The trader nº 163
La interpretación inteligente del mercado
Te regalo mi visión personalsobre el mercado, análisis,opinión y noticias
Suscríbete y recibe cada jueves mi boletín gratis.
Suscribirme
Invertir en el mañana — Kinépolis Madrid, 17 de octubre - RESERVA TU ENTRADA HOY - El precio sube el 22 de julio
Invertir en el mañana — Kinépolis Madrid, 17 de octubre - RESERVA TU ENTRADA HOY - El precio sube el 22 de julio
Invertir en el mañana — Kinépolis Madrid, 17 de octubre - RESERVA TU ENTRADA HOY - El precio sube el 22 de julio
Bienvenido a mi visión personal sobre la actualidad de los mercados financieros nº163. Gracias por tu interés, si te has perdido alguna entrega o aún no estás suscrito puedes revisar aquí.
Mis claves
Hay algo que, a primera vista, parece no tener sentido.
Nunca se había invertido tanto dinero en inteligencia artificial. Nunca había crecido tan deprisa el uso de sus modelos. Nunca se habían construido tantos centros de datos. Y, sin embargo, el precio de la computación empieza a bajar.
¿Cómo es posible?
La respuesta puede marcar el comienzo de una nueva etapa para toda la industria. Durante los dos últimos años, la inteligencia artificial ha vivido prácticamente en una economía de escasez. No había suficientes chips. No había suficiente capacidad de computación. No había suficientes centros de datos. Y las grandes tecnológicas competían por hacerse con cualquier GPU disponible para entrenar y ejecutar sus modelos.
Esa escasez convirtió a Nvidia en el gran símbolo bursátil de la revolución de la IA. Pero todas las revoluciones tecnológicas evolucionan. Y creo que estamos empezando a asistir al primer cambio de fase.
Los cuatro gráficos que acompañan este análisis ayudan a entender por qué.
El gráfico 1 muestra que el precio del alquiler de las GPUs H100 de Nvidia ha empezado a corregir tras meses de fuertes subidas. No estamos hablando de un desplome. El coste de la computación sigue siendo elevado, pero es la primera señal de que la enorme escasez de capacidad empieza a aliviarse.
Si esa bajada respondiera a una menor demanda, la explicación sería sencilla. El problema es que ocurre exactamente lo contrario.
El gráfico 2 refleja que Microsoft, Meta, Amazon, Google, Oracle o CoreWeave acumulan ya compromisos superiores a 850.000 millones de dólares en centros de datos e infraestructuras para inteligencia artificial. Nunca antes se había movilizado tanto capital hacia una tecnología emergente.
Al mismo tiempo, el gráfico 3, elaborado por Goldman Sachs, estima que el consumo de tokens por parte de los agentes de IA podría multiplicarse por 24 antes de finalizar la década.
Y el gráfico 4 demuestra que ese crecimiento ya está ocurriendo. El uso real de modelos de IA a través de OpenRouter continúa marcando nuevos máximos mientras aumenta el número de modelos y proveedores que compiten por captar esa demanda.
La demanda sigue acelerándose y, sin embargo, el precio de la computación empieza a relajarse.
No es una contradicción. Es el síntoma de un cambio de fase. Durante los dos últimos años el reto era construir capacidad. A partir de ahora será demostrar que toda esa infraestructura puede generar una rentabilidad suficiente.
Internet siguió creciendo mientras el precio del ancho de banda caía. Lo mismo ocurrió con la computación en la nube o con la energía solar. Cada vez se consumían más recursos, pero cada unidad costaba menos gracias a la competencia, las economías de escala y las mejoras de eficiencia.
La inteligencia artificial podría estar entrando precisamente en esa fase.
Conclusión
Las grandes revoluciones tecnológicas rara vez fracasan por falta de demanda. Suele ocurrir justo lo contrario: su éxito atrae tanto capital que termina eliminando la escasez sobre la que se construían los extraordinarios márgenes de los primeros años. Eso fue exactamente lo que ocurrió con la fibra óptica, con los servidores, con el almacenamiento o con la computación en la nube. La tecnología transformó el mundo, pero el reparto del valor económico cambió radicalmente a medida que la infraestructura dejaba de ser un recurso escaso.
