26

ANLISIS FINANCIERO

Juan Antonio Sanz Sanz, Prosper Lamothe Fernndez y

Santiago Carrillo Menndez*

Se puede mejorar la
gestin de un fondo de
inversin usando la teora
de fractales?
1. INTRODUCCIN

libre de riesgo)]

Los gestores de fondos necesitan saber cules son las

caractersticas de los activos con respecto al ndice que
desean batir.

La medida de Jensen es una de las maneras de ayudar a

determinar si una cartera est consiguiendo el retorno
apropiado para su nivel de riesgo. Si el valor es positivo,
entonces la cartera est consiguiendo exceso de rentabilidad. Es decir, un valor positivo para el alfa de Jensen significa que el gestor del fondo bate al mercado.

En finanzas, el alfa de Jensen mide el exceso de rentabilidad obtenido por la cartera ajustada al riesgo respecto de
la cartera de mercado. Es una medida de evaluacin en trminos absolutos, que expresa la habilidad del gestor para
obtener diferencias positivas o negativas respecto de la
rentabilidad ajustada al riesgo sistemtico de la cartera.
Esta medida fue primero utilizada por Michael Jensen en
los aos 70.
Para calcular el alfa de una cartera, los inputs necesarios son los retornos esperados de la cartera, los retornos
esperados del mercado, el retorno del activo riesgo-libre,
y las betas de la cartera
Alfa de Jensen = Rendimiento total de la cartera
[Rendimiento del activo libre de riesgo +beta de la cartera* (Rendimiento del ndice Rendimiento del activo

* Universidad Autnoma de Madrid

Beta (mide la sensibilidad de un fondo ante cambios en el

mercado) El concepto de beta surge del modelo de tasacin de activo fijo (CAPM). La idea bsica del CAPM es
simple: en un estado de equilibrio, los rendimientos que
los inversores deben recibir para cualquier presupuesto de
riesgo tomado, es proporcional a su beta o a su covariacin
con el mercado, es decir, una prima de riesgo es una funcin de la covarianza y no de la varianza.
Fama y French (1992), actualizan y sintetizan la evidencia de los fallos empricos del CAPM. Falla como predictor del comportamiento del activo; no predice ningn comportamiento cclico de los precios aparte del causado por
ganancias, no expresa correctamente la relacin riesgo-

SE PUEDE MEJORAR LA GESTIN DE UN FONDO DE INVERSIN ?

27

retorno en muchas circunstancias.

En ningn momento intenta explicar el comportamiento
de los mercados y la relacin con el perodo de la inversin.
El CAPM nos dice que:

k =

Cov (rk , rM ) Cov (rk , rM ) k

k
=
= k ,M
2
M
k M
M
M

donde sk y sM son las volatilidades del subyacente y del

mercado respectivamente, y donde rk,M es la correlacin.
El coeficiente bk mide la parte de riesgo no variable del
activo, tambin llamado riesgo sistemtico o la tendencia
de un activo o cartera para participar en los movimientos
del mercado.

Figura1
modelo normal ajustando 2417 rendimientos diarios del
Eurostoxx 50
Es bastante sencillo construir distribuciones que ajustan los
datos observados mejor que una distribucin normal.

2. LA HIPTESIS DE UN MERCADO DE FRACTALES

(FMH)
Los grficos de precios por s mismos no revelan ni realzan diferencias importantes, sino las ocultan. Es decir, los
diagramas de precios son una manera muy ineficaz de presentar la informacin.
En la teora de gestin de carteras, cuyo objetivo es maximizar los retornos para un nivel dado del riesgos, las frmulas que estn detrs se basan en un nmero de premisas exigentes que son matemticamente atractivas pero confan ms
en la esperanza aritmtica que en la propia realidad.
Primero, sugiere que los cambios del precio son estadsticamente independientes de una otra: por ejemplo, el precio
de hoy no tiene ninguna influencia en los cambios entre el
de hoy y el de maana. ste es el denominado mercado
eficiente. Todos los agentes en este modelo gozan en cada
instante de toda la informacin posible en el mercado.
La tarea es por tanto crear un modelo mucho ms realista que ajuste mejor la naturaleza del propio mercado.
En la relacin geomtrica del conjunto a sus partes, en
sus invariantes, es donde las matemticas pueden agregar un cierto valor al estudio de la optimizacin de carteras y en el estudio de la actividad del mercado que es la
base de la volatilidad.
Es bastante fcil observar que las distribuciones verdaderas de
retornos de los diferentes ndices no son normales. Podemos
encontrar cientos de estudios empricos al respecto.

