Личный кабинет

Усиленные Инвестиции: как работает стратегия

0
в закладки
Поделиться

Резюме

Мы разработали систему оценки потенциала и отбора сырьевых (commodity) компаний*, предполагающую пересчет в реальном времени прибыли, которую зарабатывают компании с учетом сдвигов в курсе доллара и ценах на продукцию и используемое сырье. Система отбирает компаний, наиболее недооцененные по мультипликатору соотношения стоимости (EV) и расчетной прибыли (EBITDA) в текущей конъюнктуре; за счет этого система находит «рыночные неэффективности», когда изменения на рынке не полностью отразились в цене акций (или наоборот рынок переоценил их эффект).

Мы успешно торговали по данной системе с начала 2015 г., каждый год показывая положительную доходность, и достигнув аккумулированной доходности 493% по состоянию на май 2020 г. (средняя доходность >25%)

В 2020 г. мы перенесли все расчеты с excel на сервер. Это позволило, с одной стороны, дополнительно ускорить вычисления и расширить спектр покрываемых компаний, с другой – проверить, как наша система работала бы в полностью автоматическом режиме при упрощенной ее реализации с начала 2015 г.

Результаты бэк-теста получились отличными - лучше фактических и самых смелых ожиданий:

- результат - накопленная доходность 1014%
- расчетная средняя годовая доходность около 50%
- почти для каждой компании аннуализированная доходность нахождения в период высокого расчетного потенциала выше, чем в варианте «просто оставаться в ней в течение всего периода»

* commodity  компании - все компании, чья продукция или услуги торгуются на бирже, в частности: Фосагро, Акрон, Северсталь, НЛМК, ММК, Евраз, Полюс, Петропавловск, Highland Gold, Глобалтранс, Лукойл, Норникель, Русал, Русагро;  в исследование (и инвест. стратегию) включены только частные компании

Введение. Важность учета текущей конъюнктуры, nowcasting

Наш основной подход к инвестированию в сырьевые  компании заключается в том, что справедливая стоимость компании должна оцениваться в каждый отдельный момент времени (1) с учетом последних изменений в конъюнктуре компаний и (2) времени, прошедшего с момента последней отчетности.

Например, если прибыль сталелитейной компании за последний период составила 10 миллиардов рублей, а цена на сталь в этот период составляла 400 долларов за тонну, то, несмотря на долгосрочный прогноз цен на сталь, при одинаковой капитализации, гораздо привлекательнее быть в акциях этой компании в ситуации, когда текущая цена  стали составляет 500 долларов, а не в ситуации, когда она составляет 300 долларов. Более того, фундаментальная стоимость компании в этом случае больше.

Казалось бы, почему? При традиционном подходе инвестиционных банков стоимость компании определяется на основе моделей DCF на базе долгосрочных прогнозов цен на сырье и продукцию, и краткосрочные колебания цен на продукцию компании не должны влиять на справедливую стоимость компании.

На самом деле фундаментальная стоимость в нашем понимании будет больше за счет 2 факторов:

- Существует вероятность того, что произошедший ценовой сдвиг носил фундаментальный характер (как в случае роста цен на палладий из-за спроса на электромобили), а не конъюнктурный (как это бывает с ростом цен на уголь при наводнениях в Австралии).

- Фактически, в период с последней отчетной даты и, вероятно, в последующие месяцы, когда конъюнктура является привлекательной, компания зарабатывает больше, и, следовательно, ее чистый долг будет ниже, чем в ситуации, когда конъюнктура является отрицательной.

Для оценки привлекательности важно оценить 2 параметра: сколько заработает компания в данный момент с учетом текущей ситуации?  Какой оценочно чистый долг компании, если принять во внимание конъюнктуру и количество дней, прошедших с последней отчетной даты?

На базе этого мы рассчитываем вмененный мультипликатор соотношения стоимости и прибыли EV/EBITDA в текущей конъюнктуре и сравниваем его с историческим значением мультипликатора. Таким образом, если EV/прогнозная EBITDA ниже исторического значения, у компании может быть потенциал роста, если ниже – наоборот падения.

Прогнозирование ситуации в текущей/краткосрочной перспективе называется Nowcasting (прогнозирование настоящего).

По факту рынки часто либо переоценивают, либо недооценивают эффект изменений в конъюнктуре рынков, на которых работает компания.

Пример: осенью 2019 года цена акций ММК составляла 36 рублей, и крупные брокерские дома давали рекомендацию «продавать» на фоне снижения цен на сталь. Наша система показала, что снижение прибыли будет не таким значительным, как прогнозирует рынок (учитывая, что значительная доля продаж приходится на внутренний рынок, где цены практически не упали). Следовательно, с учетом уже снизившейся капитализации компания представлялась нам недооцененной. Мы вошли в бумагу по цене 36, а затем распродали позицию по цене около 44.