La inteligencia artificial podría estar acercándose a ese mismo punto de inflexión. No porque vaya a utilizarse menos, sino porque probablemente nunca se invertirán tantos recursos, se consumirán tantos tokens y se construirán tantos centros de datos como durante los próximos años.
La primera fase de la IA fue una economía de escasez. La siguiente podría ser una economía donde la capacidad deje de ser escasa. Y la historia demuestra que, cuando una tecnología deja de ser escasa, el verdadero reto ya no es construirla, sino ganar dinero con ella.
La gran incógnita ya no es si la IA seguirá creciendo. La verdadera pregunta es mucho más compleja: ¿Quién será capaz de convertir esa explosión de demanda en beneficios sostenibles y quién descubrirá que construir la infraestructura era mucho más sencillo que rentabilizarla?
¿Quieres recibir esta newsletter?
Imprescindible seguir la próxima semana
La liquidez no explica todas las valoraciones…esto es excepcional
Muchas veces escuchamos que las bolsas suben porque los bancos centrales han inundado el sistema de liquidez. Y es cierto que, desde la crisis financiera y especialmente desde la pandemia, la cantidad de dinero en circulación ha crecido de forma extraordinaria.
Pero este gráfico cuenta una historia diferente.
Fuente: Barchart
No muestra simplemente la evolución del índice de semiconductores. Lo compara con la masa monetaria M2. Es decir, ajusta la evolución del sector por toda la liquidez que ha entrado en la economía durante las últimas décadas.
Y, aun así, el resultado sorprende. El entusiasmo por las compañías de semiconductores ya supera con creces el que vimos durante la burbuja puntocom. Y aunque eso no significa necesariamente que estemos ante una nueva burbuja, el comportamiento exponencial si recuerda que este tipo de euforias no suele acabar bien.
Soy consciente de las diferencias con el año 2000. Entonces muchas empresas apenas tenían ingresos. Hoy hablamos de compañías extremadamente rentables que generan enormes beneficios y venden un producto imprescindible para el desarrollo de la inteligencia artificial.
Pero tampoco conviene caer en el extremo contrario. Porque la historia demuestra que una empresa extraordinaria puede convertirse en una mala inversión si el precio incorpora unas expectativas imposibles de cumplir. Y eso es precisamente lo que el mercado está poniendo a prueba en este momento.
Conclusión
La inteligencia artificial probablemente cambiará el mundo mucho más de lo que lo hizo Internet. Pero esa no es la cuestión.
La cuestión es si las valoraciones actuales ya descuentan buena parte de ese futuro. Porque la historia de los mercados demuestra que una revolución tecnológica puede ser completamente real… y, al mismo tiempo, acabar generando una burbuja financiera donde muchos inversores terminan perdiendo dinero. Y distinguir una cosa de la otra siempre resulta mucho más difícil cuando todos están convencidos de que “esta vez es diferente”.
En el radar
La mayor confusión sobre la inversión pasiva
Cuando alguien compra un ETF sobre el S&P 500 suele pensar que está haciendo la inversión más pasiva posible. Porque su estrategia consiste en comprar el índice y esperar a que a largo plazo suba.
Pero existe un detalle que muy pocos inversores tienen presente: el índice nunca deja de cambiar.
Mientras tú no haces absolutamente nada, el índice está modificando continuamente su composición. Incorpora nuevas empresas, elimina otras que dejan de cumplir los requisitos y ajusta automáticamente el peso de cada compañía conforme cambia su valor en bolsa. En realidad, el índice es un organismo vivo.
La siguiente tabla ayuda a entender por qué.
Muestra qué ocurrió con las empresas creadas en 1998. Un año después seguía existiendo el 81%. Siete años más tarde apenas sobrevivía el 31%.
