Ventajas del uso de técnicas cuantitativas en los procesos de inversión y selección de fondos

Para no perdernos en las tecnologías que intervienen, entendamos primero qué son de la mano de Daniel Ung, uno de los mayores expertos en metodos cuantitativos aplicados a la inversión. La más conocida es la Inteligencia Artificial, implica el uso de las máquinas para resolver problemas. Una de sus variantes es el Machine Learning, que puede ser un Aprendizaje Automático supervisado: Una etiqueta de respuesta correcta para comprobar si el modelo funciona; o no supervisado: El estudio de patrones de comportamiento a partir de los datos. Otras modalidades son el Reinforcement Learning, que intenta aprender el comportamiento a través de penalizaciones y recompensas, y el Deep Learning, un aprendizaje más profundo a partir de redes neuronales artificiales que tratan de imitar al cerebro humano a través de datos, ponderaciones y sesgos.

“Como parte del apoyo complementario que ofrecemos para mejorar la construcción de carteras a través de nuestro servicio de Portfolio Consulting, utilizamos el aprendizaje automático para ayudar a los clientes a entender las exposiciones y simplificar sus asignaciones, junto con otras técnicas más tradicionales, como la descomposición de factores. Consiste en entender distintas perspectivas para que el inversor pueda comprender lo que está pasando. El análisis a partir del aprendizaje automático, por ejemplo, del clustering, proporciona otra valiosa perspectiva de la cartera más allá de los métodos tradicionales”, explica Daniel Ung.

El experto reconoce que es difícil afirmar categóricamente que, a mayor sofisticación de las herramientas cuantitativas, mejor performance. “El problema en las inversiones es el sobreajuste y qué es lo que vamos a hacer, hay mucho detalle, por lo que es difícil saber si hay que trabajar con modelos más sofisticados para obtener mayores retornos”, señala.

Siguiendo el debate sobre un eventual impacto positivo de la mayor sofisticación de las herramientas en el retorno, Marcos Aza, gestor de carteras en el equipo de Quantitative Investment Solutions en Santander AM, muestra sus dudas porque “tú tienes que ser capaz de traducir el resultado de la inversión y si no puedes, tienes un problema y el cliente deja de confiar en ti”. Añade que, sin tener en cuenta los sesgos conductuales, “una de las cosas buenas que te permiten las herramientas cuánticas es explicar por qué el modelo ha tomado esa decisión, pero muchas veces el añadir sofisticación te lo impide”.

Para Marcos AZA, las ventajas de estas soluciones son “hacer las cosas en menor tiempo, menos personal y abarcar un universo mayor. Todo eso redunda en carteras más diversificadas, mejores rentabilidades y eficiencia en procesos y en construcción de carteras”.

Considera que la Inteligencia Artificial aporta valor en todo el proceso, si bien destaca su papel de limpieza en la recopilación de los datos para su almacenamiento y el clustering para hacer grupos homogéneos de activos y simplificar la diversidad de fondos.

A nivel de gestión, más allá de los usos habituales indica su aplicación en la medición del sentimiento del inversor, “pues la explicación que aporta, después de los movimientos, es bastante afinada”. Reconoce que por el medio tiene “ruido, pero en los extremos funciona muy bien, sobre todo como señal contraria”.

En BBVA Quality Funds llevan años utilizando métodos cuantitativos para la Selección de Fondos y herramientas de Inteligencia artificial para el seguimiento, con el objetivo de ganar eficiencia, según su responsable global de Selección de Fondos y ETF, Gisela Medina. Explica que, en la selección, el análisis cuantitativo “nos ayuda a discernir entre unos fondos de otros, identificando aquellos que sobresalen por su estabilidad y consistencia, eliminando sesgos humanos. Gracias a ello, podemos poner un mayor foco en el análisis cualitativo y profundizar en el porqué de los resultados y seleccionar los que son verdaderamente diferenciales”. Asimismo, es útil para “evitar el riesgo de etiqueta, analizar estilos y carteras”, es decir, para la correcta categorización de los fondos.

Añade que, debido al auge de la gestión pasiva, de los métodos cuantitativos y el uso de algoritmos en la inversión “vemos que el análisis de flujos es muy relevante, porque por análisis fundamental puedes tener una idea, tus modelos apuntan en una dirección, pero como los flujos vayan en tu contra, te puedes encontrar en una situación muy complicada”.

Respecto a la sofisticación de los métodos cuantitativos, la experta señala que “los modelos matemáticos que subyacen pueden ser muy complejos, pero lo que es el modelo final debería ser un modelo coherente, en el que variaciones de los inputs impliquen variaciones claras de los outputs que tú puedas entender y explicar. Pero si estás esperando un resultado y el modelo te indica lo contrario, significa que el modelo no lo tienes bajo control, no es coherente”

Enlazando con lo anterior, para Alberto García Fuentes, responsable de Asset Allocation y gestor de carteras en ACCI, “es importante trabajar en los inputs que van en los modelos para conocer las variables. Los procesos e interrelaciones que tienen los algoritmos son mucho más complejos de lo que veníamos haciendo con una simple regresión lo cual es positivo ya que el mundo no es lineal, por el contrario, puede que el resultado no sea el esperado y eso es un handicap”.

Para evitar esto, ve importante que haya personas detrás que entiendan cómo funcionan los mercados financieros y, si ha habido algún cambio estructural, que “a partir de los modelos se puedan explicar los outputs, la gestión del dinero ajeno es una cuestión de confianza”.

Considera que el uso de las innovaciones tecnológicas es importante para ser “más rigurosos en la asignación de activos y así minimizar los sesgos conductuales”. La boutique trabaja con Deep Learning basada en redes neuronales que les ayuda a predecir cuándo se puede producir una caída significativa. “Nos ayuda a reducir los sesgos como el anclaje y con ello esperamos mejorar nuestras métricas de retorno y riesgo”, asevera.

El responsable de Asset Allocation y gestor de carteras en ACCI explica que hay una errónea creencia de que todos los algoritmos dan los mismos resultados “pueden darnos fuentes muy diferentes de alfa, creando sinergias entre la parte de la inversión sistemática y la inversión discrecional. A nosotros nos ayuda a decidir el porcentaje de renta variable y renta fija que se asigna a las carteras. La experiencia del gestor ayuda en la visión táctica regional, sectorial y factorial”.