Antecedentes

• En la metodología de AiLA, los datos se dividen en una ventana o periodo de entrenamiento, un periodo de validación (datos dentro de la muestra) y un periodo de reserva o holdout (datos fuera de muestra).
• Esta segmentación garantiza que no haya fuga de datos entre periodos y evita el sobreajuste.
• La finalidad del ejercicio es comprobar la robustez de nuestra metodología poniendo a prueba las siguientes hipótesis.
• Una ventana de entrenamiento más larga se traduce en una mejora del rendimiento.
• El rendimiento de las distintas ventanas de entrenamiento estará correlacionado.

Enfoque

• Desplegar activos/componentes equivalentes a los activos 1016, basados en las ventanas de entrenamiento móviles 1117,1218,1319 y 1420.
• Construir distintas versiones de dos estrategias 1016: 1) materias primas diversificadas y 2) un solo sector: agricultura. Los parámetros de construcción y las materias primas/vencimientos de los contratos serán idénticos entre las estrategias, pero cada estrategia solo contendrá activos entrenados con la misma ventana.
• El rendimiento de las estrategias se comparará en un periodo común dentro de la muestra a partir de 2021.

Estrategia diversificada de materias primas

• Materias primas subyacentes de la estrategia: agrícolas, metales básicos y preciosos, petróleo (crudo y productos refinados) y gas natural.
• Las rentabilidades acumuladas se comparan en el periodo común fuera de muestra de enero de 2021 a abril de 2025.
• La estrategia basada en la cohorte 1420 obtiene sistemáticamente mejores resultados que las estrategias de las demás cohortes.
• La rentabilidad acumulada de la estrategia basada en la cohorte 1117 sigue una dirección similar a la de todas las demás cohortes, pero queda por debajo de ellas; 1218 y 1319 tienen un rendimiento similar.
• La estrategia 1016, aunque sigue una dirección similar, se cruza con las demás curvas de rentabilidad y además muestra un rendimiento más plano a partir de 2024.
• Como era de esperar, la estrategia R coincide al principio con 1016 y, a medida que cada año se incorpora el efecto de los demás activos móviles progresivos, su rendimiento se sitúa entre el de las cohortes de mayor y de menor rendimiento.

Correlación de las rentabilidades diarias

• Un análisis más detallado de la agrupación de las rentabilidades entre las ventanas de entrenamiento móviles.
• 1016 presenta una correlación menor a nivel mensual que en las rentabilidades diarias y semanales.
• Las correlaciones de las rentabilidades mensuales aumentan a medida que se pasa de la cohorte con la ventana de entrenamiento más corta a las cohortes con ventanas más largas.

• Materias primas subyacentes de la estrategia: cereales, oleaginosas y cultivos comerciales.
• Las rentabilidades acumuladas se comparan en el periodo común fuera de muestra de enero de 2021 a abril de 2025.
• La estrategia 1016 obtiene buenos resultados y, en ocasiones, supera a las demás estrategias a partir de mediados de 2023.
• Entre las demás cohortes, la 1420 obtiene resultados ligeramente mejores que el resto hasta 2023, aunque queda por detrás de 1016.
• 1218 queda por debajo de todas las demás estrategias.
• Tras el periodo inicial, 1016 supera a R durante gran parte del tiempo, pero el rendimiento de R le da alcance hacia el final del periodo.

Correlación de las rentabilidades diarias

• Un análisis más detallado de la agrupación de las rentabilidades entre las ventanas de entrenamiento móviles.
• 1016 presenta una correlación ligeramente menor a nivel mensual que en las rentabilidades diarias y semanales.
• Las ventanas de entrenamiento intermedias 1117-1218 y 1218-1320 presentan una correlación de rentabilidades algo mayor.

• Un aspecto de especial interés es comprender el efecto que tiene un cambio de la ventana de entrenamiento sobre el rendimiento final de una estrategia, y comparar el rendimiento de estrategias basadas en distintos periodos móviles.
• En este análisis de las dos estrategias observamos, en general, una mejora pequeña pero perceptible del rendimiento a medida que se amplía la ventana de entrenamiento. La estrategia 1420 obtiene resultados ligeramente mejores que las demás durante el periodo en los dos casos considerados. No obstante, hay excepciones, como se aprecia en la comparación de la estrategia agrícola, en la que 1218 queda rezagada.
• Las rentabilidades diarias de todas las cohortes muestran una correlación elevada entre sí, y la rentabilidad acumulada a lo largo del periodo sigue también una tendencia direccional común.
• Sin embargo, el rendimiento de la estrategia 1016, con la ventana de entrenamiento más corta, no difiere drásticamente del de las demás estrategias y las supera en algunos intervalos de tiempo.
• En conjunto, existe una relación favorable general entre la ampliación de la ventana de entrenamiento y el rendimiento. Una conclusión más definitiva es que la metodología de entrenamiento subyacente de AiLA es fundamentalmente coherente y, por tanto, robusta.
• La estrategia R tiene un rendimiento comparable al de todas las estrategias y ofrece un método para captar progresivamente el beneficio de ampliar las ventanas de entrenamiento sin riesgo de fuga de datos ni de sobreajuste.