Una de las preguntas que más me ha tocado investigar y responder en los 15 años que llevo escribiendo en Rankia y ayudando a armar carteras indexadas es ¿Cuándo agregar ETFs Satélites o con tilts, y cuáles agregar?
Al igual que muchos, me perdía al inicio en detalles estéticos de mi cartera indexada pasiva pasando por alto cosas que de hecho ya sabía y que son más importantes:
- Entre más ahorre menos dependeré de los rendimientos del Mercado.
- Cuanto más pronto comience es mejor.
- No le tienes que atinar a todos los mejores activos y tener la asignación perfecta. Debes tener aquella que puedas soportar en los peores momentos y para el largo plazo.
La tentación y los peligros de la sobrediversificación
La tentación de añadir más y más ETFs viene de un lugar familiar: FOMO. El miedo a quedarse fuera, fuera del último sector caliente, fuera del factor que ahora sí “va a funcionar”, fuera de la oportunidad que “no vuelve”, etc
Pero después de hacer cientos de miles de combinaciones, es que tener demasiados ETFs no solo es innecesario, sino que puede ser contraproducente. Genera sobredesdiversificación (“tener de todo, pero nada que realmente haga diferencia”), mala diversificación (“mezclar sin sentido factores incompatibles con nuestro horizonte o perfil de riesgo y volatilidad”), y diversificación cara, donde los costos explícitos e implícitos erosionan rendimientos año tras año.
Además, hay una verdad estadística que rara vez se explica: las probabilidades frecuentistas funcionan cuando puedes jugar un evento miles de veces… pero nosotros solo jugamos este juego de invertir a largo plazo una vez en la vida o tal vez tres si tenemos mucha suerte.
¿Por qué el promedio nos engaña?
Y ahí empieza el conflicto entre teoría y vida real: Los factores funcionan en promedio. Los ETFs satélite suman valor en promedio. Los tilts ofrecen primas históricas en promedio. Pero tú y yo no vivimos en promedio. Y el problema de pensar únicamente en promedios sin desmenuzarlo y matizarlos es que caemos en el problema de los 3 compadres y los pollos:
Tres compadres se fueron a comprar tres pollos para comer. Visto por alguien de afuera, en promedio cada uno se comió un pollo, pero la realidad es que el más grande de los compadres se comió un pollo y medio, el segundo se comió un pollo entero, mientras que el tercero solamente se comió medio pollo.
Entonces, ¿vale la pena añadir factores o satélites a una cartera indexada tradicional? ¿Y cuántos ETFs deberíamos usar realmente? Detrás de estas preguntas se esconden otras mucho más básicas que debemos responder primero: ¿qué tan diversificado debo estar?, ¿cuánto riesgo adicional tiene sentido tomar?, ¿vale la pena realmente añadir factores como value o small caps? Y sobre todo, entender que la bolsa va de probabilidades y no de certezas, y, por lo tanto, podemos caer en la probabilidad de fallo y nuestra estrategia debe de ser capaz de sobrevivir incluso si caemos ahí desde un inicio
La respuesta es mucho más profunda que el clásico “usa tres ETFs y listo” que todos quieren. Porque aquí lo importante es que te entendamos precisamente el porqué para que cuando vengan las vacas flacas, ese entendimiento nos haya ayudado a internalizar la evidencia y la filosofía para no estar dudando en saltar del barco en el peor momento.
¿Qué nos dice realmente la evidencia estadística?
Comencemos con la base: las primas de riesgo existen. La prima del mercado, la prima value, la prima de tamaño, e incluso ciertos patrones de momentum están documentados en literatura académica de décadas. Sin embargo, la existencia de una prima y la capacidad real de un inversionista de capturarla son dos cosas totalmente distintas.
Una prima observada en datos históricos solo es estadísticamente significativa si tiene un t-stat de 2 o más. El t-stat depende del tamaño de la muestra, la volatilidad de la serie y la magnitud del promedio. Y es aquí donde surge la primera incomodidad: para que un factor sea estadísticamente robusto, se necesitan décadas de datos.
Años necesarios para que un factor sea estadísticamente significativo
Factor | Años necesarios para t-stat > 2 |
Equity premium (mercado) | 26 años |
Value premium (HML) | 26 años |
Size premium (SMB) | 61 años |
Esta tabla revela una verdad incómoda: la mayor parte de los inversionistas no tiene 61 años disponibles para esperar a que la prima de small caps se manifieste con significancia estadística. Incluso la prima de mercado, aparentemente “la más segura”, requiere 26 años de observación para tener evidencia estadísticamente sólida de que existe una prima distinta de cero.
Esto implica que los factores funcionan, pero funcionan en marcos temporales que exceden la paciencia, la disciplina e incluso la esperanza de vida de la mayoría de personas. Este problema se vuelve aún más evidente cuando analizamos los periodos más largos donde un factor no ha entregado su prima.
Peores rachas sin prima de mercado, value y size
Factor | Peor racha sin prima | Periodo |
Equity (mercado) | ~16 años | 1958–1974 |
Value | ~16 años | 1983–2000 |
Size | ~27 años | 1983–2010 |
Estas rachas son extraordinariamente largas. Por ejemplo, ¿qué significa realmente pasar 27 años sin que un tilt de small caps agregue valor? Significa que un inversionista que añadió un satélite small caps al inicio de los años 80 no habría visto recompensa hasta comienzos de 2010. Durante casi tres décadas, ese inversionista habría visto cómo el mercado general lo superaba en rendimiento. Y aun así, estadísticamente, la prima existe.
Aquí aparece el primer mensaje importante para principiantes:
📌 La existencia de una prima no garantiza que se manifestará durante tu vida de inversión.
La evidencia existe, sí. Pero es evidencia de largo plazo, no garantía de corto o mediano plazo. Y la vida de un ser humano no es una simulación con miles de trayectorias posibles; es una única trayectoria.
Esta idea conecta con otro elemento crucial: la interpretación del promedio.
El promedio no existe: la ilusión del “10% anual”
En la industria se repite constantemente que el mercado da “alrededor del 10% anual”, pero esta frase es profundamente engañosa. El retorno promedio es una ficción estadística que casi nunca ocurre en la realidad. Por eso no hay que olvidar que el largo plazo está compuesto de angustiosos cortos plazos.
Los rendimientos reales del mercado son tremendamente dispersos: subidas muy grandes, caídas violentas, prácticamente ningún año “normal”.
Esto se evidencia en la siguiente tabla.
Distribución real de rendimientos anuales
Categoría | Resultado |
Años positivos | 74% |
Años negativos | 26% |
Años con ±10% | 72% |
Ganancias de dos dígitos | 56 de 95 años |
Pérdidas de dos dígitos | 12 de 95 años |
Rendimientos entre 8%–12% | Solo 5 años (≈5%) |
El dato más impactante es que solo 5 de 95 años tuvieron un retorno cercano al “promedio del 10%”. Es decir, el retorno promedio no describe la experiencia real del inversionista; es solo una referencia matemática.
Este comportamiento errático de los retornos explica por qué:
- La paciencia es indispensable.
- Las carteras deben construirse entendiendo la varianza, no el promedio.
- Las expectativas deben ser realistas, especialmente cuando añadimos factores
- Enfocarnos en sobrevivir y seguir el plan en el peor escenario es más importante que querer la asignación o la estrategia que de los mejores retornos, Porque de nada van a servir esos retornos espectaculares si no podemos sobrevivir esos peores momentos.
Los satélites se deben añadir con extremo cuidado: si el núcleo ya tiene ruido, añadir factores multiplica la varianza del portafolio.
