Volatilidad (Close‑to‑Close, Zero‑Trend Close‑to‑Close y versiones OHLC): Qué es, cómo se calcula e interpretarlo
¿Qué se entiende por volatilidad?
La volatilidad es una medida estadística que indica cuánto fluctúan los precios de un activo durante un periodo determinado. Por eso, es clave para evaluar riesgo y para decidir el tamaño de posiciones. Además, nos ayuda a anticipar movimientos fuertes o posibles rupturas.
Versiones principales de volatilidad
- Close‑to‑Close: mide la variación diaria usando cierres consecutivos.
- Zero‑Trend Close‑to‑Close: ajusta la medida para eliminar efectos de tendencia prolongada, centrándose más en fluctuaciones reales diarias.
- OHLC (Open‑High‑Low‑Close): considera apertura, máximo, mínimo y cierre, capturando más información dentro de cada barra.
¿Cómo se calcula cada versión?
Close‑to‑Close
Se calcula tomando la diferencia entre cierres consecutivos, elevando al cuadrado, promediando esos valores durante N periodos, y luego sacando la raíz cuadrada. Así, refleja cuánto se mueve el precio de cierre día tras día.
Zero‑Trend Close‑to‑Close
Esta versión elimina o reduce el componente de tendencia, restando una media móvil o un ajuste correspondiente para concentrarse en las variaciones puras. Por lo tanto, destaca los movimientos sin sesgo direccional fuerte.
OHLC
En la versión OHLC se usan los valores de apertura, máximo, mínimo y cierre de cada periodo para medir la amplitud del movimiento intradía. De esta forma, se captura mejor la intensidad de la volatilidad dentro de cada barra.
¿Para qué sirve medir volatilidad?
Medir volatilidad es útil por varias razones:
- Permite ajustar stops y objetivos de ganancia según magnitud de oscilaciones.
- Ayuda a decidir cuándo operar o evitar mercados muy tranquilos o demasiado caóticos.
- Sirve como filtro para otras señales técnicas: por ejemplo, una ruptura con alta volatilidad tiene mayor probabilidad de ser válida.
Interpretación práctica
Volatilidad alta vs baja
Cuando la volatilidad medida por cualquiera de estas versiones sube, indica que los precios están oscilando más. En consecuencia, hay mayor riesgo pero también mayor oportunidad. Por otro lado, volatilidad baja sugiere mercados tranquilos o rangos reducidos.
Comparación entre versiones
Además, comparar la volatilidad Close‑to‑Close con la OHLC puede mostrar si los movimientos extremos vienen de gaps o de variaciones intradía. También, la versión Zero‑Trend puede revelar si la volatilidad viene de picos o de una tendencia sostenida.
Uso dinámico
Es recomendable observar la volatilidad a diferentes marcos temporales. En periodos cortos, mostrarán picos de actividad; en periodos largos, tendencias más suavizadas. Por ello, muchos traders combinan ambas para tener contexto.
Ventajas de estos métodos
- Mayor información: las versiones OHLC retienen más datos sobre lo que ocurre dentro de cada periodo.
- Flexibilidad: puedes usar la versión que mejor se adapte al activo o estilo de trading.
- Capacidad de previsión: detectar cambios en volatilidad puede anticipar rupturas o consolidaciones.
Limitaciones a tener en cuenta
- La volatilidad medida siempre depende del periodo elegido; periodos muy cortos pueden ser muy ruidosos.
- En versiones OHLC, los movimientos extremos pueden exagerar percepciones de volatilidad.
- Zero‑Trend requiere cálculo más complejo, lo que puede introducir errores si los datos no son perfectos.
- No incorpora volumen directamente, lo cual podría restar contexto en ciertos mercados.
Cómo aplicar en tu estrategia
- Usa volatilidad para ajustar stop-loss más inteligentes, adaptados a la variabilidad actual.
- Evita señales de entrada si la volatilidad está demasiado alta o demasiado baja según tu tolerancia.
- Sincroniza señales de volatilidad con rupturas de soporte/resistencia o confirmaciones adicionales.
