Mechanical Pullback: Early Results and the Caveats That Come With Them Pullback mecánico: resultados tempranos y las salvedades que los acompañan

The announcement earlier today called this a design in progress, not a result to report. A few hours and one backtest later, there is a result, and the caveats that have to travel with it every time it is mentioned again.

Hypothesis. A stock that gaps up on a same-day, company-specific catalyst and keeps extending through the first half hour is not done being bought. The open is the market’s first guess; a mechanical, indicator-triggered pullback entry later in the session is a second, more informed one, taken only after a defined technical signal confirms sellers have stepped back in, not on a discretionary read of the tape. Exit is mechanical too: market-on-close, no stop, no target, no trailing.

What was tested and died. A stop-loss was tested at multiple levels and made the system worse at every one of them, the selection criteria already cut off the left tail better than any stop placed after the fact could. A filter meant to avoid buying into oversold weakness on the trigger candle did nothing useful. Capping how large the opening gap could be cut into the best trades more than the worst ones. A same-shape variant looking one day later, after an inside day rather than a fresh gap, added nothing measurable. And exiting early, ahead of the close, cost roughly half the strategy’s expectancy on its own, the position needs the full session to work.

The methodological finding that matters most. The indicator is not where the return comes from. Buying the same names at a fixed time without waiting for the technical trigger produces a Sharpe ratio of 0.23. Waiting for the trigger, on the same names, raises it to 1.18. The signal contributes essentially no return by itself; what it does is filter out the sessions where the pullback never actually resolves, which is a different and, here, more useful thing for an indicator to do than generate edge on its own.

Final result, two variants, both real, one recommended. Measured against Alpaca SIP data, 2018-01 to 2026-07 (about 8.6 years), net of the real NBBO half-spread at entry (median 11.7 basis points), not an assumed cost:

The narrower variant (company-specific catalyst only, the recommended configuration): 756 trades, about 88 a year, win rate 51.2%, expectancy +0.60% per trade (t-stat 3.13, comfortably above the significance threshold), $10,000 → $15,542, total return +55.4%, CAGR +5.3%, Sharpe 1.99, Calmar 0.77, max drawdown −6.8%.

The wider variant (adds a second entry path the day after a qualifying gap): 2,636 trades, about 307 a year, a similar expectancy per trade before compounding but a visibly worse risk-adjusted profile, $10,000 → $17,068, CAGR +6.4%, Sharpe 1.18, max drawdown −9.3%. More trades, more total return, less discipline in the ride; the narrower version is the one carried forward.

The caveats that have to be read every time this is mentioned again.

The edge roughly halved between the first half of the sample and the second: strong in 2018 to 2022, meaningfully weaker from 2023 to 2026. Whatever this is, it is getting harder to extract, not easier.

Ten symbols, out of more than eleven hundred distinct names traded, account for 58.2% of total profit. A result concentrated this heavily in a handful of names is not the same claim as a result that shows up broadly across the universe.

The filter thresholds were set partly by looking at the results, not chosen blind in advance, though the response to nearby values moves in one consistent direction rather than spiking at the chosen level, which is some protection against having simply found noise.

The catalyst classifier that defines the tradeable universe removes 93% of the raw gap-up candidates before any other rule runs. That classifier has not been checked by hand against a real sample; it is a real dependency and an unverified one.

Market impact at the closing auction, where every position exits, is not modeled at all. And this remains a measured hypothesis on historical data, not a system that has been run forward in real time. The gap between those two things is exactly what the next stage of work has to close.

Why it works, if it works. A confirmed technical reversal inside a name the market has already flagged with a real catalyst is a narrower, more falsifiable claim than either signal alone; the backtest’s own finding, that removing the indicator collapses the risk-adjusted return, is the closest thing here to evidence that the combination is doing real work and not just adding a plausible-looking filter on top of noise.

El anuncio de más temprano hoy llamó a esto un diseño en progreso, no un resultado que reportar. Unas horas y un backtest después, hay un resultado, y las salvedades que tienen que viajar con él cada vez que se lo mencione de nuevo.

Hipótesis. Una acción que gapea al alza por un catalizador del mismo día, específico de la empresa, y sigue extendiéndose durante la primera media hora, no ha terminado de ser comprada. La apertura es la primera conjetura del mercado; una entrada de pullback mecánica y disparada por indicador más tarde en la sesión es una segunda, más informada, tomada solo después de que una señal técnica definida confirma que los vendedores volvieron a entrar, no por una lectura discrecional de la cinta. La salida también es mecánica: market-on-close, sin stop, sin objetivo, sin trailing.

