R | Arturo Chian

El Torneo de Fondos Mutuos (FFMM)

Wed, 05 Aug 2026 00:00:00 +0000

En el marketing de la industria financiera peruana, es común que casi todas las Sociedades Administradoras de Fondos (SAF) afirmen tener “el fondo mutuo más rentable del mercado”. Sin embargo, en la gestión de inversiones, la ventana temporal que se elija para evaluar el desempeño lo cambia todo. Un fondo estrella hoy puede haber asumido un riesgo desmedido que lo rezague mañana.

Para pasar de las narrativas comerciales a la evidencia objetiva, he desarrollado El Torneo de FFMM (torneoffmm.arturochian.com).

Esta plataforma interactiva consolida la información pública reportada ante la Superintendencia del Mercado de Valores (SMV) desde 1996 hasta la actualidad, abarcando más de 20 SAFs que han operado en el país (incluyendo tanto las administradoras activas como aquellas que ya cesaron actividades, evitando así el sesgo de supervivencia). Entre ellas se encuentran entidades bancarias como Credicorp, BBVA, Interfondos y Scotia, así como firmas independientes y boutiques como Faro Capital, Independiente, Blum, entre otras.

🛠️ Enfoque Práctico: Auditoría de Fondos en Tiempo Real

Diseñado para inversionistas, asesores financieros y gestores de patrimonio, el sitio ofrece dashboards dinámicos para tomar decisiones de asignación de capital basadas en datos:

📊 1. Comparación de Rentabilidades: Evalúa el desempeño de los fondos en distintos horizontes temporales (1 mes, 1 año, 3 años y 5 años) para no depender de “la foto del último trimestre”.

💵 2. Análisis por Moneda y Estructura: Diferencia y compara los retornos en Soles ($PEN$) y Dólares ($USD$) para medir el impacto cambiario y los costos de administración.

📉 3. Control de Volatilidad y Caídas (Drawdowns): Identifica el verdadero perfil de riesgo asumido por los gestores mediante el análisis de la desviación estándar y el comportamiento histórico de caídas máximas.

👥 4. Dinámica de Activos (AUM y Partícipes): Monitorea la evolución del Patrimonio Administrado ($AUM$) y del número de partícipes para evaluar la cuota de mercado, la escalabilidad y la fidelidad de los clientes en cada fondo.

🎓 ¿Cómo nace este proyecto? El Respaldo Científico detrás del "Torneo"

Este portal interactivo no es solo una herramienta de visualización de datos; representa el laboratorio empírico y metodológico de una línea de investigación activa sobre la industria de fondos mutuos en la que me encuentro trabajando (que incluye la redacción de working papers y futuras publicaciones académicas).

El objetivo de fondo es testear la validez de los modelos financieros clásicos desarrollados para mercados maduros (EE. UU. y Europa) en el contexto de un mercado emergente como el peruano. Esta agenda de investigación explora tres pilares fundamentales de la literatura de finanzas cuantitativas y conductuales:

1. La Teoría de Torneos e Incentivos del Gestor

En la industria de fondos mutuos, la compensación de las administradoras suele fijarse como un porcentaje de los activos bajo gestión ($AUM$). Esto genera un incentivo implícito para que los gestores compitan en un “torneo” por captar flujos. La literatura teórica sugiere que los gestores rezagados a mitad de año (“perdedores”) tienen incentivos para incrementar el perfil de riesgo de sus carteras (risk shifting) en el segundo semestre con el fin de alcanzar a los líderes. ¿Ocurre este comportamiento en los fondos de menor volatilidad en el Perú?

2. La Relación Flujo-Rendimiento (Flow-Performance Relationship)

Estudiamos cómo reaccionan las entradas netas de capital al rendimiento histórico. Evaluamos si el inversor local actúa bajo un paradigma de aprendizaje racional (intentando inferir bayesianamente la habilidad o alfa real del gestor) o si exhibe una búsqueda de rendimiento simplista (simplistic performance-chasing), guiado principalmente por la saliencia comercial o las estrellas de rendimiento a corto plazo.

3. Finanzas Conductuales y Aversión al Riesgo Extremo

De acuerdo con la Teoría Prospectiva (Prospect Theory), los inversores son más sensibles a las pérdidas que a las ganancias equivalentes. En segmentos conservadores como los fondos Money Market y de renta fija a muy corto plazo, la métrica de riesgo más saliente y fácil de observar es el Maximum Drawdown (MDD). Investigamos econométricamente cómo las caídas históricas máximas actúan como señales cognitivas de fallo del producto, provocando salidas masivas de patrimonio y penalizaciones reputacionales para las SAFs.

El Torneo de FFMM une el rigor de la literatura académica con la aplicabilidad directa en el mercado. Todo el procesamiento y la consolidación de datos están programados en R, promoviendo un análisis reproducible y transparente para democratizar la información del mercado de capitales peruano.

Nota de exención de responsabilidad: Los contenidos de esta plataforma tienen carácter netamente educativo e informativo sobre la base de datos públicos de la SMV. No constituyen una recomendación de inversión ni asesoría financiera.

👉 Explora la plataforma interactiva en torneoffmm.arturochian.com

El torneo de fondos mutuos: ¿realmente el fondo de tu SAF es el más rentable?

Mon, 03 Aug 2026 10:00:00 +0000

Si has visto la publicidad de una Sociedad Administradora de Fondos (SAF), habrás notado un patrón constante: casi todas afirman tener “el fondo mutuo más rentable del mercado”. En la folletería comercial y en las redes sociales, cada entidad destaca con orgullo el rendimiento del último trimestre o año.

Sin embargo, en la gestión de inversiones hay un principio irrefutable: la ventana de tiempo que seleccionas para medir la rentabilidad lo cambia todo. Un fondo puede liderar la tabla durante un periodo de alta volatilidad y caer al fondo de la clasificación pocos meses después.

Frente a esta narrativa publicitaria, surge una pregunta obligada para todo inversionista y profesional de finanzas: ¿realmente los fondos de tu SAF te están dando el mejor rendimiento o solo te están mostrando la foto que les conviene?

El mito de la rentabilidad aislada y la dinámica del torneo

En la práctica, la industria de fondos mutuos opera como un “torneo” constante. Mes a mes, los gestores compiten no solo por superar a sus pares en rendimiento, sino por captar mayores activos bajo gestión ($AUM$).

Sin embargo, evaluar un fondo mutuo únicamente por su rentabilidad nominal reciente es un error táctico. Para entender la salud y la verdadera propuesta de valor de una SAF, es indispensable analizar simultáneamente tres métricas fundamentales:

Evolución del Valor Cuota ($\Delta\% VC_t$): Refleja el crecimiento real del patrimonio neto por cuota, ajustado por la volatilidad y la consistencia histórica del rendimiento.
Patrimonio Administrado ($AUM_t$): Mide la capacidad de escalabilidad del fondo y el flujo neto de capital que ingresa o se retira del sistema.
Número de Partícipes ($N_{part}$): Representa el nivel de confianza y la adopción real de los inversionistas retail e institucionales.

Un fondo puede mostrar un pico de rentabilidad de corto plazo debido a una apuesta concentrada de mayor riesgo, pero si su patrimonio disminuye o su base de partícipes se contrae, los datos nos están contando una historia muy distinta a la del folleto publicitario.

Transparentando los datos: El proyecto “El Torneo de FFMM”

Para pasar del marketing a la evidencia empírica, he desarrollado la plataforma El Torneo de FFMM (torneoffmm.arturochian.com).

Este proyecto procesa la base histórica completa de valores cuota y estados financieros publicados por la Superintendencia del Mercado de Valores (SMV) en el Perú desde 1996 hasta la actualidad, consolidando la información de más de 20 SAFs (incluyendo entidades bancarias como Credicorp, BBVA, Interfondos y Scotia, junto con administradoras independientes y boutiques como Faro Capital, Independiente, BTG Pactual, Blum, entre otras).

Mediante un pipeline cuantitativo construido en R (mi software preferido) y dashboards dinámicos en Plotly, la plataforma permite a cualquier persona:

Comparar la rentabilidad ajustada por volatilidad entre distintos horizontes temporales (1 mes, 1 año, 3 años y 5 años).
Evaluar el impacto de la moneda de cobertura (Soles $PEN$ vs. Dólares $USD$).
Analizar las caídas máximas históricas (Maximum Drawdown) y la retención real de partícipes por fondo.

Conclusión: Transparencia frente a la narrativa comercial

En el mercado financiero peruano, tomar decisiones de inversión basándose únicamente en campañas publicitarias de corto plazo incrementa el riesgo de asumir volatilidades no deseadas.

El proyecto El Torneo de FFMM busca democratizar el acceso a datos cuantitativos auditados para que cada inversionista pueda evaluar objetivamente si los fondos de su SAF están creando valor de manera consistente o si simplemente se está aprovechando la foto de un buen trimestre.

¿Cómo evalúas el desempeño de tus fondos mutuos o inversiones?

¿Confías en las métricas publicitadas de rentabilidad o sueles auditar la volatilidad y el drawdown histórico de los fondos de tu SAF? Te invito a explorar los reportes interactivos en torneoffmm.arturochian.com y compartir tu opinión en los comentarios.

