Gestión del Ciclo FI (nota especial): vigila los mapas de correlaciones

rojo - noticia
Joel Filipe (Unsplash)

Daniel Suárez (fund manager en Gesiuris Asset Management)

Las ventas han dominado el mes de abril, destacando la extensión de las mismas a los precios de la deuda pública (especialmente intensa las caída en precio deuda núcleo área euro). En el lado opuesto, encontramos tres áreas dentro de la cartera de Gestión del Ciclo FI (GdCFI) que han aportado rentabilidad en el último mes: (1) posiciones cortas en Bund (inverso deuda pública alemana), (2) materias primas y mineras-oro, (3) RV Emergente. Si a estos tres puntos le añadimos una posición en liquidez superior al 40% el resultado es un mejor comportamiento relativo de Gestión del Ciclo en abril (-0,58%) frente a RV EMU (-1,5%) y deuda pública área euro (-1,4%).

En la tabla superior está el balance mensual de las posiciones en cartera de Gestión del Ciclo FI (el 60% de la cartera, el 40% restante en liquidez), y en el gráfico inferior la evolución en abril (base 100) del valor liquidativo de GdCFI y los ETFs de MSCI EMU y deuda pública área euro. A lo largo del mes la correlación entre los precios de bolsa y deuda ha ido aumentando de forma gradual, hasta llegar a las últimas sesiones del mes donde la sincronía de movimientos –en este caso a la baja- fue altísima entre los activos de riesgo (bolsa) y los activos refugio (deuda calidad).

Las implicaciones de un mapa de correlaciones al alza sobre la gestión del riesgo y la eficiencia de la diversificación son evidentes. En el post analizaremos la evolución de ese mapa de correlaciones entre activos en los últimos 4 meses, que segmentos de mercado son los que más correlación están ganando y que áreas ofrecen potencial para ayudar a “descorrelar” la cartera. 

Antes de empezar con el análisis de matrices de correlaciones, un breve recordatorio de la estructura de Gestión del Ciclo FI. El fondo se divide en tres grandes carteras: Renta Fija, Activos Reales (Otros) y Renta Variable. En la siguiente tabla presentamos el código de cada uno de los activos que tenemos en cartera –y su nombre completo- que será el que utilizaremos para presentar las matrices de correlación.

 

El mapa del primer trimestre de 2015. Calculamos el coeficiente de correlación de cada uno de los pares que tenemos en cartera, y hacemos el promedio de cada cartera (Renta Fija, Otros, Renta Variable). El resultado es el que presentamos en la siguiente tabla. 

Los extremos del mapa de correlación están delimitados por el +6% (correlación dentro de la Cartera de RF) y el +62% de la correlación media entre las posiciones de RV. La combinación de diferentes estrategias dentro de la cartera de RF (deuda pública, indexados, inversos o RF Emergente) favorece a un grado de correlación tan bajo. Respecto al +62% de correlación entre las posiciones de RV, es un coeficiente ligeramente inferior a la media histórica (>70%) de posiciones long only (compradoras). La posición en el ETF de África (PAF) y en MSCI Selected OECD EM GDP (LEMO) está ayudando a mantener por debajo del 70% el coeficiente de correlación dentro de las combinaciones de RV. 

En el resto de combinaciones entre carteras la correlación se sitúa entre el +14% (RF | Otros) y el +29% (Otros | RV).

El mapa de abril: correlación al alza. Durante el primer trimestre la correlación media de todos los pares que hay en cartera fue del +25%. En abril del +41%. Una ganancia de correlación que ha sido generalizada (ver tabla inferior) y donde queremos destacar los +22 puntos porcentuales que ha ganado la combinación Renta Fija | Renta Variable. Un par de carteras que ha pasado del +16% en 1T15 al +38% de correlación en abril. 

Esta tendencia al alza en la correlación –sobre todo en episodios de estrés bajista- entre dos activos como la RF y la RV es una dinámica que debemos seguir muy de cerca. Nos podríamos quedar sin el papel de estabilizador, dentro de una cartera, que históricamente ha desempeñado la RF ante episodios bajista en RV. 

Sabemos que el signo de la correlación entre los diferentes activos va cambiando a lo largo del ciclo. Por ejemplo, en los primeros estadios de una salida de recesión es normal ver cómo suben las cotizaciones en bolsa y un desplazamiento al alza en la curva de tipos de interés (la actividad se recupera). Y a medida que avanza el ciclo económico y aparecen las presiones sobre la estabilidad de precios, las subidas en curva de tipos de interés empiezan a tener implicaciones negativas para las cotizaciones bursátiles (sobrecalentamiento en inflación). 

Pero donde queremos poner el foco de atención es en la respuesta de los precios de la deuda ante episodios puntuales de estrés en activos de riesgo. Desde el “tantrum” del verano de 2013, cuando la Fed señaló el fin del QE, hemos tenido otros dos episodios de caídas acompasadas, y de cierta intensidad, en precios de RV y de RF (octubre 2014 y abril 2015).

 

 

Siguiendo con el análisis de las posiciones en cartera de GdC FI, en la siguiente tabla calculamos la diferencia de correlación entre el mes de abril y 1T15 ¿Qué posiciones han aumentado correlación y cuáles han perdido? Las respuestas

  • Renta Fija Privada ex-financieros (IEX5): el vector que más correlación ha ganado, además contra diferentes carteras (RF, Otros, RV). Ha pasado de tener un promedio de pares de correlación del -6% al +52%!! Especialmente intensa ha sido la ganancia en correlación con activos de RV. 
  • Titulizaciones -Covered Bonds- (ICOV): aumenta correlación, pero en menor medida que IEX5. A destacar los +60pp que gana de correlación con RF Emergente (EMBE). 
  • Deuda Pública grado de inversión EUR (MTX): este vector presentaba una media de correlación frente al resto de posiciones de la cartera del +17% en 1T15. En abril fue del +48%, destacando el grado de intensidad con ETF Inmobiliario. 
  • Inverso sobre el Bund alemán (DSB): con diferencia, la posición en cartera que más ha descorrelacionado. Si durante el primer trimestre la correlación media de esta posición con el resto de activos fue del -6%, en abril cae hasta el -41%. 
 
 
La combinación de las diferentes carteras –y subcarteras-, la dinámica de correlaciones y la asignación de pesos (asset allocation) en función del análisis cruzado crecimiento | inflación | valoraciones han permitido al valor liquidativo de GdC FI minimizar pérdidas en las últimas semanas. También ha favorecido a mantener una diversificación de calidad (analizando correlaciones) que se traduce una volatilidad del 4,1%. A destacar también el drawdown en el último mes, que es del -1,6% en GdC FI (frente al -5,2% de MSCI UME o -1,7% de D. Pública EUR).