Interpretación de los fondos de cobertura del primer trimestre: Todos venden software y compran semiconductores

marsbitPublicado a 2026-05-27Actualizado a 2026-05-27

Resumen

Resumen del primer trimestre: los fondos de cobertura venden software y compran chips Los fondos de cobertura y los grandes fondos mutuos estadounidenses mostraron un raro consenso en el primer trimestre: vender acciones de software y aumentar las posiciones en semiconductores, llevando el peso de estos últimos en las carteras de fondos de cobertura a un máximo histórico. Los informes de Goldman Sachs revelan que los fondos de cobertura obtuvieron un rendimiento del 7% este año, mientras que solo el 30% de los grandes fondos mutuos superó su índice de referencia. Los datos 13F muestran una rotación estructural dentro del sector tecnológico: el peso de los semiconductores en las carteras largas de fondos de cobertura alcanzó un récord, mientras que el software cayó a su nivel más bajo desde 2019. Los fondos mutuos también redujeron el software a mínimos desde 2012. Microsoft fue una de las acciones más vendidas. Los fondos mutuos redujeron su exposición al resto de los "Siete Magníficos", mientras que los fondos de cobertura aumentaron ligeramente sus posiciones en META y AAPL. En semiconductores, los fondos de cobertura compraron LRCX, AMAT y ASML. La estrategia de riesgo divergió: los fondos de cobertura aumentaron su apalancamiento neto a niveles elevados, mientras que los fondos mutuos incrementaron modestamente su efectivo. En asignación sectorial, ambas instituciones sobreponderaron el sector industrial. Sin embargo, los fondos de cobertura incrementaron drásticamen...

Escrito por: Zhao Ying

Fuente: Wall Street Insights

En el primer trimestre, los fondos de cobertura y los grandes fondos mutuos de EE.UU. llegaron a un raro consenso: vender software y comprar semiconductores, llevando el peso neto largo en semiconductores a un máximo histórico.

Según los últimos informes de Goldman Sachs "Monitoreo de Tendencias de Fondos de Cobertura" y "Fundamentos de Fondos Mutuos", este análisis cubre 1059 fondos de cobertura (con una tenencia total de acciones de 4.6 billones de dólares) y 509 grandes fondos mutuos activos (con activos en acciones por 3.9 billones de dólares). Los informes muestran que el rendimiento de los fondos de cobertura este año alcanzó el 7%, mientras que solo el 30% de los grandes fondos mutuos superó su referencia, por debajo del promedio histórico del 37% desde 2007.

Los datos de tenencias 13F del primer trimestre en EE.UU. revelan un claro consenso de mercado: tanto los fondos de cobertura como los fondos mutuos están vendiendo acciones de software y comprando simultáneamente acciones de semiconductores. La rotación ha sido tan intensa que ha llevado el peso de los semiconductores en las carteras largas de los fondos de cobertura a un máximo histórico.

En cuanto a la estructura de posiciones, el apalancamiento neto de los fondos de cobertura ha vuelto a situarse en el percentil 85 de los últimos cinco años, cerca de un máximo anual; al mismo tiempo, el porcentaje promedio de ventas en corto de las acciones del S&P 500 aumentó al 3% de su valor de mercado, el nivel más alto desde 2011, lo que indica una intensificación simultánea de la pugna entre posiciones largas y cortas en el mercado.

Las tenencias en semiconductores alcanzan un récord histórico, el software sufre reducciones sistemáticas

La rotación estructural dentro del sector tecnológico fue el tema más destacado del trimestre.

Los datos de Goldman Sachs muestran que el peso de los semiconductores en las carteras largas de los fondos de cobertura alcanzó un máximo histórico, mientras que el peso del software cayó a su nivel más bajo desde 2019. En cuanto a los fondos mutuos, sus tenencias en software cayeron a su nivel más bajo desde 2012, y excluyendo a Microsoft, la magnitud de la sobreponderación de los semiconductores frente al software por parte de los fondos mutuos también fue la mayor desde 2012.

A nivel de acciones individuales, Microsoft (MSFT) fue una de las acciones con mayor reducción neta tanto por fondos de cobertura como por fondos mutuos el trimestre pasado. Los fondos mutuos también redujeron sus posiciones en todos los demás miembros del "Magnífico 7". Los fondos de cobertura, aunque redujeron la mayoría de las posiciones en el "Magnífico 7", aumentaron netamente sus posiciones en META y AAPL.

