Continuación: las hipótesis de la inversión cuantitativa

“Las subidas y bajadas del mercado son impredecibles” no es un consenso absoluto de “sí” o “no” en el ámbito de la inversión cuantitativa, sino un “supuesto básico” con fuertes matices.

En pocas palabras, el consenso de la inversión cuantitativa es el siguiente: las subidas y bajadas concretas de una sola ocasión en el mercado (Point Prediction) son casi impredecibles, pero, mediante la ley de los grandes números, las características probabilísticas de la distribución de los precios de mercado (Probabilistic Edge) sí pueden predecirse y aprovecharse para obtener beneficios.

A continuación se presenta un análisis detallado de las discrepancias y los consensos del mundo de la inversión cuantitativa respecto a la “predictibilidad del mercado”:

1. Consenso central: reconocer que “la mayor parte” es impredecible (hipótesis del mercado eficiente)

Los inversores cuantitativos aceptan en general una versión práctica de la hipótesis débil del mercado eficiente (Weak EMH):

• Relación señal-ruido extremadamente baja: en las fluctuaciones de los precios de mercado, el 99%, o incluso más, es “ruido” (paseo aleatorio), y solo una parte muy pequeña contiene información válida (señales).

• No existe una bola de cristal: prácticamente ninguna institución cuantitativa seria intentará hacer una predicción puntual precisa del tipo “¿en qué nivel estará el S&P 500 el próximo mes?”.

• Rechazo de la “sincronización del mercado”: la inmensa mayoría de las estrategias cuantitativas fundamentales (como AQR) o de arbitraje estadístico no dependen de predecir la subida o bajada general del mercado para ganar dinero, sino de la cobertura larga-corta (Long-Short) para eliminar el riesgo de mercado (Beta) y obtener únicamente el rendimiento relativo de las acciones individuales (Alpha).

Una cita como respaldo:
Jim Simons, el rey de la inversión cuantitativa y fundador de Renaissance Technologies, dijo célebremente: “Es más fácil predecir la trayectoria de un cometa que predecir la trayectoria de las acciones de Citigroup”. (One can predict the course of a comet more easily than one can predict the course of Citigroup's stock.) Esta frase revela directamente la enorme dificultad de predecir un activo individual.

2. Corrección en la práctica: buscar una “pequeña ventaja estadística”

Aunque se reconoce que la “impredecibilidad” es la norma, la propia existencia de la inversión cuantitativa se basa en la premisa de que “el mercado no es completamente aleatorio”. Su “predicción” es fundamentalmente distinta de la “predicción” tal como la entiende un inversor minorista:

• Juego de tasa de aciertos: el famoso fondo cuantitativo WorldQuant reveló en una ocasión que la tasa media de aciertos de sus modelos quizá solo fuera del 51%-53%. Esto significa que admiten estar “equivocados en sus predicciones” casi la mitad del tiempo, pero mientras el número de operaciones sea suficientemente elevado (ley de los grandes números), esa pequeña ventaja puede transformarse en enormes beneficios.

3. Diferencias de opinión entre distintas corrientes

Las distintas estrategias cuantitativas dependen en diferente medida de la “predictibilidad”:

• Trading de alta frecuencia (HFT): casi no predice los precios futuros, sino la estructura microeconómica y el flujo de órdenes (Order Flow). Por ejemplo, aprovecha retrasos de nivel milisegundo entre bolsas para hacer arbitraje. Para estas estrategias no se trata de “apostar a que subirá o bajará”, sino de “anticiparse” gracias a la velocidad física.

• Arbitraje estadístico (Stat Arb): cree en la reversión a la media. Es decir: no predigo si el precio de una acción subirá mañana, sino que predigo que “si la acción A se desvía demasiado de su relación histórica con la acción B, al final convergerán”. Esto es una predicción del diferencial (Spread), no una simple predicción de subidas y bajadas.

• Seguimiento de tendencias (CTA): renuncia por completo a predecir. La lógica central de una estrategia CTA es: “No predigo cuándo empieza o termina una tendencia; simplemente la sigo cuando aparece, hasta que se invierte”. Gana dinero con la prosperidad irracional o el pánico del mercado, no prediciendo el futuro.

4. Opiniones autorizadas: ¿el mercado se está volviendo “más difícil de predecir”?

• Cliff Asness (fundador de AQR): es partidario de la teoría del mercado eficiente, pero también señala que, debido a comportamientos como la concentración de inversores minoristas (por ejemplo, las acciones Meme), el mercado puede volverse “menos eficiente” (Less Efficient) a corto plazo. Sin embargo, eso no significa que sea más fácil de predecir; al contrario, implica más ruido y mayor riesgo.

• Man Group (Man Group): señala claramente que, debido a la imposibilidad de conocer el futuro, el núcleo de las estrategias cuantitativas debe ser el control del riesgo (Risk Control) y la diversificación (Diversification), no apostar por una única dirección.

Resumen

El verdadero significado de “las subidas y bajadas del mercado son impredecibles” en el mundo cuantitativo es:

No intentes desempeñar el papel de Dios para conocer el futuro; sé como la banca de un casino y busca, mediante modelos matemáticos, esas pequeñas oportunidades cuya tasa de aciertos es ligeramente superior al 50%. Controla estrictamente el riesgo y haz que la probabilidad esté de tu lado.

