No abunda el software de calidad para construir y optimizar portfolios. Menos aún el que está al alcance del inversor particular y no depende de sofisticados entornos de programación estadística como MATLAB o R.  Por ello, cuando cayó en nuestras manos, la aplicación Portfolio Visualizer nos llevamos una grata sorpresa: Por fin una herramienta asequible, fácil de usar y con innumerables recursos analíticos y de investigación. Todo un lujo del que por ahora podemos disfrutar de manera gratuita.

El creador esta aplicación basada en la web es Tuomo Lampinen, fundador de la empresa Silicon Cloud Technologies LLC. Portfolio Visualizer incluye un amplio paquete de herramientas con las que podremos abordar todas las etapas de diseño y optimización de carteras: Backtets, simulaciones de Montecarlo, análisis factorial, optimización y rebalanceo, análisis correlacional y evaluación de modelos dinámicos basados en el timing. Están organizadas en seis bloques generales que presentan el siguiente aspecto:

Seguidamente analizaremos cada una de estas herramientas mediante un estudio de caso; nuestro portfolio TS-ETF02.

LA CARTERA TS-ETF2

Vamos a construir un portfolio de riesgo moderado bajo el supuesto 60/40. Invertimos un 60% del capital disponible en renta variable del siguiente modo:

·         20%  Grandes empresas EEUU de valor

·         20% Pequeñas empresas EEUU de crecimiento

·         10% Renta variable global no EEUU

·         10% Mercados emergentes

Y un 40% en los siguientes productos de renta fija y alternativos:

·         10% Bonos del tesoro a largo plazo

·         10% Bonos corporativos High Yield

·         10% TIP

·         10% REIT

BACKTEST POR CLASES DE ACTIVOS

Nuestro primer paso será realizar un backtest genérico utilizando la herramienta: Backtest Portfolio Asset Class Allocation. Ello nos permitirá hacer un análisis de amplio espectro por clases de activos.

Entre las opciones que podemos elegir para hacer nuestra simulación tenemos: Modo simple o avanzado, años de inicio y fin, capital inicial, modelo de rebalanceo y benchmark  con que comparar nuestra cartera. En este caso hemos elegido esta configuración:

Con lo que obtenemos el siguiente resultado preliminar:

Esto es suficiente para hacernos una idea de pon dónde van los tiros en la cartera que estamos construyendo, aunque la aplicación proporciona mucha más información: Métricas detalladas, resultados anuales, comparativa de drawdowns, rentabilidades por activos y retornos continuos.

HACER UN BACKTEST A UN PORTFOLIO DE ETFs

El segundo paso será convertir la anterior “cartera teórica” en un portfolio construido con activos reales. Así que, haciendo uso de las bases de datos y secreeners ya abordados en el anterior artículo, procedemos a seleccionar los ETFs, a nuestro juicio, más representativos de cada clase de activos:

 Conservando los mismos porcentajes de asignación obtenemos el siguiente backtest:

Como podemos ver, la diversificación resultante suaviza la curva de beneficios, disminuye el drawdown y mejora los ratios de Sharpe y Sortino respecto al benckmark de referencia. En definitiva, obtenemos un portfolio mejor en términos R/R que el de la cartera de mercado.

Entre las diferentes opciones de visualización es interesante observar las tablas de ratios por activos y la distribución de retornos:

OPTIMIZACIÓN DEL PORTFOLIO

Optimizar un portfolio implica determinar unos porcentajes de asignación para cada activo o grupo que sean consecuentes con una expectativa realista de beneficio y un nivel de aversión al riesgo dado.  Como ya hemos visto en otros artículos  (véase: Optimización y Rebalanceo de Portfolios Sistemáticos I y II), se trata de balancear la cartera empleando aquellos criterios diana o funciones objetivo que mejor se adapten a un determinado inversor tipo.  Portfolio Visualizer cuenta con los siguientes:

• Maximizar el ratio de Sharpe; lo que equivale a encontrar un equilibrio R/R en términos del modelo media-varianza de Markowitz. Esto encaja con un perfil de aversión moderado.
•           Minimizar la volatilidad para un determinado umbral de retorno anual.
•           Maximizar el retorno para un nivel máximo de volatilidad.
•           Portfolio de mínima varianza; una de las opciones más conservadoras.
•           Minimizar el CVAR (Valor en riesgo condicional) Para diseños de cartera de alta aversión al riesgo.
•           Minimizar el Drawdown. Una opción igualmente conservadora en términos R/R
•           Maximizar el Ratio Omega. Para perfiles más arriesgados y con mayores expectativas de beneficio.
•           Maximizar el Ratio de Sortino. Lo que conduce a portfolios de aversión moderada o de equilibrio R/R.

