Cinco cosas que probamos este verano y no funcionan (y tres «no mejora» nuestros que en realidad eran «no se podía saber»)

La idea es de manual: las acciones que se mueven menos rinden más de lo que su riesgo justifica. Se probó con seis definiciones (volatilidad a 252, 126 y 63 sesiones, semivolatilidad a 252 y 63, y beta) y dos pesos. Las doce empeoran la cartera. La mejor t es −1,85, o sea que el único resultado que se acerca a ser significativo va en contra.

Pero las dos razones de fondo valen más que las cifras:

• En nuestro universo el factor ordena al revés. Partiendo las 500 en diez grupos, de menos a más volátil, el exceso de rentabilidad va: −0,99, −1,03, −0,39, −0,32, −0,47, +0,02, −0,17, +0,24, +0,55, +2,54. No es que la anomalía no aparezca: aparece del revés.
• El motor ya llevaba volatilidad dentro. Nuestro momento se divide por la volatilidad de 252 sesiones. No era una dimensión nueva: era reforzar una que ya estaba.

Lo único que sí mejoraba: la volatilidad diaria de la cartera baja del 21,9% al 17,7%. Pero la caída máxima casi no se mueve: de −36,8% a un rango de −35,5% a −37,0%. Se compra menos ruido diario, no menos susto. El susto es riesgo de mercado y se lo come todo el mundo.

Y un control que conviene copiar: se probó a añadir un quinto factor sin ninguna información, puro ruido, cinco veces. Solo por diluir los cuatro que sí miden y añadir rotación, eso ya cuesta 1,11 puntos anuales de media. Cualquier quinto factor tiene que ganar eso antes de empezar a aportar.

Todo en medicion_baja_volatilidad.json, que genera medir_baja_volatilidad.py. La cartera base rinde 17,09% bruto y 16,40% neto (10 pb por lado) en esa ventana.

El PEAD es de los efectos más citados de la literatura: tras una sorpresa buena en resultados, la acción seguiría subiendo durante semanas. La ventana clásica (de 2 a 20 días) no cabe en una cartera que rebalancea cada mes; la de 63 sesiones sí cabe, con una cobertura del 81 al 87%. Así que se midió esa.

Primero se comprobó que la sorpresa estaba bien construida, porque sin eso un «no funciona» sería indistinguible de haber calculado mal. Ordenando por sorpresa, la ventana del anuncio se ordena perfectamente: monotonía 1,00 sobre 24.321 eventos, con t = 5,21. El mercado paga la sorpresa, y nuestro cálculo la ve.

Lo que no queda es deriva después. El número más alto de todo el estudio es t = 2,38, y con 84 celdas probadas el umbral que exige la corrección por intentos múltiples es 3,43. Fuera de muestra se cae del todo: la mejor celda elegida con datos hasta 2018 daba t = 2,51, y de 2019 a 2026 da t = 0,15.

Y la literatura va en la misma dirección: Martineau (Critical Finance Review, 2022) concluye que en valores grandes el PEAD no existe desde 2006. Nuestro universo es el S&P 500: justo donde dicen que está muerto.

En medicion_pead.json, que genera medir_pead.py: la prueba de validez en prueba_de_validez_reaccion_en_el_anuncio, el recuento de intentos en intentos, el fuera de muestra en fuera_de_muestra y el placebo en placebo.

La lista se cerró y se justificó antes de ver un solo resultado. Con once pruebas el umbral es |t| ≥ 2,88. La más alta que salió es 2,31 y va en contra (quitar ventas/precio del factor Valor empeora). En el sentido de mejora, la mejor llega a 1,04.

La trampa que casi cuela, y queda escrita por si alguien te la propone algún día enseñándote el gráfico: el momento clásico, sin dividir por volatilidad, deja la cartera en 17,30% neto frente a 16,40%. Casi un punto al año más, si solo miras la curva. Pero su poder predictivo es peor y el signo cambia con el tamaño de la cartera: −0,85 con 10 posiciones, +0,81 con 20, +1,64 con 50. Eso no es señal, es ruido de veinte valores.

