NO sólo testando a Greenblatt y a Piotroski (parte II)

Gracias a los comentarios de @augur, @oraculo, @fivesigma y en especial a los de @NachoCM quien se molestó en darme una explicación que mi cabezota pudiera entender, vi dónde estaba mi error y pude subsanarlo; con lo que luego reculé dándole la razón tanto a @augur como a @oraculo, a quienes había entendido mal.

El caso es que estamos programando una herramienta de backtesting que permite usar ratios de tipo cuantitativos aprovechando que disponemos de una base de datos de más de 20 años que incluye los ratios más significativos en relación a la inversión por fundamentales, y de los mercados más importantes; y queríamos construir una herramienta de backtest que nos permita a todos estudiar estrategias de inversión como si usáramos Compustat, por ejemplo, pero gratis y sin la necesidad de ser Universidad. Y ya lo tenemos a puntito!

Pero ahora está en una versión Beta y aún no está publicada en abierto. Pero espero que lo esté en breve, y de ahí que los comentarios de los compañeros de esta nuestra comunidad, me permitieran enfocar el modo en el que presentar la información de tal forma que sea útil y fácilmente interpretable; y eso hemos hecho.

Ahora que hemos modificado en programación cómo presentar la información gráfica y las rentabilidades correctamente de modo que sean fácilmente interpretables, me descuelgo con otro estudio que podría continuar con el anterior.

Por cierto vaya por delante que quiero que la herramienta publique más adelante datos como: drawdown, desviación estándar, ratio sharpe, y otras métricas que evalúen la estadística.

NO sólo testando a Greenblatt y a Piotroski

Estoy seguro de que ya sabéis que el Piotroski F-Score puede mejorar los retornos de tus inversiones. Esta evidencia ha sido testada en numerosas ocasiones por numerosos estudios, pero valga como ejemplo el paper del propio Piotroski en el que pretende cómo mejorar una estrategia sencilla como la del Price to Book Value usando el F-Score.

Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers

As published in Journal of Accounting Research, Vol 38, Supplement, 2000

Posted: 5 Jan 2001
Joseph D. Piotroski
Stanford Graduate School of Business

This paper examines whether a simple accounting-based fundamental analysis strategy, when applied to a broad portfolio of high book-to-market firms, can shift the distribution of returns earned by an investor. I show that the mean return earned by a high book-to-market investor can be increased by at least 7 percent annually through the selection of financially strong high BM firms while the entire distribution  of realized returns is shifted to the right. In addition, an investment strategy that buys expected winners and shorts expected losers generates a 23 percent annual return between 1976 and 1996 and the strategy appears to be robust across time and to controls for alternative investment strategies. W ithin the portfolio of high BM firms, the benefits to financial statement analysis are concentrated in small and medium sized firms, companies with low share turnover and firms with no analyst following, yet this superior performance is not dependent on purchasing firms with low share prices. A positive relationship between the sign of the initial historical information and both future firm performance and subsequent quarterly earnings announcement reactions suggests that the market initially underreacts to the historical infor mation. In particular, 1/6th of the annual return difference between ex ante strong and weak firms is earned over the four three-day periods surrounding these quarterly earnings announcements. Overall, the evidence suggests that the market does not fully incorporate historical financial information into prices in a timely manner.

En el artículo anterior, lo que hice fue testar qué ocurre si combinamos el ROIC (ROCE de Greenblatt) con el F-Score de Piotroski, haciendo un combo de ambas estrategias.

También muchos sabréis que nadie que haya testado su estrategia posteridad a conseguido que la Fórmula Mágica le dé, en backtest, ese 30%; y desde mi punto de vista tiene que ver con cierto sesgo de supervivencia, pues pese a que él dice que el universo de acciones no ha sido "limpiado" previamente para evitar empresas que luego quebraran, sin embargo sí toma como referencia en su estudio un universo de acciones de 3.500 que las elige "hoy" y que estudia 16 años atrás. A mí me da que "supervivencia" sí hay. Además él no tiene en cuanta ADRs ni empresas del sector financiero ni Utilities.

Nota: tendré en cuenta ADRs y todos los sectores (no porque no quiera quitarlos, sino porque, de momento, no puedo separarlos -como decía estamos en proceso de que el backtester sea mejor, y mejor, pero lleva su tiempo de programación, pero estará esa posibilidad un poco más adelante).

El resultado es el siguiente:

Como vemos coincide con la mayoría de los bactesting que podréis encontrar por ahí sobre la fórmula mágica, es decir el rendimiento queda circunscrito al entorno del 20% anualizado.

En la etapa del 2002 - 2016 (últimos 15 años), la rentabilidad anualizada asciende al 20,33%

Piotroski, por su lado propone un  score que en sus estudios ronda una rentabilidad anualizada del 23%, y con un dato importante: las empresas de capitalización grande clasificadas en los puestos más altos en la escala de 9 puntos de Piotroski no consiguen batir las medias de bajo Price to Book Value.

En mi mi estudio, en los años que van del 2002 al 2016, el F-Score presenta una rentabilidad del 22,96% en esos 15 años. Similar a lo que Piotroski testó en años anteriores.

Sin embargo, cuando unimos ambos métodos, en los años que van del 2002 al 2016 (COMBO Greenbaltt & Piotroski), el resultado mejora considerablemente.

CONCLUSIÓN:
Como detalle final, diría que en Europa creo que la mejor combinación usando Piotroski parece ser el segundo de los ejemplos, es decir: