Categorías
Quant investing

Súper Screeners vs. Screeners gratuitos.

-Un mes después.-

Ha pasado aproximadamente un mes desde que lanzamos Qtzpa y los Súper Screeners. Hoy comparo los resultados de todos los Screeners que ofrecemos en la web en tres supuestos diferentes. 

LOS SUPUESTOS

¿Y si hubiese comprado las 20 primeras posiciones?

¿Y si hubiese comprado las 10 primeras posiciones?

¿Y si hubiese comprado las 5 primeras posiciones?

LA EXPLICACIÓN

Todos sabemos que los Súper Screeners y sus hermanos pequeños los Screeners gratuitos son un producto “sui generis”. 

Se diferencian de los Screeners tradicionales en que sus criterios de búsqueda están cerrados. El usuario no puede modificarlos. 

Los resultados de los Screener están ordenados por un número de ranking o rank. 

A mayor número de ranking, mayor semejanza o compatibilidad con los factores que analiza y estructura el Screener. 

Una empresa con número de ranking 98 se acercará más al espíritu e idea detrás del Screener que una empresa con número de ranking 87. 

Otra de las características que los hacen especiales es que cada Screener asocia varios Backtest. 

Por primera vez sabes, de forma fiable, que les ha pasado los últimos 22 años a empresas de similares características a las que encuentran nuestros Screeners. 

Aparte de esto también realizamos un seguimiento de cada Súper Screener y Screener gratuito en varios supuestos. 

Los supuestos responden a la pregunta:

¿Y si hubiese comprado las primeras posiciones de X screener?

Esto lo analizaremos a partir del rendimiento anualizado*. 

¿Por qué?

Es la medida que aparece en las simulaciones agrupadas, y las puedo comparar fácilmente. Si, a mí también me gusta que me faciliten el trabajo. 

*Hay que recordar que el rendimiento anualizado solo es el rendimiento de x periodo de tiempo extrapolado a un año, y nada tiene que ver con el rendimiento anual, que solo se puede valorar después de que haya pasado un año. 

Por ejemplo, tenemos un Súper Screener (Prime Momentum) que su rendimiento anualizado actual es del 249 %. 

Pero claro, cuando te quedas con el tiempo REAL que ha pasado desde su inicio el rendimiento es del 9 %, que es bastante menos. 

Aunque si lo comparas con el rendimiento del S&P500 en el mismo periodo, un negativo -1.41%, pues esta bastante bien.

EL RESULTADO

Screeners gratuitos 20 posiciones

Súper Screeners 20 posiciones

Screeners gratuitos 10 posiciones

Súper Screeners 10 posiciones

Screeners gratuitos 5 posiciones

Súper Screeners 5 posiciones

LA CONCLUSIÓN

Resulta curioso comprobar cómo cuanto más se reducen las posiciones, más sostenido es el rendimiento posible. 

Sobre todo en los Súper Screeners, dónde todas las posibles carteras, con solo las 5 posiciones superiores se comportan de forma muy sólida.

También es reseñable cómo se habría comportado del Screener gratuito Dividend, que encuentra las mejores acciones que reparten dividendo del mercado. En todas las variables de posiciones ha tenido un rendimiento bastante bueno. 

Esto me ha recordado un artículo que escribí hace años en Rankia sobre cómo protegerse en caso de caídas de mercados (recordemos que este pasado mes los mercados han estado cayendo). 

La conclusión de ese artículo era que las acciones que reparten dividendo eran una buena protección. Parece que el Screener Dividend me da la razón.

Pero… 

Vamos a comparar todos los resultados anteriores con algo CONOCIDO. Más que nada para tener una referencia clara con la que comparar el resultado de todos Screeners. 

¿Cómo le ha ido al S&P500 durante el mismo periodo de tiempo y con las mismas condiciones?

Ooooppsss… vaya.

Un Qtzpa-abrazo a todos. ; )

Categorías
Factores cuantitativos Quant investing

Screeners como herramientas de inversión.


¡Mejora la toma de decisiones y benefíciate de las capacidades de los métodos cuantitativos de inversión sin complicaciones!

Los Screeners son una herramienta de inversión muy potente. Permiten simplificar complejas búsquedas de forma rápida e intuitiva, y sus resultados generan una base para mejorar la toma de decisiones de inversión. Pero como todas las herramientas, son muy útiles para una tarea concreta, y no tanto para otras. Intentar clavar un clavo con un abrelatas en vez de con un martillo no parece muy práctico; por otro lado, no me gustaría tener solo un martillo para abrir las conservas.

Por eso queríamos ser muy transparentes con las ventajas y limitaciones que tienen los screeners. Así podrás saber si es lo que estás buscando y si puedes beneficiarte de todas las ventajas que tienen.


¿Qué es un screener?


Los screeners son herramientas de búsqueda de acciones, y ofrecen como resultado una lista de las empresas que cumplen las características elegidas. Para poder realizar esa búsqueda, los screeners precisan de una base de datos sobre la que buscar, y unas reglas que sería el qué buscar. Como output, los screeners devuelven una lista con el resultado de la búsqueda.
Hemos mencionado ya los puntos claves de los screener: Las reglas de búsqueda, la base de datos y el resultado (la lista).
Cada uno de estos puntos es clave a la hora de evaluar el valor de un screener. Por eso, vamos a ir viéndolos uno a uno y analizando su importancia.

Reglas de búsqueda.


Las reglas de búsqueda son el elemento diferencial, probablemente, lo más sensible a la hora de evaluar lo que un screener te puede aportar o no. Consiste en las características que buscas en las base de datos, de forma que la lista final o el resultado del screener serán acciones que cumplan las reglas.
Por eso, hay que pensar detenidamente qué es lo que queremos buscar y porqué. El objetivo de los screeners de inversión es encontrar acciones que cumplan una serie de características que se traduzcan en mejor rentabilidad y menor riesgo que el resto del mercado. Así escrito parece simple, pero la realidad es que estas características pueden ser muy variadas, y no tan sencillas de definir.
Llegados a este punto, entraríamos en lo que se conoce como Factores de inversión. Los factores de inversión son las características de las acciones. La industria de la inversión lleva muchos años buscando estos factores que a largo plazo dan mejor rentabilidad, mejorando las definiciones, ampliando la lista e investigando para encontrar los mejores. Conceptos como Value o Momentum, no son más que factores que responden a buscar acciones que estén baratas respecto a las demás (value) o que estén en una tendencia alcista en los precios (momentum). Como véis, muchas características son muy conocidas. Otras no tanto.
Por otro lado, las definiciones de los factores son más simples que su aplicación práctica. Decir que una empresa esté barata es más sencillo que definir “barato” mediante ratios y valoraciones en libros, posición en el mercado, etc. Por eso, las reglas de búsqueda primero necesitan definir qué vamos a buscar, y luego cómo vamos a buscarlo. Ese desarrollo no es sencillo, es personalizable, y ha de basarse en backtests. Todos conocemos los peligros de los backtests, por eso nosotros los hemos estudiado intentando minimizar al máximo el overfitting (sobreoptimización) para que los resultados futuros respondan a lo que hemos buscado, y que los backtests no sean fruto de la casualidad.
El diseño de los screeners está sustentado en estudios estadísticos, muchas horas de prueba y error, lecturas incontables de documentación académica y de inversores, pero sobre todo, la experiencia propia.
Sabemos de la importancia de una buena definición de las reglas de búsqueda, y ha sido un elemento clave a la hora de generar los backtests.

Base de datos.


La base de datos es el otro elemento fundamental que añade valor a los screeners. El dónde buscar es lo que permite que las reglas realmente despeguen todo su potencial. Por eso, el tener una base de datos amplia, tanto en número de acciones disponibles como en los datos accesibles para esas empresas, es un elemento fundamental del éxito de los screeners y de su valor añadido.
Sin embargo, hay otras cosas que mirar para evaluar la validez de una base de datos. No es solo cuestión de tamaño, si no de calidad en diferentes aspectos.
Lo primero que viene a la mente es la calidad de los datos disponibles. Que los datos sean los correctos es obviamente algo clave. Cuando se manejan bases de datos grandes, cuidar la calidad no es una tarea sencilla, y por tanto es un valor para tener en cuenta.

