Si no compartimos el conocimiento no sirve para nada. Michio Kaku
⚠️ Advertencia Importante
Los siguientes scripts y análisis son herramientas con fines exclusivamente educativos y de simulación. No constituyen en modo alguno un consejo de inversión, una recomendación para comprar o vender activos, ni una invitación a invertir en los valores o estrategias aquí mencionados.
Carácter experimental: Este trabajo es el resultado del esfuerzo de una única persona apoyándose en la IA. Pese a las revisiones, pueden existir errores no detectados en los cálculos o en el código. Agradecemos enormemente cualquier inconsistencia que nos ayudes a identificar. Tu responsabilidad: La toma de decisiones de inversión recae exclusivamente en la persona que las ejecuta. Antes de tomar cualquier decisión, es fundamental que valides la información y los datos con fuentes profesionales independientes y que consultes a un asesor financiero cualificado. Gestión del riesgo: El uso de estas herramientas y la aplicación de las estrategias aquí presentadas es tu entera responsabilidad. Recuerda que el rendimiento pasado no asegura resultados futuros y que toda inversión conlleva riesgos.
1.- Introducción.
Las clases que mostramos a continuación, implementan funcionalidades coherentes con una estrategia Boglehead, que se basa en la construcción y gestión disciplinada de una cartera diversificada, principalmente con fondos indexados, evaluando rendimientos y riesgos a lo largo del tiempo.
Estas clases permiten:
- Analizar los fondos individualmente usando datos históricos y métricas clave.
- Ponderar diferentes fondos en una cartera según pesos definidos.
- Calcular métricas agregadas de rendimiento, volatilidad y riesgo a nivel cartera.
- Incorporar rangos temporales para análisis flexibles.
- Visualizar indicadores técnicos útiles para seguimiento del cartera.
Así, el código refleja la esencia de la filosofía Boglehead: simplicidad, diversificación, enfoque en el largo plazo y gestión pasiva con atención al riesgo y rentabilidad efectiva.
Por tanto, este código hace exactamente lo que haría una estrategia Boglehead, facilitando su implementación práctica y el seguimiento cuantitativo de la cartera.
2.- Estrategia Bogleheads.
2.2.- Cómo usar este notebook en Google Colaboratory
- Descarga el notebook desde el enlace disponible en esta entrada. '2_Bogleheads_en_acción_blog_1.ipynb'
- Importa el archivo a tu Google Drive (puedes arrastrarlo directamente o subirlo desde Drive).
- Ábrelo desde Drive: al hacer doble clic, se abrirá automáticamente en
- Ejecuta primero las celdas de los apartados 1 y 2. Estas preparan el entorno y cargan los recursos necesarios.
- A partir de ahí, puedes ejecutar libremente cualquier otra celda según lo que quieras explorar.
- Presta atención a los menús interactivos: muchas celdas incluyen preguntas o configuraciones que puedes ajustar antes de continuar.
Descargar cotizaciones desde Yahoo Finances.
Tenemos dos opciones: descargar desde las Gestoras de los Fondos o también desde Yahoo Finances.
yfinance es una librería ampliamente utilizada y respetada para análisis financiero. Los datos históricos de precios son generalmente considerados información pública. Vanguard publica esta información públicamente a través de Yahoo Finance. Los datos de yfinance pueden tener ligeras diferencias con las fuentes oficiales de Vanguard por lo que, para decisiones importante sugerimos verificar con fuentes oficiales.
La clase VanguardManager gestiona de forma integral la descarga, actualización y normalización de datos históricos de fondos Vanguard.
En la misma carpeta en la que se encuentra ubicado el notebook que estamos ejecutando, crea las carpetas "data_directory = './Datos/Ficheros_bogleheads'" y deposita en la última los ficheros CSV con las cotizaciones de los valores incluidos en el diccionario 'fundos_data'.
Dentro de la carpeta 'Datos', se pueden crear otras subcarpetas en las que depositar ficheros CSV descargados de bancos, gestoraas, etc.
vos en la carpeta con métodos específicos.
En la misma carpeta en la que se encuentra ubicado el notebook que estamos ejecutando, crea las carpetas "data_directory = './Datos/Ficheros_bogleheads'" y deposita en la última los ficheros CSV con las cotizaciones de los valores incluidos en el diccionario 'fundos_data'.
Dentro de la carpeta 'Datos', se pueden crear otras subcarpetas en las que depositar ficheros CSV descargados de bancos, gestoraas, etc.
vos en la carpeta con métodos específicos.
Precaución yfinance: Una biblioteca de Python que proporciona una interfaz para acceder a los datos de Yahoo Finance, licenciada bajo la Apache License 2.0. Es importante entender que los datos descargados de esta web son para uso personal, prohibiéndose su redistribución o venta. En el contexto de un uso sin ánimo de lucro, se considera generalmente aceptable siempre que se respeten estas directrices y se eviten peticiones de datos excesivas o abusivas.
2.2.- Crear DataFrames para el análisis.
El script importa cotizaciones de los ficheros CSV que seleccionemos. Desde Yahoo Finance se descargan cotizaciones históricas desde el 2018-01-02. Es importante tener esto en cuenta para no introducir fechas de inicio de análisis anteriores a ésta, cuando seleccionemos ficheros desacrgados de yfinance.
Para las simulaciones seleccionamos ejemplo que comentamos a continuación, seleccionamos el rango de fechas 2018-01-02 a 2025-09-04.
Para las simulaciones seleccionamos ejemplo que comentamos a continuación, seleccionamos el rango de fechas 2018-01-02 a 2025-09-04.
Para las simulaciones que vamos a realizar comformamos carteras con cotizaciones de los fondos siguientes.
Renta variable.
- Vanguard Global Stock Index Fund EUR Acc (IE00B03HD191). Ticker en Yahoo Finances (0P00000WLG.F)
- Vanguard Global Small-Cap Index Fund EUR Acc (IE00B42W4L06). Ticker en Yahoo Finances (0P0000XR9M.F)
- Vanguard Global Small-Cap Index Fund EUR Dist (IE00BDCXSH02). Ticker en Yahoo Finances (0P0001CXIY.F)
- Vanguard Emerging Markets Stock Index Fund EUR Acc (IE0031786142). Ticker en Yahoo Finances (0P000060MS.F)
Renta fija.
- Vanguard Global Bond Index Fund EUR Hedged Acc (IE00B18GC888). Ticker en Yahoo Finances (0P00012I69.F)
- Vanguard Global Short-Term Bond Index Fund EUR Hedged Acc (IE00BH65QP47). Ticker en Yahoo Finances (0P00012NJH.F)
- DWS Euro Ultra Short Fixed (LU0080237943). Ticker en Yahoo Finances (DI4C.F)
- Vanguard Global Short-Term Bond Index Fund EUR Hedged Acc (IE00BH65QP47). Ticker en Yahoo Finances(0P00012NJH.F)
📊 DataFrames importados: 🔹 'IE00B03HD191' → shape: (1946, 1) 🔹 'IE00B18GC888' → shape: (1946, 1) ✅ Proceso finalizado.
