Medir el riesgo de concentración de una cartera
Contar posiciones no es medir la diversificación. Una cartera puede tener treinta valores y comportarse como si tuviera cuatro. Esta guía cubre las tres cifras que describen realmente la concentración —el peso máximo por posición, el índice Herfindahl-Hirschman y el número efectivo de posiciones—, cómo se calcula cada una y en qué punto cada una te induce a error.
Por qué contar posiciones no sirve
La intuición de que más posiciones significa menos riesgo es aproximadamente correcta y exactamente inútil. Piensa en dos carteras, ambas con diez valores. La primera reparte el capital a partes iguales, un diez por ciento en cada uno. La segunda concentra un sesenta por ciento en un solo nombre y distribuye el cuarenta por ciento restante entre los otros nueve.
Ambas tienen diez posiciones. La primera está genuinamente diversificada; la segunda es una apuesta por una empresa con algo de decoración alrededor. Cualquier métrica que devuelva la misma respuesta para las dos no está midiendo lo que te importa.
Lo que realmente quieres saber es qué parte del resultado de la cartera depende de cuán pocas decisiones. Y eso exige ponderar.
Peso máximo por posición
La medida útil más simple: qué fracción del valor total está en la mayor posición individual.
max_weight = max(valuei) / Σ valuei
Conviene comprobarlo primero porque detecta al instante el modo de fallo más peligroso. Si una posición representa el cuarenta y cinco por ciento de la cartera, poco importa el resto de tu análisis: ese único valor dominará la rentabilidad, las caídas y la volatilidad por muy elegante que parezca el resto de la asignación.
Su debilidad es que solo ve una posición. Una cartera con cinco valores al veinte por ciento cada uno tiene un peso máximo del veinte por ciento, cifra que suena razonable, y sin embargo está mucho más concentrada de lo que ese número sugiere. Para eso necesitas una medida que tenga en cuenta toda la distribución.
El índice Herfindahl-Hirschman
El HHI procede de la economía de la competencia, donde los reguladores lo usan para medir cuán concentrado está un sector entre sus competidores. Las mismas matemáticas se aplican con limpieza a una cartera: eleva al cuadrado cada peso y suma los cuadrados.
HHI = Σ wi² donde wi = valuei / total value
Elevar al cuadrado es lo que hace que esto funcione. Penaliza los pesos grandes de forma desproporcionada: una posición del cuarenta por ciento aporta 0.16 a la suma, mientras que cuatro posiciones del diez por ciento aportan solo 0.04 en conjunto, pese a representar el mismo capital total. Las posiciones pequeñas se vuelven casi invisibles, lo cual es correcto, porque lo son.
El índice está acotado de una forma útil:
| Cartera | HHI | Lectura |
|---|---|---|
| Una sola posición | 1.00 | Concentración máxima |
| Dos posiciones iguales | 0.50 | Muy concentrada |
| Diez posiciones iguales | 0.10 | Moderadamente diversificada |
| Cincuenta posiciones iguales | 0.02 | Ampliamente diversificada |
El patrón se ve a simple vista: para N posiciones equiponderadas, el HHI es igual a 1/N. Esa relación es lo que hace posible la siguiente métrica.
Número efectivo de posiciones
El HHI es matemáticamente limpio pero difícil de intuir. Un HHI de 0,3877 no transmite nada de forma intuitiva. Inviértelo y el significado aparece de inmediato.
Neffective = 1 / HHI
Esto responde a una pregunta genuinamente útil: ¿cuántas posiciones equiponderadas producirían la misma concentración que la cartera que realmente tienes? Una cartera de treinta valores con un recuento efectivo de seis te está diciendo, sin ambigüedad, que se comporta como una cartera de seis valores. Los otros veinticuatro son ruido.
Quien venga de la estadística reconocerá aquí el índice inverso de Simpson, usado en ecología para medir la diversidad de especies. Es el mismo cálculo aplicado a otro tipo de población, y la interpretación se traslada exactamente igual.
