Seis lecciones machacaron una sola idea desde todos los ángulos: el rendimiento que podéis explicar por la exposición a factores de riesgo conocidos y remunerados no es talento — es beta disfrazada. Visteis cómo la beta de mercado única del CAPM no logra explicar por qué las acciones pequeñas y baratas superan a sus betas, conocisteis el reparto de tres y cinco factores de Fama–French (SMB, HML, RMW, CMA), sobrevivisteis al momentum y a sus desplomes violentos, aprendisteis a estimar cargas y primas sin engañaros a vosotros mismos, y por fin separasteis el alfa verdadero de las inclinaciones ocultas hacia factores en el vasto zoo de factores. Este es el capstone, y no perdona: cada respuesta se bloquea en cuanto la enviáis, los distractores son las trampas exactas de las que avisaron las lecciones, y vuestra nota queda sellada hasta la última pregunta.
Cómo funciona este examen
Este es un examen corregido. Las preguntas llegan de una en una. Una vez que envíes una respuesta es definitiva — no hay vuelta atrás, ni segundo intento, y una respuesta incorrecta simplemente suspende esa pregunta. Tu nota permanece oculta hasta el final, donde necesitas un 70% para aprobar. Lee todas las opciones antes de comprometerte.
Un gestor de carteras señala una cesta de acciones de beta alta y argumenta que tiene que dar rendimientos altos porque el CAPM dice que el rendimiento sube con la beta. Empíricamente, ¿qué ocurre en realidad en el corte transversal de las acciones?
Selecciona una respuesta para continuar.
Repaso del curso
Big picture
Modelos de factores — el arco completo
- Modelos de factores
- El CAPM falla
- La línea del mercado de valores es demasiado plana
- Beta alta no significa rendimiento alto
- El tamaño y el valor quedan sin explicar
- Factores y primas
- Los factores son riesgos sistemáticos remunerados
- Prima = pago por soportar ese riesgo
- Historia económica, no minería de datos
- Fama–French 3 factores
- SMB: largo en pequeñas, corto en grandes
- HML: largo en valor, corto en crecimiento (book-to-market)
- Diferenciales largo–corto, no apuestas únicas
- Momentum y FF5
- Carhart añade UMD (ganadores menos perdedores)
- El momentum se desploma — no es dinero gratis
- FF5 añade rentabilidad RMW, inversión CMA
- Estimar las cargas
- Pendientes = cargas, ordenada = alfa
- Ventanas largas y multirégimen
- Primas de Fama–MacBeth; una t baja significa no hay prima
- Alfa frente a exposición
- Batir al índice no es alfa
- El R-cuadrado es varianza, no rendimiento
- Ratio de información = alfa / tracking error
- Smart beta y el zoo
- Cientos de factores en su mayoría redundantes
- Se deterioran fuera de muestra, ~58% tras la publicación
- Exige t por encima de 3, no t por encima de 2
- El CAPM falla
Ideas clave
Lo que te llevas de este curso
- Beta alta no es rendimiento alto. La beta de mercado única del CAPM es demasiado plana para explicar el corte transversal — el tamaño y el valor se le escapan justo por ahí.
- Un factor es un riesgo remunerado. SMB, HML, RMW, CMA y UMD son diferenciales largo–corto que compensan exposiciones sistemáticas, no apuestas únicas en directo ni prueba de habilidad.
- Las cargas son exposición, la ordenada en el origen es el alfa. Estímalas en ventanas largas y multirégimen; una prima de Fama–MacBeth con un estadístico t bajo (cerca de 1) no es prima en absoluto.
- Batir al índice no es alfa, y el R-cuadrado es varianza, no rendimiento. Un R-cuadrado cercano a 1 solo desenmascara a un indexador encubierto que cobra comisiones activas por beta.
- La atribución puede hacer que el alfa sea negativo. Cuando las contribuciones de los factores superan el rendimiento, el gestor restó valor — juzga la habilidad por el ratio de información (alfa sobre tracking error), no por un año afortunado.
- El momentum es compensación por el riesgo de desplome, nunca dinero gratis. Sus reversiones raras y brutales son el precio que pagas por la prima.
- Un backtest no es un rendimiento real. Las anomalías se deterioran fuera de muestra (alrededor del 58% tras la publicación) y los costes pueden recortar un backtest del 5% hasta aproximadamente el 0,6%.
- Más factores no es más conocimiento. El zoo de factores es en su mayoría redundancia producto de minería de datos — exige un estadístico t por encima de 3 y supervivencia fuera de muestra antes de creer.