- Combina versiones: por ejemplo, usar OHLC para detectar picos intradía y Close‑to‑Close para análisis diario.
Conclusión
En definitiva, medir volatilidad mediante Close‑to‑Close, Zero‑Trend Close‑to‑Close o versiones OHLC ofrece distintas perspectivas del riesgo del mercado. Aunque cada método tiene sus ventajas e inconvenientes, todos proporcionan información valiosa para operar mejor y con mayor seguridad.
Por lo tanto, incorpora la versión que más se ajuste a tu estilo, y complementa con otros indicadores para lograr decisiones de trading más sólidas.
Código Pine Script Trading View
//@version=5
indicator(«Volatility Suite (CC, CC0, OHLC)», overlay=false)
// Inputs
length = input.int(20, «Length», minval=2)
method = input.string(«Close-to-Close», «Method»,
options=[«Close-to-Close»,»Zero-Trend Close-to-Close»,»Parkinson»,»Garman-Klass»,»Rogers-Satchell»,»Yang-Zhang»])
useLog = input.bool(true, «Use log returns»)
annualize = input.bool(false, «Annualize»)
periodsPerYear= input.float(252, «Periods per year», minval=1)
asPercent = input.bool(true, «Output in %»)
showMA = input.bool(false, «Show SMA(vol)»)
maLen = input.int(10, «SMA length», minval=1)
// Returns
retClose = useLog ? math.log(close/close[1]) : (close/close[1] – 1)
retOC = useLog ? math.log(close/open) : (close/open – 1)
retOver = useLog ? math.log(open/close[1]) : (open/close[1] – 1)
// Close-to-Close vols
vol_cc = ta.stdev(retClose, length)
vol_cc0 = math.sqrt(ta.sma(retClose*retClose, length))
// OHLC logs
lnHL = math.log(high/low)
lnCO = math.log(close/open)
lnHC = math.log(high/close)
lnHO = math.log(high/open)
lnLC = math.log(low/close)
lnLO = math.log(low/open)
// Per-bar variances
var_parkinson_i = (1.0/(4.0*math.log(2.0))) * (lnHL*lnHL)
var_gk_i = 0.5*(lnHL*lnHL) – (2.0*math.log(2.0) – 1.0)*(lnCO*lnCO)
var_rs_i = lnHC*lnHO + lnLC*lnLO
// Yang-Zhang
k = length > 2 ? 0.34/(1.34 + (length + 1.0)/(length – 1.0)) : 0.0
var_yz = ta.sma(retOver*retOver, length) + k*ta.sma(retOC*retOC, length) + (1.0 – k)*ta.sma(var_rs_i, length)
// Sigma per period
vol_parkinson = math.sqrt(ta.sma(var_parkinson_i, length))
vol_gk = math.sqrt(ta.sma(var_gk_i, length))
vol_rs = math.sqrt(ta.sma(var_rs_i, length))
vol_yz = math.sqrt(var_yz)
// Select method
vol_raw = method == «Close-to-Close» ? vol_cc :
method == «Zero-Trend Close-to-Close» ? vol_cc0 :
method == «Parkinson» ? vol_parkinson :
method == «Garman-Klass» ? vol_gk :
method == «Rogers-Satchell» ? vol_rs :
vol_yz
// Scale
scale = (annualize ? math.sqrt(periodsPerYear) : 1.0) * (asPercent ? 100.0 : 1.0)
vol = vol_raw * scale
// Plots
plot(vol, title=»Volatility», color=color.teal, linewidth=2)
hline(0, «Zero», color=color.gray)
// Optional SMA of volatility
ma = showMA ? ta.sma(vol, maLen) : na
plot(ma, title=»SMA(Vol)», color=color.orange)
// Alerts
alertcondition(ta.crossover(vol, ma), «Vol crosses above SMA», «Volatility crossed above its SMA.»)
alertcondition(ta.crossunder(vol, ma), «Vol crosses below SMA», «Volatility crossed below its SMA.»)
CONTACTA CON NOSOTROS Y CREEMOS COMUNIDAD
IMPORTANTE:
En ningún momento queremos que lo reflejado en esta web, se considere como recomendaciones.