ESMA y CFD: apalancamiento, cierre y saldo negativo.

De la decisión de ESMA a la resolución de la CNMV

La lección 1.2.4 presentó los límites de los CFD para minoristas y calculó cuánto movimiento cierra una posición en EURUSD. Esta lección va a las fuentes y al detalle que decide el resultado de una cuenta: qué subyacente cae en qué tramo, cómo se mide el cierre al 50 %, qué pasa con un salto de precio y de dónde sale la cifra de la advertencia.

El poder de intervención de productos llegó con el Reglamento (UE) 600/2014 (MiFIR), aplicable desde el 3 de enero de 2018: su artículo 40 permite a ESMA restringir temporalmente un producto en toda la UE y el 42, a cada autoridad nacional en su país. El 22 de mayo de 2018 ESMA adoptó dos decisiones: prohibir las opciones binarias a minoristas desde el 2 de julio y restringir los CFD desde el 1 de agosto (Decisión (UE) 2018/796), por tres meses renovables. Según la propia CNMV, ESMA las renovó tres veces. Para darles estabilidad, cada autoridad adoptó medidas nacionales equivalentes; en España, la Resolución de la CNMV de 27 de junio de 2019, cuyo capítulo de CFD entró en vigor el 1 de agosto de 2019 y sigue aplicándose «mientras no se aprecie por la CNMV que se han producido cambios en las condiciones de mercado que permitan su derogación».

flowchart TB
  A[MiFIR art. 40 y 42] --> B[ESMA 2018/796]
  B --> C[CNMV junio 2019]
  C --> D[CNMV julio 2023]

La resolución de 2019 se aplica a toda la comercialización, distribución y venta de CFD a clientes minoristas residentes en España, sea cual sea el país de la entidad y tenga o no sucursal aquí; si otra autoridad impone algo distinto, se aplica lo más estricto. Considera CFD, entre otros, el rolling spot forex y las apuestas sobre diferenciales, y deja fuera los warrants y los turbos. No se aplica a los clientes profesionales: por eso la lección 7.4.1 insiste en lo que se pierde al pedir ese trato.

Las cinco condiciones del artículo 4

El artículo 4 de la resolución permite vender un CFD a un minorista solo si se cumplen todas estas condiciones:

El anexo I fija la garantía por tipo de subyacente. El detalle está en las listas: «divisas principales» son seis (dólar estadounidense, euro, yen, libra, dólar canadiense y franco suizo), y los índices del 5 % son diez nombrados, con la denominación de 2019 («DAX30»). El IBEX 35 no está entre ellos. Una calculadora que lo aplica tal cual:

import numpy as np
import pandas as pd

PRINCIPALES = {"USD", "EUR", "JPY", "GBP", "CAD", "CHF"}
INDICES_5 = {"FTSE 100", "CAC 40", "DAX30", "DJIA", "S&P 500",
             "NASDAQ", "NASDAQ 100", "Nikkei 225", "ASX 200",
             "EURO STOXX 50"}

def garantia_inicial(tipo, nombre=""):
    """Fracción del nominal (anexo I de la Resolución de 2019)."""
    if tipo == "divisa":
        a, b = nombre[:3], nombre[3:]
        return 0.0333 if {a, b} <= PRINCIPALES else 0.05
    if tipo == "indice":
        return 0.05 if nombre in INDICES_5 else 0.10
    if tipo == "materia_prima":
        return 0.05 if nombre == "oro" else 0.10
    if tipo == "cripto":
        return 0.50
    return 0.20                 # acciones y cualquier otro subyacente

cartera = pd.DataFrame([
    ("divisa", "EURUSD", 100_000), ("divisa", "EURTRY", 20_000),
    ("indice", "DAX30", 40_000), ("indice", "IBEX 35", 40_000),
    ("materia_prima", "oro", 20_000),
    ("materia_prima", "brent", 20_000),
    ("accion", "una acción", 10_000), ("cripto", "BTC", 4_000),
], columns=["tipo", "subyacente", "nominal_eur"])
pares = zip(cartera["tipo"], cartera["subyacente"])
cartera["garantia_pct"] = [100 * garantia_inicial(t, s)
                           for t, s in pares]
cartera["garantia_eur"] = (cartera["nominal_eur"]
                           * cartera["garantia_pct"] / 100)
print(cartera.to_string(index=False))
total = cartera["garantia_eur"].sum()
nominal = cartera["nominal_eur"].sum()
print(f"garantía total {total:,.0f} EUR para {nominal:,.0f} EUR de "
      f"nominal (apalancamiento medio {nominal / total:.1f}:1)")