Otro punto fundamental es que los datos estén homogeneizados. Es decir, que signifiquen lo mismo en todos los casos. Por ejemplo, si a la hora de medir los beneficios de dos empresas, utilizamos formulas diferentes, no podremos compararlas correctamente. Esto parece obvio, pero no lo es en absoluto. Muchas empresas hacen publicaciones y declaraciones sobre diferentes métricas de beneficios o deudas, pero utilizando las fórmulas que les convienen en cada momento. Tener en la base de datos, todas las métricas calculadas de la misma forma es algo clave a la hora de poder desplegar los screeners sobre ellas.
Por último, hay dos sesgos especialmente peligrosos a la hora de trabajar con una base de datos. No tanto para los screeners, si no para los backtests y el estudio de rendimiento de los los mismos: Sesgo de supervivencia y sesgo de filtración a futuro.
El sesgo de supervivencia se da en esas bases de datos donde las empresas que actualmente no están no aparecen en el pasado tampoco. Si yo quiero estudiar cómo se comportó mi metodología de inversión en años anteriores, tengo que poder analizar en que empresas habría invertido en esos años. Eso puede incluir empresas que han quebrado, que se han fusionado o que han caído mucho y se han sacado del índice.
El sesgo de filtración a futuro se da en la disponibilidad de los datos erróneamente introducidos. A la hora de mirar métricas en el pasado, es importante saber cuando esas métricas estaban disponibles para el inversor, porque si no, no reflejará la realidad de lo que hubiera ocurrido en el pasado. Así pues, los resultados del primer trimestre de una empresa no estarán disponibles hasta algún punto en el segundo trimestre, y eso es importante tenerlo reflejado en la base de datos a la hora de realizar los backtest.
Las herramientas que utilizamos para el estudio de los factores y el diseño de screeners, tienen una base de datos de una calidad altísima, diseñada para clientes institucionales debido a su coste y tamaño. Eso nos garantiza que la calidad es la mejor posible, en todos los aspectos.

Output.


Finalmente, el resultado del screener. En general, tener una sola lista de acciones sin más información suele ser un error. A nosotros nos gusta saber por qué una acción ha sido elegida, cuales han sido los cambios en sus métricas que le han llevado a escalar hasta las posiciones altas.
Tener la información de las empresas seleccionadas es importante a la hora de garantizar que los resultados del screener son los esperados y son de vital importancia para ayudar a la toma de decisiones de inversión final.

Valor añadido de los screeners de QZTPA


Quant: Los screeners proporcionan una base cuantitativa sobre la que tomar decisiones de inversión. Nosotros consideramos que seguir al máximo las reglas de un sistema cuantitativo aporta más beneficios, que seguirlas parcialmente. Sin embargo también somos conscientes del valor de la experiencia a la hora de tomar decisiones. Por tanto, los screeners aportan una selección de empresas basadas en una serie de características cuantitativas, que o bien usadas de forma integra o bien como inteligencia aumentada, tienen un valor muy alto.

Sencillez: Los screeners son, en definitiva, herramientas muy sencillas, tanto de entender como de utilizar. Esta sencillez es un punto clave. No todos los inversores tienen tiempo para poder dedicar a su cartera de inversión. Hay que adaptar la inversión al estilo de vida de cada uno, y no al revés. Esto supone una ventaja para muchos inversores con el recurso del tiempo limitado. Además, esta sencillez se da en el conocimiento también. Entender como funcionan los screeners y que características buscan y porqué las buscan es mucho más accesible que si todos los inversores tuvieran que diseñar, testear, validar y operar los screeners. Ese trabajo viene ya hecho por nosotros y el inversor solo necesita sentirse cómodo con el proceso y entender el output.

Metodología: La metodología utilizada para diseñar los screeners está apoyada por mucho estudio y trabajo detrás. Creemos que es el mayor valor añadido que podemos aportar. Simplificar horas y horas de trabajo en los resultados de un screener, de tal forma que beneficiarse de un método sólido de investigación y trasladarlo a una cartera de inversión sea más fácil que nunca.

El mercado online de screeners es muy amplio. Hay muchas webs que te permiten generar screeners o que publican resultados. Nuestra intención es aportar el valor añadido en todos los puntos del proceso. En el diseño cuantitativo, en el soporte al usuario y en la sencillez del output para que sea accesible a gente que no tiene el tiempo suficiente para poder desarrollar metodologías cuantitativas.

Si estás buscando exponerte a factores o incluir metodologías cuantitativas en tu cartera de inversión, los screeners pueden ser una puerta de entrada que te ayude a mejorar la toma de decisiones de una forma comprensible y sencilla de aplicar.

Categorías
Quant investing

Caníbales

Hace un par de días “surfeando” por internet di con la web de Monish Pabrai… Ya sabéis, ese tio un poco barrigón, cara de hindú, mostacho poderoso, colega de Warren Buffet, que gestiona fondos y tal.

