Este es un artículo de invitado, si quieres leer mi blog te invito a que entres aquí:
Presentación
Da igual como planees la vida, nunca parará de sorprenderte. Tuve la suerte de ir a abrirme un blog en Rankia con el nombre que llevaba utilizando como “marca” un tiempo, y resultó que justo ese mismo día, alguien lo había cogido. Ese alguien no era no otra persona que Juan, un referente indudable del ámbito cuantitativo. Le pedí amablemente que si podría elegir otro nombre, y por si fuera poca coincidencia, tal y como funciona Rankia, la propuesta para poder cambiar los blogs (gracias de nuevo, Juan!) era tener que escribir para su nuevo blog unos artículos en colaboración.
Y francamente, es una suerte.
Algo parecido ocurrió al escribir este artículo. Acordé el tema con Juan, estructuré el proceso, las fuentes, hice la descarga, planteé el modelo… y no encontré para nada lo que buscaba.
Sin embargo llegué a una conclusión que no me disgusta nada en absoluto. Ya que apoya mi idea (si leéis algo de lo que escribo, cuento, twiteo, lo veréis) de la importancia y los beneficios de la diversificación.
Los resultados rara vez coinciden con los esperados. De nuevo, francamente, es una suerte.
Introducción
Ya había leído en varios papers, como veremos más adelante, estudiando si los factores presentan o no momentum, así que decidimos que esto era un buen tema a tratar.
El problema, claro está, es que las definiciones de los factores son muy variables y siempre es importante demostrar las cosas uno mismo. Es importante dudar de todas las afirmaciones y hacer los estudios de forma independiente.
Para quien no sepa de qué estoy hablando, voy a hacer una breve explicación de que son los factores, y de que es el momentum.
Momentum es una referencia a la fuerza de la tendencia del precio de la activo. Cuanto más fuerte sea la tendencia, más momentum se dice que tiene. La teoría (muy probada, dicho sea de paso) es que los activos tienden a seguir con su tendencia. Si queréis aprender más sobre momentum os recomiendo el siguiente artículo.
-
Quantitative Insights: Momentum – Himco
Un factor no deja de ser una característica. Esta puede ser derivada del precio (tendencia o momentum, volatilidad, etc) o en relación con información del balance de la empresa (retornos, ventas, tamaño, etc). Para estudiar los factores, se ordenan las acciones en función de estas características, y se ven los rendimientos de las acciones según su “puntuación”.
Así pues, si queremos ver cómo se comporta el factor momentum, no tenemos más que comprar las acciones que más momentum tienen y ver si en el futuro siguen siendo ganadoras o no.
Pero la gente siempre da una vuelta de tuerca más. Y lo que queremos estudiar es, si dentro de las acciones, ya clasificadas por unos determinados factores, también hay momentum. Es decir, si, por ejemplo, las acciones Growth tienen una tendencia más fuerte que las Value, van a hacerlo mejor en el futuro, o no.
Literatura previa
Aunque me encantaría tener todas las ideas originales, la realidad es que baso gran parte de mis análisis en intentar entender y analizar por mí mismo qué han hecho otros profesionales, si para mí tiene sentido, y lo más importante, si para mí es aplicable.
Nota: tener carteras de 100 acciones entre ellas micro caps, no es viable para un inversor particular por muchos motivos. Y si es viable, no es práctico. El tiempo es limitado y hay que adaptar tu inversión a tu estilo de vida
Entonces, antes de empezar a hacer el análisis, vamos a ver que hay escrito sobre el tema de una forma resumida:
-
Factor Momentum Everywhere de AQR - Realizan el análisis con los factores clásicos académicos, y terminan con una conclusión aplastante: “An interesting aspect of factor momentum is its stability with respect to the definition of recent performance. Whether the look-back window is as short as one month or as long as five years, our strategy identifies large positive momentum among factors.” “Factor momentum is a truly global phenomenon.” Wow. Parece que hay algo ahí.
-
Factor Momentum de Research Affilliate- En la misma línea y tipo de estudio que el de AQR, utilizando un análisis muy académico, las conclusiones de este paper terminan con: “By working with industry-adjusted factors, we show that factor momentum is the cause of industry momentum and not vice versa. Factor momentum remains strong even when controlling, all at the same time, for stock price momentum, industry momentum, and the five factors of the Fama and French (2015) model.”
-
Macro and Momentum Factor Rotation de New Found Research – Si hay algo que me gusta del equipo de New Found Research es la capacidad que tienen de trasladar lo académico a lo práctico, y dar siempre una vuelta de tuerca más a todas las afirmaciones. “momentum-based dynamic factor allocation proved successful in our (slightly) out-of-sample test. However, we should stress that all tests were performed gross of any fees and costs, which can have a substantial impact upon results (especially for high turnover strategies).” No lo ven del todo claro. Y se decanta más por una cartera diversificada y equal-weight de los factores.
Vemos por tanto, que claramente hay algo. Parece ser que a nivel académico los factores presentan momentum. Y esto, francamente, tiene todo el sentido del mundo. Puesto que si unas empresas con una determinada característica lo están haciendo bien, y suben, y están en tendencia, esa tendencia seguirá y por tanto el factor tendrá momentum.
