por FERNANDO NOGUEIRA DE COSTA*

El uso de modelos de simulación ayuda a explorar cómo interactúan diferentes variables y eventos e influyen en los resultados futuros en un entorno complejo y dinámico.

Los cambios en las tasas de interés a corto plazo afectan las tasas de interés futuras de los bonos a largo plazo ya emitidos de varias maneras. En primer lugar, satisfacen las expectativas de los inversores en materia de inflación.

Si las tasas de interés a corto plazo aumentan debido a las preocupaciones sobre la inflación, los inversores exigen tasas de interés más altas sobre los bonos a largo plazo para compensar el impacto de la inflación esperada sobre el valor futuro de los pagos de intereses.

Los cambios en las tasas de interés a corto plazo reflejan cambios en la discrecionalidad de la política monetaria del Banco Central. Si aumentan, debido a una política monetaria más restrictiva, los inversores anticipan una desaceleración económica en el futuro y, en consecuencia, exigen tasas de interés más altas sobre los bonos a largo plazo para compensar el aumento del riesgo crediticio. Ahora bien, ¿los títulos de deuda pública no ofrecen riesgo soberano en moneda nacional?

Los especuladores afirman que estos cambios afectan la prima de liquidez requerida para mantener bonos a largo plazo. Si las tasas de interés a corto plazo suben, los inversores optarían por inversiones más líquidas a corto plazo en lugar de bonos a largo plazo menos líquidos.

Esto da como resultado una reducción de la demanda de bonos a largo plazo. Esto provocaría un aumento de los tipos de interés futuros de los bonos a largo plazo ya emitidos, debido a la necesaria caída de sus precios en el mercado secundario para atraer inversores.

Como resultado, los cambios en las tasas de interés a corto plazo influyen en las tasas de interés futuras de los bonos a largo plazo ya emitidos a través de sus efectos sobre las expectativas de inflación, las expectativas de política monetaria y la prima de liquidez exigida por los inversores.

Hacer predicciones sobre el futuro en un entorno donde las decisiones están descentralizadas, descoordinadas y desinformadas entre sí implica analizar la complejidad y la incertidumbre. Sin embargo, existen algunos enfoques capaces de ayudar a los operadores de los mercados financieros a hacer predicciones.

El análisis de las tendencias históricas, basándose en la evolución pasada, proporciona Insights sobre patrones de comportamiento que pueden repetirse en el futuro, aunque no hay garantía de que estos patrones continúen. El análisis de las tendencias de crecimiento ayuda a identificar patrones estacionales, ciclos económicos y otras regularidades. Se distinguen de las fluctuaciones cíclicas aleatorias.

Cuando utilizan modelos estadísticos y de series de tiempo, los operadores se basan en cuantificaciones de patrones históricos y estimaciones de valores futuros basados ​​en patrones identificados en los datos. Deben considerar una variedad de escenarios posibles y realizar análisis de sensibilidad para comprender cómo los diferentes eventos y condiciones afectan los resultados futuros. Esto les permite prepararse para una variedad de resultados posibles.

Asimismo, utilizar modelos de simulación ayuda a explorar cómo diferentes variables y eventos interactúan e influyen en resultados futuros en un entorno complejo y dinámico, es decir, variable en el tiempo. Recientemente, se han aplicado técnicas avanzadas de Inteligencia Artificial y Aprendizaje Automático para analizar grandes volúmenes de datos e identificar patrones que no son obvios para la inteligencia humana y que pueden ayudar a predecir el futuro.

Aunque es imposible predecir el futuro con absoluta certeza, estos enfoques ayudan a crear predicciones más razonables y mejor informadas sobre lo que podría suceder, lo que permite a los analistas y operadores de mercado prepararse y tomar decisiones basadas en estas predicciones. Estar preparado para la incertidumbre inherente al proceso de previsión permite mitigar los riesgos asociados.

Realizar análisis de sensibilidad implica examinar cómo las variaciones en las entradas de un modelo o sistema afectan las salidas o resultados. Primero, es necesario identificar las variables del modelo o sistema que tienen el potencial de afectar los resultados. Estas variables serán las sujetas a análisis de sensibilidad.

Luego, es necesario determinar los rangos o rangos de valores para cada variable de entrada a probar. Implica considerar diferentes escenarios, como el mejor (optimista) y el peor (pesimista), o construir rangos basados ​​en datos históricos o estimaciones futuras.

Debe ejecutar el modelo o sistema utilizando cada combinación de valores de variables de entrada dentro de los rangos definidos. Esto antes se hacía manualmente, ahora se hace usando software experto.

Luego se analizan los resultados obtenidos para cada conjunto de valores de las variables de entrada. Identifica cómo los cambios en ellos afectan los productos o resultados del modelo. Implica identificar tendencias, relaciones de causa y efecto, puntos de inflexión o sensibilidades específicas.

Luego, se identifican las variables de entrada con mayor impacto en los resultados del modelo. Esto permite identificar cuáles son más críticos o inciertos y merecen mayor atención o consideración.

Finalmente, es importante comunicar los resultados del análisis de sensibilidad de forma clara y comprensible, destacando los principales Insights e implicaciones para los tomadores de decisiones y las partes interesadas relevantes. Es una herramienta poderosa para comprender la confiabilidad de modelos y sistemas frente a la incertidumbre en los insumos. Al examinar cómo las variaciones en los insumos afectan los productos, toman decisiones más informadas y se preparan mejor para una variedad de escenarios posibles.

Los mercados financieros están influenciados por una variedad de factores macroeconómicos y políticos. Afectan la confianza de los inversores, las condiciones económicas y las tendencias de los precios de los activos.

Por ejemplo, las decisiones de política monetaria, como los cambios en las tasas de interés por parte del Banco Central, afectan los costos de endeudamiento, la liquidez del mercado y las preferencias de inversión. Las medidas fiscales, como los cambios en los impuestos sobre la renta, el gasto público y las políticas de estímulo económico, influyen en el crecimiento económico y las perspectivas corporativas.

Los indicadores situacionales como el crecimiento del PIB, la inflación, el desempleo, la producción industrial y las ventas minoristas proporcionan Insights sobre el estado actual (y futuro) de la economía y afectan las expectativas de los inversores. Incluso los conflictos geopolíticos, las tensiones comerciales, las crisis diplomáticas y acontecimientos como las elecciones crean incertidumbre y volatilidad en los mercados financieros.

Todos los acontecimientos relacionados con el sistema financiero, como crisis bancarias, colapsos de instituciones financieras o problemas de deuda soberana, evidentemente afectan a la estabilidad del promedio del mercado y a la confianza de los inversores. Por lo tanto, los cambios en las regulaciones financieras y las políticas gubernamentales relacionadas con el mercado financiero influyen en la actividad de los inversores, la asignación de capital y la transparencia en el comportamiento.

Debido a que estos factores interactúan y de estas interacciones surge una configuración compleja y dinámica, tienen efectos tanto inmediatos como de largo plazo en los mercados financieros. Llevan a los inversores a ajustar sus estrategias de inversión y a tomar decisiones basadas en las condiciones económicas y políticas prevalecientes, aunque pueden basarse únicamente en rumores o narrativas equivocadas.

El cerebro humano recurre a narrativas, incluidas aquellas que no tienen compromiso con la verdad, para racionalizar el comportamiento. Somos narradores de historias.

La Narrativa del Tonto se conoce como la creencia del inversor, cuando compra un determinado activo supuestamente valorado, de que podrá venderlo en el futuro con una apreciación aún mayor. Espera encontrar un inversor aún “más tonto” capaz de comprarlo.

Deducción de la narrativa: un activo no se compra porque el precio corresponda al valor razonable justificado, sino por la expectativa de revenderlo por un valor superior. El Mercado, aunque reverenciado con mayúsculas como un ser sobrenatural, omnipotente, omnisciente y omnipresente, es “lo que es”, es decir, el resultado de múltiples decisiones descentralizadas, descoordinadas, desinformadas y conflictivas. El Mercado no es “lo que debería ser” racionalmente…

*Fernando Nogueira da Costa Es profesor titular del Instituto de Economía de la Unicamp. Autor, entre otros libros, de Brasil de los bancos (EDUSP). Elhttps://amzn.to/3r9xVNh]

la tierra es redonda hay gracias a nuestros lectores y seguidores.
Ayúdanos a mantener esta idea en marcha.
CONTRIBUIR