Riesgo de cartera de la industria de Robo-advisor: ¿Eficiencia o corte de esquina?

Los asesores robóticos han cobrado prominencia durante la última década, y el subsector fintech fomenta una participación más activa de los inversores más jóvenes y las masas en el ahorro y la inversión. Los roboadvisors tienen como objetivo democratizar el asesoramiento financiero y brindar servicios de alta calidad, que anteriormente estaban disponibles exclusivamente para inversores adinerados y sofisticados. En pocas palabras, el asesoramiento robótico es una forma de gestión de inversiones que subcontrata la estrategia de cartera a un algoritmo. La construcción y el reequilibrio de la cartera se automatizan con la ayuda de computadoras, lo que brinda soluciones de administración de patrimonio más asequibles y una posible reducción de los errores y sesgos humanos.

Muchas nuevas empresas en el campo luchan por alcanzar el punto de equilibrio y mostrar diferenciación de marca. ¿Cuál es la mejor manera para que los asesores robóticos continúen democratizando la inversión y obtengan ganancias mientras transmiten los riesgos reales de una cartera?

¿De dónde vino el asesoramiento Robo?

Betterment y Wealthfront son dos de los asesores robóticos más destacados, y el primero fue el primero en lanzarse en 2008. Para 2019, se estimó que el sector tenía $ 440 mil millones en activos bajo administración a nivel mundial y, con el tiempo, los administradores de patrimonio tradicionales, como Vanguard, también han adoptado tales técnicas. Si bien es completamente diferente de las plataformas comerciales de solo ejecución, como Robinhood, el mensaje de empoderamiento financiero de ambos sectores ha sido adoptado por los inversores más jóvenes, que tradicionalmente no han mostrado un interés activo en los ahorros para la jubilación hasta más adelante en sus carreras.

Una de las propuestas de valor clave de los asesores robóticos populares es que ayudan a los clientes a comprender los riesgos y costos asociados con las carteras, en lugar de centrarse solo en los rendimientos. Los argumentos en contra de la gestión patrimonial tradicional dirigida por asesores financieros son la desalineación de los incentivos, donde los activos costosos y de bajo rendimiento se canalizan a los inversores, que no pueden analizar los números de manera objetiva para obtener una línea de visión sobre el rendimiento. Por eso, los robo-asesores han sido defensores de la inversión pasiva, evitando los costosos fondos administrados activamente por fondos indexados económicos y fondos cotizados en bolsa (ETF).

Gestión de Riesgos y Robo-advisors

Si bien la mayoría de los asesores robóticos suelen emplear la teoría moderna de carteras (a veces junto con otras metodologías bien investigadas) para construir carteras de inversores, utilizan diferentes formas de expresar los niveles de riesgo asociados con esas carteras. La mayoría de los profesionales de la inversión están de acuerdo en que el riesgo es una consideración tan importante como el rendimiento en la selección de carteras. De hecho, la gran mayoría de los profesionales continúan inspirándose en el marco de optimización de la varianza media ilustrado por la disertación de 1952 del ganador del Premio Nobel Harry Markowitz sobre la selección de cartera.

Sin embargo, el riesgo generalmente no es tan bien entendido por el inversionista promedio como los rendimientos esperados. Esto se debe a que la tolerancia al riesgo de un individuo está impulsada no solo por el desempeño pasado y las expectativas racionales, sino también por circunstancias personales únicas y otros factores emocionales, como esperanzas y temores. Además, la tolerancia al riesgo de un individuo difícilmente es una medida estática. La mayoría de las personas percibiría decididamente que su tolerancia al riesgo es menor en 2020, debido a las incertidumbres presentadas por COVID-19, que en cualquier otro momento durante la última década. Un inversor evalúa la conveniencia de una cartera recomendada en parte por su propia percepción del riesgo de la cartera. Esta es la razón por la que es vital que un asesor robótico ilustre claramente el riesgo para que los inversores puedan comprender el riesgo y relacionarlo con su propia tolerancia, objetivos y preferencias emocionales.

Los asesores automáticos utilizan medidas cuantitativas o cualitativas para ayudar a los clientes a comprender el riesgo. Cada medida tiene sus ventajas y limitaciones.

Niveles de riesgo cualitativo: ¿agresivo o alto crecimiento?

La mayoría de los asesores robóticos asignan una calificación de riesgo cualitativa basada en cómo los inversores responden una lista predefinida de preguntas psicométricas. Esto generalmente variará en una escala numérica de "Muy conservador" a "Muy agresivo".

Una calificación de riesgo cualitativa tiene ventajas obvias, ya que hace que la percepción del riesgo de varias carteras entre sí sea fácil para un inversor. Por ejemplo, una cartera a la que se le asignó una calificación "Agresiva" puede ser inherentemente más riesgosa que una etiquetada como "Conservadora". Las preguntas psicométricas ayudan a reducir la tolerancia de los inversores a las pérdidas e identificar el nivel de riesgo adecuado.

