Para poder sobrevivir, el cerebro ha desarrollado una serie de atajos que nos permiten actuar con rapidez ante determinados peligros, como el ataque de un diente de sable. Sin embargo, esta misma ventaja puede hacer que en ocasiones tomemos decisiones equivocadas. Las matemáticas pueden ayudarte a acertar con tus inversiones y evitar ciertos errores del cerebro.

El primer artículo que escribí sobre Imantia Futuro e Imantia Futuro Healthy hablaba sobre cómo los creamos y su característica de fondos algorítmicos. Como expliqué, partimos de datos financieros y aplicamos procesos matemáticos sofisticados.

Señalaba que una de las ventajas de los fondos algorítmicos es que son objetivos. Se basan en reglas lógicas y, por tanto, no influye la subjetividad de personas concretas. Esta objetividad se traduce en la eliminación de ciertos sesgos cognitivos que influyen en las decisiones de inversión. 

Los sesgos cognitivos suelen entenderse como un rasgo surgido durante la evolución humana. Nos permiten tomar decisiones rápidas y, gracias a estos atajos mentales, el cerebro puede ahorrar energía y hacer posible una vida diaria llevadera, tomando decisiones intuitivas y casi automáticas. Sin embargo, también nos puede llevar a interpretaciones erróneas y a emitir juicios o tomar decisiones equivocadas.

¿Qué sesgos hay que evitar en la inversión?

A la hora de crear una cartera de inversión pueden intervenir algunos procesos mentales que traen como consecuencia estos sesgos. El uso de algoritmos para ciertas decisiones permite eliminarlos.

Algunos de los sesgos que evita un fondo algorítmico son:  

Sesgo de anclaje: Dar más peso a la información obtenida en primer lugar que a informaciones posteriores que puedan contradecirla. Por ejemplo, tomar como referencia el precio de entrada en una inversión, condicionando las decisiones sobre la inversión en base a ese precio. 

Sesgo de disponibilidad: Dar más importancia a la información que hemos recibido recientemente. Por ejemplo, operar un activo en base a una noticia destacada en prensa en los últimos días. 

Sesgo de statu quo: Pensar que todo seguirá igual y nada cambiará. Un ejemplo claro es seguir invertido en un activo porque hasta ahora ha ido bien, sin percibir posibles cambios. 

Sesgo de simpatía: Confiar en personas o culturas que “nos caen bien”. Por ejemplo, invertir en una compañía por su carismático CEO. 

Sesgo de confirmación: Recolectar información de forma selectiva para confirmar una idea previa asumida como cierta. Como podría ser seleccionar solo datos positivos para una inversión que, en realidad, ya teníamos asumida, sin prestar atención a otros datos que la desaconsejarían. 

Sesgo de autoridad: Basarse en las recomendaciones de personas con buena reputación para tomar decisiones de inversión. 

Sesgo narrativo: Asumir una narrativa para explicar una relación cuando en realidad no existe. Esto provocaría la inversión en empresas con una buena historia.

Sesgo de dotación: Dar más importancia a los activos que ya se tienen en cartera, minusvalorando aquellos que no están invertidos. 

Sesgo de arrastre: Tomar decisiones en base a que un gran número de personas ya las han tomado. Invertir, por ejemplo, en activos de moda porque muchos otros están comprándolos. 

Sesgo doméstico: Invertir en empresas o activos que tenemos cerca o con los que tenemos familiaridad. 

Sesgo del punto ciego: Pensar que los sesgos cognitivos nos afectan en menor medida que a los demás. 

Cerebro, matemáticas e inversiones

Un gestor de carteras bueno y experimentado conoce y combate continuamente estos sesgos cognitivos para que sus decisiones de inversión sean lo más objetivas posibles. Con un sistema algorítmico, estos sesgos son fácilmente evitables. ¿Por qué? Porque la decisión de inversión no se toma en base a criterios subjetivos, solo reglas lógicas y matemáticas. 

Sin embargo, a la hora de diseñar el algoritmo también debemos tener en cuenta otra serie de sesgos que afectan a este proceso. Los más importantes son:

Sesgo de supervivencia: Analizar una muestra sólo con datos “supervivientes”. En el caso de sistemas de carteras, consiste en hacer simulaciones históricas del sistema tomando solo activos que han llegado hasta nuestros días. No se consideran las empresas que han desaparecido por distintos motivos. Este sesgo produce unos resultados más optimistas en las simulaciones. Además, provoca que se obvien datos que podrían anticipar problemas en los activos. Para evitarlo debe seleccionarse un universo de activos invertibles basados en criterios objetivos, que permita que se incluyan en la simulación activos desaparecidos. 

Sesgo de anticipación: Introducir datos no disponibles en el momento de la inversión. Por ejemplo, realizar ciertos cálculos usando el precio de cierre para tomar posiciones en un activo al cierre. Esto no es posible en la realidad. Cuando conoces el precio de cierre del activo, ya no puedes tomar posiciones hasta la próxima apertura del mercado. O filtrar ciertos datos del día siguiente en las simulaciones, incluso sin darnos cuenta de ello. Este es un sesgo al que los sistemas algorítmicos son especialmente sensibles y debemos ser muy escrupulosos en su diseño para evitarlo. 

Sesgo de optimización: Modificar los parámetros de los algoritmos. Por ejemplo, el periodo de cálculo de ciertas métricas para obtener el mejor resultado posible en la simulación histórica. Esto provoca un sobreajuste, y hace que el modelo funcione a la perfección para los datos históricos, pero muy probablemente no sea adecuado para los datos futuros con los que tendrá que operar en real. Este sesgo se evita buscando sistemas robustos, y en base a una investigación previa que debe ser confirmada por la simulación, y testando con datos históricos fuera de la muestra usada para el diseño. 

El papel de los fondos Imantia Futuro

La confirmación definitiva de que un algoritmo de inversión está bien diseñado, evitando estos sesgos, se produce cuando operando en real la cartera se comporta como se había previsto en su diseño y los resultados son coherentes. 

En nuestro caso, los fondos de la gama Imantia Futuro están funcionando desde hace más de un año con resultados que avalan el trabajo que se realizó en su definición, diseño y simulación.

Estos productos demuestran rentabilidades positivas con un riesgo proporcionalmente inferior a sus referentes, tal y como vimos en el último artículo. Esto hace que los partícipes de Imantia Futuro hayan logrado rentabilidades superiores al índice de referencia con una menor volatilidad, es decir, con un menor riesgo.