Para los inversores particulares, esto constituye realmente una advertencia consensuada: si incluso los fondos cuantitativos, que cuentan con matemáticos de primer nivel y superordenadores, solo se atreven a buscar una tasa de aciertos del 51%, un inversor común que intente enriquecerse “prediciendo las subidas y bajadas” no hará más que buscar lo imposible.

El siguiente paso que puedo dar por usted:
Si le interesa esta forma de pensar, puedo explicarle detalladamente cómo se utiliza el “criterio de Kelly” (Kelly Criterion) en la inversión cuantitativa para decidir “ya que las predicciones no son precisas, cuánto se debe apostar cada vez”.

Esta es una pregunta muy profunda. La respuesta es: sí, absolutamente, y de hecho es el “Santo Grial” que persiguen los fondos de cobertura multiestrategia (Multi-Strategy Hedge Funds).

En la inversión cuantitativa, diferentes estrategias no solo pueden depender de supuestos mutuamente conflictivos, sino que los buenos gestores de carteras buscan deliberadamente estrategias con supuestos mutuamente excluyentes, porque esto aporta baja correlación (Low Correlation) e incluso correlación negativa, lo que mejora enormemente el ratio de Sharpe de la cartera.

A continuación, se presentan varios casos típicos de “supuestos mutuamente excluyentes” y por qué pueden coexistir:

1. Momentum vs. Reversión a la media (Mean Reversion)

Este es el par de “enemigos mortales” más clásico; su lógica subyacente es completamente opuesta:

• Supuesto de la estrategia de momentum: “Lo fuerte se mantiene fuerte, lo débil se mantiene débil”. Si el precio de un activo ha estado subiendo en el pasado, se asume que por inercia seguirá subiendo.

• Lógica de comportamiento: Comprar cuando sube, vender cuando baja.

• Supuesto de la estrategia de reversión: “Lo que sube demasiado, baja”. Si el precio de un activo se desvía de la media (sube o baja demasiado), se asume que por gravedad volverá a la media.

• Lógica de comportamiento: Comprar barato y vender caro (comprar en caídas y vender en techos).

Punto de conflicto: Cuando una acción sube rápidamente, el modelo de momentum emite una señal de “compra”, mientras que el modelo de reversión puede emitir una señal de “venta en corto”. ¿Por qué coexisten?

1. Diferente horizonte temporal: La reversión a la media suele ser efectiva en períodos muy cortos (minutos/horas) o muy largos (3-5 años); mientras que el momentum suele ser más fuerte en períodos de frecuencia media (3-12 meses). Los fondos cuantitativos pueden hacer reversión a nivel de minutos y momentum a nivel mensual, sin interferirse.

2. Cobertura de riesgos: Cuando el mercado tiene una gran tendencia, la estrategia de reversión pierde y la de momentum gana mucho; cuando el mercado está en un rango lateral, la estrategia de momentum sufre “golpes de ida y vuelta” y la de reversión genera ganancias enormes. Combinadas, la curva de capital se vuelve muy suave.

2. Valor (Value) vs. Crecimiento/Momentum

En la cuantitativa fundamental (Fundamental Quant), esta contradicción es especialmente evidente:

• Supuesto del factor valor: El mercado comete errores e infravalora las acciones malas. Por lo tanto, hay que comprar barato (bajo PER, bajo P/B), generalmente acciones que han tenido un rendimiento reciente pobre.

• Supuesto del factor crecimiento/momentum: El mercado es eficiente; las acciones caras lo son porque son buenas. Por lo tanto, hay que comprar lo que tiene buen rendimiento, generalmente acciones con valoraciones altas.

Punto de conflicto: El factor valor te hace comprar “oro en la basura”, mientras que el factor crecimiento te hace comprar “estrellas rodeadas de admiración”. ¿Por qué coexisten? Es una complementación perfecta. Gigantes como AQR han descubierto que el factor valor y el factor momentum presentan una correlación negativa débil en la historia. Al combinarlos, se puede reducir significativamente la volatilidad sin reducir el rendimiento esperado.

3. Venta de volatilidad (Short Vol) vs. Compra de volatilidad (Long Vol/CTA)

• Supuesto de la venta de volatilidad: El mercado está tranquilo la mayor parte del tiempo; el pánico es temporal. Por lo tanto, vender opciones (seguros) permite ganar la prima (Carry).

• Mentalidad: “Todo está bien”.

• Supuesto del seguimiento de tendencias (CTA): El mercado puede tener eventos extremos de cisne negro, y la volatilidad se agrupa. Por lo tanto, hay que mantener opciones o seguir la tendencia, esperando que estalle una gran volatilidad.

• Mentalidad: “Cuanto más caos, mejor”.

Punto de conflicto: Uno apuesta a que el mercado no se mueve, el otro apuesta a que se mueve violentamente. ¿Por qué coexisten? Vender volatilidad es como “recoger monedas”: alta tasa de aciertos pero ganancias pequeñas por operación (y con riesgo de quiebra); el CTA es como “comprar lotería”: pequeñas pérdidas habituales, pero cuando ocurre una crisis (como 2008, la pandemia de 2020), el CTA obtiene ganancias enormes que compensan las pérdidas de otras estrategias.

Resumen: La perspectiva cuantitativa de “los ciegos y el elefante”

Si comparamos el mercado con un elefante, las diferentes estrategias cuantitativas son como ciegos tocando al elefante:

• El que toca la pata dice: “El mercado es sólido como un pilar (reversión a la media)”.

