FER · Ferrovial N.V.
Stock Universe · mercado bursátil globalAnálisis cuantitativo de FER: estructura operativa y rendimiento del modelo algorítmico en temporalidad de 15 minutos
Este informe técnico examina en profundidad el rendimiento histórico, la gestión del riesgo y la dinámica estructural de la estrategia algorítmica desarrollada para FER sobre velas de 15 minutos. Con un porcentaje de aciertos del 82.26% en 62 operaciones completadas entre mayo de 2024 y octubre de 2026, el modelo acumula un retorno histórico simulado del +575.42% con un Profit Factor de 3.75. Destaca especialmente por la solidez en la distribución de sus ganancias, donde los tres mejores intercambios representan únicamente el 19.83% del beneficio bruto total, y por mantener un drawdown máximo de apenas el -9.97%. El estudio evalúa el comportamiento del algoritmo como lógica cuantitativa aplicable a robots de trading automatizado, analizando la transición en la consistencia del sistema a lo largo del tiempo.
Análisis al 30.10.2026. Los datos de la estrategia se actualizan por separado.Leer análisis completo
Perfil de la estrategia
La estrategia identificada técnicamente para la acción de FER opera en una temporalidad intradiaria de 15 minutos, aplicando reglas cuantitativas diseñadas para capturar movimientos de swing trading. Ocupando el primer lugar en la clasificación interna de DevioLab para este activo con una puntuación de 84.68, la arquitectura del modelo busca sistematizar entradas y salidas sin intervención manual. A lo largo de un período muestral de 2.40 años, comprendido entre el 9 de mayo de 2024 y el 2 de octubre de 2026, el algoritmo completó un total de 62 operaciones. Esta baja densidad operativa refleja un filtro estricto en la selección de señales, priorizando la probabilidad de éxito sobre el volumen de negociación. La estrategia ha registrado 51 operaciones ganadoras y 11 perdedoras, lo que se traduce en una tasa de acierto del 82.26%. La rentabilidad acumulada simulada alcanza el +575.42%, con una cifra anualizada teórica del +354.35%. Estos datos sugieren que la lógica subyacente proporciona una base consistente para su eventual implementación mediante bots de trading automatizado o agentes algorítmicos en mercados bursátiles.
Ritmo de negociación y duración de posiciones
A pesar de utilizar un marco temporal de 15 minutos para la lectura de precios, la cadencia de la estrategia responde a una dinámica de medio plazo o swing trading. Las posiciones presentan una permanencia promedio de 200.10 horas (aproximadamente 8.3 días), mientras que la mediana del tiempo de permanencia se ubica en 148.38 horas (alrededor de 6.2 días). Esta discrepancia entre la media y la mediana indica la presencia de algunas posiciones ganadoras o en consolidación que se extendieron durante más tiempo para maximizar la tendencia. En cuanto a la frecuencia de salida, el sistema promedia 14.36 días entre cada cierre de operación, con una mediana de 10.97 días. En términos de actividad anual, esto equivale a 25.83 operaciones por año o 2.14 operaciones por mes activo. El modelo no satura el mercado con operaciones constantes, sino que ejecuta intervenciones esporádicas y espaciadas. Este ritmo moderado resulta ventajoso desde la perspectiva de la gestión algorítmica, ya que reduce la exposición continua al ruido intradiario y permite que los agentes de trading gestionen las órdenes de forma pausada.
Calidad de los resultados históricos
La calidad del rendimiento histórico se evalúa no solo por el rendimiento acumulado, sino por el equilibrio entre el ratio de aciertos y la magnitud de los retornos individuales. La ganancia promedio por operación se sitúa en el +3.51%, mientras que la mediana del resultado es del +2.89%. La cercanía entre el promedio y la mediana demuestra que el rendimiento no está inflado de manera artificial por un único evento atípico, sino que se basa en un flujo constante de operaciones positivas. La mejor operación registrada por el sistema obtuvo un retorno del +17.93%, mientras que la peor operación sufrió una pérdida del -8.06%. Un indicador crucial de la salud del modelo es la concentración del beneficio bruto: las tres mejores operaciones representan únicamente el 19.83% de las ganancias totales. Esto confirma que el éxito de la estrategia se distribuye ampliamente entre el conjunto de las 51 victorias y no depende de golpes de suerte aislados. El Profit Factor de 3.75 refuerza esta lectura, indicando que por cada unidad monetaria perdida en operaciones desfavorables, el algoritmo generó 3.75 unidades en operaciones ganadoras.
Riesgo, drawdown y comportamiento ante pérdidas
El control del riesgo representa uno de los aspectos más sólidos de este modelo cuantitativo para FER. El drawdown máximo histórico se ha mantenido en un -9.97%, una cifra notablemente baja considerando un retorno acumulado superior al +570%. Esta contención del repliegue de capital refleja una gestión del riesgo eficaz durante las fases desfavorables del mercado. Al examinar las rachas, la estrategia alcanzó una racha ganadora máxima de 17 operaciones consecutivas en positivo, lo que demuestra su capacidad para acoplarse de manera óptima a tendencias prolongadas. En contraposición, la racha perdedora máxima fue de tan solo 2 operaciones consecutivas. La combinación de una racha perdedora corta, un drawdown inFERior al 10% y una pérdida máxima individual del -8.06% sugiere que la lógica de salida limita los deterioros profundos del capital. Para quienes evalúan este algoritmo como base para robots de negociación, la estructura de riesgo observada minimiza el estrés de capital y la fragilidad operativa habitual en marcos intradiarios.
