Sia in termini reali che nominali i drawdown dei mercati azionari sono stati spesso molto pesanti, a volte anche superiori all’80% (ad esempio il Dow nel ’29 o il Nikkei dai primi anni ’90), ma storicamente non son state risparmiate nemmeno le materie prime (l’oro, spesso definito bene rifugio, ha perso anche l’80% in termini reali ad inizio anni 2000) e nemmeno il safe heaven dei titoli di stato è stato così “safe”, con drawdown anche del 60% in termini reali (e parlo di mercato USA, in Italia in termini reali si sarebbe perso molto di più e molto più a lungo in determinate epoche!). Ovviamente oltre alla profondità, sono importanti anche statistiche relative alla durata dei diversi drawdown e alla loro frequenza. I vari portafogli e strategie di investimento che abbiamo visto (Momentum, All Weather, Permanent Portfolio o la semplice applicazione della risk parity)  erano volti proprio a ridurre il maximum drawdown.

In ogni caso, scopo del breve post di oggi è mostrare gli effetti molto pericolosi del sottovalutare questa misura di rischio, soprattutto quando si costruisce un portafoglio con l’obiettivo di integrare la pensione. Spesso si fa riferimento alla “magia dell’interesse composto”, con il quale ci si riferisce alla crescita esponenziale del capitale se quest’ultimo viene ogni volta re-investito insieme agli interessi guadagnati. In effetti la differenza tra il reinvestimento periodico di interessi e capital gain può fare tutta la differenza del mondo. Sotto un semplice esempio di un investimento di €1 al 5% composto (linea tratteggiata) dove si può apprezzata la crescita esponenziale e invece la linea a punti dove ogni volta gli interessi del 5% non vengono reinvestiti e si continua ad investire solo €1 al 5%, al crescere dell’orizzonte temporale la differenza sarà via via più marcata:

Quello che però ci si dimentica è che il drawdown agisce ovviamente su tutte il capitale e se ignorato potrebbe diventare la “maledizione dell’interesse composto”: un drawdown del 50% dimezzerà il capitale investito, indipendentemente dal rendimento ottenuto fino a quel momento. Inoltre, siccome la relazione è non lineare, maggiore sarà il drawdown (mantenendo fisso il livello di rendimento) e il tempo necessario a recuperare l’investimento crescerà in maniera più che proporzionale di quanto ci suggerirebbe una relazione lineare.

La seguente tabella (clic per ingrandire in una nuove scheda) ha lungo le colonne diversi possibili rendimenti annui e lungo le righe diversi livelli di drawdown. Al centro invece le varie celle ci restituiscono il numero di anni necessari a recuperare l’investimento una volta che si è stati colpiti da un determinato drawdown, e presupponendo che l’investimento torni a offrire quel determinato rendimento annuo (sotto un esempio numerico, che chiarirà sicuramente quanto detto a parole):

Se prendiamo la prima cella in alto a sinistra (ovvero CAGR del 4% e DD del 10%) il numero 2.69 ci sta ad indicare che ci vorranno 2 anni e 8 mesi circa (2.69 anni) di crescita del capitale al 4% per recuperare l’investimento. L’ultima cella in basso a sinistra (CAGR del 4% e DD del 95%) ci sta invece ad indicare che se un DD del 95% colpisse un investimento che offre il 4%, ci vorrebbero ben 76 anni per recuperare i soldi! Spesso istituzionali del money management tradizionale suggeriscono che livelli accettabili di DD sono tra il 15% e il 25% ed in effetti vediamo che per quei valori, anche su livelli di CAGR bassi (4-5-6%) l’effetto è ancora contenuto, dato che basta aspettare “solo” 3-7 anni per rivedere l’investimento iniziale (o il massimo raggiunto). Quando si prendono in considerazione strategie per integrare/sostituire la pensione, questo discorso diviene fondamentale. Una buona strategia dovrebbe ovviamente trovarsi nella porzione in alto a destra della tabella qui sopra (alto CAGR, basso DD).  Diciamo che vorremmo sempre trovarci al di sopra di un’ipotetica diagonale di quella tabella ed avere sempre Calmar Ratio (che sarebbe il rapporto tra CAGR e DD) sopra 0.25/0.3, che ci assicurerebbe un tempo necessario per recuperare l’investimento di 5-6 anni al massimo):

La famosa strategia 60/40 (ovvero 60% in stocks e 40% in bonds) con ribilanciamento mensile, ad esempio, ha avuto drawdown in termini reali anche del 52% a fronte di un CAGR reale del 5%; se ci fossimo ritrovati il giorno prima della pensione con il 50% del capitale in meno e un CAGR atteso del 5%, avremmo dovuto aspettare altri 12 anni prima di recuperare tutto! L’asset allocation dev’essere sempre dinamica e non bisogna scordarsi di adeguare i pesi dei vari assets in base all’orizzonte temporale residuo e ricordarsi che aumentare l’orizzonte temporale diminuisce il rischio di trovarsi con meno capitale di quello iniziale, ma aumenta il rischio in termini di volatilità del rendimento finale.

Qualche appunto tecnico sulla prima tabella. Come si vede la crescita per colonna cresce in maniera più che proporzionale rispetto ad una relazione lineare (anche se con marginalità decrescente, magia dell’interesse composto!), ovvero per un CAGR del 4% un DD del 25% rende necessari circa 7.3 anni di attesa, mentre un DD del 50% invece di portare il numero di anni semplicemente a 7.3*2 = 14.6, lo porta a 17.7 anni. Quanto detto in quest’ultima frase si può apprezzare anche graficamente. Nel primo grafico ogni linea rappresenta un determinato livello di drawdown e il suo effetto sul numero di anni necessari a recuperare l’investimento (asse verticale invertito) a seconda dei vari livelli di CAGR (asse orizzontale). Il secondo fa lo stesso, stavolta però sull’asse orizzontale abbiamo diversi livelli di Drawdown e le varie linee sono diversi livelli di CAGR e infine il terzo grafico mette tutto insieme, per vedere gli effetti pesantissimi del DD per bassi livelli di CAGR:

Qui sotto ho messo su una breve lista di cosa leggo io e cosa ho letto nel tempo, non solo a livello di libri, ma anche papers, blog e via così. Tra i libri e i paper ci tengo a sottolineare una cosa: questi sono quelli “essenziali” che consiglio tra quelli che ho letto, ne mancano sicuramente altri interessanti che ho pronti sulla scrivania da un po’, ma di cui ovviamente non posso dire ancora nulla e tanti altri letti nel tempo, ma magari più specifici/tecnici. Sono ovviamente incentrati un po’ più su value investing e analisi fondamentale, magari tralasciando un po’ troppo la finanza quantitativa, fixed income e pricing di derivati, ma eventualmente se volete consigli a riguardo chiedete pure. Alcuni siti richiedono registrazione, alcuni di essere “accredited investors”, ma nel dubbio ve li ho messi tutti. Ovviamente utilizzate la sezione commenti per aggiungere consigli e/o farmi notare eventuali dimenticanze.

News:

CXO Advisory: http://www.cxoadvisory.com/
Financial Times: http://www.ft.com/home/
Bloomberg: http://www.bloomberg.com/
Wall Street Journal: http://online.wsj.com/home-page?_wsjregion=na,us&_homepage=/home/us
Seeking Alpha: http://seekingalpha.com/
Factset (Insights): http://www.factset.com/insight

Funds, Hedge Funds, Investors, Academics, Practitioners:

AQR Capital: http://www.aqrcapital.com/
GMO LLC: https://www.gmo.com/Europe/MyHome/default
Michael Maubossin: http://www.michaelmauboussin.com/custom_splash.asp
Bridgwwater Associates: http://www.bwater.com/home/our-company/company.aspx
Polaris Capital Management: http://www.polariscapital.com/home.htm
Artemis Capital Management: http://www.artemiscm.com/category/research/
Oaktree Capital (Memo): http://www.oaktreecapital.com/memo.aspx
PanAgora: http://www.panagora.com/insight/
Pimco: http://www.pimco.com/EN/Pages/default.aspx
Credit Suisse Research Institute: https://publications.credit-suisse.com/app/shop/index.cfm?fuseaction=OpenShopCategory&coid=254070&lang=EN
BNY Mellon: http://www.bnymellon.com/investmentmanagement/index.html
Hussman Funds (Insights): http://hussmanfunds.com/weeklyMarketComment.html
Richard Bernstein: http://www.rba-llc.com/index.php/our-thinking/insights
Empiritrage LLC: http://empiritrage.com/
Wells Capital Management (Research): https://www.wellscap.com/research_library/index.html
Legg Mason: http://www.leggmason.com/globalthoughtleadership/Home.asp
Global Financial Data (White Papers): http://www.globalfinancialdata.com/News/WhitePapers.html
Russell Investments (Economic Indicators Dashboard): http://www.russell.com/Helping-Advisors/Markets/EconomicIndicatorsDashboard.aspx
Schwab: http://www.schwab.com/public/schwab/resource_center/expert_insight
Thornburg Investment Management: http://www.thornburginvestments.com/research/articles/articles.asp
LSV Asset Manegement (Research): http://www.lsvasset.com/research/research.html
Dimensional Fund Advisors: http://www.dfaeurope.com/
Guggenheim Partners: http://guggenheimpartners.com/perspectives
Eclectica Asset Management: http://www.eclectica-am.com/index.aspx
Universa: http://www.universa.net/research.html

Steven De Klerck: http://www.sdeklerck.be/
Damodaran (Musings on Markets): http://aswathdamodaran.blogspot.com/
Andrew Lo: http://www.argentumlux.org/
Andrew Ang: http://www.columbia.edu/~aa610/
Shiller: http://www.econ.yale.edu/~shiller/data.htm
Berkshire Hathaway (Letters): http://www.berkshirehathaway.com/letters/letters.html
First Quadrant: http://www.firstquadrant.com/research.html
Larry Swedroe: http://www.cbsnews.com/2741-505123_162-1339.html
Measuring Worth: http://www.measuringworth.com/index.php

Blogs:

Timely Portfolio: http://timelyportfolio.blogspot.com/
Turnkey Analyst: https://alpha.turnkeyanalyst.com/
Systematic Investor: http://systematicinvestor.wordpress.com/
CSS Analytics: http://cssanalytics.wordpress.com/
Greenbackd: http://www.universa.net/research.html
GestaltU: http://gestaltu.blogspot.com/
Optimal Momentum (Antonacci): http://www.optimalmomentum.com/index.html
VIX and More: http://vixandmore.blogspot.com/
Mebane Faber: http://www.mebanefaber.com/
Stefano Marmi: http://alfaobeta.blogspot.com/
The Big Picture: http://www.ritholtz.com/blog/
dshort: http://advisorperspectives.com/dshort/
Calculated Risk: http://www.calculatedriskblog.com/
Vanguard Blog: http://www.vanguardblog.com/
Hedge Fund Letters: http://www.hedgefundletters.com/
Market Folly: http://www.marketfolly.com/

Absolute Return: http://www.absolutereturnblog.com/

Investors/Practitioners Books:

Graham, The Intelligent Investor, 1949.
Montier, Value Investing, 2009.
Montier, Behavioral Investing, 2007.
Haugen, The New Finance – Overreaction, Complexity, and Their Consequences, 2010
Graham and Dodd, Security Analysis, 1934.
Lowenstein, When Genius Failed, 2000.
Lynch, Beating the Street, 1994.
Lewis, The Big Short, 2010.
Taleb, Fooled by Randomness, 2004
Klarman, Margin of Safety: Risk-Averse Value Investing Strategies for the Thoughtful Investor, 1991.
Siegel, Stocks for the Long Run, 1994.
Hazlitt, Economics in one lesson, 1946.
Ariely, Predictably Irrational: The hidden forces that shape our decision, 2008.
Zweig, Your Money and Your Brain: How the New Science of Neuroeconomics Can Help Make You Rich, 2007.
Niederhoffer, The Education of a Speculator, 1998.
Kahneman, Thinking Fast and Slow, 2011.
Sornette, Why Stock Markets Crash: Critical Events in Complex Financial Systems, 2004.

