag(daily_vol=0.04)
print(f"Mean geometric return:  {result['mean_geometric_return']:.2%}")
print(f"Theoretical drag:       {result['theoretical_drag']:.2%}")
print(f"Probability of loss:    {result['prob_loss']:.2%}")
print(f"Worst 5%:               {result['worst_5pct']:.2%}")

Salida típica para una volatilidad similar a BTC:

Mean geometric return:  -17.34%
Theoretical drag:       -20.16%
Probability of loss:     63.28%
Worst 5%:               -72.41%

Implicaciones para el Trading Algorítmico

1. Riesgo/Beneficio y el Criterio de Kelly

Conociendo la asimetría de las pérdidas, el tamaño óptimo de posición se calcula mediante el criterio de Kelly:

$f^* = \frac{p \cdot W - (1 - p) \cdot L}{W \cdot L}$

donde $p$ es la probabilidad de ganar, $W$ es la ganancia promedio, y $L$ es la pérdida promedio (como fracción de la apuesta).

Para aplicaciones prácticas de trading, se usa el Kelly fraccional ($f^{*}/2$ o $f^{*}/3$), que reduce la volatilidad del capital con solo una reducción menor en los retornos a largo plazo.

2. Drawdown Máximo y Tamaño de Posición

Si una estrategia permite un drawdown máximo de $D_{max}$ y el stop-loss está fijado en $S\%$, el número máximo de stops consecutivos antes de un drawdown crítico es:

$n = \frac{\ln(1 - D_{max})}{\ln(1 - S)}$

Ejemplo: con $D_{max} = 20\%$ y un stop-loss del $2\%$:

$n = \frac{\ln(0.8)}{\ln(0.98)} = \frac{-0.2231}{-0.0202} \approx 11$

La estrategia puede sobrevivir 11 stops consecutivos. Conociendo el win rate, podemos estimar la probabilidad de tal racha:

$P(n\ \text{stops}) = (1 - WR)^n$

Con un win rate del 45%: $P = 0.55^{11} \approx 0.14\%$ — un riesgo aceptable.

3. Expectativa Geométrica de una Estrategia

El retorno real a largo plazo de una estrategia no es la media aritmética de las operaciones, sino la expectativa geométrica:

$E_{geo} = (1 + W)^p \times (1 - L)^{(1-p)} - 1$

Estrategia con $W = 3\%$, $L = 1\%$, $WR = 40\%$:

$E_{geo} = 1.03^{0.4} \times 0.99^{0.6} - 1 = 1.01194 \times 0.99401 - 1 = +0.59\%$

Estrategia con $W = 3\%$, $L = 3\%$, $WR = 50\%$ (parece "punto de equilibrio"):

$E_{geo} = 1.03^{0.5} \times 0.97^{0.5} - 1 = 1.01489 \times 0.98489 - 1 = -0.045\%$

Una estrategia con R:R simétrico y un win rate del 50% no es rentable debido al volatility drag.

4. Apalancamiento: Cuando la Palanca Rompe la Estrategia

El apalancamiento multiplica no solo los retornos, sino también el volatility drag. Sin apalancamiento, el drag es igual a $\frac{\sigma^2}{2}$; con apalancamiento $L$ se convierte en $\frac{L^2 \sigma^2}{2}$. La tasa de crecimiento geométrico del capital bajo apalancamiento:

$g(L) = L \cdot \mu - \frac{L^2 \sigma^2}{2}$

donde $\mu$ es el retorno esperado y $\sigma$ es la volatilidad del activo.

Un apalancamiento de 3× aumenta el drag 9 veces, no 3. Un apalancamiento de 10× — 100 veces. Un apalancamiento de 100× — 10.000 veces.

Apalancamiento Óptimo de Kelly

El máximo de $g(L)$ se alcanza en:

$L^* = \frac{\mu}{\sigma^2}$

Este es el óptimo teórico. En la práctica, se usa el Kelly fraccional ($L^*/2$ o $L^*/3$) por las mismas razones que en el dimensionamiento de posiciones: estimación imprecisa de $\mu$, distribuciones de colas pesadas, y volatilidad no estacionaria.

Tabla: Apalancamiento, Liquidación y Volatility Drag

Apalancamiento Máximo a Partir del Drawdown Objetivo

Si limitas el drawdown máximo a $D_{max}$ y el VaR diario del activo con un nivel de confianza del 99% es $V$:

$L_{max} = \frac{D_{max}}{V}$

Conclusión de la tabla: para el mercado cripto con su volatilidad, incluso 3× ya es un apalancamiento agresivo. El popular 50×–125× en los exchanges de cripto es una liquidación matemáticamente garantizada al primer movimiento normal del mercado.

