Cuando en el verano del 2019 me propusieron participar en el proyecto de creación de los fondos Imantia Futuro fue un momento emocionante. No todos los días te dan la oportunidad de formar parte de un equipo que desarrolló unos productos tan interesantes y novedosos en el sector de los fondos de inversión.  Pero el diseño y lanzamiento de Imantia Futuro Imantia Futuro Healthy supuso un reto impresionante. Y es que para empezar tuvimos que desarrollar las propias herramientas para diseñarlos.

¿Qué hace distintos a estos fondos del resto?

Sin duda, su gran diferencia es que son dos fondos algorítmicos. Pero… ¿qué significa eso? Un algoritmo se puede definir como un conjunto de reglas definidas en un proceso ordenado que, a partir de unos datos, permite llegar a un resultado. En términos de programación, un algoritmo es una secuencia de pasos lógicos que permiten solucionar un problema. 

En nuestro caso, partiendo de ciertos datos financieros, aplicamos algunas reglas o procesos matemáticos. De esta forma, obtenemos la distribución del capital del fondo en distintos activos invertibles. Esto es, seleccionar los activos a invertir y la distribución de la cartera del fondo. Por supuesto, estos procesos los realizamos usando un ordenador, ya que el volumen de datos que se manejan haría complicado su cálculo de otra forma. 

¿Qué ventajas tiene usar algoritmos en un fondo? 

Los sistemas de inversión algorítmicos son:

  • Objetivos. Dado que las decisiones de inversión se basan en reglas lógicas y matemáticas, no influyen decisiones subjetivas ni apreciaciones de personas concretas. 
  • Mesurables. Se puede medir no solo su resultado, sino también los factores usados en el algoritmo para la toma de decisiones y el comportamiento del propio algoritmo. 
  • Contrastables. Como resultado de las dos características anteriores, podemos simular qué decisiones e inversiones hubiera realizado en el pasado, con los datos disponibles en cada momento y, por tanto, contrastar sus resultados históricos. 

Estas ventajas suponen que, ante una idea inicial de inversión, podamos desarrollar una serie de reglas lógicas que expresan esa idea y, posteriormente, simular su comportamiento en el pasado con datos conocidos y analizar sus resultados. Este proceso se conoce como backtest. 

Aunque es cierto que ningún resultado pasado garantiza un resultado futuro, estas simulaciones nos permiten analizar no solo la rentabilidad que hubiéramos obtenido en el pasado y compararlo con un índice de referencia (benchmark), sino también analizar el comportamiento del sistema en ciertos momentos históricos concretos. Por ejemplo: el comportamiento del fondo en una caída importante de mercado o cuánto tarda en recuperar un máximo histórico tras una caída (drawdown). 

Así nos encontrábamos ante el primer reto de los fondos Futuro. No disponíamos de una herramienta lo suficientemente precisa y flexible para hacer el backtesting sobre las ideas de inversión del equipo. 

Soluciones tecnológicas

Ante este reto decidimos crear nuestra propia herramienta, un simulador de carteras de fondos de inversión algorítmicos. El lenguaje de programación elegido fue Python. En los últimos años se ha convertido en el estándar del sector financiero para el análisis de datos. 

Para que la herramienta fuera eficiente, optamos por un enfoque híbrido a la hora de abordar los cálculos. Necesitábamos procesar una cantidad ingente de datos y un gran número de simulaciones para distintos conjuntos de parámetros que definían las reglas de los sistemas. 

Así, se realizaban cálculos matriciales para todo aquello que fuera posible. Esta herramienta permite trabajar de forma simultánea con grandes volúmenes de datos en matrices de forma muy eficiente. Y después simular por eventos el proceso final de inversión y sus resultados para obtener un resultado lo más cercano a la realidad mediante iteraciones o bucles, más lentos, pero que permiten simulaciones más complejas y ricas en detalles. 

Por poner un ejemplo, esto permitió manejar a la vez dos décadas de datos financieros de varios miles de activos simulando miles de posibles estrategias. El detalle era tal que, por ejemplo, reproducía fielmente el impacto de las comisiones operativas en cada uno de ellos. 

¿Qué supuso para Imantia esta herramienta?

Desarrollarla fue una tarea compleja. Además, exigió definir de manera muy concreta cada uno de los parámetros y eventos de los escenarios de simulación. Se fue enriqueciendo y mejorando con su uso para diseñar, probar y analizar las distintas ideas y universos de activos que se aportaron en el desarrollo de los fondos Imantia Futuro. Pero a su vez, fue decisiva para “destilar” los sistemas algorítmicos que dan forma a estos fondos. 

Actualmente, esta herramienta nos permite testar de forma precisa cualquier idea de sistema de inversión algorítmico, aportándonos un potencial enorme a la hora de desarrollar nuevos fondos de esta tipología. Manejando inmensas cantidades de datos, incluyendo fuentes alternativas no financieras, reglas de alta complejidad matemática o aplicando inteligencia artificial, como machine learning o deep learning, se abre un amplio horizonte de nuevas posibilidades. 

Descarga Perspectivas 2021

Este artículo no constituye una oferta o recomendación para la adquisición o venta, o para realizar cualquier otra transacción. La información contenida en él no debe interpretarse como asesoramiento o consejo y no sustituye a la información legal preceptiva que debes consultar antes de tomar cualquier decisión de inversión. Rentabilidades pasadas no garantizan rendimientos futuros. La inversión en fondos conlleva riesgos, por lo que, antes de invertir en ellos, debes leer atentamente el Folleto Informativo, disponible tanto en www.cnmv.es como en esta web..