Sin embargo, una calificación cualitativa puede no proporcionar una comprensión clara con respecto a la variabilidad esperada de la cartera. Puede que no sea obvio cuánto más volátil es una cartera agresiva, en comparación con una cartera moderada. Lo más probable es que una calificación de riesgo de 6 no signifique que la cartera tiene el doble de riesgo que una calificación de 3. Además, la percepción del riesgo puede variar según cómo se verbalice la calificación de riesgo. Los inversores pueden ver una cartera de alto riesgo de manera diferente, dependiendo de si está etiquetada como "Alto crecimiento" o "Muy agresiva". Por lo tanto, dicha categorización introduce una capa de subjetividad en el atractivo percibido de una cartera.

Mi preocupación con los asesores robóticos que enfatizan demasiado el riesgo cualitativo es que puede dar a los inversores una falsa sensación de seguridad en cuanto al rendimiento continuo de sus carteras. Una puntuación de riesgo arbitraria en un rango agresivo/conservador puede ser demasiado amplia y, en última instancia, terminar en decisiones de planificación financiera subóptimas por parte de inversores cuyas circunstancias pueden ser más complejas de lo que se pensaba anteriormente. Las preocupaciones con respecto a los riesgos simplificados en exceso se repiten en las llamadas regulatorias sobre los asesores automáticos que se dedican a la venta engañosa sistémica, y los inversores no logran comprender la verdadera naturaleza del producto.

Una mayor adopción de medidas de riesgo cuantitativas institucionales (utilizadas por bancos, fondos y oficinas familiares) con educación del cliente podría ser la clave para la próxima etapa de robo-asesoramiento. Esto realmente podría hacer avanzar a la industria y corresponder con los movimientos nacionales para una mayor educación financiera.

Medidas cuantitativas de riesgo para carteras de inversión

Domar la volatilidad: valor en riesgo

El valor en riesgo, o VaR, es la medida más popular de volatilidad de una cartera. En pocas palabras, el VaR es una medida de pérdidas mínimas esperadas como un cierto nivel de probabilidad (también conocido como nivel de confianza o percentil). Por ejemplo, si el VaR del 99 % de una cartera es del 12 %, significa que existe un 99 % de posibilidades de que las pérdidas de la cartera no superen el 12 % durante un período determinado. En otras palabras, existe un 1% de probabilidad de que las pérdidas de la cartera superen el 12%. Algunos asesores robóticos ya aplican VaR, y un ejemplo de uso es StashAway de Singapur, que marca una guía del 99% en una medida llamada "Índice de riesgo".

El VaR se puede calcular utilizando diferentes métodos. El método histórico ordena los rendimientos históricos de una cartera por magnitud e identifica el rendimiento observado en un determinado percentil (normalmente 95% o 99%). El método de varianza-covarianza asume que los rendimientos se distribuyen normalmente y utiliza la desviación estándar de la cartera para estimar dónde se ubicarán los peores rendimientos del 5% o el 1% en la curva de campana. El VaR también se puede estimar mediante la simulación de Monte Carlo, que genera los peores rendimientos del 5 % o el 1 % en función de los resultados probabilísticos.

La popularidad del VaR surge del hecho de que facilita que un inversor comprenda la variabilidad de una cartera y la relacione con su tolerancia personal a las pérdidas. Sin embargo, podemos obtener resultados diferentes según los insumos y la metodología utilizada para calcular el VaR, lo que afecta la confiabilidad de la medida. Además, el VaR se basa en gran medida en numerosos supuestos, como que los rendimientos se distribuyan normalmente y se alineen con los rendimientos históricos. Finalmente, un VaR del 99% del 12% (descrito anteriormente) no informa al inversor sobre el monto de las pérdidas que se pueden esperar en el peor de los casos.

Las diversas advertencias detrás de VaR pueden estar limitando su prominencia en las plataformas de asesoramiento robótico, ya que se considera una métrica complicada de entender para los usuarios. El ejemplo de StashAway marcándolo en una métrica más digerible muestra cómo estas barreras se pueden romper de manera más convincente.

Valor condicional en riesgo

Abordar una de las deficiencias del VaR, el valor en riesgo condicional, o CVaR, proporciona la pérdida esperada a un inversor en el peor de los casos. Con un nivel de confianza del 99 %, el CVaR se calcula como la rentabilidad media de la cartera en el peor 1 % de los escenarios. El CVaR se estima utilizando métodos similares a los del VaR. Si bien puede ayudar a brindar una imagen más clara del peor de los casos en comparación con el VaR, puede sufrir deficiencias similares debido a las suposiciones y metodologías utilizadas en la estimación.

