En los últimos días, se han encendido todas las alarmas ante el riesgo de recesión de algunas de las principales economías del mundo (Alemania, Reino Unido, Italia, Brasil y México). La desaceleración afecta a varias regiones del mundo y puede llegar generalizarse, agravando la desconfianza de los inversores y la inestabilidad de los mercados financieros provocada por la guerra comercial entre EE. UU. y China, entre otros factores de incertidumbre. Los inversores han trasladado parte de sus carteras de inversión a activos considerados refugio, como los bonos soberanos; la desconfianza de los inversores se encuentra en mínimos históricos de los últimos años.
Gestionar tu cartera de inversión cuando se avecina un final de ciclo económico puede ser peliagudo. Si bien hay expertos que recomiendan reequilibrar la distribución de tus activos, comprar bonos del tesoro, enfocarte en materias primas, productos básicos o inversión inmobiliaria, lo realmente importante es aprender a gestionar el riesgo.
En el actual contexto de incertidumbre y condiciones de mercado adversas, evaluar la optimización del desempeño de las carteras de inversión, así como el riesgo de liquidez, es esencial, como explico en el capítulo “Theoretical and practical foundations of liquidity-adjusted value-at-risk (LVaR): optimization algorithms for portfolio selection and management”, el cual está incluido en el libro Expert Systems in Finance. Smart Financial Applications in Big Data Environments (Routledge, Taylor & Francis Group, 2019), publicado recientemente.
La noción de “optimización de portafolio” fue introducida por primera vez en 1952 por Markowitz para referirse a encontrar la óptimacartera de inversión en cuanto a la distribución de riesgos y rendimientos para un periodo determinado. Sin embargo, este enfoque tiene sus limitaciones, ya que los portafolios optimizados no suelen tener un desempeño tan bueno en la práctica como en la teoría.
Así, en los últimos tiempos, se ha popularizado el uso de nuevas técnicas y modelos de algoritmos de Valor en Riesgo (Value at Risk - VaR),sobre todo a partir de la crisis financiera global de 2007 y 2009. Si bien las metodologías para medir el riesgo de mercado están bastante estandarizadas, el riesgo de liquidez no ha captado tanta atención por parte de los académicos. Sin embargo, evaluar este tipo de riesgo es de vital importancia en mercados emergentes como los latinoamericanos, caracterizados por ser más líquidos que los mercados desarrollados.
Medir y predecir el riesgo de liquidez es complejo, ya que depende de muchos factores interconectados. Por ello, he desarrollado un algoritmo de optimización para mejorar el proceso de distribución de activos en carteras de múltiples activos combinando modelos sólidos de LVaR (Liquidity Value-At-Risk) con sistemas expertos y avanzados en técnicas de modelaje. Mediante este algoritmo de modelaje se obtienen mejores resultados que con los métodos de Markowitz, siendo una herramienta de selección y gestión de carteras más sólida y con aplicaciones en el mundo real tanto para fondos de inversión, gestores de riesgo e instituciones financieras como para reguladores y legisladores de economías desarrolladas y emergentes, sobre todo tras la últimas crisis financieras de 2007-2009.
Estos algoritmos de optimización y aplicaciones financieras inteligentes tienen el potencial de producir perfiles realistas de riesgo-rendimiento y mejorar con ello la comprensión que se tiene sobre los riesgos implícitos y armar mejores carteras de inversión de múltiples activos. Pero también, puede ser de utilidad para las gestoras de activos al enfatizar una distribución de activos más racional, teniendo en cuenta la última crisis de las subprime o hipotecas de alto riesgo.
