Drawdowns

La pérdida que realmente se siente

La volatilidad trata igual la subida y la bajada, pero el inversor vive con otro número: cuánto está su cuenta por debajo del mejor valor que ha tenido. Eso es el drawdown. Si una cartera subió a 110 y ahora vale 98, está un 10,9 % por debajo de su máximo, diga lo que diga la volatilidad diaria. El drawdown máximo es el agujero más profundo del historial y el tiempo bajo el agua es lo que tardó en salir. Los clientes se van y los gestores de riesgo recortan límites ante los drawdowns, no ante las desviaciones típicas.

import pandas as pd

prices = pd.Series(
    [100, 105, 103, 98, 104, 110, 108, 107, 111, 95], dtype=float,
    index=pd.bdate_range("2026-03-02", periods=10),
)

peak = prices.cummax()                 # the highest price so far, day by day
drawdown = prices / peak - 1           # 0 on a new high, negative below it

print(peak.tolist())                   # [100.0, 105.0, 105.0, 105.0, 105.0, 110.0, 110.0, 110.0, 111.0, 111.0]
print(drawdown.round(4).tolist())      # [0.0, 0.0, -0.019, -0.0667, -0.0095, 0.0, -0.0182, -0.0273, 0.0, -0.1441]

El agujero más profundo

cummax() da el máximo acumulado en una llamada. Dividir el precio entre él y restar 1 da el drawdown de cada día, siempre cero o negativo. El drawdown máximo es simplemente el mínimo de esa serie, e idxmin() dice cuándo ocurrió. Los drawdowns son asimétricos de una forma que importa: una pérdida del 20 % necesita una ganancia del 25 % para recuperarse, 1 / (1 - 0,20) - 1, y una del 50 % necesita el 100 %. Por eso los gestores de riesgo luchan por mantener los drawdowns poco profundos.

print(round(drawdown.min(), 4), drawdown.idxmin().date())   # -0.1441 2026-03-13   111 down to 95

# The climb back is steeper than the fall
for loss in (0.10, 0.20, 0.50):
    print(loss, round(1 / (1 - loss) - 1, 3))
# 0.1 0.111
# 0.2 0.25
# 0.5 1.0

El tiempo bajo el agua

La profundidad es la mitad de la historia; la duración es la otra mitad. Una estrategia puede perder solo un 8 % y aun así pasar tres años por debajo de su antiguo máximo, lo que pone a prueba la paciencia de cualquier inversor. Un día está bajo el agua mientras su drawdown es negativo, y un nuevo máximo termina el tramo. Para hallar el tramo más largo con pandas, marca los días bajo el agua con una comparación, etiqueta cada racha de valores iguales con (flag != flag.shift()).cumsum() y cuenta dentro de cada racha. Un simple bucle que cuenta y reinicia funciona igual de bien y se lee fácilmente.

underwater = drawdown < 0                                     # True while below the running peak
run_id = (underwater != underwater.shift()).cumsum()           # a new id each time the flag changes
streak = underwater.astype(int).groupby(run_id).cumsum()       # 1, 2, 3, ... inside each underwater run

print(streak.tolist())                    # [0, 0, 1, 2, 3, 0, 1, 2, 0, 1]
print(int(streak.max()))                  # 3   the longest wait for a new high, in days

# Return divided by the depth of the worst hole: the Calmar ratio
annual_return = 0.12
print(round(annual_return / abs(drawdown.min()), 2))     # 0.83

• peak = prices.cummax() y drawdown = prices / peak - 1: cero con un nuevo máximo, negativo por debajo.
• El drawdown máximo es drawdown.min(); una pérdida de x necesita una ganancia de 1 / (1 - x) - 1 para recuperarse.
• El tiempo bajo el agua es la racha más larga de días con drawdown negativo; el peor drawdown de un backtest es una cota inferior, no una garantía.

A continuación: los generadores de números aleatorios y las semillas, la base de toda simulación.

Lab: qué se califica

• Seguir el máximo alcanzado con running_peak25 pts
• Medir la distancia al máximo con drawdown_series25 pts
• Encontrar la peor caída con max_drawdown25 pts
• Contar la espera más larga por un nuevo máximo con longest_underwater25 pts