Ahora bien, cuando miramos los factores desde un punto de vista académico, estamos mirando ratios únicos y muy concretos. Además se consideran muchas acciones en cartera, de universos a los que no todos tenemos accesos y posiciones Long/short. A la hora de implementarlo en una cartera de inversión retail, no es viable. Entonces, ¿qué podemos encontrar nosotros como inversores, para implementar en nuestras carteras? Vamos a verlo.
Metodología
Cuando se trabaja con factores, es muy importante definir bien qué estás mirando, en cuanto a ratios, y parámetros. Cerrarse en que el Momentum es (según la academia) la tendencia de los últimos 12 meses, obviando el más reciente (a corto plazo las acciones tienen comportamiento mean reversión) es tener un punto de vista muy limitado.
Utilizar solo una métrica porque es la que mejor ha funcionado en el pasado puede ser sobreoptimizar. Y eso es muy peligroso.
Yo por calidad de los datos voy a utilizar la plataforma Portfolio123, y por practicidad, transparencia y sencillez, los factores que utilizaré son los que contiene preconstruidos esta plataforma. De esta forma elimino mi sesgo. No son los que yo operaría. Pero esto es un estudio que intenta ser lo más imparcial posible.
Lo primero que puede llamar la atención, es que estos factores utilizan varios ratios y parámetros diferentes. Esto sirve para diversificar la información. Un ratio falseado, o distorsionado, puede incluirte una acción como “value” cuando en realidad está muy cara. De esta forma, incluimos muchos parámetros y para que una acción sea barata, tiene que serlo según muchos ángulos o puntos de vista.
Para más información sobre el tema, os dejo 3 artículos que merecen la pena:
-
Value Investing Always Works Even When The Value Factor Falters - Marc Gerstain
-
Our Systematic Value Philosophy - New Found Research
-
Keep it complicated - Yuval Taylor
Los factores que vamos a estudiar son: Growth, Low Volatility, Momentum, Sentiment, Quality y Value. Y se forman así:
Como veis, cada uno está compuesto por múltiples ratios. Y algunos se miden para todo el universo y otros para la industria. No voy a entrar si es la mejor o peor forma de estudiar un factor. Es una forma, que tiene en cuenta muchos ángulos diferentes. La gente de Portfolio 123 es profesional y no tengo ninguna duda de que cada decisión incluida en estos parámetros está pensada y razonada.
El tamaño de las carteras que utilizaremos será de 50 acciones. Dado que el universo es el Russell 1000, esto supone 1/20 del universo. Muy aceptable para capturar las acciones con características similares, y a la vez ampliamente diversificado.
Las carteras además se forman Equal weight (EW). Es decir, todas las acciones pesan lo mismo. 2%.
Esta composición de la cartera me lleva a un dato interesante. Nuestro benchmark no es el índice Russell 1000, o el ETF. Estos índices se construyen ponderando por capitalización el universo de acciones. Si nosotros vamos a operar Equal weight, nuestro benchmark también ha de ser EW para evitar sesgos. Por tanto el benchmark nos lo construimos cogiendo todas las acciones del universo Russell 1000 y equiponderándolas en cada rebalanceo.
Por un mero tema de sencillez también, vamos a trabajar en base semanal. Es decir, cada semana se forman las carteras con 50 acciones ordenadas según los factores y al final de cada semana se mira el rendimiento. La siguiente semana se vuelven a medir los factores y se forman de nuevo las carteras. Igual para el benchmark. Lo que ocurra “durante” la semana, no está contemplado. Ni para el drawdown, ni para la volatilidad.
Y por último, al ser un estudio teórico y estar metiendo muchos rebalanceos de muchas acciones, las comisiones y el deslizamiento no se han tenido en cuenta. Está claro que, si algo no funciona sin comisiones y deslizamiento, con ellas tampoco. Por tanto buscamos hacer el análisis más limpio posible, y en el caso de que sea positivo, ya vemos si es implementable o no.
Resultados
Vamos a empezar con los resultados de las carteras por factores, para ver cuál es el punto inicial de construcción.
Voy a explicar las cosas que pueden ser llamativas:
Lo primero que llama la atención aquí es que el factor Quality (verde) ha tenido un rendimiento muy pobre. Personalmente el factor Quality es de mis favoritos. Y creo que estos malos resultados se deben a que si miramos como lo tienen construido en la herramienta, la mayoría de la puntuación va en función de la industria. Eso aunque muchas veces tiene una lectura positiva, en este caso favorece a empresas buenas, pero de sectores castigados. Esto implicaría que una empresa que gana muy poco, al estar en un sector donde todas pierden dinero, tendría una puntuación mejor que una empresa que gana muchísimo en un sector dónde todas ganan. Normalizar según la industria tiene cierto peligro también. Aquí como podemos ver, no da buen resultado.
