¿Por qué los rendimientos de los bonos estadounidenses no han ido a ninguna parte en el último mes, a pesar de unos datos macroeconómicos tan positivos?

espués de un turbulento comienzo de año para el mercado de bonos del Tesoro estadounidense, que registró su peor rentabilidad trimestral desde 1980 al subir los rendimientos de los bonos del Tesoro a 10 años más de 80 puntos básicos, haciendo que los mercados se plantearan cuánto más podrían moverse los rendimientos una vez que la aceleración económica esperada pasara de ser una previsión a ser un hecho, los bonos del Tesoro se han quedado estancados en un rango muy estrecho, atenazados por una inquietante calma incluso cuando la economía estadounidense sigue avanzando y está en camino de registrar la mayor expansión del PIB desde el tercer trimestre del año pasado, que fue récord.

Sin embargo, aunque se pueden analizar los flujos de los CTA, extrapolar el posicionamiento de los fondos de pensiones japoneses e incluso especular sobre la intervención sigilosa de los bancos centrales para buscar una respuesta a la reciente calma del mercado de bonos, puede haber una razón mucho más simple por la que los movimientos de los bonos se han desvanecido incluso cuando las sorpresas económicas siguen llegando con fuerza: como escribe William Marshall de Goldman Sachs, la sensibilidad de los rendimientos a las sorpresas de los datos tiende a disminuir con niveles más altos de incertidumbre de las previsiones, una característica clave del entorno macro desde el inicio de la pandemia. Como resultado, hasta que no haya una cierta convergencia en las proyecciones, "las respuestas de los rendimientos a la publicación de datos pueden seguir siendo débiles según los estándares históricos".

Volvamos atrás.

Como señala Marshall, después de los tres primeros meses de 2021, y a pesar de la continuación de las sorpresas positivas en una serie de publicaciones importantes el mes pasado, incluidas las nóminas no agrícolas, el IPC y las ventas al por menor, los rendimientos de los bonos de los Estados Unidos terminaron el mes a la baja en términos netos, con respuestas de los rendimientos a las sorpresas de los datos que oscilaron entre el silencio y el desconcierto. Una característica de las publicaciones de datos desde la crisis del COVID-19 ha sido y sigue siendo el alto grado de dispersión de las previsiones, que en este momento probablemente refleja la variedad de opiniones sobre el momento y la magnitud de la aceleración.

Fuente: ZeroHedge, Goldman Sachs, Bloomberg

Al seguir la evolución de las sorpresas de los datos, el enfoque estándar es normalizar las publicaciones individuales por alguna medida de error de previsión histórica. Este enfoque ayuda a proporcionar una base histórica para la magnitud de una determinada sorpresa. Sin embargo, en periodos en los que los datos son algo más volátiles de lo normal , como en la actualidad, la utilización de los errores de previsión realizados puede infravalorar el grado de incertidumbre en torno a las publicaciones individuales.

Para los mercados, identificar el nivel de ruido percibido en torno a los datos económicos es útil para calibrar el grado de señal que puede proporcionar un dato determinado. Con este fin, el uso de la dispersión de las previsiones para normalizar las sorpresas de los datos (en lugar de los errores históricos de las previsiones) puede proporcionar una mejor imagen del contenido informativo de una determinada publicación para los mercados, al captar directamente el nivel de incertidumbre que rodea al dato. En general, ambos enfoques (la normalización más estándar por los errores históricos o la normalización de cada sorpresa por la desviación estándar de las previsiones de Bloomberg) producen resultados altamente correlacionados hasta 2020; sin embargo, el último año más o menos y en menor medida el período alrededor de la gran crisis financiera destacan como excepciones notables, como se muestra en el gráfico siguiente.

Fuente: ZeroHedge, Goldman Sachs, Bloomberg

Intuitivamente, esto tiene sentido: si la volatilidad de los datos subyacentes es de órdenes de magnitud superiores a una línea de base "tranquila", el valor informativo de cada impresión atípica se reduce exponencialmente, ya que al mes siguiente podemos ver una fuerte inversión.

Para medir cómo responden los mercados a las sorpresas de los datos en diferentes regímenes de incertidumbre de las previsiones, Goldman Sachs realizó una regresión de los cambios de rendimiento diarios sobre las puntuaciones de las sorpresas diarias, dividiendo la muestra en regímenes de dispersión de las previsiones utilizando las series que se muestran en el Gráfico 1. Los datos anteriores al COVID-19 (2000-2019) sugieren que, cuando la dispersión de las previsiones es relativamente alta, la beta de los rendimientos a las sorpresas de los datos, normalizada por los errores históricos de las previsiones, es algo menor que en los períodos en los que la dispersión de las previsiones es baja.

Fuente: ZeroHedge, Goldman Sachs, Bloomberg

Mientras tanto, la relación entre la sensibilidad de los rendimientos a las sorpresas y el nivel de incertidumbre de las previsiones es menos evidente cuando se escalan las sorpresas por la dispersión de las previsiones. Una interpretación de esta observación inicial es que los periodos de mayor incertidumbre en las previsiones tienden a asociarse con una menor sensibilidad de los rendimientos a los datos según los estándares históricos. La ampliación de la muestra para incluir el último año refuerza firmemente este patrón.

Fuente: ZeroHedge, Goldman Sachs, Bloomberg

¿Qué significa esto? Aquí hay más análisis de Goldman que garantizan harán explotar su cabeza al tratar de poner en términos científicos lo que es, en última instancia, un concepto muy simple:

"Existe una relación negativa más clara entre la sensibilidad de los rendimientos a la incertidumbre de las previsiones sobre las sorpresas de los datos normalizados por los errores estándar históricos, especialmente cuando la dispersión de las previsiones está en el decil superior. La normalización por la desviación estándar de las previsiones, por su parte, genera sensibilidades algo más estables a través de los regímenes de dispersión de las previsiones, lo que sugiere que el impacto de una determinada sorpresa de datos en los rendimientos está más informado por el nivel de incertidumbre en torno a una determinada publicación, lo que puede ser una sorpresa que mueva el mercado en el contexto de bajos niveles de dispersión entre los pronosticadores es poco más que ruido cuando dicha dispersión es alta."

Entendido. Ciertamente es una forma más inteligente de decir que los datos ya no importan.

En cualquier caso, la simple implicación de todo esto es que por ahora, hasta que la volatilidad de los datos vuelva a la normalidad, es probable que la sensibilidad de los rendimientos a los datos se vea atenuada por los estándares históricos, debido a la amplia gama de expectativas (por ejemplo, las desviaciones estándar de las previsiones para las nóminas no agrícolas de abril eran más de 3 veces su media histórica).

Esto no quiere decir que los datos no importen: los tipos de interés en EE.UU. subieron a raíz del ISM manufacturero, más suave de lo esperado, a principios de esta semana, y la acumulación de datos mejores que el consenso hará que los rendimientos suban a mediados de año (y viceversa). Sin embargo, es probable que las respuestas históricamente "normales" de los rendimientos a los datos requieran cierta convergencia entre los pronósticos, en lugar del caos imperante de "lanzar un dardo a la pared".

Es razonable esperar que esa convergencia se produzca a finales de este año, aunque puede que tenga lugar en el contexto de una menor volatilidad en los propios datos. En otras palabras, no se sorprendan si mañana se publica un dato extraordinariamente bueno (o malo) absoluto, y el bono a 10 años no hace... nada.

Contáctanos