Functional Clustering of Discount Functions for Behavioral Investor Profiling

Resumen Técnico: Agrupación Funcional de Funciones de Descuento para la Perfilación de Inversores Conductuales

Planteamiento del Problema
Los modelos de finanzas clásicas operan bajo la premisa de inversores racionales que utilizan toda la información disponible, un marco que a menudo falla en capturar anomalías en las decisiones intertemporales y la toma de decisiones bajo incertidumbre. Los modelos paramétricos tradicionales luchan por dar cuenta de las diferencias individuales en las preferencias, particularmente de cómo los distintos temperamentos de personalidad influyen en la evaluación de las compensaciones entre resultados presentes y futuros. Si bien el modelo de Pompian de cuatro Tipos de Inversor Conductual (BITs) —Acumuladores, Preservadores, Seguidores e Independientes— vincula la teoría del temperamento de Keirsey con la toma de decisiones financieras, depende de clasificaciones estáticas que podrían no capturar plenamente la naturaleza matizada y dinámica del descuento temporal. Los autores identifican una brecha en la comprensión de cómo estos temperamentos se manifiestan específicamente en las decisiones intertemporales y si existe una heterogeneidad significativa dentro de estas amplias categorías.

Metodología
El estudio emplea Análisis de Datos Funcionales (ADF) combinado con técnicas de agrupación funcional para investigar los comportamientos de descuento temporal. La investigación se fundamenta en el siguiente marco metodológico:

• Recolección de Datos: Se administró un cuestionario en línea a 200 voluntarios (170 respuestas válidas) en febrero de 2023. El instrumento incluyó tareas de elección intertemporal diseñadas para construir funciones de descuento individuales y un Clasificador de Temperamento Keirsey II para clasificar a los participantes en los temperamentos Artesano, Guardián, Idealista y Racional. Las tareas intertemporales utilizaron un temporizador de 20 segundos para inducir una sensación de prisa, con el objetivo de revelar anomalías conductuales.
• Construcción de Funciones de Descuento: Las respuestas individuales se interpolaron para crear funciones de descuento continuas, $f(t)$, que representan la percepción subjetiva del tiempo y la incertidumbre. El estudio utilizó el método de suavizado monótono (Ramsay, 2005) para asegurar que las funciones reconstruidas satisficieran las restricciones necesarias de una función de descuento: $f(0)=1$, $f(t)>0$ y disminución monótona estricta.
• Métricas Funcionales: El análisis utilizó distancias $L_2$ y semimétricas basadas en las derivadas de orden $r$ de las curvas para medir la proximidad entre los perfiles de inversores. Esto permitió cuantificar la variabilidad intra-grupo (heterogeneidad dentro de un temperamento) y la variabilidad inter-grupo (diferencias entre temperamentos).
• Enfoque de Agrupación:
  1. Agrupación Condicional: Se aplicó agrupación $k$-medias funcional dentro de cada uno de los cuatro grupos de temperamento predefinidos para identificar posibles subgrupos (sub-temperamentos). El número óptimo de subagrupaciones se determinó utilizando una extensión del método del codo aplicado a la Suma de Cuadrados dentro del Grupo (SCDG).
  2. Agrupación Incondicional: Se realizó un análisis separado de agrupación $k$-medias funcional sobre todo el conjunto de datos sin conocimiento previo de las etiquetas de temperamento para descubrir perfiles de inversores latentes basados únicamente en los patrones de elección intertemporal.

Resultados Clave

• Heterogeneidad dentro de los Temperamentos: El análisis descriptivo preliminar y los cálculos de varianza funcional revelaron una heterogeneidad interna significativa dentro de cada uno de los cuatro temperamentos de Keirsey. Por ejemplo, los Artesanos y los Idealistas mostraron una alta variabilidad en sus patrones de descuento, lo que sugiere que un único perfil "medio" para estos grupos es insuficiente.
• Identificación de Subgrupos: La agrupación funcional condicional identificó subgrupos distintos dentro de los BITs originales. El método del codo indicó que los Artesanos y los Idealistas requerían hasta cuatro subagrupaciones, mientras que los Guardianes y los Racionales requerían tres y cuatro, respectivamente, para capturar adecuadamente la variabilidad interna.
• Nuevos Perfiles de Inversor: El análisis de agrupación $k$-medias funcional incondicional, ignorando los temperamentos predefinidos, convergió en cuatro perfiles de inversor distintos basados puramente en la forma de sus funciones de descuento:
  1. Grupo Verde: Curvas de declive pronunciado, indicando fuerte impulsividad y una subvaloración pesada de los resultados futuros.
  2. Grupo Cian: Disminución gradual, que representa un enfoque equilibrado con una ligera preferencia a corto plazo pero apertura a opciones a largo plazo.
  3. Grupo Morado: Funciones de descuento planas, indicando alta paciencia y una valoración estable de las recompensas futuras.
  4. Grupo Rojo: Un patrón dinámico donde las tasas caen bruscamente al principio pero se estabilizan, sugiriendo un cambio del enfoque a corto plazo al de largo plazo dependiendo de los retornos inmediatos.
• Análisis de Derivadas: El análisis de las derivadas primera y segunda destacó que la tasa de cambio (velocidad) y la aceleración de los comportamientos de descuento varían significativamente entre grupos y a lo largo del tiempo, confirmando además que los procesos de toma de decisiones son dinámicos y no estáticos.

Significado y Afirmaciones
El artículo afirma que la integración del ADF y la agrupación funcional ofrece un avance metodológico sobre los enfoques paramétricos tradicionales en las finanzas conductuales. El significado principal radica en demostrar que los Tipos de Inversor Conductual (BITs) clásicos son demasiado rígidos para abarcar la complejidad del comportamiento del inversor en el mundo real.

• Refinamiento de la Clasificación: El estudio desafía la adecuación de las categorizaciones estáticas (por ejemplo, los BITs de Pompian) al revelar que existen subpatrones significativos dentro de estas amplias categorías. Los hallazgos sugieren que los perfiles de inversores son mucho más diversos de lo que se pensaba anteriormente.
• Comprensión Dinámica: Al analizar las derivadas funcionales, los autores argumentan que las preferencias temporales no son estáticas sino que evolucionan, influenciadas por impulsos emocionales y contextos situacionales.
• Implicación Práctica: La clasificación refinada proporciona una base para que los asesores financieros se alejen de plantillas rígidas. En su lugar, pueden adaptar las estrategias a los comportamientos específicos de descuento temporal y las preferencias de riesgo de cada cliente individual, reconociendo la diversidad dentro de los grupos de temperamento tradicionales.

Los autores concluyen que, si bien sus hallazgos validan la importancia de identificar subpatrones, es necesaria investigación futura para aplicar estos métodos a muestras más grandes y diversas, a fin de validar la generalizabilidad de los subgrupos identificados.