Smart Beta – Factor Investing

Smart Beta es una estrategia de inversión que combina elementos de inversión activa y pasiva. Esta estrategia se basa en la construcción de un índice de referencia diferente a los índices de mercado tradicionales, ajustando con diferentes factores para intentar logar una mejor rentabilidad ajustada al riesgo.

Esta estrategia se basa en la idea de que los índices de mercado tradicionales no siempre reflejan la realidad de los mercados. Esto se logra mediante la ponderación de los activos con diferentes variables. Exploraremos en detalle los elementos que conforman la gestión mixta, una modalidad híbrida que engloba smart beta y factor investing.

Si no conoces los ETFs, te invito a consultar primero la guía básica ETFs. 

Smart Beta – Factor Investing

Los factores son la base de Modern Portfolio Theory (riesgo, rentabilidad, correlación), un marco teórico de inversión que ofrece a los inversores la posibilidad de construir una cartera que maximice su rendimiento esperado a un determinado nivel de riesgo. Con el tiempo, el estudio de los factores y la elaboración de modelos factoriales ha adquirido una significativa relevancia, brindando a los inversores mayores oportunidades de obtener los mejores resultados.

El libro Asset Rotation: The Demise of Modern Portfolio Theory and the Birth of an Investment Renaissance es una obra de Matthew P. Riordan que ofrece una nueva perspectiva sobre la inversión moderna. El libro explora una alternativa al Modern Portfolio Theory (MPT), la cual ha sido la base usada durante décadas. En su lugar, se propone una nueva estrategia basada en la rotación de activos.

El autor explica cómo la rotación de activos puede ayudar a los inversores a reducir el riesgo y aumentar el rendimiento explorando diferentes factores.

El primer libro explicando Smart Beta fue Smart Beta Investing: An Introduction to Alternative Weighting Strategies de Andrew Ang, publicado también en 2014.

Primero vamos a comprender que es beta…

ß (beta)

El rendimiento de los mercados financieros es observado generalmente a través de diferentes índices, ß es un indicador de la sensibilidad de una inversión a los movimientos del mercado.

El ejemplo más sencillo es el SP500, una medición ampliamente utilizada para saber el estado de salud del mercado americano. Como su propio nombre indica, este índice mide los cambios entre las 500 empresas más importantes según su capitalización de mercado de forma ponderada.

Mucha gente desconoce este índice es creado y modificado por Standard & Poor’s Financial Services LLC (S&P) una empresa privada de calificación de riesgo (un índice no existe realmente, es una forma de medición).

El término «beta» es simplemente una forma de comparar una acción con el movimiento del índice de referencia. La beta del SP500 se expresa como 1 (benchmark). La beta de una acción es simplemente su variación comparada con el benchmark.

Una acción con una beta de 1.1 indica que este activo se mueve un 10% más que el SP500 (tanto al alza como a la baja).

Pongamos que una acción ha sido históricamente volátil, su beta será siempre superior a 1.

Podría tener una beta de 1.25 es decir, 25% más volátil que el mercado. Si el SP500 sube, esta acción subirá un 25% más que el mercado de media.

Por supuesto, la beta funciona en ambos sentidos. Si el SP500 cae, se espera que una acción con una beta de 1.25 caiga un 25% más que el mercado. Cuanto mayor es la beta de una acción, más volátil es.

También hay betas inferiores a 1, lo que indica que el activo es menos volátil que el mercado. Esto es algo que estudiaremos con más detalle más adelante.

ß = si / s²m

• si: Covarianza de un activo y la del mercado
• s²m: Varianza del mercado

• ß > 1: Títulos o activos con mayor volatilidad, es decir, si sube el valor del índice, tendrá una mayor proporción de subida y si el valor del índice disminuye, la bajada será mayor proporcionalmente.
• ß = 1: Activos se comportan como el mercado, se percibirá la misma rentabilidad en proporción al valor del índice.
• ß < 1: Activos defensivos, menos variaciones cuando varía el valor del índice.

¿Cómo se compara Smart Beta a los índices tradicionales?

