Inversión fundamental cuantitativa

Hola, es la primera vez que escribo en el foro. Este tema me parece muy interesante, yo siempre he buscado cosas pero a falta de conocimientos para crear modelos no he llegado a nada.

Yo usaba datos de Yahoo finance a través del API, pero vi que no eran muy fiables.

La web más barata que expone un api con datos fundamentales que encontré, aunque no llegué a pagar por ella, no puedo decir si es fiable es https://eodhistoricaldata.com/.

Sobre lo de hacer un grupo, en la parte de programación puedo ayudar, se puede hacer un repositorio en GitHub y colaborar.

Gracias

6 Me gusta

Hola!

Les sugiero incorporar los podcast relacionados con @arturop, como el número #13 o el #30, porque (sospecho que) tendrá bastante que aportar en todo este tema.

En el #13, menciona por ejemplo dos webs de pago, pero “baratillas y muy potentes”:

https://www.unclestock.com/

https://screener.co/

A las que echar también el ojo.

Muy interesante el tema!

8 Me gusta

Buenas.

Muchas gracias @AlanTuring, @Ialberquilla, @Carlos por las referencias que nos comparten, son muy interesantes! Las he consolidado junto al resto de plataformas y screeners en el post previo.

De cara a valorar unos y otros, tengo una pregunta que igual parece un poco simple pero… ¿De dónde cogen los datos históricos todos esos screeners y plataformas? Quiero decir, ¿Cuál es la fuente de todos esos datos? ¿Cuál es su credibilidad? Imagino que cada uno tendrá una fuente diferente, pero ¿Cuál se supone que es la fuente “oficial” si es que la hay?

Por otro lado les cuento que yo he ido avanzando en mis lecturas y llego a una mesa con tres patas: Calidad, Valor y Momento. La cuarta pata necesaria para el equilibrio tiene pinta de ser la Persistencia. Principalmente estas semanas he podido tener algo así como un primer “Big Picture” acerca de diferentes modelos y, sobre todo, la relevancia del Momentum al conjugarlo con estrategias valor.

Me he comprado el libro “What works on Wall Street” de James O’Shaughnessy, me llega en un par de días y tiene bastante buena pinta. Lo espero con ganas. He ido haciéndome un pequeño esquema de inversores y modelos que combinan diferentes ratios. En varias lecturas y estudios se conjugan varios (P.ej. La Fórmula Mágica de Greenblatt con Momentum).

Entre todo aquello que me han llamado la atención por si les apetece navegar y bucear en internet:

  • NCAV y Net-Nets de Graham.
  • Magic Formula de Greenblatt.
  • Acquirers Multiple de Carlisle.
  • F-Score de Piotroski.
  • ERP5 score de MFIE Capital.
  • Trending Value score de O’Shaughnessy.
  • Price Index 12m & Price Index 6m para aplicar Momentum (Asness me ha abierto los ojos) combinado con otros factores.

Muchos de ellos son la suma de varios conceptos.

Lo que sí se aprecia es que esta tipología de inversión cuantitativa tiene mucha más relevancia en EEUU. De hecho es bastante complicado encontrar lecturas en castellano, y mucho menos libros traducidos. Seguiré buscando estas semanas. Muchos de los screeners arriba indicados nos permiten jugar con todos estos modelos y realizar backtests de los mismos.

El martes se acaban estos días más relajados y me espera un mes de enero cuesta arriba en la oficina, tengo que seguir con mi máster y el TFM no se inicia hasta el segundo cuatrimestre. Así que igual aparco un poco el tema o lo llevo con calma sin prisa pero sin pausa. Como les comenté, mi idea es poder crear un escrito que recoja las estrategias e inversores cuantitativos más relevantes. Empezando desde Graham hasta el día de hoy y poder dedicar un espacio a cada uno, su estrategia y los datos que arroja un backtest de la misma (seguramente me daré de alta en alguna de las plataformas de arriba), creo que puede quedar una lectura bonita y además hay poco en castellano. Disculpen si no puedo ir compartiendo su avance en directo, pero como es trabajo académico ya me entienden… Aunque bueno primero tendrán que admitirme esta temática para el TFM que lo mismo no me dejan por friki :joy: :joy:

Buen finde y seguimos.

9 Me gusta

¿Por qué no eran fiables? ¿Valores incorrectos, falta de datos…? ¡Gracias!

