Tesi del CdL magistrale in EGIF (Economia e Gestione degli Intermediari Finanziari) conseguita in data 25.07.2019
Base voto di Laurea : 101/110
Punti assegnati/disponibili: 8/8
Voto finale: 109/110
Value investing. aspetti teorici ed applicazioni pratiche alessio nencini
1. Anno accademico:
2018/2019
Value investing; aspetti
teorici ed applicazioni
pratiche
DIPARTIMENTO DI STUDI AZIENDALI E GIURIDICI
SCUOLA DI ECONOMIA E MANAGEMENT
Laureando:
Alessio Nencini
CORSO DI LAUREA MAGISTRALE IN ECONOMIA E GESTIONE DEGLI INTERMEDIARI FINANZIARI
2. Il Value investing è un metodo di investimento che prevede l’acquisto di titoli
ad un prezzo inferiore rispetto al loro valore intrinseco.
EMT: I prezzi azionari, in qualsiasi momento,
riflettono in maniera accurata la somma di
informazioni pubbliche e private; in sintesi, non
può esistere una differenza tra valore intrinseco e
prezzo (1)
(1) (2) Shiller, R.J. (2000) Irrational Exuberance. Princeton University Press, New York, pp. 172-173
Analisi fondamenti teorici del Value investing
Ottica Value: Rifiuto della EMT, sostenendo che i
prezzi possono differire dal valore intrinseco anche per
lunghi periodi (2)
Prezzo : EMT vs teoria Value
3. Processo Value
Analisi «tradizionale»
(piccoli campioni)
Screening e selezione di titoli Value
mediante l’uso di multipli di borsa
(P/E, P/BV ed altri)
Valutazione società emittenti:
Dati contabili
natura società
valore intrinseco (DDM)
Decisione di investimento mediante
margine di sicurezza
Analisi «alternativa»
(grandi campioni)
Screening e selezione di titoli Value mediante
l’uso di multipli di borsa
(P/E, P/BV ed altri)
Creazione di indicatori contabili e di mercato:
analisi uni/bivariata
regressione
indicatore composto SCORE
+
Valutazione società emittenti:
Dati contabili
natura società
valore intrinseco (DDM)
Decisione di investimento mediante margine di
sicurezza
(1) Athanassakos, G.(2013). Stock Picking, Business & Financial Affairs
Athanassakos, G. : Professore in Finance e “Ben Graham Chair” in Value Investing alla Ivey Business School, Ontario (Canada)
Vantaggi:
Possibilità di analizzare un elevato campione di titoli
Selezionare solo i titoli migliori per gli ultimi due step (< tempo)
Considerare, nella selezione, anche rendimento e analisi contabile
4. Obiettivi analisi
Metodologia e dati
- Verificare il funzionamento congiunto dei processi Value
- Analizzare l’andamento di rendimenti, prezzi e dati societari; confrontare con Growth Stocks
- Stock screener (Investing.com) per selezione iniziale in base a multipli di borsa
- Motivazioni NYSE
- Serie storiche: Datastream – Thomson Reuters (15/04/2014 – 15/04/2019) su base mensile
- Eliminazione outliers ed osservazioni parzialmente incomplete: 43 Tycker symbol, 1614 righe di osservazioni
composte dalle 13 variabili utilizzate per formare gli indicatori, per un totale di 20,982 singole osservazioni.
- Separazione osservazioni in terzili, sulla base dei risultati dello stock screener
- Utilizzo di Stata e Microsoft Excel per l’elaborazione dei dati
- Formazione indicatori con dati serie storiche
Margin = Ebit / Net Sales
Current Ratio = Current Assets / Current Liabilities
Cash = Cash / Total Assets
Debt = Total Debt / Total Capital
Turnover = Total Assets / Net Sales
Market Cap = Price*Common Shares Outstanding
P/BV = Price / Book Value
Analisi di grandi campioni: obiettivi, metodologia e dati
5. Margin = Ebit / Net Sales
Current Ratio = Current Assets / Current Liabilities
Cash = Cash / Total Assets
Debt = Total Debt / Total Capital
Turnover = Total Assets / Net Sales
Market Cap = Price*Common Shares Outstanding
P/BV = Price / Book Value
Analisi di grandi campioni: obiettivi, metodologia e dati
T 1
T 3
Osservazioni relative alle singole variabili utilizzate per la formazione dei seguenti
indicatori:
6. Ipotesi:
Rendimento Value Stocks > Rendimento Growth Stocks
Prezzo Value Stocks < Prezzo Growth Stocks
Indicatori Ipotesi valori indicatori Ipotesi rendimenti e distribuzione
Liquidità (1) Cash, Current Ratio migliori per Growth maggiori per Value
Indebitamento (2) Debt migliori per Growth maggiori per Value
Dimensione (3) Market Cap migliori per Value (minor capitalizzazione) maggiori per Value
Efficienza Turnover, Margin migliori per Value maggiori per Value
(1) Baker, M., Stein, J.C. (2004). Market Liquidity as a Sentiment Indicator, Journal of Financial Markets vol.7, pp. 271-299
(2) Fama, E. French, K. (1995). Size and Book-to-Market Factors in Earnings and Returns, Journal of Finance 50, pp. 131-155
(3) Kothari, S. P., Shanken J. and Sloan, R.G. (1995). Another Look at the Cross-Section of Expected Stock Returns. Journal of Finance. 50:1
Analisi di grandi campioni: un caso pratico
7. Variabili Terzili Media Variabili Terzili Media
Value (T1) 8,86464 Value (T1) 1,477
EPS Turnover
Growth (T3) 2,065 Growth (T3) 3,031
Stat. t 9,1478 * * * Stat. t -13,4549 * * *
P-value (T1≠T3) 0,0000 P-value (T1≠T3) 0,0000
Value (T1) 16,837 Value (T1) 15.500.000
P/ E MktCap.