Un ejemplo resuelto
Tomemos una cartera tecnológica de tres posiciones:
| Posición | Valor | Peso | Peso² |
|---|---|---|---|
| AAPL | $25,000 | 45.45% | 0.2066 |
| MSFT | $22,000 | 40.00% | 0.1600 |
| NVDA | $8,000 | 14.55% | 0.0212 |
| Total | $55,000 | 100% | 0.3877 |
El HHI es 0,3877, así que el número efectivo de posiciones es 1 / 0.3877 = 2.58. La cartera tiene tres valores pero se comporta como si tuviera unos dos y medio: NVDA, por debajo del quince por ciento, aporta muy poco al perfil de riesgo global.
El peso máximo por posición es del 45,45 por ciento, lo que por sí solo ya es una advertencia. Juntas, las dos cifras cuentan una historia coherente: esto es una apuesta concentrada, y añadir NVDA no cambió eso de forma significativa.
La concentración que estas métricas no ven
Aquí está la trampa. Todas las métricas anteriores tratan las posiciones como independientes. No lo son.
La cartera del ejemplo es cien por cien tecnología. Aunque la reequilibraras a tres posiciones perfectamente iguales —elevando el recuento efectivo a un saludable 3,0 y bajando el peso máximo al 33 por ciento—, seguiría siendo una única apuesta sin diversificar sobre la suerte de un solo sector. Las métricas por posición mejorarían mientras el riesgo real apenas se movería.
Por eso un análisis de concentración serio tiene que mirar al menos tres niveles de profundidad:
- Nivel de posición — peso máximo, HHI, posiciones efectivas
- Nivel de sector — los mismos cálculos aplicados a agrupaciones sectoriales en lugar de a valores individuales
- Nivel de factor — si las posiciones comparten exposición a los mismos motores subyacentes, como la sensibilidad a los tipos, el momento o una única divisa
El tercer nivel es donde la mayoría de los análisis se quedan cortos, y donde viven las verdaderas sorpresas. Dos valores de sectores distintos pueden estar mucho más correlacionados que dos del mismo sector si responden al mismo factor macro. Una cartera puede parecer diversificada por sectores y seguir siendo una apuesta apalancada a que bajen los tipos de interés.
Calcularlo vía API
Estos cálculos son lo bastante simples como para implementarlos tú mismo: el HHI son tres líneas de código. Lo genuinamente difícil es todo lo que viene después: resolver los tickers a sectores y exposiciones factoriales, mantener actualizados esos datos de referencia en todos los mercados y traducir las cifras en un juicio.
La API de PORTIQA devuelve las tres métricas de concentración junto al análisis sectorial y factorial en una sola petición:
curl -X POST https://portiqa.ai/evaluate \
-H "Authorization: Bearer $PORTIQA_KEY" \
-H "Content-Type: application/json" \
-d '{
"risk_level": "medium",
"positions": [
{ "ticker": "AAPL", "market_value": 25000 },
{ "ticker": "MSFT", "market_value": 22000 },
{ "ticker": "NVDA", "market_value": 8000 }
]
}'Los campos relevantes de la respuesta:
{
"score": 45.9,
"status": "Neutral",
"max_position_weight": 45.45,
"max_position_ticker": "AAPL",
"effective_positions": 2.58,
"top_sector": "Technology",
"top_sector_weight": 100,
"score_components": {
"diversification": 34.5,
"risk": 99.2,
"quality": 72.1
}
}Fíjate en la discrepancia entre dos componentes, porque es instructiva. El componente risk puntúa 99,2: son empresas grandes, estables y de alta calidad con baja volatilidad individual. El componente diversification puntúa 34,5, porque toda esa calidad está concentrada en un solo sector. Una única puntuación mezclada habría ocultado la tensión; los componentes separados te muestran exactamente qué problema resolver.
La documentación completa de los campos está en la referencia de la API, y hay fragmentos de implementación para Python, JavaScript y PHP en los ejemplos de código.
Evalúa una cartera real
Cinco evaluaciones gratuitas al mes, con el mismo motor que cualquier plan de pago. Un solo endpoint, sin más configuración que una clave de API.
Obtener una clave API gratuita