Il Miglior Metodo Per Investire Sul Lungo Termine: Rate Quant Value Investing Algorithm

Rate Quant Value Investing
Value Investing – Approccio Quantitativo
Rate Quant Value Investing:
WeItalianSolution S.r.l. www.weitaliansolution.it

Sviluppo dello studio
- Riconfigurazione e commento delle più recenti evidenze statistiche da pg. 3 a pg. 51 -
Update delle Simulazioni periodo 2000>2015 da pg.51 a pg.
Obiettivo: approntare una metodologia Quantitativa su factors fondamentali, nell’ottica nobile di comperare aziende che rappresentino investimenti performanti nel futuro.
Investimenti così “buoni” che risentano poco delle fasi “psicologiche” del mercato, di situazioni geopolitiche e di fattori estemporanei. La metodologia è stata applicata con il preciso
intento di testarla sul Mercato Europeo. Analisi di questo tipo sono consolidate da molto tempo nell’universo investibile in dollari; molte meno sono le evidenze sui mercati Europei.
L’omogeneità delle regole della Globalizzazione porta ad una convergenza dei vettori che generano “Value”. L’analisi statistica mette in evidenza proprio questa convergenza.
In questa ottica la sfida è selezionare dei factors, fattori, che, meglio degli altri, sappiano intercettare il valore inespresso dato l’universo investibile.
Due fasi: il backtest si compone di due fasi: prima si testano i singoli factors, poi combinazioni di essi, anche invertendoli. Il risultato è una matrice molto completa e consistente. Si sono
testati anche metodi, molto famosi e consolidati in Usa, per paragonare i risultati ulteriormente.
Estratto dei risultati (studio estrapolato da: vedi References)
L’Analisi si propone di verificare la consistenza di un approccio Value, sui mercati europei; esaminare cioè quali fattori fondamentali si possano usare per ottenere rendimenti
significativi. Il periodo di back test è di 12 anni, dal 13 giugno 1999 al 13 giugno 2011. I fattori , factors-ratios, che abbiamo testato sono stati: Earnings yield
Free cash flow yield
Price-to-book
Price-to-sales
Piotroski F-score
Return on invested capital (ROIC)
Return on assets (ROA)
Net debt on Market Cap
Relative strength / price index

Non abbiamo solo testato il valore storico dei fattori ma, dove aveva senso, abbiamo provato anche la media a 5 anni per vedere se si fosse trattato di un indicatore migliore da utilizzare
per generare sovraperformance rispetto al mercato-benchmark. Quando si è trovato un fattore che ha mostrato forte sovraperformance, questo è stato testato, insieme con altri fattori,
per vedere se due fattori generassero ancora più sovraperformance rispetto al mercato. Proseguendo, abbiamo anche provato a testare due strategie di investimento, Magic Formula
e la ERP5 Strategy, per la loro capacità di sovraperformare il mercato, dimostrata oramai da moltissimi anni. I risultati sono conferma di studi precedenti ma anche di outcome specifici
molto sorprendenti e positivi.
Risultati utilizando un factor
Il singolo fattore migliore, per piccole/medie/grandi aziende, è il price-to-book ratio, che genera un rendimento medio annuo composto del 10,92% rispetto al 2,25% per il mercato nel
corso del periodo in analisi. Il secondo miglior factor è stato il 12 month free cash flow yield che ha generato un rendimento annuo composto del 10,87%.
Per le piccole aziende il miglior singolo fattore è stato il 6-month price index che ha generato un rendimento annuo composto del 11.91%. Il secondo fattore è stato il 12-month price
index, che ha generato un rendimento del 10,32%.
Per le aziende di medie dimensioni il fattore migliore è stato il price-to-book value , che ha generato un rendimento composto del 14,36% nel periodo. Il secondo fattore è stato il five
year average free cash flow, che ha generato un rendimento composto del 12,83%.
Per le grandi aziende il fattore migliore è stato il free cash flow yield , che ha generato una performance del 10,81% con, al secondo posto, l’earnings yield che ha generato un
rendimento composto di 10,64%.
Interessante da notare è che, con le piccole imprese, a differenza dellemedie e grandi, i fattori di valutazione non hanno ottenuto rendimenti migliori.
Delle due strategie di investimento testate, rileviamo come la ERP5 Strategy performi meglio, sia per le piccole aziende, della Magic Formula (rendimento composto del 12,95%
rispetto al 7,33%), sia sulle medie (rendimento composto del 11,76% rispetto al 9,05%) e sia anche sulle grandi imprese (rendimento composto dell’ 8,60% rispetto al 8,39%).
Risultati utilizando due factors
Con due factors i risultati prendono un boost molto positivo, portando un rendimento composto annuo del 23,5% rispetto al Mercato al 2,25%. Questo porta ad una performance
cumulata del 1.157,5% rispetto al 30,54% del Mercato, veramente impressionante. Questo è ciò che genera la combinazione del 6-month price index con il minore price-to-book value.
La cosa molto interessante è che le 10 migliori strategie two-factors hanno tutte un factor di momentum presente. Insomma, il momentum dell’acquisto è molto importante.
Questo non è immediato per il tipico investitore value. Probabilmente ciò è dovuto ad un cambiamento endogeno dei Mercati ma, quello che rileva, è riuscire a governare questo
cambiamento e sembra proprio che ciò sia possibile con factors di momentum. Ad esempio, l'undicesimo miglior risultato della strategia a due fattori è la combinazione 12month free

