¿Bitcoin tiene días, meses u horas con un sesgo que se pueda medir? Hemos agregado 3.902.959 velas M1 de BTCUSD entre mayo de 2017 y 12 de octubre de 2026 por día de la semana, mes del año, sesión y hora UTC, y hemos pasado cada resultado por un test de significancia. Resultado: 4 de los 18 cortes de calendario salen con p < 0,05, pero ninguno aguanta la corrección por comparaciones múltiples. Pista, no regla.
📊 Los datos de este artículo, en tabla y CSV: /stats/BTCUSD publica la estacionalidad, las sesiones y el spread de Bitcoin como referencia descargable, y en /data puedes bajar sus velas OHLCV (de D1 a M1) para replicar cada tabla. Este artículo es el análisis, con sus tests; esas páginas son los números en crudo.
1. Estacionalidad por día de la semana
Cada día cierra a las 00:00 UTC (día natural UTC). Ojo: el CFD de Dukascopy no cotiza los sábados, así que el retorno del domingo incluye también el movimiento del sábado. Test: t de una muestra contra cero; en negrita, lo que supera la corrección de Bonferroni.
| Día | n | Media % | Mediana % | Std % | Win rate | t-stat | p-value |
|---|---|---|---|---|---|---|---|
| Lunes | 480 | +0,473% | +0,054% | 4,055% | 50,8% | 2,55 | 0,011 |
| Martes | 491 | +0,031% | -0,095% | 3,546% | 48,7% | 0,19 | 0,847 |
| Miércoles | 489 | +0,364% | +0,178% | 3,742% | 52,4% | 2,15 | 0,032 |
| Jueves | 491 | -0,124% | -0,153% | 4,257% | 47,3% | -0,64 | 0,520 |
| Viernes | 354 | +0,139% | +0,048% | 3,414% | 51,4% | 0,77 | 0,443 |
| Domingo | 351 | +0,233% | +0,183% | 3,017% | 52,1% | 1,45 | 0,149 |
Lectura: días con p < 0,05:
- Lunes: +0,473% de media, 50,8% de win rate, p=0,011, pero no supera el umbral de Bonferroni para 6 pruebas (0,0083). En las dos mitades de la muestra (2017–2022: +0,550%; 2022–2026: +0,383%) el signo se mantiene.
- Miércoles: +0,364% de media, 52,4% de win rate, p=0,032, pero no supera el umbral de Bonferroni para 6 pruebas (0,0083). En las dos mitades de la muestra (2017–2022: +0,343%; 2022–2026: +0,389%) el signo se mantiene.
2. Estacionalidad por mes del año
112 meses completos (el mes en curso queda fuera). Retorno de cada mes = último cierre del mes contra el último cierre del mes anterior.
| Mes | n | Media % | Mediana % | Std % | Win rate | t-stat | p-value |
|---|---|---|---|---|---|---|---|
| Enero | 9 | +4,35% | +1,17% | 22,40% | 55,6% | 0,58 | 0,576 |
| Febrero | 9 | +6,47% | +1,37% | 22,32% | 66,7% | 0,87 | 0,410 |
| Marzo | 9 | +2,89% | +5,41% | 20,76% | 66,7% | 0,42 | 0,687 |
| Abril | 9 | +10,03% | +11,93% | 18,79% | 66,7% | 1,60 | 0,148 |
| Mayo | 9 | +0,63% | -3,56% | 26,38% | 44,4% | 0,07 | 0,945 |
| Junio | 10 | -4,11% | -4,63% | 19,30% | 40,0% | -0,67 | 0,517 |
| Julio | 10 | +11,26% | +10,70% | 11,96% | 80,0% | 2,98 | 0,016 |
| Agosto | 10 | +5,07% | -6,22% | 24,33% | 40,0% | 0,66 | 0,527 |
| Septiembre | 10 | -2,44% | -4,23% | 7,52% | 40,0% | -1,03 | 0,331 |
| Octubre | 9 | +18,50% | +10,86% | 20,02% | 77,8% | 2,77 | 0,024 |
| Noviembre | 9 | +5,51% | -7,11% | 32,91% | 44,4% | 0,50 | 0,629 |
| Diciembre | 9 | +7,21% | -3,29% | 23,02% | 33,3% | 0,94 | 0,375 |
Lectura: meses con p < 0,05:
- Julio: +11,26% de media, 80,0% de win rate, p=0,016, pero no supera el umbral de Bonferroni para 12 pruebas (0,0042). En las dos mitades de la muestra (2017–2021: +16,27%; 2022–2026: +6,25%) el signo se mantiene.