Charles Dow publicó por primera vez el Índice Dow Jones Industrial Average en 1896, asignando ponderaciones a las 12 acciones principales en función de sus precios. Con el paso del tiempo, Henry Varnum Poor y Standard Statistics Co. desarrollaron una asignación basada en la capitalización de mercado para reflejar mejor el valor total del mercado.

La capitalización de mercado se calcula multiplicando el precio del activo por el número de acciones negociables.

Capitalización de mercado = Precio de la acción x Número de acciones emitidas

Si bien la beta de una acción mide su volatilidad, no necesariamente predice la dirección de esta volatilidad.

Una acción que tenga un rendimiento 50% peor que el SP500 y otra acción que tenga un rendimiento 50% mejor que el SP500 tendrán la misma beta. Por lo tanto, la beta clásica se utiliza para identificar compañías que tienden a seguir los movimientos del mercado de forma estable, sin implicar direccionalidad.

¿Qué es Smart Beta?

Los ETFs Smart Beta usan índices basados en reglas propias de exposición al mercado. Estos ETFs se basan en una estrategia de inversión específica que se desvía del modelo de capitalización de mercado convencional.

Los Fondos o ETFs Smart Beta son una alternativa atractiva a la inversión clásica «indexada«. Esta modalidad de inversión híbrida combina características de la gestión pasiva, con la flexibilidad de la gestión activa, permitiendo a los inversores seleccionar ciertas cualidades para construir un portafolio único que se adapte a sus necesidades.

En términos generales estas estrategias persiguen la diversificación al mismo tiempo que intentan reducir la volatilidad, el objetivo generalmente es superar a un índice de referencia.

Los procedimientos estándares de asignación tienden a descuidar la interacción con el mercado. Por lo tanto, en un entorno financiero cambiante, debemos considerar la implementación de diferentes medidas de riesgo derivadas para lograr una mayor rentabilidad y menor riesgo. Esto nos ayudará a desarrollar estrategias más eficaces que simplemente estar indexado.

Factores como el precio, negociación, liquidez, volumen o fundamentales se tienen en cuenta. Además, los ETFs Smart Beta pueden utilizar estrategias combinadas con otros activos como incluir divisas y materias primas en su interior. Se trata generalmente de variantes a los convencionales a productos añadiendo cierto nivel de elaboración y personalización.

Comprender Smart Beta

Al comprender la beta de un activo, los inversores pueden construir teóricamente una cartera que coincida con su tolerancia al riesgo, es básicamente a lo que se dedican muchos roboadvisors a través de un dudoso cuestionario.

Smart Beta es uno de los campos que más me gusta trabajar por su flexibilidad. Las estrategias de indexación clásicas han estado comprando bonos sin rentabilidad alguna a los inversores durante años. Como especuladores, tenemos que aprovechar los avances tecnológicos en el tratado de datos, la capacidad analítica actual es mucho mayor.

Las amplias bases de datos nos permiten identificar los factores que han sido más rentables en determinadas condiciones. Con esta información, podemos elegir mejor nuestra exposición. En este sentido, se difiere completamente de una estrategia tradicional de indexación pasiva popular, las denominadas carteras Bogleheads.

John C. Bogle no era partidario de la metodología smart beta.

“Given the remarkably high correlation of … smart beta ETFs with the return earned by the S&P 500, [they] could easily be classified as high-priced closet index funds,” Bogle wrote in his Little Book of Common Sense Investing.

Su punto de vista, aunque respetable en su momento, es hoy en día discutible. Los tiempos han cambiado y las comisiones se han reducido considerablemente, lo que ha hecho que la inversión indexada sea más eficaz.

No obstante, hay otros factores a considerar. John Bogle defendía la compra de fondos indexados americanos, pero esta estrategia carece de diversificación geográfica, lo que hace que sea ineficiente a largo plazo. Por tanto, aunque el trabajo de Bogle es admirado y reconocido, hay que tener presentes sus limitaciones.

Tipos de Smart Beta – Factores

Las estrategias Smart Beta buscan reglas alternativas para crear indices alternativos.

Los índices clásicos suelen tener una alta concentración de activos en unas pocas posiciones, donde las acciones con una mayor capitalización de mercado tienen una ponderación mucho mayor que aquellas con una capitalización de mercado menor.

