Diseñan algoritmo que mejora el rendimiento de inversiones

• Estudiantes de la Universidad de Monterrey desarrollaron una metodología de clasificación y evaluación de fondos de inversión con el objetivo de orientar a los inversores a tomar mejores decisiones, al ampliar la clasificación actual de fondos en el mercado estadounidense 

Un equipo de estudiantes de la Universidad de Monterrey desarrolló un algoritmo que amplía la clasificación actual de fondos de inversión en el mercado estadounidense con el objetivo de realizar una mejor evaluación del rendimiento y orientar a inversionistas poco expertos a tomar mejores decisiones de inversión. 

El proyecto estudiantil propuso el Fund Triver Cube, un diagrama que comprende tres factores de rendimiento que amplían la clasificación actual de fondos empleada por el Morningstar Style Box ‒basado en solo dos factores‒, lo que permite a los investigadores e inversionistas realizar una mejor evaluación del rendimiento entre los fondos. 

Esta metodología es parte de la investigación Nueva evidencia sobre el rendimiento de los fondos de renta variable: un tipo de enfoque trivariante de factores, que las y los alumnos realizaron como parte de su Proyecto de Evaluación Final para graduarse en el semestre de Primavera 2022 de la Licenciatura en Finanzas Internacionales de la UDEM. 

El algoritmo fue diseñado por María Fernanda Posada Leal, Aleydis Schauer Tinajero, José Alfredo Zamora González y Rodrigo López Morales, bajo la asesoría de  Martín Lozano Banda, profesor de la Escuela de Negocios de esta casa de estudios. 

LA VARIABLE AGREGADA 

La Morningstar Style Box es un diagrama de clasificación de fondos de renta variable que combina las categorías de tamaño ‒según la capitalización de la empresa: pequeña (S), mediana (M) o grande (L)‒ y de estilo de inversión propiamente, que según María Fernanda, implica los factores de valor o value  (V), que se refiere a invertir en acciones que cotizan por debajo de su valor contable, es decir, acciones que están infravaloradas en el mercado; crecimiento o growth (G), relacionado con invertir en empresas que ofrezcan un fuerte crecimiento y cuyas ganancias crezcan más rápido que las del mercado; y mezcla o blend (B), que es una combinación de las dos categorías anteriores.

De acuerdo con el trabajo académico, a estos dos factores se le suma un tercero: la estrategia de gestión, que incluye las categorías activo o active (A, estrategia que consiste en comprar y vender acciones continuamente), pasivo o passive (P, estrategia que consiste en comprar y mantener un portafolio con un horizonte largo de inversión, con poca actividad de operación) y smart beta (SB, una combinación de las anteriores); y las tres variables forman los drivers, que son los ejes del cubo. 

“El cubo se generó a partir de la Morningstar Style Box, que solamente utiliza los factores de capitalización de mercado (tamaño) y estilo de inversión; empezamos a leer diversas investigaciones y nos dimos cuenta de que había un factor adicional que se estudiaba por separado, pero no se había integrado aún a la clasificación bivariada: la estrategia de inversión; entonces, decidimos ampliar la clasificación integrando los tres factores para obtener una clasificación trivariada”, expuso María Fernanda. 

Las y los alumnos escribieron un código de programación utilizando el lenguaje computacional R con el objetivo de automatizar la metodología y poder trabajar con grandes cantidades de datos para darle un mayor nivel de confiabilidad al proyecto. 

Con el código de programación fueron capaces de descargar las bases de datos necesarias, así como conducir cada una de las etapas de la evaluación del rendimiento de los fondos incorporando los tres factores del Fund Triver Cube.

“Lo que hicimos fue evaluar el rendimiento de todas las posibles combinaciones de categorías, usando una categoría por factor para determinar cuál es la combinación óptima de categorías que le permitan obtener el mejor rendimiento a los inversionistas; en total, se generaron 27 combinaciones, ya que existen tres categorías para cada uno de los tres factores; un ejemplo es la combinación ALV – active (estrategia de inversión), large (tamaño) y value (estilo de inversión)”, indicó. 

COMBINACIONES CON MÁS RENDIMIENTO 

El estudio realizado por el equipo llegó a la conclusión de que la estrategia de inversión que ha producido los mayores retornos es smart beta.  

Además, la capitalización de la empresa realmente no hace una diferencia ‒“nos dimos cuenta de que el rendimiento de los fondos no se ven influenciados por la capitalización de mercado, es decir, no afecta de forma relevante si es una empresa pequeña, mediana o grande”‒ y que las empresas que están más enfocadas en el estilo de growth o crecimiento son las que mejores resultados tienen. 

Por lo tanto, las mejores combinaciones son las que incluyen los factores de smart beta y de crecimiento: SBLG, SBMG y SBSG, en cualquiera de las opciones de los tamaños de la empresa: grande, pequeña o mediana. 

Los hallazgos financieros de las y los estudiantes de la UDEM pueden ayudar a los inversionistas a ahorrar tiempo y dinero, maximizar los rendimientos y optimizar la relación riesgo-rendimiento de sus inversiones. 

“Si bien nuestra investigación puede ayudar a inversionistas con experiencia, profesionales financieros y académicos por igual, creemos que será más útil para inversionistas sin experiencia, con conocimientos financieros limitados y poco tiempo para tomar mejores decisiones de inversión”, establecen en el trabajo académico. 

Sin embargo, la alumna advirtió que los inversionistas sin experiencia no deberían utilizar el diagrama de forma aislada, sino que tendrían que recurrir a la asesoría de un consultor financiero. 

MÁS CONFIABLE EN EUA 

María Fernanda destacó que el estudio se desarrolló con base en el contexto del mercado de Estados Unidos, porque lamentablemente en México no se tiene tanta información pública. 

“Hay factores que podrían complicar los estudios: en México, la cantidad de fondos de inversión disponibles en el mercado es muy reducida en comparación con aquellos de países desarrollados, además de que la información pública de precios, volúmenes, entre otros, es muy limitada y conlleva una gran cantidad de tiempo y esfuerzo poder recabarla, ya que no es posible obtenerla de una misma fuente”, expuso. 

La ahora egresada de la UDEM subrayó la importancia de que, en México, la información se haga pública por parte de los bancos y el gobierno, a través de un sitio web, en el que se pueda bajar una base de datos para consultar rendimientos de estrategias específicas. 

“Por ejemplo, el Gobierno de México tiene información limitada sobre los CETES, ya que no se publica un reporte formal, o bien, una base de datos para que el usuario pueda descargar… aunque como usuario puedes ver en cuánto está el CETE, no se genera información como para que alguien la pueda usar y pueda aplicarla en proyectos como este: esa es una de las razones por las que muchos proyectos se hacen basados en Estados Unidos, porque en México hay información muy limitada”, explicó.  

María Fernanda estableció las condiciones para poder aplicar esta metodología: es efectiva en países donde la información se hace pública, el inversionista debe apoyarse en un profesional o, al menos, un alumno avanzado, y ese profesional debe tener conocimiento del lenguaje R para tomar y procesar la información. 

Para la exalumna de la UDEM, el Fund Triver Cube cambiará la mentalidad del especialista en finanzas frente a las tendencias y la evolución del mercado:  “al menos, tenemos una idea de hacia dónde va el futuro y consideramos que esto debe ser parte del futuro”.