Continuamos nuestra serie de artículos sobre hipótesis financieras susceptibles de generar alfa cuantificando y construyendo un modelo basado esta célebre y controvertida pauta estacional.  También elaboraremos un vídeo detallando las reglas de dos estrategias construidas bajo esta hipótesis.

DESCRIPCIÓN DE LA PAUTA ESTACIONAL Y EVIDENCIAS EMPÍRICAS.

La pauta conocida como Sell-in-May-and-go-away(también conocida como Efecto Halloween) es un clásico en la literaturaacadémica y se han realizado decenas de estudios para probar su validez en unamplísimo rango de productos invertibles y mercados. Esta anomalía decalendario se basa en la evidencia empírica (eso sí débil y no en todos losmercados) de que el retorno medio de las acciones entre los meses de noviembrey abril es varios puntos superior al del período mayo-octubre.

El aforismo de “vender en mayo ydesaparecer” se atribuye a Yale Hirsch y su StockTrader’s Almanach, publicado desde 1968 hasta hoy. En la ediciónde 1997 aparece un estudio que presenta las primeras evidencias de que unaestrategia basada en comprar las acciones del DJIA el 1 de noviembre yvenderlas el 30 de abril obtendría un retorno superior al índice y unarentabilidad ajustada por riesgo mucho mejor.

Posteriormente otrosinvestigadores hay estudiado a fondo esta anomalía y formulado algunasvariantes:

• Bouman y Jacobsen (2002)documentan evidencias del efecto en 36 de 37 países. Incluso en países delhemisferio sur con procesos estacionales muy distintos. En la mayoría de losmercados analizados la diferencia en rentabilidades noviembre-abril /mayo-octubre es estadísticamente significativa en largos períodos.
• Jacobsen y Visaltanachoti (2006)verifican el efecto en las dos terceras partes de los sectores industrialesestadounidenses.
• Lucey y Zhao (2008) analizan esteefecto entre 1926 y 2002 y concluyen que es débil en muchos subperiodos ypodría ser un eco llamado “Efecto Enero”.
• Zacks L. (2011) encuentra estaanomalía en los mercados de futuros, pero considera que es más efectiva si semodifica la fecha cierre a la tercera semana de octubre.
• Zhang and Jacobsen (2012)Encuentran pruebas de que la magnitud del efecto es muy variable en distintasventanas temporales.
• Swinkels and van Vliet (2012)Corroboran la existencia de esta anomalía y afirman que es una de las pautasmás fuertes y mejor explotables junto con el efecto de “Cambio de Mes”.
• Kochman y Bray (2015) muestranque en el período 1995-2015 la diferencia de retorno entre el semestrenoviembre/abril y mayo/octubre fue unas 6 veces superior a favor del primero.Incluso teniendo en cuenta que en dicho período el retorno promedioenero-febrero fue inusualmente bajo (-0,04%) con respecto a otras ventanastemporales.

Se han propuesto variosfundamentos de la pauta, si bien hoy en día ninguno resulta completamentesatisfactorio:

Bouman y Jacobsen (2002) noencuentra una explicación convincente, salo el efecto vacacional en losmercados (sobre todo en julio y agosto) que provoca una apreciable disminucióndel volumen. Esta explicación fue corroborada también por Kaustia andRantapuska (2012) y Zhang (2014) en estudios posteriores. Por otra parte,Kamstra, Kramer y Levi (2003) confirman la pauta y la atribuyen al trastornoafectivo estacional conocido como SAD o depresión invernal. El cual estáprovocado por la disminución de las horas de luz. En esta misma línea,  Cao and Wei (2005) y otros autores encuentrancorrelación entre la variación anual de la temperatura / horas de luz y elretorno medio de los mercados.

Otra explicación diferente es laofrecida por Gerlach (2007), quien ve una correlación entre el incremento delretorno en el trimestre octubre-diciembre y la mayor proliferación de noticiasmacroeconómicas y anuncios corporativos. Sin embargo Gugten (2010) no encuentrapruebas claras de que las noticias financieras expliquen la pauta.

Variantes:

• 1 mayo a 30 deoctubre fuera del mercado (original)
• 15 mayo a 30de octubre
• 1 junio a 30de septiembre
• 1 de julio a30 de septiembre
• Solo julio yagosto fuera del mercado.