Более свежие примеры - успешное инвестирование нами в производителей золота,  удобрений и Норникель в 2020 г. – компании стали существенно больше зарабатывать на фоне сильного доллара, но котировки не полностью это отражали.

Небольшое теоретическое исследование характера цен на commodities (с 1960 г.)

Интересно в целом задаться вопросом: если существует определенный тип сырья, и он значительно повышается в цене (или снижается) - с точки зрения долгосрочной модели, что лучше – (1) закладывать, что цена останется на этом измененном уровне, (2) что она останется на среднем историческом уровне или (3) закладывать в модель средние цену между текущими и исторически.

Чтобы ответить на этот вопрос, нам нужно понять, какой параметр для нас является целевым.  Вероятно, для оценки компании (как дисконтированной стоимости будущих денежных потоков) важно правильно предсказать дисконтированную стоимость продаваемых и приобретаемых ею ресурсов на ближайшие несколько лет (возьмем 10).

Мы использовали долгосрочную динамику месячных цен на основные  commodities с 1960 г. и оттестировали, какой подход лучше прогнозирует будущую дисконтированную цену, которая по существу и определяет оценку компании.

Оказалось, что для всех ресурсов вариант «закладывать текущую цену» в прогноз на следующие 10 лет показывал себя лучше, чем вариант «брать усредненное значение за последние 5 лет». Однако, еще более лучшим вариантом для большинства commodities оказалось усреднить текущую конъюнктуру со среднеисторической (что мы и делаем как часть нашей стратегии).

В дополнение к повышению точности прогноза это позволяет снизить риск входа в бумагу на самом пике цен на продукцию, поскольку цены на commodities имеют циклический характер.

Не использовать усреднение с историческими ценами (а просто ориентироваться на текущие цены) оказалось наиболее логичным для нефти и золота. Это означает, что движение этих ресурсов исторически было более трендовым, чем циклическим.

Таблица сравнения точности прогноза будущей цены на сырье в зависимости от выбора подхода (5-летняя средняя, текущая цена, усредненная между текущей ценой и исторической средней) представлена ниже.

Зеленым цветом выделен подход, дающий минимальное среднее отклонение для каждого товара.


Back-test
ing стратегии 

Опишем чуть подробнее суть нашей стратегии: для каждого дня и каждого эмитента мы рассчитываем ожидаемую EBITDA в текущей конъюнктуре (с учетом изменений курса доллара, цен на продукцию и сырье компании), а также текущий чистый долг с учетом, прошедшего времени с последней отчетной даты.

Мы рассчитываем вмененный мультипликатор EV / EBITDA в текущей конъюнктуре и рассчитываем потенциал восстановления стоимости компании до исторических уровней мультипликатора EV / EBITDA (на уровне 75% перцентиля).  Затем мы инвестируем в компании с наибольшим потенциалом.

Оценка компаний осуществляется в соответствии с (1) текущей конъюнктурой, если текущая конъюкнутура хуже, чем историческая, или (2) средней между текущей и исторической, если текущая конъюнктура лучше, чем историческая (такой дополнительный консерватизм позволяет избегать излишнего оптимизма при пиковых значениях цен на продукцию компании). Инвестиции осуществляются в компании, у которых потенциал роста >10%

Back-test показал отличные результаты (за период янв 2015 – май 2020):

 

Ниже приведено распределение компаний, в которые система инвестировала бы каждый период.


Таблица слева показывает доходность всего портфеля по годам. В таблице справа для каждой компании сравнивается доходность от нахождения в ней в соответствии со стратегией (когда потенциал выше порога) с доходностью при нахождении в бумаге все время (Ann-d означает годовой доход, Annualized Yield). Можно видеть, что почти для всех эмитентов нахождение в бумаге в моменты, предлагаемые системой, повышает аннуализированную доходность относительно постоянного нахождения в акциях компании (Ann-d full).

Расчетная аккумулированная доходность с 2015 г.: 1014%
Средняя расчетная доходность с начала 2015 года: 56,5%
Максимальная просадка: 16.7%

Вывод

В целом, бэк-тестирование дало нам дополнительную уверенность в применяемых подходах и позволило перевести все расчеты на сервер, где выходящая отчетность и изменения в конъюнктуре на рынках работы компаний максимально быстро транслируются в перерасчет потенциалов и приводят к совершению сделок

FINTARGET.RU

 

0
в закладки
Поделиться
Зарегистрируйтесь, чтобы иметь возможность оставлять комментарии. Уже есть аккаунт? Войти