Como resultado, una pequeña cantidad de acciones altamente valoradas por el público desinformado pueden representar una gran proporción del valor total de un índice. Por ejemplo, en un índice que cuente con 40 empresas, tan solo 5 de estas podrían ponderar el 60% del valor total.

En lugar de limitarnos a la capitalización de mercado, debemos buscar formas más sofisticadas para seleccionar conjuntos. La inversión Smart Beta nos ofrece una manera de hacer esto mediante el uso de factores.

Un índice Equal Weight es un índice de mercado ponderado de forma equitativa, en el que cada activo subyacente se asigna el mismo peso dentro del índice. Esto se diferencia de los índices ponderados por capitalización de mercado, donde los activos con mayor capitalización de mercado tienen un peso mayor. Esta metodología permite una mejor diversificación del riesgo de una cartera, ya que cada activo recibe un peso igual dentro del índice.

Paper: Tracking The EURO STOXX 50 – Emilio Barone, Gaia Barone

After revising the methodological issues of value-weighted, equally-weighted and price-weighted indices, we estimate the free-floating shares on which the EURO STOXX 50 Index is based.

El índice EURO STOXX 50 es uno de los principales benchmarks para la industria de gestión de activos en Europa. Aunque su cartera subyacente esté compuesta por solo 50 acciones, su seguimiento no es fácil debido a los constantes cambios (se añaden y eliminan acciones a menudo) y a los rebalanceos.

En este reciente paper, se tratan los datos desde el 11 de marzo de 2021 al 11 de junio de 2022, el divisor del índice se ha cambiado 16 veces, aproximadamente una vez al mes. Una alternativa razonable al EURO STOXX 50 es el Índice EURO STOXX 50 Equal Weight, este índice se adapta mejor a la volatilidad. 

El STOXX Global 1800 es un índice de referencia mundial compuesto por los 1.800 principales valores bursátiles de los mercados de renta variable de Europa, Asia–Pacífico y América del Norte. Está compuesto por 600 acciones de los principales mercados europeos, 600 acciones de los principales mercados asiáticos y 600 acciones de los principales mercados de América del Norte. Está diseñado para proporcionar una representación equilibrada de los principales mercados de renta variable de todo el mundo. El índice se actualiza trimestralmente para reflejar los cambios en el mercado.

En este trabajo de Research Affiliates, se analiza el STOXX Global 1800 y como el filtrado de estas 1800 acciones con un factor hubieran alterado el resultado final.

Estos factores tienen que tener una prima positiva para generar una rentabilidad adicional y una justificación económica clara. El enfoque de factorial ofrece una forma de capturar algunas fuentes de rentabilidad extra como los efectos de la microestructura del mercado, la conducta de los inversores y los desequilibrios entre la oferta y la demanda.

Otra preocupación es que los modelos publicados de factores conducirán a que dejen de pagar una prima (o al menos un nivel más bajo de prima), lo que suele suceder en otros ámbitos de investigación financiera donde las diferencias de precios se arbitran. Larry Swedroe afirma que un factor debe cumplir 5 criterios para que se espere que la prima continúe:

• Persistente: el factor se mantiene a lo largo de largos períodos de tiempo y diferentes regímenes económicos.
• Generalizado: el factor debe existir en todas las geografías y sectores.
• Robusto: el factor se mantiene para múltiples definiciones (por ejemplo, existe una prima de valor, ya sea medida por precio–valor contable, ganancias, flujo de caja o ventas).
• Negociable: el factor se mantiene después de la implementación real en el mundo con tarifas, no sólo teóricamente.
• Intuitivo: existen razones racionales basadas en el riesgo o en el comportamiento por las que esperaríamos que existiera el factor.

La mayoría de las primas de riesgo establecidas y aceptadas parecen ser eso mismo: una compensación razonable por un riesgo adicional. Cliff Asness de AQR y Wes Gray de Alpha Architect han estado investigando las posibles ideas de incluir explicaciones conductuales para la persistencia en el tiempo de algunas de las primas de los factores. Por lo tanto, es de esperar que los modelos publicados de factores no conduzcan a una disminución de la prima, sino más bien a una mayor comprensión de por qué existe realmente una prima.