         tipo subyacente  nominal_eur  garantia_pct  garantia_eur
       divisa     EURUSD       100000          3.33        3330.0
       divisa     EURTRY        20000          5.00        1000.0
       indice      DAX30        40000          5.00        2000.0
       indice    IBEX 35        40000         10.00        4000.0
materia_prima        oro        20000          5.00        1000.0
materia_prima      brent        20000         10.00        2000.0
       accion una acción        10000         20.00        2000.0
       cripto        BTC         4000         50.00        2000.0
garantía total 17,330 EUR para 254,000 EUR de nominal (apalancamiento medio 14.7:1)

El mismo nominal en el DAX30 y en el IBEX 35 cuesta el doble de garantía en el segundo, y el par EURTRY, con una divisa que no está en la lista, va al 5 %. El apalancamiento medio de la cartera, que mezcla tramos, no es ninguno de los del anexo: es lo que pasa en una cuenta real.

Lo que significa el apalancamiento máximo con datos

ESMA no eligió las cifras a ojo. En su decisión explica que calibró la garantía de cada subyacente según su volatilidad, simulando con unos diez años de precios diarios la probabilidad de que un cliente pierda el 50 % de su inversión inicial en un plazo de tenencia adecuado, con el objetivo de que esa probabilidad fuera coherente entre subyacentes. El mismo ejercicio se puede hacer con los datos del curso. Las series imitan mercados reales; el tramo que se les asigna es el del mercado al que imitan, y es un supuesto de la lección:

El experimento: todo el saldo de la cuenta como garantía (el apalancamiento máximo permitido), una posición abierta cada sesión, larga o corta, mantenida 20 sesiones. Se cierra si en algún cierre diario la pérdida llega a la mitad de la garantía, es decir, a un movimiento en contra de la mitad del porcentaje del anexo:

from numpy.lib.stride_tricks import sliding_window_view

fx = pd.read_parquet("fx3_diario.parquet")
ind = pd.read_csv("futuros3_indices_contado.csv", parse_dates=["fecha"])
fut = pd.read_parquet("futuros2_continuos.parquet")
acc = pd.read_parquet("universo2_ajustados.parquet")
cri = pd.read_parquet("cripto3_diario.parquet")

def serie(df, col_id, valor, col_precio):
    s = df[df[col_id] == valor].set_index("fecha")[col_precio]
    return s.sort_index().dropna()

series = {
    "QEVUSD": (serie(fx, "par", "QEVUSD", "spot"), 0.0333),
    "USDQMP": (serie(fx, "par", "USDQMP", "spot"), 0.05),
    "RVE": (serie(ind, "indice", "RVE", "contado"), 0.05),
    "MEA": (serie(fut, "mercado", "MEA", "cierre_ajustado"), 0.05),
    "RVH": (serie(ind, "indice", "RVH", "contado"), 0.10),
    "ENA": (serie(fut, "mercado", "ENA", "cierre_ajustado"), 0.10),
    "XBQ": (serie(cri[cri["exchange"] == "boreal"], "activo", "XBQ",
                  "cierre_spot"), 0.50),
}

def prob_cierre(precios, garantia, h=20):
    """Fracción de ventanas de h sesiones con cierre (media L/C)."""
    v = sliding_window_view(np.asarray(precios, float), h + 1)
    r = v[:, 1:] / v[:, :1] - 1
    largo = (r <= -0.5 * garantia).any(axis=1).mean()
    corto = (r >= 0.5 * garantia).any(axis=1).mean()
    return (largo + corto) / 2

res = {k: prob_cierre(s, g) for k, (s, g) in series.items()}
por_accion = [prob_cierre(g["cierre_ajustado"], 0.20)
              for _, g in acc.sort_values("fecha").groupby("ticker")
              if len(g) > 21]
res["acciones"] = float(np.mean(por_accion))
prob = pd.Series(res).sort_values(ascending=False)
(100 * prob).round(1)

RVE         52.7
ENA         51.6
MEA         49.8
QEVUSD      39.8
USDQMP      36.7
RVH         30.0
acciones    19.3
XBQ          7.4
dtype: float64

La figura de la cabecera ordena el resultado. Con el apalancamiento máximo y todo el saldo comprometido, un CFD se cierra por la regla del 50 % en una proporción grande de las ventanas de cuatro semanas, y la proporción no es igual entre subyacentes. El tramo único del 5 % para índices principales, oro y divisas secundarias trata igual a series con volatilidades distintas, y lo mismo pasa entre el IBEX 35 y el crudo al 10 %. La criptomoneda, con la garantía del 50 %, es la que menos se cierra: el tramo es conservador para su volatilidad. Las cifras dependen de los datos sintéticos; lo que se puede generalizar es el método y el orden de magnitud.