Figura2
Unos modelo de Lvy ajustando 2417 retornos diarios del
Eurostoxx 50
Sin embargo, lo que realmente parecer carecer de una explicacin es cmo surge la propia distribucin. Es evidente que
utilizando distribuciones con ms parmetros que la normal
ajustamos mejor rendimientos,(ver Figura 1 y 2) sin embargo este no es el objetivo de este estudio.
Peters (1994), indica que los mercados son estables cuando contienen a inversores con una gran cantidad de diversos horizontes temporales, asegurando as liquidez
amplia,
Los factores fundamentales llegan a ser ms importantes en
horizontes de largo plazo. Si la validez de la informacin
fundamental cambia, los inversores a largo plazo paran de
negociar o negocian en factores tcnicos. Sin embargo, el
mercado llega a ser menos estable sin los inversores a largo
plazo del horizonte.

28

ANLISIS FINANCIERO

Los precios reflejan una combinacin de valoraciones por

parte de los inversores a corto plazo y largo plazo, donde
las valoraciones a corto plazo son ms voltiles. Cada
individuo puede interpretar la informacin conocida en el
mercado de diversas maneras cuando se incrementan las
prdidas son los inversores los que se ven influenciados
por lo que ha sucedido, sus expectativas sobre el futuro son
formadas por sus experiencias recientes.
En el modelo FMH. el riesgo depende de las longitudes de
los diferentes horizontes temporales, segn lo medido por
el exponente de Hurst. Este concepto del riesgo debe permitir la medida del grado de la eficacia del mercado, cuya
hiptesis es pues, el hecho de depender del tiempo y del
horizonte.

3. EL EXPONENTE DE HURST. UN EJEMPLO:

TELEFNICA.
El exponente de Hurst (H) determina el ndice del caos o
de las auto-correlaciones en una serie de tiempo. Por consiguiente, no trata directamente el riesgo.Los rendimientos
de la moneda extranjera son propensos a tener bastante tendencia.
Los tipos de inters tienden a tener correlaciones en las
series levemente negativas y reversin hacia la media.
Para ciertos tipos de medida de riesgo, especialmente, en
las medidas de riesgo a largo plazo, las correlaciones pueden jugar un papel importante, as que el exponente de
Hurst puede ser til en tal anlisis. Si la distribucin de la
probabilidad del sistema no es normal, un anlisis no paramtrico es necesario. El exponente de Hurst es uno de
estos mtodos en el caso de series temporales. Se puede
distinguir series de fractales de tiempo al azar, o encontrar
los ciclos largos los cuales tienen memoria, es decir ciclos
tendenciales .
Podemos pues decir que el exponente de Hurst es una
medida estadstica usada para clasificar las series temporales. H=0.5 indica una serie aleatoria, mientras que H>0.5
indica una consolidacin y reforzamiento de la tendencia .
Cuanto ms grande el valor de H, ms fuerte es la tendencia lo cual significa que los retornos negativos o positivos
son ms probable que perduren en el tiempo y el funcionamiento en el perodo prximo es probable ser igual que eso
en el perodo actual.
Los experimentos demuestran que la serie con el exponente de Hurst elevado se puede predecir ms exactamente que
esas series con valor de H cerca de 0.50. De alguna manera el sentido del exponente proporciona as una medida

para la previsibilidad del activo. La primera pregunta a

intentar responder es si la serie de tiempo bajo estudio es
fiable. El exponente de Hurst mide la dimensin fractal de
una serie de los datos.
Ver apndice 1, Exponente de Hurst para el Eurostoxx
Ver Figuras 3 y 4 que muestran la Rentabilidad y el histograma
de los rendimientos de Telefnica (2.417observaciones diarias)
Figura 5 Histograma de los exponentes de Hurst. La media
es 0.50724, y la cola ms pesada de la izquierda nos indica que en una gran cantidad de periodos Telefnica es "a
non memora series" (50 semanas con clculos diarios)