cash flow yield combinata con il price-to-book ratio che ha portato a un rendimento totale del 713,7%. Ottima ma, utilizzando la strategia migliore vista sopra, il ritorno sarebbe stato
11,57 volte il capitale iniziale a fronte di solo 7.13 volte. Una differenza enorme.
Introduzione
L’analisi esamina i fattori, factors, che hanno la più alta probabilità di battere il Mercato, usato come benchmark. Si utilizzeranno i factors singolarmente ed in combinazione verificando
e confrontando le performances di tutte le possibili soluzioni combinate.
Un fattore che ha ricevuto molta attenzione in passato, è la Strategia di investimento book-to-market. Gli studi di Lakonishok, Shleifer e Vishny (1994) e Fama e French (1992) hanno
dimostrato che l'acquisto di un portafoglio con alto book-to-market (basso rapporto prezzo-to-book) si traduce in sovraperformances rispetto al Mercato. Joseph Piotroski (2000) ha
esteso questa ricerca creando un proprio Piotroski F-score, un sistema su dati fondamentali che genera una classifica con un punteggio da 1 a 9, il massimo, che quando usato in
combinazione con un alto book-to-market (basso rapporto prezzo-to-book) mostra uno spostamento verso l'alto consistente nella distribuzione dei rendimenti.
Altri autori si sono concentrati su factors diversi. Joel Greenblatt sugli earnings yield e ROIC scoprendo che, riclassificando così i titoli USA, la sovraperformance, rispetto al benchmark,
fu del 23%. James O'Shaughnessy, focalizzandosi su altri factors come il price-to-sales, ha dimostrato che questi fattori contribuiscono a creare portafogli che sovraperformano il
mercato USA su base costante.
Gli studi di cui sopra sono stati effettuati utilizzando diversi sets di dati e periodi; quindi non è banale capire quali fattori o combinazione di fattori porti al miglior mix di mercato.
Il problema delle Emozioni
Nel suo libro,'The Big Secret for the Small Investor', Joel Greenblatt scrive che il migliore fondo azionario degli ultimi dieci anni ha guadagnato oltre il 18% annuo. Questo è impressionante
perché il Mercato, l'indice S&P 500, nel periodo in analisi, tra il 2000 e il 2009 aveva perso quasi l’1%. Tuttavia, l'investitore medio, nel fondo in oggetto, è riuscito a perdere 11% all'anno
sul periodo e cioè per quasi 10 anni. Come è possibile? Risposta: le Emozioni.
Dopo ogni periodo in cui il fondo performava negativamente, gli investitori riscattavano e dopo ogni periodo in cui il fondo performava positivamente, gli investitori sottoscrivevano
nuovamente. Gli investitori sembrano dimenticare che anche i più performanti gestori di fondi passano attraverso lunghi periodi di significativa sottoperformance e, dominati dalle
Emozioni, operano esattamente nella maniera perfetta per perdere le performances.
Utilizzare un processo standardizzato rigoroso, collaudato, e che miri ad essere investiti secondo una modalità razionale atta a puntare alla scoperta del Valore, Value: questo deve
essere l’obiettivo.
Questo non garantisce il successo, ma la procedura ha dimostrato la sua affidabilità nel tempo ed ha un'alta probabilità di successo.

La necessità di concentrarsi sul processo di investimento con la più alta probabilità di successo, piuttosto che il risultato, è prerequisito fondamentale. Questo perché i risultati di
investimento sono probabilistici, cioè non garantiti al 100% per definizione, ed anche se hanno una elevata probabilità di successo, rimane sempre la probabilità che il risultato sia
negativo. Tuttavia, solo se si investe utilizzando un sistema con un'alta probabilità di successo, l’applicazione dello stesso sistema smootherà le fasi negative ed inevitabilmente arriverà
a performances positive. Basta dargli un tempo sufficiente.
Determineremo esattamente quali factors si dovrebbero utilizzare per la selezione delle opportunità di investimento in modo da avere la più alta probabilità di sovraperformances
rispetto al Mercato-Benchmark.
Metodologia
Si usano solo dati contabili storici e non previsioni. Il motivo è che ci sono ampie prove statistiche che le previsioni degli analisti non sono un buon stimatore e, mediamente, portano
a decisioni di investimento sottoperformanti. Nel suo, 'The New Contrarian Investment Strategy', David Dreman menziona uno studio che ha utilizzato un campione di 67,375 stime
trimestrali di analisti per le società quotate sui mercati statunitensi. Dallo studio è emerso che l'errore medio delle stime in oggetto era del 40% e che le stime erano fuorvianti per
periodi pari a 2/3 del periodo temporale oggetto della stima stessa. Un fattore meno importante, ma non trascurabile, è che i dati contabili storici sono un dato a costo bassissimo.
Backtest
Il backtest è condotto su una media di circa 1500 aziende dell'Eurozona a 17 Paesi, su un periodo di 12 anni (13 giugno 1999-13 giugno 2011). Sono state escluse banche, assicurazioni,
fondi di investimento, REIT ed alcune aziende. Escluse aziende con un volume medio di scambi a 30 giorni inferiore a € 10k. Al fine di creare un portafoglio di Mercato per confrontare i
risultati, avendo escluso taluni tipi di società, abbiamo costruito un portafoglio di mercato sulla base delle 250 aziende maggiormente negoziate nel nostro universo di prova, nel corso
dei 30 giorni precedenti e ponderate per volume degli scambi in euro . Each year on 13 June the market portfolio was reconstructed with the then 250 most liquid companies, weighted
by trading volume (average over the previous 30 days before 13 June). Ogni anno, il 13 giugno il portafoglio di Mercato è stata ricostruito con le 250 aziende più liquide, ponderata per
volume degli scambi (media negli ultimi 30 giorni prima del 13 giugno).
Il portafoglio di Mercato così costruito risulta strettamente correlato con l'indice EURO STOXX. Nel corso del periodo di 12 anni dello studio, il portafoglio di Mercato ha generato un
rendimento del 30,54% o 2,25% all’anno, dividendi inclusi.

Il periodo di prova non è stato certamente un buon momento per investire in azioni.
Il periodo di 12 anni infatti ha incluso una bolla del mercato azionario (1999), due recessioni (2001-2003, 2008-2009) e due mercati orso (2001-2003, 2007-2009). A dispetto di tutti
questi movimenti, l'intero periodo è stato essenzialmente un mercato laterale, come Vitaliy Katsenelson l’ha definita nel suo libro, 'The Little Book of Markets Sideways' ed ecco le
tabelle annualizzate su giugno, che descrivono i movimenti del portafoglio di Mercato, il benchmark, nel periodo dei 12 anni oggetto del backtest:

Holding Periods
Ogni anno, come con il portafoglio di Mercato, tutti i portafogli che abbiamo provato sono stati costituiti il 16 giugno. Il 16 giugno è stato scelto perché la maggior parte delle aziende
europee a questa data rendono disponibili i dati dell’anno precedente ed i database saranno perciò aggiornati. I rendimenti annui per i nostri portafogli backtest sono stati calcolati
come la variazione di prezzo di 12 mesi più i dividendi percepiti nel corso del periodo. Ciò significa che ogni anno il rendimento del portafoglio (dividendi inclusi) viene reinvestito
(ugualmente ponderato) nella strategia l'anno successivo. I portafogli sono stati tutti costruiti su base on an equal-weighted basis.
Al fine di verificare l'efficacia di una strategia, abbiamo diviso il nostro universo di backtests in cinque gruppi uguali (quintili), secondo il fattore/i che vengono testati. Ad esempio,
quando si verifica un low price-to-book (PB) value strategy, il ranking è fatto dal meno caro (basso PB) al più caro (alto PB).
Il migliore 20% delle aziende, le più a buon mercato, saranno messe nel primo quintile (Q1), le successive nella seconda, e così via, con il 20% di aziende con il valore più alto price-
tobook cioè più care, nel quinto quintile (Q5).
Un buon fattore o una buona Strategia viene definita come quella in cui:
- Il quintile superiore (Q1) outperforma il quintile inferiore (Q5) nei 12 anni e