El tipo tiene un apartado en su web al que le llama “Free Luch portafolio”*, y ahí lista una serie de acciones en base a una estrategia que según el tiene un retorno del 17% anualizado, de media.

*http://www.chaiwithpabrai.com/blog/2019-free-lunch-portfolio

La estrategia se basa en comprar cinco empresas que recompran sus propias acciones de forma agresiva. Y combina esta estrategia con otras dos, con lo que al final tienes que comprar 15 empresas, las que te lista, y mantenerlas durante un año, no matter what happends until then.

Lo de comprar empresas carnívoras o caníbales, ya lo había leído en otras partes, Munger o Greenblatt lo recomiendan, pero…

¿Funciona?

¿Tiene algún tipo de sentido?

¿Se puede basar una estrategia SOLO en este factor?

¿Podemos creernos todo lo que diga un GURU en internet?

Así que hice un par de simulaciones, bastante frustrantes, en las que ni por asomo batía al mercado.

Presa de un ligero desaliento acudí a foros USA, a quejarme, que es lo que hago cuando voy ligeramente perdido. Y ahí, un amable señor me indico un articulo de la revista Forbes* de Janet Novack, que justamente habla sobre este sistema, y encima el articulo desgrana el sistema, punto por punto. Os recomiendo su lectura.

*https://www.forbes.com/sites/janetnovack/2016/12/22/move-over-small-dogs-of-the-dow-here-come-the-uber-cannibals/

Llamadme vago, pero me encanta cuando me dan el trabajo hecho.

Solo quedaba implementarlo, y de eso, y los resultados obtenidos es justamente de lo que va la segunda parte de mi articulo de hoy.

LA ESTRATEGIA

  • Hacemos un ranking con las empresas que más acciones propias están recomprando.
  • Market cap mayor de 100 millones.
  • Price to sales ratio menor de 2.5 durante los últimos 12 meses.
  • No tocar las aseguradoras ni con un palo.
  • Tanto por ciento de cambio positivo en las ventas durante los últimos 12 meses superior a 5.
  • Tanto por ciento de crecimiento en las ventas durante los últimos 5 años superior a 20.
  • Rebalanceo cada 12 meses.
  • Solo compramos las 5 primeras acciones.
  • Escogemos las acciones entre las que constituyen el S&P500.
  • En el articulo, y el sistema original, del año 2016, hay una regla que resulta excesivamente restrictiva, e impide al sistema realizar compras. Es la regla que nos dice que la empresa tiene que haber reducido sus acciones actuales en relación al año anterior en un 3% como mínimo. La vamos a quitar y a suponer que al tener las empresas ordenadas de mayor recompra a menor, nos aproximamos a este criterio lo máximo posible.

EL ANÁLISIS

Backtest desde el 02/01/1999 hasta la actualidad.

Backtest desde el 01/01/2008 hasta la actualidad.

Backtest desde el 01/01/2008 hasta la actualidad con rebalanceo cada 3 meses.

LA CONCLUSIÓN

El sistema ha obtenido un rendimiento ampliamente superior al de su mercado de referencia, rozando el 16% anualizado de media, datos similares a los ofrecidos por el autor.

A cambio ha asumido un drawdown terrible, de un 65%. Lo suficiente para asustar al más curtido.

En cambio, sí modificamos las fechas de inicio del sistema, e iniciamos el estudio en el año 2008 la estrategia muestra un “Alpha Decay” acusado, curiosamente igual que muchas otras estrategias de grandes gurus, que funcionan muy bien en el pasado pero no a partir de 2008.

Por otro lado, Monish Pabrai ya avisa en su web que el sistema tiene que seguirse durante varias décadas, de forma ininterrumpida y con fe ciega para asegurar su “funcionamiento”, ya que habrá periodos en los que mejore el rendimiento obtenido por el mercado, y habrá otros en los que no lo hará.

Así que solo puedo concluir que si, comprar acciones “canibales” como única estrategia, con alguna regla de crecimiento en ventas añadida, ha ofrecido (en pasado) un rendimiento superior al mercado, aún así el drawdown y la actual falta de rendimiento la inhabilitan completamente como única estrategia de cartera.

¿Te ha gustado el artículo?

Pues espera a ver los resultados de los Súper Screeners.

Suscríbete en dos minutos.