4. DIMENSIN FRACTAL
Hausdorff, alrededor de 1919, comenz a pensar en la
dimensin de este tipo de objetos geomtricos, encajados
dentro de una variedad geomtrica de dimensin mayor,
en este caso sera un plano. Esto origin el estudio de las
dimensiones fraccionarias de cuerpos geomtricos, la grieta por ejemplo no es un punto, as que no tiene dimensin
1, no es un plano de dimensin 2, y fue el punto de partida de la relacin entre la micro escala de las estructuras y
una macro escala. Semejante al proceso de formacin de
la grieta podemos tratar el proceso de formacin de un precio y pensar que tiene la misma naturaleza matemtica. La
geometra de Mandelbrot (1982) describe los objetos que
son idnticamente similares, es decir, cuando hacemos un
zoom sobre una parte, sus sub-partes tienen una cierta semejanza al total. Tales dimensiones fraccionarias se
pueden medir por varios mtodos, tales como gama - escalar el anlisis (R/S).
La dimensin fractal se calcula como valor = 2.0 - H.
El algoritmo de Hurst para obtener este exponente de una
serie de tiempo es como sigue:
Consideremos una serie de precios t el exponente de
Hurst es definido para un conjunto completo de horizontes como:

0 < H = lim
donde

ln RS H
<1
ln

SE PUEDE MEJORAR LA GESTIN DE UN FONDO DE INVERSIN ?

29

Bajo asunciones del estacionalidad y de independencia las

medias son constantes y la volatilidad es tambin constante:

Eti {s t }=

1
ti

t = ti

t =1

1
tj

t= t j

= E t j {s t }= c donde ti , tj T (19)

t =1

Adems, se asume que hay independencia lineal entre los

perodos. As, todas las covariaciones cruzadas entre los
perodos se asume que son cero.

donde ti , tj T(19)
El resultado es que la volatilidad ajustada (varianza) del perodo entero de la observacin, el cual es la suma de horizontes
n

RS H [

1
R ( ) ] 0
S ( )

independientes T = t i es medida como la suma de la raz

t =1

cuadrada de la volatilidad para cada sub-perodo:

De esta forma Mandelbrot relacion la escala de la amplitud con la escala de las ventanas temporales en las cuales se
observa el fenmeno, desde un punto de vista matemtico
podemos decir que el horizonte temporal depende de la
estructura de la distribucin de frecuencia en los rendimientos.
As el riesgo inherente al proceso de formacin del precio
depende de las diversas longitudes de los horizontes de la
inversin de los diferentes partcipes del mercado debido a la
simultnea existencia de una variedad de horizontes de la
inversin en los mercados financieros Bierman (1997). Para
demostrar la importancia de los varios horizontes de la
inversin en procesos de formacin del precio, Holton
(1992) pone en contraste el idealista proceso de estos horizontes en el proceso aleatorio de formacin del precio, con
las series reales.
La volatilidad observada de x(t) en diferentes ventanas temporales (p.ej. en minutos, horas, das, semanas, meses, aos,
etc.) es medida sobre el horizonte ti por la dispersin de H,
usando diferentes escalas temporales-medias:

2
( T ) 2 = ( t ) = T ( t )
t =1

As, podemos llegar a la conclusin de que la volatilidad del

perodo de observacin es una funcin exponencial del tiempo, con un exponente igual a H:
T = tT H

Para un dado T = longitud del sistema completo de observaciones, cuando el de los perodos de la observacin llega a
ser ms pequeo, es decir, cuando la escala de tiempo de la
observacin es reducida a T1, la unidad por observacin
crece de forma que n T, y observaremos riesgos relativos
pequeos.
As podemos definir la beta para el perodo como
k ,T = k ,1T ( H Hm) donde k ,1 ser la beta para el periodo
unidad H , H M son el exponente de Hurst para la cartera

y para el mercado. La beta, ser mayor si la diferencia

entre ambos exponentes es mayor que el horizonte temporal T.
Tiene realmente un impacto el horizonte temporal T del
tiempo en la generacin del alfa? Algunos autores determinan el horizonte en funcin de la liquidez de los activos.
Pero qu sucede cuando aplicamos este concepto a la medida del performance de una cartera?

30

ANLISIS FINANCIERO

5. PREPARACIN DE LOS DATOS Y ESTRATEGIA

muy importante la calibracin del momentum.

Para realizar nuestro estudio, hemos seleccionamos una ventana temporal de bolsa europea con todo tipo de tendencias,
estando representados todos los posibles escenarios que
podemos encontrar en un mercado. Escogemos un perodo
del tiempo desde 1/1/1997 al 1/1/2007.

El factor dominante para introducir esta variable dentro de la

optimizacin de cartera era el uso de calcular del exponente
de Hurst en el clculo de la beta. Esta tcnica se utiliza muy
poco en la literatura, y demostramos que los resultados son
bastantes sorprendentes. La cartera aqu con mejor funcionamiento ser cuando el exponente de Hurst toma el valor de
50 semanas. Particularmente podemos ver en la figura 6 que
cuanto mayor sea el nmero de semanas mejor sern los
resultados. Para otras dos estrategias los resultados estn
muy cercanos.

