Pese a que existe un dicho en bolsa que dice "vende en mayo y no regreses hasta octubre", la realidad nos ha dejado con la mayor revalorización alcanzada por los índices norteamericanos desde 2009 en un mes de mayo. Ese apotegma establece que, entre el 1 de noviembre y el 30 de abril, se produce la mayor rentabilidad positiva de las bolsas. En cambio, del 1 de mayo al 31 de octubre, es mejor estar fuera de bolsa.

Mientras que sabemos que muchas actividades humanas cuentan con ciclos estacionales que impactan tanto en el comportamiento como en la actividad, las bolsas parecen tener también unas épocas mejores que otras. Y pese a que ese ciclo puede no respetarse en el corto plazo, si tomamos horizontes temporales más largos, el conocer esa estacionalidad puede ayudar en la difícil tarea de ubicarnos en mercado.

Un estudio que utiliza datos entre 1693 y 2012 en 108 países, concluye que efectivamente sí existe una diferencia entre verano e invierno. Además, no solo no se ha producido un aumento de estas diferencias en términos de rentabilidad en las últimas décadas, sino que además este fenómeno se desarrolla de forma global. Entre los datos que se obtienen en esos más de 300 años, abril y diciembre son los mejores meses mientras que, mayo y septiembre son los que peor comportamiento relativo presentan.

Tomando algunos de los resultados de ese estudio, resulta que si atendemos a las máximas caídas (drawdowns) desde 1950 en el caso del Dow Jones, estando fuera entre mayo y octubre hubiera permitido evitar descensos en una posición, tanto si lo analizamos por profundidad como por duración.

Unos gráficos interesantes más recientes sobre este fenómeno de los mercados, vienen a ratificar la idea anterior. En este caso toma el S&P500 y sus rentabilidades medias diarias entre 1990 y 2017, y gráfica el efecto estacional de una forma muy visual. De momento, se estaría cumpliendo el patrón así marcado y nos daría cierta información interesante.

Este mismo estudio facilita una tabla interesante sobre el comportamiento así medido. Se toman los últimos 53 años y se observa mes a mes, la rentabilidad media y el porcentaje de casos favorables. Abril es el mes más rentable de todos, seguido por diciembre y marzo. La segunda columna muestra el porcentaje en que esa rentabilidad se produce (por ejemplo, en el 56% de los casos el mes de junio resulta ser neutro).

Si ahora analizamos este efecto en otros activos, resulta igualmente interesante (aunque no tan constante) ver como se produce cierta repetición de comportamientos. En el caso del bono a 10 años norteamericano, el primer trimestre del año ha sido históricamente más bajista que otros periodos del ejercicio.

Lo mismo sucede con el dólar o el oro donde se ve cierta repetición de comportamientos y, lo más interesante, cierta correlación con lo que sucede en los mercados de renta variable. Esto viene a confirmar ciertas reglas en cuanto a la asignación de activos tradicional como, por ejemplo, que el oro o los bonos actúan como subyacentes defensivos en momentos de caídas importantes de las bolsas.

Otro gráfico muy visual sobre este tema de la estacionalidad en las bolsas, lo vemos cuando analizamos el efecto navidad o "Santa Claus Rally" con "Google Trends". Convendremos que, a la vista de los picos en el mes de diciembre de cada año y desde que existe la serie histórica, efectivamente somos animales de costumbres y eso provoca un ciclo que se repite constantemente desde 2004 con más o menos intensidad.

Así las cosas y pese a que no soy de los que creen en la manipulación del mercado, sí está claro que existen oportunidades en la explotación de las ineficiencias que, como humanos, muchos cometemos. En un entorno cada vez más computarizado, donde los algoritmos, la IA y el “deep learning” se aplican cada vez más a los mercados (el 65% del volumen ya lo hacen máquinas en USA y cerca del 42% en Europa), seguir repitiendo ciertos comportamientos reporta beneficios a aquellos que saben interpretar esta forma de actuar. Veremos si ahora esas mismas máquinas son capaces de alterar las series que, hasta la fecha, han ido funcionando en plazos largos.