Reflexión sobre lo que está pasando en la actualidad
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
15 ideas, marcos y lecciones de 15 años
POR COREY HOFFSTEINON AGOSTO 28, 2023
Hoy, 28 de agosto de 2023, mi empresa Newfound Research cumple 15 años. Se siente un poco absurdo decir eso. Sé que he contado esta historia antes, pero nunca esperé que esta compañÃa se convirtiera en nada. Comencé la compañÃa cuando todavÃa estaba en la licenciatura y la llamé Newfound Research después de un lago que mi familia solÃa visitar en New Hampshire. Esperaba que la compañÃa cerrara dentro de un año y simplemente continuara con una carrera en Wall Street.
Pero aquà estamos, 15 años después. No estoy seguro de por qué, pero este hito se siente más grande que cualquier cumpleaños reciente que pueda recordar. Estoy increÃblemente agradecido por lo que esta compañÃa me ha dado. Estoy agradecido con mi socio comercial, Tom. Estoy agradecido a los empleados, tanto pasados como presentes, que dedicaron parte de sus vidas y carreras a trabajar aquÃ. Estoy agradecido con nuestros clientes que apoyaron este negocio. Estoy agradecido por todos los amigos en la industria que he hecho. Y estoy agradecido a personas como tú que me han dado un poco de plataforma para explorar las ideas que me apasionan.
Al llegar este aniversario, reflexioné bastante sobre mi carrera. Y una de las cosas en las que pensé fueron todas las lecciones que aprendà a lo largo de los años. Y pensé que una forma divertida de celebrar serÃa tomarme el tiempo y escribir algunas de esas ideas y lecciones que han llegado a influir en mi pensamiento.
Entonces, sin más preámbulos, aquà hay 15 lecciones, ideas y marcos de 15 años.
1. El riesgo no puede ser destruido, sólo transformado.
Para la escuela de posgrado, obtuve mi maestrÃa en Finanzas Computacionales en la Universidad Carnegie Mellon. Este programa de ingenierÃa financiera es una colaboración interdisciplinaria entre los departamentos de finanzas, matemáticas, estadÃsticas e informática.
En la práctica, se trataba de un estudio sobre las consideraciones teóricas y prácticas de la fijación de precios de los derivados financieros.
No recuerdo muy bien cuándo me llamó la atención, pero en algún momento reconocà un patrón más amplio en juego en cada tarea. Los instrumentos que estábamos valorando siempre tenÃan que ver con la transferencia de riesgo de alguna manera. Nuestro objetivo era identificar ese riesgo, descubrir cómo aislarlo y extraerlo, empaquetarlo en el tipo de producto apropiado y luego ponerle precio para la venta.
El riesgo estaba impulsando toda la ecuación. La fijación de precios consistÃa en comprender la distribución de los posibles beneficios y tratar de identificar una "compensación justa" por la variedad de riesgos y suposiciones que estábamos haciendo.
Por cada comprador, hay un vendedor y viceversa y, al final del dÃa, los vendedores que no quisieran riesgo tendrÃan que compensar a los compradores para soportarlo.
En última instancia, cuando construye una cartera de activos financieros, o incluso estrategias, está expresando una opinión sobre los riesgos que está dispuesto a asumir.
He llegado a visualizar el riesgo de la cartera como una bola de play-doh. A medida que diversifica su cartera, el play-doh se está manchando sobre el espacio de riesgo. Por ejemplo, si pasa de una cartera de acciones a una cartera de acciones/bonos, podrÃa reducir su exposición a las contracciones económicas pero aumentar su exposición al riesgo de inflación.
El play-doh no desaparece, simplemente se extiende. Y al hacerlo, te vuelves sensible a más riesgos, pero menos sensible a cualquier riesgo en particular.
Añadiré que la idea de la conservación del riesgo no es de ninguna manera exclusiva para mÃ. Por ejemplo, Chris Cole ha dicho, en varias ocasiones, que "la volatilidad nunca se crea ni se destruye, solo se transmuta". En 2008, James Saft escribió en Reuters que "la volatilidad económica, un poco como la energÃa, no puede ser destruida, sólo cambiada de una forma a otra". En 2007, Swasti Kartikaningtyas escribió sobre el papel de las contrapartes centrales en los mercados indonesios, afirmando que "una simple ley de entropÃa para las finanzas es que los riesgos no pueden destruirse, solo cambiarse entre las partes". En su libro de 2006 "Gestión de riesgos precautorios", Mark Jablonowski declaró: "el riesgo no se puede destruir, solo se puede dividir". En 1999, Clarke y Varma, escribiendo sobre la planificación estratégica a largo plazo para las empresas, dijeron: "como la materia, el riesgo no puede ser destruido".
Mi punto aquà es solo que esta idea no es novedosa o única para mà de ninguna manera. Pero eso no lo hace menos importante.
2. "Sin dolor, no hay prima"
La filosofÃa de "sin dolor, sin prima" es solo un recordatorio de que, a largo plazo, nos pagan por asumir el riesgo. Y, eventualmente, es probable que el riesgo se manifieste y cree pérdidas en nuestra cartera. Después de todo, si no hubiera riesgo de pérdidas, ¿por qué esperarÃamos ganar algo por encima de la tasa libre de riesgo?
Las finanzas modernas se basan en gran medida en el principio de que cuanto más riesgo asuma, mayor será su recompensa esperada. Y la mayorÃa de las personas parecen entender inherentemente esta idea cuando compran acciones y bonos.
Pero generalmente podemos esperar que lo mismo sea cierto para muchas estrategias de inversión. PodrÃa decirse que a los inversores de valor, por ejemplo, se les paga para asumir un mayor riesgo de bancarrota en las acciones que compran.
¿Qué pasa con las estrategias que no están necesariamente basadas en el riesgo? ¿Qué pasa con las estrategias que tienen una explicación más conductual, como el impulso?
A nivel meta, necesitamos que la estrategia sea lo suficientemente difÃcil de seguir para evitar que la prima se elimine. Si un enfoque de inversión se ve como dinero fácil, suficientes personas lo adoptarán para que las entradas expulsen el exceso de rendimiento.
Por lo tanto, casi por definición, ciertas estrategias, especialmente las de baja frecuencia, deben ser difÃciles de seguir para que exista una prima. El dolor es, en última instancia, lo que evita que la estrategia se llene y permite que exista la prima.
3. La beta diversificada y barata vale tanto como la alfa costosa e igualmente diversificada.
Pondré esta lección en la categorÃa de "cosas que son obvias pero que podrÃan necesitar ser dichas de todos modos".
Nuestra industria está obsesionada con encontrar alfa. Pero, en su mayor parte, a una cartera en realidad no le importa si algo es realmente alfa o beta.
Si tiene una cartera y puede introducir una nueva fuente de diversificación beta, no solo es probable que sea más barata que cualquier alfa a la que pueda acceder, sino que probablemente pueda atribuir un grado mucho mayor de confianza a su prima de riesgo.
Por ejemplo, si invierte solo en acciones, encontrar una manera de introducir bonos cuidadosamente puede hacer mucho, mucho más por su cartera a largo plazo, con un mayor grado de confianza, que tratar de encontrar una manera de elegir mejores acciones.
Para la mayorÃa de las carteras, la beta impulsará la mayorÃa de los rendimientos a largo plazo. Como tal, será mucho más fructÃfero agotar primero las fuentes de beta antes de buscar nuevas fuentes de alfa.
Por cierto, estoy bastante seguro de que le robé el tÃtulo de esta lección a alguien, pero no puedo encontrar a la persona original que lo dijo. Si eres tú, mis disculpas.
4. La diversificación tiene múltiples formas.
En 2007, Meb Faber publicó su artÃculo A Quantitative Approach to Tactical Asset Allocation donde exploró la aplicación de una media móvil de 10 meses como modelo de tiempo en una variedad de clases de activos.
Es probable que pase a la historia como uno de los documentos más oportunos en finanzas dada la crisis de 2008 que siguió inmediatamente y lo bien que el modelo simple de promedio móvil de 10 meses habrÃa funcionado para proteger su capital a través de ese evento. Es probable que sea el documento que lanzó mil modelos tácticos de asignación de activos.
En 2013, escribà una publicación de blog donde demostré que el rendimiento de este modelo era muy sensible a la elección de la fecha de reequilibrio. Meb habÃa escrito originalmente el documento utilizando un programa de reequilibrio de fin de mes. En teorÃa, no habÃa nada que impidiera que alguien ejecutara el mismo modelo y se reequilibrara el 10º dÃa de negociación de cada mes. En la publicación, mostré el rendimiento de la estrategia cuando se aplica en cada variación posible del dÃa de negociación, desde el 1er hasta el último dÃa de negociación de cada mes. La dispersión a corto plazo entre las estrategias fue asombrosa a pesar de que los rendimientos a largo plazo fueron estadÃsticamente indistinguibles. Y nació mi obsesión con la suerte del tiempo de reequilibrio.
Poco después, mi buen amigo Adam Butler me señaló que la elección de una media móvil de 10 meses era igual de arbitraria. ¿Por qué no 9? ¿Por qué no 11? ¿Por qué no 200 dÃas? ¿Por qué una media móvil simple y no una media móvil exponencial o un simple impulso de series temporales? Al igual que lo que vi con el programa de reequilibrio, los rendimientos a largo plazo fueron estadÃsticamente indistinguibles, pero los rendimientos a corto plazo tuvieron una dispersión significativa.
El tipo de dispersión que puso a los gerentes fuera del negocio.
En última instancia, desarrollé mi opinión de que la diversificación era tridimensional: qué, cómo y cuándo.
¿Cuál es la diversificación tradicional con la que casi todos están familiarizados? Esta es la diversificación entre valores o activos. Es en lo que estás invertido.
Cómo es el proceso por el cual se toman las decisiones de inversión. Esto incluye la diversificación entre diferentes estilos de inversión, como el valor frente al impulso, pero también dentro de un estilo. Por ejemplo, ¿cómo estamos midiendo el valor? ¿O qué modelo de tendencia y velocidad estamos usando?
¿Cuándo es el programa de reequilibrio?
Asà como la teorÃa tradicional de carteras nos dice que debemos diversificar en qué invertimos porque no se nos compensa por asumir un riesgo idiosincrásico, creo que lo mismo es cierto en los ejes de cómo y cuándo.
Nuestro objetivo debe ser diversificar todas las apuestas no compensadas con prejuicios extremos.
5. Los lÃmites filosóficos de la diversificación: si diversificas todo el riesgo, no debes esperar ninguna recompensa.
Una de las preguntas de diligencia debida más comunes es: "¿cuándo no funciona esta estrategia?" Es una pregunta importante que debe hacerse para asegurarse de comprender la naturaleza de cualquier estrategia.
Pero el hecho de que una estrategia no funcione en ciertos entornos no es una crÃtica. DeberÃa esperarse. Si una estrategia funcionara todo el tiempo, todos lo harÃan y dejarÃa de funcionar.
Del mismo modo, si está construyendo una cartera, debe asumir algún riesgo. Si ese riesgo es algún riesgo económico o riesgo de proceso o riesgo de dependencia de camino, no importa, deberÃa estar allÃ, al acecho en el fondo.
Si desea una cartera que no tenga absolutamente ningún riesgo de escenario, básicamente está pidiendo un verdadero arbitraje o una forma costosa de replicar la tasa libre de riesgo.
En otras palabras, si diversifica todo el riesgo en su cartera (nuevamente, piense en esto como manchar la bola del play-doh muy, muy, muy delgada en un plano muy grande de escenarios de riesgo), el rendimiento deberÃa converger a la tasa libre de riesgo.
Si no es asÃ, tendrÃa un arbitraje: simplemente pida prestado a la tasa libre de riesgo y compre su cartera diversificada y sin riesgo.
Pero los arbitrajes no son fáciles. Especialmente para estrategias de baja frecuencia y combinaciones de clases de activos de baja Sharpe. No existe una combinación mágica de activos y estrategias que elimine el riesgo a la baja en todos los estados futuros del mundo.
Un corolario de este punto es lo que yo llamo la ley frustrante de la gestión activa. La idea básica es que si se percibe que una idea de inversión tiene alfa y es "fácil", los inversores la asignarán y erosionarán la prima asociada. Eso es solo eficiencia básica del mercado.
Entonces, ¿cómo puede una estrategia ser "difÃcil"? Bueno, un gerente puede tener una ventaja informativa o analÃtica sustancial. O un gerente podrÃa tener un foso estructural, accediendo a operaciones que otros no tienen la oportunidad de seguir.
Pero para la mayorÃa de los bordes principales de baja frecuencia, "duro" va a ser conductual. La estrategia tiene que ser lo suficientemente dura como para aferrarse a que no se arbitre.
Lo que significa que para que cualquier enfoque de inversión disciplinado supere el rendimiento a largo plazo, debe experimentar perÃodos de bajo rendimiento a corto plazo.
Pero también podemos invertir la afirmación y decir que para que cualquier enfoque de inversión disciplinado tenga un rendimiento inferior a largo plazo, debe experimentar perÃodos de rendimiento superior a corto plazo.
Para los gestores activos, la frustración no es solo que su enfoque de inversión tiene que tener un rendimiento inferior de vez en cuando, sino que las malas estrategias tendrán que tener un rendimiento superior. Esto último puede parecer confuso, pero considere que una estrategia deliberadamente mala podrÃa simplemente invertirse, o negociarse en corto, para crear una estrategia deliberadamente buena.
6. Por lo general, son las apuestas involuntarias las que te hacen explotar.
Una vez leà un cómic -creo que era Farside, pero no he podido encontrarlo- que bromeaba diciendo que el fin del mundo llegarÃa justo después de que un grupo de cientÃficos en un laboratorio dijera: "¡Genial, funcionó!"
Rara vez son las cosas que pretendemos hacer las que nos hacen explotar. Más bien, son las apuestas no intencionadas las que se cuelan en nuestra cartera, esas cosas de las que no somos conscientes hasta que es demasiado tarde.
Como ejemplo, a mediados de la década de 2010, se hizo común decir cuán baratas eran las acciones europeas frente a las acciones estadounidenses. Sin embargo, los inversores que se lanzaron de cabeza a la renta variable europea fueron castigados.
Simplemente cambiar acciones estadounidenses por acciones extranjeras introduce una apuesta de divisas significativa. Europa puede haber sido injustificadamente barata, pero dado que las reversiones de valoración suelen desarrollarse a lo largo de los años, cualquier análisis de este comercio deberÃa haber incluido el costo de cubrir la exposición a la moneda o, al menos, una opinión de por qué estar implÃcitamente corto en el dólar era una apuesta que valÃa la pena hacer.
Pero se podrÃa argumentar que el análisis en sà mismo era simplemente erróneo. Lawrence Hamtil escribió sobre este tema muchas veces, señalando que tanto el análisis entre paÃses como el de series temporales de los ratios de valoración pueden estar significativamente sesgados por las diferencias sectoriales. Por ejemplo, los Ãndices de renta variable de EE.UU. tienden a tener más exposición a la tecnologÃa, mientras que los Ãndices europeos tienen más exposición a los productos básicos de consumo. Cuando se normalizó por diferencias sectoriales, la brecha de valoración se redujo significativamente.
Las personas que tomaron el comercio de Europa versus Estados Unidos tenÃan la intención de hacer una apuesta de valoración. A menos que tuvieran cuidado, también estaban tomando una apuesta de discrepancia de moneda y sector. Rara vez son las apuestas previstas las que te hacen explotar.
7. Son carteras largas/cortas hasta el final.
No recuerdo cuándo me vino este, pero es uno de mis modelos mentales favoritos. La frase es un juego de palabras con la expresión "Turtles all the way down".
Cada cartera, y cada decisión de cartera, se puede descomponer en algo largo y algo corto otra cosa.
Suena trivial, pero es increÃblemente poderoso. Estos son algunos ejemplos:
1. Está evaluando un nuevo fondo activo y de larga duración. Para aislar lo que está haciendo el gestor, puede tomar las tenencias del fondo y restar las tenencias de su Ãndice de referencia. El resultado es una cartera long/short neutral en dólares que refleja las apuestas activas del gestor: es larga las cosas que están sobreponderadas y corta las cosas que están infraponderadas. Esto puede ayudarlo a determinar qué tipos de apuestas están haciendo, qué tan grandes son las apuestas y si las apuestas son incluso grandes y si tienen la oportunidad de cubrir su tarifa.
2. Si está contemplando vender una exposición para comprar otra en su cartera, la operación es equivalente a mantener su cartera existente y superponer una operación larga / corta: larga lo que comprarÃa y corto lo que venderÃa. Esto le permite ver las propiedades de la operación como un todo (tanto lo que está agregando como lo que está restando).
3. Si desea comprender cómo los diferentes pasos del proceso de construcción de su cartera contribuyen al riesgo o al rendimiento, puede tratar los cambios, paso a paso, como carteras largas / cortas. Por ejemplo, para una cartera que tiene el mismo peso de 50 acciones del S&P 500, puede comparar: (1) S&P 500 de igual peso menos S&P 500, y luego (2) 50 acciones de igual peso menos S&P 500 de igual peso. Aislar cada paso de la construcción de su cartera como largo/corto le permite comprender las propiedades de retorno creadas por ese paso.
En todos estos casos, la evaluación de la cartera a través de la lente del marco largo/corto proporciona una visión significativa.
8. Cuanto más diversificada esté una cartera, mayor será la tasa de obstáculos para el momento del mercado.
La sincronización del mercado es probablemente el canto de sirena más atractivo de las finanzas. Suena tan simple. Ya sea que se trate de beta de mercado o alguna estrategia de inversión, todos queremos decir: "simplemente no hagas la cosa cuando no es un buen momento para hacerlo".
Después de que todos los factores de equidad se popularizaron en la década de 2010, el factor timing se puso de moda. Leà una serie de artÃculos que sugerÃan que se podÃan comprar ciertos factores en ciertas partes del ciclo económico. Hubo un documento que utilizó una gran cantidad de indicadores económicos fáciles de rastrear para definir contemporáneamente dónde se encontraba en el ciclo, y luego rotó entre factores dependiendo del régimen.
Y la actuación fue simplemente ridÃcula.
Entonces, para probar la idea, decidà ejecutar los contrafactuales. ¿Qué pasarÃa si mantuviera las mismas definiciones de régimen económico, pero aleatorizara totalmente la canasta de factores que compré en cada parte del ciclo? Con solo un puñado de factores, cuatro regÃmenes y comprando una canasta de tres factores por régimen, podrÃa abrirse paso a través de todas las combinaciones potenciales y crear una distribución de sus resultados de retorno.
No es de extrañar, el resultado del papel estaba justo en los percentiles superiores. ¿Sabes qué más era? Solo una cartera ingenua e igualmente ponderada de los factores. Y ahà es cuando tienes que preguntarte: "¿Cuál es mi confianza en esta metodologÃa?"
Porque la evidencia sugiere que es muy, muy difÃcil vencer la diversificación ingenua.
Hay algunas maneras de tener una idea de esto, pero una de mis favoritas es simplemente mirar explÃcitamente hacia el futuro y preguntar: "¿qué tan preciso tendrÃa que ser para vencer a una cartera bien diversificada?" Esta no es una simulación difÃcil de ejecutar, y para niveles razonables de diversificación, los números de precisión aumentan con bastante rapidez.
En última instancia, el tiempo es un ejercicio de muy baja amplitud. Para citar a Michele Aghassi de AQR, "estás comparando ahora con lo habitual". Y estar equivocado compuestos para siempre.
En casi todos los casos, es mucho más fácil encontrar algo que pueda diversificar sus rendimientos que aumentar su precisión en la previsión de rendimientos.
Como corolario de esta lección, agregaré que cuanto más predecible sea una cosa, menos podrá beneficiarse de ella.
Por ejemplo, digamos que tengo un sistema que me permite pronosticar el régimen económico en el que estamos y tengo un modelo para qué activos deberÃan funcionar bien en ese régimen económico.
Si puedo pronosticar el régimen económico con certeza, y si el mercado es razonablemente eficiente, probablemente no deberÃa poder saber qué activos funcionarán bien en qué régimen. Por el contrario, si sé con perfecta certeza qué activos funcionarán bien en qué régimen, entonces probablemente no deberÃa poder pronosticar los regÃmenes con mucha precisión.
If markets are even reasonably efficient, the more easily predictable the thing, the less I should be able to profit from it.
9. Certain signals are only valuable at extremes.
I was sent a chart recently with a plot of valuations for U.S. large-cap, mid-cap, and small-cap stocks. The valuations were represented as an average composite of price-to-earnings, price-to-book, and price-to-sales z-scores. The average z-score of large-caps sat at +1 while the average z-score for both mid- and small-caps sat at -1.
The implication of the chart was that a rotation to small- and mid-caps might be prudent based upon these relative valuations.
Lesson #6 about unintended bets immediately comes to mind.
For example, are historical measures even relevant today? Before 2008 large-cap equities had a healthy share of financials and energy. Today, the index is dominated by tech and communication services. And we went through an entire decade with a zero interest rate policy regime. How do rates at 5% plus today impact the refinancing opportunities in small-caps versus large-caps? What about the industry differences between large-caps and small-caps? Or the profit margins? Or exposure to foreign revenue sources? How are negative earners being treated in this analysis? Is price-to-sales even a useful metric when sales are generated across the entire enterprise?
You might be able to sharpen your analysis and adjust your numbers to account for many of these points. But there may be many others you simply don’t think of. And that’s the noise.
Just about every signal has noise.
The question is, “how much noise?†The more noise we believe a signal to have, the stronger we need the signal to be to believe it has any efficacy. While we may be comfortable trading precisely measured signals at a single standard deviation, we may only have confidence in coarsely measured signals at much higher significance.
10. Under strong uncertainty, “halvsies†can be an optimal decision.
During the factor wars of the mid-2010s, a war raged between firms as to what the best portfolio construction approach was: mixed or integrated.
The mixed approach said that each factor should be constructed in isolation and held in its own sleeve.
The integrated approach said that stocks should be scored on all the factors simultaneously, and the stocks with the best aggregate scores should be selected.
There were powerhouses on both sides of the argument. Goldman Sachs supported mixed while AQR supported integrated.
I spent months agonizing over the right way to do things. I read papers. I did empirical analysis. I even took pen to paper to derive the expected factor efficiency in each approach.
At the end of the day, I could not convince myself one way or another. So, what did I do? Halvsies.
Half the portfolio was managed in a mixed manner and half was managed in an integrated manner.
Really, this is just diversification for decision making. Whenever I’ve had a choice with a large degree of uncertainty, I’ve often found myself falling back on “halvsies.†

When I’ve debated whether to use one option structure versus another, with no clear winner, I’ve done halvsies.
When I’ve debated two distinctly different methods of modeling something, with neither approach being the clear winner, I’ve done halvsies.
Halvsies provides at least one step in the gradient of decision making and implicitly creates diversification to help hedge against uncertainty.
11. Always ask: “What’s the trade?â€
In July 2019, Greek 10-Year Bonds were trading with a yield that was nearly identical to US 10-Year Bonds.
By December, the yield on Greek 10-year bonds was 40 basis points under US 10-year bonds. How could that make any sense? How could a country like Greece make U.S. debt look like it was high yield?
When something seems absurd, ask this simple question: what’s the trade? If it’s so absurd, how do we profit from it?
In this case, we might consider going long the U.S. 10-year and short the Greek 10-year in a convergence trade. But we quickly realize an important factor: you don’t actually get paid in percentage points, you get paid in currency. And that’s where the trade suddenly goes awry. In this case, you’d receive dollars and owe euros. And if you tried to explicitly hedge that trade away up front via a cross-currency basis swap, any yield difference largely melted away.
A more relevant financial figure would perhaps have been the spread between 10-year Greek and German bonds, which traded between 150-275bps in the 2nd half of 2019. Not wholly unreasonable anymore.
When financial pundits talk about things in the market being absurd, ask “what’s the trade?†Working through how to actual profit from the absurdity often shines a light on why the analysis is wrong.
12. The trade-off between Type I and Type II errors is asymmetric
Academic finance is obsessed with Type I errors. The literature is littered with strategies exhibiting alphas significant at a 5% level. The literature wants to avoid reporting false positives.
In practice, however, there is an asymmetry that has to be considered.
What is the cost of a false positive? Unless the strategy is adversely selected, the performance of trading a false positive should just be noise minus trading costs. (And the opportunity cost of capital.)
What is the cost of a false negative? We miss alpha.
Now consider how a focus on Type I errors can bias the strategies you select. Are they more likely to be data-mined? Are they more likely to be crowded? Are they less likely to incorporate novel market features without meaningful history?
Once we acknowledge this asymmetry, it may actually be prudent to reduce the statistical requirements on the strategies we deploy.
13. Behavioral Time is decades longer than Statistical Time
I recently stole this one from Cliff Asness. This point has less to do with any practical portfolio construction thoughts or useful mental models. It’s just simply acknowledging that managing money in real life is very, very, very different than managing money in a research environment.
It is easy, in a backtest, to look at the multi-year drawdown of a low-Sharpe strategy and say, “I could live through that.†When it’s a multi-decade simulation, a few years looks like a small blip – just a statistical eventuality on the path. You live that multi-year drawdown in just a few seconds in your head as your eye wanders the equity curve from the bottom left to the upper right.
In the real world, however, a multi-year drawdown feels like a multi-decade drawdown. Saying, “this performance is within standard confidence bands for a strategy given our expected Sharpe ratio and we cannot find any evidence that our process is broken,†is little comfort to those who have allocated to you. Clients will ask you for attribution. Clients will ask you whether you’ve considered X explanation or Y. Sales will come screeching to a halt. Clients will redeem.
For anyone considering a career in managing money, it is important to get comfortable living in behavioral time.
14. Jensen’s Inequality
Jensen’s inequality basically says, “a function applied to a mean does not necessarily equal the mean applied after the function.â€
What does that mean and how is it useful? Consider this example.
You’re building a simple momentum portfolio. You start with the S&P 500 and rank them by their momentum score, selecting the top 100 and then equally weighting them.
But you remember Lesson #4 and decide to use multiple momentum signals to diversify your how risk.
Here’s the question: do you average all the momentum scores together and then pick the top 100 or do you use each momentum score to create a portfolio and then average those portfolios together.
Jensen’s inequality tells us these approaches will lead to different results. This is basically the mixed versus integrated debates from Lesson #10. And the more convex the function is, the more different the results will likely be. Imagine if instead of picking the top 100 we pick the top 20 or just the top 5. It’s easy to imagine how different those portfolios could become with different momentum signals.
Here’s another trivial example. You have 10 buy/sell signals. Your function is to be long an asset if the signals are positive and short if the signals are negative.
If you average your signals first, your position is binary: always on or off. But if you apply your function to each signal, and then average the results, you end up with a gradient of weights, the distribution of which will be a function of how correlated your signals are with one another.
You can see how Jensen’s inequality plays a huge role in portfolio construction. Why? Because non-linearities show up everywhere. Portfolio optimization? Non-linear. Maximum or minimum position sizes? Non-linear. Rank-based cut-offs? Non-linear.
And the more non-linear the function, the greater the wedge. But this also helps us understand how certain portfolio construction constraints can help us reduce the size of this wedge.
Ultimately, Jensen’s tells us that averaging things together in the name of diversification before or after convex steps in your process will lead to dramatically different portfolio results.
15. A backtest is just a single draw of a stochastic process.
As the saying goes, nobody has ever seen a bad backtest.
And our industry, as a whole, has every right to be skeptical about backtests. Just about every seasoned quant can tell you a story about naively running backtests in their youth, overfitting and overoptimizing in desperate search of the holy grail strategy.
Less sophisticated actors may even take these backtests and launch products based on them, marketing the backtests to prospective investors.
And most investors would be right to ignore them outright. I might even be in favor of regulation that prevents them from being shown in the first place.
But that doesn’t mean backtests are ultimately futile. But we should acknowledge that when we run a single backtest, it’s just a single draw of a larger stochastic process. Historical prices and data are, after all, just a record of what happened, but not a full picture of what could have happened.
Our job, as researchers, is to use backtesting to try to learn about what the underlying stochastic process looks like.
For example, what happens if we change the parameters of our process? What happens if we change our entry or exit timing? Or change our slippage and impact assumptions?
One of my favorite techniques is to change the investable universe, randomly removing chunks of the universe to see how sensitive the process is. Similarly, randomly removing periods of time from the backtest to test regime sensitivities.
Injecting this randomness into the backtest process can tell us how much of an outlier our singular backtest really is.
Another fantastic technique is to purposefully introduce lookahead bias into your process. By explicitly using a crystal ball, we can find the theoretical upper limits of achievable results and develop confidence bands for what our results should look like with more reasonable accuracy assumptions.
Backtesting done poorly is worse than not backtesting. You’d be better off with pen and paper just trying to reason about your process. But backtesting done well, in my opinion, can teach you quite a bit about the nature of your process, which is ultimately what we want to learn about.
16. The Market is Usually Right
Did I say 15 ideas and lessons? Here’s a bonus lesson that’s taken me far longer to learn than I’d care to admit.
The market is, for the most part, usually right. It took me applying Lesson #11 – “What’s the Trade†– over and over to realize that most things that seem absurd probably aren’t.
That isn’t to say there aren’t exceptions. If we see $20 on the ground, we might as well pick it up. The 2021 cash & carry trade in crypto comes to mind immediately. With limited institutional capacity and a nearly insatiable appetite for leverage from retail investors, the implied financing rates in perps and futures hit 20%+ for highly liquid tokens such as Bitcoin and Ethereum. I suspect that’s as close to free money as I’ll ever get.
But that’s usually the exception.
Esta lección final es sobre un cambio mental para mÃ. En lugar de ver algo e inmediatamente decir: "el mercado está mal", comienzo con la suposición de que el mercado está bien y yo soy el que se está perdiendo algo. Esto me obliga a desarrollar una lista de posibles razones por las que podrÃa estar pasando por alto o pasar por alto y agotar esas explicaciones antes de poder construir mi confianza en que el mercado está, de hecho, equivocado.
Conclusión
Si has llegado hasta aquÃ, gracias. Aprecio la generosidad de su tiempo. Espero que algunas de estas ideas o lecciones hayan resonado con ustedes y espero que hayan disfrutado leyendo tanto como yo disfruté reflexionando sobre estos conceptos y armando esta lista. Será divertido para mà mirar hacia atrás en otros 15 y ver cuántos de estos resistieron la prueba del tiempo.
Hasta entonces, feliz inversión.
5 PINGBACKS
POR COREY HOFFSTEINON AGOSTO 28, 2023
Hoy, 28 de agosto de 2023, mi empresa Newfound Research cumple 15 años. Se siente un poco absurdo decir eso. Sé que he contado esta historia antes, pero nunca esperé que esta compañÃa se convirtiera en nada. Comencé la compañÃa cuando todavÃa estaba en la licenciatura y la llamé Newfound Research después de un lago que mi familia solÃa visitar en New Hampshire. Esperaba que la compañÃa cerrara dentro de un año y simplemente continuara con una carrera en Wall Street.
Pero aquà estamos, 15 años después. No estoy seguro de por qué, pero este hito se siente más grande que cualquier cumpleaños reciente que pueda recordar. Estoy increÃblemente agradecido por lo que esta compañÃa me ha dado. Estoy agradecido con mi socio comercial, Tom. Estoy agradecido a los empleados, tanto pasados como presentes, que dedicaron parte de sus vidas y carreras a trabajar aquÃ. Estoy agradecido con nuestros clientes que apoyaron este negocio. Estoy agradecido por todos los amigos en la industria que he hecho. Y estoy agradecido a personas como tú que me han dado un poco de plataforma para explorar las ideas que me apasionan.