Los tipos más populares de Smart Beta son:

Factor Equal Weight

La ponderación de los activos es repartida de forma equitativa entre todos los componentes del índice. Es el esquema más sencillo de aplicar, cada valor tiene la misma importancia en %. La ponderación equal weight puede evitar diferentes concentraciones, se mejora la diversificación en la propia exposición de un índice.

Factor Size

Se buscan empresas de capitalización baja, las denominadas «small caps». Esta clasificación varía dependiendo del mercado. Son empresas generalmente nuevas, con proyectos y mucho potencial de crecimiento. Estas empresas consideradas baratas pueden superar a las de capitalización elevada debido a que se asume un riesgo mucho mayor. La baja liquidez también hace que sean bastante más volátiles.

Factor Value

Los componentes se seleccionan en función de factores fundamentales, como pueden ser los dividendos o los flujos de caja. La inversión en valor es una tesis ampliamente utilizada por muchos fondos, a menudo este tipo inversión tiene rendimientos bajos debido a que suele ir en contra la visión general del mercado (precio).

Factor Wide Moat

Empresas con potencial de crecimiento gracias a su ventaja competitiva. Los rivales tienen muy difícil competir en ese mercado. Generalmente son marcas muy conocidas, sectores con barreras de entrada muy altas o patentes muy establecidas.

Factor Low Volatility

Los inversores se exponen al riesgo suelen ser recompensados si lo hacen de forma inteligente, de la misma forma se ha demostrado empíricamente que las acciones de baja volatilidad producen mayores rendimientos en muchos periodos. Volatilidad no es sinónimo de rentabilidad.

Factor Momentum

Mayor ponderación para los activos comparativamente fuertes. Se busca escoger los instrumentos que tienen una tendencia superior, vendiendo aquellos con un comportamiento más débil. El mercado suele exagerar la fuerza o debilidad de algunos activos. Es una fórmula, se buscan mejores rendimientos escogiendo siempre a los ganadores comparativamente (no tiene nada que ver con el análisis técnico).

Factor Zoo

El paper Taming the Factor Zoo: A Test of New Factors es un estudio realizado por un grupo de investigadores de la Universidad de Harvard que examina la utilidad de varios factores de inversión alternativos. El artículo también discute la existencia de nuevos factores de rentabilidad, como la volatilidad, el momentum y la liquidez. Estos factores son menos estudiados y hay menos evidencia de su existencia.

Todos los factores pueden medirse de muchas maneras diferentes. El concepto valor se puede medir de diversas formas como: precio a valor contable, ganancias a precio, ventas a precio, flujo de caja a precio, crecimiento de dividendos a precio, crecimiento de ganancias a precio, cambio de precio relativo a la industria etc.

El objetivo principal del artículo es examinar la existencia de estos nuevos factores de rentabilidad. Para esto, los autores utilizan una variedad de técnicas estadísticas, como la regresión lineal, la regresión logística y la regresión de panel. Estas técnicas se utilizan para estudiar los retornos de los activos en relación con los factores de rentabilidad.

Los autores también examinan la persistencia de los retornos de los activos, lo que sugiere que los factores de rentabilidad pueden ser predictivos. Los resultados del estudio sugieren que los nuevos factores de rentabilidad tienen un impacto significativo en los retornos de los activos. Se encuentran evidencias de que la volatilidad, el momentum y la liquidez pueden explicar la variación de los retornos de los activos.

Estos resultados sugieren que los nuevos factores pueden ser útiles para los inversores al tomar decisiones en un enfoque factorial.

Estrategias Smart Beta – Factor Investing

A continuación, explicaremos la diferencia entre Smart Beta y Factor Investing.

¿Que diferencia hay entre Smart Beta y Factor Investing?

• Smart beta es un enfoque de inversión que busca replicar el rendimiento de un índice de mercado, pero con una estrategia de inversión diferente a la del índice.
• Factor investing es un enfoque de inversión que se basa en la selección de activos en función de los factores, pero no necesariamente se basa en un indice concreto. En lugar de eso, los inversores seleccionan activos individuales basándose en los factores mencionados.