- Octubre: +18,50% de media, 77,8% de win rate, p=0,024, pero no supera el umbral de Bonferroni para 12 pruebas (0,0042). En las dos mitades de la muestra (2017–2021: +25,06%; 2022–2026: +10,30%) el signo se mantiene.
Cada línea fina es un año; la roja es la media. Cuando las líneas finas se abren en abanico, la media del mes dice poco del año que viene.
3. Estacionalidad por sesión de trading (UTC)
Ventanas UTC fijas, iguales para toda la serie. Drift = cierre de la sesión contra su apertura; rango = máximo menos mínimo, en % de la apertura.
| Sesión | n | Drift medio % | Win rate | p-value | Rango medio % |
|---|---|---|---|---|---|
| Asia (00–07 UTC) | 2.747 | -0,0009% | 49,8% | 0,980 | 2,380% |
| Londres (07–12 UTC) | 2.744 | +0,0679% | 52,7% | 0,025 | 1,977% |
| Nueva York (12–17 UTC) | 2.750 | +0,0340% | 51,4% | 0,359 | 2,693% |
| NY tarde (17–22 UTC) | 2.745 | +0,0579% | 54,2% | 0,056 | 2,235% |
| Fin de día (22–24 UTC) | 2.744 | +0,0267% | 52,6% | 0,198 | 1,318% |
- Nueva York (12–17 UTC) concentra el movimiento: rango medio 2,693%, 2,0× el de Fin de día (22–24 UTC).
- Londres (07–12 UTC) tiene drift alcista con p=0,025 (+0,0679% por sesión), aunque no supera Bonferroni. Es un sesgo pequeño: compáralo con el spread antes de pensar en operarlo.
4. Heatmap día × sesión
| Día | Asia (00–07) | Londres (07–12) | Nueva York (12–17) | NY tarde (17–22) | Fin de día (22–24) |
|---|---|---|---|---|---|
| Lunes | +0,041% | +0,039% | +0,144% | +0,137% | +0,076% |
| Martes | -0,027% | +0,029% | +0,026% | +0,010% | +0,053% |
| Miércoles | +0,130% | +0,103% | +0,059% | +0,060% | +0,037% |
| Jueves | -0,052% | +0,031% | -0,111% | +0,038% | -0,043% |
| Viernes | -0,131% | +0,157% | +0,103% | +0,027% | +0,054% |
| Domingo | +0,054% | +0,037% | -0,044% | +0,085% | -0,007% |
- Celda más alcista: Lunes × NY late (+0,137%, p=0,042). Más bajista: Viernes × Asia (-0,131%, p=0,120).
- 1 de 30 celdas sale con p < 0,05; por puro azar se esperarían unas 1,5. Es lo que daría el azar: no leas el heatmap como un mapa de señales.
5. Horas más volátiles (UTC)
| Hora UTC | Rango medio % | Rango medio ($) | Std % | Sesión |
|---|---|---|---|---|
| 14:00 | 1,231% | 485,9 | 1,048 | NY |
| 15:00 | 1,143% | 440,7 | 0,951 | NY |
| 16:00 | 1,125% | 399,5 | 0,997 | NY |
| 13:00 | 1,124% | 411,6 | 1,052 | NY |
| 00:00 | 1,017% | 351,8 | 0,914 | Asia |
| 12:00 | 1,006% | 339,4 | 1,002 | NY |
La hora más activa (14:00 UTC) mueve 1,6× más que la más tranquila (05:00 UTC, 0,757%). Esto, a diferencia del sesgo de calendario, sí es estable de un año a otro: es lo más útil de este análisis para decidir cuándo estar delante de la pantalla o dónde poner un stop.
