Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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.
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
Price-to-book
Price-to-sales
Piotroski F-score
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
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.
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.
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 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:
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:
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.
WeItalianSolution S.r.l. www.weitaliansolution.it
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.
- 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.
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.
Show/Hide details
Earnings Yield 5 year average
Show/Hide details
Earnings Yield 5 year average
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.
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).
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.
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.
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.
WeItalianSolution S.r.l. www.weitaliansolution.it
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
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.
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
Profitability
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.
WeItalianSolution S.r.l. www.weitaliansolution.it
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.
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).
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).
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.
WeItalianSolution S.r.l. www.weitaliansolution.it
ERP5
Return on Invested Capital (ROIC) - EBIT / (Net Working Capital + Net Fixed Assets).
5Y Trailing ROIC - five year average EBIT / (Net Working Capital + Net Fixed Assets).
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.
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.
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
COMPANIES
MEDIUM-SIZED COMPANIES
SMALL COMPANIES
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.
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.
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.
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:
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:
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:
Preso il 20% delle società con l’highest 12-month price index e combinando con i 14 second factors si ottiene:
La peggiore combinazione è l’ highest 12-months price con sè stesso, con un ritorno del 114,9%.
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:
Il 20% dei titoli migliori secondo il ranking MF e testato con gli altri fattori come second factor produce i risultati seguenti:
Il 20% dei titoli con più alto ERP5, combinato con gli altri 14 factors, dà i seguenti risultati:
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%.
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.
WeItalianSolution S.r.l. www.weitaliansolution.it
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:
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
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
Portafoglio Attuale
Ipotesi 2)
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
Ipotesi 3)
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
Periodo di analisi:
1/1/2000 – 16/6/2014
Riequilibrato annuale
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
NB:
Nessun filtro relativo alla capitalizzazione minima delle società ed al volume medio trattato in un determinato periodo
Ipotesi 5) Eliminare Titoli Settore Finanziario (Banche, Prod. Fin. Diversificati; Assicurazioni, Inv. Immobiliari)
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
NB:
Nessun filtro relativo alla capitalizzazione minima delle società ed al volume medio trattato in un determinato periodo
Periodo di analisi:
1/1/2000 – 16/3/2015
Riequilibrato trimestrale
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
NB:
Nessun filtro relativo alla capitalizzazione minima delle società ed al volume medio trattato in un determinato periodo
Periodo di analisi:
1/1/2000 – 16/5/2015
Riequilibrato mensile
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
NB:
Nessun filtro relativo alla capitalizzazione minima delle società ed al volume medio trattato in un determinato periodo
Ipotesi 8) Eliminare Titoli Settore Finanziario (Banche, Prod. Fin. Diversificati; Assicurazioni, Inv. Immobiliari)
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
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
Periodo di analisi:
1/1/2000 – 16/5/2015
Riequilibrato mensile
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
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
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 Filtro
solo per titoli denominati in EURO
Periodo di analisi:
1/1/2000 – 16/5/2015
Riequilibrato mensilmente
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 Filtro
solo per titoli denominati in EURO
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 ed al volume medio trattato in un determinato periodo Filtro
per Top 10 nei risultati
Ipotesi 13)
Periodo di analisi:
1/1/2000 – 16/6/2014
WeItalianSolution S.r.l. www.weitaliansolution.it
Riequilibrato annualmente
Parametri analitici:
Portafoglio equibilanciato
Benchmark Euro Stoxx 600 (SXXP Index)
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:
+1447,30% (all’ultimo Rollover)
Peggior performance attiva:
2000-2001 con -8,15% Miglior
performance attiva:
WeItalianSolution S.r.l. www.weitaliansolution.it
6/2005-6/2006 con +131,37%
Portafoglio Attuale