Alfa frente a exposición a factores

Ya sabéis ejecutar una regresión de factores y leer las cargas de un fondo y su término independiente. Esta lección trata de lo que ese término independiente significa — y de por qué es el número peor entendido de toda la inversión. Un fondo rinde un 14% en un año en que el tipo libre de riesgo era del 3%; ha batido al S&P; el gestor sale en las portadas de las revistas. ¿Lo logró con habilidad, o simplemente sesgó su cartera hacia valores pequeños, baratos y recientemente ganadores y cobró las primas que esos sesgos siempre han pagado? Los modelos de factores existen para responder exactamente a esa pregunta, y la respuesta suele ser desinflante: la mayor parte de lo que parece genialidad es beta alquilable, y la astilla que queda —el alfa real— es con frecuencia negativa una vez que comparáis con honestidad.

La descomposición de la rentabilidad — habilidad más sesgo

Analogía. Imaginad la cuenta del restaurante de un chef. El total destacado parece impresionante, pero un recibo detallado muestra que la mayor parte son ingredientes que podríais haber comprado vosotros mismos en el mercado —harina, huevos, mantequilla— a precio de mercado. Solo la última línea, “trabajo del chef”, es lo que en realidad le pagáis al chef. Un modelo de factores es ese recibo detallado de una rentabilidad: enumera qué parte del total vino de exposiciones a riesgo genéricas y alquilables, y deja la habilidad real como línea final.

Definición. Un modelo de factores dice que el exceso de rentabilidad esperado de un activo (rentabilidad por encima del tipo libre de riesgo $R_f$) es la suma de sus exposiciones a factores sistemáticos, cada uno valorado por la prima a largo plazo de ese factor, más un término residual de habilidad:

$E[R_i] - R_f = \sum_{k} \beta_{i,k}\,\lambda_k + \alpha_i.$

Aquí $\beta_{i,k}$ es la carga del activo sobre el factor $k$ (cuánto se mueve con ese factor), $\lambda_k$ es la prima del factor (la recompensa a largo plazo por unidad de carga), el producto $\beta_{i,k}\lambda_k$ es la contribución de ese factor a la rentabilidad, y $\alpha_i$ es el término independiente — la parte que ningún factor explica. Ese residuo es la única pieza que puede llamarse plausiblemente habilidad del gestor.

La dinámica crucial: cada factor que añadís al modelo es otra forma de explicar el alfa aparente. Una rentabilidad es un total fijo; cuanto más absorban vuestros factores, menos queda para el término independiente. El alfa no es una propiedad del fondo en solitario — es una propiedad del fondo en relación con el modelo de referencia que elegisteis. Cambiad el modelo y el alfa del mismo fondo cambia.

El alfa suele ser beta camuflada

Analogía. La “levitación” de un mago parece sobrenatural hasta que alguien os pasa mejor iluminación y veis el hilo. Nada del truco cambió — vuestro instrumento se afinó y la magia se resolvió en mecanismo. El alfa aparente es la levitación; añadir el factor adecuado es la mejor iluminación; el hilo es una carga que se os escapaba.

Definición. El alfa aparente bajo un modelo escaso (pocos factores, p. ej. el único factor de mercado del CAPM) se reduce rutinariamente —a menudo hasta cero o por debajo— bajo un modelo más rico (muchos factores). El mecanismo es el sesgo por variable omitida. Supongamos que un fondo carga positivamente sobre un factor $F$ que tiene una prima positiva $\lambda_F$, pero vuestro modelo deja $F$ fuera. La regresión aún tiene que ajustar los datos, así que vuelca esa contribución ausente $\beta_F \lambda_F$ en el único parámetro libre que le queda: el término independiente. Leéis un alfa gordo. Añadid $F$ como regresor y ese trozo de rentabilidad migra del término independiente a la carga $\beta_F$ — el alfa se desploma exactamente en $\beta_F \lambda_F$. Nada del fondo cambió; la referencia simplemente se volvió más lista y dejó de acreditar al gestor por un sesgo que cualquiera podría comprar.