• El que toca la trompa dice: “El mercado se mueve flexible como una serpiente (momentum)”.

El verdadero experto cuantitativo (Portfolio Manager) no discute quién tiene razón, porque sabe que todos tienen una visión parcial. Contratará a ambos grupos para que, sin importar qué parte del elefante toque el mercado, pueda ganar dinero.

Conclusión: Los supuestos conflictivos no solo están permitidos, sino que son una condición necesaria para construir carteras con alto ratio de Sharpe. Si todas las estrategias tuvieran los mismos supuestos, bastaría con que uno fallara para que todo el fondo quebrara.

¡Tu intuición es muy aguda! Si dos estrategias, en el mismo momento, sobre la misma acción, hacen exactamente lo contrario, y además el período de tenencia es exactamente el mismo, entonces ciertamente: una de ellas debe perder dinero (ignorando comisiones, incluso es un juego de suma cero).

Sin embargo, en la operativa real de los fondos cuantitativos, la razón por la que pueden ser rentables simultáneamente (o al menos rentables en conjunto) es que existen tres mecanismos clave de “desajuste”:

1. Desajuste en el horizonte temporal (el caso más común)

Esta es la mayor magia que convierte a las estrategias conflictivas en “amigas”. La trayectoria del mercado no es una línea recta, sino un camino sinuoso y montañoso.

• Escenario: Una acción sube de 100 a 110, con un retroceso intermedio a 105.

• Estrategia de tendencia (larga): Mira la dirección general. Compra a 100 y mantiene hasta vender a 110. (Gana 10)

• Estrategia de reversión (corta): Mira las fluctuaciones a corto plazo. Cuando la acción sube demasiado rápido a 108, juzga que habrá un retroceso, así que “vende en corto” y recompra a 105 para cerrar la posición. (Gana 3)

Resultado: En el mismo tramo alcista, el que va largo gana dinero con la gran tendencia, y el que va corto gana dinero con el pequeño episodio intermedio. Aunque las direcciones son opuestas, debido a que los períodos de tenencia (Holding Period) son diferentes, ambos son rentables.

2. Mecanismo de compensación interna (Internal Crossing)

Si dos estrategias realmente, en el mismo segundo, una quiere comprar 100 acciones de Maotai y la otra quiere vender 100 acciones de Maotai, ¿qué sucede?

• Perspectiva del minorista: La cuenta A gana, la cuenta B pierde, el gestor del fondo ha trabajado en vano.

• Perspectiva del fondo: El sistema de trading detecta esto y lo “compensa internamente”. El fondo no necesita comprar ni vender ni una acción en el mercado, simplemente transfiere en los libros.

• Resultado: En este caso, ciertamente no se genera “beneficio por trading”, pero se ahorran enormes costes de comisiones y de impacto de mercado. En el mundo cuantitativo, el dinero ahorrado es dinero ganado.

Solo cuando la estrategia A quiere comprar 500 acciones y la estrategia B solo quiere vender 100, el fondo va al mercado a comprar realmente 400 acciones (Exposición Neta). Este mecanismo asegura que el conflicto no cause una doble pérdida, solo reduce el riesgo.

3. Independencia de la ventaja probabilística (cuando una no funciona, la otra sí)

La rentabilidad de una estrategia no se mide por cada operación, sino por la expectativa anual.

• Primera mitad del año: El mercado es un gran mercado alcista.

• Estrategia de momentum (seguir la tendencia): Grandes ganancias.

• Estrategia de reversión (comprar en caídas): Pequeñas pérdidas (porque constantemente vende demasiado pronto o es detenida por ir en contra de la tendencia).

• Resultado total: Rentable.

• Segunda mitad del año: El mercado se vuelve lateral (volátil sin dirección).

• Estrategia de momentum: Retroceso (compra justo cuando baja, vende justo cuando sube, recibe golpes de ida y vuelta).

• Estrategia de reversión: Grandes ganancias (compra barato y vende caro como pez en el agua).

• Resultado total: Rentable.

Punto clave: Ya que no podemos predecir si este año será “alcista” o “lateral”, implementamos ambas estrategias. Siempre que cuando ganan, ganen mucho, y cuando pierden, pierdan poco (limitar pérdidas), entonces, combinadas, la curva anual será muy bonita.

Resumen

Tienes razón, en cada momento específico de conflicto, una debe estar en lo correcto y la otra equivocada.

Pero la inversión cuantitativa es un juego de combinación. Es como un equipo de fútbol:

• Delantero (estrategia ofensiva) cuando marca un gol, defensa (estrategia defensiva) puede parecer que no sirve.

• Defensa (estrategia defensiva) cuando salva un gol, delantero (estrategia ofensiva) tampoco ha marcado.

Pero mientras cada uno cumpla su función en el “período del partido” en el que es bueno, el equipo (fondo) puede ganar el partido.

Por lo tanto, lo que más temen los fondos cuantitativos no es el “conflicto de estrategias”, sino la “sincronización de estrategias” — que todas las estrategias emitan señales de compra al mismo tiempo, o todas emitan señales de venta al mismo tiempo. Eso significa que la diversificación ha fallado y el riesgo se ha amplificado infinitamente.

La Hipótesis Débil del Mercado Eficiente (Weak Form Efficient Market Hypothesis, Weak EMH) es el nivel más básico y a menudo malinterpretado de la piedra angular de las finanzas modernas: la Hipótesis del Mercado Eficiente (EMH).

