No tiene sentido validar teorías financieras con enfoques estadísticos, ya que estos son fáciles de manipular. Lo ideal es emplear dinero real para probar su validez.
Según la Lista de 2016 de los más Ricos Administradores de Fondos de Cobertura del mundo, publicada por la revista Institutional Investor’s Alpha, ocho de los diez primeros de esta lista pertenecen a la categoría “analistas cuantitativos”, y la mitad de las 25 personas más ricas del año son también analistas cuantitativos. Las empresas incluidas en esta lista son del tipo de Renaissance Technologies, D.E. Shaw, Two Sigma, Millennium, Citadel y Schonfeld, y ninguna de ellas participa en inversiones “smart beta” o en factores, ni aplican las teorías publicadas por laureados Premios Nobel de economía como James Tobin, Eugene Fama, Robert Shiller y decenas más. Por el contrario, estas empresas se apoyan en una combinación de matemáticas y tecnología computacional.
Los fundamentos de invertir en factores
Consideremos el modelo de Valoración de Activos Financieros (CAPM por sus siglas en inglés), base de la economía financiera, que fue desarrollado por William Sharpe (otro aclamado Premio Nobel), y nuevamente más tarde en los años 60. Casi seis décadas después, todavía se les enseña a los alumnos que el beneficio producido por un valor es una función lineal de la tasa de interés libre de riesgo y la “prima de riesgo”. ¡Ahí lo tienes – tu fórmula para llegar a ser rico! Olvidémonos del balance de cuentas, las noticias, los sentimentalismos, los flujos, las fricciones – todo puede condensarse en una sencilla fórmula calculada a partir de las matemáticas del siglo XVIII. Desde su publicación en el prestigioso Journal of Finance, esta fórmula ha sido explicada en todos los libros de texto de finanzas y es la base de lo que se conoce como “invertir en factores” en general y “smart beta” en particular.
Pero ¿es todo así de simple? Los mercados financieros son sistemas increíblemente complejos donde millones de individuos interactúan entre sí con el fin de intercambiar información de forma asincronizada y asimétrica. Miles de artículos publicados en el Social Science Research Network (SSRN) proclaman la validación de estas teorías de forma empírica. Por supuesto toda esta evidencia está respaldada por pruebas estadísticas cuya facilidad de manipulación es de sobra conocida.
Estadísticas fraudulentas
Los verdaderos científicos no validan teorías mediante simulaciones históricas, sino que se basan en experimentos. A continuación explicamos cómo funcionan las ciencias experimentales, en este orden:
- Se realiza un amplio número de previsiones (simulaciones de futuro).
- Se realizan mediciones.
- Se evalúan los errores de previsión.
Pero la evidencia expresada en SSRN refleja a menudo un orden diferente que detallamos aquí:
- Se realizan mediciones.
- Se realiza un amplio número de simulaciones retroactivas.
- Diferencias evaluadas con datos históricos reales, después de lo cual se selecciona un modelo.
Los errores del backtesting no son errores de previsión ya que el backtest puede ser modificado de forma conveniente hasta que alguna expresión algebraica sobreajuste los datos. Esto es lo que se denomina sesgo de selección, declarado por la Asociación Americana de Estadística como enormemente confuso:
"Cuando se realizan pruebas de comparaciones múltiples sobre el mismo conjunto de datos en la misma fase de un análisis, se aumenta la probabilidad de obtener al menos un resultado nulo. Si se selecciona un resultado 'significativo' de una variedad de pruebas, se incurre en un grave riesgo de llegar a una conclusión errónea. Sería muy confuso no revelar el alcance absoluto de las pruebas y sus resultados en este caso".
Es cierto – se han considerado inapropiados, cuando no fraudulentos, los enfoques estadísticos empleados para la validación de las teorías financieras, por parte de la principal organización profesional de estadísticos, lo cual ha llevado al actual Presidente de la American Finance Association (Asociación Americana de Finanzas) a reconocer que la mayoría de los hallazgos en investigación más aclamados sobre economía financiera, son probablemente falsos. La Sociedad Econométrica mantiene un vergonzoso silencio en este asunto e ignora el problema de “pruebas de comparaciones múltiples” como si no existiera. Hasta ahora, por lo que sabemos, ningún libro de texto de econometría importante menciona los peligros que entraña el sobreajuste del backtest.
¿Alguna vez se ha preguntado por qué casi no se publican artículos empíricos financieros en revistas de estadística? Una de las razones es que los métodos de validación típicos de estas publicaciones no recogen los efectos de las pruebas de comparaciones múltiples. Sin embargo, sí se publican en revistas de econometría que en su gran mayoría no cuentan con matemáticos ni estadísticos como revisores.