En cuanto a acciones individuales de semiconductores, los fondos de cobertura aumentaron netamente sus posiciones en LRCX, AMAT y ASML; los fondos mutuos aumentaron netamente sus posiciones en INTC y SITM.

Apalancamiento y efectivo: Fondos de cobertura agresivos, fondos mutuos conservadores

Ante el aumento de las tensiones geopolíticas en el primer trimestre, las estrategias de las dos instituciones divergieron claramente.

Los fondos de cobertura inicialmente redujeron su apalancamiento neto, pero luego aumentaron rápidamente sus posiciones con el repunte del mercado en el segundo trimestre, llevando su exposición neta cerca de un máximo anual, con una tasa de apalancamiento total todavía en un rango relativamente alto en términos históricos.

Los fondos mutuos, por su parte, optaron por aumentar la asignación de efectivo, elevando el porcentaje de efectivo sobre activos desde un mínimo histórico del 1.1% a principios de 2026 hasta el 1.4% a principios de abril. Sin embargo, este nivel sigue siendo históricamente muy bajo, lo que indica que los fondos mutuos en general no han retirado fondos significativamente del mercado de renta variable.

Consenso y divergencia sectorial: Sobreponderación industrial, división tecnológica

En la asignación por sectores, existe un alto grado de consenso entre ambas instituciones, pero también hay excepciones notables. Tanto los fondos de cobertura como los fondos mutuos están sobreponderados en el sector industrial y infraponderados en el de tecnología de la información, pero la dirección de sus ajustes de cartera es totalmente opuesta.

Los fondos de cobertura aumentaron su inclinación neta hacia tecnología de la información en 853 puntos básicos en el primer trimestre, el mayor cambio trimestral registrado para este sector, mientras redujeron su inclinación neta hacia el sector industrial en 297 puntos básicos. Los fondos mutuos hicieron lo contrario, aumentando su exposición industrial en 24 puntos básicos y reduciendo la de tecnología de la información en 20 puntos básicos.

Las divergencias más marcadas se observaron en los sectores financiero y de consumo discrecional: los fondos mutuos están sobreponderados en financiero mientras los fondos de cobertura están infraponderados; los fondos de cobertura están sobreponderados en consumo discrecional mientras los fondos mutuos están infraponderados.

Cuatro "favoritos comunes" superan al mercado desde principios de año

Goldman Sachs seleccionó este trimestre cuatro acciones que aparecen tanto en la lista VIP de fondos de cobertura (GSTHHVIP) como en la lista de sobreponderación de fondos mutuos (GSTHMFOW), denominadas "favoritos comunes": Boeing (BA), Mastercard (MA), Marvell Technology (MRVL) y Visa (V). MRVL es la nueva incorporación este trimestre, mientras que Citigroup (C) y Vertiv (VRT) salieron de la lista.

Estas cuatro acciones han generado un rendimiento del 10% desde principios de año, superando al índice S&P 500 de igual ponderación en 3 puntos porcentuales. En un período más largo, desde 2013, la cartera de "favoritos comunes" ha tenido una rentabilidad anualizada del 16%, pero con una desviación estándar del 22%, lo que indica una volatilidad significativamente mayor. Actualmente, la mediana de la relación P/E de las acciones de esta cartera es de 34 veces, un premio notable frente a las 18 veces de la mediana de las acciones del S&P 500.

Es de destacar que todas las acciones del "Magnífico 7" están en la lista VIP de los fondos de cobertura, pero a la vez todas están infraponderadas por los fondos mutuos, formando un marcado contraste en la actitud de las dos instituciones hacia estos activos centrales.

Preguntas relacionadas

Q¿Cuál es la principal rotación de capital que los hedge funds y fondos de inversión realizaron en el primer trimestre según el artículo?

ALa principal rotación fue la venta de acciones de software y la compra de acciones de semiconductores, lo que elevó el peso de los semiconductores en las carteras de los hedge funds a su nivel más alto registrado.

Q¿Qué impacto tuvo esta rotación en la ponderación de los semiconductores y el software en las carteras de los hedge funds?

ALa ponderación de los semiconductores en las carteras largas de los hedge funds aumentó a su nivel más alto desde que se tienen registros, mientras que la ponderación del software cayó a su nivel más bajo desde 2019.

Q¿Cómo difirieron las estrategias de los hedge funds y los fondos de inversión en cuanto al apalancamiento y la liquidez durante el primer trimestre?

