Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

El Value Investing visto por un astrofísico

96 visualizaciones

Publicado el

https://valueschool.es/eventos

Publicado en: Economía y finanzas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

El Value Investing visto por un astrofísico

  1. 1. El value investing visto por un Astrofísico Narciso Benítez Junio 2020
  2. 2. El Value investing visto por un astrofísico  Introducción  ¿Qué es el value investing?  ¿Qué nos dice la matemática del value investing?  ¿Por qué ha funcionado históricamente? ¿Cuáles son sus defectos y ventajas?  ¿Qué es la inversión en factores cuantitativa y cómo está relacionada con el value investing tradicional?  ¿Por qué funciona? ¿Puede mejorar los resultados del value investing tradicional en la práctica?  Conclusión: estamos ante probablemente la mejor oportunidad para invertir en value small caps en casi un siglo.
  3. 3. CV científico y académico  Grado y Master en Ciencias Físico-Matemáticas, magna cum laude, Universidad Lomonósov de Moscú, 1987-1993  Traductor jurado de ruso, nombrado por el Ministerio de Asuntos Exteriores, 1995  Doctor en Ciencias Físicas, Universidad de Cantabria 1997, apto cum laude  Astrofísico:  Departamento de Astrofísica Relativista, Instituto de Astronomía Sterberg (1991-1993)  Instituto de Física de Cantabria (1994-1997)  Universidad de California en Berkeley (1997-2000)  Departamento de Física y Astronomía, Johns Hopkins University (2000-2004)  Consejo Superior de Investigaciones Científcas (CSIC) (2004-2017)  Funcionario de carrera en excedencia desde 2017.  Becas de estudios universitarios, doctorado (FPU), postdoctorado. Certificado de la NASA por la contribución al éxito de la misión 3B del Transbordador Espacial al Telescopio Espacial Hubble (2002). Miembro de comités internacionales, revisor de las principales revistas astronómicas, director de cuatro tesis doctorales. Autor de más de 160 artículos científicos. Top 10 de los astrofísicos españoles por índice h en 2017.
  4. 4. CV inversor  Vendemos la vivienda familiar antes del pinchazo de la burbuja inmobiaria y nos vamos de alquiler.  Sin experiencia previa inversora, aprendo por mi cuenta y comienzo a invertir siguiendo un estilo value, una parte de mi cartera en Bestinfond, otra en una cartera de acciones seleccionadas por mí.  Tras sobrevivir razonablemente bien los crashes de 2008-2009 (y 2011), desarrollo un sistema cuantitativo de inversión, basado fundamentalmente en el value, pero que usa otros factores como momento y calidad.  En Enero 2014 comienzo a aplicar mi sistema a parte de mi cartera personal  En Noviembre de 2017 comienzo a gestionar el fondo Abante Quant Value Small Caps.  La estrategia ha generado una rentabilidad anualizada de 18.94% desde 2014, con una volatilidad de 11.34%. (índice: 10.36%, volatilidad 16.09%)  Ha superado a la media aproximada de los fondos value más conocidos desde 2016 en 7.3% anualizado.
  5. 5. Value investing: Una estrategia de inversion que selecciona acciones que cotizan por debajo de su valor intrínseco.
