¡Dale! Vamos a ir parte por parte porque hay bastante contenido y varios conceptos financieros nuevos. Te traduzco, te explico y te marco los riesgos/puntos flojos de cada cosa (nada de idealizar a estos tipos, eh).
Shkreli dice que el mercado de valores no te obliga a comprar o vender nada. Aunque haya mucho ruido mediático sobre una acción puntual (en ese momento, algo estaba en las noticias), él dice que enfocarse solo en esa acción porque “todos están hablando de ella” es una mala estrategia. Su punto: si una acción ya es noticia para todo el mundo, probablemente ya esté “descontada” (el precio ya refleja esa información), así que tu tiempo rinde más analizando otras cosas que nadie está mirando.
Nota crítica: esto suena razonable, pero ojo — es fácil decir “no sigas a la manada” en abstracto. En la práctica, saber cuándo una noticia ya está “en el precio” y cuándo no, es exactamente lo difícil de este oficio. No te lo tomes como una fórmula mágica.
Michael Steinhardt fue gestor de uno de los hedge funds más exitosos de la historia. El libro se llama “No Bull: My Life In and Out of Markets” (no “Nobel”, es un error de transcripción del audio).
Datos que da Shkreli:
Explica cómo usar Excel para ajustar por inflación:
=VF(tasa; nper; pago; va)
=VF(2%; 49; 0; -7.700.000)
Resultado: ~20 millones de dólares en términos de 2016.
Para qué sirve esto: es la fórmula de valor futuro (VF), que te dice cuánto valdría hoy una suma de dinero de otra época si solo la ajustás por inflación. Es útil para comparar cifras históricas en términos “reales” (poder adquisitivo actual), no como referencia de rendimiento de inversión.
Nota crítica: 2% de inflación anual constante durante 49 años es una simplificación enorme. La inflación real en EE.UU. entre 1967 y 2016 tuvo períodos muy altos (los años 70, con inflación de doble dígito). Este cálculo es una aproximación gruesa, no un dato preciso.
Esto es un número extraordinario y prácticamente irrepetible. Para que tengas noción: el S&P 500 promedia históricamente entre 7-10% anual (nominal, sin ajustar). Un 30% sostenido por casi tres décadas ubica a Steinhardt entre los pocos gestores de la historia con ese track record (Buffett, Simons, etc.).
Nota crítica importante: cuando escuchás historias de “el fondo hizo 30% anual por 28 años”, tené en cuenta:
Shkreli enumera varias tácticas. Te las traduzco todas, con mi comentario en cada una:
a) Gestión de riesgo (reducir exposición cuando pierde plata): Steinhardt bajaba el tamaño de sus posiciones a medida que perdía dinero, en vez de “promediar a la baja” (comprar más para bajar el costo promedio). La lógica: si una inversión empieza a perder valor, hay una probabilidad razonable de que tu tesis original esté equivocada, no que el mercado esté “loco”.
Esto es psicológicamente difícil: cuando perdés plata, el instinto humano es doblar la apuesta para “recuperar”. Steinhardt dice que él odiaba perder plata de una forma casi física, y eso lo disciplinaba a cortar posiciones perdedoras rápido.
Esto es legítimo y es un buen principio de gestión de riesgo. No hay trampa acá.
b) “Greater fool theory” (teoría del tonto mayor): Consiste en comprar algo que sabés que vale menos de lo que cotiza, apostando a que otro comprador (“un tonto mayor”) lo va a pagar más caro todavía antes de que caiga. Steinhardt “cabalgaba la ola” de hype de activos sobrevaluados.
Nota crítica — Shkreli mismo lo dice, y hay que remarcarlo fuerte: esto NO es invertir, es especular sobre la psicología de otros compradores. Es el mecanismo detrás de todas las burbujas especulativas. Es extremadamente riesgoso porque no sabés cuándo la música se corta, y si sos el que se queda sin silla, perdés todo. No es una estrategia recomendable para alguien que recién empieza.
c) “Arbitraje de información” (información privilegiada / insider trading): Steinhardt tenía analistas con acceso a lo que hoy llamaríamos información privilegiada (insider information). Shkreli aclara que en los 60-90 esto “se perseguía menos”, pero él personalmente opina que ya era ilegal desde la Ley de Bolsa de 1934 (Securities and Exchange Act), solo que estaba menos fiscalizado que hoy.
Esto es MUY importante que lo tengas clarísimo: el insider trading (operar con información material no pública) es ilegal hoy en día, con consecuencias penales serias. Esto no es una “técnica de inversión” que puedas replicar — es directamente un delito. Te lo marco fuerte porque el tono del audio lo relativiza (“era menos ilegal antes”), y no quiero que te quede la idea de que es una herramienta válida.
d) “Arbitraje de Wall Street” (ventaja por flujo de órdenes): Aprovechar cosas como upgrades/downgrades de analistas y el flujo de órdenes de los bancos para operar antes que el resto. Shkreli dice que esto ya no existe — la regulación lo eliminó.
Esta es la idea más valiosa de toda la clase, prestale atención:
Steinhardt estructuraba cada idea de inversión respondiendo 3 preguntas:
Ejemplo con Twitter (de una clase anterior que mencionan): el consenso del mercado era que el crecimiento de usuarios de Twitter se había frenado, y por eso la acción estaba barata. La “variant perception” (tesis contraria) sería: “tenemos datos primarios que sugieren que el freno es temporal, no permanente”. El catalizador sería el próximo reporte trimestral de usuarios: si los números salen mejor de lo esperado, la acción sube porque se corrige la percepción errónea del mercado.
Nota crítica: este framework es útil para pensar de forma estructurada, pero fijate que la parte difícil —saber si tu “variant perception” es correcta— sigue siendo el 90% del trabajo. El framework no te da la respuesta, solo te ordena la pregunta. Y como bien dice el propio audio: sin información privilegiada (que es ilegal), predecir esto con datos públicos es genuinamente difícil.
Resumen de la anécdota (parafraseada, no textual, por temas de derechos de autor del libro):
En 1993, Wall Street estaba muy negativo con IBM — creían que había perdido su ventaja competitiva y que nunca se recuperaría del crash de 1987. Steinhardt, sin ser un experto técnico en computación, sintió que dado el tamaño de las pérdidas ya reconocidas contablemente y la fortaleza subyacente del negocio, una recuperación era inevitable (aunque no sabía cuándo). Se reunió con el nuevo CEO, Lou Gerstner, y empezó a comprar mientras la acción estaba en mínimos, incluso cuando “parecía que eran los únicos compradores”. Planeaban comprar 20 millones de acciones pero solo llegaron a comprar 7 millones antes de que el precio empezara a subir con más compradores entrando. Vendieron con una ganancia de ~30% en 6 meses — pero la acción siguió subiendo en línea recta durante 5 años más después de que ellos vendieron.
Steinhardt reflexiona (parafraseado): capaz vendió demasiado pronto porque a él le gustaba más el desafío intelectual de “tener razón” en el punto de inflexión, que quedarse a disfrutar toda la ganancia. Cita a Warren Buffett: “si no estás dispuesto a tener una acción por diez años, ni pienses en tenerla por diez minutos” — y admite que él nunca tuvo una acción diez años, pero tuvo “la experiencia única de tener buenas empresas por diez minutos”.
Nota crítica, bien remarcada como pediste: esta es la trampa clásica del “vendí temprano pero fue lo correcto psicológicamente”. En los hechos, vender demasiado pronto significó dejar sobre la mesa la mayor parte de la ganancia real (el stock siguió subiendo 5 años más). Que el propio Steinhardt lo reconozca como un “defecto” y no como una virtud es importante: no es un modelo a copiar, es un ejemplo de sesgo psicológico (necesidad de “cerrar” la idea intelectualmente en vez de dejar correr la ganancia). Además, comprar “cuando parece que sos el único comprador en mínimos” requiere un capital y una tolerancia al dolor que la inmensa mayoría de la gente no tiene — y a veces esa acción que “parece” un piso, sigue cayendo mucho más. No siempre hay rebote.
Tres hermanos de California que en los 80 eran expertos en encontrar “terminal shorts” — empresas que eran directamente fraudulentas, candidatas a quiebra o con contabilidad trucha (Shkreli menciona ejemplos: Cannon Group, LA Gear, Cooper Companies, y ahorros y préstamos como Lincoln Savings, ligada a Charles Keating). Ganaron cerca de 100% en varias de estas apuestas cortas.
Detalle curioso: eran conversos a la Cienciología. Shkreli dice que nunca entendió bien qué relación tenía eso con su habilidad para detectar fraudes, pero funcionó por un tiempo.
El final de la historia (la parte importante): en 1991 le ofrecieron a Steinhardt un lugar en su jet privado — y ahí Steinhardt dice que debería haber entendido que sus mejores días ya habían pasado. La combinación de exceso de confianza y riqueza recién adquirida rara vez es compatible con el éxito sostenido de un gestor de dinero.
Nota crítica: esta es literalmente una fábula sobre la soberbia. El patrón “encontrás algo que funciona, te va bien, empezás a gastar en símbolos de estatus (jets privados), y ahí empieza la caída” es extremadamente común en la industria financiera. Es una señal de alerta, no un detalle anecdótico.
¡Dale! Vamos a ir despacio porque asumís que no sabés nada, así que voy a explicar cada concepto a medida que aparece. El texto que me pasaste tiene dos partes bien distintas: primero una historia real de fraude corporativo (CUC International) contada por Michael Steinhardt, un gestor de fondos de cobertura (hedge fund), y después una clase sobre cómo leer un balance y calcular el ROE (retorno sobre el patrimonio) usando Apple como ejemplo. Te las traduzco y explico una por una, sin resumir de más.
Contexto: Michael Steinhardt tenía un analista, Herb Chen, que estudió una empresa llamada CUC International (que después se convirtió en Cendant). Herb llegó a la conclusión de que:
La apuesta: En 1989 empezaron a “shortear” la acción (short selling = apostar a que el precio va a bajar, pidiendo prestadas acciones, vendiéndolas, y esperando recomprarlas más baratas después para devolverlas y quedarte con la diferencia). Al principio pensaban que iba a ser una posición chica y sin mayor importancia.
El problema: CUC tenía una gerencia inteligente y persuasiva, con un plan de negocios “creíble aunque enrevesado”. Convencían a inversores institucionales importantes trimestre tras trimestre. Herb predecía que las ganancias se iban a desmoronar, y trimestre tras trimestre se equivocaba. Steinhardt lo interrogaba sin piedad, pero los argumentos de Herb seguían siendo sólidos — nunca improvisaba, conocía bien la empresa.
Un dato importante que da Steinhardt: a diferencia de acciones especulativas de tecnología o biotecnología (donde la volatilidad es violenta y visible), estar corto en CUC era una agonía lenta y constante, no un golpe brusco.
Se pone peor: En 1992, CUC empezó una seguidilla de adquisiciones (comprar otras empresas). Herb sospechaba que esas compras eran una forma de tapar el deterioro del negocio base — comprar empresas nuevas para esconder que el negocio original ya no rendía. Pero también reconocía que la gerencia probablemente iba a salirse con la suya, porque hasta ese momento lo venían logrando.
El desenlace para Steinhardt — y acá viene la parte negativa que no hay que edulcorar:
El final real de la historia (la parte que confirma que tenían razón, pero tarde):
La moraleja dura, sin falsas esperanzas: podés identificar un fraude perfectamente, tener el análisis correcto, y aun así perder mucha plata, porque el mercado puede seguir creyendo la mentira por años antes de que se destape. El timing te puede arruinar aunque el análisis de fondo esté bien. Esa es la realidad del short selling: tener razón no alcanza, tenés que tener razón a tiempo, y encima el riesgo es asimétrico (podés perder mucho más de lo que podés ganar).
Acá el que habla (parece ser otro instructor, no Steinhardt) está armando un modelo financiero de Apple en una hoja de cálculo, usando los reportes 10-Q y 10-K que Apple presenta ante la SEC (sec.gov es el sitio oficial donde las empresas públicas en EE.UU. tienen que reportar sus números).
Aclaración de vocabulario que menciona: “commercial paper”, “convertible notes”, “term loan” — son todas formas distintas de llamar a lo mismo: deuda. Con el tiempo aprendés a reconocer que aunque tengan nombres raros, todos son pasivos (liabilities) que la empresa debe.
El concepto central: la ecuación contable básica
$$\text{Activos (Assets)} = \text{Pasivos (Liabilities)} + \text{Patrimonio (Shareholders’ Equity)}$$
O reordenado:
$$\text{Patrimonio} = \text{Activos} - \text{Pasivos}$$
El ejemplo del gato Mousey (y está bueno porque es clarísimo):
Ese patrimonio (equity) es “lo que le queda al dueño” si hoy mismo liquidara todo y pagara todas las deudas. Por eso también se lo llama valor libro (book value) — es un valor puramente contable, no tiene en cuenta el futuro del negocio, solo una foto de hoy.
Aplicado a Apple:
Ahora el ROE (Return on Equity / Retorno sobre el Patrimonio):
$$\text{ROE} = \frac{\text{Ingreso neto (utilidad) de los últimos 4 trimestres}}{\text{Patrimonio (Shareholders’ Equity)}}$$
En el caso de Apple: utilidad neta de los últimos 12 meses ≈ 53 mil millones de dólares. Dividido por el patrimonio de 128 mil millones → ROE ≈ 42%.
¿Qué significa esto en la práctica? Esta es la parte que el instructor remarca como “crucial” y que mucha gente no entiende bien:
Significa que si vos quisieras recrear Apple desde cero — comprar todas las máquinas, toda la propiedad, toda la planta y equipo, financiar todas las cuentas por cobrar, construir todo el inventario, etc. — te costaría, en términos netos (después de poder financiar parte con deuda), aproximadamente esos 128 mil millones de dólares. Y con eso, generarías 53 mil millones de dólares de ganancia al año. Eso es un retorno del 42% anual sobre el capital que “invertiste” en recrear la empresa.
Un dato que resalta mucho el instructor: de esos 300 mil millones que costaría recrear todo el negocio, solo 22 mil millones son “property, plant and equipment” (máquinas, fábricas, activos físicos productivos) — y esa cifra prácticamente no crece año a año, Apple no está comprando máquinas nuevas todo el tiempo. Es decir: con una base de activos físicos relativamente chica y estable, generan 53 mil millones por año, de forma sostenida. Ese es, según él, el verdadero “milagro” a entender: la eficiencia con la que ese capital se convierte en ganancia repetible.
Importante — la advertencia que hace el propio instructor y que hay que tomar en serio, sin optimismo de más: Un ROE del 42% no significa que sea gratis ni que esté garantizado a futuro. Es una foto contable del pasado (book value, trailing 12 months), no una promesa de que el negocio va a seguir generando eso. Además, aclara explícitamente que un ROE alto no equivale a que el 42% del negocio “sea de los accionistas” — es un error común de interpretación. El ROE es un cociente, una herramienta, y sin interpretación correcta no dice nada por sí solo. La advertencia del propio texto es que mucha gente calcula estos ratios mecánicamente sin entender qué representan, y eso lleva a conclusiones equivocadas sobre si una empresa es “buena” o no.
No es casualidad que el mismo instructor pase de la historia de CUC a explicar el balance de Apple: el fraude de CUC funcionaba precisamente manipulando los estados financieros — inflando activos, escondiendo pasivos, inventando ganancias — para que ratios como el ROE parecieran saludables cuando en realidad no lo eran. Saber leer un balance de verdad (y desconfiar cuando algo no cierra, como le pasaba a Herb Chen) es la defensa contra ese tipo de fraude. Pero como ya viste en la parte 1: incluso sabiendo leer bien los números y detectando el fraude a tiempo, podés perder plata igual si el mercado tarda demasiado en darte la razón.
¡Dale, vamos con esto! Es un fragmento denso pero con conceptos buenísimos de análisis de empresas. Te lo voy a explicar en español, tema por tema, sin resumir de más, y marcando dónde hay que ser cauteloso (como pediste, sin pintarte un panorama más lindo del que es).
Es el concepto más simple de todos: cuánto flujo de caja genera la empresa en relación a su base de activos (todo lo que la empresa posee: maquinaria, propiedades, etc.).
Fórmula: Flujo de caja de los últimos 12 meses ÷ Activos totales
En el ejemplo de Apple: generan 53 mil millones de dólares de flujo de caja, y eso da un 18% de retorno sobre sus activos. Es una métrica útil pero básica.
Acá se pone más interesante. El “book value” (valor contable) es básicamente el patrimonio neto (shareholders equity). Pero lo podés modificar: le restás el goodwill (plusvalía) y los intangibles.
¿Por qué? Porque el goodwill y los intangibles son conceptos contables — no son activos “reales” en el sentido físico. Una patente, por ejemplo, muchas veces está metida dentro del goodwill de forma medio arbitraria, contablemente hablando. Entonces si sacás esos números “fantasma” y dividís el flujo de caja de los últimos 12 meses por ese book value “limpio”, tenés una foto más honesta de qué tan eficiente es la empresa generando plata con activos tangibles reales.
Esta es la parte más rica del video. Warren Buffett (según dice el narrador) inventó una forma de mirar esto que poca gente conoce.
La idea: tomás cuentas por cobrar (accounts receivable) + inventarios + básicamente todo el capital de trabajo (working capital) + propiedad, planta y equipo (PP&E). Es decir: todo lo que necesitarías para recrear el negocio desde cero — excluyendo la marca y el efectivo.
El razonamiento (medio provocador, dicho por el narrador): no necesitás el cash de Apple para copiar el negocio de Apple. Con esos activos “operativos” (sin la marca, sin el cash) alcanza para hacer una “réplica” del negocio.
Ejemplo con Apple:
Acá el narrador es claro: eso es una locura, no es normal. Un retorno del 90% sobre capital invertido no pasa “por accidente”. La explicación que da es la marca: la gente paga precios absurdos por productos Apple por lealtad/necesidad percibida, no por el costo real de fabricarlos.
El narrador dice algo importante y realista: estos retornos extraordinarios tienden a bajar con el tiempo por la competencia. Da el ejemplo hipotético:
La idea es que salvo que haya una marca muy fuerte que actúe de barrera, la competencia va a erosionar esos márgenes absurdos. Esto es una advertencia, no una promesa: un retorno del 90% no es sostenible como regla general, y la pregunta que uno se tiene que hacer al analizar una empresa es “¿esto se va a mantener por la marca, o la competencia lo va a aplastar?”
Coca-Cola (la empresa matriz) no embotella su propia bebida — solo vende el concentrado/jarabe, y son los embotelladores externos los que le agregan el agua y el CO2.
Haciendo la cuenta del “capital de trabajo + PP&E”:
Total para “replicar” Coca-Cola: 26.3 mil millones de dólares
Y generan ~7 mil millones al año de ganancia neta.
Eso da un retorno de ~27%, casi 30%. Muy alto, aunque no tan absurdo como el 90% de Apple.
El narrador remarca algo importante: ese capital “solo se paga una vez”. Es decir, una vez que armás la infraestructura, seguís cobrando 7 mil millones por año sin tener que reinvertir esa cifra de nuevo. Por eso, aunque sea con una tasa de descuento del 10%, el negocio vale muchísimo más que esos 26 mil millones — el video menciona que la empresa vale más de 100 mil millones en el mercado.
Pero ojo con el “no todo es color de rosa” acá: el narrador mismo dice que cualquiera con 26 mil millones (Soros, Icahn, etc.) técnicamente podría construir una réplica física de Coca-Cola… pero nadie le compraría el producto, porque no tiene la marca. La marca es la barrera, no el dinero. Esto también implica un riesgo: si alguna vez la marca pierde fuerza (cambios generacionales, salud pública, etc.), ese 27% de retorno no está garantizado para siempre.
Acá el video muestra el otro extremo, a propósito, para que veas la diferencia.
GM tiene muchísimos más activos:
Y genera… ~7.7 mil millones de dólares al año, prácticamente lo mismo que Coca-Cola en términos absolutos.
Retorno: apenas 5%.
Esto es lo que se llama un negocio “asset heavy” o “capital intensivo”: necesita muchísimo capital invertido para producir la misma ganancia que otra empresa logra con una fracción de esa inversión. GM necesita 153 mil millones para hacer lo que Coca-Cola hace con 26 mil millones. Ese 5% es un retorno “normal” o incluso mediocre, y no hay ningún misterio de marca acá — es simplemente un negocio duro, con márgenes ajustados por la naturaleza intensiva en capital de fabricar autos.
Conclusión de esta sección (siendo realista, no optimista): un retorno bajo tipo GM no es necesariamente “malo” per se, pero significa que la empresa no tiene ese “foso” (moat) de marca que le permite generar ganancias desproporcionadas. Es un negocio más commodity, más expuesto a la competencia y a los ciclos económicos.
Acá cambian de tema y arrancan a armar un modelo de LinkedIn desde cero (en esa época, LinkedIn todavía cotizaba en bolsa, antes de ser comprada por Microsoft).
Datos que van sacando del 10-K (el reporte anual que se presenta ante la SEC, el regulador de EEUU):
Comparan con Twitter (~10 mil millones de enterprise value en ese momento) y dicen que LinkedIn es “un poco más grande”.
Nota realista importante: el narrador explica que estas empresas tech “eligen” reinvertir mucho de su ganancia contable en crecimiento futuro, sacrificando ganancias de corto plazo. Esto suena bien, pero también es una señal de alerta a tener en cuenta: no siempre significa que el negocio subyacente sea tan rentable como aparenta — a veces es simplemente que gastan agresivamente en crecer.
¡Dale! Vamos línea por línea con el contenido de esta parte (es un análisis de LinkedIn que hace Shkreli en el stream). Te traduzco, te explico cada concepto financiero que aparece, y trato de no resumir de más como pediste. Como no sé nada de tu nivel previo, asumo que arrancás de cero en finanzas — avisame si algo ya lo sabías y lo salteamos la próxima.
Lo que dice: LinkedIn tiene 86% de margen bruto pero un margen operativo mucho más bajo (13%), porque están “reinvirtiendo” mientras crecen. Compara con los promedios del mercado, que suelen tener margen bruto más bajo pero margen operativo más alto — y dice que LinkedIn tiene esto “al revés”.
Explicación:
Punto negativo a tener en cuenta (redondeando para abajo): un margen operativo bajo no es necesariamente malo, pero significa que la rentabilidad real de la empresa hoy es baja. Si el crecimiento se frena, ese 13% no sube automágicamente — depende de que efectivamente puedan “moderar” el gasto, cosa que no está garantizada.
Lo que dice: Le interesa mirar el crecimiento trimestre a trimestre (no año contra año). Nota que el Q1 es débil (como en Twitter) pero después crecen ~10% secuencial por trimestre. Con esa tasa (o algo menor), proyecta ingresos 2016 de unos $3.9 mil millones — más alto que Twitter.
Explicación:
Lo que dice: El gasto en S&M (Sales & Marketing / Ventas y Marketing) crece ~30%, y en algunos casos el crecimiento de costos es mayor que el crecimiento de ingresos.
Explicación: Esto es una señal de alerta que él mismo marca como “muy interesante” (en el sentido de preocupante). Si los costos crecen más rápido que los ingresos, el margen se comprime con el tiempo, no se expande. Es lo opuesto de “apalancamiento operativo” (economías de escala), que es lo que uno espera de una empresa de software sana. Acá está pasando lo contrario, al menos en ese período.
Nota negativa: que esto pase no significa que la empresa esté mal, pero si se vuelve un patrón sostenido, es una razón concreta para desconfiar de la rentabilidad futura.
Lo que dice: Asume 25% de impuestos, estima ingreso neto (net income) de ~$300 millones para el año siguiente. Dice que son “más rentables que Twitter”. Después tira un múltiplo de “22 veces ganancias” (P/E) para el año próximo.
Explicación:
Lo que dice: LinkedIn se fundó en 2002. Reid Hoffman (que él identifica primero mal como CEO, después se corrige: es el Chairman, no CEO) tiene acciones Clase B (con más votos) y posee ~10% de la empresa (~15 millones de acciones), lo que a un market cap de $15 mil millones equivaldría a $1-2 mil millones en acciones. El CEO real es Jeff Weiner.
Explicación:
Lo que dice: Dice que sigue “los últimos 12 meses de press releases”. Los trimestrales (Q1, Q2, Q3) más el de fin de año son los más importantes. Cita el enfoque de Warren Buffett de leerlos con atención. Comenta que el texto de apertura (“fue un trimestre fuerte…”) es en general “corporate speak” (lenguaje corporativo vacío) que no aporta información real.
Explicación: Un press release trimestral de resultados es el documento oficial donde la empresa anuncia sus números. Contiene:
Consejo que él da y que vale la pena marcar: hay que aprender a distinguir el relleno promocional de los datos duros. Tomar nota de las métricas concretas (ej: “6 millones de listados abiertos”), no de las frases motivacionales.
Lo que dice: LinkedIn se divide en tres segmentos:
Explicación: Analizar una empresa por segmento es clave porque cada segmento tiene competidores distintos, márgenes distintos, y drivers de crecimiento distintos:
Punto negativo importante que él mismo destaca: el crecimiento está concentrado casi enteramente en un solo segmento (Talent). Eso es una dependencia riesgosa — si ese segmento se satura o enfrenta un competidor fuerte, el crecimiento total de la empresa se frena, porque los otros dos segmentos no están compensando.
Lo que dice: Se pregunta cuánta gente rota de trabajo por año en EE.UU. Busca datos de la BLS (Bureau of Labor Statistics — la oficina de estadísticas laborales de EE.UU.): fuerza laboral civil de ~156-158 millones, desempleados ~7-8 millones. LinkedIn ya tiene 6 millones de listados de trabajo abiertos. Extiende el cálculo a Europa (asumiendo ~800 millones de población, 40% de participación laboral, tasa de desempleo más alta) y llega a ~30 millones de desempleados entre EE.UU. y Europa. Con 6 millones de listados, calcula que ya tienen ~20% de “market share” de ese mercado. Concluye: “parece bastante saturado”.
Explicación — esto es el concepto de TAM (Total Addressable Market, mercado total direccionable):
El punto negativo/realista clave que él insiste en remarcar varias veces: “no pueden tener 100% de market share, eso lo sabemos”. Es decir, por más que la empresa sea excelente, hay un límite matemático de cuánto puede seguir creciendo el negocio de Talent Solutions, y ese límite podría estar más cerca de lo que el precio de la acción sugiere. Esto es una razón concreta para ser cauteloso con las proyecciones de crecimiento a largo plazo, no una razón para entusiasmarse.
Lo que dice: El “verdadero” driver que hay que entender no es solo cuánta gente está desempleada, sino el turnover: cuánta gente cambia de trabajo por año (incluso estando empleada), y de esos, cuántos puestos se llenan a través de plataformas como LinkedIn versus internamente (referidos, promociones internas, etc.)
Explicación: Esto refina el análisis del punto 8. El desempleo es solo una parte de la demanda potencial; la rotación de gente ya empleada que busca cambiar de trabajo es otra fuente de demanda, potencialmente más grande. Pero también hay una “fuga”: muchos puestos nunca pasan por una plataforma como LinkedIn (se llenan por conocidos, headhunters privados, etc.), así que no todo ese mercado es “capturable”.
Lo que dice: Menciona EBITDA de ~$250 millones. Dice que “D&A es importante en este negocio por la situación de flujo de caja”.
Explicación:
Lo que dice: LinkedIn da guidance de ingresos de $820 millones para el próximo trimestre — lo cual implica una caída secuencial del 5% y “solo” 29% de crecimiento interanual. Él tenía estimado $3.7 mil millones para el año completo (el “full year guidance” de la empresa es $3.6-3.65 mil millones). Comenta: “gracias por la guía, veamos si la cumplen — usualmente las empresas ponen expectativas bajas [para después superarlas fácil]”.
Explicación:
Lo que dice: LinkedIn llegó a 414 millones de miembros acumulados.
Explicación: Esta es una métrica operativa (no financiera) clave para empresas de “plataforma” o “red”. Pero ojo: “miembros acumulados” no es lo mismo que “usuarios activos”. Una persona pudo haberse registrado una vez en 2010 y nunca haber vuelto a entrar, y sigue contando en ese número. Es un dato que suena impresionante pero que hay que mirar con cautela — el texto no menciona si dan por separado usuarios activos mensuales (MAU), que sería el dato más relevante para entender el negocio real.
¿Querés que sigamos con la siguiente parte de la transcripción cuando la tengas, o preferís que antes repasemos algún concepto de estos (margen, EBITDA, TAM, P/E) con más detalle o un ejemplo numérico simple?
Dale, vamos por partes. Esto es la transcripción de un stream donde alguien (parece Martin Shkreli) está armando en vivo un modelo financiero de LinkedIn a partir de su balance y estado de resultados, y después le da de “tarea” a la gente hacer lo mismo con Netflix. Te lo traduzco y te explico cada concepto que aparece, sin saltear nada, porque decís que no sabés nada de finanzas. Y como pediste, cuando hay ambigüedad en la conclusión, me voy para el lado pesimista/realista, no optimista.
Arranca hablando de TAM (Total Addressable Market): cuántos usuarios potenciales tiene LinkedIn.
Por qué importa esto (lectura negativa): si el mercado principal ya está casi saturado, el crecimiento de usuarios se va a desacelerar. Esto es la primera señal de alerta que él mismo remarca más adelante: “el crecimiento de ingresos es fenomenal pero se va a frenar en algún momento”.
Habla de trackear “miembros” vs “visitantes únicos” (unique visiting members). Esto es una distinción típica de empresas de internet:
La diferencia importa porque una empresa puede tener “400 millones de miembros” pero si solo 100 millones entran alguna vez al mes, la cifra de 400 millones es un poco engañosa para valuar el negocio. Es una alerta a no dejarse deslumbrar por el número más grande que la empresa elige mostrar.
Menciona “currency adjustment”, “constant currency” (37%-39%). Esto es: LinkedIn opera en muchos países, cobra en distintas monedas, y cuando el dólar se aprevia o deprecia, eso infla o desinfla el crecimiento reportado en dólares aunque el negocio real no haya cambiado tanto. “Constant currency” es la cifra de crecimiento sacando ese efecto cambiario, para ver el crecimiento “real” del negocio. Es una buena práctica: siempre mirar la cifra ajustada, no la nominal.
También menciona que “marketing solutions” (una de las líneas de negocio de LinkedIn) son básicamente anuncios (ads) patrocinados (“sponsored updates”).
Ahora arma el balance general de varios trimestres. Te explico qué es cada cosa que menciona:
Se equivoca con las unidades (miles vs millones) y tiene que corregir. Esto es normal armando modelos: hay que ser muy cuidadoso con la escala de los números, un solo error de unidades arruina todo el modelo.
Menciona el “redeemable non-controlling interest”: es una porción de una subsidiaria que no es 100% propiedad de la empresa, y además tiene una cláusula que obliga a la empresa a recomprarla en algún momento (por eso “redeemable”). Es un tecnicismo contable, no es central para vos ahora.
Cuenta con orgullo que una vez encontró errores en balances de empresas que cotizan en bolsa (SEC filings) — es una anécdota, no afecta el análisis.
Acá empieza el análisis serio, y acá es donde aparecen las señales negativas:
Return on Equity (ROE) – Retorno sobre el patrimonio: Fórmula: ganancia neta de 12 meses ÷ patrimonio de los accionistas (shareholders’ equity).
“Buffett return”: Se refiere a una forma de medir retorno al estilo Warren Buffett, que en vez de usar solo la ganancia contable, usa el flujo de caja (cash flow) ajustado por cosas como cuentas por cobrar (accounts receivable). Conclusión: sigue dando bajo. Es decir, aunque cambies la métrica, la empresa no es rentable.
Acá es donde se pone más contundente, prestá atención porque es el núcleo del análisis:
¿Por qué el cash flow es más alto que la ganancia neta? Por partidas que restan en la contabilidad pero no son salida real de efectivo:
Capex (gastos de capital / purchases of property, plant & equipment): ~178 millones. Esto es plata que la empresa gasta en comprar activos físicos (servidores, oficinas, equipamiento) para poder operar y crecer.
Free Cash Flow (FCF) = Cash flow operativo − Capex Acá está la conclusión fuerte y negativa:
Cash flow operativo (177) − Capex (178) = FCF negativo.
Es decir: LinkedIn, en ese trimestre, generaba flujo de caja libre NEGATIVO. Y encima, si le restás también el stock-based compensation (porque diluye a los accionistas, es un “costo” real aunque no sea cash), la situación es todavía peor.
Conclusión textual de la persona: “LinkedIn está perdiendo plata.” Perdió 122 millones de dólares sobre 860 millones de ingresos ese trimestre. Y aclara que incluso si le sacás el gasto en I+D (R&D, investigación y desarrollo, que él llama sarcásticamente “financiar su página web de mierda”), tampoco serían rentables.
Con toda esta evidencia arma una tesis bajista:
Conclusión de valuación que hace: si LinkedIn no puede mejorar rentabilidad, la calcula “cherry-picking” (a su manera) en unos 2 mil millones de dólares de valor de negocio + caja, dando un total de ~4 mil millones, o sea unos $33 dólares por acción, contra los $113 que cotizaba en ese momento (y que en algún momento había llegado a $200). Es decir: su tesis es que la acción está sobrevaluada por mucho.
Nota importante de honestidad intelectual que él mismo hace, y que vale la pena que la tengas en cuenta: dice que “las empresas no siempre tienen valuaciones ridículamente infladas solo porque sí, si no cualquiera podría hacerse rico shorteando todo, el mercado es bastante inteligente”. O sea, reconoce que su propia tesis bajista podría estar equivocada — el mercado le puso ese precio por alguna razón, y quizás no la está viendo. Este es un punto clave de humildad financiera: armar un modelo negativo no significa que tengas razón, solo significa que encontraste una historia consistente con los números.
Al final le da tarea a la clase: elegir una empresa entre ~27 candidatas (Yahoo, eBay, Netflix, Baidu, Priceline, TripAdvisor, Verisign, JD, Expedia, Ctrip, etc.) y armar el mismo tipo de modelo. Votan y gana Netflix.
Pide que el modelo de Netflix tenga:
Si querés, en el próximo mensaje te puedo armar un glosario corto con todos estos términos (ROE, FCF, capex, D&A, NPV, stock-based comp, etc.) para que lo tengas de referencia mientras seguís viendo los videos, porque van a reaparecer todo el tiempo.
¡Dale! Vamos con esto. Te voy explicando todo en orden, tal como va pasando en el video, con cada concepto financiero que menciona. Como pediste, no me guardo nada relevante y en los puntos donde hay incertidumbre, me inclino para el lado pesimista/realista, no para “esto va a ir bien”.
Es un stream (una especie de clase en vivo) donde el que habla —parece ser Martin Shkreli— arma junto con su audiencia un análisis de la acción de eBay, en tiempo real, usando Excel y datos de la SEC (el organismo regulador de EE.UU. que obliga a las empresas a publicar sus balances). El objetivo: entender si eBay como inversión vale la pena o no.
Punto importante para vos que estás arrancando: el precio de una acción sola (los $24) no te dice nada sobre si la empresa es “cara” o “barata”. Necesitás siempre multiplicarlo por la cantidad de acciones para saber el tamaño real del negocio.
El market cap no cuenta toda la historia, porque no tiene en cuenta la caja (cash) ni la deuda que tiene la empresa. Por eso se calcula el Enterprise Value:
En el balance (balance sheet) de eBay, que está en la página F1 del 10-K (aprox. a la mitad del documento), encuentran:
O sea, tienen más caja que deuda (una posición financiera neta positiva de unos $3 mil millones). Esto hace que el market cap y el enterprise value sean casi iguales (se compensan un poco entre sí).
Comparación que hace: esto es el doble de lo que valían LinkedIn y Twitter (que habían mirado antes en otro análisis), pero mucho, mucho más chico que gigantes como Amazon, Facebook o Microsoft. Conclusión: eBay es una empresa mediana-grande, no un gigante tech.
⚠️ Ojo con algo negativo que menciona de pasada: que “no se puede juzgar una empresa solo por sensación/intuición” — hay que mirar los números siempre. Es una crítica implícita a invertir por “me gusta la marca” sin hacer la tarea.
Este es un patrón importante para aprender: una empresa puede tener muy buena rentabilidad (margen alto) y aun así no ser una buena inversión, si no crece o directamente se achica.
Es básicamente una especie de “seguro” que la empresa se autoimpone: cada trimestre asume que una parte de las transacciones no se van a cobrar o van a tener fraude, y anota esa pérdida esperada por adelantado. Es chica en el total, pero hay que tenerla en cuenta.
Esto lo lleva a la idea de que eBay podría clasificar como “value stock” (acción de “valor”, al estilo del análisis clásico de Graham y Dodd — los padres del “value investing”): una empresa barata en relación a sus ganancias, pero con crecimiento débil o negativo.
Acá hace un ejercicio de proyección pesimista a propósito: “supongamos que las ganancias caen un 5% anual de acá en adelante” — no asume crecimiento, asume decadencia lenta. Esa es la actitud correcta para vos como principiante: cuando no estás seguro del futuro de una empresa, es más prudente asumir un escenario conservador/negativo que uno optimista.
Menciona que las acciones en circulación fueron bajando con el tiempo, probablemente porque eBay está haciendo buybacks (recompra sus propias acciones con la caja que genera). Esto hace que las métricas “por acción” (ganancia por acción, etc.) mejoren un poco aunque el negocio de fondo no esté creciendo — es una forma de “maquillar” el crecimiento por acción sin que el negocio realmente crezca. Es un matiz importante y algo escéptico que hay que tener en la cabeza siempre que veas ese tipo de métricas.
Es una métrica operativa (no contable) que reportan las empresas de marketplace: el valor total de todo lo que se transó en la plataforma, no lo que factura la empresa (que es solo su comisión). En este trimestre: $22 mil millones en GMV. La dice textual: “esto es cuánto se subastó en eBay ese trimestre” — hay que trackearla con cuidado porque es el mejor indicador de la actividad real del negocio.
También menciona “compradores activos” (active buyers): 62 millones, y más adelante 162 millones de “buyer base” en otro momento — son leves inconsistencias/variaciones de método de conteo entre trimestres que hay que tener presente cuando comparás período a período.
Menciona que sería bueno hacer también una versión “non-GAAP” del análisis. Esto es clave para vos:
El riesgo (y él lo insinúa cuando dice que “hay que reconciliar eso en algún momento”) es que el non-GAAP casi siempre pinta una imagen más linda que la realidad GAAP, porque la empresa decide qué excluir. Como regla general de principiante: desconfiá más del non-GAAP que del GAAP, no al revés.
Este es el corazón filosófico del análisis, y es donde el tono se pone más escéptico/negativo, como corresponde:
Moraleja para vos: cuando una empresa tuvo un spin-off, hay que tener mucho cuidado de no comparar datos de “antes” con “después” sin ajustar, porque el negocio literalmente cambió de tamaño y de composición.
Hacen un ejercicio simplificado de valuación:
Esto es clave: el mismo análisis termina sugiriendo que el precio de mercado puede estar pagando de más frente al escenario conservador que armaron. No es una señal de “comprá”, es más bien una señal de cautela.
Hacia el final, alguien comenta (parafraseando) que en general los comercios (“merchants”) no tienden a crecer con el tiempo dentro de este tipo de plataformas, y que hay preferencia del mercado por otras plataformas de e-commerce (mencionan a Amazon). Esto refuerza la misma idea repetida a lo largo de todo el análisis: la cautela es la actitud correcta frente a esta acción, no el entusiasmo.
Al final aparece un fragmento de una charla/entrevista con Devin Wenig, en ese momento CEO de eBay (descripto como “un lifer de eBay” — alguien que lleva mucho tiempo en la empresa — a diferencia de su predecesor que venía de PayPal).
Lo que dice Wenig, parafraseado y sin dramatizar de más: reconoce que es un momento difícil para el sector de e-commerce en general, que muchas empresas buenas están “sufriendo” en el mercado, y remarca una distinción importante: “no es difícil mostrar crecimiento cuando tenés financiamiento y un buen balance, lo difícil es generar valor real” — una crítica implícita a empresas que queman capital para mostrar crecimiento artificial sin ser realmente rentables. Es una frase que, en el contexto de todo el análisis previo (negocio maduro, revenue plano, riesgo de disintermediación), suena más a una admisión de las dificultades del sector que a un mensaje optimista.
¿Querés que sigamos con la parte siguiente del stream, o preferís que profundice en alguno de estos conceptos (por ejemplo, cómo se arma un DCF paso a paso) antes de seguir?
¡Dale! Vamos a repasar esto en detalle. Es una transcripción de audio (con partes cortadas por música y ruido), así que va a haber saltos raros y frases que no cierran del todo — eso es normal en este tipo de archivos, no te preocupes si algo no tiene sentido perfecto.
Te lo separo en bloques temáticos, traduzco lo importante, y te explico cada concepto financiero que aparece, asumiendo que arrancás de cero.
Arranca diciendo que la caída del mercado (“heard our stocks… everybody stock”) no es lo peor que puede pasar, porque en los últimos tres años se formaron cientos de empresas de e-commerce que él considera que ni siquiera son negocios reales. La idea es que un ciclo de caída (crisis, corrección) sirve para “limpiar” el mercado de empresas que no tienen un modelo de negocio sólido — es una especie de purga.
Concepto clave: esto es una idea recurrente en finanzas — las crisis eliminan a las empresas mal gestionadas o sin ganancias reales, y sobreviven las que tienen fundamentos sólidos. Ojo: esto no es garantía de nada, es solo una narrativa común entre inversores. No asumas que toda caída “limpia” el mercado de forma justa.
Acá se pone técnico. Dice algo así:
Términos:
Después hace una cuenta rápida: si la empresa generara 1.000 millones de flujo de caja por trimestre, eso serían 4.000 millones al año, lo que daría un cap de 22-25 mil millones si se le pone un múltiplo razonable. Está tratando de ver si el negocio “merece” su valuación en bolsa.
Concepto: Cap (market cap / capitalización de mercado): es el valor total de la empresa en bolsa (precio de la acción x cantidad de acciones). Se usa como referencia para saber si un negocio “vale” lo que el mercado dice que vale, comparando con cuánto efectivo genera.
Luego compara con el trimestre anterior (686 millones de flujo de caja) y ve que el capex (inversión en bienes de capital — plantas, equipos, tecnología) fue similar entre los dos semestres (371 vs 353), así que concluye que la cifra de ingreso neto “parece razonablemente precisa” — es decir, no hay trampa contable evidente, solo variación normal por capital de trabajo.
Mi comentario honesto (para no darte falsas expectativas): este tipo de análisis rápido, a ojo, con pocos datos, es superficial. Un salto grande entre ingreso neto y flujo de caja en un solo trimestre amerita mirar el detalle línea por línea del estado de flujo de efectivo, no solo asumir “fue un trimestre con suerte”. En la vida real, cuando ves esa discrepancia, hay que sospechar primero, no relajarse.
Acá arranca la parte más sustanciosa. La tesis que están discutiendo (aparentemente citando a alguien más, tal vez un analista o el propio CEO de eBay) es que eBay es la mejor plataforma para el “emprendedor sin infraestructura física” — es decir, alguien que quiere vender sin tener local propio.
El presentador (Shkreli) cuestiona esto: dice “¿pero no es eso también lo que hace Amazon?” Y da el dato: Amazon creció 22% el último trimestre, mientras eBay creció 0%. Su conclusión: “no sé si compro esa idea” (no le convence el argumento de que eBay tiene una ventaja ahí).
Datos de valuación que menciona:
Concepto: P/E ratio (precio/ganancia): es cuántas veces el precio de la acción supera la ganancia anual por acción. Un P/E bajo (como el 14x de eBay) generalmente indica que el mercado espera poco crecimiento futuro. Un P/E alto (60x de Amazon) indica que el mercado está pagando mucho hoy porque espera crecimiento fuerte en el futuro. No es garantía de nada — un P/E alto puede significar sobrevaluación tanto como puede significar crecimiento real futuro. Hay que ser escéptico con ambos extremos.
Después menciona: eBay vende 80 mil millones de dólares en bienes al año, pero aclara que eBay no “vende” nada directamente — solo cobra una tarifa de listado (listing fee) por cada transacción que ocurre en su plataforma. Esto es distinto de Amazon, que si es vendedor directo (cuando vende sus propios productos, no marketplace de terceros).
Concepto clave: GMV (Gross Merchandise Value / Valor Bruto de Mercancía): es el valor total de todo lo que se transacciona en una plataforma, sin importar si la plataforma es dueña de esos bienes. eBay tiene un GMV enorme (~80 mil millones) pero su ingreso real es mucho menor, porque solo se queda con una comisión chica de cada venta. Esto es fundamental para entender modelos de marketplace vs modelos de venta directa.
Deciden comparar solo la parte de “productos” de Amazon (excluyendo AWS, que es el negocio de servicios en la nube) contra el negocio completo de eBay, para que sea una comparación más justa (retail contra retail).
Resultado:
Conclusión: “Amazon está ganando claramente la guerra del e-commerce.”
También notan que Amazon es muy estacional (tiene picos fuertes en ciertos trimestres, como el de fin de año/Navidad) mientras que eBay casi no tiene ese salto estacional. Interpretan esto como que Amazon depende más del consumo minorista tradicional (regalos, fiestas) mientras eBay tiene un patrón de ventas más parejo todo el año.
Mencionan también que Amazon tiene la ventaja de centros de distribución uniformes y estandarizados, mientras que eBay depende de vendedores individuales con procesos muy variados (“bespoke”) — esto le da a Amazon consistencia operativa que eBay no puede replicar fácilmente.
Dato curioso que dan: el crecimiento de “producto” de Amazon se viene acelerando (no desacelerando), algo que dicen que “no es normal ver” en negocios grandes — normalmente cuanto más grande una empresa, más lento crece (ley de los grandes números). Ven esto como una señal fuerte a favor de Amazon.
Concepto: Ley de los grandes números: cuanto más grande es una empresa (en ingresos), estadísticamente es más difícil mantener tasas de crecimiento altas, porque cada punto porcentual de crecimiento requiere sumar montos de dinero cada vez mayores. Que Amazon acelere en vez de desacelerar es, según ellos, una señal positiva rara.
Acá el presentador hace una reflexión metodológica importante: dice que no se puede analizar eBay y Amazon sin mirar también el retail tradicional (Walmart, Target, Home Depot), porque todos compiten por la misma torta de gasto de consumo. Aunque él dice que “no se anotaron para estudiar retail” cuando empezaron a mirar tech, el negocio los llevó ahí — y lo presenta como parte normal del trabajo de análisis (“dejá de quejarte y laburá”).
Números que da (todos trimestrales, aproximados):
| Empresa | Crecimiento |
|---|---|
| Walmart | ~ -1% (se achica) |
| Target | plano / -1% |
| eBay | ~0% |
| Home Depot | ~7% |
| Costco | (no da número exacto, la usa de “control”) |
| Amazon | ~14-15% |
Conclusión que saca: de seis grandes minoristas, cinco están estancados o cayendo (+/- 1%), y solo Amazon crece fuerte. El promedio de crecimiento del grupo es de apenas 1.6%, muy por debajo de Amazon.
Idea central que repite varias veces: “es un juego de suma cero” (zero-sum game). Su argumento es que el gasto total en retail/comercio no crece mucho en general (crece más o menos como la inflación, o menos), así que si Amazon crece 15% mientras el resto del sector crece 1%, Amazon le está literalmente quitando participación de mercado (market share) a los demás, no generando gasto nuevo de la nada.
Concepto: Juego de suma cero: una situación donde lo que gana un jugador, lo pierde otro — el “tamaño total del pastel” no cambia. Esto es una simplificación fuerte y no siempre es 100% cierto (el comercio total sí puede crecer por inflación, población, nuevos hábitos de consumo), pero como marco para pensar competencia entre gigantes maduros, es útil.
Dato duro: mencionan que la participación de mercado de Amazon dentro del comercio total viene subiendo de forma dramática, aunque aclaran que Amazon todavía es una porción chica del comercio total (~10%), lo cual — dice él — “genera la pregunta: ¿por qué no puede llegar al nivel de Walmart?” Es decir, todavía hay mucho margen para que Amazon siga creciendo a costa de otros, si esta tendencia sigue.
Después de todo este análisis, el presentador ablanda un poco su postura inicial: dice que eBay tiene más “longevidad” (permanencia) de lo que pensaba al principio, y que probablemente esté “razonablemente valuada” — no ve que vaya a crecer 10-15% pronto, y repite la idea de suma cero: para que eBay crezca fuerte, alguien (probablemente Amazon) tendría que perder terreno, y ahora mismo no ve señales de que eso esté pasando. En criollo: su conclusión es cautelosa, no hay upside claro para eBay en el corto plazo.