Que el tramo mayor-octubre sea elpeor semestre no quiere decir que su retorno anualizado sea negativo. De hecho,en el intervalo 1994-2022 ronda el 4,12%. Si agrupamos el retorno anualizadodel S&P500 por periodos semestrales durante los últimos 28 años obtenemoseste gráfico:

 Sin embargo, también es un mal período entérminos de retorno ajustado por riesgo. Por lo que eliminar ese semestre ysustituirlo por renta fija a largo plazo puede ser una buena opción. Además, alobtener un Drawdown inferior al del índice de referencia tenemos cierto margenpara apalancar la cartera.

Veamos algunos modelos:

MODELO 1: “Sell in May…”

• Noviembre-Abril: SPY (SPDR S&P500 ETF Trust)
• Mayo-Octubre: VUSTX (Vanguard LongTerm Treasury Inv.)
• Periodo: 1994-2022
• StopLoss: No
• Apalancamiento:No
• Capitalinicial $10.000

Como vemos, este modeloestacional básico consigue batir al mercado, mejorando bastante la rentabilidadajustada por riesgo (Sharpe=0,81) y el DDm (-31,665). Otro elemento importantees el descenso a la mitad de la correlación con el mercado (Pearson=0,49) quepermitiría combinar esta estrategia con otros portfolios de tipo permanente.

MODELO 2: Rotación semestral. Consumo discrecional (XLY) / Consumo básico (XLP)

Este es el retorno anualizado(GAGR) de los principales sectores de la economía USA en los semestresnoviembre-abril y mayo-octubre:

Una primera combinaciónrotacional bastante clásica es la alternancia consumo discrecional (XLY) / Consumobásico (XLP). En este caso el resultado entre 2002 y 2022 es:

En términos de retorno anualizadolos resultados son muy similares al modelo 1, si bien el DDm es claramentemayor. Una cartera de este tipo podría tener cierto sentido en algunos portfoliosgrandes que también realizan cobertura con renta fija a largo plazo.

Otra combinación en rotaciónsemestral podría ser servicios de consumo (IYC) / tecnología y software (IGV):

MODELO 3: Estacionalidadapalancada.

Dado que el DDm (-31,66%) delModelo 1 es relativamente manejable podemos incorporar un pequeño porcentaje deapalancamiento para mejorar el retorno anualizado:

• Ratio de apalancamiento: 40%
• Interés aplicado al préstamo: 2%

El DDm. de la cartera estacional(-42,58%) sigue por debajo del benchmark (-50,97%). Por lo que paraalgunos perfiles inversores con baja aversión al riesgo podría ser una opcióninteresante.

MODELO 4: Estacionalidad + reglasde entrada

• Universo: Valores del S&P 500
• Rebalanceo: Mensual
• Máximo de posiciones: 30
• Asignación: Equiponderada
• Noviembre-Abril: Cartera deacciones
• Mayo-Octubre: TLT (Treasury +20 years ETF)

Reglas de entrada:

• Altman ZScore > 2
• RSI(14) valor 10% menor que susector.

Como vemos, añadiendo estas dosreglas de entrada al proceso estacional el sistema obtiene un retornoanualizado del 17,51%, un DD del 30,19% y eleva el ratio de Sharpe hasta el1,06. Lo que evidencia que estamos ante un modelo bastante aceptable y que corroboranuestra hipótesis de partida.

En el siguiente video, mostramoslos pasos para construir y evaluar las estrategias mencionadas con lasplataformas Portfolio Visualizer y Portfolio123. Espero que osguste y lo encontréis de utilidad: https://youtu.be/QGzZl3fn-Dg

Referencias:

• Andrade, S. C., Chhaochharia, V.,y Fuerst, M. E. (2013). “Sellin May and Go Away” Just Won’t Go Away”, Financial Analysts Journal, 69,94–105.
• Bauman, S., y Jacobsen, B.(2002). “The HalloweenIndicator, Sell in May and Go Away: Another Puzzle”, American Economic Review.  https://doi.org/10.1257/000282802762024683
• Kaustia, M., y Rantapuska, E.(2016). “Does mood affecttrading behavior?”, Journal of Financial Markets, 1–26.
• Lucey, B., y Zhao, S. (2006). “Halloween or January? Yet AnotherPuzzle”, International Review of Financial Analysts. https://doi.org/10.2139/ssrn.887861
• Swinkels, L., y van Vliet, P. (2012). “AnAnatomy of Calendar Effects 1 We would like to thank An Anatomy of Calendar Effects”, Journal ofAsset Management, 13(4), 271–286.
• Zhang, C. Y., y Jacobsen, B.(2021). “The Halloweenindicator, ‘Sell in May and Go Away’: Everywhere and all the time”. Journal ofInternational Money and Finance, 110.

Andrés A. García

© Tradingsys.org,2022.