“Un modelo de inversión no debe evaluarse basándose en la razonabilidad de sus suposiciones o la sofisticación de su análisis. Debe evaluarse en función de la utilidad de sus predicciones. El Backtesting es un proceso de evaluación del riesgo de un modelo de inversión cuando se aplica a una cartera en particular a lo largo del tiempo”.

Value at Risk, by Glyn A. Holton

 

Leer el libro on-line

 

El Backtest,

El backtest es una herramienta basada para testar modelos de inversión que permite a profesionales y particulares introducir investigación y análisis cuantitativo de vanguardia.

 

No es necesario ser un desarrollador altamente cualificado o “Quant”, para aprovechar las ventajas de las estrategias de inversión cuantitativas avanzadas y la ciencia de la información.

 

Ahora con zonavalue.com lo puedes hacer, de forma super intuitiva y para cualquier nivel de inversión, así como para cualquier estilo de inversión.

 

Aplicaciones del Backtest

 

Básicamente existen tres tipos de utilidades:

 

1. Analizar el riesgo de tus ideas de inversión.
2. Análisis de riesgo de modelos multifactoriales.
3. Crear un modelo de inversión con sentido.

 

Análisis de riesgo de tus ideas de inversión

 

Supongamos que tu cartera, dados tus sesgos de inversión, tiende a estar compuesta por empresas con bajos Precio /FCF porque has oído que ese ratio lo usan inversores famosos para determinar si una acción está cara o barata. Sueles invertir en Europa y no te gustan las empresas muy pequeñas (eliminas aquellas que cotizan por debajo de 50 millones), ni los “chicharros” que cotizan por debajo de un 1 euro.

 

La pregunta que nos puede resolver el Backtest es: qué sentido tiene usar el Precio/FCF para medir si una empresa está barata o no, en ese universo de acciones y bajo esas circunstancias.

 

Del mismo modo valdría para medir si otros ratios son igualmente útiles o no en el uso particular que tú pretendas darles; y no en la generalidad de los estudios que hayas leído sobre ellos y te hayan convencido.

 

Resultado de estudio con Backtest (2004 – 2018. Top30 del ranking equi-ponderado):

 

Rentabilidad Anual Media (CAGR): 6.51 %

Volatilidad: 30,857 %

Ratio Sharpe: 0,211

Ratio Sortino: 0,156

Valor inicial de la inversión: 100.000€

Valor final de la inversión: 257.693,87 €

 

No parece una gran idea usar ese ratio para determinar si una acción está barata.

 

Análisis de modelos multifactoriales

Los modelos multifactoriales son más complejos y muchas veces adolecen de overfitting (sobreoptimización) sin el conocimiento de sus usuarios.

 

Imaginar el caso de Pepe, que le gusta Paramés, Buffett, Piotroski, Greenblatt, Pabrai y se dice así mismo: “voy a usar fórmulas de todos ellos, así mi modelo será mejor que el de ellos por separado”. Y lo que hace es buscar acciones que cumplan con ese “popurrí” de fórmulas. Para ello usa screenings.

 

En principio podría tener sentido, pero en la práctica muy pocos modelos que usan muchos factores funcionan.

 

Utiliza el Backtest para testar el riesgo de usar conjuntamente diferentes fórmulas y si eso aumenta la rentabilidad a un coste de riesgo inasumible. En muchas ocasiones así sucede. Estos modelos suelen ganar menos de 1 euro por euro de riesgo asumido.