Papers (Academic & White):

Jorion, Risk Management Lessons from Long-Term Capital Management, European Financial Management Journal, 2000.
Baker and Haugen,  Low Risk Stocks Outperform within All Observable Markets of the World, Working Paper, 2012.
Piotroski, Value Investing, Journal of Accounting Research, 2000.
Montier, The Flaws of Finance, GMO White Paper, 2012.
Reinhart and Rogoff, This Time is Different, NBER, 2008.
Damodaran, Value Investing: Investing for Grown Ups, Stern School of Business, 2012.
Jensen, Agency Costs of Free Cash Flow, Corporate Finance and Take Overs, American Economic Review, 1986.
Graham Dichev and Rajgopal, Earnings Quality: Evidence from the Field, 2012
Daniel, Momentum Crashes, Columbia Business School Research Paper Series, 2011
Antonacci, Risk Premia Harvesting Through Momentum, Portfolio Management Associates, 2012
Montier, I want to break free, GMO White Paper, 2010
Hankcock, Momentum – A Contrarian Case for Following the Herd, GMO White Paper, 2010
Dalio, Engineering Targeted Returns & Risks, Bridgewater Associates, 2010
Dalio, How the Economic Machine Works, Bridgewater Associates, 2008
Dalio, An In-Depth Look at Deleveragings, Bridgewater Associates, 2012
Frazzini Kabiller and Pedersen, Buffett’s Alpha, AQR Capital / Stern School of Business, 2012
Asness Moskowitz & Pedersen, Value and Momentum Everywhere, AQR Capital / NBER / AFA, 2009
Haugen & Baker, Case Closed, The handbook of portfolio construction, 2008
Haugen & Baker, Commonality in the determinants of expected stock returns, Journal of Financial Economics, 1996
Stambaugh, Yu & Yuan, The Short of It: Investor Sentiment and Anomalies, 2011
Novy-Marx, The Quality Dimension of Value Investing, 2012

Academics Books:

Berk & DeMarzo, Corporate Finance

Hull, Options, Futures and Other Derivatives

Damodaran, Damodaran on Valuation

Murphy, Technical Analysis of the Financial Markets

Benninga, Financial Modelling

Stolowy, Lebas & Ding, Financial Accounting and reporting

Tuttavia molte di queste strategie hanno dei costi maggiori di un semplice equal weight e/o lazy portfolios (i.e. tasse, slippage, costi di commissione a cui eventualmente vanno sommati costi “fissi” come il bollo e via così) e possono renderle meno appetibili. Quanto incidono? Quantificarli in backtest (e senza dati tick-by-tick), diventa un po’ difficile e purtroppo per nessuna strategia esiste miglior banco di prova del mercato reale, ma provare a fare due conti non fa mai male.

Ho deciso di scegliere una strategia piuttosto solida, estremamente simile a quella vista in questo post (ovvero un’applicazione del momentum), che potete trovare nella versione originale qui, grazie ai soliti Butler, Philbrick e Gordillo. Tuttavia non è scopo di questo breve post discutere la bontà o meno di questa o quella strategia.
In ogni caso la strategie sostanzialmente compra le migliori 5 asset class in base al momentum e ri-bilancia il portafoglio ogni 30 giorni di calendario (nella versione “Target-Vol” i pesi sono scelti in base al volatility targeting visto verso la fine di questo post, altrimenti è tutto ribilanciato per avere un equal-weight ad inizio periodo), ma quanto incidono i costi? Qui sotto vedete una simulazione con ETF in cui sono inclusi i TER annui degli ETF utilizzati, costi di commissione di 0.1 cent per ogni quota di ETF scambiata (non lontano da molte commissioni retail nostrane se non mi ricordo male) e un minimo di slippage (anche se il prezzo di ingresso è già una media tra l’open e il close del giorno successivo all’ingresso):

Data Source: Yahoo! Finance, FRED

Con questo schema di commissioni come vediamo si perdono ben 3 punti percentuali sulla strategia ideale senza costi (w/o costs) e la strategia che utilizza la risk parity (e con target volatility del 15%, quindi non lontana da quella “media” del mercato) addirittura va sotto al semplice EW (ovviamente si può controbbattere che in termini risk-adjusted faccia molto meglio, ma quello dipende anche dai pesi assegnati ai vari assets) e questo comunque con 25,000$ investiti.

E comunque anche con schemi commissionali più favorevoli e capitale maggiore, non bisogna sottovalutare l’impatto sulla performance:

Data Source: Yahoo! Finance, FRED

Insomma, bottom-line: pur escludendo tasse sul capital gain, utilizzando gli strumenti che replicano indici a minor cost sul mercato (peraltro ho utilizzato ETF del mercato USA, quindi spesso con TER un po’ più bassi di quelli scambiati in Italia) e facendo molte approssimazioni (i.e. sullo slippage), l’impatto è notevole (soprattutto per “capitali retail”) ed è qualcosa che dobbiamo sempre tenere a mente!

Detto ciò, non sono un believer dell’ipotesi di efficienza dei mercati (in senso accademico) e sono diverse le persone che hanno dimostrato di essere in grado di battere il mercato regolarmente (facendo esplicitamente o implicitamente previsioni).

Sicuramente tra i pochi strumenti a disposizione degli investitori retail piuttosto semplici da usare e comprendere c’è quello della valutazione dei corsi azionari. Uno dei multipli più utilizzati e spesso nominati in questo blog c’è il famoso CAPE di Shiller, che prende (tutto in termini reali) la capitalizzazione dell’S&P 500 e la divide per la media degli utili degli ultimi 10 anni (in sostanza un P/E medio a 10 anni). A secondo del valore che questo assume rispetto alla sua media storica, si può parlare di sotto o sopravvalutazione dei mercati e quindi di occasioni di buy/sell (o eventualmente sovrappesare o sottopesare l’azionario) e ovviamente un fondamento teorico ragionevole dalla sua parte: più la valutazione è alta rispetto ai fondamentali, più il premio al rischio è stato presumibilmente compresso e quindi i rendimenti futuri attesi saranno minori.

Data Source: Robert J. Shiller (http://www.econ.yale.edu/~shiller/data.htm)

 Tuttavia, rimanendo nel campo dei sistemi complessi a causa dell’isteresi o in termini più comuni alla finanza a causa del trend (momentum) e persistenza di quest’ultimo (spesso per fenomeni di “herding”, ne avevamo parlato qui) la sotto/sopravvalutazione può andare avanti a lungo e si possono perdere occasioni importanti (salvo poi essere esposti a inevitabili “crash”). A riguardo consiglio un’altra lettura di GestaltU, “The Full Montier: Absolute vs. Relative Value“, che mostra come il rimanere fuori dal mercato anche in periodi di forte sopravvalutazione (pur avendo un’importante “hindsight bias”) porta a una sottoperformance rilevante in termini nominali, ma tuttavia migliore in termini risk-adjusted (soprattutto in termini di drawdown). Questo per dire che catturare fenomeni di “mean reversion” nei mercati è difficile e viene spiegato benissimo il perchè in uno dei paragrafi del “Credit Suisse Global Returns Yearbook 2013“.

Nonostante i suoi difetti e la difficoltà di sfruttarne i suoi pregi, il CAPE possiede sicuramente anche molti “pro”. Montier, nel suo articolo “The 13th Labour of Hercules: Capital Preservation in the Age of Financial Repression” ha mostrato come restar dentro con valutazioni alte del CAPE porta ad esporsi a drawdown importanti. Utilizzando una rivistazione di Montier ad opera di Faber vediamo la correlazione tra il CAPE e il drawdown nei successivi 3 anni (usando l’S&P 500):

Data Source: Robert J. Shiller (http://www.econ.yale.edu/~shiller/data.htm)

Ed il potere previsivo del CAPE sul ritorno in termini reali nei successivi 10 anni è sicuramente interessante (ed aumenta giocando sul numero degli anni, per l’ennessima volta rimando ad un altro post di Philbrick, Butler e Gordillo: ”Estimating Future Stock Market Returns: August 2012 Update“):

Data Source: Robert J. Shiller (http://www.econ.yale.edu/~shiller/data.htm)

La relazione è statisticamente significativa come mostra la t-statistics ben maggiore del valore critico, e anche se certo in certi fenomeni fisici o in campo medico/clinico un R^2 del genere (tra il 15% e il 40% nel migliore dei casi) fa un po’ ridere per ritenere una previsione di un modello “affidabile”, in finanza con questi strumenti ci si accontenta e, anzi, si è soddisfatti e si finisce sul Journal of Finance quando si supera un R^2  del 5%-8%. Detto ciò, una delle applicazioni più interessante del CAPE l’ha mostrata John Hussman di Hussman Funds in uno dei suoi weekly commentary (“The Likely Range of Market Returns in the Coming Decade“)  e riguarda il prevedere il range di rendimento del mercato entro i prossimi t anni (piuttosto che una stima puntuale). La formula è la seguente:

Long term total return = (1+g)(future PE / current PE)^(1/T) – 1 + dividend yield(current PE / future PE + 1) / 2

Mi spiego prima a parole, poi graficamente e con i numeri sarà più semplice. Concentrandoci sulla prima parte (lasciando quindi per un attimo il concetto di total return, considerando che il dividend yield e la crescita stessa dei dividendi tendono ad essere molto più stabili nel tempo), cosa ci dice la formila? Il rendimento atteso nei prossimi T anni è pari a quello medio di lungo periodo (g, qualcosa che va in termini reali dal 3% al 6%) moltiplicato per l’espansione o contrazione del multiplo P/E nei successivi T anni. Ovvero se il “current P/E” (ovvero il CAPE) è 22.6 ci possiamo aspettare che si muova in futuro in un range compreso tra quello massimo (44.18) e quello minimo (4.79) raggiunti in passati e che quindi la crescita g sarà moltiplicata per 44.18/22.6 = 1.95 nel migliore dei casi oppure 4.79/22.6 = 0.21 nella peggiore delle ipotesi.