Al llegar este aniversario, reflexioné bastante sobre mi carrera. Y una de las cosas en las que pensé fueron todas las lecciones que aprendà a lo largo de los años. Y pensé que una forma divertida de celebrar serÃa tomarme el tiempo y escribir algunas de esas ideas y lecciones que han llegado a influir en mi pensamiento.
Entonces, sin más preámbulos, aquà hay 15 lecciones, ideas y marcos de 15 años.
1. El riesgo no puede ser destruido, sólo transformado.
Para la escuela de posgrado, obtuve mi maestrÃa en Finanzas Computacionales en la Universidad Carnegie Mellon. Este programa de ingenierÃa financiera es una colaboración interdisciplinaria entre los departamentos de finanzas, matemáticas, estadÃsticas e informática.
En la práctica, se trataba de un estudio sobre las consideraciones teóricas y prácticas de la fijación de precios de los derivados financieros.
No recuerdo muy bien cuándo me llamó la atención, pero en algún momento reconocà un patrón más amplio en juego en cada tarea. Los instrumentos que estábamos valorando siempre tenÃan que ver con la transferencia de riesgo de alguna manera. Nuestro objetivo era identificar ese riesgo, descubrir cómo aislarlo y extraerlo, empaquetarlo en el tipo de producto apropiado y luego ponerle precio para la venta.
El riesgo estaba impulsando toda la ecuación. La fijación de precios consistÃa en comprender la distribución de los posibles beneficios y tratar de identificar una "compensación justa" por la variedad de riesgos y suposiciones que estábamos haciendo.
Por cada comprador, hay un vendedor y viceversa y, al final del dÃa, los vendedores que no quisieran riesgo tendrÃan que compensar a los compradores para soportarlo.
En última instancia, cuando construye una cartera de activos financieros, o incluso estrategias, está expresando una opinión sobre los riesgos que está dispuesto a asumir.
He llegado a visualizar el riesgo de la cartera como una bola de play-doh. A medida que diversifica su cartera, el play-doh se está manchando sobre el espacio de riesgo. Por ejemplo, si pasa de una cartera de acciones a una cartera de acciones/bonos, podrÃa reducir su exposición a las contracciones económicas pero aumentar su exposición al riesgo de inflación.
El play-doh no desaparece, simplemente se extiende. Y al hacerlo, te vuelves sensible a más riesgos, pero menos sensible a cualquier riesgo en particular.
Añadiré que la idea de la conservación del riesgo no es de ninguna manera exclusiva para mÃ. Por ejemplo, Chris Cole ha dicho, en varias ocasiones, que "la volatilidad nunca se crea ni se destruye, solo se transmuta". En 2008, James Saft escribió en Reuters que "la volatilidad económica, un poco como la energÃa, no puede ser destruida, sólo cambiada de una forma a otra". En 2007, Swasti Kartikaningtyas escribió sobre el papel de las contrapartes centrales en los mercados indonesios, afirmando que "una simple ley de entropÃa para las finanzas es que los riesgos no pueden destruirse, solo cambiarse entre las partes". En su libro de 2006 "Gestión de riesgos precautorios", Mark Jablonowski declaró: "el riesgo no se puede destruir, solo se puede dividir". En 1999, Clarke y Varma, escribiendo sobre la planificación estratégica a largo plazo para las empresas, dijeron: "como la materia, el riesgo no puede ser destruido".
Mi punto aquà es solo que esta idea no es novedosa o única para mà de ninguna manera. Pero eso no lo hace menos importante.
2. "Sin dolor, no hay prima"
La filosofÃa de "sin dolor, sin prima" es solo un recordatorio de que, a largo plazo, nos pagan por asumir el riesgo. Y, eventualmente, es probable que el riesgo se manifieste y cree pérdidas en nuestra cartera. Después de todo, si no hubiera riesgo de pérdidas, ¿por qué esperarÃamos ganar algo por encima de la tasa libre de riesgo?
Las finanzas modernas se basan en gran medida en el principio de que cuanto más riesgo asuma, mayor será su recompensa esperada. Y la mayorÃa de las personas parecen entender inherentemente esta idea cuando compran acciones y bonos.
Pero generalmente podemos esperar que lo mismo sea cierto para muchas estrategias de inversión. PodrÃa decirse que a los inversores de valor, por ejemplo, se les paga para asumir un mayor riesgo de bancarrota en las acciones que compran.
¿Qué pasa con las estrategias que no están necesariamente basadas en el riesgo? ¿Qué pasa con las estrategias que tienen una explicación más conductual, como el impulso?
A nivel meta, necesitamos que la estrategia sea lo suficientemente difÃcil de seguir para evitar que la prima se elimine. Si un enfoque de inversión se ve como dinero fácil, suficientes personas lo adoptarán para que las entradas expulsen el exceso de rendimiento.
Por lo tanto, casi por definición, ciertas estrategias, especialmente las de baja frecuencia, deben ser difÃciles de seguir para que exista una prima. El dolor es, en última instancia, lo que evita que la estrategia se llene y permite que exista la prima.
3. La beta diversificada y barata vale tanto como la alfa costosa e igualmente diversificada.
Pondré esta lección en la categorÃa de "cosas que son obvias pero que podrÃan necesitar ser dichas de todos modos".
Nuestra industria está obsesionada con encontrar alfa. Pero, en su mayor parte, a una cartera en realidad no le importa si algo es realmente alfa o beta.
Si tiene una cartera y puede introducir una nueva fuente de diversificación beta, no solo es probable que sea más barata que cualquier alfa a la que pueda acceder, sino que probablemente pueda atribuir un grado mucho mayor de confianza a su prima de riesgo.
Por ejemplo, si invierte solo en acciones, encontrar una manera de introducir bonos cuidadosamente puede hacer mucho, mucho más por su cartera a largo plazo, con un mayor grado de confianza, que tratar de encontrar una manera de elegir mejores acciones.
Para la mayorÃa de las carteras, la beta impulsará la mayorÃa de los rendimientos a largo plazo. Como tal, será mucho más fructÃfero agotar primero las fuentes de beta antes de buscar nuevas fuentes de alfa.
Por cierto, estoy bastante seguro de que le robé el tÃtulo de esta lección a alguien, pero no puedo encontrar a la persona original que lo dijo. Si eres tú, mis disculpas.
4. La diversificación tiene múltiples formas.
En 2007, Meb Faber publicó su artÃculo A Quantitative Approach to Tactical Asset Allocation donde exploró la aplicación de una media móvil de 10 meses como modelo de tiempo en una variedad de clases de activos.
Es probable que pase a la historia como uno de los documentos más oportunos en finanzas dada la crisis de 2008 que siguió inmediatamente y lo bien que el modelo simple de promedio móvil de 10 meses habrÃa funcionado para proteger su capital a través de ese evento. Es probable que sea el documento que lanzó mil modelos tácticos de asignación de activos.
En 2013, escribà una publicación de blog donde demostré que el rendimiento de este modelo era muy sensible a la elección de la fecha de reequilibrio. Meb habÃa escrito originalmente el documento utilizando un programa de reequilibrio de fin de mes. En teorÃa, no habÃa nada que impidiera que alguien ejecutara el mismo modelo y se reequilibrara el 10º dÃa de negociación de cada mes. En la publicación, mostré el rendimiento de la estrategia cuando se aplica en cada variación posible del dÃa de negociación, desde el 1er hasta el último dÃa de negociación de cada mes. La dispersión a corto plazo entre las estrategias fue asombrosa a pesar de que los rendimientos a largo plazo fueron estadÃsticamente indistinguibles. Y nació mi obsesión con la suerte del tiempo de reequilibrio.
