Segun arXiv q-fin, el rendimiento de modelos de factores no se mide solo por la estructura matemática de cada uno, sino que está profundamente influenciado por cómo se eligen y agrupan los activos de prueba. En un análisis que abarca una amplia muestra de activos del CRSP, los investigadores generan portafolios aleatorios sin ordenar por características, variando parámetros como selección de acciones, asignación inicial, duración de posesión y frecuencia de reajuste. Los resultados muestran que estrategias de compra y retención constante favorecen el modelo FF5 y FF6, mientras que el enfoque de ponderación diaria y fija selecciona al modelo FF3, que demuestra mayor estabilidad en distintas configuraciones. Aunque el factor q5 alcanza la máxima relación de Sharpe en pruebas de cobertura de factores, deja errores de precios significativos y sensibles a la forma en que se construyen los portafolios. Este comportamiento revela que cada modelo presenta un vector de errores de precios que se ajusta de forma específica a la construcción de los activos evaluados. Por tanto, la forma en que se definen y gestionan los activos de prueba no es un detalle secundario, sino una decisión clave en la validación de los modelos.
Para inversionistas en el Perú, este hallazgo implica que la selección de activos y su manejo en el tiempo pueden transformar drásticamente el rendimiento esperado de un modelo financiero. Los datos muestran que un enfoque de inversión simple, como mantener una posición constante durante el tiempo, puede dar resultados más predecibles con ciertos modelos, especialmente en entornos de baja volatilidad. Sin embargo, si se prioriza una gestión dinámica de pesos, como reajustar frecuentemente el portafolio, se puede favorecer un modelo más estable, como el FF3. Esto es particularmente relevante en el contexto peruano, donde los mercados son más sensibles a cambios en las condiciones macroeconómicas y a la volatilidad de los activos. La construcción de portafolios no debe verse como un paso mecánico, sino como una herramienta estratégica que influye directamente en la interpretación de los resultados. Inversionistas que actúan en mercados emergentes, como el nuestro, deben tener en cuenta que la forma en que se seleccionan los activos —incluso los más simples— puede distorsionar o enriquecer las señales de rendimiento que obtienen.
En este escenario, el consejo más práctico es evitar generalizaciones sobre modelos de factores sin considerar cómo se construyen los activos de prueba. Los resultados indican que una evaluación rigurosa debe incluir pruebas bajo distintas estructuras de selección y gestión. Para el lector peruano, esto significa que cualquier decisión de inversión basada en un modelo debe ir acompañada de una reflexión sobre la naturaleza de los activos que se usan para probarlo. Un modelo que funciona bien en un escenario teórico puede fallar en la práctica si los activos de prueba no representan adecuadamente el mercado real. Así, la elección de un modelo no debe ser un acto automático, sino una decisión guiada por la realidad del entorno financiero local.