Datos y dilemas: las preguntas más frecuentes sobre la inversión sistemática

El interés por la inversión sistemática ha aumentado recientemente a raíz de las condiciones adversas en los mercados, que han puesto en cuestión muchos de los estilos de inversión tradicionales. Hablamos con la Dra. Silvia Stanescu y el Dr. Chris Longworth, directores de inversión de GAM Systematic, para analizar algunas de las preguntas más frecuentes sobre el funcionamiento de la inversión sistemática, ciertas ideas equivocadas y el papel que puede desempeñar el estilo de inversión sistemática como componente de una cartera diversificada.

04 octubre 2022

¿Cómo definiríais la inversión sistemática para aquellos que no están familiarizados con el concepto?

Chris: La inversión sistemática es, en esencia, un enfoque de inversión basado en reglas. Extraemos datos de una amplia variedad de fuentes en todos los mercados en los que invertimos y después los combinamos para construir modelos que puedan ayudarnos a entender ciertas interacciones entre esos datos y los movimientos del mercado. En última instancia, nuestros modelos detectan patrones que se repiten en el tiempo y que tienen el potencial de producir un rendimiento.

Silvia: Tomemos, a modo de ejemplo, el impulso de los precios. Por diversos motivos, las tendencias de precios se han documentado ampliamente. Esto incluye, por ejemplo, asimetría de la información y sesgos de conducta. Dado que ningún participante del mercado dispone de información perfecta, se pueden crear tendencias a medida que se incorpora gradualmente nueva información en el precio de mercado. Además, los sesgos de conducta, como las reacciones excesivas a las acciones de otros participantes del mercado, pueden reforzar y ampliar las tendencias que se han generado.

Es más, las tendencias de precios pueden verse reforzadas por la actividad en mercados distintos pero relacionados, como los mercados de futuros y de opciones. Puede darse el caso de que la actividad de cobertura en los mercados de opciones produzca un impulso de los precios en el mercado de futuros subyacente en el que pueden participar otros actores.

¿Qué motivos pueden llevar a un inversor a elegir el estilo de inversión sistemática?

Silvia: Está demostrado científicamente que los ordenadores y las máquinas son mejores que los humanos a la hora de establecer paralelismos y ejecutar varias tareas a la vez. Un ejemplo de ello en los mercados financieros es la negociación en muchos mercados de forma simultánea. ¿Por qué es conveniente esto? Pues porque facilita una mayor diversificación. La inversión sistemática te permite invertir en un gran número de mercados y operar en esos mercados de forma más eficiente.

Chris: Además, la negociación sistemática tiene la capacidad de reaccionar de un modo gradual y paulatino a nueva información a medida que se genere. Por ejemplo, si un modelo de impulso de precios predice que el mercado subirá, pero en su lugar se produce una caída, los modelos son capaces de revaluar los niveles de confianza en sus supuestos iniciales y ajustar adecuadamente su posicionamiento de mercado.

¿En qué tipo de mercados invertís?

Silvia: La inversión sistemática se puede aplicar a cualquier mercado. Sin embargo, los mercados en los que solemos centrarnos son los activos macroeconómicos más líquidos en renta fija, renta variable, divisas y materias primas. Esto nos permite diseñar modelos que puedan ser altamente ampliables y que sean capaces de ajustar dinámicamente las posiciones y ejecutar estas operaciones con eficiencia y a bajo coste.

¿Con qué tipo de datos trabajáis?

Chris: Trabajamos con una variedad de datos, incluidos datos en tiempo real de bolsas de todo el mundo. Una gran proporción de los datos con los que trabajamos son datos con mucho ruido que pueden contener errores, por lo que se requiere mucha habilidad para procesarlos de forma eficiente y hacerlos útiles e informativos para nuestros modelos.

¿En qué medida es relevante el aprendizaje automático en una cartera sistemática?

