lunes, 4 de junio de 2018


Entrevista a Wesley Gray de Alpha Architect


Esta es una entrevista que le hice escrita a Wesley Gray, de Alpha Architect.



La traducción está hecha por mí, y puede que algunas cosas suenen un poco extrañas porque no he sabido trasladar exactamente su mensaje al castellano.

Encontraréis al final de la entrevista en castellano, unas conclusiones mías. Podéis bajaros la entrevista original en inglés en este enlace.  




ENTREVISTA A WESLEY GRAY:

Antes de nada, muchas gracias por participar en esta entrevista. Es un honor para mí y estoy convencido de que la comunidad española lo agradecerá.

Antes de comenzar la entrevista me gustaría dejarte que te presentaras a tu mismo y también el proyecto Alpha Architect.

Ignacio, me honra participar y poder compartir esta discusión en español. Como sabrás, la misión de nuestra firma es capacitar a inversores a través de la educación, así que cuantas más ideas y conocimientos podamos compartir mejor, especialmente en idiomas extranjeros que no hablamos muy bien. Gracias.

Mi background es un poco atípico, y mi camino hasta acabar liderando una gestora no es muy común. Para empezar, me crié en un rancho en las montañas de Colorado (cerca de Eagle/Vail). De alguna forma, esta experiencia encendió mi interés en la inversión. Solíamos hacer trabajo manual todo el tiempo, y pronto me di cuenta que prefería usar mi cerebro que mis manos. ¡Soy un poco vago por naturaleza! También tuve bastante suerte al principio: Solíamos criar animales para la feria local, y uno de los bueyes que llevé se acabó vendiendo por una cantidad decente (un par de miles de dólares).

Mi padre, que no sabía mucho sobre inversión, me hizo hablar con mi abuela, que era una gran fan de Warren Buffet y Benjamin Graham. Ella me envió una copia de “El inversor Inteligente” que me llegué a leer. El libro era realmente aburrido, y yo estaba más centrado en jugar con mi Nintendo por aquella época, pero estaba fascinado por la idea de que se puede hacer que tu dinero produzca más dinero. Parecía mucho más fácil que voltear fardos de heno a 5 céntimos el fardo (aquí un video donde cuento la historia).

Cuando maduré me convertí en un obseso de los libros de inversión y me moría por convertirme en un inversor value, como Warren Buffet. Me leí cada libro que cayó en mi manos y en un momento dado me abrí paso a la Escuela Wharton, en la universidad de Pennsylvania, en Filadelfia. Mientras estuve allí, conecté con un profesor del departamento de finanzas - Chris Geczy. Chris fue mi mentor y me animó a que le ayudara con su investigación. Pasé mucho tiempo trabajando con listas de datos y programando, y finalmente acabé enganchado a la investigación. Chris y otros en el departamento me recomendaron hacer el doctorado y convertirme en un profesor de finanzas. ¿Cómo no iba a estar de acuerdo? ¡Parecía un gran trabajo! Así que me presenté y fue aceptado para hacer el doctorado en finanzas en la universidad de Chicago. Entré en 2002.

Después de terminar mis exámenes del doctorado y a falta de la tesis, estaba un poquito quemado de las finanzas y necesitaba un cambio. Acabé cogiéndome un periodo sabático de 4 años y serví en los marines. Un giro de casi 180 grados. Después, volví del extranjero y retomé el programa del doctorado, cargado de motivación para profundizar de nuevo en las finanzas. Estuve 2 años terminando mi tesis y después busqué trabajado en el sector académico. Mi mujer es de Filadelfia y el primer trabajo que me ofrecieron fue de la universidad Drexel, así que la decisión fue fácil. ¡De vuelta a la Filadelfia!

Al mismo tiempo que empezaba como profesor de finanzas, me contactó un multimillonario de nueva York, que estaba buscando transformar su family office. Quería “un enfoque Quant” y necesitaba algo de ayuda. No daré más detalles pero básicamente empezamos trabajando como consultores de la familia, lo que llevo a un acuerdo preliminar en 2012 y a lanzar la estrategia Quantitative Value en una cuenta gestionada. Terminé renunciando a mi posición de profesor y lo demás ya es historia.

