¿Realmente consiguen generar alpha los portfolios dinámicos o de asignación activa? ¿Su mayor complejidad está plenamente justifica? En este artículo veremos las ventajas e inconvenientes de la gestión estática frente a la dinámica y repasaremos las diferentes técnicas para construir carteras de ETFs desde un enfoque cuantitativo basado en reglas discretas.

En la literatura especializada se utiliza la expresión market timing models para hacer referencia al conjunto de estrategias gestoras basadas en modificar periódicamente los activos de una cartera y sus ponderaciones en base a previsiones sobre la evolución de los mercados. Estas estrategias pueden ser discrecionales o cuantitativas. Las primeras se basan en las opiniones o pronósticos de un conjunto de expertos, o en esa difusa entelequia a la que algunos llaman “consenso del mercado”. Las segundas emplean modelos basados en reglas que pueden evaluarse rigurosamente en una ventana temporal específica.  Sin embargo, dado el carácter cuasi aleatorio de las formaciones de precios, ni las unas ni las otras gozan del favor del mundo académico.

De hecho, son frecuentes las voces críticas contra la implementación de estrategias dinámicas; sobre todo aquellas con alta rotación de activos y periodos de rebalanceo demasiado cortos. Muchas de estas críticas hacen referencia al carácter inherentemente impredecible de los mercados o se basan en evidencias empíricas de que los gestores muy activos son incapaces de batir a sus propios benckmarks de referencia. También parece claro que  el peso de los gastos es un factor determinante. Numerosos estudios demuestran que, en promedio, no ganan más los fondos más activos, sino los más baratos. Otras investigaciones concluyen que los gestores más activos, con independencia de su estilo inversor y de la información que manejen, suelen comprar demasiado tarde y vender demasiado pronto. Lo que parece indiscutible es la enorme movilidad de los rankings de fondos: aquellos que ocupan un año los primeros puestos no suelen permanecer en ellos en años sucesivos. 

Sin embargo, y al margen de estas críticas, parece existir un interés renovado en el estudio de metodologías alternativas a la gestión estática, tanto en lo referente al diseño de algoritmos para la gestión de portfolios en plataformas de trading convencionales como en el desarrollo de complejos robo-advisors que ofrecen al inversor la posibilidad de construir y gestionar automáticamente carteras personalizadas, minimizando los gastos al eliminar el componente humano.

DIFERENCIAS ENTRE CARTEARAS ESTÁTICAS Y DINÁMICAS

En la siguiente tabla resumimos las principales diferencias entre las carteras de asignación estática y dinámica:

Vemos con más detalle estas diferencias:

1. Modelo subyacente.- Como vimos en el artículo anterior, las carteras de asignación estática se fundamentan en modelos explicativos basados en el análisis de la evolución de los mercados en el largo plazo y la determinación de los activos dominantes en cada fase del ciclo económico. Por el contrario, la asignación dinámica analiza los componentes factoriales de la rentabilidad y el riesgo, recogiendo datos estadísticos sobre la evolución de los activos. Lo modelos basados en reglas evalúan además la validez histórica de las mismas mediante análisis de backtest.     
2. Horizonte temporal.- En las carteras estáticas es indefinido. De ahí que se las denomine también “portfolios permanentes”.  Una vez propuesto el modelo macroeconómico de ciclicidad de los mercados, se asume su permanencia en el tiempo. En las carteras dinámicas se acepta que la lógica puede romperse y que tanto las reglas como los parámetros obtenidos por optimización no van a durar siempre. Por ello es necesario evaluar periódicamente el comportamiento de la estrategia.
3. Activos en cartera.- En los portfolios estáticos los activos y su ponderación no cambian nunca y los rebalanceos se hacen con el propósito de mantener inalterada su estructura en el tiempo. Por el contrario, los modelos dinámicos persiguen la adaptabilidad a los mercados empleando diferentes técnicas de rotación de activos y de asignación adaptativa.
4. Asignación.-  Invariable en el tiempo en las carteras estáticas. En las dinámicas depende del algoritmo implementado; se puede recurrir a porcentajes fijos para los activos que rotan o a porcentajes variables según las fórmulas de asignación y los criterios a maximizar o minimizar.
5. Rebalanceos.- Los portfolios permanentes siguen en su mayoría un criterio de intervalo fijo (trimestral, semestral, anual). Las carteras dinámicas, además de los cortes temporales, pueden establecer bandas de volatilidad o ponderar según el desempeño de cada producto o grupo de activos. En todo caso se emplean fórmulas que deben ser validadas mediante backtest. 
6. Parámetros fijos /optimizables. Elementos como el número y tipo de activos o el período de rebalanceo pueden ser considerados parámetros fijos en las carteras permanentes. Los portfolios dinámicos incluyen también parámetros optimizables derivados de las reglas de operativa. El proceso de optimización debe seguir un riguroso esquema IS/OS para tratar de evitar el curve fitting.
7. Tipo de evaluación.- Los portfolios permanentes requieren, cuando menos, una evaluación de backtest tanto en el nivel de cartera como de activos individuales. Además es conveniente realizar un backtest de amplio espectro (varias décadas) con los activos y otro, necesariamente más reducido, con todo el histórico disponible de los ETFs empleados. También es enserio realizar rigurosas simulaciones de Montecarlo para disponer de proyecciones sobre expectativas de rentabilidad y riesgos máximos.