La forma de reducir esa probabilidad no la decide la norma sino el cliente: no comprometer todo el saldo. La misma cuenta con menos apalancamiento efectivo en el par principal:

qev = series["QEVUSD"][0]
for apal in (30, 20, 10, 5, 2):
    # con apalancamiento efectivo L, el cierre llega con una caída
    # del 50 % del saldo: un movimiento de 0,5 / L
    p = prob_cierre(qev, 1 / apal)
    print(f"{apal:>2}:1  movimiento que cierra {50 / apal:5.2f} %  "
          f"prob. en 20 sesiones {100 * p:5.1f} %")

30:1  movimiento que cierra  1.67 %  prob. en 20 sesiones  39.8 %
20:1  movimiento que cierra  2.50 %  prob. en 20 sesiones  23.0 %
10:1  movimiento que cierra  5.00 %  prob. en 20 sesiones   4.3 %
 5:1  movimiento que cierra 10.00 %  prob. en 20 sesiones   0.4 %
 2:1  movimiento que cierra 25.00 %  prob. en 20 sesiones   0.0 %

La simplificación es honesta en un sentido: con la garantía mínima y todo el saldo comprometido, garantía y saldo coinciden, y el cierre llega con la pérdida de la mitad del saldo. Con menos apalancamiento, el proveedor no cerraría por la regla del 50 % (el saldo sobra), pero la pérdida del 50 % del saldo sigue siendo el umbral que interesa al cliente.

El cierre al 50 %: por cuenta, no por posición

El artículo 3.e define la protección como la liquidación de uno o más CFD «cuando la suma de los fondos en la cuenta de operativa en CFD y las ganancias netas no realizadas de todos los CFD abiertos asociados a esa cuenta desciendan a menos de la mitad de la totalidad de la garantía inicial aportada para todos esos CFD abiertos». Es una regla por cuenta. ESMA explica en su decisión que la consulta pública proponía una regla por posición y que la cambió: una regla por cuenta permite que las ganancias de una posición compensen las pérdidas de otra, y un proveedor que cierre por posición también cumple, porque es más estricto.

La diferencia importa en cuanto hay dos posiciones que se cubren. Un par largo-corto: CFD largo sobre RVE (índice principal, 5 %) y corto sobre RVH (10 %), con el mismo nominal, y la cuenta con exactamente la garantía de los dos. Las dos series tienen una correlación diaria de 0,73:

p = ind.pivot(index="fecha", columns="indice", values="contado")
par = p[["RVE", "RVH"]].to_numpy()

def ventana(i, regla, h=20):
    nominal, signo = 1.0, np.array([1, -1])     # largo RVE, corto RVH
    garantia = nominal * np.array([0.05, 0.10])
    fondos = garantia.sum()
    abierta = np.array([True, True])
    cerrada_pnl = np.zeros(2)
    cerro = False
    for t in range(1, h + 1):
        vivo = signo * nominal * (par[i + t] / par[i] - 1)
        pnl = np.where(abierta, vivo, cerrada_pnl)
        if regla == "posicion":
            corta = abierta & (pnl < -0.5 * garantia)
            cerrada_pnl[corta], abierta[corta] = pnl[corta], False
            cerro |= corta.any()
        if abierta.any() and (fondos + pnl.sum()
                              < 0.5 * garantia[abierta].sum()):
            cerrada_pnl[abierta], abierta[:] = pnl[abierta], False
            cerro = True
    return cerro, pnl.sum() / fondos

for regla in ("cuenta", "posicion"):
    r = [ventana(i, regla) for i in range(len(par) - 20)]
    cerradas = np.mean([c for c, _ in r])
    final = np.array([x for _, x in r])
    print(f"{regla:9} cierres {100 * cerradas:5.1f} %   resultado "
          f"medio {100 * final.mean():5.1f} %   percentil 5 "
          f"{100 * np.percentile(final, 5):6.1f} %")

cuenta    cierres   6.6 %   resultado medio   0.9 %   percentil 5  -51.2 %
posicion  cierres  71.8 %   resultado medio   2.0 %   percentil 5  -58.7 %

Con el cierre por posición, alguna pata se liquida en la mayoría de las ventanas: la pata del 5 % aguanta un 2,5 % en contra antes de cerrarse, y en un par cubierto cada pata se mueve mucho más que el conjunto. Lo peor no es la frecuencia, es lo que queda: una pata abierta sin su cobertura, una exposición que el cliente no había elegido. Es el argumento que ESMA recoge de la consulta pública. La regla por cuenta mira lo que el cliente puede perder, el neto, y casi no actúa. En una cuenta con una sola posición, como dice ESMA, las dos reglas son la misma.

