Cartera dinamic inflation por Andrés García

• Todos hemos escuchado hablar de la relación entre la inflación y el mercado de acciones. ¿Se puede obtener una ventaja usándola como referencia? 
• Artículo publicado en Hispatrading 54.

Una de las investigaciones más intensas en las me involucré durante buena parte del 2022, fue el análisis del efecto de la inflación en distintos activos y sectores de la economía. Por aquellas fechas la inflación pasaba de los dos dígitos en muchos países de nuestro entorno, por lo que era del máximo interés encontrar activos invertibles resistentes a la inflación.  Me propuse como objetivo construir un porfolio rotacional que alternase entre estilos de inversión y clases de activos según el contexto de inflación dominante. En este artículo analizaremos paso a paso el proceso de construcción de una cartera de este tipo.

Los detalles sobre el efecto de los regímenes de alta y baja inflación en una amplia base de activos y sectores de la economía estadounidense los podéis encontrar en mi artículo; “Carteras dinámicas guiadas por la inflación” (www.tradingsis.org, Julio, 2022). Aquí resumimos los hallazgos más relevantes para la construcción del porfolio que ahora veremos:

1. La inflación no afecta por igual a todos los productos financieros y sectores de la economía. Sin embargo, no existe una relación lineal entre las variaciones a medio y largo plazo en las tasas de inflación y su efecto por sectores y activos. 
2. Una forma de cuantificar el impacto de la inflación sobre el retorno de los diferentes activos es mediante la beta de la inflación (BI). Los productos con BI > 1 tienen un comportamiento mejor cuando sube la inflación: Entre ellos están las commodities (BI ≈ 4) y el oro (BI ≈ 2,1). En el lado opuesto tenemos el S&P 500 (BI ≈ -0,7), los bonos corporativos (BI ≈ -0,8) y los bonos del Tesoro a 10 años (BI -1,1). Por ejemplo, una BI de 1,2, indica que por cada 1% que sube la inflación el valor del activo se incrementa un 1,2%.
3. Cuando agrupamos las empresas del Russell 3000 en función de los factores o estilos de inversión más empleados por la industria (crecimiento, baja volatilidad, momento, calidad, sentimiento y valor) observamos que su comportamiento difiere en escenarios de alta y baja inflación. Con alta inflación aguantan mejor las carteras basadas en activos de baja volatilidad mientras que con baja inflación obtienen mejor retorno las carteras que se centran en activos de sentimiento y valor. 
4. Si nos centramos en los grandes sectores de la economía, también observamos diferencias significativas en función del nivel de inflación. Para invertir en periodos prolongados de baja inflación los mejores sectores son el consumo discrecional, industria y materiales básicos y, para marcoépocas de moderada y alta inflación, destacan los sectores de productos básicos de consumo, servicios públicos, energía e inmobiliario. 
5. Analizando una muestra amplia de las empresas de EE.UU. incluidas en los subsectores del catálogo RBICS, encontramos que los subsectores con mejor comportamiento con inflación al alza son producción de alimentos y bebidas (FOODDRINKMFR), refinado, almacenamiento y transporte de energía (MIDSTREAMENERGY), servicios de soporte a la salud (HCARESUPPORT), biofarmacéuticas (BIOPHARMAOTHER), seguros (INSURANCE), servicios energéticos (ENERGYUTIL), venta al por menor de automóviles (AUTORETAIL), inversión inmobiliaria (REIT), atención al paciente (PATIENT CARE) y servicios de transporte de mercancías e infraestructuras (TRAINTRUCK). Mientras que en escenarios de baja inflación tienen mejor comportamiento las empresas ligadas a los subsectores de software (SOFTW), servicios médicos generales (MEDDEVICESGEN), otros productos médicos (MEDDEVICESOTHER), servicios de soporte a la salud (HCARESUPPORT), fabricación de maquinaria (MACHINE), productos químicos especiales y de alto rendimiento (CHEMSPECIAL), distribución y venta de energía (DOWNSTREAMENERGY), consumo minorista (RETAILOTHER).

Tomando como base esta información procedemos a construir una cartera dinámica guiada por las previsiones de inflación a medio y largo plazo. 

Componentes de la cartera Dinamic Inflation (DI)

Dado que el mecanismo rotacional se basa en las previsiones de inflación, lo primero que necesitamos es un indicador adelantado, fiable, de amplio seguimiento y con datos históricos de al menos los últimos 20 años. El indicador de expectativas de inflación de la Universidad de Michigan (MICH) satisface perfectamente estos requisitos.

Como muestra la Figura 1, el MICH es un estimador menos volátil que el índice de precios al consumo (CPI), si bien existe una elevada correlación entre ambos. Por lo que podemos utilizar esta serie de datos mensuales, que se remonta a 1978, para determinar los cambios de escenarios de alta y baja inflación en nuestro modelo de cartera.

Por otra parte, teniendo en cuenta la estadística descriptiva de esta serie, observamos que fluctúa entre un máximo del 10% y un mínimo del 0,4%. Por este motivo la inflación promedio sale algo elevada, 3,6%, mientras que la moda y la mediana se sitúan en el 3%. Tomaremos este último valor como referencia para alternar entre escenarios. 

En nuestro estudio empírico hemos determinado que para alta inflación el factor o estilo con mejor comportamiento es la baja volatilidad. Veamos cuanto alpha o exceso de retorno aporta en comparación con el Russell 3000, que utilizaremos como benchmark en este estudio:

Evaluamos la siguiente regla en un backtest de 22 años:

eval(close(0,##inflexp)>3,rating(«core: low volatility»)>98,$RUA)

Si la inflación está por encima del 3% invertimos en las empresas del Russell 3000 (RUA) que en el ranking de baja volatilidad se sitúen por encima del percentil 98. En caso contrario invertimos en el propio índice. 

El resultado se muestra en la Figura 2.

Estrategia AROR = 14,2% DD = -47,7% R. Sharpe = 0,88 Beta =0,70 Alpha =9,1% ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Por tanto, esta primera regla mejora sustancialmente el comportamiento de la cartera.

Seguidamente evaluamos en el mismo backtest la regla:

eval(close(0,##inflexp)>3,$RUA,rating(«core: sentiment»)>=98)

Si la inflación está por encima del 3% invertimos en el índice (RUA) y en caso contrario seleccionamos empresas que, en el ranking de sentimiento, estén por encima del percentil 98.

Obtenemos el resultado mostrado en la Figura 3.

Estrategia AROR = 13,93% DD = -47,33% R. Sharpe = 0,73 Beta =0,92 Alpha =7,33% ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Queda claro que esta regla también consigue generar alpha. Ahora solo nos queda evaluar el resultado conjunto de ambas.

Estrategia AROR = 16,30% DD = -41,82% R. Sharpe = 0,96 Beta =0,8 Alpha =10,71% ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

La conclusión que sacamos es que solo con alternar entre los estilos “sentimiento” y “baja volatilidad” en función del nivel de volatilidad y rebalancear el portfolio mensualmente obtenemos una mejora muy significativa respecto del índice de referencia. 

El siguiente paso es analizar cuánto aporta a la cartera una selección dinámica de subsectores en función de los umbrales de volatilidad. En este caso la regla a evaluar es:

Si las expectativas de inflación se sitúan por encima del 3% entonces compramos empresas de los subsectores “Mich > 3” y si caen por debajo de 3% de los subsectores “Mich ≤3”: 

  Con esta regla obtenemos los siguientes mostrados en la Figura 5.

Estrategia AROR = 18,96% DD = -45,75% R. Sharpe = 1,08 Beta = 0,75 Alpha =13,04 ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Vemos que alternando entre los subsectores con mejor comportamiento en cada umbral de volatilidad se obtiene también un rendimiento muy superior al Russell 3000. Con un ratio de Sharpe por encima de 1 y un DD unos 10 puntos por debajo del índice, parece que este mecanismo dinámico está plenamente justificado. 

Nuestro siguiente paso es combinar estilos y subsectores para evaluar su comportamiento conjunto en este modelo de cartera, como se muestra en la Figura 6.

Estrategia AROR = 19,86% DD = -32,12% R. Sharpe = 1,16 Beta =0,74 Alpha =13,73 ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

A tenor de los resultados, queda claro que la combinación de estilos y subsectores funciona perfectamente en un portfolio dinámico de este tipo. El dato más significativo es que se reduce el DD a un 32,12% que, aun siendo alto según mi criterio, resulta mucho más manejable, sobre todo en términos psicológicos y de aversión al riesgo,  que el -55,61% del índice Russell 3000.

Reglas del sistema D.I.

Procedemos a construir la estrategia con la excelente herramienta Portfolio123, una de las más avanzadas plataformas que podemos encontrar en el mercado para el diseño, evaluación y gestión de carteras complejas.