  6. 6. Benjamin Graham (Grossbaum) - Termina la universidad de Columbia con uno de los mejores expedientes de su curso. - Le ofrecen trabajar como profesor en el Departamento de Matemáticas, el de Lengua Inglesa y el de Filosofía - Se va a trabajar Wall Street y monta el que quizás fuera el primer “Hedge Fund” - Estuvo cerca de arruinarse tras el crash de 1929. - Inventa el “Value Investing” como estrategia “segura” de inversión a largo plazo. - Mentor de Warren Buffett - El primero de los “Quants” - “Security Analysis” (1934) y “The intelligent investor” (1949) The Bern Schwartz Family Foundation
  7. 7. Los “alumnos” de Benjamin Graham Warren Buffett añade dos innovaciones: - Introduce el concepto de “Foso” - Se apalanca usando las primas de sus compañías de seguros
  8. 8. Chiste de ovejas: Un botánico, un físico y un matemático viajaban por Escocia cuando a través de la ventanilla del tren vieron una oveja negra. Entonces el botánico dijo: "¡Qué interesante! En Escocia las ovejas son negras", a lo que respondió el físico: "¡No, no! ¡Algunas ovejas en Escocia son negras!". El matemático levantó la cabeza hacia el cielo y dijo: "En Escocia existe al menos un campo, que contiene al menos una oveja, uno de cuyos lados, al menos, es de color negro". Vladimir Arnold (uno de los mejores matemáticos de Rusia): “Les he expuesto la demostración para matemáticos. Y ahora, la demostración para personas razonables." Las “matemáticas” del value investing
  9. 9. Value investing • Hipótesis: 1. Para cada compañía se puede definir una cantidad 𝑉 llamada valor intrínseco que es relativamente estable en el tiempo. Esa cantidad tiene asociado un error 𝑑𝑉. 2. El precio de mercado 𝑃 de una acción no es, en general, igual a 𝑉 (Mr. Market), fluctúa a corto plazo y… 3. …a largo plazo 𝑃 tiende hacia al valor intrínseco 𝑃 → 𝑉
  10. 10. Value investing • Por tanto, si estas hipótesis son ciertas, una estrategia para ganar más que el mercado (𝑃) a largo plazo consiste en comprar la acción cuando dónde 𝑑𝑉 es el ”margen de seguridad”. Y vender cuando 𝑃 < 𝑉 − 𝑑𝑉 𝑃 ≥ 𝑉
  11. 11. El valor intrínseco El valor intrínseco de una compañía se puede definir como la suma del valor de sus activos 𝑽 𝑨 y el valor de sus flujos de caja futuros descontados con una tasa 𝒓 𝑽 = 𝑽 𝑨 + 𝒏=𝟏 𝑵 𝑪 𝒏 (𝟏 + 𝒓) 𝒏 Dónde 𝑛 recorre cada uno de los años, 𝑁 corresponde al número máximo de años considerados, y 𝑪 𝒏 es el flujo de caja correspondiente al año 𝑛
  12. 12. El valor intrínseco Si introducimos una cantidad 𝑔 que representa el crecimiento de los flujos de caja futuros tendremos 𝑽 = 𝑽 𝑨 + 𝒏=𝟏 𝑵 𝑪 𝟎(𝟏 + 𝒈) 𝒏 (𝟏 + 𝒓) 𝒏 Dónde 𝑪 𝟎 es el flujo de caja correspondiente al año inicial.
  13. 13. El valor intrínseco Haciendo un poco de algebra, para 𝑁 suficientemente grandes podemos aproximar 𝑽 ≈ 𝑽 𝑨 + 𝑪 𝟎 𝒓 + 𝒏=𝟏 𝑵 (𝟏 + 𝒈) 𝒏−𝟏 (𝟏 + 𝒓) 𝒏 Dónde 𝑪 𝟎 𝒓 corresponde al “Earning power” 𝑉𝐸 y el tercer término correspondería al “Growth value” 𝑉𝐺
