Una bandada de estorninos no tiene líder. Ningún pájaro conoce el plan, ninguno ve el conjunto: cada uno reacciona solo a los seis o siete vecinos que lo rodean. Y aun así la bandada se mueve como un solo organismo: gira, se divide, esquiva, como si alguien hubiera dado una orden que nadie dio nunca.

Esa es la puerta de entrada más honesta al análisis técnico que conozco. Las líneas del gráfico no pueden ver el futuro. Pero cientos de miles de personas miran las mismas líneas y reaccionan unas a otras — y de ahí surge algo que se siente como predicción. La «magia» del AT no es magia. Es coordinación. Y eso, como quiero mostrar, es una explicación mucho más interesante que la brujería — porque también explica cuándo falla el hechizo.

Una enorme bandada de estorninos forma una única ola ondulante sobre un paisaje oscuro al anochecer — coordinación sin líder

Imagen ilustrativa, generada con IA.

Lo que afirma el análisis técnico

En corto, para quien acaba de llegar: el análisis técnico lee patrones en los precios y volúmenes pasados — soportes y resistencias, tendencias, rupturas, indicadores como el RSI y el MACD, niveles como los retrocesos de Fibonacci — y deduce de ahí los próximos movimientos probables. Los términos en sí los tengo todos explicados en el índice de términos de trading; aquí va la única pregunta que allí no tenía sitio: ¿puede esto funcionar siquiera — y, de ser así, por qué?

Lo que dice realmente la investigación

La respuesta corta: es más complicado de lo que afirman ambos bandos.

El estudio a favor más famoso es el de Brock, Lakonishok y LeBaron (1992): reglas simples — medias móviles, rupturas de rango — mostraron capacidad predictiva estadísticamente significativa sobre noventa años de datos del Dow Jones. El resultado sobrevivió incluso a la prueba más dura: en 1999, Sullivan, Timmermann y White comprobaron con un bootstrap sobre el universo entero de reglas de trading posibles si el hallazgo era solo data snooping — no lo era. Pero el mismo estudio también encontró algo más: en el periodo más reciente (1987–1996), la ventaja había desaparecido. Quédate con ese patrón; vuelve enseguida.

Lo, Mamaysky y Wang (2000) automatizaron el reconocimiento de patrones y encontraron que los patrones chartistas clásicos sí contienen información estadística — pero «informativo» no significa «rentable», y los costes de transacción no formaban parte del test. El gran survey de la literatura de Park e Irwin (2007) contó 56 estudios positivos, 20 negativos y 19 mixtos — y a la vez achacó a la mayoría problemas metodológicos: reglas elegidas a posteriori, costes maquillados, data snooping.

La posición contraria merece la misma seriedad: según la hipótesis del mercado eficiente (Fama, 1970), toda la información de los precios pasados ya está en el precio — no porque los mercados sean tontos, sino porque mucha gente lista la incorpora al instante. Y la crítica de la apofenia tiene una prueba venerable: ya en 1959, Roberts mostró que los gráficos hechos con números puramente aleatorios son visualmente casi indistinguibles de series de precios reales. Malkiel cuenta en «A Random Walk Down Wall Street» la anécdota perfecta: unos estudiantes generaron un gráfico ficticio lanzando monedas, y un chartista vio en él una formación alcista y urgió a comprar de inmediato. (Anécdota de libro, no estudio — pero de las que se quedan grabadas.)

Y luego está la gran excepción en la que la investigación está bastante de acuerdo: el momentum. Lo que fue bien durante meses tiende, de media, a seguir un poco más — documentado desde Jegadeesh y Titman (1993), replicado ampliamente y, a estas alturas, confirmado también para cripto en revistas de primer nivel: como efecto de series temporales, como factor de sección cruzada y, más recientemente, como factor de tendencia sobre 3.000 monedas que sobrevive a los costes de transacción. Antes de que esto se convierta en euforia, las notas al pie: es evidencia de carteras en horizontes mensuales — no una prueba de que leer gráficos funcione en la ventana de 5 minutos. Y el momentum tiene un precio documentado: crashes raros y brutales justo en las fases de pánico y recuperación en las que menos los quieres.

