Renta variable temática y asignación de activos

Hay un grupo de inversores para quienes la inversión temática debería ser relativamente sencilla: aquellos que construyen sus carteras utilizando una estrategia “core-satellite”.

Según este enfoque, la cartera se divide en dos partes. La parte “core”, o central, suele incluir inversiones tradicionales, como renta variable y renta fija. Su objetivo es captar la “beta”, es decir, la rentabilidad del mercado.

En cambio, los “satélites”, que son más pequeños pero pueden representar hasta una cuarta parte del capital total de la cartera, invierten en activos no convencionales. En los satélites, las asignaciones se efectúan bien a largo plazo (al menos tres años), bien por períodos más cortos como parte de una estrategia de inversión táctica. En cada caso, el objetivo es acceder a fuentes adicionales de alfa (a una rentabilidad que sea superior a la del mercado o independiente del mismo) o diversificar el riesgo.

Fig. 1: Inversión temática en una cartera “core-satellite”

La inversión temática aporta eficiencia a las inversiones satélite por varias razones. En primer lugar, las acciones temáticas son de empresas que no ocupan un lugar destacado en índices convencionales tales como el MSCI World. El universo de la inversión temática presenta una proporción mayor de títulos de empresas de pequeña capitalización, especializadas, o de mercados emergentes. Además, la gama de inversiones temáticas es muy amplia –hay casi tantas acciones temáticas como empresas representadas en los índices bursátiles tradicionales mundiales.

Para demostrar la eficacia de la renta variable temática como inversión satélite, hemos realizado un análisis mediante optimización de cartera. Esta técnica emplea indicadores de la rentabilidad, volatilidad y correlación de diversos activos para determinar la combinación que forma una cartera óptima. La cartera óptima para una determinada rentabilidad esperada es la que presenta la previsión de volatilidad más baja. 

En concreto, nuestro estudio analiza el efecto de añadir renta variable temática a una cartera diversificada –una cuyos activos están divididos, en distintas proporciones, entre acciones y bonos (utilizando los índices MSCI ACWI y BofA Merrill Lynch Global Government Bond como sus respectivos indicadores representativos).

Nuestro objetivo es determinar el tamaño óptimo de la asignación a renta variable temática.

En el Anexo se incluye una descripción detallada de la metodología –que utiliza una muestra aleatoria de las observaciones mensuales de la gama de carteras temáticas de Pictet Asset Management y de las rentabilidades históricas y previstas de los índices de renta variable y renta fija mundiales.

Se utiliza un muestreo aleatorio de estrategias monotemáticas por varias razones.

En primer lugar, porque la técnica parte del supuesto de que el inversor no puede seleccionar la estrategia temática más rentable con antelación. En segundo lugar, porque el método simula la decisión de inversión típica, o una asignación a una estrategia monotemática en lugar de a una multitemática.

En tercer lugar, porque al utilizar una cartera monotemática, el método presupone que no se produce ninguna de las mejoras del perfil riesgo-rentabilidad que, de otro modo, se derivarían de una estrategia diversificada y multitemática.   

El análisis muestra que una cartera “core-satellite” óptima tendría hasta un 20% de su capital total asignado a renta variable temática, en función del objetivo de rentabilidad del inversor (fig. 2).

Fig. 2: Simulación A -  Asignación a renta variable temática en una cartera que combina renta variable y renta fija

Asignación a renta variable temática, %, en una cartera que combina renta fija y variable según el objetivo de rentabilidad*

Para probar la validez de estas observaciones, realizamos un segundo estudio utilizando variables diferentes. 

Este análisis, que también se describe en el Anexo, se basa en una simulación de cartera que utiliza datos históricos de los últimos 10 años. En este caso, los activos de la cartera base se reparten del modo siguiente: el 60% en renta variable global y el 40% en renta fija global, utilizando los mismos índices que en el primer estudio. Los datos sobre la renta variable temática se recogen empleando las mismas fuentes y metodología. 

Los resultados del análisis muestran que la cartera óptima está compuesta por una asignación “core”, cuyos activos están divididos a partes iguales entre los bonos, complementada por una asignación adicional del 18% a renta variable temática. Esta cartera “core-satellite” genera el mismo grado de volatilidad que una cartera de renta variable/fija distribuida al 60/40, pero con una mayor rentabilidad. La rentabilidad adicional es de 0,2 puntos porcentuales anuales, una vez deducidas las comisiones.

Fig. 3: Simulación B - Asignación temática en una cartera compuesta por una combinación de renta variable y renta fija

Rentabilidad y volatilidad, % anualizado, de la cartera 60/40 y de la cartera diversificada con una asignación a renta variable temática

Aunque el enfoque “core-satellite” es bastante popular, la mayoría de inversores, ya sean profesionales o no, asignan el capital por región. Esta estrategia divide el universo susceptible de inversión en grandes bloques regionales como, por ejemplo, Norteamérica, Europa Occidental y Asia-Pacífico.

Fig. 4: Renta variable temática en una cartera cuyo capital se asigna por región

A primera vista, estas carteras no parecen ser el marco natural para la inversión temática. Las estrategias de inversión temática suelen ser globales por naturaleza y trascienden las fronteras regionales.

No obstante, existen argumentos de peso para crear una asignación a “renta variable global” junto a asignaciones regionales más grandes (fig. 3)

La finalidad de la inversión regional es repartir el capital entre activos que no fluctúan de manera totalmente sincronizada, pero este enfoque no es infalible. En los últimos veinte años ha quedado demostrado una y otra vez que los mercados de renta variable regionales pueden moverse a la par, especialmente en períodos de volatilidad elevada. Por eso la incorporación de una clase de activos global diferenciada, como la renta variable temática, permite diversificar las fuentes de riesgo y rentabilidad. 

Algunas estrategias de renta variable temática son más eficaces que otras como complemento de las carteras basadas en regiones o países. Las que mejor funcionan invierten simultáneamente en varias temáticas a la vez y, por lo tanto, están más diversificadas, lo que puede representar una mayor proporción de asignación a renta variable global. 

Cada vez son más los inversores que empiezan a poner en tela de juicio las ventajas de la construcción de carteras basadas en regiones o países. Sus dudas son reflejo de un marcado cambio en la dinámica del mercado durante los últimos años. Desde la crisis financiera de 2008, la correlación de las rentabilidades entre los mercados de renta variable de las distintas regiones y países ha tendido a aumentar en cada episodio de ventas masivas. En consecuencia, los beneficios de la diversificación internacional desaparecen cuando más se necesitan. Por tanto la inversión global, que asigna el capital a todos los sectores industriales mundiales, se ha hecho más popular. Este enfoque alternativo cuenta además con el respaldo de investigaciones académicas. Varios estudios han demostrado que la situación geográfica de una empresa puede influir menos en la rentabilidad de las inversiones que la industria o el sector en el que desarrolla su actividad.

La inversión temática está diseñada para sacar provecho de esta tendencia. No solo su enfoque es indiferente a países/regiones, sino que su universo de inversión está compuesto en gran medida por empresas que no están representadas en los principales índices de referencia mundiales. De esto se desprende que una cartera global que invierte en una cesta diversificada de acciones temáticas complementarias ofrece una asignación de capital potencialmente más eficiente que otra construida mediante bloques de construcción regionales tradicionales.

Fig. 5: Simulación C - Asignación temática en una cartera equilibrada

Rentabilidad, volatilidad, % anualizado para una cartera equilibrada con diferentes asignaciones a renta variable temática

Para demostrarlo, realizamos una serie de simulaciones de optimización de cartera similares a las descritas en el Anexo 1, pero en las que la renta variable temática está representada por la cartera Global Megatrend Selection (GMS) de Pictet AM, una estrategia de inversión cuyo capital se divide a partes iguales entre cada una de nuestras carteras de renta variable monotemática.

El propósito del estudio es hallar la combinación óptima de las tres inversiones (bonos, acciones convencionales y acciones temáticas) para unos objetivos de rentabilidad determinados. El estudio utiliza los mismos índices de renta variable y renta fija que en los casos anteriores. 

La simulación incorpora nuestras previsiones de rentabilidad a largo plazo para las clases de activos globales –detalladas en el Anexo– y una matriz de covarianza basada en las rentabilidades mensuales históricas de la estrategia GMS, los bonos y las acciones. Para ser conservadores, partimos del supuesto de que las rentabilidades futuras de la estrategia GMS coinciden con las del índice MSCI ACWI durante un horizonte temporal de cinco años. 

El análisis arroja que, en prácticamente todos los niveles posibles de rentabilidad, la cartera óptima tiene una mayor asignación a GMS que a las acciones representadas en el índice MSCI ACWI (fig. 5). 

En realidad, la asignación óptima a renta variable temática podría ser aún mayor, ya que partimos de la hipótesis conservadora de rentabilidades iguales entre la estrategia GMS y el índice MSCI World. (En realidad, la estrategia ha generado rentabilidades superiores a las del índice desde su lanzamiento).

En conjunto, este análisis indica que una cartera de renta variable multitemática puede diversificar las fuentes de riesgo y rentabilidad con la misma eficacia que una cartera que utilice un índice bursátil global como referencia. 

Los resultados de la fig. 2 se han obtenido mediante el proceso descrito a continuación. 

Primero, generamos 100 series temporales de rentabilidad temática aleatorias. Es decir, para cada observación mensual del período revisado, utilizamos la rentabilidad histórica de una estrategia de renta variable temática seleccionada al azar de entre toda la gama de Pictet AM. Este proceso presupone la inexistencia de conocimientos específicos en materia de selección de estrategias. Las estrategias incluidas en el estudio fueron Water, Security, Health, Biotech, Premium Brands, Clean Energy, Digital, Timber, Nutrition, Robotics, SmartCity, Global Environmental Opportunities y Global Thematic Opportunities.

Las rentabilidades de las estrategias temáticas utilizadas se expresan en USD, una vez deducidas las comisiones, y corresponden a clases de acciones I. Se obtuvieron a partir de datos de fondos publicados en Bloomberg. Utilizamos datos históricos del período comprendido entre el 31/12/2008 y el 31/08/2019. A continuación, tomamos las rentabilidades históricas de los índices MSCI ACWI y BofAML Global Government Bond y creamos una matriz de covarianza para cada una de las 100 simulaciones. 

Para las estimaciones de rentabilidad a 5 años de la renta variable global y de la deuda pública global, utilizamos el modelo de previsiones concebido por la Unidad de Estrategia de Pictet AM, cuya metodología se describe a continuación. 

Seguidamente, las matrices de covarianza aleatorias y las estimaciones de rentabilidad se utilizan para generar 100 fronteras eficientes que detallan la asignación óptima entre las tres clases de activos. Las asignaciones a renta variable temática indicadas y mostradas en la fig. 2 representan el percentil 33 de la asignación a renta variable temática para cada objetivo de rentabilidad; en dos terceras partes de las simulaciones, la asignación propuesta es superior a la cifra mostrada en el gráfico.

Para una descripción más detallada de la optimización de media-varianza de la cartera, véase:
http://www.columbia.edu/~mh2078/FoundationsFE/MeanVariance-CAPM.pdf

 

Los resultados de la fig. 3 se basan en una simulación en la que utilizamos de nuevo datos históricos del período comprendido entre el 31/12/2008 y el 31/08/2019.  Calculamos el comportamiento del riesgo y rentabilidad ex-post de una cartera equilibrada de renta variable-renta fija, el 60% de la cual se ha asignado a renta variable representada en el índice MSCI ACWI y el 40% a renta fija representada en el BofA Merrill Lynch Global Government Bond. Las rentabilidades se basan en USD. Para calcular las rentabilidades históricas y la volatilidad del universo de acciones temáticas, seguimos el mismo proceso utilizado en el ejercicio anterior de optimización de la cartera. 

A continuación, realizamos 500 simulaciones en las que una cartera repartida al 50/50 entre renta fija-renta variable se complementa con una inversión satélite temática para obtener el mismo riesgo medio que la cartera repartida al 60/40. La asignación a renta variable temática, que, promediada a lo largo de las 500 simulaciones, genera la misma volatilidad que la cartera al 60/40 es del 18%, con una rentabilidad superior.

Los resultados mostrados en la fig. 5 corresponden a una optimización de la cartera utilizando nuestras propias previsiones de rentabilidad a 5 años de las clases de activos y una matriz de covarianza obtenida a partir de las rentabilidades históricas de los índices MSCI ACWI y BofA Merrill Lynch Global Government Bond. La metodología es idéntica a la seguida anteriormente. 

Nuestras previsiones de rendimiento de la renta fija se basan en un ratio rendimiento de los bonos/crecimiento tendencial del PIB nominal de 0,75 veces para EE.UU. y el Reino Unido y de 0,7 veces para Alemania (utilizando el PIB de la zona euro); en el caso de Japón, se parte del supuesto de que el rendimiento de los bonos aumentará en consonancia con la inflación tendencial hasta 2024. Para calcular la renovación anualizada futura, utilizamos datos de curvas de tipos de Bloomberg y realizamos un ajuste en renovación para el año 5 basado en dónde esperamos que se sitúe el tipo oficial a 10 años. Las previsiones de rentabilidad presuponen una tasa de recuperación del 40% para los bonos desarrollados, del 50% para la deuda soberana emergente y del 30% para el crédito emergente.

Los índices de referencia utilizados son: índices de JP Morgan para deuda pública desarrollada/emergente y bonos corporativos emergentes, índice SBI para bonos suizos, índice Barclays Euro Aggregate Corporate para “investment grade” de la zona euro, índices de BoFA Merrill Lynch para “high yield” de la zona euro/EE.UU., TIPS EE.UU. a 10 años.

Para las previsiones del mercado de renta variable, el crecimiento de las ventas se deduce a partir de nuestro pronóstico de crecimiento del PIB nominal (media de 2018 a 2022), ajustado por exposición de los ingresos a las regiones. Nuestras previsiones de variación de los márgenes de beneficios presuponen una reversión a la media a largo plazo en los próximos 10 años, ajustada por ciclo económico (brecha de producción) y apreciación esperada de las divisas. El crecimiento del beneficio por acción está ajustado por efectos de dilución.

El valor razonable se basa en el PER a 12 meses del índice S&P 500 y el modelo incorpora las previsiones de rendimiento de los bonos, de inflación y de crecimiento tendencial del PIB. La previsión presupone una reversión del ratio PER al descuento medio a largo plazo con respecto a EE.UU. (después de 1999 para la zona euro, Suiza y Japón). El PER de los mercados fronterizos es el mismo que el PER de los mercados emergentes.

Rentabilidades de los mercados de renta variable, previsiones a 5 años

Rentabilidades de los mercados de renta fija: previsiones a 5 años