  14. 14. El growth value 𝑉𝐺 - Si 𝑔 es cero, 𝑽 𝑮 es cero también - Si 𝑔 es negativo, 𝑽 𝑮 va a ser también negativo y puede llevar a cero el valor intrínseco total - Para valores grandes de 𝑔 − 𝑟 , tenemos crecimiento exponencial 𝑽 𝑮~[1 + 𝑔 − 𝑟 ] 𝑁 - En general,el valor 𝑽 𝑮 es extremadamente incierto y muy sensible a nuestras suposiciones sobre el comportamiento de 𝑔 y 𝑟 a largo plazo. 𝑽 𝑮 = 𝒏=𝟏 𝑵 (𝟏 + 𝒈) 𝒏 −𝟏 (𝟏 + 𝒓) 𝒏
  15. 15. El valor intrínseco Por tanto tenemos 𝑽 ≈ 𝑽 𝑨 + 𝑽 𝑬 + 𝑽 𝑮 - 𝑽 𝑨 puede ser calculado con un error relativamente pequeño 𝒅𝑽 𝑨 por alguien competente - 𝑽 𝑬 : la mayor dificultad reside en determinar 𝐶0 y 𝑟; - 𝑽 𝑮, donde pequeñas diferencias en los parámetros se amplifican de manera exponencial: los resultados pueden variar órdenes de magnitud. - Luego, en general 𝒅𝑽 𝑮 ≫ 𝒅𝑽 𝑬 > 𝒅𝑽 𝑨
  16. 16. El valor intrínseco Luego, un inversor ”value”, que tome en cuenta las incertidumbres de la estimación del valor intrínseco tenderá a buscar empresas que - Tengan 𝑽 𝑨 alto con respecto al precio de mercado y fácil de valorar (De ahí la tendencia a comprar empresas con 𝑃 𝐵 bajo y los “net-nets” de Graham) - Tengan 𝑽 𝑬 alto (Empresas con múltiplos, como 𝑃 𝐸 y 𝑃 𝐹𝐶𝐹 bajos) - Tengan 𝑽 𝑮> 𝟎, claramente (calidad) - Opcionalmente; que tengan 𝑽 𝑮 alto y 𝒅𝑽 𝑮 pequeño (“Fosos”, Buffett & Munger) Las “value traps” son empresas con 𝑽 𝑨+ 𝑽 𝑬 alto, pero con un 𝑽 𝑮 que resulta ser negativo. El “growth” son empresas para las que se extrapola un 𝑽 𝑮 que crece exponencialmente, así que 𝑽 𝑨 y 𝑽 𝑬 son prácticamente irrelevantes.
  17. 17. Principal ventaja del value investing Los inversores value son conscientes de las incertidumbres de cada uno de los componentes del valor. Eso ayuda a evitar trampas “Talebianas”, generando una distribución de retornos con asímetría positiva que reduce el riesgo de grandes retornos negativos y explica quizás porqué la volatilidad a largo plazo es más baja. Con el value investing bien aplicado (diversificación, etc.)es muy difícil tener pérdidas permanentes de capital. Ésa es la esencia de la genialidad de Graham y explica porqué muchos inversores no particularmente aventureros tiene niveles mucho más altos de exposición a fondos value de renta variable de lo que harían con otros estilos. Y porqué resisten bien las caídas psicológicamente.
  18. 18. Desventaja: el problemático Mr. Market El value investing supone que el precio del mercado 𝑃 fluctúa aleatoriamente, sin reflejar necesariamente el valor 𝑉, y que a largo plazo 𝑃 → 𝑉. Sin embargo sabemos que los mercados son, sino totalmente eficientes, sí muy eficientes la mayor parte del tiempo y para la mayor parte de los activos. Además, estas suposiciones, aunque fueran correctas, no toman en cuenta el tiempo 𝑡 que 𝑃 necesita para converger hacia 𝑉. El retorno absoluto de una inversión acertada será 𝑉 𝑃 − 1, pero el retorno anual será 𝐶𝐴𝐺𝑅 = 𝑉 𝑃 1 𝑡 − 1 Es decir, si el tiempo 𝒕 es muy largo, aunque la inversión acierte el retorno puede ser inferior al del mercado. Por eso en la práctica los inversores value clásicos buscan un “catalizador” que acelere dicha convergencia.
