La Teoría Prospectiva aplicada a la gestión de carteras.

En el campo de la teoría de la inversión financiera estamos asistiendo a cambios sustanciales que eliminarán tanto al análisis financiero como a la selección de activos para las carteras. Las finanzas tradicionales se sustentaban en una base argumental que defendía que (i) toda causa encontró un efecto lógico y que (ii) el mercado financiero, por su propia naturaleza, tendía a recuperar la normalidad con el paso del tiempo desde cualquier circunstancia o pruebas .

Otra de las máximas tradicionales en el ámbito de la inversión era que la mente humana tenía la capacidad de aprender mecanismos para resolver problemas de forma estructurada y, por tanto, que podía ser entrenada para tomar decisiones de una manera formalmente lógica, sin negar, no no obstante, que las emociones influyen negativamente en la toma de decisiones de inversión.

Sin embargo, en un mundo complejo e impredecible como el actual, en el que la información y los datos se suceden torrencial e incesantemente, la teoría tradicional necesita ser complementada con herramientas que pueden depurar la información disponible y convertirla en interpretable para poder optimizar la toma de decisiones y predecir con el menor margen de error posible el comportamiento futuro de los mercados financieros.

El aforismo latino "scientia potentia est", atribuido a Francis Bacon alrededor del año 1597, da a entender que el 'conocimiento es poder'. Sin duda alguna, casi 500 años más tarde, podemos afirmar definitivamente que estamos ante una verdad universal y absoluta. El avance de las nuevas tecnologías, en una nueva sociedad capaz de captar la información por los individuos, convertirla en datos y procesarlos en un breve lapso de tiempo es la demostración evidente de que este aforismo tiene la máxima vigencia en todos los alrededores de nuestra sociedad . Y también la tiene en el sector financiero y, en particular, en la gestión de carteras,

Gestionar inversiones ya no puede basarse sólo en el clásico análisis técnico de valores o utilizar únicamente en los fundamentales o en las hipótesis de las teorías de valores tradicionales. Se trata de aceptar que estamos ante una nueva economía de la información en la que los datos son conocimiento y la información es poder. Las “viejas herramientas” se ven superadas por la cantidad de datos y la velocidad con la que se generan, de forma que los gestores de inversiones necesitan herramientas estadísticas que permitan descartar la información no relevante (“ruido estadístico”) y utilizar como relevante aquella que “matemáticamente” ofrece un porcentaje de conexiones con el éxito superior al nivel de riesgo de cada inversor, y todo ello reflejado en números.

Basados ​​en la teoría de la utilidad esperada1 y en la teoría prospectiva2, la estadística y la econometría se han revelado como herramientas esenciales para adaptar el riesgo que el inversor puede asumir y para ayudar al gestor de su cartera a proporcionarle una rentabilidad “interesante ” y adecuado a su perfil de riesgo y pretensiones delimitando así un marco teórico bien distinto al que había definido la teoría financiera clásica.

La teoría prospectiva

Esta teoría se basa en un modelo de probabilidades que permite tomar decisiones sobre la base de una función de utilidad que refleja las características de las decisiones tomadas por los seres humanos en materia económica y trata de predecir adecuadamente su comportamiento en momentos de incertidumbre, en los cuales, con frecuencia, los individuos no se comportan de forma racional.

A modo de ejemplo, entre los principales tipos de comportamiento de los individuos ante una inversión podemos obtener los siguientes patrones:

- Los inversores tienen una sensibilidad decreciente. A medida que se incrementan las pérdidas o ganancias de una inversión, el impacto de las variaciones de los resultados sobre los inversores a la baja. Esto provoca que estos sean conservadores en cuanto a las ganancias (prefiriendo cierta ganancia a otra mayor pero hipotética) y que por el contrario no rechacen arriesgarse a grandes pérdidas si con ello se evita una pérdida menor pero cierta.

- Otro comportamiento habitual de los inversores consiste en infravalorar las probabilidades medias y altas de que sucedan ciertos acontecimientos y sobrevalorar las probabilidades de ocurrencia bajas. Así, por ejemplo, las crisis financieras son eventos raros con probabilidad muy bajas que, sin embargo, son sobrevalorados por los inversores.

