⚠️ Aviso importante antes de continuar Este artículo refleja un análisis estadístico propio y tiene una finalidad meramente informativa y divulgativa. No soy asesor financiero ni gestor de patrimonios. Nada de lo que escribo aquí debe interpretarse como asesoramiento financiero ni recomendación de inversión. Los datos históricos no garantizan rendimientos futuros. Antes de tomar cualquier decisión financiera, consulta con un profesional cualificado.
Si me vienes leyendo sabrás que ahora mismo estoy moviendo las aportaciones nuevas hacia fondos indexados, sin tocar lo que ya tengo en acciones individuales. Cuanto más dinero muevo con las ordenes periódicas, más vueltas le doy a los pequeños detalles de la operativa, y hay uno que me salía una y otra vez en foros y en Twitter: ¿importa el día del mes en el que la programas?
La respuesta que circula por ahí suele ser categórica en un sentido u otro: "mejor a principio de mes", "no, al final, por el efecto turn-of-the-month (TOM)". Y normalmente sin ningún dato detrás. Ya sabéis lo que pienso de fiarme de la sabiduría suprema de foro sin comprobarla yo mismo: con PSKY aprendí por las malas lo que cuesta comprar algo porque "lo dice alguien con buena reputación en Rankia" sin hacer los deberes. Así que en vez de asumir que un día es mejor porque lo he leído en algún hilo, lo he comprobado con datos de verdad.
Aviso rápido: este artículo tiene algunos términos estadísticos (p-valor, intervalo de confianza...) que pueden sonar a chino si no estás familiarizado con la estadística. No re preocupes, no hace falta que los domines para seguir el hilo, cada vez que aparezca uno, lo explico en dos líneas justo al lado, en un recuadro como este.
❓ De dónde viene la pregunta
Cuando aportaba cantidades pequeñas y los indexados eran testimoniales en mi cartera, el día de la orden me daba bastante igual. Ahora que la aportación mensual a indexados es mayor, la pregunta empieza a ser más legítima: si hay una diferencia sistemática entre comprar el día 1 o el día 28, sobre 15-20 años de aportaciones podría notarse (aunque yo espero dejar de hacerlas antes lo que significará que ya alcancé mi FIRE!!!). O podría no ser nada: la típica anécdota de foro que suena convincente pero no sobrevive a un análisis medianamente serio.
Para no quedarme en la simple intuición, monté un estudio con: tres índices con dividendos reinvertidos (no solo precio, que infla artificialmente las diferencias), el histórico más largo que he podido conseguir de cada uno, y las pruebas estadísticas necesarias para no engañarme con un patrón que en realidad sea ruido.
🔎 Cómo lo he comprobado
Tres índices, en su versión Total Return (dividendos reinvertidos): S&P 500 (38,6 años, 1988-2026), MSCI World vía el ETF IWDA (17 años, 2009-2026) y MSCI Emergentes vía EEM (23 años, 2003-2026).
Tres escenarios de aportación mensual fija: inicio de mes (día 1), mitad (día 15) y final (último día hábil), simulando 1.000 € ó $/mes (unidades monetarias, según cotiza el fondo, esto es indiferente para este estudio).
Un barrido completo probando cada día natural del 1 al 28 (dejamos fuera los días 29, 30 y 31 porque hay meses que no los tienen)
Tests estadísticos declarados antes de ejecutar nada (para no terminar buscando el resultado más vistoso a posteriori, como el CIS!!!): t-test pareado, Wilcoxon, y bootstrap por bloques de 12 meses con 10.000 iteraciones para los intervalos de confianza — un bootstrap normal sobreestimaría la significancia, porque los retornos mensuales están correlacionados entre sí.
En cristiano, ¿qué es todo esto? Un t-test o un Wilcoxon son formas de comprobar si una diferencia entre dos grupos de números es "de verdad" o si podría ser simplemente azar. El bootstrap es un truco de fuerza bruta: en vez de fiarte de una única fórmula, le pides al ordenador que reordene tus datos históricos miles de veces (aquí, 10.000) y mire cuánto varía el resultado cada vez — así te haces una idea realista de cuánto "ruido" hay antes de creerte una diferencia. Lo de "por bloques de 12 meses" es un detalle técnico para que "el barajado" no rompa la estacionalidad del calendario. No hace falta que retengas nada de esto, solo que sepas que es la forma rigurosa de no engañarte a ti mismo con una coincidencia.
Con eso montado, esto es lo que he encontrado.