2.2.- Evolución de las cotizaciones.
Análisis de los gráficos. La fuerte caída que se observa en la cotización de este fondo de renta fija, especialmente a partir de 2022, se debe a una subida generalizada y agresiva de los tipos de interés por parte de los bancos centrales, como el Banco Central Europeo (BCE) y la Reserva Federal de Estados Unidos (Fed).
Esteste fenómeno afecta de forma tan significativa a los fondos de renta fija por las razones siguientes:
Relación inversa entre tipos de interés y precio de los bonos: El precio de
los bonos (que son los activos principales de un fondo de renta fija) y los
tipos de interés se mueven en direcciones opuestas. Cuando los tipos de
interés suben, el precio de los bonos existentes en el mercado baja.
¿Por qué bajan los bonos?:
Nuevos bonos más atractivos: Cuando los bancos centrales suben los tipos,
los bonos recién emitidos ofrecen una rentabilidad (cupón) más alta.
Desvalorización de bonos antiguos: Esto hace que los bonos que ya estaban
en circulación, con cupones más bajos, sean menos atractivos para los
inversores. Para que un inversor esté dispuesto a comprar un bono antiguo,
su precio de mercado debe bajar lo suficiente como para que su rentabilidad
total (contando el cupón y la apreciación del precio) sea comparable a la de
los nuevos bonos.
Impacto en los fondos de renta fija: Los fondos de renta fija invierten en
una cartera de bonos. Cuando el precio de estos bonos cae, el valor
liquidativo del fondo (el precio de su cotización) también disminuye, lo que
se traduce en pérdidas para los inversores que ya tenían posiciones.
Además de la subida de tipos, otros factores que pueden contribuir a una caída, aunque en menor medida, son:
Riesgo de inflación: El aumento de la inflación reduce el poder adquisitivo de los intereses y del capital de los bonos, haciendo que sean menos valiosos Riesgo de crédito: Si la calidad crediticia de los emisores de los bonos (por ejemplo, gobiernos o empresas) se deteriora, aumenta el riesgo de impago, lo que provoca una caída en el precio de sus bonos.
En resumen, la caída que se ve en el gráfico es un claro reflejo de la política monetaria restrictiva implementada por los bancos centrales a partir de 2022 para combatir la alta inflación. Esta política, que se basa en subir los tipos de interés, impacta directamente y de forma negativa en la valoración de los activos de renta fija.
2.3.- Evolución del índice MSCI World.
El ticker "^990100-USD-STRD" en Yahoo Finanzas corresponde al índice MSCI World, no a una empresa. Es una representación del comportamiento del índice en dólares estadounidenses, y te permite seguir su evolución, ver gráficos históricos, y comparar su rendimiento con otros índices globales.
3.- Evolución de la cartera y de los FI.
El scriopt está diseñado para simular la evolución de una cartera de inversión compuesta por varios fondos. Su función principal es calcular cómo un capital inicial, junto con aportaciones mensuales, crecería a lo largo del tiempo, basándose en los datos de rendimiento de los fondos seleccionados.
Solicita Parámetros: Pide al usuario que defina los parámetros de la simulación, incluyendo las fechas de inicio y fin, el peso porcentual de cada fondo en la cartera y los importes de la inversión inicial y las aportaciones mensuales.
Calcula la Evolución: Utiliza los datos históricos de los fondos para simular el valor de la cartera en el tiempo, recalculando el capital acumulado en cada periodo. Esto tiene en cuenta tanto el rendimiento de los fondos como las nuevas aportaciones.
Muestra los Resultados: Presenta un resumen de los resultados, incluyendo el capital final de cada fondo y de la cartera completa, así como la tasa de crecimiento anual compuesta (CAGR). También genera un gráfico que visualiza la evolución del capital a lo largo del periodo de simulación.
Rango de fechas disponible: 2018-01-02 a 2025-09-04
Asigne peso (%) a cada fondo (suma=100): Asignamos 25% a RV y 75% a RF
--- Evolución de la cartera y fondos ---
Fecha Capital_IE00B03HD191 Capital_IE00B18GC888 Capital_Cartera
0 2018-01-02 2500.000000 7500.000000 10000.000000
1 2018-02-01 2578.217113 7574.926026 10153.143138
2 2018-03-01 2545.790416 7727.165425 10272.955841
3 2018-04-01 2531.606586 7901.983283 10433.589869
4 2018-05-01 2690.882169 7998.748968 10689.631137
...
Fecha Capital_IE00B03HD191 Capital_IE00B18GC888 Capital_Cartera
88 2025-05-01 11781.099532 20024.642561 31805.742092
89 2025-06-01 12283.327432 20148.565009 32431.892441
90 2025-07-01 12416.211228 20488.626606 32904.837834
91 2025-08-01 12715.220544 20642.731370 33357.951914
92 2025-09-01 13089.342074 20781.114901 33870.456976
--- Tabla Resumen Final ---
FONDO/CARTERA CAPITAL FINAL (€) CAGR (%)
IE00B03HD191 13089.34 -9.60
IE00B18GC888 20781.11 -3.99
Cartera 33870.46 2.32
Comparación simulando con diferentes pesos de los valores en la cartera.
Análisis del resultado.
La simulación (25/75) se ha realizado en un periodo de aproximadamente 7 años y 8 meses (del 2 de enero de 2018 al 1 de septiembre de 2025). La cartera está compuesta por dos fondos de inversión (Vanguard FTSE All-World UCITS ETF y otro) con una distribución de 25% y 75% respectivamente. Se inició con 10.000€ y se aportaron 200€ mensuales.
Análisis de los Resultados
Capital Total Aportado:
Inversión inicial: 10.000€
Aportaciones mensuales: 92 meses * 200€/mes = 18.400€
Capital Total Invertido: 28.400€
Rendimiento de los Fondos Individuales:
Fondo 1 (vliq_IE00B03HD191): Muestra un CAGR negativo de -9.60%. Esto
significa que el rendimiento anual compuesto de las aportaciones ha sido
negativo, lo que ha erosionado el capital invertido en este fondo. Su capital
final es de 13.089,34€.
Fondo 2 (vliq_IE00B18GC888): También tiene un CAGR negativo de -3.99%,
aunque menos perjudicial que el primer fondo. Su capital final es de 20.781,1
1€.
Rendimiento de la Cartera Total:
A pesar del rendimiento negativo de ambos fondos, la cartera completa ha
obtenido un CAGR positivo del 2.32%. Esto es un resultado notable y
contraintuitivo.
Capital final de la cartera: 33.870,46€. Esto representa una ganancia
neta de 5.470,46€ (33.870,46€ - 28.400€).