Adesso, con i dati di Shiller dal 1871 ad oggi, utilizzerò invece che il massimo e il minimo il 2.5° e il 97.5° percentile del CAPE (rispettivamente 6.46 e 32.95), oltre alla mediana  (15.87) e al 1° e 3° quartile (rispettivamente 11.69 e 19.83) per vedere se questi valori sono stati effettivamente una buona guida per il rendimento effettivamente realizzato nei successivi 10 anni (t = 10). In termini statistici sto semplicemente costruendo un intervallo di confidenza al 95%. Chiaramente sto utilizzando un’importante “hindsight bias” e un’analisi in-sample, ovvero sto assumendo che nel 1881 avrei saputo questi valori del CAPE che abbiamo a disposizione oggi dopo 142 anni di storico, ma per ora andiamo avanti. Il grafico qui sotto mostra con la linea arancione il rendimento rolling effettivo dell’S&P 500 (e in termini reali) nei 10 anni successivi alla previsione messo a confronto con le 5 previsioni (2.5° percentile, 1° quartile, mediana, 3° quartile e 97.5° percentile) fatte 10 anni prima (quindi l’anno sull’asse delle y è l’anno della previsione, mentre la linea arancione corrisponderebbe a t+10, ovvero il rendimento ottenuto ad ogni tempo t nei 10 anni precedenti):

Data Source: Robert J. Shiller (http://www.econ.yale.edu/~shiller/data.htm)

Come possiamo vedere sfruttando l’hindsight bias sulla distribuzione empirica del CAPE, i rendimenti reali ottenuti dall’S&P 500 sono effettivamente contenuti nell’intervallo di confidenza la maggior parte delle volte. Andando un po’ più in profondità si può vedere che il numero di osservazioni fuori dalle bande sono per lo più al ribasso (131) quindi rendimenti peggiori della previsione (nel periodo tra il 1910 e il 1918, Prima Guerra Mondiale, a proposito di  eventi esogeni) e sono di meno quelli maggiori del previsto (23) ottenuti soprattutto durante la bolla speculativa del 1999-2001. In totale, comunque, i rendimenti fuori dalle bande sono il 5.05%, contro il 5% atteso dall’intervallo di confidenza. Ovviamente, ripeto, adesso stiamo parlando di capital gain e non total return (i risultati son comunque simili, rimando al post originario di Hussman).

Il modello a mio parere è molto valido, piuttosto attendibile, intuitivo e semplice da implementare a livello computazionale. Tuttavia mostra tutte le debolezze delle previsioni e quindi vediamo i principali contro, drawbacks e aspetti al quale bisogna prestare attenzione nell’utilizzare questo modello:

1) non è valido per ottenere una stima puntuale del rendimento atteso, ma solo ed esclusivamente per stimare il range più probabile (e ripeto: probabile, non certo). L’RMSE dei diversi quantili parla chiaro, anche il quantile migliore (la mediana) sbaglia in media del 5.19% composto annuo (un’enormità su 10 anni), quindi va usato come range e non come stima puntuale:

2) nulla toglie che in futuro il CAPE si potrà comprimere o espandere più  di quanto fatto in passato e che lo possa fare per più a lungo (per questo consiglio di utilizzare un intervallo di confidenza, piuttosto che il minimo o il massimo, quindi lasciando un certo grado di incertezza che spero conduca ad un certo grado di prudenza);

3) nel modello si devono fare due ipotesi/previsioni importanti: il tasso di inflazione (io ho usato la media geometrica dal 1871 ad oggi, 2.1%) e il tasso di crescita di lungo periodo (g) e per quanto detto sopra sappiamo che una random guess non è tanto peggio del parere degli “esperti”. Nel caso dell’inflazione mentre nel complesso la stima può essere credibile e nel mondo occidentale la varianza delle variabili macro è diminuita nel tempo (“Great Moderation”) e di fatto molte banche centrali sono inflation targeting, se nei 10 anni successivi alla previsione l’inflazione media sarà del 4% invece che del 2%, chiaramente la nostra previsione sarà sballata e non di poco. Il tasso di crescita g, tipicamente assunto tra il 4-5%, potrebbe non essere molto credibile in futuro nella maggior parte del mondo occidentale e comuque rappresenta qualcosa che se relativamente stabile sul lungo periodo, può oscillare sensibilmente durante un arco temporale di 10 anni (a suo favore, va detto che la sensibilità del modello non è altissima a questo parametro). Il consiglio quindi è giocare al ribasso e utilizzando l’espressione di Graham e Klarman: prendere sempre un “margin of safety” (ovvero: conviene sottostimare il rendimento futuro piuttosto che sovrastimarlo, soprattutto se si parla di pensione!). Quindi utilizzare qualcosa tra l’1.5-3% è probabilmente meglio.

4) sempre legato al discorso del punto 3: attenti a sperare ed aspirare al rendimento più ottimista (97.5° percentile o più)! Farlo significa sperare in una bolla speculativa e quindi a meno che non si faccia market timing (e non lo si faccia bene) il rischio di pesanti drawdown dai massimi è rilevante come visto sopra;

5) eventi e shock esogeni esterni possono sempre intervenire e “drogare” il mercato o modificare le ipotesi iniziale del modello, rendendo più probabili booms&busts (pensare ad esempio alla politica monetaria USA corrente);

6) la distribuzione e i vari quantili del CAPE ovviamente sono influenzati dai valori futuri del CAPE stesso: ovvero se per i prossimi 10 anni il CAPE sarà sempre più in alto del 97.5 percentile, tutti i valori dei vari quantili tra 10 anni saranno più alti, ovvero quello che ci poteva sembrare oggi un CAPE elevato, potrebbe esserlo meno tra 10 anni (vero anche che utilizzando 142 anni di storico questo problema è leggermente meno rilevante su un arco di 10 anni). Questo aspetto è comunque semplicemente figlio dell’hindsight bias e delle analisi in-sample e di conseguenza uno dei principali problemi per cercare di catturare la mean reversion dei mercati, come spiegato bene e in maniera semplice in questo video;

7) proprio per i problemi dell’analisi in-sample e per avere abbastanza dati affidabili per il futuro sui quantili, bisogna andare molto indietro nello storico e questo è difficile sulla maggior parte dei mercati non-US e se si vuole rimanere su data providers non troppo cari.

Tenendo bene a mente i limiti delle previsioni in ambito finanziario per i motivi spiegati all’inizio del post e i 7 punti qui sopra (e chissà quanti altri ce ne sono!), questo è quello che ci dice il modello per l’S&P 500 per i prossimi 10 anni, in termini reali e nominali (tasso di inflazione medio 2.1%), utilizzando g pari al 2% e considerando anche i dividendi (quindi total return):

Come possiamo vedere, in linea con quanto detto nell’ultimo post, i rendimenti reali attesi a partire da questi livelli di CAPE sono piuttosto magri: solo se il CAPE si muoverà sopra il 3° quartile abbiamo un rendimento reale atteso positivo e se vogliamo quello che è stato il rendimento medio di lungo periodo dei mercati (intorno al 6%), dobbiamo sperare addirittura in quotazione da bolla! Insomma, nulla di buono all’orizzonte? Vedremo cosa riuscrià a fare la Fed!

Due post che descrivono lo stesso modello sono dell’immancabile Faber “Hussman Stock Valuation Models” e Wes Gray di Empiritrage LLC “Long Term Market Return Projections“.

Piccola postilla: quanto detto all’inizio sui “sistemi complessi” (con riferimento alla fisica) ovviamente è quanto letto in giro su paper e libri sull’argomento, ma rivolti ad un pubblico di “ignoranti” come me, non certo paper tecnici a riguardo. Questo per dire che potrei aver detto scemate, usato paragoni impropri e/o mal interprato alcuni passaggi e quindi se qualche fisico o matematico o ingegnere o chicchessia che legge mi potesse correggere, sarei più che felice! Per il resto commenti, critiche costruttive, domande e opinioni son più che benvenute.

Nelle prossime settimane sarò super-impegnato per lavoro, quindi sicuramente non avrò tempo per aggiornare il blog (o quantomeno per argomenti vasti come quello di oggi) e purtroppo anche poco per commenti ed e-mail, ma alla peggio recupererò più avanti, promesso!

Source: Sánchez, J. M., Yurdagul, E., “Why Are Corporations Holding So Much Cash?”, The Regional Economist | January 2013, Federal Reserve Bank of St. Louis

Fortunamente però, non sembra che sia l’unico ad avere molti dubbi su cosa ci riserverà il futuro e anzi sono in buona compagnia. Howard Marks, di Oaktree Capital, ha iniziato uno dei suoi memo (11 Settembre 2012, chiamato “On Uncertain Ground”) con la seguente frase: “The world seems more uncertain today than at any other time in my life.”, peraltro facendo eco ad un articolo di John Bogle, fondatore di Vanguard, con cui condivideva lo stesso sentimento di profonda incertezza riguardo i mercati finanziari; stiamo parlando di due persone che hanno un’esperienza sul campo di almeno 50 anni e spesso ricca di soddisfazioni! O’Shaughnessy Asset Management non è da meno e ha pubblicato proprio di recente un paper dal titolo piuttosto esplicativo: “Expanding Horizons: The Most Difficult Environment for Generating Income in 140 Years” e tra i grafici sicuramente più interessanti c’è questo (cliccare sopra per ingrandire in una nuova finestra):

Source: “Expanding Horizons: The Most Difficult Environment for Generating Income in 140 Years”, O’Shaughnessy Asset Management By Ehren Stanhope, Travis Fairchild, January 30, 2013

Questa figura ci mostra il range in cui si sono mossi i principali yield di diverse asset class globali e come possiamo vedere nella maggior parte dei casi sono tra i meno attraenti nella storia (più lo yield è basso, più è potenzialmente sopravvalutato l’asset sottostante). Addirittura il treasury americano a 10 anni è il più basso dal 1790 ad oggi! Non ne parliamo degli high yield e corporate bond, anch’essi ai minimi storici. E’ in fondo da molto che Bill Gross di Pimco avvisa del potenziale bear market nel mercato dei bonds (d’altronde veniamo da un bull market trentennale) e inoltre una delle variabili migliori per predire il rendimento total return dei bond su 10 anni è guardare proprio allo yield-to-maturity e questo purtroppo ci porta a pensare che sul risk-free (pensando a t-note e bund decennale) difficilmente riuscieremo a spuntare più di un 1.5%-2% annuo (nominale) per i prossimi 10 anni:

Blanchett, D., Finke, M., Pfau, W. D., “Low Bond Yields and Safe Portfolio Withdrawal Rates”, Morning Star Investment Management, January 21, 2013

A livello azionario e stando al CAPE di Shiller la situazione è poco migliore e non promette nulla di buono. Tuttavia andare contro il momentum azionario non è necessariamente una buona idea e la Fed sta deliberatamente cercando un “wealth effect” attraverso le enormi iniezioni di liquidità. Come sostiene anche Montier in uno dei suoi ultimi white paper a GMO, intitolato “The 13th Labour of Hercules: Capital Preservation in the Age of Financial Repression” e di cui consiglio caldamente la lettura (la registrazione su GMO è gratuita), restar fuori dall’azionario in periodi di repressione finanziaria (ovvero tassi nominali tenuti artificisamente al minimo e quindi tassi reali negativi) può comportare una forte sottoperformance, perchè di fatto le quotazioni possono essere spinte sempre più in alto, tuttavia riducendo man mano il risk premium futuro.