Lo segundo, es el buen performance de Value, teniendo en cuenta que el Value no para de salir en las noticias como un factor castigado respecto a Growth. Bueno, de nuevo se debe a la construcción clásica de estos factores y lo diferente que es de la que estamos utilizando ahora. Pero además, se debe a que normalmente se usan menos años para hacer esa comparativa. Si lleva 10 años rezagado, no significa que los anteriores 10 no sacase una ventaja importante.
Lo tercero, es que todos los factores a excepción de Quality lo han hecho mejor que el benchmark.
Viendo estás gráficas, dan ganas de solo coger 2 factores y operarlos. Pero si vas a periodos más cortos puedes ver como la cosa es muy distinta.
También es importante tener en cuenta que son carteras Equal weight y con rebalanceos constantes. Es decir, se mide muy bien el impacto de la característica o factor, mientras que si una acción denominada Growth, ha crecido mucho y ha impactado en los índices clásicos Cap Weighted (o ponderados por pesos), en nuestras carteras no se vería, ya que ese efecto queda diluido. Como puede ser el caso reciente de las FAANG.
Cuando nos vamos a los últimos 5 años, ya Value es el gran perdedor, y Quality está también arriba. La cosa cambia.
Vamos ahora a explicar cómo formar una cartera de factor momentum. La idea es tratar cada cartera de factores como un activo, y formar la cartera en función de su momentum.
Entonces medimos el momentum para diferentes periodos de lookback (es decir, la longitud de la tendencia previa). Para esto vamos a mirar los siguientes periodos: 1 semana, 4 semanas, 13 semanas (un trimestre), 26 semanas (6 meses), 52 semanas (aprox. 1 año).
Además, tenemos que elegir cada cuanto rebalanceamos la cartera y decidimos ver si cambia de factor o no. Para esto hemos estudiado 2 periodos de rebalanceo: 1 semana y 4 semanas. Combinaciones con periodos de rebalanceo mayores implicaría que el momento inicial en el que empiezas la cartera tiene mucha incidencia en la composición y no me siento cómodo realizando el estudio.
Veamos los resultados.
Sorprendente es el hecho de que tanto para rebalanceos semanales como mensuales, los extremos 52# y 1# semanas de lookback sean de los mejores. Esto ya nos hace dudar de si realmente existe factor momentum o no. Porque no hay una zona robusta.
Me gustaría ver si lo que más afecta es que pasan más periodos en los factores ganadores, y no tanto que enganchan bien las tendencias.
Me cuesta sacar conclusiones claras. Está claro que los sistemas que pasan más tiempo en factores ganadores y menos en perdedores, funcionan mejor. Pero no termino de ver una conclusión rotunda.
Volviendo a las estadísticas de los sistemas, tenemos las siguientes tablas:
Hay que tener en cuenta que está mirado en base semanal. De ahí que las desviaciones sean tan altas respecto a los rendimientos. Y los rendimientos están calculados en base semanal también. Es la media. También vemos las semanas en positivo o las semanas en negativo y el máximo drawdown.
No se puede decir que realmente sea una solución que aporte valor. Sobre todo si lo comparamos con los factores sueltos.
Parece que a la hora de intentar incorporar u operar muchos factores en la cartera, es mejor no intentar hacer timing (o no de este estilo) si no combinarlos de forma Equal Weight. La columna “Ensemble” representa una cartera que tiene 1/6 de cada cartera de factores. El hecho de que exista cierta descorrelación entre los factores es lo que hace que baje la volatilidad y aumente ligeramente el rendimiento por semana más que la media de los factores.
Es una solución más diversificada y evitando el riesgo de elegir mal el factor en cada momento.
Hay mucho escrito sobre la ventaja de “ensamblar sistemas”. Y los beneficios que trae que estos tengan cierta descorrelación, y los riesgos que mitigan (specification risk, entre otros). Para profundizar en el tema, recomiendo:
-
Ensembles and Rebalancing - New Found Research
-
From fragility to Robustness - The Value of Esemble - Resolve AM
-
Ensemble Multi-Asset Momentum - New Found Research
-
The average is better than average – Spring Valley Asset Management
Conclusiones
No he sido capaz de probar que haya una ventaja real y consistente en rotar entre factores en función de su momentum. Esto puede deberse a que no exista de verdad, o a que la forma en la que hemos construido los factores y la forma en la que hemos medido el momentum no presente esa ventaja. También puede deberse a la falta de histórico. 20 años puede ser un periodo corto.
Sin embargo, si hemos podido ver como al ensamblar los factores, y tener estos cierta descorrelación, operamos una cartera de rendimientos medios pero con menos volatilidad. Lo cual es algo muy positivo. Además de reducirse el riesgo de escoger mal un factor y hacerlo peor que el benchmark durante periodos muy prolongados de tiempo.
Despedida
Quiero terminar dando las gracias a Juan por permitirme esta colaboración. Es siempre un lujo.
También quiero animar a los lectores a que indaguen en la literatura que he dejado. Si alguien no encuentra algún paper, o si está interesado en obtener la data original que he utilizado puede escribirme y estaré encantado de atenderle.
Mi contacto:
Twitter: @IVillalongaB & @ZonaQuant
Mail: [email protected]
Un saludo a todos,
Ignacio