La CNMV añade una buena práctica en el preámbulo de la resolución de 2019: avisar al cliente antes del 50 %, para que pueda aportar garantías o cerrar por su cuenta. Y la de 2023 precisa que el cierre «no debe tener lugar antes de alcanzar dicho umbral y de informar al cliente».

stateDiagram-v2
  [*] --> Normal
  Normal --> Aviso: fondos bajo umbral
  Aviso --> Normal: aporta o cierra
  Aviso --> Cierre: bajo el 50 %
  Cierre --> Normal: queda saldo
  Cierre --> Protegido: saldo negativo
  Protegido --> [*]

Protección de saldo negativo

El cierre al 50 % deja la otra mitad de la garantía como colchón para ejecutar el cierre. Ese colchón no sirve si el precio salta entre dos observaciones: un fin de semana, una decisión de un banco central, un hueco en la apertura. En los datos de divisas hay uno así. El viernes 2 de octubre de 2015 QEVUSD cerró en 1,58226 y el lunes 5, en 1,45688:

q = series["QEVUSD"][0]
salto = q.pct_change().abs().idxmax()
antes, despues = q.shift(1)[salto], q[salto]
mov = despues / antes - 1
fondos = 10_000                       # EUR en la cuenta de CFD
nominal = fondos / 0.0333             # todo el saldo como garantía
saldo = fondos + nominal * mov        # CFD largo
print(f"{salto.date()}: {antes:.5f} -> {despues:.5f} "
      f"({100 * mov:.2f} %)")
print(f"nominal {nominal:,.0f}; saldo tras el salto {saldo:,.0f} EUR")
print(f"pérdida del cliente con protección: {fondos:,.0f} EUR; "
      f"la asume el proveedor: {-min(saldo, 0):,.0f} EUR")

2015-10-05: 1.58226 -> 1.45688 (-7.92 %)
nominal 300,300; saldo tras el salto -13,796 EUR
pérdida del cliente con protección: 10,000 EUR; la asume el proveedor: 13,796 EUR

Por simplicidad la cuenta está en euros y el nominal se expresa en euros. Una caída del 7,9 % con apalancamiento 30:1 es una pérdida del 238 % de la garantía: cuando el proveedor puede cerrar, ya no queda saldo. La protección de saldo negativo (artículo 3.f) limita la responsabilidad del cliente, por todos los CFD de esa cuenta, a los fondos depositados en ella. Cuántas veces pasa en el experimento de la sección anterior se puede contar: la primera señal de cierre llega con la pérdida ya por encima del 100 % de la garantía.

def saldo_negativo(precios, garantia, h=20):
    v = sliding_window_view(np.asarray(precios, float), h + 1)
    r = v[:, 1:] / v[:, :1] - 1
    out = 0
    for x in (r, -r):                          # largo y corto
        toca = x <= -0.5 * garantia
        hay = toca.any(axis=1)
        primero = toca.argmax(axis=1)
        perdida = -x[np.arange(len(x)), primero] / garantia
        out += int((hay & (perdida > 1)).sum())
    return out

pd.Series({k: saldo_negativo(s, g) for k, (s, g) in series.items()})

QEVUSD     88
USDQMP      4
RVE       167
MEA       116
RVH        16
ENA       232
XBQ         0
dtype: int64

Son ventanas (largas y cortas) cuya primera señal de cierre llega con la pérdida ya por encima de la garantía: 232 en el crudo, 167 en el índice principal, 88 en el par principal y ninguna en la criptomoneda, cuya garantía del 50 % deja un colchón del 25 % de movimiento. Los saltos se concentran en pocas fechas y afectan a todas las ventanas que las atraviesan, por eso los recuentos son grandes en unas series y pequeños en otras. Con datos intradía y vigilancia continua los casos serían menos, no ninguno: el hueco entre dos precios existe en cualquier frecuencia.

