Por qué las primas pueden persistir o desaparecer: explicaciones basadas en el riesgo y en el comportamiento, y el arrepentimiento por tracking error

Qué aprenderás

• Las dos familias de explicaciones de las primas factoriales y lo que cada una implica para el futuro.
• Cómo estimar la probabilidad de que un sesgo rinda peor que el mercado a 1, 5, 10 y 20 años a partir de una prima y un tracking error.
• Qué es el arrepentimiento por tracking error y por qué es el principal riesgo práctico de la inversión factorial.
• Una prueba que puedes aplicar a cualquier factor propuesto antes de aceptarlo.

Explicación

Explicaciones basadas en el riesgo

Según una explicación basada en el riesgo, la prima es una compensación por soportar un riesgo que otros quieren evitar. Las acciones de valor tienden a tener baja rentabilidad empresarial, alto apalancamiento u operaciones en dificultades cuyos beneficios caen más en las recesiones; las small caps son ilíquidas y quiebran con más frecuencia. Si esto es correcto, la prima debería persistir porque es un precio por el sufrimiento, y puede ser grande y negativa justo cuando más necesitas el dinero.

Explicaciones basadas en el comportamiento

Según una explicación conductual, la prima procede de errores sistemáticos de otros inversores (extrapolación excesiva, reacción insuficiente a las noticias, preferencias por la lotería como en la lección 6) combinados con límites al arbitraje: restricciones a la venta en corto, riesgo profesional de los gestores de fondos, inversores que retiran su dinero tras los años malos. Entonces la prima persiste solo mientras persistan los errores y los límites; la publicación y los ETF baratos debilitan los límites, una lectura de la evidencia de decaimiento de la lección 10. Muchos investigadores mantienen una visión mixta: valor y tamaño en parte riesgo; momentum y baja volatilidad sobre todo conductuales, con fricciones institucionales.

Una prueba para cualquier factor nuevo

Antes de aceptar un factor, hazte cuatro preguntas: ¿es persistente a lo largo de décadas, generalizado en distintos países y clases de activos, robusto ante pequeños cambios de definición, y existe una razón económica, basada en el riesgo o en el comportamiento, por la que debería continuar? Un patrón que falla en dos de estas pruebas es probablemente un artefacto de minería de datos. De los cientos de predictores publicados solo un puñado las supera; esos están en las lecciones 2–6.

Arrepentimiento por tracking error

El arrepentimiento por tracking error es la incomodidad de quedarse por detrás del índice que tiene todo el mundo a tu alrededor, incluso cuando tu rendimiento absoluto es bueno. Puede ser la razón por la que las primas sobreviven: la mayoría de los inversores no aguanta cinco o diez años de rezago, vende en el mínimo y entrega la prima a quienes se quedan. Si un sesgo tiene un exceso de rendimiento esperado μ y un tracking error σ al año, y los años son aproximadamente independientes, la probabilidad de quedar por detrás del mercado en N años es aproximadamente Φ(−μ√N / σ), donde Φ es la función de distribución normal estándar.

Ejemplo resuelto

Ejemplo hipotético: un sesgo multifactor diversificado con una prima neta supuesta del 2 % anual y un tracking error del 5 % anual frente a un ETF mundial ponderado por capitalización. Se supone que los rendimientos son normales e independientes entre años; es una simplificación que subestima la duración de los drawdowns reales. Las comisiones ya están descontadas en el 2 %; se ignoran los impuestos.

Paso 1 – el cociente μ / σ = 2 / 5 = 0.4 (es el ratio de información de la lección 8).

Paso 2 – para cada horizonte calcula z = 0.4 × √N y busca Φ(−z):

Paso 3 – magnitud de un mal resultado: un déficit de dos desviaciones típicas en 5 años es 2 × 5 % × √5 = 22 puntos porcentuales por debajo de la ganancia acumulada esperada del 10 %, unos 12 puntos por detrás del mercado; sobre un sesgo de €100,000, aproximadamente €12,000 menos que el fondo indexado.

Paso 4 – sensibilidad: con una prima neta de solo el 1 % (el caso pesimista de la lección 10), la probabilidad de quedar por detrás a 10 años sube al 26 % y a 20 años al 19 %.

Lectura: uno de cada diez inversores que lo hacen todo bien seguirá por detrás del mercado al cabo de una década. Si no puedes aceptar eso de antemano, un sesgo factorial no es para ti, y esa respuesta honesta es un resultado válido de este curso.

Error habitual

Actividad práctica

Sobre el papel: un amigo propone un sesgo con una prima neta esperada del 1.5 % y un tracking error del 3 %. (a) Calcula el ratio de información. (b) Estima la probabilidad de quedar por detrás del mercado a 5 y 10 años, usando Φ(−1.12) ≈ 0.13 y Φ(−1.58) ≈ 0.06. (c) Tu amigo dice que la prima es conductual y que la estrategia está ahora disponible en un ETF con una comisión del 0.10 % y grandes entradas de dinero. ¿Cuál de las cuatro pruebas debería preocuparte más y por qué?

Ideas clave

• Las primas basadas en el riesgo deberían persistir, pero duelen en los malos momentos; las primas conductuales dependen de los límites al arbitraje y pueden desvanecerse con la popularidad.
• Comprueba la persistencia, la generalidad, la robustez y la razón económica de un factor antes de usarlo.
• Probabilidad de quedar por detrás del mercado ≈ Φ(−IR × √N); con un IR de 0.4, alrededor del 10 % de los inversores disciplinados siguen por detrás al cabo de 10 años.
• El arrepentimiento por tracking error, no la volatilidad, es el riesgo que acaba con la mayoría de los planes factoriales; decide tu tolerancia antes de empezar.

Siguiente paso

En la última lección redactas una política de sesgo factorial que fija la asignación, el peor rendimiento que tolerarás en años y en euros, y las reglas para revisarla.