Chris: El aprendizaje automático solo es una de las herramientas de las que disponemos para elaborar modelos sistemáticos robustos. Mis estudios de doctorado en el Machine Intelligence Laboratory de Cambridge se centraban en el aprendizaje automático en el contexto de reconocimiento de voz por ordenador, pero las finanzas presentan un problema singular.

Uno de los retos de utilizar aprendizaje automático en aplicaciones financieras es que, para muchos de los problemas en los que estamos especialmente interesados, disponemos de cantidades muy limitadas de datos para entrenar a los modelos. Esto difiere de la aplicación de reconocimiento de voz, donde es muy fácil recopilar grandes cantidades de datos y, en consecuencia, entrenar y construir modelos muy complejos.

Para nosotros, el reto no es solo diseñar modelos muy complejos, sino también cómo afrontar las situaciones en las que solo se dispone de cantidades limitadas de datos. ¿Qué técnicas son las más adecuadas para resolver estos problemas de escasez de datos? En muchos casos, llegamos a la conclusión de que los enfoques más eficaces son de naturaleza probabilística. Estos enfoques sirven para abordar la escasez de datos, pero también son eficaces para medir el nivel de confianza de sus propias previsiones.

¿Qué se requiere para negociar las posiciones de una cartera sistemática?

Chris: No creo que nadie se sorprenda, pero la inversión sistemática es difícil y depende enormemente de contar con la infraestructura necesaria para construir y ejecutar modelos. Manejamos una gran cantidad de datos, que tenemos que procesar en tiempo real e incorporar a nuestros modelos. Esto exige una enorme cantidad de código, que hemos escrito gradualmente a lo largo de una década.

A pesar de esto, ejecutar los modelos y los procesos de gestión del riesgo solo es una pequeña parte de nuestra infraestructura total. También necesitamos ser capaces de monitorizar nuestras posiciones y ajustarlas al precio de mercado en tiempo real, además de realizar muchas comprobaciones y procesos para confirmar que nuestros sistemas se comportan según lo esperado.

Si el sistema se encarga de la negociación, ¿qué hacéis vosotros?

Silvia: En pocas palabras, nos dedicamos a la investigación. Analizamos nuevos estilos de inversión, y también tenemos que adaptar nuestras estrategias de inversión a la evolución de los mercados. A medida que surgen nuevos mercados o nuevos actores de mercado y, en consecuencia, nuevas dinámicas de mercado, se presentan nuevas oportunidades para identificar patrones y formular nuevos modelos de inversión o para adaptar los modelos existentes a las nuevas dinámicas.

Chris: Nuestro equipo de inversión está compuesto por personas con trayectorias diversas, pero todos compartimos el entusiasmo por la investigación y la aplicación del método científico al desafío de la inversión. En ocasiones, las mejoras de la cartera proceden del desarrollo de modelos completamente nuevos, pero la optimización de modelos existentes puede ser igual de importante para, por ejemplo, capturar la tesis de inversión subyacente con mayor eficacia o ejecutar operaciones de forma más eficiente y a un menor coste.

¿Cómo responderíais a las críticas de que la inversión sistemática es una “caja negra”?

Chris: Es una cuestión que nos plantean con frecuencia. A menudo la gente tiene la percepción de que la inversión sistemática es misteriosa y opaca, y posiblemente parezca que sea así desde fuera. Pero para nosotros, todo lo que hacemos está basado en reglas. Podemos vincular cada decisión, cada posición y cada operación que ejecutan los sistemas con los modelos que construimos y con los datos que introducimos en ellos.

Si comparáramos esto con un inversor discrecional, las decisiones son, en definitiva, el resultado de un conjunto de interacciones muy complejas dentro del cerebro del inversor. En comparación, los enfoques sistemáticos son mucho más claros en cuanto a los factores que determinan cada decisión de inversión individual.

La inversión sistemática se basa generalmente en la simulación histórica. ¿Qué sucede si el futuro es diferente del pasado?

Silvia: En primer lugar, si bien el análisis y la deducción de patrones de datos históricos es una parte importante de lo que hacemos, nuestras decisiones de inversión no se basan únicamente en esto. Una cartera sistemática se construye invirtiendo en una gama de estilos o estrategias de inversión diferentes para los que se espera un buen desempeño en diferentes condiciones de mercado. Cuanto más diversificados estemos en todos estos escenarios, más preparados estaremos para lo que nos depare el futuro.

Chris: ¿Y si esta vez las cosas son diferentes? Esta es una pregunta que nos llevan planteando desde hace muchos años. Es una pregunta justificada, dado que el futuro siempre es diferente. Siempre pasan cosas nuevas y diseñamos deliberadamente modelos que puedan adaptarse y reaccionar a nuevas situaciones a medida que se producen. También hay que recordar que muchos de los patrones en los que invertimos se basan en dinámicas de mercado estructurales a largo plazo y en sesgos del comportamiento humano. Estos factores suelen persistir durante largos periodos de tiempo porque, al final, la naturaleza humana no cambia.

Habladnos sobre vuestra experiencia y oferta.

Chris: Llevamos más de una década invirtiendo sistemáticamente. A lo largo de ese tiempo, hemos hecho importantes inversiones en la infraestructura y la tecnología que utilizamos. También tenemos una vasta trayectoria de análisis y mejora de los modelos que utilizamos para invertir en el mercado. No se trata de algo que puedas empezar a hacer desde el primer día.

También hemos invertido ampliamente en automatización y sistematización para lograr que muchas de las tareas frecuentes que tenemos que hacer estén totalmente automatizadas y se ejecuten sin intervención humana. Todo esto nos deja más tiempo a nosotros y al equipo para dedicarnos a lo que mejor se nos da, que es la investigación, y para continuar mejorando nuestra estrategia y modelos de inversión.

Silvia: Siguiendo con ese tema, la investigación es una parte esencial de GAM Systematic. Nos permite estar al tanto de los avances en el sector y, al mismo tiempo, mantener el contacto con la comunidad académica. Procedemos del mundo académico y varios de los miembros de nuestro equipo han obtenido doctorados. Anteriormente fui profesora universitaria y es algo que llevo en el corazón… ¡y en la cabeza! Nuestras oficinas están en Cambridge, tenemos vínculos duraderos con la Universidad de Cambridge, especialmente con la Facultad de Matemáticas, con la que colaboramos a menudo en proyectos de investigación.

¿En qué se centra vuestra investigación en estos momentos?

Chris: Los dos estamos entusiasmados con la incorporación de consideraciones de sostenibilidad en la inversión macroeconómica sistemática. Está resultando ser un reto muy interesante, ya que la mayor parte de la atención en la investigación sobre sostenibilidad se ha centrado en las empresas. La investigación sobre sostenibilidad en la inversión macroeconómica presenta a menudo más dificultades. Por ejemplo, si quieres comparar a Facebook con Tesla, podríamos decir que ambas son empresas tecnológicas o que pertenecen a distintos sectores pero, en esencia, las dos tienen características similares que pueden medirse y compararse.

El universo macroeconómico es diferente, ya que implica comparar, por ejemplo, la inversión en petróleo crudo con la inversión en renta variable polaca, por lo que las diferencias son mucho mayores. Entonces, ¿cómo analizamos esto en escalas comparables y cómo podemos ajustar nuestras asignaciones con el objetivo de construir una cartera más sostenible? Estas preguntas representan problemas para los que el sector no tiene una respuesta estándar. Por eso, un área de interés para nosotros es la creación de enfoques sistemáticos que puedan satisfacer los objetivos originales del inversor, y hacerlo de una forma más sostenible.

Silvia, Chris, muchas gracias por vuestro tiempo.

Si desea obtener más información sobre la inversión sistemática o GAM Systematic, póngase en contacto con el representante de ventas local.