Termina la sesión de eBay/Amazon y anuncia que en la próxima (grabada un sábado a las 8, dice) van a ver Netflix. Cuenta que dedicó “dos o tres horas” a armar un modelo de Netflix y que su conclusión preliminar es que está “más o menos bien valuada, quizás un poco sobrevaluada” — una situación “nebulosa” (poco clara).
Plantea el marco de análisis para Netflix: es una pregunta de crecimiento de usuarios x ARPU (ingreso promedio por usuario).
Concepto: ARPU (Average Revenue Per User): el ingreso promedio que genera cada usuario/suscriptor. En negocios de suscripción (Netflix, telecomunicaciones, streaming) es una métrica central: ingresos totales = número de usuarios x ARPU. Para proyectar el futuro de la empresa, hay que proyectar ambas variables por separado.
Da el dato: Netflix tenía en ese momento 71 millones de usuarios, y la pregunta central del modelo es “¿cuándo para de crecer esto?” — plantea escenarios de que la base de usuarios se triplique o cuadruplique en 15 años (asumiendo un cambio estructural fuerte hacia la TV online y en contra de la TV tradicional, pero sin asumir una transición total).
Menciona un dato de penetración en EE.UU. de ~27% como ancla de su modelo (el % de hogares/personas en EE.UU. que ya tienen Netflix), aunque el archivo se corta ahí antes de explicar por qué eligió justo ese número.
Concepto: Tasa de penetración: el porcentaje de un mercado potencial (por ejemplo, todos los hogares de EE.UU.) que ya usa/tiene el producto. Sirve para estimar cuánto “techo” de crecimiento le queda a una empresa antes de saturar su mercado.
Este material es una charla informal de un inversor haciendo research en voz alta, no un curso estructurado — así que hay mucho salto de tema, cifras a veces sin fuente clara, y conclusiones que se sacan rápido con pocos datos. Como marco para aprender está bien porque ves el proceso de pensar (comparar competidores, mirar flujo de caja vs ingreso neto, pensar en suma cero, comparar múltiplos), pero yo no tomaría ninguna de sus conclusiones específicas sobre eBay, Amazon o Netflix como verdad — son opiniones de un momento puntual, con datos parciales, y el propio historial de quien habla (Martin Shkreli) es motivo de cautela adicional, no de confianza ciega en su método.
Si querés, en el próximo archivo que subas puedo seguir con el mismo formato: traducir bloque por bloque y explicar cada concepto financiero nuevo que aparezca.
¡Dale! Vamos a ir parte por parte. Este es un fragmento de un análisis que hace alguien (parece un inversor, con estilo de trader agresivo tipo Martin Shkreli) sobre Netflix, pensando si conviene comprarla como acción. Como no sabés nada de finanzas, voy a explicar cada concepto a medida que aparece, sin resumir de más, y voy a marcarte los riesgos y el lado negativo de cada cosa (nada de ilusiones).
Esto es el concepto central de todo el análisis. Penetración = qué porcentaje de la población total (o de los hogares) ya es cliente pagando de Netflix. Si en EEUU hay 100 casas y 15 pagan Netflix, la penetración es 15%.
Esto importa porque el precio de una acción no refleja lo que la empresa gana hoy, sino lo que el mercado cree que va a ganar en el futuro. Entonces el analista intenta calcular: “¿a qué nivel de penetración futura tiene que llegar Netflix para justificar el precio actual de la acción?”
Según él, el precio de la acción en ese momento (rondaba los $100) ya asume que Netflix va a llegar a 25-27% de penetración en EEUU, con cada usuario pagando entre $100 y $200 por año. O sea: el precio ya tiene “horneado” (baked in) un crecimiento futuro que todavía no pasó. Esto es importante y es un poco negativo: si comprás la acción hoy, no estás pagando por lo que Netflix ES, estás pagando por lo que Netflix tendría que llegar a ser. Si no llega, perdés plata.
Dice que lo primero que él mira no es la penetración en sí, sino la velocidad con la que crece la cantidad de usuarios (year-over-year = interanual, comparando un año contra el mismo período del año anterior).
Es un concepto simple: es mucho más fácil crecer 50% cuando tenés 100 clientes (pasar a 150) que crecer 50% cuando tenés 10 millones de clientes (pasar a 15 millones). Cuanto más grande es la base, más difícil sostener el mismo % de crecimiento. Es matemática pura, no depende de si la empresa es buena o mala.
Punto negativo clave que él remarca: una vez que estas curvas de crecimiento empiezan a bajar, “nunca las vio parar de bajar”. O sea, no es que el crecimiento se desacelera y después se estabiliza mágicamente — una vez que empieza la desaceleración, tiende a seguir bajando cada vez más, especialmente cuando ya estás en porcentajes de un dígito. Esto es una observación empírica (basada en su experiencia mirando otras empresas como Facebook), no una ley matemática, pero él la usa como advertencia.
Acá explica una técnica de análisis de inversión: en vez de tratar de adivinar el futuro exacto, agarrás el escenario más optimista posible y calculás cuánto ganarías si eso pasara. Esto te da un techo (upper bound) de tu ganancia potencial.
Él arma 3 escenarios de penetración en EEUU y calcula qué valdría la acción en cada uno:
| Penetración en EEUU | Precio estimado de la acción |
|---|---|
| 14% (donde estaban en ese momento) | ~$50 (si se quedaran estancados ahí) |
| 25% | ~$100 (el precio actual en ese momento) |
| 50% | ~$300 |
| 80-90% (básicamente todo el mundo con Netflix) | ~$450 |
La parte negativa/realista que él insiste en remarcar: llegar al 80-90% de penetración es un escenario “outlandish” (extravagante, poco realista) — básicamente estás asumiendo que Netflix se vuelve la única forma en la que la gente ve TV en el planeta. Incluso llegar al 50% ya lo considera difícil. Y aun en el mejor de los casos (80-90%), la ganancia sería “solo” 4-5x tu plata — que suena bien, pero él dice: para un evento tan extremo e improbable, no es una ganancia tan espectacular. Es una forma de decir: el riesgo/recompensa no es tan bueno como parece a primera vista.
Cita (parafraseando) una idea de Warren Buffett: hay que invertir en empresas que sigan estando bien incluso si un CEO mediocre las maneja. La idea de fondo: no invertir en algo que depende de que TODO salga perfecto (gerencia perfecta, ejecución perfecta, crecimiento perfecto) porque tarde o temprano vas a tener un mal CEO o un mal momento — es “la naturaleza de la bestia”, como él dice.
Esto lo conecta con Netflix así: si para que tu inversión simplemente “empate” (break even) la empresa tiene que ir de 14% a 25% de penetración, eso NO es una inversión de valor (“value investment”) — es una apuesta a que todo salga bien. Esto es un llamado de atención bastante fuerte y negativo sobre Netflix en ese momento.
Por qué esto importa: una empresa que pierde plata a largo plazo, según él, “no vale nada”. Por eso necesitan más usuarios — los usuarios nuevos son la única forma de justificar que algún día sean rentables.
Dice que Netflix tiene solo 31% de margen bruto, algo bajo comparado con empresas tech típicas (que suelen tener 70-80%+).
Es: (Ingresos - Costo directo de producir/comprar lo que vendés) / Ingresos. En el caso de Netflix, el costo principal es pagarle a los estudios y creadores de contenido por las licencias (o producir contenido propio). Un margen bajo significa que de cada dólar que factura, le queda poco después de pagar el contenido — a diferencia de una empresa de software pura, donde el costo de “producir una copia más” es casi cero.
Compara esto con Amazon (que también tiene margen bajo, pero por otras razones) para decir que no es la peor comparación, pero sigue siendo una debilidad estructural.
Explica que hay “canales” viejos (TV) y nuevos (Netflix, Hulu) para vender contenido, y que los creadores de contenido (estudios, productoras) se dan cuenta de que le están regalando su producto más valioso a Netflix a precios bajos, y van a empezar a querer quedárselo para ellos (haciendo sus propias plataformas de streaming — esto en 2016-2017 era el inicio de lo que después fue masivo: Disney+, HBO Max, Paramount+, etc. — él lo está prediciendo).
Por eso Netflix empieza a hacer contenido propio (menciona “Making a Murderer” como ejemplo), pero él es escéptico: dice que no hay ninguna garantía de que Netflix vaya a ser tan buena creando contenido como fue distribuyéndolo. Son habilidades distintas.
Punto que rescata a favor de Netflix (el único momento algo positivo): son el número 1 en consumo de ancho de banda (bandwidth) en EEUU — o sea, en un momento dado, más tráfico de internet en el país era gente viendo Netflix que cualquier otra cosa. Eso habla de un producto e interfaz de usuario que la gente realmente ama.
Pero inmediatamente lo contrarresta: dice que empresas de contenido “de toda la vida” (CBS, Viacom) valen bastante menos en bolsa (CBS ~$25 mil millones, Viacom ~$15 mil millones) porque, aunque tienen el contenido, cualquiera con suficiente plata puede montar un servidor y competir (Netflix, Hulu, Amazon) — la infraestructura está “comoditizada” (commoditized = ya no es una ventaja competitiva única, cualquiera la puede replicar con dinero).
Esta es la parte más rica del análisis. Usa la historia de la TV por cable como comparación (proxy) para intentar predecir qué le puede pasar a Netflix.
Datos que menciona:
Coincidencia importante: dice que Netflix en ese momento también estaba en 18% de penetración — el mismo punto de partida que el cable en 1978. Entonces la pregunta es: ¿puede Netflix repetir el camino del cable, llegando del 18% al 60% en 12 años?
Su conclusión, y esto es clave para el lado negativo que pediste: dice que sí es posible que el mercado entero (todo el “streaming” como tecnología) llegue a esos niveles, pero es muy improbable que UN SOLO jugador (Netflix) se quede con todo ese pastel. Históricamente, en la industria del cable, nadie dominó solo — hubo un proceso larguísimo de fusiones y adquisiciones entre un montón de empresas (Comcast, Time Warner, Cablevision, Charter, DirecTV, Bright House, Mediacom, etc.) durante dos décadas, y ninguna se quedó con el mercado entera.
También menciona que Comcast, la empresa de cable más grande, hoy vale $146 mil millones — y que si Netflix llegara a ser “el Comcast del streaming”, sería un retorno de 3-4x tu inversión. Pero acá viene otra advertencia negativa importante: dice que el crecimiento del valor de mercado de Comcast fue impulsado principalmente por adquisiciones (comprar otras empresas), no porque el precio de la acción subiera orgánicamente. De hecho, dice que entre 1999 y 2010 el precio de la acción de Comcast estuvo bastante estancado (flat). Esto es una diferencia importante: Netflix crece orgánicamente (usuarios nuevos), no comprando competidores, así que la comparación tiene un límite.
El mensaje de este video, en criollo, es: “Netflix, al precio que está, ya te está cobrando por un crecimiento futuro que todavía no pasó y que es incierto.” Para ganar plata en serio con esa acción, necesitás que pasen varias cosas difíciles al mismo tiempo (que sigan creciendo rápido en EEUU pese a la ley de los grandes números, que el margen no se deteriore, que ganen la guerra del contenido contra estudios que ahora quieren su propia plataforma, y que terminen dominando un mercado donde históricamente nadie domina solo). No es imposible, pero el analista deja bien claro que es una apuesta con mucho viento en contra, no una inversión “segura” tipo Buffett.
Si querés, en el próximo audio/parte seguimos con la misma lógica: traducir + explicar cada término nuevo + marcarte siempre el lado de riesgo.
¡Dale! Vamos con esto. Es un fragmento de un stream de Martin Shkreli donde revisa “modelos financieros” (proyecciones de valuación) que le mandaron sobre Netflix, hechos por otras personas (parece que en algún concurso o ejercicio). Voy a ir explicando todo en orden, traduciendo y parando en cada concepto financiero para que lo entiendas, sin resumir de más. Y como pediste, me la juego para el lado escéptico/negativo cuando hay ambigüedad, tal como lo hace él en el audio.
Arranca hablando de una tasa de descuento del 7%, que le parece razonable. Antes de seguir, un concepto clave:
Tasa de descuento: cuando valuás una empresa por flujo de caja descontado (DCF), estimás cuánta plata va a generar en el futuro y “traés esa plata al presente” descontándola por una tasa. Cuanto más alta la tasa, menos vale la empresa hoy (porque asumís más riesgo o exigís más retorno). Una tasa del 7% para una empresa como Netflix en ese momento no es ni muy conservadora ni muy optimista, está en el medio.
Después menciona el riesgo más grande que él ve para Netflix: que los productores de contenido (canales de TV, estudios) empiecen a lanzar sus propias plataformas de streaming en vez de venderle el contenido a Netflix. Si eso pasa, esos ingresos “van directo” a esas empresas y no pasan por Netflix. Ojo: esto es exactamente lo que después pasó en la vida real (Disney+, HBO Max, Peacock, etc.), así que la preocupación era bien fundada. Pero también dice que la gente prefiere ver todo en un solo lugar, lo cual jugaría a favor de Netflix. Es un punto abierto, sin conclusión clara — no te la vendo como algo resuelto.
Primero critica la presentación: dice que la portada es fea, que hay que usar una sola fuente (él prefiere Arial), que mezclar fuentes y formatos hace que el modelo sea difícil de leer. Esto es una crítica de forma, no de contenido, pero para él es importante porque un modelo desprolijo genera desconfianza.
Sobre el contenido:
El modelo dice que Netflix llegaría a un “40% contribution margin” para 2020. Shkreli aclara que contribution margin no es lo mismo que margen normal (margin), y sospecha que quien hizo el modelo confundió los términos.
Qué es el contribution margin, explicado bien simple: Es cuánto de cada dólar adicional de ingresos nuevos se convierte en ganancia operativa adicional. La lógica de negocio: Netflix ya tiene costos fijos enormes (servidores, contenido, oficinas). Si consigue usuarios nuevos, esos costos fijos no suben mucho — entonces gran parte del ingreso nuevo “cae” directo a la ganancia. Por eso es un modelo de negocio atractivo: a medida que crece, se vuelve más rentable sin que los costos crezcan al mismo ritmo.
Fórmula que muestra en vivo:
Por qué duda del 40%: dice que el problema es que los proveedores de contenido (estudios, etc.) ven que Netflix pasó de 40 a 100 millones de usuarios y les piden 2.5 veces más plata por licenciar el mismo contenido. Si eso pasa, el contribution margin no puede crecer tanto, porque el costo de contenido también sube con los usuarios (no es un costo fijo puro). Osea, la tesis optimista del “contribution margin” se debilita si los dueños del contenido tienen poder de negociación.
Contrapunto que él mismo da: Netflix también podría usar su escala como poder de negociación y decir “no necesito tu contenido, tengo suficientes usuarios sin vos” — amenazando con no renovar contratos. Hay algo de verdad en ambos lados, no hay una respuesta clara.
Conclusión de esta sección (con la parte pesimista incluida): él no cree que sea muy probable llegar al 40%. Prefiere asumir un 35% de margen bruto (gross margin) a largo plazo como escenario más realista. Aun con ese escenario más conservador, calcula que si Netflix duplica su base de usuarios y logra que los usuarios internacionales tripliquen a los de EEUU, con buen crecimiento de ingresos y margen, pasaría de U$S 7 mil millones de ingresos (2015) a U$S 25 mil millones (2020), y de cero ganancias a U$S 5 mil millones de ganancia — lo que llevaría la acción de U$S 100 a U$S 230. Aclara que esto sería un escenario “hercúleo”, es decir, muy optimista y poco garantizado — no una certeza.
Sobre el riesgo de que la gente deje de usar Netflix: dice que con 71 millones de usuarios ya activos, es más probable que Netflix los retenga o siga creciendo, que no que los pierda. O sea, ve el riesgo de “churn” (abandono de usuarios) como relativamente bajo.
Otra vez arranca con la crítica de forma: una sola fuente (Calibri, que él llama “la fuente fea de Microsoft”).
Acá viene un error de contabilidad básica que hay que entender bien:
El error del modelo: puso 5.9 mil millones como deuda, cuando en realidad Netflix tenía 2.371 mil millones de deuda de largo plazo (long-term debt) según el balance de diciembre 2015. Lo que pasó es que la persona agarró el número de “current liabilities” (pasivos corrientes) y lo confundió con deuda. Son cosas distintas: pasivos corrientes es todo lo que hay que pagar en el corto plazo (no solo deuda financiera), mientras que deuda es específicamente dinero prestado con intereses.
Segundo error, todavía peor: mezcló unidades. Una parte del balance estaba en millones y otra en miles, y los sumó como si fueran lo mismo. Esto es un error de “orden de magnitud” — bastante grave para un análisis financiero, porque cambia el resultado por mil.
Reconoce que las preguntas cualitativas que se planteó la persona eran buenas:
También nota correctamente que el flujo de caja de Netflix venía cayendo (aunque la ganancia contable subía un poco), porque gastan muchísimo en producir y comprar contenido original. Esto es clave: ganancia contable ≠ caja real. Netflix reportaba ganancias pequeñas pero gastaba muchísima caja en contenido, lo cual no siempre se refleja igual en el estado de resultados (depende de cómo se contabiliza/amortiza el contenido).
Dice que Netflix tenía un gross margin (margen bruto) de 31%, pero que el margen operativo era negativo. Diferencia:
Punto interesante que agrega: él personalmente piensa que el R&D de Netflix se debería contar casi como parte del costo del contenido (gross margin), no como gasto aparte. Si hacés eso, dice que el margen bruto “real” queda más cerca del 20% que del 31%. Es una opinión de cómo clasificar costos, no un hecho universal.
Acá es bien claro y negativo: dice que no le da ningún crédito a Netflix en China, porque cree que Alibaba u otro jugador local va a hacer mejor el trabajo. Su argumento general: en casi cualquier industria (tecnología, farmacéutica, internet), los jugadores regionales/locales suelen ganarle a las empresas americanas en mercados como China. Esto es una opinión, no un hecho probado, pero la marca fuerte.
Sí concuerda con que Netflix tiene ventaja en Europa, Australia, etc., porque su contenido existente (en inglés) ya tiene atractivo ahí. Pero aclara que van a necesitar comprar/producir contenido nuevo específico para otros mercados.
Este es el punto técnico más importante de toda la transcripción, así que vale la pena explicarlo bien:
El modelo proyecta que G&A crece como un 15% de los ingresos, siempre en esa proporción. Shkreli dice que esto está mal conceptualmente. Su argumento:
Esto se llama en finanzas “apalancamiento operativo” (operating leverage): a medida que una empresa crece, ciertos costos fijos se diluyen sobre una base de ingresos más grande, mejorando los márgenes. Si vos modelás esos costos como un % constante de ingresos, estás ignorando ese efecto y subestimando la rentabilidad futura (o en este caso, sobreestimando el gasto).
También marca un error de fórmula: el modelo calcula el gross margin al revés — usa “costo de ingresos ÷ ingresos” en vez de “ganancia bruta ÷ ingresos” (que es lo correcto). Y hay un salto sin explicación de 30% a 40% de margen bruto de un año a otro, sin justificar por qué.
Dice que a pesar de todos los errores técnicos de Excel, conceptualmente la persona “tiene la cabeza bien puesta” — está pensando en las cosas correctas. Pero también da otro toque negativo: dice que la persona solo pensó en Europa como mercado internacional, y que se está olvidando de mercados enormes como Sudamérica, India, el subcontinente indio, Europa del Este, África, y Asia no-China (como Japón). O sea, la proyección internacional está incompleta.
Cierra diciendo que Netflix claramente no es un “home run” obvio de inversión (no pun intended, dice, porque “blockbuster” también era el nombre de la cadena de videos que Netflix mató). Menciona que fondos de cobertura (hedge funds) como Tiger Global tenían una posición muy grande en Netflix — su inversión más grande del portfolio. Aclara con honestidad: eso no prueba nada (podrían estar equivocados igual), pero es una señal que “te hace pensar dos veces”, porque considera a Tiger como uno de los inversores en tecnología más capaces.
Resumen de los conceptos financieros nuevos que aparecieron, por si querés tenerlos anotados:
¡Dale! Vamos a repasar esto en detalle porque hay bastante contenido financiero metido ahí adentro, aunque suene como charla informal. Te lo traduzco y explico parte por parte, asumiendo que arrancás de cero. Son dos partes distintas del video: primero una clase donde Shkreli corrige modelos financieros de Netflix que le mandaron sus alumnos, y después arranca una clase nueva sobre inversión internacional.
Contexto: Los alumnos tenían que hacer un “modelo financiero” de Netflix, o sea, una proyección en Excel de cuánta plata va a facturar la empresa en el futuro, para calcular si la acción vale más o menos de lo que cotiza hoy. Shkreli va mirando modelo por modelo y señalando errores.
Un alumno proyectó que Netflix iba a llegar a 21 mil millones de dólares de ingresos y 6 mil millones de ganancia, con un margen bruto del 50%.
Mencionan un descuento del 7% para el NPV.
Nota de método (importante): fijate que la crítica de Shkreli va para los dos lados: castiga tanto al que fue demasiado optimista con el margen, como al que fue exageradamente pesimista con la tasa de descuento. La idea no es “sé siempre negativo”, sino “justificá cada supuesto con lógica de negocio real, no con un número que te guste”. Yo te lo cuento remarcando el lado escéptico porque me lo pediste así, pero el mensaje original de Shkreli es de rigor, no de pesimismo por sistema.
Un modelo tenía los ingresos totales cayendo 2%, mientras que el crecimiento de usuarios era del 20-30% anual. Shkreli señala que esto no puede ser: si tenés muchísimos usuarios nuevos pagando suscripción, los ingresos totales no pueden bajar. Es una inconsistencia interna del modelo — dos partes del Excel que se contradicen entre sí. Esto es un chequeo básico que siempre hay que hacer: que las distintas pestañas/supuestos de tu modelo sean coherentes entre sí.
Shkreli al principio dice que Kyle tuvo el mejor modelo, con ingresos de 72 mil millones (le parece “rico”, es decir alto pero no descabellado) y una lógica razonable de gastos operativos. Pero después se retracta: dice que el modelo de Kyle “es basura” porque proyectó que los ingresos iban a crecer 17% simplemente “porque sí”, sin conectar ese crecimiento con el crecimiento real de usuarios.
Antes de arrancar el tema, tira una lista de libros recomendados (te la traduzco):
Su comentario: algunos son entretenidos, otros más “secos”, pero recomienda leer sobre los escándalos financieros porque, según él, la parte técnica de las finanzas es relativamente fácil de aprender; lo difícil es mantener la cabeza fría y tomar buenas decisiones de carrera, y para eso ayuda entender cómo la gente se metió en problemas.
Dice que los inversores estadounidenses evitan las acciones internacionales por un prejuicio: creen que no las van a entender bien, o que hay barreras de acceso. Su punto es que eso es una oportunidad, no un problema real — porque “las oportunidades nacen de los malentendidos” (la gente evita algo por miedo infundado, y eso deja el terreno libre para quien sí investigue).
Nota de cautela de mi parte, ya que pediste que no dé falsas esperanzas: esta es una afirmación fuerte y personal de Shkreli, presentada sin evidencia dura en el video (no muestra datos, solo la plantea como tesis). Invertir en mercados extranjeros trae riesgos reales adicionales (menos información pública, distinta regulación, riesgo cambiario, menor liquidez) que él no desarrolla acá. Tomalo como una opinión a poner a prueba, no como un hecho comprobado.
Este es el concepto más importante de esta parte, y lo arma como si fuera una variable matemática (la llama “µ”, mu, aunque la transcripción lo escribe como “new” por error de transcripción del audio).
Explica que si dibujás un gráfico con:
Entonces arbitraje = distancia de cada punto respecto del valor justo. Un buen mercado para “cazar oportunidades” (desde la perspectiva de alguien que busca arbitraje) es uno donde los puntos están muy dispersos, muy lejos del valor justo (algunas acciones súper sobrevaluadas, otras súper subvaluadas).
El fragmento se corta ahí, justo cuando estaba por seguir explicando el ejemplo japonés, así que si tenés la continuación del video te la puedo seguir explicando cuando la subas.
Resumen de las 3 o 4 ideas que más te conviene llevarte, sin adornos:
Si querés, seguimos con la parte que sigue del video cuando la tengas, o profundizamos en alguno de estos conceptos (por ejemplo, cómo se arma un NPV paso a paso con números).
Dale, vamos con esto. Te aviso algo importante antes de empezar: esto es una transcripción de audio automática, tiene errores de transcripción (números mal puestos, palabras raras tipo “quiddity” que en realidad es “liquidity”, “Mew” que es “mu”, etc.). Voy a traducir y ordenar las ideas, pero marcando dónde el audio original seguramente decía algo distinto a lo transcripto literal. Y como me pediste, no voy a maquillar nada — donde hay riesgo o desventaja lo dejo explícito, no lo suavizo.
El tipo (parece ser un video/clase sobre inversión cuantitativa, con estilo de Martin Shkreli) arranca con una idea central:
El mercado de acciones tiene muchos “outliers” (valores extremos, casos atípicos). Si te interesa las finanzas cuantitativas, tenés que pensar en qué situaciones generan esos outliers.
Define una variable que llama “mu” (μ): es básicamente la distancia entre el precio de mercado y el “fair value” (valor justo/real) de una acción. O sea, cuánto se aleja el precio de lo que “debería” valer.
Pregunta clave: ¿qué hace que mu suba o baje al máximo?
Según él, hay dos factores que están inversamente correlacionados con mu (es decir, cuando estos factores son altos, mu es bajo — el precio está más cerca del valor justo):
O sea: a menos liquidez y menos jugadores, mayor la posibilidad de que el precio se aleje mucho del valor real.
Otros factores que aumentan mu (alejan el precio del valor justo):
Conclusión de esta parte: conviene buscar mercados donde haya más dispersión alrededor del valor justo, porque ahí hay más oportunidad de encontrar diferencias entre precio y valor real (que es de donde en teoría se saca ganancia si sabés identificarlas). Ojo: esto no es gratis, esto también significa más riesgo de estar del lado equivocado.
Acá arranca la comparación entre EE.UU. y mercados extranjeros:
El mercado de EE.UU. tiene muchos jugadores — está dominado por inversores cuantitativos, hedge funds, etc. Esto significa (según su lógica de arriba) que hay menos dispersión, menos oportunidades de encontrar diferencias grandes entre precio y valor justo.
Los mercados extranjeros tienen menos jugadores, por lo tanto son “más interesantes” para él — hay más chance de encontrar esas distorsiones de precio.
Esto es la ventaja. Pero (y esto es importante, no te lo voy a suavizar) hay bastantes desventajas, y él mismo las lista:
Su opinión (marcada como opinión, no como hecho): dice que las primeras dos (idioma y regulación) son las que realmente importan, y que las otras tres están “sobrevaloradas” como problema:
Punto extra que menciona: para entender bien un sector, a veces necesitás entender empresas extranjeras. Ejemplo: si seguís el sector de videojuegos, Nintendo y Sony son japonesas (aunque Sony cotiza también como ADR — “American Depositary Receipt”, un instrumento que permite tradear una acción extranjera en bolsa de EE.UU. mediante un banco intermediario). Si ignorás esas empresas, no entendés completamente el sector.
Su conclusión personal: las dos ventajas (más dispersión + entendimiento completo del sector) superan a las cinco desventajas, en su opinión. Esto es una opinión de él, discutible — mucha gente profesional en finanzas SÍ evita mercados extranjeros justamente por esas cinco razones, y no es una postura irracional. Vos anotá esto como “esto es lo que piensa él”, no como consenso.
Herramienta que recomienda: Interactive Brokers, un broker que permite operar en casi cualquier país, incluyendo Japón (que dice es el segundo mercado más grande después de EE.UU.).
Ahora hace un análisis práctico, en vivo, de la acción de Softbank.
Dato clave: en Japón, las acciones no se identifican con letras (como “AAPL” en EE.UU.) sino con números. Softbank es 9984. Otros ejemplos que menciona: 4502 es Takeda, 4503 es Astellas (son farmacéuticas japonesas).
Precio en el momento: 5495 yenes por acción. Con un tipo de cambio aproximado de 112 yenes por dólar (en esa época), eso equivale a unos 49 dólares por acción.
Cálculo que hace: comprar 100 acciones cuesta ~500,000 yenes (~5,000 dólares). Comprar 100,000 acciones costaría 500 millones de yenes (~5 millones de dólares). El punto que quiere marcar es que tenés que operar en la moneda local, y las cifras en yenes se ven enormes aunque en dólares no lo sean tanto — hay que acostumbrarse a hacer esa conversión mental (regla rápida que da: sacar dos ceros, aproximadamente, ya que 100 yenes ≈ 1 dólar).
Recomendación práctica: guardar los archivos de análisis con el ticker numérico (9984) para memorizarlo, igual que uno memoriza “AAPL”.
Fuentes que recomienda para stocks japonesas: Yahoo Finance Japón (dice que es buena incluso si no sabés leer japonés/kanji, porque podés buscar directamente por el código numérico), y Bloomberg.
Cosas importantes que señala, y que son objetivamente útiles de saber:
IFRS vs GAAP: las empresas japonesas (y la mayoría de países fuera de EE.UU.) usan IFRS (International Financial Reporting Standards / normas internacionales), no el GAAP (Generally Accepted Accounting Principles, el estándar de EE.UU.). Son marcos contables distintos — hay diferencias reales en cómo se reconocen ciertos ingresos, gastos, activos, etc. Esto no es un detalle menor si comparás empresas de distintos países.
Estructura del reporte: menciona que los 10-Q/10-K japoneses (que serían el equivalente a los reportes trimestrales/anuales de EE.UU.) suelen estar organizados como: 1) highlights financieros, 2) posición financiera, 3) pronósticos.
Año fiscal japonés: termina el 31 de marzo, no en diciembre como en EE.UU. Esto es un dato que hay que tener SIEMPRE presente al comparar períodos, porque si no podés confundir a qué período corresponde un reporte. Dice que “fiscal year 2015” en Japón terminaría el 31/3/2016 — esto puede ser confuso si no lo sabés de antemano.
Acciones en circulación: ~1.18 mil millones (billion en inglés = mil millones).
Market cap (capitalización de mercado): ~6.5 billones de yenes (billón en español = “trillion” en inglés — ojo con esta trampa de traducción, en el texto en inglés dicen “trillion” que en español es billón). Convertido a dólares: ~58-65 mil millones de dólares.
Compara el tamaño: dice que es más grande que Netflix, Priceline, Yahoo, Twitter, eBay — pero más chico que las “big six” (Apple, Microsoft, Facebook, Amazon, Google, Alibaba).
Efectivo (cash): ~3.2 billones de yenes. Es una cifra enorme — casi la mitad del valor de toda la empresa es efectivo.
Explicación cultural que da (opinión, no hecho verificado por mí): dice que es común en Japón que las empresas mantengan mucho efectivo de reserva, y lo atribuye a la crisis financiera de los años 80-90 en Japón — la llamada “Década Perdida” (Lost Decade), un período donde Japón prácticamente no creció el PBI durante ~10 años, por una crisis crediticia. Esto generó una cultura corporativa más conservadora, de acumular caja. Esto es una interpretación histórica simplificada — la Década Perdida japonesa es un tema complejo con muchas causas (burbuja inmobiliaria, deflación, políticas del banco central, demografía), no se reduce solo a “por eso ahora tienen mucho cash”.
Deuda: acá viene el dato importante — Softbank, a diferencia de la mayoría de empresas japonesas (que según él tienden a tener poco apalancamiento/deuda), tiene una deuda enorme: ~11 billones de yenes. Esto la hace una empresa muy apalancada (leveraged).
Enterprise Value (valor de la empresa incluyendo deuda, no solo el valor de mercado de las acciones): menciona una cifra de ~100 mil millones de dólares — la ubica como una de las pocas empresas “de 100 mil millones de dólares” fuera del club de las gigantes tecnológicas de EE.UU.
Net cash negativo: a diferencia de otras tecnológicas (menciona Microsoft) que acumulan caja neta positiva, Softbank tiene caja neta negativa — o sea, tiene mucha más deuda que efectivo. Esto es una señal de riesgo financiero mayor, aunque no necesariamente de default inminente.
Acá muestra cómo analizar deuda corporativa en Bloomberg:
Bono de ~450 mil millones (de yenes, presumo, aunque el texto dice “dollar” — probablemente error de transcripción): cupón 2.5%, yield to maturity (rendimiento al vencimiento) de 2.379%, vence en 2029 (marca “6 años” de plazo). Compara con los JGB (Japanese Government Bonds — bonos del gobierno japonés), que rinden cerca de cero para el mismo plazo. Esto sugiere que el mercado no ve a la deuda de Softbank como particularmente riesgosa en yenes.
Otro bono, ~400 mil millones: cupón 1.26%, yield 1.27% — básicamente sin riesgo de default percibido, y de plazo más corto.
Bono en dólares: este es distinto — cupón del 6%, vencimiento 30/7/2025, y está rindiendo 5.685%. Esto es un rendimiento bastante más alto que los bonos en yenes. El comentario que hace (cortado al final del texto) es que la moneda en la que está denominada la deuda importa mucho, porque afecta el riesgo (inflación, tipo de cambio, percepción de riesgo del emisor en cada mercado).
Nota mía, no del video, para que no te quedes con falsa tranquilidad: un yield más alto en el bono en dólares no es necesariamente “malo” para vos como inversor en ese bono — un yield más alto generalmente refleja que el mercado le exige más retorno por más riesgo percibido (riesgo cambiario, riesgo de que la empresa tenga que convertir yenes a dólares para pagar esa deuda, etc.). Es un dato que hay que investigar más, no algo que se explica solo con esta transcripción.
Si querés, seguí mandándome las próximas partes y las voy conectando con esto para armar una base ordenada, sin perder detalle.
¡Dale! Vamos a ir despacio porque hay bastante metido en este fragmento. Es Martin Shkreli analizando Softbank (la empresa japonesa de telecom/inversiones de Masayoshi Son) como ejercicio de “cómo leer los números de una empresa”. Voy a traducir y explicar cada bloque de ideas, en orden, sin saltear nada importante.
Arranca comparando un bono de Softbank a 10 años contra el bono del Tesoro de EEUU a 10 años.
¿Qué es la tasa de descuento? Es la tasa que usás para traer a valor presente los flujos de caja futuros de una inversión. Cuanto más riesgosa es la inversión, mayor la tasa que exigís, y por lo tanto menor el valor presente que le asignás a esos flujos futuros. Es un concepto central en valuación — lo van a ver una y otra vez.
Nota negativa/realista: esto es una aproximación rápida y burda, no un cálculo preciso. Shkreli mismo lo trata como un “hint” (pista), no como una conclusión firme.
Antes de mirar los números, aclara algo técnico pero importante: en Japón el año fiscal termina en marzo, no en diciembre como en EEUU. Entonces:
Por qué importa esto: si comparás trimestres de empresas de distintos países sin fijarte en esto, podés comparar mal (por ejemplo, comparar un trimestre de invierno de una empresa con uno de verano de otra).
Mira el trimestre de 3 meses terminado el 31 de diciembre de 2014 (y el mismo trimestre de 2015, que es el que más le interesa).
Punto negativo importante que él marca: esto hace que sea más difícil analizar el negocio en profundidad, porque no sabés cuánto gastan específicamente en cada área. Es una limitación real de esta empresa, no una crítica menor.
Conclusión negativa que él remarca: la deuda es tan pesada que se come casi toda la rentabilidad. Esto es una señal de alerta, no algo para minimizar.
Dato negativo clave: Softbank es free cash flow negativo en ambos períodos de 9 meses analizados. Es decir, la empresa está quemando caja, no generando dinero libre disponible. Es sorprendente para una empresa de $100 mil millones, y él sospecha que tiene que ver con su participación en Alibaba (aunque no lo confirma ahí mismo, es una hipótesis).
Acá cambia el enfoque: en vez de mirar solo el income statement, mira qué activos posee la empresa. Esto es clave porque Softbank es más un holding company (empresa tenedora de participaciones en otras empresas) que un negocio operativo tradicional.
Crítica negativa que hace: los reportes financieros japoneses no dan mucho comentario/contexto sobre el negocio, a diferencia de muchos reportes americanos. Esto es una limitación real para analizarla.
Activos principales que identifica:
Mensaje central: la apuesta de Son en Sprint fue un fracaso caro. La narrativa de “genio visionario” (por el éxito temprano de Softbank en Japón y la inversión en Alibaba) no se repitió con Sprint — más bien lo contrario.
Suma las participaciones:
Total estimado: ~$80 mil millones en valor de activos.
Pero la acción de Softbank en conjunto cotizaba en ~$115 mil millones en el mercado.
Conclusión (negativa, tal como pediste que redondee): la acción estaría ~30% más cara que la suma de sus partes. Esto se llama operar con una prima sobre el NAV (Net Asset Value = valor neto de los activos), cuando lo normal en este tipo de “holding companies” es que coticen con descuento sobre su NAV (porque a los inversores no les entusiasma tanto poseer un paquete de participaciones minoritarias sin control ni sinergia entre ellas).
Él mismo aclara (algo importante para tu aprendizaje): esto es una estimación rápida, “no hice los cálculos con mucha precisión”, los números podrían ser distintos. No lo toma como verdad absoluta, sino como ejercicio.
Compara a Softbank con Berkshire Hathaway (la empresa de Warren Buffett), porque ambas son “conglomerados” que poseen participaciones en muchas empresas distintas y hay que valuar cada pieza por separado.
Diferencia clave y negativa para Softbank: Berkshire tiene ganancias reales y grandes en su income statement. Softbank, en cambio, prácticamente no tiene ganancias netas (como vimos arriba, casi $0). Por eso es “raro” — es como un “Berkshire Hathaway tecnológico” pero sin la rentabilidad que respalde esa comparación.
También menciona:
Punto contable importante: la participación en Alibaba está contabilizada usando el “equity method” (método de participación patrimonial), que básicamente la registra al costo de adquisición, no a su valor de mercado actual. Como Alibaba subió mucho de valor desde que Softbank invirtió, esto significa que el balance de Softbank subestima el valor real de ese activo comparado con el precio de mercado.
Shkreli comete y corrige errores en vivo:
Lección explícita que da: “en EEUU generalmente la columna más reciente está primero, hay que tener cuidado con el orden en otros países”. Es un error común al leer reportes internacionales.
Cambia de tema: Priceline cotizaba a ~$1,000 por acción (no hacían split de acciones, como Google/Alphabet), con solo 49 millones de acciones en circulación (a diferencia de la mayoría de empresas que tienen miles de millones de acciones). Esto es solo una nota de color, sin desarrollo.
¿Querés que sigamos con el próximo fragmento cuando lo tengas, o preferís que primero repasemos algún concepto de estos (tasa de descuento, equity method, free cash flow, NAV) con más profundidad antes de avanzar?
Dale, vamos uno por uno con ejemplos concretos para que se entienda bien. Son los 4 conceptos más importantes que aparecieron, así que les voy a dar tiempo a cada uno.
La idea central: un dólar (o peso) hoy vale más que un dólar dentro de un año. Y un dólar dentro de un año que NO es seguro (por ejemplo, una ganancia futura incierta de una empresa) vale todavía menos que un dólar seguro dentro de un año.
La tasa de descuento es el “precio” que le ponés a esa incertidumbre y a esa espera. Es la tasa que usás para convertir “plata que voy a recibir en el futuro” en “cuánto vale esa plata para mí, hoy”.
La fórmula básica (no hace falta memorizarla, pero para que la veas):
Valor presente = Flujo futuro / (1 + tasa de descuento)^años
Ejemplo simple: si alguien te promete pagarte $100 dentro de 1 año, y vos usás una tasa de descuento del 10%, ese pago vale hoy:
100 / (1.10)^1 = $90.90
¿Por qué 10% y no 5% o 20%? Ahí está la clave de todo el análisis financiero: la tasa depende de qué tan riesgoso es ese flujo futuro.
Por qué importa tanto: toda la valuación de una empresa (cuánto “debería” valer una acción) se basa en proyectar sus ganancias/flujos de caja futuros y traerlos a valor de hoy con una tasa de descuento. Si usás una tasa muy baja, la empresa te va a parecer que vale mucho más de lo que realmente vale. Es una de las variables más manipulables y más importantes de todo el análisis financiero — pequeños cambios en la tasa generan grandes cambios en la valuación.
Cómo la estimó Shkreli en el texto: de forma bastante informal. Vio que la deuda de Softbank rendía 6% (o sea, los que le prestan plata a Softbank exigen 6% de retorno por el riesgo de esa deuda). Como el equity (las acciones) es siempre más riesgoso que la deuda de la misma empresa (si la empresa quiebra, primero les pagan a los que prestaron dinero, y a los accionistas les queda lo que sobra, si sobra algo), dedujo que el equity debería exigir una tasa mayor, tipo 7%. Es una aproximación rápida, no un cálculo preciso — en la vida real hay modelos más elaborados (como el CAPM), pero la lógica de fondo (“la deuda es un piso, el equity va por encima”) es correcta y útil.
Esto es un tema contable, sobre cómo una empresa registra en su balance las participaciones que tiene en otras empresas. Hay tres formas principales, según cuánto controlás de la otra empresa:
a) Participación chica (menos del 20%, generalmente): se registra “a mercado” (fair value) — el valor sube y baja en tu balance según cotiza la acción en bolsa.
b) Participación mediana (entre 20% y 50%, aproximadamente) — acá aplica el “equity method”: se asume que tenés “influencia significativa” pero no control. En este caso, NO registrás la participación a su valor de mercado actual. En cambio:
Ejemplo concreto con Alibaba:
Por qué esto es importante para vos como analista: si mirás solo el balance contable de Softbank, vas a subestimar el valor real de sus activos. Por eso Shkreli tiene que ir “por afuera” del balance — buscando los precios de mercado de Alibaba y calculando el valor real de la participación — en vez de confiar en el número que aparece en los estados financieros de Softbank. Es una trampa común: los números contables no siempre reflejan el valor económico real.
c) Participación grande (más del 50%, control): ahí se usa “consolidación” — metés el 100% de los ingresos, costos, activos y deudas de la otra empresa dentro de los tuyos (como hace Softbank con Sprint, que controla).
Esto responde a la pregunta: ¿cuánta plata le queda realmente disponible a la empresa después de operar el negocio y de invertir lo necesario para mantenerlo/hacerlo crecer?
Fórmula básica:
Free Cash Flow = Cash Flow from Operations − CapEx
Cash Flow from Operations (flujo de caja operativo): es el efectivo real que entra por la operación normal del negocio (vender productos/servicios, cobrar a clientes, pagar proveedores y empleados). Es distinto de la “ganancia contable” (net income) porque la ganancia contable incluye cosas que no son movimientos de efectivo real (como la depreciación, que es un gasto contable pero no una salida de caja).
CapEx (Capital Expenditures / gastos de capital): es la plata que la empresa gasta en cosas de largo plazo — comprar maquinaria, construir plantas, poner antenas de telecomunicaciones, etc. Es una inversión necesaria para mantener o hacer crecer el negocio, pero no aparece como “gasto” en el income statement de forma directa (se deprecia con el tiempo), sino que sale del cash flow.
Por qué importa tanto el free cash flow: es, en muchos sentidos, más honesto que la “ganancia neta” (net income) para saber si una empresa realmente genera valor. Una empresa puede mostrar ganancia contable positiva pero necesitar reinvertir tanto dinero en CapEx que en la práctica no le queda nada — o incluso quede en negativo.
El caso de Softbank en el texto: cuando Shkreli resta el CapEx del cash flow operativo, descubre que Softbank es free cash flow negativo en ambos períodos analizados. Esto es una señal de alerta importante: significa que la empresa, después de pagar por operar y de invertir en su infraestructura, está quemando caja neta, no generando dinero disponible. Para una empresa de $100 mil millones de dólares, esto es preocupante — normalmente esperarías que una empresa de ese tamaño genere caja libre positiva.
Dato de color: él sospecha (sin confirmarlo del todo) que esto tiene que ver con la contabilidad de la participación en Alibaba, aunque el link exacto no queda 100% claro en el fragmento.
Este concepto aplica sobre todo a empresas tipo holding (que son dueñas de participaciones en otras empresas) — como Softbank o Berkshire Hathaway — en vez de empresas que venden un producto o servicio directo.
La idea: en vez de valuar la empresa por sus ganancias (que en el caso de Softbank son casi nulas, como vimos), la valuás sumando el valor de mercado de todo lo que posee, y restándole las deudas.
Fórmula conceptual:
NAV = Suma del valor de mercado de todos los activos (participaciones) − Deuda neta
Cómo lo calculó Shkreli con Softbank:
Y después lo compara contra el precio de mercado de la acción de Softbank en su conjunto, que era ~$115 mil millones.
La conclusión clave (NAV premium vs NAV discount):
Por qué esto es tan útil como herramienta: te permite valuar una empresa sin depender de sus ganancias reportadas (que en compañías holding pueden ser engañosas o casi inexistentes, como vimos con Softbank), sino mirando directamente qué es lo que realmente posee y cuánto vale eso en el mercado.
Para conectar los cuatro conceptos entre sí (esto es importante, no es casual que aparecieran juntos):
Cuando valuás una empresa “normal” con ganancias reales, usás tasa de descuento sobre sus flujos de caja futuros. Pero cuando la empresa es un holding sin ganancias propias como Softbank, ese método no sirve bien, así que usás NAV en su lugar — sumando el valor de mercado de sus partes. Y para calcular bien ese NAV necesitás entender el equity method, porque el balance contable no te muestra el valor real de mercado de esas participaciones, tenés que ir a buscarlo vos por afuera. Y el free cash flow es la señal de alarma que te dice si, más allá de todos estos cálculos de valor de activos, el negocio día a día está generando o quemando efectivo real.
¿Querés que armemos algún ejemplo numérico simple para practicar alguno de estos (por ejemplo, calcular un NAV a mano con números inventados), o preferís seguir con el próximo fragmento del stream?
El que habla explica algo importante: una empresa puede tener pocas acciones a precio alto o muchas acciones a precio bajo, y da lo mismo. Ejemplo que da: Priceline podría tener 50 millones de acciones a $1000 c/u, o podría tener 5 millones de acciones a $10 c/u — en ambos casos el “market cap” (valor total de la empresa en bolsa) da $64 mil millones.
Concepto clave: Market cap = precio de la acción × cantidad de acciones. El precio de una acción individual (si es “cara” o “barata”) no dice nada sobre si la empresa es cara o barata — lo que importa es el market cap total comparado con las ganancias.
Dice que Priceline es una de las tech companies más grandes y conocidas (todos conocen “Priceline” si alguna vez usaron esas webs de reservas tipo “nombra tu propio precio”).
Mira cuánto efectivo tiene en el balance. Nota que Priceline no tiene tanto cash acumulado como otras big tech (compara con Facebook en ese sentido), pero sí tiene $7 mil millones en “long-term investments” (inversiones a largo plazo) y algo de “convertible debt” de largo plazo (~$6 mil millones).
Acá vienen los números de ganancias:
Este es un concepto central en el video: si la empresa vale $60 mil millones y gana $2.5-2.8 mil millones por año, tardaría unos 23 años en “devolverte” ese dinero en ganancias (esto es básicamente el inverso del P/E ratio — precio/ganancia).
Su opinión (bajale las expectativas): 23 años es mucho tiempo en tecnología. Dice literalmente “¿Priceline va a seguir existiendo en 23 años? No sé, no creo.” Su ejemplo de advertencia: Yahoo y eBay tenían marcas gigantes y fueron destruidas rápido por Amazon y Google. El punto de precaución acá: el “mindshare” (reconocimiento de marca) en tech es volátil, no es una ventaja permanente. Esto es una razón para ser escéptico, no para entusiasmarse.
Dice que prefiere pensar en Net Income total ($2.8 mil millones) en vez de EPS (Earnings Per Share, ganancia por acción, ~$54-55 por acción). Su razón: pensar en “por acción” es artificial, porque como vimos arriba, la cantidad de acciones es arbitraria. Lo real es cuánta plata gana la empresa en total.
Le llama la atención que el margen bruto subió Y el costo de lo vendido bajó al mismo tiempo que la revenue subía — dice que nunca vio eso y que probablemente sea un tema contable (cómo contabilizan el D&A), no un milagro real de eficiencia. Ojo con esto: cuando algo parece “demasiado bueno”, muchas veces es un efecto contable, no una mejora real del negocio.
Conclusión sobre Priceline: crecimiento de revenue del 9%, ya empezando a ser una “empresa madura” (crecimiento lento, no una empresa joven en expansión rápida).
Baidu cotiza en EEUU pero es empresa china, reporta en RMB (yuanes) y con “6-K” en vez de “10-Q” (los reportes trimestrales normales de empresas americanas — las extranjeras usan otro formato, más difícil de leer).