En el caso de los  portfolios dinámicos basados en reglas parametrizables será obligado realizar además análisis tipo walk-forward para establecer los valores de los parámetros minimizando el riesgo de sobreoptimización.

TIPOS DE ESTRATEGIAS DINÁMICAS

Aunque la variedad es inmensa podemos destacar los siguientes abordamientos:

En todos los casos se pueden implementar algoritmos rotacionales y de asignación adaptativa. La principal característica de estos algoritmos es que se aplican en nivel de porfolio, raramente se construyen estrategias diferenciales para cada activo o grupo. Veamos algunas características y ejemplos de cada categoría:

1.- Smart-beta o factor-investing.

Estas estrategias se basan en planteamientos bien asentados del mundo académico como las teorías multifactoriales de Fama y French y los desarrollos posteriores de Frazzini y Pedersen. Básicamente se trata de identificar factores en los activos que detecten el “premium del mercado” y el “premium del valor”.

El primero estaría en el momento y en la baja volatilidad. Es decir, en la capacidad de los mercados de iniciar tendencias alcistas de gran amplitud, así como en los sectores y activos que con menor volatilidad relativa, son capaces de generar retornos incluso superiores a los del conjunto del mercado.

El segundo estaría en características específicas de determinadas empresas y grupos: calidad, valor frente a crecimiento, alto dividendo, tamaño, innovación, sectores estratégicos, etc.

En la siguiente tabla podemos ver algunos de los factores más estudiados y el exceso de retorno generado por el factor en los mercados USA durante el período 2001-2017:

Los gestores profesionales suelen construir carteras basadas en un único factor o combinan un pequeño número de ellos en función de las características del portfolio. Combinar demasiados factores no es buena práctica y acaba produciendo el efecto de regresión a la media del mercado.

Veamos algunos ejemplos:

•         Guggenheim S&P 500 Pure Value ETF (RPV) Este ETF se considera prototipo de exposición valor y está construido con las empresas del S&P 500 con mayor factor HML.
•            iShares Edge MSCI USA Momentum Factor ETF (MTUM).  ETF que toma como referente el factor momento (MOM) en una amplia selección de empresas USA de grande y mediana capitalización.
•           iShares Edge MSCI Minimum Volatility USA ETF (USMV). Aquí tenemos uno de los mejores ejemplos de ETF centrado en el factor de baja volatilidad (BAB). La selección se realiza entre empresas de alta y mediana capitalización con baja volatilidad durante 3 años consecutivos.

2.- Core-Satellite

Estas carteras gozan de bastante popularidad entre los gestores profesionales al sintetizar lo mejor de la gestión pasiva y activa. Se construyen a partir de un núcleo estable formado por ETFs de mercados globales y bonos. Este núcleo, que suele acomodarse a la típica distribución  40/60 de Markowitz, sigue un modelo de asignación estática, con rebalanceos periódicos cuyo único propósito es mantener estables las ponderaciones y  representa la parte más conservadora del portfolio. Su peso oscila entre el 80% y el 50% del capital invertido.

Las inversiones satélite son gestionadas de manera más activa, siendo su propósito aportar una rentabilidad superior a la de los índices de referencia de la gestión pasiva. Existen tres aproximaciones para diseñar carteras satélite:

1.         Basada en los productos: El gestor selecciona activos no convencionales. Lo ideal es que tengan escasa correlación con el núcleo  y mayores expectativas de beneficio aun asumiendo más riesgo. Por ejemplo, empresas de pequeña capitalización con alto potencial de crecimiento, algunas commodities como metales estratégicos o sectores relativamente nuevos como robótica, biotecnología, nanotecnología, aeroespacial, etc.
2.              Basada en estilos: En esta aproximación el gestor busca diversificar en estilos gestores. Para ello selecciona productos del mundo hedge-fund o fondos cotizados empaquetados bajo la categoría de “alternativos”: Exposición a la inflación, arbitraje, retorno absoluto, long-short,  managed-futures, etc.
3.             Basada en un enfoque cuantitativo: El gestor construye estrategias algorítmicas y realiza una gestión automatizada de la parte satelital empleando sistemas de trading.

No diremos más sobre este tipio del portfolios. Nos remitimos al artículo que publicaremos próximamente en la revista Hispatrading y que aborda a fondo de este tipo de carteras.

3.- Momento, Canales y medias.

Este es el modelo dinámico para carteras conceptualmente más sencillo y fácil de implementar. Cuando hablamos de momento hay que distinguir entre momento absoluto y relativo.  El momento absoluto no es más que el principio de continuidad de la tendencia. Es decir, la probabilidad de que un activo continúe su recorrido alcista o bajista una vez iniciado. Las medias, canales de precios y otros indicadores técnicos sirven para construir modelos de timing seguidores de tendencias. El momento relativo es la rentabilidad comparada de un valor con respecto a otros  valores en cartera, a un sector de la economía o a un mercado de referencia. Esto permite construir modelos rotacionales basados en rankings de rentabilidad. De este modo, los activos que ocupan los primeros puestos en un intervalo temporal dado se mantienen en cartera o se incrementa su ponderación y los que ocupan los últimos puestos se sacan de la cartera o se disminuye su ponderación en el período siguiente.

Un modelo dinámico muy básico consistiría en alternar entre renta variable y renta fija en función del timing del mercado. Por ejemplo, supongamos una cartera compuesta solo por estos 2 ETFs: iShares 7-10 Year Treasury Bond (IEF) y SPDR S&P 500 (SPY).

La lógica es muy sencilla:

• Si el SPY está por encima de una media móvil de 3 meses lo mantenemos en cartera durante los 3 meses siguientes.
• Si el SPY cae por debajo de la media lo vendemos y compramos el IEF, manteniéndolo en cartera durante el trimestre siguiente.

Como vemos el portfolio se implementa en barras mensuales y se evalúa una vez por trimestre. Así que su lógica no puede ser más sencilla y su gestión también. Pese a esta simplicidad estructural los resultados obtenidos son mucho mejores que los de una cartera estática y equiponderada, basada en comprar y mantener SPY y EIF por tiempo indefinido.

Seguidamente mostramos los resultados del modelo en una simulación realizada con la excelente plataforma Portfolio Visualizer:

                                        Fuente: Portfolio Visualizer

En la imagen inferior vemos como la cartera va alternando entre renta fija (IEF) y renta variable (SPY) en los diferentes períodos del histórico analizado:

                                             Fuente: Portfolio Visualizer

Existen algunos modelos de este tipo muy estudiados por la comunidad inversora. Uno de los que más me gustan es el que popularizó Dick Stoken en su libro Survival of the Fittest for Investors. En él describe un portfolio dinámico denominado: “Active Combined Asset” (ACA) que utiliza un canal de precios para determinar el momento absoluto y posicionarse en activos de riesgo: Mercado global,  oro y bienes raíces. Cuando alguno de estos activos rompe el canal a la baja es sustituido por activos defensivos; básicamente bonos del Tesoro a largo y medio plazo.

