La belleza de la física teórica se cruza con el complicado negocio de la selección de valores en la oficina de PGIM Quantitative Solutions en Newark, Nueva Jersey. Allí, George N. Patterson, un doctor en física que dejó su carrera en la Administración Nacional de Aeronáutica y del Espacio para dedicarse a la inversión, preside un equipo de investigación que incluye a otros trece doctores.
¿Un físico en Wall Street? Si te gustan las ecuaciones diferenciales parciales, no te parecerá tan extraño. La ecuación que describe la deriva de los precios de las acciones es casi idéntica a la que define el movimiento del calor. Sin embargo, hay una gran diferencia entre las disciplinas de las ciencias naturales y las finanzas. Los planetas siguen trayectorias predecibles, mientras que los mercados de valores a veces son una locura. Patterson lo aclara: «La gravedad nunca tiene un mal año».
Como director de inversiones de PGIM Quant, Patterson tiene la tarea de adaptar las teorías abstractas de los libros de texto de finanzas a la tarea práctica de montar carteras de acciones, bonos y materias primas para clientes, en su mayoría institucionales. Herramientas: objetos arcanos como cópulas, gráficos dirigidos y modelos ocultos de Markov. Datos de entrada: 61 terabytes de datos. Resultados: 400.000 operaciones al año.
«Somos como una ballena barbada filtrando camarones diminutos», dice Patterson. Una ballena en una gran manada: PGIM Quant representa 102.000 millones de dólares de los 1,3 billones de gestión global de inversiones de Prudential Financial, la aseguradora de 149 años de antigüedad.
Patterson, de 58 años, recuerda de su infancia una visita a la Bolsa Mercantil de Nueva York con su padre, comerciante de materias primas. Así que quizás no fue una sorpresa que, al principio de su carrera haciendo simulaciones por ordenador en el laboratorio de la NASA en Pasadena, California, Barclays Global Investors fuera capaz de atraerlo. Se incorporó a PGIM en 2017.
¿Es posible vencer al mercado con una sala llena de ordenadores? No es fácil. PGIM no revela el rendimiento de sus cuentas gestionadas por separado, que se remontan a 49 años, pero tiene algunos fondos de inversión más pequeños y más recientes con registros observables. PGIM Quant gestiona fondos para grandes empresas, pequeñas empresas e internacionales, con rentabilidades en los últimos cinco años (según Morningstar) superiores a los índices correspondientes antes de gastos, pero inferiores después. Los clientes institucionales, que pagan comisiones más bajas (las tarifas publicadas oscilan entre el 0,3% y el 0,65% de los activos anuales), presumiblemente obtienen mejores resultados.
Los genios informáticos de PGIM pueden ganarse el sustento incluso si lo único que hacen es seguir los índices de referencia. La razón es que los clientes de fondos de dotación y pensiones tienen limitaciones diferentes y exigentes. Uno puede querer seguir el ritmo del S&P 500 y no tener acciones de combustibles fósiles, otro puede purgar las armas o el tabaco, mientras que otro puede querer infraponderar un sector que está sobrerrepresentado en sus cuentas en otros lugares.
El objetivo es maximizar una puntuación que recompense la rentabilidad esperada y penalice el riesgo. El riesgo cuenta, o de lo contrario se desvía hacia una cartera compuesta en su totalidad por valores de crecimiento agresivo como Nvidia y Netflix. Sucede que una cartera compuesta por valores como esos lo habría hecho muy bien recientemente, pero no es lo que el cliente quiere y estaría fuera de lugar en una institución prudente que era conocida, en sus primeros días, como la Widows & Orphans Friendly Society.
En PGIM Quant, un ordenador consciente del riesgo avanza a tientas hacia un punto alto dentro de un espacio con miles de dimensiones, cada una de las cuales representa un valor que podría poseerse. Menos mal que hay chips rápidos. Este trabajo de maximización se lleva a cabo diariamente para cada cliente, y la solución de cada cliente pasa por tres billones de cálculos.
El difunto Harry Markowitz expuso la relación entre riesgo y beneficio hace 72 años. Calculó los beneficios de la diversificación en función de la covarianza entre dos valores cualesquiera, una medida de su tendencia a marchar al mismo ritmo. El juego consiste en conseguir valores con covarianzas bajas (o mejor, negativas).
Todo muy elegante en un libro de texto de finanzas, dice Patterson, pero peligroso en el mundo real. La covarianza se mide analizando las cotizaciones bursátiles de los últimos años. Esta entrada tiene mucho de lo que Patterson, tomando prestado un término de la ingeniería eléctrica, llama «ruido». Si se pone un ordenador a trabajar con precios pasados, puede que detecte una casualidad, una covarianza baja entre una empresa de automóviles y otra de harina de pescado. El ordenador le diría que una cartera formada por Tesla y la empresa de harina de pescado sería especialmente estable. Pero esto no tiene sentido.
Otro problema de la teoría clásica de carteras es que asume que la covarianza es un número único y fijo. En el mundo real, la codependencia de dos activos puede ser baja en mercados plácidos, pero dispararse durante las turbulencias. Esta es la esencia de lo que falló en la crisis financiera mundial: todo se vino abajo a la vez.
Basándose en esa experiencia, los analistas cuantitativos miden ahora las relaciones entre valores con «cópulas», que tienen en cuenta explícitamente el aumento de la codependencia durante los mercados bajistas. El análisis del PGIM incorpora estas fórmulas, además de otras mejoras.
El equipo de Patterson ha elaborado un gráfico que utiliza los registros de valores para medir los vínculos entre empresas. (Ejemplo: el fabricante de puertas Jeld-Wen revela que obtiene el 15% de sus ingresos de Home Depot). Están jugando con un modelo de Markov (llamado así por un matemático ruso) para describir el mercado de valores. Este análisis supone que un genio, escondido en una habitación oscura, extrae movimientos al alza y a la baja de una de dos urnas, una de las cuales contiene bolas aleatorias con una media alcista y la otra con una inclinación bajista. Viendo sólo las bolas que salen, intentas adivinar su regla para elegir la urna.
Patterson no quiere que sus matemáticos se dejen llevar por nada de esto. El trabajo cuantitativo es «un arma cargada», dice. Si el ordenador descubre una «anomalía estadística que parece funcionar pero no sabemos por qué», no la utilizará. Haciéndose eco de un aforismo atribuido a menudo a Albert Einstein, define su objetivo de esta manera: «Utilizar la complejidad suficiente para modelar el mundo real, pero no más que eso».