En el ámbito del portfolio management, una de las decisiones más subestimadas (y al mismo tiempo más determinantes) es la elección del horizonte histórico de análisis. ¿Cuántos años de datos deben utilizarse para estimar los parámetros clave de un portafolio de inversión óptimo?
Esta serie de artículos explora, combinando evidencia empírica con criterio técnico, por qué no siempre es cierto que más datos conducen a mejores decisiones. A lo largo de varias entregas, se analizarán distintos enfoques para seleccionar el periodo de lookback, sus implicaciones prácticas en la construcción de portafolios y estrategias concretas de implementación.
En esta primera entrega, los resultados sugieren que ventanas históricas más cortas tienden a ser más efectivas en perfiles de mayor riesgo o volatilidad, mientras que horizontes más largos se alinean con estructuras conservadoras o aversas a la variabilidad del rendimiento.
Se realizaron optimizaciones de media-varianza al inicio de cada año calendario, y se evaluó el desempeño de los portafolios durante el año siguiente. A partir de estos resultados, se calcularon métricas ex post promediadas para cada configuración.
Se analizaron cuatro portafolios:
Los periodos utilizados como ventanas históricas de estimación fueron los siguientes:
Los resultados confirman una falacia común: que más datos siempre son mejores. La evidencia sugiere lo contrario. Para perfiles más tolerantes al riesgo, horizontes más cortos suelen producir mejores resultados; en cambio, para inversionistas conservadores, una ventana más larga podría ser más adecuada.
Algunos detalles interesantes:
Uno de los hallazgos más notables aparece en el portafolio de Máximo Sharpe: todos los horizontes analizados generan un Sharpe ratio cercano a 0.90, lo que demuestra que la frontera eficiente conserva una eficiencia ex post relativamente constante, incluso cuando la composición de activos varía considerablemente. Esta aparente invariancia del Sharpe no implica equivalencia en el perfil de riesgo; la volatilidad fluctúa entre 4.3% y 12.5%, lo que sugiere que el optimizador identifica combinaciones muy distintas capaces de ofrecer una relación retorno-riesgo similar.
En contraste, dentro de los portafolios con restricciones de volatilidad (Conservador, Moderado y Crecimiento), no existe un patrón claro sobre cuál horizonte funciona mejor. En algunos casos domina la ventana de 20 años; en otros, la de 5 años. Esta disparidad refleja la sensibilidad de los supuestos de mercado (capital market assumptions) a los regímenes económicos específicos de cada subperiodo. La conclusión es clara: no existe un horizonte de lookback universalmente óptimo.
Desde una perspectiva de ciclos de mercado, los resultados sugieren que los perfiles conservadores se benefician más de ventanas largas, donde la renta fija global captura su desempeño histórico en fases de tasas decrecientes. Por otro lado, los portafolios de crecimiento reflejan mejor el dinamismo reciente de la renta variable y el oro en horizontes más cortos.
Un aspecto adicional relevante es la consistencia de ciertos activos: el oro y las acciones estadounidenses aparecen en casi todas las combinaciones, lo que indica su papel sostenido como generadores de retorno o coberturas efectivas a lo largo de distintos contextos macroeconómicos. En contraste, la renta fija y los instrumentos de corto plazo muestran una mayor variabilidad, ajustándose de forma más sensible a la evolución de tasas y ciclos económicos.
Este análisis inicial deja claro que los modelos de optimización de portafolios dependen fuertemente del rango temporal utilizado para estimar sus parámetros. Usar ventanas demasiado cortas puede llevar al sobreajuste (overfitting), mientras que horizontes excesivamente largos pueden diluir señales recientes o ignorar cambios estructurales. Por eso, la práctica profesional recomienda contrastar múltiples horizontes y alinear la ventana de estimación con el verdadero horizonte de inversión y el perfil de riesgo del inversionista.
Corroboración
Los resultados presentados hasta ahora muestran con claridad que la composición óptima de un portafolio varía significativamente según el horizonte histórico de datos utilizado. El mismo inversionista (con la misma tolerancia al riesgo) podría terminar con carteras muy distintas si el modelo utiliza 5, 10 o 26 años de información.
Esto sugiere que la estructura de relaciones entre activos, que es el insumo central del modelo de media-varianza, no es estable en el tiempo. Y si el modelo cambia sus recomendaciones de asignación según la ventana, la razón técnica debe estar en cómo evolucionan las correlaciones que alimentan esa frontera eficiente.
Para corroborar esto, se construyó una matriz de diferencias absolutas entre las correlaciones estimadas con ventanas de 26 años y 10 años. La métrica utilizada fue la diferencia en puntos porcentuales sin considerar el signo, lo que permite medir únicamente la magnitud del cambio.
Los resultados son elocuentes: las correlaciones entre activos cambian sustancialmente según el horizonte temporal elegido. La mayoría de los pares muestran diferencias superiores al 10%, y varias relaciones, incluso entre activos típicamente cercanos, exhiben variaciones de 20% o más. Por ejemplo, la relación entre bonos soberanos globales y acciones estadounidenses presenta una diferencia de 31 puntos porcentuales.
Este hallazgo refuerza la hipótesis inicial: el periodo de lookback no es un parámetro neutro. Las decisiones de asignación óptima que se derivan del modelo de Markowitz no solo dependen de los retornos y riesgos estimados, sino también (y de forma muy significativa) de las correlaciones subyacentes. Cambiar el horizonte histórico implica redefinir esas correlaciones, y con ellas, el portafolio final.
Renta variable vs renta fija
Es en esta relación donde los cambios son más marcados. Las correlaciones entre acciones y bonos muestran variaciones que en muchos casos superan el 20%, e incluso alcanzan niveles del 30%. Por ejemplo, la correlación entre US Large Cap y bonos globales cambia 31 puntos porcentuales; con bonos de corto y largo plazo, los cambios rondan el 25%. Estos resultados cuestionan la supuesta estabilidad de los bonos como “activos diversificadores” frente a la renta variable no es constante en el tiempo, y depende fuertemente del horizonte temporal analizado.
En conclusión, esta matriz de diferencias confirma que la estructura de correlaciones entre activos no es estática. Al comparar los horizontes de 26 y 10 años, varios pares muestran convergencias o divergencias significativas, lo que subraya la importancia de aplicar enfoques dinámicos, o al menos sensibles al horizonte, al momento de estimar correlaciones y construir un portafolio de inversión robusto.
Este primer artículo cierra la etapa descriptiva inicial: se ha demostrado que la elección del horizonte histórico tiene efectos concretos sobre las asignaciones óptimas, los perfiles de riesgo y la estructura de correlaciones entre activos. La noción de que el “pasado” es un parámetro neutro queda descartada.
En la próxima entrega, el análisis avanzará hacia una fase más aplicada. Se realizarán optimizaciones anuales con distintos lookbacks (desde 5 hasta 26 años) para estimar asignaciones óptimas en cada inicio de año, con rebalanceos posteriores y evaluación ex post. El objetivo será identificar patrones de desempeño y robustez asociados a cada horizonte.
