Contracción y Black–Litterman

La lección anterior terminó con una idea silenciosamente poderosa: la media a posteriori bayesiana es un promedio ponderado por precisión — mezclas una a priori con los datos, y cuanto más ruidosos los datos, con más fuerza te apoyas en la a priori. Esta lección convierte esa idea en la jugada más práctica de toda la construcción cuantitativa de carteras. Tiene un nombre llano — contracción — y otro de etiqueta — Black–Litterman — pero son el mismo truco: no te fíes de tus estimaciones en crudo, arrástralas hacia un centro sensato.

¿Por qué molestarse? Porque la máquina que convierte rendimientos esperados en pesos de cartera — el optimizador de media-varianza — es una diva. Aliméntala con números ligeramente equivocados y no se degrada con elegancia; detona, entregándote carteras absurdas de todo-o-nada. La contracción es como los adultos alimentan a esa diva.

Los optimizadores son maximizadores de error

Analogía. Imagina un personal shopper hiperliteral. Le dices que las manzanas están ligeramente más ricas que las naranjas, y vuelve a casa con un camión de manzanas y una posición corta en naranjas. No te oyó mal — simplemente toma cada preferencia tenue como dogma y la lleva al extremo. Eso es exactamente lo que hace un optimizador de media-varianza con los rendimientos esperados.

El problema. El trabajo del optimizador es encontrar pesos que maximicen el rendimiento para un riesgo dado. Para ello explota sin piedad cada diferencia entre los rendimientos esperados estimados de los activos. Pero esas estimaciones son ruidosas — unos pocos años de rendimientos apenas fijan una media verdadera. Así que el optimizador acaba explotando ruido: se concentra en los activos cuyas estimaciones salieron altas por casualidad, y los pesos resultantes son extremos, inestables y dan vuelcos violentos cuando reestimas al mes siguiente. Los profesionales le pusieron su apodo imperecedero: el maximizador de error.

El arreglo. No puedes hacer al optimizador menos avaricioso, pero sí puedes alimentarlo con mejores números. La mejora con más palanca de todas es contraer los rendimientos esperados estimados hacia un centro común antes de optimizar. Insumos más calmados, carteras más calmadas.

Contracción: arrastra las estimaciones hacia un centro

Analogía. Imagina una clase de estudiantes haciendo un único test breve. El chaval que sacó la nota más alta probablemente es bueno — pero parte de esa nota máxima fue suerte (una pregunta fácil que casualmente sabía). El que sacó la más baja es probablemente flojo — pero parte fue mala suerte. Tu mejor conjetura para la habilidad verdadera de cada estudiante no es su nota en crudo; es su nota en crudo empujada hacia la media de la clase. Los extremos fueron inflados por el ruido, y regresarán hacia la media la próxima vez.

Las estimaciones de rendimiento esperado se comportan idénticamente. El activo con el rendimiento estimado más alto es en parte genuinamente bueno y en parte afortunado en tu muestra; el más bajo es en parte malo y en parte desafortunado. Las estimaciones extremas son las más ruidosas, y regresarán. Así que empuja cada estimación hacia un ancla común.

Definición. La contracción reemplaza cada estimación en crudo $\hat\mu_i$ por una mezcla ponderada de la estimación en crudo y un ancla $\bar\mu$ (a menudo la media global de todos los activos, o una creencia a priori):

Aquí $w \in [0, 1]$ es el peso de contracción: $w = 0$ deja la estimación en crudo intacta, $w = 1$ colapsa todo sobre el ancla. Esto es precisamente la media a posteriori ponderada por precisión de la lección anterior, con el ancla $\bar\mu$ haciendo el papel de la media a priori. El peso de contracción $w$ sube con el ruido de estimación (datos más ruidosos, apóyate más en el ancla) y baja con el tamaño de la muestra (más datos, fíate más de la estimación en crudo).

Trampa. La contracción no es “tirar información”. Es cambiar un poco de sesgo (tu estimación contraída está deliberadamente apartada del número en crudo) por una gran reducción de varianza (deja de perseguir el ruido de la muestra). El error total — sesgo más varianza — baja. La estimación en crudo es insesgada pero tan saltarina que pronostica peor fuera de la muestra. La contracción es más precisa precisamente porque está dispuesta a equivocarse un poco a propósito.