Nuestro negocio siguió creciendo y prosperando, y ahora gestionamos del orden de mil millones de dólares entre ETFs y cuentas gestionadas. Dicho esto, nuestro equipo es aún pequeño – 8 trabajadores a tiempo completo – y todavía trabajamos en el sótano de mi casa. Me gusta operar como si acabáramos de empezar. Una de las cosas que aprendí en el ejército es que “la complacencia mata”, así que intentamos mantener una cultura de humildad y poco ego.

Como compañía, nuestra “ética y creencias son simples”: nuestra misión es capacitar a los inversores a través de la educación y nuestras mayores creencias son la transparencia, el ser  sistemáticos, siempre basados en la evidencia y centrados en el win-win.

Lo que intentamos y ofrecemos al mercado es lo que llamamos “Alpha asequible”, o en otras palabras, una variedad muy diferenciada de exposiciones a costes asequibles. De alguna forma estamos intentando ser el “Vanguard”  de los hedge-funds nicho como los exposures.


1. Factor Investing: perspectiva académica

1.1 Por qué Factor Investing: Hoy en día hay muchísimas corrientes de ideas de inversión y filosofías alrededor del mundo. Sin embargo, en España siempre vamos con retraso. El Factor Investing es algo desconocido para la mayoría de los inversores aquí. ¿Podrías definir con tus propias palabras qué es Factor Investing y por qué lo recomendarías?

El concepto básico del Factor Investing es formar portfolios basados en características (como por ejemplo, Bajos PER o altos ROE) que representen riesgos sistemáticos (o alguno diría que desajustes en el precio) que llevan a ciertos retornos esperados.

El Factor Investing (o inversión en factores, FI) es considerado a veces como una aproximación científica a la inversión pero diría, aunque sea irónico teniendo en cuenta lo que hacemos, que es más un arte que una ciencia, tal y como explico más claro en este artículo. ¿La moraleja del artículo?  Depende a quien preguntes o cuanto tortures los datos, siempre puedes inventarte un modelo con factores que explique cómo y por qué los precios se mueven, de media. Podría decirse que el aspecto más importante del FI es entender los fundamentos económicos de "por qué" los factores elegidos representarán los rendimientos esperados.

Dicho todo esto, recomiendo el FI que aquellos que están dispuestos a aceptar esta aproximación. Y realmente recomiendo la inversión FI basada en los principios básicos, en contra de una inversión basada en resultados de backtest.

Entender los resultados asociados a una estrategia de factores es importante, pero sólo en la medida en que la aproximación esté basada en un fundamento sólido. Para mí, Factor Investing, o quizás mejor dicho Inversión Sistemática, es simplemente una forma de sistematizar una filosofía de inversión. El objetivo es capturar la esencia de la filosofía inversora de uno, y eliminar los sesgos del comportamiento que vienen con el “Intentarlo demasiado”. Por ejemplo, si alguien cree en la visión del value investing de Ben Graham – comprar con margen de seguridad – puede definirse una simple aproximación sistemática: Podría ordenar todas las acciones según el PER y eliminar aquellas firmas con mucha deuda. De hecho, Graham sugería este tipo de enfoque y nosotros hicimos aquí el backtest de una muestra. Resulta ser muy volátil, pero generalmente hace lo que se espera que haga – dar retornos mayores que el mercado en el largo plazo. Un Stock Picker individual podría intentar conseguir los mismos resultados, pero una y otra vez la evidencia sugiere que los modelos baten a los expertos.


1.2 Desde tu punto de vista, ¿cuáles son las principales ventajas y desventajas del FI?

Beneficios: Un proceso repetible que puede ser estudiado y analizado. EL coste de implementación suele ser generalmente más barato y eficiente.

Costes: Potencial para perderte buenas oportunidades basadas en análisis cualitativo. Potencial para caer en el data mining y en la sobreoptimización.

Habiendo sido un Stock picker y un inversor sistemático creo que no hay una respuesta correcta. Para mí (y probablemente la mayoría de la gente) creo que los enfoques basados en reglas sistemáticas pueden funcionar mejor porque es muy difícil sobreponerse a los problemas asociados con la psicología. Sin embargo, para aquellos que tienen un autocontrol increíble y una gran experiencia, quizás les merece la pena ser stock picker. Se puede tener éxito con cualquier enfoque  mientras la paciencia y la disciplina sean parte del proceso.


