Error de estimación e inestabilidad

Aquí está el secreto sucio de la optimización de carteras: cuanto más limpio y más “óptimo” tu método, más espectacularmente puede fracasar. Acabamos de derivar elegantes formas cerradas que invierten la matriz de covarianzas y exprimen la última gota de eficiencia de μ y Σ. Pero μ y Σ son estimaciones — conjeturas ruidosas a partir de un historial limitado — y el optimizador no lo sabe. Trata tus insumos cargados de error como palabra de Dios y explota sin piedad cada bache espurio, produciendo carteras tan extremas y tan inestables que la cartera de pesos iguales de un niño las bate rutinariamente fuera de muestra. Esta lección es la famosa crítica de la “maximización de errores”, y entenderla es lo que separa a quien ejecuta un optimizador de quien es de fiar con uno.

Los optimizadores son “maximizadores de errores”

Analogía. Imagina pedir a un genio hiperliteral que encuentre el “mejor” restaurante a partir de datos ruidosos de Yelp. No elegirá un sitio fiablemente estupendo — encontrará el que tiene una única reseña de 5 estrellas por chiripa y cero valoraciones más, porque eso parece lo mejor en los datos ruidosos. La optimización media-varianza hace lo mismo: gravita hacia los activos que resulta tienen rendimientos exagerados o riesgos subestimados en tu muestra, justo porque el ruido los hizo parecer atractivos.

El mecanismo. El optimizador maximiza el rendimiento por unidad de riesgo según se estima. Un activo cuyo rendimiento verdadero es medio pero cuyo rendimiento muestreado es afortunadamente alto recibe un gran peso positivo; un activo cuyo riesgo muestreado es afortunadamente bajo recibe una avalancha de capital. Los errores no se cancelan — son seleccionados. El optimizador sobrepondera sistemáticamente los activos con errores de estimación favorables e infrapondera los que tienen errores desfavorables. De ahí la famosa etiqueta: un optimizador media-varianza es un maximizador de errores (Michaud, 1989).

Por qué $\Sigma^{-1}$ lo empeora. Como vimos, los pesos dependen de $\Sigma^{-1}\mu^e$. La inversa de una matriz de covarianzas mal condicionada tiene entradas gigantescas (escaladas por $1/\lambda_{\min}$), así que multiplica los errores de tus insumos, no solo la señal. Un par de activos casi redundantes con una brecha de rendimiento espuria del 0,1 % se convierte en una apuesta compensatoria del 900 %/−890 %. El optimizador no está roto — hace exactamente lo que le pediste con insumos en los que no deberías haber confiado.

Inestabilidad de los pesos entre muestras

Analogía. Un instrumento de medida estable da casi la misma lectura cada vez que lo usas. El optimizador ingenuo es como una báscula de baño que marca 70 kg, luego 110 kg, luego 45 kg para la misma persona — sus salidas están dominadas por el ruido, no por la señal. Si una actualización de datos de un mes da la vuelta a tu cartera, el “óptimo” nunca fue real.

Cómo se ve la inestabilidad. Reestima μ y Σ a partir de ventanas ligeramente distintas (avanza un mes, quita una acción, usa otro periodo muestral) y los pesos óptimos pueden cambiar drásticamente — invirtiendo signos, duplicándose en magnitud, saltando entre activos. La propia frontera eficiente se tambalea. No hay una sola cartera óptima “verdadera” hacia la que converjas; hay una distribución de optimizadores, uno por muestra, esparcidos por todo el espacio de pesos.

Por qué es un problema real (no solo cosmético). Los pesos inestables significan rotación masiva: en cada reequilibrio te zarandean para que negocies cantidades enormes persiguiendo el último ruido, acumulando costes de transacción (lección 6) sin ninguna ventaja genuina. Y significan desastre fuera de muestra: las posiciones extremas que parecían óptimas con datos pasados no tienen razón alguna para rendir con datos futuros, porque se ajustaron al ruido.

La optimización ingenua pierde frente al peso igual

El referente embarazoso. DeMiguel, Garlappi y Uppal (2009) probaron sofisticados optimizadores media-varianza contra la regla más tonta posible — el peso igual 1/N — en muchos conjuntos de datos reales. El resultado chocante: los optimizadores ingenuos, fuera de muestra, frecuentemente no lograban batir a 1/N en ratio de Sharpe. El error de estimación en μ y Σ era tan corrosivo que tirar los datos y repartir el capital por igual a menudo lo hacía mejor que “optimizar”.

Por qué 1/N es tan difícil de batir. El peso igual estima cero parámetros — sin μ, sin Σ, sin inversión — así que arrastra cero error de estimación. Es robusto por construcción. Para batirlo, la señal de un optimizador (diferencias genuinas en rendimientos ajustados al riesgo) debe superar al ruido que inyecta al estimar miles de parámetros. Para eso necesitas o bien un historial muy largo, o muy pocos activos, o — la respuesta práctica — métodos que reduzcan drásticamente el error de estimación: contracción, restricciones y ponderación basada en riesgo.

Intuición resuelta. Con $N$ activos, la media muestral de cada rendimiento tiene error estándar $\sigma/\sqrt{T}$ para $T$ observaciones. Para estimar un rendimiento con, digamos, un 1 % de precisión cuando $\sigma = 20\%$ y quieres $0\,2/\sqrt{T} \le 0\,01$, necesitas $T \ge 400$ meses — más de 33 años de datos por activo, y eso solo para una media, suponiendo que la media verdadera sea siquiera constante (no lo es). Los datos que necesitarías para hacer fiable la optimización ingenua simplemente no existen.

¿Cuán sensible es el óptimo? (la visión de la sensibilidad a los insumos)

La fragilidad central. El mapa de los insumos (μ, Σ) a las salidas (w) es empinado y no lineal allí donde Σ está mal condicionada. Una forma formal de verlo: el cambio en los pesos por un cambio en los rendimientos esperados está gobernado por $\Sigma^{-1}$, así que $\frac{\partial w}{\partial \mu} \propto \Sigma^{-1}$. Entradas grandes en $\Sigma^{-1}$ — justo lo que tiene una matriz mal condicionada — significan que un $\Delta\mu$ diminuto produce un $\Delta w$ enorme.

Ejemplo resuelto. Recuerda que nuestra $\Sigma^{-1}$ de dos activos tenía entradas en torno a 27 a 110. Supón que tu estimación del rendimiento en exceso del activo 1 falla por solo 1 punto porcentual ($\Delta\mu^e_1 = 0\,01$). El cambio resultante en el peso de tangencia sin normalizar del activo 1 es aproximadamente $27\,47 \times 0\,01 \approx 0\,27$ — un desplazamiento de 27 puntos porcentuales en el peso de un activo por un error de 1 punto en un insumo. Con una matriz más correlacionada y peor condicionada (entradas en los cientos o miles), el mismo error de 1 punto podría oscilar el peso en varios cientos de puntos porcentuales.

La conclusión. “Óptimo” es una propiedad del problema estimado, no del real. La cartera óptima para tu muestra casi nunca es la cartera óptima para el futuro, porque los insumos contra los que optimizaste están equivocados justo por la cantidad a la que el optimizador es más sensible. Respetar esta brecha — y diseñar en torno a ella — es toda la práctica de la construcción robusta de carteras.

Atándolo todo

Un optimizador media-varianza es un maximizador de errores: sobrepondera sistemáticamente los activos que parecen atractivos solo por el ruido de estimación, ya que los errores son seleccionados en vez de cancelarse. El daño corre sobre todo a través de μ (los errores en los rendimientos esperados dañan ~10× más que los de las varianzas) y se amplifica por $\Sigma^{-1}$, cuyas entradas grandes convierten errores diminutos de insumo en oscilaciones enormes de peso — así que los pesos son inestables entre muestras, la frontera estimada se tambalea, la rotación explota, y el “óptimo” afilado fracasa fuera de muestra. El referente humillante: el ingenuo peso igual 1/N, que estima cero parámetros y arrastra cero error de estimación, bate frecuentemente al sofisticado optimizador. La cura no es abandonar la optimización, sino hacerla robusta — contraer los insumos, restringir los pesos y apoyarse en las partes estables del problema — que es exactamente lo que construyen las dos próximas lecciones.

A continuación — contracción y estimadores robustos: la cura. Construiremos el estimador de contracción de Ledoit–Wolf que tira de la covarianza muestral ruidosa hacia un objetivo estructurado, veremos cómo contraer las medias doma el peor insumo, y conoceremos la idea de Black–Litterman de mezclar rendimientos implícitos del mercado con tus propias opiniones — convirtiendo el optimizador frágil en uno robusto.