Muchas gracias a todos, he visto que con yahoo finance puedo hacer el apaño (ya sea bajándome el csv que ofrecen o vía librerias/wrappers python), aunque veo “huecos” en los históricos de algunos fondos, pero también he visto cómo sacarlos de morningstar capturando peticiones

Yo me manejo bastante con Python en temas de automatización/scrapping/apis, no tanto con pandas y numpy, pero suficiente para mis experimentos

1 me gusta

Cuando tiraba de histórico algunos datos no los traía, sobre todo fundamentales de varios años. En dividendos había duplicidades, algunas incluso de las famosas les ponía el mismo dividendo dos veces en un trimestre y consultado con Morningstar no lo tenía, ni ordinario ni extraordinario

4 Me gusta

@albertolari pronto nos deja ud. en el polvo, mucho ánimo con el TFM !
Desconozco la fuente de los datos para los screeners, yo me dedico sobre todo a analizar fondos, pero me imagino que en Bloomberg u otros sitios “profesionales” los datos deberían estar bien contrastados y tendrán un origen oficial como el SEC. Hay que decir que para datos actuales no lo veo un problema, pero para datos así un poco más antiguos se suelen utilizar base de datos como la de CRSP que han sido tratadas y estandarizadas.
Ya nos contará si investiga y descubre el origen!

2 Me gusta

Buenos días @AlanTuring. Sí por lo que he podido leer para datos históricos se tira de CRSP como indica. Gracias por su aporte!

1 me gusta

Hola,

Para los que les guste programar, os dejo un repositorio GitHub que contiene muchos enlaces a otros repositorios y recursos quant para no tener que hacer cosas que ya están hechas.

7 Me gusta

Estoy leyendo a Ray Dalio “Principios” y en este hilo he creído atisbar que se quiere rozar la máxima perfección posible aunando quizás demasiados datos sometiéndolos a los screeners precisos posteriormente.

No busquen demasiado la perfección en base al número de parámetros, quizás menos es más.

Dalio dice:

" Los perfeccionistas invierten demasiado tiempo en diferencias insignificantes y marginales a costa de lo realmente importante. A la hora de decidir suelen existir entre 5 y 10 factores dignos de consideración. Es fundamental entender esto bien, aunque los beneficios marginales de estudiar lo importante son limitados una vez rebosado cierto límite".

Me quedo con lo subrayado en negrita por mi. Es más Adarve que es Quant, por lo comentado, sino lo pueden negar sus asesores, no utiliza un exceso de parámetros económetros en sus modelos.

16 Me gusta

Ciertamente es así @Especulata, gracias por su análisis

3 Me gusta

Hola @Especulata, muchas gracias por su apreciación. Estoy muy de acuerdo con ese planteamiento de Dalio que nos trae. Muy a favor del “menos es más” o del “keep it simple”.

Más que rozar la perfección y perdernos en un mar de datos, ratios y parámetros, personalmente lo que busco con este estudio es identificar métodos/modelos cuantitativos cuyos análisis históricos arrojen buenas probabilidades de éxito en el largo plazo. Que se puedan parametrizar, automatizar y dar escala, aparcando los sesgos emocionales y siendo plenamente consciente que todo modelo tiene su periodo de underperformance. Sería algo así como un martillo pilón quant.

Algunos de los modelos que citaba en el post de arriba son, en esencia, sencillos. Creo que lo difícil es su implementación en el largo plazo, normalmente estando nosotros condicionados por nuestras emociones.

Llevo tiempo con ganas de hincarle el diente a ese libro de Dalio, pero no me da la vida para más! :sweat_smile:

Saludos.

7 Me gusta

El libro de Dalio es extenso. Lo empecé y no me engancho. Lo aparque, he vuelto a retomar y muy enganchado.

4 Me gusta

(Edito y borro parte del mensaje que no tiene sentido, como bien indica @arturop)

Unido a lo que ya decía Bernstein:
image

For the first time, the small and value factors have become more volatile than the market factor. A single swallow does not a spring make, and rolling standard deviations are particularly treacherous; but it’s possible that we are on the cusp of a new regime where the small and value factors may have both higher risks and higher returns, possibly as high as the market factor itself. (For the record, from 1945 to 1999 the returns for the market, size, and value factors were 7.85%, 0.73%, and 3.66%, respectively.)