1.3 Mientras que hay un montón de fuentes sobre análisis ténicos y otras áreas de inversión, el FI parece reservado para los académicos, y a veces es muy difícil encontrar buenas fuentes para quienes están empezando. ¿Cuál crees que es la mejor aproximación para empezar a aprender sobre FI?

Un estupendo comienzo sería el libro que Larry y Andrew tienen sobre el tema: “Your Complete Guide to Factor-Based Investing”, donde se resume muy bien el FI. Aquí os dejo una revisión que hicimos del mismo.

1.4 La gente sin un background técnico suele tener miedo de carecer de conocimientos de programación. ¿Esto es realmente importante? ¿Crees que hace falta un alto nivel de programación? Y, ¿qué software es mejor para empezar?

En una situación ideal, uno quiere saber todo sobre muchas cosas. Pero obviamente es mucho más fácil decirlo que hacerlo. Al final, lo que inviertes en tu educación dependerá de lo que estés intentando conseguir. Si estás buscando producir una investigación original, ser innovador en Factores, y/o tener tu propia gestora algún día, pues bien, vas a tener que apuntar alto y ser el mejor entre los mejores, lo que significa tomar el camino más difícil. Mi recomendación sería considerar hacer un Doctorado, que es en esencia un programa de entrenamiento de 4-6 años donde llevas a cabo investigación profesional. La base de datos /plataforma típicas que se suelen usar es CRSP/Compustat y SAS (o Matlab). Conocer lenguajes y programar es muy útil para trabajar con datos.

Ahora, si alguien quiere construir y gestionar portfolios de factores sencillos para su propio capital, el nivel de conocimiento en inversión necesario es considerablemente menor. Hay un montón de lenguajes de programación que pueden facilitarnos el éxito. Uno muy conocido es VBA/Excel usando la API de Bloomberg para alimentar los modelos. Se puede añadir más complejidad a medida que se va avanzando. Pero para ser francos, si alguien está interesado en estrategias de factores con movimientos lentos (frecuencia mensual o mayor), la necesidad de sofisticados lenguajes de programación para trabajar datos de forma más rápida no es crítico para triunfar. Y en muchos casos, cuanto más complejo sea más incrementa el ratio de errores.

Otro punto es lo que hemos dicho hablando antes de la estrategia de Ben Graham. Esta es una estrategia que se implementa con muy poquito esfuerzo. No requiere programación, solo paciencia y disciplina.


1.5 La última pregunta de este bloque es sobre una batalla que encuentro habitualmente en las redes: Análisis Cuantitativo vs Análisis Cualitativo. ¿Pueden ambos tipos de análisis convivir? ¿Estamos empeorando un modelo cuando le aplicamos una capa cualitativa?

No creo que haya una respuesta correcta aquí, sólo una seria de riesgos/beneficios a considerar (Escribimos sobre este tema aquí). Por un lado, los beneficios de los sistemas son procesamientos eficientes y pocos errores por sesgos de conducta. Sin embargo, los costes de estas aproximaciones es una menor cantidad de información (como que tipo de coche conduce el CEO).  Entonces, si uno fuera a juntar un buen proceso sistemático y lo combina con una información “soft”, que no lleve a problemas por introducir factores conductuales, teóricamente obtendría 1+1= 3 y no < 2. Pero la gran suposición del enfoque “Quantmental” es que 1) la información “Soft” tiene capacidad predictiva, a partir de la información ya disponible, y 2) se pueden efectivamente evitar los problemas por factores de comportamiento. Estoy abierto a la idea de que Quant Puro, cualitativo Puro, y todas las mezclas (como “Quantmental”) puedan dar una buena solución, pero dependerá de las circunstancias.


2. Aplicación para el inversor Retail: Como traducir esto en una estrategia de inversión real
2.1 El origen académico de los factores los hace una aproximación irreal para una estrategia real de inversión. Una vez hemos identificado la ventaja/factor en la que queremos invertir, ¿Cómo empezamos? ¿Cuáles son los pasos necesarios?