ALos hedge funds, tras una reducción inicial, incrementaron rápidamente su apalancamiento neto hasta niveles altos. En cambio, los fondos de inversión aumentaron su asignación de efectivo del 1.1% al 1.4%, aunque este nivel sigue siendo históricamente bajo.

Q¿En qué sectores estuvieron más de acuerdo y en cuáles mostraron mayor desacuerdo los hedge funds y los fondos de inversión en su asignación?

AEstuvieron de acuerdo en sobreponderar el sector industrial y en infraponderar el de tecnología de la información, aunque ajustaron sus posiciones en direcciones opuestas. Mostraron mayor desacuerdo en los sectores financiero y de consumo discrecional.

Q¿Qué son las acciones de 'favoritas comunes' mencionadas en el artículo y cuál ha sido su rendimiento este año?

ALas acciones de 'favoritas comunes' son Boeing (BA), Mastercard (MA), Marvell Technology (MRVL) y Visa (V), que aparecen tanto en la lista VIP de hedge funds como en la de sobreponderación de fondos de inversión. Este año han tenido una rentabilidad del 10%, superando al índice S&P 500 en 3 puntos porcentuales.

Lecturas Relacionadas

Desde el IDE hasta la terminal: Un manual práctico de ingeniería de agentes

De la interfaz a la terminal: Un manual práctico de ingeniería de agentes Matt Van Horn desató un debate en marzo de 2026 al afirmar que desarrollaba sin abrir un IDE gráfico, usando solo la terminal y un archivo `plan.md`. Su método, recopilado luego por Meng Shao, se basa en un ciclo de "Research → Plan → Work" y 22 técnicas prácticas. Este flujo de trabajo reemplaza la edición manual y la retroalimentación visual del IDE (resaltado, depuración) por un modelo de "delegación por lotes". La persona se centra en definir la dirección y revisar planes, mientras los agentes ejecutan. El archivo `plan.md` es clave: no es documentación para humanos, sino un "contrato" externo y persistente para guiar y restringir a los agentes, evitando la "corrupción del contexto" en conversaciones largas. La fase de **Research** usa herramientas como `last30days-skill` para que el agente analice información comunitaria antes de actuar. En la fase de **Plan**, se genera y revisa minuciosamente el `plan.md` con `ce:plan`, inyectando conocimiento experto. La fase de **Work**, con `ce:work`, delega la ejecución a sub-agentes paralelos. Se enfatiza dedicar el 80% del tiempo a planificar/revisar y solo el 20% a ejecutar. Se destacan seis técnicas: generar planes inmediatamente sin pre-pensar en exceso; hacer que el agente resuma los planes largos; usar múltiples terminales en paralelo; usar entrada por voz para diseños complejos; activar tareas asíncronas por correo; y cargar "skills" comunitarios para ampliar capacidades. Las críticas señalan que este flujo requiere experiencia en diseño de sistemas y prompt engineering, y no es apto para aprendices que dependen de la retroalimentación visual del IDE. Concentra el riesgo en la fase de revisión del plan: un error allí se amplifica. Además, existe el riesgo de "psicosis de IA", donde optimizar el flujo de trabajo se convierte en un fin en sí mismo. En resumen, este enfoque es un amplificador de eficacia para quienes ya saben lo que necesitan construir, no una herramienta de aprendizaje. Sus componentes principales (CLIs, plugins como Compound Engineering, skills) evolucionan rápidamente, definiendo una ventana temprana para la experimentación.

marsbitHace 1 hora(s)

Desde el IDE hasta la terminal: Un manual práctico de ingeniería de agentes

marsbitHace 1 hora(s)

"Xiaomei" y Yuanbao se interconectan, ¿están preparando el camino para los Agentes Inteligentes de WeChat?