1. Parámetros iniciales:

• Universo: Empresas del Russell 3000
• Núm. máx. de posiciones: 15
• Capital inicial: $100.000
• Rebalanceo: Mensual
• Método de asignación: Equiponderado
• Comisión por acción: 0,005
• Deslizamiento variable: 0,5

b) Reglas de compra:

Buy 1: Alternamos entre los rankings de “baja volatilidad” y “sentimiento” cuando la inflación estimada se sitúa por encima o por debajo del 3% 

Buy 2: Conjunto de subsectores del directorio BRICS entre los que se elegirán las empresas que formarán parte de la cartera para los escenarios de alta y baja inflación. 

Buy 3: Para evitar empresas poco líquidas o demasiado pequeñas, exigimos una capitalización mínima de $500 millones y un volumen medio diario de 5.000 títulos negociados.

3. Reglas de venta:

Ranking: Eliminamos en cada rebalanceo aquellas empresas que desciendan en el ranking por debajo del percentil 60.

Sell 2: Reducimos un 30% la ponderación de las empresas que en cada periodo alcancen un peso superior al 8% de la cartera. 

Sell 3: Aplicamos un profit target del 1% mensual. Esto nos permitirá aumentar más la rotación de activos en cada rebalanceo.

Por último, en esta primera versión de la cartera no contemplamos la inclusión de un Stop Loss para activos individuales ni de un modelo de cobertura. Si bien, veremos el efecto de una estrategia de cobertura básica pero bastante efectiva. 

4. Reglas Cobertura (optativas):

El objetivo de estas reglas es rotar a renta fija en escenarios de tendencia bajista prolongada. Como estimador de tendencia empleamos los cruces ascendentes y descendentes de una media móvil de 150 períodos con los precios. 

Regla CB: Cubrimos un 50% de la posición con bonos del Tesoro 7-10 años en los escenarios muy bajistas.

Otras variantes aún más conservadoras incluyen bonos del Tesoro de 1-3 años y 3-7 años, así como porcentajes de cobertura más altos. 

Resultados del sistema D.I. 

Procedemos a realizar un backtest en la ventana temporal más amplia que permite la plataforma. Los resultados son mucho mejores que los del benckmark, llegando el retorno anualizado hasta el 17,78% y con un DD muy contenido que se sitúa en el 28,7%. Excelente para este tipo de estrategias, sin cobertura y solo invertidas en acciones. El ratio de Sharpe asciende hasta el 1,17%.

En la imagen inferior mostramos el gráfico del beneficio acumulado de la cartera D.I. y del Russell 3000. También podemos ver el porcentaje de caja y la evolución del número de posiciones. Observamos que las posiciones en cartera descienden por debajo de 15 cuando no se encuentran empresas que satisfagan las reglas de entrada. Aun así, el número es bastante estable; pocas veces es inferior a 10 y solo en dos ocasiones desciende a un mínimo de 5 posiciones. 

En esta tabla mostramos las principales métricas de retorno y riesgo del modelo:

Por último, y con el propósito de comparar resultados, realizamos un backtest con el modelo de cobertura básica que ya hemos comentado. Las franjas verdes son los intervalos en los que se aplica la cobertura.

Estrategia AROR = 16,47% DD = -20% R. Sharpe = 1,29 Beta = 0,51 Alpha =11,84 ——————- Benchmark AROR = 7,28% DD = -55,61% R. Sharpe = 0,43

Vemos descender ligeramente el beneficio anualizado, pero compensa con creces: El DD cae hasta un bastante confortable 20%, la beta o volatilidad respecto al mercado baja al 0,51 y se obtiene un alpha o exceso de retorno del 11,84%. 

Conclusiones: 

1. Dado que la inflación no afecta por igual a todos los productos invertibles y sectores de la economía, es posible construir carteras dinámicas que utilicen los niveles de inflación como criterio para alternar entre productos. 
2. También constatamos que hay estilos de inversión que obtienen mejores resultados en marcoépocas de alta y baja inflación. En nuestro estudio observamos que, para largos periodos con inflación superior al 3%, es mejor emplear criterios de selección basados en rankings de empresas de baja volatilidad. Mientras que, para periodos de inflación baja y moderada, es mejor utilizar criterios basados en rankings de sentimiento. 
3. La estrategia D.I. alterna entre estilos y subsectores, rebalanceando el portfolio mensualmente. La frecuencia de rebalanceos es un factor crítico porque afecta al gasto total de la operativa. En este caso encontramos óptimos los períodos mensuales.
4. Los resultados obtenidos en la simulación baten claramente al mercado y consiguen mejorar todos los ratios de manera consistente en un período de 22 años.