Una mano traza líneas con lápiz y regla sobre gráficos de precios impresos, en un escritorio oscuro bajo la luz de una lámpara

Imagen ilustrativa, generada con IA.

El truco: funciona porque todos están mirando

Ahora la parte interesante — el mecanismo que explica por qué unas líneas sin poder predictivo pueden tener igualmente efectos reales. No es especulación; se ha medido, y quien lo hizo con más rigor fue Carol Osler, entonces en la Federal Reserve Bank of New York.

Tres hallazgos que juntos explican la mitad del AT:

Primero: cuando Osler analizó los niveles de soporte y resistencia de operadores reales de divisas (2000), la inmensa mayoría terminaba en números redondos — y los niveles ayudaban de verdad a predecir interrupciones de tendencia. Segundo, y este es el hallazgo más bonito de toda la literatura: con los primeros datos disponibles de órdenes reales de clientes, Osler (2003, Journal of Finance) mostró que las órdenes take-profit se acumulan justo en los números redondos — por eso las tendencias giran ahí — y las órdenes stop-loss justo más allá — por eso los precios corren inusualmente rápido tras una ruptura. Dos predicciones centrales del chartismo, derivadas no de las líneas, sino de la distribución de las propias órdenes. Tercero: los stops agrupados pueden dispararse unos a otros en cascada (2005) — una capa de stops empuja el precio hacia la siguiente. Eso que los traders llaman «stop run» está medido académicamente como mecanismo.

A eso se suma el efecto ancla de las medias móviles más observadas (Avramov et al., 2021) y la pregunta de si hay siquiera suficientes participantes en el juego para que la coordinación se sostenga. Respuesta: sí — en la encuesta de Menkhoff a 692 gestores de fondos, el 87 por ciento usaba análisis técnico; en horizontes semanales pesaba incluso más que el análisis fundamental. Eso no es folclore retail; son profesionales.

Fibonacci es la prueba de fuego de esta teoría — y la pasa: la evidencia predictiva es escasa o inexistente, el nivel del 50 % ni siquiera es una proporción de Fibonacci, y aun así los niveles a veces funcionan. La explicación documentada más plausible: funcionan porque millones de personas los dibujan y colocan órdenes ahí. George Soros acuñó para esta retroalimentación — expectativas que alteran el mercado que creen describir — el término reflexividad. Como concepto, no como estudio; pero es la palabra correcta.

Y aquí está también la autodestrucción incorporada: la coordinación solo se sostiene mientras juegan suficientes — y en cuanto un patrón es demasiado conocido, el mercado lo opera hasta borrarlo. McLean y Pontiff lo cuantificaron: las anomalías de rentabilidad publicadas pierden de media el 58 por ciento de su fuerza tras su publicación. La bandada gira — y quien sigue volando en la dirección vieja, vuela solo.

En cripto el bucle es más corto

Todo lo anterior vale para los mercados en general. En cripto se añade un agravante, y tiene una razón precisa: apenas hay datos fundamentales a los que agarrarse. Un estudio notable (Detzel et al., 2021) muestra exactamente eso: en activos con fundamentales difíciles de valorar — Bitcoin es su ejemplo principal — el análisis técnico surge de forma racional, porque el propio precio es la única fuente de información compartida. Donde no existe un beneficio por acción, la media de 200 semanas se convierte en la hoguera alrededor de la cual se reúnen todos.

A eso se suma la estructura del mercado: está dominado por el retail — el BIS analizó datos de apps de cripto de 95 países y encontró que alrededor del 40 por ciento de los nuevos usuarios son hombres menores de 35, el segmento más propenso al riesgo (su cálculo aproximado: unas tres cuartas partes de los usuarios de apps probablemente perdieron dinero con sus compras de Bitcoin hasta 2022). Esa masa mira herramientas idénticas: prácticamente toda app de exchange trae preconfigurados los mismos indicadores que las academias de los propios exchanges enseñan como set estándar — RSI, medias móviles, MACD, Bollinger. (Y como aquí sale un exchange, la frase obligada: eso es una descripción de sus materiales didácticos, no una recomendación; lo que está en un exchange es tuyo solo sobre el papel.) El mercado opera 24/7, sin pausas de negociación, sin subasta de cierre — nada frena una cascada cuando ya está en marcha.