¿Dónde está la prueba científica?
En primer lugar, debemos distinguir entre el debate académico y la prueba científica. Durante siglos algunas de las mentes más brillantes de la historia han argumentado teorías filosóficas y teológicas en términos muy formales. Por ejemplo, antes de convertirse en el prominente científico que fue en el siglo XVII, Isaac Newton dedicó muchos años de su vida al seguimiento de la Alquimia y a probar que el mundo acabaría en 2060 teniendo en cuenta el análisis académico de escrituras (también lo predijo para 2012, pero sorprendentemente estamos aquí). Las teorías académicas de Newton sobre el fin del mundo no son rigurosas, ni son teorías científicas validadas experimentalmente, pero tampoco lo son el CAPM o smart beta puesto que no han sido sometidas a análisis experimentales rigurosos desde dentro.
En segundo lugar, la ciencia no acepta el argumento de autoridad (argumentum ad verecundiam). El éxito de Newton por la teoría de la gravedad no significa que pudiera convertir el plomo en oro aunque estuviera convencido de que sabía cómo hacerlo. Del mismo modo, las declaraciones argumentadas por los Premios Nobel sobre el hecho de que el CAPM puede convertir las monedas de cobre en oro, no están respaldadas por la rica evidencia experimental que cabría esperar de tales afirmaciones.
De manera que ¿dónde está la prueba científica? ¿Por qué llaman los académicos de las finanzas a sus compañeros revisores para que les acepten un artículo sin realizar jamás una réplica de la prueba? ¿Por qué insisten en que los alumnos acumulen enseñanzas de teorías que no han sido contrastadas de forma rigurosa? ¿Por qué son atraídos los inversores hacia productos cuyos rendimientos probablemente no hayan sido verificados mediante backtesting?
Es posible que las empresas usen el sector académico financiero como herramienta de marketing para obtener beneficios, y los académicos financieros lo consientan satisfechos puesto que estos productos son la única validación (no científica) que pueden tener.
Algunos de esos Premios Nobel son remunerados por incorporarse a los comités de fondos y su remuneración es una parte del activo objeto de gestión, no proviene del rendimiento de la inversión.
Muchos de los inversores de más éxito emplean las matemáticas modernas y las ciencias computacionales en vez de las matemáticas relativamente sencillas de muchos académicos de las finanzas. De hecho, todo el mundo sabe que estos inversores evitan contratar a estudiantes o a académicos con formación en finanzas. Esto es lógico porque los estudios financieros suponen la exclusión de trabajar en algunas de las compañías inversoras más importantes.
Una solución a la crisis de la investigación financiera
En 1911, Albert Einstein predijo que la gravedad de sol provocaría la curvatura de la luz de otra estrella. Pocos fueron los que prestaron atención a semejante afirmación aunque las matemáticas que había detrás se correspondían con teorías de la talla de las del matemático David Hilbert. Todo cambió cuando Arthur Eddington aportó pruebas experimentales en el eclipse solar del 29 de mayo de 1919. Una vez más se ve que una gran teoría no significa nada si no está validada por datos experimentales. Se puede tardar años en reunir esos datos, pero así es como funciona la ciencia.
Con este mismo espíritu quizás debamos exigir a los académicos de las finanzas que destinen una parte de sus sueldos (por ejemplo el 10%) a la validación de sus artículos. Esos fondos irían dirigidos a la empresa de gestión de donaciones de la universidad, y serían invertidos de acuerdo con la teoría propuesta. La inversión de dinero real deja un rastro fehaciente, certificable y auditable como la trayectoria durante décadas de los analistas cuantitativos que hemos mencionado antes.
Los Premios Nobel de física, química o medicina son concedidos a personalidades excepcionales que presentan datos experimentales concluyentes y reproducibles. Lo equivalente en economía es exigir al próximo laureado que presente estados de cuentas de corretajes de, digamos, 100 millones de dólares, o quizás más.
Si un físico recibiera una moneda por cada vez que se valida su teoría, sería multimillonario. Al contrario que los físicos, los economistas pueden ganar mucho dinero llevando a cabo experimentos financieros, si es que sus teorías son correctas.
Si los académicos de las finanzas hicieran esto, aportarían algo de credibilidad a sus teorías axiomáticas y a sus creencias dogmáticas. Hasta entonces, sus backtests continuarán siendo mal empleados e irán dirigidos a embaucar a los ignorantes ahorradores hacia inversiones que nunca han producido rendimientos. Y si sus teorías son correctas ¿dónde están todos esos académicos multimillonarios de las finanzas?