- ci deve essere una linearità dei rendimenti tra i quintili (quintile1 deve superare quintile 2 che deve superare quintile 3, fino al quintile 5) nel corso di ttutto il periodo di
test.
- La strategia deve anche costantemente sovraperformare il mercato nel corso del tempo. Abbiamo definito sovraperformance costante quando il primo quintile (Q1)
sovraperforma il portafoglio di Mercato per il 60% o più del tempo.
Così, in sintesi, si assicura che i fattori/strategie abbiano la maggior probabilità di segnalare rendimenti positivi e di battere il mercato e quanto forte o debole questa probabilità sia,
quanto consistent sia.
Al fine di determinare se la dimensione delle società abbia un effetto sull'efficacia di un test di un factors, è stato diviso l'universo backtest in tre gruppi in base alla capitalizzazione:
SMALL CAP - società con una capitalizzazione di mercato tra i 15 milioni di euro e 100 milioni di euro.
MID CAP - società con una capitalizzazione di mercato tra i 100 milioni e 1 miliardo di euro.
LARGE CAP - società con una capitalizzazione di mercato superiore a 1 miliardo di euro.
Single factor Strategies

Utilizzando solo uno dei factors abbiamo testato i seguenti factors:
- Value factors (earnings yield, free cash flow yield, price-to-book ratio e price-to-sales),
- Quality factors (Piotroski F-score, ROIC, ROA, net debt ratio), - Momentum factors (price Index/relative strength).
Si sono anche testate due strategie di investimento; the Magic Formula (MF) di Joel Greenblatt e spiegata nel suo 'The Little Book that Still Beats the Market' (ha fondato i Gotham
Funds) e la ERP5 Strategy sviluppata da MFIE Capital.
La combinazione di molteplici factors
Le dimensioni dei portafogli sono abbastanza grandi, su un universo di 1500 società, il portafoglio medio contiene 300 società per quintile. Naturalmente non è pratico avere un
portafoglio con un numero di aziende tale. Così nelle strategie a due fattori che abbiamo provato, abbiamo formato portafogli con 30 ad un massimo di 60 aziende per ogni quintile. Lo
abbiamo fatto prendendo il primo quintile del primo fattore che abbiamo testato (circa 300 aziende), scelte dal secondo fattore, e diviso in cinque portafogli quintile (300/5 = 60).
Testando i due fattori in questo modo si ha il vantaggio di individuare con precisione il fattore più forte e più debole, dovuto all'inclusione delle sole aziende del primo quintile.
Per le prove a due fattori, non abbiamo diviso l'universo in capitalizzazione di mercato differenti, perchè in tal modo non saremmo stati in grado di formare i portafogli con almeno
30-60 società.
Value Factors
Earnings Yield
Definito l’ earnings yield ratio (EY) come operating income/enterprise value lo abbiamo anche testato in due modi: trailing 12-month operating income diviso enterprise value, e 5year
average operating income diviso enterprise value. Thus the lower the EY, the more investors are paying for operating income and the larger their expectations of future growth of the
company. Così il basso è l’ EY, più gli investitori stanno pagando per il risultato operativo e e ciò implica che più alte sono le loro aspettative sulle prospettive future di crescita della
società.

Earnings Yield 12 months
Show/Hide details
Earnings Yield 5 year average
Show/Hide details
Earnings Yield 5 year average

Show/Hide details
Come si può vedere, il trailing 12-months EY è un factor molto performante (come lo abbiamo definito nelle definizioni) durante il periodo di test. I rendimenti del Quintile1 (Q1) sono
superiori al Q5 per tutte e tre le classi di dimensione aziendale: small, medium, large. È interessante notare che il fattore ha portato sostanzialmente migliori prestazioni con aziende di
medie e grandi dimensioni. Per le grandi imprese, Q1 ha sovraperformato il mercato più del 80%, ma solo il 67% del tempo, con le piccole imprese.
La sovraperformance rispetto al Mercato è stata notevole con Q1, per le aziende di medie e grandi dimensioni che hanno sovraperformato il Mercato, di oltre l'8% annuo (pa). Le piccole
imprese non hanno sovraperformato così bene ma, comunque, hanno generato una sovra performance rispetto al benchmark di oltre il 4,6% su base annua.
Il 12-months EY è la seconda strategia più efficace singol factor per le società ad alta capitalizzazione. The 5-year average EY non è così forte come fattore sul periodo di un solo anno.
Per tutte le size di società il quintile1, Q1 è risultato migliore rispetto al Q5, ma i risultati non sono compliant con la linearità (cioè Q5 con risultati migliori di Q4 per tutte le size aziendali).
Price-to-Book
Un’ azione con un basso price-to-book (PB) è a buon mercato, sulla base proprio del prezzo di acquisto del suo patrimonio netto contabile. Questo fattore non considera l’earning power
e presuppone che attività e passività della società siano correttamente valutate. Il price-to-book value era il ratio favorito di Benjamin Graham e dei value investors di quei tempi.
Nonostante i suoi difetti, PB è un buon factor che genera sovraperformance e funziona ancor meglio anche con altri fattori, come si vedrà in seguito.

Gli investitori che credono PB sia un fattore importante quando si cerca di buoni affari sono nel giusto. Questo poi è sicuramente vero per le società di media size, con Q1 che genera
sovraperformance di mercato del 12,1% annuo, e un Q5 che però sottoperforma il mercato dell'8,5% annuo. Per le altre size di società, il fattore è meno forte, meno indicativo, meno
solido. Tuttavia, per tutte e tre le size aziendali, ha generato una sovraperformance tra il 66% e il 75% del tempo durante il periodo di prova di 12 anni.
Di tutti i singoli fattori che abbiamo testato, una strategia a basso PB applicato a mid size compagnie ha portato al più alto rendimento, del 400,3% in 12 anni ed è quasi il 370% in più
rispetto al portafoglio di benchmark. Non ha funzionato invece, per società a grande capitalizzazione, ritornando solo il 203,6%, ed è stato anche meno performante quando applicata
alle piccole, ritornando il 172,5%.. Ad ogni modo nel corso degli 12 anni testati avrebbe comunque portato a ottimi risultati overall rispetto al benchmark, utilizzandolo come singolo
factor ma con le distinzioni relative alla size di cui sopra.
Price-to-Sales
Il price-to-sales (PSR) è un ratio più stabile del EY e viene usato per valutare aziende che magari momentaneamente non hanno earnings .
James O'Shaughnessy, nel suo 'What works on Wall Street', lo chiama il RE dei ratios e, nei suoi test, rappresenta il miglior performer tra tutti quelli da lui testati.
James Montier, nel suo paper 'Joining the dark side: Pirates, Spies and Short Sellers', usa il PSR per identificare i sovraprezzaggi su cui lanciare degli short (cioè per identificare società
la cui valutazione ha perso ogni contatto con la realtà).