Why might this be so? First off, the market-factor return, better known as the equity risk premium, is sure to be lower than that of the past. Most likely it will be in the range of 4%, by virtue of the Gordon Equation, which stipulates that long-term stock returns are the same as the average dividend yield plus the dividend growth rate.

Size and value are another story. Why have they become more volatile? Because for the first time, portfolio managers are actively trading them. Twenty years ago, or even ten, it would never have occurred to a manager to systematically shift his entire portfolio up or down along the size or value axis. And had he wanted to, it would not have been easily managed. Now, such decisions are routinely executed at the institutional level. Consequently, the returns of these two factors are much less stable. With increased volatility should come increased return.

5 Me gusta

Y el enésimo estudio que recomienda filtrar stocks con alta volatilidad con screeners negativos a lo @arturop:

The research findings not only help us to understand the role that idiosyncratic volatility plays in explaining returns. For investors, it’s important to note that the findings from this research don’t necessarily imply that a fund manager has to short an overpriced stock to benefit. The fund can benefit by avoiding the purchase of overpriced stocks with a filter that screens out stocks with the characteristics creating the mispricing (i.e. negative screens).

Passively managed long-only mutual funds (and ETFs) can put this knowledge to work by using screens to eliminate stocks that would otherwise be on their eligible buy list.

6 Me gusta

Creo que lo de Morningstar es por comisiones de los fondos, con lo que no aplicaría, si lo estoy entendiendo bien. El análisis que hago es que con el auge de la indexación cada vez más dinero va a fondos “baratos”.

6 Me gusta

Es cierto! Tanto factor y ya solo veo lo que quiero ver… ni he leído la gráfica donde pone “fee level group”, creo que lo había asumido al verlo retwitteado por un “deep value factorial”. Tengo que quitarme las legañas al levantarme.

3 Me gusta

Estoy contento porque después de tanto prueba y error, he sido capaz de programar mi primer backtest en Quantopian. Quería algo sencillo para poder corroborar que la selección de unos factores determinados pueden batir de forma significativa al indice a lo largo del tiempo. Para el backtest, tome como referencia la ‘fórmula mágica’ de Greenblat, modificándola un poco. De tal forma que el backtest quedó de la siguiente manera:

  • ROIC alto
  • FCF Growth alto
  • Todos los sectores
  • Leverage no mayor al 1,1
  • US Stocks
  • Rotación cada 6 meses
  • Periodo de tiempo (1/1/2003 - 31/12/2019).

Obteniendo un 829% de rto y un Sharpe Ratio de 1,21.

Había pensado en poneros por aqui el código, pero entiendo perfectamente que a la gran mayoría de los aqui presentes les de igual. No obstante estoy abierto a cualquier tipo de pregunta y/o sugerencia, además de compartiros el código sin problema, bien por aqui (aunque no me gustaría que esto se convertiese en páginas y páginas de código) o bien por mi twitter (@Carlos_Pascual1), donde tengo la idea de ir subiendo mis primeros pinitos en esto de la inversión quant. Se que tengo varias cosas por mejorar en este backtest, cómo son el disminuir el número de empresas, el drawdown, volatilidad… así como probar con muchos otros factores: Gross Margin, F-Score, ROA, Deuda to Ebit,…

Un saludo y muchas gracias :slight_smile:

20 Me gusta

Al contrario, muchas gracias a usted!!! Yo estaría más que interesado en ver ese código y aprender sobre ello.

Además me atrevo a hacerles una propuesta para crear un repositorio abierto a todo el mundo, tipo Github, donde alojar el código que la comunidad tuviera a bien compartir a modo de formación. Allí podríamos compartir, además del código, las guías mínimas para instalar y conseguir hacer esas pruebas.

Qué les parece la idea? Yo, como informático y entusiasta del mundo opensource tiendo a verlo sencillo y útil, pero me suelo animar demasiado rápido a este tipo de cosas.

10 Me gusta

Esto es exactamente lo mismo que le iba a proponer a @capascualm, al que felicito por este gran paso.

5 Me gusta

Me parece una idea estupenda. En lo referente a temas de instalación, de momento no he tenido que hacer nada, ya que todas las pruebas las he hecho por la propia IDE que te facilitan. Por lo que he podido leer tienen un package (zipline) que se puede descargar (para conda y python) y únicamente varía el código a la hora de importar las librerias, pero he visto que no funciona con la última versión de Python y tienes que hacer una bajada de versión (3.7/3.8 a 3.6.5).

6 Me gusta