Según arXiv q-fin, un estudio reciente compara dos métodos para predecir la curva de tasas del Tesoro de EE.UU.: modelos basados en rendimientos directos y aquellos que utilizan factores macroeconómicos. Ambos se alimentan de un mismo conjunto de datos macroeconómicos de alta dimensión, permitiendo una evaluación directa de su eficacia. Los resultados se basan en pronósticos mensuales de tasas a término sin vencimiento, analizados durante el periodo fuera de muestra de 2015 a 2025. Los avances frente a un modelo de caminata aleatoria se observan principalmente en tasas de corto plazo y en predicciones del grado de pendiente de la curva. A medida que se extiende el horizonte de predicción, estos beneficios disminuyen. Los modelos de rendimiento directo resultan más efectivos en el caso de la pendiente de la curva, especialmente en periodos cortos, mientras que los modelos basados en factores ganan en rendimiento a medida que se alargan los horizontes. Los indicadores macroeconómicos aportan una claridad en la predicción, siendo más relevantes en movimientos asociados a la pendiente. Una simulación de trading confirma que los modelos que incorporan variables macroeconómicas dominan en operaciones de pendiente. Sin embargo, el análisis revela una brecha entre el rendimiento estadístico y su eficacia en operaciones reales, ya que el modelo de caminata aleatoria funciona bien como referencia estadística pero falla como señal de trading.
Para inversionistas peruanos, este hallazgo tiene implicaciones directas en la gestión de carteras. Aunque los mercados latinoamericanos no tienen una curva de tasas de Tesoro equivalente, el comportamiento de las tasas de interés en EE.UU. influye significativamente en los rendimientos de activos extranjeros y en el costo del crédito internacional. Si los modelos que integran variables macroeconómicas —como inflación, empleo o tasas de cambio— permiten predecir mejor la pendiente de la curva, entonces los inversores pueden diseñar estrategias más robustas para anticipar movimientos en el costo del crédito global. En un contexto donde el Banco Central del Perú ajusta tasas de interés en respuesta a condiciones macroeconómicas, entender cómo se comportan las tasas a corto y largo plazo en el mundo puede ayudar a optimizar la exposición a activos extranjeros o a instrumentos de inversión que dependen de la evolución de las tasas. Además, el hecho de que el modelo de caminata aleatoria sea estadísticamente débil como señal de trading subraya la importancia de integrar información estructurada, no solo de tipo técnico, sino también de contexto económico. Para inversores en el Perú, esto implica que la toma de decisiones debe ir acompañada de un análisis profundo de indicadores macro, más allá de los datos históricos simples. La elección de un modelo de predicción no debe basarse únicamente en su precisión estadística, sino también en su capacidad de generar señales operativas viables en el mercado real.