El modelo RReTO

El equipo responsable de la gestión de la cartera de Retto Magnum Inversiones SICAV y en particular su responsable de análisis cuantitativo Maite Alonso Parra junto al autor de este artículo, han desarrollado un modelo aplicado a la gestión bursátil, resultado de años de investigación, que, Mucha en el binomio rentabilidad-riesgo, combina los métodos adoptados por los modelos CAPM3-MPT4 y por la teoría prospectiva, al que han denominado RReTo © ( Risk Reward Trade Off ).

Sus investigaciones y modelos son desarrollos de los ya existentes, si bien perfeccionados desde la óptica de las herramientas matemáticas, informáticas y tecnológicas aplicadas. El resultado es un modelo que no sólo permite delimitar el perfil psicológico del inversor, es decir, el riesgo que está dispuesto a asumir y, en consecuencia, la rentabilidad que desea obtener, sino que también consigue, mediante un análisis del mercado en el que se incluye el análisis histórico del comportamiento de aproximadamente 2.500 valores, predecir su evolución con gran objetividad.

El modelo valora una inversión por medio de la función de distribución de su rentabilidad y calcula su valor esperado utilizando la función de utilidad propuesta por la teoría prospectiva. Asimismo, incorpore un algoritmo cuyo objetivo es minimizar las fluctuaciones inesperadas del mercado.

Para el desarrollo del modelo, RReTO realiza las 21 regresiones lineales correspondientes a los 21 datos incluidos en el registro diario de cotizaciones de un activo financiero concreto ya continuación acomete una serie de combinación lineal sobre los residuos obtenidos, otorgando de esta manera un peso mayor a los datos más asimétricos y representativos (esta operación es conocida por el modelo RReTO como  get boost rapped5). Con esta operativa matemática se obtiene una función de probabilidad con más de 300 mil datos significativos sobre los sucesos que pueden acontecer durante el período analizado. Es decir, con esta combinación lineal de los residuos, RReTO consigue alcanzar una objetividad bastante precisa sobre los datos estadísticos más asimétricos y representativos, utilizando una muestra realmente amplia (Gilli y Schumann, 2010).

El siguiente paso que RReTO propone se denomina obtener momentos parciales: a través de la formulación de momentos parciales se analiza el binomio rentabilidad/riesgo y se obtiene una valoración objetiva del activo financiero analizado. Se utilizan cinco órdenes diferentes (0, 1, 2, 3 y 4), indicando un perfil y un grado de aversión al riesgo diferente para cada inversor siendo 0 la aversión al riesgo más baja.

Ventajas del modelo

RReTO no es sólo una herramienta más de análisis bursátil sino también un modelo estadístico en sí mismo por todo lo que conlleva: (i) un gran esfuerzo en tiempo, estudio y horas de programación, (ii) el análisis y contraste de teorías económicas aplicables o desechables, (iii) la aplicación práctica del modelo en la propia cartera y (iv) la obtención de una muestra de resultados medibles, fiables y demostrables.

Todo ha sido posible gracias al desarrollo de herramientas matemáticas y teorías económicas que han permitido obtener resultados con mucha menos incertidumbre. Las nuevas herramientas estadísticas posibilitan la eliminación de la curva estadística, produciendo un aplanamiento más que sustancial en la curva de las distribuciones, y, además, permiten la identificación de distribuciones normales para obtener una selección de los activos financieros mucho más eficaces. Y todo ello, por supuesto, con la adaptación de la teoría de la utilidad esperada y la teoría prospectiva a la gestión real de carteras.

En definitiva, RReTO tiene una explicación matemática y gráfica, pero también incluye una concepción intelectual sobre la inversión. Se adapta a la libertad del inversor con dos preguntas muy concretas: (i) cuanto quieres ganar y (ii) cuanto estás dispuesto a perder. Una vez respondidas estas dos preguntas, RReTO establecerá qué activos son aptos para el inversor y características no lo son. Las actualizaciones de RReTO nos informarán periódicamente de algunos activos que han dejado de ser aptos y de otros que aparecen como adecuados para ese inversor.