Comportamiento en el tiempo y estabilidad anual
El desglose por años naturales revela variaciones significativas en la eficiencia y la rentabilidad del sistema a medida que evolucionaron las condiciones del mercado. En 2024 (desde mayo), la estrategia ejecutó 12 operaciones, de las cuales 11 fueron ganadoras y 1 perdedora, alcanzando una tasa de acierto del 91.67% y un retorno sumado del +85.18%. El año 2025 representó la etapa de mayor actividad y rendimiento: se cerraron 26 operaciones con 24 victorias y 2 pérdidas, registrando un 92.31% de aciertos y un retorno sumado del +107.08%. Sin embargo, en 2026 se observa un cambio estructural en el comportamiento. Con 24 operaciones completadas, los aciertos descendieron a 16 frente a 8 pérdidas, situando la tasa de acierto en el 66.67% y el retorno sumado en el +25.65%. Aunque el año se mantuvo en terreno positivo, el incremento en la frecuencia de pérdidas y la reducción en el margen de beneficio por operación señalan que el algoritmo enfrentó una fase de mayor fricción o volatilidad adversa en el activo durante 2026.
Período reciente desde el 01-06-2024 frente al historial completo
Dado que el historial de la estrategia comenzó el 9 de mayo de 2024, la ventana de observación reciente que abarca desde el 1 de junio de 2024 hasta el 2 de octubre de 2026 comprende la casi totalidad de la muestra histórica. De las 62 operaciones totales, 58 se cerraron dentro de este periodo reciente. Las 58 operaciones del periodo reciente acumulan un retorno sumado del +179.23%, en comparación con la suma agregada de retornos del +575.42% del historial completo (la cual refleja el efecto acumulativo de las métricas simuladas). Este subconjunto confirma que la mayor parte del rendimiento del algoritmo se construyó durante los trimestres de 2024 y 2025, mientras que el tramo correspondiente a 2026 aportó un ritmo de crecimiento sustancialmente más moderado. El análisis del bloque reciente confirma que la muestra estadística es representativa del comportamiento actual del modelo, aunque también advierte sobre la desaceleración observada en la fase final de la serie temporal.
Fortalezas y limitaciones
Entre las principales fortalezas de la estrategia destacan su elevado porcentaje de aciertos global (82.26%), el estricto control del drawdown máximo (-9.97%) y la baja concentración del beneficio en las mejores operaciones (19.83%), lo que evidencia un rendimiento estructuralmente robusto y no dependiente de sesgos de supervivencia en pocas operaciones. Asimismo, el Profit Factor de 3.75 y la brevedad de las rachas perdedoras (máximo 2 operaciones) respaldan la estabilidad del diseño cuantitativo. En el plano de las limitaciones, la principal advertencia procede de la muestra total relativamente pequeña (62 operaciones en 2.4 años), lo que limita la potencia estadística para proyectar el comportamiento en escenarios macroeconómicos no experimentados. Además, la clara degradación del ratio de aciertos en 2026 (66.67% frente a >91% en años anteriores) sugiere una posible pérdida de alineación con la volatilidad reciente de FER, aspecto que requeriría supervisión continua si se utiliza la lógica en bots de trading.
Conclusión analítica de DevioLab
El modelo algorítmico FER 0 +575.42% 1TRAD-OVE5 se consolida como una propuesta cuantitativa de alta calidad dentro de la categoría de swing trading intradiario de 15 minutos, justificando su posición número 1 en el ranking de DevioLab para el activo FER con una nota de 84.68. La combinación de un retorno acumulado elevado con un drawdown inFERior al 10% demuestra un diseño equilibrado entre captura de tendencia y preservación de capital. Sin embargo, la divergencia observada entre la brillantez operativa de 2024-2025 y la ralentización de 2026 subraya la importancia de evitar la sobreexpectativa basada únicamente en retornos pasados. Como arquitectura lógica para trading automatizado, el sistema demuestra ser técnicamente sólido, aunque exige una monitorización constante de las métricas de acierto para detectar posibles cambios definitivos en el régimen de mercado del activo.
Alcance de los datos y metodología
Este estudio se basa exclusivamente en los datos estadísticos simulados generados por la estrategia entre el 9 de mayo de 2024 y el 2 de octubre de 2026 para el activo FER. Todos los porcentajes de retorno, promedios y métricas de racha describen operaciones históricas cerradas en entorno de simulación y no representan el saldo ni las ejecuciones reales de una cuenta de corretaje o Binance. Los cálculos no incluyen el impacto de comisiones de intermediación, deslices de ejecución (slippage), canon de bolsa ni tarifas de financiamiento nocturno, los cuales alterarán los resultados netos en un entorno de ejecución real. El análisis se presenta con fines estrictamente informativos y educativos sobre investigación de estrategias cuantitativas, y no constituye asesoramiento de inversión ni oFERta de gestión financiera. El rendimiento pasado no garantiza resultados futuros.