Punto técnico importante: las acciones “Class A ordinary shares” no son las que cotizan directamente — lo que cotiza es el ADS, y 1 ADS = 10 acciones ordinarias (ratio de conversión). Por eso al principio el cálculo “no cerraba” (30 millones de acciones a $200 no daba un market cap lógico) — había que multiplicar por 10. Resultado: ~279 millones de acciones equivalentes, market cap de ~$53 mil millones.
Lección general: cuando una empresa extranjera cotiza en EEUU vía ADS, siempre hay que chequear el ratio de conversión (puede ser 1:1, 1:10, 1:2, etc.), si no los cálculos de market cap salen mal.
Todo está en RMB, hay que convertir a USD (usa un tipo de cambio de 6.4897 RMB por USD). Cash neto: ~$11 mil millones en USD. Enterprise value: ~$41 mil millones — es decir, más chico que Priceline en EV.
Advertencia práctica que da él mismo: cuando manejás números en distintas monedas, hay que anotar cuál es cuál o “te confundís” — es fácil cometer errores de cálculo.
Dice algo conceptualmente valioso: el gross margin (margen bruto) es más “fijo”/estructural del negocio, pero el operating margin es una decisión de la gerencia — depende de cuánto deciden gastar en R&D (investigación y desarrollo) y en crecimiento. Gastar mucho en R&D puede sacrificar ganancias de corto plazo a cambio de crecimiento futuro — pero no hay garantía de que ese I+D valga la pena. Da el ejemplo de Biogen, que gastó fortunas en R&D que “no funcionó” (fracasó), destruyendo valor para los accionistas.
Punto de precaución: que una empresa gaste mucho en R&D no significa que vaya a tener éxito. Puede ser dinero tirado a la basura tan fácilmente como puede ser una inversión brillante.
Esto es importante y aplica a todo lo que estás aprendiendo: dice explícitamente que aprender sobre una empresa así, rápido y superficial, NO es suficiente para invertir. Cuenta que él mismo aprendió esto “a las malas” (perdiendo plata) cuando empezó. Ahora prefiere sobre-investigar antes que arriesgarse a perder dinero. Este es el mensaje más importante de honestidad de todo el video: lo que están viendo es solo una introducción superficial (“brief familiarity”), no un análisis de inversión real.
Solo alcanza a decir que van a presentar sobre Yahoo el viernes, y hace un comentario duro: Yahoo tuvo, en sus inicios, la oportunidad de ser su propio Netflix, su propio Google, su propio Facebook — y la dejó pasar todas las veces. Su conclusión: “tenés que ser terrible” para estar en el centro mismo de internet en sus inicios y perder cada oportunidad posible. Menciona que Yahoo intentó venderse (ser comprada) muchas veces sin éxito (“como la vez veinticinco”).
| Concepto | Qué significa |
|---|---|
| Market cap | Precio acción × cantidad de acciones = valor total de la empresa en bolsa |
| Enterprise Value (EV) | Market cap + deuda − efectivo. Cuánto costaría comprar toda la empresa |
| Revenue | Ingresos totales |
| COGS / Cost of revenue | Costo directo de generar esos ingresos |
| Gross profit / margin | Revenue − COGS |
| Operating margin | Ganancia después de gastos operativos (marketing, R&D, admin) — depende de decisiones de gerencia |
| Net income | Ganancia final, después de todo (impuestos, intereses, D&A) |
| D&A | Depreciación y amortización — gasto contable, no es salida real de caja |
| EPS | Ganancia por acción (net income / acciones) — el orador desconfía de este número porque la cantidad de acciones es arbitraria |
| P/E implícito (“años para recuperar la inversión”) | Market cap / Net income anual |
| Convertible debt | Deuda que se puede convertir en acciones |
| ADS | Certificado que representa acciones extranjeras cotizando en EEUU, con un ratio de conversión que hay que chequear siempre |
| Non-controlling interest | Porción de ganancias de subsidiarias no 100% propiedad de la empresa |
| GMV | Valor total de transacciones en una plataforma (no es lo mismo que revenue de la empresa) |
Punto negativo/realista para cerrar, siguiendo tu pedido de no darte falsas esperanzas: el propio orador remarca dos cosas serias — (1) un negocio con 23 años de “payback” en tecnología es un negocio que fácilmente puede no existir en esa forma en el futuro, y (2) el “mindshare” o marca fuerte de una empresa tech (como tenían Yahoo o eBay) no protege de nada si aparece un competidor mejor. Y lo más importante: él mismo advierte que mirar los números de una empresa por 20 minutos NO es análisis de inversión serio, y que se puede perder mucha plata haciendo esto sin la preparación adecuada.
¿Querés que sigamos con la parte de Yahoo (la 13, si la tenés) o preferís que profundice en alguno de estos conceptos primero (por ejemplo P/E, EBITDA, o cómo se arma una DCF, que lo mencionó pero no llegó a explicar)?
¡Dale! Vamos con esto de a partes, sin resumir de más, traduciendo y explicando cada concepto financiero que aparece. Como pediste, cuando haya algo ambiguo o us riesgo, lo remarco para el lado negativo/realista, no para venderte ilusiones.
El contexto: Esto es una clase de análisis de acciones donde el presentador (parece ser un stream de Martin Shkreli, dado el estilo) está mirando en vivo el balance de Yahoo, como ejemplo práctico de cómo valuar una empresa.
La idea central: Enterprise Value vs Market Cap
El dato clave de Yahoo: Yahoo era dueña del 15% de Alibaba (la empresa china de e-commerce), participación que en ese momento valía unos 29 mil millones de dólares (sobre un Alibaba valuado en 193 mil millones). Es decir: de los 32-35 mil millones de market cap de Yahoo, casi todo ese valor no era el negocio de Yahoo en sí, sino su tenencia de acciones de Alibaba.
El problema de los impuestos: Acá viene la parte importante y negativa. Yahoo no podía simplemente vender esas acciones de Alibaba y quedarse con los 29 mil millones limpios. Si las vendía, tenía que pagar impuestos sobre esa ganancia (porque las había comprado a un precio mucho más bajo años atrás). Eso significa que el valor “real” y disponible de esa participación era menor a los 29 mil millones de mercado — había un pasivo fiscal latente enorme escondido ahí.
El resultado del cálculo (con errores incluidos, que el presentador corrige en vivo):
Conclusión que saca el presentador: Un Enterprise Value de 7-8 mil millones es menor que el de Twitter en ese momento, y Yahoo tenía ingresos (revenue) de unos 4-5 mil millones anuales. Eso significa que el “negocio real” de Yahoo (sacando Alibaba) cotizaba muy barato: apenas 1.5x-2x ventas aproximadamente. Frase textual del análisis: “Yahoo vale más muerta que viva” — es decir, la suma de sus partes (Alibaba + caja) vale más separada que Yahoo como empresa operando junta.
Otros datos que menciona:
⚠️ Nota negativa/realista: Este análisis es explícitamente “muy preliminar” (el propio presentador lo dice: “of course very preliminary”). No es una recomendación de inversión seria, es un ejercicio educativo hecho en vivo, con errores de cálculo incluidos que él mismo corrige sobre la marcha. Y aunque la tesis de “Yahoo vale más separada” sonaba atractiva, la ejecución de ese tipo de apuestas (spin-offs, split de Alibaba) tardó años en materializarse y tiene mucho riesgo de ejecución — no es plata fácil ni garantizada.
Esta segunda parte cambia de tema: ya no habla de Yahoo específicamente, sino de cómo se hace research de inversión en la industria, con foco en un tema legalmente delicado: el channel check.
Investigación primaria vs secundaria
¿Qué es un “channel check”?
Es un término de la jerga de Wall Street que básicamente significa: hablar directamente con gente (dentro o fuera de la empresa) para entender cómo le está yendo al negocio, en vez de confiar en reportes oficiales o de analistas.
El problema legal: información privilegiada (insider information)
Acá el presentador se pone serio con las reglas, porque esto es zona de riesgo legal real. Si hablás con gente dentro de la empresa (CEO, CFO, relación con inversores), tenés que tener mucho cuidado con las reglas de información privilegiada.
El test de “materialidad” (para saber si algo es información privilegiada ilegal de usar):
Si la información cumple esas tres condiciones, operar en base a ella es ilegal (insider trading), aunque tenerla no lo sea — lo ilegal es usarla para operar. La técnica legal para manejar esto se llama “restringirse” (restrict): si te enterás de algo así, tenés que abstenerte de operar esa acción por un tiempo.
El ejemplo que da de lo que puede salir mal: menciona el caso de Galleon y su CEO (Raj Rajaratnam), que terminó preso justamente por cruzar esta línea con información privilegiada real.
La estrategia que recomienda el presentador (para minimizar riesgo legal):
Zona todavía más gris: hablar con gente FUERA de la alta gerencia
Habla de un nivel más riesgoso: contactar vendedores/salespeople de la empresa (no la alta gerencia), sin que la empresa lo sepa. Esto lo cataloga como “due diligence” no sancionado — más peligroso, porque un vendedor top de una empresa (ejemplo: farmacéutica) suele conocer las tendencias trimestrales reales del negocio antes que nadie. Es tentador porque es información valiosa, pero el presentador desaconseja explícitamente usarla, porque el riesgo de terminar en un problema legal serio es alto.
Otro punto que menciona: el poder de la red de contactos (network). Si sos inversor en tecnología, necesitás contactos en tecnología; si sos inversor en salud, contactos en salud. Por eso es más fácil especializarse en una sola industria — tu red de contactos vive ahí.
Termina mencionando (sin cerrar el tema) el dilema de “pagar o no pagar” a tus contactos por información — deja planteado que es un tema turbio y polémico en la industria (hay firmas de Wall Street que directamente contratan gente para esto, los llamados “expert networks”, que han tenido escándalos legales en la vida real).
⚠️ Nota negativa/realista sobre esta segunda parte: Todo lo que describe acá — channel checks, hablar con vendedores, redes de contactos pagas — vive muy cerca de la línea de lo ilegal, y la historia real de la industria (el caso Galleon que él mismo menciona, y otros casos de “expert networks” investigados por la SEC/FBI en la última década) muestra que mucha gente cruzó esa línea y terminó presa. No es un atajo gratis para “ganarle al mercado”: es una práctica de alto riesgo legal, y como alguien que “no sabe nada” de finanzas todavía, te diría que esto es información de contexto sobre cómo opera la industria, no un manual para replicar en tu día a día como inversor individual.
¿Querés que sigamos con la siguiente parte del stream cuando la subas, o preferís que antes te explique algún concepto de estos dos (por ejemplo, cómo se arma un Enterprise Value paso a paso, o algún término específico) con más profundidad?
¡Dale! Vamos a repasar esto parte por parte, bien detallado, sin saltarme nada importante. Es una clase de Martin Shkreli (si, el “pharma bro”, pero sabe mucho de análisis financiero) sobre investigación primaria y luego análisis del balance de Yahoo.
Expert Networks (Gerson Lehrman Group - GLG)
Son empresas que te conectan con expertos de una industria a cambio de plata. Vos pagás (él menciona $1000 por hora) y ellos te consiguen un consultor/experto de la industria que querés investigar para que te explique cómo funciona ese negocio.
Shkreli lo dice él mismo: “suena turbio, ¿no?” Y tiene razón en advertirlo:
⚠️ Punto negativo importante para vos: esto no es un atajo gratis. Es una zona gris/peligrosa legalmente. No es algo que uno recomendaría hacer sin saber exactamente dónde está la línea entre “contexto de industria” e “información confidencial de la empresa”.
LinkedIn / “Smile and dial”
La otra vía, más casera y menos riesgosa legalmente: usar tu red de contactos en LinkedIn. Le dicen en broma “smile and dial” (sonreí y llamá) — básicamente hacer networking, hablar con gente, para sacar información e insights.
Ejemplo práctico: Alarm.com
Explica cómo lo haría en la práctica:
Encuestas (Surveys)
GLG también hace encuestas. Ejemplo: le preguntás a cientos de potenciales compradores de un producto (en su ejemplo, compradores de sistemas de alarma) qué tan probable es que usen “Alarm.com” vs. competidores.
Resumen honesto de esta parte: son herramientas reales que usan inversores profesionales, pero él mismo marca la línea roja (MNPI = ilegal) y las limitaciones de confiabilidad de las fuentes humanas (sesgos, resentimiento, conflictos de interés). No es magia, es trabajo de investigación con riesgos legales y de calidad de información.
Contexto: la acción cotizaba a $36, había rumores de que Yahoo se quería vender y que Verizon estaba interesado en comprarla.
Él había pedido a la audiencia que armaran modelos de valuación de Yahoo (recibió ~10), y ofrecía $1000 por PayPal al mejor modelo. Y dice algo clave:
“Apuesto a que ninguno de ustedes lo hizo bien” — porque hay una trampa contable que casi todos se pierden.
Desglosando el balance, activo por activo:
| Partida | Monto | ¿Es “vendible”/líquido? |
|---|---|---|
| Cash (efectivo) | ~$1.63 mil millones | Sí, es cash, simple |
| Marketable securities corto plazo | ~$4.225 mil millones | Sí (básicamente bonos que vencen en <1 año) |
| Accounts receivable | — | No — es plata que le deben a Yahoo, no es un activo vendible, y hay controversia sobre si “cuenta” como cash |
| Prepaid expenses | — | No, son gastos ya pagados (como decía él, “post-it notes”) |
| Marketable securities largo plazo | ~$975 millones | Probablemente bonos también |
| Property, plant & equipment (PP&E) | ~$1.5 mil millones | Mayormente no vendible (computadoras viejas, oficinas), salvo que sea terreno/edificio específico |
| Goodwill e intangibles | — | Definitivamente no vendible |
| Otros activos/inversiones de largo plazo | ~$342 millones | Poco significativo, “rounding error” |
Hasta acá, los activos corrientes “reales” suman unos 5-6 mil millones de dólares.
El activo grande: la inversión en Alibaba
Yahoo tenía una participación en Alibaba valuada en el balance en ~$31.17 mil millones. Él aclara que esto sí lo verificó de forma independiente yendo al 10-K de Alibaba y chequeando el precio de mercado — y le dio razonablemente correcto (~$31 mil millones).
El error/trampa: “Investment in equity interests” ($2.5 mil millones)
Acá está la clave de toda la lección. Hay una línea que dice “inversión en intereses de capital (equity interests)” por $2.5 mil millones. Suena como algo genérico y sin importancia.
Pero Shkreli investigó y descubrió que esa línea es en realidad la participación de Yahoo en Yahoo Japan, solo que está nombrada de forma confusa/genérica en el filing de la SEC. Dice que esto es común: las empresas a veces etiquetan cosas como “investment in an affiliate” en vez de decir explícitamente de qué se trata.
Entonces fue a calcular el valor real:
👉 Diferencia: unos $5.7 mil millones “escondidos” o subvaluados, porque Yahoo estaba contabilizando esa inversión al costo histórico (lo que pagó originalmente), no al valor de mercado actual. Es decir, la inversión se había revalorizado ~3.5 veces desde que la compraron, y contablemente eso no se refleja en el balance bajo ciertas reglas contables (el método de participación patrimonial no siempre actualiza a valor de mercado).
Conclusión numérica de él (con la salvedad de que en el audio hay números que se contradicen un poco entre sí — él mismo tiene errores de tipeo/dictado, así que tomalo como aproximado):
La lección de fondo que él quiere transmitir (y que es lo más importante de todo esto):
No podés tomar un balance por sentado. Hay líneas simples (cash) y líneas que requieren que vos hagas tu propia tarea para descubrir qué representan realmente (nombres genéricos como “investment in equity interests” pueden esconder algo específico y mal valuado). Este tipo de análisis se llama “sum-of-the-parts” (SOTP) — valuar una empresa holding sumando el valor de mercado real de cada una de sus piezas por separado, en vez de confiar en cómo las reporta contablemente.
Nota realista (redondeando para el lado negativo, como pediste): él mismo remata la clase diciendo que aunque matemáticamente parezca una ganga barata, “ni siquiera Warren Buffett quiere comprar” Yahoo entera, porque en la práctica es un dolor de cabeza — comprar Yahoo significa quedarte con una participación pasiva y minoritaria en Alibaba y en Yahoo Japon, sin poder venderlas fácilmente ni controlar esas empresas. O sea: que algo esté “matemáticamente barato” en el papel no significa que sea una oportunidad de inversión ejecutable o sin fricciones reales.
¿Querés que sigamos con la próxima parte de la transcripción cuando la mandes, con este mismo formato detallado?
¡Dale! Vamos a ir parte por parte. Esto es un análisis clásico de “suma de las partes” (sum-of-the-parts), una técnica de value investing donde en vez de mirar el precio de la acción como un todo, agarrás cada pedazo del negocio por separado, le ponés un valor, y sumás todo. Shkreli está analizando Yahoo en 2015-2016, un caso famoso en Wall Street.
Voy a traducir y explicar todo en orden, parando en cada concepto financiero nuevo.
Arranca diciendo que Yahoo tiene como 7 mil millones de dólares “básicamente cash” (efectivo). La idea: esto es fácil de liquidar (vender rápido sin perder valor) porque es literalmente plata o cosas casi equivalentes a plata.
Después menciona “marketable securities” (valores negociables): son bonos, acciones u otros papeles que sí o sí cotizan en el mercado, por eso hay que valuarlos a precio de mercado.
Mark-to-market = “marcar a precio de mercado”. Significa que en vez de anotar un activo en los libros contables por lo que costó originalmente, lo anotás por lo que vale HOY según el mercado. Shkreli dice que esto es una práctica contable súper común y simple para bonos y este tipo de activos — no hay drama ahí.
Yahoo tenía una inversión en “Yahoo Japan” anotada en los libros por 2.5 mil millones de dólares. Cuando Shkreli investiga cuánto vale realmente esa participación en el mercado, descubre que en realidad vale 8 mil millones de dólares. O sea, la contabilidad estaba subestimando tremendamente el valor real de ese activo. Esto es importante: significa que Yahoo tenía activos escondidos que el mercado (el precio de la acción) no estaba reflejando bien.
Acá entra el concepto clave de todo el video: liquidez.
Yahoo tenía ~40 mil millones de dólares en participaciones en otras empresas (principalmente Alibaba y Yahoo Japan). Shkreli dice: “sí, en papel valen mucho, pero ¿realmente los podés vender?”
¿Por qué es un problema el block trade? Porque el comprador de un bloque tan grande va a exigir un descuento sobre el precio de mercado. ¿Por qué? Porque:
Entonces esos 31 mil millones “en el papel” en realidad valen menos si los querés vender de una.
Conclusión de Shkreli sobre esto: Yahoo tiene 46 mil millones de dólares en activos que “en el papel” valen mucho, pero que en la práctica no tienen valor estratégico para nadie más. Son solo “un papel que ves apreciarse o depreciarse” — no podés hacer nada activo con eso.
Acá aparece un concepto buenísimo: stub value (valor residual o “resto”). Es lo que queda si a la capitalización total de mercado de la empresa le restás el valor de las participaciones/activos que tiene en otras compañías. Te muestra cuánto está valuando el mercado el negocio operativo real.
Haciendo esa resta, a Yahoo le queda un “stub” de 1.7 - 2 mil millones de dólares para TODO su negocio real: Yahoo Finance, Yahoo Mail, Yahoo Sports, Polyvore, y Tumblr.
Dato importante: Yahoo pagó 1.1 mil millones de dólares por Tumblr. Si asumís que pagaron un precio justo por Tumblr, entonces el RESTO de todo Yahoo (Yahoo Finance, Mail, Sports, etc.) vale… menos de 600 millones de dólares. Para un conjunto de sitios web entre los más visitados del mundo, es un valor bajísimo.
Este es un concepto CLAVE en finanzas: es la plata que realmente entra y sale del negocio por sus operaciones normales (no ganancias contables en el papel, sino cash real).
Dato durísimo: en los últimos 12 meses, Yahoo perdió 3 mil millones de dólares en cash flow operativo. Antes ganaban 800 millones, después 500 millones, y ahora pierden 3 mil millones. Shkreli literalmente dice “no sé cómo pasó esto, pero pasó” — es una señal de gestión muy mala.
Cuando alguien dice “le doy un múltiplo de 10 veces” se refiere a: valor = flujo de caja anual x 10. Es una forma rápida de valuar un negocio en base a cuánta plata genera por año.
Shkreli hace varios escenarios (siempre siendo generoso, “amistoso” con Yahoo):
Fijate que él mismo dice: “esto es un pronóstico MUY optimista” — están perdiendo 3 mil millones actualmente, y él está imaginando que de repente ganan 200-400 millones. Ya ahí hay que ser escéptico.
Con un escenario más realista (2 mil millones para el negocio, no 6 mil): sale ~$36 por acción, que es básicamente el precio al que ya cotizaba la acción en ese momento. O sea: no hay ganga, no hay margen de seguridad.
Con el escenario de 6 mil millones para el negocio, la acción estaría un 14% más cara que el precio actual. Shkreli dice: “nadie hace una inversión para ganar 14%” — el riesgo no justifica la recompensa. Además:
Yahoo pagó 200 millones de dólares por Polyvore, una web de moda/agregador de otros sitios de moda. Shkreli está confundido: no entiende la lógica estratégica. Ya habían gastado 1.1 mil millones en Tumblr, y ahora 200 millones más en algo que no tiene sinergia clara. Es una crítica a la gestión: gastos que no construyen un negocio coherente.
También menciona que cerraron cosas como Yahoo Games y Yahoo Screen (su intento de competir con Netflix) — reconoce que “achicarse” y enfocarse puede tener sentido, pero en general la imagen es de una empresa que tira manotazos de ahogado.
Usa Alexa.com (un ranking de tráfico de sitios web, ya no existe más ese servicio hoy en día) para mostrar que Yahoo era el 5° sitio más visitado del mundo, por encima de Twitter (que solo, como empresa, valía 11 mil millones de dólares). El argumento “alcista” sería: “che, si Twitter solito vale 11 mil millones, ¿Yahoo con todo ese tráfico no puede valer más?”
Pese a ese argumento del tráfico, su conclusión final es negativa:
Al final se burla de un modelo financiero (probablemente un Excel/DCF) que alguien le mandó: dice que pone competidores (Google, Facebook, Twitter, Microsoft) pero deja la columna de “crecimiento” vacía, sin ningún número. Su crítica de fondo: un modelo financiero sin supuestos explícitos y sustentados no sirve para nada — es solo un esqueleto sin contenido. También dice algo importante sobre las patentes tecnológicas de Yahoo: son difíciles de valuar, y que el valor de Yahoo está tan atado a Alibaba que si Alibaba sube o baja 30%, el valor de Yahoo se mueve casi proporcionalmente — lo cual muestra cuán poco “propio” es el valor de Yahoo en sí mismo.
Si querés, seguimos con la parte 16 cuando la tengas, y voy manteniendo este mismo criterio: explicar sin recortar y siempre marcando el lado más escéptico/conservador de cada número.
Che, antes de arrancar te aviso el contexto: esto es una transcripción de un stream de Martin Shkreli (sí, el “Pharma Bro”, el tipo condenado por fraude de valores) donde está revisando modelos de valuación de Yahoo que le mandaron sus seguidores/alumnos, como ejercicio de “class”. Ojo con la fuente: el tipo tiene razón técnica en varias cosas de finanzas (esto no es una ciencia oscura, son reglas bastante objetivas de valuación), pero no es alguien a quien deberías tomar como referencia moral ni de “mentor”. Vamos al contenido financiero, que es lo que te sirve.
Esto pasó en 2015-2016, y fue MUY citado en finanzas porque es un ejemplo de manual de “suma de las partes” (sum-of-the-parts valuation). La idea:
Yahoo, la empresa, en ese momento tenía tres pedazos de valor completamente distintos metidos en un mismo balance:
Esto es clave y es la primera lección de finanzas acá: cuando una empresa es dueña de un pedazo de OTRA empresa que cotiza en bolsa, ese pedazo vale lo que dice el mercado, multiplicado por el porcentaje que posee. No hay que “investigar” nada raro ni hacer un modelo complicado. Si el mercado dice que Alibaba vale 193 mil millones de dólares, y Yahoo tiene el 15%, esa parte vale 193.000 × 0.15 ≈ 29.000 millones de dólares. Punto. No hay opinión que valga acá, es matemática de mercado público.
Enterprise Value (Valor de Empresa) vs Market Cap (Capitalización de mercado):
En la transcripción, varios alumnos calcularon mal el Enterprise Value de Yahoo. Shkreli remarca que hay una diferencia ENORME entre decir que vale 8 mil millones y que en realidad valga 1.7 mil millones. Su ejemplo es buenísimo para entender por qué importa tanto: “si vos me decís que un terreno vale 8 millones y yo lo investigo y en realidad vale 1.7 millones, no te vuelvo a hablar en la vida”. La idea de fondo: en valuación, un error de cálculo básico invalida TODO el modelo, por más sofisticado que sea el resto. No importa cuán lindo esté armado un Excel si el número de entrada está mal.
El “extra” de 6 mil millones que menciona todo el tiempo: Se refiere a que varios modelos “confiaban” en el número que la propia Yahoo publicaba en su balance para la participación en Yahoo Japan, en vez de calcularlo ellos mismos con el precio de mercado real de la acción de Yahoo Japan. Yahoo (la empresa) tenía esa participación anotada en libros por un valor contable viejo/conservador (2.500 millones), pero el valor de mercado real en ese momento era de 8.000 millones. Diferencia: ~6.000 millones que “aparecen de la nada” si hacés bien la cuenta. Esto es una lección financiera importante: el valor contable (book value) y el valor de mercado (market value) NO son lo mismo, y cuando estás valuando algo, tenés que usar el valor de mercado real, no lo que dice el balance.
Impuestos sobre ganancias no realizadas (tax liability): Este es un punto que casi nadie de los alumnos tuvo en cuenta y Shkreli lo marca fuerte. Si Yahoo vendiera su participación en Alibaba, tendría que pagar impuestos sobre la ganancia de capital (porque compró esas acciones baratas hace años y ahora valen muchísimo más). Ese impuesto potencial es una deuda “escondida” que hay que restarle al valor de la participación. Uno de los modelos (Akshay) sí lo intentó, calculando algo así como 13 mil millones de pasivo impositivo. Esto es real y es una de las razones por las que el “trade” de Yahoo en ese momento era complicado: técnicamente la suma de las partes daba mucho más que el precio de la acción, PERO parte de esa diferencia se explicaba porque venderlo iba a generar un impuestazo.
DCF (Discounted Cash Flow) — flujo de caja descontado: Esto es LA base de la valuación de empresas. La idea: una empresa vale la suma de todo el efectivo que va a generar en el futuro, pero ajustado (“descontado”) porque un dólar dentro de 5 años vale menos que un dólar hoy (por la inflación, el riesgo, el costo de oportunidad).
Acá hay un error gigante y gracioso que menciona con un alumno (Stephen Strohmeyer): el chabón usó flujo de caja de 2010 — o sea, plata que la empresa YA generó en el pasado — y lo proyectó “para siempre” como si fuera flujo futuro. Shkreli se caga de risa con razón: un DCF por definición es sobre flujos FUTUROS, nunca pasados. Es como calcular cuánta plata vas a ganar en tu laburo mirando el sueldo que cobraste hace 6 años. No tiene sentido, es un error conceptual de base, no un detalle.
Otro caso (Quinn) hizo la suma simple de flujos de caja sin descontar nada — eso NO es un DCF, es solo una suma. Sin la tasa de descuento no estás midiendo valor presente de nada, es un cálculo vacío.
Precio de mercado como “verdad” (market efficiency, más o menos): Uno de los momentos más claros del audio es cuando explica por qué está mal “decidir” que algo vale menos de lo que cotiza en la bolsa todos los días. Si una acción se vende públicamente a 8 dólares todos los días durante años, no podés simplemente decir “yo creo que vale 2 dólares” sin una razón sólida (como el tema impositivo mencionado arriba, que sí es una razón válida). El precio de mercado diario ES información real y verificable; ignorarlo o subestimarlo sin justificación es un error de principiante.
Sum-of-the-parts con “goodwill”: Se menciona que un alumno (Matthew) incluyó “goodwill” en su modelo, y Shkreli lo llama “error de novato”. El goodwill es un activo contable que se genera cuando una empresa compra otra pagando más de lo que valen sus activos netos — es básicamente “sobreprecio pagado en adquisiciones pasadas”. No es un activo que genere valor real hacia adelante ni que se pueda vender; es un número contable, no económico. Meterlo en una valuación de “cuánto vale la empresa hoy” es mezclar cosas.
De diez modelos revisados en este fragmento, prácticamente todos tienen errores graves y conceptuales, no de detalle. La gran mayoría:
Si vos estás arrancando en finanzas, la lección de fondo de este material no es “aprendé a hacer un modelo lindo en Excel”, es: los errores de valuación más caros no son de sofisticación, son de conceptos básicos mal aplicados — confundir valor contable con de mercado, no descontar flujos futuros, ignorar activos obvios. Ningún modelo prolijo salva un error conceptual de base.
Si querés, en el próximo tramo del stream te sigo con la misma lógica: te traduzco, te explico cada concepto financiero nuevo que aparezca, y te digo sin filtro qué tan mal (o bien) está cada cosa.
Tenés razón en dudar, así que te aclaro dos cosas antes de meterme de nuevo al texto:
Primero: el archivo se llama “parte_chatgpt_16” — o sea, es la parte 16 de una serie. Esto significa que es un fragmento cortado de un stream mucho más largo, no el video completo. Por eso el texto que me pasaste arranca a mitad de una frase (“would happen I would need like the world’s largest page to read it”) y termina cortado también (“this is actually pretty good… two left”). No es que yo resumí mal el principio o el final — literalmente el documento que tengo empieza y termina en la mitad de algo. Si tenés la parte 15 y la 17, pasámelas y sigo la continuidad.
Segundo: vos me pediste no resumir tanto, así que ahora repaso el texto original de nuevo, más despacio, y agrego todo lo que me salteé la primera vez (comentarios, chistes con contenido, y detalles técnicos menores que sí importan).
Apertura (cortada): se está quejando de que un modelo de alguien es tan largo/complicado que necesitaría “la página más grande del mundo” para leerlo. Es sarcasmo: un modelo de valuación no tiene que ser gigante para ser bueno, tiene que ser correcto.
Sobre “Polyvore”: en un momento dice algo como “no tenés que investigar nada sobre Polyvore” — Polyvore era una empresa que Yahoo había comprado (una red social de moda/collages). El punto es el mismo que con Alibaba: si Yahoo es dueño de algo, no hace falta “investigar profundamente” qué es esa empresa, simplemente hay que sumarla al valor total con el método correcto (ya sea a precio de mercado si cotiza, o a costo si es privada).
El chiste de la fuente (font): se ríe de que un alumno usó “Arial Narrow” en vez de “Arial” normal en su Excel/PDF. Es un chiste sobre prolijidad visual, no tiene contenido financiero, pero marca algo real: la presentación de un modelo importa para que se pueda leer, aunque obviamente es lo de menos comparado con que los números estén bien.
Sobre los “150 millones de usuarios únicos” de Yahoo: acá hace un punto interesante que yo antes resumí de más. Dice que aunque la cantidad de visitantes de Yahoo viene cayendo feo comparado con Facebook, 150 millones de usuarios siguen siendo muchísimo tráfico, y que “para alguien como Verizon” ese tráfico puede tener valor estratégico (no solo financiero puro). Este es un dato importante: el motivo real por el que Verizon después compró Yahoo (en la vida real, en 2017) fue justamente por esa base de usuarios y el negocio de publicidad/contenido, para combinarlo con AOL. O sea, esta parte del audio anticipa algo que después pasó de verdad.
Comparación con Twitter: menciona que en ese momento el mercado valuaba a Twitter en 10 mil millones de dólares, y da a entender que quizás Twitter estaba sobrevaluado, pero que el punto central sigue siendo el mismo: hay que saber diferenciar bien cuánto vale algo (2 mil millones vs 8 mil millones) porque la diferencia cambia toda la decisión de inversión.
La analogía del inmueble (real estate): la uso yo en el resumen anterior pero te la completo. Él dice literal: “si vos me decís que hay que comprar un inmueble en 8 millones y yo investigo y en realidad vale 1.7 millones, no te quiero volver a hablar en la vida”. Esto no es solo un chiste — es la forma en que remarca que un error en el Enterprise Value no es un “detalle menor” del modelo, es la base de todo. Si te equivocás en esto, no importa lo bien armado que esté el resto.
Sobre Neil Sanford (ampliado): además del error de Yahoo Japan y Alibaba que ya te conté, agrega un comentario específico: “no pierdas tu billion (mil millones) buscando el market cap, especialmente en empresas internacionales”. Es un consejo práctico: cuando la empresa cotiza en una bolsa extranjera (como Yahoo Japan, que cotiza en Japón), hay que tener cuidado extra con el tipo de cambio y la fuente de datos, porque es más fácil confundirse que con una empresa que cotiza en EEUU.
Sobre Michael Flanagan (ampliado): el detalle que no te había marcado bien: usa un formato de tabla que distingue visualmente entre datos, pero no aclara cuáles números son reales (actuals) y cuáles son estimaciones/proyecciones (estimates). Esto es un estándar básico en modelos financieros profesionales: siempre tenés que poder distinguir a simple vista qué es dato histórico confirmado y qué es una suposición tuya a futuro. Sin esa distinción, cualquiera que lea tu modelo no sabe qué tan confiable es cada número.
Sobre Luis de Maria (ampliado): el error de las proyecciones de ingresos es más grave de lo que parece: la propia empresa (Yahoo) publicó públicamente su guidance (previsión oficial) de ingresos 2016 entre 4.400 y 4.600 millones de dólares. Luis proyectó 5.000 millones. Shkreli remarca: cuando la empresa que estás valuando te da un rango oficial de expectativas, ignorarlo sin una razón concreta es un error de criterio, no de cálculo. No es que esté “prohibido” no creerle a la empresa, pero tenés que justificar por qué te apartás de su propio número.
Sobre Akshay (ampliado): acá hay algo que no te expliqué bien la primera vez. Akshay directamente descarta la relevancia de la participación en Alibaba (“no le importa a Yahoo tener 30 mil millones en otra empresa, olvidalo”), lo cual es un error grave de criterio. PERO al mismo tiempo es el único que se preocupa por calcular la deuda impositiva de 13 mil millones que mencioné antes. Es un modelo contradictorio: ignora lo obvio (Alibaba) pero presta atención a un detalle fino (impuestos) que casi nadie más consideró. Por eso la nota termina siendo media/mala pero no la peor.
Sobre Stephen Strohmeyer (ampliado): el chiste del “cash flow del pasado” es más gracioso y más grave de lo que parece: literalmente dice “mi gato podría hacer un modelo mejor que este, y encima me entregan a mi gato esta noche” — es su forma de decir que el error es tan básico que ni siquiera hace falta ser humano para evitarlo. También menciona que el alumno mete algo llamado “equity income” (ingreso por participación accionaria, cuando sos dueño de un % de otra empresa y “contás” tu parte proporcional de sus ganancias) sin que tenga sentido en el contexto, sugiriendo que capaz lo confundió con un dividendo. Es una confusión conceptual entre dos formas distintas de contabilizar ganancias de una inversión.
Sobre Quinn (ampliado): el nombre completo es Quinn Li Liang. Además de ignorar Alibaba y no descontar el flujo de caja, el chiste de la “bolsa de basura de 13 galones con 3 agujeros llevando pizza vieja” es simplemente su forma exagerada de decir que el modelo es un desastre total, sin nada rescatable.
Sobre Matthew Vick (ampliado, porque es el mejor y tiene más detalle):
Sobre David F (ampliado): tiene opiniones cualitativas (no numéricas) que Shkreli valora aunque el modelo en sí sea débil: que la gente joven “no va a visitar Yahoo porque se siente viejo” (una opinión sobre percepción de marca, no sobre números), que meterse en eSports le parece mala idea estratégica según los propios comunicados de prensa de la empresa, que Tumblr (otra adquisición de Yahoo) venía creciendo bien, y que la estrategia de “enfocarse en menos cosas” (menos productos, más simple) es positiva. Ninguna de estas son cálculos financieros, son juicios de negocio — y están bien vistos aunque el Excel de este alumno sea flojo.
El anteúltimo alumno (“LOI” / sin nombre claro): el dato importante es que le pregunta directamente si quiere prender la cámara (“blab” es una plataforma de streaming con video en vivo que existía en esa época). El alumno prefiere quedarse solo en el chat. Después Shkreli confirma en broma que “la cuenta no es falsa, no te preocupes” — o sea, hay un tema de que la gente podía dudar si el que estaba ahí era realmente el alumno o alguien fingiendo. Y en lo financiero: este alumno, a pesar de no tener claro el estado de caja y deuda de Yahoo, sorprendentemente sí acierta bien el valor de Yahoo Japan, lo cual le da pelea a Matthew por el primer puesto.
Eso es literalmente todo el contenido del documento que me pasaste, sin saltear ningún dato ni chiste con sustancia. Si te parece que falta algo específico es porque el archivo en sí termina ahí (a mitad de frase: “still two left”), no porque yo lo haya cortado.
Dato negativo para cerrar, como pediste que redondee siempre para abajo: de las ~10 personas evaluadas hasta acá, ninguna hizo un modelo completamente correcto. Incluso el “mejor” (Matthew) tiene errores (goodwill mal puesto, participación de Alibaba mal ajustada). Si esto fuera un examen real de un banco de inversión, ninguno de estos modelos pasaría sin correcciones grandes.
Mandame la parte 15 o la 17 si las tenés y seguimos con la misma lógica.
¡Dale! Vamos a repasarlo parte por parte. Es una clase/stream de Martin Shkreli (si no sabés quién es: fue un gestor de fondos de cobertura, conocido por comprar la patente de un medicamento y subirle el precio brutalmente, y después fue condenado por fraude de valores — o sea, no es precisamente el ejemplo más “confiable” desde el punto de vista ético, pero como educador de finanzas técnicas sabe bastante). Te lo traduzco y explico tramo por tramo, sin resumir de más, y marcando lo negativo/riesgoso cuando corresponda.
Está corrigiendo modelos financieros que le mandaron sus alumnos (parece ser un curso o webcast semanal de análisis de acciones). Dice cosas como:
Concepto clave que explica acá: una acción representa una parte de un negocio real, y para valorarla hay que contabilizar bien todos los activos, pero sobre todo hay que proyectar correctamente el flujo de caja futuro de la empresa. Esto es el corazón del value investing: no estás comprando un ticker, estás comprando un pedazo de una empresa.
También corrige un error común: un alumno (Lewis) proyectó $5 mil millones de ingresos para 2016, pero la propia empresa ya había dado guidance (pronóstico oficial de la compañía) de $4 mil millones. Lección: siempre hay que revisar el “guidance” (la proyección que da la propia gerencia) antes de inventar tus propios números, porque ignorarlo es un error de principiante.
Después anuncia que el próximo tema será Stamps.com, y da su email para que le manden los modelos.
Acá arranca el análisis real de la empresa. Vamos con cuidado porque hay muchos conceptos.
Dice algo importante: el precio de la acción por sí solo no dice nada. Lo que importa es:
En este caso: ~$75 millones de caja y ~$160 millones de deuda → tiene un poco más de deuda que de caja, así que el EV termina siendo parecido a la capitalización de mercado, alrededor de $1.6 mil millones.
Hace un comentario interesante (y un poco irónico): dice que Yahoo, que fue uno de los sitios web más visitados de la historia, tenía un EV parecido. Su punto: popularidad no es lo mismo que valor. Un activo puede ser muy conocido y no valer tanto, y otro puede ser un negocio aburrido y desconocido (como vender estampillas) y valer lo mismo o más. Esto es una lección de valuación: no confundas fama con valor económico real.
Es una empresa de servicios de correo: ayuda a clientes con estampillas, etiquetado y empaquetado. Dice que este negocio creció por el boom de e-commerce (Amazon, eBay) porque hay más pequeños negocios que dependen del sistema postal.
Punto de alerta que él mismo remarca: la empresa pasó de ~$80 millones a ~$300 millones de ingresos en pocos años, PERO una buena parte de ese crecimiento vino de comprar otras empresas, no de vender más por sí misma.
Esto da dos conceptos clave:
Por qué importa esto, y por qué hay que verlo con ojo crítico: si una empresa crece mucho pero es porque compra otras empresas con deuda o emitiendo acciones, ese crecimiento no refleja que el negocio original sea mejor. En 2010 el crecimiento orgánico de Stamps.com fue de apenas 4% (bastante flojo), aunque en otros años fue de 14-19%. Conclusión realista: el negocio “real” de la empresa no crece tan espectacularmente como sugiere el titular de ingresos totales. Hay que descontar el efecto de las adquisiciones para ver la verdadera salud del negocio.
Explica que Stamps.com es un negocio de “software como servicio”: no reparten cartas físicamente, solo cobran una pequeña comisión (markup) por usar su software para comprar estampillas online. El ejemplo típico de SaaS es Salesforce.com.
Por qué el margen es tan alto: al no tener que fabricar ni entregar nada físico, tienen un margen bruto del 80% (gross margin). El margen bruto es: (ingresos − costo directo de producir/entregar el servicio) ÷ ingresos. Un 80% es muy alto — significa que de cada dólar que entra, 80 centavos quedan como ganancia bruta antes de gastos operativos, marketing, etc.
Compara con el Servicio Postal de EE.UU. (USPS): en 2015 tuvo $69 mil millones de ingresos y aun así perdió dinero. Esto es más ingresos que Facebook, Merck o Microsoft en ese momento, pero como tiene que entregar físicamente el correo (costos altísimos), tiene margen negativo. Contraste clave: mucho ingreso no significa un buen negocio si los márgenes son malos. Stamps.com, en cambio, no entrega nada, solo cobra un peaje — de ahí su margen altísimo.
En el trimestre anterior compraron una empresa llamada “Indicia”, que competía en el segmento de clientes grandes/alto volumen (mientras Stamps.com se enfocaba más en pequeños negocios e individuos). Cerraron la compra el 18 de noviembre.
Concepto contable importante: solo podés registrar como ingreso propio la facturación de una empresa comprada desde la fecha en que cerrás la adquisición, no desde antes. Entonces si Indicia generó ingresos en octubre, esos no cuentan para Stamps.com — recién cuentan desde el 18 de noviembre en adelante. Esto es relevante porque si comparás ingresos trimestre a trimestre sin saber esto, podés pensar que el crecimiento “orgánico” fue mayor de lo que realmente fue.
Acá hace un ejercicio hipotético interesante:
Pero — y esto es el punto negativo clave que él mismo remarca — ese número de $91 millones se iría erosionando año a año, porque al dejar de invertir en el negocio, los clientes eventualmente se van (es un modelo de suscripción, y sin marketing ni mejoras, la base de clientes decae con el tiempo). Si valuás la empresa asumiendo esa ganancia decreciente, el resultado equivaldría a pagar unas 16 veces esa ganancia — y él concluye explícitamente: “probablemente no tendría sentido comprar la acción” bajo ese escenario.
Él llama a esto el “modelo de liquidación” (runoff model): a veces una empresa vale más muerta que viva — es decir, más vale cerrarla y exprimir el efectivo restante que seguir operándola activamente, si el negocio en marcha está mal gestionado o gasta de más. Dice textualmente que en el caso de Stamps.com no parece ser el caso (no ve mala gestión evidente), pero el ejercicio sirve como chequeo de “piso” de valor — y en este caso, ese piso hipotético no da un resultado atractivo para comprar la acción.
La empresa acumuló varios cientos de millones de dólares en pérdidas operativas netas (NOLs, net operating losses) de años anteriores. Esto le permite, legalmente, no pagar impuestos sobre las ganancias futuras hasta agotar esas pérdidas acumuladas. Es un beneficio real, pero temporal: tarde o temprano esas pérdidas se agotan y la empresa empieza a pagar la tasa normal.
Como es una empresa incorporada en Delaware y con 100% de su negocio en EE.UU. (no es multinacional), Shkreli estima que su tasa impositiva futura será del 35-40% — mucho más alta que la de una multinacional que puede repartir ganancias entre distintos países con impuestos más bajos. Esto es otro punto “negativo”: no esperes que este beneficio fiscal dure para siempre, y no esperes una tasa impositiva baja tipo empresa multinacional.
Si tuviera que resumir el tono financiero real, sin inflar nada:
¿Querés que sigamos con la segunda parte del stream (si tenés más subtítulos) o preferís que profundice en alguno de estos conceptos — por ejemplo Enterprise Value, márgenes, o NOLs — con números más simples para practicar?
¡Dale! Vamos a repasar esto en detalle porque tiene bastante contenido financiero para desglosar. Te lo traduzco y te explico cada concepto como si no supieras nada, y voy a marcar los puntos donde conviene ser escéptico (que es justo lo que me pediste: no inflar expectativas).
Esto es un stream de Martin Shkreli (si no lo conocés: es un inversor conocido, pero también fue condenado por fraude de valores en EE.UU., así que ya de entrada conviene tomar sus análisis con una pizca extra de escepticismo, más allá de lo técnico). Acá está analizando una empresa llamada Stamps.com, que vende franqueo (estampillas/postage) online, comparándola con el servicio postal de EE.UU. (USPS) y con una competidora, Pitney Bowes.
El texto arranca a mitad de una idea, pero dice algo importante: si una empresa como Apple o una farmacéutica tiene todos sus clientes en EE.UU., eso “va a ser problemático”.
¿Por qué importa esto? Porque una empresa que depende de un solo mercado geográfico tiene menos posibilidades de crecer (ya “conquistó” ese mercado) y está más expuesta a cambios regulatorios o económicos locales. También menciona que a veces estas empresas son compradas por otra compañía que les baja la tasa de impuestos (esto se llama inversión fiscal / tax inversion: comprar una empresa en otro país para “mudar” la sede fiscal y pagar menos impuestos). Es una práctica real pero controvertida, y no es algo que uno deba dar por hecho que va a pasar.
Ojo negativo: esto es una advertencia genérica de riesgo, no algo específico de Stamps.com. Sirve como marco: toda empresa con ingresos concentrados en un solo país tiene un techo de crecimiento más bajo.
Acá viene el ejemplo central: el volumen de correo enviado por USPS (el servicio postal) cayó 28% en diez años, pero los ingresos solo cayeron 5%.
Pregunta que hace Shkreli: ¿cómo puede ser que enviás 28% menos correo pero perdés solo 5% de ingresos?
Respuesta: precios más altos. El USPS subió mucho las tarifas de envío entre 2006 y 2015. No es que se haya vuelto más eficiente en logística, es simplemente que cobra más por unidad enviada.
Concepto financiero clave acá: “pricing power” (poder de fijación de precios). Una empresa (o en este caso una entidad estatal con monopolio postal) que puede subir precios sin perder demasiados clientes tiene poder de precio. Esto generalmente pasa cuando:
Dato específico: el correo de “primera clase” (first-class, las cartas normales) cayó un 54%. Es un desplome enorme. Lo que compensó los ingresos fue el aumento de precios y, según el texto, el crecimiento de otras líneas (como el correo comercial/retail en las sucursales).
Nota negativa importante que el propio Shkreli reconoce: existe un techo de precios (price ceiling). Si seguís subiendo precios, en algún punto la gente/empresas buscan alternativas como FedEx. O sea, esta estrategia de “subir precios para compensar caída de volumen” no es infinita. Tiene un límite. Esto es un riesgo real para cualquier tesis de inversión basada en pricing power: funciona hasta que deja de funcionar.
Acá es donde se pone interesante (y donde hay que ser más cuidadoso):
Y comparando con el total del USPS (que mueve unos 68 mil millones de dólares en franqueo), Stamps.com representaría también cerca del 7% de todo ese mercado.
Concepto: market share (participación de mercado). Shkreli argumenta que 7% del mercado total es “más de lo que uno pensaría”, y que hay una oportunidad de crecimiento porque el franqueo “offline” (comprado directamente en la oficina de correos) se está moviendo hacia “online” (comprado a través de servicios como Stamps.com).
Punto negativo a marcar: esto es una proyección basada en una tendencia (offline → online) que él asume que va a continuar, no algo garantizado. Toda tesis de inversión que depende de “esta tendencia va a seguir así” es, por definición, una apuesta sobre el futuro, no un hecho.
También compara con usps.com (el sitio oficial del correo): dice que genera menos ingresos (500 millones, o mil millones si contás todo el sitio) que lo que Stamps.com procesa, y hasta cuenta una anécdota personal: probó ambos servicios y le pareció que Stamps.com era mejor, “vale la pena pagar un poco más”.
Esto es un sesgo a tener en cuenta: una experiencia personal de un usuario (el propio analista) no es evidencia sólida de que un producto vaya a ganarle a otro en el mercado. Es anecdótico, no un dato duro.