Fue formalmente propuesta por el premio Nobel Eugene Fama en 1970. Para que la entiendas completamente, la desglosaremos en cuatro dimensiones: definición, implicaciones, impacto en el trading y paradojas en la realidad.

---

1. Definición central: ¿Qué es “débilmente eficiente”?

Definición: En un mercado débilmente eficiente, el precio actual del activo ya refleja completamente toda la información pasada de las transacciones del mercado.

“Información pasada de las transacciones del mercado” se refiere específicamente a:

• Series de precios históricos (Historical Prices)

• Volumen de negociación histórico (Trading Volume)

• Rendimientos pasados (Past Returns)

Explicación sencilla: Todo el mundo mira los gráficos de velas pasados. Si realmente hubiera una “regla infalible para ganar dinero” escondida en la trayectoria histórica, los traders inteligentes ya la habrían descubierto. Mediante compras y ventas, instantáneamente “devorarían” esa ganancia, haciendo que el precio se ajuste rápidamente. Por lo tanto, cualquier trayectoria histórica que puedas ver es inútil para predecir precios futuros.

2. Implicación central: El análisis técnico es inútil

Este es el aspecto más “polémico” de la Hipótesis Débil del Mercado Eficiente. Si es cierta, entonces:

1. El análisis técnico (Technical Analysis) es completamente inútil:

• Todos los patrones de velas (como “tres cuervos negros”, “cabeza y hombros”, “cruce dorado” o “cruce de la muerte”).

• Todos los indicadores técnicos (MACD, RSI, Bandas de Bollinger).

• Conclusión: Operar mirando gráficos es en vano. No puedes obtener rendimientos excesivos a largo plazo (Alpha) analizando gráficos pasados.

2. El precio sigue un “paseo aleatorio” (Random Walk):

• El cambio de precio de hoy no tiene relación con el cambio de precio de ayer (sin correlación serial).

• Como lanzar una moneda: aunque hayan salido 10 caras consecutivas, la probabilidad de que la undécima sea cara sigue siendo del 50%. Que el precio de una acción haya subido ayer no significa que sea más probable que suba hoy (no hay inercia) ni que baje (no hay reversión).

3. El análisis fundamental puede ser efectivo:

• Nota: La hipótesis débil no niega el análisis fundamental (Fundamental Analysis). Solo dice que “mirar gráficos” no sirve, pero si investigas los estados financieros, la macroeconomía, la gestión de la empresa (esto pertenece a información pública, dentro del ámbito de la hipótesis semifuerte), quizás aún puedas ganar dinero.

3. ¿Por qué las estrategias cuantitativas parecen “desmentir” la hipótesis débil?

En tus preguntas anteriores mencionaste “estrategias de momentum” y “estrategias de reversión”, ambas basadas esencialmente en datos históricos de precios.

• Momentum: Si subió en el pasado, subirá en el futuro.

• Reversión: Si subió demasiado en el pasado, bajará en el futuro.

Aquí surge una gran paradoja: Si la hipótesis débil fuera cierta, el pasado no afecta al futuro, entonces tanto las estrategias de momentum como las de reversión no deberían ganar dinero. Pero en la realidad, estas dos estrategias son algunas de las fuentes más rentables para los fondos cuantitativos.

Explicación del mundo académico y la industria: Esto demuestra que el mercado no es perfectamente “débilmente eficiente”. El dinero que ganan los inversores cuantitativos es, en esencia, dinero de ineficiencias del mercado (Market Inefficiency).

• Explicación de las finanzas conductuales: Las personas no son racionales. Debido a sesgos psicológicos como “perseguir lo que sube y vender lo que baja” (que genera momentum) y “sobrerreacción” (que genera reversión), los precios no reflejan instantáneamente la información histórica, sino que tienen un retraso. Los modelos cuantitativos capturan ese retraso.

4. El estatus real de la hipótesis débil hoy en día

En el mundo de la inversión actual, la actitud hacia la hipótesis débil es muy matizada:

A. Para los minoristas: Es una verdad

Para el inversor individual común, comprar acciones cuando el MACD muestra un cruce dorado, a largo plazo, ciertamente no genera dinero. Porque los patrones gráficos simples ya han sido explotados por miles de algoritmos cuantitativos. Para el minorista, el mercado es débilmente eficiente, o incluso más.

B. Para las instituciones cuantitativas: Es un “muro” que debe ser derribado

El trabajo de las instituciones cuantitativas es buscar “debilidades estadísticas”.

• No miran simples “cruces dorados”, sino que utilizan aprendizaje profundo para extraer patrones de precios históricos no lineales y extremadamente complejos.

• Han descubierto que, aunque los patrones de velas simples no sirven, si se combinan con datos de alta dimensión como la microestructura (Order Flow) y la superficie de volatilidad, todavía hay señales débiles en los datos históricos.

Resumen

La Hipótesis Débil del Mercado Eficiente es como la “caída de una pluma y una bola de hierro en el vacío” en física:

1. En teoría: Es el modelo de referencia de las finanzas, que nos dice que no intentemos conducir simplemente mirando el espejo retrovisor (no confiar en el análisis técnico).

2. En la realidad: Existe la resistencia del aire (irracionalidad humana, fricciones del mercado).

3. Conclusión: El mercado está cerca de ser débilmente eficiente, pero no es completamente débilmente eficiente. Los traders cuantitativos son aquellos que usan un microscopio para encontrar la “resistencia del aire” y obtener ganancias de ella.