Stesso pensiero riguardo i magri rendimenti che ci potrebbero aspettare in futuro lo hanno ad AQR Capital, dove Clifford Asness in un white paper che si può leggere anche senza registrazione intitolato “An Old Friend: The Stock Market’s Shiller P/E“, ci offre questo potenziale rendimento reale su 10 anni per un eventuale classico portafoglio 60/40: un magro 2.2% annuo!

Source: Asness, C., “An Old Friend: The Stock Market’s Shiller P/E”, AQR Capital Management, Novemeber 2012

Infine, una pubblicazione recente sempre molto interessante è il “Credit Suisse Global Investment Returns Yearbook” (quest’anno arrivato al 2013) di Dimson, Marsh & Staunton della LBS in collaborazione appunto con Credit Suisse. Anche qui si sottolinea la difficoltà dell’investire nel lungo periodo con le attuali condizioni di mercato e soprattutto di fare market timing tenendo conto dell’effetto di  “mean reversion” dei mercati azionari (di questo ne parleremo nel prossimo post). Queste le loro previsioni (noi siamo tra il “Low 5% e il primo “Next 15%):

Source: Dimson, Marsh, Staunton, “Credit Suisse Global Investment Returns Yearbook 2013″

Source: Dimson, Marsh, Staunton, “Credit Suisse Global Investment Returns Yearbook 2013″

Bottom-line: i rendimenti dei bond risk-free saranno piuttosto magri per gli anni a venire e certo non paragonabili allo straordinario bull-market dagli anni ’80 ad oggi (parlo sempre per UK, US e Germania), inoltre drawdown e volatilità potrebbero essere maggiori che in passato. Riguardo i rendimenti azionari ovviamente regna la solita incertezza, esasperata dalla pressione ribassista data dalla debolezza economica e le valutazioni non a sconto da una parte e dalla pressione rialzista dovuta all’enorme liquidità riversata nei mercati dall’altra. In ogni da queste valutazioni e con queste condizioni economiche, il passato non hai mai riservato rendimenti particolarmente attraenti.

Nel prossimo post parleremo ancora di previsioni azionarie, di mean reversion e di come si può utilizzare il CAPE di Shiller per avere un’idea del rendimento da attendersi per il futuro (come vedremo, purtroppo, vicino a quello delle previsioni qui sopra). A presto!

Accademicamente i professori Fama e French ripresero quest’idea in uno dei paper più significativi in ambito di asset pricing (anche perchè dichiarò di fatto la morte del CAPM, se mai ce ne fosse stato bisogno) e dimostrarono come i titoli value sovraperformassero i titoli growth (o “glamour”) in maniera sistematicamente significativa sostanzialmente dal 1927 ad oggi e non solo negli USA, ma sostanzialmente in tutti i mercati.

Innanzitutto per “value investing”, nell’accezione più semplice, ovvero quella accademica, e da un punto di vista puramente quantitativo (quindi senza particolare riferimento a Graham e ancor più Buffett riguardo gli aspetti “qualitativi”) significa comprare titoli i cui multipli son “depressi”. Tipicamente vengono utilizzati il P/E, il P/BV, il P/CF e via così (in realtà Fama e French hanno spesso usato i reciproci e quindi l’E/P, BV/P e CF/P). I titoli che presentano valori di questi multipli “bassi” (o alti se si usano i reciproci) sono i cosìdetti titoli value, mentre quando i multipli sono elevati (oppure bassi se si parla di reciproci) i titoli son definiti growth (proprio perchè incorporano aspettative importanti di crescita). Un modo per capire se i valori dei multipli sono alti o bassi è semplicemente quello di ordinare i titoli in base ad un multiplo e poi dividere il tutto in quintili (o quartili, decili… quello che si preferisce!).

Questo è proprio quello che hanno fatto i professori Fama e French nel creare il loro fattore “value” ed hanno dimostrato che i titoli value, appunto, sovraperformano i titoli growth (aggiungendoci poi nel nuovo modello di asset pricing anche i titoli small vs large, fino all’aggiunta del quarto fattore “momentum”). Questi un po’ di dati e grafici a riguardo dal database dei due professori, per capire la differenza in performance dovuta alla sola valutazione di un titolo. Tutti i grafici sono in scala logaritmica e rappresentano la crescita in eccesso sul risk free di 1$ investito ad inizio periodo (i grafici sul book-to-market e il dividend yield sono dal 1926, quelli sul cash flow ed earnings dal 1951), sono survivorship-bias free (anche perchè ribilanciati mensilmente), look-ahead bias free (poichè i dati di bilancio utilizzati son vecchi di 6 mesi) e sempre equal weight (attenzione che quest’aspetto genera automaticamente una piccola sovraperformance, proprio perchè di per sè è un “tilt” nei confronti dei titoli value, tuttavia nel sito di French si trovano anche i market-cap weighted e value-weighted e i risultati non cambiano). Le tabelle con le statistiche riepilogative mostrano sempre l’excess return annuo (qui chiamato semplicemente CAGR) sul risk free e non il rendimento assoluto:

Data Source: Fama French Database

Come possiamo vedere la sovraperformance del quintile con i titoli value è sempre significativa, soprattutto rispetto all’ultimo quintile (ovvero quello dei titoli growth/glamour). Interessante notare che l’unico caso in cui ciò non è valido è per il dividend yield, proprio perchè uno yield troppo alto spesso non è sostenibile, come spesso sottolineato in questo blog anche e specialmente da Seven. A riguardo anche un interessante studio di Credit Suisse Quantitative Research, che dimostra come la combinazione high yield + low payout (ovvero sostenibilità del dividendo) sia vincente: “High yield, Low Payout“.

Funziona anche in mercati ex-USA? Provare per credere! Sul sito di French avete tutti i dati a disposizione, inoltre sul blog del Professor Marmi trovate anche altri dati volendo (con la spiegazione in Italiano).

Questa comunque una breve tabella presa da “Value and Growth Investing: A Review and Update” di Lakonishok e Chan, che dimostra il funzionamento in tutti i paesi (ironicamente in Italia di meno, o meglio, l’attenzione posta ai cash flows è fondamentale!):

Fonte: Chan, L. K. C., Lakonishok, J., “Value and Growth Investing: A Review and Update”, July 2002

Quale multiplo utilizzare? Dai dati sopra sembrerebbe, come spesso sottolineato da me e Seven, che sarebbe consigliabile utilizzare i multipli che utilizzano il Cash Flow come misura del “valore”, tuttavia una proxy può anche essere quella dell’EBIT/EV come consigliato da Greenblatt e confermato come miglior “performer” dall’interessantissimo e semplice studio dell’ottimo Wes Gray (di Turnkey Analyst ed Empiritrage LLC) e  Frank Vogel.

Il motivo per cui questa sovraperformance è così significativa e il perchè dopo tanti anni i titoli value sul lungo termine sovraperformino quelli growth non è necessariamente chiaro. La spiegazione accademica di Fama e French, sostenitori dell’ipotesi di efficienza dei mercati, è che i titoli value siano più rischiosi (al limite del distressed) e per questo le valutazioni son così depresse e per questo si spiega il maggior premio al rischio. E’ invece un’altra l’interpretazione quella data da Graham (con riferimento a “Mr Market”), oppure altri accademici come Lakonishok, Shleifer e Vishny (poi fondatori di LSV Asset Management) insieme al professor Chan e di molti practitioners tra cui Montier e Grantham di GMO tra i miei preferiti. L’idea è che in realtà gli investitori non agiscano in maniera del tutto razionale in un primo momento e sostanzialmente finiscano per sovrastimare la crescita futura dei fondamentali di certi titoli (growth) e sottostimare quella dei titoli value, ritrovandosi poi brutte o belle sorprese rispetto alle loro aspettative e di conseguenza corregendo solo in un secondo momento le loro valutazioni, lasciando così la possibilità a chi si accorge di questo fenomeno in anticipo di ottenere un excess return sul mercato (anche in termini risk-adjusted).

L’evidenza dei fatti sembrerebbe dar ragione all’ipotesi figlia di Graham, i molti studi fatti nel campo della neuroscienza cognitiva, i frequenti (o quantomeno più frequenti di quanto l’EMH vorrebbe) booms&busts, l’accertamento dei vari bias cognitivi e psicologici degli investitori, la presenza di investitori che regolarmente battono il mercato da anni (pochi eh!) e via così, sembrerebbe confermare che i mercati sono efficienti la maggior parte del tempo, ma non sempre e le occasioni possono scaturire per i più attenti. A riguardo consiglio le letture di Montier (tanti i suoi paper che si trovano googlando su internet, ma anche i libri Behavioural Investing e Behavioural Finance Insights, eventualmente consiglio comunque il primo più recente, aggiornato e completo) e di Andrew Lo.