Los principales factores enumerados anteriormente funcionan especialmente bien en una diversificaciones especializada, donde buscamos exponernos a un sector en concreto. Algunos de los factores tienen correlaciones bajas, de ahi la rotación de cartera o long/short entre factores.

La inversión en factores no ha sido una estrategia fácil durante la última década, existe una fuerte rotación entre los ganadores. Ningún factor funciona bien todo el tiempo. La mayoría de los inversores han preferido las acciones de tecnología con fuertes perspectivas de crecimiento, lo que ha llevado a que muchas carteras sean consideradas momentum.

Un portafolio con factores equilibrados produjo una rentabilidad del 7.5%, lo que habría generado atractivos beneficios de diversificación para un portafolio tradicional de acciones y bonos.

La tabla a continuación muestra el rendimiento del factor long/short de los últimos 10 años, clasificados de mejor a peor. La serie global está compuesta por todos los mercados desarrollados de Asia, Europa y Estados Unidos.

En 2022, los inversores cambiaron con el aumento de los tipos de interés, lo que llevó al mejor año para los inversores value.

Los sectores industriales y financieros continúan liderando el sector value. Al mismo tiempo, los componentes de gran capital pesan en la tendencia relativa de los sectores tecnología y consumer discretionary. 

Los factores tienen un comportamiento diferente durante el ciclo de un mercado.

Por ejemplo, las acciones con baja volatilidad han rendido históricamente bien durante los períodos bajistas, como la crisis financiera de 2008 o la caída de 2015. Los inversores pueden considerar la información macroeconómica y sus propias opiniones del mercado para ajustar su exposición a factores individuales.

Con cierta experiencia, se puede pensar en utilizar una estrategia long/short por etapas.

Irónicamente, los sectores energéticos y defensa son actualmente catalogados como value.

Paper: Trends and Cycles of Style Factors in the 20th and 21st Centuries – Andrew Ang (2022)

Este paper nos habla sobre las técnicas de filtrado, análisis espectral y modelos de cadena de Markov para analizar las tendencias y ciclos de los factores smart beta. En el estudio, se menciona que el bajo rendimiento del valor desde 2014 hasta 2020, excepto por un año positivo en 2016, ha llevado a algunos autores a preguntarse si los retornos de valor han cesado permanentemente.

Además, se afirma que la caída del valor de 2017 a 2020 es la peor registrada hasta ahora, pero no se proporcionan detalles sobre cómo se compara con caídas anteriores del valor. También se menciona que el rendimiento del impulso ha disminuido después de 2001 debido a las tendencias decrecientes, aunque no se especifican los factores que han contribuido a esta disminución.

Factor Investing – Multi-Factor

Multi–factor significa que una estrategia de inversión Smart Beta utiliza varios factores para seleccionar activos.

Multi-factor portfolios combine different investment characteristics, such as value and momentum, into a single portfolio as a way to reap the risk/behavior premium associated with different historically statistically significant investment styles.

Para los inversores interesados en rendimientos ajustados al riesgo, la diversificación es muy importante. La incorporación de múltiples factores a una cartera aporta una mayor diversificación gracias a las bajas correlaciones de los excesos de rentabilidad de cada factor.

Paper: Food for Thought: Integrating vs. Mixing – Feifei Li, Joe Steidl

Los puntos en el diagrama de dispersión representan un universo de acciones, son clasificamos con dos factores.

Las acciones más atractivas según los criterios de selección value son la caja azul, los ganadores más recientes son el factor momentum, la caja verde. Si combinamos las dos cajas, dando un peso 50% a cada factor hemos creado una cartera con dos factores como variables, es multi-factor.

La industria siempre está atraída por la complejidad. La creencia de que una mayor complejidad debería generar mejores rendimientos es un sesgo muy arraigado.

Debemos realizar tareas complejas de la forma más sencilla posible, pero intentar que todo sea simple es un enorme error.

Las estrategias multifactoriales son relativamente transparentes y basadas en reglas, tendrán el mismo enfoque hoy que dentro de 5 años. Como inversores es muy importante comprender la naturaleza de la rentabilidad que estamos generando. No es necesario cambiar cada pocos meses de cartera, perseguir es casi siempre una equivocación.

