El término Quantamental hace referencia a una estrategia de inversión que combina los enfoques cuantitativos que utilizan ordenadores, modelos algoritmos matemáticos y big data con métodos fundamentales que analizan los flujos de efectivo, el crecimiento y el riesgo de cada empresa para generar mejores rendimientos ajustados al riesgo.
El término Quantamental es, de hecho, un acrónimo que combina los términos “quant”itaviva y fund”amental“, por lo tanto, se refiere a una estrategia de inversión que implica combinar enfoques cuantitativos y fundamentales para invertir, con el objetivo de mejorar la rentabilidad.
En este artículo, profundizaremos más en lo que es la inversión Quantamental, los problemas que intenta resolver, las expectativas de beneficios esperados al adoptar el enfoque y revisaremos algunos ejemplos. Pero antes repasemos si estamos familiarizados con el qué.
Tabla de contenidos
- Inversión Cuantitativa
- Inversión Fundamental
- ¿Por qué Quantamental?
- Resultados Quantamental
- Ejemplos Quantamental
- Riesgos Quantamental
Inversión Cuantitativa
El trading cuantitativo o sistemático es esencialmente el estudio y decisiones de inversión manejadas por ordenador. Extrayendo parámetros de datos históricos (precio, volumen, volatilidad, open interest, ratios macro) se buscan patrones y construyen enfoques utilizando macroanálisis, matemáticas aplicadas, econometría, modelado estadístico o la experiencia en mercados para decodificar la aleatoriedad y obtener una idea sobre una anomalía del mercado que sea predictiva y explotable en el futuro utilizando instrumentos financieros.
Posteriormente, la idea se valida generalmente utilizando técnicas estadísticas y se descarta si no cumple con los requisitos de inversión o se convierte en un modelo algorítmico si lo hace.
Una vez que es un modelo, se codifica en un lenguaje de programación para su explotación comercial combinado con otros modelos. Las señales generadas pueden ser ejecutadas en el ordenador o manualmente por el trader.
Las estrategias cuantitativas suelen contener una gran cantidad de parámetros para aprovechar las ventajas estadísticas utilizando la ley de los grandes números y la capacidad casi infinita de procesar datos.
La idea subyacente es que el mercado es ineficiente o eficiente de forma débil, por lo tanto, existe potencial para que los inversores generar alfa.
Las estrategias cuantitativas más populares incluyen el arbitraje estadístico, mediante el cual el modelo busca oportunidades de arbitraje identificando diferencias de precio entre valores idénticos que a menudo tienden a surgir durante unos pocos segundos, y la inversión de factores, en la que el modelo identifica factores específicos que influyen en el precio de un valor. tales como factores macroeconómicos, microeconómicos y de estilo (por ejemplo, capitalización de mercado).
El trading cuantitativo es a menudo un trabajo de equipo debido a su naturaleza interdisciplinaria, pero se está volviendo más accesible para los inversores minoristas y los traders particulares debido a los avances en la facilidad de uso de la tecnología. Empresas comerciales cuantitativas y sistemáticas notables son Renaissance Technologies y Dunn Capital.
Inversión Fundamental
Mientras que la inversión cuantitativa se centra en el panorama general de un tipo de activo como las acciones, la inversión fundamental analiza la historia de una sola empresa.
La inversión fundamental en acciones implica la valoración de una empresa mediante la previsión de flujos de efectivo futuros, crecimiento y riesgo utilizando estados financieros y una variedad de otras fuentes. Estas fuentes pueden incluir información tanto cuantificable como no cuantificable, como otras valoraciones de analistas, informes económicos, noticias, cambios regulatorios, transcripciones de llamadas de ganancias o reuniones con la gerencia.
La fijación de precios también es parte de un conjunto de herramientas fundamentales para inversores. Fijar el valor de una empresa comparándola con sus competidores puede ayudar a determinar si una empresa es barata o cara. Un ejemplo simple sería comparar la relación precio-beneficio (PER) de varias empresas de la misma industria. A diferencia de la valoración, los precios se pueden calcular cuantitativamente si se utilizan trazos generales.
Las carteras fundamentales, especialmente cuando se valora a las empresas, contienen menos posiciones debido a las limitaciones del procesamiento de datos humanos, pero la investigación de la empresa suele ser más profunda.
Este proceso está cargado de sesgos cognitivos.
En un entorno macro global y siempre cambiante, los movimientos del mercado dependen en gran medida de la aptitud y el apetito. Identificar sentimientos ataques de codicia y miedo a través del análisis, la dinámica de la estructura, la selección de valores a nivel micro y punto de inflexión es, a menudo, es un trabajo solitario.
Ejemplos de inversores fundamentales famosos son Warren Buffett y David Tepper.
¿Por qué Quantamental?
El surgimiento del enfoque quantamental se debió a la comprensión de las deficiencias de ambos enfoques: la falta de profundidad del análisis cuantitativo y la falta de amplitud del análisis fundamental. El inversor aprovecha la escala y el poder de los datos y los combina con los beneficios del conocimiento humano para descubrir estrategias de inversión ganadoras.
El analista cuantitativo y el seleccionador de acciones fundamentales, de diferentes mundos y que a menudo trabajan en pisos separados, están uniendo cada vez más sus cabezas para producir mejores resultados para los inversores. Este estilo de inversión ofrece la capacidad de capitalizar ineficiencias periódicas del mercado para obtener una ventaja en la cartera.
La tesis de inversión Quantamental va más allá del concepto de beta inteligente, inversión de factores y estrategias algorítmicas.
La decisión de inversión se toma cuando existe una convergencia entre lo cuantitativo y lo cualitativo a partir de modelos no correlacionados en base al estudio del conjunto de variables relevantes en cada mercado, estableciendo diferentes fórmulas para cada algoritmo.
El objetivo es encontrar una ventaja competitiva para capturar Alpha necesario y gestionar la volatilidad. Buscando la diversificación se filtran y excluyen las ideas que no indican una buena relación riesgo-beneficio.
No todo puede modelarse ya que los mercados son increíblemente dinámicos. ¿Cómo modelaría eventos actuales donde la historia no puede ser una guía o oportunidades de inversión como el arbitraje de fusiones donde las ramificaciones legales son de importancia crítica?
Y mientras los modelos están rotos, los humanos cometen errores. Las finanzas conductuales reconocen que no somos perfectamente racionales ni estamos bien informados. A la mayoría de los humanos no les gusta perder más de lo que disfrutan ganando, no internalizamos de inmediato nuevos datos, sopesamos la información reciente más que los datos pasados y sufrimos de una gran cantidad de otros sesgos cognitivos.
Nuestro cerebro a menudo está programado para hacer precisamente lo incorrecto en el momento equivocado cuando se trata de los mercados. Las técnicas cuantitativas pueden ayudarnos a detectar y reducir estos sesgos de varias maneras, y por eso creo que solo por esta razón vale la pena el trading algorítmico.
Y luego está la cuestión del costo.
La gestión pasiva de bajo costo contribuyó al avance del quantamental a medida que los gestores de activos buscaban reducir el riesgo de la cartera y justificar sus tarifas. El crecimiento del Big Data y el aprendizaje automático les ha proporcionado nuevas herramientas para hacerlo. Sirva de ejemplo su uso para determinar el perfil de riesgo del cliente.
Los administradores pueden utilizar herramientas cuantitativas con enfoques generales muy diferentes, lo que sugiere que tiene un potencial considerable para una adopción más amplia. Si una estrategia de inversión se basa predominantemente en análisis cualitativo, cuantitativo o en una combinación, es independiente de las decisiones clave de gestión de riesgos.
En pocas palabras, es más barato ejecutar un modelo informático que contratar y capacitar a una persona bien formada. Prácticamente todas las industrias han experimentado una reducción masiva de costos y automatización. Y, además, hay tareas que las computadoras pueden realizar mejor que una persona procesos en los que no se aporte valor, como calcular miles de correlaciones entre acciones y sectores.
Resultados Quantamental
Según un estudio de Morningstar, durante los últimos 20 años, el 65% de Alpha proviene de la exposición a una amplia serie de factores de mercado como el valor, el momentum, crecimiento, calidad (principalmente factores cuantitativos de inversión) mientras que el 35% restante viene de la selección de acciones (análisis fundamental y juicio humano). La inversión Quantamental tiene como objetivo a extraer valores de ambas facetas.
Y aunque lo anterior demuestra que una inversión puramente cuantitativa y basada en factores es una estrategia excelente, también deja dinero sobre la mesa: el dinero de la selección de valores individuales.
Por ejemplo, Merrill Lynch tiene un producto quantamental llamado alpha surprise que ha generado mejores retornos que el S&P500 desde 1999 con menor volatilidad. Basado en una estrategia de inversión activa que utiliza una forma de inteligencia artificial (IA) con reglas, combinado con el valor de años de juicio humano y experiencia para producir “alfa adaptativo“. El rendimiento superior se genera por la capacidad de adaptar las reglas / factores de inversión a nuevas fases del mercado.
Los mercados son un sistema complejo y dinámico. No existe una fórmula única o estrategia o perspectiva que funcione constantemente. Ante esta incertidumbre y complejidad, en lugar de limitarse a cualquier escuela de pensamiento que hayamos encontrado un éxito constante al estudiar los mercados, se crean indicadores de análisis predictivo como identificadores de puntos de inflexión y oportunidades en el complejo entorno de inversión, proporcionando claridad en tiempos difíciles cuando hay muchas preguntas que implican eventos y riesgos políticos. Este conjunto diverso de variables y participantes interactúan continuamente entre sí de aportando innumerables ayudas como por ejemplo saber cómo están posicionados los jugadores y cómo reaccionan ante una situación particular.
Ahora que hemos visto que un enfoque quantamental puede mejorar nuestras posibilidades de ganar dinero en los mercados, veamos algunos ejemplos simples.
Ejemplos Quantamental
La tecnología nos ahorra tiempo al permitirnos manipular los datos financieros de manera mucho más eficiente, pero lo que es más importante, también nos permite hacernos nuevas preguntas a partir de nuestros datos.
A continuación, se muestran cuatros ejemplos de cómo los métodos cuantitativos y la ciencia de datos pueden potenciar el proceso de investigación de un inversor de nuevas formas:
- Análisis de Sentimientos: el procesamiento del lenguaje natural (PNL) puede revisar transcripciones históricas rápidamente para determinar el sentimiento o los cambios de actitud. Analizar los textos de los discursos realizados en las presentaciones de resultados financieros a lo largo de los años con el fin de detectar qué palabras hicieron que la acción de una empresa subiera (como excelente) o pueden augurar problemas (como exceso de existencias).
- Datos Alternativos: clasificadores de imágenes para evaluar los cambios en los modelos de automóviles en una carretera que ayuden a pronosticar las ventas de automóviles nuevos.
- Análisis de Rendimientos: el análisis de factores y carteras puede informar a un gestor de riesgos ocultos, como sobreexposición al momentum.
- Asset Allocaton: La asignación de activos en una cartera por la que un gestor decide cómo distribuir sus inversiones es un proceso donde la aplicación de la inteligencia artificial está revolucionando las metodologías existentes.
Las gestoras y analistas se están adaptando a una era de automatización y ‘big data’ que son el futuro del sector de gestión de activos y del mundo de la inversión.
Si bien esta no es de ninguna manera una lista exhaustiva de beneficios quantamental, creo que resalta el punto de que la inversión cuantitativa y fundamental son mejores juntas, aunque existen riesgos de adoptar un enfoque quantamental.
Riesgos Quantamental
Si bien los aspectos positivos superan a los negativos según los datos, existen riesgos de incorporar un enfoque quantamental.
Los inversores fundamentales introducen las trampas comunes del trading cuantitativo, como la sobreoptimización y la minería de datos. Las estrategias deben adoptar un enfoque de ideas primero y explotar una anomalía del mercado que tenga sentido y no algo descubierto en los datos como “Amazon avanza los lunes”. Hay mucha es sobre los riesgos de sobreoptimización de parámetros, por lo que no los detallaré más aquí.
Los traders cuantitativos introducen sesgos cognitivos cuando comienzan a colocar empresas bajo el microscopio. Al igual que en el trading, donde las presiones del mercado son parte del juego, lo mismo ocurre con la valoración, pero estas presiones son más sutiles y se presentan en diferentes formas.
