En los últimos años, debido al avance tecnológico y la amplia disponibilidad de información, se ha acentuado el debate sobre si los modelos cuantitativos pudieran ser mejores que los de análisis fundamental, en cuanto a su capacidad para generar rendimientos. La respuesta a este dilema no radica en definir cuál es mejor entre ambos sino en identificar cuál es el más adecuado, dependiendo del problema que se quiere abordar.

Las controversias entre diferentes filosofías de inversión no es un tema reciente. El siglo pasado se caracterizó por la disyuntiva entre el análisis fundamental y el técnico cuando Charles Dow, considerado el padre del análisis técnico, expresó que el comportamiento de un activo financiero podía ser analizado mediante figuras geométricas. Esta propuesta no fue bien recibida por la academia, al grado de ser comparada con la alquimia -incluso- a pesar de haber estudios como los publicados posteriormente por Andrew Lo y Craig MacKinlay, donde se demuestra que sí tiene la capacidad de predecir rendimientos. En la actualidad existe un dilema similar al debatirse sobre si las tecnologías como ‘Machine Learning’ e Inteligencia Artificial pudieran generar mayor rendimiento respecto de la experiencia en la vertiente fundamental.

La información es la materia prima de cualquier estudio, no por nada The Economist mencionó en 2017 que “el recurso más valioso del mundo ya no era el petróleo, sino los datos”; no obstante, la información por sí misma no genera rendimientos. Para ello se requiere comprender profundamente la misma y utilizarla para crear una fuente de retorno. Algunos de los medios para conseguirlo son el análisis fundamental o cuantitativo, cuyo objetivo compartido es maximizar el rendimiento; aunque ciertamente lo buscan a través de diferentes aproximaciones. Por mencionar algunas características, el fundamental se enfoca en la aplicación de la experiencia individual y colectiva del mercado para desarrollar modelos basados en expectativas micro y macroeconómicas; mientras que el análisis cuantitativo yace en algoritmos sistematizados, basados en información histórica, los cuales son probados de forma retrospectiva.

La definición del problema es el punto de origen para determinar cuál de los dos debemos utilizar. Por ejemplo, el análisis no será el mismo si un inversionista busca generar rendimiento en un mercado particular (como las acciones mexicanas) y otro lo busca en diversos mercados a nivel internacional, toda vez que una característica indispensable de ambas filosofías es la relación entre profundidad y amplitud de estudio. Respecto a esto, el análisis fundamental sería más adecuado para el primer inversionista porque le permitirá realizar una interpretación más profunda de cada emisora mexicana, como entender el modelo de negocio, consejo administrativo, perspectivas de crecimiento, entre otros. Por otro lado, las herramientas cuantitativas serían más útiles para el segundo inversionista porque con algoritmos sistematizados podría estudiar el comportamiento de una gran cantidad de acciones a nivel mundial en breve tiempo de respuesta, generando así, una mayor amplitud de estudio. Sin embargo, es importante mencionar que ambas filosofías muestran ciertas desventajas. Mientras que la vertiente fundamental pudiera ser susceptible de tomar decisiones erróneas a causa de los sesgos humanos, las herramientas cuantitativas son criticadas por no tener la capacidad de aprender e interpretar la información como lo hace la inteligencia humana.

Finalmente, es importante entender que ambas herramientas más allá de ser sustitutas pueden ser complementarias; de hecho, recientemente ha tomado fuerza el análisis ‘quantemental’, cuyo objetivo es potenciar el resultado del estudio mediante la fusión de ambas filosofías. Independientemente de la preferencia por la vertiente fundamental o cuantitativa, lo ideal es que la elección radique en el problema que se busque solucionar. Al final de cuentas, ambos tipos de estudio seguirán coexistiendo pues las tecnologías computacionales no podrán incrementar su potencial sin la continua intervención de la inteligencia humana y a su vez, el humano cada vez dependerá más de las herramientas cuantitativas por su gran capacidad de amplitud.

Julio Sánchez Trujillo es Executive Director Quantitative Models

julioalberto.sanchez.trujillo@bbva.com