Es decir, casi siete de cada diez empresas habían desaparecido por el camino. Algunas quebraron. Otras fueron absorbidas. Muchas simplemente dejaron de ser relevantes.
Eso mismo sucede continuamente dentro de cualquier índice bursátil. Las compañías más fuertes aumentan su peso. Las que pierden relevancia lo reducen. Y, cuando dejan de cumplir los criterios exigidos, son sustituidas por otras que representan mejor la economía del momento.
Lo hemos visto también en España. Durante la burbuja tecnológica, Telefónica llegó a representar el 27,6% de toda la capitalización del Ibex 35. Más de uno de cada cuatro euros invertidos en el índice dependía de una sola empresa.
Hoy su peso ronda apenas el 4%. No porque alguien decidiera vender Telefónica. Sino porque el propio mercado fue cambiando y el índice evolucionó con él.
Si el S&P 500 aumenta automáticamente el peso de las compañías que más éxito tienen, cualquiera pensaría que debería ofrecer una rentabilidad superior a repartir el dinero por igual entre las 500 empresas.
Al fin y al cabo, ¿no parece lógico invertir cada vez más en las ganadoras y cada vez menos en las perdedoras?
Pues los datos dicen que no.
El siguiente gráfico compara la evolución del S&P 500 tradicional con la de un índice equiponderado, en el que las 500 empresas tienen exactamente el mismo peso y se rebalancean periódicamente para mantener ese equilibrio.
Fuente: Quantlake
Y, sorprendentemente, durante la mayor parte de los últimos veinte años el índice equiponderado ha obtenido una rentabilidad superior.
¿Por qué ocurre esto?
Porque el S&P 500 ponderado aumenta automáticamente la exposición a las empresas que más han subido, mientras que el equiponderado hace justo lo contrario: rebalancea periódicamente la cartera, reduciendo el peso de las ganadoras y aumentando el de las compañías que se han quedado rezagadas.
Eso no significa que el índice equiponderado vaya a ganar siempre. De hecho, en determinados periodos —como los dominados por las grandes tecnológicas— el S&P 500 tradicional puede recuperar terreno rápidamente, como también se aprecia al final del gráfico.
Pero sí demuestra algo muy importante: perseguir automáticamente las compañías que mejor lo han hecho no garantiza una mayor rentabilidad a largo plazo. Y esa es una lección que va mucho más allá de la inversión indexada.
Conclusión
Quizá la mayor enseñanza de este análisis sea que la rentabilidad a largo plazo no depende tanto de acertar cuáles serán las empresas más exitosas de cada momento. Depende, sobre todo, de seguir un método de inversión disciplinado.
El índice ponderado por capitalización refleja cómo evoluciona el mercado. El equiponderado refleja el efecto de rebalancear periódicamente una cartera sin dejarse llevar por el entusiasmo del momento.
Los dos funcionan. Los dos han generado una enorme riqueza para los inversores. Pero el gráfico nos recuerda una lección que solemos olvidar en cada ciclo alcista: comprar cada vez más de aquello que mejor lo ha hecho hasta ahora no garantiza que vaya a ser la mejor decisión para el futuro.
Y quizá por eso la inversión no consiste tanto en encontrar siempre a los próximos ganadores como en construir un método capaz de sobrevivir cuando inevitablemente dejen de serlo.
¿Qué está pasando con el empleo en EE. UU.?
Imagina que cada mes tomas una decisión de inversión basándote en un dato que, unos meses después, descubrimos que estaba equivocado. Y que, además, casi siempre estaba equivocado en la misma dirección.
Pues eso es exactamente lo que lleva ocurriendo desde hace tiempo con uno de los indicadores económicos más importantes del mundo: las nóminas no agrícolas de Estados Unidos (Non-Farm Payrolls).
Cada primer viernes de mes, millones de inversores esperan ese dato que mueve las bolsas, los bonos, el dólar y las expectativas sobre los próximos movimientos de la Reserva Federal.
