spaines
Estamos desarrollando alternativas basadas en factores a las estrategias pasivas de renta fija

Estamos desarrollando alternativas basadas en factores a las estrategias pasivas de renta fija

21-08-2019 | Visión

La inversión cuantitativa en los mercados de renta fija ha ido avanzando de manera lenta pero segura en los últimos años. Hablamos con el gestor Olaf Penninga sobre los primeros tiempos de la inversión cuantitativa en renta fija, los retos que tuvo que afrontar y algunos de los avances más recientes en este campo.

  • Yann Morell Y Alcover
    Yann
    Morell Y Alcover
    Investment Writer

Lectura rápida:

  • El primer modelo cuantitativo se desarrolló como una herramienta para los inversores por fundamentales
  • El modelo se emplea como estrategia independiente desde 1998
  • Actualmente, nuestras investigaciones se centran sobre todo en estrategias basadas en factores para deuda pública

Robeco lleva mucho tiempo a la vanguardia de la inversión cuantitativa en renta fija. ¿Cómo empezó todo, y en qué se fijaban nuestros equipos en aquellos tiempos?

“Yo empecé en Robeco, como analista cuantitativo, en 1998. En aquel momento, buscábamos formas sistemáticas de predecir las variaciones del mercado de renta fija pública. Nos dimos cuenta de que hay una serie de fundamentales que condicionan la evolución de estos mercados, como el crecimiento económico o la inflación, y que es preciso captar las expectativas de los inversores en relación con esos condicionantes. Vimos además que estas expectativas pueden captarse mejor si se tiene en cuenta también información relativa a otros mercados financieros.”

“Por ejemplo, es posible extraer del mercado bursátil información relacionada con el crecimiento económico, o información sobre la inflación a partir de los precios del petróleo. En aquellos tiempos, la disponibilidad de datos era un obstáculo importante. Queríamos utilizar los índices de rentabilidad total de las acciones de MSCI, pero no estaban disponibles todavía el primer día hábil del mes. Así que teníamos que esperar al segundo día hábil para ejecutar el modelo. Hoy en día, claro, la disponibilidad de los datos es mucho más ágil.”

Manténgase al día de las últimas perspectivas sobre inversión cuantitativa
Manténgase al día de las últimas perspectivas sobre inversión cuantitativa
Suscríbase

¿Cuál fue el motivo de desarrollar el modelo de duración? ¿Tuvo que ver con los costes?

“No, la idea no era reducir costes. Queríamos crear una herramienta que ayudara a los inversores en renta fija por fundamentales a tomar decisiones de inversión. Pero, con el tiempo, descubrimos que las mejores señales eran a menudo también las que los inversores por fundamentales eran más reacios a considerar, ya fuera porque no les resultaban intuitivas o porque las encontraban demasiado difíciles de conjugar con sus posiciones.” “Recuerdo cuando los intereses de los bonos del Tesoro estadounidense a 10 años cayeron por debajo del 4% por primera vez, a principios de los años 2000. En aquella época, parecía un nivel increíblemente bajo. Pero eso no impidió que el modelo arrojara una lectura positiva para la renta fija estadounidense. Así que, cuando les dije a los gestores de las carteras que, según el modelo, tenían que comprar bonos estadounidenses, me dijeron que me fuera y volviera a hacer los cálculos.”

“Hoy en día, todos sabemos que pueden situarse por debajo del 4%. Sin embargo, en aquel momento había tanta gente en el mercado que pensaba lo mismo, que a todos les pilló el toro. Se puede ganar mucho dinero si uno es el primero en prever este tipo de movimientos. Surgen situaciones de esta clase una y otra vez. ¿Recuerdan cuando, en 2014, los intereses de la deuda pública alemana a 10 años se aproximaban al 1%? Muchos inversores dieron por sentado que era imposible que bajaran por debajo del 1%. Pues bien, ahora están en negativo.”

“En última instancia, vimos que resultaba complicado integrar las señales cuantitativas en una estrategia por fundamentales. Por ello, a principios de 1998, decidimos usar el modelo como estrategia independiente. Eso fue de mucha ayuda. Uno de los principales motivos de ello es que la estrategia nos obliga a ceñirnos a los elementos que se sabe que condicionan la marcha de los mercados, sobre todo cuando la gente se inclina a desviarse de ellos. Esto ha ido haciéndose más habitual con el paso del tiempo, y ahora incluso es una tendencia generalizada en renta variable. Pero en aquel momento, era bastante exótico.”

La inversión cuantitativa ha tardado mucho más en calar en renta fija que en renta variable, ¿es sencillamente porque antes no había datos disponibles o existen otros motivos?

