La pandemia pone contra la pared el rendimiento de los fondos cuantitativos

Una encuesta reciente de Refinitiv encuentra que casi tres cuartas partes de los analistas cuantitativos creen que Covid-19 afectó sus modelos (y en algunos casos incluso los ha dejado obsoletos). Pero, después de todo, ¿qué generó estos contratiempos y cómo pueden los quants adaptarse al nuevo entorno global?

1. Los analistas cuantitativos, o simplemente quants, como se les conoce, enfrentaron serias dificultades en 2020, pero su desempeño ha ido mejorando este año.
2. El tamaño, el valor y el momentum (velocidad del cambio de precio) son tres factores importantes para la investigación cuantitativa. A veces, sin embargo, los profesionales en el campo pueden terminar creando modelos que no tienen en cuenta las crisis del mundo real.
3. A medida que la comunidad de quants se recupera de las dificultades creadas por la pandemia, los imputs de datos y los algoritmos deben ser de la más alta calidad.

Acceda a la encuesta "El auge del científico de datos", en la que la mayoría de los quants señalan al Covid-19 como dañino para sus modelos

Cómo los modelos computacionales de fondos quant se basan en patrones que se identifican en datos históricos, muchos de ellos obviamente se quedarían cortos durante un evento que ocurre una vez cada siglo. , como una pandemia.

A lo largo de 2021, el rendimiento de estos fondos ha ido mejorando, con fallas que se han solucionado, pero el problema principal aún persiste: la mayoría de ellos deben actualizarse.

Los fondos quants que prosperaron en 2020 son aquellos que tienen datos y modelos adaptables. Entonces, a medida que las preocupaciones sobre Covid-19 se extendieron a través de la comunidad de inversionistas, los modelos basados, por ejemplo, en el sentimiento de los medios pudieron reequilibrarse rápidamente.

¿Cómo puede incorporar el StarMine MarketPsych Media Sentiment Model de Refinitiv en sus modelos cuantitativos

¿Por qué la pandemia causó tantos problemas a los quants?

La investigación de la industria académica y financiera ha destacado durante mucho tiempo que los precios de las acciones se mueven en patrones que reaccionan al flujo de información. Estos patrones se describen como «overreaction" (retorno a la media) e «underreaction" (tendencia).

Y los datos basados en estos sucesos ayudan a los analistas cuantitativos a identificar posibles eventos disruptivos, incluso eventos anómalos, como una pandemia, y extrayendo interpretaciones de ella que pueden "predecir" las reacciones del mercado.

Pero, incluso conscientes de todo esto, muchos profesionales en el campo tardaron en poner en práctica estos insights.

El siguiente cuadro compara el desempeño (entre enero de 2020 y abril de 2021) de un factor cuantitativo construido a partir de sentimientos y temas de los medios (MMS) con factores tradicionales: tamaño (SMB); valor (HML); e momentum (MOM).

Variación bursátil en 2020 según un modelo basado en el sentimiento de los medios y factores cuantitativos tradicionales 

El tamaño, el valor y el momentum, los tres principales "factores" de inversión que destacan los economistas, tienden a generar rendimientos superiores a la media a largo plazo. Para ello, las acciones deben agruparse de acuerdo con una característica definitoria, como el tamaño, la baja cotización o la variación de precios.

La búsqueda sistemática de estos factores está en el centro de todo el entusiasmo en torno a la inversión cuantitativa basada en algoritmos. Sin embargo, en la prisa por encontrar factores que funcionen históricamente, los quants a veces olvidaron la importancia de crear modelos que respondieran a las interrupciones y transformaciones de la vida real, y esta negligencia condujo a un rendimiento mucho más bajo de lo esperado.

Acceda a la encuesta "El auge del científico de datos", en la que la mayoría de los quants señalan al Covid-19 como dañino para sus modelos

Sentimiento de los inversores y los medios

Las noticias sobre cambios en las ganancias, la gestión o el precio de las acciones tienen un efecto diferente en los inversionistas; y las reacciones a estos eventos también producen diferentes patrones de precios.

Además, cuando ocurren tales episodios, el sentimiento de los medios sobre el evento en sí, el público, la intensidad, la visibilidad y la anticipación modulan el impacto de las noticias en los precios.

El factor MMS, que se ve en el gráfico anterior, es un modelo basado en el machine learning de las reacciones de los medios que predicen los precios de las acciones.

Este factor de medios se lanzó a principios de enero de 2020 y, como estaba previsto, ha tenido un buen desempeño durante los tumultuosos 16 meses desde su debut, superando los tres factores tradicionales mencionados anteriormente (y sin correlación con ellos).

StarMine MarketPsych Media Sentiment

Modelo StarMine MarketPsych Media Sentiment (MMS) es un sistema de clasificación de acciones que proporciona una clasificación diaria porcentual del 1 al 100 para más de 16.000 acciones globales.

MMS complementa el conjunto de modelos de acciones StarMine y sigue una metodología de investigación e implementación similar. El modelo se deriva de Refinitiv MarketPsych Analytics.

Los puntajes de MMS están diseñados para predecir la rentabilidad relativa de los precios de las acciones en el próximo mes, y aquellos con la calificación más alta superan a los demás.

La valoración histórica demuestra un rendimiento superior significativo en los deciles superiores sobre los deciles inferiores, con el diferencial medio decil superior-inferior para la renta variable mundial en un 10,4% anual entre 2006 y octubre de 2020 (incluido el 12,3% en el período fuera de la muestra).

Las puntuaciones de MMS no están correlacionadas con los factores tradicionales del mercado y complementan los modelos fundamentales.

En 2021, hemos visto una recuperación parcial de los fondos quants., y la esperanza de la comunidad de analistas cuantitativos radica en los inputs de datos y los algoritmos adaptativos. Estos modelos a menudo se basan en la inteligencia artificial (IA), que se ha convertido en una herramienta esencial para comprender las sutilezas y las relaciones inusuales en los mercados financieros.

Después de Covid-19, quedó claro que los modelos cuánticos deben diseñarse para manejar eventos inesperados. Y para hacer esto, no solo se requieren metodologías de vanguardia, sino también conjuntos de datos de última generación.

Quants que ignoran cualquiera de estos requisitos pueden poner en peligro su rendimiento y, en última instancia, volverse obsoletos.

¿Cómo puede incorporar el StarMine MarketPsych Media Sentiment Model de Refinitiv en sus modelos cuantitativos?