La confianza en una estrategia es fundamental para mantener el rumbo y poder cosechar los beneficios que nos ofrece.

Los inversores han buscado una exposición multi-factor más amplia en los últimos tres años, siendo quality y low volatility mucho más frecuentes. Para la mayoría, un enfoque dinámico incluye al menos una evaluación de las expectativas de riesgo/rentabilidad.

Mejores ETFs Smart Beta

Xtrackers S&P 500 Equal Weight UCITS ETF 1C

Ticker: XDEW

DWS S&P500 Equal Weight UCITS es un ETF que invierte en el índice S&P 500 Equal Weight. El ETF se compone de las mismas 500 empresas que el índice S&P 500, pero las ponderaciones de las empresas se distribuyen de forma igualitaria. Esto significa que cada empresa recibe una ponderación del 0,2%. 

TER 0,20% – Accumulación

iShares Edge MSCI World Minimum Volatility UCITS ETF USD

Ticker: MVOL – IQQ0

iShares Edge MSCI World Minimum Volatility UCITS ETF USD es un ETF que ofrece una exposición a una cartera diversificada de acciones de todo el mundo con baja volatilidad. El ETF se compone de empresas grandes y medianas de 23 países desarrollados, seleccionadas por su baja volatilidad.

TER 0,30% – Accumulación

Xtrackers MSCI World Momentum UCITS ETF 1C

Ticker: XDEM

El ETF busca generar un rendimiento superior al índice de referencia, el MSCI World. Este ETF está diseñado para ofrecer a los inversores una exposición a una cartera diversificada de acciones de empresas de todo el mundo con un enfoque en el factor momentum.

TER 0,25% – Accumulación

Evolución Factor Investing

Paper: Combining Machine Learning and Effective Feature Selection for Real-time Stock Trading in Variable Time-frames – A.K.M. Amanat Ullah, Fahim Imtiaz, Miftah Uddin Md Ihsan, Md. Golam Rabiul Alam, Mahbub Majumdar

The unpredictability and volatility of the stock market render it challenging to make a substantial profit using any generalized scheme. This paper intends to discuss our machine learning model, which can make a significant amount of profit in the US stock market by performing live trading in the Quantopian platform while using resources free of cost.

Our top approach was to use ensemble learning with four classifiers: Gaussian Naive Bayes, Decision Tree, Logistic Regression with L1 regularization and Stochastic Gradient Descent, to decide whether to go long or short on a particular stock. Our best model performed daily trade between July 2011 and January 2019, generating 54.35% profit. Finally, our work showcased that mixtures of weighted classifiers perform better than any individual predictor about making trading decisions in the stock market.

El paper Combining Machine Learning Classifiers for Stock Trading with Effective Feature Extraction se centra en el uso de la extracción de características eficaz para mejorar la eficacia de los clasificadores de aprendizaje automático para las acciones.

El paper examina dos procesos de machine learning, el árbol de decisión y la regresión logística, para predecir el movimiento de los precios de las acciones. El paper también se centra en la extracción de características eficaz para mejorar la eficacia de los clasificadores de aprendizaje automático.

El trabajo muestra que la extracción de características eficaz puede mejorar significativamente la precisión de los clasificadores de aprendizaje automático para un mejor trading. Se concluye que la muestra que la combinación de los dos clasificadores de aprendizaje automático puede mejorar aún más la precisión de los clasificadores.

Los conjuntos alternativos de datos tienen el potencial de proporcionar nuevas señales y fuentes de información.

En estos momentos ya se trabaja ampliamente en factores de lenguaje verbal, machine learning y modelos no lineales. El aumento del poder de computación permite hacer análisis de enormes cantidades de texto, audio y video obtenidos de las redes sociales para capturar nuevas ideas, contenido y posibles sectores de inversión.

Se puede analizar desde reviews, ofertas de trabajo, presentaciones regulatorias, transcripciones de videos o imágenes por satélite.

Existen más de 200 factores se pueden tratar en machine learning, la correlación entre ellos es cercana al 0, es extremadamente difícil calcularlos de forma aislada.