“Un aspecto interesante sobre esta cuestión es que los investigadores que primero analizaron los factores en renta variable, a principios de la década de 1970, también lo hicieron en renta fija pública. Y encontraron evidencias de efectos similares en estos últimos. Por ejemplo, los primeros estudios que hablan sobre el efecto del bajo riesgo en deuda pública también datan de los años setenta. Es sólo que la investigación no continuó desarrollándose. Se conocían los efectos de los factores, pero se ha tardado más en que éstos se trasladen a estrategias factoriales.” “En el caso del crédito, sí que realmente considero que tiene que ver con la disponibilidad de datos. Y también ha llevado más tiempo que se desarrollen los mercados europeos de crédito. En deuda pública, yo creo que tiene que ver con el hecho de que la gente estaba acostumbrada a adoptar una perspectiva descendente (top-down) de este mercado. Cuando, de hecho, sabemos que los mismos factores contrastados que explotamos en renta variable, como value, momentum y bajo riesgo, existen igualmente en deuda pública.”

Todo lo que hacemos lo ponemos a prueba desde un prisma crítico

Una de las principales críticas a las investigaciones de Factor Investing es el riesgo que se deriva de los falsos positivos y, más generalmente, del "data mining". Este riesgo parece especialmente grave en el caso de los mercados de renta fija, cuyos datos históricos se remontan a menos tiempo y cuyas series de información son más reducidas. ¿Cómo podemos asegurarnos de evitar el "data mining"?

“Primero, nos ceñimos a nuestra filosofía de inversión. Nos fijamos en factores con una lógica económica clara, para entender por qué funcionan. Hay factores como value y momentum que están presentes en todas las clases de activos, durante largos periodos de tiempo, y con explicaciones similares. No es nada sorprendente, ya que las mismas causas conductuales generan los mismos efectos en renta variable, crédito, deuda pública, mercados de divisas y demás. Además, buscamos continuamente series de datos más largas contra las que probar nuestros hallazgos. Todo lo que hacemos lo ponemos a prueba desde un prisma crítico. Todo esto nos hace confiar en que los factores que aprovechamos son hallazgos reales, no basados en coincidencias accidentales en conjuntos de datos limitados o poco objetivos.”

¿En qué ámbitos de investigación se está centrando hoy en día?

“Actualmente nos centramos en las estrategias basadas en factores para deuda pública. El trabajo de base ya está hecho, y ahora estamos centrándonos en cómo construir de forma eficiente carteras multifactor para deuda pública, y en cómo combinarlas con otras carteras de renta fija multifactor. Estamos desarrollando así mismo alternativas —basadas en factores— a las estrategias pasivas de renta fija, como sucede con nuestras soluciones de Indexación mejorada (Enhanced Indexing) para renta variable.”

“Por otro lado, seguimos realizando pruebas de funcionamiento de nuestro modelo de duración con series de datos históricos cada vez mayores. La idea es demostrar que el modelo funciona no sólo en periodos de descenso de los intereses en renta fija, como ha sido el caso en las últimas décadas, sino también cuando suben los tipos. De esta forma, podemos asegurar que los resultados de nuestras simulaciones no son resultado de ningún data mining.”

“Llevamos a cabo estudios similares hace un par de años, remontándonos hasta la década de 1950, aunque empleando sólo datos de los mercados estadounidenses. En esta ocasión, hemos ampliado el alcance, para que sea global, y nuevamente hemos tomado una muestra que se remonta a los años cincuenta. Los resultados confirman que el modelo efectivamente agrega valor en diversas zonas geográficas, también en periodos prolongados de subida de los intereses.”

Los mercados de renta fija han cambiado enormemente en las dos últimas décadas. ¿Cómo afecta esto a su trabajo?

“Bueno, aquí tenemos un ejemplo. Aunque el modelo de duración lleva funcionando más de dos decenios, seguimos refinándolo. Aunque parezca increíble, después de 20 años todavía siguen quedando preguntas por responder. En parte, esto se debe a que los mercados de renta fija siguen cambiando. Por un lado, la llegada de la inversión pasiva a los mercados de renta fija ha dado origen a una serie de patrones predecibles, como la conducta gregaria, pero también a reversiones a corto plazo, como sucede con otras clases de activos.”

“Las reversiones de la tendencia son un elemento que tratamos de evitar a la hora de aplicar las señales de tendencia del modelo de duración, así que lo hemos ajustado consiguientemente. El patrón de los datos no resulta lo suficientemente claro y fiable como para considerarlo una variable en sí mismo, pero nos permite asegurarnos de que nuestra variable de tendencia elude las reversiones. Esto ilustra cómo, a medida que va evolucionando el mercado, tenemos que continuar ajustando nuestros modelos en función de esos cambios.”

Este artículo fue publicado originalmente en nuestra revista Quant Quarterly.

Los temas relacionados con este artículo son: