Quantamental Post

Quantamental: la estrategia de inversi贸n m谩s robusta que har谩 crecer su capital

El t茅rmino Quantamental hace referencia a una estrategia de inversi贸n que combina los enfoques cuantitativos que utilizan ordenadores, modelos algoritmos matem谩ticos y big data con m茅todos fundamentales que analizan los flujos de efectivo, el crecimiento y el riesgo de cada empresa para generar mejores rendimientos ajustados al riesgo.

El t茅rmino Quantamental es, de hecho, un acr贸nimo que combina los t茅rminos “quant鈥漣taviva  y fund”amental“, por lo tanto, se refiere a una estrategia de inversi贸n que implica combinar enfoques cuantitativos y fundamentales para invertir, con el objetivo de mejorar la rentabilidad. 

En este art铆culo, profundizaremos m谩s en lo que es la inversi贸n 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 qu茅.

Tabla de contenidos

Inversi贸n Cuantitativa

El trading cuantitativo o sistem谩tico es esencialmente el estudio y decisiones de inversi贸n manejadas por ordenador. Extrayendo par谩metros de datos hist贸ricos (precio, volumen, volatilidad, open interest, ratios macro) se buscan patrones y construyen enfoques utilizando macroan谩lisis, matem谩ticas aplicadas, econometr铆a, modelado estad铆stico o la experiencia en mercados para decodificar la aleatoriedad y obtener una idea sobre una anomal铆a del mercado que sea predictiva y explotable en el futuro utilizando instrumentos financieros.

Posteriormente, la idea se valida generalmente utilizando t茅cnicas estad铆sticas y se descarta si no cumple con los requisitos de inversi贸n o se convierte en un modelo algor铆tmico si lo hace.

Una vez que es un modelo, se codifica en un lenguaje de programaci贸n para su explotaci贸n comercial combinado con otros modelos. Las se帽ales generadas pueden ser ejecutadas en el ordenador o manualmente por el trader.

Factores Cuantitativos

Las estrategias cuantitativas suelen contener una gran cantidad de par谩metros para aprovechar las ventajas estad铆sticas utilizando la ley de los grandes n煤meros y la capacidad casi infinita de procesar datos.

La idea subyacente es que el mercado es ineficiente o eficiente de forma d茅bil, por lo tanto, existe potencial para que los inversores generar alfa.

Las estrategias cuantitativas m谩s populares incluyen el arbitraje estad铆stico, mediante el cual el modelo busca oportunidades de arbitraje identificando diferencias de precio entre valores id茅nticos que a menudo tienden a surgir durante unos pocos segundos, y la inversi贸n de factores, en la que el modelo identifica factores espec铆ficos que influyen en el precio de un valor. tales como factores macroecon贸micos, microecon贸micos y de estilo (por ejemplo, capitalizaci贸n de mercado).

El trading cuantitativo es a menudo un trabajo de equipo debido a su naturaleza interdisciplinaria, pero se est谩 volviendo m谩s accesible para los inversores minoristas y los traders particulares debido a los avances en la facilidad de uso de la tecnolog铆a. Empresas comerciales cuantitativas y sistem谩ticas notables son Renaissance Technologies y Dunn Capital. 

Inversi贸n Fundamental

Mientras que la inversi贸n cuantitativa se centra en el panorama general de un tipo de activo como las acciones, la inversi贸n fundamental analiza la historia de una sola empresa.

La inversi贸n fundamental en acciones implica la valoraci贸n de una empresa mediante la previsi贸n de flujos de efectivo futuros, crecimiento y riesgo utilizando estados financieros y una variedad de otras fuentes. Estas fuentes pueden incluir informaci贸n tanto cuantificable como no cuantificable, como otras valoraciones de analistas, informes econ贸micos, noticias, cambios regulatorios, transcripciones de llamadas de ganancias o reuniones con la gerencia.