Pero hay un detalle del que casi nadie habla: Los primeros datos casi siempre acaban siendo demasiado optimistas.
El gráfico que acompaña este análisis resulta llamativo. Desde enero de 2025, las cifras de creación de empleo se han revisado a la baja en quince de los últimos diecisiete meses. En conjunto, las revisiones ya restan cerca de 780.000 empleos respecto a lo que inicialmente creyó el mercado.
Y si ampliamos la perspectiva, desde comienzos de 2023 más de tres cuartas partes de las revisiones también han sido negativas.
La pregunta es inevitable: ¿Por qué ocurre siempre en la misma dirección?
No significa necesariamente que las cifras estén manipuladas. El Bureau of Labor Statistics publica una primera estimación con información todavía incompleta y la revisa a medida que recibe datos de más empresas. Las revisiones son normales en casi todas las estadísticas económicas. Lo excepcional es que, desde hace casi dos años, prácticamente siempre hayan reducido el número de empleos inicialmente publicado.
Eso sugiere que los modelos estadísticos utilizados para estimar el empleo podrían estar teniendo dificultades para captar un mercado laboral que ha cambiado profundamente desde la pandemia.
Sin embargo, aquí aparece una aparente contradicción. Si realmente se está creando menos empleo del que inicialmente se publica… ¿por qué la tasa de desempleo continúa alrededor del 4,3%?
La respuesta está en que ambos indicadores no miden exactamente lo mismo.
Las nóminas no agrícolas proceden de una encuesta realizada a cientos de miles de empresas. La tasa de desempleo, en cambio, se obtiene entrevistando directamente a los hogares. Son dos fotografías diferentes del mismo mercado laboral y, durante un tiempo, pueden ofrecer mensajes distintos.
Además, muchas empresas, tras la escasez de mano de obra posterior a la pandemia, prefieren conservar sus plantillas aunque hayan reducido significativamente las nuevas contrataciones. Por eso el empleo apenas cae, aunque el mercado laboral haya perdido buena parte del dinamismo que tenía hace apenas dos años.
Conclusión
Quizá la lectura más importante no sea que el mercado laboral estadounidense esté mucho peor de lo que indican los titulares, ni tan sólido como sugieren los datos iniciales.
La verdadera enseñanza es otra: los mercados, la Reserva Federal y los inversores toman decisiones basándose en una primera estimación que, desde hace casi dos años, sistemáticamente termina siendo demasiado optimista.
En economía, la primera fotografía rara vez es la definitiva. Pero cuando las revisiones apuntan una y otra vez en la misma dirección, dejan de ser un simple ajuste estadístico para convertirse en una señal de que algo está cambiando bajo la superficie.
Te recomiendo leer
Hay libros que prometen enseñarte a ganar más dinero.
Y luego está Cómo no invertir, que parte de una idea mucho más poderosa: aprender a cometer menos errores.
Porque en inversión no siempre gana quien más acierta, sino quien consigue evitar los grandes fallos que pueden destruir una cartera.
Este libro es una guía muy útil para identificar esos errores financieros que repetimos casi sin darnos cuenta: decisiones impulsivas, exceso de confianza, mala gestión del riesgo, modas de mercado o inversiones que parecen brillantes… hasta que dejan de serlo.
Su gran valor está en que explica, de forma sencilla y práctica, cómo pensar mejor antes de invertir. No para eliminar todos los errores —eso es imposible—, sino para hacerlos menos frecuentes y menos caros.
Una lectura muy recomendable para cualquier persona que quiera cuidar mejor su dinero, invertir con más criterio y vivir sus decisiones financieras con menos estrés.
Porque, muchas veces, el primer paso para ganar más no es acertar más.
Es equivocarse menos.
Buena semana.
Aviso: La información proporcionada en este artículo no constituye asesoramiento financiero, de inversión o fiscal. Realiza tu propia investigación o consulta con un asesor financiero certificado antes de tomar cualquier decisión con tu dinero.