Por eso la investigación de factores tiene una estructura recurrente de obituario: se publica un “alfa” célebre, se identifica un nuevo factor, y se revela que el alfa era la beta de ese factor disfrazada.

Un caso famoso: gran parte del legendario “alfa” de Warren Buffett resulta ser, bajo un modelo de factores rico, exposición a calidad (empresas rentables, estables y bien gestionadas), baja volatilidad y apalancamiento barato aplicado a esos sesgos — Frazzini, Kabiller y Pedersen (2018) muestran que el historial de Berkshire está en gran medida explicado, no es místico, una vez que lo regresáis sobre los factores adecuados. No hace a Buffett menos notable —encontró y apalancó factores duraderos décadas antes de que se les pusiera nombre— pero reubica el logro de “genialidad inexplicable” a “exposición a factores temprana y disciplinada”. Antes, Carhart (1997) hizo la misma demolición a los fondos de inversión: la mayoría de los fondos con alfas CAPM relucientes simplemente cabalgaban el factor momentum, y una vez que se añadió UMD sus alfas se esfumaron.

El ratio de información — habilidad por unidad de riesgo activo

Analogía. Dos estudiantes suben la media de la clase cinco puntos, pero uno lo hizo con trabajo constante y fiable y el otro con vaivenes salvajes e impredecibles que casualmente salieron positivos. Os fiáis más del constante. El ratio de información premia la sobrerrentabilidad consistente: un alfa dado obtenido con desviaciones pequeñas y estables de la referencia vale mucho más que el mismo alfa obtenido con desviaciones violentas.

Definición. El ratio de información (RI) divide el alfa de un fondo entre su error de seguimiento —la desviación típica de su rentabilidad residual (activa) respecto a la referencia:

$\text{RI} = \frac{\alpha}{\sigma(\varepsilon)} = \frac{\text{alfa}}{\text{error de seguimiento}}.$

Mide la habilidad por unidad de riesgo activo: cuánto exceso de rentabilidad extrae el gestor por cada unidad de cuánto está dispuesto a alejarse de la referencia. Contrastadlo con el ratio de Sharpe, que divide el exceso de rentabilidad entre el riesgo total. Sharpe pregunta “¿es eficiente toda la cartera?”; el RI hace la pregunta más afilada “¿está mereciendo la pena la desviación del gestor respecto a la referencia?”. Un indexador encubierto con error de seguimiento minúsculo solo necesita un alfa minúsculo para tener un gran RI; un vaquero con enormes apuestas activas necesita un alfa enorme para parecer bueno.

Referencias aproximadas. Un RI sostenido por encima de aproximadamente 0,5 es genuinamente bueno; un RI por encima de 1,0, mantenido durante muchos años, es raro y de élite — el territorio de los mejores gestores activos vivos. Y el signo importa tanto como el tamaño: un RI negativo significa que las apuestas activas del gestor están destruyendo valor respecto a simplemente mantener la referencia.

Una atribución completa resuelta

Ahora la recompensa: cogemos el fondo de portada de revista y detallamos su recibo. El fondo rindió un 14% en un año en que el tipo libre de riesgo era del 3%, así que su exceso de rentabilidad es del 11% (14% − 3%). Lo regresamos sobre los cuatro factores de Carhart y leemos las cargas; multiplicamos cada carga por la prima a largo plazo de ese factor para obtener su contribución.

Los factores por sí solos explican un 11,65% del exceso de rentabilidad — más de lo que el fondo realmente entregó. Así que el alfa real es lo sobrante:

$\alpha = 11\% - 11.65\% = -0.65\%.$

El fondo rindió por debajo de su referencia replicadora de factores. Podríais haber clonado su estrategia con ETFs de factores baratos —una pizca de exposición a mercado, small-cap, valor y momentum en esas proporciones— y haber ganado un 11,65%, batiendo a este gestor en 0,65 puntos porcentuales pagando una fracción de las comisiones. La “sobrerrentabilidad” frente al S&P fueron enteramente los sesgos de tamaño, valor y momentum; la contribución propia del gestor fue ligeramente negativa.