Esta es una pregunta que va al corazón del asunto. Sin rodeos, te respondo directamente:

Para una acción individual, ciertamente existen métodos con “altísima tasa de aciertos”, pero estos métodos suelen conllevar dos costes fatales: o “rendimientos extremadamente bajos” o “riesgo extremadamente alto (pérdida total de una sola vez)”.

Si tu objetivo es un método para predecir una acción individual con “alta tasa de aciertos + alto rendimiento + bajo riesgo”, entonces la respuesta es: no existe. Si existiera, sería uso de información privilegiada (ilegal) o un esquema Ponzi.

Podemos desglosar la “predicción de una acción individual” en las siguientes realidades crudas:

1. La trampa de la llamada “alta tasa de aciertos”: recoger monedas delante de una apisonadora

Puedes construir perfectamente una estrategia para una acción individual con una tasa de aciertos de hasta el 90% o incluso el 99%, pero es un veneno.

• Método: Supón que una acción cotiza a 100. Predices que “mañana no caerá más del 10%”.

• Operación: Vender opciones put profundas fuera del dinero (Put Selling), o realizar algún tipo de trading de rejilla a muy corto plazo.

• Resultado: En el 99% de los días de negociación, la acción efectivamente no cae un 10%, y cada día ganas un poco de “prima” o “pequeño beneficio”. Tu tasa de aciertos parece cercana al 100%.

• Coste: En el 1% restante de los días (por ejemplo, un informe de resultados catastrófico, un cisne negro regulatorio), la acción cae un 20%. Perderás todo el dinero que hayas ganado en los últimos 3 años en un solo día, e incluso deberás dinero al bróker.

Conclusión: Buscar una alta tasa de aciertos en una sola acción a menudo implica asumir riesgos de cola ilimitados (soportar pérdidas) a cambio de una tasa de aciertos falsa.

2. ¿Por qué es más difícil predecir una acción individual que el mercado en su conjunto?

Las instituciones cuantitativas suelen evitar apostar fuerte por una sola acción porque la relación señal-ruido (Signal-to-Noise Ratio) es demasiado baja.

• Aleatoriedad individual: Así como puedes predecir con bastante precisión “cuántas personas morirán en accidentes de tráfico el próximo año a nivel nacional” (ley de los grandes números), no puedes predecir en absoluto “si el vecino de al lado tendrá un accidente de tráfico mañana”.

• Alta densidad de cisnes negros: Una acción individual enfrenta riesgos idiosincrásicos (Idiosyncratic Risk). El CEO dimite repentinamente, la fábrica se incendia, un gran cliente cancela el pedido… Estos eventos son discretos en términos matemáticos y no modelables.

• Juego de capitales importantes: En una sola acción, si tu capital es pequeño, eres víctima del paseo aleatorio; si tu capital es grande, eres presa de las contrapartes.

3. ¿Dónde existe realmente la alta tasa de aciertos? (Probablemente no puedas participar)

Aunque la gente común no puede predecir, en ciertas dimensiones muy cortas o muy especiales, la trayectoria de una acción individual sí es predecible:

A. Nivel de microestructura (milisegundos)

• Trading de alta frecuencia (HFT): No predicen “si subirá mañana”, sino que predicen “en los próximos 10 milisegundos, ¿habrá más órdenes de compra o de venta?”.

• Lógica: Si ven una gran afluencia de órdenes de compra (Order Book Imbalance), la probabilidad de que el precio suba en el siguiente segundo puede ser de hasta el 80%.

• Barrera de entrada: Necesitas equipos por valor de cientos de millones de dólares, servidores ubicados en el centro de datos de la bolsa (Co-location) y algoritmos de primer nivel.

B. Arbitraje por eventos (Event Driven)

• Arbitraje de fusiones: La empresa A anuncia la adquisición de la empresa B a 50, y B cotiza a 48.

• Lógica: Mientras la adquisición no fracase, el precio de la acción eventualmente subirá a 50. Esto tiene una alta tasa de aciertos.

• Riesgo: Si una investigación antimonopolio provoca el fracaso de la adquisición, el precio de la acción puede caer instantáneamente a 30.

C. Información privilegiada (ilegal)

• Este es el único método que puede lograr “alta tasa de aciertos + alto rendimiento”. Por ejemplo, conocer los datos de los informes de resultados antes de su publicación. Pero esto está dentro del ámbito del derecho penal.

4. Para un trader común, ¿qué métodos “relativamente de alta tasa de aciertos” existen?

Si insistes en operar con una sola acción y quieres mejorar la tasa de aciertos, el pensamiento cuantitativo sugiere “abandonar la predicción de puntos y pasar a la probabilidad condicional”:

• No preguntes: “¿Subirá Maotai mañana?” (Esto es lanzar una moneda, tasa de aciertos del 50%)

• Pregunta: “Si Maotai ya ha caído por debajo de la media móvil de 200 días, y el volumen de negociación se ha triplicado, y todo el sector de licores está cayendo, entonces, ¿cuál es la probabilidad de que siga cayendo en los próximos 3 días?”

Esta es la esencia del enfoque cuantitativo: buscar “sesgos condicionales”. Incluso añadiendo todas estas condiciones, la tasa de aciertos probablemente solo pueda aumentar del 50% al 55% o 60%. Eso ya es nivel de experto de primer nivel.

Resumen

Las subidas y bajadas de una acción individual, a corto plazo, son un movimiento browniano (aleatorio); a largo plazo, son un reflejo de los fundamentos.