Inoltre diversi son stati gli studi di accademici e practitioners che hanno mostrato che in realtà il “rischio” nei titoli value non sembrebbe giustificare la loro sovraperformance (se non addirittura essere quasi del tutto assente o minore dei titoli growth). Fermo restando che parafrasando il Professor Harry Kat, il rischio è una parola, ma non una sola misura (ovvero come lo definiamo? Volatilità? Oppure nell’accezione Grahamiana, per me più sensata, “permanent loss of capital”, quindi più in termini di distress e/o drawdown?). A riguardo ne ha scritto Damodaran, Montier e soprattutto i molti paper di Haugen (scomparso di recente purtroppo) e Baker (pionieri della “low volatility/beta” anomaly), dove sostanzialmente si è dimostrato che i titoli value son spesso meno volatili, presentano minori drawdown, hanno minor beta, minor correlazione con l’indice e un minore “distress risk” (ovvero sostanzialmente meno rischiosi).

Peraltro, si può cercare di mitigare il rischio, scegliendo titoli value, ma con minor rischio. Un modo per farlo ce lo ha mostrato il Professor Piotroski con il suo Piotroski Score, oppure Steven deKlerck nel suo ottimo blog o anche combinando il fattore value con il fattore momentum, come mostrato da Asness, Moskowitz e Pedersen di AQR Capital + Chicago Booth (Value and Momentum Everywhere).

Tuttavia, come faceva notare in un paper recente Damodaran, “Investing for grown-ups? Value Investing“, spesso i gestori “value” fanno molta fatica a star dietro al benchmark e di certo non riescono a performare come nei grafici mostrati qui sopra. Come mai? Montier a mio parere ha riassunto tutto perfettamente in poche parole in un suo paper intitolato “Painting by numbers: an ode to quant” ai tempi di Dresdner Kleinwort:  “[As] much as we all like to think we can add something to the quant model output, the truth is that very often quant models represent a ceiling in performance (from which we detract) rather than a floor (to which we can add)“. Ovvero, pensiamo sempre di poter far meglio del modello “base”, che appunto rappresenterebbe un punto di partenza, ma è più probabile che quello sia in realtà il massimo (il punto di arrivo) a cui aspirare.

Comunque, a prescindere da quale sia la causa, a distanza di più di 60 anni dalla pubblicazione di “The Intelligente Investor”, il value investing e il comprare “cheap” sembra ancora funzionare alla grande.

Le fonti a riguardo son tantissime, queste un po’ di letture consigliate oltre a tutte quelle già citate:

Molti spunti di quest’articolo sono presi dall’ottimo paper di Toby Carlisle (autore di Greenbackd e fondatore di Eyquem Investment Management): “Simple But Not Easy: The Case For Quantitative Value Investment“. Peraltro autore insieme al già nominato Wes Gray di un libro che si prospetta interessante: “Quantitative Value, + Web Site: A Practitioner’s Guide to Automating Intelligent Investment and Eliminating Behavioral Errors” (tuttavia ancora non l’ho letto, vi farò sapere appena posso, anche se la scrivania è sempre piena!).

Come già dettp consiglio una visita sul sito di Damodaran e una lettura al suo paper: “Investing for grown-ups? Value Investing“.

Il paper di Lakonishok, Shleifer e Vishny che suggerisce che la sovraperformance dei titoli value è dovuta a comportamenti non perfettamente razionali degli operatori è: “Contrarian Investment, Extrapolation, and Risk” . Infine quando mi riferivo alla mancanza di “distress risk” nei titoli value, mi rifacevo a questo studio di Campbell, Hilscher e Szilagyi: “In search of distress risk“; oppure a quello di Robeco Asset Management: “Is the value premium really a compensation for distress risk?“.

Assolutamente da leggere i molti articoli a riguardo di Haugen e Baker (e il sito dedicato alla “Low Volatility Anomaly“).

Obiettivo di questo post è provare ad identificare dei parametri quantitativi dai dati di bilancio delle società che colgono (almeno in parte) i criteri proposti da Seven.

Nel primo post, Panoramica Criteri Analisi Fondamentale: Parte 1 (Il Free Cash Flow), era stata sottolineata l’importanza della generazione di cassa e in particolare del Free Cash Flow (in contrasto con l’Ebitda). Di conseguenza la prima caratteristica che le società dovranno possedere per superare lo screening sarà: FCF TTM >= 0.

Nel secondo post, Panoramica Criteri Analisi Fondamentale: Parte 2 (Indebitamento Basso), Seven metteva in guardia dalle società che fanno utilizzo eccessivo della leva finanziaria e raccomandava solo di concentrarsi su titoli con totale passività / patrimonio netto <= 1 (ovvero Totale Attività / Patrimonio Netto <= 2). Questo, di conseguenza, diventerà il nostro secondo parametro dello screening.

Nel terzo post, Panoramica Criteri Analisi Fondamentale: Parte 3 (Margini Operativi Alti), si faceva riferimento al fatto che società con l’operating margin elevato dovrebbero essere favorite a società con operating margin vicino allo zero o negativo. Per tradurre questo criterio in formule, selezioneremo solo aziende il cui operating margin è maggiore o uguale al 75° percentile del benchmark (che sarà il Russell 3000).

Nel quarto post, Panoramica Criteri Analisi Fondamentale: Parte 4 (Analisi dei tassi di crescita rispetto ai multipli di mercato), si accennava all’importanza della valutazione di un titolo e al favorire titoli value vs titoli growth. Questo parametro è più difficile da tradurre in formule perché, come faceva notare Seven, la valutazione tramite multipli di mercato è influenzata da molti fattori; in ogni caso di comune accordo abbiamo deciso che una regola per lo screening potrebbe essere P/FCF <= 20 (ovvero un FCF Yield del 5%).

Nel quinto post, Panoramica Criteri Analisi Fondamentale: Parte 5 (Business a Veloce Monetizzazione), Seven sottolineava come la forza di un business passi anche dalla qualità nella gestione del capitale circolante e consigliava di preferire società ad alta monetizzazione dell’utile. Sostanzialmente si preferiscono società con bassi accruals e basso rischio di credito derivante da un incasso piuttosto lento dei ricavi e utili (ovvero nel trasformare i ricavi e utili in cassa). Per cercare di cogliere quest’aspetto utilizzeremo il Cash Conversion Cycle e selezioneremo solo società che hanno il Cash Conversione Cycle <= del 25° percentile del nostro benchmark. Ovvero solo le società con CCC “basso” supereranno lo screening.

Nel sesto ed ultimo post, Panoramica Criteri Analisi Fondamentale: Parte Conclusiva (Ultimi Tips), Seven offriva degli ultimi accorgimenti per cercare di separare “the wheat from the chaff”. Questa è la parte più difficile da descrivere quantitativamente e dove più conta la capacità ed esperienza dell’analista. In ogni caso in riferimento all’evitare capital intensive business ed evitare business difficili da comprendere (o di cui analizzare i bilanci) aggiungiamo due regole: evitiamo il settore financials e vogliamo che il rapporto tra l’utile operativo e le CapEx sia nel 75° percentile del benchmark.

Riassumendo, il nostro screener sarà il seguente:

1. FCF TTM >= 0
2. Total Passività / Patrimonio Netto <= 1 ovvero Totale Attività / Patrimonio Netto <= 2
3. Operating Margin >= 75° percentile of Russell 3000
4. P/FCF <= 20
5. Cash Conversion Cycle <= 75° percentile of Russell 3000
6. Utile Operativo / Capex >= 75° percentile of Russell 3000
7. No Banks

Inoltre per evitare titoli troppo sottili (nonostante mediamente i titoli all’interno del Russell 3000 siano piuttosto liquidi) poniamo anche altri due parametri: Market Cap >= $100 mln e Average Daily Volume (last 3 months) >= $500k.

Ci tengo a sottolineare che questo non è assolutamente il modus operandi di Seven, che tipicamente va molto più a fondo nei bilanci , non ignora le condizioni economiche di un paese, né la situazione di un determinato settore o industry e guarda anche a segnali tecnici, come potete aver intuito dalle sue analisi. L’idea è solo dimostrare la bontà di questi criteri e il vantaggio che offrono nello “scremare” dal nostro universo di riferimento, selezionando per un’analisi più approfondita solo le società con fondamentali apparentemente solidi.

Il backtest (effettuato utilizzando l’ottimo Portfolio123) è costruito ed effettuato nel modo seguente:

1. L’orizzonte temporale  è dal 01/01/1999 al 28/09/2012.
2. Il benchmark di riferimento sarà il Russell 3000 Total Return (quindi comprensivo di dividendi).
3. All’inizio di ogni trimestre vengono acquistate solo le società che passano tutti i criteri appena elencati e all’inizio di ogni periodo i titoli acquistati sono equal-weighted. Ogni volta che una società acquistata precedentemente non supera anche uno solo dei 7 criteri (più quelli su capitalizzazione e liquidità), viene venduta.
4. Per cercare di rendere il backtest più realistico, le azioni vengono acquistate ad un prezzo medio tra l’Open e il Close + 0.75% di Slippage (che ha un effetto negativo sulla performance annuale di circa lo 0.5% annuo).
5. Non vengono considerati costi di commissione, motivo per cui ho cercato di aumentare lo slippage anche più del dovuto, ma ovviamente è un dato tenere in considerazione.
6. I dividendi pagati dalle società durante l’holding period sono inclusi.

Questo sarebbe stato il risultato della strategia basata sui criteri di Seven (primo grafico, $100 investiti ad inizio periodo su scala lineare a destra, daily drawdowns a sinistra) e uno spread (secondo grafico, long sui titoli selezionati con i criteri di Seven e short sul Russell 3000):

E questa la tabella con le principali statistiche riepilogative delle tre strategie:

Come possiamo vedere la performance è sostanzialmente migliore: a parità di rischio (stessa deviazione standard e downside deviation) abbiamo circa il 7.4% annuo di rendimento in più. Il drawdown nel 2009 è pesante in entrambi i casi, ma quello di Seven è minore di circa l’8% in termini di ampiezza e meno della metà in termini di durata. Inoltre, nonostante un periodo iniziale di sottoperformance, vediamo come l’essere esposti a titoli “value” abbia protetto molto nel triennio 1999-2002 in termini di drawdown.

Nella versione “spread” possiamo vedere che il drawdown è molto meno pesante nel 2009 (circa il 15%), ma soffre molto la bolla tecnologica del 1999-2001. In compenso la deviazione standard e la downside deviation son dimezzate. Tuttavia, sembra decisamente comportarsi bene nei bear market, ma come strategia sarebbe psicologicamente più difficile da sostenere dato i molti anni di performance negativa o flat.