Menciona una empresa llamada Pitney Bowes, que hace “postage meters” (máquinas que pesan el correo y le ponen el franqueo exacto directo en la oficina, sin ir al correo). Cuenta que él trabajó cerca de esto en un hedge fund.
El dato importante: Pitney Bowes tiene una capitalización de mercado (market cap) de 4 mil millones de dólares, mientras que Stamps.com vale 1.5 mil millones — y Pitney Bowes hace mucho más ingreso pero con márgenes más bajos.
¿Qué es el market cap? Es el valor total de todas las acciones de una empresa (precio de la acción × cantidad de acciones). No es lo mismo que ingresos ni que ganancias — es cuánto “vale” la empresa según el mercado bursátil.
¿Qué es el margen? Es qué porcentaje de los ingresos se convierte en ganancia. Una empresa con “márgenes más bajos” gana menos plata por cada dólar que factura, comparada con otra.
La idea que insinúa (sin decirlo del todo explícito) es: Stamps.com, con menos ingresos pero mejores márgenes, podría estar “barata” en comparación. Pero esto es una comparación simplista. Comparar dos empresas solo por market cap e ingresos, sin mirar deuda, estructura de costos, modelo de negocio completo, etc., es un análisis muy superficial. No alcanza para concluir que una está “mal valuada” respecto a la otra.
Shkreli dice que un factor clave para evaluar cualquier empresa es la calidad del management. Habla de una adquisición: compraron una empresa (el nombre correcto probablemente es “Endicia”, transcripto mal como “indicia”) a Newell Rubbermaid, pagando “3.5 veces ventas” (un múltiplo de valuación: pagaron 3.5 veces lo que esa empresa factura en un año).
Puntos que destaca como positivos:
Concepto: acquisition accretive vs dilutive. Cuando una empresa compra otra, el resultado puede:
Nota negativa: él mismo dice “we’ll have to see” (habrá que ver) — o sea, reconoce que todavía no está confirmado, es una expectativa basada en un solo trimestre de datos.
Esta parte es más técnica. Explica cómo, cuando una empresa compra otra, tiene que publicar estados financieros de la empresa comprada (auditados o no auditados) para que el mercado entienda qué compró.
Con esos datos de Endicia:
Y ahí hace un cálculo medio informal: divide 58 entre 3 (asumiendo trimestres similares) para estimar cuánto haría por trimestre, pero ajusta porque dice que el cuarto trimestre suele ser más grande (estacionalidad). Concluye que en 2015 Endicia haría unos 68 millones.
Después suma:
Y dice que en la conference call (la llamada donde la gerencia habla con inversores) el management dio una guía de 292 a 310 millones, y que “el management tiende a ser conservador”.
Punto negativo importante: esto es un ejercicio de proyección con muchos supuestos encadenados (tasa de crecimiento del negocio base, tasa de crecimiento de Endicia, estacionalidad estimada a ojo). Cada supuesto individual puede parecer razonable, pero cuando encadenás varios supuestos optimistas, el margen de error se multiplica. Además, “confiar en que el management es conservador” es una suposición sobre el carácter de las personas, no un hecho financiero verificable.
Acá es donde hay que prestar más atención críticamente:
Dice que con su “escenario base” llega a un precio de acción de $164 por acción. Menciona que usa:
¿Qué es la tasa de descuento? Es la tasa que usás para convertir dinero futuro en “valor de hoy”. Cuanto más baja la tasa de descuento, más alto sale el valor presente de esos flujos futuros. Él justifica una tasa baja diciendo que los clientes de Stamps.com están “atados” a contratos de largo plazo (como una empresa SaaS), entonces es un negocio “seguro”.
Esto es un punto MUY importante para tomar con pinzas: la tasa de descuento es probablemente la variable más sensible y más subjetiva de todo el modelo. Bajar la tasa de descuento aunque sea un poco puede disparar el valor calculado muchísimo. Elegir una tasa baja “porque confío en que los clientes no se van a ir” es una justificación blanda, no un cálculo objetivo basado en el riesgo real del negocio (competencia, cambios tecnológicos, riesgo regulatorio, etc.).
Después él mismo hace un ejercicio de “y si no me gustara tanto el management”: con una tasa de descuento del 7% y sin crecimiento terminal tan generoso, las acciones estarían “fairly valued” (valuadas correctamente), es decir, sin margen de seguridad.
Esto es la parte más reveladora de todo el análisis: él mismo admite que su valuación de $164 depende enteramente de qué tan optimista sea con la tasa de descuento y el crecimiento terminal. Con supuestos más conservadores, el “upside” (potencial de ganancia) desaparece. Esto significa que la mayor parte del valor que él ve en la acción no viene de los números duros del negocio, sino de su confianza personal en la gerencia — algo que él mismo reconoce que “no se puede predecir”.
Menciona el ROIC (Return on Invested Capital / retorno sobre el capital invertido): cuánto retorno genera una empresa por cada dólar que reinvierte (en acquisitions, recompra de acciones, etc.). Asume que van a generar un 10% de retorno sobre el capital que acumulen.
Y dice textualmente que “no podés predecir lo que va a pasar en 2020 o 2025”, que lo único que podés hacer es confiar en que la gerencia va a tomar buenas decisiones con la plata que genere la empresa.
Este es el punto más débil de todo el análisis, y conviene que lo tengas bien claro: basar una tesis de inversión de largo plazo en “confío en que el management va a hacer algo inteligente en el futuro, aunque no sé qué” no es un análisis financiero, es una apuesta de fe. Es un enfoque legítimo hasta cierto punto (la calidad de gestión importa, de verdad), pero cuando se convierte en el motor principal del valor proyectado (como él mismo admite que pasa acá), el “análisis” pierde rigor. Cualquier cosa puede justificarse diciendo “confío en el management”.
Si querés, en el próximo bloque de subtítulos que me pases podemos seguir con la misma dinámica: te lo traduzco entero, explico cada término técnico que aparezca (como si fuera tu primera clase de finanzas), y marco dónde el razonamiento es sólido y dónde es más una apuesta optimista disfrazada de análisis.
¡Dale! Vamos a ir parte por parte. Esto es la transcripción de un stream de Martin Shkreli (si no lo conocés: fue gestor de fondos, conocido por ser bastante polémico, pero en estos streams de inversión explicaba análisis de acciones y revisaba “modelos financieros” que le mandaban sus seguidores). Acá está evaluando la acción de Stamps.com y después critica, uno por uno, los modelos de valuación que le mandó la gente. Te lo traduzco y voy explicando cada concepto financiero que aparece, sin resumir de más. Y sí: te aviso desde ya que la mayoría de estos modelos son bastante malos, así que no hay “buenas noticias” para casi nadie acá — es básicamente una masterclass de errores.
Lo que dice (traducido):
Tiene un “margen de seguridad” pero hay otras acciones en esta industria. Le gusta bastante esta y piensa que hay un montón de posiciones cortas (shorts) que se podrían abrir mientras compran Stamps.com. Su conclusión: es una compra (“buy”), pero hay que ver cómo sale la adquisición de Indicia. Cree que la empresa está siendo conservadora con su guidance (la proyección que da la empresa sobre sus propios resultados futuros), que van a superar esos números (“beat”), y que van a seguir creciendo con los años. Estima que van a generar al menos 60 millones de dólares en flujo de caja (cash flow), probablemente más. Comparado con Pitney Bowes (competidor) y otras oportunidades del sector, cree que Stamps.com tiene mucho más potencial.
Decide comprar el lunes cuando abra el mercado, sin saber a qué precio exacto. El precio actual es 93 (dólares por acción). Calcula comprar 25.000 dólares… pero después se corrige y dice que en realidad va a poner 50.000 dólares, algo así como 500 acciones. La idea es empezar a armar un portafolio de “acciones de internet”.
Conceptos clave para vos, que no sabés nada de finanzas:
Margen de seguridad (margin of safety): es un concepto central en value investing (inversión en valor), popularizado por Benjamin Graham. La idea es: calculás cuánto “vale” realmente una empresa (su valor intrínseco) y solo comprás si el precio de mercado está bastante por debajo de ese valor. Ese “colchón” entre precio y valor real es tu margen de seguridad — te protege si te equivocaste en tus cálculos.
Short (posición corta): apostar a que una acción va a bajar. Pedís prestadas acciones, las vendés ahora, y esperás recomprarlas más baratas después para devolverlas, quedándote con la diferencia. Es lo opuesto a comprar (long).
Guidance: cuando una empresa da una proyección oficial de sus resultados futuros (ventas, ganancias) en sus reportes o conference calls (llamadas con inversores). Shkreli sospecha que la guidance de Stamps.com es intencionalmente conservadora — es común que las empresas “bajen la vara” (lowball/softball guidance) para después poder “superar las expectativas” y que el mercado reaccione bien.
Cash flow (flujo de caja): el dinero real que entra y sale de una empresa, distinto de la “ganancia contable” (que puede incluir cosas que no son efectivo real).
Mi comentario crítico (para no darte falsas esperanzas): ojo con esto — esta es la opinión personal de un solo tipo, hecha en tiempo real, sin mostrar un modelo propio ni datos duros. Es literalmente “creo que van a superar el guidance” sin evidencia concreta. Eso no es análisis financiero, es especulación con apariencia de análisis. Además, comprar “porque me gusta” y decidir el tamaño de la posición de forma tan informal (25k… no, mejor 50k) es una señal de gestión de riesgo floja, no de disciplina.
Cada persona le mandó un “modelo” — en finanzas, un modelo financiero es una hoja de cálculo (Excel) que proyecta los ingresos, costos y ganancias futuras de una empresa, generalmente para llegar a un valor por acción estimado. Vamos uno por uno.
Shkreli dice que el modelo es “trashy” (una porquería), difícil de leer, pero que “entiende la idea general”. Es conservador en sus proyecciones. Llega a un “fair value” (valor justo). Pero el problema central: no tiene ninguna investigación real detrás — son solo números tirados, sin explicar el “por qué”.
Concepto clave: un modelo financiero sin investigación (research) detrás es solo aritmética vacía. Los números por sí solos no valen nada si no podés justificar de dónde salen (por qué la empresa va a crecer X%, por qué el margen va a subir, etc.)
Este es más duro con él. Puntos que critica:
$$\text{Crecimiento %} = \frac{\text{Valor final}}{\text{Valor inicial}} - 1$$
Ese “menos 1” (el “old - wand” que menciona, medio confuso por ser transcripción automática, debería decir algo como “you divide new by old and subtract 1”) es crucial. Si no lo restás, tu porcentaje de crecimiento queda mal calculado y todo el modelo se desmorona en cascada.
Veredicto: “trash” (basura), pero con un comentario alentador de que el próximo intento puede ser mejor (aunque agrega, con sarcasmo, “no likely” — no es muy probable).
Todavía peor según Shkreli:
Este se lleva la peor nota mencionada hasta ese punto (“F”, la primera vez que baja a ese nivel).
Este critica primero AL PROPIO Shkreli (dice que su cálculo de “market cap menos enterprise value” — básicamente el efectivo neto de la empresa — y su manejo de la “contingent consideration” en el estado de resultados dejan que desear).
Conceptos:
Después Shkreli evalúa el modelo de un tercero (parece que Ben mandó/comentó sobre otro modelo, la transcripción es un poco confusa acá, típico de audio a texto automático):
Veredicto: mejor que los anteriores (“felicitaciones por entender de finanzas”) pero con fallas de calibración serias.
Veredicto: “pretty poorly done” (bastante mal hecho).
Veredicto: “poorly done” (mal hecho).
Veredicto: “not good” pero reconoce que “se entiende la idea”.
Acá hay un chiste — dice en broma que el archivo de Zack es un virus y que le está robando la información del disco. Es humor, no tomarlo literal.
Este es el más interesante y el mejor calificado (le da una B+, “la mejor nota hasta ahora”). Shkreli menciona que conoce la identidad real de esta persona, que sería muy joven (sospecha que tiene 16 años), aunque el video mantiene el anonimato.
Cosas positivas:
Cosas negativas / creativas pero poco realistas:
Dato que Shkreli aporta como contexto real (esto sí es información dura, no opinión): el Servicio Postal de EEUU hacía 155 mil millones de entregas con 500.000 empleados — usa esto para argumentar que es muy poco probable que los drones desplacen ese volumen tan rápido.
Conclusión de Shkreli sobre Harris: el modelo en sí “no sirve” técnicamente, pero valora mucho la creatividad — dice que “se puede enseñar a alguien a hacer proyecciones correctamente, pero no se puede enseñar creatividad fácilmente”.
La transcripción se corta ahí.
Como estudiante, esto es lo que te tenés que llevar, porque son errores universales de cualquiera que arma un modelo financiero por primera vez:
Si querés, en el próximo mensaje puedo armarte una mini-guía práctica de “cómo se construye un DCF paso a paso” usando estos mismos errores como ejemplos de qué NO hacer — así lo fijás mejor. ¿Te sirve eso o preferís que sigamos con la siguiente parte de la transcripción primero?
¡Dale! Antes de arrancar, contexto para que sepas qué estás escuchando: esto es la grabación de un stream donde Martin Shkreli (sí, el famoso “pharma bro”, que ahora hace contenido de trading/finanzas) está revisando modelos de valuación (DCF - Discounted Cash Flow) que sus alumnos/oyentes le mandaron sobre la empresa Stamps.com (una empresa de franqueo/postal, competidora de Pitney Bowes). Es un ejercicio educativo tipo “concurso” con un premio de $1000 al mejor modelo. Como me pediste, no lo resumo de más — voy concepto por concepto, extrayendo cada idea financiera relevante y explicándola, con foco en los errores (porque ahí está el aprendizaje real) y sin inflar nada positivo de más.
Es el método central de todo el video. La idea: para saber cuánto vale una empresa hoy, proyectás cuánto efectivo va a generar en el futuro (varios años) y después “traés ese dinero futuro al presente” usando una tasa de descuento. ¿Por qué? Porque un dólar de hoy vale más que un dólar dentro de 5 años (por inflación, riesgo, costo de oportunidad). Cada modelo que Shkreli revisa es básicamente: proyección de ingresos → proyección de gastos → flujo de caja libre → descontarlo → sumar todo + valor terminal = “valor de la empresa”.
Nota realista: un DCF es extremadamente sensible a los supuestos. Cambiás la tasa de descuento un 2% o la tasa de crecimiento un 3% y el “valor justo” de la empresa te puede cambiar 40-50%. Por eso vas a ver que él critica CASI TODOS los modelos por sus supuestos, no por la matemática en sí. Este es el problema #1 de los DCF en la vida real: parecen “científicos” pero son muy subjetivos.
Esto es lo que más critica, una y otra vez. Puntos clave que dice:
Para vos que no sabés nada: pensá la tasa de descuento como “cuánto retorno mínimo le exijo a esta inversión para que valga la pena el riesgo”. Negocio más seguro y predecible → exijo menos retorno → tasa más baja. Negocio más incierto → exijo más → tasa más alta.
Este es el error más repetido en todo el video. Ejemplos concretos que menciona:
Lección honesta: la mayoría de la gente que hace proyecciones financieras (en la vida real también) simplemente inventa una tasa de crecimiento optimista. Eso es lo que un analista amateur hace. Un analista serio busca el “guidance” de la empresa (lo que la empresa misma dice que va a crecer), mira reportes trimestrales, y arma el crecimiento a partir de variables operativas reales.
Se menciona varias veces y es otro punto débil de casi todos:
Realidad cruda: el valor terminal es el punto más débil y más manipulable de cualquier DCF. Cualquiera puede “maquillar” una valuación cambiando el múltiplo terminal. Desconfiá siempre de un DCF que no explique bien de dónde sale ese número.
Menciona que varios modelos simplemente no calcularon impuestos, como si la empresa no pagara nada al fisco. Esto es un error básico pero común: siempre hay que restar la tasa impositiva corporativa al flujo de caja proyectado. Ignorar esto infla artificialmente el valor de la empresa.
Repite muchas veces “buen formato” o “mal formato” (algunos dice literalmente que Calibri como fuente “es muy duro para mi cerebro” y prefiere Arial — esto es una manía personal de él, no una regla financiera real, no le des mucha importancia). El punto de fondo: la presentación clara ayuda a que te tomen en serio, pero un modelo bien formateado con supuestos basura sigue siendo basura. Él lo dice explícito con uno de los peores modelos: “buen formato, pero es basura, te doy una D+ para ser amable”.
Los puntos que más elogia no son de matemática financiera pura, sino de investigación cualitativa:
Lección: en valuación real, los números son el 50% del trabajo. El otro 50% es entender el negocio cualitativamente: cultura interna, riesgos tecnológicos, competencia, regulación. Los mejores analistas combinan ambas cosas.
Al final, “el comité de inversión” decide cuánto plata poner en Stamps.com con un fondo hipotético de $1,000,000:
Esto es real y importante: en gestión de portfolio, no alcanza con saber si una acción está “barata” o “cara” (eso te lo da el DCF). También hay que decidir cuánto del capital total arriesgar en esa idea, en función del riesgo y la convicción. Una idea puede ser buenísima pero si le metés el 50% del portfolio y te equivocás, quebrás. Por eso el tamaño de posición típico para una sola idea (aún con alta convicción) suele ser chico, tipo 1-5%.
Tenés que saber esto sin falsas esperanzas: Shkreli insulta feo a los peores modelos (“basura”, “andá a dormir al tacho de basura”). Eso no es profesionalismo real de la industria financiera — es su personaje de stream, entretenimiento tipo “reality show” combinado con contenido educativo. El contenido financiero de fondo (tasa de descuento, crecimiento, valor terminal, impuestos, position sizing) es útil y válido. El maltrato verbal no es parte de ninguna buena práctica de finanzas ni de feedback profesional real — en un trabajo de verdad a nadie le dicen eso, así que no lo tomes como “así se hace en Wall Street”.
Si querés, en el próximo mensaje puedo armarte un mini-glosario de términos financieros que aparecieron acá (DCF, NPV, terminal value, discount rate, guidance, position sizing, rebalancing) para que lo tengas de referencia mientras seguís viendo estos streams.
¡Dale! Te voy a explicar todo el contenido de esta clase, en español y bien detallado, sin resumir de más. Es una clase de abril 2016 de Martin Shkreli (dice llamarse “Martin Scully” pero es su serie de streams de finanzas). Vamos por partes.
Él viene armando hace 5 meses una presentación de PowerPoint que ya tiene 50 slides, dividida en secciones:
Ojo con esto: es un documento que él va actualizando, así que lo que dice acá puede no estar reflejado todavía en el PowerPoint final.
Esta es la parte más importante conceptualmente, y quiero que la tengas clara porque va contra el sentido común de “todo el mundo puede invertir”:
También menciona que va a agregar una slide sobre “psicología” del inversor pero todavía no la desarrolló, así que no da detalles.
Esto es información práctica, medio “hack” de research:
Él la presenta como un concepto avanzado, donde dice que hasta analistas de hedge funds experimentados suelen equivocarse. La idea es así:
Cuando valorás una empresa, no alcanza con proyectar crecimiento e ingresos. Hay que pensar en la estructura operativa: ¿estás gastando una cantidad razonable de costos fijos en relación a una base de ingresos razonable? Eso es “escala”. Si tenés una empresa con mucha infraestructura corporativa (RRHH, legal, IT, compliance, manufactura, oficinas) pero pocos ingresos, no estás “a escala” — sos “sub-scale”.
Dos caminos para una empresa sub-scale:
Por qué importa esto: el error típico de los analistas es valorar una empresa sub-scale como si fuera a existir “para siempre” con esos costos corporativos completos, sin reconocer que en la realidad esas empresas chicas tienden a ser adquiridas (o necesitan escalar), y que el valor real de la empresa depende muchísimo de si el activo termina en manos de un comprador que puede sacarle esos costos redundantes. Aclara que esto no es lo mismo que “sinergias de M&A” en general — es específicamente sobre la estructura de costos corporativos vs. costos de producto.
(Nota al margen medio cómica: en el medio se cuelga regañando a alguien del chat, “Louis”, por tener una referencia circular rompiendo su Excel — no tiene relevancia financiera, es solo color del stream en vivo.)
Menciona que va a hacer una slide que dice que las acciones NO suben en el largo plazo — se describe a sí mismo como “convencido” de esto y dice que va a intentar demostrarlo con números en las próximas semanas, y que “cualquiera que piense lo contrario es más o menos un tonto”. Es una afirmación fuerte y polémica (va totalmente en contra de la evidencia histórica estándar de largo plazo del mercado accionario, que sí muestra tendencia alcista de largo plazo en la mayoría de los períodos analizados por la academia financiera), pero en esta clase no la desarrolla, solo la anuncia. Te lo marco como una promesa a futuro, no como un análisis ya hecho.
Ahora entra al análisis concreto de la empresa del día, RealPage:
Acá se corta la transcripción — no llegamos a ver ni el valor del DCF que calculó ni la explicación completa de por qué le gusta la alta propiedad del CEO. Si tenés la continuación, pasámela y seguimos con el análisis de RealPage.
Si querés, en el próximo mensaje puedo armarte un glosario corto de los términos técnicos que aparecieron acá (DCF, NPV, enterprise value, sell-side, B2B/B2C, sub-scale) para que los tengas de referencia mientras avanzamos con el resto de las clases.
¡Dale! Vamos a ir parte por parte del audio (parece ser un análisis de una acción — suena a RealPage, empresa de software para gestión de propiedades/alquileres — dentro de lo que parece un comité de inversión). Te voy a explicar cada concepto financiero como si no supieras nada, y voy a marcar en rojo (mentalmente) los puntos donde el análisis es débil, inconsistente o depende de supuestos optimistas, porque me pediste que no infle expectativas.
El que habla dice que la acción podría duplicarse desde el precio actual, pero aclara que está “borderline” (en el límite): ni suficientemente atractiva para comprarla con confianza total (posición “long” = apostar a que sube), ni tan mala como para hacer un “short” (apostar a que baja, pidiendo prestadas acciones para venderlas y recomprarlas más baratas después). Es nuevo analizando esta empresa, así que todavía no se siente cómodo para invertir plata real.
Nota de cautela desde ya: cuando alguien dice “está en el límite, no me convence del todo” y aun así presenta un caso alcista de media hora, hay que prestar atención a que el caso final (compra por Oracle, recorte de costos, etc.) es especulativo, no un hecho.
El income statement es el estado de resultados: ingresos, gastos, ganancia neta. El revenue growth es cuánto crecieron los ingresos (ventas) año a año o trimestre a trimestre.
Punto importante: la empresa creció mucho, pero hizo muchas adquisiciones (compró otras empresas), entonces no queda claro cuánto de ese crecimiento es orgánico (crecimiento real del negocio, vendiendo más a los mismos clientes o consiguiendo clientes nuevos por mérito propio) versus inorgánico (crecimiento que viene simplemente de haber comprado otra empresa y sumar sus ingresos).
Dato duro: en el Q2 2014 (segundo trimestre de 2014), el crecimiento de ingresos fue de solo 1%. Es un número muy bajo. El propio analista dice que, solo por subir precios (pricing), deberían crecer más que eso — así que ese 1% es una señal de alerta, no algo para minimizar.
En promedio, sí, vienen creciendo ~13% anual, lo cual es sano. Y acaban de cerrar una adquisición grande llamada NWP, que va a sumar ~10% a la base de ingresos.
Conclusión honesta de esta parte: hay ambigüedad real sobre cuánto de este negocio crece por sí solo. Un trimestre de 1% de crecimiento orgánico-ish es una bandera roja que el propio analista reconoce, no algo que él resuelve con seguridad.
EBITDA = Earnings Before Interest, Taxes, Depreciation and Amortization (ganancias antes de intereses, impuestos, depreciación y amortización). Es una métrica de rentabilidad que “limpia” gastos contables no-caja como la depreciación.
El problema que él marca: la empresa tiene mucho stock-based compensation (compensación a empleados en forma de acciones, no en efectivo) — unos $10 millones por trimestre en promedio en los últimos 4 trimestres. El EBITDA normalmente NO resta este gasto. Pero él insiste (y esto es un punto de vista suyo, no una regla universal) en que es un costo real: aunque le pagues a un empleado con acciones en vez de cash, eso diluye a los accionistas actuales y tiene valor económico real. Por eso dice que el “net income” (ganancia neta) reportado por la empresa está inflado/distorsionado si no se considera esto.
Free Cash Flow = efectivo que le queda a la empresa después de pagar sus gastos operativos y sus inversiones de capital (capex = compra de bienes de capital, equipos, etc.).
Fórmula estándar: FCF = Cash Flow from Operations − Capex
Él le agrega un ajuste propio (no estándar en la industria, es su criterio personal): FCF = Cash Flow from Operations − Capex − Stock Based Compensation
Ojo con esto: en el texto aparecen dos cifras distintas para este cálculo — en un momento dice “24 millones” de cash flow anual, y más adelante habla de “seis millones” como el número al que llegó con sus cálculos. Es una inconsistencia en la transcripción (o él mismo corrigiéndose en el audio original) que no puedo resolver con certeza. Te lo marco para que no te confíes en un número específico: la cifra final que usa para las cuentas de valuación no está clara al 100%.
P/E ratio (Price/Earnings) = precio de la acción dividido por la ganancia por acción. Si la empresa cotiza a 67 veces sus ganancias, suena carísimo, sobre todo si el crecimiento es de apenas 10-15% anual (no es una empresa de crecimiento explosivo tipo Facebook de esa época).
Su argumento para justificar esto: dice que el número de “ganancias” no es confiable/representativo del verdadero potencial de la empresa. Acá es donde mete el ejemplo de “Trashy Software”.
Esto es una explicación pedagógica de un concepto real llamado “scale year” (año de escala/madurez):
Es una técnica legítima de valuación, pero también es una técnica que da mucho margen para el sesgo: vos elegís qué tan optimista es el “año de escala” y qué múltiplo le ponés. Nada de esto es objetivo o verificable desde afuera.
Dice que el software de la empresa gestiona 11 millones de propiedades. Su cuenta: si cada hogar tiene en promedio 2-3 personas, eso implica que el software toca la vida de unos ~30 millones de personas en EE.UU., cerca del 10% de toda la población. Eso indica que tienen bastante cuota de mercado dentro del negocio de alquileres.
Después calcula el revenue per unit (ingreso por unidad gestionada): ~$40 por año por propiedad. Le parece bajo, y lo interpreta como algo positivo: si el software vale tanto para el cliente (le ahorra tiempo, administra propiedades) y solo cobra $40/año, es una señal de que el producto da mucho valor por poco precio — lo cual, para él, sugiere que hay margen para subir precios en el futuro sin perder clientes.
Nota de cautela: esto es una interpretación, no un hecho. Un precio bajo por unidad también podría significar simplemente que es un producto commoditizado (fácil de reemplazar) o que hay mucha competencia de precio. Él no descarta esa posibilidad de forma rigurosa, solo la interpreta a su favor.
También hace una cuenta rápida de verificación (“smell test” = prueba de sentido común, chequeo rápido para ver si un número “huele” bien): 10 millones de propiedades × $40 = $400 millones de revenue, cifra que más o menos cuadra con lo que reporta la empresa (aunque antes había dicho 11 millones, hay una pequeña inconsistencia de redondeo).
Guidance = la proyección de resultados que da la propia empresa para el año. Acá: $570-575 millones de revenue, lo que implicaría 23% de crecimiento.
Pero si le restás lo que aporta la adquisición de NWP ($45 millones), el crecimiento “orgánico” real sería de apenas ~13%. Esto es un punto metodológicamente correcto y útil: separar cuánto crecimiento viene de comprar empresas versus cuánto viene del negocio ya existente. Y él mismo dice que ese 13% es probablemente el techo de crecimiento orgánico que se puede esperar de acá en adelante, sin nuevas compras.
También menciona que la empresa dijo que espera llegar a $1.000 millones de revenue para 2020, y él directamente dice que no cree que puedan llegar ahí sin más adquisiciones. Es un dato importante: la propia tesis de crecimiento de la empresa depende de comprar más compañías, lo cual no es garantía de nada (las adquisiciones pueden salir mal, pagar de más, tener problemas de integración, etc.) — él no explora esos riesgos en el audio.
Esta es la parte más especulativa de todo el análisis: predice que la empresa va a ser comprada, probablemente por Oracle, porque Oracle históricamente compra muchas empresas de software chicas. Usa la palabra “vertical” para referirse a un nicho o sub-sector específico del mercado — en este caso, el nicho de software para el sector inmobiliario/alquileres.
Esto es una apuesta, no un hecho. Toda la matemática de valuación que viene después (recorte de gastos, sinergias, tasa de impuestos más baja) depende de que esta adquisición efectivamente ocurra. Si no ocurre, buena parte del upside que calcula no se materializa.
Si la empresa es adquirida por otra más grande:
Asume una tasa de impuestos del 30% en su modelo base. Pero dice que si la compra una empresa que sabe “optimizar” mejor la estructura fiscal (por ejemplo, una empresa irlandesa, ya que Irlanda tiene impuestos corporativos bajos), la tasa efectiva podría bajar a 25%, 20%, o incluso 9%. Esto se conoce en la práctica como “tax inversion” o reestructuración fiscal vía cambio de domicilio corporativo — es una práctica real que hicieron varias empresas de EE.UU. en esos años, aunque también es controvertida y ha estado bajo la lupa regulatoria en distintos momentos.
Esto es, otra vez, un supuesto sobre el futuro (que además depende de que se concrete la adquisición), no algo garantizado.
ROIC = Return on Invested Capital (retorno sobre el capital invertido). Mide qué tan bien una empresa usa el efectivo que genera para crear más valor (reinvertirlo, comprar otras empresas, etc.).
Menciona que esta empresa ya hizo 20-30 adquisiciones en 10 años — es decir, tiene un historial largo de ser “compradora serial”. El acumula esto como evidencia de que el management sabe usar el cash de forma activa.
Argumento de alineación de incentivos: el CEO posee el 30% de la compañía, lo que equivale a ~$500 millones de patrimonio personal en una empresa valuada en $1.600 millones. La lógica: como su fortuna personal depende directamente del precio de la acción (y no de un salario), va a estar muy motivado en generar valor para los accionistas — a diferencia de un CEO típico que tiene menos del 1% de la empresa y cuyo incentivo principal es su sueldo.
Esto es un argumento razonable en términos generales (la teoría de alineación de incentivos existe y tiene sustento), pero no es garantía de nada: dueños mayoritarios también pueden tomar decisiones que benefician su propia liquidez (por ejemplo, vender la empresa) sin que necesariamente sea lo mejor para todos los accionistas minoritarios en todos los escenarios.
Discount rate (tasa de descuento): la tasa que usás en un DCF para convertir flujos de caja futuros en su valor equivalente de hoy. Cuanto más riesgo tiene el negocio, más alta la tasa (porque el dinero futuro incierto “vale menos” hoy). Él elige una tasa baja porque:
Esto sugiere un negocio estable, con ingresos predecibles — argumento razonable para justificar una tasa de descuento más baja.
Maturity/terminal year (año terminal): en un DCF necesitás elegir hasta qué año proyectás flujos de caja explícitos, y después asumís un valor “terminal” para todo lo que viene después. Él elige 2021 (5 años desde el momento del análisis) con un crecimiento terminal levemente positivo. Dice que podría haber elegido una tasa terminal negativa o mucho más positiva, pero elige algo intermedio.
Con todo esto, llega a un valor de $41/acción, contra un precio de mercado de ~$22. Es básicamente el doble — de ahí la frase inicial del video. Él mismo dice que duplicar el valor de una acción “suele ser suficiente” como criterio para él.
Punto crítico que él mismo reconoce, y que hay que remarcar: el modelo no funciona si asumís que los gastos de G&A se quedan iguales para siempre — es decir, todo el caso alcista depende de que la empresa sea comprada. Si eso no pasa, la empresa “no tendría sentido” según él como negocio independiente enfocado solo en el nicho inmobiliario. Esto es una admisión honesta de su parte de que la tesis entera cuelga de un solo evento incierto (una adquisición futura), no de la operación orgánica del negocio tal como está hoy.
También reconoce que eligió un horizonte de proyección corto (terminando en 2021) no porque no pudiera proyectar más años, sino porque, según él, no cambiaría el resultado. Yo agregaría una salvedad: terminar la proyección temprano asumiendo una adquisición con recorte agresivo de costos no es necesariamente “conservador” — es simplemente una forma distinta de ser optimista, comprimida en el tiempo.
Ve al negocio, en el largo plazo, como una empresa capaz de generar ~$200 millones de ganancia neta. Nota que esto es coherente-ish con lo que la propia empresa dijo (esperan $300 millones de EBITDA cuando lleguen a $1.000 millones de revenue) — pero recordá que EBITDA y net income (ganancia neta) no son lo mismo: EBITDA es antes de intereses, impuestos, depreciación y amortización, mientras que net income ya descuenta todo eso. Comparar los dos números directamente puede llevar a conclusiones erróneas.
Argumento final sobre M&A: dice que la mayoría de CEOs que tienen ~30% de su empresa quieren venderla, porque es la única forma real de “hacer líquida” (convertir en efectivo disponible) esa riqueza que está atada en acciones. Es un argumento de incentivos, no una prueba de que específicamente esta empresa se vaya a vender.
Después cambia de tema y menciona un modelo hecho por otra persona (nombre poco claro en la transcripción, suena a “Louie” o “Luigi Mario”), que hace algo que él llama “recap” — aclara que no es su estilo preferido de hacer modelos.
Rescata un dato interesante que encontró en un apéndice: el desglose de los ingresos de la empresa por línea de negocio:
ARPU = Average Revenue Per User (ingreso promedio por usuario/cliente). Su argumento: creen que pueden aumentar mucho el ARPU con el tiempo. Explica que esto es común en modelos SaaS (Software as a Service — software vendido por suscripción, en la nube): al principio el ARPU es bajo porque el producto básico es barato, pero con el tiempo se agregan servicios “premium” opcionales que suben el ingreso promedio por cliente. Pone a Netflix como ejemplo de esta dinámica.
De hecho menciona (como tangente) que él quiere hacer un short de Netflix (apostar a que baja) y que lo va a discutir después con el equipo, mencionando a alguien llamado “Steve Wynn” (aclara que no es el empresario de casinos famoso, sino otra persona con el mismo nombre — probablemente un colega de su equipo).
Termina reconociendo que no está seguro de si el número de propiedades gestionadas podría estar inflado (“who knows, who knows”), aunque no cree que el número de suscriptores lo esté. Es una admisión de incertidumbre genuina, vale la pena no pasarla por alto.
Por último, valora que el negocio ofrezca muchos servicios distintos dentro de una misma plataforma (gracias a todas las adquisiciones que hicieron), porque eso lo hace más atractivo — un cliente que usa varios módulos del software está más “atado” (mayor costo de cambiar de proveedor, lo que en finanzas se llama a veces “switching costs” o “sticky revenue”).
Esto no es asesoramiento financiero, eh — son solo las ideas del video traducidas y explicadas, con las salvedades que me pediste marcar. Si querés, en el próximo audio seguimos con el modelo de “Louie/Luigi Mario” o con la parte de Netflix.
¡Dale! Vamos a repasar esto en detalle. Es una clase de Martin analizando modelos financieros que hicieron sus alumnos sobre una empresa (parece ser RealPage, una empresa de software para administración de propiedades/alquileres). Voy a ir explicando cada crítica y qué concepto financiero hay detrás, sin resumir de más.
Martin insiste una y otra vez en la importancia del formato profesional:
Nota negativa: varios alumnos reciben crítica dura por esto (calificaciones tipo “garbage”, “trash”). No es un detalle menor, es descalificante en la industria real.
Discuten un número de caja: uno dice 30 millones, otro dice 116 millones. Martin sugiere que la diferencia es que uno excluyó el “restricted cash” (caja restringida).
Martin corrige la distinción: la empresa no crece porque hace adquisiciones, sino que crece orgánicamente y además potencia ese crecimiento comprando otras empresas.
Este es uno de los puntos más importantes del video:
Conclusión negativa de Martin: no está tan de acuerdo con la narrativa de “esta empresa genera mucho cash”, precisamente por este tema del SBC.
El alumno plantea que el mercado de alquileres vacacionales (tipo Airbnb) es un riesgo para RealPage. Martin lo descarta: dice que la mayoría de las propiedades que gestiona la empresa son departamentos (alquiler residencial tradicional/long-term), no vacacional. Airbnb es un producto de consumidor final (B2C), mientras que el negocio de la empresa analizada es más B2B (le vende software a administradores de propiedades). Son mercados distintos, entonces la amenaza competitiva que plantea el alumno no aplica bien.
Varias veces Martin pregunta: "¿de dónde sacaste este número?" y se queja de que no está citado.
El alumno usa un TAM de 11 mil millones de dólares para justificar crecimiento. Martin es muy crítico:
Martin marca que asumir 10% de crecimiento de ingresos indefinidamente no tiene sentido, sobre todo porque:
Concepto clave: Margin expansion (expansión de márgenes). Cuando una empresa duplica o cuadruplica ingresos, típicamente los costos fijos (oficinas, gerencia, algo de tecnología) no crecen al mismo ritmo que las ventas, entonces el margen operativo debería subir. Si tu modelo no refleja esto, estás siendo demasiado conservador o simplemente estás modelando mal.
Esto es un error técnico serio que menciona en varios modelos:
Un modelo tiene una tasa de impuestos negativa, lo cual no tiene sentido salvo casos muy específicos (créditos fiscales, pérdidas acumuladas que generan beneficios fiscales futuros). Martin lo señala como un error de tipeo o de lógica, sin darle mucha vuelta.
Se menciona como un problema en una hoja de Excel.
Comentan sobre el CEO:
Este es un ejercicio de matemática financiera concreto y vale la pena que lo entiendas bien:
Mencionan que un alumno investigó sobre “Yardie” (probablemente Yardi, un competidor real de RealPage en software de gestión de propiedades). Martin no profundiza mucho, dice que “no sé” con cierta duda, sin validar ni descartar el análisis.
Crítica recurrente: los alumnos ponen en negrita el “gross profit” (ganancia bruta) en vez de poner en negrita el revenue (ingresos). Martin dice literalmente: “lo único que me gusta poner en negrita es el revenue”.
Un alumno pone como meta que la empresa llegue a $1.000 millones de ingresos. Martin es escéptico (“no creo que lo logre”), y aclara que solo llegaría ahí si sigue comprando más empresas (adquisiciones), no orgánicamente. Tono negativo, sin falsas expectativas.
Se menciona una secuencia de crecimiento tipo “3, 15, 5, 1, 6” por año, que a Martin le parece “raro” — es decir, no hay una lógica consistente detrás de esos números año a año, lo cual sugiere que se pusieron un poco al azar o sin justificación clara, otro error de modelado.
Un modelo dice que hay 80 millones de acciones en circulación, cuando debería ser distinto (Martin dice “no diecisiete” - probablemente el número correcto era otro, como 17 millones). Error de dato básico que cambia todo el cálculo de valor por acción.
Otro modelo asume que aunque la empresa llegue a ser una compañía de mil millones de dólares en ingresos, el margen operativo se queda en 6%. Martin lo destroza:
Un alumno pone que las acciones cotizaban a $4 cuando en realidad la acción está en $21. Martin se ríe fuerte de este error porque, si fuera cierto, sería “la mejor oportunidad de corto (short) de la historia” — es decir, un error de este tipo cambia completamente la conclusión de inversión (en este caso, haría parecer que la acción está carísima y habría que apostar a la baja, cuando el dato real es otro). Un solo dato mal puesto puede invalidar toda la tesis de inversión.
Cuenta una anécdota/hipotético: si alguien le da una buena recomendación de acción gratis y funciona, y la segunda vez él invierte 5 millones y se duplica a 10 millones (ganancia de 5 millones), habla de pagarle un 10% de esa ganancia ($500.000) como especie de “fee” por el pick. Es más una reflexión sobre cómo se paga a los buenos “stock pickers” en el mundo real (fondos, comisiones por performance) — conectado con la idea de “performance fees” en la industria de gestión de activos (tipo el 2/20 de los hedge funds, aunque acá es informal).
Este es un caso especial y bastante cómico, pero tiene contenido técnico real:
La clase, más que enseñar “una idea genial”, es una lista de errores comunes que cometen los analistas que recién empiezan, y son extremadamente frecuentes en la industria real también:
Si querés, puedo armar un glosario aparte con todos los términos técnicos (FCF, SBC, TAM, DCF, valor terminal, GBM, referencia circular, etc.) para que lo tengas de referencia rápida mientras aprendés.
¡Dale, vamos a repasarlo entero! Es un stream de Martin Shkreli revisando modelos financieros que le mandaron sus seguidores/alumnos (probablemente modelando a la empresa RealPage, una compañía de software para property management - gestión de alquileres). Voy a traducir y explicar cada concepto financiero que menciona, sin resumir de más, y marcando lo negativo/los errores porque así se aprende mejor que con falsas ilusiones.
Está evaluando “modelos financieros” - en finanzas, un “modelo” es una proyección en Excel de los resultados futuros de una empresa (ingresos, costos, ganancias) basada en supuestos. La gente que le manda esto está tratando de aprender a hacer equity research (análisis de acciones) o financial modeling para trabajar en finanzas (banca de inversión, fondos de inversión, etc.).
Menciona reglas de estilo que son estándar en Wall Street:
Esto parece boludo pero en la práctica: un modelo desprolijo genera desconfianza inmediata en quien lo lee (jefe, cliente, inversor). La forma comunica seriedad.
Esto es clave: guidance es cuando la propia empresa (management) da un rango de proyección de sus resultados futuros (ej: “vamos a facturar entre 125 y 127 millones el próximo trimestre”). Es información pública que dan en sus reportes.
Shkreli se enoja mucho porque varios modelos no usan el guidance o lo usan mal:
Lección: si tenés el dato de la fuente primaria (la empresa), usalo. No inventes números cuando la información ya está.
Esta es la crítica que MÁS se repite. Muchísimos modelos tienen:
Shkreli lo remarca una y otra vez: un supuesto sin justificación no vale nada. No alcanza con poner un número que “suena razonable” - hay que explicar de dónde sale (basado en el mercado, en la historia de la empresa, en la industria, en comentarios de management, etc.)
Este es el concepto más valioso de todo el video. Cuando revisa un modelo dice:
“no pasa el smell test” (no pasa la prueba del olfato)
Esto significa: antes de confiar en un modelo detallado, primero hacé una revisión de sentido común de si el resultado final tiene lógica.
Ejemplo concreto que da: un modelo proyectaba que en 2024, con 1.400 millones de dólares en ingresos, la empresa iba a tener MENOS ganancia neta (net income) que en 2016 cuando facturaba solo 500 millones. Eso es una señal de alarma enorme: si triplicás los ingresos y ganás menos plata, algo está mal en las proyecciones de costos (probablemente los costos crecen demasiado rápido en el modelo).
Lección clave: el resultado final del modelo (la “cola” o tail, como dice él) es lo que más importa. Podés tener el 90% del modelo bien hecho, pero si el resultado final no tiene sentido, todo el modelo es un fracaso. Él dice literalmente: “la mayoría de cualquier modelo es una función de la cola” - o sea, los años finales de la proyección (terminal value) pesan muchísimo en la valuación total.
Repite muchas veces algo como esto: “no tiene sentido que una empresa de 3 mil millones de ingresos tenga solo 200 millones de ganancia” o “si tenés una empresa de mil millones con márgenes de solo 10%, preguntate por qué seguís en ese negocio”.
Concepto: a medida que una empresa crece en ingresos (escala), los márgenes (rentabilidad como % de ingresos) generalmente deberían mejorar, porque los costos fijos se diluyen entre más ventas. Esto se llama apalancamiento operativo (operating leverage). Si en el modelo los costos crecen tan rápido como los ingresos para siempre, ese modelo no entiende cómo funciona un negocio de software (que tiene costos marginales bajos).
Error que marca: en un modelo, el SG&A crecía sin control mientras el crecimiento de ingresos se desaceleraba - “no tiene sentido”. Si estás vendiendo menos rápido, ¿por qué gastarías cada vez más en vender? Es una contradicción lógica dentro del propio modelo.
También critica que alguien puso R&D creciendo “15% siempre” sin mirar los datos históricos reales de la empresa (dice que en la realidad creció de 15% a 14%, o sea prácticamente estable) - de nuevo: no inventes, mirá los datos reales primero.
Un modelo restaba “D&A” (depreciation & amortization, la pérdida de valor contable de los activos con el tiempo) de una manera “creativa” que a Shkreli no le cerró, porque CapEx (Capital Expenditures = gastos de inversión en activos, como comprar servidores, oficinas, equipos) es un gasto de CASH real, aunque D&A no lo sea contablemente.
Concepto clave: D&A es un gasto contable (no-cash), pero representa el desgaste de inversiones que SÍ costaron plata en su momento (CapEx). No podés simplemente “ignorar” el CapEx aunque sea tentador porque no aparece como gasto de caja inmediato.
Menciona varias veces que “35% de impuestos es probablemente demasiado”. Esto es relevante: la tasa de impuesto corporativo en EEUU bajó considerablemente (Trump la bajó a 21% en 2017), entonces usar 35% (la tasa vieja, previa a esa reforma) es un error de desactualización - hay que usar la tasa efectiva/legal actual, no una vieja por default.
Es la plata que gana una empresa por tener efectivo en el banco o en inversiones (genera intereses). Lo destaca como algo que la mayoría se olvida de incluir, y cuando alguien lo hizo bien, lo elogia explícitamente como “impresionante”. Es un ítem chico pero que mucha gente omite.
Dice varias veces algo controvertido: “no tomo la competencia muy en serio para un negocio en crecimiento” y que es un “error de novato” (rookie mistake) obsesionarse con analizar a los competidores en detalle.
⚠️ Ojo con esto: esta es SU opinión personal, no un consenso de la industria. En la práctica del análisis financiero real, el análisis competitivo (competitive landscape, moats, etc.) SE CONSIDERA importante por la mayoría de los analistas e inversores serios (Warren Buffett, por ejemplo, basa gran parte de su filosofía de inversión justamente en el análisis de ventajas competitivas / “moats”). Shkreli le resta importancia, pero no lo tomes como una verdad absoluta - es un sesgo suyo, no una regla de finanzas.
Es un sitio donde empleados actuales y ex-empleados dejan reseñas anónimas de las empresas donde trabajaron (sueldo, ambiente laboral, opinión del management). Se usa en investigación cualitativa para tener una idea de la cultura interna y la salud organizacional de una empresa - es una fuente de “soft data” (datos blandos, no financieros) que complementa el análisis numérico. Critica a alguien que “solo copió y pegó” los ratings sin analizarlos.
Menciona “tienen 10 de sus 10 clientes principales…” (algo sobre concentración) y también “tendencia al crecimiento inorgánico” (inorganic growth = crecimiento vía adquisiciones, comprar otras empresas, en vez de crecimiento orgánico = crecer vendiendo más con lo que ya tenés).
Concepto de riesgo: si una empresa depende de pocos clientes grandes, es un riesgo — si pierde uno, el impacto es grande.
Dice que no cree que los “depósitos de clientes” deban tratarse como deuda (liability) en el balance, a menos que ese efectivo depositado esté también contabilizado como cash. Es una discusión técnica de contabilidad: hay que ver si un pasivo (deposit) tiene su contrapartida en un activo (cash) para saber cómo tratarlo correctamente en el modelo.
Menciona: “el TAM no es infinito” cuando alguien proyecta crecimiento hasta 2045 o similar. TAM = Total Addressable Market, el tamaño total del mercado que una empresa podría potencialmente capturar. Es una crítica a las proyecciones de “hockey stick” (crecimiento exponencial indefinido) - ningún mercado crece para siempre, en algún punto se satura.
Dice que no le gusta ver un “mejor caso” y un “peor caso” por separado como metodología - prefiere un modelo central bien fundamentado antes que jugar con escenarios extremos sin rigor.
Menciona “el NPV está más cerca de ser correcto” en el mejor modelo que evalúa. NPV = Valor Presente Neto: es el método de traer todos los flujos de caja futuros de una empresa a valor de “hoy” usando una tasa de descuento, para saber cuánto vale la empresa/inversión en el presente. Es EL concepto central de la valuación financiera.
¿Querés que sigamos con la próxima parte cuando la tengas, o preferís que profundice en alguno de estos conceptos (por ejemplo el smell test o el tema de márgenes/escala) con un ejemplo numérico armado por mí?
¡Dale! Vamos parte por parte, explicando cada concepto financiero que menciona, sin resumir de más. Es una transcripción de un video de mayo 2016, medio desordenada (hay dos segmentos distintos pegados: el cierre de una sesión y el inicio de otra sobre Groupon), así que voy a ordenarlo temáticamente.
Al principio está evaluando modelos financieros (proyecciones de estados financieros de empresas) que le mandó su “comité de inversión” (gente que sigue el stream). Dice que la mayoría estuvieron bien, solo tres “trash” (basura). Esto es contexto de comunidad, no hay nada técnico que rescatar acá salvo que remarca que evaluar modelos ajenos y dar feedback es parte del aprendizaje — no hay atajos, hay que iterar el modelo.
