Armé un motor de simulación para responder una pregunta simple: si comprás una acción y la tenés cinco años, ¿qué pasa? No el número que sale de multiplicar un promedio, sino la distribución completa — cuánto podés ganar, cuánto podés perder, con qué probabilidad.
El motor toma la serie histórica de retornos mensuales, la remuestrea en bloques y arma miles de trayectorias posibles. Datos de Yahoo Finance: acciones argentinas que cotizan en Nueva York (ADRs), en dólares, de febrero de 2010 a agosto de 2026. Ciento noventa y nueve meses, sin huecos.
Después hice el chequeo que más me interesaba: corrí exactamente el mismo motor seis veces, cambiando una sola cosa. No el método. No los supuestos. Solo qué pedazo de la historia le di de comer.
El experimento
Crecimiento anual compuesto mediano proyectado a cinco años. Mismo motor, mismos supuestos, distinta ventana:
| Ventana histórica | YPF | Galicia | Macro | Pampa | S&P 500 |
|---|---|---|---|---|---|
| 2010-2015 (cepo) | −12,6% | +33,7% | +15,8% | +11,5% | +13,8% |
| 2010-2019 | −10,1% | +13,6% | +5,1% | +4,0% | +14,1% |
| 2010-2023 | −5,0% | +12,5% | +4,1% | +12,5% | +13,5% |
| 2010-2026 (completa) | +2,5% | +17,7% | +10,7% | +14,7% | +14,7% |
| 2016-2026 | +13,5% | +8,5% | +7,5% | +17,1% | +15,3% |
| 2020-2026 | +25,8% | +21,0% | +18,0% | +28,1% | +15,7% |
| Rango | 38,4 pp | 25,2 pp | 13,8 pp | 24,1 pp | 2,2 pp |
Cada celda junta 20 corridas de 5.000 trayectorias (100.000 por ventana).
YPF va de perder 13% anual a ganar 26% anual. La probabilidad de terminar en pérdida a cinco años va de 20% a 72%. Son el mismo activo, el mismo modelo y el mismo día. Lo único que cambió fue dónde puse el cursor.
El S&P 500, en la misma prueba, se mueve 2,2 puntos.
Esto no es un defecto de los datos argentinos
Fue mi primera reacción: bueno, es Argentina, la serie está rota. No es eso. La serie está impecable — cero meses faltantes, cotizaciones en dólares que ya vienen ajustadas por splits y dividendos.
El problema es más incómodo: en un activo volátil, el retorno esperado es casi inestimable, y ninguna cantidad razonable de datos lo arregla.
Dos números de YPF que parecen contradecirse
Antes de medirlo, una distinción que en activos argentinos es enorme.
Si promediás los retornos mensuales de YPF y lo llevás a un año, da +22% anual. Pero quien compró en febrero de 2010 y vendió en agosto de 2026 ganó 54% en total: +2,6% anual compuesto. Los dos números son correctos. El primero es un promedio aritmético; el segundo es lo que efectivamente creció la plata.
La diferencia es el costo de la volatilidad. Si una acción sube 50% y después baja 50%, el promedio es cero, pero de cada 100 terminás con 75. Cuanto más se mueve el precio, más se separan los dos números: aproximadamente, el compuesto es el aritmético menos la mitad de la varianza (σ²/2). Con una volatilidad de 60% anual, eso son unos 18 puntos. En el S&P 500, con 14%, apenas uno: +15,8% contra +14,6%.
Por eso la tabla de arriba muestra crecimiento compuesto: es lo que le importa a quien invierte. Los intervalos que siguen, en cambio, son sobre el promedio aritmético, que es lo que la estadística sabe estimar.
Cuánto se sabe después de dieciséis años
| Retorno | IC 95% | t | Volat. | IC 95% | |
|---|---|---|---|---|---|
| YPF | +22,0% | −8,4% a +61,3% | 1,37 | 59,7% | 51,0% a 68,4% |
| Galicia | +43,0% | +4,6% a +94,0% | 2,24 | 66,1% | 53,1% a 79,0% |
| Macro | +33,6% | −1,8% a +80,3% | 1,84 | 64,7% | 51,4% a 77,9% |
| Pampa | +27,7% | +0,7% a +61,2% | 2,01 | 49,9% | 42,7% a 57,1% |
| S&P 500 | +15,8% | +8,1% a +23,9% | 4,18 | 14,4% | 12,8% a 15,9% |
Retorno: promedio aritmético anualizado. Volatilidad: desvío anualizado. 199 meses.
Con 199 meses de historia, el retorno esperado de YPF (t = 1,37) y el de Banco Macro (t = 1,84) no se distinguen de cero. Galicia y Pampa pasan el umbral convencional de 1,96, pero por poco: el intervalo de Pampa arranca en +0,7% y termina en +61%. Es "significativo" y a la vez no sirve para decidir nada. Solo el S&P 500 tiene un intervalo con el que se puede trabajar.
Ahora mirá la otra mitad de la tabla. Medido como proporción del valor estimado, el intervalo de la volatilidad va de 0,22 (S&P) a 0,41 (Macro). El del retorno va de 0,94 (S&P) a 2,87 (YPF). Según el activo, la volatilidad se estima entre 4 y 10 veces mejor que el retorno.
El hallazgo que no fui a buscar
Esto ya estaba demostrado. En 1980, Robert Merton publicó un paper donde muestra que la precisión con que estimás el retorno esperado depende del largo total del período observado — mirar la serie más seguido no ayuda. La precisión con que estimás la varianza, en cambio, mejora con la cantidad de observaciones. En un apéndice lo dice sin vueltas:
"Se puede obtener una estimación razonablemente precisa de la varianza usando datos diarios, mientras que las estimaciones del retorno esperado tomadas directamente de la muestra estarán sujetas a tanto error que resultan casi inútiles."
Casi inútiles. Escrito hace cuarenta y seis años. Y todavía se valúan empresas con un retorno histórico promedio puesto como si fuera un dato.
Aswath Damodaran, cuya serie de prima de riesgo de mercado es una de las referencias más citadas en valuación, es explícito sobre lo mismo: con datos de Estados Unidos de 1928 a 2022, la prima de las acciones sobre los bonos del Tesoro da 6,64% anual en promedio, con un error estándar de 2,15%. Dos errores estándar para cada lado: de 2,34% a 10,94%. Un intervalo más ancho que el valor estimado. Con casi un siglo de historia y el mercado mejor documentado del planeta.
Y no es solo la prima. Welch y Goyal revisaron en 2008 los modelos estándar para predecir el retorno del mercado y encontraron que fuera de muestra la mayoría rinde peor que usar el promedio histórico a secas — y que, en muchos de esos modelos, la significatividad que parecían tener dependía de los años hasta la crisis del petróleo de 1973-75, y sobre todo de esos años.
Lo que salió distinto de lo que yo esperaba
Elegí el método de remuestreo por bloques (Politis y Romano, 1994: bloques de largo aleatorio con distribución geométrica) convencido de que iba a ensanchar las colas frente a remuestrear meses sueltos. La lógica parecía sólida: los bloques preservan las rachas, los regímenes, las crisis encadenadas.
Casi no las mueve. El drawdown medio cambia entre −1,2 y +2,9 puntos. A frecuencia mensual la autocorrelación de estos papeles es demasiado débil para que el método haga diferencia. Donde sí pesa es en el S&P: la probabilidad de perder plata en un año pasa de 17,1% a 10,7% cuando respetás las rachas, porque el drift sostenido del índice se destruye al mezclar meses sueltos.
Y hubo dos errores en el camino, que dejo a la vista.
El primero: mi primera medición de la asimetría entre riesgo y retorno comparaba rangos entre ventanas, y al chequearla activo por activo se caía en dos de cinco casos.
El segundo es más sutil. Calculé el intervalo de la volatilidad con la fórmula de manual, que supone que los retornos tienen distribución normal. Me dio el mismo ancho, 0,20, para los cinco activos, y lo escribí como hallazgo: la precisión de la volatilidad no depende del activo. Es falso. Las acciones argentinas tienen colas mucho más gordas que una normal — hay meses de +114% y de −70% — y con colas gordas el intervalo se ensancha. Corregido, va de 0,22 a 0,41. La conclusión grande sobrevive; la frase elegante no.
- No es una recomendación. Es una medición de cuánto se puede saber, no de qué comprar.
- El bootstrap remuestrea el pasado. No puede imaginar un régimen que todavía no ocurrió.
- Sesgo de supervivencia. Elegí empresas que hoy siguen cotizando. Las que se cayeron en el camino no están, y eso empuja los retornos hacia arriba. No cambia el argumento sobre las ventanas, pero los niveles hay que leerlos con eso en mente.
- Son ADRs en dólares, no las acciones en pesos en Buenos Aires.
Para el que no invierte en acciones
Este post no es sobre YPF. Es sobre una decisión que casi nadie explicita.
Cuando un dueño proyecta el año que viene con los últimos seis meses de ventas, está tomando exactamente la misma decisión que el analista que elige 2020-2026 para valuar una petrolera. Eligió una ventana. Casi siempre eligió la que tiene más fresca, o la que le resulta más cómoda. Y de esa elección sale un número que después se defiende como si fuera un dato.
Tres preguntas, entonces, frente a cualquier proyección — propia o ajena:
- ¿Qué ventana de datos usaste?
- ¿Por qué esa y no otra?
- ¿Cuánto cambia el resultado si usás otra?
Si la tercera no tiene respuesta, no tenés una proyección. Tenés un número.
Lo que la IA cambió acá no es el análisis: es el costo del chequeo. Antes corrías una especificación porque correr seis era una semana de trabajo. Ahora las seis salen en minutos y podés publicar la dispersión en vez del punto. No te hace mejor analista. Te saca la excusa para no verificar.