1.- Out-of-Hospital Emergency Care. 2.- Amibroker and algorythmic Trading. 3.- Learning Python, Solidity and Blockchain programming skills
Vinaròs, Espanya
Joined September 2009
- Tweets5.7K
- Following2.7K
- Followers556
- Likes33.5K
Xavi Miralles retweeted
Empieza una nueva etapa para SMQuantum.
La nueva web ya está online y reúne en un solo sitio formación, research, estrategias y automatización.
Y algo importante: todos los informes publicados por SMQuantum ya están disponibles en la web.
👉 smquantum.com
Pasa y echa un vistazo.
Xavi Miralles retweeted
Esta frase suele parecer una "cuñadez", pero estadísticamente es cierta: "Hacer cosas" es ganar exposición a riesgos de cola positivos. Es Opcionalidas Positiva gratuita.
Xavi Miralles retweeted
Mi consejo para Benjamin Noval en 2027: oficialmente en Ineos filial, pero oficiosamemente con el Ineos de 1a: € de ciclista de 1a y calendario de carreras profesionales, excepto las WT que los del filial no pueden. Y así puede hacer Campeonatos Europa y Mundo Sub23 con 🇪🇦
Xavi Miralles retweeted
How to make a simple algorithmic trading strategy with a 472% return using Python.
A thread. 🧵
Xavi Miralles retweeted
I've always focused on developing tools that I use in my day-to-day life and releasing them for free.
Research shouldn’t be held back by a financial barrier!
That’s why I’m excited to announce...
The second version of the Free Risk Model is now live!
Not only have we fixed some bugs, but we’ve also been able to better capture the breadth of the factors and add some micro-caps to our universe.
We’ve also added more factor diversification, such as Growth and Stability!
It’s all on the Quant Solvings website! I hope you find it useful ;)
Xavi Miralles retweeted
Stocks with a high frequency of down days over the previous month outperform those dominated by up days, and the effect is not explained by conventional short-term reversal.
New paper by Fattinger et al.: papers.ssrn.com/sol3/papers.…
Xavi Miralles retweeted
Rotation Strategy in S&P 500 and Gold (SPY & GLD) 📊
When the S&P 500-to-gold ratio is above its moving average, meaning stocks are outperforming gold, we go long the S&P 500 for the coming month.
When the ratio falls below the moving average, we switch to gold. Pretty simple — but it turns out to work quite well.
We backtested the following trading rules:
If the S&P 500-to-gold ratio (S&P 500 divided by the gold price) is above its 20-month simple moving average, we are long the S&P 500 from the close of the month until the next month’s close.
If at the next month’s close the ratio is below its moving average, we sell the S&P 500 and buy gold for the following month. Rinse and repeat at the close of every month.
We tested the strategy from 1985 until July 2020.
Below is the equity chart showing the strategy compared to buy and hold for both the S&P 500 and gold.
Can the strategy be improved or made different? If you have any suggestions, please comment 👇
#TradingStrategies
ALT Rotation Strategy in S&P 500 and Gold (SPY & GLD)
Xavi Miralles retweeted
16.5 million NASDAQ filter tests.
One condition won.
Lowest(CCI(27), 18) < –100
Plain English:
only take the long breakout if CCI(27) already dipped below –100
somewhere in the last 18 bars.
Across 1,000 strategy variations:
> Net profit improved on 69%
> Average trade +22% on more than half
> Bounce index: 57.8%
(that many losing variations turned profitable)
On the base NASDAQ breakout:
7.53 → 8.6 profit/drawdown
$116 → $149 average trade
A breakout after a real washout has room.
A breakout into already-extended strength fades.
Have you ever filtered breakouts with CCI, or do you only use it as a regular oscillator?
Xavi Miralles retweeted
Rotation Strategy In S&P 500 And Gold (SPY & GLD)
When the S&P 500 and gold ratio is above its moving average, ie. when stocks are performing better than gold, we are long S&P 500 the coming month.
When the ratio falls below the moving average we switch to gold. Pretty simple, but as it turns out, it works pretty well.
We backtested the following the following trading rules:
* If the SP 500 and gold ratio (SP 500 divided by the gold price) is above its 20-month simple moving average, we are long the SP 500 from the close of the month until next month's close.
* If at next month's close the SP 500 and gold ratio is below its moving average, we sell the SP 500 and buy gold for the next month. Rinse and repeat at the close of every month. We tested from 1985 until July 2020.
Below is the equity chart showing the strategy compared to buy and hold for both the S&P 500 and the gold price.
Can the strategy be improved or made different? If you have any suggestions, please comment 👇
#tradingstrategies
Xavi Miralles retweeted
found a paper sitting on SSRN for two years with under 400 downloads
a quant team built a yield-curve-aware momentum model that rotates between equities, bonds, and cash based on term structure shape and cross-asset momentum signals
the result: 1.87 Sharpe, 18.4% CAGR, -9.2% max drawdown - tested out of sample across 6 global markets through two full rate cycles
during 2022, when 60/40 dropped 16%, this thing returned +11.3% by going cash-heavy in Q1 before anyone officially called it a bear market
the crazy part is it doesn't predict direction
it reads what the yield curve is already pricing in and shifts exposure before consensus catches up
inputs are all public - treasury yields, equity indices, implied vol. nothing exotic
bookmark before this gets buried
Xavi Miralles retweeted
Autistic responses are often regarded as "wrong" even when they are valid answers
Xavi Miralles retweeted
A simple risk-on/risk-off ETF model built in Portfolio123:
🔸Risk-on: 50% SPY / 50% QQQ
🔸Risk-off: 33% SPY / 33% GLD / 33% SHY
The signal is straightforward: QQQ’s distance from its 52-week high.
✅Within 10% of its high = Risk-on
⛔️More than 10% below its high = Risk-off
The idea is not to predict whether a selloff becomes a recession, deflationary shock, or inflationary bear market. Instead, the model shifts into a diversified mix of equities, gold, and short-term Treasuries until conditions improve.
Rebalanced weekly, 100% long exposure, with 0.10% slippage included in the backtest. Screen is available to all members.
Nice Try, UAE, but you’re not gonna draw attention away from this weeks hero: Paula Blasi 😇😇😇
It’s true - he’s coming back. @TamauPogi to @lavuelta, confirmed ✅ 🇪🇸
Introducing our team for the 21 stages from Monaco to Granada ⤵️
🇵🇹 @JooAlmeida98
🇸🇮 @DomenNovak
🇵🇹 @IvOliveira96
🇸🇮 @TamauPogi
🇫🇷 @PavelSivakov
🇪🇸 @pablotorres_22
🇺🇸 Kevin Vermaerke
🇦🇺 @JayVine3
#WeAreUAE | #LaVuelta26
Xavi Miralles retweeted
🔄 RT if you think 🇩🇰 Mads Pedersen is the Super-combative of the #TDF2026!
🔄 RT si vous pensez que 🇩🇰 Mads Pedersen est le Super-combatif du #TDF2026 !
👋 @century21fr l @LidlTrek
Xavi Miralles retweeted
Esta es buena, atento a la hipótesis.
¿Y si el factor Momentum (la anomalía más sólida de las finanzas académicas) no fuera otra cosa que estacionalidad con otro nombre? 🫢
Un paper reciente acaba de abrir ese melón.
Trata sobre la posibilidad de que la anomalía reina no exista como tal, sino que sea un subproducto mecánico del calendario.
En teoría, el factor Momentum consiste en comprar los activos que más han subido (ganadores) y vender los que más han bajado (perdedores).
La academia lleva décadas intentando explicar por qué funciona.
1) Los "psicólogos" defienden que los humanos tardamos en procesar las buenas noticias (underreaction) y luego compramos por FOMO en manada (herding).
2. Los "risk managers" que si el momentum es una compensación por asumir el riesgo latente de caídas catastróficas (crash risk).
Pero la realidad podría ser mucho más "tonta" e institucional.
El peso real del calendario
Al descomponer matemáticamente el alfa de Momentum aplicando variables de calendario y estacionalidad, los autores del paper se encontraron con lo siguiente.
Si eliminas unas pocas ventanas de tiempo muy específicas (como el efecto fin de mes, el rebalanceo de carteras de fondos a final de trimestre, o los flujos fiscales de diciembre/enero), el alfa restante del factor Momentum se desploma.
No es que los traders reaccionen tarde a la información de manera constante a lo largo del año.
Lo que estás cosechando, en gran medida, son patrones mecánicos de flujos de liquidez institucionales que ocurren en fechas fijas del calendario.
Hay tres conexiones con la realidad
1) La lección de la renta fija
En el mercado de crédito corporativo ocurrió algo similar.
Las estrategias que parecían explotar el "momentum de bonos" eran en realidad capturadoras del efecto estacional del fin de año, cuando las instituciones limpian sus balances (window dressing) y demandan cash de golpe, distorsionando los precios.
2) Trend-Following es estacionalidad macro
Incluso las estrategias de tendencia a largo plazo en materias primas (comprar gas o petróleo porque suben) a menudo solo están cosechando ciclos estacionales reales de la economía física (la demanda de combustible para calefacción en invierno o los calendarios de cosechas agrícolas).
El algoritmo cree que detecta una "tendencia conductual", pero solo está tradeando el cambio de estación.
3) La ilusión del Backtest
Si diseñas una estrategia de momentum asumiendo que es una ley de la psicología humana estás cometiendo un error de modelo.
Básicamente estás asumiendo un riesgo estacional gigante concentrado en unos pocos días del año.
Si esos flujos de liquidez institucional cambian por regulación, tu factor se romperá y no sabrás por qué.
En definitiva, hay muchos factores que parecen alfa pero son en realidad betas de calendario que se podrían cosechar de forma pasiva con reglas de tiempo súper simples y sin asumir los costes de ejecución del momentum clásico.
¿Vale la pena asumir la rotación y los costes de transacción de un momentum clásico si puedes capturar el mismo retorno tradeando solo ventanas de calendario específicas?
La duda está sembrada.