6. Cuánto cuesta operarlo: el spread medido
El feed trae bid y ask reales, así que el spread es medido, no la cifra de marketing de un bróker. Mediana desde 2017: 75,50 $. Pero un spread en $ no dice cuánto pesa: lo que importa es qué parte del movimiento típico de la hora se come.
| Hora UTC | Spread mediano ($) | Rango medio ($) | Coste |
|---|---|---|---|
| 14:00 | 75,20 | 485,5 | 15,5% |
| 15:00 | 75,20 | 440,4 | 17,1% |
| 13:00 | 75,20 | 411,2 | 18,3% |
| 05:00 | 75,60 | 251,8 | 30,0% |
| 04:00 | 75,60 | 260,0 | 29,1% |
| 06:00 | 75,50 | 264,2 | 28,6% |
Operar a las 14:00 UTC cuesta un 15,5% del rango de la hora; a las 05:00 UTC, un 30,0%. La comparación entre mercados está en el spread real por mercado y hora.
Lo que NO te dicen estos datos
- Comparaciones múltiples: este artículo hace 53 pruebas (6 días, 12 meses, 5 sesiones y 30 celdas). Con un umbral del 5 %, unas 3 saldrían «significativas» por azar. Por eso marcamos aparte lo que supera Bonferroni.
- Pocos años por mes: cada mes tiene unas 9 observaciones. Un solo año extremo puede fabricar o borrar un «mes alcista».
- Un sesgo medio no es una estrategia: tras spread, comisión y swap, un drift de centésimas por sesión rara vez sobrevive. Antes de operarlo, haz un backtest con costes reales y walk-forward.
- No es el precio de un exchange 24/7: es el CFD de Dukascopy, que para los sábados. Un estudio sobre Binance o Coinbase vería siete días y repartiría distinto el fin de semana.
- Serie joven y con régimen cambiante: cripto pasó de mercado minorista a tener ETF al contado en estos años. Lo que valía en 2018 puede no valer hoy.
Metodología
- Fuente: ticks de Dukascopy agregados a velas M1 por EV Trading Labs (Bitcoin, 2017-05-08 → 2026-10-12).
- Total: 3.902.959 velas M1 con al menos un tick; 2.656 retornos diarios y 112 mensuales.
- Precio: apertura y cierre a precio medio (bid+ask)/2; máximo y mínimo en bid. Donde el feed no trae ask, bid.
- Retorno diario: (C[t] − C[t−1]) / C[t−1] × 100, donde C es el cierre a las 00:00 UTC. Se descartan días con menos de 60 velas o cuya última vela queda más de 3 h antes del corte.
- Retorno mensual: último cierre diario del mes contra el del mes anterior; el mes en curso no cuenta.
- Sesiones: drift = (cierre − apertura) / apertura × 100; rango = (máximo − mínimo) / apertura × 100; sesiones con menos del 40 % de sus minutos se descartan.
- Test: t de una muestra contra cero, p < 0,05; Bonferroni por bloque (días, meses, sesiones, celdas). Estabilidad: misma media calculada en las dos mitades de la muestra.
- Software: Python, pandas, scipy, matplotlib.
La serie completa de estacionalidad
La misma metodología aplicada a 19 mercados. El contraste entre ellos es la parte más útil: un patrón que aparece en un solo activo es más probable que sea ruido.
- Forex: EURUSD · GBPUSD · USDJPY · GBPJPY · AUDUSD · USDCHF · EURGBP
- Metales: XAUUSD (oro) · XAGUSD (plata)
- Índices: Dow Jones · NASDAQ-100 · S&P 500 · DAX 40 · FTSE 100 · Nikkei 225
- Petróleo: Brent · WTI
- Cripto: Ethereum