Escenarios de correlación para decidir

De la matriz única al abanico de escenarios

“Ya tenemos escenarios macro, ¿para qué complicarse con la correlación?”. Cuando oigo esto, sé que el debate está cojo. Un escenario de mercado sin una hipótesis clara sobre cómo se mueven juntos los activos deja a medias la discusión sobre riesgo conjunto. En esta nota recorro un ejemplo hipotético paso a paso: defino varios escenarios de correlación, los aplico a una misma combinación de activos y comparo los resultados con un enfoque que usa una única matriz histórica. No busco fórmulas brillantes, sino un método sobrio para que un comité pueda hablar de correlación sin perderse en detalles técnicos. Los números son inventados, las lecciones son prácticas y siempre con avisos de riesgo explícitos.

Partir de una combinación fija y variar solo la correlación

Empiezo por una combinación de activos ya existente, con pesos fijados por el comité en una revisión anterior. No la toco. Defino tres escenarios de correlación cruzada: uno base, uno de tensión moderada y uno de tensión severa. Cada escenario tiene su propia matriz hipotética entre bloques amplios de activos. La volatilidad individual de cada bloque se mantiene igual en los tres casos para aislar el efecto de la correlación. El objetivo es que la única variable que cambie sea cómo se mueven juntos los bloques, de modo que el comité vea con claridad qué parte del riesgo agregado depende de esa pieza.

Traducir las matrices a un rango de riesgo conjunto

A continuación calculo, para cada escenario, la volatilidad agregada estimada de la combinación. No detallo fórmulas complejas en la sala; reservo la parte técnica para un anexo. En la reunión muestro un gráfico simple con tres columnas: riesgo agregado en escenario base, en escenario de tensión moderada y en escenario de tensión severa. Esta presentación permite que el comité compare de un vistazo cuánto cambia la lectura de riesgo conjunto cuando la correlación se vuelve más positiva. Frente a informes que solo muestran una cifra única, el rango de resultados por escenarios abre una conversación más rica.

Contrastar con la matriz histórica promedio

Luego comparo este enfoque con la práctica habitual de trabajar con una única matriz histórica. Esa matriz resume varios años y mezcla episodios tranquilos con episodios tensos. Al usarla como referencia única, el comité puede creer que la combinación de activos es más estable de lo que en realidad sería bajo estrés. En el ejemplo hipotético, la volatilidad agregada estimada con la matriz promedio queda en medio del rango de escenarios, pero oculta que, en tensión severa, el riesgo conjunto se acerca mucho más al de un bloque concentrado. Esta comparación ilustra por qué un solo número puede dar una falsa sensación de seguridad.

Reconocer límites y mantener los avisos de riesgo

El ejemplo tiene límites claros. Usa datos inventados, asume que la volatilidad individual no cambia entre escenarios y reduce el mercado a unos pocos bloques amplios. Además, no incorpora factores como liquidez, divisa o restricciones regulatorias. Por eso insisto en tratar las cifras como ilustrativas. Los resultados pueden variar y el rendimiento pasado no garantiza resultados futuros. El valor del enfoque está en ordenar la conversación y hacer visibles las dependencias entre activos, no en producir un pronóstico preciso. Cualquier decisión concreta conviene revisarla con profesionales regulados y con la documentación contractual delante.

Escenarios que integran mercado y correlación

En muchos comités, la palabra “escenario” se asocia solo a trayectorias de precios o tipos de interés. La correlación se deja al margen, como si fuera un parámetro técnico fijo. Yo prefiero tratarla como otra dimensión del escenario. En esta sección explico cómo vincular supuestos macro con supuestos de correlación, sin convertir la reunión en un seminario cuantitativo. Comparo este enfoque con alternativas más toscas y muestro qué preguntas suelo proponer para que la discusión se mantenga concreta y accionable, sin prometer resultados.

Vincular narrativa macro y correlación de forma explícita

El primer paso es describir cada escenario con pocas variables macro que el comité entienda: crecimiento, inflación y política monetaria, por ejemplo. A partir de ahí se plantea, de forma explícita, cómo se espera que cambie la correlación entre los bloques de activos si ese entorno se materializa. En el ejemplo, el escenario de crecimiento sólido y inflación contenida mantiene correlaciones moderadas, mientras que el de inflación elevada y cambios bruscos en tipos eleva la correlación entre varios bloques. Este vínculo entre narrativa macro y correlación evita que las matrices parezcan salir de la nada.

Escenarios como banda, no como apuesta única

Después comparo dos maneras de usar estos escenarios. Una consiste en elegir el que el comité considera más probable y basar todas las decisiones en él. La otra, que prefiero, usa los escenarios como banda de referencia. En lugar de un único punto, se trabaja con un rango de posibles comportamientos de la combinación de activos. En el ejemplo hipotético, esto se traduce en un intervalo de volatilidad agregada y en distintos grados de concentración de riesgo por factor. Esta visión por bandas refleja mejor la incertidumbre real y reduce la tentación de tratar el escenario central como un pronóstico firme.

Cuestionar reglas estáticas con ejemplos concretos

Frente a este enfoque, muchas discusiones siguen basadas en reglas de pulgar estáticas: se asume que ciertos activos siempre se mueven en direcciones opuestas o que determinados bloques siempre diversifican. En el ejemplo, muestro episodios hipotéticos en los que esas reglas fallan porque la correlación cambia bajo estrés. No se trata de descartar toda regla práctica, sino de anclarla en supuestos claros y de aceptar que puede haber periodos en los que no se cumpla. Esta actitud contrasta con mensajes más agresivos que venden combinaciones de activos como soluciones estables en cualquier entorno.

Escenarios como herramienta, no como oráculo

Antes de aplicar nada, conviene recordar que los escenarios no son promesas. Son herramientas para explorar qué podría pasar, no para anticipar qué pasará. Los datos usados pueden ser incompletos, los regímenes de mercado pueden cambiar y los modelos de correlación pueden fallar justo cuando más se confía en ellos. Por eso insisto en que los resultados pueden variar y en que el rendimiento pasado no garantiza resultados futuros. El comité debería ver los escenarios como un marco para hacer mejores preguntas, no como un mecanismo automático para fijar pesos.

Errores frecuentes al trabajar con escenarios de correlación

Hasta aquí he descrito el enfoque idealizado. En la práctica, los equipos trabajan con tiempo limitado, sistemas heredados y presión para simplificar. En esta parte bajo al terreno y repaso errores frecuentes al construir y usar escenarios de correlación entre activos. No los menciono para señalar a nadie, sino para que puedas reconocerlos en tus propios procesos y corregirlos con pasos pequeños. De nuevo, todo se apoya en ejemplos hipotéticos y no constituye una recomendación individual.

Usar la correlación para justificar, no para analizar

El primer error es ajustar las correlaciones a posteriori para que cuadren con la decisión que el comité ya quería tomar. Se elige una combinación de activos por motivos cualitativos y luego se busca una matriz que la haga parecer robusta. En el ejemplo, esto se traduce en forzar correlaciones demasiado bajas entre bloques que, en realidad, se mueven juntos en tensión. Esta práctica vacía de contenido el ejercicio de escenarios. Prefiero fijar primero un rango razonable de correlaciones basado en datos y luego discutir si la combinación encaja en ese rango, aunque obligue a revisar la decisión inicial.

Ignorar la calidad y longitud de las series

El segundo error consiste en mezclar datos de calidad muy distinta dentro de la misma matriz sin explicarlo. Algunos bloques tienen series largas y limpias; otros apenas cuentan con historial. Si se tratan igual, la matriz transmite una sensación de precisión que no existe. En el ejemplo, señalo cómo una correlación aparentemente sólida entre dos bloques se apoya en muy pocas observaciones. Frente a esta mezcla opaca, prefiero etiquetar de forma clara los pares de activos con datos escasos y tratar sus correlaciones como más inciertas dentro de los escenarios.

Dejar que la matriz envejezca sin control

Un tercer error habitual es no revisar las correlaciones de trabajo durante años, incluso cuando el entorno de mercado cambia de forma evidente. La matriz se convierte en un objeto casi decorativo que se arrastra de presentación en presentación. En el ejemplo hipotético, muestro cómo la combinación de activos se vuelve más concentrada en un factor común, pero la matriz antigua no lo refleja. Frente a esta inercia, basta con programar revisiones periódicas razonables, sin convertir cada movimiento de mercado en una excusa para rehacer el modelo desde cero.

Tratar los avisos de riesgo como simple trámite

Por último, veo a menudo que los avisos de riesgo se tratan como un formalismo que se copia y pega al final del documento. En el contexto de escenarios de correlación, esos avisos deberían estar conectados con ejemplos concretos de fallo de modelo: cambios de régimen, datos incompletos, correlaciones que se desvanecen. En el ejemplo, cierro cada bloque con recordatorios específicos de dónde puede fallar el enfoque. Esto ayuda a que el comité entienda que los resultados pueden variar y que el rendimiento pasado no garantiza resultados futuros, no como frase hecha, sino como realidad operativa.

De la hoja de cálculo a la decisión prudente

Una vez que el comité entiende qué son los escenarios de correlación y qué límites tienen, llega la parte incómoda: qué hacer con ellos. Aquí es donde algunas metodologías se vuelven agresivas y prometen ajustar pesos de forma casi automática. Yo prefiero un enfoque más sobrio. En esta última sección describo cómo integrar los escenarios en el proceso de decisión sin ceder el control a la hoja de cálculo. El ejemplo sigue siendo hipotético y no implica recomendaciones individuales.

Usar escenarios como filtro previo a la decisión

El primer uso de los escenarios es como prueba de resistencia conceptual. Antes de aprobar una combinación de activos, se revisa cómo se comporta en cada escenario de correlación. Si en uno de ellos el riesgo conjunto se dispara o la combinación se vuelve casi indistinguible de un solo bloque concentrado, el comité puede decidir ajustar pesos o, al menos, documentar por qué acepta ese perfil. Este uso no obliga a optimizar nada; solo evita aprobar decisiones sin haber mirado su comportamiento bajo supuestos razonables.

Aprender de la comparación entre escenario y realidad

El segundo uso es como herramienta de seguimiento. En cada revisión periódica, el equipo compara lo que el escenario sugería con lo que ha ocurrido de verdad. No para juzgar el modelo con dureza excesiva, sino para aprender. En el ejemplo, esto puede revelar que ciertas correlaciones se han mantenido más estables de lo esperado, mientras que otras han cambiado de forma brusca. Este contraste alimenta la próxima ronda de escenarios y evita que el modelo quede congelado en una foto antigua del mercado.

Explicar la diversificación como rango, no como promesa

Un tercer uso consiste en mejorar la comunicación con quienes no viven en las hojas de cálculo. Presentar la combinación de activos junto con un rango de comportamientos posibles, ligado a escenarios narrativos claros, ayuda a que responsables no técnicos entiendan que la diversificación no es una promesa rígida. En el ejemplo, esto se traduce en explicar que la combinación puede comportarse de forma distinta si las correlaciones se mueven, incluso sin cambios en los pesos. Frente a discursos que venden estabilidad automática, este mensaje es más honesto y prepara mejor a la organización para episodios tensos.

Escenarios como ancla de disciplina, no como gatillo automático

El cuarto uso, quizá el más importante, es reforzar la disciplina. Al documentar escenarios, supuestos y decisiones asociadas, el comité deja un rastro claro de por qué eligió una combinación de activos en un momento dado. Cuando lleguen episodios de tensión, esta documentación ayuda a distinguir entre cambios que exigen revisar la estructura y ruidos que solo reclaman paciencia. En el ejemplo hipotético, esto significa poder mirar atrás y ver qué se esperaba de las correlaciones y qué ha cambiado desde entonces. Los resultados pueden variar y el rendimiento pasado no garantiza resultados futuros, pero una disciplina sólida hace más difícil reaccionar de forma impulsiva.

Cómo usar escenarios de correlación entre activos sin entregar el timón al modelo