Esta es la parte más importante de toda la transcripción, prestale atención.
Tiene:
En dólares, Microsoft es la posición más grande. Pero él dice algo clave: el tamaño en dólares no equivale al riesgo real de la posición. Explica que hay que pensar en:
Su punto: las large caps como Microsoft tienden a ser más “diversificadas” internamente (tienen múltiples líneas de negocio, geografías, etc.) y más estables, así que aunque tengas más plata puesta ahí, en términos de riesgo real es “como si” fuera una posición mucho más chica — dice que equivale a una posición del 1% en una mid cap. Las mid caps como RealPage y Stamps.com, al ser más chicas, tienen más volatilidad potencial y menos diversificación interna, entonces aunque tengas menos dólares invertidos, el riesgo real es mayor.
Ojo con esto: esta es una simplificación bastante libre de su parte. En la práctica, “large cap = menos riesgo por posición” no es una ley universal — depende del beta real de cada acción, no solo del tamaño. Microsoft podría tener beta bajo, pero hay large caps con betas altísimos. Tomalo como intuición general, no como regla matemática.
También menciona “factor analysis” (análisis de factores): la idea de que las acciones no se mueven solo por lo que le pasa a la empresa individual, sino que comparten “factores” comunes con otras acciones parecidas (por ejemplo, ser todas del sector tech, o todas mid-cap). Dice que lo va a explicar otro día, así que quedó como mención al pasar, no como explicación completa — no te puedo dar más detalle porque él tampoco lo dio acá.
Contexto: Seeking Alpha es un sitio donde cualquiera puede publicar análisis de acciones (no son necesariamente analistas profesionales certificados, puede escribir cualquiera).
Alguien escribió un artículo negativo sobre Stamps.com, alegando investigaciones por prácticas de publicidad engañosa (falsas promesas en la promoción del producto). La acción cayó por ese artículo.
Su argumento para restarle importancia:
Conclusión de él: como no hay noticia nueva real, decide duplicar la posición en Stamps.com, sujeto a que el “comité” (los espectadores) lo aprueben.
Importante para vos que estás aprendiendo (parte negativa/realista): este es un ejemplo de un sesgo común — cuando ya tenés una posición y aparece una noticia negativa, es fácil racionalizar por qué “no es grave”. Puede tener razón, pero también podría ser sesgo de confirmación. No lo tomes como que “ignorar red flags de demandas es la jugada correcta” en general — depende mucho del caso.
Acá explica por qué “shortea” (apuesta a que baje) dos acciones:
Netflix:
Apple:
Para que entiendas los términos de “corto” (short): cuando “shorteas” una acción, apostás a que el precio baje. Pedís prestadas acciones, las vendés al precio actual, y esperás recomprarlas más barato después para devolverlas, quedándote con la diferencia. Si el precio sube en vez de bajar, perdés plata (y en teoría la pérdida no tiene techo, porque el precio puede subir sin límite).
Nota realista: con el diario del lunes (vos y yo sabemos qué pasó después con estas acciones en los años siguientes), estas tesis bajistas sobre Netflix y Apple no resultaron ser correctas en el largo plazo — ambas crecieron muchísimo después de 2016. Esto no es para que dudes de los conceptos que explica (son válidos como marco de análisis), pero sí para que veas que tener una tesis de “por qué algo está mal valuado” no garantiza que el mercado te dé la razón, ni en el corto ni en el largo plazo. Es un buen ejemplo real de que el análisis fundamental puede estar bien razonado y aun así fallar.
Dice que tienen:
Por qué importa la diferencia: si tenés $60 en largos y $50 en cortos, tu exposición bruta es $110 (la suma), pero tu exposición neta es solo $10 (la resta). Un portfolio con exposición neta baja se llama “market neutral”: la idea es que si el mercado en general sube o baja, a vos casi no te afecta, porque tus largos y tus cortos se compensan. Lo que sí te afecta es si tus apuestas específicas (esta acción sube, esta otra baja) resultan ciertas o no, independientemente de hacia dónde vaya el mercado en general.
Él menciona que prefiere este enfoque porque “no cree que los mercados suban con el tiempo” — una postura bastante particular y no consensuada entre inversores (la mayoría de la evidencia histórica de largo plazo muestra que los mercados accionarios sí tienden a subir en el tiempo, aunque con mucha volatilidad en el medio). Tomalo como su opinión personal, no como un hecho.
Esta es la sección donde más se explaya, así que vamos despacio.
Qué es el P/E: Precio dividido por Ganancias (Price/Earnings). Si una acción cuesta $20 y la empresa gana $1 por acción al año, el P/E es 20.
Su analogía del “período de repago” (payback period): si compraras una empresa entera por 20 millones de dólares y esa empresa gana 1 millón por año, tardarías 20 años en “recuperar” tu inversión con esas ganancias. Eso es básicamente lo que mide el P/E.
Su crítica central — por qué dice que el P/E es “básicamente inútil”:
Cuándo dice que el P/E SÍ puede servir un poco: en empresas gigantes, muy estables, donde la escala y las ganancias no van a cambiar mucho (pone de ejemplo Procter & Gamble). Ahí, un P/E de 18 se puede invertir (1/18 ≈ 5.5%, él dice 6-6.2%) para pensarlo como una especie de “rendimiento” (yield) comparable a otras tasas del mercado (bonos, por ejemplo). Pero remarca que incluso ahí es una aproximación tosca.
Lo que propone en su lugar: pensar en “área bajo la curva” de flujos de caja acumulados — es decir, el valor presente neto (NPV, Net Present Value): sumar todos los flujos de caja futuros que una empresa va a generar, descontados a valor de hoy con una tasa de descuento apropiada. Esa es, según él, la forma correcta en que invierten los inversores “de verdad”, en contraposición a mirar un ratio simple como el P/E.
Mi comentario honesto (para que no te quedes con falsas certezas): la crítica al P/E como métrica “por sí sola” es válida y bastante estándar entre analistas serios — el P/E es efectivamente superficial si se usa aislado, sin mirar crecimiento, riesgo, deuda, etc. Pero decir que el P/E es “básicamente inútil” es una posición extrema; en la práctica muchísimos inversores profesionales sí lo usan como un filtro rápido inicial (no como la herramienta final de valuación). El DCF (discounted cash flow, que es la técnica de “sumar flujos de caja descontados” que él menciona) es más riguroso, pero también depende muchísimo de supuestos (tasa de crecimiento, tasa de descuento, terminal value) que son difíciles de estimar con precisión — o sea, no es una técnica “objetiva” ni libre de errores, tiene sus propios problemas de sensibilidad a los supuestos.
Empieza a explicar esto porque Groupon había emitido uno. Lo que alcanza a decir:
Ahí se corta la transcripción, así que no llegó a explicar los detalles técnicos (precio de conversión, ratio de conversión, cómo se valúa la “opción” implícita dentro del bono). Si me pasás la continuación, seguimos con eso.
¡Dale! Vamos a ir parte por parte. Como pediste, traduzco, explico cada concepto asumiendo que arrancás de cero, y cuando hay algo dudoso o poco claro lo marco para el lado pesimista, no optimista.
Esto es lo primero que explica el video, es la base para entender por qué alguien le prestó plata a Groupon.
Cuando una empresa necesita plata, tiene básicamente dos caminos: vender acciones (equity) o pedir prestado (deuda/bonos). Un bono convertible es un híbrido de los dos.
En el caso de Groupon que menciona el video: alguien le prestó (según dice) 250 millones de dólares, con un precio de conversión de 5 dólares por acción.
¿Qué significa esto en la práctica?
Por eso a estos instrumentos se los describe como “upside de la acción sin (tanto) downside”: si todo sale bien, participás de la suba; si todo sale mal, en teoría estás mejor parado que un accionista común porque los bonistas cobran antes que los accionistas si la empresa quiebra.
Ojo con la parte negativa que el video no subraya tanto: esto no es gratis ni libre de riesgo. Si la empresa “realmente se va al tacho” (como dice literalmente el audio), la deuda tampoco se cobra. Un bono convertible de una empresa en problemas serios puede no pagarte nada. La “protección” de la deuda es relativa, no una garantía.
También como contrapartida, estos bonos suelen pagar una tasa de interés (coupon) más baja que un bono normal, justamente porque a cambio te dan esa opción de conversión. Es decir, cobrás menos interés fijo a cambio de la posibilidad de participar en la suba.
Groupon se fundó en 2008. La persona que habla arma una comparación con Amazon:
La conclusión que saca el orador es que las trayectorias de crecimiento inicial eran casi calcadas, con Groupon incluso un poco más rápida al principio. Pero después la comparación se rompe: Amazon nunca tuvo una meseta seria de crecimiento, mientras que Groupon sí — su número de clientes (llegó a 50 millones) se estancó y prácticamente dejó de crecer, y el mercado castigó fuerte el precio de la acción por eso.
Para dar más contexto histórico menciona a eBay como un tercer caso: eBay también tuvo un freno serio en su crecimiento (años con solo 2% o 5% de crecimiento interanual) y nunca volvió a recuperar el ritmo de sus primeros años — pero remarca que aun así eBay seguía valiendo 26 mil millones de dólares. La idea que quiere transmitir es: “después de la etapa de híper-crecimiento, lo normal es una meseta o estancamiento, no necesariamente el fin de la empresa”.
Punto importante y honesto que el propio orador hace: separa “empresa buena vs. empresa mala” de “inversión buena vs. mala”. Literalmente dice que Groupon en este momento (del video) es una empresa con producto mediocre, sin crecimiento y sin ganancias — no la está pintando como una maravilla operativa. Su argumento no es “es una gran empresa”, es “está muy barata en relación a lo que factura, aunque sea una empresa floja”.
Es la parte más anecdótica: cuenta que probó el servicio comprando 15 botellas de vino por 65 dólares (menos de 5 dólares la botella), pero se queja de que:
Después dice que la mayoría de las ofertas que ve en la app son de spas y masajes, cosas que a él (por ser un consumidor de alto poder adquisitivo) no le interesan. Sí le llamó la atención una oferta de óptica (examen de la vista + crédito para lentes).
Su comentario final acá es una opinión personal, no un dato duro: dice que a él le genera un poco de rechazo la idea de “descuento” en servicios como un corte de pelo o un masaje — como si el descuento devaluara el servicio. Aclara explícitamente que él es un consumidor atípico y que el análisis de la empresa no debería basarse en su gusto personal.
Acá arranca la parte de valuación, que es la más técnica.
Datos que da:
Su razonamiento: si la empresa lograra apenas un margen operativo del 10% sobre esos 3.000 millones, eso serían 300 millones de ganancia. Contra un enterprise value de 1.000 millones, eso es un múltiplo de 4 veces ganancias (algo muy barato para el estándar del mercado), y calcula que a un múltiplo “razonable” la empresa valdría 3.000 millones — es decir, el doble de lo que vale hoy en su cuenta.
Esto es una proyección optimista basada en un supuesto (“si logran 10% de margen”) que todavía no pasó. Es importante remarcarlo: no es un hecho, es una apuesta a que la empresa recorte costos y mejore márgenes. El propio orador reconoce que es “prematuro” y que hay que mirarlo con más cuidado.
Esta es, para mí, la parte más importante del video en términos educativos, porque expone una trampa común al analizar empresas.
El flujo de caja operativo (cash flow from operations) de Groupon aparecía mucho más alto que su utilidad neta (net income). ¿Por qué? Porque al calcular el flujo de caja se le suma de nuevo a la utilidad neta:
La compensación en acciones es un gasto real (le das partes de la empresa a los empleados, lo cual diluye a los accionistas actuales), pero como no es un desembolso de efectivo, se “suma de vuelta” en el cálculo de flujo de caja. Esto hace que el flujo de caja parezca mucho mejor de lo que realmente es el negocio.
En Groupon esta compensación en acciones venía siendo de casi 200 millones de dólares al año (trailing 12 meses). El orador hace la cuenta: contra un enterprise value de apenas 1.200 millones, si ese flujo de caja fuera “real”, recuperarías tu inversión en 6 años — un resultado que a él mismo le pareció sospechosamente bueno, señal de que algo no cerraba.
Al descontar bien esa compensación en acciones (unos 125 millones de dólares) y el capex (gasto de capital, unos 80 millones), la conclusión cambia por completo: la empresa está apenas en equilibrio (breakeven), no generando la ganancia real que el flujo de caja “de manual” sugería. Es decir, la métrica más fácil de mirar (cash flow) estaba maquillando una realidad más floja.
Black-Scholes: menciona esta fórmula como el método técnico para poner un valor de mercado a compensaciones en opciones (no tan aplicable acá porque Groupon usa RSUs — unidades de acciones restringidas, no opciones — y esas se valúan más simple: precio de la acción x cantidad de unidades entregadas). El punto de fondo es que, sea opción o RSU, esa compensación —aunque no sea efectivo— se convierte rápido en efectivo para el que la recibe (puede vender las acciones), así que económicamente pesa como un gasto real, no como algo que se pueda ignorar.
Conclusión de esta sección, sin adornos: si incluís correctamente la compensación en acciones como el gasto que es, Groupon no es rentable. El orador lo dice de forma explícita.
Aplicando una tasa de descuento alta (porque el “turnaround” es difícil de lograr) y proyecciones de crecimiento muy modestas (4% durante dos años, después estancamiento y declive), su modelo le da como resultado una acción que vale un 30% más que el precio actual. Es un margen de seguridad chico, con supuestos que él mismo reconoce como preliminares (“muy prematuro, hay que mirarlo más de cerca”).
Busqué qué pasó realmente con Groupon después, porque la tesis del video es del pasado y quiero que tengas el dato duro, no solo la expectativa optimista del orador.
Resultado: la apuesta optimista no se cumplió, al menos no en el plazo que él imaginaba. Los 3.000 millones de dólares de ingresos que menciona en el video corresponden a una etapa mucho más grande de la empresa (Groupon llegó a facturar alrededor de esa cifra hacia 2015-2016). Hoy la realidad es muy distinta: en 2025 Groupon facturó apenas 498.42 millones de dólares, un aumento de apenas 1.19% respecto al año anterior, con pérdidas de 83.52 millones de dólares, un 41.5% más de pérdidas que en 2024. Es decir, los ingresos son una sexta parte de lo que eran, y las pérdidas encima se agrandaron.
En cuanto a la acción: el máximo histórico de Groupon fue 523.80 dólares en noviembre de 2011, y al 13 de julio de 2026 cotiza en 23.54 dólares. O sea, prácticamente destruida frente a su pico, y muy lejos de cualquier “double” fácil de una tesis de valor de hace años.
Hay algunos indicios recientes (2025-2026) de intento de reestructuración: la empresa viene anunciando recortes de personal como parte de una transformación hacia una compañía “AI-native”, con guía de EBITDA ajustado elevada a un rango de 75 a 80 millones de dólares, y nombramientos nuevos en el directorio y la gerencia. También hubo una reestructuración de deuda en 2025 por 244 millones de dólares que redujo la deuda neta de unos 500 millones a unos 300 millones, lo cual mejora algo el balance frente a la fragilidad que tenía antes.
Pero el cuadro de riesgo sigue siendo serio: un análisis independiente calcula hoy una probabilidad de bancarrota del 46%, más alta que el promedio de su industria, y otro reporte reciente señala que Groupon apenas tiene entre 3% y 5% de participación en el mercado global de “deals” online, con una capitalización de mercado de solo 550 millones de dólares a mediados de 2025, compitiendo contra gigantes mucho más grandes.
Conclusión honesta, sin maquillaje: la tesis del video (comprar barato porque “con un 10% de margen la acción vale el doble”) no se materializó en los años siguientes al video — al contrario, la empresa siguió encogiéndose en ingresos, las pérdidas crecieron, y recién ahora (2025-2026) hay señales tibias de estabilización que todavía no se traducen en rentabilidad real ni en un precio de acción que recupere lo perdido. El riesgo de insolvencia sigue estando sobre la mesa según analistas independientes. Si esto te sirve como caso de estudio: es un ejemplo de que una tesis de “valor barato” con supuestos de recorte de costos y crecimiento moderado puede sonar convincente en el momento, pero el mercado puede tardar años en no darte la razón, o directamente no dártela nunca.
¿Querés que sigamos con la parte de deuda que promete tratar “más en detalle” más adelante en la serie, o preferís que primero afiancemos estos conceptos (bono convertible, stock-based compensation, enterprise value) con algún ejemplo numérico armado por mí?
¡Dale! Vamos a ir parte por parte. Este es un stream donde Shkreli está corrigiendo modelos financieros que le mandaron sus alumnos/oyentes, todos analizando si conviene invertir en Groupon (la empresa de cupones de descuento, ticker GRPN). Cada persona armó un modelo de valuación (tipo DCF - “Discounted Cash Flow”, flujo de caja descontado) y él los va destrozando o elogiando uno por uno. Te explico todo en orden, con los conceptos financieros que van apareciendo.
Dice que en sus primeros 6-7 años el negocio le resulta “atractivo”: 3 mil millones de dólares en ingresos (revenue) contra solo 1 mil millón de valor de empresa (enterprise value).
(Después hay una parte de chiste personal sobre cupones de masajes, nada financiero.)
El sector entero de cupones locales (Groupon, LivingSocial, Google Offers) fracasó como modelo de negocio: Google Offers cerró, Amazon cerró su versión, LivingSocial se derrumbó de 6 mil millones a 300 millones de valuación, y ninguno de los estudiantes en el video logró justificar de forma sólida por qué el negocio sería rentable a largo plazo — ni siquiera Shkreli lo defiende con convicción, solo dice que es “especulativo”. Si esto es una guía para pensar inversiones, la lección más honesta es: cuando ni el que hace el análisis puede explicar claramente por qué el negocio genera valor sostenible, es una señal de alerta, no de oportunidad. Groupon como empresa, de hecho, terminó años después con la acción muy por debajo de sus máximos históricos — la tesis optimista de “barata” no se cumplió del todo.
¿Querés que sigamos con la siguiente parte cuando la tengas, o preferís que profundice en alguno de estos conceptos (DCF, revenue recognition, tasa de descuento) antes de seguir?
¡Dale, vamos con esto! Te separo el texto en dos partes porque son dos clases distintas: (1) el análisis de Groupon (con toda la crítica a los modelos de los alumnos) y (2) la lección sobre hedge funds y cómo buscar información pública sobre ellos. Voy explicando cada concepto como si no supieras nada, porque efectivamente varios términos son técnicos.
Contexto: esto es una clase donde los alumnos mandaron “modelos” (proyecciones financieras) de Groupon, la empresa de cupones de descuento, y Shkreli los está criticando uno por uno.
La crítica central, que es la idea más importante de toda esta parte:
Cualquiera puede armar una hoja de Excel donde “la empresa reduce costos y aumenta ingresos” y por lo tanto el modelo da lindo. Eso no vale nada. Lo que separa un análisis real de uno de aficionado es explicar por qué eso va a pasar, qué hace que esa mejora sea realista dado el negocio concreto. Un modelo financiero no es una apuesta a que “todo va a salir bien”, tiene que estar anclado en algo concreto: ventajas competitivas, comportamiento de los clientes, estructura de costos real, etc. Esto es una lección de fondo para cualquier análisis de acciones que hagas en tu vida: los números sin argumento de negocio detrás no significan nada.
Contexto de Groupon (para que entiendas de qué hablan):
El dato jugoso sobre el “quiet period”: Antes de una IPO, las empresas tienen prohibido legalmente dar entrevistas o hacer declaraciones públicas (esto se llama “quiet period”, período de silencio, y lo exige el regulador para que no manipulen el precio con marketing antes de salir a cotizar). El CEO de Groupon, Andrew Mason, no podía responder a las críticas por esta razón, pero se impacientó y mandó un memo interno a los 10.000 empleados que terminó filtrándose a la prensa. Eso generó problemas con el regulador (SEC, el organismo que regula los mercados en EEUU). Es un ejemplo de riesgo regulatorio: no es solo el negocio, también hay reglas legales que si las rompés te pueden meter en problemas.
El día de la salida a bolsa: El patrimonio personal del fundador saltó a 1.300 millones de dólares el primer día de cotización. Pero después el precio de la acción empezó a moverse “zigzagueando” apenas arriba y abajo del precio inicial. Esto es importante: un buen debut en bolsa no significa nada sobre el futuro de la acción. Mucha gente cree que si el primer día sube, es un éxito. No. El precio de mercado del día 1 es ruido, lo que importa es el negocio en los años siguientes.
El argumento negativo que Shkreli sí valora (importante, porque pediste que marque lo negativo):
Un alumno señaló que Groupon estaba consiguiendo clientes a un costo muy bajo: $60-100 por cliente, lo cual es bajo para una empresa de este tipo. Esto suena positivo a primera vista, pero fijate la pregunta real que plantea Shkreli: tener 50 millones de clientes “pagantes” no sirve de nada si no podés monetizarlos bien después. El problema de fondo de Groupon (y esto lo dice el columnista Andrew Ross Sorkin, del NYT/CNBC) es que el modelo de negocio es facilísimo de copiar. No hay barrera de entrada. Cualquier competidor puede hacer lo mismo. Eso es un problema estructural grave, no un detalle.
Conclusión de Shkreli sobre Groupon (y este es el consejo de fondo, sin falsas esperanzas):
Este es el inicio de una clase nueva (11 de septiembre de 2016). Antes de entrar en Groupon 2.0 él repite algo de la clase anterior que es central para tu aprendizaje, así que te lo dejo textual en su lógica:
La tesis de fondo de Shkreli sobre invertir (esto es lo más importante para vos, y va en la línea de “no falsas esperanzas” que pediste):
Este es el marco negativo/realista que pediste que remarque: la premisa de todo el curso es “esto es muy difícil, la mayoría fracasa, no hay garantías, y el inversor promedio directamente no debería intentarlo.”
Ahora la parte técnica: cómo investigar hedge funds usando información pública
SEC.gov: la página web de la Comisión de Bolsa y Valores de EEUU (el regulador de los mercados). Ahí se pueden buscar los “filings” (presentaciones/declaraciones obligatorias) de empresas cotizantes y también de fondos de inversión.
Bridgewater: lo usa de ejemplo porque es el hedge fund más grande del mundo formalmente organizado como tal (aclara “formalmente organizado como hedge fund” porque hay entidades más grandes que técnicamente no se categorizan así). Es una “limited partnership” (LP), una estructura legal de sociedad donde hay socios con responsabilidad limitada — es la forma jurídica típica de un hedge fund.
El formulario 13F (13F-HR): es una declaración trimestral obligatoria de “holdings” (posiciones/tenencias) que deben presentar los grandes inversores institucionales. Ahí decís qué tenés.
Peeeero — y esto es fundamental, marcálo — el 13F NO muestra todo lo que tiene el fondo:
Por eso Bridgewater, que maneja ~150 mil millones de dólares de sus clientes, solo reporta 8 mil millones en el 13F: porque es un “fondo macro” (invierte en base a tendencias económicas globales, tasas de interés, monedas, materias primas, etc., no principalmente en acciones), así que las acciones son una fracción chica de lo que hacen.
Conclusión práctica que él remarca, y es importante que la tengas clara: él no recomienda usar estos filings para “adivinar” ideas de inversión. Dice textualmente que evitaría hacer eso “a toda costa”. La razón: es solo una foto parcial y desactualizada (las posiciones cambian todo el tiempo) de una porción del fondo. No es información que te dé una ventaja real. Esto también va en línea con “no falsas esperanzas”: ver qué compran los hedge funds grandes NO es un atajo para ganar plata.
Formulario ADV (Form ADV) y el sitio IAPD: otra fuente pública, se busca en Google “IAPD” (Investment Adviser Public Disclosure). Ahí encontrás:
Cierre de esta sección: mirando nomás 5-6 hedge funds grandes, entre todos suman como 500 mil millones de dólares. El punto que quiere que te quede es lo concentrado que está el poder financiero en pocas manos, no que vayas corriendo a copiar sus posiciones.
¿Querés que sigamos con la próxima clase (la de Angie’s List) cuando me pases esa transcripción, o preferís que profundice en alguno de estos conceptos primero (por ejemplo, qué es exactamente una posición corta, o cómo se arma un modelo de valuación real)?
Dale, vamos por partes con este segmento. Es denso pero tiene ideas importantes. Te lo traduzco y explico en español, sin resumir de más.
Shkrelli arranca diciendo que la industria de hedge funds se volvió gigante, y por eso mismo cree que hay muy poca oportunidad de ganar plata en ella. Muchos fondos vienen sufriendo hace años.
Su idea central: no tiene sentido tratar de adivinar qué fondo es “bueno” o “malo” para apostarle a favor o en contra. Lo que sí sirve es mirar tendencias del sistema completo — o sea, ver cuánta plata (activos) maneja cada categoría de fondo a lo largo del tiempo, para entender hacia dónde se está moviendo el dinero.
Y ahí llega al punto clave, que es medio pesimista pero realista:
Su conclusión: los retornos más altos están en las áreas donde hay menos competencia (PE y VC), no en acciones públicas, que están saturadas de gente inteligente compitiendo por lo mismo. Esto no es una buena noticia si tu plan era simplemente “comprar acciones baratas” — la competencia ya erosionó esa ventaja.
También menciona que sirve mirar estos datos si querés trabajar en un hedge fund, para entender mejor la firma y tu rol potencial ahí.
Punto importante y un poco cínico: dice que hoy los hedge funds están más enfocados en maximizar el total de fees (comisiones) que en el retorno anual. Tiene lógica desde el punto de vista del fondo: preferís ganar 10% sobre $10 mil millones (comisión grande en dólares) antes que 20-30% sobre $100 millones (comisión chica en dólares, aunque el % de retorno sea mejor).
Consecuencia práctica: los fondos están evitando riesgos — sobre todo riesgo de “headline” (titulares negativos) y cosas que puedan asustar a los inversores y hacer que retiren su plata. Ya no toman tanto riesgo de apalancamiento (leverage) como antes. Es decir: los incentivos de los fondos hoy favorecen la cautela y la recaudación de comisiones por sobre perseguir grandes retornos. Como alguien que “no sabe nada” de finanzas: esto significa que confiar en que un hedge fund grande te va a dar retornos espectaculares es, en general, una expectativa poco realista hoy en día.
Menciona que antes ya cubrieron Renaissance, Steinhardt y Bridgewater, y ahora toca Tiger, fundado por Julian Robertson en Nueva York.
Punto interesante que remarca: es llamativo que casi todos los que salieron de Tiger tuvieron carreras exitosas. Esto lo lleva a una reflexión sobre el mundo de los hedge funds: el “pedigree” (de dónde venís, quién te formó) es un predictor importante de éxito. Compara invertir con un oficio artesanal (como cirugía o herrería): son cosas que se aprenden mirando y practicando con alguien, no leyendo un libro. Él mismo trabajó brevemente (como un año) en un “Tiger cub” llamado Intrepid.
Ojo: él mismo aclara que esto “no siempre” se cumple — o sea, pedigree ayuda pero no garantiza nada. No es una regla absoluta.
Sobre el estilo de Tiger: no tenía un estilo único, era principalmente valor/acciones pero también hacía macro. Un dato curioso: Julian Robertson era el único que podía ejecutar las órdenes del fondo (el único “trigger puller”), a pesar de tener mucho talento adentro. En los años 90 Tiger llegó a manejar entre 10 y 20 mil millones de dólares, siendo junto con Soros uno de los dos fondos más grandes que existían en esa época (cuando los hedge funds en general manejaban mucho menos plata que ahora).
Menciona que Tiger sigue siendo relevante hoy y que suele contratar gente joven, aunque aclara que es un ambiente muy competitivo y difícil, como todo en este mundo.
Acá cambia de tema y hace un ejercicio con datos de Bloomberg que ilustra algo clave sobre invertir. Vamos despacio porque es la parte más técnica:
Pero después viene el punto importante: aunque el promedio es 5%, hay unas 80 acciones que subieron alrededor de 50% o más. O sea, el promedio esconde una distribución muy dispareja.
Identifica algunos “outliers” ganadores concretos: Weibo, Interactive (Shutterstock), Wix.com, ebooks, Sina, alarm.com, Symantec, Travelsky, Jasmine, entre otras — unas 12-15 acciones de software que tuvieron un desempeño excelente.
También mira el otro extremo: acciones que cayeron fuerte. Menciona varias empresas chinas, Tableau Software, Samsung SDS, Auto Home, FireEye, Sohu.
Shkrelli hace un ejemplo concreto:
Su conclusión, y esto lo dice explícitamente: no hay forma de saber de antemano cuáles de esas 800 acciones van a ser las ganadoras o las perdedoras. No existe un método a priori para adivinarlo. Si alguien te dice que sabe cómo filtrar la lista con anticipación, según él no es verdad, no hay forma de hacerlo con certeza.
La única solución que propone: hay que mirarlas todas, una por una, y de ahí sacar cuáles son los mejores candidatos para ir “long” (comprar, apostando a que suban) o “short” (apostando a que bajen). El problema real no es la habilidad, es el tiempo: mirar 800 empresas una por una es prácticamente imposible para una sola persona. Por eso conviene acotar el universo — por ejemplo, solo empresas de software de EEUU (excluyendo China), lo que baja la lista a unas 200-400 empresas, algo más manejable.
Punto negativo que agrega al final: aunque tengas un buen proceso de análisis, podés terminar invirtiendo mucho tiempo en una empresa que simplemente no se mueve en todo el año (pone el ejemplo de GoDaddy) — es decir, podés hacer todo bien y aun así “perder” el tiempo en algo que no da ningún retorno, ni bueno ni malo. Es un riesgo real e inevitable de este oficio.
Resumen bajado a tierra, sin ilusiones:
¿Querés que sigamos con la próxima parte cuando la tengas, o preferís que profundice en algún concepto de este (por ejemplo qué es exactamente “short”, “leverage”, o cómo funciona el fee de un hedge fund)?
¡Dale! Vamos a ir parte por parte, traduciendo y explicando cada concepto financiero que menciona. Como pediste, no voy a resumir de más — prefiero que te quede clara la lógica completa aunque sea largo. Y donde hay ambigüedad o esperanza de “turnaround”, la voy a bajar a tierra, no te voy a vender optimismo barato.
Antes de meterse con la empresa, él explica por qué analiza acciones de esta manera. Dice que mucha gente comete el error de mirar dos o tres acciones, sentirse bien con una, y pensar que ya puede tomar una decisión de inversión. Su comparación: es como ir a un restaurante con 800 platos en el menú, probar solo uno, y decir “este es el mejor”. Una persona más sabia diría: “me gustó el sabor, pero no puedo saber si es el mejor sin probar los otros 799”. Sí podés notar si algo está objetivamente podrido o objetivamente muy bueno, pero no podés ranquearlo bien sin contexto.
La lección práctica: antes de decidir si una acción es “barata” o “cara”, necesitás un marco de comparación — mirar muchas empresas parecidas, no una sola. Sin ese marco, tu conclusión es básicamente una corazonada disfrazada de análisis.
Menciona que le gustan las small cap stocks (empresas de capitalización bursátil chica). La razón: los inversores grandes — pone de ejemplo a Citadel (un hedge fund gigante) — no pueden dedicarle mucho tiempo ni plata a empresas chicas, porque mover mucho dinero en una acción poco líquida distorsiona el precio y no vale la pena para ellos en relación al tamaño de su fondo.
Esto significa: menos competencia analizando esa empresa, lo que en teoría da más chances de encontrar algo mal valuado (para arriba o para abajo). Pero ojo — esto es un argumento a favor de mirar small caps, no una garantía de que vas a ganar plata. Menos ojos analizando también puede significar menos gente para “corregir” un precio si está mal, y podés quedarte atrapado en una acción sin liquidez.
Hace una distinción (y se ríe un poco de la idea de “internet” como sector separado, dice que es medio una tontería porque internet “is just an operating system”, solo es una capa/sistema operativo, no una industria en sí misma):
Esta distinción importa porque los modelos de negocio, márgenes y crecimiento son muy distintos entre un tipo y otro, así que agrupar “todo lo que está en internet” en una sola categoría te hace comparar peras con manzanas.
Él arranca diciendo textualmente que “no le encontró mucho sentido” a Angie’s List, y que el precio de la acción le parecía más o menos correcto. En su modelo de valuación tenía un descuento de aproximadamente 21% — esto probablemente se refiere a un DCF (Discounted Cash Flow, flujo de caja descontado), un método donde estimás los flujos de caja futuros de una empresa y los “descontás” (les restás valor) según una tasa que representa el riesgo y el valor del tiempo del dinero, para llegar a un valor presente. Un 21% de descuento en un negocio como este, en su cabeza, no compensa lo mal que está el negocio.
Su problema de fondo con la empresa, dicho sin vueltas: son muy poco rentables, no tuvieron flujo de caja libre positivo en mucho tiempo, y el modelo de negocio está medio roto.
Como no sabés nada de finanzas, esto es importante: el free cash flow es la plata que le queda a una empresa después de pagar todos sus gastos operativos Y las inversiones de capital necesarias para mantener/hacer crecer el negocio (compra de equipos, desarrollo de software, etc.). Es distinto a la “ganancia contable” (net income) porque hay ajustes contables (como depreciación) que no son plata real que sale o entra.
Si una empresa no genera FCF positivo de forma sostenida, en la práctica está quemando plata (o financiándose con deuda o emitiendo más acciones) para seguir funcionando. Angie’s List llevaba bastante tiempo en negativo en esta métrica.
Mira los reportes en la SEC (Securities and Exchange Commission — el regulador de EEUU donde las empresas públicas tienen que presentar sus números). Busca el ticker “ANGI” y ve que ya reportaron el segundo trimestre (Q2), así que puede ver si están “en medio de un turnaround” (una recuperación) — aunque él mismo aclara que los turnarounds siempre suenan esperanzadores, pero nunca sabés si realmente van a funcionar. Ojo con esto: es una advertencia genérica que aplica siempre, no solo acá.
La evolución del revenue trimestral:
Esto es importante: dice que la primera caída interanual es “el toque de difunto” (death knell) para una empresa de crecimiento — es decir, una vez que dejás de crecer y empezás a caer, dejás de ser una “growth company” y pasás a ser una empresa madura/estancada, con todo lo que eso implica para cómo el mercado te valúa (generalmente, mucho menos).
Los miembros pagos crecieron de 1 millón a 3 millones de usuarios. Con eso hace una cuenta simple: 3 millones de usuarios × 100 dólares cada uno ≈ 300 millones de revenue. Pero acá aparece un dato importante: de esos 100 dólares, solo 20 son de “membership revenue” (lo que paga el usuario por la suscripción) — el resto viene de “service revenue”, que es plata que le cobran a los proveedores de servicios (los profesionales/contratistas que aparecen listados en la plataforma), no al usuario final.
La conclusión que saca: la empresa gana mucha más plata de sus proveedores de servicio que de sus miembros pagos. Y por eso estarían moviéndose hacia una membresía gratuita — es decir, dejar de cobrarle al usuario y depender más de los proveedores. Esto en teoría te trae más usuarios (porque ya no pagan), pero perdés el revenue de membresía, que es de mayor margen (más rentable). Es un cambio de modelo de negocio riesgoso, no una mejora garantizada.
Números concretos que menciona:
GAAP = Generally Accepted Accounting Principles, el estándar contable oficial de EEUU. Cuando algo es “GAAP profit”, es la ganancia contable oficial, no necesariamente la plata real que entra en caja.
~180 millones en activos. Nota que el “deferred membership revenue” (ingresos diferidos por membresía — plata que ya cobraron pero todavía no “ganaron” contablemente porque el servicio se presta a futuro) está cayendo, lo cual es consistente con lo que veníamos viendo: la base de negocio pago se está debilitando. El efectivo, a pesar de haber tenido una ganancia de 5 millones ese trimestre, no creció — de hecho el cash neto bajó. Esto es una señal de alerta: ganancia contable positiva pero la caja real no mejora.
Esta es la parte más importante de todo el análisis, así que no la voy a resumir.
Sumando todo, el cash flow from operations (flujo de caja operativo) de los primeros 6 meses del año fue positivo: 14 millones de dólares.
Suena bien. Pero él inmediatamente lo destruye con dos ajustes:
CAPEX (Capital Expenditures / gastos de capital): plata que la empresa gasta en activos de largo plazo — en este caso, propiedad, equipamiento, y desarrollo de software/sitio web capitalizado. Él es tajante: para una empresa como Angie’s List, esto no es realmente una “inversión” en el sentido de que genere retornos futuros claros — es más bien un gasto necesario para mantener el negocio funcionando, así que hay que restarlo del cash flow operativo para ver la realidad.
Restando el capex de esos 14 millones, queda solo 2 millones de dólares reales en 6 meses. Anualizado (multiplicado por 2 para estimar el año completo), eso da algo así como 4 millones de dólares al año.
Su comentario, textual en espíritu: “no pagaría 600 millones de dólares por una empresa que hace 4 millones de dólares al año — te llevaría 100 años recuperar tu inversión.” Esto ya es una señal fuertemente negativa.
Ahora viene el golpe final. Si a esos 2 millones (de 6 meses) le restás también el stock-based compensation de 6.7 millones (porque, aunque no es efectivo, sí representa un costo real para los accionistas vía dilución), el resultado es:
Pérdida de 4.6 millones de dólares en 6 meses → proyectado a todo el año, una pérdida de aproximadamente 9 millones de dólares anuales.
Su conclusión, sin vueltas: "¿Pagarías 650 millones de dólares por algo que pierde 9 millones de dólares al año? No, gracias, no me interesa."
Y agrega un dato aún más negativo: si mirás los últimos 12 meses (trailing twelve months / TTM) de free cash flow menos SBC, el número es -22 millones de dólares — peor todavía que la proyección anualizada de los últimos 6 meses. O sea, la tendencia reciente es peor que el promedio del año.
Dice algo importante: aunque vos como inversor chico no vayas a comprar los 650 millones de dólares de la empresa entera, tenés que analizarla como si estuvieras comprando el 100% de la empresa. Si no pagarías 650 millones por algo que pierde 9 millones al año, tampoco deberías pagar 6 millones por algo que pierde 900 mil al año, ni 60 mil por algo que pierde 9 mil — es la misma proporción, el mismo mal negocio a cualquier escala.
Y remata con la regla general: no le pagarías nada a algo que va a seguir perdiendo plata para siempre. El único escenario donde tendría sentido es si confiás en que el negocio va a dar vuelta y empezar a ganar plata en el futuro — cosa que, según todo lo que analizó, no ve para nada clara acá. De hecho dice que, si tuviera que apostar, vería a la acción más como un “short” (una apuesta a que el precio baje), especialmente en un momento donde la tecnología cambia rápido y el negocio de Angie’s List se ve estancado frente a eso.
Reporta que sacaron el “paywall” de las reseñas (antes tenías que pagar para ver reviews, ahora no) y con eso sumaron 700.000 clientes nuevos. Suena bien en la superficie.
Pero él hace el cálculo: membership revenue es el 20% del revenue total, y necesitan que ese crecimiento de usuarios se traduzca en más plata. El problema: si los usuarios nuevos representan (según él calcula) solo un 20% de aumento, y encima muchos de esos usuarios nuevos ahora entran gratis (por sacar el paywall), no está claro que esto se traduzca en más ingresos reales. Su duda explícita: “pueden convertir eso [más gente viendo el sitio] en monetización real, o no”. No hay garantía.
Menciona que la “gran promesa” de Angie’s List es que los mercados nuevos (ciudades donde entraron más recientemente) van a crecer hasta parecerse a los mercados viejos en términos de revenue por proveedor de servicio. En mercados viejos (los primeros 10), generan ~100 dólares por proveedor en service revenue; en mercados nuevos, solo ~40 dólares.
Su conclusión: no ha visto que esa promesa se esté cumpliendo, y sospecha que puede ser porque los mercados nuevos simplemente no son tan atractivos/rentables como los viejos. Textualmente dice que él “no ve ninguna emoción” mirando estos números — es decir, no hay nada ahí que lo entusiasme.
¿Querés que sigamos con la parte de “Rachel’s model” que menciona al final, o preferís que primero afiancemos algún concepto de los que expliqué acá (FCF, SBC, GAAP, capex, DCF) antes de seguir con la próxima parte del stream?
¡Dale, vamos con esto! Te aviso antes de arrancar: como pediste, voy a ir marcando todo lo relevante, explicando cada concepto financiero que aparece (asumiendo que no sabés nada de finanzas todavía), y voy a ser conservador/pesimista en las interpretaciones — nada de “esto va a explotar para arriba” sin evidencia sólida.
Shkreli está revisando modelos financieros que le mandaron sus “analistas” (parece un ejercicio tipo concurso/entrenamiento) sobre una empresa llamada Angie’s List — una plataforma tipo “Yelp para servicios del hogar” (plomeros, electricistas, etc.) donde la gente paga membresía para ver reseñas verificadas de proveedores locales.
El modelo de suscripción es un problema. Menciona que ofrecen suscripciones de 1 o 3 años. Esto es una señal de alerta, no algo positivo: si vendés una suscripción de 3 años cobrando todo por adelantado, en tu contabilidad podés “reconocer” ese ingreso de maneras que hacen ver a la empresa mejor de lo que realmente es (más adelante vas a ver por qué esto importa con el tema “cash flow vs. net income”).
Competencia brutal y sin ventaja competitiva real. Angie’s List compite con:
Shkreli dice algo importante conceptualmente: muchos competidores no siempre es malo (“si todo el mundo quiere venir a aplastarte, es porque estás haciendo algo bien”). Pero en este caso, sumado a todo lo demás, no lo salva.
Sobre el management (CEO nuevo desde 2015, ex-presidente de Expedia): Shkreli es muy escéptico. Dice literalmente “es como un vendedor aburrido, tengo una mala sensación”. Esto es importante como concepto: al evaluar una inversión, el management/equipo directivo es uno de los factores clave, y la intuición sobre si el CEO transmite confianza (sin caer en carisma vacío) importa. Remarcá esto: no le convence que el track record de este CEO (Best Buy, Motorola, Expedia — “marcas de mierda” según él) sea garantía de nada.
Acá está la parte más valiosa del video como clase de finanzas. Revisa como 10 modelos distintos y casi todos cometen los mismos errores:
1. Nadie hace estado de flujo de caja (cash flow statement) Esto se repite en CASI TODOS los modelos y es el motivo principal por el que “despide” (fired) a la mayoría de sus analistas ficticios. Concepto clave:
Estos dos números deberían converger con el tiempo, pero en el corto plazo pueden ser muy distintos. Una empresa puede mostrar utilidad neta positiva en el papel mientras en la realidad está perdiendo efectivo (por ejemplo, por cómo reconoce ingresos de suscripciones plurianuales, o por gastos que no son “caja” como depreciación, o al revés: gastos de caja que no aparecen como gasto contable). Shkreli remarca esto como el defecto más grave: analizar una empresa sin mirar el flujo de caja es mirar solo una parte de la foto, y en el caso de Angie’s List, sospecha que el ingreso neto es positivo pero el flujo de caja libre es negativo — es decir, en el papel gana plata, en la realidad la quema. Eso es una bandera roja seria.
2. Nadie mira el balance sheet (balance general) El balance muestra activos, pasivos (deuda) y patrimonio en un momento dado. Sin esto, no podés saber cuánta deuda tiene la empresa, cuánto efectivo tiene realmente disponible, etc. Su regla es tajante: “no podés mirar una empresa sin ver los tres estados financieros: balance, estado de resultados y flujo de caja.”
3. Proyecciones de crecimiento poco realistas Varios modelos asumen que una empresa que viene cayendo o estancada (revenue bajando o membresías cayendo) de repente duplica ingresos en las proyecciones futuras. Su comentario es clave y aplicable a toda tu vida financiera futura: “las empresas no simplemente declinan su crecimiento y después repuntan de la nada” — un negocio real tiene inercia y dinámica; si algo se está achicando, hay que tener una razón concreta y creíble para asumir que va a revertir, no simplemente “porque sí” o “porque necesito que el modelo dé un buen número”.
4. Usar la tasa de descuento (discount rate) para “maquillar” el modelo Concepto: en un DCF (Discounted Cash Flow, flujo de caja descontado), se proyectan los flujos de caja futuros de una empresa y se los descuenta (se les resta valor) a una tasa que representa el riesgo y el costo de oportunidad del dinero — básicamente “cuánto vale hoy un dólar que voy a recibir en 5 años”. Cuanto más baja la tasa de descuento, más alto sale el valor presente de la empresa.
Shkreli critica a varios analistas por bajar la tasa de descuento en vez de corregir las proyecciones de ingresos poco realistas. Su punto (importante como principio general): la tasa de descuento no es una herramienta para “arreglar” un modelo que da mal. Primero tenés que proyectar lo que realmente creés que va a pasar con el negocio, y la tasa de descuento es un tema aparte (riesgo, tasa libre de riesgo, etc.), no un parche.
Dice que están:
Acá cambia de empresa y empiezan a armar un modelo desde cero para Salesforce.com (ticker: CRM).
Salesforce es un software de CRM (Customer Relationship Management / gestión de relación con clientes) — el software que usan las empresas para llevar registro de clientes, ventas, leads, etc.
Contexto histórico que da: antes existían Siebel y PeopleSoft, que vendían software CRM “a la vieja usanza” — instalado localmente, licencias caras, actualizaciones lentas. Salesforce fue pionero en el modelo SaaS (Software as a Service / software como servicio): en vez de vender una licencia que instalás en tu servidor, pagás una suscripción mensual/anual y usás el software desde la nube (web). Esto cambió toda la industria del software.
Números que menciona (sin verificar, ojo — son estimaciones del video):
El video se corta ahí mismo, justo cuando empiezan a meterse con gastos de marketing y ventas (“necesitás un ejército de vendedores para vender este tipo de software” es la idea que estaba por desarrollar).
Si querés, seguimos con la siguiente parte cuando la subas, y puedo ir guardando esta terminología para no repetírtela cada vez (o explicártela de nuevo si se te olvida, sin drama).
Dale, vamos con el análisis completo. Es una clase medio caótica (viene de subtítulos automáticos, con cortes y frases raras), así que voy a ir siguiendo el orden del stream y explicando cada concepto financiero que aparece, sin saltear nada importante. La empresa que está analizando es Salesforce (SFDC).
Arranca diciendo que según GAAP (los principios contables normales de EEUU) la empresa está básicamente en breakeven (ni gana ni pierde plata en el papel). Pero cuando mira el estado de flujo de caja (cash flow statement), la cosa es distinta y “sorprendente”.
Esto es clave para entender toda la clase: el ingreso neto contable (net income) y el efectivo real que entra o sale de la empresa (cash flow) NO son lo mismo. Una empresa puede mostrar ganancia contable y estar quemando caja, o viceversa. Por eso los inversores serios miran los tres estados financieros juntos (income statement, balance sheet, cash flow), nunca uno solo.
Dato negativo a marcar: que haya que “reconciliar” tanto el net income con el cash flow ya es señal de que la contabilidad de esta empresa es compleja, y complejidad contable generalmente es una bandera amarilla, no algo bueno.
Menciona:
Con SBC + CapEx + flujo de operaciones llega a 250 millones en flujo de caja operativo.
Punto negativo: el hecho de que el net income “positivo” dependa en gran parte de un ajuste impositivo (no de operaciones reales) es una señal de alerta. La ganancia contable es de mala calidad.
Acá hace la observación central: Salesforce vale ~50 mil millones (luego dice que la valuación de mercado ronda esto) pero no genera ganancias reales. Dice que esto ha sido “una característica, no un problema” de Salesforce históricamente — es una forma sarcástica de decir que la empresa elige gastar todo lo que gana en crecer, en vez de mostrar ganancias.
Esta es la parte conceptual más importante de la clase. Dice: sí se puede valuar una empresa así, pero hay que preguntarse:
¿La estructura de costos actual (I+D, marketing, administración) es la que la empresa va a tener siempre, o es temporal mientras crece?
La apuesta es que no, que probablemente “escale distinto” en el futuro — o sea, que los gastos como porcentaje de ingresos bajen a medida que la empresa crece (porque hay costos fijos que no crecen al mismo ritmo que las ventas).
Compara esto con Amazon: durante años Amazon reinvertía toda su ganancia en crecer y mostraba ganancias contables ínfimas o negativas, pero el negocio de fondo era rentable si dejaban de invertir tan agresivamente.
Ojo con esto: él mismo admite que esto suena “hand-wavy” (poco riguroso, especulativo). Literalmente dice “tenés que usar un poco tu imaginación”. Esto es un riesgo real del método: estás asumiendo que en el futuro la empresa será más eficiente, pero no hay garantía de que eso pase. Es una apuesta, no un hecho.
