Existen miles ETFs y su número crece de manera vertiginosa.  La única manera de no perderse en esta jungla de productos invertibles con estructura, objetivos y calidades muy distintas es empleando potentes buscadores que nos permitan encontrar fácilmente la información relevante, listar los productos según una amplia variedad de criterios y comparar aquellos con similares características. En esta nueva entrega de la serie “Expediente ETF” nos centraremos en dos herramientas imprescindibles: Las bases de datos y screeners.

Las bases de datos organizan por categorías los productos invertibles empleando, en muchos casos, una metodología propietaria, por lo que nos podemos encontrar ETFs asignados a distintas categorías según qué base de datos. Las categorías se construyen siguiendo dos modelos generales de agrupación:

• Por tipos de activos: Se parte de categorías generales como “bonos y renta fija”, “acciones”, “materias primas”, “divisas”, etc. a las que luego se añaden innumerables subcategorías, sectores y etiquetas de clase.
•  Por tipos de productos: Donde se toma como referencia la estructura del producto, el tipo de gestión o el nivel de apalancamiento. De este modo tenemos ETFs “físicos/sintéticos”, “apalancados”, “agresivos”, “conservadores”, “de crecimiento” “de valor”, “alternativos”, “de responsabilidad social”, etc.

 A estas tipologías generales algunas bases de datos añaden diversas formas de catalogación complementarias: Por zonas geográficas, por ratings de agencias, por rakings   (Ej. “Top 10 dividend”, “Top 10 metal stocks”, etc.)

Además del modelo de agrupación, otro elemento fundamental de las bases de ETFs es el nivel de profundidad de la información ofrecida. Algunas van mucho más allá de los datos básicos del producto (cotizaciones, gráficos, principales ratios…) ofreciendo una ingente candad de datos organizados en diferentes bloques: Sumario, perfil del producto, valoración de los analistas, principales activos y sectores, modelo de asignación, estructura de gastos y comisiones, rendimiento y comparativas con respecto a la categoría, distribución de dividendos, análisis de riesgos, etc.

El screener es un buscador interactivo que mediante un  conjunto de filtros permite a los usuarios seleccionar aquellos ETFs que cumplen una serie de criterios. Cada screener está asociado a una base de datos independiente o de una empresa de servicios financieros. A la hora de valorar su calidad interesa considerar estos criterios:

• Neutralidad: No hay un sesgo de prioridad. Es decir, no se sitúan en los primeros puestos de la lista ETFs de una o varias instituciones financieras asociadas al proveedor del servicio.
• Fácil manejo: Guiado por menús y selectores de opciones claros e intuitivos.
• Profundidad de búsqueda: Permite un anidamiento complejo de criterios y muestra los resultados por orden de relevancia.

Seguidamente nos centraremos los siguientes proveedores: ETF.com, ETFdb, Morningstar y XTF.

ETF.com

http://www.etf.com/etfanalytics/etf-finder

En el momento de escribir este artículo tenía registrados 2035 ETFs. La información pública ofrecida por este proveedor es una de las más completas que podemos encontrar y está organizada del siguiente modo:

• Datos básicos
• Rentabilidades
• Análisis y ratings
• Datos fundamentales
• Clasificación
• Categoría
• Tipo de estrategia gestora
• MSCI Research.
• Mapa de sectores y mapa de distribución geográfica de fondos.

Al seleccionar cualquier producto aparece una ficha en la que se muestran sus métricas básicas, gráficos de composición, factsheet en PDF. La ficha se desglosa en cuatro apartados:

• Overview: Que muestra los datos generales.
• Efficiency: Donde se analiza el modo en que el fondo cumple lo que promete y cómo es su desempeño en relación con otros fondos.
• Tradability: Que analiza las bondades del fondo como vehículo de inversión para particulares y profesionales.
• Fit: compara los riesgos y rentabilidades con el mercado de referencia y con un benckmark neutral. 

Fuente: http://www.etf.com/etfanalytics/etf-finder

ETFdb

http://etfdb.com/etfdb-categories/

2030 ETFs (en julio de 2017).

La información está organizada en 10 grupos y 70 categorías. Según este proveedor el mapeo de ETFs se hace siguiendo una metodología propietaria y cada ETF se asigna exclusivamente a una categoría con lo cual resulta más coherente su localización así como la comparación entre productos. Al acceder a una categoría aparecen los datos básicos de ese grupo de activos como la definición del grupo, el gasto medio y número de componentes.