Cuándo contraer

Contrae cuando tienes muchos activos, muestras cortas y un optimizador aguas abajo esperando para amplificar cualquier ruido — lo cual describe casi todos los problemas reales de cartera. Fíate de las estimaciones en crudo solo cuando tengas datos abundantes y limpios por cantidad y nada aguas abajo que magnifique el error. En finanzas, esa situación esencialmente nunca ocurre, y por eso la contracción es la norma, no la excepción.

James–Stein: la paradoja que lo hace riguroso

Analogía. Supón que debes estimar tres cosas completamente inconexas a la vez — la lluvia media en Tokio, el promedio de bateo de un jugador de béisbol y el rendimiento esperado de una minera de oro. La intuición grita que cada estimación debería hacerse por su cuenta; ¿qué podría decirte la lluvia sobre el oro? Y sin embargo, matemáticamente, lo haces mejor en error total contrayendo las tres hacia un punto común. Esa es la bomba.

Definición (paradoja de Stein). Charles Stein demostró que cuando estimas tres o más cantidades simultáneamente, la media muestral en crudo de cada una es inadmisible — existe un estimador (el estimador de James–Stein) que las contrae a todas hacia un centro común y logra un error total esperado demostrablemente menor, sean cuales sean los valores verdaderos, e incluso cuando las cantidades son completamente inconexas. Usar cada media muestral en crudo por su cuenta es, en este sentido preciso, nunca lo mejor que puedes hacer.

La intuición. Parece magia, pero es el cambio sesgo–varianza hecho riguroso. Cada media en crudo es insesgada pero ruidosa. Contraer introduce un pequeño sesgo hacia el centro mientras recorta la varianza, y en cuanto agrupas tres o más estimaciones la varianza ahorrada en todas ellas supera al sesgo añadido. Pierdes un poco de precisión en la cantidad individual para ganar mucho en el conjunto. Las finanzas viven de lleno en este régimen — decenas de activos, cada uno una estimación ruidosa — así que James–Stein no es aquí una curiosidad; es la licencia para contraer.

Contracción de la covarianza: Ledoit–Wolf

No solo los rendimientos esperados son ruidosos — la matriz de covarianzas también lo es, y el optimizador la necesita igual de mal. Con muchos activos y pocas observaciones, la matriz de covarianzas muestral es inestable y está mal condicionada: tiene autovalores diminutos y mal medidos que el optimizador (que efectivamente invierte la matriz) infla hasta convertir en pesos salvajes. La cura es el mismo truco. El estimador Ledoit–Wolf contrae la ruidosa matriz de covarianzas muestral hacia un objetivo simple y estructurado — por ejemplo una matriz de correlación constante o una identidad escalada — mezclando ambas con un peso elegido de forma óptima. El objetivo estructurado es sesgado pero estable; la matriz muestral es insesgada pero ruidosa; la mezcla vence a cualquiera de las dos por separado. La recompensa es un insumo más estable y mejor condicionado que impide al optimizador fabricar disparates a partir del ruido de estimación. Contrae los rendimientos y contrae la covarianza, y la diva se calma en ambos frentes.

Un ejemplo de contracción totalmente resuelto

Los números lo hacen encajar. Toma tres activos con estos rendimientos anuales estimados en crudo:

• Activo A: $\hat\mu_A = 18\%$
• Activo B: $\hat\mu_B = 6\%$
• Activo C: $\hat\mu_C = -3\%$

La media global (el ancla) es $\bar\mu = (18 + 6 - 3)/3 = 21/3 = 7\%$.

Ahora aplica la contracción con $w = 0.5$ — una mezcla mitad y mitad de cada estimación en crudo y el ancla, $\hat\mu_i^{\text{shrunk}} = 0.5\,\hat\mu_i + 0.5\,(7\%)$:

• A: $0.5 \times 18\% + 0.5 \times 7\% = 9\% + 3.5\% = 12.5\%$
• B: $0.5 \times 6\% + 0.5 \times 7\% = 3\% + 3.5\% = 6.5\%$
• C: $0.5 \times (-3\%) + 0.5 \times 7\% = -1.5\% + 3.5\% = 2\%$

Mira lo que le pasó a la dispersión (máximo menos mínimo). Las estimaciones en crudo abarcaban $18\% - (-3\%) = 21$ puntos porcentuales. Las estimaciones contraídas abarcan $12.5\% - 2\% = 10.5$ puntos — la dispersión colapsó a la mitad. Las estimaciones extremas (la A alta y la C baja) fueron arrastradas con más fuerza hacia el centro, exactamente como predice la historia de la regresión a la media; la estimación cercana al ancla (B) apenas se movió.