La asignación de capital depende cada vez menos de habilidades personales y mucho más de nuevos modelos de factores. Las decisiones tradicionales siempre van a seguir presentes, pero compitiendo con otros sistemas.

Los datos contables han sido una de las pocas formas de datos que no han experimentado un crecimiento significativo durante el siglo pasado. Sin embargo, el 80% de los datos existentes no estan estructurados, lo que significa que no se encuentran en una hoja de cálculo de Excel o en una base de datos SQL, sino que toman la forma de texto, imágenes, video y otros desordenes. Esta información no estructurada se encuentra en muchos informes anuales de compañías, como la sección de discusión y análisis de la gestión (MD&A). Esta sección contiene datos útiles, pero el hecho de que sea texto no estructurado lo hace incomprensible para los cuantitativos con econometrías tradicionales.

El problema de alta dimensionalidad de los datos no estructurados se ha convertido en un gran desafío para los técnicas estadísticas comunes como la regresión lineal. Gracias al avance de la Inteligencia Artificial, el campo de Procesamiento del Lenguaje Natural (NLP) ha experimentado un crecimiento exponencial en los últimos años. El recientemente lanzado modelo OpenAI GPT-3 ha demostrado ser una herramienta muy válida.

Olvidemos ahora nuestro problema inicial. Creemos que los datos contables están agotados, lo que implica que, a pesar de los esfuerzos hercúleos de la academia, la búsqueda de más factores contables puede ser infructuosa, o peor, resultar en una inútil minería de datos. No obstante, una vez que nos adentremos en el mundo de los datos no estructurados, de repente la fruta está mucho más a nuestro alcance.

Estos factores basados en texto ofrecen una ventaja significativa sobre los factores tradicionales. Desde un punto de vista estadístico, son características cuantificables de la empresa que explican la variación transversal y tienen un potencial de retorno positivo. Además, estos factores capturan dimensiones importantes que los factores tradicionales no pueden abarcar. En este post, solo proporcionaremos un ejemplo de un factor basado en texto, pero en publicaciones futuras cubriremos otros ejemplos. Esperamos que estos ejemplos ayuden a comprender por qué creemos que los factores basados en texto pueden ser una valiosa adición para los inversores de factores.

A pesar de la proliferación de factores, todos se derivan del mismo conjunto de datos contables subyacentes que, aunque han permanecido en gran medida estáticos durante el último siglo, han quedado obsoletos debido al aumento de los activos intangibles. Por lo tanto, recomendamos que los inversores amplíen su caja de herramientas de factores para incluir factores basados en texto, lo que nos permitirá acceder a datos no estructurados, una inmensa y creciente cantidad de información menos explotada. Estos factores pueden explicar dimensiones importantes de la economía, como la plataforma frente al negocio tradicional, y ofrecer potencialmente nuevas fuentes de retorno de la inversión.

Conclusiones Smart Beta – Factor Investing

La evolución de los ETFs ha elevado el listón en el sector. Los inversores deberían exigir alpha sobre el mercado para justificar unas comisiones elevadas. La introducción de factores ha cambiado la forma en que los inversores descomponen los rendimientos de la cartera. Históricamente se utilizaba beta (rendimiento del mercado) como forma explicativa y alpha (rendimiento añadido).

Smart Beta puede ser una ventaja.

Los factores deben estar respaldados por una justificación sólida en todo momento. Así como hemos discutido los beneficios del smart beta, también es crucial mantener la cautela al esperar rendimientos basados únicamente en muestras recientes. El pasado no siempre se proyecta indefinidamente hacia el futuro; por lo tanto, es un error asumir que una ventaja sea eterna

Las valoraciones y los precios son tan importantes en las estrategias smart beta como en acciones, sectores o regiones (cualquier categoría). Siempre será más inteligente diversificar en varias estrategias, con preferencia por activos que recientemente han tenido un rendimiento inferior por motivos relativamente injustificados e incluso olvidados.

Grupo Telegram para preguntas: https://t.me/unespeculador

Gracias a todos, si el contenido de esta web te resulta útil, agradecería mucho que me apoyaras en Patreon para poder seguir desarrollando aportes de calidad para ti.