  19. 19. Desventaja: el problemático Mr. Market • Como veíamos antes, la estimación del growth value 𝑉𝐺 depende enormemente de las expectativas a largo plazo para 𝑔 y 𝑟 • Si la mayoría de los inversores se encuentran en un estado de ánimo eufórico, optimista, tenderán a asignar valores muy altos a 𝑔 y relativamente bajos a 𝑟 (que no sólo representa el coste de capital sino que también se puede interpretar como una forma de incluir la incertidumbre) considerando además que esta situación se mantendrá durante mucho tiempo. • En ese entorno, los precios relativos de los activos en los que 𝑉𝐺 pesa mucho (que casi por definición suelen ser los que tienden a evitar los inversores value) subirán mucho más que el resto. • Así que además del comportamiento bipolar de Mr. Market a corto plazo (1-3 años), hay periodos largos en las que el value puede hacerlo peor que el mercado. • Pero esa situación siempre se ha revertido (al menos desde que hay datos sobre los mercados)
  20. 20. Value (factor) investing cuantitativo • Los datos que podemos medir de una acción (earnings, FCF, Book value, volatilidad,etc.) definen un espacio en N-dimensiones. Se puede representar el mercado como una distribución de puntos en ese espacio. • Normalmente se utilizan ratios, bien dividiendo por el precio de mercado o por el enterprise value • Algunas características cambian sólo cada vez que se publican nuevos resultados • Las que incluyen el precio lo hacen continuamente. V Q M
  21. 21. Value (factor) investing cuantitativo • Hipótesis 1: Hay zonas de ese espacio de parámetros en las que, probabilísticamente, las acciones dan retornos mejores a los del mercado en una escala de tiempo 𝑡. Y zonas en las que dan retornos inferiores. • Hipótesis 2: Esas características del mercado son permanentes y estables a largo plazo (sabemos que no lo son a corto-medio) • Corolario: Estudiando el pasado podemos predecir, en el sentido probabilístico, el futuro. V Q M
  22. 22. “En el sentido probabilístico” Toda decisión de compra (o venta) de una activo es una apuesta (recomiendo leer “Thinking in bets” de Annie Duke). Si está bien informada y razonada, es una inversión. Si no lo es, se trata de una especulación (aunque la frontera es fina y discutible). Si llamamos 𝑅 al retorno esperado, 𝐷 a todos los datos que tenemos sobre una acción, e 𝐼 a nuestra información a priori, es decir aquello que sabemos y es relevante a la decisión, pero no está incluido en 𝐷, queremos calcular 𝑃(𝑅|𝐷, 𝐼) Es decir, la probabilidad de 𝑅, tomando en cuenta los datos 𝐷 y la información a priori 𝐼 Al ser una probabilidad, normalmente no tenemos certeza de que el retorno de la transacción sea positivo. Pero si esta probabilidad está razonablemente calculada, el retorno promedio < 𝑅 > a largo plazo será mayor que el del mercado.
  23. 23. ¿Qué son los factores?¿Funcionan? ¿Por qué?
  24. 24. • El value no es la única estrategia posible. Es una más en la caja de herramientas. • De hecho los retornos de muchos de los grandes inversores value se deben tanto o más a factores como el low-risk o quality que al value. • Esto encaja bien con lo que veíamos antes: casi tan importante como buscar acciones con 𝑃 < 𝑉 lo es asegurarse de que 𝑑𝑉 está acotado.
  25. 25. VALUE no es la única estrategia posible. Es una más en la caja de herramientas.
  26. 26. Del value “clásico” al value ”quant” • Como hemos visto anteriormente, una aplicación sistemática del value investing clásico va a generar una cartera de empresas que, en promedio, tendrán ratios como 𝑃 𝐸, 𝑃 𝐹𝐶𝐹 y 𝑃 𝐵 más bajos que el mercado, e indicadores de calidad más altos. • Cabe preguntarse si el éxito de los inversores value clásicos no se debe, en lugar de a lo certero de su análisis de empresas individuales, al hecho de “pescar” en una zona o nicho del mercado en el que tienden a producirse subidas de los precios en un intervalo de tiempo razonablemente corto. • El primero en darse cuenta de esto (como de casi todo lo que tiene que ver con el value) fue Ben Graham, que propuso varias “screens” para seleccionar acciones de manera automática que, aunque de capacidad limitada y alta volatilidad, siguen proporcionando rendimientos en exceso muchas décadas después.