¿Por qué el conjunto contraído suele ser el mejor pronóstico? Porque ese llamativo $18\%$ de A casi seguro fue inflado por buena suerte en la muestra, y el $-3\%$ de C por mala suerte. Arrastrarlos hacia dentro es tu mejor conjetura de dónde aterrizarán de verdad el año que viene. Y el optimizador aguas abajo estará mucho más contento con $12.5/6.5/2$ que con $18/6/-3$ — menos razón para volcarlo todo en A y ponerse corto en C.

Fíjate en la columna de la derecha: en $w = 1$ las estimaciones son todas $7\%$, el ancla, y los datos han sido ignorados por completo. Esa es la sobrecorrección a evitar — la contracción total tira toda señal específica del activo. El arte está en elegir un $w$ entre el extremo ruidoso y el extremo sin información.

Arrastra el deslizador de 0 al 100 por cien y observa la geometría. En $w = 0$ los puntos se asientan sobre sus estimaciones en crudo, ampliamente dispersos. A medida que subes $w$, cada punto se desliza hacia el ancla discontinua — pero los puntos más lejanos del ancla (Tecnología alta, Emergentes bajo) viajan más, mientras que Bonos, ya cerca del centro, apenas se inmuta. Las lecturas de dispersión-en-crudo y dispersión-contraída cuentan la historia cuantitativa: la dispersión contraída encoge de forma sostenida hacia cero. Esa dispersión que colapsa es la reducción de varianza — lo que hace justamente que las estimaciones contraídas pronostiquen mejor y que el optimizador se porte bien.

Black–Litterman: contracción con una opinión

Contraer hacia la media global está muy bien, pero la media global es un ancla sosa — no tiene significado económico. Black–Litterman eleva toda la idea a un modelo bayesiano completo con un ancla mucho más lista y una forma limpia de inyectar tus opiniones reales. Es la pieza central de la construcción profesional de carteras, y es actualización bayesiana pura: a priori más verosimilitud da a posteriori.

La a priori: rendimientos de equilibrio del mercado (implícitos)

Analogía. En vez de anclar en un promedio sin sentido, ancla en la sabiduría de la multitud. Los pesos por capitalización de mercado de cada activo — lo que todos, colectivamente, mantienen de verdad — codifican un consenso. Black–Litterman hace la pregunta al revés: en vez de “dados estos rendimientos, ¿qué pesos son óptimos?”, pregunta “dados los pesos que todos mantienen, ¿qué rendimientos esperados harían óptimos esos pesos?” Esto es la optimización inversa: ejecutar el optimizador a la inversa, partiendo de los pesos por capitalización observados y despejando los rendimientos esperados implícitos que los justifican. Esos rendimientos de equilibrio (implícitos) se convierten en la a priori — un centro neutral y económicamente fundamentado.

Definición. La a priori de Black–Litterman es el vector de rendimientos esperados de equilibrio obtenido al optimizar a la inversa los pesos por capitalización de mercado. Si no tuvieras opinión alguna, simplemente mantendrías la cartera de mercado — y la a priori es exactamente el conjunto de rendimientos consistente con hacerlo. Un parámetro $\tau$ (tau) escala cuánta incertidumbre atribuyes a esta a priori: un $\tau$ pequeño dice que el equilibrio es un ancla ajustada y fiable.

Trampa. No confundas la a priori de equilibrio con los rendimientos promedio históricos. Black–Litterman deliberadamente no usa medias históricas ruidosas como su ancla — eso reintroduciría el problema del maximizador de error. Usa rendimientos implícitos obtenidos por ingeniería inversa a partir de los pesos de mercado, que son mucho más estables y económicamente significativos.