Fórmula Práctica para Elegir el Apalancamiento

El enfoque robusto es tomar el mínimo de varias estimaciones:

$L_{opt} = \min\left(\frac{L_{Kelly}}{2},\quad \frac{D_{max}}{VaR},\quad \frac{\sigma_{target}}{\sigma_{current}},\quad L_{exchange}\right)$

donde:

• $\frac{L_{Kelly}}{2}$ — Kelly fraccional (la mitad del apalancamiento óptimo)
• $\frac{D_{max}}{VaR}$ — restricción de drawdown máximo
• $\frac{\sigma_{target}}{\sigma_{current}}$ — vol-targeting (ajuste a la volatilidad objetivo del portafolio)
• $L_{exchange}$ — límite del exchange

El mínimo garantiza que ninguna de las restricciones se viole. En la práctica, la restricción de drawdown suele ser la más restrictiva.

Calculadora interactiva: prueba la Optimal Leverage Calculator — introduce los parámetros de tu estrategia y obtén el apalancamiento óptimo según los cuatro métodos, con visualización.

Conclusiones para la Construcción de Sistemas de Trading

Gestionar las pérdidas es matemáticamente más importante que encontrar entradas rentables. Esto no es un eslogan motivacional — es una consecuencia de la asimetría de los retornos multiplicativos.

Reglas concretas:

1. Los stop-losses son obligatorios. Cada punto porcentual de pérdida complica exponencialmente la recuperación. Un drawdown por encima del 25% (requiere +33%) es la zona roja.

2. R:R mínimo = 1:2. Con un R:R simétrico, incluso un win rate del 50% no es rentable. Solo un R:R asimétrico a favor de las ganancias compensa el volatility drag.

3. Kelly fraccional para el dimensionamiento. El Kelly completo es teóricamente óptimo, pero en la práctica $f^{*}/2$ entrega el 75% del retorno con el 50% de la volatilidad del capital.

4. La volatilidad es tu enemiga sin un edge. En un mercado lateral, para activos altamente volátiles, simplemente mantener una posición genera una pérdida. Si no tienes un edge estadístico — no operes.

5. Calcula la expectativa geométrica, no la aritmética. Un backtest que muestra beneficio promedio por operación miente — el retorno real siempre es menor en $\frac{\sigma^2}{2}$.

6. El apalancamiento a partir de fórmulas, no de la codicia. Usa la fórmula $L_{max} = D_{max} / VaR$ para calcular el apalancamiento máximo. Para cripto con un VaR diario del 8% y un drawdown objetivo del 20%, esto da 2,5× — no 50× ni 125×.

Conclusión: Calcula Correctamente — Sobrevive Más Tiempo

Entender la naturaleza multiplicativa de los retornos no es un ejercicio académico. Es el fundamento sobre el cual se construye cualquier sistema de trading viable.

La mayoría de los traders pierden ante el mercado no porque les falte "intuición" o información privilegiada — pierden porque toman decisiones en el espacio aditivo (media aritmética), mientras que el mercado opera en el espacio multiplicativo (media geométrica).

Tres preguntas que vale la pena hacerse antes de cada operación:

1. Si el stop se activa — ¿puedo recuperarme? La fórmula $R_{recovery} = \frac{x}{100-x}$ da la respuesta al instante. Cuando el riesgo por operación supera el 10%, la recuperación empieza a requerir un esfuerzo desproporcionado.

2. ¿Tengo un edge estadístico? Si no — no operes. La volatilidad por sí sola garantiza una pérdida a través del volatility drag. La ausencia de edge bajo volatilidad es una destrucción de capital lenta pero inevitable.

3. ¿Cuál es la expectativa geométrica de mi estrategia? No el beneficio promedio por operación, ni el porcentaje de win rate — exactamente $E_{geo}$. Esta es la única métrica que muestra la efectividad real a largo plazo.

El trading algorítmico no comienza con escribir código, sino con las matemáticas. El código es solo la herramienta de implementación de una estrategia que ya ha pasado la verificación matemática. Sin esta verificación, incluso un algoritmo perfectamente escrito reducirá sistemáticamente tu depósito.

El mercado no castiga los errores — simplemente redistribuye el capital de quienes calculan incorrectamente hacia quienes calculan correctamente.

Próximo tema: optimización de portafolios usando métodos de media-varianza — cuándo funciona la diversificación y cuándo se convierte en una ilusión de seguridad.

Cita

@article{soloviov2026lossprofitasymmetry,
  author = {Soloviov, Eugen},
  title = {Loss-Profit Asymmetry: The Math That Kills Your Deposit},
  year = {2026},
  url = {https://marketmaker.cc/en/blog/post/loss-profit-asymmetry},
  version = {0.1.0},
  description = {Why losing 50% requires 100% growth to recover, how volatility drag destroys capital even in sideways markets, and which formulas every algo trader must know for risk management.}
}