En el siguiente ejemplo optimizamos la cartera TS-ETF2 para un perfilo de baja aversión y un horizonte temporal ilimitado. Para ello utilizamos el ratio Omega y configuramos Portfolio Visuailzer del  siguiente modo:

Obtenemos el siguiente resultado:

Al no establecer restricciones de asignación máxima y mínima, la aplicación encuentra una solución óptima solo con dos productos: QQQ y TLT. En la imagen inferior podemos ver las estadísticas y curva de beneficios de 3 carteras: Ponderación original, equiponderada y ponderación según el ratio Omega. Vemos que las estadísticas de esta última son claramente superiores:

Portfolio Visualizer ofrece gran cantidad de información. Por ejemplo, permite comparar el Drawdown de los tres portfolios:

Y obtener el gráfico de la frontera eficiente para el portfolio seleccionado:

Una opción de este software verdaderamente interesante y potente es Rolling Optimizacion o, lo que es lo mismo, la posibilidad de hacer un Walk Forward al ratio diana elegido con los cortes temporales que seleccionemos. Por ejemplo, con los siguientes parámetros:

El resultado obtenido es:

Hay que tener en cuenta que el “Lookback Period” se come en este caso dos años de datos.

También podemos ver las variaciones en los porcentajes de asignación año a año y otras muchas métricas:

EL MODELO BLACK-LITTERMAN

Este modelo de asignación da activos también puede ser simulado con Portfolio Visualizer. Publicado en 1992 (Black, F., Litterman R.: “Global portfolio optimization”, Financial Analysts Journal, 48(5) pp. 28-43) combina ideas del modelo de Markowitz y el CAPM.

El modelo parte de la idea de “equilibro del mercado”; una situación en las que todos los inversores tienen las mismas expectativas de rentabilidad futura y funciona por optimización inversa: En lugar de asumir rentabilidades históricas, da por buena una rentabilidad global proporcionada (portfolio benckmark) como estimador del retorno y una matriz de covarianzas basada en los últimos n años. Con estos dos datos la aplicación determinará la “cartera de equilibrio” y los porcentajes de asignación necesarios para ello.

Supongamos para nuestra cartera TS-ETF2:

Según el modelo Black-Litterman, la “cartera de equilibrio” resultante para una expectativa de retorno del 7% se obtendría con esta ponderación de activos:

El siguiente paso, es determinar las expectativas que tenemos para cada grupo o sector. No es necesario indicar todos. En nuestro ejemplo, vamos a asignar expectativas para QQQ; IJS y TLT, con un nivel de confianza del 75% para la renta variable y del 50% para la renta fija a largo plazo:

En este escenario las nuevas ponderaciones que nos ofrece el modelo serían:

SIMULACIÓN DE MONTECARLO

La aplicación permite hacer una simulación de Montecarlo por tipos de activos considerando diversos escenarios y modelos de simulación. Vamos a simular nuestra cartera y sus ponderaciones iniciales bajo los siguientes supuestos:

Para un escenario como este obtenemos las siguientes proyecciones de rentabilidad futura:

Según el simulador de Portfolio Visualizer, partiendo de un capital inicial de 10k y en un horizonte temporal de 20 años, tenemos una probabilidad del 25% (percentil 75) de terminar el periodo con 140k en nuestra cartera, del 50% (percentil 50) de acabar con 101K del 75% (percentil 25) de acabar con más de 72K. Siendo éste el histograma de resultados en 10.000 simulaciones:

ANÁLISIS FACTORIAL

Los modelos multifactoriales de valoración de activos fueron popularizados por Fama y French en la década de los 90. Existen modelos de 3, 4 y 5 factores para explicar la rentabilidad de las acciones de un portfolio. El más conocido es el de 3 factores que corrige el CAPM, en el que rendimiento de los mercados se describe con una única variable, añadiendo dos variables más: SMB (Small Minus Big) o exceso de rentabilidad debido al premium de invertir en acciones de baja capitalización y HML (High Minus Low) que describe el premio debido a las acciones de mayor valor sobre las de crecimiento.