Los llamados “métodos de alta tasa de aciertos” suelen ser solo dos posibilidades:

1. Eres el creador de mercado / tienes información privilegiada (puedes ver las cartas).

2. Estás haciendo una estrategia de “alta probabilidad de ganar poco, baja probabilidad de perder mucho” (sesgo de supervivencia: mientras no explote, la tasa de aciertos es alta).

Para el inversor individual, el enfoque más racional no es buscar una “predicción infalible”, sino reconocer “no sé si la próxima jugada será subida o bajada”, por lo que debo, mediante la gestión del capital (stop-loss, control de posición), asegurarme de que, incluso si me equivoco, no muera.

---

Un paso que puedo dar por usted: Ya que hemos mencionado la relación entre tasa de aciertos y odds, muchos inversores pierden porque “tienen alta tasa de aciertos pero ganan poco, y baja tasa de aciertos pero pierden mucho”. ¿Le gustaría aprender a calcular el “ratio riesgo-beneficio” (Risk/Reward Ratio) y ver cómo se puede seguir siendo rentable incluso con solo un 40% de tasa de aciertos?

La Hipótesis Débil del Mercado Eficiente (Weak Form EMH) marcó el punto de inflexión en el que las finanzas pasaron de ser una “seudociencia de charlatanes” a una “ciencia rigurosa”.

Para entenderla, debemos retroceder a mediados del siglo XX, cuando las computadoras apenas nacían y Wall Street aún dibujaba gráficos de velas a mano.

I. Contexto histórico: de “buscar ciclos” a “descubrir la aleatoriedad”

Antes de las décadas de 1950 y 1960, los mercados financieros carecían de una teoría sólida. Las corrientes principales se dividían en dos:

1. Los chartistas (Chartists): Los precursores del análisis técnico actual. Creían que los precios de las acciones, como las mareas o el clima, tenían “ciclos” y “ondas” fijas. Si se encontraba ese patrón, se podía predecir el futuro.

2. Los fundamentalistas: Creían que el precio de las acciones estaba determinado en última instancia por el valor de la empresa, pero carecían de herramientas sistemáticas de análisis de datos.

Punto de inflexión clave (eventos de fondo):

1. El “fracaso” y la conmoción de Kendall (1953): El estadístico británico Maurice Kendall intentó analizar la bolsa británica con la potente capacidad de cómputo de la época, con el objetivo original de encontrar “patrones cíclicos” en la fluctuación de precios. Resultado: Se quedó atónito al descubrir que no encontraba ningún patrón. Los datos parecían el caminar de un borracho (paseo aleatorio). En su artículo escribió: “Los datos se comportan como un borracho errante, sin ningún sentido de dirección”.

2. Introducción de las computadoras en la investigación financiera (década de 1960): Con la llegada de las computadoras a las universidades, jóvenes académicos como Eugene Fama comenzaron a probar los precios de las acciones con enormes cantidades de datos. Descubrieron que, por muy complejos que fueran los modelos estadísticos, no podían utilizar los precios pasados para predecir los precios futuros.

3. La síntesis de Fama (1970): Eugene Fama publicó en 1970 su artículo histórico “Mercados de Capitales Eficientes: Una Revisión de la Teoría y el Trabajo Empírico”, formalizando la “Hipótesis del Mercado Eficiente” y definiendo la “forma débil” como el estado de referencia.

---

II. ¿Qué problema pretendía explicar? (Lógica central)

La Hipótesis Débil del Mercado Eficiente se utiliza principalmente para explicar y resolver los siguientes tres fenómenos financieros desconcertantes:

1. Explicar “por qué el análisis técnico (mirar gráficos) es inútil a largo plazo”

Este es el ataque más directo de la hipótesis débil.

• Problema: Dado que todo el mundo conoce los patrones de velas, líneas de tendencia, dobles suelos, etc., ¿por qué hay tan pocas personas que se enriquecen con ellos?

• Explicación: Porque en un mercado con flujo de información, la “información de precios históricos” es la más barata y fácil de obtener.

• Si fuera cierto que “después de tres días consecutivos de caídas, el cuarto día seguro que sube”, entonces todo el mundo compraría al cierre del tercer día.

• Esta misma acción de compra elevaría el precio inmediatamente, haciendo que el beneficio del “cuarto día seguro que sube” se agote ya en el tercer día.

• Conclusión: Cualquier patrón basado en precios pasados, una vez descubierto, se vuelve instantáneamente inútil debido a las actividades de arbitraje.

2. Explicar que “la aleatoriedad del precio no significa caos del mercado”

Cuando Kendall descubrió que los precios de las acciones seguían un “paseo aleatorio”, la gente entró en pánico, pensando que la bolsa era un casino sin racionalidad alguna. La hipótesis débil ofreció una explicación brillante y contraintuitiva:

• Problema: ¿Por qué los cambios de precio son aleatorios?

• Explicación: Precisamente porque el mercado es demasiado inteligente (demasiado eficiente).

• El precio es una reacción a la información.

• Las noticias futuras (positivas/negativas) aparecen de forma aleatoria y son impredecibles.

• Dado que el mercado reacciona muy rápido, la información de ayer ya está reflejada en el precio de ayer; el cambio de precio de hoy depende solo de la nueva información de hoy.

• Conclusión: La aleatoriedad del precio refleja la aleatoriedad de la nueva información, no la irracionalidad del mercado en sí.

