¿VALUE INVESTING CUANTITATIVO?
Quiet Investment
in Cultura Financiera, Finanzas, Fondos de inversión, Principios de Inversión
23/02/2021
¿VALUE INVESTING CUANTITATIVO?
Como demuestra el ejemplo de la mantequilla de Bangladesh de Leinweber, el uso del análisis estadístico para generar estrategias de inversión puede ser peligroso. El riesgo de que un inversor cuantitativo descubra una relación aparentemente fuerte entre un factor y los rendimientos posteriores consiste en que esa relación no sea real, sino un falso positivo encontrado a través de la “minería de datos.” Es posible, dado un cuerpo de datos suficientemente grande, encontrar relaciones entre variables que son simplemente el resultado de una casualidad. De hecho, podemos esperar una tasa conocida de falsos positivos. Como bien señala Leinweber en su libro de 2009, Nerds on Wall Street: Math, Machines and Wired Markets, si observamos 100 regresiones que son significativas a un nivel del 95%, cinco de ellas están ahí por casualidad. John Freeman, en su artículo de 1992, Behind the Smoke and Mirrors: Gauging the Integrity of Investment Simulations, escribe que no es descabellado suponer que, por cada cuatro estrategias completamente falsas probadas, una parecerá estadísticamente significativa. Por tanto, el desafío para el inversor cuantitativo es separar las relaciones falsas de los predictores genuinos.
La razón por la que es tan difícil descartar patrones aparentes como mera aleatoriedad es el incontrolable impulso humano de explicar todo lo que vemos. La producción de mantequilla de Bangladesh de Leinweber obviamente no predecía la dirección del S&P 500, pero si hubiera creado un modelo que relacionara los precios de las acciones con las tasas de interés, el producto interior bruto, el comercio o la construcción de viviendas, posiblemente habría obtenido estadísticas que indicaran que todo parecía estar bien. Esas estadísticas serían más difíciles de descartar porque parecerían mucho más plausibles, aunque la relación sería tan falsa como el ejemplo de la mantequilla de Bangladesh. Taleb llama a esto la “falacia narrativa.” En el contexto de la pirámide Alfa Sostenible, generar una idea sólida no es trivial. Si bien la mayoría de nosotros reconocemos que el ejemplo de la mantequilla de Bangladesh es un engaño obvio, es más probable que aceptemos una explicación basada en el PIB o las tasas de interés porque la historia tiene más sentido. Es imposible para nosotros evitar dar una explicación a nuestro falso hallazgo. ¿Cómo podemos entonces evitar la trampa de la minería de datos? Primero, no desenterrando la idea de inversión haciendo data mining. El enfoque más científico es comenzar con una idea y probarla, que es lo que cualquier inversor cuantitativo debe hacer con su estrategia.
La base de la pirámide Alfa Sostenible puede ser, entre otras, la filosofía del value investing, que al fin y al cabo no es una idea nueva. Benjamin Graham, Warren Buffett, Joel Greenblatt y muchos otros han invertido y escrito sobre ella de manera consistente y pública durante los últimos 100 años. El value investing cuantitativo tiene, por tanto, un buen ADN de inversión ya que podemos rastrear su linaje intelectual desde Greenblatt hasta Buffett y Graham.
Las métricas individuales de calidad y precio pueden ser métodos de inversión en valor con una trayectoria de datos realmente larga. Las relaciones precio-valor contable y precio-beneficios son de las más antiguas en el mundo del value investing. Las métricas de calidad, en cambio, son más recientes porque Buffett fue de los primeros en explicar su importancia. Sin embargo, el propio Buffett, Greenblatt y cualquier lector de las cartas del presidente Berkshire Hathaway o de los libros de Greenblatt las han podido utilizar con gran eficacia. De hecho, han sido usadas por muchos inversores durante muchos años.
Conviene tener presente que, además de las métricas tradicionales del value investing, el inversor cuantitativo debería restringir su estrategia a métricas sugeridas previamente por investigaciones académicas o de la propia industria de la inversión. En ningún caso debe caer en la tentación de inventar alguna combinación falsa de métricas que hayan parecido originales y hubieran generado en el pasado una rentabilidad sobresaliente.
Probablemente, la mejor opción del inversor cuantitativo es la simplicidad. Los investigadores Claire Tsai, Joshua Klayman y Reid Hastie realizaron un estudio en 2008 para examinar cómo tomamos decisiones sobre el resultado de eventos futuros inciertos a medida que se nos presenta información adicional sobre esos eventos. Específicamente, querían comprender cómo la adquisición de información adicional afecta tanto a la precisión de nuestras decisiones como a nuestra confianza en la precisión de esas mismas decisiones. De manera intuitiva, lo lógico sería encontrar que, a medida que recibamos más información relevante para la toma de decisiones, nuestra precisión mejora y nuestra confianza aumenta en consecuencia. ¿Pero es éste el caso?
Tsai, Klayman y Hastie ya conocían varios estudios preexistentes que examinaban la relación entre aumentar la información disponible para quien debe tomar decisiones y los cambios en su confianza y precisión. Todos esos estudios concluían en que existía una interesante tendencia general a que más información llevara a una mayor confianza y, finalmente, a un exceso de confianza, pero no a una mayor precisión.
Para llevar a cabo su estudio, Tsai, Klayman y Hastie utilizaron estudiantes de la Universidad de Chicago que ya habían demostrado a través de una prueba escrita que estaban “muy bien informados” sobre el fútbol americano universitario. A esos estudiantes “altamente capacitados” se les proporcionó información estadística sobre los equipos de fútbol americano universitario de la NCAA y se les pidió que pronosticaran el ganador y la distribución de puntos de 15 partidos sin saber los nombres de los equipos. Para cada partido, los investigadores dividieron 30 puntos de datos en cinco bloques de seis puntos de datos cada uno, de modo que cada bloque contenía nuevos puntos de datos que los estudiantes probablemente considerarían útiles. Después de cada bloque, los estudiantes hicieron predicciones sobre el partido y evaluaron su confianza en sus predicciones. Los investigadores encontraron que a medida que los estudiantes estaban expuestos a cada nuevo bloque de datos, la precisión de sus predicciones no mejoraba, pero su confianza aumentaba constantemente. Llegaron a la conclusión de que la cantidad de información disponible afecta nuestra confianza más que a nuestra precisión. Más información simplemente conduce a un exceso de confianza.
De este estudio y otros similares podemos, como inversores, extraer una muy valiosa enseñanza que nos ayude en nuestro proceso de inversión, ya sea una estrategia cuantitativa como cualitativa o mixta: el valor inmenso de la simplicidad. Algo que examinaremos próximamente.
Post anterior aquí.
@mellizonomics & @quietinvestment
Fuente original: Quantitative Value, Tobias E. Carlisle & Wesley R. Gray
