Suerte o talento


La suerte es un factor muy importante en muchos ámbitos y habitualmente tendemos a minusvalorar la relevancia que tiene. Por supuesto que el talento importa, pero los datos muestran que la suerte es muy determinante a la hora de entender el éxito en cualquier actividad.

En este artículo vamos a analizar el caso del éxito inversor, que se presta muy bien a un análisis estadístico, ya que hay decenas de miles de gestores de fondos que aspiran a ser mejores inversores que el resto. En particular vamos a revisar el interesante artículo de Eugene Fama y Kenneth French, publicado en la prestigiosa revista académica Journal of Finance en el año 2010 titulado “Luck versus Skill in the Cross Section of Mutual Fund Returns”.

En este artículo los autores se hacen una pregunta muy relevante: “El número de gestores que tienen muy buenas (o muy malas) rentabilidades, ¿es consistente con la suerte?” Para analizarlo, utilizan datos de fondos de inversión de acciones del mercado estadounidense en el período 1984-2006 y comparan el valor que aporta cada gestor (el “alfa”) con una serie de simulaciones donde el “alfa” real de los fondos es cero.

De manera intuitiva: si se realiza una simulación bajo la hipótesis de que tu alfa real es cero, únicamente por suerte, podría darse el caso de que obtengas una rentabilidad muy positiva. En realidad, no tienes ningún talento, pero has tenido suerte.

El resultado que obtienen Fama y French es muy interesante: teniendo en cuenta las rentabilidades netas para los inversores, los fondos demuestran una falta de talento muy consistente. Esto es, incluso el número de fondos que obtienen rentabilidades espectaculares es menor del que se esperaría por puro azar.

Esto es lo que indica la gráfica a continuación. La lectura del gráfico es relativamente compleja y lo explicamos al final del artículo. Lo que importa es que si la curva de fondos reales (“Actual”) está a la izquierda de la curva de fondos simulados (“Simulated”) entonces los fondos reales tienen un comportamiento peor que el que se esperaría por suerte.


(gráfico neto de comisiones)

La siguiente pregunta es obvia: “¿Cómo es posible que la gran mayoría de los fondos se comporten peor que una simulación que asume que no hay ningún talento? Los lectores asiduos a este blog conocerán la respuesta: las comisiones. En las simulaciones se asume que no hay comisión de gestión (similar a la inversión en un fondo indexado en EEUU que cubre la pequeña comisión de gestión con el préstamo de títulos) y, por tanto, un grupo de gestores sin talento que no cobren comisiones lo van a hacer estadísticamente mejor que la industria de fondos estadounidense.  El aprendizaje es claro: hay que pagar pocas comisiones.

Dicho esto, surge la siguiente pregunta teórica: “Y si añadimos las comisiones, la rentabilidad bruta de los fondos, ¿es consistente con la suerte, o hay buenos y malos gestores? La pregunta es teórica porque a los inversores en fondos solo nos interesa la rentabilidad neta de comisiones, pero no deja de ser una pregunta muy interesante. La evidencia que dan los autores es sorprendente: con rentabilidades brutas (antes de comisiones), hay un mayor número de fondos con rentabilidades elevadas del que se obtendría por suerte, y también hay un mayor número de fondos con rentabilidades bajas del que se obtendría por suerte. Esto se puede observar en el gráfico a continuación:


(gráfico añadiendo las comisiones)

Por tanto, a posterior, se puede afirmar que sin tener en cuenta sus comisiones, hay gestores que aportan valor y otros que los restan. Por supuesto, esto no nos dice nada de como anticipar y poder elegir los que lo van a hacer bien de los que lo van a hacer mal.

Conclusión

La suerte es un factor incontrolable y no se puede contar con ella. En cambio, las altas comisiones son unas termitas que van progresivamente devorando tu patrimonio con toda seguridad y te dejan prácticamente sin opciones de obtener una alta rentabilidad a largo plazo. Por tanto, busca soluciones de inversión como Indexa que minimicen las comisiones para maximizar tu rentabilidad.

Explicación técnica de los gráficos

El gráfico muestra la función de distribución estimada del estadístico t de los alfas “t(α)”. Para medir la calidad de la gestión, se suele utilizar el alfa directamente, pero los autores explican que es mejor utilizar el estadístico t de la estimación del alfa ya que ofrece más robustez. Lo que se explica a continuación es básicamente una traducción del artículo de Fama y French.

El estadístico t(α) es la división entre una estimación del alfa de un fondo y el error estándar de la estimación. Se trata de una medida de la precisión o fiabilidad del alfa estimado de la inversión. Cuando la precisión es baja, el error estándar es alto y viceversa. Dividiendo cada estimación α por su error estándar se obtienen estimaciones ajustadas con precisión que permiten comparaciones significativas entre los fondos.

Por ejemplo, el percentil del 1% de la t(α) para los fondos reales es -3,87, lo que significa que el 1% de los 3.156 fondos de la muestra (32 fondos) tiene estimaciones de t(α) por debajo de -3,87. El percentil del 10% de t (α) para los fondos reales es -2,34, por lo que el 10% (316) de nuestros fondos tiene estimaciones de t(α) iguales o inferiores a -2,34. En el otro extremo de la distribución, el percentil 90% de t(α) para los rendimientos reales es 1,01 o equivalentemente, el 10% de los fondos (316) han obtenido un t(α) superior a 1,01.

Si se ignoran los efectos del azar, el rendimiento de los fondos con estimaciones altas de t(α) parece espectacular. Recuerda que t(α) es la relación entre una estimación α y su error estándar. El error estándar de las estimaciones de α en la muestra de los autores es de 0,28. Por tanto, un valor de t(α) de 1,01 se traduce de media en una estimación del alfa de alrededor de 0,28% por mes o alrededor de 3,36% por año, durante toda la vida del fondo. Los gestores que producen un alfa de 3,36% (316 en la muestra) anual o más por año son ungidos por la prensa y presentados como gestores estrellas. No obstante, esta conclusión es errónea: en la muestra aleatoria, un 16% de los fondos han obtenido un alfa superior al 3,36% (ver gráfico 1), muy superior al 10% de los fondos que lo han obtenido en la realidad.