top of page

La ilusión de la pepita de oro

Seamos honestos. Casi todos hemos tenido ese pensamiento al menos una vez:

¿Por qué no compré Amazon en el año 2000?
¿Por qué no mantuve acciones de Nvidia durante los últimos diez años?
¿Por qué no compré bitcoins en 2012?

En retrospectiva, los ganadores parecen obvios. La pepita de oro gigante en el lecho del río.
Mirando hacia el futuro, nunca lo fueron.

​

Por cada empresa que se consolidó como una superestrella a largo plazo, existían decenas de compañías que parecían igual de prometedoras. Y luego desaparecieron silenciosamente: Yahoo, MSN, Oatly, Beyond Meat… la abrumadora cantidad de empresas que hay que descartar. Alguna vez aclamadas como la próxima estrella de Wall Street, ahora olvidadas en silencio. Lo que queda en retrospectiva es una historia de éxito impecable. Lo que desaparece es el fracaso y la incertidumbre. Históricamente, los mercados bursátiles siempre han estado impulsados por muy pocas empresas. Lo que en la década de 1990 fue General Electric o ExxonMobil, ahora son Amazon, Apple o Tesla.

¿Por qué la selección de acciones no da los resultados esperados?

Eso es sesgo de supervivencia. La ilusión de que encontrar la próxima pepita de oro es más fácil de lo que realmente es. La verdad es que nunca lo fue ni lo será.

​

Pero en lugar de intentar predecir el próximo valor atípico, nos hicimos una pregunta diferente:

​

¿Y si invertir no consistiera en encontrar la próxima pepita de oro, sino en operar un proceso de minería estructurado que extraiga valor de forma sistemática en lugar de depender de la suerte?

De la predicción a la medición

Untitled_Artwork 35.jpg

¿Pero cómo? Ya lo sabíamos: los mercados no premian las historias ni las promesas.
Recompensan la fuerza.

​

Uno de los factores de rentabilidad más estudiados en la investigación financiera es el momento: la tendencia de las acciones que han superado a sus pares a seguir superándolas en periodos de tiempo definidos. Los ETF de momento aplican el mismo principio, pero mantienen una amplia diversificación, a menudo con cientos de acciones y una baja rotación.

​

Es importante mencionar que el momentum no predice el futuro.
Mide la fuerza relativa en el presente.

​

Esa distinción importa.

​

Entonces, en lugar de preguntar,
“¿Qué empresa dominará la próxima década?”
El impulso dice:
“¿Qué acciones son actualmente las más fuertes en comparación con las demás?”

​

Este cambio de la narrativa a la medición constituye la base de nuestro sistema.

Diseño estructural

¿Cómo puede transformarse esto ahora en un sistema eficaz y práctico que sea tan sencillo como un ETF, pero tan potente como el trading real? En primer lugar: requirió centrarse firmemente en un número reducido de acciones, pero también: reducir el esfuerzo operativo en las transacciones. Por eso definimos límites claros:

  • Cinco acciones: concentrado, pero operable

  • Rotación mensual: sistemático, pero práctico

  • Equiponderación: asignación disciplinada del capital

  • Umbrales de salida predefinidos: control del riesgo basado en reglas

¿Podríamos aumentar la rotación de la cartera? Sí.

¿Podríamos mantener entre 10 y 15 acciones y rebalancear semanalmente o incluso a diario? También.

​

Pero los modelos no se operan en hojas de cálculo.

​

Una mayor rotación incrementa:

  • Costes de transacción

  • Deslizamiento de precio

  • Complejidad operativa

  • Riesgo de sesgo emocional

Aceptamos conscientemente una pequeña reducción de la ventaja teórica a cambio de consistencia, control de costes y viabilidad operativa en el mundo real.

​

Una estrategia debe sobrevivir a la ejecución, no solo a la simulación. Una lección que aprendimos por las malas a partir de otros servicios. (¿Quieres saber cómo afectan los costes reales de ejecución a tu rendimiento? Haz clic aquí para saber más).

Leet más

Cómo opera el modelo

Cada mes, se clasifican todas las acciones dentro de un universo definido (por ejemplo, el S&P 500 o un índice alemán seleccionado). La clasificación se basa en un conjunto definido de parámetros que cuantifican la fuerza relativa y las características de momento. Las acciones con un momento alto se sitúan en las primeras posiciones; aquellas con un momento bajo, en las inferiores. Esta clasificación se actualiza a diario para reflejar los cambios dinámicos dentro del universo.

A partir de esta claisificación:

  • Las cinco principales acciones conforman la cartera al comienzo del mes.

  • Las posiciones se restablecen para que tengan el mismo peso.

  • Durante el mes, se aplican umbrales de riesgo a predefinidos para controlar el riesgo; de lo contrario, la cartera permanece intacta.

  • Si una acción supera su umbral, se retira y se mantiene como efectivo durante el resto del mes en curso.

  • El ciclo se repite invirtiendo en las cinco acciones principales, nuevas o antiguas, del mes siguiente.

No hay discrecionalidad.

No hay interpretación de llamadas de resultados.

No hay previsiones macroeconómicas.

No hay «corazonadas».

​

Solo reglas. Reaccionar, no creer, esperar ni anticipar.

Eliminando la variable humana

Esta se convirtió en nuestra única regla: seguir y aplicar las reglas. Eliminar una de las mayores debilidades: las emociones humanas. Incluso los inversores experimentados son propensos a:

  • Mantener las posiciones perdedoras demasiado tiempo y vender las ganadoras demasiado pronto («podar las rosas y regar la maleza»)

  • Reaccionar de forma exagerada a las noticias

  • Saltarse las reglas «solo por esta vez»

Una estructura basada puramente en reglas elimina esa capa y, de hecho, permite interpretar y beneficiarse de estas emociones colectivas que se destilan en el movimiento de precios de las acciones. Esos dos motores principales: el miedo y la codicia.

​

Pero un sistema basado puramente en reglas permite incluso más que la mera eliminación de sesgos. Hace posible la validación sistemática.

 

Dado que las reglas son explícitas, pueden ser:

  • Evaluadas retrospectivamente

  • Sometidas a pruebas de estrés

  • Validadas de forma cruzada

  • Optimizadas dentro de límites controlados

Y esto es precisamente lo que hicimos. Utilizamos algoritmos discretos de aprendizaje automático, mercados sintéticos y pruebas de alteración de parámetros (shake tests) para mejorar y validar nuestro modelo. El resultado no es un modelo que haya ofrecido el mejor rendimiento en el pasado (un sesgo clásico del backtesting), sino un modelo que demostró solidez cuando las condiciones cambian. Esto no convirtió a nuestro modelo a prueba de balas, pero sí lo preparó para reaccionar ante situaciones diversas que no había visto antes.

​

El objetivo no era la perfección histórica.

Sino la consistencia futura.

Un sistema, no una historia

El modelo no intenta identificar al próximo Amazon por adelantado.

​

En su lugar, reasigna capital de forma continua hacia acciones que ya demuestran una fuerza relativa medible.

​

No elimina el riesgo.

​

No garantiza rentabilidades.

​

Pero sustituye las narrativas basadas en el sesgo retrospectivo por estructura.

​

Y, con el tiempo, la estructura tiende a superar a la emoción.

​

Así es como pasamos de buscar oro en el lecho del río a procesar sistemáticamente la montaña entera. Puede que no produzca pepitas brillantes ni historias heroicas. Pero produce algo mucho más valioso: consistencia.

bottom of page