Come si vede, questo è un forte fattore con ritorni lineari per tutte e tre le dimensioni aziendali. Tuttavia, non è così efficace con le piccole aziende sulla time line, dato che batte il
mercato solo per il 58% del tempo ed i ritorni del quintile Q1 non sono elevati come quelli di altri singoli fattori. Si vedrà poi come si possa combinare con altri fattori.
Free Cash Flow Yield
Free cash flow (FCF) yield definito come [(cash from operations - capital expenditure) / enterprise value]. Si è analizzato anche il trailing 12-month FCF yield ed il 5-year average FCF
yield.

Un rendimento elevato di FCF dovrebbe avere un forte potere predittivo sui rendimenti futuri. Il mercato ha difficoltà a prezzare il free cash flow ed a tradurlo in prezzo dell’azione per
cui il valore rimane nascosto. Inoltre è più affidabile perché meno manipolabile rispetto agli earnings .
12 mesi FCF Yield
Il rendimento generato dal 12-month trailing FCF è ottimo e consistente. Aziende con FCF elevato (Q1) superano aziende con FCF bassi (Q5) in modo coerente per tutte e tre le size
prototipo d’aziende, con la sovraperformance completamente lineare nel corso dei cinque quintili. Possiamo dire che il FCF sia particolarmente rilevante nel separare i vincitori dai
perdenti. Questo fattore di valutazione ha un forte potere predittivo per le midcap, meno per le piccole imprese.

5 Year Average FCF Yield
Anche se il rendimento, utilizzando il 5-year average FCF yield su midcap (terzo miglior singolo fattore che abbiamo testato) nel corso del periodo di prova, evidenzia una performance
superiore a quella ottenuta utilizzando il FCF a 12 mesi, i risultati per le altre size del campione sono molto più bassi. Come fattore inoltre non è consistente, non avendo linearità sui
cinque quintili, anche se il Q1 ha sovraperformato il Q5 con un margine consistente.
Quality Factors
ROIC
Molti investitori credono che il ROIC sia un metodo per identificare gli investimenti battendo il Mercato in quanto misura l'efficacia di una società nell’investire il capitale degli azionisti.
Sembra che non sia il caso. Nel suo libro 'What works on Wall Street', capitolo 14, James O'Shaughnessy testa il ROIC utilizzando una decile analysis e scopre che le aziende nel decile
più alto erano in media investimenti che sottoperformavano il Mercato. Sorprendentemente, il secondo e terzo decile hanno performato molto meglio contro il benchmark.
Definito il ROIC come [the past 12-months operating income divided by the sum of net working capital (current assets minus excess cash minus current liabilities) and net fixed assets
(total assets minus current assets minus intangible assets)], abbiamo testato ROIC sull’ anno, così come sulla media di 5 anni,. Ecco i risultati: 12 Month ROIC

5 Year Average ROIC

Similmente allo studio citato in precedenza, si sono riscontrati risultati misti. Le aziende con il più alto ROIC (Q1) non sempre performano meglio, e non c'era la linearità dei rendimenti
da Q1 a Q5. Così si può tranquillamente dire che un’ottima azienda, al momento presente, non sia automaticamente un grande investimento futuro.
ROA
Non si è solo testato il return on equity, ma anche il return on assets come fattore che possa generare sovraperformance rispetto al benchmark. Definito il (ROA) come [net profit after
tax divided by total assets], possiamo immediatamente intuire la fragilità del fattore come elemento per selezionare opportunità di investimento. Infatti aziende come gli automotive
necessitano di enormi asset di base mentre altre, come le software house, hanno attivi molto limitati. Ecco allora perché il confronto è poco significativo.
Non è uno stimatore affidabile per valutare se un’azione sia più o meno sottovalutata. Stridendo in modo evidente col nostro obiettivo.

Come si può vedere, il ROA non è un fattore molto efficace da usare per selezione i titoli ed i risultati sui quintili non sono lineari, con una timeline di sovraperformance, rispetto al
benchmark , solo del 58% sul tempo totale appunto. Di tutti i singoli fattori che abbiamo testato, l'acquisto di aziende con il più alto ROA è stata la seconda peggior strategia.
Piotroski F-Score
Joseph Piotroski ha sviluppato l’ F-score nel 2000 presso l'Università di Chicago. Piotroski ha rilevato che, anche se i value stocks (o imprese ad alto book-to-market come le chiama)
hanno forti rendimenti come gruppo, vi è comunque una ampia variabilità in termini di rendimenti di questi titoli, con la maggior che performa peggio del benchmark.
Nel suo lavoro 'Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers' dove utilizza solo dati storici di Bilancio scrive:
Embedded in that mix of companies, you have some that are just stellar. Their performance turns around. People become optimistic about the stock and it
really takes off [but] half of the firms languish; they continue to perform poorly and eventually delist or enter bankruptcy
Joseph D. Piotroski in Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers Joseph D. Piotroski in Value Investing
L’ F-score attribuisce un punteggio su nove variabili e suddivide in tre gruppi:
Profitability

Balance sheet health, Operating
efficiency.
Per prima cosa si è voluto verificare se l'F-score da solo sia previsivo di sovraperformance rispetto al mercato e, secondariamente, se in combinazione con altri porti a sovraperformances
ancora migliori.
Nella tabella qui sopra si può vedere come la F-score sia un fattore forte e consistente. La sovraperformance c’è su tutte e tre le size e funziona particolarmente bene per le midcap.
Inoltre, l’F-score ha sovraperformato il mercato nel 75% della timeline per le small e midcap, e nell’83% per le largecap. I risultati sono stati anche completamente lineari sui quintili.
Net Debt on Market Value
Con questo fattore si è misurato come si declini l’indebitamento in termini di prezzo di borsa lungo l’arco temporale in oggetto. Net Debt (long term debt - excess cash) to market value
ratio.
I risultati di cui sopra dimostrano come il mercato premi le aziende che assumono rischi (cioè più debito) e punisca quelle troppo prudenti. Le aziende con high cash balances e quindi
low debt to market value ratios (Q1), sottoperformano i titoli con il rapporto invertito.