El CEO de Meituan, Wang Xing, anunció tras los resultados del primer trimestre de 2026 que su asistente de IA "Xiaomei" se integrará con "Yuanbao" de Tencent. Esta colaboración permitirá a los usuarios solicitar servicios de vida local en Yuanbao y desencadenar automáticamente una comunicación entre agentes para acceder a pedidos de comida a domicilio y otros servicios de Meituan. El artículo analiza este movimiento como una respuesta estratégica de Meituan frente a la creciente competencia. Mientras plataformas como Doubao (ByteDance) y Qianwen (Alibaba) están construyendo ecosistemas cerrados ("jardines amurallados") integrando sus asistentes de IA con sus propios servicios comerciales, Meituan carece de un gran portal de IA independiente. La alianza con Yuanbao le permite a Meituan utilizar un punto de entrada conversacional de IA a cambio de proporcionar su infraestructura de servicios y datos de vida local, una relación vista como complementaria. Sin embargo, la colaboración enfrenta desafíos: la limitada experiencia del usuario debido a la arquitectura "Agente a Agente", la compleja distribución de beneficios comerciales y la necesidad de una integración fluida entre dos empresas diferentes. El artículo sitúa esta asociación en un contexto más amplio, vinculándola con los informes sobre el desarrollo de un "Agente de IA" nativo en WeChat. La cooperación entre Meituan y Yuanbao se interpreta como una prueba piloto o un modelo para futuras integraciones de alto nivel ("Agente a Agente") dentro del ecosistema de WeChat. Su éxito podría sentar un precedente crucial para atraer a otras grandes plataformas a la futura red de agentes de inteligencia artificial de Tencent, determinando en última instancia el alcance de dicho ecosistema.

marsbitHace 3 hora(s)

"Xiaomei" y Yuanbao se interconectan, ¿están preparando el camino para los Agentes Inteligentes de WeChat?

marsbitHace 3 hora(s)

Morningstar valora SpaceX en sólo 780.000 millones, menos de la mitad del objetivo de la OPI, ¿la OPI más grande de la historia está sobrevalorada?

La firma de investigación Morningstar ha emitido un informe sobre la valoración de SpaceX antes de su salida a bolsa, estableciendo su valor justo en 780 mil millones de dólares, un 45% del objetivo de 1.75 billones que persigue la empresa. La valoración de Morningstar separa su negocio central de lanzamientos y Starlink (611 mil millones) de las operaciones de IA, como xAI, que reciben una valoración ponderada de solo 170 mil millones. A pesar de esta crítica, la analista reconoce que factores como la baja oferta inicial de acciones, la fuerte demanda por empresas de infraestructura de IA y la posible inclusión rápida en el índice Nasdaq 100 podrían impulsar el precio a corto plazo tras la OPV. No obstante, advierte sobre presiones de venta a medio plazo debido a un calendario escalonado de desbloqueo de acciones para empleados e inversores internos. Elon Musk respondió a las dudas sobre la valoración sugiriendo que el mercado juzgará, en referencia al éxito de Tesla. Morningstar también destaca riesgos como la refinanciación de un préstamo puente de 200 mil millones de dólares y cuestiones de gobierno corporativo, incluida la estructura de control de voto de Musk y la adquisición reciente de xAI. La OPV, la más grande de la historia, está prevista para la segunda semana de junio.

marsbitHace 3 hora(s)

Morningstar valora SpaceX en sólo 780.000 millones, menos de la mitad del objetivo de la OPI, ¿la OPI más grande de la historia está sobrevalorada?

marsbitHace 3 hora(s)

a16z: Por qué los mercados de predicción serán la infraestructura de las "probabilidades futuras"

Los mercados de predicción, al convertir eventos futuros en contratos comercializables, permiten a los participantes expresar juicios con dinero real y agregar información dispersa en tiempo real, generando una probabilidad aproximada a través del precio. A diferencia de encuestas o predicciones de expertos, su ventaja radica en el incentivo económico para que participen quienes poseen información relevante. Estos mercados no son máquinas de profecía, sino una aplicación directa de la capacidad de los mercados para agregar información. Permiten abordar cuestiones específicas, desde geopolítica hasta el rendimiento de modelos de IA, que los activos financieros tradicionales no pueden expresar. Sin embargo, su eficacia no es automática. Depende de quién comercia, del diseño de los contratos, de la determinación de resultados y de la resistencia a la manipulación por parte de actores internos o interesados. Sin una participación informada, los precios son ruido; con información privilegiada, se pierde equidad. Por tanto, el siguiente paso no es solo escalar, sino construir una infraestructura más confiable: reglas de participación transparentes, diseño de contratos claro, mecanismos de liquidación auditables y restricciones contra la manipulación. Su verdadero valor reside en proporcionar una nueva señal de probabilidad pública en entornos de alta incertidumbre.

marsbitHace 3 hora(s)

a16z: Por qué los mercados de predicción serán la infraestructura de las "probabilidades futuras"

marsbitHace 3 hora(s)

Trading

Spot
Futuros
活动图片