Lo que se probó y murió. Un stop-loss se probó en varios niveles e hizo el sistema peor en todos y cada uno de ellos, los criterios de selección ya cortaban la cola izquierda mejor que cualquier stop colocado después de los hechos. Un filtro pensado para evitar comprar sobre debilidad de sobreventa en la vela del disparo no hizo nada útil. Poner un tope a qué tan grande podía ser el gap de apertura cortó más en las mejores operaciones que en las peores. Una variante de la misma forma mirando un día después, tras un inside day en vez de un gap fresco, no agregó nada medible. Y salir antes, adelantándose al cierre, costó por sí solo aproximadamente la mitad de la expectativa de la estrategia, la posición necesita la sesión completa para funcionar.

El hallazgo metodológico más importante. El indicador no es de donde viene el retorno. Comprar los mismos nombres a una hora fija sin esperar el disparo técnico produce un Sharpe de 0.23. Esperar el disparo, sobre los mismos nombres, lo sube a 1.18. La señal no aporta prácticamente ningún retorno por sí misma; lo que hace es filtrar las sesiones donde el pullback nunca termina de resolverse, que es una cosa distinta y, aquí, más útil para que haga un indicador que generar edge por sí solo.

Resultado final, dos variantes, ambas reales, una recomendada. Medido contra datos SIP de Alpaca, 2018-01 a 2026-07 (unos 8.6 años), neto de la media horquilla NBBO real en la entrada (mediana 11.7 puntos básicos), no un costo asumido:

La variante más estrecha (solo catalizador específico de la empresa, la configuración recomendada): 756 operaciones, unas 88 al año, tasa de acierto 51.2%, expectativa +0.60% por operación (t-stat 3.13, cómodamente por encima del umbral de significancia), $10,000 → $15,542, retorno total +55.4%, CAGR +5.3%, Sharpe 1.99, Calmar 0.77, drawdown máximo −6.8%.

La variante más amplia (agrega un segundo camino de entrada el día después de un gap calificado): 2,636 operaciones, unas 307 al año, una expectativa por operación similar antes de componer pero un perfil visiblemente peor ajustado por riesgo, $10,000 → $17,068, CAGR +6.4%, Sharpe 1.18, drawdown máximo −9.3%. Más operaciones, más retorno total, menos disciplina en el recorrido; la versión más estrecha es la que se lleva adelante.

Las salvedades que hay que leer cada vez que esto se mencione de nuevo.

El edge se redujo aproximadamente a la mitad entre la primera mitad de la muestra y la segunda: fuerte de 2018 a 2022, notablemente más débil de 2023 a 2026. Sea lo que sea esto, se está volviendo más difícil de extraer, no más fácil.

Diez símbolos, de más de mil cien nombres distintos operados, representan el 58.2% de la ganancia total. Un resultado concentrado tan fuertemente en un puñado de nombres no es la misma afirmación que un resultado que aparece ampliamente en todo el universo.

Los umbrales del filtro se fijaron en parte mirando los resultados, no elegidos a ciegas de antemano, aunque la respuesta a valores cercanos se mueve en una dirección consistente en vez de dispararse justo en el nivel elegido, lo cual es alguna protección contra haber simplemente encontrado ruido.

El clasificador de catalizador que define el universo operable remueve el 93% de los candidatos crudos de gap-up antes de que corra cualquier otra regla. Ese clasificador no se ha verificado a mano contra una muestra real; es una dependencia real y no verificada.

El impacto de mercado en la subasta de cierre, donde sale cada posición, no está modelado en absoluto. Y esto sigue siendo una hipótesis medida sobre datos históricos, no un sistema que se haya corrido hacia adelante en tiempo real. La brecha entre esas dos cosas es exactamente lo que la siguiente etapa de trabajo tiene que cerrar.

Por qué funciona, si funciona. Una reversión técnica confirmada dentro de un nombre que el mercado ya marcó con un catalizador real es una afirmación más estrecha y más falsificable que cualquiera de las dos señales por separado; el propio hallazgo del backtest, que remover el indicador colapsa el retorno ajustado por riesgo, es lo más parecido aquí a evidencia de que la combinación está haciendo trabajo real y no solo agregando un filtro que parece plausible sobre ruido.