Las opiniones: tus opiniones, con confianza

Definición. Una opinión es un parecer que sostienes, expresado como una afirmación sobre rendimientos — por ejemplo, “tecnología batirá a bonos por un 5 por ciento”. Cada opinión viene con una confianza, codificada como una varianza: alta confianza significa baja varianza (estás seguro), baja confianza significa alta varianza (una corazonada). En términos bayesianos, las opiniones son la verosimilitud — los “datos” sobre los que actualizas. La matriz $\Omega$ (omega) reúne las incertidumbres de las opiniones: entradas más pequeñas de $\Omega$ significan opiniones más confiadas que mueven más la a posteriori.

No necesitas una opinión sobre cada activo. Si no tienes parecer sobre un activo, simplemente no enuncias ninguna opinión sobre él, y Black–Litterman lo deja en su peso de equilibrio (de mercado). Opiniones donde las tengas; consenso de mercado en todas partes.

La a posteriori: una mezcla ponderada por precisión

Definición. La a posteriori es una mezcla ponderada por precisión de la a priori de equilibrio y tus opiniones — exactamente el promedio ponderado por precisión de la lección anterior, ahora sobre vectores enteros. El resultado es un nuevo vector de rendimientos esperados que se asienta en el equilibrio excepto donde sostienes una opinión, y allí se inclina hacia tu opinión en proporción a tu confianza ($\Omega$) relativa a la incertidumbre de la a priori ($\tau$). Una opinión confiada arrastra con fuerza la a posteriori; una opinión tentativa apenas la mueve. Este vector de rendimientos mezclado se pasa entonces al optimizador.

Por qué los profesionales lo adoran. Como la a posteriori está anclada en el equilibrio estable y solo se desvía donde tienes convicción real, el optimizador produce pesos sensatos y diversificados que se parecen a la cartera de mercado con inclinaciones deliberadas — no las soluciones de esquina salvajes (todo en un activo, corto en el resto) que producen las estimaciones históricas en crudo. Black–Litterman cura directamente las patologías del maximizador de error y de la solución de esquina del Markowitz ingenuo. Es contracción con un ancla económica y un micrófono para tus opiniones.

Conceptos erróneos a jubilar

Unas pocas trampas atrapan incluso a la gente cuidadosa:

• “La contracción tira información.” No — reduce el error total cambiando un poco de sesgo por mucha reducción de varianza. La estimación contraída pronostica mejor fuera de la muestra que la cruda.
• “Más contracción siempre es mejor.” No — en $w = 1$ ignoras los datos por completo y cada estimación colapsa sobre el ancla. El $w$ óptimo es interior, equilibrando las ruidosas estimaciones en crudo contra el ancla sin información.
• “Black–Litterman necesita una opinión sobre cada activo.” No — los activos sobre los que no tienes parecer se quedan en su peso de equilibrio (de mercado). Enuncias opiniones solo donde tienes convicción.
• “La a priori de Black–Litterman son simplemente los rendimientos promedio históricos.” No — usa rendimientos de equilibrio implícitos optimizados a la inversa desde los pesos por capitalización de mercado, no medias históricas. Confundir los dos reintroduce justamente el ruido que el modelo se construyó para evitar.

Atándolo todo

Cada estimación que alimentas a un optimizador de cartera es ruidosa, y el optimizador devuelve ese ruido con intereses — pesos concentrados, inestables, de error maximizado. El remedio tiene siempre la misma forma: contrae las estimaciones hacia un centro antes de optimizar. La contracción simple arrastra cada rendimiento en crudo hacia un ancla vía la mezcla ponderada por precisión $\hat\mu_i^{\text{shrunk}} = (1-w)\,\hat\mu_i + w\,\bar\mu$; James–Stein demuestra que para tres o más cantidades esto vence a fiarse de las medias en crudo, incluso cuando son inconexas; Ledoit–Wolf hace el mismo favor a la matriz de covarianzas. Black–Litterman es la joya de la corona — contracción con un ancla económica — reemplazando la sosa media global por los rendimientos de equilibrio (implícitos) optimizados a la inversa desde los pesos por capitalización de mercado, para luego mezclar tus opiniones ponderadas por confianza y formar una a posteriori bayesiana que se inclina hacia tus opiniones solo donde de verdad las tienes. El resultado son carteras sensatas y diversificadas en vez de soluciones de esquina. El hilo conductor de todo este tema se sostiene hasta el final: una estimación ruidosa en la que se confía del todo es un lastre — arrástrala hacia un centro sensato, y pondera ese arrastre por cuánto sabes realmente.