Seguidamente veremos 3 estrategias de inversión que han dado lugar a modelos de cartera ampliamente estudiados y de cuyas infinitas variantes se nutren muchos de los llamados fondos de autor. Estas estrategias sacan partido de algunas anomalías sobre el retorno esperado de los activos que cuentan con una amplia base empírica; la reversión a largo plazo el efecto valor y el momento en sus variantes absoluta y relativa.

REVERSIÓN A LARGO PLAZO (Long Term Reversals)

Seleccione las acciones de un mercado o índice de amplia base, calcule el retorno absoluto (incluyendo dividendos) de todos los valores en un intervalo de 3 años y ordénelos de mayor a menor. Hecho esto, construya dos portfolios equiponderados: Uno, denominado “Ganador” contendrá las 10 empresas con los mejores resultados y otro, denominado “Perdedor”, las 10 empresas peores. Mantenga las posiciones durante 3 años y calcule la rentabilidad de ambas carteras. ¿Cuál cree que obtendrá mejores resultados?

Este pequeño experimento, replicado decenas de veces por investigadores de todo el mundo, no deja lugar a dudas: El portfolio “Perdedor” suele obtener mucho mejor resultado a largo plazo que el “Ganador”. En algunos mercados como el NYSE se han llegado a encontrar diferencias en el retorno medio de hasta un 8%. En mercados emergentes el diferencial suele ser aún mayor y en mercados muy maduros menor, pero en todos los casos el efecto prevalece. Si situamos ambos portfolios en una ventana deslizante de 3 años obtenemos una imagen del denominado Winner-Loser Effect:

Esta anomalía es conocida como el efecto Bond-Thaler (1985) a la que luego se sumaría la de Lakonishok et al. (1994)

Lógicamente este efecto contraviene la hipótesis de la eficiencia de los mercados, por lo que ha sido objeto de numerosas explicaciones y reinterpretaciones desde el mundo académico. Por ejemplo, Solt y Statman (1989) ofrecen una explicación psicológica basada en la “teoría del prototipo”: En la mente de los inversores las empresas grandes y muy conocidas son representativas de éxito, grandes beneficios y altas expectativas de retorno, lo que conduce a una sobrevaloración en los mercados.  Por el contrario las empresas poco conocidas o centradas en sectores menos llamativos de la economía se asocian en el imaginario de los inversores con pobres resultados y bajas expectativas de retorno, lo que origina una infravaloración sistémica. El tiempo tiende a corregir esta sobrerreacción de los inversores provocando el efecto de reversión a la media. De ahí el ilustrativo título del artículo de estos autores: “Good companies, bad stocks” (Journal of Portfolio Management,  15 (4), 39-45).

El propio Eugene Fama (1997) sugirió que esta anomalía puede ser capturada por un modelo multifactorial en el que la covarianza Winner-Losser se explica por la prima de riesgo que deben pagar las empresas peor valoraras.  Sin embargo, incluso considerando el retorno ajustado por riesgo, esta anomalía persiste. Por otro lado, la base de datos de Kenneth R. French contiene valiosa información sobre  modelos de cartera construidos bajo distintos factores, entre ellos el Long-Term Reversal (LT-Rev). La definición del factor y los detalles de la construcción de las series de datos pueden encontrarse aquí.

Un reciente estudio de Blackburn y Cakici (2017): “Overreaction and the cross-section of returns: International evidence” (Journal of Empirical Finance, vol. 42, 1-282) muestra cómo el efecto de reversión persiste en casi todos los mercados internacionales y además coexiste con el momento a medio plazo (5-6 meses) que, como seguidamente veremos, es otra de las anomalías más longevas y rentables.

EL FACTOR MOMENTO

Son legión las carteras diseñadas para capturar el momento absoluto y el relativo. El momento absoluto  es la tendencia de un valor a continuar su recorrido alcista o bajista. Se mide mediante la autocorrelación de las series de precios y puede capturarse con medias móviles, líneas de regresión u otros indicadores de momento. El momento relativo es el retorno de un valor con respecto a los demás valores de un índice o un portfolio en una ventana temporal dada. Esto permite ordenar los valores en un ranking de rentabilidad seleccionando los mejores en un intervalo temporal  de n meses y proyectando su rentabilidad en otro intervalo de t meses.

