Definición primero: qué es el Hma
Hma significa Media Móvil de Hull (Hull Moving Average). Es un tipo de indicador de media móvil que produce una línea suavizada a partir de una secuencia de precios pasados. En concepto, pertenece al grupo de las medias móviles porque su resultado se obtiene transformando datos históricos de precios en una única serie temporal.
El punto clave para las diferencias es la construcción. Muchas ideas de “medias móviles”—como las medias móviles simples (SMA) o las medias móviles exponenciales (EMA)—se centran en cómo ponderan los precios pasados. El Hma está diseñado como una combinación particular de medias ponderadas que pretende reducir el retardo manteniendo la línea razonablemente suave.
Cómo se diferencia el Hma de los conceptos de medias móviles estrechamente relacionados
Las medias móviles comparten un mecanismo común: calculan una estadística a partir de una ventana de precios históricos y generan un nuevo valor para cada paso de tiempo. Las diferencias radican principalmente en la ponderación, el orden de suavizado y la rapidez con la que la línea reacciona a los cambios.
Hma vs SMA (Media Móvil Simple)
La SMA calcula una media sin ponderar sobre los últimos N puntos de datos. Esto suele crear una línea más suave que los precios brutos, pero puede quedarse rezagada en los puntos de inflexión porque cada valor dentro de la ventana contribuye de manera uniforme.
El Hma se diferencia al utilizar una construcción ponderada destinada a reaccionar más rápido ante los cambios mientras sigue suavizando. En la práctica, puedes observar que la curva del Hma puede “girar” antes que una SMA con un período comparable—pero no elimina el retardo por completo porque sigue dependiendo de datos pasados.
Hma vs EMA (Media Móvil Exponencial)
La EMA pondera más los precios recientes que los precios antiguos. Esto suele hacer que la EMA sea más receptiva que la SMA para la misma longitud de período nominal, porque la información reciente influye más en la media.
El Hma se diferencia de la EMA en la forma en que combina medias intermedias. En lugar de aplicar una única regla de ponderación exponencial, el Hma utiliza una estructura de múltiples pasos que intenta equilibrar la capacidad de respuesta y la suavidad. Esto significa que la línea del Hma puede verse diferente incluso cuando eliges el “mismo número de período”, porque “período” no se traduce de la misma manera entre diferentes construcciones.
Hma vs expectativas de diseño “centrado en el retardo” (compensación entre retardo y capacidad de respuesta)
Una suposición común es que cualquier método de suavizado tiene una compensación: más suavizado tiende a aumentar el retardo, mientras que menos suavizado tiende a aumentar la sensibilidad al ruido.
El Hma se diferencia principalmente al intentar cambiar esa compensación: está diseñado para reducir el retardo en relación con ciertos diseños más simples, pero aún puede producir movimientos engañosos durante períodos ruidosos. En otras palabras, el Hma puede girar antes, pero girar antes también puede significar más oscilaciones pequeñas y frecuentes.
Evidencia y ejemplo: qué verificarías en los cálculos
Dado que aquí no se asumen datos de mercado en vivo, la “evidencia” más fiable es operativa: verifica que tu implementación coincida con la definición matemática que elijas.
Una forma práctica de entender las diferencias es ejecutar un ejemplo controlado sobre la misma serie de precios utilizando múltiples conceptos de medias móviles:
- Usa una serie de entrada fija (por ejemplo, precios sintéticos o una serie histórica guardada).
- Calcula una SMA con ventana N.
- Calcula una EMA con un período nominal comparable N.
- Calcula el Hma con un parámetro de longitud elegido.
- Compara tres aspectos: (1) la rapidez con la que cada línea responde a un cambio escalonado, (2) cuánto oscila cada línea durante el ruido y (3) cuánto se desvía cada línea después de tendencias sostenidas.
Los supuestos materiales para esa comparación importan. Por ejemplo, debes usar la misma alineación de marcas de tiempo, el mismo manejo de valores faltantes y la misma definición de longitud/período entre métodos. Incluso pequeñas diferencias de implementación (reglas de redondeo, inicialización de medias o cómo se tratan los primeros valores) pueden cambiar la parte inicial del resultado.
Limitaciones y modos de fallo (qué puede salir mal)
El Hma sigue siendo una transformación de precios históricos. Esto crea varias limitaciones que se aplican al Hma y a otras medias móviles.
1) La dependencia de precios pasados significa que el retardo aún puede ocurrir
Incluso si el Hma está diseñado para reducir el retardo, no es una herramienta de predicción. Cuando el precio se revierte repentinamente, cualquier media móvil puede parecer “tardía” porque solo incorpora lo que ya sucedió.
2) Los rangos laterales o ruidosos pueden aumentar la interpretación errónea
En un mercado lateral, el precio cruza repetidamente la línea de la media móvil. El Hma puede reducir el retardo, pero un retardo reducido puede aumentar el número de eventos de giro que observas. Esto puede producir muchos altibajos confusos sin un movimiento direccional sostenido.
3) La sensibilidad a los parámetros afecta el comportamiento
El comportamiento del Hma depende de su longitud/configuración. Una longitud más corta generalmente hace que la línea reaccione más rápido, aumentando a menudo la sensibilidad al ruido a corto plazo. Una longitud más larga generalmente suaviza más, aumentando a menudo el retardo. Esta es una condición variable: la “mejor” capacidad de respuesta depende de la volatilidad del mercado y de cómo se muestrean tus datos.
4) Los costos y las diferencias de ejecución pueden cambiar los resultados
Incluso si alguien usa medias móviles como parte de un flujo de trabajo, los resultados del mundo real dependen de los spreads, las comisiones, la calidad de ejecución y las reglas de negociación específicas de cada jurisdicción. Las comparaciones históricas no tienen en cuenta automáticamente esos factores variables.
Verificación y siguiente pregunta
Para verificar de forma independiente los hechos sobre el Hma, concéntrate en la construcción y los detalles de implementación:
- Confirma la fórmula/algoritmo exacto que estás usando para el Hma.
- Comprueba cómo se calculan y combinan las medias intermedias.
- Confirma el significado del parámetro (longitud/período) y cómo se asigna en la implementación.
- Valida con pruebas unitarias: si calculas sobre una serie pequeña conocida, tu resultado debería coincidir con una implementación de referencia.
Una pregunta útil a continuación no es “qué media móvil es la mejor”, sino “qué modo de fallo quiero evitar para mis datos”. Por ejemplo, podrías comparar cómo se comporta cada método bajo (a) tendencia constante, (b) cambios escalonados repentinos y (c) movimientos alternos ruidosos hacia arriba y hacia abajo.
Para una comprensión precisa, mantén separada la mecánica estable (cómo se construye la media) de las condiciones variables (comportamiento del mercado, costos y ejecución).