📊 El resultado que parece obvio (y por qué engaña un poco)
La forma más directa de comparar es simular la aportación en cada escenario y ver quién termina con más dinero en una fecha común.
| Índice | Inicio (día 1) | Mitad (día 15) | Final (últ. día) | Diferencia máx. |
|---|---|---|---|---|
| S&P 500 TR (USD) | 11,11 % | 11,11 % | 11,10 % | 0,01 pp |
| MSCI World TR / IWDA (EUR) | 12,70 % | 12,69 % | 12,71 % | 0,02 pp |
| MSCI EM TR / EEM (USD) | 7,15 % | 7,17 % | 7,13 % | 0,04 pp |
TIR anualizada (XIRR money-weighted) sobre la aportación simulada
La TIR o XIRR es, resumiendo, la rentabilidad anual media que habrías sacado teniendo en cuenta exactamente cuándo entró cada euro, el número correcto para comparar cuando aportas poco a poco, en vez de todo de una vez.
Fíjate en esto: en el S&P 500 empata "inicio" y "mitad", en MSCI World gana "final", en emergentes gana "mitad". Ni mi propio estudio se pone de acuerdo consigo mismo sobre cuál es el mejor día, y esa ya es la primera señal de que no hay nada real que explotar.
Pero además esta comparación tiene truco: favorece mecánicamente a "inicio de mes", porque al medir hasta una fecha común, la aportación de "día 1" del último mes lleva 3-4 semanas más invertida que la de "final de mes" del mismo mes. Eso es simplemente más tiempo en mercado, no una ventaja de timing.
✅ La comparación que sí es honesta
Para aislar el efecto puro del día elegido, medí la rentabilidad media a 21 días hábiles vista (aprox. un mes) desde cada fecha de compra, sin que importe cuándo termina el estudio. Así ninguna aportación tiene ventaja de exposición sobre otra.
| Índice | Inicio | Mitad | Final |
|---|---|---|---|
| S&P 500 TR | 0,98 % | 1,13 % | 1,06 % |
| MSCI World / IWDA | 0,95 % | 1,12 % | 1,07 % |
| MSCI EM / EEM | 0,82 % | 1,27 % | 1,01 % |
Con esta métrica limpia gana "mitad de mes" en los tres índices. Pero antes de sacar conclusiones: hice el test estadístico correspondiente y ninguna diferencia es significativa — los p-valores van de 0,43 a 0,88, muy lejos del umbral habitual de 0,05, y todos los intervalos de confianza al 95% cruzan el cero.
Dos términos en esa frase merecen traducción. El p-valor es, a grandes rasgos, la probabilidad de ver una diferencia así de grande aunque en realidad no exista ninguna ventaja real y todo sea casualidad, cuanto más alto (más cerca de 1), menos fiable es el patrón. Por convención, en estadística se suele exigir que baje de 0,05 para empezar a hablar de un efecto "real"; aquí estamos entre 0,43 y 0,88, muy lejos de ese listón. El intervalo de confianza es el rango donde probablemente esté la diferencia de verdad entre dos escenarios; si ese rango incluye el cero (como pasa aquí), significa que "ninguna diferencia" es una posibilidad perfectamente compatible con los datos.
Ese gráfico resume el artículo entero en una imagen: cada línea es una comparación entre escenarios, y todas cruzan el cero. Ninguna diferencia se distingue del ruido.
🎯 ¿Hay un día "mágico"? El barrido completo
Por curiosidad repetí la comparación de día fijo para cada uno de los 28 primeros días del mes, en los tres índices.
El "mejor" día ronda el 20-22 en los tres índices, justo lo contrario de lo que sugería mi primera intuición. Es tentador leerlo como un patrón, pero las diferencias se mueven en un rango de 0,2-0,5 puntos porcentuales sobre una media de ~1%, sin que ningún test sobreviva la corrección por comparar 28 días a la vez. Lo correcto es tratarlo como lo que parece: ruido con forma de gráfico bonito.
¿Por qué la teoría "no sobrevive a comparar 28 días a la vez"? Si lanzas una moneda 28 veces y apuntas cuál sale más veces cara, seguro que alguna gana por delante de las demás, pero no porque esa tirada sea especial, sino porque entre 28 opciones, alguna tiene que quedar primera. Cuantas más comparaciones haces a la vez, más probable es que una parezca "ganadora" por pura casualidad. Por eso un solo día destacando en el gráfico no basta como prueba.