En cualquier caso, el momento es otra anomalía verificada empíricamente en infinidad de mercados y que contraviene la hipótesis de la eficiencia incluso en su versión más débil. Son numerosos los estudios sobre el factor momento. Uno de los más citados es el de Jegadeesh y Titman (1993) “Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency” (Journal of Finance, n. 48) quienes documentan el efecto en el mercado de acciones estadounidense y popularizan la estrategia 6/6. Una formulación sencilla podría sintetizarse en estos 4 pasos:

•           Tomemos todas las acciones de un índice general, por ejemplo el NYSE
•           Ordenémoslas tomando como base la rentabilidad de los últimos 6 meses
•           Formemos una cartera con las 10 acciones más rentables y otra con las 10 menos rentables.
•           Mantengamos las posiciones durante 6 meses y repitamos el proceso de selección.

La cartera formada con las acciones más rentables obtendría una rentabilidad media próxima al 10% anual sobre la cartera con las acciones menos rentables.  

Lo que mostraron estos investigadores es que se trata de una anomalía general que no puede explicarse mediante el Modelo de los 3 factores ni ningún otro modelo basado en el retorno ajustado por riesgo. De hecho, incluso ajustando por riesgo las empresas seleccionadas y descontando un 0,5% de gastos de operativa el factor momento seguía reportando un 9,29% de beneficio medio anual en el período 1962-1989.

Posteriormente se han realizado numerosos estudios que confirman el efecto momento en todos los mercados internacionales y con diferentes ventanas temporales (12/6, 10/10, 6/3, 5/5, 3/1), si bien el tamaño del período elegido es un factor crítico que puede dar lugar a diferencias significativas.

Un artículo de W. Gray: “Is momentum investing dead? Or is it just painful?” (Alpha Architect, Sep. 2016) muestra, en un interesante gráfico construido con datos de 1801 a 2012, cómo en el muy largo plazo las estrategias basadas en el momento son claramente ganadoras. Cosa bien distinta es la existencia de épocas en las que, debido a la baja volatilidad y otros factores, el momento deja de ser una estrategia rentable y se convierte en un auténtico problema para los gestores de carteras dinámicas.

Utilizando la amplia base de datos de Kenneth R. French hemos construido un gráfico del factor momento (MOM) que podemos retrotraer hasta 1927. No vamos a entrar en los detalles de la construcción del indicador MOM que pueden consultarse en este enlace. Nos limitaremos a describir el gran cuadro: En el espacio de casi un siglo el momento neto ha sido claramente positivo y ha dado lugar a portfolios con una rentabilidad superior a la del mercado que contraviene la hipótesis de la eficiencia. Sin embargo, vemos también que en los últimos 10 años esta ventaja se ha disipado (igual que ocurrió en la década de  los 30) por lo que ahora no es rentable desarrollar estrategias  tomando como base únicamente el momento relativo.

Sin embargo, como más adelante veremos, la combinación del momento con otros factores (tamaño, valor, baja beta) y del momento absoluto y relativo en estrategias algo más complejas aún sigue siendo rentable.

La persistencia de esta anomalía en largos períodos ha sido explicada recurriendo al efecto Post-Earning Announcement Drif (PEAD Effect). La difusión de noticias positivas (o negativas) sobre estimaciones de beneficio se refleja de manera inmediata en las cotizaciones, pero no de forma completa. En muchos casos desencadena un movimiento de inercia que puede durar semanas, incluso meses. Según algunos investigadores se trata de una pauta comportamental de los inversores que se explica en términos de exceso de confianza y anclaje. Según este planteamiento los inversores son lentos reconociendo la nueva información y permanecen anclados a su visión previa durante un tiempo. Por otro lado, la propia dinámica de la gestión de carteras genera diferentes marcos temporales en los que se valora y reacciona a la nueva información. En otras palabras, el time frame en el que transcurre la operativa pude ser de minutos, horas, días e incluso meses. Da lo mismo que la operativa sea automática o discrecional, cada operador tiene una demora específica en la toma de decisiones que afecta a la forma en que se mueven los precios.