Encontramos una completa descripción de este sistema y sus reglas en la web AllocateSmartly:   Stoken’s Active Combined Asset Strategy.

3.- Fuerza relativa.

Mebane Faber dio a conocer en su artículo: Relative Strength Strategies for Investing (2010) uno de los sistemas rotacionales más fáciles de implementar, pero que pese a su sencillez ha demostrado enorme potencial y cuenta con gran cantidad de seguidores. Su estrategia compara la fuerza relativa de un amplio grupo de activos previamente seleccionados, elaborando un ranking para invertir mensualmente en aquellos que van en cabeza. Mensualmente se evalúa dicha clasificación y los activos rotan en función de su “fortaleza relativa” durante los últimos n meses.

Existen variantes posteriores algo más complejas en las que es posible ajustar la rentabilidad relativa por volatilidad y establecer un mecanismo basado en medias (momento absoltuo) para cerrar posiciones y pasarse en fondo a la renta fija.

En la web de Mebane Faber: Meb Faber Research encontramos numerosas variantes del modelo, otros muchos portfolios basados en el timing e investigaciones sobre estos conceptos. En la excelente web: Extrategic Dashboard, tenemos una explicación detallada del portfolio de Faber Tactical Assets Allocation  (TAA) y un pormenorizado Backtest.

4.- Dual Momentum.

Otro clásico de los portfolios dinámicos en el Dual Momentum (DM). Esta estrategia,  descrita por Gary Antonacci en su libro Dual Momentum Investig (2015), combina el momento absoluto y el momento relativo para construir un portfolio rotacional en el que:

• Permanecen en cartera los activos de un grupo que ocupan los primeros puestos en un ranking (momento absoluto).
• La cartera cambia a renta fija o al activo libre de riesgo (RF) cuando la rentabilidad de los activos es menor que la del activo RF. Adicionalmente también se puede utilizar un activo de referencia, por ejemplo un fondo indexado al mercado total, como indicador del momento absoluto.

En este modelo hay varios parámetros que deben ser elegidos cuidadosamente:

•          Número de activos en cartera.
•       Tamaño de la ventana temporal para el cómputo de rentabilidades
•       Frecuencia del trading (diaria, mensual, trimestral) 

Uno de los modelos más estudiados y que fue planteado por el propio Antonacci en su libro, es la cartera Golbal Equities Momentum (GEM), que utiliza solamente 3 activos: Mercado local USA (ej. VTSMX), mercado mundiales – ex US (ej. VTSMX)  y renta fija a muy corto plazo (T-bill). Tenemos una buena explicación del GEM en: Prospecting Dual Momentum With GEM. En AllocateSmartly también aparece descrito y evaluado en detalle el modelo de Antionacci: Composite Dual Momentum.

5.- Adaptive Asset Allocation (AAA)

Hace un par de años,  Adam Butler, Michael Philbrick y Rodrigo Gordillo publicaron una obra muy comentada entre los gestores profesionales:   Adaptive Asset Allocation: Dynamic Global Portfolios to Profit in Good Times - and Bad . En ella proponen un modelo rotacional en el que se combinan momento relativo y volatilidad. La idea es seleccionar periódicamente los activos en cartera mediante un ranking de rentabilidad relativa y establecer dinámicamente sus ponderaciones bajo los criterios de la mínima varianza o de la volatilidad inversa. En suma, se trata de elegir los activos con mayor momento de un conjunto previamente seleccionado pero manteniendo el riesgo bajo control.

