De la filosofía al código: Algoritmizando las Máximas de John Templeton
"El momento de máximo pesimismo es el mejor momento para obtener beneficios". Seguro que conoces esta famosa frase de John Templeton. Es una de las mayores verdades del mercado, pero ¿por qué tan pocos inversores logran aplicarla?
La respuesta es la psicología. Cuando hay sangre en las calles, el miedo nos paraliza. Cuando el mercado es una moda alcista, el FOMO (miedo a quedarnos fuera) nos empuja a comprar en los tejados.
Para eliminar el sesgo emocional de la ecuación, me propuse traducir las máximas filosóficas de Templeton a un lenguaje que no siente pánico ni euforia: el código matemático (Python). En este post os presento el resultado: la Estrategia Cuantitativa "Máximas de Templeton".
Las 4 reglas para programar a Templeton
Para que un ordenador entienda qué es "valor" o "pesimismo", tuve que transformar sus principios en reglas algorítmicas estrictas sobre un universo de 12 ETFs globales (S&P 500, Europa, Emergentes, Energía, Bonos, etc.):
- Comprar en épocas de pesimismo: El algoritmo solo compra un ETF si su precio ha caído al menos un 20% respecto a sus máximos de los últimos 12 meses.
- Buscar valor y precios bajos: Como proxy del PER histórico, el activo debe estar cotizando por debajo de su Media Móvil de 5 años (SMA 60 mensual).
- Evitar las modas: Para no comprar cuchillos cayendo o burbujas, el activo no debe haber subido más de un 15% en los últimos 3 meses.
- Nadie lo sabe todo (Gestión de capital): No metemos todo el capital de golpe. Entramos en 3 tramos del 7% (Dollar Cost Averaging) para promediar el precio si el mercado sigue cayendo, y mantenemos el resto en efectivo.
Aprender de los errores: La evolución del Backtest
Como os enseñé en mi desarrollo, programar no es adivinar a la primera. El primer backtest fue un desastre: usaba un Stop Loss del -15%, lo cual traicionaba la filosofía de Templeton (él no vende porque el mercado tenga miedo, él aguanta el valor). Además, exigía 10 años de historial, por lo que el algoritmo estuvo "ciego" y en efectivo hasta 2015, perdiéndose el crash de 2008.
Tras varias iteraciones y eliminando el Stop Loss para fiarnos únicamente del "Valor" (vender cuando el precio cruza por encima de su media de 5 años) y añadiendo un Take Profit del 30% para asegurar "beneficios reales", llegamos a la versión definitiva.
Resultados del Backtest (Cartera Moderna 2015 - 2024)
Probé la estrategia con un capital inicial de $10,000 empezando a operar en 2015, usando ETFs actuales y muy líquidos. Estos fueron los resultados:
- Capital Final: $15,007
- Rentabilidad Total: +50.08%
- Rentabilidad Anualizada (CAGR): 3.57%
- Máxima Caída (Drawdown): -16.74%
¿Os parece poca rentabilidad comparado con el S&P 500? Fijaos bien en el Drawdown del -16.74%. Mientras el mercado sufría caídas del -30% en el COVID o en 2022, esta estrategia dormía plácidamente en efectivo o en activos refugio deprimidos. Es una estrategia diseñada para sobrevivir y comprar en el fondo, no para ganar el rally de las tecnológicas.
Lo más importante: ¿Cómo operar esto en la vida real?
Muchos inversores se equivocan al usar scripts de backtesting porque intentan "comprar hoy lo que el script compró en 2015". Para evitar esto, el código está diseñado para imprimir dos escenarios muy claros a final de cada mes:
Escenario A: "Mantener efectivo" Si el script dice: "- Ninguna. Mantener efectivo", significa que hoy no hay valor en el mercado. Todo está caro o en tendencia alcista. La regla de Templeton es clara: la mejor inversión cuando no hay valor es el efectivo. No compréis nada. Esperad meses o años si hace falta. Paciencia.
Escenario B: Señales de "Comprar" Si el script devuelve:
- - Comprar: XLE (Energía)
- - Comprar: EEM (Emergentes)
Ahí es cuando actúas. Pero ojo, no repartes el capital a partes iguales entre los 12 ETFs del universo. Calculas el 7% de tu capital total actual y compras XLE. Otro 7% para EEM. El 86% restante sigue en efectivo esperando el siguiente tramo o la siguiente oportunidad.
Conclusión
La estrategia de John Templeton requiere un estómago de hierro y una paciencia hierática. Sub-performará en los mercados alcistas más feroces, pero es una coraza impenetrable en mercados bajistas. Algoritmicamente, hemos demostrado que sus máximas funcionan, reducen la volatilidad y compran activos en el punto de máximo pánico.
¿Qué os parece este enfoque? ¿Sois capaces de aguantar meses en efectivo esperando a que el mercado caiga un 20% para empezar a comprar valor, o el FOMO os puede?
Os dejo en los comentarios para debatir sobre la gestión del efectivo en estrategias de value investing algorítmico.
En el manual de usuario tenéis el código completo en Python usando Programación Orientada a Objetos, para que podáis ejecutarlo vosotros mismos en vuestros ordenadores o en Google Colaboratory.
Ambos ficheros: 'Estrategia_Máximas_Templeton_manual.md' y 'Estrategia_Máximas_Templeton.ipynb', los podéis descargar de Estrategia_Máximas_de_Templeton
Exención de responsabilidad: El presente análisis se proporciona única y exclusivamente con fines educativos y de investigación. No constituye asesoramiento financiero. La rentabilidad histórica simulada no garantiza resultados futuros.
Exención de responsabilidad: El presente análisis se proporciona única y exclusivamente con fines educativos y de investigación. No constituye asesoramiento financiero. La rentabilidad histórica simulada no garantiza resultados futuros.