  EL FACTOR VALOR

Tradicionalmente la búsqueda de valor en las empresas o value investing se remonta a los años 30 del siglo pasado, cuando Benjamin Graham y David Dodd publicaron su archiconocida obra Security Analysis. Desde entonces toda una legión de analistas y gestores han seguido la recomendación de apostar por las empresas con PER bajo, alto dividendo y un buen ratio Precio/Valor en libros. Graham denominaba “margen de seguridad” a la diferencia entre el precio al que cotiza una acción y su valor intrínseco.

 Sin embargo, este concepto ha evolucionado bastante con el tiempo; el valor contable de una empresa solo es útil en el caso de industrias con activos tangibles (oficinas, centros de producción). Por ello se ha ido sustituyendo por el concepto de flujos de caja o suma de fondos futuros descontados a precio actual. A los inversores en valor también les gusta la fórmula EV/EBITDA para determinar el valor intrínseco. Pero en determinados sectores, como el de Internet, esto tampoco nos sirve para nada: ¿Cuál es el valor de  una marca de éxito, de una idea que vende, de una web que recibe millones de visitas? Resulta muy complejo determinar el valor intrínseco en el caso de empresas como Google o Facebook.

En todo caso, aunque no exista una forma sencilla y universal de determinar el valor,  lo que está claro es que estamos ante una anomalía muy longeva y de la que han sacado partido algunos inversores de éxito, incluyendo a  Warren Buffett.

De acuerdo con el Modelo de los 3 factores de Fama y Fench, además del propio mercado, existen otras dos fuentes de riesgo sistemático: El tamaño y el valor. Tanto las empresas de pequeña capitalización como las de bajo P/B deben compensar con un mayor retorno  su riesgo adicional. De este modo el CAPM quedaría formulado como:

R_a = R_rf + B_mkt × ( R_mkt - R_rf ) + B_smb × SMB + B_hml × HML + α

Siendo:

SMB = Small Minus Big. El premio debido al tamaño

HML = High Minus Low. El premio debido al valor

Ahora hay tres fuentes de riesgo: Exposición al mercado (B_mkt), exposición al tamaño (B_smb) y exposición al valor (B_hml). Ciertamente existe dificultad en determinar los valores de estos dos nuevos coeficientes que, además, se consideran específicos de cada mercado. Sin embargo, este nuevo modelo parece más robusto que el de un solo factor y explicaría más de un 90% del retorno en las carteras de amplia base.

El mercado estadounidese cuenta con índices de referencia para tamaño y valor al menos desde los años 80. En la tabla inferior podemos ver la diferencia entre valor y crecimiento en las empresas de alta, media y baja capitalización entre 1980 y 2018:

Como podemos ver, el valor obtiene mayor rentabilidad que el crecimiento y esta diferencia se incrementa al disminuir la capitalización de las empresas.

En las siguientes líneas veremos cómo combinar el efecto valor y el efecto momento en una cartera sencilla que obtiene una rentabilidad más que aceptable.

 PORTFOLIO MV2

Para construir esta cartera vamos a utilizar 2 fondos Vanguard bastante longevos que nos permitirán extender nuestro análisis hasta 1994:

•           Vanguard Value Index Inv (VIVAX)
•           Vanguard Interm-Term Treasury Inv (VFITX)

La lógica de esta cartera no puede ser más simple:

•          Para el Factor Valor partimos de un fondo bien diversificado de empresas de valor representativas de todos los sectores de la economía USA.
•          Para el Factor Momento utilizamos un modelo de RR con una ventana temporal de 5 meses. De tal manera que alternamos entre RV y RF cuando VIVAX > VFITX
•         Mantenemos la posición durante 1 mes y repetimos el proceso.

Con estas sencillas reglas realizamos una simulación en la excelente plataforma Portfolio Visualizer y este es el resultado que obtenemos:

No está nada mal considerando la sencillez del modelo dinámico empleado y el hecho de que solo estamos alternando entre 2 activos. Podríamos construir carteras mucho más sofisticadas combinando estas estrategias básicas con un conjunto mayor de activos, pero para mostrar su validez y vigencia bástenos con este sencillo ejemplo.

­­

En nuestro curso de Gestión de carteras con ETFs mostramos cómo construir y gestionar carteras dinámicas que sacan partido de estas y otras muchas anomalías. Los lectores de esta web Podrán matricularse a través de nuestra tienda virtual introduciendo el siguiente cupón de descuento: XNV33Q

TrandingSys.org, 2018

Andrés A. García