Con nuestra herramienta de backtesting podrás explorar qué rentabilidad habrían alcanzado aquellas estrategias que quieras testar de haberlas aplicado durante los últimos 30 años.
Nuestra base de datos tiene alojados los estados financieros de las empresas a lo largo de los últimos 30 años (y se actualiza y aumenta año tras año), con todos los ratios financieros más relevantes, así como las fórmulas diseñadas ex-profeso por inversores billonarios como Greenblatt, Piotroski, Damodaran, Graham, Yacktman y otros tantos…; y con la posibilidad de combinarlas como mejor consideres.
Una vez elegidos los ratios de tu estrategia, el backtest te mostrará qué acciones deberías haber comprado en cada uno de los períodos de estudio, qué rentabilidad habría obtenido cada portfolio en cada uno de los períodos, y cuál es la rentabilidad media anualizada a lo largo del período que elijas, así como el Valor Final de Inversión que se hubiera iniciado con una capital inicial de 100.000 euros (como ejemplo).
La herramienta está pensada para que puedas depurar los datos disponibles, con el objetivo de probar retrospectivamente muchas estrategias diferentes hasta dar con la que mejor funcione y se adapte a ti.
Disfruta de la herramienta introduciéndote en el mundo de la Investigación Cuantitativa Aplicada, tan usada por inversores como Cliff Asness de AQR, Joel Greenblatt de Gotham Funds, Tobias Carlisle de Carbon Beach, James y Patrick O’Shaughnessy de O’Shaughnessy Asset Management, Paul Marshall e Ian Wace de Marshall Wace LLP, Stanley Druckenmiller de Duquesne Capital y otros tantos inversores de éxito.
La herramienta evita los llamados sesgo anticipado[1] y sesgo de supervivencia[2], con lo que se convierte en la herramienta de backtesting más potente y profesional del mercado en Europa.
[1] sesgo anticipado: muchas herramientas de backtest y muchos estudios de backtesting publicados, que pretenden demostrar como ciertas estrategias pueden batir al mercado, caen en el error del llamado sesgo anticipado que consiste en que a lo largo del período de estudio se seleccionan acciones utilizando datos que entonces no estaban fácilmente disponibles para los inversores en el momento de hacerse las selecciones.
[2] sesgo de supervivencia: muchos estudios de backtesting publicados utilizan un universo de acciones que ha sido “limpiado” previamente excluyendo compañías que quebraron posteriormente, consiguiendo así que los resultados del estudio parezcan mejor de lo que realmente eran.
Nuevas actualizaciones de la herramienta de Backtesting (que entraron en vigor el día 12 de Febrero 2018).
Nota: Estas actualizaciones podrían modificar diametralmente los resultados de backtesting realizados con anterioridad a esta fecha (12/02/2018).
La base de datos con la que trabajábamos antes del 12/02/2018 contaba con un total de 7.000 acciones repartidas entre los mercados de Alemania, Francia, Italia, España, Portugal, UK y EEUU. Ahora contamos con casi 13.000 acciones en base de datos.
El motivo que es que esos mercados tienen varias bolsas, en particular Alemania y EEUU. Alemania tiene 8 bolsas y Estados Unidos cuenta con un total de 11 bolsas.
Antes de la última actualización, en Alemania trabajábamos con las acciones que cotizan en la bolsa general Alemana (X:GER), pero ahora hemos añadido las acciones que cotizan en la bolsa de Frankfurt (:FRA). Añadiéndose así un número importante de acciones a la base de datos.
En Estados Unidos antes trabajábamos con los sufijos :NSQ, :NAS :NYQ y :NYS, ahora tras la actualización hemos añadido las siguientes:
:ASE, :ASQ, :CAM, :NAS, :NMQ, :PNK, :OBB
además de
:NSQ, :NAS :NYQ y :NYS
Es decir ahora trabajamos con todas las bolsas americanas y con las dos más importantes de Alemania. El resto, que es donde recaen casi todos los EDR no los hemos incluido porque no queremos que una empresa Japonesa (o de cualquier otro sitio) que cotiza en Alemania distorsione los resultados de los test efectuados para Alemania.
Además de lo anterior en todos los otros mercados así como en Alemania y EEUU hemos ampliado la base de datos incluyendo otro tipo de acciones como preferentes, por ejemplo.
