Nuestro estudio explora una estrategia de Global Tactical Asset Allocation (GTAA) basada en dual momentum y rebalanceada semanalmente, aplicada a un conjunto diversificado de ETFs. La estrategia selecciona activos en función del momentum relativo y aplica un filtro de momentum absoluto para evitar inversiones en activos en caída. En última instancia, se creó una única estrategia combinada fusionando dos subestrategias, incorporando tanto señales de momentum de corto como de largo plazo. El backtest a lo largo de un periodo amplio demuestra que este enfoque ofrece rentabilidades atractivas ajustadas al riesgo, logrando ratios Sharpe y Calmar atractivos, al tiempo que mantiene drawdowns menores en comparación con un benchmark simple equiponderado.
Las estrategias de Global Tactical Asset Allocation (GTAA) (por ejemplo, véase nuestra Pragmatic Asset Allocation, PAA) representan un enfoque dinámico para invertir entre múltiples clases de activos. A diferencia de la inversión pasiva tradicional, cuyo objetivo es replicar el comportamiento del mercado, GTAA busca optimizar el perfil de riesgo-rentabilidad ajustando las asignaciones entre renta variable, bonos, materias primas y efectivo en función de las condiciones de mercado predominantes. Un ejemplo conocido es la estrategia de Meb Faber de 2007, que utiliza reglas simples de seguimiento de tendencia y medias móviles para seleccionar los activos con la expectativa de comportamiento más favorable.
El objetivo de las estrategias GTAA no es necesariamente “batir” al mercado bursátil, sino lograr rentabilidades más estables y ajustadas al riesgo en comparación con clases de activos individuales o benchmarks tradicionales. En los modelos PAA, los pesos de los activos se optimizan con respecto a factores de riesgo y correlaciones, minimizando la volatilidad de la cartera mientras se maximiza la rentabilidad esperada para un nivel de riesgo dado.
Inicialmente, nuestra estrategia Pragmatic Asset Allocation se centró en una optimización “conservadora” y lenta, buscando asignaciones que se ajustaran a límites de riesgo predefinidos. Nuestro objetivo actual, sin embargo, permite una actividad mayor: nuestro propósito es construir una estrategia más activa que responda dinámicamente a las señales del mercado y seleccione activos no solo en función del riesgo, sino también del retorno potencial, yendo así más allá del enfoque tradicional de PAA. Al mismo tiempo, no queremos desarrollar una estrategia de asignación táctica de activos muy activa y rebalanceada a diario. El siguiente artículo describe cómo abordamos la doble naturaleza de esta tarea: volvernos más activos por un lado, evitando al mismo tiempo una rotación excesiva por el otro.
Metodología
En este trabajo, decidimos adoptar un enfoque de dual momentum, tal como lo describe Antonacci. El principio es sencillo: examinamos el momentum durante un periodo seleccionado y elegimos un número predeterminado de activos con el momentum más alto del conjunto. Sin embargo, incluso los activos que encabezan el ranking pueden seguir teniendo momentum negativo.
Para resolver esto, implementamos un criterio adicional de selección: finalmente seleccionamos solo aquellos activos cuyo momentum es positivo. Este filtro de momentum absoluto ayuda a evitar mantener activos que están perdiendo valor, proporcionando una salvaguarda durante las caídas del mercado, cuando incluso los “mejores” activos del universo podrían estar perdiendo dinero. Por ejemplo, durante una crisis de mercado, podríamos seleccionar a los tres mejores activos del conjunto, pero aun así dos de tres podrían experimentar rentabilidades negativas debido a la caída global generalizada. Para solucionarlo, implementamos un disparador de momentum absoluto, que ayuda a evitar mantener activos en declive y ofrece una protección frente a giros amplios del mercado.
Este enfoque suele aplicarse utilizando medias móviles, pero nosotros optamos por un planteamiento simplificado para mantener la estrategia dependiente del menor número posible de parámetros. Utilizamos la rate of change (RoC) para calcular el momentum, lo que reduce la complejidad y permite una implementación más transparente.