  27. 27. QUANTUM FUND (SOROS) Superstar Investors, Jordan Brooks, Severin Tsuji, and Daniel Villalon
  28. 28. Peter Lynch
  29. 29. LOS QUE NO CAMBIAMOS SOMOS LOS SERES HUMANOS QUE OPERAMOS EN ELLOS
  30. 30. Influencia Probabilidad (Prior+Evidencia) Realidad ModeloGrupo Influencia
  31. 31. ¿Por qué funcionan los factores? A diferencia del mundo natural, en finanzas no basta con entender y modelar correctamente la realidad objetiva “material” (medir el valor intrínseco, por ejemplo) También hay que modelar el comportamiento de los inversores, tanto profesionales, como algorítmicos y particulares (“reflectivity”; “second order thinking”, etc.) La valoración fundamental es, a su manera, sencillo (pero no fácil). Parece suficiente con usar aritmética simple + margen de error (margen de seguridad). Modelar el comportamiento de los partícipes de los mercados es mucho más complejo. Intuitivamente, parece un sistema no-lineal con retraso (¿Caos dinámico?)
  32. 32. ¿Por qué funcionan los factores? En primera aproximación, dentro de las componentes de un método multi-factor, Value y Calidad intentan modelar la realidad objetiva de las empresas bajo estudio; El Momentum intenta incluir el efecto del comportamiento del grupo. A largo plazo, la realidad siempre se impone. Pero esperar a que decida manifestarse no siempre es factible. El Momentum, que siempre se adapta al mercado, es la principal protección ante las “irracionalidades” del mercado de larga duración. Value y Calidad son el ancla que evita que nos desviemos demasiado de la realidad objetiva.
  33. 33. Objetivo: generar la máxima rentabilidad posible a largo plazo con volatilidad y caídas inferiores al índice. ¿Cuál es la mejor manera de resolver el problema este problema, desde un punto de vista matemático, tomando en cuenta los datos empíricos? https://www.abanteasesores.com/fondo/abante-quant-value-small-caps-fondo-de-inversion/
  34. 34. Estrategia del fondo • Explotar los factores con mejor evidencia empírica: • Han funcionado durante muchas décadas (siglos) • Siguen haciéndolo tras ser “descubiertos”. • Al diseñar la implementación de los factores, primar la robustez por encima de la “falsa” optimización. El modelo ha de ser tan sencillo como sea posible, pero no más sencillo de lo necesario (lo cual excluye las técnicas econométricas, demasiado simplistas, y también los modelos de ML a lo “caja negra” con poca transparencia, que a menudo no permiten entender qué se está haciendo y hacen difícil incluir información útil externa). • Originalidad: usar un sistema propietario. • Para conseguir los objetivos del fondo, hay que centrarse en tres aspectos fundamentales. • Seguridad. Entendida como limitación de la volatilidad y protección ante posibles caídas. Las propias acciones seleccionadas y el proceso de compra/venta ofrecen una fuerte protección ante la volatilidad de los mercados • Rentabilidad. Todos los parámetros que usamos empujan en la misma dirección: incrementar la rentabilidad del fondo a largo plazo sin incrementar su riesgo. • Liquidez: Al tratarse de un fondo de Small Caps, la operativa diaria gira en torno a la liquidez de las posiciones. Esencial desde un punto de vista práctico.
  35. 35. Quant Value Small Caps Metodología: • Definir, mediante un algoritmo que combina 30 parámetros, la selección de acciones value (en el sentido relativo) • V: Baratas estadísticamente. • Q: Solidez financiera. • No son necesariamente acciones con “foso”, o calidad en el sentido de Buffett. • Nuestra definición de value tiene una fuerte correlación con definición ”clásica”, pero puede divergir de ella en acciones individuales. • Tampoco se buscan las acciones más baratas del mercado, que suelen tener problemas que lastran su rentabilidad (e incrementan su volatilidad)
  36. 36. Quant Value Small Caps Métodología: • Momento (M): definimos un indicador combinando 15 parámetros. • Nuestra definición correlaciona, pero no es necesariamente la estándar. • Combinamos V,Q y M de forma que el resultado son las acciones value con las mejores características de momento. • El “momentum” es esencial para librarse de ”value traps” y para anticipar grandes movimientos bursátiles. • El resultado de todo el proceso son acciones baratas, sólidas y que gustan, o empiezan a gustar, al mercado.
