Eduardo García Hidalgo, director global de inversiones de BBVA AM explica en esta tribuna cómo combinar la tecnología con la experiencia humana en la toma de decisiones de inversión.
COLABORACIÓN escrita por Eduardo García Hidalgo, director global de inversiones de BBVA AM.
Ser gestores activos es una de nuestras señas de identidad. En nuestro proceso inversor no renunciamos a ajustar a lo largo del tiempo la exposición de nuestras carteras a los distintos activos, gestionando dinámicamente el componente táctico de nuestro posicionamiento. El presupuesto de riesgo de los vehículos gestionados incorpora siempre estas posiciones más tácticas con un peso significativo.
Sin embargo, hacer market timing en los mercados financieros, es decir, intentar predecir a corto plazo sus movimientos futuros para comprar o vender activos en el momento "óptimo", es un desafío relevante para cualquier inversor.
Una primera dificultad estriba en la necesidad de identificar adecuadamente qué elementos son verdaderamente relevantes para intentar determinar la dirección del mercado en horizontes de corto plazo. Sabemos que algunos que pueden parecerlo no lo son, como la valoración de los activos, pero identificar cuales sí pueden serlo no es sencillo.
La importancia del behavioral finance
El segundo reto es de una naturaleza bien distinta y se relaciona con los sesgos cognitivos y conductuales que nos conducen a decisiones no entera o convencionalmente racionales, basadas más en emociones y creencias preexistentes que en datos objetivos. Además de nuestra tendencia al exceso de confianza en nuestros pronósticos, otros muchos sesgos comprometen el éxito de nuestras inversiones más tácticas. El de confirmación, por ejemplo, nos empuja a buscar información que confirme nuestras opiniones, mientras descartamos datos que contradicen nuestro punto de vista, quedándonos así con una información incompleta. El de anclaje, por su parte, nos conduce a aferrarnos a precios pasados o estimaciones de rentabilidad obsoletas como referencia, en lugar de evaluar objetivamente la situación del mercado en cada momento.
En BBVA Asset Management combinamos la tecnología con el conocimiento y la experiencia que aportan las personas para desarrollar nuestras principales herramientas de posicionamiento táctico, enraizadas en un enfoque sistemático y basado en datos que nos ayuda a superar estos retos.
La gestión sistemática persigue obtener resultados más consistentes y predecibles mediante la implementación de procesos objetivos y transparentes, centrados en modelos cuantitativos. En lugar de depender únicamente de la intuición humana, los modelos incorporan reglas sencillas predefinidas que reducen al máximo el ruido en la toma de decisiones, aportando rigor y consistencia al proceso.
El apoyo de la tecnología
Diseñamos y construimos esos modelos internamente, apalancando las capacidades de nuestros equipos. Contamos para ello con un equipo de profesionales de la inversión experimentados y altamente capacitados en áreas como matemáticas, programación y finanzas, que diseñan, implementan y monitorizan de cerca los modelos y estrategias utilizados.
Al igual que cuando se construye un edificio, en el proceso de diseño e implementación de los modelos podemos distinguir una fase de selección de los materiales que vamos a utilizar y otra posterior centrada en su ensamblaje.
Es evidente que si no utilizamos materiales de buena calidad no podremos construir un edificio sólido por muy bien que los coloquemos después. Los elementos que incorporan los modelos incluyen series de datos macroeconómicos, junto con otras representativas del sentimiento o el posicionamiento de los inversores y también métricas relacionadas con la tendencia de mercado u otros indicadores técnicos. Utilizando un período de muestra representativo, buscamos identificar aquellos que verdaderamente han demostrado en el pasado un carácter predictivo con respecto al comportamiento del activo cuyo modelo estamos desarrollando.
Necesitamos precisar después qué combinación de esos elementos maximiza nuestra probabilidad de prever con acierto el movimiento de los mercados. Sabemos que, en un entorno de incertidumbre, es imposible acertar siempre pero aspiramos a hacerlo en grado suficiente para añadir rentabilidad a nuestras carteras a lo largo del tiempo. Además podemos incorporar al diseño de nuestro modelo otros factores, como la sensibilidad a las pérdidas potenciales o la eficiencia en costes, modulando el número de señales que nos impulsan a operar.
Cómo hacer los scores
En BBVA Asset Management llevamos desde 2015 desarrollando e implementando estos modelos, a los que normalmente llamamos scores. Actualmente disponemos de diez scores: cuatro relacionados con los mercados de renta variable desarrollada y emergente, otros cuatro relacionados con distintos activos de renta fija, uno sobre el tipo de cambio euro-dólar y, por último, un score específico sobre materias primas.
Aunque todos los scores son, por definición, eminentemente tácticos, no todos tienen el mismo horizonte temporal. Por ejemplo, los scores de crédito abarcan un horizonte entre tres y doce meses mientras que los scores sobre bolsa americana o sobre la divisa presentan horizontes más cortos, entre uno y tres meses.
No debemos infravalorar la importancia del elemento humano en todo el proceso. Cuando fue derrotado por Deep Blue en mayo de 1997, el jugador de ajedrez Gari Kasparov consideró “abrumadora” la combinación de la orientación estratégica humana con la agudeza táctica de un ordenador. Y, efectivamente, la participación humana en el proceso es crítica, especialmente a la hora de definir los atributos y restricciones que incorporamos a los modelos (algo similar a formular “la pregunta” que hacemos a los datos). También a la hora de evaluar los resultados y de ir adaptando y mejorando los modelos a lo largo del tiempo. En momentos de dislocación de mercado, la experiencia reciente apunta que el juicio humano puede ser más rápido en identificarlos y en adaptarse a ellos.
Qué aporta la inteligencia artificial
Mirando hacia adelante, la inteligencia artificial (IA) está llamada a transformar la forma en que se desarrolla e implementa la gestión sistemática, aportando avances en el análisis de datos y el modelado predictivo que pueden mejorar significativamente la efectividad de los modelos.
Los algoritmos de aprendizaje automático (machine learning) identifican patrones complejos en los datos históricos del mercado y los utilizan para mejorar los modelos de predicción y la toma de decisiones de inversión. La versión actual de nuestro score de renta variable americana, que utilizamos desde 2021, está desarrollada utilizando técnicas de machine learning.
El uso de herramientas de Procesamiento del Lenguaje Natural para analizar grandes volúmenes de texto financiero, como noticias y comentarios de redes sociales, puede también proporcionar información relevante para ajustar las estrategias de inversión en tiempo real, mitigando además de forma efectiva el sesgo de confirmación.
Seguimos trabajando y explorando las oportunidades que estas innovaciones nos ofrecen para completar y refinar nuestro posicionamiento táctico. Aspiramos a consolidarlo como un proceso robusto, transparente, continuo y en constante evolución que nos diferencie de nuestros competidores y nos siga permitiendo obtener unos resultados sólidos.