Questo dato è estremo per le midcap dove aziende altamente leveraged sovraperformano imprese con bassa leva finanziaria per oltre il 140%. Nel complesso i risultati sono stati misti
però, per questo, il Net Debt on Market Value, preso come singolo factor, non è un buon factor singolo per selezionare aziende che sovraperformano.
Momentum Factors
Relative Strength
L'idea alla base di forza relativa è quello di selezionare aziende attraverso la performance migliore nei prezzi (quelli, cioè, che hanno performato meglio in termini di prezzo in un
determinato periodo di tempo).
O'Shaughnessy, utilizzando questo factor, rileva come i vincitori sembrino continuare a vincere così come i perdenti continuino a perdere. Vediamo quindi se, innanzitutto, questo factor
riesce a evidenziare, in modo affidabile, i vincitori dai perdenti. Poi, se combinato l’utilizzo con altri factors, ciò sviluppi overperformance. Si sono analizzati due short period:
il primo: aziende con il miglior apprezzamento del prezzo dell’azione negli ultimi 6 mesi (6-month Price Index); il secondo: aziende con il miglior apprezzamento del prezzo dell’azione
negli ultimi 12 mesi ( 12-month Price Index).
6 Month Price Index

12 Month Price Index

Si desume dai risultati come il 6 Month Price Index risulti un fattore forte e come i risultati siano lineari (con Q1 che batte Q5) per tutte le size e con una timeline in sovraperformance
per l’83% del tempo.
Il 12-months price index funziona male invece per le largecap ed inoltre la timeline sovraperforma il Mercato per solo il 58% del tempo per le midcap.
Ciò che è chiaro è che le aziende con 6- e 12-month price index bassi (cioè quintile Q5) siano da evitare a tutti i costi. Ed anche per le smallcap, dove il 6 mesi è stato il factor peggiore
in assoluto ed il 12 mesi il secondo peggiore.
I risultati mostrano anche come una buona o una cattiva notizia sulla società sia rapidamente incorporata nel prezzo delle azioni, ma con un certo ritardo. Questo perché, altrimenti, i
primi quintili non avrebbero sovraperformato i quintili inferiori così come anche il mercato. Il fattore è particolarmente forte per le piccole e media capitalizzazione.
In sostanza, come si rileva in 'The New Finance' di Robert Haugen, i prezzi delle azioni dimostrano un’inerzia nel breve che si manifesta in un reversal nel lungo termine. Questo è dovuto
alla tendenza che hanno le aziende di settori competitivi a fare il classico “revert to the mean” (ed il mercato ha una certa lentezza ad accorgersi di questo).
Composite Factors cioè le Strategie di Magic Formula e ERP5

I seguenti due fattori non sono realmente singoli fattori ma, in realtà, una combinazione di vari parametri. Tuttavia, abbiamo deciso di includerli sotto le prove singole dei fattori. E,
analogamente, combinarli anche con altri fattori per vedere se la loro sovraperformance rispetto al mercato potessee essere migliorata ulteriormente. Magic Formula

Magic Formula si declina praticamente tramite i due rapporti: Return on Invested Capital (ROIC) – calcolato come EBIT / (Net Working Capital + Net Fixed Assets) Earning
Yield – calcolato come EBIT / Enterprise Value.
Il ranking si viene a creare sulla base di questi due indicatori:
Come si può vedere, la formula magica è un sistema che estrae sovraperformances rispetto al Mercato. Il quintile Q1 si comporta meglio di Q5, ed i risultati sono completamente lineari.
Tuttavia non è tanto coerente con la timeline, superando il mercato solo nel 50% del tempo per le smallcap e per il 58% del tempo per medium e largecap.
ERP5
L’ ERP5 ranking system utilizza i seguenti ratios:
Return on Invested Capital (ROIC) - EBIT / (Net Working Capital + Net Fixed Assets).
Earning Yield - EBIT / Enterprise Value.
Price-to-Book Value - Market Capitalization / Book Value.
5Y Trailing ROIC - five year average EBIT / (Net Working Capital + Net Fixed Assets).

I risultati mostrano che il ranking ERP5 è un sistema che funziona molto bene quando applicato a società a bassa capitalizzazione, con il secondo miglior risultato di tutti i singoli fattori
testati. Il quintile Q1 è migliore del Q5. Tuttavia i risultati per le società a bassa capitalizzazione non sono del tutto lineari.
Ciò che è degno di nota è come i risultati Q1, applicando l’ERP5 e per tutte le size aziendali, siano migliori del ranking basato sulla MF. Il ranking ERP5 è in particolarmente efficace
nell'individuare smallcap che possano battere il Mercato cioè il benchmark.
Il sistema ERP5 è anche molto consistente dato che, sulla timeline, batte il mercato l’83% del tempo per le small e mediumcap e il 67% del tempo per le largecap.
Single Factors Summary

Ecco i punti principali per i test su singolo fattore:
I Fattori valutati hanno tutti un forte potere predittivo per realizzare sovraperformance rispetto al Mercato.
Le midcap sembrano sovraperformare le smallcap e largecap (applicando appunto i vari factors), tranne che per i risultati del ranking ERP5.
Il fatto che una società generi un elevato ritorno sul capitale investito non la rende di per sé un investimento che possa generare sovraperformance rispetto al benchmark; la
valutazione è più importante.
Investire in aziende con un buon F-score, che stima il miglioramento dei fondamentali, si traduce in rendimenti di mercato che battono il benchmark.
Si è scoperto come, usando i 6 e 12-months price index factors, i vincitori continuano a vincere ed i perdenti continuano a perdere.

Nella tabella che segue si mostra come tutti i singoli fattori testati soddisfino i criteri per essere definiti fattori forti e cioè:
Il quintile superiore (Q1) superi il quintile inferiore (Q5) così come ogni quintile superi, nei rendimenti ,quello che lo segue cioè peggiore, Q1>Q5 e Q1>Q2>Q3>Q4>Q5
La strategia deve anche costantemente sovraperformare il mercato nel corso del tempo. Abbiamo definito sovraperformance costante quando il primo quintile (Q1) sovraperforma il
portafoglio di mercato del 60% o più del tempo analizzato

Guardando solamente al primo quintile Q1 di ogni singolo fattore, possiamo definire le due migliori e peggiori strategie per ogni gruppo di capitalizzazione: LARGE
COMPANIES
MEDIUM-SIZED COMPANIES
SMALL COMPANIES

La combinazione di fattori
Combiniamo ora due dei fattori che abbiamo già testato, nel tentativo di migliorare la sovra performance rispetto al benchmark.
Per fare questo abbiamo riclassificato tutte le aziende del nostro universo di investimento rispetto al primo fattore. Abbiamo quindi selezionato solo le società nel primo quintile, e
utilizzato solo questo gruppo di aziende e ri-suddivise in cinque quintili utilizzando il secondo fattore. Così facendo i due fattori non sono stati pesati ugualmente. Il primo fattore in ogni
caso ha avuto più peso, infatti attraverso di esso abbiamo selezionato solo il meglio, il primo quintile Q1 utilizzato poi con il secondo fattore.
Abbiamo anche provato lo stesso fattore due volte, ad esempio usando il price-to-book come primo e poi come secondo fattore. Abbiamo fatto questo per determinare se questa
combinazione ottenesse una maggiore sovraperformance rispetto alle prove dei fattori originali. Come spiegato, per le prove a due fattori non abbiamo diviso l'universo investibile in
differenti capitalizzazioni perché, in tal modo, non saremmo stati in grado di formare i quintili per il secondo factor con almeno 30-40 aziende in ogni quintile.
Nel complesso le coppie di two-factors, testate anche per i quintili meno performanti, hanno sovraperformato notevolmente il portafoglio di mercato.
Earnings Yield
Riclassificato l’universo investibile in base all’ EY, selezionato le circa 300 aziende con il più alto EY ed ordinate in base ai 14 second factors che abbiamo testato.
Per ogni second factor abbiamo creato i quintili e calcolato la performance di ogni quintile.