Las listas se pueden ordenar considerando el número de acciones, retorno anual y gasto total. Existen 10 modos de visualización de las tablas:

• Información general.
• Rentabilidades.
• Capitalización.
• Gastos.
• Dividendos.
• Composición de la cartera.
• Impuestos.
• Análisis técnico.
• Valoración de analistas.
• Ratings de agencias.

Un parte de la información que se muestra es pública y a otra solo puede accederse por suscripción.

Al seleccionar cada producto se accede a una página en la que se agrupa toda la información relevante, incluyendo gráficos de asignación por tipos y regiones, así como gráficos de cotizaciones que permiten comparar la evolución histórica del producto con otros ETFs e índices. En la imagen inferior podemos ver los gráficos de asignación de los activos de un ETF:

Fuente: http://etfdb.com/

MORNINGSTAR

http://www.morningstar.es/es/etfs/

Dispone de la base de datos más extensa al ser global y no solo USA. En Julio de 2017 contaba con 8.580 productos.

El sistema de búsqueda rápida permite buscar por regiones, gestoras, categorías y nombres de productos. La información aparece agrupada en cuatro clases:  

•  “General”, datos básicos del producto.
• “Corto Plazo” que incluye valor cotizado y rentabilidad hasta 6 meses.
• “Rentabilidad” anualizada hasta 1-10 años.
• “cartera” que incluye capitalización media bursátil y patrimonio neto.
• “Gestión”, gastos corrientes y comisiones de gestión.

La ficha básica de cada producto contiene información tan completa como las otras bases de datos, si bien algunas funcionalidades, como el “Análisis”, requieren suscripción. Destacamos la forma de presentar la información; clara, fácilmente comprensible y bien sintetizada: 

Fuente: www.morningstar.es

XTF

http://www.xtf.com/Research/

2.044 ETFs (Julio de 2.061)

Incorpora una forma muy atractiva de presentar la información que aparece dividida en cuatro categorías generales:

• Área geográfica
• Filosofía inversora 
• Clase de activos
• Composición del índice
• Nivel de apalancamiento.

La información de las tablas se agrupa en las categorías “General”, datos básicos incluyendo el XFT rating, “Performance” que ofrece la rentabilidad acumulada en períodos de 1 día a 5 años y el volumen medio.

Destacamos el apartado gráfico, muy completo y que incorpora mucha información.  El único problema es que solo muestra 5 años de histórico.

La ficha de cada producto sintetiza muy bien la información y es bastante completa, si bien los apartados “Funds Flow” y “Customize” son por suscripción.

Otro elemento muy interesante y útil es la herramienta de comparación de ETFs que permite sintetizar en una tabla las características de los productos seleccionados.

Se puede acceder a la factsheet de cada producto en pdf.

Fuente: www.xtf.com

USO PRÁCTICO DE BASES DE DATOS Y SCREENERS.

Seguidamente vamos a construir una cartera de ETFs que replique el Portfolio Minimize Fat Tails de Larry Swedroe. Una amplia descripción, incluyendo numerosas métricas, puede encontrarse en la web PortfolioCharts. De momento bástenos con conocer su estructura:

La excelente herramienta Portfolio Visualizer nos permite construir esta réplica  del MIN FAT TAILS utilizando datos mensuales de índices desde 2001:

Como podemos ver, la cartera de Larry (Portfolio 1) bate claramente al benckmark de referencia, obteniendo una rentabilidad ligeramente superior pero con mucho menos riesgo, por lo que los ratios Sharpe y Sortino son mucho mejores.  Nosotros iremos paso a paso seleccionando ETFs en el proceso de construcción de este portfolio.

