QUINTILES EN CRÉDITO Y ACCIONES: DÓNDE FUNCIONA MEJOR LA CLASIFICACIÓN

El análisis de quintiles es una técnica ampliamente utilizada en la gestión de inversiones y la investigación financiera empírica, en particular en la inversión factorial y la evaluación del riesgo crediticio. Consiste en dividir un conjunto de datos, como la rentabilidad de las acciones, los diferenciales de crédito o las calificaciones, en cinco grupos iguales según su valor relativo. El 20% superior generalmente representa el quintil de mayor rango (Q5), y el 20% inferior representa el de menor rango (Q1).

Los inversores aplican la clasificación por quintiles para identificar patrones, evaluar el rendimiento y formular estrategias basadas en las características de los datos. Por ejemplo, los valores en el quintil superior de un factor de "valor" podrían considerarse infravalorados y se espera que tengan un rendimiento superior, mientras que los del quintil inferior podrían estar sobrevalorados. Asimismo, en los mercados crediticios, la clasificación por quintiles puede ayudar a distinguir los instrumentos más riesgosos de los más seguros.

Sin embargo, la eficacia de la clasificación por quintiles varía significativamente entre mercados, en particular entre instrumentos crediticios y acciones. Comprender dónde y por qué esta técnica funciona mejor puede ayudar a los gestores de cartera a optimizar su enfoque analítico y sus decisiones de asignación.

Aplicación en renta variable

En renta variable, el uso de quintiles es fundamental en la inversión factorial. Estrategias como valor, momentum, calidad, baja volatilidad y tamaño suelen basarse en la clasificación por quintiles para aislar las acciones con características deseables.

Históricamente, investigadores y profesionales han demostrado una alta eficacia en la generación de diferenciales de rentabilidad entre los quintiles superior e inferior en múltiples regiones y períodos. Por ejemplo, las carteras de acciones construidas a partir del quintil superior en rendimiento de las ganancias o rentabilidad sobre el capital tienden a superar a las del quintil inferior.

Aplicación en los mercados de crédito

Por el contrario, la aplicación de quintiles en los mercados de crédito (que involucran bonos corporativos o valores estructurados) presenta limitaciones. Los instrumentos de crédito suelen presentar menor liquidez, una dispersión más estrecha en métricas clave como el diferencial o las calificaciones, y se ven más afectados por el riesgo de rebaja y las tasas de recuperación tras un impago.

Dicho esto, algunos factores como los fundamentos del emisor, el riesgo de rebaja, el momentum crediticio y la estructura temporal de los diferenciales aún pueden clasificarse e interpretarse de forma significativa mediante quintiles. Sin embargo, se debe tener cuidado debido al diferente comportamiento de los instrumentos de renta fija frente a la renta variable.

Por qué los quintiles no siempre se traducen

La diferenciación por quintiles a menudo depende de la dispersión, la liquidez y la calidad de los datos. En renta variable, la amplia dispersión en las métricas de rentabilidad, los volúmenes de negociación suficientes y la transparencia en los estándares de información hacen que la clasificación por quintiles sea más robusta. En cambio, los mercados de crédito adolecen de una menor granularidad de los datos y una dinámica estructural del mercado que limita la eficacia de dichos mecanismos de clasificación. Para los profesionales, esta discrepancia implica que, si bien las estrategias de quintiles pueden informar a ambos mercados, se deben considerar los matices de aplicación para evitar el sobreajuste o las señales erróneas.

La clasificación basada en quintiles constituye la piedra angular de muchas estrategias exitosas de inversión cuantitativa en renta variable. Respalda mecanismos fundamentales como la evaluación transversal de acciones, la construcción óptima de carteras y la inclinación por factores. Al clasificar los valores en quintiles según una métrica específica, como la relación precio-valor contable, el crecimiento de las ganancias o la relación deuda-capital, los gestores de fondos intentan detectar errores sistemáticos en los precios.

Ejemplos de inversión en valor
Tomemos como ejemplo la inversión en valor. Los inversores pueden clasificar todas las acciones en quintiles utilizando la relación precio-valor contable. El quintil de mayor valor (menor P/B) generalmente sugiere empresas infravaloradas con potencial de mayor rentabilidad futura. Una cartera long-short que mantiene posiciones largas en el primer trimestre (barato) y cortas en el quinto trimestre (caro) puede generar alfa si los precios erróneos se revierten con el tiempo.

Factores de momentum y calidad
Los quintiles son igualmente eficaces cuando se utilizan para evaluar el momentum (p. ej., rentabilidades de los últimos 12 meses) o la calidad (p. ej., rentabilidad sobre el capital). Las acciones con fuertes tendencias alcistas o una rentabilidad superior suelen agruparse en el quintil superior. La evidencia histórica sugiere que la compra de acciones de momentum o de calidad del quintil superior genera rentabilidades superiores en todas las regiones y ciclos.

Versatilidad implícita
Una de las razones por las que los quintiles funcionan bien en la renta variable reside en la gran dispersión de las características generadoras de rentabilidad. Las acciones difieren enormemente entre sectores, geografías y ciclos económicos, lo que crea un terreno fértil para la extracción de primas de riesgo. Además, la alta disponibilidad de datos y la amplitud histórica hacen que la renta variable sea adecuada para los marcos de quintiles con backtesting.