Adesso proviamo a vedere se questo semplice backtest riesce a generare “alfa” in maniera statisticamente significativa. Per farlo scarichiamo i dati dalla library del Professor French e vediamo se una volta corretta la performance per i fattori “market” (ovvero se si genera extra-performance rispetto al mercato), “size” (ovvero se si possiede un “tilt” per le small cap, che sul lungo periodo offrono in aggregato una sovraperformance sulle large cap), “value” (per verificare se esiste un “tilt” riguardo la tendenza dei titoli value a sovraperformare i titoli growth) e infine “momentum” (per verificare se si sta solo sfruttando l’effetto del momentum, ovvero persistenza della performance su orizzonti temporali <= 12 mesi). Per effettuare questa verifica basta regredire l’excess return (log return – risk free) della performance del backtest di Seven contro questi quattro fattori, che saranno identificati da: market (rmrf_market), size (smb_size), value (hml_value) e momentum (umd_momentum), presi così come sono dalla libreria di French. Il risultato (utilizzando R) sarebbe il seguente:

Come possiamo vedere l’alfa (nell’output sarebbe (Intercept)) è positivo (0.01752% daily, quindi circa il 4.5135% annuo composto), ma non statisticamente significativo. Infatti possiamo vedere come tutti i diversi fattori siano statisticamente significativi (guardare le colonne t value e P(>|t|), che sarebbo la t stat e il p-value): il beta con il mercato è circa 0.45, il beta verso size e value è positivo (ovvero si tendono a selezionare small value cap, piuttosto che large growth cap) e infine il beta con il momentum (quello di Fama French è quello a 12 mesi, escludendo l’ultimo mese) è negativo, ovvero si tendono a comprare titoli che son scesi negli ultimi 12 mesi (o quantomeno non quelli che son saliti di più).

Concludo il post ricordando ancora una volta che questa è solo una lontana approssimazione di quanto fa Seven per selezionare i titoli e il fatto che non si “generi alfa” significativo con questo backtestnulla implica sulle capacità di Seven come stock picker. Inoltre, non intende assolutamente rappresentare un consiglio ad investire ciecamente seguendo solo questi parametri e vi ricordo a riguardo il disclaimer. L’obiettivo era solo dimostrare come una semplice esposizione a determinati fattori che cercano di cogliere la bontà di un titolo (alti margini, valutazione attraente, generazione di cassa positiva e leva finanziaria limitata) porta sulla carta ad una sovra performance significativa sul mercato.

A presto a tutti i lettori!

Data Source: Bloomberg Finance, LP

In effetti vediamo che aumentando l’ampiezza dell’holding period, il rendimento si “stringe” intorno alla media di lungo periodo (linea tratteggiata) e le oscillazioni intorno a questa sono decisamente meno marcate (anche se più durature):

Data Source: Bloomberg Finance, LP

L’idea alla base di questa concezione, portabandiera dei sostenitori del “stocks for the long run” come Siegel o Bogle, è quindi che su un holding period sufficientemente lungo il rendimento ottenuto si avvicinerà a quello di lungo periodo del mercato, con scostamenti molto limitati (e difficilmente potrà essere battuto da assets alternativi). Questo ha un risvolto pratico importante in termini di asset allocation: le fluttuazioni di breve dovrebbero diventare irrilevanti se l’orizzonte temporale è sufficientemente lungo e di conseguenza da giovani si dovrebbe allocare una percentuale azionaria in portafoglio decisamente più alta. Questo ha portato all’applicazione naive in termini di asset allocation, dove la percentuale azionaria dovrebbe essere pari a (100-Età).

Quest’ipotesi è spesso corroborata con queste immagini (S&P 500 Total Return dal 1927 ad oggi):

Data Source: Bloomberg Finance, LP

Nel grafico soprastante (i due punti neri identificano massimo e minimo, il punto rosso il rendimento mediano e infine il box identifica il 1° e 3° quartile) vediamo che per un orizzonte temporale di 1 anno, si son visti rendimenti dal 168% annuo al -71%; tuttavia, all’aumentare dell’holding period, la variazione intorno al rendimento mediano si restringe (fino, in teoria, a collassare se si considera tutto l’orizzonte temporale dal 1927 ad oggi). Questo si può interpretare in questa maniera: se l’orizzonte temporale dell’investimento è abbastanza lungo, la volatilità del rendimento finale, sarà minore. Graficamente:

Data Source: Bloomberg Finance, LP

Come vediamo all’aumentare dell’ampiezza dell’holding period, la volatilità intorno alla media del rendimento diminuisce sensibilmente.

Possiamo quindi concludere che (1) è ragionevole avere una percentuale del portafoglio maggiormente concentrata in azioni se l’orizzonte temporale è sufficientemente lungo? Possiamo concludere che (2) le azioni sono effettivamente meno rischiose sul lungo periodo? La risposta ad (1) e (2) è no e in ogni caso dipende da molti fattori di rischio, che non possono certo essere completamente risolti dai tre grafici mostrati sopra.

Innanzitutto attenzione a ragionare in termini relativi: quando si pianifica il proprio futuro e si decidono i pesi delle diverse asset class per cercare di ottenere il rendimento necessario, per esempio, a integrare la pensione, maggiore è l’orizzonte temporale, maggiore è l’impatto in termini monetari di un eventuale “shortfall” rispetto al rendimento atteso. Mi spiego meglio: con i dati sopra abbiamo che su 20 anni il rendimento mediano dell’S&P 500 TR è stato del 10.66%, il minimo è stato del 8.22%. La differenza del 2.44% composto su 30 anni comporta in termine assoluti un risultato ben diverso: investire $10,000 ad inizio periodo nel primo caso porta a ritrovarsene $208k, nel secondo $107k, quasi la metà! Inoltre subire un drawdown del 50% quando si sono investiti $10,000 all’inizio del periodo, è psicologicamente sostenibile per la maggior parte delle persone (per quanto non piacevole), ritrovarsi invece con $107k invece che $208, dopo aver atteso 25 anni, non necessariamente avrà lo stesso effetto. Keep it in mind se non volete sorprese!

Secondo: quanto ampio dev’essere l’orizzonte temporale? Dal grafico boxplot (sopra) vediamo che dopo 15 anni di holding period, con i dati sull’S&P 500 TR, avremmo ancora il rischio (nella peggiore delle ipotesi) di avere un rendimento nominale negativo e per ottenere un rendimento “accettabile” per assumerci il rischio azionario (quel 6.5% TR), l’orizzonte si può ampiare fino a 30 anni nella peggiore delle ipotesi. Per battere l’inflazione vediamo che storicamente l’orizzonte temporale doveva essere di almeno 20 anni:

Source: Martin Capital Advisors LLP[1]

Quando ci spostiamo su mercati internazionali, vediamo che la situazione può essere anche peggiore e gli Stati Uniti rappresentano in realtà un’isola felice (e non necessariamente ripetibile!):

Source: Dimson Marsh Staunton[2]

Dall’ottimo lavoro di Dimson, Marsh e Staunton della London Business School, vediamo che solo per 5 paesi (South Africa, Danimarca, US, Australia e Canada) 25 anni sono stati un periodo abbastanza lungo per battere l’inflazione, ma per la maggior parte degli altri paesi (dal 1900 al 2002) 25 anni non sarebbero stati abbastanza! Vediamo che addirittura per paesi come la Germania, l’Italia e Belgio, nel 25% dei casi, 25 anni non sarebbero stati abbastanza per battere l’inflazione. Per paesi come il Giappone, nell’ipotesi peggiore, addirittura 50 anni non sarebbero stati abbastanza:

Source: Dimson Marsh Staunton – Japan[3]

Terzo: Non è assolutamente vero che maggiore è l’orizzonte temporale, minore è il rischio. Questo è stato dimostrato da Zvi Bodie[4], dimostrando che il costo per assicurarsi contro una “shortfall”, aumenta con l’aumentare dell’orizzonte temporale:

Source: Zvi Bodie[4]

Perché accade questo? Perché se è vero che la probabilità di una shortfall dal rendimento atteso diminuisce, nulla sappiamo sull’entità di questa shortfall. Pensiamo ad esempio a chi ha chiuso un investimento di 24 anni il 31/10/2007 (dal 1983) e chi, iniziando solo 1 anno e mezzo dopo (nel marzo 1984), lo ha dovuto chiudere il 27/02/09, questo il risultato:

Ora (premesso che ovviamente ho preso un esempio estremo, nel primo caso di chiudere sui massimi assoluti, nel secondo caso nel peggior momento possibile) nonostante l’orizzonte temporale possa essere definito dai più “sufficientemente” lungo, il risultato sarebbe stato di circa il 4% annuo composto in meno e ci si ritroverebbe con poco più di un terzo del caso più fortunato, una bella differenza (e a distanza di solo 1 anno e mezzo)!

Altro motivo per cui maggior orizzonte temporale non si traduce automaticamente in minor rischio di shortfall, è il fatto che diventa più probabile il subire un drawdown sostanzioso. Dall’ottimo paper di Jack Duval[5], abbiamo questa tabella:

Source: Jack Duval[5]

Come possiamo vedere, la possibilità di ritrovarsi con un capitale ridotto del 25% o più alla fine di 1 anno è del 2.1%, di 5 anni è del 4.5% e di 20 anni è di “solo” l’1%; ma il subire durante questi 20 anni un “drawdown” di almeno il 25% o più è del 24.4% per un holding period di 20 anni, mentre con un orizzonte temporale di 1 anno è del 5.2%. Ovvero, com’è logico immaginarsi, maggiore è l’orizzonte temporale, più “momenti difficili” si dovranno affrontare e a priori non sapremo mai se quel momento difficile sarà lontano abbastanza dalla nostra pensione per poter essere compensato con un recupero (reversion to the mean) dei mercati azionari. Questo spiega la forza e importanza del rebalancing, della diversificazione e dell’aggiustare i pesi delle varie asset classes man mano che l’orizzonte temporale si restringe.

Quarto, nonostante i propositi possano essere quelli di un investimento di lungo periodo (che come abbiamo visto dev’essere almeno di 20-25 anni!), gli imprevisti nella vita di chiunque noi son sempre tantissimi, da emergenze di salute, disabilità, licenziamenti, processi e spese legali, supporto a componenti della famiglia e via così e di conseguenza, sottolineo ancora una volta, nella mia modestissima opinione la porzione tenuta in cash dev’essere sempre relativamente alta e la “fiducia” nelle azioni comunque limitata.

Spostandoci infine su concetti più vicino al financial planning, come sottolineato sempre nell’ottimo paper di Zvi Bodie e dal lavoro di Ibbotson[6], quando si parla di diversificazione del portafoglio, asset allocation e financial planning, bisogna considerare anche la diversificazione del cosìdetto “human capital” con il portafoglio e il proprio grado di avversione al rischio, che peraltro, spesso, tendiamo a sovrastimare. Per questi argomenti però invito a leggere i rispettivi paper.

Una raccolta interessante e piuttosto semplice riguardo la fallacia del concetto di time diversification la trovate anche qui, sul sito del Professor Norstad.