La advertencia de riesgo y su porcentaje

Toda comunicación de un proveedor de CFD a minoristas lleva una advertencia con un formato fijo (anexo II). En una web o un soporte duradero:

Los CFD son instrumentos complejos y están asociados a un riesgo elevado de perder dinero rápidamente debido al apalancamiento. [porcentaje del proveedor] % de las cuentas de inversores minoristas pierden dinero en la negociación de CFD con este proveedor. Debe considerar si comprende el funcionamiento de los CFD y si puede permitirse asumir un riesgo elevado de perder su dinero.

El porcentaje no es libre. La sección A.6 lo define: cada tres meses, sobre los 12 meses anteriores, la proporción de cuentas de CFD de minoristas cuyo resultado neto realizado y no realizado en CFD fue negativo, con todos los costes (cargos, tasas, comisiones) y sin las cuentas que no tuvieron ningún CFD abierto, sin el resultado de otros productos y sin ingresos ni retiradas. El proveedor sin CFD abiertos en el periodo usa la advertencia estándar: «Entre un 74 y un 89 % de los inversores minoristas pierden dinero cuando negocian con CFD», el rango de los estudios de los supervisores que cita la propia resolución.

Un validador sobre 5.000 cuentas sintéticas, comparado con dos cálculos tentadores y erróneos:

rng = np.random.default_rng(2019)
n = 5_000
cuentas = pd.DataFrame({
    "con_cfd_abierto": rng.random(n) < 0.85,
    "realizado": rng.normal(-150, 900, n).round(2),
    "no_realizado": rng.normal(0, 200, n).round(2),
    "costes": rng.gamma(2.0, 180, n).round(2),
    "otros_productos": rng.normal(300, 1500, n).round(2),
    "ingresos": rng.gamma(1.5, 2000, n).round(2),
    "retiradas": rng.gamma(1.2, 900, n).round(2),
})
cuentas.loc[~cuentas["con_cfd_abierto"],
            ["realizado", "no_realizado", "costes"]] = 0.0

def pct_pierden(c):
    """Anexo II, sección A.6 de la Resolución de 2019."""
    c = c[c["con_cfd_abierto"]]
    neto = c["realizado"] + c["no_realizado"] - c["costes"]
    return 100 * (neto < 0).mean()

c = cuentas
sin_costes = c[c["con_cfd_abierto"]]
mal_1 = 100 * ((sin_costes["realizado"] + sin_costes["no_realizado"])
               < 0).mean()
saldo = (c["realizado"] + c["no_realizado"] - c["costes"]
         + c["otros_productos"] + c["ingresos"] - c["retiradas"])
mal_2 = 100 * (saldo < 0).mean()
print(f"anexo II A.6:                       {pct_pierden(c):5.1f} %")
print(f"sin costes:                         {mal_1:5.1f} %")
print(f"variación del saldo, todas cuentas: {mal_2:5.1f} %")

anexo II A.6:                        70.3 %
sin costes:                          56.0 %
variación del saldo, todas cuentas:  29.7 %

Los dos errores rebajan la cifra. Olvidar los costes cambia el signo de las cuentas que ganan poco antes de comisiones y financiación. Usar la variación del saldo de todas las cuentas mezcla ingresos, otros productos y cuentas sin CFD, y convierte en «ganadoras» cuentas que solo recibieron una transferencia. El método del anexo existe para que la cifra sea comparable entre proveedores.

Lo que añadió la CNMV en 2023 y lo que no cubre nada de esto

La Resolución de la CNMV de 11 de julio de 2023, aplicable desde el 3 de agosto de 2023, hace dos cosas. Para los CFD prohíbe las comunicaciones publicitarias dirigidas a minoristas en España, incluidas las que redirigen a una web o a un formulario del proveedor y las ofertas al público de cursos, seminarios o cuentas demo gratuitas o a precio simbólico; el patrocinio y la publicidad de marca con ese efecto; y prácticas como pagar a clientes por traer clientes, remunerar a la red comercial por captaciones o pérdidas de clientes, los centros de llamadas que promocionan estos productos y los ingresos con tarjeta de crédito. Y para otros instrumentos apalancados (aquellos cuyo riesgo máximo no se conoce al suscribirlos o puede superar la aportación inicial, como futuros u opciones vendidas) exige a los minoristas una garantía inicial y el cierre al 50 %. La garantía es el menor de dos importes: el del anexo I de 2019 según el subyacente o el que exija el centro de negociación; si el subyacente es un criptoactivo que no es instrumento financiero MiFID, el del anexo sin rebaja.