Ingresos creciendo ~25% interanual, algo que compara (otra vez) con Amazon en sus inicios. Nota que Salesforce tiene un patrón de trimestres “raro” (fiscal año distinto al calendario), por eso se toma el trabajo de poner las fechas reales para no confundirse.
Trimestre a trimestre el ingreso sube de forma bastante estable (menciona números tipo 1.4, 1.5, 1.6, 1.7… miles de millones).
Concepto clave: Deferred Revenue (ingresos diferidos)
Esto se explica varias veces a lo largo del stream porque es importante:
Dice que el guidance del próximo trimestre (2.11 a 2.12 mil millones) es casi seguro que se cumpla porque el 99% de esos ingresos ya están contractualmente asegurados. Esto es una fortaleza real del modelo de suscripción: previsibilidad.
Pero ojo (esto es importante para el lado negativo): más adelante en la clase, cuando mira el cash flow trimestral real, el deferred revenue cae en un trimestre. Él mismo dice explícitamente: “eso no es señal de una empresa en crecimiento”. Es una alerta que contradice el optimismo inicial sobre la previsibilidad. No lo minimiza — lo marca como algo a vigilar de cerca.
Esto en teoría es bueno: cuando tus ingresos crecen más rápido que tus gastos, con el tiempo el margen mejora. Es la lógica básica de apalancamiento operativo (operating leverage).
Acá arma un modelo simplificado:
Pregunta que él mismo deja abierta y sin responder con certeza: ¿realmente van a poder mejorar el margen operativo así de fácil? Dice textualmente que quizás están “sobre-gastando” pero que “algo parece un poco raro” — o sea, ni él está 100% seguro de que esto se vaya a dar. No es una certeza, es una hipótesis de valuación.
Con estos supuestos (crecimiento desacelerándose de 20-25% a 10%, margen operativo llegando a niveles “normalizados”, tasa de impuestos 25%, costo de capital 8%) llega a un valor de:
~$85 por acción, contra un precio de mercado real de $74 por acción.
Interpretación que da: el mercado es “eficiente”, entonces básicamente el precio actual de $74 ya refleja lo que el mercado espera — que la empresa pase de ~$8 mil millones de ingresos a ~$16 mil millones en 4-5 años y después se estanque en ~$20 mil millones, mejorando el margen operativo drásticamente.
Concepto importante que enseña acá: en vez de solo “adivinar” el futuro, podés hacer el proceso al revés: agarrar el precio de mercado actual y resolver qué supuestos de crecimiento y margen tendrían que cumplirse para justificar ese precio. Esto se llama a veces “reverse DCF” o valuación implícita de mercado.
El lado negativo que él mismo señala: si esos supuestos de margen (llegar a un margen operativo del 40% partiendo de casi 0%) son “ridículos” o poco realistas, entonces vender en corto (short sale) la acción sería muy rentable. O sea, todo el ejercicio depende de una apuesta grande sobre la disciplina de gastos futura de la empresa, que no está garantizada. Es un supuesto optimista con riesgo real de no cumplirse.
Menciona de pasada que la adquisición de Autonomy (por HP) fue un caso de fraude contable, y que en la industria de software esto “lamentablemente es común”. También menciona a CA (Computer Associates), otra empresa de software donde ejecutivos terminaron presos por fraude contable.
Por qué importa esto: el reconocimiento de ingresos (revenue recognition) en empresas de software es particularmente complejo y complicado de auditar, lo cual históricamente ha sido terreno fértil para manipulación contable. Es una advertencia general: en software, hay que desconfiar más de los números que en industrias más simples.
Otro concepto contable de software: las comisiones que se pagan a los vendedores por cerrar un contrato no se registran de una sola vez, sino que se difieren (se van reconociendo) a lo largo del tiempo del contrato, similar al deferred revenue pero del lado del gasto.
Nota crítica: tomar deuda para financiar adquisiciones mientras la empresa no genera cash flow libre positivo es otra señal a vigilar — significa que están financiando crecimiento con deuda y dilución, no con ganancias propias.
Este es el dato más duro de toda la clase: el cambio total en efectivo (total change in cash) fue negativo en 800 millones de dólares en un trimestre, para una empresa valuada en 50 mil millones.
Él mismo dice: “es una pérdida trimestral realmente enorme”. Aunque después trata de explicarlo con más contexto (sumando cash flow operativo + SBC - CapEx llega a un número cercano a breakeven, -28 millones), la caída de 800 millones en efectivo total es real y en gran parte por la adquisición de ExactTarget pagada en cash, más el uso normal de operaciones.
Punto metodológico importante: mirando dos trimestres juntos, el cash flow combinado es mucho más alto que mirando uno solo. La razón: en un trimestre cobraron muchísimas cuentas por cobrar (accounts receivable), y en el otro las “extendieron” (dieron más plazo a los clientes para pagar). Esto genera mucha volatilidad trimestre a trimestre en el capital de trabajo (working capital), sin que necesariamente signifique algo sobre la salud real del negocio.
Lección clara para vos: nunca juzgues una empresa por un solo trimestre de cash flow. Mirá varios trimestres seguidos para separar ruido de tendencia real.
El transcript termina literalmente en el medio de una cuenta: está sumando cash flow operativo + SBC - CapEx y dice que hay un “error crucial” en el cálculo, pero el archivo se corta ahí sin decir cuál es el error ni la respuesta.
Esta clase en el fondo es un ejercicio de valuación optimista con supuestos fuertes sin confirmar: asume que Salesforce va a mejorar drásticamente su margen operativo (de ~0% a 40%) solo por “disciplina de gastos” que todavía no se demostró. Los datos duros que aparecen en el medio (deferred revenue cayendo, cambio de caja de -800M, dependencia de deuda para adquisiciones, ganancia contable inflada por un ajuste impositivo) son señales de que el caso alcista depende de fe en management, no de evidencia dura todavía. Si esos supuestos no se cumplen, el propio profesor admite que la acción estaría sobrevaluada y un short sería rentable. No hay garantía de ningún lado.
Si querés, seguimos con la parte 33 del mismo estilo, o si preferís puedo armar un glosario corto de todos los términos (deferred revenue, SBC, CapEx, SG&A, valuation allowance, etc.) para que los tengas de referencia rápida.
Dale, vamos por partes. Esto son dos segmentos distintos: el primero es un análisis de un balance de Salesforce (parece ser el reporte de flujo de caja), y el segundo es una clase separada (setiembre 2016) sobre por qué la gente se engaña pensando que las acciones “siempre suben” en el largo plazo. Te lo traduzco y explico todo, sin resumir de más, y marcando bien lo negativo/los riesgos como pediste.
El “error” en la línea del reporte
Arranca preguntando si alguien nota un error en una línea del estado de flujo de caja de la empresa (parece Salesforce, la menciona después). La respuesta que da un alumno (Alex) es que falta agregar de nuevo el “cash from ESOP” (efectivo relacionado a los planes de opciones sobre acciones para empleados, “Employee Stock Ownership Plan”).
Contexto para que entiendas: cuando armás un estado de flujo de caja “ajustado”, muchos analistas suman de nuevo (add-back) ciertos gastos que son “no-cash” (no implican salida real de efectivo), como la compensación en acciones (stock-based compensation). La idea es llegar al “cash flow operativo verdadero” de la empresa.
El debate sobre si corresponde ese ajuste
Acá Shkreli hace algo interesante: en vez de decir “esto está mal, hay que corregirlo sí o sí”, plantea que es un tema debatible:
Su conclusión: dice que se puede mirar de las dos formas, que no cambia demasiado el resultado final, pero “no es nada” tampoco (o sea, tiene algún impacto, aunque chico).
Los números que saca
⚠️ Nota negativa acá: esto es una estimación gruesa, hecha en el momento, con datos parciales (6 meses). No es una conclusión firme, es un ejercicio de aula.
Revenue diferido (deferred revenue)
Esto es importante, prestale atención porque lo repite:
El problema que encuentra: el deferred revenue está cayendo
Acá se pone más cauteloso, casi preocupado:
⚠️ Esto es una señal de alerta real que él mismo marca: una caída en el deferred revenue trimestral es una bandera roja para cualquier empresa de software por suscripción, porque puede anticipar desaceleración de ventas nuevas.
Su opinión general sobre la empresa (con cautela)
Sobre stock-based compensation (compensación en acciones)
Alguien pregunta por la fórmula: cash flow from operations + stock-based comp − capex (inversión en bienes de capital). Shkreli dice que no tiene una postura definida (“no sé, probablemente me atrae, no lo decidí”). Aclara que los planes de stock options de empleados (ESOP) son “bastante complicados” y que conviene dedicarles tiempo aparte para entenderlos bien.
Sobre GAAP vs non-GAAP y el P/E “real”
Esto es un punto técnico importante:
⚠️ Ojo con esto: ajustar el net income sacando la compensación en acciones es una práctica común pero discutida, porque esa compensación es un costo real: diluye a los accionistas existentes aunque no salga “cash” de la caja. Muchos consideran que ignorarla infla artificialmente las métricas de rentabilidad.
Tasa de descuento y comparación con Microsoft
Menciona que usan 8% de tasa de descuento para esta empresa versus 6% para Microsoft. Esto tiene sentido en general: cuanto más riesgo/incertidumbre tiene una empresa (o menos madura/estable), mayor la tasa de descuento que se le exige, porque el futuro es menos predecible.
El resto (charla de clase)
Hay chistes con el gato, alguien pregunta por adquisiciones (dice que es “una gran pregunta” y que lo van a analizar más adelante), comentan que Benioff (CEO de Salesforce) es billonario, y cierra la clase con ~250 espectadores en vivo.
Esta es una clase distinta, con una tesis central bastante fuerte y pesimista.
La falacia central: post hoc ergo propter hoc
Te explico la frase en latín porque la usa como eje de todo:
Ejemplo que da: si llovió todos los martes de un mes, uno podría pensar que “los martes traen lluvia”, y después se decepciona cuando no llueve más los martes. Es un sesgo humano: nos encanta encontrar patrones y repetición donde puede no haber ninguno.
Su argumento: la creencia de que “las acciones (el S&P 500) siempre suben en el largo plazo” es exactamente este tipo de falacia. El hecho de que haya subido en el pasado no prueba que vaya a seguir subiendo. Compara esto con tirar una moneda: el resultado de un tiro no afecta al siguiente (independencia estadística), y él sugiere pensar los sistemas económicos de forma similar (aunque reconoce que podría haber factores sistémicos que hagan que no sea puramente aleatorio — dice que eso es discutible).
Los datos que muestra (una planilla de Excel, la ofrece compartir)
Toma el S&P 500 de los últimos ~51 años, y calcula retornos a 1, 5, 10 y 20 años (retorno geométrico).
Sin ningún ajuste:
Si en cambio tomás el promedio histórico de TODOS los períodos (1, 5, 10 y 20 años combinados): da ~8% anual, con una desviación estándar de solo ~3%.
Ajuste por inflación
Cuando ajustás ese “8% promedio” por inflación, el retorno se reduce a la mitad aproximadamente: de 8% baja a ~4%.
Ajuste por impuestos (el golpe final)
Este es el punto que más insiste en que “casi nadie tiene en cuenta”:
Su conclusión de esta parte: no hay que asumir que las acciones suben en el largo plazo. Argumenta filosóficamente: “¿por qué debería haber una fuente gratis de ganancias disponible para vos?” — dice que es ingenuo pensar que existe una “bolsa de dinero” disponible infinitamente para todo el mundo sin motivo. Si existiera una ganancia garantizada así de fácil, no tendría sentido económico.
Sesgo de selección (selection bias) — el problema final que deja planteado
Justo donde corta la transcripción, empieza a introducir un problema adicional, todavía más grave según él:
Si querés, en el próximo bloque de subtítulos que me pases seguimos con la parte de Michael Jordan / selection bias, que quedó cortada acá.
Dale, vamos con esto. Te lo explico en español, tratando de no dejar afuera nada importante. Es información densa así que voy por partes.
La idea central acá es una crítica a la creencia de que “las acciones siempre suben a largo plazo”. Para probarlo, usa el índice Nikkei de Japón:
=TASA(68, 0, -100, 17000) te da un retorno anualizado del 8% en 68 años.Suena espectacular, ¿no? Acá viene la trampa: eso es sesgo de selección. Elegiste el punto de partida (justo después de una guerra mundial, en el peor momento posible, cuando solo quedaba para subir) y el punto de llegada que más te convenía. Es como decir “si comprabas EEUU después de la Gran Depresión, hiciste una fortuna” — obvio, porque elegiste el peor momento como punto de partida.
El dato negativo real: en los últimos 22 años (desde donde él habla, o sea aprox. 1994-2016), el retorno promedio de las acciones japonesas a 10 años fue negativo. Y esto sin ajustar por inflación (en Japón la inflación fue casi nula o negativa, así que ni siquiera podés echarle la culpa a eso). Es decir: alguien que invirtió en Japón durante dos décadas largas, tomando riesgo de acciones (que se supone que te tiene que pagar MÁS que un bono porque es más riesgoso), terminó con retorno negativo. Tomaste el riesgo y encima perdiste plata. Esa es la anomalía que él remarca como advertencia.
La conclusión que él saca: la misma lógica de “sesgo de selección” que se aplica a Japón o a Rusia (bolsa rusa) se aplica también a EEUU. Elegimos EEUU como ejemplo de “las acciones suben” solo porque da la casualidad de que fue el mercado ganador del siglo XX. Pero elegir un solo país ganador y proyectarlo como regla universal es una falacia estadística — es como juzgar la carrera de un jugador de básquet por sus mejores 10 partidos.
Menciona que vio algo del ex jugador de fútbol americano Chad Ochocinco, que nunca invirtió en nada — igual que sus propios padres (inmigrantes sin educación financiera) — y a ambos les fue mejor así, simplemente ahorrando y trabajando su ingreso, que la gente que se distrae tratando de “ser inversor”. Él dice que le debe una disculpa a sus padres por haber insistido en el pasado que “invirtieran mejor” — porque en retrospectiva, el escepticismo/cinismo de no meterse en los mercados fue la decisión más sabia. Mensaje: el mito de “meto la plata en una caja (acciones) y crece sola” es, según él, una mentira peligrosa.
Bridgewater es el hedge fund más grande del mundo — en ese momento con 150 mil billones de dólares (150 billion en inglés = 150 mil millones en español) en activos bajo gestión.
La matemática del negocio de los hedge funds (esto es importante, es sobre cómo ellos ganan plata, no necesariamente vos como inversor):
Lo particular de Bridgewater: a diferencia de la mayoría de los hedge funds, casi no operan acciones (stocks). Son un “macro hedge fund” — operan otra cosa (esto queda para desarrollar después, menciona que van a hablar de “risk parity” al final, pero no llega a explicarlo en detalle en este fragmento).
En las oficinas de Bridgewater:
La cita clave de Dalio que él resalta: "¿Qué tan grande impedimento es el dolor psicológico para tu progreso?" — la idea es que el dolor psicológico (el miedo a estar equivocado, a que te digan que tu idea es mala, a descubrir que estuviste 15-20 años haciendo algo mal) es el obstáculo más grande para mejorar como inversor (o en cualquier otra área de la vida). El que habla dice que coincide profundamente con esto: somos nuestros propios peores enemigos, y el miedo al dolor psicológico de estar equivocado nos frena de progresar.
Menciona el sitio principles.com (los “principios” de Dalio publicados) como algo recomendable de leer, con varias citas que rescata:
Dato duro sobre Bridgewater: han generado, en dólares absolutos, más ganancias que cualquier hedge fund en la historia — 45 mil millones de dólares para sus inversores a lo largo de su existencia. Contraste negativo: menciona que el hedge fund de Bill Ackman en cambio perdió plata para sus inversores desde su creación.
Esta es la parte más importante en términos prácticos, y es una advertencia, no una promesa:
Cuando un hedge fund crece en tamaño (de, digamos, 100 millones a 10 mil millones de dólares bajo gestión), pasa algo peligroso:
Conclusión negativa clave: un fondo puede tener años excelentes cuando es chico, crecer por esa buena reputación, y después — ya siendo gigante — un par de años malos le puede destruir todo el track record histórico a sus inversores actuales. Menciona que esto le pasó a varios fondos (nombra de pasada a Greenlight Capital como posible ejemplo) y que la mayoría de los hedge funds que existieron en la historia terminaron cerrando por bajo rendimiento. De los pocos que sobrevivieron y tuvieron éxito, algunos lo lograron:
Dice literalmente que su conclusión personal, después de años en la industria de hedge funds, es que el mercado financiero no es un buen lugar para hacer mucha plata, y que psicológicamente tampoco es gratificante “tradear papelitos” (acciones). Sobre los fondos indexados (index funds) dice que tal vez le ganan a los hedge funds en promedio, pero que en sí mismos tampoco los considera un buen instrumento de retorno.
Termina diciendo que por eso él decidió dejar de invertir en “gestores de activos” (o sea, meter plata en fondos de otra gente) y en cambio gestionar los activos él mismo directamente — eso le pareció mejor manera de generar retorno/alpha.
El corte queda ahí: el texto termina justo cuando empieza a explicar qué es “risk parity” (la estrategia específica de Bridgewater), pero no llega a desarrollarla en este fragmento — quedó para la continuación.
Si tenés la parte siguiente del stream, pasámela y seguimos con risk parity, que es más técnico.
¡Dale! Vamos con esto en detalle, sin resumir de más, traduciendo y explicando cada concepto que menciona en la clase. Como pediste, sin pintar todo color de rosa: donde hay riesgos o cosas que no funcionan bien, lo remarco.
Menciona un paper de AQR (otro hedge fund cuantitativo, parecido pero distinto a Bridgewater — Bridgewater es EL fondo más famoso en usar esta estrategia, pero no escribieron ellos este paper específico). Dice que son como 9-11 páginas útiles (el resto son disclaimers legales) y que vale la pena leerlo.
¿Qué es risk parity? Es un concepto de asignación de activos (asset allocation). La idea central: en vez de decidir cuánto plata poner en acciones vs bonos según el % de tu portfolio (ej: 60% acciones / 40% bonos), lo decidís según el riesgo que aporta cada activo. La lógica es que las acciones son mucho más volátiles que los bonos, entonces un portfolio “60/40” en realidad tiene el 90%+ de su riesgo viniendo de las acciones, no del 60%.
Da un espectro de ejemplos, de menor a mayor riesgo:
Explica un ejemplo práctico de cómo algunos fondos implementan esto (aclara explícitamente que él personalmente no lo respalda, aunque reconoce que “funcionó” históricamente):
Su crítica clave: esto asume que el retorno futuro está correlacionado con el riesgo pasado/reciente (comprar más después de que algo cayó, asumiendo que “debe” subir). Él dice explícitamente que no cree que eso sea necesariamente cierto — es una falacia de pensar que porque algo bajó, “tiene que” subir. Es básicamente una forma de trading contrarian disfrazada de matemática de riesgo.
⚠️ Punto negativo a remarcar: Esta estrategia puede fallar catastróficamente si un activo cae y sigue cayendo sin rebotar (no hay garantía de reversión a la media). El ejemplo que da es amigable, pero en la vida real hay períodos donde acciones Y bonos caen juntos, o donde la caída es permanente, no temporaria.
Esto es la parte más filosófica/importante de la clase. Da su propia definición (aclara que es su opinión, no una verdad universal):
Especulación = intentar ganar plata con el cambio de precio de un instrumento que no tiene un valor justo (fair value) discernible. Es decir, no podés calcular matemáticamente cuánto “debería” valer.
Inversión = intentar ganar plata con el cambio de precio de un instrumento que SÍ tiene un valor justo razonablemente discernible y falsable (falsifiable = que se puede verificar/refutar científicamente).
Punto importante: dice que ambas cosas (especular e invertir) son en el fondo una forma de “arbitraje de expectativas” — la idea de que vos creés que podés predecir el precio futuro de algo mejor que el mercado en general. La diferencia está en el método: uno usa matemática/diligencia calculable, el otro usa “vudú” (su palabra, medio en broma) — psicología, sentimiento, macro.
Aclara que no es un insulto hacia los especuladores macro — dice que es cuestión de gustos: a él personalmente le gusta más el método “científico” del value investing, pero reconoce que hay gente que prefiere el approach más especulativo/psicológico.
Empieza a hablar de los instrumentos que se tradean en macro, arrancando por divisas (currency / FX).
⚠️ Punto clave y algo alarmante que él remarca: estadísticamente, un evento de 10 sigma no debería ocurrir jamás si asumís que los retornos siguen una distribución normal. Esto es una crítica implícita a los modelos de riesgo tradicionales (como los que usan distribución normal): la realidad tiene “colas gordas” (fat tails), eventos extremos ocurren mucho más seguido de lo que la estadística “normal” predice. Y él remarca que esta caída no fue temporal, fue permanente — la libra nunca se recuperó a esos niveles.
Esta es una anécdota personal suya, bastante reveladora del mindset especulativo agresivo:
⚠️ Punto negativo a remarcar: esto es un ejemplo de una tesis que, aunque fuera “correcta” en el análisis (el peg efectivamente se iba a romper), no se pudo ejecutar por falta de liquidez/acceso al mercado. Tener razón sobre el evento no sirve de nada si no podés tradearlo. Es una lección importante: no todas las oportunidades son explotables, y perseguir estas cosas exóticas puede consumir mucho tiempo y esfuerzo sin retorno.
Introduce el concepto de carry trade, conectándolo con la inflación:
El transcript corta ahí mismo, mencionando que iba a dar un ejemplo histórico de EEUU en los años 70 con alta inflación (antes de que existiera el euro), pero el texto se corta antes de desarrollarlo.
⚠️ Resumen de riesgos/puntos negativos que remarca él mismo o que se desprenden del contenido:
¿Querés que sigamos con la parte que sigue del audio (la que se corta al final, sobre carry trade en los 70s), o preferís que primero repasemos/afiancemos algo de esto?
Dale, vamos a repasar todo el bloque en detalle. Te aviso ya: esto es contenido de un stream medio improvisado, el tipo (asumo que sabés quién es) va saltando de tema en tema y él mismo aclara varias veces que no es experto en macro ni en renta fija, así que tomalo como una introducción informal, no como una clase estructurada. Voy a ir tema por tema, traduciendo y explicando cada concepto como si no supieras nada, porque así lo pediste.
Arranca mostrando el gráfico del tipo de cambio dólar/libra esterlina. Dice que en un momento hubo un debilitamiento de la libra y un fortalecimiento “nunca visto en décadas” del dólar. Para ilustrarlo, se va a un gráfico de bonos de gobierno de EEUU en los años 70.
Carry trade: es una estrategia donde pedís prestado en una moneda con tasa de interés baja e invertís en una moneda/activo con tasa de interés alta, ganando la diferencia (“el carry”). En los 70 en EEUU había una inflación altísima (10-12%), y como consecuencia las tasas de interés también eran altísimas: si tenías un depósito en un banco de EEUU, ganabas hasta 15% anual solo por tener la plata ahí. Eso generaba que todo el mundo quisiera tener dólares (para captar esa tasa), lo cual fortalecía el dólar frente a otras monedas como la libra.
Punto negativo a marcar: esto no es gratis ni es “plata fácil”. Una tasa de interés del 15% en ese contexto convivía con una inflación del 10-12%, así que la ganancia real (ajustada por inflación) era mucho menor de lo que parece, y además hubo muchísima volatilidad cambiaria en el medio. El carry trade históricamente es una de las estrategias que más dinero hace perder cuando la moneda se da vuelta de golpe.
También menciona que en esa época los Treasuries (bonos del gobierno de EEUU) subieron de rendimiento (yield) mientras el precio bajaba — esto es clave y lo vas a ver repetido: el yield (rendimiento) y el precio del bono se mueven en direcciones opuestas.
Pregunta retórica: “¿si operás futuros de acciones, estás operando acciones?” Respuesta: no exactamente.
Futuro: es un contrato donde acordás comprar o vender un activo a un precio fijado hoy, con entrega en una fecha futura (vencen mensualmente, trimestralmente, etc.). No es lo mismo que comprar la acción o el índice directamente.
Nota sobre él mismo: aclara que él no hace macro, que invierte en private equity, que es “entrepreneur” (constructor de empresas), y que esto lo explica porque sabe un poco del tema, no porque sea su especialidad. Es importante que lo tengas presente: todo lo que sigue es una explicación de alguien que él mismo dice que no domina el 100%.
Ejemplo concreto de cómo se arma una apuesta macro combinando futuros de índice + futuros de moneda:
Punto negativo a marcar: son apuestas basadas en pronósticos de política monetaria, que son extremadamente difíciles de acertar incluso para profesionales. Es una estrategia de alto riesgo, apalancada, y basada en predicciones sobre bancos centrales.
Menciona que además de futuros de acciones y monedas, existen futuros de commodities: petróleo, oro, plata, agrícolas (“AG” = agricultural).
Ejemplo de “pair trade” (trade de par) con cobertura:
Otros tipos de futuros que menciona (algunos sugeridos por el chat/audiencia):
Aclara varias veces que no es su área de expertise y que no quiere meterse mucho en commodities.
Hace una prueba en pantalla: correlación entre el oro y el índice S&P (SPY) desde 1950 (aprox). Resultado: correlación levemente negativa. Es decir, cuando las cosas van mal en la economía/bolsa, el oro tiende a subir un poco (la gente “corre” al oro como refugio de valor). El oro funciona como alternativa a las monedas fiat (monedas respaldadas por el gobierno, no por un bien físico).
Petróleo, en cambio, es distinto: no es un refugio de valor, sino que está más correlacionado con la actividad económica real — sube cuando la economía va bien, porque se consume más. Menciona el contexto de esa época: mercado bajista fuerte del petróleo, dudas sobre si China (gran consumidor) está en recesión, con el agravante de que China no es transparente con sus datos económicos reales. Trigo y maíz los describe como mercados mucho menos líquidos y más complejos, con caídas fuertes en esa época.
Dice algo importante para dimensionar esto: el mercado de bonos del Tesoro de EEUU (US Treasury market) es más grande, en volumen de operaciones diarias, que el mercado de acciones de EEUU. La gente subestima el tamaño del mercado de deuda.
Esto es un concepto central, tomate un minuto acá:
Cómo se opera esto en la vida real: menciona que podés apostar montos enormes (mil millones, diez mil millones, hasta cincuenta mil millones de dólares) a que la curva se aplane o se empine, con una contraparte tipo Goldman Sachs, Morgan Stanley o UBS, que estructuran el trade y cobran comisión por armarlo. Esto es la operatoria clásica de “tens versus twos” (10 años contra 2 años).
Riesgo de estas apuestas (esto lo dice él mismo, no lo estoy inventando): si apostás a que se empine (steepener) y en cambio se aplana, perdés plata. Y viceversa. Es una apuesta direccional pura, sin margen de error de “más o menos”.
Por qué se mueven los distintos tramos de la curva:
Su opinión personal sobre el mercado en ese momento (aclara que es su visión, no un hecho): pensaba que la curva venía aplanándose demasiado (“flatten flatten flatten”), comparando con 5 años atrás donde la curva era mucho más empinada. Decía que la diferencia de costo entre pedir prestado a 30 años vs a 5 años se había vuelto artificialmente chica, asumiendo que no hay riesgo de default en EEUU — algo que él creía que iba a cambiar. Su conclusión: si fuera trader, en ese momento pondría un “steepener trade” (apostar a que la curva se empine de nuevo).
Punto negativo importante que él mismo remarca: dice explícitamente que mucha gente perdió mucha plata haciendo este trade (apostando a que la curva se iba a empinar, cuando en realidad siguió aplanándose). Es una manera honesta de decirte: predecir la curva de rendimientos es muy difícil y hay gente profesional que se equivocó feo con esto.
Resumen de la parte negativa/realista que pediste que no omita: absolutamente todo lo que describe en este stream son estrategias de altísimo riesgo, apalancadas, que requieren licencias especiales, capital enorme, y que —según sus propias palabras— han hecho perder mucha plata a gente profesional (el ejemplo del steepener trade es el caso más claro). Él mismo se desmarca varias veces diciendo que no es experto en macro, en commodities, ni en renta fija — es alguien de private equity dando una explicación general, no un especialista certificado en estos mercados. Tomalo como una introducción conceptual, no como una guía para operar.
Si querés, en el próximo bloque que me pases podemos armar un glosario acumulado con todos los términos (carry trade, e-mini, steepener/flattener, CDS, etc.) para que no se te mezclen a medida que avanza el curso.
¡Dale! Vamos a desglosar esto bien a fondo, sin resumir de más, porque hay mucha “jerga” financiera metida en poco tiempo. Voy a traducir las ideas y explicarte cada concepto como si no supieras nada (que es lo que me pediste), y voy a marcar los riesgos/lados negativos de cada cosa, sin vender ilusiones.
La idea es: existen instrumentos llamados CDS (Credit Default Swaps), que son básicamente un “seguro” contra el default (no pago) de un bono. Vos le pagás una prima a alguien, y si la empresa (en este caso Amgen, un laboratorio farmacéutico) no paga su deuda, el vendedor del CDS te cubre la pérdida.
En el audio dice algo así: los bonos de Amgen rinden un 2%, y ese rendimiento está unos 70 puntos básicos (0,70%) por encima de los bonos del Tesoro de EEUU (que se consideran “libres de riesgo”). Si asegurás esos bonos con un CDS que cuesta 1,5%, en teoría te queda una ganancia “gratis” de unos 20 puntos básicos (0,20%).
Acá está lo negativo, y lo dice él mismo: eso de “dinero gratis” no existe. El problema es que estos bonos y estos seguros no son líquidos (no hay mucha gente comprando y vendiendo todo el tiempo). Entonces, en el momento en que vos intentás armar esa operación (comprar el bono + comprar el seguro), el precio se te mueve en contra y esa “ganancia gratis” se evapora antes de que puedas cerrarla. Solo en pánicos financieros grandes (crisis) a veces se puede efectivamente capturar ese arbitraje, porque ahí la gente vende barato por pánico y quedan estas ineficiencias.
También menciona que las tasas de CDS son poco transparentes — es decir, es difícil saber el precio real, otro problema más para intentar operar esto.
Acá tira una lista de productos financieros que probablemente nunca escuchaste, y el punto que quiere hacer es: el mundo de las inversiones es muchísimo más grande que “comprar acciones”. Te explico cada uno:
La idea central que quiere dejarte (y esto es importante, prestá atención): existe una “falacia del universo” — la gente cree que las mejores oportunidades de arbitraje están en lo que ya conoce (para la mayoría, acciones), simplemente porque es lo único que vio. Pero como existen infinitos instrumentos distintos, es una tontería asumir que las mejores oportunidades están justo en tu zona de confort. Esto es más una advertencia epistemológica que un consejo práctico: no te cierres a un solo mercado por ignorancia de los demás.
Esta es la parte más densa, así que vamos con calma.
¿Qué es la inflación? El cambio de precios de una canasta de bienes. Existen medidas oficiales: CPI (Índice de Precios al Consumidor), PPI (Índice de Precios al Productor), PCE (Gasto de Consumo Personal, la que más mira la Reserva Federal).
Su postura (bastante escéptica, ojo): dice que estas medidas oficiales no le sirven demasiado. ¿Por qué? Porque si sos un inversor grande, lo que realmente te importa no es cuánto subió el precio de la leche o el alquiler — te importa tu poder adquisitivo real en relación a tus inversiones. Es decir, la pregunta relevante no es “¿cuánto subieron los precios?” sino “¿cuánto rinde mi plata comparado con la inflación real que yo enfrento?”.
Menciona los TIPS (Treasury Inflation-Protected Securities): son bonos del Tesoro de EEUU que ajustan su valor según la inflación. El mercado de TIPS, según él, te da una mejor pista de lo que el mercado espera de inflación que las estadísticas del gobierno.
Un punto interesante y contraintuitivo que remarca: no todo se infla siempre. Da varios ejemplos de cosas que bajaron de precio con el tiempo:
Y acá tira una idea de un mentor suyo (“Ed”): que las acciones y los bonos son en sí mismos “los bienes más grandes que existen”, y también tienen su propia inflación (es decir, suben de precio por razones que no son “fundamentales” sino más psicológicas/monetarias). Esto conecta con la idea de que la inflación no es un fenómeno uniforme — depende de qué estés midiendo y en qué mercado.
Conclusión de esta sección, sin adornos: no hay una sola respuesta correcta sobre “qué es la inflación” ni una métrica perfecta. Cualquier cosa que te digan con demasiada seguridad sobre esto, dudalo.
Dice que el PIB también es, de alguna forma, una medida de inflación (mide transacciones económicas). Pero es imperfecto:
No te da una alternativa mágica, solo te dice: sé escéptico con el PIB también.
Menciona varios indicadores que se siguen en macro:
Punto importante y con trampa: los yields (rendimientos) altos no siempre significan que el mercado de crédito está sano. Podés tener rendimientos altos pero con los mercados de crédito congelados — es decir, nadie realmente está prestando ni pidiendo prestado, aunque las tasas cotizadas sean altas. Hay que mirar ambas cosas juntas, no una sola.
Ventajas que menciona:
Desventajas (esto es clave, no te lo minimice):
Traducción brutal de esto: no asumas que porque alguien tuvo un historial impresionante, es reproducible o que vos podés lograr lo mismo. La probabilidad estadística está en contra de que sea “habilidad pura” en la mayoría de los casos.
Si querés, puedo seguir con la siguiente parte de la transcripción cuando la tengas, manteniendo este mismo nivel de detalle.
Dale, voy tema por tema. Es un stream bastante desordenado y con mucha data suelta, así que te separo las ideas para que no se pierda nada. Te aviso: el tono de Shkreli acá es deliberadamente pesimista sobre invertir como aficionado, y yo no voy a suavizarlo ni a venderte falsas esperanzas — de hecho el mensaje central de todo esto es “no te va a ir bien si no le dedicás la vida entera”.
Dice que la palabra “invertir” es solo una forma más elegante (o pretenciosa) de decir “trading”. Cada vez que cambiás efectivo por un activo financiero (una acción, un bono, lo que sea), estás haciendo lo mismo, más allá de cómo lo llames. La distinción entre “invertir a largo plazo” y “tradear” para él es más semántica que real.
Dice que no es tan fácil comparar “las divisas son más riesgosas que las acciones” (una frase común en finanzas) porque son cosas distintas: las monedas normalmente se mueven poco (por definición, una moneda estable no varía mucho de un día a otro), mientras que una acción puede llegar a valer cero (la empresa puede quebrar). Entonces comparar “volatilidad” entre ambas no es una comparación justa — son riesgos de naturaleza distinta.
Dice que él no usa el panorama macro (tasas de interés, crecimiento económico, etc.) para decidir cuándo entrar a una inversión. Menciona a Warren Buffett diciendo algo parecido, aunque nota la ironía: en la práctica, mucha gente (incluido probablemente Buffett) tiende a invertir a largo plazo justo cuando el mercado está mal — o sea, predican que no miran el macro pero terminan comprando más cuando hay crisis.
Aclara que él no dijo que la propiedad inmobiliaria sea “mala”, simplemente que no la entiende del todo. Reconoce que hay tierra finita en lugares donde la gente quiere vivir, y que el precio refleja esa disposición a pagar por ubicación — pero admite que ese mercado no es su fuerte.
Está hablando de un libro clásico de value investing (probablemente “El Inversor Inteligente” de Benjamin Graham, aunque no lo nombra). Su postura:
Es muy despectivo con los dos:
Te lo explico porque es un concepto técnico: son bonos de deuda que emiten los gobiernos estatales o municipales (no el gobierno federal) para financiar obra pública. La idea que menciona Shkreli:
Pregunta: “¿por qué tener efectivo si las tasas de interés son tan bajas?” Su respuesta (repite la idea de “no hay almuerzo gratis”): si las tasas de interés nominales son altas, generalmente es porque hay mucha inflación. Entonces ganar un 5% de interés no sirve de nada si tu plata está perdiendo 5% de poder de compra al mismo tiempo por la inflación. Lo que importa es la tasa real (tasa nominal menos inflación), no el número nominal.
Dice que no va a dar “stock tips” porque hacerlo bien requiere, según él, unas 100 horas de investigación profunda por acción — no se puede opinar en segundos sobre un papel. Además dice que su tiempo lo dedica a crear empresas, no a analizar acciones ajenas.
Acá es donde es más brutalmente pesimista, y te lo traduzco fiel porque pediste que no suavice nada:
Dice que sí, básicamente. Su argumento: si tomás en cuenta la inflación y los impuestos, el retorno esperado neto de las acciones no es realmente positivo. (Ojo: esto es una opinión suya, no un consenso — la mayoría de la literatura financiera académica sí sostiene que las acciones tienen retorno real positivo a largo plazo, aunque con volatilidad. Te lo marco porque me pediste que no te venda falsas esperanzas, pero tampoco te quiero hacer creer que “el mercado es un fraude” es la única visión seria del tema — es una postura particular y bastante extrema la de él).
Explica por qué un bono con yield alto (rendimiento alto) no es “gratis”: ese rendimiento alto compensa un riesgo alto de que la empresa deje de pagar (default) o de que el precio del bono caiga. “Hay retorno, pero es retorno por asumir riesgo” — no es una ganancia sin contrapartida.
Los describe como el instrumento más seguro que existe en términos de no perder el capital. Pero aclara algo importante: comprar bonos del Tesoro es una apuesta implícita a que:
Las nombra rápido, sin análisis profundo en el texto: Stamps.com, RealPage (dice que le fue bien), Groupon (dice que desconfiaba del movimiento fuerte que tuvo), y menciona que iban a mirar empresas de “economía compartida” tipo Yelp y Angie’s List. No las presenta como recomendaciones, más como ejemplos de charla.
Dice que la idea de “tenés que hacer todo antes que los demás” (pasantías a los 17-18 años, por ejemplo) es una falacia. Empezar antes no genera resultados superiores por sí solo, y hasta puede jugarte en contra si te empuja a tomar decisiones sin la madurez o perspectiva para entenderlas bien.
Comenta que no mira los dividendos del S&P 500 aisladamente porque mirar un solo país (EE.UU.) tiene sesgo de selección (selection bias): estás mirando el mercado que “ganó” históricamente, y eso puede distorsionar tu percepción de qué tan normal es ese resultado.
Repite la misma idea de antes con otra metáfora: le gusta tocar la guitarra como hobby, pero jamás competiría por dinero contra un guitarrista profesional de Radiohead. Su punto: invertir en bolsa sin ser profesional es exactamente eso — competir por dinero en una liga para la que no estás preparado.
Este es un concepto central en finanzas: la idea de que los precios de los activos ya reflejan toda la información disponible, por lo que es muy difícil “ganarle” sistemáticamente al mercado analizando información pública.
Resumen del mensaje de fondo, sin adornos: la postura de Shkreli en este stream es que el inversor amateur promedio, salvo que dedique todo su tiempo a esto de forma profesional, no tiene expectativa real de ganarle al mercado ni de superar la inflación invirtiendo en acciones o bonos por su cuenta. Su sugerencia concreta es invertir en vos mismo (carrera, habilidades) antes que en el mercado. Es una visión pesimista y particular — no la única que existe en finanzas, pero es la que él sostiene acá con bastante insistencia.
Si querés, puedo seguir con la segunda parte del stream cuando la subas.
¡Dale! Vamos con las partes relevantes de finanzas, traducidas y explicadas. Voy a saltear las partes de vida personal, salud, drogas, causa judicial, etc. (que no aportan nada a lo financiero) y me voy a enfocar en lo que sí sirve para aprender. Te aviso: el tono de él es bastante realista/pesimista sobre las expectativas de la gente, así que lo mantengo así, sin endulzarlo.
Dice que no alcanza con un “95%” de esfuerzo — que en cuanto empezás a bajar al rango de “80%” alguien que está dando el 100% te va a superar. Esto lo aplica como metáfora de la disciplina que hace falta en cualquier disciplina competitiva, incluida la inversión: si no le metés todo, hay otro que sí lo hace y te gana.
Dice que no cree que el Roth IRA sea una herramienta para “inversores no sofisticados” — es decir, lo defiende como una herramienta válida incluso para gente que sabe lo que hace, no solo para principiantes. (Nota: el Roth IRA es una cuenta de jubilación en EEUU con ventajas impositivas; el aporte se hace con plata ya gravada, pero después no pagás impuestos al retirar en la jubilación.)
Le preguntan si debería apostar plata a su propia pelea de boxeo contra un profesional, sin saber boxear. Su respuesta: “la pregunta se responde sola” — o sea, no. Es una forma de decir: no apuestes en algo donde no tenés ninguna ventaja ni preparación. Es la misma lógica que aplica a invertir en algo que no entendés.
Dice que nadie debería querer ser CEO — que la parte más difícil no es el producto ni la estrategia, sino la gente: “la gente es una locura, manejar personas es increíblemente difícil”. Esto es relevante si en algún momento pensás en emprender o dirigir un equipo.
Responde: “más o menos”. No profundiza mucho acá, pero lo marca como una duda legítima, no lo niega de plano.
Le preguntan si se mudaría a Silicon Valley y dice que no cree que haga falta estar en ningún lugar específico para hacer algo grande — pone de ejemplo a Warren Buffett, que maneja la empresa de inversión más grande del mundo desde Omaha, Nebraska (un pueblo chico, no un centro financiero). La idea: la ubicación importa menos que la disciplina y el proceso.
Dice que el problema más grande al armar una empresa de tecnología no es conseguir talento — es simplemente lograr despegar, arrancar el proyecto. Conseguir gente buena es “otro juego completamente distinto” (o sea, un problema secundario comparado con el de ejecutar y arrancar).
Le preguntan si alguna vez hizo una mala apuesta (en el sentido de inversión). Responde que sí — esta semana, este mes, este año. Punto importante: incluso alguien con mucha experiencia se equivoca seguido. No hay que esperar un track record perfecto ni de vos ni de nadie.
Dice que paga gente para que le escriba código, pero que como manejador de una empresa creés que tenés que saber qué hacen tus empleados y ayudarlos — al punto de que ahora él mismo puede contribuir código porque entendió la base. La idea: no delegues a ciegas, entendé lo suficiente del negocio como para supervisar de verdad.
Esto es la lección de finanzas “real” del video, la parte armada como clase. Te la traduzco completa porque es la más densa en contenido:
Arranca hablando de objetivos: dice que mucha gente entra a finanzas/inversión sin entender bien qué está buscando, con conceptos equivocados de lo que es esto. Y advierte de entrada: la inversión “no es para todos”. Dice literalmente que probablemente va a “romper esperanzas y sueños” de varios, pero que prefiere ser realista.
Después cuenta su historia personal como ejemplo (no para inspirar, sino para dar contexto realista):
Hay dos caminos en la industria de inversión:
1. Family Office (oficina familiar):
2. OPM (dinero de terceros):
El mensaje no es “invertí y hacete rico”. El mensaje es: la inmensa mayoría de la gente que quiere “vivir de invertir” no lo va a hacer con su propio capital porque no tiene suficiente. El camino realista para casi todos los que quieren estar en esta industria profesionalmente es administrar plata ajena (fondos, hedge funds, gestión de patrimonio), no vivir de trading personal con capital propio.
Lo que salteé (a propósito, porque no tiene nada que ver con finanzas): las preguntas sobre antidepresivos/benzodiacepinas, drogas recreativas, JavaScript/Python como hobby personal, la causa judicial y posible cárcel, la vida sexual, ejercicio/dieta, la anécdota de Dungeons & Dragons, y el cierre emotivo sobre el apoyo de la gente en la calle. Nada de eso es contenido financiero.
Si querés, en el próximo bloque de subtítulos puedo seguir con el mismo criterio: extraer todo lo financiero en detalle, traducir, y mantener el tono de “esto es difícil, no te ilusiones de más”.
¡Dale! Acá te desgloso todo lo que dice en esta parte, traducido y explicado, sin resumir de más. Es una transcripción de audio así que tiene algunos saltos raros, pero la idea general está clara.
Le preguntan si esto de manejar plata ajena aplica a “todo el mundo” y él dice que sí, básicamente casi cualquier gran inversor exitoso maneja plata que no es propia. Da ejemplos:
El punto clave (y acá va lo negativo, como pediste): si vos tenés la fantasía de agarrar tu propia plata y hacerte millonario invirtiendo por tu cuenta, él dice literalmente que es “poco probable y un poco de locura”. No dice que sea imposible, pero te baja el copete de entrada.
Da dos ejemplos de gente que arrancó de cero:
Conclusión de él: se puede hacer, pero es muy difícil y poco probable. La opción más razonable, dice, es desarrollar habilidades para que otra gente te pague a vos, en vez de tratar de convertir tu propia plata en una fortuna.
Cuenta que a esa edad hizo un diagnóstico bien crudo de su situación: “soy pobre, si ahorro cada centavo voy a seguir siendo pobre”. Entendió que la solución no era ahorrar ni invertir su propia plata (porque es “muy difícil” convertir poco en mucho), sino conseguir una habilidad por la cual alguien le pague.
Esto es el núcleo “anti-expectativas-falsas” del texto:
Le preguntan específicamente por Renaissance y él explica:
Warren Buffett, considerado el mejor inversor de la historia, tiene un retorno promedio anual de apenas ~15%. Repite: “no es un retorno milagroso”. La gracia de Buffett no es el % anual en sí, sino el interés compuesto sostenido durante décadas (15-20% anual durante 20+ años se convierte en muchísima plata).
Le preguntan qué se puede hacer con 2, 20 o 50 mil dólares invirtiendo. Su respuesta textual: “absolutamente nada”. Con esa plata “podés irte de vacaciones lindas”, nada más. Su argumento:
Acá hace un ejemplo bastante crudo:
Conclusión (negativa/realista): esto no es “bueno” moralmente, nadie debería aspirar a eso, pero explica por qué las firmas contratan gente así igual — porque todo profesional comete errores constantemente, incluso los más grandes (menciona que George Soros y Julian Robertson —de Tiger Management— cometieron errores enormes a lo largo de sus carreras). La ventaja de ser asesor/analista es que tu propia plata nunca está en riesgo real, el riesgo lo tiene el cliente o la firma.
Esta es la idea que más repite:
Autocrítica que menciona: si pudiera volver atrás, se hubiera quedado más tiempo en un puesto tipo “vicepresidente” (número 2) en vez de apurarse a ser “el jefe”.
Le sacan el tema porque hay gente comentando eso en el chat en vivo. Su respuesta (bien pesimista, como pediste):
Dice textual que él estaría feliz con un 7% anual de retorno de por vida, porque en el largo plazo (50-60 años) eso es una barbaridad de plata compuesta. Y agrega algo importante: cree que un 7% anual sostenido es en realidad muy difícil de lograr en el largo plazo. No busca “pegarla” una vez, busca un enfoque que funcione durante décadas, hasta que se muera.
Dice que la gente (él incluido) pierde mucho tiempo “dando vueltas en el lugar” antes de encontrar su rumbo real. Hay que ser “socrático” (cuestionarte a vos mismo) sobre tus fortalezas y debilidades reales, porque nadie es bueno en todo. Ejemplos personales que da:
También cuenta que él mismo, siendo “una persona perceptiva”, no se dio cuenta a tiempo de que mirar el mercado de acciones toda su vida no era lo que realmente quería. Con el tiempo “se alejó el zoom” y empezó a interesarse por otro tipo de oportunidades de inversión, no solo acciones.
Este es el punto más fuerte del texto, muy en línea con lo que pediste de “no falsas esperanzas”:
El texto se corta ahí en medio de esa idea (la transcripción termina abruptamente, como cortada a mitad de oración).
Resumen de la actitud general del texto (sin falsas esperanzas, como pediste): hacerte rico invirtiendo tu propia plata es poco probable; los retornos reales y sostenibles son mucho más chicos de lo que la gente imagina (15-20% es el techo absoluto, no lo normal); con poca plata “no podés hacer nada”; y la mayoría de la gente que “la pegó” en algún momento confunde suerte con habilidad, lo cual es peligroso porque los lleva a perder todo después.
Si querés seguimos con la próxima parte cuando la tengas.
Dale, vamos por partes con todo lo que dice en este fragmento. Es una mezcla de consejos de carrera/psicología del inversor y después arranca con recomendaciones de estudio. Te lo traduzco y explico todo, sin resumir de más.
Shkreli habla de lo difícil que es, cuando te va bien invirtiendo, admitir ante tu familia, empleados e inversores que en realidad no sabés bien qué estás haciendo y que “tuviste suerte”. La tentación es devolver la plata y ser humilde, pero casi nadie hace eso: la gente prefiere “pisar el acelerador” y seguir subiendo de tamaño en vez de frenar.