Para el desarrollo nuestro experimento utilizamos diferentes

perodos 30,40, 50 respectivamente para cada accin, y calculamos el correspondiente exponente de Hurst.
Aplicamos y repetimos el mismo proceso para la construccin de carteras balancean do los rendimientos y riesgos del
activo con la beta comn.
En primer lugar estimamos betas usando el exponente de
Hurst y las rendimientos de de cada activo. Usando la metodologa de Black, Jensen, Scholes (de 1972), aplicamos una
idea similar y rebalanceamos la composicin de la cartera
peridicamente. Este procedimiento crear carteras con bastante dispersin en las betas. Elegimos siempre la cartera con
la volatilidad del 10%, con apremios del peso mximo por la
accin del 5%.
Reequilibramos cada cartera cada semana. Si la accin no
tena precio en un cierto perodo porque no existi en el mercado, consideramos invariante el universo de activos.
Las series del precios se utilizan para computar un sistema de
rendimientos, usando la relacin: ln rt = 100* (pt/pt-1) donde
pt es el precio l de cierre de la accin en el da t, y pt-1 el
precio en el da que negociacin anterior.
Ver Figura 6
1997-2007.

Performance diario de cada cartera.

Ver Figura7 Todas las fronteras eficientes

6. CONCLUSIN
En este estudio lo primero de todo, hemos estudiado y visto
que en promedio todos los exponentes de Hurst son bastante similares para los componentes de Eurostoxx 50, y no
podemos decir mucho sobre el proceso de la memoria para
cada accin. Sin embargo, ABN, NOKIA estn muy cerca de
aleatoriedad (vase la tabla 1).
Hemos analizado, y he intentado vertir un poco de luz en el
verdadero impacto del horizonte temporal T del tiempo en la
generacin de alfa. La mayora de los gestores de fondos no
toman este factor en consideracin. Como podemos ver es

En cierto sentido la idea de los fractales nos puede ayudar

a estimar la probabilidad de lo que pueda suceder maana
de una perspectiva mucho ms realista, y como podemos
ver en las figuras de abajo el performance es mejorado.
Esto sugiere como en otros muchos estudios que las bolsas no son totalmente aleatorias en todos los perodos.
Algunos perodos tienen cierta clase de fuerte estructura
tendencial. Ninguna tcnica total viene cerca de pronosticar un desplome en un da especfico en base del pasado
pero permite prepararse para el estallido de burbujas
financieras.
Puesto que el CAPM es solamente una abstraccin de la
realidad, esperar que sea exactamente correcta no es razonable.
Aunque el mundo acadmico continua discutiendo el valor
del CAPM, con una cierta clase de modificaciones el
CAPM todava parece tener un papel importante que jugar
en finanzas.

REFERENCIAS BIBLIOGRFICAS:
Black; Fisher; Jensen; Scholes, M.; (1972) The Capital Asset
Pricing Model: Some empirical tests, Studies in the theory of
capital markets. Ed. Michael Jensen, pp. 79-121. New York:
Praeger
Bierman, H. (1997) "Portfolio Allocation and the Investment
Horizon," Journal of Portfolio Management, Summer.
Fama, Eugene F. (1970) Efficient Capital Markets: A Review of
Theory and Empirical Work, Journal of Finance, 25; pp. 383 417.
Farmer, J.D.; Gillemot, L.; Lillo, F.; Mike, S.; and Sen, A.; (2004),
What really causes large price changes?, in press in quantitative Finance. Preprint available at xxx.lanl.gov/condmat/
0312703.
Greer, R. (1997) "What is an Asset Class Anyway," Journal of
Portfolio Management, Winter.
Holton, Glyn A. (1992) Volatility and Horizon, Financial
Analysts Journal, December, 38-45. (http://www.contingencya-

SE PUEDE MEJORAR LA GESTIN DE UN FONDO DE INVERSIN ?

nalysis.com/_frame/framevol.htm).
Mandelbrot, Benoit B. (1982) The Fractal Geometry of Nature, W.
H. Freeman, New York, NY.
Peters, E.E. (1994) "Fractal market analysis: applying chaos theory to investment and economics" (New York: Wiley, ideas
immanent in nervous activity, Bulletin of Mathematical
Biophysics, 7, 1943: 115 - 133.