[ctt template=”8″ link=”eUg2N” via=”no” ]Por todo ello, los estudios de Backtesting que se hubieran realizado con anterioridad al 12/02/2018 podrían ofrecer resultados muy distintos de los que ahora pueda ofrecer la herramienta de Backtesting.[/ctt]
Ahora cuenta con muchas más acciones para conformar los estudios.
A modo de ejemplo intuitivo, Joel Greenblatt testó la fórmula mágica con un universo de acciones de 3.500 acciones en EEUU, sin embargo en la bolsa americana cotizan 7.156 acciones. El resultado no puede ser el mismo si contemplas el total del universo de acciones o si restringes éste a un universo más pequeño en base a los criterios que unilateralmente Joel Greenblatt considere, por los motivos que considere.
Como consecuencia de lo anterior, cuando se realizan estudios de backtesting es necesario que el screener (radar de acciones) que se utilice a posteriori, para identificar aquellas acciones que hoy cumplirían con las características del estudio, esté alineado con las características del backtesting. Es decir que el algoritmo de procesos sea el mismo en ambos casos.
Dicho ésto si realizas estudios con la herramienta de backtesting de zonavalue.com entonces usa el screener de zonavalue.com. Si usas el backtesting de otra web no te recomendamos que uses el screener de zonavalue.com para llevar a la práctica tu estrategia, porque los resultados podrían ser incongruentes con tus estudios.
Además hemos mejorado en la web:
1. El Screener (Radar Profesional) ahora trabaja con una base de datos mayor que incluye aproximadamente unas 6.000 acciones más de las diferentes áreas geográficas con las que trabajamos.
2. El resultado del Screener se muestra a una velocidad muy superior, habiéndose acortado el proceso de unos 6 minutos a tan sólo 30 segundos. El motivo es que hemos trasladado el servidor a Big Data y mejorado el algoritmo de procesos del radar.
3. El Backtest también ha sido sometido a la optimización del algoritmo de procesos y trasladado a Big Data con la consecuente mejora en la velocidad de los test de estudio (hemos pasado de unos 6 minutos a tan sólo 1,5 minutos aproximadamente).
4. Tanto Screener como Bactesting muestran ahora, en la lista de resultados, los ratios correspondientes a los ordenes de clasificación que hayas seleccionado. De esto modo, a golpe de vista, visualizas los ratios que son de tu mayor interés de las empresas sin necesidad de acceder, una por una, al análisis de las acciones.
5. En lo referente al Screener y Backtesting se ha incluido en la función de orden (ranking) que los múltiplos de valoración (EV/EBIT, PER, Precio/Ventas, Precio/Valor en libros, etcétera) puedan ser negativos. A modo de ejemplo: si usáis un EV/EBIT de primer orden, el radar ordenará de menor a mayor teniendo en cuenta los EV/EBIT negativos, con lo que la primera acción de la lista será la que tenga el valor más grande negativo, y de ahí irá descendiendo hasta que llegue a los positivos y ascendentes.
Si queréis ordenar el resultado por EV/EBIT pero sólo teniendo en cuenta valores positivos, entonces recordar restringir en las condiciones adicionales que el EV/EBIT sea > 0.
Los Value Investors que buscan Value Profundo pueden querer buscar empresas con múltiplos de valoración negativos como consecuencia de estar en pérdidas o tener más Caja que [Capitalización + Deuda]. Por ambos motivos pueden ser acciones de un enorme interés para el inversor.
Recursos:
Conexión potente.
La herramienta de backtesting procesa unos 100 millones de datos por año de estudio. Lo que significa que en 10 años de backtesting intervienen unos 1.000 millones de datos en el resultado. Si la conexión no es lo suficientemente potente (A) o sufre de micro-cortes (B) el proceso podría bloquearse (a), para lo cuál le recomendamos reiniciar la búsqueda; u ofrecer un resultado ligeramente distinto tras aplicar el mismo test en diferentes momentos (b), al interrumpir algunas de las millones de operaciones que efectúa el algoritmo de procesos.
Esa ligera diferencia de ±1% aproximadamente para conexiones potentes, podría aumentar si las condiciones de la conexión empeoran. En cualquier caso, a esa pequeña diferencia la consideraremos un error estadístico en el estudio.
Otras herramientas de backtesting resuelven esta situación ofreciendo a cada usuario el mismo resultado que ha quedado grabado en la caché de la base de datos tras haber efectuado una determinada búsqueda, al menos una vez, por cualquiera de los usuarios.
Nosotros preferimos mostrar las cosas como son, y damos por bueno un error estadístico, ya que sin error estadístico tampoco hay nivel de confianza.