Analisis Fundamental

La fijaci贸n de precios tambi茅n es parte de un conjunto de herramientas fundamentales para inversores. Fijar el valor de una empresa compar谩ndola con sus competidores puede ayudar a determinar si una empresa es barata o cara. Un ejemplo simple ser铆a comparar la relaci贸n precio-beneficio (PER) de varias empresas de la misma industria. A diferencia de la valoraci贸n, 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 investigaci贸n de la empresa suele ser m谩s profunda.

Este proceso est谩 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 trav茅s del an谩lisis, la din谩mica de la estructura, la selecci贸n de valores a nivel micro y punto de inflexi贸n es, a menudo, es un trabajo solitario.

Ejemplos de inversores fundamentales famosos son Warren Buffett y David Tepper.

驴Por qu茅 Quantamental?

El surgimiento del enfoque quantamental se debi贸 a la comprensi贸n de las deficiencias de ambos enfoques: la falta de profundidad del an谩lisis cuantitativo y la falta de amplitud del an谩lisis 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 inversi贸n ganadoras.

El analista cuantitativo y el seleccionador de acciones fundamentales, de diferentes mundos y que a menudo trabajan en pisos separados, est谩n uniendo cada vez m谩s sus cabezas para producir mejores resultados para los inversores. Este estilo de inversi贸n ofrece la capacidad de capitalizar ineficiencias peri贸dicas del mercado para obtener una ventaja en la cartera.

La tesis de inversi贸n Quantamental va m谩s all谩 del concepto de beta inteligente, inversi贸n de factores y estrategias algor铆tmicas.

Inversion QuantaMental Buffett VS Simons

La decisi贸n de inversi贸n 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 f贸rmulas para cada algoritmo.

El objetivo es encontrar una ventaja competitiva para capturar Alpha necesario y gestionar la volatilidad. Buscando la diversificaci贸n se filtran y excluyen las ideas que no indican una buena relaci贸n riesgo-beneficio.

No todo puede modelarse ya que los mercados son incre铆blemente din谩micos. 驴C贸mo modelar铆a eventos actuales donde la historia no puede ser una gu铆a o oportunidades de inversi贸n como el arbitraje de fusiones donde las ramificaciones legales son de importancia cr铆tica?

Y mientras los modelos est谩n rotos, los humanos cometen errores. Las finanzas conductuales reconocen que no somos perfectamente racionales ni estamos bien informados. A la mayor铆a de los humanos no les gusta perder m谩s de lo que disfrutan ganando, no internalizamos de inmediato nuevos datos, sopesamos la informaci贸n reciente m谩s que los datos pasados 鈥嬧媦 sufrimos de una gran cantidad de otros sesgos cognitivos.

Nuestro cerebro a menudo est谩 programado para hacer precisamente lo incorrecto en el momento equivocado cuando se trata de los mercados. Las t茅cnicas cuantitativas pueden ayudarnos a detectar y reducir estos sesgos de varias maneras, y por eso creo que solo por esta raz贸n vale la pena el trading algor铆tmico.

Y luego est谩 la cuesti贸n del costo.

La gesti贸n pasiva de bajo costo contribuy贸 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 autom谩tico 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 adopci贸n m谩s amplia. Si una estrategia de inversi贸n se basa predominantemente en an谩lisis cualitativo, cuantitativo o en una combinaci贸n, es independiente de las decisiones clave de gesti贸n de riesgos.

En pocas palabras, es m谩s barato ejecutar un modelo inform谩tico que contratar y capacitar a una persona bien formada. Pr谩cticamente todas las industrias han experimentado una reducci贸n masiva de costos y automatizaci贸n. Y, adem谩s, 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

Seg煤n un estudio de Morningstar, durante los 煤ltimos 20 a帽os, el 65% de Alpha proviene de la exposici贸n a una amplia serie de factores de mercado como el valor, el momentum, crecimiento, calidad (principalmente factores cuantitativos de inversi贸n) mientras que el 35% restante viene de la selecci贸n de acciones (an谩lisis fundamental y juicio humano). La inversi贸n Quantamental tiene como objetivo a extraer valores de ambas facetas.