esp = pd.read_csv("futuros2_especificaciones.csv")
ultimo = fut[fut["fecha"] == fut["fecha"].max()].set_index("mercado")
esp = esp.set_index("mercado").loc[["IDA", "MEA", "ENA", "DIB", "BOC"]]
esp["nominal"] = ultimo["cierre"] * esp["multiplicador"]
esp["centro_pct"] = 100 * esp["margen_inicial"] / esp["nominal"]
# supuestos: IDA como índice principal; DIB, divisa no principal;
# un futuro sobre bonos es «otro subyacente»
esp["anexo_pct"] = [5.0, 5.0, 10.0, 5.0, 20.0]
esp["exigible_pct"] = esp[["centro_pct", "anexo_pct"]].min(axis=1)
esp[["nombre", "nominal", "centro_pct", "anexo_pct",
     "exigible_pct"]].round(2)

                       nombre   nominal  centro_pct  anexo_pct  exigible_pct
mercado
IDA      Índice Aldebarán 500  389500.0        7.01        5.0          5.00
MEA                       Oro   41300.0        5.81        5.0          5.00
ENA              Crudo ligero   42670.0       12.89       10.0         10.00
DIB         Divisa Kestra/USD   60390.0        3.31        5.0          3.31
BOC            Bono a 10 años   95937.5        3.86       20.0          3.86

En tres de los cinco futuros del nivel 2 (índice, oro y crudo) la cifra del anexo es menor que el margen del mercado y es la exigible; en la divisa y en el bono manda el margen del mercado, más bajo que el 5 % y el 20 % del anexo. La resolución fija el mínimo que el proveedor debe pedir al cliente minorista. Su efecto práctico más claro está en el cierre al 50 %, que el margen de un mercado no exige al cliente final.

Lo que ninguna de estas medidas cubre: a los clientes profesionales; a los minoristas que operan con entidades que no están autorizadas (lección 4.4.1), y el riesgo de mercado en sí. Limitan cuánto se puede perder por apalancamiento, no si la estrategia gana.

Ejercicios

1. Repite el experimento de la cabecera con ventanas de 5 y de 60 sesiones. ¿Cómo cambia el orden de los subyacentes? ¿Qué te dice sobre el «plazo de tenencia adecuado» que usó ESMA?

tabla = pd.DataFrame({
    h: {k: 100 * prob_cierre(s, g, h=h)
        for k, (s, g) in series.items()}
    for h in (5, 20, 60)
}).round(1)
tabla.columns = [f"{h} sesiones" for h in tabla.columns]
tabla.sort_values("20 sesiones", ascending=False)

        5 sesiones  20 sesiones  60 sesiones
RVE           22.3         52.7         70.0
ENA           21.0         51.6         70.7
MEA           18.7         49.8         69.3
QEVUSD        10.8         39.8         62.5
USDQMP         8.1         36.7         59.8
RVH            6.1         30.0         54.9
XBQ            0.3          7.4         36.2

2. Modifica ventana para que la cuenta tenga el doble de fondos que la garantía exigida. ¿Cuántos cierres hay ahora con cada regla?

def ventana_holgada(i, regla, h=20, colchon=2.0):
    nominal, signo = 1.0, np.array([1, -1])
    garantia = nominal * np.array([0.05, 0.10])
    fondos = colchon * garantia.sum()
    abierta = np.array([True, True])
    cerrada_pnl, cerro = np.zeros(2), False
    for t in range(1, h + 1):
        vivo = signo * nominal * (par[i + t] / par[i] - 1)
        pnl = np.where(abierta, vivo, cerrada_pnl)
        if regla == "posicion":
            corta = abierta & (pnl < -0.5 * garantia)
            cerrada_pnl[corta], abierta[corta] = pnl[corta], False
            cerro |= corta.any()
        if abierta.any() and (fondos + pnl.sum()
                              < 0.5 * garantia[abierta].sum()):
            cerrada_pnl[abierta], abierta[:] = pnl[abierta], False
            cerro = True
    return cerro

for regla in ("cuenta", "posicion"):
    c = np.mean([ventana_holgada(i, regla)
                 for i in range(len(par) - 20)])
    print(f"{regla:9} cierres {100 * c:5.1f} %")

cuenta    cierres   0.0 %
posicion  cierres  71.8 %

3. Un proveedor anuncia en una red social: «Opera el IBEX con apalancamiento 20:1 y llévate un bono de 100 EUR». Señala qué partes de las resoluciones de 2019 y 2023 incumple ese anuncio si va dirigido a minoristas en España.