Correlación entre estrategias.

La correlación es un número entre −1 y +1 que describe en qué medida dos series se mueven juntas. Aplicada a estrategias, no se calcula sobre los precios de los activos que operan, sino sobre sus series de resultados: la secuencia de rendimientos mensuales, semanales o por operación de cada estrategia.

Esa distinción no es un tecnicismo, es el corazón del asunto. Los activos que se operan son una pista sobre la independencia. Los resultados son el dato. Puedes tener dos estrategias sobre mercados que apenas se relacionan entre sí y descubrir que sus resultados se mueven al unísono, porque ambas dependen de que haya volatilidad y la volatilidad sube y baja en todos los mercados a la vez. La relación no estaba en el activo: estaba en el mecanismo.

Y al revés. Dos estrategias sobre el mismo activo pueden tener resultados razonablemente descorrelacionados si una gana cuando el precio se mueve con decisión y la otra gana cuando el precio vuelve sobre sus pasos. No es lo común —el marco temporal compartido tiende a acercarlas— pero es posible.

Por eso la pregunta correcta ante un sistema que dice diversificar nunca es “¿qué mercados opera?”. Es “¿cómo se relacionan sus series de resultados?”

Los extremos son fáciles y casi nunca aparecen en la vida real. Una correlación de +1 significa que las dos estrategias se mueven exactamente igual: cuando una gana, la otra gana, en proporción fija. Es lo que ocurre cuando alguien te presenta como dos estrategias lo que en realidad es la misma idea con dos juegos de parámetros. Una correlación de −1 significa el espejo perfecto: cuando una gana, la otra pierde lo equivalente. Combinadas al 50/50 darían una línea plana — sin riesgo y sin retorno. No existe fuera de los libros.

Lo que sí existe es el terreno intermedio, y ahí hay que calibrar la intuición. Una correlación de +0,7 suena a “bastante distintas” y en la práctica significa que estás operando casi la misma cosa: la reducción de riesgo que obtienes es marginal. Una correlación de +0,3 suena a “algo relacionadas” y en realidad ya te está dando la mayor parte del beneficio alcanzable.

El error de lectura más común es tratar la escala como si fuera lineal — como si +0,5 fuera “la mitad de correlacionadas”. No lo es. Lo que importa para el riesgo del conjunto no es el coeficiente en sí, sino cómo entra en la aritmética, y ahí la relación es curva: se pierde mucha diversificación en el tramo alto y se gana poca en el tramo bajo.

Y una advertencia sobre el signo negativo. Cuando alguien anuncia estrategias con correlación negativa sostenida, la explicación más probable no es que haya encontrado el santo grial: es que el periodo medido es corto y el número es un artefacto. La correlación negativa estable entre fuentes de retorno positivo es rara, porque implicaría que se puede cobrar una prima de riesgo y cubrirla a la vez.

La correlación no es una métrica contemplativa. Determina aritméticamente cuánta volatilidad tiene el conjunto. Para dos estrategias de volatilidad equivalente combinadas al 50/50, el resultado es este:

Hay dos lecturas que sacar de esta tabla y las dos son incómodas para el discurso habitual del sector.

La primera: el tramo alto de la escala no sirve para casi nada. Bajar de +1,0 a +0,7 —que en una descripción cualitativa sonaría como un cambio enorme, de “idénticas” a “bastante distintas”— recorta el riesgo un 8%. Ocho por ciento. Toda la retórica sobre carteras de muchas estrategias se sostiene sobre este tramo, que es donde menos se gana.

La segunda: la rentabilidad esperada es idéntica en las seis filas. La correlación no toca el retorno. Solo toca el riesgo. Por eso la independencia entre estrategias no es un detalle de diseño: es literalmente lo único que estás comprando cuando decides repartir capital entre varias piezas en lugar de concentrarlo en la mejor.

Un coeficiente de correlación es un resumen, y como todo resumen pierde información. Conviene saber qué pierde.

Solo captura relaciones lineales. Dos estrategias pueden tener una dependencia real y fuerte que la correlación lineal no vea, porque la relación no tiene forma de recta. El caso típico: dos estrategias que son indiferentes entre sí en condiciones normales y que colapsan juntas cuando la volatilidad supera cierto nivel. La correlación del periodo completo sale baja. La dependencia en el momento que importa es total.

Depende brutalmente del periodo. El mismo par de estrategias puede dar +0,6 en un año y −0,1 en el siguiente. Un coeficiente sin periodo declarado y sin número de observaciones no es un dato: es una cifra. Y con pocas observaciones el intervalo de confianza es tan ancho que el número es compatible con casi cualquier verdad subyacente.

Se puede fabricar por selección. Si pruebas muchas parejas de estrategias sobre el histórico y te quedas con las que muestran correlación más baja, no has encontrado independencia: has encontrado ruido que se parece a la independencia. Es el mismo mecanismo del overfitting, aplicado a la matriz de correlaciones en vez de a los parámetros de entrada. Y es igual de difícil de detectar desde fuera.

Promedia lo que no debería promediarse. Una correlación media baja es compatible con episodios de correlación altísima. Como la media de la temperatura de un horno y un congelador.

Este es el punto que más cuesta interiorizar y el que más caro sale ignorar: la correlación entre estrategias tiende a subir precisamente cuando la diversificación se necesita.

En condiciones normales, cada estrategia responde a su propio mecanismo y sus resultados apenas se relacionan. En un shock —una crisis de liquidez, una intervención inesperada, un evento macro de primer orden— desaparece esa diferenciación. Los participantes dejan de discriminar entre mercados y venden lo que se puede vender. Las correlaciones convergen hacia arriba. La cartera que durante cinco años se comportó como cinco fuentes independientes se comporta durante dos semanas como una sola.

No es un fallo del modelo ni una anomalía: es una regularidad conocida y documentada de los mercados. Está descrita en detalle en el artículo sobre eventos de cola, y la consecuencia práctica es que el peor escenario de un sistema multi-estrategia hay que calcularlo asumiendo que la diversificación falla, no que aguanta.

De ahí que la correlación se mida de forma continua y no una sola vez en el diseño. Una pareja de estrategias que fue independiente durante años puede dejar de serlo si el mercado cambia de régimen o si ambas acaban dependiendo del mismo factor sin que nadie lo haya decidido. La independencia observada en el pasado describe el pasado. Es la mejor información disponible y aun así es insuficiente — las dos cosas son verdad a la vez.

Todo esto se traduce en un puñado de preguntas concretas ante cualquier sistema que se presente como diversificado. No son preguntas hostiles: son las que cualquier sistema serio ha respondido antes de que se las hagas.

¿Cuál es la correlación entre las series de resultados de las estrategias, no entre los activos que operan? ¿Sobre cuántos años se ha medido y con cuántas observaciones? ¿Cómo se comportó esa correlación en los peores episodios del histórico, no en la media del periodo? ¿Se sigue midiendo hoy o es un número del diseño inicial?

Si las respuestas son cualitativas —“son estrategias muy diferentes”, “operamos mercados variados”— no te han contestado. Te han contado la hipótesis y se han saltado la verificación, que es justamente la parte cara y la parte que distingue un sistema de una colección de ideas.

Y conecta con lo único que decide si un mal año es recuperable. Una correlación real y baja hace que el drawdown del conjunto sea menos profundo y más corto. Por la asimetría de la recuperación —un −20% exige +25%, un −40% exige +67%— esas dos propiedades no son un refinamiento estético de la curva: son la diferencia entre un mal año del que se sale y un daño del que no se vuelve. La correlación es, en último término, una métrica sobre cuánto puede llegar a doler el peor momento.