📅 El efecto Turn-Of-the-Month (TOM): real, pero no explotable
Mientras preparaba este análisis me corrigieron un matiz importante sobre el efecto TOM documentado en la literatura académica: no es "mediados o finales de mes tipo día 20-25", es literalmente la ventana entre el último día hábil de un mes y los primeros 3-4 días hábiles del siguiente (Ariel, 1987; Lakonishok & Smidt, 1988).
| Índice | Ventana TOM | Resto del mes | p-valor |
|---|---|---|---|
| S&P 500 TR | 0,076 %/día | 0,041 %/día | 0,190 |
| MSCI World / IWDA | 0,049 %/día | 0,052 %/día | 0,947 |
| MSCI EM / EEM | 0,115 %/día | 0,033 %/día | 0,105 |
El patrón está ahí numéricamente en dos de los tres índices, pero con los datos disponibles no es estadísticamente significativo en ninguno de ellos (recuerda: por encima de 0,05 significa que no hay pruebas sólidas de que sea un efecto real y no casualidad) (todos los p-valores están por encima de 0,10). Y aunque lo fuera a nivel de retornos diarios, comprobé si se traduce en algo útil para quien hace una única compra al mes y tampoco: la diferencia entre comprar justo antes o después de esa ventana sigue sin ser significativa (p-valor entre 0,73 y 0,98).
Dicho de otro modo: el efecto TOM es un patrón real y bien documentado en retornos diarios, pero eso no equivale automáticamente a una ventaja explotable en una aportación mensual — son preguntas relacionadas pero distintas, y aquí la segunda no se sostiene.
🔧 ¿Es un patrón real o ruido? La prueba de las décadas
Si un patrón fuera real, debería repetirse en distintas épocas del mercado.
- S&P 500: gana "mitad" en los 90 y en los 2000, "final" en los 2010, "inicio" en lo que va de los 2020.
- MSCI World: gana "mitad" en las dos décadas disponibles.
- Emergentes: "mitad", "mitad", "final".
Ningún escenario gana de forma consistente en todas las décadas de ningún índice: exactamente el comportamiento que esperarías de una diferencia causada por ruido, no por una anomalía real de mercado.
⚖️ Lo que me llevo de esto
Voy a seguir programando la aportación el día que cobro la nómina, sin darle más vueltas. Con 38 años de datos y tres índices distintos, la diferencia máxima entre el mejor y el peor escenario es de unas décimas de punto porcentual al año, y no se distingue del ruido en ningún test.
Lo que sí importa mucho más que el día exacto:
- Que la orden sea automática y no la pares en las caídas — ahí está el coste de timing real, no en el día del mes.
- El TER del fondo que elijas — entre dos indexados al mismo índice la diferencia de comisión puede ser de un orden similar, pero repetida cada año, no una sola vez en 38.
- El bróker y la conversión de divisa, si compras en dólares — ya conté aquí en qué me fijo cuando elegí HeyTrade para bolsa USA.
Y para cerrar el círculo: esta vez sí comprobé el dato antes de repetir lo que había leído por ahí, en lugar de fiarme de la sabiduría de foro sin más. Con PSKY tuve que aprenderlo por las malas — al menos con esto no ha hecho falta perder dinero para confirmarlo.
¿Programas tu aportación en un día concreto por algún motivo, o simplemente coincide con tu nómina? Cuéntamelo en los comentarios.
⚠️ Aviso legal Este artículo tiene una finalidad exclusivamente informativa y divulgativa, basada en un análisis estadístico propio. No constituye asesoramiento financiero, recomendación de inversión ni oferta de ningún producto financiero. No soy asesor financiero registrado. La inversión en mercados financieros conlleva riesgos significativos, incluida la posible pérdida total del capital invertido. Los resultados pasados no garantizan rendimientos futuros. Consulta siempre con un profesional cualificado antes de tomar cualquier decisión de inversión.
📌 Nota metodológica (para quien quiera el detalle técnico)
He utilizado series diarias de Yahoo Finance (^SP500TR, IWDA.AS, EEM), con dividendos y splits reinvertidos. Para procesar los datos, simular los flujos de caja reales (TIR/XIRR) y ejecutar los tests estadísticos, monté un script en Python (apoyándome en el asistente de código Antigravity para la programación).
La significancia se evaluó con t-test pareado y Wilcoxon signed-rank sobre retornos a 21 días hábiles, junto con un remuestreo por bootstrap por bloques de 12 meses (10.000 iteraciones) para los intervalos de confianza. En el caso de IWDA.AS el histórico real ronda los 17 años (algo por debajo de los 20 deseables), lo que resta algo de potencia a ese activo concreto. Además, IWDA y EEM son ETFs con un tracking error mínimo (~0,20 % y ~0,60 % anual) que no altera la comparación de timing. Tienes el código y los datasets a tu disposición bajo petición si quieres auditarlos o replicar el estudio.
Referencias académicas:
• Ariel, R.A. (1987). "A Monthly Effect in Stock Returns." Journal of Financial Economics, 18(1), 161–174.
• Lakonishok, J. & Smidt, S. (1988). "Are Seasonal Anomalies Real? A Ninety-Year Perspective." Review of Financial Studies, 1(4), 403–425.