Growth (T3) 91,343 Growth (T3) 14.000.000
Stat. t -4,3032 * * * Stat. t 1,1360
P-value (T1≠T3) 0,0000 P-value (T1≠T3) 0,2563
Value (T1) 2,041 Value (T1) 0,491
Current Ratio Debt
Growth (T3) 2,099 Growth (T3) 0,404
Stat. t -0,8241 Stat. t 5,8573 * * *
P-value (T1≠T3) 0,4101 P-value (T1≠T3) 0,0000
Value (T1) 0,178 Value (T1) 84,513
Margin Price
Growth (T3) 0,170 Growth (T3) 88,910
Stat. t 1,5913 Stat. t -1,7318 *
P-value (T1≠T3) 0,1119 P-value (T1≠T3) 0,0837
Value (T1) 0,094
Cash * ,* * ,* * * indicano significatività al 10%,5%,1%.
Growth (T3) 0,151
Stat. t -7,5474 * * * Ha: diff ≠ 0 ; P-Value : Pr(| t| > | T| )
P-value (T1≠T3) 0,0000
Analisi di grandi campioni: statistiche descrittive
8. Va lu e (T1 ) G row th (T3 )
N° O ss. M ed ia N° O ss. M ed ia
Cash
Sotto m ediana 223 11,850 234 1,849
Sopra m ediana 221 5,852 212 2,304
Stat. t -25,0867 -28,7655
P-value 0,0000 0,0000
M a rgin
Sotto m ediana 230 11,819 232 2,217
Sopra m ediana 214 5,689 214 1,900
Stat. t -20,9502 -31,1107
P-value 0,0000 0,0000
Tu rn o ver
Sotto m ediana 219 6,260 222 2,428
Sopra m ediana 225 11,400 224 1,705
Stat. t -15,8452 -26,1123
P-value 0,0000 0,0000
Cu rre nt Ratio
Sotto m ediana 223 11,713 220 1,593
Sopra m ediana 221 5,990 226 2,525
Stat. t -24,7857 -30,6315
P-value 0,0000 0,0000
D eb t
Sotto m ediana 231 11,799 217 2,07
Sopra m ediana 213 5,682 229 2,061
Stat. t -23,9183 -22,4298
P-value 0,0000 0,0000
M arket Cap
Sotto m ediana 222 11,628 223 2,313
Sopra m ediana 222 6,101 223 1,817
Stat. t -11,0844 -20,7022
P-value 0,0000 0,0000
Analisi di grandi campioni: analisi bivariata
10. N°oss F (5 , 439) Prob > F R-squared Adj R-squ ared
445 27,02 0,0000 0,2353 0,2266
EPS Coefficienti Std . Error T P>| t| Significatività In te rvallo di Confide nza (95%)
CurrentRatio 0,6296825 0,0673373 9,35 0,000 *** 0,497339 0,7620261
Margin 0,6695532 0,8477104 0,79 0,430 -0,996522 2,335628
Debt 1,518125 0,2516966 6,03 0,000 *** 1,023445 2,012805
MarketCap 1,12E-08 4,98E-09 2,25 0,025 * * 1,40E-09 2,10E-08
Turnover -0,043425 0,329691 -1,32 0,188 -0,108222 0,213719
_intercept -0,008369 0,2357081 -0,04 0,972 -0,471625 0,4548881
* ,* *,* ** indicano significatività
al 10%,5%,1%.
Analisi di grandi campioni: regressione T3
11. Indicatore SCORE: regressione, segno correlazioni v. indip con v. dip (EPS)
A bassi livelli di SCORE corrispondono punteggi relativi ad osservazioni complessivamente migliori (in associazione ai
rendimenti) e viceversa. Il risultato determinerà l’assegnazione dell’osservazione ad uno specifico intervallo SCORE (0-5).