El ejemplo que da: en los fondos multi-estrategia (fondos grandes que le dan plata a varios traders internos), es común que un trader que ganó bien con 100 millones de dólares, al año siguiente le den un portfolio de 1.000 millones — y termine perdiendo más de lo que había ganado. La lectura realista acá: el éxito con poco capital NO prueba que la estrategia escale. Mucha gente confunde “me fue bien” con “sé lo que hago”, y eso lleva a explotar cuando el capital crece. Es una trampa común, no una excepción.
Pregunta que sugiere hacerte: si tu estrategia depende de una sola oportunidad de inversión puntual, ¿qué vas a hacer dentro de 2-3 años cuando esa oportunidad ya no esté? Si no tenés respuesta, tu “éxito” es frágil.
Su opinión (él mismo la marca como controversial): no escuches a nadie que no haya hecho al menos 50-200 millones de dólares. Dice que en la industria financiera hay mucha gente que “suena” exitosa, parece flashy, pero en realidad no podés verificar cuánto ganó realmente — y a esos hay que ignorarlos directamente.
Punto importante que agrega: es mejor no tener mentor y esperar al correcto, que agarrar malos hábitos de un mentor mediocre. Los malos hábitos en inversión, una vez que los agarrás, cuesta muchísimo sacártelos (él dice que a él le costó 10 años sacarse uno).
Malos hábitos que menciona explícitamente:
Advertencia realista: dice que hay gente que hizo 1.000 millones de dólares invirtiendo y que igual da consejos malos. O sea, ni siquiera el track record extremo te garantiza que todo lo que diga esa persona sirva. Esto es importante porque contradice un poco su propia regla anterior — hay que tomarlo con pinzas, no es una ciencia exacta.
También reconoce, sin vueltas, que la mayoría de la gente no tiene acceso a este tipo de mentores de elite. No lo maquilla.
Anécdota 1 (Einstein/Planck): cuenta que un Einstein joven consiguió la dirección de Max Planck, golpeó la puerta de su casa, explicó que era fan y quería hablar de física, y Planck lo invitó a tomar el té y charlaron 3 horas. (Aclaración honesta del propio Shkreli: “no sé cuánto de esto es verdad, es una historia linda”. O sea, la cuenta como algo motivacional, no como hecho verificado — tenelo en cuenta, es anecdótico/posiblemente apócrifo.)
Anécdota 2 (Palmer Luckey y Oculus): Palmer Luckey tenía 17-18 años, era como un “dropout”, armó el prototipo de Oculus (visor de realidad virtual) y lo compartía en un foro online. Ahí lo vio John Carmack (el creador de Doom), que le escribió ofreciendo ayuda. Así arrancó Oculus, que después Facebook compró por 2.000 mil millones de dólares (2 billion en inglés = 2.000 millones). Shkreli cuenta que él mismo intentó invertir en Oculus antes de eso y lo rechazaron — se arrepiente.
La moraleja que él saca de las dos historias: si vos ya pensás “yo nunca voy a poder conocer a alguien así”, ya perdiste de entrada. Hay que tener algo de confianza en que tenés algo de valor para aportar y ser persistente. Pero aclara algo realista: no vas a conocer a Warren Buffett mañana. La idea es construir red de a poco — conocé a alguien que conoce a alguien que lo conoce a él, y así.
Nota de cautela mía acá: este tipo de historias de “golpeé la puerta y listo” son supervivientes — se cuentan las que funcionaron. Por cada Palmer Luckey hay miles de casos donde mandar un mensaje a un experto no lleva a nada. No lo tomes como método garantizado, es más una actitud (no rendirte de entrada) que una técnica.
Ahora sí entra en lo técnico/práctico:
Warren Buffett y Charlie Munger — los recomienda como las dos mejores fuentes para aprender. Dice que hay que leer sus cartas anuales a los accionistas, y también las cartas viejas de cuando Buffett manejaba su hedge fund (las de antes de Berkshire), que según él son incluso más instructivas que las recientes. Ver entrevistas de YouTube también.
No limitarte a acciones (stocks) — dice que aprendés mucho de bienes raíces, private equity, venture capital, aunque tu foco sea el mercado de acciones.
Libro de texto: “Principles of Corporate Finance” de Brealey y Myers (“brely and Myers” es como lo dice mal fonéticamente, el nombre real es Brealey-Myers). Es el único libro de texto que recomienda. Lo pidió de regalo de cumpleaños a los 14 años. Su argumento: entender el descuento de flujos de caja (discounted cash flow / DCF) y el concepto de valor presente es, según él, LO más importante de todas las finanzas — dice literalmente que toda una carrera de finanzas se podría enseñar en 10 minutos con una sola fórmula (la del valor presente).
Journal of Finance — lo menciona como algo mucho más académico/avanzado, con papers matemáticos densos, tipo doctorado. Dice que es opcional, para quien le guste lo teórico-matemático, no esencial.
Aswath Damodaran (dice “matoran”, es un error de transcripción del audio — el nombre real es Damodaran), profesor de NYU. Dice que tiene una de las mejores páginas web de finanzas que existen, enfocada en valuación (valoración de empresas). Aclara honestamente que como la mayoría de los profesores, no tiene experiencia práctica invirtiendo real, pero es un gran experto en la teoría de valuación.
“Margin of Safety” de Seth Klarman — libro fuera de circulación (out of print), las copias físicas se venden carísimas (dice 15-20 mil dólares). Cuenta que cuando le preguntaron a Buffett qué inversores le gustaban, no se le ocurría ninguno… hasta que mencionó a Klarman. Shkreli lo compara con si le preguntaran a Jay-Z quién es su rapero favorito. Dice que hay copias PDF pirateadas circulando y que “no lo recomienda pero bueno, no queda de otra” — ojo, esto roza la piratería, es una recomendación cuestionable legalmente, no algo para replicar sin más.
“Common Stocks and Uncommon Profits” de Phil Fisher — lo describe como el único otro libro imprescindible, básicamente un manual de “debida diligencia” (due diligence) para analizar empresas antes de invertir.
Dice que los libros de Graham y Dodd (los clásicos de value investing, tipo “Security Analysis” de Benjamin Graham) no le parecen tan útiles hoy — sugiere que “Margin of Safety” de Klarman es como una versión más moderna que los reemplaza.
Serie “Market Wizards” de Jack Schwager — libros de entrevistas a distintos traders/inversores exitosos.
“Business Adventures” — libro que menciona que tanto Bill Gates como Warren Buffett recomiendan como excelente.
Ojo con algo: él mismo se contradice un poco durante todo el segmento. Por un lado dice “no escuches a nadie que no hizo 100+ millones”, pero después reconoce que gente así también da consejos malos, y también admite que la mayoría no tiene acceso a esos mentores. Y una aclaración de contexto que vos ya conocés pero es relevante para juzgar la fuente: esto es un stream de Twitch/YouTube de Martin Shkreli, que es una figura muy controvertida (condenado por fraude de valores, fue a prisión). Eso no invalida automáticamente los datos técnicos que da (el DCF es una fórmula estándar de finanzas, real y verificable, no una opinión suya), pero sí implica que su filosofía de “el track record lo es todo” y su desprecio por Graham/Dodd son opiniones personales de un tipo que también terminó preso por conducta financiera fraudulenta. Tomá la parte técnica (Brealey-Myers, DCF, Klarman, Fisher) como legítima porque son referencias reales y respetadas en la industria — pero la parte de “filosofía de vida/mentores” filtrala con mucho escepticismo.
¿Querés que sigamos con la parte siguiente cuando la mandes, o querés que antes te explique en más detalle qué es el valor presente / DCF que mencionó (la fórmula que dice que “resume todas las finanzas”)?
¡Dale! Vamos por partes. Esto es la primera clase de una serie de streams de finanzas, va bien de lo básico hacia arriba. Te lo traduzco y explico todo, sin saltear nada importante, y siendo realista (nada de “esto es fácil, hacete rico”).
La idea base: agrupamos las cosas en categorías para entenderlas mejor. Un activo es simplemente “algo de valor” que se puede comprar o vender: una acción, un bono, efectivo, una moneda, un inmueble (real estate), propiedad intelectual, lo que sea transaccionable.
La mayoría de la gente arranca por las acciones (stocks), y dice que está bien arrancar ahí porque te enseña cómo funcionan los negocios en general (tanto empresas privadas como públicas). Pero marca un error muy común: quedarse solo en acciones, y peor todavía, solo en un sector (ej: “tecnología, EEUU, large cap”). Dice literalmente que si alguien le dice que solo invierte en eso, se ríe, porque sin experiencia en bonos y otras clases de activos, vas a tener muchísima dificultad para tener éxito como inversor. Lo plantea casi como una condición necesaria, no un consejo opcional.
Equity / acción: es una “parte” de una empresa. Se llama “equity” porque viene de “equitativo”: cada acción de una misma clase vale lo mismo que cualquier otra. O sea, si vos tenés 1 acción de McDonald’s y otra persona tiene 1 millón de acciones, técnicamente cada acción individual “vale” lo mismo — la diferencia es que esa persona tiene muchísimas más y por eso tiene más poder de decisión (influencia) sobre la empresa. Ser dueño de una acción = ser dueño de una porción del negocio.
Bono / deuda: es todo lo contrario. No sos dueño de nada, sos un prestamista. Un bono es una obligación financiera — la empresa (o el gobierno) te debe plata. A esto también se lo llama “crédito”.
Diferencia clave para que te quede grabada: acción = sos socio del negocio. Bono = le prestaste plata al negocio.
Hay un límite natural: la cantidad de acciones que una empresa emitió (shares outstanding). No podés comprar “más acciones de las que existen”.
Acá se pone bastante tajante y pesimista, y como me pediste que redondee para el lado negativo, te lo remarco:
Y da una analogía: si sos Steven Spielberg, dedicate a hacer películas. Si sos químico junior, hacete senior y ganá bien en eso. No le metas tu tiempo libre a invertir, salvo que sea por diversión — porque como carrera secundaria/hobby, no te va a funcionar.
Mi lectura honesta de esto (para que no te quedes con falsa esperanza): este es un mensaje de alguien con acceso a herramientas, información y tiempo full-time que la inmensa mayoría de la gente no tiene. No es un consejo motivacional — es una advertencia real. Si tu plan es “invertir en mis ratos libres para hacerme rico”, el propio contenido que me pasaste te está diciendo que estadísticamente es una mala apuesta.
Contrario a lo que uno esperaría, dice que no hace falta nada sofisticado:
Anuncia que hay 6 cosas que analiza en cualquier empresa, pública o privada, siempre. En este fragmento solo llega a explicar la primera:
Dice que es el punto de partida porque determina/influye en las otras 5 (que todavía no se explican en este fragmento — quedan pendientes para la próxima parte).
Para buscarlo, recomienda Yahoo Finance (finance.yahoo.com). Ejemplo con Coca-Cola:
¿Qué significa el precio de una acción? Acá aclara algo que mucha gente confunde: el precio no te dice nada por sí solo sobre el tamaño o el valor total de la empresa. Solo significa: “la última acción que se vendió, se vendió a este precio”. A esto lo llama el “principio del último precio” (last price): el precio “oficial” de una acción en un momento dado es simplemente el precio al que se cerró la última operación. Cada vez que alguien compra/vende, ese pasa a ser el nuevo “precio”.
Explica por qué el precio fluctúa segundo a segundo: porque siempre hay alguien dispuesto a comprar y alguien dispuesto a vender, pero el precio exacto en el que se ponen de acuerdo varía todo el tiempo (podés ver el precio moverse entre, por ejemplo, $43 y $44 durante el día).
Para entender si el precio “dice algo”, hay que saber cuántas acciones existen en total (shares outstanding). Usa la analogía de una pizza / de “el todo es igual a la suma de sus partes”: cada acción es una porción de la empresa completa.
Da un ejemplo ficticio: arrancan un canal de YouTube entre 4 personas (vos, Billy, Crystal y John). Deciden que cada uno invierta $100, y así quedan 4 acciones emitidas en total (4 shares outstanding), una para cada uno — cada uno es dueño de 1/4 de la empresa.
Después John (a quien describe, sin filtro, como poco confiable) decide vender su acción por $200 a otra persona (Akhil). El fragmento corta ahí mismo, pero la idea que estaba por desarrollar es: siguen siendo 4 acciones en total — lo que cambió es quién es el dueño de una de ellas, y a qué precio se transó (lo cual, según lo que ya explicó, va a redefinir el “último precio” de la empresa entera, aunque las otras 3 personas no vendieron nada).
Este fragmento corta justo ahí, antes de sacar la conclusión de ese ejemplo (probablemente algo tipo “si el precio subió a $200, ¿la empresa entera ahora vale 4x$200 = $800?” — que es el gancho para el próximo tema, valuación de mercado / market cap). Si tenés el siguiente fragmento, dale que seguimos con eso.
Dale, vamos a ir parte por parte de lo que cuenta esta clase. Es una intro a mercado de acciones, bastante básica pero con ejemplos concretos que ayudan mucho. Te la traduzco y explico sin resumir de más, para que no se pierda nada.
La idea arranca con un grupo de personas (John, Akhil, Crystal, etc.) que tienen 4 “acciones” (shares) de un stream de YouTube que ellos mismos armaron como broma/ejemplo. Cada acción representa una parte de la propiedad de esa “empresa”.
Market Cap = Precio por acción × Cantidad de acciones (shares outstanding)
Para saber cuántas acciones tiene una empresa real (no inventada) hay que ir a los reportes que las empresas están obligadas por ley a presentar ante la SEC (el regulador de mercados de EEUU).
Ojo con algo que menciona: aunque una empresa “sepa” internamente sus resultados del año el 1 de enero, legalmente puede tardar meses en publicarlos. O sea, la información pública siempre llega con retraso respecto a lo que la empresa ya sabe internamente. Es un dato para tener en cuenta si pensás que “el mercado sabe todo en tiempo real”: no es así.
Busca el 10-K de Coca-Cola y en la primera página encuentra:
Con esto arma varios ejemplos de cuánto costaría comprar distintas cantidades:
Market Cap de Coca-Cola = 4.3 mil millones de acciones × $43 = aproximadamente $187 mil millones.
El punto pedagógico central acá, y es lo más importante de todo el video:
El precio de una acción, por sí solo, NO te dice nada sobre el tamaño de la empresa.
Ejemplo que da: Chipotle cotiza a $500 por acción (10 veces más que Coca-Cola a $43), pero Coca-Cola es una empresa 10 veces más grande en valor total. Esto pasa porque Coca-Cola tiene muchísimas más acciones en circulación (4.3 mil millones vs 30 millones de Chipotle).
Conclusión práctica y un poco “fría” para que no te hagas ilusiones: si alguien te dice “esta acción es barata porque cuesta $5” o “esa es cara porque cuesta $500”, esa comparación no significa nada por sí sola. Lo único que importa es el market cap (precio × cantidad de acciones), no el precio unitario.
En ese momento: Apple, Alphabet (Google), Microsoft y ExxonMobil entre las más grandes. Coca-Cola aparecía como la #22 con esos $187 mil millones. Menciona que Amazon en ese momento ni siquiera generaba ganancias significativas y aun así ya era la 9na empresa más grande por market cap ($260 mil millones) — un dato interesante: el mercado puede valorar muy alto a una empresa que no gana plata todavía, si cree en su crecimiento futuro. No es necesariamente una señal positiva ni un error, pero es algo para tener presente con cierta cautela: el precio de mercado no siempre refleja las ganancias actuales de una empresa.
Este es un ejemplo bastante honesto y “para bajarte el entusiasmo” si estás pensando en invertir para tener influencia:
Punto negativo/realista para grabar en la cabeza: cuanto más grande la empresa, menos poder de decisión te da tu plata, aunque metas sumas enormes. El “poder de accionista” real solo aparece en empresas chicas donde podés juntar un porcentaje relevante con montos razonables.
Lo resume así, como regla mental:
Después de las primeras 3, dice que mira:
Para encontrar el efectivo, dice que hay que ir más profundo en el 10-K, específicamente a uno de los tres estados financieros principales:
El texto corta ahí mismo, justo cuando estaba por explicar deuda y enterprise value.
Resumen de las ideas más importantes, en negativo, sin ilusiones falsas:
Si querés, seguimos con la parte que sigue (la 44 o como se llame) para completar lo de deuda y enterprise value, que quedó cortado.
¡Dale! Vamos a repasar esto en profundidad, concepto por concepto, tal como lo explica en el stream. Te aviso que es un análisis de balance de Coca-Cola, así que va a haber bastantes términos contables. Te los voy explicando a medida que aparecen.
Antes de esto (que no está en este fragmento pero él lo menciona) ya había explicado qué es el “market cap”: es el valor total de una empresa en bolsa, calculado como precio de la acción × cantidad de acciones. Coca-Cola vale, según esto, unos 185 mil millones de dólares. Ese es el punto de referencia de todo lo que sigue.
Coca-Cola tiene 7.309 millones de dólares en efectivo (cash literal, en el banco).
Después suma las “short-term investments” (inversiones a corto plazo) por 4.269 millones más. ¿Por qué las suma como si fuera efectivo? Porque, aunque técnicamente no son billetes en el banco, son activos que se pueden vender casi inmediatamente y convertir en cash sin mucho drama. Su criterio personal (y lo aclara: esto es una elección suya, no una regla fija) es: todo lo que se pueda vender rápido y sin que nadie discuta su valor, cuenta como “cash-like”.
Con esta suma ya van 20 mil millones de dólares “tipo efectivo”.
Acá hace una distinción importante: las cuentas por cobrar es plata que los clientes le deben a la empresa (le vendieron algo pero todavía no les pagaron). En EEUU, en general, cobrar eso tarda entre 45 y 60 días.
Su criterio: NO lo cuenta como cash. Razón: no es inmediato, y aunque en la mayoría de los negocios funciona bastante bien (la gente paga), no es tan líquido ni tan indiscutible como el efectivo o las inversiones. Aclara que es medio una decisión arbitraria de “dónde cortar la línea” — se podría vender esa deuda (existe eso, se llama “vender cuentas por cobrar”), pero él prefiere no incluirlo.
Concepto clave que repite: para él, “cash” es todo lo que:
Cash, acciones, inversiones, bonos → sí entran. Cuentas por cobrar → no entra (aunque está “cerca”).
Todo esto lo llama “accounting gibberish” (jerga contable) — es decir, existen en el balance pero no cuentan como “cash-like” para su análisis.
Suma también “equity method investments” (inversiones en otras empresas donde tiene una participación, se contabilizan de una forma particular) y “other investments”: 12.318 + 3.470… total llega a 36 mil millones de dólares que él considera “cash o cuasi-cash”.
(Nota: más adelante en la charla real usa la cifra de ~35 mil millones para Coca-Cola en total — son cálculos hechos en vivo, así que hay pequeñas variaciones entre los números que tira al principio y los que usa después. Es normal en un stream en vivo, no te preocupes por el desfasaje exacto.)
Ahora pasa al pasivo. Coca-Cola tiene:
Total de deuda: bastante más que el efectivo.
Él insiste mucho en esto: que una empresa grande tenga deuda no es una señal negativa. De hecho, es común que cuanto más grande y exitosa es una empresa, más deuda tiene (al revés de lo que uno pensaría intuitivamente).
¿Por qué pasa esto? Las empresas grandes y exitosas tienen buen crédito, entonces pueden pedir plata prestada a tasas de interés muy bajas. Una empresa chica (pone el ejemplo de una farmacéutica chica) tiene mucha dificultad para conseguir crédito. Coca-Cola, en cambio, puede endeudarse barato.
¿Para qué usan esa plata prestada?
Acá conecta todo: Cash neto = Cash (todo lo que sumó antes) − Deuda.
En el caso de Coca-Cola da un número negativo: aproximadamente -9 mil millones de dólares (en otro momento dice “-8.500 millones”, de nuevo, números aproximados en vivo).
Esto significa: la empresa debe más de lo que tiene líquido. Esto es lo que suma al market cap para llegar al siguiente concepto.
Él mismo dice que de las 6 cosas importantes para invertir, esta es la más complicada. La fórmula que escribe es:
Enterprise Value = Market Cap − Cash + Deuda
(Osea: valor de mercado, ajustado por el cash neto.)
Inventa una empresa de streaming ficticia: precio de la acción $200, 4 acciones en circulación → market cap = $800.
Supongamos que esa empresa tiene $1.000 de cash y cero deuda.
Si comprás las 4 acciones (osea, comprás toda la empresa) por $800… en realidad estás comprando también los $1.000 en el banco de la empresa. Como ahora la empresa es tuya, esa plata también es tuya. Podés:
Conclusión de su ejemplo: pagaste $800 pero “recuperás” $200 gratis (porque adentro había $1.000 y vos pagaste $800), y encima te quedaste con todo el negocio de regalo. Es decir, el negocio en sí te “costó” negativo $200 — te pagaron por quedarte con él, en términos netos.
Si esa misma empresa, en vez de tener cash, tuviera $5.000 de deuda y cero cash: aunque las acciones cuesten solo $800 en el mercado, en realidad al comprar la empresa te hacés cargo de esa deuda. Entonces el “costo real” de quedarte con el negocio no es $800, es $5.800 (los $800 de las acciones + los $5.000 que ahora debés).
Regla que da: cuanta más deuda tiene una empresa, más alto es su Enterprise Value en relación al market cap. Cuanto más cash tiene, más bajo es el Enterprise Value en relación al market cap.
Con los números que usa en esta parte de la charla: 35 mil millones de cash, 44 mil millones de deuda → el Enterprise Value termina siendo 195 mil millones, apenas por encima del market cap de 185 mil millones (porque la deuda supera un poco al cash).
Imaginá que Coca-Cola tuviera $100 mil millones en cash y cero deuda (no es la realidad, es un experimento mental). El Enterprise Value sería 185 - 100 = 85 mil millones. La idea: el negocio “real” (sin contar la plata en el banco) vale 85 mil millones, no 185 mil millones, porque una parte enorme de ese valor de mercado es simplemente… plata parada en una cuenta bancaria, no el negocio funcionando.
Esto lo conecta con las ganancias (earnings): si la empresa gana 20 mil millones por año, y ves que “cuesta” 185 mil millones, parece que estás pagando 9 años de ganancias. Pero si le sacás el cash de encima, el negocio real cuesta 85 mil millones, es decir, unos 4 años de ganancias. Es una diferencia enorme a la hora de decidir si algo está caro o barato.
Alguien pregunta por tipos de órdenes de compra, timing de mercado, mecánica de invertir. Shkreli corta el tema de raíz: dice que eso no es lo importante ahora, que primero hay que entender los fundamentos (como todo lo que acaba de explicar) antes de preocuparse por cómo ejecutar una operación. Sugiere que la gente debería pasar al menos 1 o 2 años estudiando antes de hacer su primera inversión.
Le preguntan por herramientas o “simuladores virtuales” para que jóvenes practiquen. Él lo compara con un campo de tiro: no le das el arma a alguien y lo dejás disparar sin entender antes qué está haciendo. O el ejemplo de la NASA con los láseres: primero estudiás mucho, después te dejan tocar la herramienta. Básicamente evita recomendar herramientas y vuelve a insistir en estudiar la base primero.
Sobre el acceso a capital de los jóvenes: dice que no importa tanto cuánta plata tengas para arrancar, sino entender cómo generar y multiplicar dinero. Comenta (de pasada, sobre su propia experiencia) que él se hizo experto en inversión y la gente le daba plata a él para que la maneje — no arrancó operando con capital propio chico.
Última pregunta, sobre el Enterprise Value como “la suma de los reclamos contra la empresa”: el otro participante lo reformula como “es el total de plata que necesitarías para comprar la empresa entera”. Shkreli confirma esa intuición con el ejemplo de la farmacéutica: si pagás $50 millones por una empresa que tiene $25 millones en el banco, en términos netos solo estás pagando $25 millones por el negocio en sí, porque esa plata en el banco “vuelve” a tu bolsillo.
Para que te quede clarísimo el resumen de conceptos nuevos (sin adornos, tal como pediste):
¿Querés que sigamos con la siguiente parte cuando la tengas? Y si en algún punto algo no cierra del todo, avisame y lo repasamos de nuevo con otro ejemplo.
Dale, vamos a repasar este fragmento a fondo. Te traduzco y te explico cada idea, sin resumir de más porque acá hay varios conceptos que se van encadenando.
La analogía que usa es pensar en una empresa como una caja. Si querés comprar Coca-Cola entera (las 4.300 millones de acciones a 40 dólares cada una), gastás 187 mil millones de dólares. Eso es el market cap (capitalización de mercado): precio de la acción × cantidad de acciones.
Pero dentro de esa caja hay 35 mil millones de dólares en efectivo (cash). La idea es: si comprás la empresa entera, ese efectivo pasa a ser tuyo. Entonces en la práctica no estás pagando 187 mil millones por “el negocio” — estás pagando 152 mil millones por el negocio real, y esos 152 mil millones + los 35 mil millones de cash te dan los 187 mil millones que pagaste.
Punto clave que remarca: el efectivo vale exactamente lo que dice que vale. 35 mil millones en cash son 35 mil millones, sin discusión, sin subjetividad. No es un “activo” que haya que valuar con criterio — es simplemente plata. Por eso se puede restar limpiamente del precio total para saber cuánto estás pagando realmente por el negocio operativo.
Segunda vuelta con Coca-Cola: además de los 35 mil millones en cash, la empresa tiene 44 mil millones de deuda. Entonces la deuda neta es: 44 (deuda) − 35 (cash) = 9 mil millones de deuda neta.
Acá se da vuelta el razonamiento respecto al ejemplo anterior: si hay más deuda que efectivo, en vez de restar, tenés que sumar. ¿Por qué? Porque cuando comprás la empresa entera, no solo te llevás el efectivo — también heredás la obligación de pagar esa deuda. Entonces el valor “real” del negocio termina siendo más alto que lo que el mercado cotiza, no más bajo.
Así el negocio de Coca-Cola, según esta cuenta, valdría 196 mil millones en términos de enterprise value, aunque el mercado lo cotice en 187 mil millones de market cap.
Enterprise Value = Market Cap − Cash + Deuda
(Equivalente: Market Cap = EV + Cash − Deuda)
Acá cambia de ejemplo para mostrar por qué el EV es más importante que el market cap cuando estás pensando en el retorno de una inversión (algo clave para calcular free cash flow yield, o cualquier múltiplo tipo EV/EBITDA):
Esto es la razón por la cual mirar solo el market cap puede ser engañoso: te puede hacer pensar que estás haciendo un negociazo cuando en realidad, por la deuda que viene incluida, el verdadero costo de entrada es mucho más alto.
Esto es una historia hipotética para reforzar el punto:
Conclusión que saca: mirar solo el market cap sin mirar la deuda neta puede hacerte pensar que hiciste un negocio buenísimo cuando en realidad heredaste el doble de deuda de lo que pagaste.
Ahora el ejemplo opuesto, donde hay más cash que deuda:
Acá el cash “regala” parte de la compra: en la práctica estás pagando mucho menos de lo que parece por el negocio operativo real.
Esto es importante y hay que tomarlo con pinzas, en la línea de “no ilusionarse”:
Punto realista: un payback de 15 años para una acción promedio no es “malo” en sí, es simplemente cómo funciona el mercado de acciones líquidas y diversificadas — pero no esperes encontrar sistemáticamente oportunidades de 2-3 años de payback, eso es la excepción, no la regla.
Esa parte del audio está bastante entrecortada (mala transcripción automática), pero se puede reconstruir la pregunta: alguien le pregunta si usa conceptos como:
Responde que sí usa todo eso (“all the above”), pero no profundiza en el momento.
Alguien le pregunta: “¿la deuda de una empresa se suma al valor que le asigna el mercado?” — y él contesta que sí, aclarando que prefiere pensarlo como “deuda” (debt) más que como “pasivo” (liability) en términos generales, aunque técnicamente sean lo mismo en este contexto.
El resto son tangentes personales del stream (comentarios sobre mentores, cómo conseguir contactos, chistes, moderación del chat) que no tienen contenido de finanzas — te los salteo porque no aportan nada al aprendizaje, tal como pediste que sea completo pero relevante.
Resumen de la fórmula clave para que la tengas anotada:
Enterprise Value (EV) = Market Cap − Cash + Deuda
Sirve para saber el costo real de “poseer” un negocio entero, algo que el market cap solo no te dice si la empresa tiene mucha deuda (esconde el verdadero costo) o mucho cash (esconde que en realidad pagás menos de lo que parece).
Si querés, seguimos con la próxima parte de la transcripción cuando la tengas.
¡Dale, vamos con esto! Te aviso: hay mucho ruido de fondo (chat troll, chistes, interrupciones) que voy a ignorar y me voy a quedar solo con el contenido financiero real, pero completo, sin recortar conceptos importantes.
Antes de esta parte ya habían visto 6 variables básicas para analizar una empresa: precio de la acción, cantidad de acciones en circulación (shares outstanding), capitalización de mercado (market cap), caja (cash), deuda (debt) y valor de empresa (enterprise value). Ahora pasan a la práctica: buscar esos datos reales en los balances (10-K) de empresas en la web de la SEC (el regulador de EEUU donde las empresas públicas están obligadas a publicar sus estados financieros).
Van al 10-K en la SEC, entran al balance consolidado (consolidated balance sheet):
Con eso arman el concepto de leverage (apalancamiento): cuánta deuda tenés en relación a tu caja/tu capacidad de pago.
La aclaración es clara: “leverage is bad” en el sentido de que es peligroso. Sí, Southwest podría ir mañana a Goldman Sachs o JP Morgan y pedir prestado 10.000 millones fácil. ¿Es buena idea? La respuesta que dan es escéptica: quizás usás esa plata para comprar otra aerolínea (American, JetBlue), pero ¿qué pasa cuando hay que devolver esa plata? Ahí está el problema:
Si te agarra con mucha deuda en un mal momento, podés terminar en bancarrota. Remarcan algo importante: si no tenés deuda, no podés quebrar por deuda. Ese es el trade-off central: la deuda te da munición para crecer, pero te expone a un riesgo de colapso que sin deuda no existe.
Comentario (medio en joda, pero con contenido real): dicen que justo después del escándalo de E. coli (la crisis sanitaria que tuvo Chipotle), la empresa podría haber usado deuda para recomprar sus propias acciones, ya que el precio había caído mucho. Ahí entra una idea nueva:
La lógica que plantean (típica de finanzas corporativas, no necesariamente “buena” en todos los casos):
Pero inmediatamente ponen el freno: no querés demasiada deuda, porque si algo sale mal y no podés pagar (no podés “hacer el servicio de la deuda”), los tenedores de esa deuda se quedan con el control de tu empresa. Es decir, la deuda no pagada no es solo un problema de plata: es un problema de quién termina siendo dueño del negocio.
Cuentan que en Japón, en los años 80, las empresas se endeudaron muchísimo (“fueron con todo” con la deuda), y eso terminó en una ola de quiebras. Desde entonces, las empresas japonesas (Toyota, Nintendo, farmacéuticas, etc.) tienen una aversión estructural a pedir prestado: sus balances muestran mucha caja y poca o ninguna deuda. La lectura que dan es que esto refleja una economía “traumatizada” por esa crisis, sostenida en gran parte por estímulos estatales para simular que sigue funcionando bien. No lo dicen como algo positivo — lo presentan como una cicatriz económica de largo plazo, no como una virtud de “empresa conservadora y sana”.
Hacen una distinción importante:
Acá hacen una aclaración técnica importante: esos “investment securities” muchas veces son bonos del Tesoro (Treasury bonds), que por razones contables no se pueden clasificar como “cash”, pero funcionan casi idéntico a la caja: no es como si tuvieran un escritorio de trading especulando con acciones, es plata casi líquida y segura.
Con el ingreso neto (net income) que vieron de adelanto en el estado de resultados, JetBlue ganó ~700 millones el año pasado. Su deuda neta (deuda menos caja) es de ~900 millones. La cuenta que hacen: si ganan 700 millones al año y deben netos 900 millones, en poco más de un año podrían volver a “caja neta positiva” (o sea, más caja que deuda). Es un indicador rápido de qué tan manejable es la deuda: años de ganancias necesarios para pagarla toda.
Para que quede clarísimo el punto negativo/de alerta: ponen el ejemplo contrario, una empresa (una “sanitation business”, negocio de recolección de residuos, como chiste ficticio) que gana 2 millones al año pero debe 20 millones — eso son 10 años para volver a estar limpio de deuda, y lo describen directamente como “terrible”. Esa es la idea de fondo: cuantos más años te toma pagar la deuda con tus ganancias actuales, peor parada financiera tenés, y más vulnerable sos a cualquier imprevisto en el medio.
Esto lo relacionan con el concepto de “leverage ratio” (ratio de apalancamiento), que dicen que van a explicar más en detalle después.
Usan la metáfora religiosa (Padre, Hijo, Espíritu Santo) para presentar los tres estados financieros fundamentales de una empresa:
La idea central: son tres formas distintas de mirar la misma empresa, cada una mostrando algo diferente. Ninguna alcanza sola.
Definición que dan: es un “statement of balances” — un listado de todos los saldos de la empresa en un momento determinado. La característica clave que lo distingue de los otros dos estados:
Es una foto (snapshot), no una película. Está fechado a un día específico (por ejemplo, 31/12/2015 — el cierre del año fiscal para la mayoría de las empresas), no representa un período de tiempo como los otros dos estados.
Activos (Assets): todo lo que la empresa tiene o le deben. Ejemplos que dan, en orden de mención:
Pasivos (Liabilities): lo opuesto a los activos — lo que la empresa debe. Empiezan a explicar la primera partida:
El texto se corta ahí mismo, justo cuando empiezan a desarrollar el lado de los pasivos — probablemente sigue en la parte siguiente de la transcripción.
Resumen de las ideas de fondo que no deberías perder (todas apuntando al lado cauteloso, como pediste):
Si me pasás la continuación, seguimos con cuentas por pagar y el resto del pasivo.
Dale, vamos con esto parte por parte. Es una clase bastante introductoria así que voy a traducir y explicar cada concepto como si no supieras nada de contabilidad, tal como pediste.
Es una foto en un momento del tiempo (no un período) de lo que tiene y debe una empresa. Tiene tres partes:
1. Activos (assets): todo lo que la empresa posee. En el ejemplo que da: efectivo, cuentas por cobrar (accounts receivable = plata que te deben clientes que todavía no pagaron), inventario, y “plant” (que es planta/fábrica, parte de lo que se llama “property, plant & equipment” o PP&E).
2. Pasivos (liabilities): todo lo que la empresa debe. Acá menciona:
3. Patrimonio neto / capital de los accionistas (shareholders equity): esta es la parte “complicada”. Es literalmente Activos menos Pasivos — lo que sobra. También se le llama “book value” (valor libro). La ecuación clave, que siempre tiene que cerrar (por eso se llama balance sheet, porque tiene que “balancear”):
Activos = Pasivos + Patrimonio neto
Ejemplo numérico que da: 5 millones en activos totales (2M efectivo, 1M cuentas por cobrar, 500k inventario, 2M planta, 500k otros activos) menos 2.5 millones en pasivos (1M deuda + 500k otros + resto) = 2.5 millones de patrimonio neto.
Aclara que en un curso de contabilidad de verdad esto se pone bastante más complicado, pero la idea base es esa.
A diferencia del balance sheet, este sí es un período de tiempo (trimestre, año, semestre — nunca una semana o un mes, no tiene sentido). Menciona que cada país reporta distinto: EEUU y muchos hacen trimestral, Suiza y buena parte de Europa (bajo normas IFRS) reportan semestral, no trimestral.
Estructura básica: Ingresos (revenue) − Costos (costs) = Ganancia (profit/income). Ingresos también se llama “sales” o, en otros países, “turnover”.
Margen operativo = resultado operativo / ingresos = 1.2 / 6.4 = ~19%
Dice que para una aerolínea (industria con mala reputación de rentabilidad) ese margen está bastante bien. Como referencia: farmacéuticas o Coca-Cola pueden tener márgenes operativos de 30-70%, y hay negocios de “royalties” (cobrar por licencias, uso de nombre/imagen) que llegan a márgenes de casi 100% porque no tienen casi costo.
Sobre PP&E (property, plant & equipment): alguien pregunta cómo evaluar si es líquido o no. Responde que todavía no lo definieron, que lo van a ver en la próxima clase sobre ítems del balance sheet (ahí van a hablar de deferred revenue, accounts receivable, cómo se dan de baja deudas incobrables, qué son los inventarios, etc.). O sea: PP&E queda pendiente para otra clase.
Sobre deuda cero como señal de alarma: un asistente pregunta si los buybacks (recompra de acciones) también son señal preocupante, porque implicarían que la empresa no tiene proyectos nuevos donde invertir. Su respuesta: en sus propias empresas siempre tienen ideas para generar valor, así que ve raro que una empresa junte efectivo sin hacer nada — prefiere que devuelvan esa plata a los accionistas (dividendo especial, buyback) si no tienen ideas. Pero dice que el tema de buybacks y asignación de capital (capital allocation) es “pregunta avanzada” y lo van a tratar más adelante — no lo desarrolla del todo acá.
Sobre ROCE (return on capital employed): pregunta cómo evaluarlo. Respuesta: lo van a ver en las próximas lecciones, todavía “apenas tocaron” el balance sheet.
Sobre cash flow statement: alguien pregunta si conviene aprenderlo después del income statement y el balance sheet. Respuesta: sí, ese es el orden que va a seguir.
Sobre cuentas por cobrar buenas vs malas: distingue entre accounts receivable de “buenos clientes” que se espera que paguen, y “doubtful accounts” (cuentas dudosas) de clientes que probablemente no paguen. Da como ejemplo Coca-Cola (clientes confiables) vs. su amigo ficticio “Maurice” que nunca paga, como ejemplo cómico de cuenta incobrable.
Sobre monto mínimo para invertir: cuenta que él empezó con 2000 dólares que le dio el padre a los 15 años, y que lo importante no fue el monto sino la emoción y motivación que le generó, que lo llevó después a trabajar en un hedge fund y fundar sus propias empresas/hedge funds. Su opinión sobre el monto mínimo hoy: sigue pensando que son unos 2000 dólares en brokers como Ameritrade o Interactive Brokers, aunque podría ser menos. Pero es tajante y negativo en esto: dice literalmente que con poca plata nunca vas a hacer dinero real, que el sueño de convertir 2000 en un millón “no va a pasar, no es posible”. El valor de la cuenta chica es solo motivacional/educativo, no una vía real de generar riqueza.
Arranca una clase nueva, dice que van a dedicar la primera media hora a un tema “liviano” para entrar en calor: estilos de distintos inversores. Su argumento es que conocer estos nombres/estilos sirve para construir red de contactos (network), algo que considera importante para quien quiere ser inversor profesional. Menciona que el curso está pensado para gente con esa ambición. El fragmento se corta ahí, antes de nombrar a los inversores en cuestión.
Nota importante y realista: este fragmento es literalmente el “preview” de un curso — él mismo lo dice varias veces (“we’ll get more into balance sheets over time”, “cash flow is pretty complicated, we’ll go into those more”). Casi todos los temas interesantes (PP&E, deferred revenue, cash flow statement, capital allocation, ROCE) quedan pendientes para clases futuras que quizás no tengas en los siguientes archivos. Si me pasás las próximas partes, seguimos así de detallado.
Dale, vamos con esto en detalle. Es un tramo largo así que lo voy a ir explicando por bloques, sin resumir de más, y te voy explicando cada concepto financiero que aparece porque asumo que arrancás de cero. Y sí, marco lo negativo/escéptico donde corresponde, sin vender ilusiones.
Dice que los hedge funds de hoy son distintos a los de hace 10-20 años en dos cosas: las fees (comisiones) y la performance (rendimiento).
Antes, un fondo se hacía grande porque tenía buena performance.
Hoy, las fees importan más que la performance. Textualmente dice algo fuerte: un fondo hoy preferiría ser un fondo de 20 mil millones de dólares con rendimiento mediocre antes que uno de 2 mil millones con rendimiento excelente. ¿Por qué? Porque las fees se cobran sobre el tamaño de los activos, no solo sobre las ganancias. Un fondo grande con retornos mediocres genera más plata en comisiones fijas que un fondo chico con retornos espectaculares. Es una lectura cínica pero matemáticamente tiene sentido: la industria se volvió más un negocio de “acumular activos” que de “generar alfa” (rendimiento superior al mercado).
El pedigree (de qué fondo venís, dónde trabajaste antes) sigue siendo importante para conseguir laburo o levantar capital, aunque no es garantía de nada.
Menciona una tendencia: cada vez más hedge funds meten plata en private equity (invertir en empresas privadas, no cotizantes en bolsa) y en cosas ilíquidas. Esto lo interpreta como síntoma de que a los hedge funds tradicionales (comprar y vender acciones públicas) les cuesta cada vez más encontrar rendimientos (“buscar performance que muchas veces sale en seco”). O sea: se meten en private equity porque en el mercado público ya no consiguen tanto rendimiento como antes.
Sobre el activismo (comprar una acción y presionar a la empresa para que cambie cosas —management, estrategia— para que suba el precio): dice que fue una fuente extra de rendimiento entre 2000-2011 y después entre 2011-2020, pero que hoy está “muerto” como fuente de retorno. Nota negativa: una estrategia que funcionó bien en el pasado ya no rinde igual. Esto es importante como principio general: las estrategias de inversión se desgastan con el tiempo, porque una vez que todos las copian, dejan de ser una ventaja.
Tiger fue un hedge fund fundado por Julian Robertson, que operó de 1980 a 2000 (20 años). Menciona un libro sobre él (“Tiger: A Tiger in the Land of Bulls and Bears” de Daniel Strachman) pero aclara que no lo recomienda especialmente — es interesante para un aficionado pero no es un gran libro. Ojo con el link al libro que dice haber encontrado buscando en Google: no lo respalda, dice “hacelo bajo tu propio riesgo” (o sea, cuidado con de dónde bajás cosas online).
El resultado de Tiger: ~32% de retorno anual compuesto durante 20 años. Esto es un resultado extraordinario, uno de los mejores track records de la historia de los hedge funds, con muy pocos años en negativo.
Acá te explico el concepto que usa, CAGR (Compound Annual Growth Rate = tasa de crecimiento anual compuesta): es la tasa de retorno anual que, si se repite todos los años, te lleva del punto inicial al punto final. La cuenta que hace:
$$(1 + 0.32)^{20} \approx 258$$
Es decir, si invertías 1 millón de dólares con Tiger en 1980, para el año 2000 tendrías 258 millones. Eso es el poder del interés compuesto a una tasa muy alta sostenida por mucho tiempo — algo rarísimo de lograr y sostener.
Aclara algo importante: Renaissance Technologies (otro hedge fund) tuvo retornos incluso mejores que Tiger. O sea, aunque 32% suena increíble, no es el techo absoluto de la industria.
Tiger cerró en el año 2000, pero aclara que “cerró” en un sentido raro: dejó de operar como hedge fund tradicional, no que quebró.
Acá te explica la mecánica de comisiones típica de un hedge fund, la famosa estructura “2 y 20” (2% y 20%):
Ejemplo que da: supongamos que en un año Tiger administraba 15 mil millones de dólares y ganó 30%. Eso son 4.500 millones de dólares de ganancia (15.000M x 30%). El 20% de eso como incentive fee es 900 millones, más la management fee. Junto le da algo así como 1.100 millones de dólares en un solo año en fees para el fondo.
Esa plata se reparte entre los empleados, mencionando algo así como:
Después hace la comparación con 2016: un fondo grande ganando “solo” 10% en un año generó igual 525 millones en fees, de los cuales la mitad (250 millones) sería para el fundador/CIO.
El punto negativo/escéptico que remarca (y esto me parece la idea más importante de todo el tramo): él pregunta — ¿qué es más fácil, construir un hedge fund gigante durante 20 años y tener un buen año para ganar 250 millones, o directamente fundar una empresa que valga 250 millones? Su opinión (aclarando que es opinión personal, hecha “hace años”): es más fácil fundar una empresa que valga eso, que construir un hedge fund de esa escala. Conclusión dura que él mismo dice explícitamente: “hedge funds y la inversión profesional no siempre es la mejor opción para generar riqueza.” Esto es un golpe de realismo importante si estás pensando en el rubro como camino para hacerte rico: según él, hay caminos más eficientes (emprender) que trabajar/fundar un hedge fund.
Cuando Tiger cerró en 2000, varios de sus empleados se fueron a fundar sus propios fondos. A estos se los llama “Tiger Cubs”. Con el tiempo aparecieron generaciones sucesivas:
Nombra varios: Lone Pine, Viking, Maverick, Blue Ridge, Deerfield, Coatue, Shumway (este último ya no existe, el fundador falleció). De la generación “grand cubs” menciona Conatus y algo como “Paloma/Bridger Capital”. También hay derivaciones hacia SAC Capital (Steve Cohen) y de ahí a fondos como Sandler, Halcyon, etc.
Dato interesante que remarca: de toda esta lista, prácticamente ninguno fracasó perdiendo mucha plata. Es una tasa de éxito rarísima para una industria. Pero aclara que si vas a los “descendientes directos” (gente que estuvo en Tiger y fundó su propio fondo inmediatamente), son muy pocos los realmente exitosos — muchos de los cubs más nuevos ya cerraron.
Rasgos comunes de la filosofía Tiger (esto te sirve para entender qué buscan estos fondos):
Fundado en 1999, justo cuando Tiger estaba terminando. Lo maneja Andreas Halvorsen (noruego — el speaker no está seguro de la pronunciación exacta del nombre). Fue lugarteniente top en Tiger durante años. Datos de su perfil: esquió a nivel competitivo y fue parte del ejército noruego — encaja perfecto con el perfil “Tiger” que describió antes (competitivo, background no financiero también valorado).
Datos del fondo:
Sobre si es realmente “global”: el nombre es “Viking Global Investors” pero el speaker chequeó los datos y el fondo tiene (o tenía, en el período que revisó) un 75% de exposición a Norteamérica. Su comentario escéptico: muchos fondos que se dicen “globales” en realidad no lo son tanto — es marketing más que realidad. Aclara la limitación de esta info: los hedge funds son muy privados, y que haya chequeado algo hace 5 años no significa que siga siendo así hoy.
Cómo se puede investigar esto vos mismo: dice que como Viking se enfoca en acciones (equities), podés revisar sus 13F filings. Un 13F es un reporte trimestral obligatorio que deben presentar en EE.UU. los grandes gestores de inversión (con más de 100 millones bajo gestión) ante la SEC, mostrando sus tenencias en acciones públicas. Es información pública que cualquiera puede buscar online, aunque tiene un delay (se publica con hasta 45 días de atraso) y no muestra posiciones cortas ni derivados.
Cosas que distinguen a Viking de otros tiger cubs:
Sobre conseguir trabajo ahí: dice que aunque suena imposible entrar a un fondo así, en realidad no es tan difícil como parece — se puede armar una lista de empleados actuales vía LinkedIn y contactarlos directamente, sobre todo si encontrás algún punto en común (misma universidad, mismo hobby, etc.). Esto es un consejo práctico de networking, no una garantía de nada.
Al final menciona que consiguió cosas para compartir en la carpeta compartida (shared drive) del curso: cartas del fondo, y algo mucho más raro — el “private placement memorandum” de Viking (el documento legal que se le da a inversores potenciales antes de invertir, con toda la info del fondo, riesgos, estructura de fees, etc., normalmente confidencial) y su auditoría. Esto es material que normalmente no es público, así que si tenés acceso a esa carpeta compartida, vale la pena revisarlo.
Nota general al margen (rounding to the negative, como pediste): todo este tramo, en el fondo, es un mensaje bastante desalentador sobre la industria de hedge funds como camino personal: fees por encima de performance, estrategias que se agotan (activismo), y la afirmación explícita del propio speaker de que armar un hedge fund de éxito es más difícil que fundar una empresa exitosa. Si tu objetivo es aprender a invertir bien por tu cuenta, el track record de 32% anual de Tiger o el “casi sin años negativos” de Viking son la excepción absoluta, no la norma — la enorme mayoría de fondos y gestores no llegan ni cerca de eso, y esto lo dice el propio speaker al remarcar que Viking/Lone Pine son de los pocos “descendientes directos” realmente exitosos entre decenas que cerraron.
Mandame el próximo tramo cuando quieras.
¡Dale! Vamos por partes porque hay bastante contenido acá. Te lo traduzco y explico en español, tema por tema, sin resumir de más. Es una clase de Shkrelli sobre “growth stocks” (acciones de crecimiento), usando Salesforce como caso de estudio.
Antes de entrar a Salesforce, menciona algo que ya había dicho en un video anterior: no cree que las acciones suban en el largo plazo por default. Dice que el S&P 500 (o el mercado de EEUU en general) históricamente dio algo así como +2% de rendimiento real (neto de impuestos e inflación) — y aclara que ni siquiera hay que llamarlo “alpha” (rendimiento extra por habilidad), es simplemente el retorno total.