3. Explicar que “no hay almuerzo gratis”

Intenta romper la ilusión de los inversores de que pueden obtener rendimientos excesivos mediante la simple diligencia (como mirar fijamente las pantallas de cotizaciones todo el día).

• Problema: ¿Por qué muchos gestores de fondos profesionales no logran superar al índice?

• Explicación: Porque la gran cantidad de esfuerzo que dedican a estudiar las “trayectorias históricas” no contiene información útil para el futuro. En un mercado débilmente eficiente, la subida o bajada del siguiente momento es independiente del momento anterior (como lanzar una moneda: aunque hayan salido 10 caras seguidas, la probabilidad de que la siguiente sea cara sigue siendo del 50%).

---

Resumen

Contexto: Surgió cuando, tras la introducción de la capacidad de cómputo en el análisis financiero, los académicos descubrieron que “simplemente no podían encontrar patrones cíclicos en los precios de las acciones”.

Problema que resuelve: Sentenció teóricamente la “muerte” del análisis técnico puro (en el sentido académico). Dijo al mundo: No intentes encontrar el camino hacia el futuro mirando el espejo retrovisor. Si quieres vencer al mercado, debes buscar algo más allá de la información pública (esto llevó a las hipótesis semifuerte y fuerte posteriores).

Es como desvelar un truco de magia: una vez que sabes cómo se hace el truco (el patrón histórico), la magia (el rendimiento excesivo) ya no es asombrosa y no se puede usar para engañar a la gente.

¡Esa es una pregunta muy aguda y directa al grano!

Si la hipótesis de mercado débilmente eficiente dice que "mirar datos históricos no sirve", ¿por qué gigantes cuantitativos como Renaissance y Citadel suelen ganar tanto dinero?

Esto no es una quiebra total de la hipótesis de mercado eficiente, sino una reacción química fascinante entre la teoría y la realidad. Que los cuantitativos puedan obtener rendimientos excesivos se debe principalmente a las siguientes razones clave:

1. Ya no usan solo "precios pasados" (un salto cualitativo)

La hipótesis de mercado débilmente eficiente dice que "solo con precios y volúmenes históricos" no se puede ganar dinero. Pero las instituciones cuantitativas de hoy han superado hace tiempo ese ámbito:

• Datos alternativos (Alternative Data): Analizan imágenes satelitales (para predecir resultados financieros viendo la cantidad de autos en estacionamientos de Walmart), capturan el sentimiento en redes sociales (viendo de qué hablan los inversores minoristas en Reddit), e incluso rastrean las rutas de jets privados (para anticipar fusiones y adquisiciones).
• Datos de microestructura: Observan órdenes falsas que se colocan y cancelan en milisegundos en el libro de órdenes (Spoofing), un juego de órdenes a nivel microscópico que va mucho más allá de los gráficos de precios tradicionales.

Lo que ganan ya no es el dinero de los patrones de precios mencionados en la "eficiencia débil", sino el dinero de la "brecha de información" y la "brecha de poder computacional".

2. La paradoja de Grossman-Stiglitz

Esta es la respuesta clásica de las finanzas a tu pregunta, propuesta por dos premios Nobel.

• Paradoja: Si el mercado fuera perfectamente eficiente, como no habría patrones que explotar, todos dejarían de investigar (comprarían índices y se rendirían). Pero si todos dejaran de investigar, no habría "dinero inteligente" en el mercado, los precios se desviarían y el mercado se volvería extremadamente ineficiente.
• Realidad: El mercado nunca puede alcanzar una eficiencia perfecta. Debe mantener un cierto grado de ineficiencia.
• Rol de los cuantitativos: Existen algunos "errores de precio" a corto plazo en el mercado. Los fondos cuantitativos gastan cientos de millones en computación para descubrir estos errores. Los rendimientos excesivos que ganan los fondos cuantitativos son el "salario de limpieza" que el mercado les paga. Al eliminar errores, hacen que el mercado sea más eficiente.

3. Patrones no lineales débiles y muy cortos (imperceptibles para los humanos)

La hipótesis de mercado débilmente eficiente puede refutar patrones lineales simples como "si MACD cruza al alza, seguro que sube".

Pero en el espacio matemático complejo no lineal, los patrones aún existen, solo que:

• Extremadamente débiles: La tasa de acierto puede ser solo del 51%.
• Efímeros: Un error de precio puede durar solo 0.1 segundos.
• Extremadamente complejos: "Cuando el S&P 500 cae un 0.5%, el petróleo sube un 1% y el flujo de órdenes de Coca-Cola muestra sesgo de compra, Pepsi tiene un 55% de probabilidad de subir en los próximos 3 minutos."

Este tipo de patrones son indetectables para la gente común (y para los economistas que propusieron la teoría hace medio siglo); solo los algoritmos de deep learning y alta frecuencia pueden capturarlos.

4. Algunos rendimientos excesivos (Alpha) son en realidad riesgo disfrazado (Beta)

Muchas estrategias cuantitativas parecen generar "rendimientos excesivos seguros", pero en realidad están vendiendo seguros invisibles.

• Por ejemplo, ciertas estrategias de market making o arbitraje ganan un poco cada día, pero si ocurre un cisne negro extremo como la quiebra de Lehman en 2008 o el colapso del mercado estadounidense en 2020, pueden quebrar en un solo día.
• Crees que predijeron bien, pero en realidad solo asumieron riesgo de cola (Tail Risk) o riesgo de liquidez que otros no querían asumir, cobrando una prima de riesgo.