Y salió una cosa que no sabíamos. Una media aritmética de cuatro puntuaciones normalizadas no reparte 25/25/25/25: reparte según lo que se disperse cada una. Aquí, momento 34,0%, crecimiento 23,4%, valor 22,2% y calidad 20,3%. Igualarlos de verdad sale peor: la cartera cae del 17,09% bruto al 16,05%, y del 16,40% neto al 15,43%.

En medicion_definiciones_factores.json, que genera medir_definiciones_paso2_variantes.py. El reparto sale de dispersion_media_de_los_cuatro; las t pareadas, de pruebas_pareadas.

Una empresa que emite acciones sin parar diluye al accionista; una que las recompra hace lo contrario. La hipótesis era que esa señal sería prima hermana de nuestros factores de valor y calidad, y por tanto no aportaría nada nuevo. Era falsa: al quitarle la parte ya explicada por nuestro modelo, su poder predictivo no se cae.

Al horizonte de un año, la emisión neta a 36 meses ordena mejor que ninguno de los cuatro factores que usamos. Pero a 21 sesiones, que es donde vive la cartera, no ordena casi nada. De ahí sale lo único accionable del verano, y no es una señal nueva: es cambiar cuándo se opera, no qué se compra. Una cartera que rebalancee a doce meses mide otra cosa. Es una medición nueva y todavía no está hecha.

En medicion_emision_devengos.json, que genera medir_emision_devengos.py. Los descartes están contados en huecos_no_rellenados.

FINRA publica gratis, dos veces al mes, cuántas acciones de cada empresa están vendidas en corto. Tenemos 138.452 observaciones desde diciembre de 2017, con su fecha de publicación real y sin un solo hueco en el rango.

El resultado: el poder predictivo condicionado da +0,0117 con t = 1,07, pero la escalera de deciles es plana (monotonía 0,08). Un número positivo sin forma económica detrás no es una señal: es un promedio. Y la puerta de potencia lo remata: con 102 rebalanceos, para decidir el punto porcentual que se buscaba harían falta 2.135 observaciones, unos 178 años.

El control que hay que copiar siempre. Cada dato de FINRA tiene dos fechas: la de referencia (a qué día se refiere la posición) y la de publicación (cuándo se hizo público), y entre ellas hay unos nueve días. Usar la de referencia —es decir, mirar el dato antes de que existiera— sube el resultado un 14%. Quien mida esto sin la fecha de publicación publicará una cifra más bonita y falsa.

Datos en datos/construido/interes_corto_manifiesto.json y interes_corto_bruto.csv; medición en medicion_interes_corto.json (medir_interes_corto.py) y veredicto puerta a puerta en veredicto_interes_corto.json.

Para juzgar estas cinco mediciones se escribió primero un listón: seis puertas en serie —potencia, intentos múltiples, solapamiento, referencia, coste y azar— y, sobre todo, tres veredictos en vez de dos: PASA, FALLA y NO SE PUEDE DECIDIR.

El tercero es la mitad del valor de la herramienta. «No he encontrado efecto» no es «he demostrado que no hay efecto»: si la muestra no tenía capacidad para detectar un efecto del tamaño que se buscaba, el experimento no dice nada en ninguna dirección.

Se le pasaron los seis rechazos que esta casa ya había hecho. Cinco tenían una potencia por debajo del 55% y tres por debajo del 20%. El caso claro es «bajar la rotación no mejora el neto»: el efecto en juego era 0,93 puntos y el mínimo que ese experimento podía detectar eran 2,86. Para decidirlo harían falta 146 años de datos. No tocar la receta sigue siendo lo correcto, pero por prudencia, no por medición. Escribir «ya lo medimos y no ayuda» era un exceso.

Hay uno que sí está bien rechazado y por el motivo correcto (los overlays de riesgo sobre la cartera), y uno que está bien rechazado por el motivo equivocado: la neutralidad por sector. Lo que sostiene esa decisión son los cuatro puntos de rentabilidad que se pierden, no su t. Si alguien reabre el tema citando la t, la discusión se pierde.

El listón es liston_estadistico.py, escrito el 31 de agosto antes de ver ningún resultado —un listón escrito después de ver las cifras no es un listón, es una racionalización—. Se ejecuta con python liston_estadistico.py --historicos y él solo revisa los rechazos anteriores.

• El 23,89% anual de Zacks y su propia letra pequeña
• Bajamos nuestra propia rentabilidad publicada, y por qué