  37. 37. Quant Value Small Caps Operativa del fondo • Cada día examinamos 45 indicadores de ~12000 compañías, más de 500,000 datos en total • De las 12000 compañías solo el ~0.1% mejor se consideran compras potenciales • Se analiza en detalle cada una de las acciones seleccionadas por el algoritmo para asegurarnos de su adecuación al modelo. • El tamaño de la posición inicial se basa estrictamente en la liquidez de la acción. Nunca sobrepasamos el 2.5% del tamaño del fondo al comprar y vigilamos la liquidez de cada compañía continuamente. • La operativa está cuidadosamente optimizada para limitar los costes de transacción tanto debidos a comisiones como a spreads. • La compra y venta de acciones se produce en pequeñas cantidades, de manera continua. continua. Si no hay acciones atractivas para comprar, el fondo comienza a irse a (protección).
  38. 38. Comienzo del fondo Diferencial ABQUAVS respecto a media de fondos value
  39. 39. ¿Qué le está pasando al value? ¿Cómo va a evolucionar?
  40. 40. LA PEOR RACHA DEL VALUE; SOLO IGUALADA HACE 106 AÑOS
  41. 41. Invertir en Value Small Caps: una buena idea a largo plazo Growth Large Caps 9.69% annualized Value Small caps (20%-40% quantile) 14.24% annualized
  42. 42. Ratio 3yr rolling returns Small Cap Value / Large Cap Growth Mínimo desde hace 90 años (!!)
  43. 43. Durante los últimos 90 años, el Small Cap Value NUNCA ha estado por debajo el nivel actual de underperformance. Cada vez que se ha acercado a esta posición (el 4% inferior) ha rebotado, superando al Big Cap Growth por un 17% anualizado durante los siguientes 7 años. Está usted aquí UNA DE LAS MEJORES OPORTUNIDADES PARA INVERTIR EN UN SIGLO
  44. 44. ¿Por qué surge esta oportunidad? • Para un inversor particular es perfectamente factible seguir siempre un estilo value, protegiendo su capital de pérdidas permanentes, aunque a veces lo haga peor que la media del mercado; para un inversor institucional típico es increíblemente difícil, porque implica mantenerse por debajo del mercado durante períodos largos de tiempo: hay un alto riesgo profesional. • Para hacerlo mucho mejor que el mercado, no basta con acertar; hay que acertar cuando la mayoría se equivoca. Eso ha ocurrido en pocas ocasiones a lo largo de la historia. ¿En qué se equivoca la mayoría?
  45. 45. EL GRAN ERROR DE LA MAYORIA DE LOS INVERSORES: PENSAR QUE LA INVERSIÓN EN EL ÍNDICE ES SIEMPRE UNA BUENA IDEA A LARGO PLAZO INDEPENDIENTEMENTE DE LA VALORACION
  46. 46. Conclusiones - Un método cuantitativo de selección de acciones puede superar sistemáticamente a los fondos value tradicionales gracias a la explotación de factores adicionales, sin incrementar la volatilidad y sin sacrificar la exposición al value. - A la hora de diseñar el método es esencial la experiencia en métodos y algoritmos probabilísticos. Los métodos econométricos clásicos (regresiones, etc.) son demasiado simplistas para explotar la riqueza de estructuras en el espacio de parámetros del mercado y el ML, mal aplicado, puede resultar en “blow ups” como en ejemplos pasados. - Estamos probablemente ante uno de los mejores momentos en la historia de las bolsas (1-2 siglos) para invertir en acciones value, en especial en small caps.

×