Contest: "Blind stock valuation"

Follow-up del post precedente, e più un esperimento che una gara.

Come detto il processo di stock picking è composto da due attività distinte: la valutazione e la selezione di uno specifico investimento. Purtroppo, come succede quando si incontra una persona per la prima volta, la decisione se ci piace o meno è spesso dettata dall’impressione immediata che abbiamo: quel sentimento (di pancia?) che l’azienda X è amata/odiata dagli investitori, gestita bene/male, a bassa/alta crescita, ad elevato potenziale/con nessun futuro, … Quello che facciamo è stabilire sul momento se l’azienda in questione è “buona” o “cattiva”.

Il problema è che questa prima sensazione ha un impatto, voluto o no, sul processo di valutazione: scegliamo selettivamente i dati che confermano la nostra impressione (confirmation bias), identifichiamo trend positivi (negativi) dove non ci sono, facciamo espandere (o contrarre) i multipli, ignoriamo quei valori o ratio che non sono in linea con la nostra convinzione, … Se moltiplichiamo questo per tutti gli investitori, compresi quelli istituzionali, finiamo con l’avere un mercato veramente inefficiente, per lo meno a livello di singole aziende.

È per questo che vorrei provare una “blind stock valuation”, per separare l’attività di valutazione (quantitativa) da quella della selezione (qualitativa). L’idea è di provare a fare una valutazione esclusivamente basata sui numeri, ignorando completamente la “storia” dietro all’azienda, e quindi qualsiasi preconcetto che possiamo avere. Quando le aziende in questione saranno rivelate, potremo verificare - a livello individuale ed aggregato – se questi bias sono effettivamente comuni.

Ecco quindi alcuni selezionati dati sulle aziende: forse troppo pochi per qualcuno, più che sufficienti per altri:

• 5 note imprese industriali italiane: no finanziari (banche, assicurazioni, immobiliare, …), no utilities, no piccole aziende quotate su AIM
• Operano in settori differenti e con business model diversi, ma condividono molte caratteristiche (che ovviamente non posso discutere in maggiori dettagli)
• Tutti i numeri si riferiscono all’esercizio chiuso al 31 dicembre 2014, ma i valori relativi (margini, crescita, etc…) non cambierebbero di molto se fossero riferiti a uno o due anni prima
• Per evitare che qualcuno cerchi di “indovinare” di quali aziende si tratta, inficiando quindi lo scopo dell’esperimento, ho ri-basato il fatturato di tutte le aziende a €1 miliardo, e normalizzato di conseguenza tutti gli altri valori

* Il debito netto include anche le passività pensionistiche ed il valore presente dei leasing operativi.
E qui il file in formato Excel: Blind_stock_valuation

Quello che vorrei è la vostra miglior stima del valore intrinseco di ciascuna di queste 5 aziende: non il prezzo massimo che paghereste (ad es.: “io non pagherei più di 12x gli utili per B o più di 2x il book value di E”) o quanto potrebbero valere in operazioni di M&A/ LBO, ma semplicemente il valore - in milioni di euro - che ritenete equo per la loro capitalizzazione di mercato (equity, non enterprise value). Per chi vuole, sarebbe interessante sapere anche su quale di queste aziende andreste long e su quale short. [NB: so che per prendere una decisione ponderata servirebbero più informazioni: corporate governance, capacità del management di allocare il capitale, politica dei dividendi/buyback, crescita organica vs. acquisizioni, prospettive del settore, …. Senza il minimo riferimento nemmeno all’attuale capitalizzazione, la decisione di long/short sarà basata puramente sul vostro giudizio qualitativo o di pancia.]

Ovviamente, la parte più interessante di questo esercizio sono le spiegazioni su come si è arrivati alle valutazioni (le tecniche utilizzate) e sul perché si è scelto quali aziende andare long/short. Per tutti quelli che vogliono partecipare e condividere le loro opinioni con gli altri lettori, potete scrivere i vostri commenti nella sezione qui sotto (o mandarmeli per email se preferite). Quando saranno arrivate sufficienti risposte posterò i risultati aggregati.