Las desconexiones del mercado de 2020 tienden a romper los patrones de distribución normales, lo que demuestra que agregar más medidas de riesgo de cartera "tridimensionales", como CVar, puede ser ventajoso. Junto con la medida estándar de VaR, los datos de CVaR mejorarían las ofertas de gestión de riesgos de un asesor robótico y serían adecuados, considerando que la mayoría de los activos robóticos son fondos indexados (cestas de acciones).

Mejores y peores rendimientos

Los mejores y peores rendimientos se relacionan con los rendimientos periódicos continuos de un valor o cartera durante un horizonte de tiempo determinado. El rendimiento se puede calcular sobre una base diaria, mensual o anual, según el horizonte temporal del inversor. El marco de tiempo generalmente está determinado por la disponibilidad de datos, pero puede afectar los mejores y peores rendimientos observados si no usamos un horizonte de tiempo lo suficientemente largo.

Mejores y peores rendimientos de los activos estadounidenses: 1973-2016

La medida utiliza rendimientos históricos para dar a los inversores una indicación de los mejores y peores escenarios. Una clara ventaja es que, a diferencia del VaR, distingue entre rendimientos positivos y negativos, en lugar de asumir una distribución normal. A los inversores no suele importarles la volatilidad positiva y, en su mayoría, se preocupan por los riesgos absolutos a la baja. Además, a diferencia de CVaR, muestra los peores rendimientos absolutos observados en lugar de tomar un promedio de rendimientos, lo que puede subestimar el peor de los casos. Sin embargo, al igual que otras medidas cuantitativas, esto tiende a mirar hacia atrás y también depende del conjunto de datos de los resultados observados.

Las medidas de riesgo de Mejor y Peor Retorno son adecuadas para las plataformas de asesores robóticos, ya que se comunican claramente a los inversores sin depender de proporciones financieras intimidantes. Sin embargo, uno de esos riesgos es que pueden jugar con sesgos irracionales y alentar las ventas de pánico en un mercado en caída o aferrarse obstinadamente a los perdedores.

Medir el riesgo cuantitativo usted mismo

Echemos un vistazo a cómo se pueden calcular los rendimientos VaR, CVaR y Best and Worst para una cartera de un solo activo. El activo que se tiene en cuenta es SPY, que es un ETF que realiza un seguimiento de las acciones estadounidenses de gran capitalización.

Los datos utilizados para los cálculos a continuación pertenecen al NAV y las declaraciones mensuales de SPY desde julio de 2007 hasta junio de 2020. Los cálculos se pueden realizar utilizando las funciones de Excel o Google Sheets.

VaR - 11,8% VaR implica que la probabilidad de que SPY pierda más del 11,8% en un mes determinado es del 1%. En otras palabras, SPY proporcionó mejores rendimientos mensuales que una pérdida del 11,8 % en el 99 % de los meses. Pasos (hojas de Google/Excel):

1. Calcule los rendimientos mensuales históricos a partir de los datos del precio de las acciones/NAV.
2. Utilice la función PERCENTIL.INC utilizando la matriz de rendimientos históricos y el percentil deseado (p. ej., 1 % para un intervalo del 99 %) como entradas.

CVaR : 14,5 % CVaR implica que la pérdida mensual esperada en SPY durante el 1 % de los peores resultados es del 14,5 %. Esto se puede determinar en Google Sheets/Excel usando la función AVERAGEIF para calcular el promedio de rendimientos menores que el resultado VaR.

Mejores y peores rendimientos : como se muestra en la tabla, los mejores y peores rendimientos mensuales observados en SPY durante el período 2007-2020 fueron +13% y -16% respectivamente. Estos se pueden calcular rápidamente usando las funciones MIN y MAX .

Como se mencionó, es importante tener en cuenta que estas medidas pueden arrojar diferentes valores, dependiendo del método y del período de observación. La elección de la metodología y el período debe basarse en factores como la disponibilidad de datos, el horizonte de tiempo de inversión esperado y el juicio personal.

Diferenciación a través de medidas cuantitativas

La base de la gestión patrimonial tradicional es adaptar las carteras a las necesidades individuales, ya sea en cuanto a lapso de tiempo, ética, apetito por el riesgo y necesidades basadas en los ingresos; por eso, cada enfoque es a medida. Lo que hace que el asesoramiento robótico sea atractivo es cómo sus métodos automatizados pueden funcionar en franjas de bases de clientes.

Sin embargo, los asesores robóticos deben ayudar a los clientes a comprender claramente las ventajas y desventajas de la rentabilidad de riesgo de sus ofertas de cartera para que puedan elegir las carteras adecuadas que satisfagan sus necesidades personales. Las medidas de riesgo cualitativas son un "en rampa" fácil de entender para el asesoramiento robótico, pero con el tiempo, sus parámetros pueden volverse redundantes. Sin embargo, cuando se utilizan junto con las medidas de riesgo cuantitativas descritas aquí, ayudan a proporcionar pautas de gestión de riesgos más holísticas y conciencia sobre el rendimiento de la cartera.