Resumen

La hipótesis de mercado eficiente no está equivocada; es solo un "vacío absoluto en física".

El mundo real tiene resistencia y fragmentos. Los fondos cuantitativos pueden ganar dinero porque están equipados con los microscopios más avanzados (poder computacional) y pinzas (algoritmos) para recoger las migajas de ganancias invisibles en los milisegundos o días de diferencia antes de que los precios reflejen toda la información.

¡Tu objeción es extremadamente precisa! Esto muestra que ya no te limitas a la superficie del "rápido entra y sale", sino que ves otra gran montaña de la inversión cuantitativa: cuantitativos de largo plazo (cuantitativo fundamental / factor investing / Smart Beta).

Por ejemplo, los famosos gigantes cuantitativos AQR, DFA, y muchos fondos de mejora de índices en China, tienen horizontes de tenencia no de milisegundos ni días, sino de meses o incluso años.

Ya que no dependen de "la velocidad es la esencia de las artes marciales", ¿de qué dinero ganan en el largo plazo? Esto precisamente introduce otra explicación de las finanzas modernas sobre los "rendimientos excesivos":

1. Ganan "compensación por riesgo" (Risk Premia), no "almuerzo gratis"

Aquí hay un círculo perfecto en la historia financiera: el académico que propuso la "hipótesis de mercado eficiente", Eugene Fama, luego propuso él mismo un modelo cuantitativo — el modelo de tres factores de Fama-French. Este modelo es el abuelo de muchos fondos cuantitativos de largo plazo.

Los cuantitativos de largo plazo creen que el mercado es efectivamente eficiente, pero el riesgo no se limita a la subida y bajada del mercado.

• Factor valor (Value): Los fondos cuantitativos compran acciones baratas/con alto valor en libros. ¿Por qué ganan dinero? Porque estas empresas enfrentan riesgo de quiebra en cualquier momento. Los cuantitativos de largo plazo asumen el riesgo de quiebra por el mercado, obteniendo así una compensación por riesgo a largo plazo.
• Factor tamaño (Size): Compran empresas de pequeña capitalización. Como las pequeñas empresas tienen poca capacidad para resistir riesgos y baja liquidez, los fondos cuantitativos las mantienen a largo plazo, ganando una compensación por "falta de liquidez".

Conclusión: Los rendimientos excesivos de los cuantitativos de largo plazo son, en gran medida, un "salario por trabajo duro" — asumir riesgos específicos que los inversores minoristas o gestores de fondos mutuos no quieren asumir.

2. Ganan explotando "sesgos psicológicos" humanos que no se superan a largo plazo (finanzas conductuales)

Los participantes del mercado son humanos, y las debilidades psicológicas humanas (codicia, miedo, sesgos cognitivos) no han cambiado en siglos. Los cuantitativos de largo plazo, a través de máquinas frías, cosechan sistemáticamente estos errores de precio estructurales causados por emociones humanas:

• A la gente le gusta "comprar lotería": Los inversores minoristas adoran acciones muy volátiles que podrían dispararse (incluso si están perdiendo dinero). Los cuantitativos de largo plazo hacen lo contrario: compran acciones de baja volatilidad estable a largo plazo (factor Low Volatility) y venden en corto esas "acciones de lotería".
• La gente reacciona lentamente a las buenas noticias: Cuando una empresa supera las expectativas de ganancias durante varios trimestres consecutivos, la mayoría no cree que pueda seguir así, por lo que el precio no sube de golpe. Los cuantitativos de largo plazo capturan esta "subida gradual" (momentum fundamental), aprovechando el dividendo a largo plazo.

3. La "ley de los grandes números" en una guerra prolongada (ganar por amplitud)

Los gestores tradicionales de largo plazo (como Buffett) pueden mantener 20 acciones a largo plazo, confiando en una comprensión profunda casi "sobrenatural" de esas empresas.

En cambio, los cuantitativos de largo plazo (como la mejora cuantitativa de índices) hacen:

• Comprar 1000 acciones.
• Según ciertos factores (por ejemplo, ROE más alto, valoración más baja), inclinar (Tilt) ligeramente los pesos.
• Mientras esas 1000 acciones como conjunto puedan superar al mercado en un 2% anual durante los próximos 3 años, eso es un gran éxito.

Esta es la "amplitud (Breadth)" de los cuantitativos. No dependen de predecir la subida o bajada a largo plazo de una sola acción, sino que utilizan una gran cantidad de activos para consolidar pequeñas ventajas estadísticas de acciones individuales a través de la ley de los grandes números.

Resumen: La esencia de los cuantitativos de largo plazo

Si los cuantitativos de alta frecuencia son asesinos que "la velocidad es la esencia", los cuantitativos de largo plazo son más como "agricultura":

No refutan el consenso de que "el mercado es difícil de predecir". No predicen "quién subirá mañana", sino que creen: "Mientras siembre semillas con ciertas características (calidad, infravaloración, alto dividendo) ampliamente en la tierra en primavera, aunque algunas semillas sean comidas por pájaros (cisne negro), aunque algunas se sequen, cuando llegue el otoño, en conjunto cosecharé más grano que la maleza (índice sin filtrar)."

Esta es la lógica subyacente de por qué los cuantitativos de largo plazo pueden sobrevivir y ser rentables en un mercado débilmente eficiente.