Matus Mrazik y Amadeo Alentorn (Jupiter AM): Las interacciones no lineales abren nuevas fuentes de alfa

Por Matus Mrazik, gestor de inversiones, y Amadeo Alentorn, responsable de renta variable sistemática de Jupiter

El equipo de renta variable sistemática de Jupiter ha trabajado en un proyecto de aprendizaje estadístico para descubrir interacciones no lineales entre señales y, de este modo, sacar partido a nuevas fuentes de alfa. El primer éxito de este proyecto es una nueva señal sobre equipos directivos que está diseñada para captar las interacciones no lineales entre el efecto informativo de las señales relacionadas con la gestión de las empresas y el impacto conductual de la evolución de sus cotizaciones.

Los modelos sistemáticos de renta variable se suelen configurar combinando diferentes señales, como el valor, el momento y la calidad, en una única puntuación. En la mayoría de los casos, se construyen de forma lineal, de tal modo que cada señal contribuye de forma independiente y proporcional al resultado final. Aunque este enfoque es sencillo y efectivo, presupone que cada señal trabaja de la misma forma, con independencia del contexto general. En realidad, eso no siempre es así.

En el marco de la investigación sobre aprendizaje estadístico dentro de nuestro programa académico, hemos estudiado cómo pueden captarse de forma más eficaz las interacciones no lineales entre señales de inversión mediante el uso, por ejemplo, de árboles de decisión y redes neuronales, además de técnicas más tradicionales. En este ejemplo, hemos optado por un modelo en el que se captan las no linealidades, sin dejar de ser interpretable, y en el que podemos validar la perspectiva de inversión que se lleva a la práctica.

Las interacciones no lineales, también llamadas dependencia del estado, permiten al modelo captar situaciones en las que la eficacia de una señal depende de otra. En lugar de tratar las señales de forma aislada, el modelo puede reconocer que algunas combinaciones de características son especialmente importantes.

La ventaja de este enfoque es que permite al modelo centrarse en las áreas del mercado en las que las señales son más significativas. En lugar de repartir el poder predictivo uniformemente entre todos los valores, los enfoques no lineales pueden ayudar a identificar condiciones específicas en las que las rentabilidades son más predecibles. De este modo, se puede obtener una señal más enfocada y esclarecedora, más acorde con el comportamiento real de los mercados. En esencia, las relaciones no lineales proporcionan una forma de extraer información adicional de las señales existentes, sin necesidad de conjuntos de datos completamente nuevos, entendiendo cómo estas señales funcionan juntas, en lugar de por separado.

¿Qué es la no linealidad?

Una relación lineal entre una respuesta variable y un predictor significa que la respuesta esperada se modela como una función lineal de ese predictor, manteniendo fijos otros términos. Con un predictor, lo anterior arroja una línea recta; con dos, un plano; con muchos, un hiperplano.

Muchas relaciones del mundo real son no lineales, lo que significa que encajan mejor en una curvatura. Un ejemplo analizado por James et al. (2023, capítulo 3) es la relación entre los kilómetros recorridos con cada litro de gasolina y los caballos de potencia de los coches. La eficiencia en el uso del combustible suele descender a medida que aumenta la potencia, pero el descenso no es una línea recta perfecta. Este es un ejemplo de no linealidad.  

Los polinomios nos brindan una forma de modelar la curvatura, pero no la única; otros enfoques son las funciones escalonadas, los polinomios definidos a trozos y los splines.

Otro ejemplo es la relación existente entre la temperatura y las ventas de helados. Un aumento de la temperatura eleva las ventas, pero no a un ritmo constante. Un aumento de 1 grado en un día frío puede tener un efecto, pero el mismo incremento en un día templado puede incrementar mucho las ventas. Con temperaturas muy elevadas, las ventas pueden nivelarse.

¿Qué son los efectos de interacción?