Conclusión y Puntos Clave
El resultado de la simulación subraya un aspecto fundamental de las estrategias de inversión con aportaciones periódicas: el "dollar-cost averaging" (o coste promedio en euros). Aunque el rendimiento de los fondos pueda ser negativo en términos absolutos o en el CAGR, las aportaciones mensuales de 200€ han permitido comprar participaciones a precios más bajos durante los periodos de caída del mercado. Esto ha compensado las pérdidas y, en este caso, ha generado un beneficio neto.
En resumen, la simulación muestra que una estrategia de aportaciones regulares puede ser muy efectiva para acumular capital y generar ganancias, incluso cuando los rendimientos de los activos subyacentes son negativos. El beneficio de la cartera se debe al efecto de las aportaciones recurrentes, que han permitido capitalizar la volatilidad del mercado a largo plazo. ¿Por qué puede la cartera tener un CAGR positivo aunque ambos fondos individuales tengan CAGR negativos?
Efecto de las aportaciones periódicas (DCA): En la simulación no solo consideras la inversión inicial, sino también aportaciones mensuales constantes durante todo el periodo. Esto significa que el capital invertido no se coloca todo de una vez sino repartido en el tiempo. Cálculo del CAGR de cada fondo individual: El CAGR calculado para cada fondo suele reflejar la rentabilidad basada en la inversión inicial sin incorporar el efecto de las aportaciones posteriores o en algunos casos no refleja bien el coste medio ponderado dado por las compras mensuales. Cálculo del CAGR de la cartera: El CAGR de la cartera considera la suma acumulada y ponderada de todas las participaciones compradas a distintos precios a lo largo del tiempo, dando lugar a un coste medio realizado más favorable. Diversificación y ponderación: Al combinar fondos con diferente comportamiento y asignar pesos, la cartera balancea las pérdidas de un fondo con mejores resultados del otro, amortiguando la rentabilidad negativa. Utilización del precio actualizado para valoraciones y suma de participaciones acumuladas: La cartera valora las participaciones siempre al precio real de mercado del momento, lo que junto con las aportaciones mensuales genera una rentabilidad compuesta efectiva que puede ser positiva pese a que los rendimientos "por separado" sean negativos si se consideran solo rentabilidades simples.
En resumen
Los CGAR negativos de los fondos indican que si hubieras invertido toda la cantidad inicial de forma única al inicio y no aportas más, habrías tenido pérdidas. Al hacer aportaciones adicionales periódicas a precios variados (DCA), compras más participaciones cuando los precios están bajos, reduciendo el coste medio y mejorando la rentabilidad. La combinación y ponderación de fondos también ayuda a estabilizar resultados . Por eso, la rentabilidad acumulada ponderada y con aportaciones (la cartera) puede terminar con CAGR positivo aunque cada fondo por separado muestre negativo.
4.- Ver visualmente el efecto de las aportaciones periódicas
El gráfico compara la suma acumulada del dinero que has puesto (línea discontinua) con el valor real de mercado del cartera (línea continua). La tabla muestra claramente cuánto dinero has invertido realmente, cuánto tienes hoy y cuál ha sido tu ganancia y rentabilidad total en porcentaje.
Este gráfico y tabla ilustran cómo las aportaciones periódicas (DCA) pueden generar rentabilidad positiva incluso si los CGAR de los fondos individuales sin aportaciones fueran negativos.
El problema no está en el cálculo, sino en la interpretación. El valor de 28.400 € sí es el capital total aportado por el inversor (inversión inicial más aportaciones mensuales), mientras que el capital final de 33.870,46 € es el valor real de la cartera al final del periodo.
Capital invertido (€) |
Capital final (€) |
Ganancia (€) |
Rentabilidad acumulada (%) |
|
|---|---|---|---|---|
0 |
28400.0 |
33870.456976 |
5470.456976 |
19.262172 |
5.- Análisis Estadístico de los Fondos seleccionados.
Con la cartera que incluye los fondos seleccionados
Rango común disponible: 2018-01-02 - 2025-09-04
Asigne porcentaje (%) a cada fondo. La suma debe ser 100%.
Asignamos un peso a cada fondo en la cartera 25/75%
✅ Inversión de 250.00€ (25.0%) registrada en 'IE00B03HD191'. Participaciones compradas: 10.9538 --- Informe completo para IE00B03HD191 --- - SITUACION_ACTUAL: ISIN: IE00B03HD191 denominacion: IE00B03HD191 fecha_valoracion: 2025-09-04 00:00:00 valor_participacion: 52.691898 participaciones: 10.953815 valor_actual: 577.177293 - BENEFICIO: plusvalia: 327.177293 rentabilidad_porcentual: 1.308709 valor_actual: 577.177293 total_invertido: 250.000000 total_desinvertido: 0 - INDICADORES_RIESGO: volatilidad_anualizada: 0.157270 desviacion_diaria: 0.009907 sharpe: 0.983724 - EVOLUCION: 2sem: 0.006556 1M: 0.022161 3M: 0.047661 1A: 0.152272 2A: 0.340185 - ANALISIS_1M: variacion_total: 0.022161 n_subidas: 11 n_bajadas: 9 promedio_diario: 0.001106 media_subidas: 0.004388 media_bajadas: -0.002905 minimo: 51.549500 fecha_min: 2025-08-07 maximo: 52.763401 fecha_max: 2025-08-27 - ANALISIS_3M: variacion_total: 0.047661 n_subidas: 36 n_bajadas: 26 promedio_diario: 0.000766 media_subidas: 0.004274 media_bajadas: -0.004092 minimo: 49.244701 fecha_min: 2025-06-20 maximo: 52.763401 fecha_max: 2025-08-27 - ANALISIS_1A: variacion_total: 0.152272 n_subidas: 143 n_bajadas: 108 promedio_diario: 0.000614 media_subidas: 0.006194 media_bajadas: -0.006775 minimo: 43.395199 fecha_min: 2025-04-08 maximo: 54.393902 fecha_max: 2025-02-19 - MEDIAS_MOVIL: actual_supera_mm20: True actual_supera_mm200: True mm20: 52.225750 mm200: 50.752032 - RSI: 61.91751810325135 - MACD: macd: 0.265939 signal: 0.308665 hist: -0.042726 - EVALUACION_CUALITATIVA: ### Evaluación de la Inversión: IE00B03HD191 👍 **Rendimiento a Largo Plazo**: El rendimiento anual es sólido y positivo, superando las expectativas habituales. 📈 **Situación Reciente**: El activo ha mostrado un comportamiento positivo en el último mes. 📊 **Riesgo**: Con una volatilidad anualizada de 15.73%, el activo muestra un riesgo moderado. El ratio de Sharpe de 0.98 es bajo y sugiere que el rendimiento compensa de forma limitada el riesgo asumido. --- Señales Técnicas --- 🟢 **Tendencia de Fondo**: El precio actual por encima de la media móvil de 200 días indica que la tendencia a largo plazo es alcista. 👍 **Momento a Corto Plazo**: El precio actual supera la media móvil de 20 días, señal de fuerza a corto plazo.
✅ Inversión de 750.00€ (75.0%) registrada en 'IE00B18GC888'. Participaciones compradas: 7.3171 --- Informe completo para IE00B18GC888 --- - SITUACION_ACTUAL: ISIN: IE00B18GC888 denominacion: IE00B18GC888 fecha_valoracion: 2025-09-04 00:00:00 valor_participacion: 99.525597 participaciones: 7.317145 valor_actual: 728.243174 - BENEFICIO: plusvalia: -21.756826 rentabilidad_porcentual: -0.029009 valor_actual: 728.243174 total_invertido: 750.000000 total_desinvertido: 0 - INDICADORES_RIESGO: volatilidad_anualizada: 0.034378 desviacion_diaria: 0.002166 sharpe: 0.142514 - EVOLUCION: 2sem: 0.002217 1M: 0.000388 3M: 0.010474 1A: 0.004303 2A: 0.077038 - ANALISIS_1M: variacion_total: 0.000388 n_subidas: 10 n_bajadas: 10 promedio_diario: 0.000021 media_subidas: 0.001528 media_bajadas: -0.001486 minimo: 99.019699 fecha_min: 2025-08-21 maximo: 99.529297 fecha_max: 2025-08-13 - ANALISIS_3M: variacion_total: 0.010474 n_subidas: 34 n_bajadas: 28 promedio_diario: 0.000169 media_subidas: 0.001446 media_bajadas: -0.001380 minimo: 98.368401 fecha_min: 2025-07-15 maximo: 99.571602 fecha_max: 2025-08-05 - ANALISIS_1A: variacion_total: 0.004303 n_subidas: 128 n_bajadas: 123 promedio_diario: 0.000019 media_subidas: 0.001698 media_bajadas: -0.001728 minimo: 96.193100 fecha_min: 2025-01-14 maximo: 99.690002 fecha_max: 2024-09-16 - MEDIAS_MOVIL: actual_supera_mm20: True actual_supera_mm200: True mm20: 99.262050 mm200: 98.307617 - RSI: 58.19006788059476 - MACD: macd: 0.072735 signal: 0.074026 hist: -0.001292 - EVALUACION_CUALITATIVA: ### Evaluación de la Inversión: IE00B18GC888 👎 **Rendimiento a Largo Plazo**: La rentabilidad anual es baja o negativa. Reevalúe la tendencia de fondo. 📈 **Situación Reciente**: El activo ha mostrado un comportamiento positivo en el último mes. 📊 **Riesgo**: Con una volatilidad anualizada de 3.44%, el activo muestra un riesgo moderado. El ratio de Sharpe de 0.14 es bajo y sugiere que el rendimiento compensa de forma limitada el riesgo asumido. --- Señales Técnicas --- 🟢 **Tendencia de Fondo**: El precio actual por encima de la media móvil de 200 días indica que la tendencia a largo plazo es alcista. 👍 **Momento a Corto Plazo**: El precio actual supera la media móvil de 20 días, señal de fuerza a corto plazo.
--- Métricas agregadas de la cartera --- rentabilidad_anualizada_cartera: 0.024240 volatilidad_anualizada_cartera: 0.050776 sharpe_cartera: 0.477396 max_drawdown_cartera: -0.175405
6.- Análisis estadístico de la cartera de fondos seleccionados.
Analizamos la cartera conformada con los fondos seleccionados.
Introduce los pesos para cada fondo (por ejemplo: 0.5):
📊 Métricas de la cartera: rentabilidad_anualizada_cartera: 0.0242 volatilidad_anualizada_cartera: 0.0508 sharpe_cartera: 0.4775 sortino_cartera: 0.5910 tracking_error: 0.1326 alpha: 0.0088 beta: 0.2367 ratio_informacion: -0.0242 calmar_ratio: 0.1490 max_drawdown_cartera: -0.1627 🧠 Diagnóstico automático: 🔴 Rentabilidad baja en relación al riesgo asumido. 📉 Alta desviación respecto al benchmark. ¿Estrategia activa? ✅ Control razonable de caídas máximas. 🚀 La cartera genera valor adicional respecto al benchmark. 📉 Desempeño inferior al benchmark con alta dispersión.
7.- Identificar cotizaciones máximas y mínimas.
--- 📈 Análisis para el DataFrame: 'IE00B03HD191' ---
---
📊 Máximo histórico (todo el rango de datos: 2018-01-02 a 2025-09-04):
Cotización: 54.39 el 2025-02-19
📉 Mínimo histórico (todo el rango de datos: 2018-01-02 a 2025-09-04):
Cotización: 20.13 el 2020-03-23
---
🔼 Último máximo local (rango de análisis: 2018-01-04 a 2025-09-04):
Cotización: 52.76 el 2025-08-27
🔽 Último mínimo local (rango de análisis: 2018-01-04 a 2025-09-04):
Cotización: 51.99 el 2025-09-02
---
⏳ Tiempo de recuperación del último mínimo: 1 días
--- 📈 Análisis para el DataFrame: 'IE00B18GC888' ---
---
📊 Máximo histórico (todo el rango de datos: 2018-01-02 a 2025-09-04):
Cotización: 111.80 el 2020-12-11
📉 Mínimo histórico (todo el rango de datos: 2018-01-02 a 2025-09-04):
Cotización: 89.79 el 2023-10-19
---
🔼 Último máximo local (rango de análisis: 2018-01-04 a 2025-09-04):
Cotización: 99.53 el 2025-08-13
🔽 Último mínimo local (rango de análisis: 2018-01-04 a 2025-09-04):
Cotización: 99.06 el 2025-09-02
---
⏳ Tiempo de recuperación del último mínimo: 1 días
8.- Drawdown de la cartera y tiempo de ecuperación.
Bogkeheads considera más útil, al momento de seleccionar los fondos que conformarán nuestra cartera, priorizar la máxima caída histórica sufrida por la cartera y el tiempo máximo de recuperación hasta alcanzar el nivel previo a dicha caída, en lugar de centrarse únicamente en la volatilidad. Esto se debe a que debemos estar preparados para afrontar, como mínimo, un nivel de pérdida similar.
Funcionalidades principales
- Configuración del período de análisis: Permite seleccionar si se analiza todo el histórico o un rango de fechas específico.
- Creación de la cartera: Asigna pesos (%) a cada activo y calcula el valor ponderado de la cartera combinando los precios según los pesos.
- Cálculo de métricas de riesgo: Drawdown máximo: Pérdida máxima respecto al pico histórico.
- Fecha del pico y recuperación: Cuándo ocurrió la máxima caída y cuánto tardó en recuperarse.
- Visualización:
- Gráficos individuales del drawdown de cada activo.
- Gráfico superpuesto comparando drawdowns de todos los activos y la cartera.
9.- Rendimiento medio de los Fondos de Inversión.
Se calculan los medios de los Fondos recogidos en el fichero 'FI_rendimiento_anual.csv' rendimientos anuales otenidos en Morningstar.
DataFrame de rendimientos cargado correctamente:
ISIN TER \
Denominación
Vanguard Glb Stk Idx € Acc IE00B03HD191 0.15%
Vanguard Global Bd Idx EUR H Acc IE00B18GC888 0.15%
R4 Seleccion Conservadora Fi Clase R ES0173270010 0.60%
Renta 4 Renta Fija Euro Fi Clase A ES0173319007 0.30%
Renta 4 Valor Relativo Clase R F.i. ES0128522002 0.85%
Epsv Renta 4 Dedalo Ppi EP2 NaN
Plan De Pensiones Renta 4 Dedalo F1467 NaN
Renta 4 Renta Fija 6 Meses Fi ES0128520006 0.30%
Renta 4 Renta Fija Fi Clase R ES0176954008 0.70%
DWS Euro Ultra Short Fixed Inc NC LU0080237943 0.10%
Groupama Trésorerie IC FR0000989626 NaN
Vanguard EM IE0031786142 0.23%
Vanguard Global Short-Term Bond Index Fund EUR ... IE00BH65QP47 0.15%
2015 2016 2017 \
Denominación
Vanguard Glb Stk Idx € Acc 10.21 10.55 7.36
Vanguard Global Bd Idx EUR H Acc 0.6 2.37 1.17
R4 Seleccion Conservadora Fi Clase R ND ND ND
Renta 4 Renta Fija Euro Fi Clase A ND ND ND
Renta 4 Valor Relativo Clase R F.i. 4.12 6.37 4.77
Epsv Renta 4 Dedalo Ppi 1.08 1.76 2.02
Plan De Pensiones Renta 4 Dedalo 0.77 4.26 2.14
Renta 4 Renta Fija 6 Meses Fi 0.55 0.33 -0.04
Renta 4 Renta Fija Fi Clase R 1.10 3.50 2.05
DWS Euro Ultra Short Fixed Inc NC 0.06 -0.03 -0.18
Groupama Trésorerie IC 0.15 0.08 -0.17
Vanguard EM -5.41 13.95 20.39
Vanguard Global Short-Term Bond Index Fund EUR ... 0.63 0.52 -0.32
2018 2019 2020 \
Denominación
Vanguard Glb Stk Idx € Acc -4.26 29.91 6.25
Vanguard Global Bd Idx EUR H Acc -1.22 5.28 4.8
R4 Seleccion Conservadora Fi Clase R ND 5.01 -0.75
Renta 4 Renta Fija Euro Fi Clase A ND ND ND
Renta 4 Valor Relativo Clase R F.i. -2.14 4.32 3.30
Epsv Renta 4 Dedalo Ppi -6.19 4.27 0.8
Plan De Pensiones Renta 4 Dedalo -4.11 3.76 2.44
Renta 4 Renta Fija 6 Meses Fi -0.25 -0.11 0.04
Renta 4 Renta Fija Fi Clase R -1.70 2.39 1.84
DWS Euro Ultra Short Fixed Inc NC -0.45 -0.08 0.09
Groupama Trésorerie IC -0.29 -0.20 -0.26
Vanguard EM -10.69 20.21 8.23
Vanguard Global Short-Term Bond Index Fund EUR ... -0.77 1.38 2.04
2021 2022 2023 \
Denominación
Vanguard Glb Stk Idx € Acc 30.98 -12.85 19.54
Vanguard Global Bd Idx EUR H Acc -2.83 -15.06 4.69
R4 Seleccion Conservadora Fi Clase R 2.27 -7.19 5.08
Renta 4 Renta Fija Euro Fi Clase A ND ND ND
Renta 4 Valor Relativo Clase R F.i. 2.02 -6.71 5.84
Epsv Renta 4 Dedalo Ppi -0.63 -9.60 10.27
Plan De Pensiones Renta 4 Dedalo -0.35 -8.78 8.09
Renta 4 Renta Fija 6 Meses Fi -0.32 -0.48 3.32
Renta 4 Renta Fija Fi Clase R 0.62 -6.86 5.52
DWS Euro Ultra Short Fixed Inc NC -0.33 -1.61 4.28
Groupama Trésorerie IC -0.48 -0.02 3.41
Vanguard EM 4.52 -15.12 5.54
Vanguard Global Short-Term Bond Index Fund EUR ... -1.55 -7.09 3.64
2024 2025 2026 2027
Denominación
Vanguard Glb Stk Idx € Acc 26.50 ND ND ND
Vanguard Global Bd Idx EUR H Acc 0.83 ND ND ND
R4 Seleccion Conservadora Fi Clase R 4.52 ND ND ND
Renta 4 Renta Fija Euro Fi Clase A 4.10 ND ND ND
Renta 4 Valor Relativo Clase R F.i. 4.69 ND ND ND
Epsv Renta 4 Dedalo Ppi 3.55 ND ND ND
Plan De Pensiones Renta 4 Dedalo 4.49 ND ND ND
Renta 4 Renta Fija 6 Meses Fi 3.76 ND ND ND
Renta 4 Renta Fija Fi Clase R 4.72 ND ND ND
DWS Euro Ultra Short Fixed Inc NC 4.48 ND ND ND
Groupama Trésorerie IC 3.96 ND ND ND
Vanguard EM 14.79 ND ND ND
Vanguard Global Short-Term Bond Index Fund EUR ... 2.69 ND ND ND
------------------------------------------------------------
Resumen de Rendimientos Medios por Fondo:
Rendimiento Medio Aritmético \
Fondo
Vanguard Glb Stk Idx € Acc 12.42%
Vanguard Global Bd Idx EUR H Acc 0.06%
R4 Seleccion Conservadora Fi Clase R 1.49%
Renta 4 Renta Fija Euro Fi Clase A 4.10%
Renta 4 Valor Relativo Clase R F.i. 2.66%
Epsv Renta 4 Dedalo Ppi 0.73%
Plan De Pensiones Renta 4 Dedalo 1.27%
Renta 4 Renta Fija 6 Meses Fi 0.68%
Renta 4 Renta Fija Fi Clase R 1.32%
DWS Euro Ultra Short Fixed Inc NC 0.62%
Groupama Trésorerie IC 0.62%
Vanguard EM 5.64%
Vanguard Global Short-Term Bond Index Fund EUR ... 0.12%
Rendimiento Medio Geométrico (CAGR)
Fondo
Vanguard Glb Stk Idx € Acc 11.55%
Vanguard Global Bd Idx EUR H Acc -0.11%
R4 Seleccion Conservadora Fi Clase R 1.39%
Renta 4 Renta Fija Euro Fi Clase A 4.10%
Renta 4 Valor Relativo Clase R F.i. 2.58%
Epsv Renta 4 Dedalo Ppi 0.60%
Plan De Pensiones Renta 4 Dedalo 1.17%
Renta 4 Renta Fija 6 Meses Fi 0.67%
Renta 4 Renta Fija Fi Clase R 1.26%
DWS Euro Ultra Short Fixed Inc NC 0.60%
Groupama Trésorerie IC 0.61%
Vanguard EM 4.95%
Vanguard Global Short-Term Bond Index Fund EUR ... 0.08%
Diferencia entre rendimiento medio aritmético y geométrico. La principal diferencia entre el rendimiento medio aritmético y el geométrico (también conocido como Tasa de Crecimiento Anual Compuesta o CAGR) radica en cómo tienen en cuenta la capitalización del interés.
Rendimiento Medio Aritmético
El rendimiento medio aritmético es un promedio simple. Simplemente sumas los rendimientos de cada periodo y los divides por el número de periodos.
Fórmula: Media Aritmeˊtica=nR1+R2+⋯+Rn Ventaja: Es fácil de calcular y te da una idea del rendimiento "promedio" de una inversión, pero solo si no reinviertes tus ganancias. Desventaja: No refleja el efecto del interés compuesto. Si los rendimientos varían mucho (algunos años positivos y otros negativos), el promedio aritmético puede ser engañoso y sobreestimar el crecimiento real de tu inversión a largo plazo.
Rendimiento Medio Geométrico (CAGR)
El rendimiento medio geométrico, o CAGR, es el que debes usar para inversiones. Mide la tasa de crecimiento anual constante que habría sido necesaria para que una inversión pasara de su valor inicial a su valor final en un periodo de tiempo determinado, asumiendo que los rendimientos se reinvierten.
Fórmula: CAGR=(Valor InicialValor Final)n1−1 Ventaja: Es la medida más precisa para evaluar el rendimiento de una inversión, ya que tiene en cuenta el efecto de la capitalización. Refleja la tasa de crecimiento real de tu capital. Desventaja: Requiere conocer el valor inicial y final del cartera.
¿Cuál te recomiendo usar?
Para evaluar el rendimiento de tu cartera, te recomiendo utilizar el rendimiento medio geométrico (CAGR).
El CAGR te da una cifra más realista de la tasa de crecimiento de tu dinero a lo largo del tiempo. Mientras que la media aritmética puede ser útil para fines estadísticos, el CAGR es la métrica estándar en finanzas para comparar el rendimiento de inversiones porque captura el poder de la capitalización.
Capital invertido (€) |
Capital final (€) |
Ganancia (€) |
Rentabilidad acumulada (%) |
|
|---|---|---|---|---|
0 |
28400.0 |
33870.456976 |
5470.456976 |
19.262172 |
10.- Analizador de métricas de Rendimiento.
El enfoque principal de la clase es simplemente calcular las métricas de rendimiento (capital final, retorno anualizado, etc.)
✅ ... Proceso finalizado.
📊 Resumen de 2 DataFrames importados:
1. 'IE00B03HD191' → shape: (1949, 1) | Índice: DatetimeIndex
2. 'IE00B18GC888' → shape: (1949, 1) | Índice: DatetimeIndex
⚙️ Por favor, ingrese el rango de fechas para el análisis:
Rango de datos disponibles: desde 2018-01-02 hasta 2025-09-09
🔧 Construyendo matriz de retornos...
✓ IE00B03HD191: 1949 precios válidos
✓ IE00B18GC888: 1949 precios válidos
✅ Matriz de retornos: (1948, 2)
📊 AnalizadorRendimiento inicializado:
• Activos: 2 (IE00B03HD191, IE00B18GC888)
• Periodo: 2018-01-03 a 2025-09-09
• Observaciones: 1948
📊 Generando reporte completo...
================================================================================
📊 REPORTE DE ANÁLISIS DE RENDIMIENTO DE ACTIVOS
================================================================================
### 📝 Resumen Ejecutivo
• Periodo de Análisis: 2018-01-03 a 2025-09-09
• Activo con el mejor rendimiento acumulado: IE00B03HD191
• Activo con el mejor Sharpe Ratio: IE00B03HD191
• Activo más Volátil: IE00B03HD191
• Activo menos Volátil: IE00B18GC888
• Correlación Promedio entre Activos: 0.49
11.- Rebalanceo automático versus Buy & Hold.
📊 Comparador de Estrategias inicializado 💰 CONFIGURACIÓN DE INVERSIÓN ========================================
📅 CONFIGURACIÓN DE FRECUENCIA ======================================== Opciones disponibles: 1. monthly (mensual) 2. quarterly (trimestral) - RECOMENDADO 3. yearly (anual)
💸 CONFIGURACIÓN DE COSTOS ========================================
📅 SELECCIÓN DE RANGO DE FECHAS ======================================== 📆 Rango disponible: 2018-01-02 hasta 2025-09-04
🎯 CONFIGURACIÓN DE PESOS OBJETIVO ======================================== Valores disponibles: ['vliq_IE00B03HD191', 'vliq_IE00B18GC888']
📊 Peso automático para vliq_IE00B18GC888: 0.7500 (peso restante)
✅ Pesos objetivo finales:
vliq_IE00B03HD191: 0.2500 (25.00%)
vliq_IE00B18GC888: 0.7500 (75.00%)
🎯 COMPARANDO ESTRATEGIAS
============================================================
📅 Período: 2018-01-02 a 2025-09-04
💰 Inversión inicial: €10,000.0
🎯 Pesos objetivo: {'vliq_IE00B03HD191': 0.25, 'vliq_IE00B18GC888': 0.75}
🔍 Preparando datos desde 2018-01-02 hasta 2025-09-04...
✅ vliq_IE00B03HD191: 1946 días
✅ vliq_IE00B18GC888: 1946 días
📊 Datos preparados: 1946 días, 2 fondos
💎 SIMULANDO BUY & HOLD...
vliq_IE00B03HD191: €2,496 → 109.37 participaciones
vliq_IE00B18GC888: €7,489 → 73.06 participaciones
⚖️ SIMULANDO REBALANCEO (QUARTERLY)...
📊 RESULTADOS COMPARATIVOS
================================================================================
MÉTRICA BUY & HOLD REBALANCEO DIFERENCIA
--------------------------------------------------------------------------------
Capital Final € 13,035 € 12,329 € -705
Rentabilidad Total 30.3% 23.3% -7.1%
Rentabilidad Anualizada 3.5% 2.8% -0.7%
Costos Transacción € 15 € 24 € 9
Rebalanceos 0 17 17
--------------------------------------------------------------------------------
🏆 BUY & HOLD GANA
Ventaja: €705 más (7.1% adicional)
Análisis de las gráficas.
Este gráfico compara el rendimiento de dos estrategias de inversión a lo largo del tiempo: "Buy & Hold" (comprar y mantener) y "Rebalanceo" (rebalanceo automático). La primera estrategia, representada por la línea azul, implica comprar una cartera de activos y no hacer nada más. La segunda, la línea roja, ajusta periódicamente la cartera para mantener la asignación de activos original.
Este gráfico compara el rendimiento de dos estrategias de inversión a lo largo del tiempo: "Buy & Hold" (comprar y mantener) y "Rebalanceo" (rebalanceo automático). La primera estrategia, representada por la línea azul, implica comprar una cartera de activos y no hacer nada más. La segunda, la línea roja, ajusta periódicamente la cartera para mantener la asignación de activos original.
Análisis de la gráfica superior: Evolución del Capital
La gráfica superior, titulada "Evolución del Capital", muestra cómo ha cambiado el valor de una cartera de 10.000 € desde principios de 2018 hasta finales de 2025 bajo ambas estrategias.
Rendimiento inicial (2018-2020): Ambas líneas, azul (Buy & Hold) y roja (Rebalanceo), se mueven de manera muy similar. Esto sugiere que las fluctuaciones del mercado durante este período afectaron a ambas estrategias de manera parecida. La diferencia entre ellas es mínima. Volatilidad y divergencia (2020-2022): A partir de 2020, la línea roja (Rebalanceo) parece suavizar un poco las caídas más bruscas, aunque las tendencias generales siguen siendo las mismas. Es en este período cuando las líneas comienzan a separarse más notablemente. Divergencia significativa (2022-2025): Desde 2022 en adelante, la estrategia de "Buy & Hold" (línea azul) supera consistentemente a la de "Rebalanceo". La diferencia de capital se vuelve cada vez más grande, especialmente a partir de mediados de 2024, cuando la línea azul sube significativamente mientras que la roja lucha por mantenerse al mismo ritmo. Resultados finales: A finales de 2025, la cartera de "Buy & Hold" ha alcanzado un valor superior a los 13.000 €, mientras que la de "Rebalanceo" se queda por debajo de los 12.500 €.
Análisis de la gráfica inferior: Diferencia: Rebalanceo - Buy & Hold
La gráfica inferior es clave para entender el porqué de esta divergencia. Muestra la diferencia de rendimiento entre las dos estrategias (Rebalanceo menos Buy & Hold). Un valor positivo indica que el rebalanceo está superando al Buy & Hold, mientras que un valor negativo muestra lo contrario.
Inicio (2018-2020): La línea verde se mantiene cerca de cero, confirmando que las diferencias entre ambas estrategias eran mínimas al principio. Primeras diferencias (2020): Hay un pico positivo a principios de 2020, lo que sugiere que en una caída del mercado, el rebalanceo pudo haber ayudado a mitigar las pérdidas temporalmente. Sin embargo, esta ventaja fue muy corta. Deterioro constante (2021-2025): A partir de 2021, la línea verde cae constantemente a territorio negativo, lo que demuestra que la estrategia de rebalanceo está perdiendo valor de forma continua en comparación con la de "Buy & Hold". La caída se acelera drásticamente a partir de 2024, llegando a una diferencia de casi -800 €.
En conclusión, este gráfico muestra un claro ejemplo donde la estrategia de "Buy & Hold" supera significativamente a la de "Rebalanceo". Esto podría deberse a que, en el período analizado, los activos de la cartera "Buy & Hold" que han tenido el mejor rendimiento han sido los que han crecido más, mientras que el rebalanceo automático ha forzado a vender esos activos ganadores para comprar otros de menor rendimiento, limitando así el potencial de crecimiento de la cartera.
12.- Simulación con Montecarlo de la evolución de los rendimientos.
El código es una implementación sólida y completa de una simulación de Monte Carlo para la evolución de una cartera de inversión. Utiliza técnicas avanzadas para proporcionar una imagen más realista de los posibles resultados futuros que la mayoría de los modelos simples.
Características principales:
Simulación Monte Carlo completa: 100 simulaciones para cada estrategia de inversión
Múltiples estrategias: Conservador, Balanceado y Agresivo
Análisis comparativo: Gráficos de distribución, box plots, evolución temporal y riesgo-retorno
Métricas avanzadas: Cálculo de ratios Sharpe, percentiles, volatilidad
Recomendaciones automáticas: Identifica la mejor estrategia según diferentes criterios
Múltiples estrategias: Conservador, Balanceado y Agresivo
Análisis comparativo: Gráficos de distribución, box plots, evolución temporal y riesgo-retorno
Métricas avanzadas: Cálculo de ratios Sharpe, percentiles, volatilidad
Recomendaciones automáticas: Identifica la mejor estrategia según diferentes criterios
Avanzado: Análisis completo Monte Carlo con múltiples estrategias
Interactivo: Versión simplificada para pruebas rápidas
Interactivo: Versión simplificada para pruebas rápidas
✅ Rango seleccionado: 2018-01-02 00:00:00 - 2025-09-04 00:00:00 📁 Selección 1 📁 Carpetas disponibles: [0] Ficheros_bogleheads [1] Descargas_R4_vanguard ........
📊 DataFrames importados:
🔹 'vliq_IE00B03HD191' → shape: (1946, 5)
🔹 'vliq_IE00B18GC888' → shape: (1946, 5)
✅ Proceso finalizado.
= 📅 ANÁLISIS DE RANGOS DE FECHAS =
📊 vliq_IE00B03HD191: 2018-01-02 a 2025-09-04 (1946 filas)
📊 vliq_IE00B18GC888: 2018-01-02 a 2025-09-04 (1946 filas)
📅 RANGO COMÚN DISPONIBLE:
Desde: 2018-01-02
Hasta: 2025-09-04
= 📅 SELECCIÓN DE RANGO DE FECHAS =
Rango disponible: 2018-01-02 a 2025-09-04
🔹 Presiona Enter para usar todo el rango disponible
🔹 Escribe 'salir' para cancelar
✅ Rango seleccionado: 2018-01-02 a 2025-09-04 = 🔍 FILTRANDO DATOS POR FECHAS = ✅ vliq_IE00B03HD191: 1946 filas en el rango seleccionado ✅ vliq_IE00B18GC888: 1946 filas en el rango seleccionado ✅ DataFrames filtrados: 2 = 🔍 FILTRANDO DATOS POR FECHAS = ✅ vliq_IE00B03HD191: 1946 filas en el rango seleccionado ✅ vliq_IE00B18GC888: 1946 filas en el rango seleccionado ✅ DataFrames filtrados: 2 --- 📊 Asigna el % GLOBAL a cada fondo (debe sumar 100%) --- 🔹 Escribe 'fin' para cancelar.
🔍 Calculando retornos históricos para calibrar Monte Carlo...
✅ vliq_IE00B03HD191: 1945 retornos mensuales
Retorno anual: 0.58%
Volatilidad anual: 3.57%
✅ vliq_IE00B18GC888: 1945 retornos mensuales
Retorno anual: -0.01%
Volatilidad anual: 0.88%
🎲 Ejecutando 1,000 simulaciones Monte Carlo...
📊 Usando parámetros históricos reales
🔗 Usando correlaciones independientes
Progreso: 0/1000 (0.0%)
Progreso: 200/1000 (20.0%)
Progreso: 400/1000 (40.0%)
Progreso: 600/1000 (60.0%)
Progreso: 800/1000 (80.0%)
✅ Simulación completada: 1,000 escenarios
============================================================
📊 ESTADÍSTICAS DE LA SIMULACIÓN MONTE CARLO
============================================================
💰 VALORES FINALES:
Media: €194,136
Mediana: €194,138
P5 (peor 5%): €183,204
P95 (mejor 5%): €206,002
📈 RETORNOS ANUALIZADOS (CAGR):
Media: 10.39%
Mediana: 10.39%
Volatilidad: 0.13%
P5: 10.18%
P95: 10.61%
🎯 PROBABILIDADES:
Ganancia vs capital inicial: 100.0%
Duplicar capital: 100.0%
CAGR negativo: 0.0%
✅ Resultados exportados a monte_carlo_results.xlsx
Análisis del resultado.
Los resultados de la simulación de Monte Carlo muestran una alta probabilidad de éxito para la estrategia de inversión con un capital inicial de 10,000€. La cartera, compuesta por un 25% del fondo vliq_IE00B03HD191 y un 75% de vliq_IE00B18GC888, tiene un rendimiento anualizado proyectado muy estable y predecible a lo largo de 30 años.
Análisis detallado
📈 Evolución del valor de la cartera y distribución final
El gráfico de Evolución del cartera muestra una línea central ascendente y bien definida, lo que indica un crecimiento constante a lo largo del tiempo. Las bandas de confianza (90%, 80% y 50% CI) son muy estrechas, especialmente en comparación con las simulaciones típicas de carteras de renta variable. Esto sugiere una volatilidad excepcionalmente baja, lo que hace que los resultados sean altamente predecibles.
El histograma de Distribución de Valores Finales refuerza esta idea. La distribución es muy estrecha y se asemeja a una campana de Gauss, con la media (€194.136) y la mediana (€194.138) casi idénticas. Esto significa que la mayoría de los escenarios de simulación terminan en un valor muy cercano al promedio.
📉 Probabilidad de pérdida y retorno anualizado (CAGR)
La Probabilidad de Pérdida vs Contribuciones es casi nula (0%), lo que indica que, según el modelo, la cartera nunca cae por debajo del total de las aportaciones realizadas.
La caja de bigotes (Distribución de Retornos Anualizados (CAGR)) muestra que los rendimientos anuales se agrupan en un rango extremadamente estrecho. La mediana es del 10.39%, y la diferencia entre los percentiles P25 y P75 (el rango intercuartil) es casi inexistente. La baja volatilidad anualizada (0.13%) confirmada en las estadísticas es la razón principal de esta previsibilidad.
📊 Estadísticas clave
Las estadísticas de la simulación confirman el análisis visual:
Media y Mediana del valor final: Casi idénticas, con valores en torno a con valores en torno a 194.137 €. Esto demuestra una alta certidumbre del resultado final
94.137 €. Esto demuestra una alta certidumbre del resultado final. Retorno anualizado (CAGR): Una media y mediana de aproximadamente 10.39%, con una volatilidad minúscula. Probabilidades: Las probabilidades de ganancia y de duplicar el capital son del 100%, lo que sugiere que el modelo no encontró un solo escenario en el que la inversión fracasara, incluso con las peores condiciones de mercado simuladas.
Conclusiones
Los resultados de esta simulación Monte Carlo son inusualmente estables y positivos. Esto puede deberse a dos razones principales:
Datos de entrada atípicos: Es posible que los datos históricos de los dos fondos seleccionados, vliq_IE00B03HD191 y vliq_IE00B18GC888, sean de períodos de mercado excepcionalmente estables o que los fondos en sí mismos sean de muy baja volatilidad (como fondos de bonos de alta calidad o fondos del mercado monetario). Límites del modelo de simulación: Si bien el modelo es avanzado, se basa en los retornos y la volatilidad históricas. Si los datos históricos no capturan un amplio rango de condiciones de mercado (como crisis financieras severas), las simulaciones pueden ser excesivamente optimistas y no reflejar los riesgos reales.
En resumen, la simulación proyecta un crecimiento muy sólido y seguro para tu cartera, con una probabilidad casi nula de pérdida. Sin embargo, dado lo atípicamente "perfectos" que parecen los resultados, sería recomendable revisar la naturaleza de los fondos y los datos de entrada para asegurarse de que el modelo está capturando adecuadamente todos los riesgos potenciales del mercado.
13.- Proyección con machine learning
integra machine learning para la proyección utilizando tus dataframes de cotizaciones históricas. La clase incluye métodos para preparar los datos, entrenar el modelo y simular la evolución basada en predicciones de machine learning (usando RandomForestRegressor como ejemplo). Se elimina lo que no es esencial del código previo.
Supone que cada DataFrame de ‘df_dict’ contiene una columna "Close" con el valor de cotización y que los índices son de tipo datetime.
Elegir interactivamente el rango de fechas válido entre todos los DataFrames. Pedir pesos por fondo con validación que sumen 100%. Entrenar modelos ML por fondo en el rango seleccionado. Pedir años a simular y contribución mensual por consola. Simular la evolución con ML. Mostrar resultados financieros finales. Graficar la evolución.Rango común disponible para todos los fondos: 2018-01-02 a 2025-09-04
Rango elegido: 2018-01-02 a 2025-09-04 --- 📊 Asigne el % a cada fondo (debe sumar 100%) ---
Pesos asignados correctamente. Modelo entrenado para vliq_IE00B03HD191 Modelo entrenado para vliq_IE00B18GC888
= 📈 RESULTADOS FINALES = Capital inicial: €3,000.00 Capital final proyectado: €15,170.26 CAGR: 38.28% anual Ganancia total: €12,170.26
14.- Advertencia legal y financiera.
Los contenidos, datos, análisis y herramientas disponibles en este sitio web tienen un propósito exclusivamente educativo e informativo. No constituyen asesoramiento financiero, recomendación personalizada de inversión ni oferta de compra o venta de valores.
Aunque se ha procurado ofrecer información clara, útil y actualizada, no se garantiza la precisión, integridad ni vigencia El uso de scripts en Python y de las estrategias de gestión presentadas es responsabilidad exclusiva del usuario.
El autor de esta web no asume ninguna responsabilidad por decisiones de inversión, pérdidas económicas o daños derivados del uso de la información, herramientas o estrategias aquí expuestas.
📉 El rendimiento pasado no garantiza resultados futuros. Toda inversión en mercados financieros conlleva riesgos, y ninguna estrategia —por sofisticada que sea— puede asegurar beneficios. Es esencial aplicar una adecuada gestión del capital y evaluar cuidadosamente cada decisión.
Se recomienda consultar con profesionales financieros cualificados antes de tomar decisiones relevantes de inversión o trading.