El primer paso en FI, o en cualquier proceso de inversión, es identificar cuáles son los factores probablemente reales y cuales son más bien extraídos por data-mining.  Swedroe/Berkin, en su libro de factores (mencionado previamente) destacan alguien preguntas que hacerse:
·         ¿Es el factor persistente en el tiempo, en diferentes ciclos de mercado?
·         ¿Es el factor generalizado en diferentes universos de inversión, regiones y a veces tipos de activo?
·         ¿Es el factor robusto en varias especificaciones?
·         ¿Tiene el factor una explicación intuitiva, basada en argumentos sobre el riesgo o el comportamiento humano, y con razonables barreras para arbitrarlo? Y,
·         ¿Es el factor implementable tras contar los impactos del mercado y los costes de transacción?

Digamos que ya has encontrado qué factores son reales. El siguiente paso es determinar cómo uno quiere construir su portfolio,  de una manera que refleje así su apuesta en el factor, ya que resulta que la construcción del portfolio puede tener efectos dramáticos en las rentabilidades esperadas. Por ejemplo, si uno permite que su portfolio varíe la frecuencia de rebalanceo o el número de acciones en cartera (incluso si la señal del factor es exactamente la misma) los resultados pueden ser completamente diferentes. Nosotros enseñamos esto para ambos, value y momentum.

Entonces tenemos un debate sobre cómo combinar factores. A nosotros nos gusta ir con value puro, momentum puro, y luego mezclarlos. A otros, como AQR, les gusta integrarlos comprando las acciones con los mejores elementos value y momentum. ¿Quién tiene razón?, honestamente, depende de un montón de cosas y de que se esté intentando conseguir.  Incluso hay gente con grandes conocimientos que puede no estar de acuerdo con estos debates. Probablemente el mejor consejo que puedo darle a alguien que va a ser un inversor en factores es invertir en lo que conoces y entiendes. Warren Buffett da este consejo en el contexto de la elección selectiva de acciones (stock Picking), y creo que es también aplicable en la inversión Quant. Al final,  no hay nada que funcione siempre, y la habilidad de cado uno de aguantar en los malos momentos y mantener la disciplina es lo que separa a los buenos inversores de los malos. Y al final, si uno tiene confianza en su teoría, entiende los costes y los beneficios, y tiene el valor de ser capaz de ver las cosas incluso en un amargo extremo, tiene muchas probabilidades de ganar al final. No es una garantía, pero si una oportunidad razonable.


2.2 He leído en muchas de vuestras publicaciones los beneficios de combinar Value y Momentum. Sin embargo, en un portfolio retail encontramos ciertas dificultades. ¿Cómo podemos combinar estos dos factores? ¿Encajan mejor en dos portfolios Puro Value y Puro Momentum separados o seleccionando las mejores acciones Value + Momentum?

Lo he mencionado brevemente arriba, pero en vez de reanudar el debate incluiré una serie de links con opiniones al respecto:

·         Alpha Architect’s take
·         AQR’s take  
·         Newfound Research’s Take

Honestamente, no sé si hay una respuesta correcta para esta pregunta. Creo que la evidencia no apunta completamente en una dirección u en otra. Si me enseñas un backtest diciendo que integrarlos es mejor, yo te enseño uno que sugiere que mezclarlos es mejor. En las situaciones donde hay un “empate” prefiero ir por la opción más simple y transparente. Para mí, esto es ir con la opción “pura” porque es más fácil de entender y determinar que pasó en el portfolio a posteriori. Por el contrario, los portfolios multifactor integrados pueden ser más difíciles de descifrar porque hay demasiados elementos en movimiento.


2.3 En un post reciente (Momentum everywhere, Including Factors) destacabais los puntos clave del paper “Factor Momentum”, que concluye que el Momentum también aparece en los factores. Adicionalmente, en vuestro libro Quantitative Momentum, añadís una frase “…Cuando la tendencia es tu amiga”. Para mí, esto son indicadores de la importancia del “timing” (no importa sólo el qué, también el cuándo). ¿Es el timing una de las claves para tener éxito con una estrategia? ¿Además del timing basado en los movimientos de los precios (tendencias) y los retornos de los factores (factor Momentum), habéis investigado modelos de timing utilizando indicadores macro (como las tasas de desempleo)?