Si te apasionan las finanzas cuantitativas, la economía y la ciencia de datos, te invito a seguirme en LinkedIn y revisar más publicaciones en arturochian.com.

¿Cómo programar sin codificar en finanzas? El rol del economista en la era del 'Human-in-the-Loop'

Sat, 01 Aug 2026 10:00:00 +0000

Durante la última década, la frontera del economista y del analista financiero se desplazó drásticamente hacia el código. Escribir modelos econométricos en R, construir algoritmos de valorización en Python o estructurar consultas complejas en SQL se convirtió en el estándar para gestionar portafolios, medir el valor en riesgo (VaR) y automatizar la gestión de tesorería.

Hoy en día, un modelo de lenguaje avanzado genera un script para la interpolación de curvas de tasas de interés o una simulación de Monte Carlo en cuestión de segundos.

Frente a esta automatización, surge una pregunta crítica para nuestro gremio: ¿sigue teniendo sentido que un economista aprenda a programar si la máquina redacta el código por nosotros?

La respuesta es un rotundo sí, pero el enfoque ha cambiado por completo.

Operar fórmulas no es estructurar finanzas

En finanzas, al igual que en la ingeniería, me gusta usar una analogía clara: redactar un script en R o Python es el equivalente moderno a ingresar datos en una calculadora financiera. Es un paso operativo necesario, pero que jamás debe confundirse con la estructuración de una decisión de inversión o de gestión de riesgos.

Un algoritmo de IA puede entregarte en segundos una función impecable en sintaxis. Sin embargo, no sabe si la muestra histórica elegida omite un periodo de alta volatilidad, si el supuesto de distribución normal destruye la estimación de colas anchas (fat tails) o si el ajuste viola una restricción regulatoria de la SBS o de liquidez en mesa.

Podemos representar el valor de un modelo cuantitativo financiero ($V$) mediante la interacción entre la capacidad de automatización ($A$) y el criterio económico-financiero ($C_{fin}$):

$$V = A \times C_{fin}$$

Si la IA eleva la aceleración algorítmica ($A$) al máximo, pero el criterio financiero ($C_{fin}$) es deficiente o nulo, el modelo resultante genera una peligrosa ilusión de precisión que puede costar millones en pérdidas de mercado o riesgo de contraparte.

El principio de responsabilidad irreductible

Hay un factor fundamental que separa el código escrito por una IA del trabajo de un profesional: la responsabilidad ante el error.

La inteligencia artificial no asume riesgos, no firma informes de valorización, no rinde cuentas ante un comité de inversión ni responde ante los organismos reguladores. Si un script generado por IA contiene una falla sutil en la tasa de descuento y genera una pérdida millonaria o una sanción regulatoria, la máquina no sufre las consecuencias. La responsabilidad recae al 100% sobre el economista o el gerente de riesgos que aprobó la implementación.

Por ello, el rol del economista en la era del “humano en el bucle” (Human-in-the-Loop) se concentra en tres pilares:

Responsabilidad y autoría técnica: Entender cada línea de código ejecutada. Si no eres capaz de auditar y explicar el código que la IA generó, no deberías ponerlo en producción.
Auditoría de supuestos cuantitativos: Validar que las hipótesis del modelo (estacionariedad, ausencia de arbitraje, comportamiento de tasas) respondan a la realidad macroeconómica y no solo a un ajuste estadístico ciego.
Contexto de mercado y regulación: La IA no comprende la liquidez del mercado local, el impacto de una intervención del Banco Central ni el tratamiento de capital de una operación en tesorería.

Si cualquier analista puede generar un código financiero con un prompt, la diferencia entre un economista valioso y uno prescindible ya no es quién escribe la función más rápida, sino quién entiende a fondo la matemática financiera subyacente y asume la responsabilidad del resultado.

Conclusión: De mecanógrafos de scripts a arquitectos de decisiones financieras

La programación asistida por IA no reemplaza al economista cuantitativo; eleva su nivel de discusión. Dejamos de consumir horas valiosas en corregir sintaxis para concentrarnos en la estrategia, el análisis macroeconómico y la gestión del riesgo.

En finanzas, la inteligencia artificial puede ser un copiloto extraordinario para escribir sintaxis, pero nunca compartirá el peso de las decisiones. El código puede ser generado por la máquina, pero la responsabilidad del error seguirá siendo, siempre, humana.

¿Cómo manejas la validación del código generado por IA en tus análisis?

¿Consideras que la facilidad de generar código rápido aumenta el riesgo de desplegar modelos sin la debida auditoría humana? Me interesa conocer tu perspectiva en los comentarios.

Si te interesan los temas de finanzas cuantitativas, economía y gestión de riesgos, te invito a seguirme en LinkedIn y revisar más artículos en mi sitio web arturochian.com.