Llevadlo un paso más allá con el ratio de información. Digamos que el error de seguimiento residual del fondo es del 4%. Entonces:

$\text{RI} = \frac{\alpha}{\sigma(\varepsilon)} = \frac{-0.65\%}{4\%} = -0.16.$

Un RI negativo lo confirma: las apuestas activas del gestor, netas de la exposición a factores, restaron valor. Esta es toda la lección en un número — un fondo que batió al índice, batió al tipo libre de riesgo y parecía ganador es, bajo una referencia honesta, una cartera de factores ligeramente negativa en habilidad envuelta en un papel de regalo caro.

Por qué “batir al S&P” normalmente no es alfa

Analogía. Presumir de que adelantasteis a una tortuga me dice poco sobre vuestra velocidad — me dice que corristeis contra una tortuga. El S&P 500 es un índice ponderado por capitalización: una apuesta específica por valores de gran capitalización, ponderados por tamaño. Batirlo estando sesgado hacia valores pequeños, baratos o recientemente ganadores no es batir el mercado del riesgo — es correr contra una referencia que resulta lenta justo en las dimensiones hacia las que os sesgasteis. Cobrasteis primas; no generasteis habilidad.

Definición. El verdadero alfa es lo que queda tras comparar con vuestras exposiciones a factores reales, no con un índice ponderado por capitalización conveniente. La comparación correcta para un fondo de small-value-momentum es una cartera con las mismas cargas de tamaño, valor y momentum — comprada barato mediante ETFs de factores. Solo la rentabilidad por encima de eso es habilidad. “Batió al S&P” es una afirmación de marketing; “alfa positivo frente a una referencia de factores equiparada con un ratio de información positivo” es una afirmación de habilidad, y son listones radicalmente distintos.

Compromiso — la referencia es un juicio. Un modelo más rico es un test de habilidad más justo, pero podéis sobrecontrolar. Si la ventaja genuina de un gestor es una apuesta temprana y bien sincronizada sobre algún factor, y vosotros incluís ese factor en la referencia, restaréis justo lo que se le debería acreditar — declarando que una ventaja real es alfa cero. (Imaginad comparar a Buffett con un factor de calidad que no existía cuando empezó a explotarlo.) Así que elegir qué factores pertenecen a la referencia es en sí mismo un juicio: demasiado pocos y acreditáis beta alquilable como habilidad; demasiados y borráis la exposición real y laboriosamente lograda de un gestor. No hay respuesta libre de modelo — solo una elección defendible que debéis poder argumentar.

Juntándolo todo

Una rentabilidad se parte limpiamente en sesgo y habilidad: $E[R_i] - R_f = \sum_k \beta_{i,k}\lambda_k + \alpha_i$, donde cada factor contribuye con su carga por su prima y el alfa es el residuo que ningún factor explica. Como el total es fijo, cada factor añadido solo puede reducir el alfa aparente — y mucho de lo que pasa por habilidad es beta camuflada, la contribución de un factor omitido que la regresión volcó en el término independiente (el historial de calidad-y-apalancamiento de Buffett, los fondos cabalga-momentum de Carhart). El ratio de información, alfa sobre error de seguimiento, mide la habilidad por unidad de riesgo activo, con valores sostenidos por encima de 0,5 buenos y por encima de 1,0 de élite. La atribución resuelta lo hizo concreto: un fondo del 14% que batía al S&P tenía todo su 11% de exceso explicado por sesgos a factores que valían un 11,65%, dejando un alfa real de −0,65% y un ratio de información de −0,16 — un clon barato de ETFs habría ganado. La lección: batir a un índice ponderado por capitalización no es alfa; el alfa es lo que sobrevive a comparar con vuestras exposiciones reales — y elegir esa referencia, ni demasiado escasa ni demasiado rica, es el verdadero juicio del analista.

Eso cierra el círculo de la estimación al veredicto: ahora podéis descomponer cualquier rentabilidad en exposición a factores alquilable más un residuo, juzgar ese residuo con el ratio de información y negaros a impresionaros por “batió al S&P”. La lección final, smart beta y el zoo de factores, vuelve el mismo escepticismo contra los factores mismos — porque si el alfa es mayormente beta camuflada, la siguiente pregunta es cuántos de esos “factores” son siquiera reales.