Poco después, mi buen amigo Adam Butler me señaló que la elección de una media móvil de 10 meses era igual de arbitraria. ¿Por qué no 9? ¿Por qué no 11? ¿Por qué no 200 dÃas? ¿Por qué una media móvil simple y no una media móvil exponencial o un simple impulso de series temporales? Al igual que lo que vi con el programa de reequilibrio, los rendimientos a largo plazo fueron estadÃsticamente indistinguibles, pero los rendimientos a corto plazo tuvieron una dispersión significativa.
El tipo de dispersión que puso a los gerentes fuera del negocio.
En última instancia, desarrollé mi opinión de que la diversificación era tridimensional: qué, cómo y cuándo.
¿Cuál es la diversificación tradicional con la que casi todos están familiarizados? Esta es la diversificación entre valores o activos. Es en lo que estás invertido.
Cómo es el proceso por el cual se toman las decisiones de inversión. Esto incluye la diversificación entre diferentes estilos de inversión, como el valor frente al impulso, pero también dentro de un estilo. Por ejemplo, ¿cómo estamos midiendo el valor? ¿O qué modelo de tendencia y velocidad estamos usando?
¿Cuándo es el programa de reequilibrio?
Asà como la teorÃa tradicional de carteras nos dice que debemos diversificar en qué invertimos porque no se nos compensa por asumir un riesgo idiosincrásico, creo que lo mismo es cierto en los ejes de cómo y cuándo.
Nuestro objetivo debe ser diversificar todas las apuestas no compensadas con prejuicios extremos.
5. Los lÃmites filosóficos de la diversificación: si diversificas todo el riesgo, no debes esperar ninguna recompensa.
Una de las preguntas de diligencia debida más comunes es: "¿cuándo no funciona esta estrategia?" Es una pregunta importante que debe hacerse para asegurarse de comprender la naturaleza de cualquier estrategia.
Pero el hecho de que una estrategia no funcione en ciertos entornos no es una crÃtica. DeberÃa esperarse. Si una estrategia funcionara todo el tiempo, todos lo harÃan y dejarÃa de funcionar.
Del mismo modo, si está construyendo una cartera, debe asumir algún riesgo. Si ese riesgo es algún riesgo económico o riesgo de proceso o riesgo de dependencia de camino, no importa, deberÃa estar allÃ, al acecho en el fondo.
Si desea una cartera que no tenga absolutamente ningún riesgo de escenario, básicamente está pidiendo un verdadero arbitraje o una forma costosa de replicar la tasa libre de riesgo.
En otras palabras, si diversifica todo el riesgo en su cartera (nuevamente, piense en esto como manchar la bola del play-doh muy, muy, muy delgada en un plano muy grande de escenarios de riesgo), el rendimiento deberÃa converger a la tasa libre de riesgo.
Si no es asÃ, tendrÃa un arbitraje: simplemente pida prestado a la tasa libre de riesgo y compre su cartera diversificada y sin riesgo.
Pero los arbitrajes no son fáciles. Especialmente para estrategias de baja frecuencia y combinaciones de clases de activos de baja Sharpe. No existe una combinación mágica de activos y estrategias que elimine el riesgo a la baja en todos los estados futuros del mundo.
Un corolario de este punto es lo que yo llamo la ley frustrante de la gestión activa. La idea básica es que si se percibe que una idea de inversión tiene alfa y es "fácil", los inversores la asignarán y erosionarán la prima asociada. Eso es solo eficiencia básica del mercado.
Entonces, ¿cómo puede una estrategia ser "difÃcil"? Bueno, un gerente puede tener una ventaja informativa o analÃtica sustancial. O un gerente podrÃa tener un foso estructural, accediendo a operaciones que otros no tienen la oportunidad de seguir.
Pero para la mayorÃa de los bordes principales de baja frecuencia, "duro" va a ser conductual. La estrategia tiene que ser lo suficientemente dura como para aferrarse a que no se arbitre.
Lo que significa que para que cualquier enfoque de inversión disciplinado supere el rendimiento a largo plazo, debe experimentar perÃodos de bajo rendimiento a corto plazo.
Pero también podemos invertir la afirmación y decir que para que cualquier enfoque de inversión disciplinado tenga un rendimiento inferior a largo plazo, debe experimentar perÃodos de rendimiento superior a corto plazo.
Para los gestores activos, la frustración no es solo que su enfoque de inversión tiene que tener un rendimiento inferior de vez en cuando, sino que las malas estrategias tendrán que tener un rendimiento superior. Esto último puede parecer confuso, pero considere que una estrategia deliberadamente mala podrÃa simplemente invertirse, o negociarse en corto, para crear una estrategia deliberadamente buena.
6. Por lo general, son las apuestas involuntarias las que te hacen explotar.
Una vez leà un cómic -creo que era Farside, pero no he podido encontrarlo- que bromeaba diciendo que el fin del mundo llegarÃa justo después de que un grupo de cientÃficos en un laboratorio dijera: "¡Genial, funcionó!"
Rara vez son las cosas que pretendemos hacer las que nos hacen explotar. Más bien, son las apuestas no intencionadas las que se cuelan en nuestra cartera, esas cosas de las que no somos conscientes hasta que es demasiado tarde.
Como ejemplo, a mediados de la década de 2010, se hizo común decir cuán baratas eran las acciones europeas frente a las acciones estadounidenses. Sin embargo, los inversores que se lanzaron de cabeza a la renta variable europea fueron castigados.
Simplemente cambiar acciones estadounidenses por acciones extranjeras introduce una apuesta de divisas significativa. Europa puede haber sido injustificadamente barata, pero dado que las reversiones de valoración suelen desarrollarse a lo largo de los años, cualquier análisis de este comercio deberÃa haber incluido el costo de cubrir la exposición a la moneda o, al menos, una opinión de por qué estar implÃcitamente corto en el dólar era una apuesta que valÃa la pena hacer.
Pero se podrÃa argumentar que el análisis en sà mismo era simplemente erróneo. Lawrence Hamtil escribió sobre este tema muchas veces, señalando que tanto el análisis entre paÃses como el de series temporales de los ratios de valoración pueden estar significativamente sesgados por las diferencias sectoriales. Por ejemplo, los Ãndices de renta variable de EE.UU. tienden a tener más exposición a la tecnologÃa, mientras que los Ãndices europeos tienen más exposición a los productos básicos de consumo. Cuando se normalizó por diferencias sectoriales, la brecha de valoración se redujo significativamente.
Las personas que tomaron el comercio de Europa versus Estados Unidos tenÃan la intención de hacer una apuesta de valoración. A menos que tuvieran cuidado, también estaban tomando una apuesta de discrepancia de moneda y sector. Rara vez son las apuestas previstas las que te hacen explotar.
7. Son carteras largas/cortas hasta el final.
No recuerdo cuándo me vino este, pero es uno de mis modelos mentales favoritos. La frase es un juego de palabras con la expresión "Turtles all the way down".
Cada cartera, y cada decisión de cartera, se puede descomponer en algo largo y algo corto otra cosa.
Suena trivial, pero es increÃblemente poderoso. Estos son algunos ejemplos:
1. Está evaluando un nuevo fondo activo y de larga duración. Para aislar lo que está haciendo el gestor, puede tomar las tenencias del fondo y restar las tenencias de su Ãndice de referencia. El resultado es una cartera long/short neutral en dólares que refleja las apuestas activas del gestor: es larga las cosas que están sobreponderadas y corta las cosas que están infraponderadas. Esto puede ayudarlo a determinar qué tipos de apuestas están haciendo, qué tan grandes son las apuestas y si las apuestas son incluso grandes y si tienen la oportunidad de cubrir su tarifa.
2. Si está contemplando vender una exposición para comprar otra en su cartera, la operación es equivalente a mantener su cartera existente y superponer una operación larga / corta: larga lo que comprarÃa y corto lo que venderÃa. Esto le permite ver las propiedades de la operación como un todo (tanto lo que está agregando como lo que está restando).