Uno de nuestros proyectos iniciales con el Family Office que originó nuestro negocio de gestión de activos trataba de “temporizar en el mercado de acciones”. Honestamente investigamos tantas ideas que alucinarías. Nuestra conclusión: Market timing es un tema muy susceptible de data-mining (sobreoptimizar). Al final, no hay tantos puntos de giro en el mercado de acciones, quizás 30-50 observaciones únicas para los mayores mercados alcistas o bajistas. Si solo tienes 30-50 señales, incluso con una sola señal tienes altas posibilidades de sobreoptimizar, con 2,3,4 o más señales… vaya, no es difícil encontrar que la política, la climatología, el calentamiento global y las estrellas predicen los mercados. ¡De hecho, hay un paper sobre eso! LOL.

En resumen, la única técnica convincente de factor timing que he encontrado es seguir la tendencia del factor beta. E incluso con seguimiento de tendencia, no estoy seguro de que sea 100% a prueba de balas. Siempre existe la posibilidad que toda la robustez e investigación que hemos hecho en esta señal es el resultado de un increíble golpe de suerte, de forma histórica. Quién sabe.

En cuanto a la rotación del factor y factor timing (Alternar entre Value y Momentum) no estoy seguro de que la evidencia sea del todo convincente; además, cuando aplicas factor timing, automáticamente pierdes los beneficios de la diversificación de factores (sabemos que Value y Momentum tienden a funcionar como un buen equipo, así que ¿por qué quitarías uno de ellos en momentos aleatorios?). No estoy seguro de que el potencial extra que da el factor timing sea mejor que los ya bien establecidos beneficios de la diversificación de factores.


2.4 Otro punto sorprendente cuando aplicamos la investigación académica de factores a un portfolio real es la duración de los mismos: 1 año parece demasiado, mientras que periodos de rebalanceos más cortos implican costes más altos. ¿Cuál es en tu opinión el periodo de rebalanceo más apropiado? ¿Depende de los factores que usemos?

Aquí volveré a recomendar los links sobre la construcción de portfolios Value y Momentum que di antes, los cuales afrontan explícitamente este tema. Pero respondiendo tus preguntas, sí, los periodos de rebalanceo óptimos dependen en el factor que estamos examinando.
Value, por ejemplo, es un factor de movimiento lento. Podrías rebalancearlo cada 5 años y aún así verías algo de “efecto value”. Por otro lado, con Momentum, si no estás rebalanceando cada 6 meses al menos, no estás capturando el Momentum Premium, en términos de expectativas y costes netos. Por supuesto, siempre hay contrapartidas en los mercados. Una frecuencia de rebalanceo más alta lleva a unos resultados esperados mejores, pero también a unos costes mayores y una menor capacidad. Así que, realmente, no hay una respuesta correcta a esta pregunta. Simplemente un marco beneficio/riesgo para tomar decisiones. Por ejemplo, si me preguntan cómo gestionar 100.000$ millones en Value, para un fondo de pensiones, la respuesta sería un porfolio Value de movimiento muy lento y con muy poca rotación, que no generaría mucho Value Premium en el largo plazo. Sin embargo, ¡dame 50$ millones de una cuenta personal sin obligaciones fiscales y la rebalancearía cada mes!

2.5 Copiando la pregunta que le hiciste en octubre a Lu Zhang, pero con un pequeño cambio: Tienes un horizonte de 20 años y simplemente quieres maximizar los retornos en un portfolio Long-only. ¿Qué factor(es) usarías? ¿Cómo construirías la estrategia?

Portfolio Global concentrado de Value y Momentum. Quizás 200 acciones (100 US y 100 Fuera de US), pequeñas/medianas/grandes vs mega grandes. Rebalanceo trimestral (o más rápido). “Sentarse y a montar el caballo salvaje”.

3. Muchas Gracias y nos vemos pronto, pero antes…
3.1 Todos los invitados en mi podcast responden una pregunta típica. Esto nos ayuda a mí y a la audiencia a conocerlos mejor, y además, continuar aprendiendo de ellos. Es sobre libros. ¿Qué tres libros recomendarías y por qué?

Dios, hay muchísimos libros buenos. Ya he mencionado el Factor Book de Swedroe /Berkin, pero dejaré otros libros relacionados con inversión que me encantan.

