FORT Investment Management es una gestora con sede en Washington DC y Nueva York con 24 años de historia. Su volumen de activos prácticamente se ha duplicado en los últimos meses, hasta alcanzar un patrimonio de 3.400 millones de dólares. La clave detrás de este rápido crecimiento está en su análisis: ha desarrollado un programa cuantitativo en el que no interviene ningún ser humano, y que ha sido diseñado con algoritmos estadísticos y con capacidad de ajustarse a los datos más recientes, de tal manera que puede “aprender” con el paso del tiempo. Prueba del éxito de la estrategia es que recientemente Goldman Sachs ha adquirido una participación del 10% en los derechos económicos de la compañía (hasta ese momento, había sido completamente independiente).
Yves Balcer, junto con su socio Sanjiv Kumar, fundaron la firma en 1993, anualizando rentabilidades netas superiores al 15% desde inicio. Entre ambos acumulan tres doctorados (MIT, Stanford y Chicago) y cuatro másteres. Balcer ha explicado la filosofía de la firma en un evento celebrado recientemente en Madrid organizado por BrightGate Capital, que terminó por convertirse en una suerte de clase magistral sobre gestión del riesgo. La visita de Balcer se produce en un momento en el que esta clase de modelos está de máxima actualidad, después de que Acatis acabe de anunciar el lanzamiento del primer fondo gestionado por un robot.
El modus operandi de FORT está sustentado en una filosofía basada en tres pilares: gestión totalmente sistemática, totalmente líquida y totalmente adaptable. “No se realiza ninguna intervención humana sobre las carteras, tan solo seguimos los modelos.”, detalla el experto. En este sentido, comenta que productos como los suyos – que no dejan de ser CTAs- “encajan muy bien en momentos de estrés en los mercados”.
En cuanto a la liquidez, el modus operandi de la firma consiste en invertir exclusivamente en el mercado de futuros, y sólo en los futuros de los mercados más líquidos del mundo. Esto incluye exposición a bonos, pero también a renta variable, divisas y materias primas.
El tercer pilar consiste en que todos los sistemas que emplea FORT están dotados de flexibilidad para ir ajustando el riesgo de forma sistemática con el paso del tiempo, de tal manera que el modelo tiene capacidad para adaptarse de forma autónoma al tono del mercado.
Un modelo completamente autónomo
Es esta característica la propuesta más diferencial de la compañía: el modelo – llamado Multi- Strategy Quantitative Solution- combina el seguimiento de tendencias, la anticipación a tendencias y reversión a la media a corto plazo, todo ello exclusivamente a través del trading de contratos de futuros, ajustando sistemáticamente tanto la asignación del riesgo como la duración de los periodos en cartera a medida que va cambiando el entorno de mercado. “Permitimos a nuestro sistema que aprenda. Nuestro acercamiento se basa en la necesidad de estar pendientes del mercado”, explica Yves Balcer.
El modelo fue desarrollado a través de la interpretación bayesiana del concepto de probabilidad, que defiende que ésta puede ser vista como una extensión de la lógica proposicional que permite razonar con hipótesis, es decir, las proposiciones cuya verdad o falsedad son inciertas. Para evaluar la probabilidad de una hipótesis, la probabilidad bayesiana especifica alguna probabilidad a priori, que se actualiza a continuación, a medida que se van publicando nuevos datos relevantes. “Es un modelo que en realidad es muy sencillo, pues incluye pocos parámetros si se compara con las grandes sumas de datos que emplea el big data. Puede que nuestra aproximación no ofrezca tanta exactitud como la de nuestros competidores pero es mucho más actualizada, nos permite estar sincronizados con el mercado y ser pacientes durante las fases de grandes oscilaciones”, añade el experto.
Éste realiza una distinción que considera importante para diferenciar su modelo cuantitativo del empleado a partir de técnicas de big data: “Otras gestoras de fondos tienen modelos basados en grandes equipos; cuando el mercado cambia, modifican el modelo o lo resuelven otras personas del equipo. Nosotros tenemos una filosofía diferente, porque pensamos que debería construirse un modelo que tuviera capacidad de aprendizaje. Es necesario distinguir entre un aprendizaje estadístico y uno basado en máquinas: el primero tiene capacidad de interpretación de los números, mientras que el segundo emplea ecuaciones y algoritmos que no son tan intuitivos para los seres humanos”. Balcer encaja el procesamiento de grandes sumas de datos dentro de ese modelo de aprendizaje basado en máquinas, y afirma que “sí es exitoso en un entorno estable, pero las finanzas no lo son”.
El cofundador de FORT también comenta una lección sobre gestión de riesgos que aprendió del trading discrecional y que aplica a la gama de fondos: “No es posible hacer trading con todos los activos. Un CTA típico tiende a invertir con el criterio de paridad de riesgo, es decir, se asigna la misma cantidad de riesgo en cada modelo, pero sin saber dónde estará la próxima tendencia. Pero esto entra en contradicción si has creado previamente un modelo diseñado para reconocer esas tendencias”. Para Balcer, la gestión del riesgo debería ser algo tan sencillo de ejecutar como así lo enuncia: “Consiste en retirar dinero allí donde no funciona, y poner dinero en los activos donde sí funciona. Es en realidad un principio muy sencillo, la asignación dinámica parte de que todo se puede invertir en términos de valor relativo”.
El cofundador de FORT es consciente de que delegar la gestión en un modelo cuantitativo conlleva riesgos. Destaca uno de ellos, la capacidad de distinguir entre información y ruido de mercado en el procesamiento de datos. “Incluso aunque el mundo cambie rápidamente, tienes que buscar datos actuales pero a la vez relevantes, con lo que ser un aprendiz lento para evitar ese ruido puede ser una ventaja”, concluye.
