Notas: Inversores con racionalidad limitada (no plena) y decisiones satisficientes (no óptimas). Sistemas de aprendizaje, adaptación y dinámicas de coevolución. Se observan entre los agentes del sistema (inversores) interacciones de competencia, depredación, parasitismo, comensalismo y mutualismo. Y su estudio es extremadamente complejo por su capacidad de transformación. Por ejemplo en la relación presa-depredador (“osos cazando toros” –mercado bajista- o “toros cazando osos” –mercado alcista-). Los mercados financieros encajan en la definición de sistema complejo adaptativo. Los bucles de retroalimentación, los sesgos cognitivos y las leyes potenciales hacen que los movimientos extremos sean más frecuentes de lo que dice la distribución normal, la aleatoriedad, teorema central del límite y la hipótesis de los mercados eficientes.

—-

Estos son algunos de los apuntes, ideas y notas desordenadas que estoy tomando a medida que avanzo en el estudio de los mercados financieros y decisiones de inversión. Sustituyendo supuestos e hipótesis, que la propia naturaleza del mercado ha rechazado, por descubrimientos y confirmaciones que han ido apareciendo en diferentes campos de investigación: psicología, física, geometría, biología, matemáticas, etc.

Y para el hilado de ideas sueltas y apuntes lo mejor es escribir. Es lo que voy a iniciar con este post que consta de cuatro partes, donde trataré de ordenar todos los apuntes para obtener algunas conclusiones y aplicaciones prácticas.

1. SISTEMAS COMPLEJOS ADAPTATIVOS.
2. ENTORNO Y ATRACTORES EXTRAÑOS.
3. TRIANGULACIÓN: BUSCANDO PUNTOS CRÍTICOS.
4. APLICACIONES.

1.) SISTEMAS COMPLEJOS ADAPTATIVOS

El análisis de la complejidad es proclive a ser abordado desde una perspectiva de convergencia de ideas, conceptos y métodos que pueden considerarse comunes a varias disciplinas. También desde una proyección de confluencia de visiones o perspectivas en torno a dichas realidades desde diversas disciplinas o campos del conocimiento. El estudio de la complejidad favorece, por tanto, al enfoque interdisciplinar y multidisciplinar.

En las raíces de la complejidad encontramos el estudio del caos y sistemas caóticos, que  no implican necesariamente desorden en el sentido literal y popular de la palabra; los sistemas no lineales son irregulares, altamente impredecibles, que se manifiestan en muchos ámbitos de la vida y la naturaleza, pero que no se puede decir que tengan comportamientos sin ley, dado que existen reglas que determinan su comportamiento, aunque éstas sean difíciles de conocer en muchas ocasiones. Se trata, eso sí, de sistemas muy sensibles a las condiciones iniciales.

Los sistemas complejos adaptativos (CAS por sus siglas en inglés) son sistemas hechos de componentes (agentes) que interactúan entre sí según un conjunto de reglas. La evolución del sistema es el resultado de interacciones entre agentes, donde cada uno de ellos actúa en respuesta al comportamiento de los otros agentes en el sistema, que asegura que tiene su propia dinámica. El comportamiento de cada agente influye y está influenciado por el comportamiento del sistema en su conjunto. El CAS aprende y evoluciona, utilizando un enfoque adaptativo que es fundamental para su supervivencia, procesando información y construyendo esquemas, basado en lo que han experimentado.

 1.1) LOS MERCADOS DE ACCIONES COMO SISTEMAS COMPLEJOS ADAPTATIVOS

En los últimos años se está produciendo un replanteamiento de la supuesta aleatoriedad de ciertas series temporales, entre las que se encuentran las cotizaciones bursátiles. Dado que los sistemas complejos son capaces de generar dinámicas altamente irregulares, casi indistinguibles en muchos casos de procesos puramente aleatorios, cabe preguntarse si la serie procede de un sistema dinámico determinista caótico. En caso afirmativo, aunque la predicción a largo medio y plazo está condenada al fracaso, sí es posible extraer información útil del sistema; al fin y al cabo, el sistema es determinista, por lo que existe algún tipo de regularidad estadística (orden dentro del caos).

Los mercados son eficientes, muy eficientes desde un criterio operacional. Es decir, no hay un camino que nos lleve a explotar oportunidades de forma sistemática para superar el rendimiento del conjunto del mercado. Sobre este punto hay bastante acuerdo entre académicos e inversores. La cuestión es CÓMO emerge ese altísimo grado de eficiencia. Aquí ya hay mucho debate.

Unos suponen inversores racionales, optimizadores, con información perfecta y expectativas homogéneas. Estas características no suelen ser frecuentes en los mercados financieros, pero es un camino que facilita la demostración de eficiencia y también el desarrollo de fórmulas para la gestión del “riesgo” o la “optimización” de carteras. Pero también es un camino que lleva a su propia destrucción (la paradoja de Grossman-Stiglitz) y que no explica comportamientos que se observan con mucha frecuencia en los mercados (efecto rebaño).

Otros observan inversores con racionalidad limitada, satisficientes, con asimetría informativa y heterogéneos. Esta realidad que se observa nos lleva a los sistemas complejos adaptativos. El comportamiento de los inversores no puede ser comprendido como racional o irracional sino como inteligente, con sesgos cognitivos, previsivo, competitivo y adaptativo a nuevas realidades. Cualidades que permiten modificar su comportamiento para lograr adaptarse consistentemente a las condiciones cambiantes en los mercados financieros. En este punto es importante entender el mercado como un “sistema de retroalimentación de expectativas” que cambian conforme los inversores adaptan su comportamiento a las condiciones cambiantes del mercado.

Existen diferentes tipos de inversores con capacidad para:

• Crear expectativas diversas con la misma información, por la presencia de racionalidad limitada.

• Tener diferentes grados de aversión al riesgo, teniendo en cuenta que dicha aversión puede cambiar según las condiciones del mercado.

• Cometer errores sistemáticamente, pero con el fin último de sobrevivir en el mercado. Para ello, dada su racionalidad limitada, adoptan comportamientos satisfactorios, en lugar de optimizadores, y aprenden del entorno.

• Usar la innovación como herramienta principal para lograr su fin último de permanencia en el mercado, teniendo en cuenta la naturaleza cambiante de sus condiciones.

Veamos las principales propiedades y mecanismos de los sistemas complejos adaptativos (CAS):

• Emergencia y auto-organización: “El todo es más que la suma de las partes”. La emergencia hace referencia a aquellas propiedades o procesos de un sistema no reducibles a las propiedades o procesos de sus partes constituyente.

• Reglas de decisión adaptativas: los agentes dentro de un CAS toman información del entorno, combinada con su propia interacción con el entorno, y deriva en reglas de decisión.

• No – linealidad: en un modelo lineal, el valor del total es igual a la suma de las partes. En sistemas no lineales, el comportamiento agregado es más complicado de lo que se estimaría sumando las partes. Esto significa que la relación causa – efecto es más compleja de identificar y calcular, debido a que la interactuación puede producir resultados exagerados y desproporcionados desde una óptica lineal.

• Retroalimentación (feedback loops): en un sistema de retroalimentación la salida de una iteración se convierte en la entrada de la siguiente iteración. Los bucles de retroalimentación pueden ser positivos o negativos.

• Puntos críticos: son una característica central del CAS. Grandes cambios ocurren como resultado de la acumulación de pequeños estímulos, al igual que el peso acumulado de muchos granos de arena precipitan grandes avalanchas. Esto implica que las grandes fluctuaciones son endógenas al sistema. Los puntos críticos son la expresión formal de “la gota que colma el vaso”. Identificar las causas específicas de los grandes movimientos del mercado es un ejercicio inútil.

Encontramos en los sistemas complejos adaptativos un marco muy apropiado para estudiar la naturaleza de los mercados financieros. Su naturaleza emergente y adaptativa nos lleva a concluir que es más importante analizar las relaciones entre un sistema y su entorno que todas las relaciones entre sus partes con el fin de entender su comportamiento. Estamos ante sistemas impredecibles, pero permiten determinar una tendencia, limitado por los atractores extraños, de posibles posiciones futuras en las que se podrá encontrar el sistema.

Sobre el entorno y atractores extraños hablaremos en el siguiente capítulo.