Y los flujos forzados son aquí más visibles que en ningún otro sitio: herramientas como el mapa de calor de liquidaciones de Coinglass cartografían dónde se acumulan presumiblemente las posiciones apalancadas — importante saberlo: es un modelo construido a partir del open interest y de niveles de apalancamiento típicos, no un libro de órdenes filtrado. Que los precios corran con llamativa frecuencia justo hacia esas zonas es lo que la escena llama «stop hunting»; la intención de actores concretos prácticamente nunca es demostrable — el mecanismo de fondo, sí: véase Osler. Cómo se ve eso en el extremo lo mostró el 10 de octubre de 2025: según datos de trackers, en 24 horas se liquidaron posiciones por más de 19.000 millones de dólares; los datos por minuto de Amberdata muestran la anatomía de la cascada — 3.210 millones en un solo minuto, el 93,5 por ciento de ellos ventas forzadas. Ningún patrón de gráfico «predijo» eso. Pero los clústeres por los que corrió la cascada estaban antes a la vista en cualquier mapa de calor. Esa es la diferencia entre adivinación y mecánica.

La otra cara vale igual: en cripto los edges caducan más rápido. El estudio de AT en cripto más exhaustivo (Hudson y Urquhart, 2021 — casi 15.000 reglas, con controles de data snooping) encontró rentabilidad amplia en la fase temprana del mercado — y para Bitcoin había desaparecido en el periodo out-of-sample. El mismo patrón que en 1999 con Sullivan, Timmermann y White. La bandada aprende.

Lo que queda sin la magia

Si el AT es en el fondo coordinación — ¿qué significa eso en la práctica? Dos cosas, y ambas son menos espectaculares que cualquier miniatura de YouTube.

Primero: los niveles son lugares, no oráculos. Un soporte no «aguanta» porque la línea sea sagrada, sino cuando ahí espera demanda de verdad — y se rompe cuando no la hay. Quien lee los niveles como un mapa de probabilidades de las órdenes de los demás, en vez de como una predicción, usa la herramienta tal como la evidencia lo permite.

Segundo — y esta es la parte que se sostiene aunque no creas en nada: el marco. El beneficio medible de reglas como los stops no depende de magia chartista: Kaminski y Lo mostraron que las reglas de stop-loss cuestan rentabilidad en mercados aleatorios y pueden aportar valor en regímenes de momentum — depende del mercado, no de la línea. Y en el estudio sobre Bitcoin de Detzel et al., las reglas simples de medias móviles redujeron de forma medible sobre todo una cosa: la profundidad de los drawdowns. Un punto de invalidación, un tamaño de posición, un «me equivoqué» definido — esa es la parte del AT que impone disciplina donde, si no, operarían las emociones. Sin necesidad de pronóstico alguno.

Este es mi resumen honesto de la «magia»: el análisis técnico funciona donde refleja coordinación, y ayuda donde impone disciplina. Falla de forma fiable en cuanto lo usas como adivinación — y donde más caro sale es con apalancamiento, porque entonces entran en juego las cascadas. Si haces algo con esto, y qué, sigue siendo únicamente decisión tuya; este artículo, espero, solo te ha ordenado el porqué. Los términos para consultar están en el índice — y las reglas básicas del oficio sobrio están en la Crypto Collection como Trading Cheat Sheet, herramienta en vez de promesa, como todo lo de aquí.

Fuentes y límites

La base de investigación está documentada con fuentes primarias (Journal of Finance, Review of Financial Studies, JFQA, Journal of Financial Markets, BIS; enlazadas las versiones de libre acceso donde existen). Límites importantes: los estudios de cripto cubren en su mayoría fases tempranas y notoriamente ineficientes del mercado — sus resultados no son una afirmación sobre el presente. La mecánica de coordinación está probada con más rigor en los mercados de divisas y acciones (Osler; clustering de órdenes); su traslado a cripto es interpretación bien fundamentada, señalada como tal. El «stop hunting» como práctica deliberada de actores concretos no está probado judicialmente y aquí se trata expresamente como descripción de la escena. Y el límite más importante para el final: nada en este artículo es una estrategia de trading — explica por qué pasan las cosas, no qué debes hacer tú.

¿Preguntas, o has encontrado un error? Escríbeme.