1. Inicio
  2. Blog Refinitiv
  3. Insights del mercado
  4. Sí, es posible utilizar las previsiones económicas para mejorar los portafolios

October 28, 2022 | INSIGHTS DE INVERSIÓN

Sí, es posible utilizar las previsiones económicas para mejorar los portafolios

Andrea Zazzarelli
Andrea Zazzarelli
Technical Director, Fathom
Dimos Andronoudis PhD
Dimos Andronoudis PhD
Senior Economist, Fathom

A los inversores les encanta decir que las previsiones económicas son demasiado erráticas para aplicarlas en las estrategias de negocios. Sin embargo, Fathom Consulting ha descubierto que incluso las imprecisiones de estos pronósticos pueden aprovecharse sistemáticamente en la búsqueda de portafolios más rentables.

1.   Por increíble que parezca, es posible construir portafolios de inversión más ventajosos observando el grado de desacuerdo entre los analistas macroeconómicos consultados por Reuters.

2.   Fathom Consulting, empresa asociada a Refinitiv, descubrió que cuanto mayores son las diferencias de opinión entre los analistas macroeconómicos, mejor es la rentabilidad de los activos cuando se controla el nivel de riesgo de mercado. Por lo tanto, las carteras basadas en esta premisa presentan mejores rendimientos absolutos y ajustados al riesgo.

3.   Los desacuerdos entre los analistas y la volatilidad del mercado son riesgos que se complementan. Y la incorporación de información de ambos riesgos -mediante previsiones de mercado condicionadas por las tendencias macroeconómicas, por ejemplo- permite a los inversores crear portafolios aún mejores.

Para obtener más información basada en datos directamente en su correo electrónico, suscríbase al boletín semanal Refinitiv Perspectives

Convertir las señales macroeconómicas en estrategias de inversión sigue siendo algo que genera mucho debate e, innumerables veces, escepticismo.

Una de las principales dificultades en la formación de previsiones económicas más precisas proviene, en última instancia, de la falta de habilidad de los analistas para tratar el comportamiento típicamente humano. Muchos de estos profesionales, por ejemplo, tardaron en comprender la explosión inflacionaria de 2021, incluso con los signos evidentes que ya se acumulaban desde la primavera de ese mismo año.

En el siguiente gráfico se puede ver cómo la previsión promedio mensual del Índice de Precios al Consumo (IPC) de EE.UU. estuvo a menudo muy por debajo de los resultados reales a lo largo de 2021 y parte de 2022.

Lo que queremos decir con esto es que, como son humanos, los responsables de las previsiones, como los economistas, también son propensos a actuar basándose en las emociones, siendo muy optimistas cuando los tiempos son buenos y pesimistas cuando son malos.

Descubra más sobre Datastream, un banco de datos financieros con más de 35 millones de instrumentos e indicadores individuales en las principales clases de activos

A pesar de estos sesgos, las previsiones, al igual que los precios de los activos, siguen siendo capaces de ofrecer insights sobre el consenso del mercado y lo que puede sorprender a los inversores.

Por ejemplo, las sorpresas macroeconómicas están vinculadas a los rendimientos de las acciones. Y, del mismo modo que deberíamos hacer con cualquier otra herramienta, el desafío aquí es aprovechar al máximo estas sorpresas.

Para ello, un buen punto de partida es el banco de datos Reuters Poll, al que se puede acceder a través del Refinitiv Datastream Data Loader y el Datastream Web Service. Nuestra base de datos incluye previsiones macroeconómicas trimestrales, mensuales y semanales para más de 900 indicadores.

Cómo construir portafolios basándose en previsiones económicas discordantes

Entre más de 900 indicadores macroeconómicos, la gran pregunta es: ¿por dónde empezar?

Pues bien, un punto de partida razonable son los seis indicadores de EEUU que el National Bureau of Economic Research (NBER) vigila de cerca para rastrear las expansiones y contracciones económicas. Son: 1. Nóminas no agrícolas; 2. Producción industrial; 3. Desempleo; 4. Renta personal; 5. Consumo personal; 6. Ventas al por menor.

Las investigaciones académicas (por ejemplo, Gao et al, 2019) indican que los rendimientos más bajos de los activos se asocian generalmente con períodos de alto desacuerdo entre los analistas. Por lo tanto, asumiendo este principio, calculamos la dispersión en las macroprevisiones para cada uno de los seis indicadores. Además, construimos una séptima medida, que compara el nivel de desacuerdo en las seis variables en un enfoque de scorecard.

Con todo lo expuesto, concluimos que esta métrica compuesta de discrepancia de los analistas es útil para captar no sólo los períodos de extrema volatilidad del mercado, medidos por el índice VIX, sino también un conjunto más amplio de períodos de volatilidad.

También descubrimos que esta estrategia compuesta funciona mejor si se acopla al nivel de desacuerdo en las previsiones de nómina en relación con dos benchmarks: uno que busca maximizar el índice de Sharpe por trimestre y otro que consiste en una estrategia simple de peso fijo.

Pronóstico del riesgo de mercado mediante la métrica FROG

Nuestro análisis muestra que es ventajoso crear portafolios incorporando niveles extremos de disparidad entre las previsiones macroeconómicas de los analistas, y que no todos estos periodos coinciden con una extrema volatilidad del mercado.

En otras palabras, la volatilidad del mercado y las discrepancias entre los análisis proporcionan informaciones muy diferentes que pueden aprovecharse mejor mediante el uso de previsiones condicionales.

Pudimos ejemplificar esto haciendo una predicción de riesgo de mercado condicionada al estado de la economía: el FROG (Fathom Risk-Off Gauge). Esta métrica emplea los datos de Refinitiv para mostrar, en un simple ejercicio de probabilidad, si los mercados están o no en un régimen de riesgo.

El FROG es un indicador atractivo porque imita al tipo de previsor que está aprendiendo continuamente sobre la relación entre los mercados y la economía, y que nunca está seguro de qué régimen de mercado prevalecerá en un determinado momento, pero que tampoco se priva de proporcionar estimaciones de probabilidad claras.

La conclusión fue que una previsión condicional como el FROG permite a los inversores adoptar portafolios que pueden separar los períodos de mayor y menor rendimiento, es decir, los periodos de riesgo o sin riesgo.

Estos hallazgos están expuestos en el gráfico anterior y, para los inversores que deseen adoptar este enfoque, pueden resumirse fácilmente en las siguientes máximas: 

  • Es necesario diferenciar lo más claramente posible entre la fase de riesgo y la fase sin riesgo (hay poco cruce entre los regímenes).
  • En la relación entre riesgo y rentabilidad expuesta en el gráfico anterior, la inclinación hacia abajo indica un periodo sin riesgo, y hacia arriba, arriesgado.

¿Quiere saber más?

Este informe destaca algunas de las principales conclusiones de un reciente informe de Fathom Consulting, empresa asociada a Refinitiv. Para leer el artículo completo, haga clic aquí, y obtenga más información sobre cómo pueden utilizarse las previsiones económicas y los datos del mercado para crear portafolios más rentables.

Más información sobre Datastream, una base de datos financiera con más de 35 millones de instrumentos e indicadores individuales en las principales clases de activos