Factores Inversion

Y aunque lo anterior demuestra que una inversi贸n puramente cuantitativa y basada en factores es una estrategia excelente, tambi茅n deja dinero sobre la mesa: el dinero de la selecci贸n 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 inversi贸n activa que utiliza una forma de inteligencia artificial (IA) con reglas, combinado con el valor de a帽os de juicio humano y experiencia para producir “alfa adaptativo“. El rendimiento superior se genera por la capacidad de adaptar las reglas / factores de inversi贸n a nuevas fases del mercado.

Alpha Surprise

Los mercados son un sistema complejo y din谩mico. No existe una f贸rmula 煤nica 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 茅xito constante al estudiar los mercados, se crean indicadores de an谩lisis predictivo como identificadores de puntos de inflexi贸n y oportunidades en el complejo entorno de inversi贸n, proporcionando claridad en tiempos dif铆ciles cuando hay muchas preguntas que implican eventos y riesgos pol铆ticos. Este conjunto diverso de variables y participantes interact煤an continuamente entre s铆 de aportando innumerables ayudas como por ejemplo saber c贸mo est谩n posicionados los jugadores y c贸mo reaccionan ante una situaci贸n 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 tecnolog铆a nos ahorra tiempo al permitirnos manipular los datos financieros de manera mucho m谩s eficiente, pero lo que es m谩s importante, tambi茅n nos permite hacernos nuevas preguntas a partir de nuestros datos.

A continuaci贸n, se muestran cuatros ejemplos de c贸mo los m茅todos cuantitativos y la ciencia de datos pueden potenciar el proceso de investigaci贸n de un inversor de nuevas formas:

  • An谩lisis de Sentimientos: el procesamiento del lenguaje natural (PNL) puede revisar transcripciones hist贸ricas r谩pidamente 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 a帽os con el fin de detectar qu茅 palabras hicieron que la acci贸n de una empresa subiera (como excelente) o pueden augurar problemas (como exceso de existencias).
  • Datos Alternativos: clasificadores de im谩genes para evaluar los cambios en los modelos de autom贸viles en una carretera que ayuden a pronosticar las ventas de autom贸viles nuevos.
  • An谩lisis de Rendimientos: el an谩lisis de factores y carteras puede informar a un gestor de riesgos ocultos, como sobreexposici贸n al momentum.
  • Asset Allocaton: La asignaci贸n de activos en una cartera por la que un gestor decide c贸mo distribuir sus inversiones es un proceso donde la aplicaci贸n de la inteligencia artificial est谩 revolucionando las metodolog铆as existentes.

Las gestoras y analistas se est谩n adaptando a una era de automatizaci贸n y ‘big data’ que son el futuro del sector de gesti贸n de activos y del mundo de la inversi贸n.

Si bien esta no es de ninguna manera una lista exhaustiva de beneficios quantamental, creo que resalta el punto de que la inversi贸n 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 seg煤n los datos, existen riesgos de incorporar un enfoque quantamental.

Los inversores fundamentales introducen las trampas comunes del trading cuantitativo, como la sobreoptimizaci贸n y la miner铆a de datos. Las estrategias deben adoptar un enfoque de ideas primero y explotar una anomal铆a del mercado que tenga sentido y no algo descubierto en los datos como “Amazon avanza los lunes”. Hay mucha es sobre los riesgos de sobreoptimizaci贸n de par谩metros, por lo que no los detallar茅 m谩s aqu铆.

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 valoraci贸n, pero estas presiones son m谩s sutiles y se presentan en diferentes formas.

ManeiroXXi Blog

Facebooktwitterredditpinterestlinkedinmail

Sobre el autor

Deja un comentario

Ir arriba Ir al contenido