Como resultado, nuestra estrategia depende principalmente de dos parámetros clave: el número de activos seleccionados en función del momentum y la longitud de la ventana de lookback para el cálculo de ese momentum. En la práctica, existe un tercer parámetro implícito: la composición del propio universo de inversión, ya que hay una amplia gama de activos potenciales entre los que elegir. Es importante reconocer que existe un parámetro oculto en este enfoque: la propia selección del universo de inversión. Muchas estrategias GTAA no lo abordan de forma explícita, pero puede introducir un sesgo importante dependiendo de qué activos se incluyan. Por ejemplo, incluir Bitcoin en 2015 habría tenido un gran impacto en el rendimiento, lo que ilustra hasta qué punto la selección del universo puede influir materialmente en los resultados.
Para nuestra estrategia, el universo potencial de inversión está compuesto por los ETFs SHY, IEF, UUP, GLD, USO, SPY, EFA, QQQ y EEM. Obtenemos los datos de EODHD.com, patrocinador de nuestro blog. EODHD ofrece acceso fluido a más de 30 años de precios históricos y datos fundamentales de acciones, ETFs, forex y criptomonedas en más de 60 mercados, disponibles vía API o mediante complementos sin código para Excel y Google Sheets. Como oferta especial, los lectores de nuestro blog pueden disfrutar de un descuento exclusivo del 30% en los planes premium de EODHD.
Utilizamos datos semanales para nuestra estrategia, lo que logra un equilibrio entre operar con muy poca frecuencia (por ejemplo, mensualmente) y operar con demasiada frecuencia (por ejemplo, diariamente). Los intervalos semanales son lo bastante frecuentes como para responder a los cambios de mercado con cierta agilidad, pero no tanto como para provocar exceso de operativa o mayores costes de transacción. Este enfoque permite que la estrategia siga siendo reactiva, manteniendo al mismo tiempo una implementación práctica. Aplicamos el rebalanceo semanal al cierre del miércoles, la misma metodología que en nuestro artículo anterior sobre dual momentum en oro y Bitcoin. El miércoles minimiza los artefactos derivados de los festivos, ya que los festivos a mitad de semana son estadísticamente menos frecuentes que los del lunes o viernes, garantizando una ejecución consistente a lo largo del periodo de backtest. Los datos cubren el periodo comprendido entre el 21 de febrero de 2007 y el 25 de marzo de 2026.
Las características básicas de rendimiento en cada tabla de resultados de estrategia se presentan del siguiente modo: la notación perf representa la rentabilidad anual de la estrategia; st dev representa la desviación estándar anual; max dd es el drawdown máximo; el adjusted Sharpe r se calcula como el cociente entre perf y st dev; y el adjusted Calmar r como el cociente entre perf y max dd. Para una mejor visualización, el gráfico de rendimiento se muestra en escala logarítmica de base 2.
Como benchmark para nuestra estrategia GTAA, utilizamos un enfoque clásico de promedio equiponderado (EW) de los 9 ETFs del universo de inversión.
Análisis de los periodos de lookback del momentum
Primero investigamos la robustez de la estrategia de dual momentum. Empezamos fijando el número de activos seleccionados en tres, lo que representa un tercio de la cartera. Para los periodos de lookback del momentum, inicialmente consideramos intervalos más cortos, comenzando con momentum de 1 semana, luego de 2 semanas, hasta periodos de 12 semanas. Posteriormente examinamos ventanas de lookback más largas, desde 15, 20, 25… hasta 50 semanas.
Para cada periodo de lookback, calculamos semanalmente el momentum de cada ETF y seleccionamos los tres mejores. Después comprobamos si su RoC era positivo o negativo. Si era positivo, invertíamos en el ETF seleccionado para la semana siguiente con un peso de un tercio; si era negativo, la parte correspondiente de la cartera se invertía, en la práctica, en nada (efectivo al 0%; es decir, el peso seguía siendo formalmente un tercio, pero no contribuía a la exposición).
Podemos observar que todos los enfoques, excepto el momentum de 1 semana, superan al benchmark, algo evidente no solo en el gráfico sino especialmente en las métricas de rendimiento mostradas en las tablas. Aunque la volatilidad de nuestro enfoque es ligeramente superior a la del benchmark, su rendimiento es lo bastante mejor como para que el Sharpe ratio mejore significativamente, al igual que el Calmar ratio, lo que es coherente con los menores drawdowns observados.
Consideramos que el momentum de 1 semana funciona mal porque las tendencias suelen desarrollarse a lo largo de periodos más largos. El momentum muy corto solo capta movimientos de precio efímeros, lo que lo hace menos fiable a la hora de seleccionar activos que seguirán comportándose mejor en las semanas siguientes. En conjunto, salvo en el caso del momentum de 1 semana, el enfoque demuestra ser robusto en distintas ventanas de lookback.
Análisis del número de ETFs seleccionados
A continuación decidimos fijar el periodo de lookback en 25 semanas, que equivale aproximadamente a medio año y se considera una duración estándar para estrategias de momentum. Para este periodo, probamos la robustez de la estrategia variando el número de ETFs seleccionados, desde 1 hasta 9.
Cada semana calculábamos el momentum de 25 semanas de cada ETF, seleccionábamos los activos con mejor comportamiento según el número elegido y comprobábamos si su RoC era positivo. Para aquellos con RoC positivo, invertíamos la semana siguiente con un peso de 1 dividido entre el número de ETFs seleccionados. Para los activos con RoC negativo, la parte correspondiente de la cartera se invertía, en la práctica, en nada (efectivo al 0%), aunque seguía asignándose un peso de 1 dividido entre el número de ETFs seleccionados.
En este caso, seleccionar un solo ETF genera una volatilidad muy alta, mientras que un número elevado de ETFs tiende a comportarse de forma muy similar al benchmark, aunque las estrategias siguen logrando mejores ratios ajustados al riesgo. En términos generales, las estrategias que seleccionan entre 3 y 6 ETFs parecen ser la opción óptima. Presentan ratios Sharpe comparables a los de las estrategias con un mayor número de activos, pero consiguen un mejor rendimiento total.
Estrategia final
Finalmente, elegimos el enfoque promedio para la estrategia final. En concreto, combinamos dos subestrategias: selección de 3 ETFs según su momentum de 10 semanas y selección de 3 ETFs según su momentum de 25 semanas, asignando a cada subestrategia un peso del 50%, de nuevo con rebalanceo semanal. Esta elección se hizo a partir de los resultados para incorporar tanto señales de momentum de más corto como de más largo plazo, equilibrando así la capacidad de reacción con la estabilidad en la cartera. Se eligieron tres ETFs porque este número demostró ser robusto y eficaz en los backtests. Seleccionar muy pocos ETFs aumenta la volatilidad, mientras que seleccionar demasiados hace que la cartera se comporte como el benchmark y diluya los beneficios de la selección activa.
El backtest de esta estrategia final demuestra que este enfoque promedio de las subestrategias seleccionadas es altamente eficaz. No solo supera al benchmark en todos los aspectos, sino que además ninguna otra estrategia individual alcanzó ratios Sharpe y Calmar tan cercanos a 0,9, lo que indica la alta eficiencia de este enfoque combinado.
Conclusión
Los resultados de nuestro análisis indican que una estrategia GTAA basada en dual momentum puede proporcionar un marco robusto y eficaz para la asignación táctica de activos. Al incorporar tanto señales de momentum de corto plazo (10 semanas) como de largo plazo (25 semanas) con 3 ETFs seleccionados, y al aplicar un filtro de momentum absoluto para evitar invertir en activos en caída, la estrategia final logra un fuerte equilibrio entre capacidad de reacción y estabilidad.
El backtest demuestra que el enfoque promedio final no solo ofrece rentabilidades atractivas ajustadas al riesgo, reflejadas en los elevados ratios Sharpe y Calmar, sino que además genera drawdowns menores en comparación con el benchmark. Esto pone de relieve la eficacia de combinar múltiples horizontes de momentum y mantener un proceso de selección disciplinado y basado en reglas.
En conjunto, nuestros hallazgos sugieren que las estrategias GTAA impulsadas por momentum y rebalanceadas semanalmente, cuando se implementan con cuidado teniendo en cuenta los periodos de lookback, el número de activos seleccionados y la composición del universo de inversión, pueden ofrecer mejoras significativas en la eficiencia y la resiliencia de una cartera en comparación con benchmarks simples equiponderados.
Autora: Sona Beluska, Junior Quant Analyst, Quantpedia