Cómo el horizonte temporal cambia matemáticamente el riesgo de inversión

Un plan a cinco años y un plan a cinco días no pueden compartir la misma definición de “arriesgado”. La matemática lo hace inevitable.

El riesgo no es un número único: el tiempo lo convierte en un objetivo móvil

En el habla cotidiana, “riesgo” a menudo significa volatilidad: cuánto rebotan los precios. En los modelos de decisión, riesgo puede significar muchas cosas a la vez:

• la probabilidad de que tu riqueza acabe por debajo de algún objetivo (riesgo de insuficiencia),
• la peor pérdida plausible (Value at Risk, Valor en Riesgo),
• la profundidad de la peor caída pico-a-valle (drawdown máximo),
• o la probabilidad de que te veas obligado a vender en un mal momento (liquidez + desajuste de horizonte).

El horizonte temporal cambia cada una de estas cosas—no siempre en la misma dirección. Ahí es donde los inversores se confunden: oyen “las acciones son más seguras a largo plazo” y al mismo tiempo “la volatilidad compuesta puede ser brutal”. Ambas afirmaciones pueden ser verdad dependiendo de qué riesgo signifique.

Para mantener esto anclado, usaremos un modelo simple de retornos. Sea rítmico periódicos (por ejemplo mensuales) r_t. Sobre T periodos, el retorno acumulado simple es:

[ R_T = \prod_{t=1}^{T}(1+r_t) - 1 ]

Y el retorno logarítmico es:

[ g_t = \ln(1+r_t), \quad G_T = \sum_{t=1}^{T} g_t ]

Los retornos logarítmicos son matemáticamente convenientes porque se suman en el tiempo. Muchos modelos asumen que g_t es aproximadamente normal con media \mu y desviación estándar \sigma por periodo. Esa suposición es imperfecta, pero es un punto de partida útil para entender el efecto del horizonte.

La volatilidad escala con la raíz cuadrada del tiempo—hasta que no lo hace

Si los retornos son independientes e idénticamente distribuidos (i.i.d.), la varianza de la suma escala linealmente con el tiempo:

[ \mathrm{Var}(G_T) = T\sigma^2 ]

Así que la desviación estándar escala como:

[ \mathrm{SD}(G_T) = \sigma\sqrt{T} ]

Esta es la famosa regla de la raíz cuadrada del tiempo. Por eso una volatilidad mensual del 4% suele traducirse a volatilidad anual como (4%\sqrt{12}\approx 13.9%).

Pero fija en qué estamos escalando: la dispersión del retorno logarítmico acumulado crece con (\sqrt{T}). Eso significa que la distribución se ensancha en términos absolutos a horizontes más largos. En otras palabras, si tu definición de riesgo es “¿Cuán incierto es mi patrimonio final en euros?”, entonces los horizontes más largos pueden parecer más arriesgados, no menos, porque el rango de resultados posibles se amplía.

¿Por qué, entonces, tiene sentido decir que “un horizonte más largo reduce el riesgo”? Porque muchos inversores se preocupan por el retorno medio por periodo, no por el retorno total compuesto.

Considera el retorno logarítmico medio:

[ \bar{g}T = \frac{1}{T}\sum{t=1}^{T} g_t ]

Su varianza es:

[ \mathrm{Var}(\bar{g}_T)=\frac{\sigma^2}{T} ]

Ahora la desviación estándar cae como (1/\sqrt{T}). Ese es el núcleo matemático de la intuición: el resultado medio por periodo se vuelve más estable con el tiempo, aunque el resultado terminal se vuelva más disperso. Dos preguntas diferentes sobre “riesgo”, dos respuestas que parecen opuestas.

Los modelos de decisión a menudo cambian entre estas sin advertirlo.

Probabilidad de pérdida: el horizonte puede ayudar, pero solo si la deriva domina

Muchos inversores definen riesgo como “¿Cuál es la probabilidad de perder dinero cuando lo necesite?”. Eso es una afirmación de probabilidad, y el horizonte importa de una forma más clara.

Bajo el modelo lognormal (G_T \sim \mathcal{N}(T\mu, T\sigma^2)). La probabilidad de que tu riqueza terminal esté por debajo de la inicial (es decir, (R_T<0), equivalente a (G_T<0)) es:

[ \mathbb{P}(G_T<0) = \Phi\left(\frac{0-T\mu}{\sigma\sqrt{T}}\right) = \Phi\left(-\frac{\mu\sqrt{T}}{\sigma}\right) ]

donde (\Phi) es la CDF de la normal estándar.

Esta expresión es reveladora:

• Si (\mu>0), entonces (\mu\sqrt{T}/\sigma) crece con (\sqrt{T}), así que la probabilidad de un resultado negativo declina con el horizonte.
• Si (\mu=0), la probabilidad se mantiene en 50% sin importar cuánto esperes.
• Si (\mu<0), la probabilidad de pérdida aumenta con el tiempo.

Así que la reconfortante historia de “el tiempo diversifica el riesgo” asume silenciosamente rendimientos logarítmicos esperados positivos y algún tipo de independencia de retornos. En mercados reales, la deriva es pequeña comparada con la volatilidad en horizontes cortos, así que la probabilidad de pérdida puede ser alta a 1 año y mucho menor a 20 años. Pero eso no es gratis: tu horizonte está haciendo el trabajo solo porque le das tiempo a la deriva para acumularse.

Un punto sutil: el parámetro que importa para la supervivencia a largo plazo es la deriva logarítmica (\mu), no el retorno medio simple. Una alta volatilidad puede arrastrar hacia abajo (\mu) incluso cuando la media aritmética parezca atractiva. Por eso “rentabilidad ajustada al riesgo” no es solo jerga: la volatilidad cambia directamente los resultados a largo plazo mediante la capitalización.

El riesgo de drawdown crece con el horizonte incluso cuando la probabilidad de pérdida cae

El drawdown máximo es otro animal. Pregunta: “¿En algún punto del camino, qué tan mal puede ir antes de que me rinda?”

Aunque la probabilidad de estar en negativo en la fecha final disminuya con el tiempo, la probabilidad de haber experimentado un gran drawdown en algún momento aumenta al ampliar la ventana. Más tiempo significa más oportunidades para una mala racha.

Para una caminata aleatoria simple, muchos riesgos dependientes de la trayectoria escalan aproximadamente con el número de observaciones. No necesitas matemáticas exóticas para ver la intuición: un inversor de 30 años vivirá más recesiones, shocks de tipos y episodios de pánico que uno de 3 años. Eso no significa que el plan de 30 años sea peor: significa que tu modelo de decisión debe distinguir entre:

• riesgo terminal (terminar por debajo de una meta en el horizonte), y
• riesgo de trayectoria (verse obligado a vender, o capitular psicológicamente durante un drawdown).

Aquí es donde el desajuste de horizonte se vuelve práctico. Una cartera con horizonte largo puede ser matemáticamente correcta pero frágil desde el punto de vista conductual si las caídas interinas provocan ventas. En ese caso, tu horizonte efectivo se colapsa.

El ratio de Sharpe se mantiene con el tiempo—aun así el riesgo se siente distinto

Bajo supuestos i.i.d., el ratio de Sharpe por periodo es:

[ \text{SR}_1 = \frac{\mu}{\sigma} ]

En (T) periodos, el retorno logarítmico acumulado tiene media (T\mu) y SD (\sigma\sqrt{T}), así que el “Sharpe” del resultado acumulado es:

[ \text{SR}_T = \frac{T\mu}{\sigma\sqrt{T}} = \sqrt{T}\frac{\mu}{\sigma} ]

Esto parece indicar que el rendimiento mejora con el horizonte, pero es solo un cambio de unidades: mides una media mayor frente a una SD que crece más despacio. Si en cambio comparas rendimientos medios, el Sharpe se mantiene invariante. Lo que los inversores experimentan como “menos arriesgado a largo plazo” suele venir de esa separación creciente entre el resultado esperado y la banda de incertidumbre.

En términos prácticos: el tiempo no reduce mágicamente la volatilidad; le da espacio a los retornos esperados para manifestarse.

La diversificación temporal depende de la estructura de correlaciones—la reversión a la media cambia la matemática

La regla de la raíz cuadrada del tiempo se basa en baja correlación serial. Si los retornos están autocorrelacionados positivamente (comportamiento tipo momentum), la varianza crece más rápido que (T). Si los retornos están autocorrelacionados negativamente (reversión a la media), la varianza crece más despacio que (T).

Una forma de mostrarlo es:

[ \mathrm{Var}\left(\sum_{t=1}^T g_t\right)=T\sigma^2 + 2\sum_{k=1}^{T-1}(T-k)\gamma_k ]

donde (\gamma_k) es la autocovarianza en el retardo (k). Esos términos extra pueden ser positivos o negativos.

• Autocorrelación positiva: los choques persisten, así que la incertidumbre a largo plazo es mayor de lo que el i.i.d. predice.
• Autocorrelación negativa: los choques se revierten parcialmente, así que la incertidumbre a largo plazo es menor.

Esto importa para los tenedores a largo plazo de activos arriesgados y para cualquiera que use un modelo de decisión con restricciones basadas en horizonte. Un modelo que asume i.i.d. puede subestimar el riesgo a largo plazo en regímenes tendenciales—o sobreestimarlo si la reversión a la media es fuerte.

_{Photo by Jakub Żerdzicki on Unsplash}

Inflación y riesgo real: el horizonte convierte el activo “seguro” en arriesgado

Un bill (letra) gubernamental de corto plazo suele considerarse “libre de riesgo”. Sobre un mes, en términos nominales, prácticamente lo es. En décadas, el riesgo relevante es el poder adquisitivo real, no la estabilidad nominal.

Sea el retorno nominal (r_t) y la inflación (\pi_t). El retorno real es aproximadamente:

[ r^{(real)}_t \approx r_t - \pi_t ]

Aunque los retornos nominales sean estables, la incertidumbre sobre la inflación se acumula con el tiempo. Para horizontes largos, la varianza de los retornos reales acumulados incluye la varianza de la inflación y su covarianza con los rendimientos nominales. Esto convierte al efectivo “seguro” en un activo arriesgado a largo plazo en modelos de decisión que tienen objetivos de gasto en términos reales.

Esto también explica por qué el horizonte cambia la clasificación de los riesgos:

• Horizonte corto: las acciones parecen terroríficas porque domina la volatilidad de precios.
• Horizonte largo: la inflación y el riesgo de reinversión pueden dominar para bonos y efectivo.

Matemáticamente, el horizonte está seleccionando qué proceso estocástico importa más.

El reequilibrio convierte el horizonte en una secuencia de decisiones, no en una única apuesta

La mayoría de carteras no son “comprar y mantener para siempre”. Se reequilibran. Eso crea un problema de decisión repetido: cada fecha de reequilibrio es un mini-horizonte dentro del horizonte mayor.

Si reequilibras a pesos fijos, tu riqueza terminal depende de la trayectoria de retornos, no solo del punto final. El reequilibrio puede reducir el riesgo en algunos sentidos (manteniendo la diversificación) mientras aumenta la exposición al efecto de arrastre por volatilidad en otros, dependiendo de las correlaciones y de si estás vendiendo ganadores y comprando perdedores.

Una forma simple de ver el efecto del horizonte es comparar:

• Inversión de suma única: un punto de entrada, una fecha terminal.
• Inversión faseada / aportaciones: muchos puntos de entrada (dollar-cost averaging).
• Decumulación: los retiros introducen riesgo de secuencia de retornos.

Con aportaciones o retiros, el horizonte interactúa con la temporización de los flujos de efectivo. Dos inversores con el mismo periodo de 30 años pueden tener riesgos distintos si uno aporta al principio y el otro lo hace al final.

Riesgo de secuencia de retornos: el horizonte puede perjudicar a los jubilados aunque los mercados se promedien

Para quien retira de una cartera, el riesgo de trayectoria se vuelve existencial. Un mal drawdown temprano combinado con retiradas puede perjudicar de forma permanente la capacidad de recuperación, incluso si los retornos medios a largo plazo son adecuados.

Una recursión simple para la riqueza con retiros (c) por periodo:

[ W_{t+1} = (W_t - c)(1+r_{t+1}) ]

Esto es no lineal. Las pérdidas tempranas reducen la base sobre la que las ganancias posteriores pueden capitalizar, mientras los retiros siguen erosionando. Ampliar el horizonte (vivir más) puede aumentar la probabilidad de ruina a menos que la tasa de retirada se ajuste.

En los modelos de decisión, esto aparece como una restricción sobre la probabilidad de insuficiencia a lo largo de toda la trayectoria, no solo en una fecha terminal. Cuanto más largo sea el horizonte de la jubilación, más estricta debe ser la tasa de gasto sostenible, todo lo demás constante.

Value at Risk y Expected Shortfall: escalar es fácil; que sea correcto no lo es

Los desks de riesgo a menudo escalan VaR de 1 día a VaR de 10 días mediante (\sqrt{T}). Bajo normalidad i.i.d., eso es consistente para los retornos:

[ \text{VaR}T(\alpha) \approx z\alpha \sigma \sqrt{T} - \mu T ]

donde (z_\alpha) es el cuantíl.

Pero los retornos de mercado tienen colas pesadas y la volatilidad se agrupa. En esos escenarios, el escalado por horizonte puede ser engañoso:

• Si la volatilidad es persistente, el riesgo multidiario puede ser mucho mayor de lo que sugiere (\sqrt{T}).
• Los eventos extremos no se “promedian” rápidamente; se amplifican mediante tensiones correlacionadas.

Para un inversor de largo plazo, la pregunta más significativa a menudo no es “¿Cuál es mi peor mes al 1%?” sino “¿Con qué frecuencia enfrento un drawdown del 40% y cuánto suele tardar la recuperación?” Eso es un problema de trayectoria y horizonte, no de una distribución de un único paso.

Incorporar el horizonte temporal en un modelo de decisión: qué cambia matemáticamente

Un modelo de decisión necesita un objetivo y restricciones. El horizonte cambia ambos.

Utilidad y horizonte: la utilidad esperada puede invertir tus preferencias

En un marco clásico de utilidad esperada con utilidad CRRA:

[ U(W)=\frac{W^{1-\gamma}}{1-\gamma} ]

la participación óptima en activo riesgoso depende del balance entre crecimiento esperado y volatilidad, y puede ser sensible al horizonte cuando los retornos son predecibles o cuando hay fricciones (como prohibición de endeudamiento, requisitos de suelo, o necesidades de consumo). Incluso cuando el modelo de Merton implica participación riesgosa constante en condiciones ideales, las fricciones del mundo real reintroducen dependencia con el horizonte.

Restricciones basadas en objetivos: las probabilidades se componen a través del tiempo

Si impones una restricción como “no más del 5% de probabilidad de caer por debajo de mi objetivo”, el horizonte importa porque la distribución de la riqueza terminal cambia con (T). En el modelo lognormal, alcanzar un objetivo en términos reales (W^*) es:

[ \mathbb{P}(W_T \ge W^*) = \mathbb{P}\left(G_T \ge \ln\left(\frac{W^*}{W_0}\right)\right) ]

Un (T) más largo incrementa tanto la media como la varianza de (G_T), y si la probabilidad sube depende de cuál crece más rápido en relación con el objetivo. Los objetivos que escalan con el tiempo (como gasto ajustado por inflación) cambian la desigualdad de nuevo.

El desajuste de horizonte como factor de riesgo formal

Una forma clara de codificar el desajuste de horizonte es modelar las necesidades de liquidez como tiempos de parada aleatorios. Si existe la probabilidad de que debas salir antes (pérdida de empleo, gasto médico), entonces tu horizonte efectivo es una distribución, no una fecha única. El riesgo se convierte en un promedio ponderado sobre posibles tiempos de salida:

[ \text{Risk} = \sum_{t=1}^{T} p_t , \text{Risk at horizon } t ]

Esta es una razón por la que “soy inversor a largo plazo” no es una declaración completa de riesgo a menos que el inversor realmente pueda permanecer invertido.

Lo que los inversores pasan por alto: el tiempo reduce algunos riesgos al promediar, pero aumenta otros por exposición

La matemática no da un veredicto único. Da un menú de efectos del horizonte:

• La incertidumbre del retorno medio cae como (1/\sqrt{T}).
• La dispersión de la riqueza terminal sube como (\sqrt{T}) en el espacio logarítmico (y puede ser aún más dramática en el espacio de retornos simples).
• La probabilidad de pérdida terminal baja con (T) solo si el retorno logarítmico esperado es positivo.
• La probabilidad de drawdown aumenta con (T) porque más tiempo significa más trayectorias y más oportunidades de alcanzar extremos.
• El riesgo de inflación crece con (T) cuando te importan los resultados en términos reales.
• El riesgo de secuencia de retornos explota cuando hay retiros, haciendo que “un horizonte más largo” pueda ser más difícil, no más fácil.

Nada de esto es abstracto. Es la diferencia entre un trabajador joven que aporta cada mes, una familia que ahorra para la entrada de una casa en tres años y un jubilado que financia gastos durante los próximos treinta.

El horizonte temporal no es solo una preferencia. En finanzas, es un operador matemático que transforma lo que “riesgo” significa—y por tanto transforma qué modelo de decisión es siquiera apropiado.

Enlaces externos

Managing Risk for Different Time Horizons | Capital Group Investing Risk and Time Horizon: What You Need To Know Understanding Time Horizon in Investing: Definition, Types, Mistakes Does longer time horizon necessarily imply reduced risk? Why 5 Years (60 Months) is the Statistical “Magic Number” for Equities