TYCKER TERZILE EPS
Current
Ratio (-)
Margin
(-)
Debt
(-)
Market Cap
(-)
Turnover
(+)
SCO RE
NOMD T1 21,8 0 0 0 0 1 0
CE T1 2,18 1 1 1 1 1 4
TYCKER TERZILE EPS
Current
Ratio (+)
Margin
(+)
Debt
(+)
Market Cap
(+)
Turnover
(-)
SCO RE
HHC T3 1,82 1 1 1 1 0 0
RHT T3 1,04 0 0 0 0 1 5
Osservazione (n) < Mediana indicatore 0 Ris. Sotto mediana
Osservazione (n) > Mediana indicatore 1 Ris. Sopra mediana
Assegnazione del valore binario alle osservazioni: logica analisi bivariata, confronto con valore mediano
Analisi di grandi campioni: creazione indicatore SCORE
NOMD = Perfetta corrispondenza tra segno
coefficienti e distribuzione dei rendimenti derivanti
dall’ analisi bivariata.
12. Value (T1) Growth (T3)
Value
Prem ium
(T1-T3)
Value
Prem ium
(T1-T3)
SCO RE N° O ss. Media Mediana SCO RE N° O ss. Media Mediana Media Mediana
0 28 51,546 40,9 0 12 3,928 4,02 47,618 36,88
1 10 5,189 5,3 1 42 2,723 2,62 2,466 2,68
2 162 6,386 5,96 2 162 1,594 1,61 4,792 4,35
3 221 5,740 5,26 3 184 2,128 1,94 3,612 3,32
4 23 5,977 5,72 4 34 2,819 2,2 3,157 3,52
5 0 0 0 5 12 1,155 1,14 -1,155 -1,14
444 446
Value Premium ( T1 - T3 ) positivo: Value mostra maggiori rendimenti di Growth
Superiorità di rendimento Value, maggiormente evidente in SCORE migliori (es SCORE_0)
T1 Assenza di osservazioni in SCORE_5 e maggior numero di osservazioni in SCORE_0 = risultato positivo
per terzile Value
Analisi di grandi campioni: risultati indicatore SCORE
13. Analisi di grandi campioni: distribuzione osservazioni e rendimenti
Importanza analisi valori contabili in sede di decisione di investimento;
Valutazione con indicatori, fino ad adesso, focalizzata sul lato rendimento (es.
logica incremento indicatore SCORE)
Necessità di considerare un analisi dei valori contabili, per selezionare stock basandosi non
solo sul rendimento, ma anche sulla situazione della società nel suo complesso.
Determinazione valore intrinseco (DDM) per
confronto con prezzo azionario di tutti quei titoli
che hanno superato anche questa fase di
valutazione
Titoli T1 che hanno maggior numero di osservazioni nei
migliori punteggi SCORE
Utilizzo degli indicatori seguendo la logica contabile per
selezionare i migliori di questa categoria
(es. stabilendo dei range di accettazione, o confrontando con
valori medi del terzile di appartenenza)
Mancanza di dati per calcolo DDM
Esempio applicazione pratica MdS con V.I.
ipotizzato
Es.:
Current Ratio (C. Assets / C. Liabilities) – Liquidità a br. termine
Margin (EBIT / Net Sales) – Redditività
Debt (Total Debt / Total Capital) - Indebitamento
14. TYCKER SCO RE_0 SCO RE_1 SCO RE_2 Tot.O ss.
IBM 4 4
CE 7 7
AYI 8 8
WBC 8 8
UHS 1 11 12
NOMD 20 20
HON 21 21
WLK 8 4 14 26
LH 29 29
URI 32 32
EMN 5 28 33
11 200
MdS = buffer che garantisce l’acquisto ad un prezzo inferiore di almeno il 20% rispetto al valore
intrinseco stimato.
Analisi di grandi campioni: margine di sicurezza
DATA VARIABILE NO MD MEDIA T1
15/11/2017 Price 14,34 84,51
15/11/2017 Curr.Ratio 1,07 2,04
15/11/2017 EPS 40,9 8,86
15/11/2017 Cash 0,04 0,09
15/11/2017 Debt 0,43 0,49
15/11/2017 Margin 0,12 0,17
15/11/2017 MktCap 2,370,287 15,500,000
NOMD (es. 15/11/17)
(hp. data di investimento=osservazione)
15. Un database completo avrebbe dato la possibilità di verificare anche l’ultima parte (la sottovalutazione), per poter
arrivare ad una conclusione (positiva/negativa) per ciò che riguarda la possibilità di investimento
- Funzionamento congiunto dei processi Value:
Le parti di entrambi i processi consentono di effettuare una ricerca partendo da un ampio database, per
selezionare i titoli migliori in relazione alle condizioni imposte dai vari step del processo ( da 1614 a 200 righe di
osservazioni relative alle 11 società migliori)
-Analisi dati societari:
In questo processo, tener conto dell’aspetto contabile e non solo del fattore rendimento
- Prezzi:
Nel confronto con i Growth Stocks si evince un minor prezzo medio dei Value Stocks
- Rendimenti:
Risultati dell’ analisi confermano la superiorità di rendimento Value
- Ipotesi indicatori:
La maggior parte delle ipotesi in relazione ai valori medi degli indicatori sono state verificate
Conclusioni