3. Si desea comprender cómo los diferentes pasos del proceso de construcción de su cartera contribuyen al riesgo o al rendimiento, puede tratar los cambios, paso a paso, como carteras largas / cortas. Por ejemplo, para una cartera que tiene el mismo peso de 50 acciones del S&P 500, puede comparar: (1) S&P 500 de igual peso menos S&P 500, y luego (2) 50 acciones de igual peso menos S&P 500 de igual peso. Aislar cada paso de la construcción de su cartera como largo/corto le permite comprender las propiedades de retorno creadas por ese paso.
En todos estos casos, la evaluación de la cartera a través de la lente del marco largo/corto proporciona una visión significativa.
8. Cuanto más diversificada esté una cartera, mayor será la tasa de obstáculos para el momento del mercado.
La sincronización del mercado es probablemente el canto de sirena más atractivo de las finanzas. Suena tan simple. Ya sea que se trate de beta de mercado o alguna estrategia de inversión, todos queremos decir: "simplemente no hagas la cosa cuando no es un buen momento para hacerlo".
Después de que todos los factores de equidad se popularizaron en la década de 2010, el factor timing se puso de moda. Leà una serie de artÃculos que sugerÃan que se podÃan comprar ciertos factores en ciertas partes del ciclo económico. Hubo un documento que utilizó una gran cantidad de indicadores económicos fáciles de rastrear para definir contemporáneamente dónde se encontraba en el ciclo, y luego rotó entre factores dependiendo del régimen.
Y la actuación fue simplemente ridÃcula.
Entonces, para probar la idea, decidà ejecutar los contrafactuales. ¿Qué pasarÃa si mantuviera las mismas definiciones de régimen económico, pero aleatorizara totalmente la canasta de factores que compré en cada parte del ciclo? Con solo un puñado de factores, cuatro regÃmenes y comprando una canasta de tres factores por régimen, podrÃa abrirse paso a través de todas las combinaciones potenciales y crear una distribución de sus resultados de retorno.
No es de extrañar, el resultado del papel estaba justo en los percentiles superiores. ¿Sabes qué más era? Solo una cartera ingenua e igualmente ponderada de los factores. Y ahà es cuando tienes que preguntarte: "¿Cuál es mi confianza en esta metodologÃa?"
Porque la evidencia sugiere que es muy, muy difÃcil vencer la diversificación ingenua.
Hay algunas maneras de tener una idea de esto, pero una de mis favoritas es simplemente mirar explÃcitamente hacia el futuro y preguntar: "¿qué tan preciso tendrÃa que ser para vencer a una cartera bien diversificada?" Esta no es una simulación difÃcil de ejecutar, y para niveles razonables de diversificación, los números de precisión aumentan con bastante rapidez.
En última instancia, el tiempo es un ejercicio de muy baja amplitud. Para citar a Michele Aghassi de AQR, "estás comparando ahora con lo habitual". Y estar equivocado compuestos para siempre.
En casi todos los casos, es mucho más fácil encontrar algo que pueda diversificar sus rendimientos que aumentar su precisión en la previsión de rendimientos.
Como corolario de esta lección, agregaré que cuanto más predecible sea una cosa, menos podrá beneficiarse de ella.
Por ejemplo, digamos que tengo un sistema que me permite pronosticar el régimen económico en el que estamos y tengo un modelo para qué activos deberÃan funcionar bien en ese régimen económico.
Si puedo pronosticar el régimen económico con certeza, y si el mercado es razonablemente eficiente, probablemente no deberÃa poder saber qué activos funcionarán bien en qué régimen. Por el contrario, si sé con perfecta certeza qué activos funcionarán bien en qué régimen, entonces probablemente no deberÃa poder pronosticar los regÃmenes con mucha precisión.
If markets are even reasonably efficient, the more easily predictable the thing, the less I should be able to profit from it.
9. Certain signals are only valuable at extremes.
I was sent a chart recently with a plot of valuations for U.S. large-cap, mid-cap, and small-cap stocks. The valuations were represented as an average composite of price-to-earnings, price-to-book, and price-to-sales z-scores. The average z-score of large-caps sat at +1 while the average z-score for both mid- and small-caps sat at -1.
The implication of the chart was that a rotation to small- and mid-caps might be prudent based upon these relative valuations.
Lesson #6 about unintended bets immediately comes to mind.
For example, are historical measures even relevant today? Before 2008 large-cap equities had a healthy share of financials and energy. Today, the index is dominated by tech and communication services. And we went through an entire decade with a zero interest rate policy regime. How do rates at 5% plus today impact the refinancing opportunities in small-caps versus large-caps? What about the industry differences between large-caps and small-caps? Or the profit margins? Or exposure to foreign revenue sources? How are negative earners being treated in this analysis? Is price-to-sales even a useful metric when sales are generated across the entire enterprise?
You might be able to sharpen your analysis and adjust your numbers to account for many of these points. But there may be many others you simply don’t think of. And that’s the noise.
Just about every signal has noise.
The question is, “how much noise?†The more noise we believe a signal to have, the stronger we need the signal to be to believe it has any efficacy. While we may be comfortable trading precisely measured signals at a single standard deviation, we may only have confidence in coarsely measured signals at much higher significance.
10. Under strong uncertainty, “halvsies†can be an optimal decision.
During the factor wars of the mid-2010s, a war raged between firms as to what the best portfolio construction approach was: mixed or integrated.
The mixed approach said that each factor should be constructed in isolation and held in its own sleeve.
The integrated approach said that stocks should be scored on all the factors simultaneously, and the stocks with the best aggregate scores should be selected.
There were powerhouses on both sides of the argument. Goldman Sachs supported mixed while AQR supported integrated.
I spent months agonizing over the right way to do things. I read papers. I did empirical analysis. I even took pen to paper to derive the expected factor efficiency in each approach.
At the end of the day, I could not convince myself one way or another. So, what did I do? Halvsies.
Half the portfolio was managed in a mixed manner and half was managed in an integrated manner.
Really, this is just diversification for decision making. Whenever I’ve had a choice with a large degree of uncertainty, I’ve often found myself falling back on “halvsies.†

When I’ve debated whether to use one option structure versus another, with no clear winner, I’ve done halvsies.
When I’ve debated two distinctly different methods of modeling something, with neither approach being the clear winner, I’ve done halvsies.
Halvsies provides at least one step in the gradient of decision making and implicitly creates diversification to help hedge against uncertainty.
11. Always ask: “What’s the trade?â€
In July 2019, Greek 10-Year Bonds were trading with a yield that was nearly identical to US 10-Year Bonds.
By December, the yield on Greek 10-year bonds was 40 basis points under US 10-year bonds. How could that make any sense? How could a country like Greece make U.S. debt look like it was high yield?
When something seems absurd, ask this simple question: what’s the trade? If it’s so absurd, how do we profit from it?
In this case, we might consider going long the U.S. 10-year and short the Greek 10-year in a convergence trade. But we quickly realize an important factor: you don’t actually get paid in percentage points, you get paid in currency. And that’s where the trade suddenly goes awry. In this case, you’d receive dollars and owe euros. And if you tried to explicitly hedge that trade away up front via a cross-currency basis swap, any yield difference largely melted away.
A more relevant financial figure would perhaps have been the spread between 10-year Greek and German bonds, which traded between 150-275bps in the 2nd half of 2019. Not wholly unreasonable anymore.
When financial pundits talk about things in the market being absurd, ask “what’s the trade?†Working through how to actual profit from the absurdity often shines a light on why the analysis is wrong.
12. The trade-off between Type I and Type II errors is asymmetric
Academic finance is obsessed with Type I errors. The literature is littered with strategies exhibiting alphas significant at a 5% level. The literature wants to avoid reporting false positives.
In practice, however, there is an asymmetry that has to be considered.
What is the cost of a false positive? Unless the strategy is adversely selected, the performance of trading a false positive should just be noise minus trading costs. (And the opportunity cost of capital.)
What is the cost of a false negative? We miss alpha.
Now consider how a focus on Type I errors can bias the strategies you select. Are they more likely to be data-mined? Are they more likely to be crowded? Are they less likely to incorporate novel market features without meaningful history?