·         The Intelligent Investor
·         When Genius Failed
·         What Works on Wall Street
Y por supuesto, si alguien quiere indagar en el factor Value o Momenutm, hemos escrito libros al respecto: “Quantitative Value y Quantitative Momentum”. No puedo garantizar que sean buenas lecturas (¡mi mujer dice que son aburridos!) pero puedo decirte que realmente disfrutamos al escribirlos y que los verdaderos inversores en factores aprenderán con ellos.
3.2 Un consejo para alguien que está empezando en la inversión cuantitativa.
Asegúrate de que te apasiona la inversión cuantitativa y no lo haces sólo por el dinero. Debido a que este campo es muy competitivo y desafiante, si no disfrutas con el contenido, te sentirás mal y deberías explorar otro campo. Se vive sólo una vez, así que no quieras malgastar tu tiempo en la Tierra siendo infeliz. Ninguna cantidad de dinero puede justificar una vida infeliz.
Pero si te encanta el reto y este tema, mi consejo es muy simple: Trabaja duro, encuentra gente con la que te guste trabajar y ¡diviértete!


Muchas gracias Wesley, esto significa mucho para mí.




Conclusiones mías:

Una de las cosas que más me han gustado, es el afán que tienen por evitar la sobreoptimización y encontrar siempre una explicación que justifique las ventaja.
Causas, causas, causas. Y todo basado en la evidencia.

Esto le lleva a tener una visión bastante escéptica. Lo cual es bueno. No hay que creerse nada. Tienes que demostrarlo por ti mismo, y así, no solo llegarás tú a la misma conclusión, si no que aprenderás los procesos y las metodologías necesarias. ESO ES LO IMPORTANTE.

Me ha sorprendido el escepticismo respecto a hacer timing, aunque entiendo los motivos. Es verdad que es demasiado fácil sobreoptimizar, por lo que hacer timing requiere una fuerte evidencia y una causa sólida. Más si cabe.

Finalmente sólo puedo quitarme el sombrero con su consejo para la vida, Creo que no hace falta decir más: Trabaja duro, encuentra gente con la que te guste trabajar y ¡diviértete!

sábado, 5 de mayo de 2018




Hace poco he tenido la suerte de que me publicaran un artículo en la revista Hispatrading. Lo podéis encontrar también publicado en la web www.x-trader.net.




En él, propongo un modelo mutifactor que bate al mercado, empezando por un factor de calidad como es el Return on Equity.

Lo hago usando la plataforma Portfolio 123 de backtesting. Este será el primero de una serie de artículos que publique sobre el modelo.

La siguiente entrega, que está en el horno, servirá para desgranar las estadísticas del backtest del modelo.

MI ARTÍCULO https://www.x-trader.net/articulos/sistemas-de-trading/un-modelo-de-inversion-multifactor-para-batir-al-mercado.html

¡Que lo disfrutéis!

domingo, 15 de abril de 2018


¡Línea de salida!


Quizás tendría que haber hecho más promoción. Y por eso probablemente no lo sepas aún, pero el próximo día 23 de Abril comienza el curso de Quantitative Value que imparto en el Instituto Financiero Esfera Capital.



Leerse el temario es fácil, pero no cuenta todo lo que va a tener detrás este curso. Y es que, soy el primer crítico de la educación reglada y el primer defensor de la educación práctica y aplicable.
Mi idea para el curso es que sea muy dinámico, colaborativo entre los alumnos, que todo el mundo participe y comparta. Tendrá teoría (¡por supuesto!) pero mi plan es que esté principalmente centrado es aspectos prácticos. Que no sea sólo escuchar y leer, si no debatir y hacer.

Para esto, pretendo incluir una serie de ejercicios, que iré proponiendo en función de lo que vayamos viendo, y sobretodo basándome en los intereses de los alumnos.

Otro punto a tener en cuenta es que no usaremos plataformas que requieran conocimientos de programación. Sé que mucha gente tiene miedo a la programación, por tanto, he querido eliminar este factor de la ecuación. Además, de aquellas plataformas que tengan un coste, el IFEC proveerá cuentas para los alumnos.

Aunque el temario está publicado, no es tan oficial como parece. Si tocaremos todos los puntos, pero podremos centrarnos más en unos u en otros en función de los alumnos y de lo que vayan pidiendo/necesitando.

Y como no, lectura. Tengo la intención de enterraros en lectura de papers y artículos para que desarrollemos ideas nuevas y probemos que funciona y que no. De esta forma es como, una vez terminado el temario, podréis seguir progresando.