Si nota come, usando l’EY (valuation factor), esso sia molto efficace nell’identificare i titoli sovraperformanti rispetto al mercato. In media, su tutti i second factor testate, la strategia ha
generato una performance del 405% (la media è 368%). Sostanzialmente è molto più elevata rispetto al rendimento del portafoglio benchmark (pari al 30,54%).
Il miglior rendimento, del 814%, è stato ottenuto combinando l’EY con il 6-month price index. A significare che la combinazione con fattori di price momentum con indicatori di
sottovalutazione del prezzo come l’EY è una strategia ottima. La seconda migliore combinazione risulta l’EY con il 12-month price index, ancora un momentum factor e ciò è sicuramente
interessante.
La strategia di performance peggiore è stata l’EY combinato con il return on invested capital, che ha restituito il 143% sul periodo. Anche se questa strategia ha battuto il portafoglio di
mercato, non è assolutamente efficace quanto un abbinamento con un momentum factor come secondo fattore. Overall, anche se i risultati di questa strategia a due fattori siano stati
buoni, in base ai rendimenti medi Q1, questa strategia è stata solo la sesta migliore strategia a due fattori.
Price-to-Book
Con questo test a due fattori abbiamo preso il cheapest (in base al price-to-book) del 20% dell’universo investibile e diviso in quintili sulla base del secondo fattore.

Delle nove strategie a due fattori che abbiamo testato, il price-to-book utilizzato come primo fattore ha prodotto di gran lunga il rendimento più elevato (il 620% con una mediana del
617,5%). La migliore strategia a due fattori combina un cheap price-to-book value con l’highest 6-month price index value e guida la classifica con un rendimento vicino al 1030% sui 12
anni testati. La seconda migliore strategia a due fattori ha anch’essa un momentum factor: l’highest 12-months price index (con un ritorno del 987%).
La strategia peggiore è stata la combinazione di low price-to-book companies con l’highest 5-year average earnings yield. Il ritorno totale è stato del 354.3%.. Sicuramente non male,
ma nemmeno paragonabile al 1030% dei migliori risultati ottenuti a due fattori.

Naturalmente è molto difficile fare previsioni su quale strategia di investimento sarà più efficace per il future ma, guardando al periodo dei 12 anni analizzati in cui si è visto una
serie rarissima di fasi di mercato, i risultati della strategia cheap price-to-book value combinata con l’highest 6-month price index value è davvero stupefacente.
FCF
Prendendo il cheapest 20% delle aziende in base al price-to-free cash flow, sui passati 12 mesi e testandolo usando gli altri fattori come second factor otteniamo:

Come si vedere i risultati sono stati anche molto buoni, con un rendimento medio di poco meno del 470% (mediana era 488,8%), risultando la terza miglior strategia a due fattori.
La migliore strategia si ottiene con un high price-to-free cash flow ratio combinato con il 12-months price index (con un ritorno del 755%). Il secondo con la combinazione high priceto-
free cash flow ratio (non con un indicatore di momentum, una volta tanto) con il lowest price-to-book ratio. Con un ritorno del 714%.
La peggiore strategia two-factor con primo factor l’high free cash flow combinato con l’high returns on invested capital, con un rendimento del 199.1% nei 12 anni.
Price-to-Sales
Sempre prendendo il 20% dei titoli con il più basso price-to-sales ratio e combinando con gli altri fattori come second factor si ottiene:

Qui rileviamo l’insieme che genera le performance peggiori, il 345.3% (median 333.4%). La miglior coppia risulta cheap price-to-sales ratio combinata con l’highest 6-months price index
values che genera il 563% su 12 anni.
La peggiore combinazione è il low price-to-sales ratio con l’highest ROIC over the past five years, con un ritorno del 184.8%.
Piotroski F-Score
Selezionando il 20% delle imprese con il più alto Piotroski F-score e poi diviso queste aziende in quintili e testato sulla base degli altri fattori oi ranking è:

Sulla base di rendimenti medi dei migliori quintili tra tutti i secondi fattori, questa strategia ha restituito il 422% (mediana è stata 421%). Delle nove strategie a due fattori che abbiamo
testato, questa è la quinta miglior strategia. La migliore combinazione che ha generato un rendimento del 680,4% in 12 anni sarebbe stata quella di combinare un high Fscore con l’
highest 12-month free cash flow yield, con un rendimento del 680,4% sui 12 anni osservati.
Price Index 12 Months
Preso il 20% delle società con l’highest 12-month price index e combinando con i 14 second factors si ottiene:

Un rendimento medio complessivo del 404,9% (mediana era 420,7%). Cioè la settima strategia a due fattori (su nove). La migliore combinazione risulta combinare il 12-month price
index con l’highest earnings yield, usando i passati 12 months earnings. Con un rendimento generato del 802.4%.
La peggiore combinazione è l’ highest 12-months price con sè stesso, con un ritorno del 114,9%.
Price Index 6 Months
In alcune delle strategie di combinazione precedenti il 6-months price index è stato uno dei migliori second factor da utilizzare. In questo caso verifichiamo se sia anche un buon primo
factor da utilizzare. Prendendo il solito 20% di titoli con il maggior 6-months e combinando con gli altri fattori si ottengono i risultati seguenti:

Scopriamo che, con il 6-months price index come primo fattore, i rendimenti ottenuti sono molto soddisfacenti. Con una media di rendimento di tutte le combinazioni del 566%. La
migliore combinazione è data dal 6-months abbinato con il più basso price-to-book che genera un rendimento del 1157.5% mentre la peggiore combinazione risulta essere il 6months
price index con sè stesso, generando un 122.1%. Magic Formula
Il 20% dei titoli migliori secondo il ranking MF e testato con gli altri fattori come second factor produce i risultati seguenti:

Overall la media di tutte le combinazioni risulta essere il 401.8% (median was 359.3%) piazzandosi ottava su nove gruppi come two-factor strategy Overall medium performance. La
migliore combinazione singola risulta la Magic Formula combinata con l’highest 6-months price index (con un ritorno del 783.3%). La peggiore, combinando l’MF-rank con il return on
invested capital, genera solamente il 121,6%. ERP5
Il 20% dei titoli con più alto ERP5, combinato con gli altri 14 factors, dà i seguenti risultati:

Il rendimento medio di tutte le combinazioni risulta del 458.5% (con media di 479.9%) piazzandosi, come media complessiva, al quarto posto come Overall median performance delle
strategie two-factor.
La migliore risulta essere la combinazione ERP5 score con l’highest 6-month price index con un rendimento ottenuto del 732.1%. La peggiore è la combinazione dell’ERP5 score con
l’highest return on investment capital on average over the past five years. Che ha generato un ritorno del 114,4%.
Sommario strategie two-factors

Riassumendo i punti principali estrapolabili dai risultati del two-factor sono:
Tutte le strategie a due fattori hanno sostanzialmente sovraperformato il mercato anche con la peggiore strategia che ha generato, sui 12 anni, il 114,4% (rispetto al 30,54% del
portafoglio di mercato).
I factors di momentum, sia il Price momentum a 6 ma anche il 12-mesi, giocano un ruolo fondamentale nelle migliori 10 strategie a due fattori.
Le tre strategie migliori che danno rendimenti oltre il 1000%, sia nei test a un fattore sia a two-factor, usano il Price Index 6 months come fattore.
Altro factor importantissimo è il low price-to-book value che spinge i rendimenti ove sia usato.
Se si guarda solo al primo quintile di tutte le strategie a due fattori che abbiamo testato, queste sono state le cinque strategie migliori e peggiori:

Conclusioni
Abbiamo testato alcuni singoli fattori e verificato come molti generino forti sovraperformances rispetto al benchmark ma le strategie a due fattori, indubbiamente a loro volta
sovraperformano e surclassano qualsiasi strategia basata su singolo fattore. Se classifichiamo tutte le strategie a un fattore assieme a quelle a due fattori, considerando il primo
quintile, scopriamo che la migliore strategia a singolo fattore si piazza solo alla posizione 69 e la seconda in posizione 91.
Il risultato più sorprendente e rilevante risulta però essere il fatto che i fattori di timing, 6 e 12-months price index, siano presenti in tutte le prime 10 strategie. Sostanzialmente il
“value” è molto importante ma “l’applicazione” cioè il momentum d’acquisto ha un impatto importante, fondamentale. Si deve dunque selezionare il primo quintile cioè il 20% delle
aziende con migliore 6 month price momentum e poi comperare le 30, nel nostro caso, aziende con price-to-book più basso, cioè più a sconto.
Questo test statistico è certamente insindacabile sul passato, ma funzionerà ancora? Non possiamo saperlo ma, certamente, rappresenta un incontestabile dato statistico su come
estrarre valore. La extra performance rispetto al benchmark ci sarà sempre per la semplice ragione che le aziende selezionate, prima o dopo, estrinsecano il loro “value”. Il problema
vero è l’applicazione del metodo: implica disciplina anche nei periodi in cui il “value” tardi a manifestarsi. L’aspetto “psicologico” è, dunque, il vero ostacolo all’ottenimento di risultati
positivi.
References
• What works on Wall Street – James O’Shaughnessy

• Contrarian Investment Strategies : The next generation – David Dreman
• The little Book of Sideways Markets – Vitaliy Katsenelson
• The Big Secret for the Small Investor – Joel Greenblatt
• Quantitative Strategies for achieving Alpha – Richard Tortoriello
• Value Investing – Tools and Techniques for Intelligent Investment – James Montier
• Predicting the Markets of Tomorrow – James O’Shaughnessy
• Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers - Joseph D. Piotroski • The Little Book That Still Beats the
Market – Joel Greenblatt
• Contrarian Investment, Extrapolation, and Risk, Journal of Finance 49, 1541-1578 - Lakonishok, Josef, Andrei Shleifer, and Robert W. Vishny
• The Cross-Section of Expected Stock Returns, Journal of Finance 47, 427-465 - Fama, Eugene F., Kenneth R. French
• Quantitative Value Investing in Europe MFIE Capital

Update delle Simulazioni periodo 2000>2015
Euro
Ipotesi 1)
Periodo di analisi:
1/1/2000 – 16/6/2014
Riequilibrato annualmente
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
NB:
Nessun filtro relativo alla capitalizzazione minima delle società, al settore ed al volume medio trattato in un determinato periodo

Risultato finale:
+2866,11% (all’ultimo Rollover)
Solo 2 anni con performance attiva “negativa”:
2008-2009 con -2.17%
2011-2012 con -11.83% Miglior
performance attiva:
2006-2007 con +73.71%

La numerosità dei titoli in portafoglio è passata da 12 (2000) a 45 (2014)
Portafoglio Attuale
Ipotesi 2)

Periodo di analisi:
1/1/2000 – 16/12/2014
Riequilibrato semestrale
NB:

Risultato finale:
5 periodi con performance attiva “negativa”:
12/2005 con -6.48% 6/2008
con -7.45%
6/2012 con -10.70%
12/2012 con -3.29%
6/2014 con -0.77%
Miglior performance attiva:
6/2003 con +36.62%

Portafoglio Attuale
Ipotesi 3)

Periodo di analisi:
1/1/2000 – 16/3/2015
Riequilibrato trimestrale
NB:

Risultato finale:
20 periodi con performance attiva “negativa” Miglior
performance attiva:
6/2003 con +36.62%

Portafoglio Attuale

Ipotesi 4) Eliminare Titoli Settore Finanziario (Banche, Prod. Fin. Diversificati; Assicurazioni, Inv. Immobiliari)
Periodo di analisi:
1/1/2000 – 16/6/2014
Riequilibrato annuale
NB:
Nessun filtro relativo alla capitalizzazione minima delle società ed al volume medio trattato in un determinato periodo

Risultato finale:
6/2008-6/2009 con -7.58%
6/2011-6/2012 con -13.03% Miglior
performance attiva:
6/2006-6/2007 con +80.80%

Portafoglio Attuale

Periodo di analisi:
1/1/2000 – 16/12/2014
Riequilibrato semestrale
NB:

Risultato finale:
12/2006-6/2007 con +41,71%

Portafoglio Attuale

Periodo di analisi:
1/1/2000 – 16/3/2015
Riequilibrato trimestrale
NB:

Risultato finale:
6/2003-9/2003 con +32,41%

Portafoglio Attuale

Periodo di analisi:
1/1/2000 – 16/5/2015
Riequilibrato mensile
NB:

Risultato finale:
+2291,85% (all’ultimo Rollover) Peggior
performance attiva:
1/2000-2/2000 con -22,88% Miglior
performance attiva:
6/2003-9/2003 con +15,42%

Portafoglio Attuale

Periodo di analisi:
1/1/2000 – 16/6/2014
Riequilibrato annuale
NB:
Nessun filtro relativo alla capitalizzazione minima delle società ed al volume medio trattato in un determinato periodo Filtro
solo per titoli denominati in EURO

Risultato finale:
performance attiva:
6/2009-6/2010 con -22,65% Miglior
performance attiva:
6/2004-6/2005 con +98,61%

Portafoglio Attuale

Periodo di analisi:
1/1/2000 – 16/5/2015
Riequilibrato mensile
NB:

Risultato finale:
Peggior performance attiva: 11/2000-
12/2000 con -12,68% Miglior
performance attiva:
2/2000-3/2000 con +28,77%

Portafoglio Attuale

Ipotesi 10)
Periodo di analisi:
1/1/2000 – 16/6/2014
NB:
Nessun filtro relativo alla capitalizzazione minima delle società, al settore ed al volume medio trattato in un determinato periodo Filtro

Risultato finale:
+1136,02% (all’ultimo Rollover) 4 anni con
performance attiva “negativa”:
2001-2002 con +53,49%

Portafoglio Attuale

Ipotesi 11)
Periodo di analisi:
1/1/2000 – 16/5/2015
Riequilibrato mensilmente
NB:
Nessun filtro relativo alla capitalizzazione minima delle società, al settore ed al volume medio trattato in un determinato periodo Filtro

Risultato finale:
performance attiva:
9/2001 con -11,82% Miglior
performance attiva:
6/2003 con +20,89%

Portafoglio Attuale

Periodo di analisi:
1/1/2000 – 16/6/2014
NB:
per Top 10 nei risultati

Risultato finale:
Peggior performance attiva:
2000-2001 con -7,00% Miglior
performance attiva:
6/2005-6/2006 con +131,37%

Portafoglio Attuale
Ipotesi 13)
Periodo di analisi:
1/1/2000 – 16/6/2014
NB:
Nessun filtro relativo alla capitalizzazione minima delle società, settore ed al volume medio trattato in un determinato periodo Filtro
per Top 10 nei risultati
Risultato finale:
Peggior performance attiva:
2000-2001 con -8,15% Miglior
performance attiva:
6/2005-6/2006 con +131,37%
Portafoglio Attuale

Schema risultati portafoglio vs Euro Stoxx 600 (il confronmto può avvenire solo dal 2/1/2002 per mancanza di dati del Benchmark)
Ptf 1) All stocks + Roll 1yr
Ptf 2) All stocks + Roll 6m

Ptf 3) All stocks + Roll 3m

Ptf 4) Ex Fin + Roll 1yr

Ptf 5) Ex Fin + Roll 6m



Ptf 8) Ex Fin + EUR + Roll 1 yr

Ptf 9) Ex Fin + EUR + Roll 1 m

Ptf 10) All Stocks + EUR + Roll 1 yr

Ptf 11) All Stocks + EUR + Roll 1 m

Ptf 12) Ex Fin + Top 10 + Roll 1yr

Ptf 13) All Stocks + Top 10 + Roll 1yr

I migliori risultati, quindi, si ottengono con i portafogli aventi Rollover annuale Mettendoli
a confronto:

Emerge che dal 16/6/00 novembre/05 il portafoglio “totale” ha battuto quello “ex financials”.
La “sovraperformance” del portafoglio “ex financials” è durata fino a settembre/08 e si è interrotta fino a ottobre/09.
Da quel momento il portafoglio “ex financials” ha espresso tutto il value intrinseco, fino a toccare +377% di overperformance (dal 2000).
ANALISI SU MERCATO GIAPPONESE

1) Topix, Rollover 1 yr, Prx Index 6m + P/B low
2) Topix, ex Financials, Rollover 1 yr, Prx Index 6m + P/B low

Confronto 1) vs 2)

ANALISI SU MERCATO AMERICANO

1) S&P500, Rollover 1 yr, Prx Index 6m + P/B low
2) S&P500, ex Financials, Rollover 1 yr, Prx Index 6m + P/B low

Confronto 1) vs 2)

3) RUSSELL 3000, Rollover 1 yr, Prx Index 6m + P/B low
4) RUSSELL 3000, Ex Financials, Rollover 1 yr, Prx Index 6m + P/B low

Confronto 3) vs 4)

5) NASDAQ, Rollover 1 yr, Prx Index 6m + P/B low
6) NASDAQ, Ex Financials, Rollover 1 yr, Prx Index 6m + P/B low

Confronto 5) vs 6)

_______________________________________________________________________________
Con riferimento alla presente comunicazione, alle valutazioni, alle opinioni ed ai suggerimenti generali in essa contenute non viene fornita alcuna dichiarazione o garanzia, esplicita o implici ta, riguardo alla correttezza, l’accuratezza o la completezza delle informazioni e opinioni qui contenute ed è espressamente esclusa qualsiasi
responsabilità per dichiarazioni non corrette o per omissioni con riguardo al presente documento.
Il contenuto della presente non costituisce raccomandazione personalizzata ad un cliente riguardo ad una o più operazioni ave nti ad oggetto un determinato strumento finanziario, né ricerca in materia di investimento o una spiegazione obiettiva o indipendente delle questioni in essa trattate; non è basato sulla considerazione delle
caratteristiche del cliente o presentata come adatta, adeguata o appropriata per il cliente a cui è rivolta.

Il Miglior Metodo Per Investire Sul Lungo Termine: Rate Quant Value Investing Algorithm

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Il Miglior Metodo Per Investire Sul Lungo Termine: Rate Quant Value Investing Algorithm

Caricato da

Copyright:

Rate Quant Value Investing

Value Investing – Approccio Quantitativo

Rate Quant Value Investing:

WeItalianSolution S.r.l. www.weitaliansolution.it

Estratto dei risultati (studio estrapolato da: vedi References)

Free cash flow yield

Return on invested capital (ROIC)

Return on assets (ROA)

Net debt on Market Cap

Relative strength / price index

Risultati utilizando un factor

WeItalianSolution S.r.l. www.weitaliansolution.it

Il problema delle Emozioni

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

- Il quintile superiore (Q1) outperforma il quintile inferiore (Q5) nei 12 anni e

Single factor Strategies

La combinazione di molteplici factors

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

Free Cash Flow Yield

WeItalianSolution S.r.l. www.weitaliansolution.it

12 mesi FCF Yield

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

L’ F-score attribuisce un punteggio su nove variabili e suddivide in tre gruppi:

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

6 Month Price Index

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

Composite Factors cioè le Strategie di Magic Formula e ERP5

WeItalianSolution S.r.l. www.weitaliansolution.it

Yield – calcolato come EBIT / Enterprise Value.

Il ranking si viene a creare sulla base di questi due indicatori:

L’ ERP5 ranking system utilizza i seguenti ratios:

Earning Yield - EBIT / Enterprise Value.

Price-to-Book Value - Market Capitalization / Book Value.

WeItalianSolution S.r.l. www.weitaliansolution.it

Single Factors Summary

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

Price Index 12 Months

WeItalianSolution S.r.l. www.weitaliansolution.it

Price Index 6 Months

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

Sommario strategie two-factors

WeItalianSolution S.r.l. www.weitaliansolution.it

• What works on Wall Street – James O’Shaughnessy

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it

WeItalianSolution S.r.l. www.weitaliansolution.it