Técnicas de Construcción de Carteras
Los inversores pueden utilizar quintiles para construir carteras diversificadas con posiciones largas o largas-cortas. Neutralizar el sesgo sectorial, la ponderación sectorial y las exposiciones macroeconómicas entre quintiles garantiza la pureza del rendimiento. Además, al reequilibrar periódicamente según la composición actualizada de los quintiles, los gestores mejoran la disciplina y la repetibilidad.

Ejemplos de la Literatura Académica
Estudios fundamentales como el modelo de tres factores de Fama y French, el modelo de cuatro factores de Carhart y las investigaciones posteriores de AQR, Robeco y otros ilustran que los diferenciales de quintiles superior-inferior pueden generar un alfa significativo, especialmente en los mercados de renta variable desarrollados de gran capitalización.

Limitaciones y Consideraciones
A pesar de su éxito, los modelos de quintiles en renta variable no son infalibles. Son sensibles a la minería de datos, el sesgo de supervivencia y las dinámicas cambiantes del mercado. Además, la concentración en quintiles populares puede reducir la eficacia. Sin embargo, la innovación continua mediante el aprendizaje automático y el modelado factorial dinámico ayuda a los participantes del mercado a refinar el uso de los quintiles.En conclusión, la amplia dispersión de las métricas de renta variable, la frecuencia de los datos de negociación y el respaldo demostrado de la investigación hacen que la clasificación basada en quintiles sea muy eficaz para el análisis de renta variable y el desarrollo de estrategias.

El uso de la clasificación por quintiles en los mercados crediticios es más matizado y menos directo que en la renta variable. Los títulos de crédito, especialmente los bonos corporativos y los productos estructurados, poseen características que hacen que la clasificación directa por quintiles sea potencialmente engañosa o menos impactante.

Problemas de Dispersión y Distribución
Una limitación fundamental reside en la dispersión comparativamente estrecha de las métricas crediticias clave. Por ejemplo, los diferenciales entre los bonos corporativos con grado de inversión pueden no variar significativamente según el quintil. Esto hace que la diferenciación entre el quintil superior y el inferior sea menos significativa en comparación con el rango más amplio observado en las métricas de rentabilidad de la renta variable.

Impacto de las Agencias de Calificación
Gran parte del análisis crediticio depende de las calificaciones de agencias como Moody's o S&P. Estas calificaciones son discretas y subjetivas, lo que a menudo genera agrupamiento y baja variabilidad. Por lo tanto, la clasificación por quintiles de las calificaciones crediticias se ve limitada por la naturaleza ordinal de los datos de entrada, lo que limita su granularidad y capacidad predictiva.

Restricciones de liquidez
Otra limitación proviene de la liquidez. Los mercados crediticios suelen experimentar una liquidez irregular, especialmente en bonos de alto rendimiento o de mercados emergentes. La capacidad para realizar transacciones de forma eficaz en una cartera clasificada por quintiles es menor, lo que resulta en un alto riesgo de deslizamiento o exposición sistémica. Por el contrario, los mercados de renta variable suelen ofrecer mejores marcos de liquidez para ejecutar estrategias basadas en quintiles.

Influencia de los factores macroeconómicos
El rendimiento crediticio suele ser muy sensible a las fluctuaciones macroeconómicas, como las fluctuaciones de los tipos de interés, el crecimiento del PIB y la política monetaria. Estos factores macroeconómicos pueden saturar los datos crediticios específicos de cada empresa, lo que reduce la eficacia de los métodos de clasificación que presuponen independencia o idiosincrasia. Las carteras de renta fija tienden a responder más al riesgo de duración y a las medidas de los bancos centrales que a las dispersiones de factores.

Más adecuado para la investigación crediticia que para la negociación
A pesar de lo anterior, la clasificación por quintiles sigue siendo una herramienta útil en el crédito como marco de investigación. Los analistas pueden utilizarla para segmentar a los emisores según métricas como el apalancamiento, la cobertura de intereses o el impulso crediticio. Esta segmentación puede facilitar el análisis del valor relativo o identificar valores atípicos para un análisis más detallado, incluso si no está destinada directamente a las clasificaciones de negociación.

Crédito estructurado y complejidades adicionales
En el crédito estructurado (por ejemplo, CDO, ABS), la aplicación se vuelve aún más compleja. Estos instrumentos se ven afectados por múltiples activos subyacentes, la división legal en tramos y las normas de reasignación. La clasificación de las notas estructuradas en quintiles según la pérdida esperada o el diferencial puede omitir riesgos prospectivos críticos que no se reflejan en los datos históricos o estáticos.

Riesgo de insuficiencia de datos
Los datos de los instrumentos de crédito tienden a ser menos exhaustivos que los de la renta variable. La falta de estandarización de los informes, la menor profundidad histórica y la confidencialidad del emisor pueden reducir la fiabilidad o la relevancia del análisis por quintiles.

En general, si bien el razonamiento por cuantiles es válido en el análisis de crédito, su utilidad es más analítica que práctica. Los operadores y gestores de cartera deben complementar los hallazgos de los quintiles con evaluaciones cualitativas y una evaluación fundamental del riesgo para obtener conclusiones significativas en la inversión en renta fija.