Por supuesto yo estaré disponible para resolver todas las dudas y además todos los videos y materiales se quedarán colgados para que podáis acceder / verlos en diferido.








Temario

1.     Introducción Teórica de la inversión Value y Factor Investing
1.1.               Introducción a la filosofía Value
1.2.               Introducción al Factor Investing
1.3.               Comportamiento del Mercado a largo plazo 
1.4.               Qué son los índices
1.5.               Principales Factores
1.6.               Principales Ratios Fundamentales
1.7.               Historia y Referentes

2.     Métodos de construcción de un Portfolio Quantitative Value (QV)
2.1.               Principales Sesgos e Importancia de la Data
2.2.               Análisis estadísticos de cestas: Cómo identificar lo que funciona
2.3.               Tipos de reglas de entrada y salida de los Portfolios
2.4.               Estudio de la relevancia estadística para Portfolios Quantitative Value
2.5.               Backtest: Definición y utilidades
2.6.               Como aplicar un Backtest a un Portfolio Quantitative Value
2.7.               Tipos de optimizaciones
2.8.               Combinacion de factores
2.9.               Material de ampliación de contenido

3.     Diseño y Desarrollo de un Portfolio QV
3.1.               Selección de Factores
3.2.               Análisis y resultados de los factores aislados
3.3.               Construcción del Portfolio QV “Right Decisions”
3.4.               Optimización del Portfolio QV “Right Decisions”
3.5.               Propuesta de Ejercicio I
3.6.               Material de ampliación de contenidos

4.     Estudio y análisis de los resultados  
4.1.               Valoración de la robustez
4.2.               Principales Métricas a estudiar
4.3.               Análisis e Interpretación
4.4.               Confiando en las estadísticas
4.5.               Corrección del Ejercicio I
4.6.               Material de ampliación de contenidos


5.     Diseño y Desarrollo de un Portfolio basado en Dividendos
5.1.               Selección de Factores
5.2.               Análisis y resultados de los factores aislados
5.3.               Construcción del Portfolio QV “Dividend Seeding”
5.4.               Optimización del Portfolio QV “Dividend Seeding”
5.5.               Propuesta de Ejercicio II
5.6.               Material de ampliación de contenidos

6.     Diseño y Desarrollo de un Portfolio Contrarian
6.1.               Selección de Factores
6.2.               Análisis y resultados de los factores aislados
6.3.               Construcción del Portfolio QV “Contracorriente”
6.4.               Optimización del Portfolio QV “Contracorriente”
6.5.               Corrección del Ejercicio II
6.6.               Propuesta de Ejercicio III


7.     Introducción a los Indicadores Macroeconómicos
7.1.               Introducción a la macroeconomía
7.2.               Principales indicadores macroeconómicos
7.3.               Correlación de los indicadores macroeconómicos y los MMFF
7.4.               Fuentes de datos macroeconómicos
7.5.               Corrección del Ejercicio III

8.     Aplicando el Timing adecuado
8.1.               Construcción de filtros macroeconómicos
8.2.               Aplicación de filtros para optimizar sistemas de inversión
8.3.               Diseño de un filtro combinando Indicadores Macroeconómicos y Técnicos
8.4.               Timing de Factores
8.5.               Propuesta de Ejercicio IV
8.6.               Material de ampliación de contenidos

9.     Estrategias Asset Allocation
9.1.               Introducción a los Portfolios de Asset Allocation
9.2.               Tipos de activos
9.3.               Tipos de construcción
9.4.               Ventajas e inconvenientes de los Portfolios de Asset Allocation
9.5.               Como aplicar un backtest a este tipo de Portfolios
9.6.               Corrección del Ejercicio IV


10.            Diseño de estrategias de Asset Allocation
10.1.          Ejemplos de Portfolios
10.2.          Ejemplos de Portfolios Dinámicos
10.3.          Análisis de resultados
10.4.          Valoración y aplicación practica
10.5.          Propuesta de Ejercicio V
10.6.          Material de ampliación de contenidos




Material complementario
è Tutorial Portfolio 123
è Tutorial Portfolio Visualizer
è Tutorial Zona Value



Última Entrada Publicada

Entrevista a Wesley Gray de Alpha Architect

Entrevista a Wesley Gray de Alpha Architect Esta es una entrevista que le hice escrita a Wesley Gray, de Alpha Architect. La...