Ovviamente, nota a parte, sarebbe una buona idea mettersi in condizioni di evitare i drawdown più pesanti e gli holding periods meno rewarding. Questo può essere fatto in tanti modi (e non li vedremo in questo post), ma mi riferisco alla valutazione dei corsi azionari (il CAPE di Shiller, e una sua applicazione pratica di Faber con Philbrick, Gordillo e Butler [7]), asset allocation più diversificate (abbiamo visto l’All Weather e il Permanent Portfolio qui), oppure strategie dinamiche (qui il Momentum, qui il Volatility Sizing) e tutte le possibile alternative e modi per cercare di battere il mercato ed evitarne i rischi maggiori (ovviamente che poi ci si riesca è un altro paio di maniche!).

Commenti, critiche e richieste sono come al solito benvenuti. Ho ancora un post in mente prima delle vacanze e spero vivamente di aver tempo di farlo, poi vi terrò aggiornati sul proseguio del blog. A presto!

Cari lettori, dato che continua ad essere una delle key words più ricercate del blog e tuttavia l’unico post a riguardo era datato e non necessariamente completo, oggi come da titolo provo a tornare sull’argomento diversificazione del portafoglio. Volutamente cercherò di rimanere il più possibile in superficie e mettere in rilievo solo i concetti chiave, infatti l’argomento è vastissimo e in rete si trova di tutto. Inoltre l’intenzione di questo post è solo ed esclusivamente quello di aiutare l’investitore retail a capire il concetto di diversificazione e essere in grado di impostare un portafoglio ragionevole e di conseguenza non voglio entrare troppo nei dettagli tecnici, né in consigli operativi. Infine, non parlerò nemmeno di “tactical” asset allocation, ovvero come scegliere i pesi delle varie asset classes (in parte l’abbiamo visto qui con la risk parity, qui con un lazy portfolio con ribilanciamento annuale “naive” e qui selezionando le asset classes globali in base al momentum.

Il concetto di diversificazione è molto semplice ed intuitivo. Al fine di evitare una riduzione importante (e talvolta definitiva)  del capitale investito a causa di un investimento andato male, è bene non concentrare tutti i risparmi personali in un singolo investimento (o asset class). Il punto focale della diversificazione è quindi la riduzione del rischio. Tuttavia il rischio, come ricordato da Harry Kat in quest’interessantissimo paper riguardante gli hedge funds (non necessariamente collegato a quest’articolo, ma worth reading in ogni caso): “[…]risk is one word, but not one number”.

Il rischio a cui mi riferirò in questo articolo ha principalmente due forme:

1. volatilità (ovvero dispersione/scostamento dal valore/rendimento atteso per il lungo periodo)
2. shortfall (mi riferisco letteralmente al termine inglese, ovvero il “trovarsi con meno del dovuto/atteso”)

Tipicamente il primo tipo di rischio viene misurato dalla deviazione standard e il secondo si manifesta soprattutto sottoforma di “drawdown” in prossimità di quando dovremmo rientrare in possesso dell’investimento (statisticamente la probabilità e una stima della “profondità” della shortfall si può approssimare, appunto la cosìdetta expected shortfall o Conditional-VaR, ma non è questo il momento!).

Tuttavia la volatilità e i drawdowns sono semplicemente la manifestazione del rischio, le cause ovviamente sono altre (incertezza su tutte, riguardo il futuro, i fondamentali micro e macro, la probabilità di ricevere indietro i soldi investiti e via così. Inoltre, in genere, sono amplificate dall’emozionalità e irrazionalità dei mercati e dei suoi operatori).

La diversificazione sfrutta il fatto che gli asset tra di loro non hanno una correlazione perfetta (ovvero non si muovono sempre tutti insieme nella stessa direzione e non presentano tutti lo stesso “epilogo”) e di conseguenza il fatto che un investimento “vada male”, può essere compensato da un altro investimento che si muove in direzione opposta.

Senza entrare nei dettagli tecnici, il coefficiente di correlazione semplicemente ci dice qualcosa sulla tendenza di una variabile o un fenomeno a variare in funzione di un’altra variabile o fenomeno (e viceversa, dato che nulla ci dice sul rapporto di causalità delle due variabili!). Il coefficiente di correlazione oscilla tra -1 ed 1. Nel caso di correlazione tra i rendimenti di due asset avremo: nel caso del primo valore (-1) significa che se un asset mostra rendimenti superiore alla sua media, storicamente l’altro ne ha sempre mostrati inferiore alla propria media; nel caso del secondo valore (1) significa che se un asset ha rendimenti sopra la media, l’altro storicamente ha sempre avuto rendimenti superiori alla media e infine nel caso di di un valore pari a zero, significa che al variare del prezzo di un asset, nulla possiamo inferire riguardo il movimento dell’altro asset.

Cercando sempre di non entrare nel tecnico, la correlazione tra assets di un portafoglio ha una forte influenza sul rischio dello stesso, sia in termini di volatilità che drawdown. Minore è la correlazione, minore sarà la volatilità (e verosimilmente il drawdown). Questo si può apprezzare facilmente tramite le formule, in ogni caso per chi non fosse interessato agli aspetti tecnici, qui sotto un piccolo esempio usando due assets (stocks and bonds), con il loro rendimento annuo storico (total return e preso da qui) e i pesi spesso usati in portafogli lazy di lungo periodo (60% per le stocks e 40% per i bonds):

Come possiamo vedere il rischio del portafoglio (Portfolio Risk = deviazione standard annualizzata), nel caso in cui la correlazione sia pari ad 1 (perfetta correlazione) abbiamo il massimo della deviazione standard per il portafoglio (15%), se ci muoviamo in basso lungo la colonna della correlazione (fino ad arrivare a -1, perfetta correlazione inversa), il rischio complessivo si riduce fino al 7.8% annuo. Una nota sulla colonna “risk reduction”: quando arriva al 100% non ci dice che non c’è più rischio, ma semplicemente che abbiamo ridotto il rischio al minimo possibile. Come vediamo a parità di rendimento e volatilità attese per le due asset classes, il solo valore della correlazione tra i due asset influenza fortemente il rischio del portafoglio (e il rendimento risk-adjusted come evidenziato dallo Sharpe Ratio). Questa, in sostanza è la forza e il punto chiave delle diversificazione.

Iniziamo con il primo appunto e grosso problema per gli investitori: le correlazioni, purtroppo, non sono statiche ma variano nel tempo (anche a livello di asset classes globali):

Fonte Dati: Bloomberg e Federal Reserve of St. Louis

Inoltre, tipicamente, tendono ad avvicinarsi ad 1 nel momento peggiore possibile, vanificando i pregi della diversificazione nel momento peggiore possibile (ovvero quando “tutto scende”, vedere il bear market del 2009). Tuttavia, alcune tendono ad essere più stabili delle altre (soprattutto a seconda del momento storico) e possono avere solo dei momenti molto brevi in cui crescono tutte insieme. Come rule of thumb, per orizzonti temporali molto ampi: bond (con riferimento ai titoli di stato) e azioni hanno correlazione bassa se non negativa, azioni e oro tendono ad avere correlazione negativa in periodi di alta inflazione e tassi reali negativi, il cash sostanzialmente ha correlazione pari a zero con tutto (soprattutto per come sono strutturati gli strumenti per investirci). Questo piccolo specchietto appena fatto spiega, ad esempio, la forza del Permanent Portfolio o dell’All Weather Portfolio in termini di riduzione di volatilità e drawdown (bellissimi anche quest’articoli su CSS Analytics, soprattutto nella grafica molto esplicativa: Permanent Portfolio e All Weather Portfolio).

Adesso possiamo passare a capire come metterla in pratica. La diversificazione deve avvenire principalmente a tre livelli (ognuno dei quali può avere sub-livelli e che ovviamente tendono a sovrapporsi): tra asset classes, tra paesi ed emittenti e a livello temporale e di liquidità.

Le tre asset classes principali sono azionario (stocks), obbligazionario (bonds) e liquidità (cash). In aggiunta a queste ci sono le cosìdette asset classes alternative, notoriamente: oro, materie prime (commodities: energy, agricultural e precious metals), immobiliare (real estate), hedge funds e private equity/VC. La diversificazione tra asset classes è assolutamente fondamentale: diversificare internamente alla stessa asset class (soprattutto quando si parla di azionario e corporate/HY bonds) spesso ha effetti minimi in termini di riduzione del rischio, proprio perché quando le cose vanno male gli strumenti appartenenti a queste asset classes si correlano positivamente tra loro e rendono la diversificazione poco utile. A riguardo, molto ben fatti questo grafici di GestaltU (Butler, Philbrick, Gordillo & Associates), dal 1995 ad oggi:

Fonte: “GestaltU – Butler|Philbrick|Gordillo & Associates – ’2277 Stocks and Still Not Diversified’ ” Link: http://gestaltu.blogspot.com/2012/03/are-you-diversified.html

Come possiamo vedere un portafoglio fatto da Emerging Markets (EEM) + Europe Australia & Far East (EFA) + S&P 500 (SPY) chiamato “All Stock” avrebbe abbassato la deviazione standard solo al 22% (con un annual return del 6% e un drawdown del 59%). Diverfisicando invece tra asset classes (SPY + Gold + Long term Treasuries (TLT)), la volatilità sarebbe crollata all’8%, con un annual return del 9% e un drawdown più che dimezzato e pari al 21%. Questo dimostra i benefici di diversificare attraverso diverse asset classes.

Ovviamente, poi, all’interno della singola asset class si può diversificare ulteriormente. In questo modo iniziamo ad introdurre il secondo tipo di diversificazione, ovvero a livello di emittente e paese. Come visto per l’azionario si può diversificare su diverse macroaree: USA, Euro, UK, Japan & Australia, BRIC, MIST ed emergenti cosìdetti “frontier”. A livello di bond si può diversificare a livello di tipologia di emittente e tipo di cedola (sovereign e corporate, inflation linked, floating-rate e fixed-rate) e a livello di rischio insolvenza/rating: titoli di stato (includendoci anche gli inflation linked), titoli corporate (a rating elevato) e titoli high yield (sia corporate che sovereign). E da qui si può diversificare sempre di più, fino a scendere a livello settoriale e di singoli titoli.

Una piccola nota, poi passiamo al prossimo punto. Investire la porzione azionaria nell’indice italiano non è una buona diversificazione. L’indice italiano rappresenta una scomessa su un paese specifico; non siamo gli Stati Uniti, non siamo una macroarea economica e a livello di capitalizzazione contiamo davvero poco:

Fonte: Elroy Dimson, Paul Marsh, and Mike Staunton, Credit Suisse Investment Returns Sourcebook 2012. Link: https://www.credit-suisse.com/investment_banking/doc/cs_global_investment_returns_yearbook.pdf

Questo non è un consiglio operativo di cosa bisognerebbe fare in questo momento o un parere specifico sull’Italia. Semplicemente, per ottenere un adeguata diversificazione a livello globale, non si può mettere l’intera porzione destinata all’azionario in un indice poco rilevante a livello globale (soprattutto adesso che tramite investable indeces ed ETF si può investire in altri mercati in maniera efficiente e semplice) e con relativamente poche multinazionali rispetto ad altri indici (come l’S&P 500, il FTSE 100 e l’Eurostoxx).

Infine, la diversificazione a livello temporale e di liquidità. Cerco di spiegare meglio cosa intendo per “diversificazione a livello temporale”. Per “time diversification” si intende che la deviazione standard del rendimento per un dato “holding period”, diminuisce con l’aumentare di quest’ultimo (e di conseguenza diminuisce la probabilità di “shortfall”, definita come sopra). Attenzione però: nulla si dice sull’entità dell’eventuale shortfall, quindi nonostante la probabilità e la deviazione standard diminuiscano, non significa che possano seriamente colpire il nostro capitale (vedremo meglio nel prossimo post). Quasi tutte le asset class, ad esclusione di liquidità e risk-free con maturity minore di 1 anno, oltre ad avere correlazioni instabili nel breve, hanno bisogno di tempo prima di allinearsi al proprio rendimento atteso nel lungo periodo. Chiaramente, per chi non volesse prendere scommesse direzionali e/o usare strategie dinamiche, l’azionario, l’immobiliare, le commodities, i bond a media/lunga scadenza, gli high yield bonds, l’oro ed eventuali investimenti in  HFs/private equity richiedono necessariamente un orizzonte temporale piuttosto lungo (ripeto, vedremo cosa significa “abbastanza lungo” nel prossimo post, ma prendiamo come approssimazione qualcosa  che va dai i 10 anni in poi). Bottom line: se per motivi personali, ovvero propensione al rischio o insicurezza riguardo quando potrebbero servire i soldi investiti (ovvero riguardo l’ampiezza dell’orizzonte temporale dell’investimento), bisogna tenere in conto che per ricevere i benefici della diversificazione nella sua interezza, allora l’orizzonte temporale gioca un ruolo fondamentale e dev’essere necessariamente lungo. Come detto, le uniche asset classes che possono essere vendute in praticamente qualsiasi momento con effetti minimo sul prezzo (i.e. liquide) sono sostanzialmente treasuries (risk-free) a breve e liquidità.

Concludo passando a qualcosa di più operativo. Da ora in poi però sottolineo che includo opinioni prettamente personali, quindi possono essere del tutto sbagliate: criticate e commentate pure. La diversificazione minima dev’essere fatta includendo queste tre asset class: stocks, bonds e liquidità. Soprattutto l’ultima, mi preme dirlo, è molto rilevante e nonostante dipenda dalla propria propensione al rischio, deve sempre rappresentare una parte rilevante del portafoglio (specialmente se si applica un qualsiasi tipo di strategia dinamica). Questo perché situazioni inattese possono sempre capitare e la liquidità, come detto, è l’unica a non aver bisogno della cosìdetta “time diversification”.

Se il capitale non lo permette (e considerando che i benefici della diversificazione hanno una marginalità decrescente, ovvero più aggiungo assets, meno la riduzione del rischio sarà evidente), a livello di stocks si può semplicemente diversificare partendo con: un’indice come l’MSCI World, per poi iniziare a dividere il capitale per le macroaree viste sopra (US, EAFE, EM) fino appunto a singoli indici/azioni.  A livello di bonds si può iniziare con indici globali su titoli di stato, poi paesi specifici iniziando dai risk free (in questo momento storico USA e Germana su tutti), fino ad arrivare a singole entità/paesi più rischio e infine HY. Importante anche diversificare a seconda della duration (il bond laddering per esempio è una strategia molto semplice e che permette ad investitori retail di ridurre rischio tassi e yield curve, senza dove prendere scommesse direzionali). Infine a livello di liquidità si può diversificare tramite ETF, PCT, conti deposito e via così.

Altre asset classes che aggiungerei, almeno in una piccola porzione, sarebbero oro, commodities e immobiliare. Infine per chi non ha particolari constraints sulla liquidità (e se li può permettere) ci sono fondi PE ed hedge funds, che spesso offrono una buona diversificazione e bassa correlazione con il resto delle asset classes (anche se per gli HFs dipende dalle strategie).

Altra piccola nota, soprattutto per gli investitori in Italia: spesso (tolta la prima casa) si finisce sovraesposti sull’immobiliare e spesso nella stessa nazione, appunto l’Italia, e città (esperienza personale con parenti). Questa non è una buona idea in termini di diversificazione (per usare un eufemismo), soprattutto considerato l’illiquidità, i costi diretti e indiretti e la ciclicità di questo settore. Se proprio si vuole aumentare la propria esposizione sull’immobiliare (escludendo, come detto, la prima casa) si può investire in indici real estate globali (tramite fondi, REIT o ETF), oppure diversificare comprando immobili anche in altri paesi.

Concludo dicendo che l’ultima parte della diversificazione avviene anche nella scelta degli strumenti, che ovviamente possono esporre a rischio controparte (soprattutto per assets finanziari e/o senza collaterale), in sostanza se si investe con la stessa casa di gestione quando si usano i fondi, ovviamente si è esposti almeno in parte al fallimento di quest’ultima. Il motto, capitale permettendo, è sempre: “don’t put all the eggs in one basket”.

Qualsiasi commento e domanda, sia per chi è interessato agli aspetti più tecnici, sia per chi non avesse capito qualcosa, sia per chi ha critiche/consigli è sempre un piacere.

Link utili:

Ottimo articolo di CSS Analytics per qualche calcolo “quick and dirty” a riguardo: http://cssanalytics.wordpress.com/2012/07/16/diversification-and-risk-reduction/

Interessante articolo di quanto detto finora da parte di GestaltU: http://gestaltu.blogspot.com/2012/05/diversification-still-only-free-lunch.html

Articolo di Bertoncello che ricalca molti degli argomenti coperti oggi: http://investitoreaccorto.giuseppebertoncello.com/2007/07/23/asset-allocation-un-vademecum-per-l-investitore/

I principali red flags nel rendiconto finanziario sono i seguenti:

1. Allungare il più possibile i tempi di pagamento nei confronti dei suppliers. In particolar modo parliamo di far crescere (o di mantener stabile anche in caso di forte crescita del business) i “debiti commerciali” (gli account payables). In questo modo si trattiene la cassa e aumenta l’operating cash flow (perchè si diminuisce il circolante commerciale). Tuttavia quest’aumento chiaramente non viene da una fonte ricorrente e sostenibile (prima o poi vanno ripagati) e non può andar avanti per sempre. Attenzione però con questa voce: deve richiamare l’attenzione nel caso in cui la crescita sia totalmente disallineata con la crescita dei ricavi oppure ripetuta per molto tempo. Nel breve termine e in misura contenuta, rappresenta invece il risultato di una buona gestione del circolante, che può anche aiutare nei momenti più difficile ed è sintomo di buon potere contrattuale con i fornitori.
2. Aspetti un po’ più complessi riguardanti i debiti e i crediti commerciali riguardano il financing dei primi e il cosìdetto “factoring” (una forma di securitisation) degli ultimi. Attraverso il financing dei payables, una società terza (in genere nel settore finanziario) paga i suppliers per conto della società e quest’ultima rimborserà solo in un secondo momento. In questo modo, lavorando sul lag temporale tra il pagamento della finanziaria ai fornitori e il rimborso nei confronti, si può aumentare artificialmente l’operating cash flow. Inoltre, mentre operare sul lag temporale può essere fatto solo per 1 o 2 quarters, il probalema principale è rappresentato dal fatto che il rimborso del finanziamento finisce nella sezione “financing” del rendiconto finanziario e di conseguenza sia l’operating che il free cash flow verranno sopravvalutati (e come spesso sottolineato il free cash flow ricopre un ruolo fondamentale per la valutazione aziendale).
3. Il factoring dei receivables invece, consiste nel vendere i propri receivables ad un’istituzione finanziaria e di conseguenza registrarne la vendita, aumentando l’operating cash flow. Inoltre se attraverso la securitisation i receivables vengono venduti ad un valore maggiore del book value registrato nello stato patrimoniale, si può anche registrare un profitto da inserire nel conto economico. Ovviamente però questo processo non rappresenta una fonte di cassa “sostenibile” (nè operativa) nel lungo periodo e di conseguenza dovrebbe richiamare l’attenzione dell’analista.
4. Ultimo aspetto più rilevante riguarda i buybacks (ri-acquisto di azioni proprie) per compensare l’effetto “diluitive” derivante dall’esercitare le stock options. Quando le stock options vengono esercitate, si registra un tax benefit e di conseguenza si aumenta l’operating cash flow. Tuttavia l’outflow di cassa derivante dal buyback finirà nella sezione “financing” del cash flow e di conseguenza di avrà un “boost” nell’OCF e FCF solo per cause contabili e non necessariamente ricorrente. Inoltre, chiaramente, il buyback dovrebbe rappresentare un utilizzo di cassa “efficiente”, in caso di quotazione depresse o mancanza di investimenti interessanti e non porta sicuramente valore aggiunto in questa funzione meramente compensativa.

Tramite questi tre post, dovreste ora essere in grado di cogliere i principali trucchi contabili e shenanigans (o quanto meno i loro campanelli d’allarme). Come detto spesso non rappresentano necessariamente frodi in larga scala e vengono effettuati ripetutamente per essere all’altezza delle attese degli analisti e guidance interna, ma chiaramente bisogna essere attenti a percepire situazioni estreme e cercare di capire se sono azioni allineate con gli interessi degli azionisti.

Ho in mente un paio di post che spero vivamente di riuscire a scrivere prima di Natale, perchè durante e dopo probabilmente tornerò ad avere l’acqua alla gola in termini di tempo. Due comunicazioni di servizio:

1. Dato che per qualche settimana son riuscito a “tornare al timone”, Seven si prenderà una pausa (principalmente per impegni lavorativi). In ogni caso in futuro nulla toglie un ulteriore collaborazione e immagino che passerà da queste parti tramite commenti (ed eventualmente tramite la mail del sito potrà rispondere sempre a domande etc etc).
2. Perdonate il mio Italiano, spesso quando rileggo i post la forma è davvero pessima, ma son due anni che lo parlo davvero poco e soprattutto tutti questi argomenti li ho tutti studiati ed imparati in Inglese. Inoltre il tempo è quello che è, per cui ho spesso poco tempo per rileggere e correggere!

A presto!