Estamos viviendo una época caracterizada por una asignación de capitales cada vez más industrializada. La popularidad de los fondos indexados y los ETF se ha disparado. Se calcula que actualmente alrededor de 20 billones de dólares se gestionan pasivamente, lo que representa un tercio de la capitalización bursátil mundial. En Europa la cuota de mercado de las estrategias de gestión pasiva ya alcanza el 20%, cuatro puntos más que hace tres años. Paradójicamente, el auge de los productos indexados está siendo aprovechado como una fuente de generación de alfa por parte de los gestores activos.
Algunas gestoras ya se han percatado de los efectos que está teniendo sobre la formación de los precios la masiva asignación de capitales a través de estrategias pasivas y se han propuesto explotarlo, una misión que les ha sido encomendada a los equipos encargados del procesamiento de datos a gran escala (big data). Es el caso de entidades como BlackRock o Goldman Sachs AM.
Uno de los muchos factores que monitorizan son los flujos hacia ETF. La razón es sencilla. Llevar un control de las entradas y salidas en los fondos cotizados les permite posicionar y adaptar sus carteras para aprovechar las distorsiones que los flujos hacia estos productos crean en los precios de los activos. Todo el proceso se basa en los vínculos que existen entre los fondos cotizados y las compañías que componen los índices que replican.
“Es evidente que los ETF son productos cada vez más utilizados por los inversores. Dado que son estrategias que mueven grandes volúmenes de activos y su único objetivo es replicar un índice, el análisis de los flujos te puede servir para predecir qué valores concretos se van a ver beneficiados o perjudicadas en cada momento”, asegura Manuel Gutiérrez-Mellado, miembro del equipo de ventas de BlackRock para Iberia.
Distorsiones de los ETF
El razonamiento sobre el que se fundamenta el análisis responde a las leyes de la lógica: si p es verdad, entonces q también. Llevado al ámbito que nos ocupa, esto significa que si el equipo detecta que existen volúmenes significativos hacia determinados ETF, las mayores posiciones de los índices que replican estos productos acabarán recogiendo esos flujos. Y al revés: si estos son de salida, las compañías de mayor peso en los índices sufrirán en mayor medida esa huida de capitales. Dado que los volúmenes de negociación de los ETF es una información de la que se dispone al instante, los equipos de big data pueden estudiar un ETF concreto y monitorizar segundo a segundo cuáles son los flujos que están llegando para tratar de conocer, en primer lugar, cuál es el sentimiento de mercado y, en segundo, predecir qué compañías se verán más afectadas.
Según Gutiérrez-Mellado, “se trata de apalancarse en el pasado para intentar predecir el futuro, siempre teniendo en cuenta que si se producen cambios macro o sustos de mercado importantes, la tendencia queda rota. Como los ETF físicos tienen que comprar el subyacente, los flujos favorecerán a unas compañías frente a otras, lo cual crea oportunidades en el mercado”.
Esto es así porque, cuando un ETF recibe grandes flujos, en muchas ocasiones las compañías de mayor peso en el índice subyacente absorben buena parte de esas entradas sin que existan razones fundamentales que lo respalden. Esto significa que, además de posicionarse en la dirección de los flujos, manejar esta información también permite a los gestores activos tomar posiciones contrarias al mercado cuando consideran que existe una distorsión.
En los últimos años, una parte importante de la labor de análisis del equipo de renta variable científica de gestión activa de BlackRock se ha centrado en identificar cambios en la estructura del mercado para detectar movimientos fuera de lo común que haga que los precios difieran de su valor razonable. “Una compañía americana estándar de gran capitalización se encuentra en nada menos que 115 ETF distintos. Al analizar los componentes de miles de fondos cotizados y la negociación diaria de estos productos, podemos calcular el efecto potencial a corto plazo en el mercado de los diferentes títulos con el objetivo de posicionar nuestras carteras más a corto plazo para aprovechar estos movimientos”, explican desde el Centro de Análisis de Valoraciones de Títulos de BlackRock. Esta estrategia también la aplican en Goldman Sachs AM.
El desarrollo continúa
Pero el desarrollo de los sistemas de big data sigue su curso y las gestoras siguen afinando aún más sus modelos. En Goldman Sachs AM, por ejemplo, han aumentado el alcance de esta idea monitorizando las bases de datos donde se almacenan las carteras no solo de los ETF, sino también de fondos de inversión y hegde funds. De esta manera, pueden proyectar qué valores cuentan con el favor del mercado y cuáles no son populares. Sólo en EE.UU., monitorizan las carteras de más de 15.000 fondos (domésticos, extranjeros, activos y pasivos).
Hay que tener en cuenta, sin embargo, que el análisis de los ETF es una señal más que los equipos de big data agregan a otra serie de factores que también estudian. Con cada señal elaboran un ranking, que los gestores cruzan entre sí para anticipar el comportamiento de los valores. Goldman Sachs AM lo aplica en su gama CORE y el equipo del Scientific Active Equity de BlackRock en el BSF Americas Diversified Equity Absolute Return, donde el 50% del alfa proviene del big data, lo que demuestra la trascendencia que están teniendo estas nuevas técnicas para la industria de gestión de activos.
Un estudio de The Boston Consulting Group revela que la sofisticación de estos sistemas proveerán a las gestoras ventajas competitivas en la distribución. El objetivo con el que las entidades utilizan estas técnicas de gestión está claro: diferenciarse de la competencia con productos que sistemáticamente sean capaces de generar alfa.