Los efectos de interacción son comunes en la vida diaria y en la economía. En un ejemplo analizado por James et al. (2023, capítulo 3) se utiliza la publicidad en radio y televisión para predecir las ventas de productos. Supongamos que cada canal tiene un efecto positivo en las ventas por sí solo, pero el efecto de la publicidad en radio es mayor cuando la publicidad en televisión ya es elevada, y viceversa. En ese caso, un modelo que contemple un término de interacción entre la radio y la televisión podría encajar mejor en los datos que un modelo que únicamente recoja los efectos principales. La idea clave es que el efecto de un predictor depende del nivel de otro predictor.

Combinar efectos conductuales e informativos

Nuestra nueva señal no lineal se encuadra dentro de nuestra estrategia de selección de valores denominada Equipo Directivo, que trata de evaluar la calidad de un equipo gestor mediante los datos que se desprenden de sus decisiones. Esta nueva señal combina las señales existentes en un término de interacción diseñado para mejorar la información que ya se encuentra presente en cada componente. Concretamente, combina el efecto informativo de las señales relacionadas con la dirección con el impacto de la evolución de los precios.

La idea clave es que las interdependencias entre estos dos efectos pueden ser más reveladoras que cualquiera de ellas por separado. Se pueden captar divergencias o convergencias significativas entre las percepciones externas de los actores del mercado y la convicción interna de la dirección. Las divergencias tienen más probabilidades de revelar una valoración incorrecta, por ejemplo.

Mediante un modelado explícito de unas relaciones estructurales sutiles, nuestra nueva señal puede identificar casos en los que las divergencias o las convergencias son más significativas. El modelo puede captar mejor situaciones en las que puede darse una falta de sintonía entre las expectativas del mercado y los fundamentales subyacentes. Eso se traduce en una señal más rica y económicamente más intuitiva. Por ejemplo, el mal comportamiento de una cotización sumado a unas señales pobres en el plano de la gestión empresarial (convergencia) podría reforzar las expectativas de una evolución negativa, mientras que el mal comportamiento de una cotización, sumado a unas señales favorables en el plano de la gestión empresarial (divergencia), podría señalar en algunos casos una valoración incorrecta y, potencialmente, una evolución positiva.

Ventajas de esta nueva mejora

La incorporación de la nueva interacción de las señales relacionadas con la gestión empresarial dentro de la estrategia de selección de valores Equipo Directivo representa una ampliación significativa del modelo. Al captar las relaciones condicionales y las dependencias funcionales económicamente intuitivas entre las señales, da acceso a un alfa adicional que los marcos lineales no captan plenamente. Cuando se implanta cuidadosamente, puede:

1. mejorar la diversificación del modelo al incorporar una nueva señal descorrelacionada que trabaja en una dimensión diferente de las señales existentes;
2. mejorar la gestión del riesgo, concretamente en el tratamiento de la información sobre el comportamiento de los precios, que puede experimentar periodos con giros bruscos, especialmente en entornos de mercado tensionados;
3. reforzar la capacidad del modelo para obtener alfa, al generar un proceso de selección de valores más depurado y sólido.

Mejora continua del proceso de inversión sistemático

Un elemento clave de la filosofía de inversión sistemática de Jupiter es un análisis continuo y riguroso para garantizar que nuestro proceso de inversión mejora a lo largo del tiempo. Desde hace más de 20 años, nuestra filosofía ha alumbrado un flujo constante de evoluciones en nuestro proceso de inversión que, con el paso del tiempo, ha dado lugar a mejoras en nuestras rentabilidades ajustadas al riesgo previstas. Actualmente, tenemos en marcha otros apasionantes proyectos de investigación, como el desarrollo de nuevas señales no lineales, y esperamos poder ofrecerles más detalles al respecto en su momento.

El proceso de inversión del equipo lleva en marcha más de dos décadas y se optimiza continuamente. A continuación se muestran las mejoras aplicadas recientemente. Estas mejoras son el fruto de estudios exhaustivos realizados por el equipo.