Diversificar no es contar activos

Cuando el mercado está en calma, el portafolio parece un mosaico. Cada pieza tiene nombre, sector, relato. Pero basta que cambie el viento para que el mosaico se mueva como una sola placa. En la práctica, muchos portafolios “diversificados” se comportan como una sola apuesta cuando el mercado entra en corrección: las correlaciones aumentan, los drawdowns se sincronizan y la variedad de tickers colapsa en un factor dominante. Esta observación no es anecdótica: la literatura muestra que la dependencia cambia con el régimen, especialmente en escenarios bajistas y de alta volatilidad.

Desde ahí, la pregunta útil deja de ser cuántos instrumentos hay en la lista y pasa a ser qué lazos los unen cuando la presión sube. El argumento central es que la diversificación es un problema de dependencia. No basta con dispersar pesos; hay que diseñar la estructura para que las pérdidas severas queden acotadas y no se propaguen por el portafolio.

Separación conceptual

Si miramos el portafolio como un sistema, aparecen dos clases de hechos. Unos hablan del daño, otros de la continuidad. Unos describen cómo se rompe, otros describen cómo sigue funcionando.

Diversidad de debilidades. Un portafolio diversificado también es diverso en debilidades. Lo importante es que esas debilidades no ocurran simultáneamente, o que su simultaneidad sea poco probable bajo estrés. En términos técnicos: minimizar la sincronización de pérdidas extremas exige mirar más allá de la correlación promedio y considerar dependencia condicional y dependencia en colas.

Diversidad de fortalezas. Un portafolio diversificado también es diverso en fortalezas. No se trata de que “todo suba a la vez”, lo que suele ser concentración de factor con otro nombre, sino de que el conjunto de motores de retorno cubra escenarios relevantes y, en algunos regímenes, ofrezca redundancia, es decir, más de un motor aportando.

Ideas Clave

Para sostener esta intuición sin quedarnos en metáfora, necesitamos medidas. No como adorno, sino como instrumentos para ver lo invisible: los vínculos, las co-caídas, las rutas por donde viaja un shock cuando el mercado se estrecha.

Markowitz: el beneficio de diversificación vive en covarianzas

El primer mapa lo ofrece Markowitz: la Teoría Moderna de Portafolios formaliza que el riesgo agregado depende de varianzas y covarianzas, no del número de activos. Esto fija el punto de partida: “diversificar” es estructurar relaciones entre retornos, no coleccionar instrumentos.^[1]

Correlación no es dependencia: el problema de las colas

Pero incluso un mapa correcto puede quedarse corto en el terreno más áspero. La correlación lineal es una medida parcial. En particular, puede fallar al describir la coocurrencia de eventos extremos. El marco de cópulas y la noción de tail dependence capturan precisamente lo que interesa aquí: si las pérdidas grandes tienden a aparecer juntas.^[2]

Dependencia condicional y cambios de régimen

El mercado no repite siempre la misma estación. Cambia el aire, cambia la presión, cambian los vínculos. La evidencia empírica sugiere que en mercados bajistas la dependencia aumenta: las correlaciones “saltan” cuando más importa, degradando la diversificación. Esto se documenta, por ejemplo, en correlaciones extremas en bear markets.^[3]

Modelos de cambio de régimen, por ejemplo Markov switching, formalizan que volatilidad y correlaciones no son constantes, sino dependientes del estado del mercado.^[4] Complementariamente, la correlación condicional dinámica (DCC) permite estimar correlaciones que evolucionan en el tiempo.^[5]

Riesgo de cola: CVaR (Expected Shortfall) como objetivo o restricción

Y cuando llega la tormenta, el promedio deja de ser guía. Si el objetivo es evitar “golpes simultáneos grandes”, la varianza puede ser insuficiente. CVaR (Expected Shortfall) ofrece una medida coherente del riesgo en cola y un marco de optimización operativo para restringir pérdidas severas esperadas.^[6]

Conectividad y clusters: la lectura de red

Por último, si hablamos de propagación, conviene mirar el portafolio como una red de transmisión. La intuición de “propagación” puede modelarse como conectividad entre activos o bloques. En finanzas se han usado herramientas de clustering jerárquico y distancias derivadas de correlación para construir taxonomías, así como métricas de connectedness para cuantificar transmisión de shocks.^[7][8]

Implicancias operativas: del concepto a reglas de diseño

Con esto, la idea se vuelve practicable: no basta con multiplicar nombres. Hay que entender por qué caen juntos, cuándo caen juntos y cuánto pesan cuando lo hacen. En ese punto, la diversificación deja de ser una lista y se vuelve un diseño.

Diversificación por motores (drivers), no por nombres

En vez de preguntar “¿cuántos activos tengo?”, es más informativo preguntar “¿cuántos motores explican el P&L?”. Ejemplos de drivers: liquidez global (risk-on/risk-off), tasas reales, dólar, crecimiento, inflación y commodities, riesgo regulatorio y eventos de estrés financiero.

Pregunta diagnóstica: detección de clusters de drawdown

Pregunta: si el driver X golpea fuerte, ¿cuántos bloques caen juntos y cuánto pesan? Si la respuesta es “muchos” y “mucho”, entonces hay un cluster de drawdown: diversidad superficial, dependencia profunda.

Tres palancas: tamaño, complementos, reglas

Cuando se identifica el cluster, lo sensato es intervenir con palancas simples, de ejecución clara. Son pocas, pero tienen peso, porque trabajan sobre la estructura.

• Tamaño (control de daño). Limitar contribuciones concentradas al riesgo. Incluso con activos distintos, el peso puede hacer que una debilidad deje de ser local y se vuelva sistémica.
• Complementos (cobertura de escenarios). Incorporar motores con debilidades distintas, idealmente con baja dependencia en colas respecto del cluster dominante.
• Reglas (gobernanza). Criterios explícitos de stop, rebalanceo y escalamiento para evitar decisiones impulsivas bajo estrés.

“Aislar debilidades” en términos medibles

Aislar no significa eliminar el riesgo. Significa impedir que el daño se sincronice y se amplifique. Para medir esa sincronización, conviene observar la dependencia cuando el mercado aprieta, no solo cuando el mercado respira.

• Usar correlaciones dinámicas (DCC) para monitorear aumentos de conectividad.^[5]
• Analizar dependencia en colas (cópulas o aproximaciones por cuantiles) cuando el objetivo es evitar co-caídas extremas.^[2]
• Optimizar o restringir CVaR/Expected Shortfall para limitar pérdidas severas agregadas.^[6]
• Usar clustering y métricas de conectividad para detectar componentes altamente conectados, potenciales clusters de drawdown.^[7][8]

“Fortalezas cubrientes” como cobertura de regímenes

Del otro lado está la continuidad. No como garantía, sino como cobertura por diseño. Un portafolio robusto busca que, para cada régimen plausible, exista al menos un subconjunto de motores con desempeño razonable. Los modelos de cambio de régimen formalizan esta idea: el objetivo no es maximizar un promedio, sino evitar fragilidad cuando el estado cambia.^[4]

Limitaciones y precauciones

Conviene terminar esta travesía con honestidad metodológica. Hay hechos empíricos y límites de estimación que no desaparecen por desearlo, y por eso deben estar dentro del diseño.

• Las correlaciones tienden a subir en crisis. La diversificación puede degradarse justo cuando más se necesita.^[3]
• Riesgo de estimación y de modelo. Medias, covarianzas y parámetros de cola se estiman con error, y la elección del modelo también introduce incertidumbre. Un enfoque complementario es tratar explícitamente la incertidumbre de parámetros y de modelo en la selección de portafolios.^[9]

Conclusión

Si volvemos al inicio, a ese instante en que el portafolio “diverso” parece moverse como una sola cosa, la lección se vuelve nítida: la diversificación no es una lista, es una arquitectura. La diversificación se entiende mejor como un problema de dependencia y de regímenes: aislar debilidades significa reducir conectividad y coocurrencia de pérdidas severas, especialmente en colas, mientras que diversificar fortalezas significa cubrir escenarios con motores distintos y, en algunos estados, contar con redundancia. En la práctica, esto se traduce en diagnosticar clusters de drawdown, controlar tamaño, buscar motores complementarios y operar con reglas explícitas.

En una línea: diversificar es diseñar para no quebrarse cuando el estado del mundo cambia.

Disclaimer: contenido educativo e informativo, no constituye asesoría financiera. Toda inversión implica riesgo, incluidas pérdidas. El rendimiento pasado no garantiza resultados futuros.

Referencias

1. [1] Markowitz, H. (1952). Portfolio Selection. The Journal of Finance. DOI
2. [2] Embrechts, P., McNeil, A., & Straumann, D. (2002). Correlation and dependence in risk management: properties and pitfalls. En Risk Management: Value at Risk and Beyond. PDF
3. [3] Longin, F., & Solnik, B. (2001). Extreme Correlation of International Equity Markets. The Journal of Finance. PDF
4. [4] Ang, A., & Bekaert, G. (2002). International Asset Allocation with Regime Shifts. The Review of Financial Studies, 15(4), 1137-1187. DOI. Oxford Academic
5. [5] Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate GARCH Models. Journal of Business & Economic Statistics. DOI
6. [6] Rockafellar, R. T., & Uryasev, S. (2000/2002). Optimization of Conditional Value-at-Risk. Journal of Risk; y trabajos asociados. Versión ampliamente citada: PDF
7. [7] Mantegna, R. N. (1999). Hierarchical Structure in Financial Markets. The European Physical Journal B. Preprint clásico: arXiv
8. [8] Diebold, F. X., & Yilmaz, K. (2014). On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms. Journal of Econometrics. DOI
9. [9] Garlappi, L., Uppal, R., & Wang, T. (2007). Portfolio Selection with Parameter and Model Uncertainty: A Multi-Prior Approach. The Review of Financial Studies, 20(1), 41-81. DOI. Oxford Academic