Portfolio Visualizer puede realizar un análisis factorial de un activo o de una carretera. En el siguiente ejemplo realizaremos un análisis factorial de nuestro portfolio TS-ETF2 con los siguientes inputs:

Y estos son los resultados:

CORRELACIONES ENTRE ACTIVOS Y COINTEGRACIÓN

Portfolio Visualizer también muestra la matriz de correlaciones de un portfolio y su dinámica temporal. Se pueden realizar tablas de correlaciones diarias, mensuales y anuales. Los gráficos de correlación dinámica pueden mostrarse en ventanas temporales de 20 a 120 días. En este último caso solo se mostrarán a un tiempo las correlaciones de los tres primeros activos de la cartera. Esta sería la tabla de correlaciones en base diaria del TS-ETF2:

En el gráfico inferior podemos ver la evolución temporal de la correlación entre  QQQ y TLT en una ventana de 60 días:

La aplicación también permite mostrar gráficos de auto-correlación con distintas demoras y ventanas temporales. Por ejemplo, para una ventana temporal de 4 meses tenemos:

Por último, podemos realizar un análisis de cointegración a 3 activos del portfolio utilizando la Prueba de Dickey-Fuller aumentada. Por ejemplo, para QQQ, IJS e IOO utilizando precios diarios tenemos:

MODELOS TÁCTICOS DE ASIGNACIÓN

Este último módulo de la aplicación es quizá el más interesante desde el punto de vista del trading ya que permite comparar y evaluar distintos modelos de market timing o asignación táctica basados en medias, estimadores de momento (Relative Strength, Dual Momentum y Adaptive Allocation) y objetivos de volatilidad.

En el siguiente ejemplo implementaremos el modelo de asignación adaptativa. Este modelo combina el indicador de fuerza relativa, como determinador de momento, con la asignación por mínima varianza para reducir la volatilidad. De los 8 activos que componen la cartera TS-ETF2 solo opera 3 a un tiempo. El periodo elegido para el timing es de 5 meses y para la volatilidad de 3 meses.

Los parámetros seleccionados son:

Como podemos ver, el modelo adaptativo mejora notablemente los resultados de la cartera equiponderada y del benckmark de referencia. El drawdown se reduce a menos de la mitad y el retorno anualizado aumenta considerablemente. Esto hace que los ratios de Sharpe y Sortino se disparen, poniendo de manifiesto que estamos ante un excelente modelo de portfolio:

Junto a  numerosas métricas y gráficos, Portfolio Visualizer también nos muestra el detalle de los periodos de asignación resultantes del modelo seleccionado:

Una cuestión importante: La selección de cualquier modelo de asignación táctica y un conjunto específico de parámetros supone un proceso de optimización implícita. Por tanto, hay que tomar los resultados con las salvedades que esto implica y asumir que tales resultados no tienen por qué repetirse en el futuro. De hecho, ningún modelo de asignación de activos fundamentado en datos históricos y con resultados obtenidos por backtest garantiza su replicabilidad en operativa real. En otras palabras, no hay garantía alguna de que los modelos dinámicos de asignación se comporten mejor en el tiempo que los portfolios permanentes basados en comprar y mantener.

CONCLUSIONES:

Conviene recordar que Portfolio Visualizer no es una plataforma de trading sino una herramienta analítica y de investigación. Con ella podremos construir modelos de cartera bajo una amplia variedad de enfoques y evaluarlos de manera rigurosa. Cada una de sus funcionalidades cuenta con una rigurosa fundamentación académica, pero implementada de forma extremadamente práctica y sencilla.

La aplicación resultará muy útil para evaluar ideas y simular escenarios de operativa con ETFs. Incluso para construir nuevas careras partiendo de la amplia colección de clases de activos y  lazy portfolios incorporados por defecto. También permite comparar de manera muy sencilla varios portfolios y benckmarks mostrando, en detalladas tablas y gráficos, sus ratios, rentabilidades anuales y mensuales, drawdowns, desempeño por activos y evolución anual del retorno.

En definitiva, estamos ante una aplicación de primera línea, apropiada tanto para el ámbito educativo como para gestores independientes y profesionales. De hecho, su principal mérito es poner al alcance de todos y, por ahora de manera gratuita, herramientas difíciles de conseguir por su elevado precio o por estar disponibles solo para las instituciones financieras.

El único “pero” que le ponemos es trabajar únicamente con series históricas en base mensual. Si se pudiese trabajar cada uno de los módulos en base diaria y se permitiese la importación series diarias personalizadas mejoraría mucho el potencial de este software. Aún así estamos ante una aplicación para quitarse el sombrero.

Andrés A. García.

© TradingSys.org, 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