Para el proceso de búsqueda vamos a emplear la base de datos y screener de ETFdb. Nuestro primer paso será encontrar los productos de Small Caps más apropiados y que cumplan las siguientes restricciones:

• Fecha de creación < 2007
• Expense Ratio < 0.60
• AUM > 1 mill.
• Calificación > B

Una vez aplicados los filtros: “Equity” > “Small Cap” > “North America” obtenemos los siguientes resultados, que ordenamos por fechas hasta 2004:

Analizando el retorno y la volatilidad histórica de cada producto, seleccionamos VBR, IJT y SLYG:

Fuente: www.etf.com

Finalmente optamos por IJT como EFT representativo del componente US Small Cap del portfolio que ponderará un 15%

El segundo componente de la cartera MIN FAT TAILS son los mercados emergentes. Por lo que procedemos a buscar ETFs representativos de este sector y que cumplan los objetivos descritos. Aplicando en el screener de ETFdb los filtros: > “Equity” > “Emergin Markets” obtenemos estos 4 posibles candidatos:

Finalmente optamos por el VWO al ser el producto con menor Expense Ratio y mayor liquidez, y le asignamos un peso del 15% en el portfolio.

El tercer componente de la cartera MIN FAT TAILS es la liquidez o letras del tesoro a corto plazo.

Aplicando en el screener de ETFdb los filtros: > “Bond” > “Treasuries” > “Short & Ultra Short Term” obtenemos estos 4 posibles candidatos:

Aquí no hay mucho donde elegir, así que optamos por SHY. Todo un clásico y el producto con mayor volumen. Según el modelo de cartera asignamos a este ETF el 35% del capital.

El cuarto y último componente del portfolio son los TIPS (Treasury Inflation Protected Securities).  Así que seleccionamos en el screener de ETFdb los filtros: > “Bonds” > “TIPS” y, considerando las restricciones ya mencionadas, obtenemos esta lista:

En este grupo el principal problema son los históricos; entre 2003 y 2007 no encontramos nada. Así que optamos por el primero de la lista, que también es el producto con mayor volumen: TIP. Siguiendo el modelo de cartera su ponderación será del 35%

Una vez seleccionados los componentes de nuestra réplica del MIN FAT TAILS procedemos a formar la cartera y analizar el portfolio resultante:

Como podemos apreciar, la cartera tiene unos ratios mejores que el fondo índice de referencia y su desviación estándar es inferior a la mitad. Aunque no consigue batir al SP500, tanto el máx. DD. Como el peor año resultan mucho más manejables.

Ya hemos visto que en periodos más largos este Lazy Portfolio de Swedroe también consigue batir en rentabilidad al mercado. El problema está en el fuete peso de la renta fija y su inusualmente baja o nula rentabilidad durante la última década.

¿Podemos hacer algo para mejorar la rentabilidad de la cartera?

Sí, se pueden cambiar muchas cosas: Los activos, las ponderaciones, la frecuencia de los rebalanceos, el nivel de apalancamiento, el tipo de gestión (estático o dinámico), la política  de reinversión o reparto de beneficios, etc.  Cada una de estas decisiones afectara al modelo de cartera; modificando el balance R/R (riesgo/recompensa) y acomodándose mejor o peor a un determinado inversor tipo.

En la imagen inferior comparamos el Portfolio 1 (MIN FAT TAILS) con una variante en la que se sustituye la renta pública a corto plazo (SHY) por el largo plazo (TLT) y los TIPS por deuda corporativa de calidad (LQD). Introduciendo estos cambios, la rentabilidad del Portfolio 2 es mayor, el DD ligeramente menor y los ratos de Sharpe y Sortino también mejoran.

En conclusión, las bases de datos y screeners constituyen una herramienta imprescindible para seleccionar, comparar y conocer las principales características de los ETFs con los que vamos a construir la cartera. El siguiente paso será el diseño y optimización del portfolio y, para ello, disponemos de excelentes aplicaciones que iremos detallando en próximos artículos.

En el momento de escribir este artículo descubrimos Hellomoney, una interesante aplicación, todavía en fase beta, para compartir portfolios que muestra en una página las características, ratios y estructura de cualquier cartera, de manera visual y con gráficos interactivos de excelente calidad.

En este enlace podemos ver la fact sheet del portfolio anterior:  

https://hellomoney.co/portfolio/6ba2c3

Andrés A. García

© TradingSys, 2017

Si te ha gustado este artículo no dejes de apuntarte al webinar gratuito que impartiremos próximamente desde la web de OQM. Abordaremos la operativa con ETFs desde una perspectiva nunca vista hasta ahora.

    Formulario de Inscripción