Los parámetros optimizables del modelo son el número máximo de activos por período, el número de meses para el cálculo del momento y el número de meses para el cálculo de la volatilidad. Este modelo parece funcionar muy bien en una lógica de rotación de sectores de la economía, aunque también debe ser completado para períodos bajistas con activos de renta fija.

La principal diferencia con el modelo de Antonacci es el tipo de asignación. En el Dual Momentum la asignación es estática, de tipo equiponderado. En el modelo adaptativo, los porcentajes de asignación son los que minimizan el ratio diana (volatilidad, mínima varianza) en cada período.

Butler, Philbrick y Gordillo ha desarrollado desde su empresa ReSolve varios fondos con esta filosofía adaptativa. En su web pueden verse su descripción y resultados. Una explicación más detallada del modelo AAA puede encontrase en este artículo de los citados autores.

6.- Event Driven

Las estrategias tipo Event Driven suelen ser muy comunes en la industria Hedge Fund. Como su nombre indica, tratan de sacar partido de hechos relevantes que se difunden en los mercados y que pueden afectar a la valoración de determinadas empresas o sectores.

En conformidad con la teoría de la eficiencia de los mercados, se trata de sucesos infrecuentes, que se difunden rápidamente y cuyo efecto acaba siendo descontado en un corto espacio de tiempo. Así que aquí intervienen dos factores: Rapidez y capacidad interpretativa. Por un lado las fuentes de información deben ser ágiles, precisas y a ser posible exclusivas y, por otro, los equipos gestores deben interpretar correctamente el alcance de las noticias y tomar decisiones en una ventana temporal muy pequeña, prácticamente en tiempo real. 

Una variante reciente del event driven discrecional, demasiado exigente en recursos humanos y solo al alcance de los grandes fondos, son las plataformas y algoritmos que responden automáticamente a las calificaciones de agencias y otra información difundida por los canales de noticias financieras.

Un ejemplo de esto lo encontramos en la aplicación Portfolio Builder, presente en la plataforma TWS de Interactive Brokers, que facilita al pequeño inversor la posibilidad de crear portfolios personalizados de tipo rotacional incluyendo reglas dinámicas basadas en los raitings de los analistas entre otros muchos criterios.

Configurador de estrategias de Portfolio Builder (Interactive Brokers) 

EN CONCLUSIÓN:

Las estrategias dinámicas, y en particular los modelos algorítmicos basados en técnicas de market timing tienen un gran potencial para generar portfolios adaptados a las necesidades de cada inversor, capaces de mostrar cierta adaptabilidad a la dinámica de los mercados, con un control más preciso del riesgo. Además eliminan o minimizan el componente humano en la toma de decisiones discrecionales evitando errores y abaratando los costes de gestión. Sin embargo, todas estas ventajas tienen un precio: La mayor complejidad estructural y la presencia de reglas con parámetros optimizables pueden dar lugar a carteras sobreoptimizadas; con resultados excelentes en las pruebas de Backtest pero difíciles de explicar en operativa real.

De hecho, los críticos del timing niegan diferencias significativas entre los estilos estáticos y dinámicos de gestión. Algunos estudios van aún más lejos y afirman que, cuando se dispone de resultados reales suficientemente extensos, se observa que el estilo de gestión desempeña un papel más bien discreto frente al peso de los gastos y la frecuencia operativa. En promedio ganan más los fondos más baratos y con baja rotación de activos.

Así pues, a la hora de construir portfolios dinámicos conviene:

•           Partir de un modelo de mercado.
•           Preocuparse por una amplia diversificación en activos.
•           Mantener la estrategia lo más simple posible: Pocas reglas y pocos parámetros.
•           Baja frecuencia de rebalanceos (a lo sumo semestral o anual).
•           Realizar una evaluación realista y de calidad
•           Ser muy cautelosos de los resultados obtenidos en backtest.
•        Mucha prudencia con las proyecciones de rentabilidad futura obtenidas por simulación de Montecarlo y tomarse más en serio los riesgos máximos en que se puede incurrir.

Andrés A. García.

©Tradingsys.org, 2017