En 1993, Eugene Fama y Kenneth French describieron la rentabilidad de las acciones con tres factores.
Mercado.
Tamaño.
Valor.
Veinte años después, la literatura académica había publicado cientos.
Factores de rentabilidad, de inversión, de liquidez, de volatilidad, de sentimiento, de calidad contable, de estacionalidad.
John Cochrane, en su discurso como presidente de la American Finance Association en 2011, le puso nombre al fenómeno: un auténtico zoológico de factores.
Si cientos de investigadores prueban miles de ideas sobre los mismos datos, algunas parecerán extraordinarias aunque no exista nada detrás.
Quién es Campbell Harvey
Campbell R. Harvey es profesor de Finanzas en la Fuqua School of Business de la Universidad de Duke y fue presidente de la American Finance Association.
Su trabajo sobre el Factor Zoo cambió la forma en que la profesión evalúa la evidencia estadística en finanzas.
No porque descubriera un nuevo factor.
Sino porque cuestionó cómo se habían validado los anteriores.
El estudio: “…and the Cross-Section of Expected Returns”
En 2016, Harvey, Yan Liu y Heqing Zhu publicaron en The Review of Financial Studies un artículo con un título deliberadamente irónico: …and the Cross-Section of Expected Returns.
Los autores catalogaron 316 factores publicados en revistas académicas y documentos de trabajo de referencia.
Y plantearon una pregunta sencilla:
¿qué umbral estadístico debería exigirse a un nuevo factor cuando ya se han probado cientos antes que él?
El problema de las múltiples pruebas
La investigación financiera tradicional consideraba significativo un resultado con un estadístico t superior a 2.
Eso equivale, aproximadamente, a aceptar un 5 % de probabilidad de que el resultado se deba al azar.
Parece razonable cuando se prueba una sola idea.
Pero cuando se prueban cientos, el razonamiento se rompe.
Si se prueban 100 estrategias sin ningún valor real con un umbral del 5 %, cabe esperar que unas cinco parezcan funcionar. No porque tengan ventaja, sino porque el azar también produce patrones.
Y el problema real es mayor, porque los artículos publicados son solo la parte visible.
Nadie publica las miles de pruebas que no funcionaron.
Es el llamado sesgo de publicación: el conjunto de resultados que llega a las revistas está filtrado a favor de lo que parece significativo.
La conclusión: subir el listón
Aplicando técnicas estadísticas de corrección para múltiples pruebas, Harvey, Liu y Zhu concluyeron que un nuevo factor debería superar un estadístico t de alrededor de 3, y no de 2.
Con ese umbral más exigente, una parte importante de los factores publicados dejaría de ser significativa.
Los autores llegaron a sugerir que muchos de los hallazgos de la literatura podrían ser falsos positivos.
El umbral de evidencia debe crecer con el número de pruebas realizadas. Cuanto más se busca, más fácil es encontrar algo que no existe.
La evidencia posterior
El trabajo de Harvey abrió una línea de investigación que ha producido resultados en distintas direcciones.
Las anomalías se debilitan tras publicarse
David McLean y Jeffrey Pontiff (2016, Journal of Finance) estudiaron 97 variables predictivas. Encontraron que su rentabilidad era menor fuera de la muestra original y caía todavía más tras la publicación del artículo correspondiente. Parte de la caída puede deberse al sobreajuste. Otra parte, a que los inversores aprenden y explotan la anomalía.
Muchas anomalías no se replican
Hou, Xue y Zhang (2020, The Review of Financial Studies) replicaron cientos de anomalías con un diseño que limitaba el peso de las microempresas. La mayoría no alcanzaba la significación estadística. En China, el trabajo de Laura Xiaolei Liu y sus coautores encontró un patrón muy similar con 469 variables.
Pero no todo es crisis
Theis Jensen, Bryan Kelly y Lasse Heje Pedersen (2023, Journal of Finance) plantearon una visión más matizada en Is There a Replication Crisis in Finance?. Con un enfoque bayesiano y datos de muchos países, concluyeron que la mayoría de los factores agrupados por temas sí se replica, aunque con primas más modestas de lo que sugerían los estudios originales.
El debate no enfrenta a quienes creen en los factores con quienes no creen. Enfrenta distintas formas de medir cuánta evidencia es suficiente y cuántos factores realmente distintos existen.
Por qué existe el Factor Zoo
El zoológico de factores no es el resultado de malas intenciones. Es el resultado de incentivos.
- Incentivos académicos: publicar un resultado positivo es más fácil que publicar un resultado nulo.
- Incentivos comerciales: un nuevo factor puede convertirse en un nuevo producto financiero.
- Grados de libertad del investigador: periodo, universo, ponderación, definición de la variable, exclusiones. Cada decisión aumenta las posibilidades de encontrar algo.
- Datos compartidos: miles de investigadores trabajan con las mismas bases de datos históricas.
Harvey lo denominó en otros trabajos como un problema de cultura científica: la tentación de ajustar el análisis hasta que el resultado sea significativo, conocida como p-hacking.
Cómo distinguir un factor sólido de uno frágil
A partir de esta literatura, pueden extraerse algunos criterios prácticos:
- Lógica económica previa: el factor debe tener una explicación razonable antes de mirar los datos, ya sea de riesgo o de comportamiento.
- Persistencia en el tiempo: debe funcionar en periodos distintos, no solo en el de descubrimiento.
- Presencia internacional: debe aparecer en otros mercados.
- Robustez a la definición: pequeñas variaciones en la fórmula no deberían hacerlo desaparecer.
- Implementabilidad: debe sobrevivir a costes, liquidez y capacidad.
- Umbral estadístico exigente: un estadístico t cercano a 2 es una señal débil cuando se han probado muchas alternativas.
Un factor fiable no es el que tiene el mejor backtest. Es el que tiene una explicación económica, aparece en muchos lugares y no depende de un detalle de diseño.
Value y Quality ante el Factor Zoo
Los factores de valoración y de rentabilidad empresarial están entre los que mejor resisten estas pruebas.
Tienen explicaciones económicas plausibles, décadas de evidencia y presencia en muchos mercados. Fama y French los incorporaron en su modelo de cinco factores, y trabajos como los de Robert Novy-Marx o Asness, Frazzini y Pedersen han documentado la prima de calidad desde diferentes ángulos.
Eso no los convierte en garantías. Value atravesó una década muy difícil después de 2008. Pero sí los sitúa en una categoría distinta a la de los factores descubiertos en un solo estudio y con una sola definición.
La conexión con ValQual
El Factor Zoo es la razón por la que en ValQual intentamos limitar el número de variables y elegir aquellas con una lógica económica clara: cuánto se paga por los beneficios de una empresa y qué capacidad tiene esa empresa de generar rentabilidad sobre su capital.
Cada variable adicional en un modelo aumenta el riesgo de ajustarlo al pasado.
Y cada decisión metodológica debería poder justificarse antes de ver los resultados, no después.
Esto conecta con lo que ya explicamos en Causalidad vs correlación: encontrar un patrón no es lo mismo que entender por qué existe.
Conclusión
Campbell Harvey no demostró que los factores no existan.
Demostró algo más importante: que la cantidad de factores publicados no es una medida de cuánto sabemos.
En un entorno con miles de pruebas, la significación estadística tradicional deja de ser suficiente.
En inversión cuantitativa, la humildad estadística no es una debilidad. Es la principal defensa contra el autoengaño.
Bibliografía & Recursos
Estudio principal
- Harvey, C. R., Liu, Y. y Zhu, H. (2016). …and the Cross-Section of Expected Returns. The Review of Financial Studies, 29(1).
Lecturas relacionadas
- Cochrane, J. H. (2011). Presidential Address: Discount Rates. Journal of Finance.
- Harvey, C. R. (2017). Presidential Address: The Scientific Outlook in Financial Economics. Journal of Finance.
- McLean, R. D. y Pontiff, J. (2016). Does Academic Research Destroy Stock Return Predictability? Journal of Finance.
- Hou, K., Xue, C. y Zhang, L. (2020). Replicating Anomalies. The Review of Financial Studies.
- Jensen, T. I., Kelly, B. y Pedersen, L. H. (2023). Is There a Replication Crisis in Finance? Journal of Finance.
En ValQual