Fórmula de la Teoría de Expectativas No Sesgadas: Cómo los inversores en bonos predicen los rendimientos futuros

La capacidad de pronosticar los movimientos de las tasas de interés es crucial para quienes gestionan carteras de bonos. Una de las herramientas fundamentales en las finanzas modernas para abordar este desafío es la fórmula de la Teoría de Expectativas No Sesgadas, que ofrece a los inversores un marco matemático para entender la relación entre las tasas de interés a corto y largo plazo. Aunque la teoría tiene limitaciones claras, comprender tanto su funcionamiento como sus aplicaciones en el mundo real puede mejorar significativamente tu estrategia de inversión en bonos.

Entendiendo el principio central detrás de las predicciones de tasas de interés

En su esencia, la Teoría de Expectativas No Sesgadas se basa en una premisa sencilla: las tasas de interés a largo plazo actuales ya incorporan predicciones sobre cómo serán las tasas a corto plazo en el futuro. Más precisamente, la teoría sugiere que un inversor debería obtener rendimientos idénticos ya sea comprando un bono a largo plazo hoy o reinvirtiendo en bonos a corto plazo secuenciales a medida que vencen.

Considera este principio en acción: si un bono a dos años rinde un 10% anual, teóricamente deberías obtener el mismo rendimiento total invirtiendo en un bono a un año al 9% hoy, y luego reinvirtiendo los beneficios en otro bono a un año el próximo año—suponiendo que ese bono a un año futuro ofrezca un rendimiento mayor para compensar la diferencia de tiempo.

Esta relación matemática depende del poder del interés compuesto. Aunque los bonos a un año en secuencia tengan tasas individualmente más bajas que el bono a más largo plazo, el efecto acumulado de ganar intereses sobre intereses debería producir rendimientos finales equivalentes. Este concepto elegante forma la base de cómo muchos analistas abordan la valoración de bonos y la interpretación de la curva de rendimiento.

Cálculo paso a paso de la fórmula para predicciones de tasas de bonos

Para ilustrar cómo funciona en la práctica la fórmula de la Teoría de Expectativas No Sesgadas, repasemos un ejemplo concreto con números de mercado realistas.

Supón que el mercado actual ofrece un bono a dos años con un rendimiento del 10% y un bono a un año con un rendimiento del 9%. Usando la fórmula, podemos calcular qué rendimiento debería tener el bono a un año dentro de doce meses para que ambas opciones de inversión sean igualmente atractivas.

El cálculo es el siguiente:

Convierte la tasa a dos años en su factor de crecimiento: suma 1 al porcentaje (10% se convierte en 1.10), y luego eleva al cuadrado este número, ya que estamos considerando dos años. Esto nos da 1.10² = 1.21.

Luego, divide este resultado por el factor de crecimiento del bono a un año actual. Como la tasa a un año es 9%, su factor de crecimiento es 1.09. Entonces calculamos: 1.21 ÷ 1.09 ≈ 1.1101.

Finalmente, resta 1 a este cociente para volver a convertirlo en porcentaje: 1.1101 - 1 = 0.1101, o aproximadamente 11.01%.

Esto nos indica que, para que un inversor obtenga rendimientos equivalentes al bono a dos años de hoy, el bono a un año disponible el próximo año debería rendir aproximadamente 11%. El inversor aceptaría la tasa del 9% hoy con la expectativa de que las tasas subirán el año siguiente.

Por qué la Teoría de Preferencia por Hábitat Ofrece predicciones más precisas en el mundo real

Aunque la fórmula de la Teoría de Expectativas No Sesgadas presenta una elegancia matemática, frecuentemente falla en predecir con precisión lo que realmente sucede en los mercados de bonos. Los mercados reales se desvían significativamente de las predicciones teóricas.

En la práctica, los bonos a largo plazo consistentemente rinden más de lo que la fórmula simple sugeriría. Esta brecha desconcertante revela una falla fundamental en las suposiciones de la teoría sobre el comportamiento de los inversores.

La Teoría de Preferencia por Hábitat aborda esta realidad introduciendo una variable clave que la Teoría de Expectativas No Sesgadas pasa por alto: el riesgo de vencimiento. Los inversores prefieren naturalmente mantener bonos de menor duración porque las fluctuaciones en las tasas de interés son relativamente predecibles en horizontes cortos. Sin embargo, en períodos más largos, las tasas pueden variar drásticamente, creando una incertidumbre genuina sobre los valores futuros de los bonos y sus ingresos.

Esta incertidumbre tiene un costo real. Para convencer a los inversores de aceptar los mayores riesgos inherentes a los bonos a largo plazo, los emisores deben ofrecer una compensación adicional más allá de lo que calcula la fórmula pura. Esta rentabilidad extra se llama “prima de riesgo”, y explica por qué la curva de rendimiento suele tener pendiente ascendente.

Al reconocer que los inversores exigen una rentabilidad adicional para compensar el riesgo de vencimiento, la Teoría de Preferencia por Hábitat explica con éxito las observaciones del mercado que la Teoría de Expectativas No Sesgadas no puede. La mejora transforma un modelo puramente matemático en una herramienta que refleja las preferencias reales de los inversores y la dinámica del mercado.

Para la inversión práctica en bonos, esta distinción importa enormemente. Aunque la fórmula de la Teoría de Expectativas No Sesgadas proporciona una referencia útil para entender las relaciones de rendimiento, los inversores inteligentes reconocen que los mercados reales requieren el marco más completo que ofrece la Teoría de Preferencia por Hábitat—uno que tenga en cuenta tanto las relaciones matemáticas como las preferencias humanas genuinas por reducir la incertidumbre.