 

Imaginad que testamos el siguiente modelo:

 

Países

Alemania

EEUU

Holanda

Suecia

Austria

España

Italia

Suiza

Bélgica

Francia

Noruega

Reino Unido

Canadá

Grecia

Portugal

Sectores

Basic materials

Consumer Goods

Consumer Services

Healthcare

Industrials

Oil & Gas

Technology

Telecommunications

Dirección

Largo

Orden

Orden 1: EV/EBIT

Order 2: Retornos medios Capitales empleados (%)

Filtro de liquidez

Precio cierre mensual > 1

Condiciones

PER < 6

PER > 1

Market Cap > 1.000.000.000

Piotroski F-Score ≥ 7

Price Index 12m (%) < 0

NCAVPS/P (%) > 0

 

Este es un modelo que toca muchos palos. He considerado cosas como las que dice Pabrai de comprar a PER por debajo de 6 y con Price Index 12m negativos. También he tenido en cuenta el F-Score de Piotroski, también que las empresas tengan alta media de retornos así como que estén muy baratas según EBIT Yield.

 

Además por aquello de Value, por Value, consideré usar a Graham y su NCAV para comprar por debajo de sus activos netos corrientes.

 

Pues, tanto quise afinar que me pasé de vueltas…; mirar:

 

Resultado,

 

Rentabilidad Anual Media (CAGR): 8.37 %

Volatilidad: 53,651 %

Ratio Sharpe: 0,156

Ratio Sortino: 0,545

Valor inicial de la inversión: 100.000€

Valor final de la inversión:149.447,66 €

 

Me he pasado de listo…

 

El análisis de backtest nos puede ayudar a saber y entender que no por analizar más cosas, nos va a ir mejor. Lo importante no es analizar muchas cosas, sino analizar las importantes, y a entender qué cosas, nos puede ayudar el backtest.

 

En ejemplo utilizado, hubiéramos comprado el Top30 de la lista que resulta de ordenar de “mejor” a “peor” las acciones que cumplen todas estas condiciones; año a año, durante 15 años.

 

El resultado de ese experimento hubiera sido una rentabilidad del 8,37% anual medio, a un riesgo muy alto. En concreto ganamos 0,54 euros por cada euro de riesgo asumido.

 

Vamos, un auténtico desastre…; por mucho sentido que tengan esas fórmulas por separado, lo que está claro es que en conjunto no hacen sino que estropearse las unas a las otras.

 

Y ese tipo de desastres lo hace mucho el inversor de a pie, queriendo ser el más listo de su pueblo.

 

El backtest nos ayuda a ver y corregir semejante equívocos. Por tanto, no se trata de juntar un montón de fórmulas, sino de hacerlo con cabeza. Y esto lo vemos en la siguiente de las aplicaciones.

 

Crear un modelo de inversión con sentido

 

En este caso, vamos a testar un conjunto de factores y veremos cómo se benefician los unos de los otros. Esta sería una aplicación muy útil de backtest, para valorar la bondad de modelos de inversión.

 

Un modelo sencillo, y efectivo a través del tiempo.

 

Países

Alemania

EEUU

Holanda

Suecia

Austria

España

Italia

Suiza

Bélgica

Francia

Noruega

Reino Unido

Canadá

Grecia

Portugal

Sectores

Basic materials

Consumer Goods

Consumer Services

Healthcare

Industrials

Oil & Gas

Technology

Telecommunications

Dirección

Largo

Orden

Orden 1: EV/FCF

Order 2: ROIC – Return on Invested Capital (ROCE Greenblatt)

Filtro de liquidez

Precio cierre mensual > 1

Condiciones

Market Cap > 1.000.000.000

Cash Flow operativo por acción/precio (%) > 0

 

En este caso vamos a estudiar qué tal se comportaron las acciones que tenían bajos EV/FCF y altos ROIC que además tienen Cash Flow Operativo positivo. Que tienen una Market Cap superior a 1.000 millones y que no son penny stocks.

 

El resultado,

 

Rentabilidad Anual Media (CAGR): 19.22 %

Volatilidad: 23,412 %

Ratio Sharpe: 0,821

Ratio Sortino: 0,713

Valor inicial de la inversión: 100.000€

Valor final de la inversión:1.396.267,90 €

 

Mucho mejor resultado, lo que nos invita a buscar empresas que cumplan estas condiciones para luego decidir entre ellas con cuáles quedarnos para diseñar nuestra cartera.

---

---