Once we acknowledge this asymmetry, it may actually be prudent to reduce the statistical requirements on the strategies we deploy.
13. Behavioral Time is decades longer than Statistical Time
I recently stole this one from Cliff Asness. This point has less to do with any practical portfolio construction thoughts or useful mental models. It’s just simply acknowledging that managing money in real life is very, very, very different than managing money in a research environment.
It is easy, in a backtest, to look at the multi-year drawdown of a low-Sharpe strategy and say, “I could live through that.†When it’s a multi-decade simulation, a few years looks like a small blip – just a statistical eventuality on the path. You live that multi-year drawdown in just a few seconds in your head as your eye wanders the equity curve from the bottom left to the upper right.
In the real world, however, a multi-year drawdown feels like a multi-decade drawdown. Saying, “this performance is within standard confidence bands for a strategy given our expected Sharpe ratio and we cannot find any evidence that our process is broken,†is little comfort to those who have allocated to you. Clients will ask you for attribution. Clients will ask you whether you’ve considered X explanation or Y. Sales will come screeching to a halt. Clients will redeem.
For anyone considering a career in managing money, it is important to get comfortable living in behavioral time.
14. Jensen’s Inequality
Jensen’s inequality basically says, “a function applied to a mean does not necessarily equal the mean applied after the function.â€
What does that mean and how is it useful? Consider this example.
You’re building a simple momentum portfolio. You start with the S&P 500 and rank them by their momentum score, selecting the top 100 and then equally weighting them.
But you remember Lesson #4 and decide to use multiple momentum signals to diversify your how risk.
Here’s the question: do you average all the momentum scores together and then pick the top 100 or do you use each momentum score to create a portfolio and then average those portfolios together.
Jensen’s inequality tells us these approaches will lead to different results. This is basically the mixed versus integrated debates from Lesson #10. And the more convex the function is, the more different the results will likely be. Imagine if instead of picking the top 100 we pick the top 20 or just the top 5. It’s easy to imagine how different those portfolios could become with different momentum signals.
Here’s another trivial example. You have 10 buy/sell signals. Your function is to be long an asset if the signals are positive and short if the signals are negative.
If you average your signals first, your position is binary: always on or off. But if you apply your function to each signal, and then average the results, you end up with a gradient of weights, the distribution of which will be a function of how correlated your signals are with one another.
You can see how Jensen’s inequality plays a huge role in portfolio construction. Why? Because non-linearities show up everywhere. Portfolio optimization? Non-linear. Maximum or minimum position sizes? Non-linear. Rank-based cut-offs? Non-linear.
And the more non-linear the function, the greater the wedge. But this also helps us understand how certain portfolio construction constraints can help us reduce the size of this wedge.
Ultimately, Jensen’s tells us that averaging things together in the name of diversification before or after convex steps in your process will lead to dramatically different portfolio results.
15. A backtest is just a single draw of a stochastic process.
As the saying goes, nobody has ever seen a bad backtest.
And our industry, as a whole, has every right to be skeptical about backtests. Just about every seasoned quant can tell you a story about naively running backtests in their youth, overfitting and overoptimizing in desperate search of the holy grail strategy.
Less sophisticated actors may even take these backtests and launch products based on them, marketing the backtests to prospective investors.
And most investors would be right to ignore them outright. I might even be in favor of regulation that prevents them from being shown in the first place.
But that doesn’t mean backtests are ultimately futile. But we should acknowledge that when we run a single backtest, it’s just a single draw of a larger stochastic process. Historical prices and data are, after all, just a record of what happened, but not a full picture of what could have happened.
Our job, as researchers, is to use backtesting to try to learn about what the underlying stochastic process looks like.
For example, what happens if we change the parameters of our process? What happens if we change our entry or exit timing? Or change our slippage and impact assumptions?
One of my favorite techniques is to change the investable universe, randomly removing chunks of the universe to see how sensitive the process is. Similarly, randomly removing periods of time from the backtest to test regime sensitivities.
Injecting this randomness into the backtest process can tell us how much of an outlier our singular backtest really is.
Another fantastic technique is to purposefully introduce lookahead bias into your process. By explicitly using a crystal ball, we can find the theoretical upper limits of achievable results and develop confidence bands for what our results should look like with more reasonable accuracy assumptions.
Backtesting done poorly is worse than not backtesting. You’d be better off with pen and paper just trying to reason about your process. But backtesting done well, in my opinion, can teach you quite a bit about the nature of your process, which is ultimately what we want to learn about.
16. The Market is Usually Right
Did I say 15 ideas and lessons? Here’s a bonus lesson that’s taken me far longer to learn than I’d care to admit.
The market is, for the most part, usually right. It took me applying Lesson #11 – “What’s the Trade†– over and over to realize that most things that seem absurd probably aren’t.
That isn’t to say there aren’t exceptions. If we see $20 on the ground, we might as well pick it up. The 2021 cash & carry trade in crypto comes to mind immediately. With limited institutional capacity and a nearly insatiable appetite for leverage from retail investors, the implied financing rates in perps and futures hit 20%+ for highly liquid tokens such as Bitcoin and Ethereum. I suspect that’s as close to free money as I’ll ever get.
But that’s usually the exception.
Esta lección final es sobre un cambio mental para mÃ. En lugar de ver algo e inmediatamente decir: "el mercado está mal", comienzo con la suposición de que el mercado está bien y yo soy el que se está perdiendo algo. Esto me obliga a desarrollar una lista de posibles razones por las que podrÃa estar pasando por alto o pasar por alto y agotar esas explicaciones antes de poder construir mi confianza en que el mercado está, de hecho, equivocado.
Conclusión
Si has llegado hasta aquÃ, gracias. Aprecio la generosidad de su tiempo. Espero que algunas de estas ideas o lecciones hayan resonado con ustedes y espero que hayan disfrutado leyendo tanto como yo disfruté reflexionando sobre estos conceptos y armando esta lista. Será divertido para mà mirar hacia atrás en otros 15 y ver cuántos de estos resistieron la prueba del tiempo.
Hasta entonces, feliz inversión.
5 PINGBACKS
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
Una Conversación Sin Filtro con un Billonario (José ElÃas) | Ep 48
https://www.youtube.com/watch?v=5VUG2OPwbvs&t=28s
https://www.youtube.com/watch?v=5VUG2OPwbvs&t=28s
- Estos usuarios agradecierón al autor pamur por el mensaje:
- jaime ester
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
La HISTORIA DESCONOCIDA de ISRAEL | El MEJOR DOCUMENTAL que DEBES VER HOY
https://www.youtube.com/watch?v=1F1svh7SWhM
https://www.youtube.com/watch?v=1F1svh7SWhM
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
El Nuevo Mundo 2030 (I): El futuro demográfico y económico | La March
https://www.youtube.com/watch?v=P5jYzjjn5pI
https://www.youtube.com/watch?v=P5jYzjjn5pI
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
El Nuevo Mundo 2030 (II): La disrupción tecnológica en el futuro global | La March
https://www.youtube.com/watch?v=WcrPjbZQ8yo
https://www.youtube.com/watch?v=WcrPjbZQ8yo
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
¿Qué oculta Europa? "Llevamos meses en recesión". Los grandes errores según Lorenzo RamÃrez
https://www.youtube.com/watch?v=4udbtOiaBlU
https://www.youtube.com/watch?v=4udbtOiaBlU
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
https://www.youtube.com/watch?v=--8izXiUi-U
¿Tendremos un crash de la economÃa en 2024? | Estamos ante un malabarismo monetario puro y duro
¿Tendremos un crash de la economÃa en 2024? | Estamos ante un malabarismo monetario puro y duro
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces
https://www.youtube.com/watch?v=VRQcN4wekrY, interesante video, donde se informa del poder de los fondos pasivos, que pasan del 4% en 1995 al 34% en 2015 y hoy estarán cerca del 40%, y que tres firmas imponen su visión en los Consejos
-
pamur
- Mensajes: 777
- Registrado: 25 Feb 2019 10:48
- Agradecido: 133 veces
- Agradecimiento recibido: 335 veces