TABLAS Y GRFICOS
Exponentes de Hurts para el Eurostoxx

STOCK\WEEKS
AABA NA Equity
AGN NA Equity
AH NA Equity
AI FP Equity
ALV GY Equity
BAS GY Equity
BAY GY Equity
BBVA SQ Equity
BN FP Equity
BNP FP Equity
CA FP Equity
CS FP Equity
DBK GY Equity
DCX GY Equity
DTE GY Equity
ELE SQ Equity
ENEL IM Equity
ENI IM Equity
EOA GY Equity
EX FP Equity
FORA NA Equity
FP FP Equity
FTE FP Equity
INGA NA Equity
UNA NA Equity
G IM Equity
GLE FP Equity
IBE SQ Equity
LG FP Equity
MC FP Equity
MUV2 GY Equito
NOK1V FH Equito
OR FP Equity
SAN FP Equity
SGO FP Equity
PHIA NA Equity
TIT IM Equity
UC IM Equity
VOW GY Equity
TEF SQ Equity
REP SQ Equity
RWE GY Equity
SIE GY Equity
SPI IM Equity
SZE FP Equity
SAN SQ Equity

50
0,58483
0,67237
0,69934
0,43186
0,41128
0,43817
0,25925
0,47855
0,32287
0,43656
0,43869
0,53657
0,53094
0,53492
0,63386
0,34918
0,2381
0,53924
0,46875
0,54263
0,64244
0,49724
0,64476
0,63454
0,5734
0,46233
0,45455
0,20438
0,33748
0,60275
0,54564
0,54647
0,39858
0,3365
0,33063
0,51021
0,49427
0,47675
0,119
0,50724
0,43627
0,6092
0,52635
0,45891
0,57891
0,31278

40
0,55311
0,60229
0,63846
0,43824
0,45421
0,27573
0,15816
0,47359
0,36569
0,44971
0,50914
0,53562
0,4891
0,516
0,57823
0,31988
0,29849
0,42202
0,48506
0,49325
0,56087
0,39779
0,63148
0,58832
0,6014
0,38393
0,45991
0,24382
0,32291
0,52056
0,29723
0,52567
0,50241
0,38849
0,14378
0,4004
0,5441
0,5014
0,041074
0,58233
0,48616
0,53738
0,50802
0,445698
0,582361
0,38314

Tabla 1

30
0,52679
0,59054
0,61192
0,37653
0,42649
0,3061
0,19255
0,48258
0,46728
0,53095
0,58058
0,4861
0,48697
0,43549
0,5848
0,47762
0,39912
0,53649
0,53955
0,48965
0,48336
0,50865
0,52762
0,56362
0,61227
0,24279
0,49874
0,41661
0,5499
0,49989
0,26493
0,58312
0,65346
0,4765
0,27363
0,51432
0,58888
0,45765
0,18189
0,49685
0,54124
0,61927
0,51433
0,43658
0,60234
0,50451

31

32

ANLISIS FINANCIERO

Figura 3
Rendimientos diarios de TEF
(2.417observaciones diarias)
Figura 6
Performance diario de cada cartera. 1997-2007.

Figura 4
Histograma de los rendimientos de TEF

Figura 7
Todas las fronteras eficientes

Figura 5
Histograma de los exponentes de Hurst.

FUNDACIN DE ESTUDIOS FINANCIEROS

ENTIDADES PATRONO
de la Fundacin de Estudios Financieros
ABERTIS INFRAESTRUCTURAS
ACCIONA
ACS
ALTADIS
ANTENA 3 TV
ASTROC MEDITERRNEO, S.A
BAIN & COMPANY SPAIN
BAKER & MCKENZIE
BANCO SABADELL
BANKINTER
BBVA
BME
CAJA DE AHORROS Y MONTE DE PIEDAD DE NAVARRA
CAJA MADRID
CITIBANK ESPAA
CECA
CUATRECASAS ABOGADOS
DELOITTE
ENDESA
ERNST & YOUNG
FIDELITY INVESTMENTS INTERNATIONAL
FOMENTO DE CONSTRUCCIONES Y CONTRATAS - FCC
FUNDACIN BANCAJA
FUNDACIN CAIXA GALICIA - CLAUDIO SAN MARTIN
IBERDROLA
INDRA
J & A GARRIGUES
KPMG
LA CAIXA
METROVACESA
NATRA
PRICEWATERHOUSECOOPERS
RECOLETOS GRUPO DE COMUNICACIN
RED ELCTRICA DE ESPAA
REPSOL YPF
SACYR VALLEHERMOSO
SANTANDER
SOCIT GNRALE ESPAA
TELEFNICA
UNIN FENOSA
URA MENNDEZ

ENTIDAD FUNDADORA
INSTITUTO ESPAOL DE ANALISTAS FINANCIEROS