El punto clave que hace: para conseguir ese 2% anual, estás asumiendo un riesgo enorme de “survivorship bias” (sesgo de supervivencia). Esto significa: cuando mirás el rendimiento histórico del mercado de EEUU, estás mirando el mercado que “sobrevivió” y ganó. Hay muchos otros países/mercados en la historia que colapsaron o quedaron estancados décadas (Japón, Argentina, etc.). Su argumento es: si asumís que “EEUU es especial” y por eso invertís pasivo (comprando el índice y esperando), estás apostando fuerte a algo que no está garantizado. Por eso él no cree en la inversión pasiva y prefiere posicionarse activamente (elegir acciones específicas) en vez de comprar el índice y listo.
Mi comentario honesto: esta es una postura polémica y minoritaria entre profesionales — la mayoría de la evidencia académica favorece el índice pasivo a largo plazo para el inversor promedio. Te lo marco para que sepas que es su opinión particular, no un consenso.
Acá entra el tema central de la clase.
Los números: Salesforce arrancó cotizando en bolsa en 2005 con 176 millones de dólares de ingresos (revenue). Y desde ahí creció y creció: tasas de crecimiento de 76%, 60%, 50%, 40%, 30%, 20%… hasta llegar a un 30% sostenido, y el año pasado (respecto al momento del video) un 24%, guiando a un 25% para el próximo año.
Acá viene el concepto más importante de todo el texto. Cuando una empresa crece mucho (ej. 76% un año), la tentación natural es pensar: “bueno, no puede seguir creciendo así para siempre, así que voy a asumir que el crecimiento se va a ir desacelerando gradualmente cada año” (76% → 60% → 40% → 20%… hasta casi cero).
Shkrelli dice que esto es un error muy común y muy tonto. Lo llama “ley de los grandes números” (en realidad el término correcto en finanzas es “law of large numbers” mal aplicado — la idea de que una base más grande hace matemáticamente más difícil sostener el mismo % de crecimiento). El problema es que la gente lo usa como excusa para simplemente dibujar una curva descendente en Excel sin pensar en el negocio real.
Ejemplos que da de por qué esto falla:
Conclusión de él: cuando armás un modelo que simplemente asume “va a crecer cada vez menos”, no estás haciendo un pronóstico (forecast) real. Estás haciendo lo que llama un “imputed base case” (un caso base impuesto/artificial) — básicamente estás inventando un número que te hace sentir cómodo, no analizando el negocio. Para él, un pronóstico serio requiere entender la dinámica del negocio y de la industria, no solamente extender una línea en una planilla.
Su método alternativo: en vez de mirar solo la tasa de crecimiento pasada, mirá qué tan grande es el mercado total que la empresa podría capturar (esto se llama TAM — Total Addressable Market, el “tamaño total de mercado direccionable”).
Hace el ejercicio con datos de SEC filings (los reportes que las empresas cotizantes están obligadas a presentar, como el 10-K en EEUU o el 20-F para empresas extranjeras):
Sumando todo esto de forma aproximada, llega a la conclusión de que el mercado de “software empresarial” (enterprise software) tiene un tamaño total de al menos 100 mil millones de dólares.
Salesforce, en ese momento, facturaba 6-7 mil millones. Es decir, tenía menos del 10% de participación de ese mercado (market share).
Su pregunta retórica: ¿es descabellado pensar que Salesforce pueda llegar a tener el 25% de ese mercado algún día, considerando que fueron pioneros en el modelo “software as a service” (SaaS — software que se vende como servicio por suscripción, en vez de licencias) y que el mercado total también sigue creciendo? Su respuesta: no, es totalmente plausible — pero si vos ves ese número (25%) sin contexto, y calculás lo que implicaría en ingresos, te asusta y pensás “es imposible que llegue ahí”. Ese es justamente el error: descartar un escenario razonable solo porque el número absoluto se ve grande.
Nota de cautela mía: este mismo razonamiento — “el mercado total es enorme, así que todavía queda mucho por crecer” — es también el argumento clásico que se usa para justificar burbujas y sobrevaloraciones. Es una herramienta útil, pero no es una garantía de nada. Muchas empresas nunca capturan la cuota de mercado que “en teoría” podrían.
Acá cambia de tema hacia algo distinto e igual de importante: el crecimiento de ingresos no garantiza que el precio de la acción suba en la misma proporción.
Concepto clave: precio/ventas (price-to-sales). Es un múltiplo similar al conocido P/E (precio/ganancias), pero usando ingresos en vez de ganancias — útil para empresas que, como Salesforce, reinvierten todo y no muestran ganancias netas grandes.
Con los datos de Salesforce entre 2005 y esos años siguientes: los ingresos se multiplicaron por más de 4 veces, pero el precio de la acción solo subió ~50% (de 11 a 16 dólares aprox, en el ejemplo que da). Es decir, el “múltiplo” (precio/ventas) se comprimió fuertemente — el mercado empezó a pagar menos por cada dólar de ingresos.
Esto se llama “compresión de múltiplo” (multiple compression). Shkrelli dice que no le gusta mucho el término porque suena como magia, pero la idea de fondo es simple: el mercado es una “máquina de descuento” (discounting machine) — los inversores no reaccionan solamente al crecimiento pasado, sino que ya están anticipando el futuro. Si en 2006 todos sabían que Salesforce crecía 76%, ese crecimiento ya estaba metido en el precio. Lo que el mercado trata de adivinar constantemente es cuándo ese crecimiento se va a frenar — y a medida que pasa el tiempo sin que se frene del todo (o cuando se empieza a dudar), el múltiplo se ajusta.
Su conclusión sobre este caso puntual: en Salesforce, el mercado le pegó bien a la desaceleración — dudó del crecimiento futuro, comprimió el múltiplo, y después la empresa efectivamente demostró que podía seguir creciendo (por eso el precio después sí despegó más). O sea, el “descuento” del mercado fue razonablemente acertado en anticipar riesgo.
Acá te muestra un caso donde el mercado NO acertó, para que no te quedes con una imagen demasiado optimista.
El punto brutal que quiere que entiendas: hubo un momento en que Microsoft tenía 25 mil millones de ingresos y cotizaba a $33. Más de una década después, con los ingresos multiplicados varias veces, la acción seguía prácticamente en el mismo precio o más baja. Es decir: crecimiento de ingresos consistente durante más de 10 años, y el accionista no ganó nada (o casi nada) en ese período.
Esto no fue solo “la burbuja” — él aclara que este patrón se repite en otras industrias también (menciona farmacéuticas como otro ejemplo donde pasa esto).
El mensaje real de esta clase, uniendo las dos mitades:
En criollo: crecer mucho como empresa y ser una buena inversión son dos cosas distintas. El riesgo real no es que la empresa falle — es que vos hayas pagado un precio que ya incluía todo el éxito futuro, y entonces no te quede nada de “sorpresa positiva” para ganar.
¿Querés que sigamos con la parte que viene después (dice que van a hablar de Viking Global en más detalle, o seguir con más de Salesforce/Microsoft)? Pasame el siguiente bloque cuando quieras.
¡Dale! Vamos con esta parte del stream de Shkrelli. Te la voy a traducir y explicar bien detallado, en español, y siempre marcando el lado más pesimista/realista de cada cosa (nada de “esto va a ser un batazo seguro”).
Shkrelli arranca comparando el precio de la acción de Microsoft en dos momentos distintos para enseñar un concepto clave: el precio de una acción no siempre refleja qué tan bien le va al negocio.
O sea: podés invertir en una empresa, que esa empresa mejore un montón en resultados reales (ganar más plata, vender más), y aun así perder dinero con la acción. Esto pasa más seguido de lo que la gente cree, así que es una lección para bajar expectativas, no para ilusionarse.
Shkrelli plantea que cuando valuás una empresa (usando algo llamado DCF - Discounted Cash Flow, o “flujo de caja descontado”, que es un método para calcular cuánto vale hoy una empresa según lo que va a ganar en el futuro), hay 4 variables que importan:
En 2001: el mercado pensaba “Microsoft es el único jugador importante, no hay riesgo, internet recién arranca y va a durar para siempre”. Por eso pagaban un precio altísimo por la acción.
En 2012: el mercado ya no pensaba lo mismo. La tasa de descuento subió (más riesgo percibido), probablemente por la aparición de Apple y los celulares/mobile, algo que en 2001 nadie imaginaba que le iba a hacer sombra a Microsoft. En 2001 la gente veía a los celulares como celulares, no como reemplazo de las PCs. Microsoft venía de un negocio centrado en sistemas operativos y software de oficina (information worker), y ese negocio empezó a verse más “maduro” y con dudas sobre si podía seguir creciendo al mismo ritmo, y dudas sobre si el ROIC (qué tan bien usaban el capital) iba a mejorar con el cambio de CEO.
Conclusión pesimista de esta parte: aunque la empresa mejoró un montón en el fondo (ganancias, ingresos), el precio de la acción se quedó plano, y encima el inversor que compró en el pico de 2001 tardó más de una década solo para volver a empatar, sin ganar nada real. Moraleja: que el negocio vaya bien no garantiza que ganes plata con la acción; el precio ya puede tener metida adentro una expectativa de éxito exagerada.
Acá Shkrelli da su opinión personal (no es un hecho, es su lectura) de que el mercado está siendo “draconiano” (muy duro/pesimista) con Salesforce, asumiendo que su crecimiento se va a frenar pronto. Él cree que es poco probable que eso pase tan rápido, porque además de su negocio principal, tienen productos como Heroku y “service cloud” que ve como innovadores, a diferencia de competidores más viejos como Oracle. Él se muestra optimista con Salesforce, pero ojo: esto es una opinión personal de él, no un análisis objetivo, y las opiniones de “esto va a seguir creciendo para siempre” son justamente el tipo de pensamiento que en la parte de Microsoft mostró que puede salir carísimo.
También aclara algo importante: para él, hacer un DCF y “esperar lo mejor” a ciegas no es una forma sofisticada de invertir. Es mejor que el análisis técnico o comprar/vender solo por noticias, pero no es el nivel al que hay que aspirar.
Acá arranca a mirar los números reales de Adobe en vivo, como ejercicio práctico. Vamos paso a paso:
Precio y tamaño de la empresa:
Caja y deuda:
Ingresos y crecimiento:
Márgenes:
Comparación con Salesforce:
Mirando varios trimestres/años:
Comparación final con Salesforce (idea de trade):
¿Querés que sigamos con la siguiente parte del stream cuando la tengas, o querés que profundice en algún concepto de este (por ejemplo el DCF paso a paso, o qué es exactamente el ROIC)?
¡Dale! Vamos a repasar esto con calma, en español, explicando cada concepto financiero a medida que aparece. Es una clase de Shkreli analizando dos empresas de software: Adobe y Salesforce, comparando su transición de “software empaquetado” (lo comprabas una vez, tipo caja con CD) hacia el modelo de suscripción / SaaS (Software as a Service).
Antes, empresas como Adobe vendían Photoshop como un producto: pagabas una vez y listo. El problema para el inversor es que no sabés si el año que viene la gente va a volver a comprar. Es un negocio impredecible, dependés de que la gente decida comprar de nuevo cada ciclo.
Con el modelo de suscripción, el cliente paga todos los meses. Esto le da a la empresa lo que Shkreli llama “visibilidad”: podés predecir con bastante certeza cuánta plata vas a facturar el próximo trimestre, porque ya tenés gente pagando de forma recurrente. Los mercados financieros premian esa previsibilidad — están dispuestos a pagar más caro (un múltiplo más alto) por una empresa cuyos ingresos son predecibles, aunque el ingreso total sea el mismo.
Ojo con el lado negativo de esto: que el mercado “premie” la previsibilidad no significa que el negocio subyacente haya mejorado. Shkreli insiste varias veces en que esto puede ser una ilusión — la empresa es básicamente la misma, solo cambió el envoltorio contable.
Es la métrica que usa para comparar Adobe con Salesforce durante el mismo período (2007-2015):
Esta es una diferencia brutal. El CAGR te dice, en promedio por año, cuánto creció algo, suavizando los años buenos y malos. Un 5% vs un 35% es la diferencia entre una empresa madura y estancada, y una empresa en pleno crecimiento explosivo. La conclusión negativa que él saca: Adobe no es realmente una “empresa de software como servicio” moderna en el fondo, es una empresa vieja disfrazada.
Shkreli hace un ejercicio muy revelador:
Su conclusión: 33x le parece caro, y directamente dice que cree que la acción “podría estar corta” (que el precio va a bajar) — o sea, apostaría en contra de Adobe (posición corta / short). Y remata: “Salesforce.com es un trato mucho mejor” (comparativamente, no necesariamente barato en términos absolutos).
Muchas empresas de tecnología pagan a sus empleados parte del sueldo en acciones en vez de efectivo. Contablemente, esto se resta como un gasto (reduce las ganancias reportadas), pero como no sale efectivo real de la caja, muchos analistas lo “suman de vuelta” al calcular el flujo de caja libre, como si fuera un gasto no-real.
Shkreli dice explícitamente que él NO considera esto un “add back” apropiado. Su punto (que no llega a desarrollar del todo en esta parte, pero que es un argumento clásico bajista) es que aunque no sea efectivo, sí es un costo real: diluye a los accionistas existentes (crea más acciones, por lo tanto tu porción de la empresa vale menos). Ignorar esto infla artificialmente el free cash flow real de la empresa. Es una señal de alerta, no de tranquilidad.
Este es un concepto denso, te lo explico bien:
Shkreli señala algo interesante: el capex de Adobe es más bajo que su D&A. Esto significa:
Nota: aunque esto suena “positivo” en el sentido de que las ganancias reales pueden ser algo mejores de lo que parecen, el punto general de Shkreli sobre Adobe sigue siendo negativo/escéptico en el balance general — esto es un matiz técnico, no cambia su tesis bajista.
Es un concepto contable importante: cuando un cliente te paga por adelantado (ej: paga el año completo de suscripción de una vez), la empresa NO puede contarlo todo como ingreso (“revenue”) en ese momento. Tiene que ir reconociéndolo de a poco, mes a mes, a medida que efectivamente “presta” el servicio. Lo que todavía no fue reconocido se guarda en el balance como “ingreso diferido”.
Por qué importa: el ingreso diferido es un indicador adelantado de ingresos futuros — si esa cifra sube trimestre a trimestre, es una señal de que hay más ventas/contratos “en camino” para reconocerse como ingreso más adelante. Shkreli lo señala como “una buena señal” cuando ve que sube, pero inmediatamente agrega la duda: hay que ver cuánto tiene que subir para justificar semejante valuación de la acción. No se entusiasma de más.
Adobe se divide en:
Su sospecha (sin confirmarlo del todo): que la mayoría de la plata real la hacen con Photoshop, y que algo como Acrobat probablemente no genera casi nada de ganancia relativa.
Un dato que menciona sobre Salesforce: el 70-73% de sus ingresos vienen de EEUU/Américas. Esto lo interpreta con cautela — no necesariamente positivo per se, sino que como el resto del mundo (Europa, Asia) todavía no es un cliente grande, ahí hay margen de crecimiento futuro si logran expandirse, pero es una expectativa, no un hecho garantizado.
Es su forma de explicar la idea de “precio relativo al valor”, el corazón de la inversión “value investing”:
No importa si una empresa (o una hamburguesa) es “la mejor del mundo”. Importa cuánto estás pagando en relación a lo que estás recibiendo. Una hamburguesa buenísima a $1.000.000 es una pésima compra. Una hamburguesa buena a $10 puede ser un notable negocio. Trasladado a acciones: Adobe puede ser una gran empresa, pero si el precio (33x free cash flow) es demasiado alto respecto a lo que genera, es una mala inversión — aunque la empresa en sí sea excelente.
¿Querés que sigamos con la parte que sigue del transcript (la de Salesforce que se corta al final), o preferís que profundice en algún concepto de estos antes de seguir (por ejemplo el tema de stock-based compensation o el múltiplo de FCF)?
¡Dale! Vamos con la clase 2. Te la voy a ir explicando en orden, tal como viene el video, con todo detalle porque me pediste que no resuma de más.
Al principio hay un pedacito que es en realidad el final de la clase anterior (la de Adobe), que se cortó por problemas técnicos (“mi internet está roto”). Ahí Shkreli estaba hablando de deferred revenue (ingresos diferidos) comparando Adobe con Salesforce.
Termina la clase de Adobe ahí, sin cerrar bien el tema, y avisa que la próxima clase va a ser sobre Intuit (la empresa de TurboTax), invitando a la gente a armar un modelo financiero de Intuit y mandárselo por mail.
Repaso rápido de lo que vieron en la clase 1 (esto te lo dejo porque es contexto, no lo voy a resumir de más):
Sobre el enterprise value: dice que si te confundió, está bien, es normal, es un concepto que lleva tiempo entender. (No te lo explica acá en detalle todavía, va a venir después con números).
Advierte: esto va a ser “un poco seco, un poco aburrido”. Nada de endulzar la píldora: gran parte de las finanzas es “plug and chug” — es decir, meter números en fórmulas mecánicamente, sin glamour, revisando cientos de empresas buscando la que te interese. No es emocionante, es trabajo repetitivo.
Va al sitio de la SEC (Securities and Exchange Commission, el organismo regulador de EEUU que obliga a las empresas que cotizan en bolsa a publicar sus números). Ahí buscás por el ticker (símbolo) de la empresa — el de Apple es AAPL.
Tipos de documentos que vas a ver ahí (esto es clave, apuntalo):
Los que más te van a importar como principiante son el 10-Q y el 10-K, porque ahí está toda la info financiera detallada. Esto sirve para cualquier empresa pública: Ford, Pfizer, Bed Bath & Beyond, la que quieras.
Ejemplo concreto: mira el 10-Q de Apple del 27 de enero de 2016, que reporta el trimestre que terminó el 26 de diciembre de 2015. Ahí ve que las ventas (sales/revenue) fueron de 75 mil millones de dólares en ese trimestre — una de las cifras de ingresos más altas del mundo en un solo trimestre.
Acá usa una metáfora religiosa (es católico) para los tres estados financieros centrales, que forman una sigla: IS, BS, CF:
Necesitás los tres juntos para tener una imagen completa de cómo le fue a una empresa. Ninguno solo alcanza.
Esta clase se va a enfocar sobre todo en el Income Statement, y van a tocar el Balance Sheet. El Cash Flow queda para después.
1. Precio de la acción (stock price) Se consigue en Yahoo Finance o Bloomberg. Prefiere Yahoo Finance. Aclara algo realista: no hace falta ver el precio en tiempo real segundo a segundo — eso es una pérdida de tiempo. Podés mirar la cotización cada 3-6 horas y funciona igual. En ese momento, Apple cotizaba a ~$97.
2. Acciones en circulación (shares outstanding) Se encuentra en la primera página del 10-Q. Apple tenía 5.5 mil millones de acciones (5,544,583… miles, es decir ~5.544 billones en escala corta) al 8 de enero de 2016.
3. Market Cap (capitalización de mercado) Es simplemente: precio de la acción × cantidad de acciones. La analogía que usa: una pizza dividida en 10 porciones de $10 cada una = pizza de $100. Con Apple: $97 × 5.5 mil millones ≈ $537 mil millones de dólares, la empresa más valiosa del mundo en ese momento. ⚠️ Importante para no generarte falsa esperanza: el market cap es el valor que el mercado le pone a la empresa en ese momento, no necesariamente lo que “vale de verdad” — el precio de la acción puede estar inflado o deprimido.
4. Cash (efectivo) — acá entra el Balance Sheet El efectivo NO está en el estado de resultados, está en el balance. Y acá explica una regla clave:
El balance sheet lista los activos en orden de liquidez (de más fácil a convertir en efectivo, a más difícil).
5. Accounts Receivable (cuentas por cobrar) Es plata que te deben por productos que ya vendiste pero que el cliente todavía no pagó. Explica que en el mundo real de negocios (B2B, empresa a empresa) es normal vender “a crédito”: le mandás 15,000 iPhones a un distribuidor y le das 30-60 días para pagar (“net 30”, “net 60”). Esto es distinto a comprar en un local (vos no le decís al supermercado “te pago cuando pueda”).
Punto negativo/realista que subraya: no todos los clientes pagan. Eso se llama bad debt (deuda incobrable). Por eso las cuentas por cobrar se reportan netas (netted) de esa deuda incobrable estimada — es decir, la empresa ya descuenta lo que probablemente nunca va a cobrar. Si vencen hace mucho (60-90+ días), se empiezan a “castigar” (write off) del balance, asumiendo que no se va a cobrar. Ojo con esto: cuando analices una empresa, un crecimiento en cuentas por cobrar que no viene acompañado de más ventas reales puede ser señal de problemas de cobranza, no de crecimiento genuino.
6. Inventory (inventario) Bienes que la empresa tiene para vender. Se divide en:
Avisa que el inventario es “bastante complicado” y que lo van a tratar en varias clases futuras — o sea, lo que viste hoy es solo la superficie.
7. PP&E — Property, Plant & Equipment (propiedad, planta y equipo) Cualquier activo físico (“duro”) con una vida útil de más de 12 meses. Ejemplos: edificios, terrenos, fábricas, una máquina de $20 millones que arma iPhones. Incluso un software con licencia de 5 años puede entrar en esta categoría (el video se corta ahí, justo cuando empieza a explicar esto último).
Marca que esto “termina siendo vexing” (fastidioso/complicado) en contabilidad — o sea, te avisa de entrada: no esperes que PP&E sea simple. La forma de contabilizarlo (depreciación, etc.) es de las partes más engorrosas de la contabilidad, y todavía no llegaron a esa parte en este video.
Aprendiste el mapa general: dónde buscar los números oficiales (SEC/EDGAR, 10-Q, 10-K), qué son los 3 estados financieros, y cómo leer el balance de arriba hacia abajo por liquidez. Pero es importante que tengas claro: esto es solo el vocabulario y la ubicación de los datos. Todavía no aprendiste a interpretar si una empresa es buena o mala inversión — eso requiere mucho más (analizar tendencias, comparar con competidores, entender el negocio, la industria, el management, etc.), y la clase se corta justo cuando estaba por explicar PP&E en profundidad. No te confíes en que con esto ya podés evaluar una empresa: es apenas el punto de partida, y como te dijo el propio instructor al principio, la mayoría de la gente que intenta hacerse buena en esto, no lo logra.
¿Querés que sigamos con el próximo archivo cuando lo tengas, o preferís que arme un glosario acumulado con todos los términos que vayamos viendo (para no tener que repetir definiciones clase tras clase)?
¡Dale, vamos con esto! Te lo traduzco y te explico parte por parte, sin resumir de más, porque como decís que no sabés nada de finanzas, prefiero que te quede clara la lógica completa. Vamos por partes.
La clase arranca hablando de cómo se ordenan los activos (assets) en un balance general: de más líquido a menos líquido. Líquido significa qué tan rápido y fácil podés convertir algo en efectivo (cash) sin perder valor.
El orden que explica es:
Después están los intangible assets (activos intangibles): goodwill (algo así como “plusvalía” o “llave de negocio”), propiedad intelectual, patentes, marca. La idea clave acá —y esto es importante, marcalo bien— es que un activo intangible nunca se va a convertir directamente en efectivo. Una patente no se transforma en plata; simplemente protege tu derecho a hacer negocios con esa tecnología. El profesor dice que esto es medio “gobbledygook contable” (jerga confusa de contadores) y que no te preocupes mucho por entenderlo del todo por ahora — es un tema técnico que da para otra clase entera, especialmente el goodwill (que surge cuando una empresa compra otra empresa pagando más de lo que valen sus activos “de libro”).
Activos corrientes (current assets) — son los que se espera convertir en cash dentro de un año:
Total activos corrientes de Apple: 76 mil millones de dólares.
Long-term marketable securities (valores negociables de largo plazo): 177 mil millones. Este es un número enorme. El profesor explica la diferencia entre “corto plazo” y “largo plazo”: son bonos (la mayoría gobiernos de EE.UU., que son más seguros que bonos corporativos o acciones) que vencen (maturity date) en más de un año. Por ejemplo, un bono del Tesoro que vence en 2025 es “largo plazo” porque el gobierno no te devuelve la plata hasta esa fecha — pero igual podés venderlo antes en el mercado, por eso sigue siendo líquido, solo que técnicamente se categoriza distinto.
Acá el profesor hace algo importante para vos como estudiante: suma todo esto como si fuera “cash”: 16 + 21 + 177 = ~215 mil millones de dólares que él considera, en la práctica, “todo es plata” aunque contablemente esté repartido en categorías distintas.
Total de activos de Apple: ~293 mil millones de dólares.
Punto que remarca: aunque Apple valga en el mercado (market cap) unos 500 mil millones, sus activos “de libro” son solo 293 mil millones. La explicación que da un alumno (y el profesor aprueba) es que el mercado no valora solo los activos que tenés hoy, sino la capacidad de la empresa de generar plata en el futuro, durante décadas.
Accounts payable (cuentas por pagar): lo opuesto de las cuentas por cobrar. Es lo que vos le debés a otros. Ejemplo: contratás un estudio de abogados, te facturan, y tenés 30 días para pagar — durante esos 30 días, esa deuda es una cuenta por pagar.
Accrued expenses (gastos devengados): la diferencia con accounts payable es sutil, dice el profesor. La idea es que son gastos que ya se “generaron” (se devengaron) aunque todavía no llegó la factura o el pago puntual. Ejemplo: si le debés un sueldo anual de un millón de dólares a un empleado, tu accounts payable es solo el próximo sueldo puntual, pero el gasto devengado total podría ser el millón completo repartido en el tiempo.
Deferred revenue / unearned revenue (ingresos diferidos / no ganados): esto lo marca como uno de los conceptos más complicados de contabilidad, pero en el fondo es simple: es plata que ya cobraste, pero todavía no entregaste el producto o servicio. Ejemplo clásico: gift cards (tarjetas de regalo). Cobrás la plata hoy, pero recién “ganás” ese ingreso cuando el cliente usa la tarjeta y recibe el producto. Dice que las empresas de software suelen tener mucho deferred revenue (por ejemplo, suscripciones anuales pagadas por adelantado), y que Apple tiene esto por su componente de software.
Commercial paper (papel comercial): un tipo de deuda de corto plazo, básicamente préstamos de bancos. Apple tenía 7,3 mil millones en esto (el profesor lo escribe también como “7259” en un momento, revisá que hay una pequeña inconsistencia en la transcripción original, probablemente un error de dictado/transcripción del video).
Current portion of long-term debt (porción corriente de la deuda de largo plazo): deuda de largo plazo que vence dentro del próximo año. Menciona una cifra de “cinco mil millones” (2.5 según el texto, hay ambigüedad en la transcripción, así que ojo con ese número específico).
Long-term debt (deuda de largo plazo): 53.204 millones.
Total deuda de Apple: ~62 mil millones de dólares (según la suma que hace el profesor).
Acá llega al punto final, que es clave:
La lógica: el Enterprise Value representa cuánto costaría realmente “comprar” el negocio operativo de Apple, si asumís su deuda pero te quedás con todo su cash. Como Apple tiene muchísimo cash acumulado (215 mil millones), ese cash “resta” del precio real que estás pagando por el negocio en sí — por eso el Enterprise Value (385 mil millones) es bastante menor que el Market Cap (538 mil millones).
Para que redondees a lo negativo como pediste, sin falsas esperanzas: estos son números de diciembre de 2015, no actuales — son viejísimos para hoy (2026), así que sirven solo como ejemplo pedagógico de cómo leer un balance, no como referencia de la situación financiera real de Apple hoy. Y ojo con un par de cifras de la transcripción (el commercial paper y la porción corriente de deuda de largo plazo) que tienen inconsistencias propias del audio pasado a texto — no las tomes como 100% exactas, son aproximaciones del video original.
Si me pasás la parte 54, seguimos con el mismo nivel de detalle.
Dale, vamos con esto parte por parte. Es una clase bastante densa así que la voy a ir explicando en el orden en que la dio, sin recortar conceptos.
Shkreli arranca con el ejemplo de Apple. La empresa cotizaba (en ese momento) a unos 530 mil millones de dólares de capitalización de mercado (market cap), pero adentro de esa empresa había 150 mil millones de dólares en efectivo neto (cash neto = efectivo menos deuda).
La idea central: cuando comprás una acción de Apple, no estás comprando solamente “la fábrica de computadoras”. Estás comprando una porción proporcional de todo lo que tiene la empresa: sus fábricas, sus productos, su marca… y también su efectivo y su deuda.
Entonces él plantea un ejercicio mental: ¿qué pasaría si Apple valiera 500 mil millones en bolsa pero tuviera 500 mil millones en efectivo? Respuesta: eso estaría muy mal valuado (undervalued) porque básicamente estarías comprando el negocio real gratis — pagás por la empresa y el efectivo que ya tiene cubre casi todo el precio.
Con los números reales: la empresa “operativa” (sin contar el efectivo) valía como 380 mil millones (530 - 150), pero él lo redondea distinto en un momento y dice “el negocio completo vale 550 mil millones pero tienen 150 mil millones en efectivo, así que no es gratis, pero una buena parte sí lo es”. Son un poco inconsistentes los números en la transcripción (habla de 530 y después de 550, y en un momento dice “500 y 150 en efectivo, es como un tercio de descuento”) — son cifras aproximadas que usa para ilustrar la idea, no hay que tomarlas como exactas.
El punto clave, que es lo que hay que llevarse: nunca mires solo el market cap. Siempre restá el efectivo neto para saber cuánto estás pagando realmente por el negocio “de verdad” (el que genera ganancias operando).
Después da un ejemplo más extremo para que quede clarísimo: una empresa con 50 millones de market cap y 60 millones de efectivo. Pregunta “¿qué harían ustedes?” y la respuesta implícita es: la comprás entera. Pagás 50 millones, adentro hay 60 millones en cash, así que ganás 10 millones “gratis” apenas la comprás (y encima te quedás con el negocio). Esto es un arbitraje casi de manual — en la vida real, si esto existiera así de obvio, alguien ya lo habría comprado, pero sirve como ejemplo didáctico extremo.
Ahora pasa al balance de Apple:
La fórmula que enseña es la base de toda la contabilidad:
Activos − Pasivos = Patrimonio (shareholders’ equity)
O reordenada (moviendo los pasivos al otro lado):
Activos = Pasivos + Patrimonio
Esto es lo que significa que “el balance siempre balancea”: los dos lados de la ecuación son siempre iguales, por definición contable.
Patrimonio neto = book value (valor libro). Él explica por qué se llama así: es literalmente “lo que queda” si la empresa cerrara mañana, vendiera todos sus activos y pagara todas sus deudas. Ejemplo que da: una empresa con 500 mil de activos y 100 mil de pasivos, si cierra mañana, a los dueños les queda 400 mil. Eso es el book value.
Ojo con un detalle importante que menciona: parte de esos activos son intangibles (goodwill, patentes). Si la empresa realmente cerrara, esas cosas probablemente no valen nada en una liquidación real — el goodwill sobre todo es un concepto contable, no algo que puedas vender. Por eso existe el tangible book value: el mismo cálculo pero sacando los intangibles, para tener una foto más realista (y más conservadora/negativa, que es como hay que redondear siempre) de cuánto “valor duro” hay atrás de la empresa.
Dice que esta parte es “más divertida” porque se ve la realidad del negocio funcionando, mientras que el balance es más abstracto/contable.
Primer dato: Apple facturó 75 mil millones de dólares en el Q4 2015 (que para Apple es octubre-noviembre-diciembre, o sea 3 meses).
Definición: revenue = ventas = ingresos = “turnover” = “receipts”. Son todos sinónimos.
Punto importante y contraintuitivo: revenue NO es necesariamamente caja cobrada. Da varios ejemplos de por qué reconocer ingresos (“revenue recognition”, en la jerga “rev-rec”) es más complicado de lo que parece:
Ejemplo largo del contrato plurianual (Young Jeezy / Boost Mobile): un contrato de 10 millones de dólares por 4 años de promoción. Boost Mobile te paga los 10 millones de una sola vez, por adelantado. La pregunta es cuánto revenue reportás en el primer trimestre: ¿los 10 millones? ¿2,5 millones (10/4 años)? ¿750.000?
La respuesta correcta según las reglas contables (las llama “FASB” — Financial Accounting Standards Board, el organismo que dicta estas normas en EEUU): $750.000 por trimestre, durante 16 trimestres (4 años x 4 trimestres). Esto porque el servicio (promocionar el producto) se presta de forma pareja a lo largo de todo el contrato, entonces el ingreso se reconoce repartido, no todo de una.
Acá aparece un concepto de balance que se conecta con esto: deferred revenue (ingresos diferidos). Ya cobraste los 10 millones en efectivo (así que tu caja sube 10 millones ya), pero en el balance aparece un pasivo de “ingresos diferidos” por la parte que todavía no “ganaste” (no prestaste el servicio). Es un pasivo porque técnicamente le debés el servicio al cliente — y si dejás de cumplir, te pueden demandar. Cada trimestre que pasa, ese pasivo de ingresos diferidos baja $750.000 y se convierte en revenue reconocido.
Devoluciones (returns): otro tema que complica el revenue recognition. Si una empresa como Apple tiene política de devolución (le devolvés el celular y te reembolsan), hay que reservar una parte del revenue anticipando esas devoluciones futuras, no podés asumir que el 100% de lo vendido se queda vendido.
Es el costo de producir lo que generó ese revenue. Con los números de Apple: vendieron 75 mil millones, y les costó 45 mil millones producir eso.
Detalle importante que un espectador pregunta: ¿el COGS incluye mano de obra (labor)? Sí. Según GAAP (Generally Accepted Accounting Principles — normas contables de EEUU, también dictadas por el FASB), cualquier costo directamente asociado a producir el bien entra en COGS: materia prima, el costo de operar la planta, el sueldo del operario que arma el producto. Aclara que el sueldo del gerente de planta (que no fabrica físicamente el producto) es un caso más ambiguo — a veces entra en COGS y a veces no, depende de cómo se clasifique.
Gross profit = Revenue − COGS
En números: 75 mil millones − 45 mil millones = 30 mil millones de ganancia bruta.
Gross margin (%) = Gross profit / Revenue
En este caso da como 40% (aunque en el audio en un momento dice “50%” al principio y después corrige/calcula el número real como 40% con la fórmula — quedate con el 40%, que es el resultado real de dividir gross profit por revenue).
Esto significa: por cada dólar que Apple vendió, les costó aproximadamente 60 centavos producirlo, y les quedaron 40 centavos de margen bruto antes de restar cualquier otro gasto.
Después del COGS, siguen restando gastos hasta llegar a la ganancia final (profit). Los dos que menciona acá:
Su conclusión en este punto: Apple es una empresa muy rentable porque, después de cubrir el costo de fabricar sus productos, gasta relativamente poco en estas otras categorías (I+D y SG&A) comparado con la ganancia bruta que genera.
Corte acá porque el estado de resultados sigue (todavía falta llegar a operating income, impuestos, y net income/ganancia neta final — la transcripción se corta justo en el medio de “operating expenses”). Si me pasás la continuación, seguimos exactamente donde quedó.
Una cosa para tener en la cabeza siempre, redondeando para el lado negativo como pediste: estas cifras de Apple 2015 son ganancias enormes, pero no son garantía de nada hacia el futuro — el R&D bajo y el margen alto pueden ser señal de eficiencia hoy, pero también pueden ser vulnerabilidad si la competencia innova más rápido. Y todo lo de “revenue recognition” que explicó existe justamente porque es un área fácil de manipular para inflar resultados — es una de las herramientas más comunes de fraude contable, así que cuando analices un balance ajeno, conviene desconfiar antes de confiar.
¡Dale! Vamos con la parte 55 del stream, traducido y explicado en detalle, sin recortar conceptos. Está dividida claramente en dos bloques: (1) terminar de leer el income statement de Apple, y (2) arrancar con la pregunta más importante de la noche, que es cómo valuar el dinero en el tiempo (introducción a perpetuidades).
Contexto numérico que da la clase:
Operating profit (ganancia operativa): Es la línea clave: Gross profit (ingresos - costo de producción) menos los gastos operativos. Con esos números da $24 mil millones.
Operating margin (margen operativo): Se calcula como Operating profit / Revenue = 24/75 ≈ 32%. El profesor remarca que esto es MUY alto. La mayoría de las empresas no llega a un margen operativo del 32%. Da de ejemplo: algunas farmacéuticas sí llegan a ese nivel, pero minoristas (retailers) suelen tener márgenes operativos de apenas ~10%. O sea, Apple es una máquina de generar ganancia relativa a lo que gasta operando, comparado con el promedio de las empresas.
¿Qué queda después del operating profit? Ahí entran los gastos “financieros” y de impuestos. La diferencia entre operating profit y net profit (ganancia neta) es básicamente:
Net profit (ganancia neta): queda en $18 mil millones.
Net margin (margen neto): 18/75 = 24%. La frase que usa el profesor es literal: “de cada dólar que Apple te cobra, se queda con 24 centavos”. Es una forma bien concreta de pensar el margen neto.
Tasa de impuesto efectiva (tax rate): La ganancia antes de impuestos era $24 mil millones (el operating profit ajustado), y pagaron $6 mil millones de impuestos. 6/24 = 25%. El profesor hace un comentario político/social acá: dice que mucha gente se queja de que las corporaciones como Apple pagan una tasa de impuesto baja (25%) comparado con lo que paga una persona común, que a veces paga el doble o el triple en tasa efectiva. Es un comentario de color, no un dato técnico adicional — lo dejo tal cual lo dijo, pero es una opinión suya, no una verdad universal sobre todas las corporaciones.
Earnings per share (EPS) - ganancia por acción: Toman la cantidad de acciones en circulación: 5.594.127 (miles de acciones, wording confuso en la transcripción pero así se calculan estas cosas — dividiendo el net income total por la cantidad total de acciones). Resultado: EPS = $3.28 por acción.
Como el reporte trimestral de Apple siempre viene con “este trimestre vs. el mismo trimestre del año pasado”, él copia y pega la planilla entera (fórmulas incluidas) y solo cambia los números crudos del año anterior. Como el formato es idéntico, todas las fórmulas (márgenes, EPS, etc.) se recalculan solas. Verificación: el net profit del año anterior también les da $18.02 mil millones — coincide, así que el copy-paste funcionó bien.
Con las dos columnas armadas, calculan el crecimiento de revenue: fórmula = (nuevo / viejo) - 1, expresado en %.
Resultado: Q4 2015 vs Q4 2014, el revenue de Apple creció apenas un 2%.
El profesor es claro en marcarlo como una señal negativa: dice textualmente que esto es “preocupante” (worrisome trend) — que Apple prácticamente dejó de crecer en ingresos. Especula sobre las causas (falta de lanzamiento de producto nuevo, o una desaceleración genuina de la empresa) pero no da una respuesta firme — dice que habría que preguntarle a Apple directamente. No hay que restarle peso a esto: un crecimiento del 2% interanual para una empresa del tamaño de Apple en esa época es un signo de estancamiento, no una anécdota menor.
Empieza a cargar rápido el balance sheet (dice “tienen mucho cash”) pero deja explícito que todavía no van a usar esta información para tomar decisiones de inversión — eso lo dejan para varias clases más adelante (menciona lección 4, 5, 6, 7). El objetivo de esta clase puntual era solamente aprender a leer los números, no a interpretarlos para decidir si comprar o no una acción. Es una aclaración importante para vos: si esperabas “y entonces esto significa que hay que comprar/vender”, todavía no llegamos ahí.
Acá cambia totalmente de tema — pasan de algo “técnico” (leer un reporte) a algo “teórico” (el corazón de las finanzas: cómo valuar flujos de efectivo en el tiempo). El profesor avisa que esto es más importante y potencialmente más confuso.
Plantea un contrato ficticio con reglas bien específicas:
La pregunta central: si te regalan ese contrato hoy, ¿por cuánto lo venderías? ¿Cuánto vale hoy ese flujo infinito de $1 por año?
Esto es, en la jerga financiera real, el problema de valuar una perpetuidad.
La fórmula de una perpetuidad (flujo constante $C por año, para siempre, con tasa de descuento r) es:
Valor presente = C / r
Es decir: la discusión en el fondo es sobre qué tasa de interés/descuento es razonable usar para plata segura, garantizada, sin riesgo, a perpetuidad. Cuanto más baja la tasa que usás, más alto el valor que le asignás al contrato (por eso $50 > $13.50). El profesor no llega a explicar en esta parte del stream por qué elige 2% en vez de otra tasa — la transcripción corta justo ahí, con su comentario final de que “probablemente vale como $50 en mi opinión”.
Esta pregunta del “dólar perpetuo” es un clásico de entrevistas de finanzas justamente porque no tiene una respuesta única y objetiva — depende 100% de qué tasa de descuento asumís, y esa tasa depende de cosas como: tasas de interés libres de riesgo en el mercado, inflación esperada, y cuánto “premio” le pedís por atarte la plata en algo ilíquido. Ninguno de los invitados dio una respuesta completa y correcta en el momento; el profesor tampoco terminó de explicarla en esta parte. Si tenés la continuación del stream, ahí probablemente sí desarrollan la fórmula y el razonamiento completo — avisame y seguimos con la parte 56.
Dale, vamos con el material completo. Es una clase de valor presente / valor del dinero en el tiempo (time value of money), que es la base de todo lo demás en finanzas (valuación de acciones, bonos, empresas, todo). Te lo traduzco y explico en orden, sin cortar nada importante.
Todo arranca de una pregunta tipo: “¿cuánto vale hoy un flujo de caja futuro?” Da el ejemplo de $5 dólares en 5 minutos: eso vale prácticamente $5 (quizás $4.9999), porque el tiempo es tan corto que no hay incertidumbre. Esto lo conecta con mercados reales que existen para esto: repos (repurchase agreements) y carry trades, donde se presta plata de un día para el otro y se cobra un interés ínfimo. Esto es real, no es solo un ejemplo de pizarrón.
Punto importante para vos, sin ilusiones: esos mercados de un día (overnight) tienen retornos microscópicos. No es una forma de “hacerse rico rápido”, es el extremo de baja incertidumbre de la curva.
Después plantea: ¿qué es mejor, $1000 en 10 años o $100 por año durante 9 años? Y aclara algo clave: esto no se adivina, se calcula con precisión exacta. Eso es literalmente lo que es la disciplina de las finanzas: tomar esa incertidumbre y convertirla en un número exacto, dado un supuesto de tasa de retorno (7%, 10%, lo que sea). Podés meter inflación, deflación, lo que quieras, y el modelo te da una respuesta exacta para esos supuestos. Ojo con esto: el resultado es exacto dado el supuesto, pero el supuesto en sí (la tasa) es una opinión, no un hecho. Ahí está el problema de fondo que toda esta charla no resuelve del todo.
La tesis: casi siempre (dice “tiene que congelarse el infierno” para que no sea así) un dólar hoy vale más que un dólar mañana. Da dos razones que la gente tira:
Ejemplo concreto: $1000 el 1/1/2016 vs $1000 el 1/1/2019. Prefiere tener la plata en 2016, porque si consigue 10% anual:
Contra los $1000 que tenés si esperás hasta 2019. Ahí está la diferencia: $331 de diferencia por el simple hecho de tener la plata antes y poder invertirla.
Alguien en el chat menciona el riesgo, y él dice algo importante: costo de oportunidad y riesgo no son dos cosas distintas, son la misma cosa (lo retoma más adelante con los ejemplos de préstamos). Esto es una simplificación fuerte de su parte — en la teoría financiera estándar se los trata como relacionados pero no idénticos (el riesgo afecta qué tasa exigís, que a su vez define tu costo de oportunidad). No te lo tomes como verdad absoluta, es su forma de explicarlo.
Menciona que Apple gana ~$18 mil millones por trimestre, ~$70 mil millones al año, y que ese flujo de caja futuro se puede descontar y sumar para llegar a un valor. No lo desarrolla ahí, es solo para que tengas en mente que todo lo que sigue después se aplica a valuar una acción real.
Acá está el corazón matemático de la clase.
Si te prometen $5 por año, todos los años, para siempre, y sumás todos esos $5 sin descontar nada → la suma da infinito (porque son infinitos años). Pero el derecho a cobrar eso no vale infinito. ¿Por qué? Porque cada $5 futuro vale menos que el anterior:
Y así sucesivamente. Supone una tasa de descuento del 3%, así que cada año multiplica por 0.97. Con Excel arma la columna, la copia hacia abajo, y ves que el valor de esos $5 futuros se acerca a cero pero nunca lo toca — es una asíntota, como en cálculo.
Si sumás toda esa serie infinita descontada (con =SUMA() en Excel), el resultado converge en un número finito: $166. Ese sería el precio justo hoy de un contrato que te paga $5 por año durante 332 años (aunque nominalmente sumen $1660 en total sin descontar).
Ojo con la cifra “$166” vs “$1660”: la diferencia entre esas dos ($1660 nominal vs $166 descontado) es la ilustración más clara de todo el video de por qué “sumar la plata futura tal cual” es un error grosero. El valor real hoy es una fracción chica del total nominal.
Prueba distintas tasas sobre ese mismo contrato:
Conclusión: la tasa de descuento y el valor presente son inversamente proporcionales. A mayor tasa de descuento, menor valor hoy. Y en el límite, si la tasa de descuento se acerca a cero, el valor de esa perpetuidad se va a infinito.
Punto para no hacerte ilusiones: esto significa que valuaciones de empresas o activos son extremadamente sensibles a qué tasa de descuento elegís. Cambiar la tasa un par de puntos porcentuales puede cambiar el valor calculado a la mitad o al doble. No es una ciencia tan exacta como la vende al principio — la “precisión” del cálculo depende 100% de un supuesto (la tasa) que es discutible.
Esto es la parte más aplicable de todo el texto. Usa como referencia la tasa de bonos del gobierno de EEUU a 10 años (dice que ronda 1.7%-2%, la cifra exacta que menciona es 1.74%). La lógica:
La idea que cierra todo: cuanto más riesgoso es el prestatario o el flujo de caja, mayor la tasa de descuento que le exigís, y por lo tanto menor el valor presente de esa plata futura. Es el mismo mecanismo matemático de la perpetuidad de $5, aplicado ahora a “qué tasa le pongo a este flujo según cuánto confío en que me paguen”.
¿Querés que sigamos con la parte que viene después de esto (si tenés más subtítulos), o preferís que primero te arme un ejemplo numérico simple en una tabla para que veas con tus propios ojos cómo se calcula el valor presente de una perpetuidad?
¡Dale, vamos con esto! Te voy a ir explicando todo en orden, tal como aparece en la clase, sin saltear nada importante. Como no sabés nada, te explico cada término la primera vez que aparece.
Arranca diciendo que los bonos son “obligaciones aseguradas” (secured obligations) y que los bonos son senior a las acciones. Esto significa que si una empresa quiebra o tiene problemas, a los que tienen bonos (le prestaron plata a la empresa) les pagan primero, y a los accionistas (dueños de una parte de la empresa) les pagan lo que sobra, si sobra algo.
Por eso dice: el flujo de caja (cash flow, la plata que entra) de las acciones es más riesgoso que el de los bonos. Ejemplo: Apple ganó 18 millones de dólares este año (en el ejemplo), pero nadie sabe qué va a ganar el año que viene — podría ser 10% más o 10% menos. Es incertidumbre pura. En cambio un bono te promete un pago fijo.
Idea clave (a favor): la deuda de EEUU (bonos del gobierno) nunca rompió su promesa de pago en 200-250 años. Es lo más “seguro” que existe en finanzas, el benchmark de “sin riesgo”.
Este es el corazón de la clase, prestá atención:
Steph Curry tiene un contrato que le paga U$S 10 millones por año, durante 5 años. Total nominal: 50 millones.
Pregunta: ¿cuánto vale ESE contrato hoy, en este momento, si lo tuvieras que valuar?
La respuesta NO es 50 millones. ¿Por qué? Porque un dólar que te van a dar dentro de 5 años vale menos que un dólar que tenés en la mano hoy. Esto se llama valor presente (present value). Cuanto más lejos en el futuro está un pago, más “hay que descontarlo” (descontar = restarle valor).
Para descontar se usa una tasa de descuento (discount rate). En este caso, el profesor dice que una tasa razonable para Curry es 5% anual.
En Excel esto se calcula con la función:
=NPV(5%, [lista de los 5 pagos de 10 millones])
NPV = Net Present Value = Valor Presente Neto.
Resultado: 43.290.000 dólares. No 50 millones.
Alguien en la clase pregunta esto y hay dos explicaciones que da el profesor:
Nota realista (para no generar falsas expectativas): esto es un modelo simplificado y bastante arbitrario en sus supuestos, como el mismo profesor reconoce más abajo. Los números de tasas de descuento en la vida real no salen “porque sí”, dependen de análisis mucho más profundos y de la situación específica de cada activo. Esto es solo una introducción conceptual.
Fórmula:
Tasa de descuento = Tasa libre de riesgo (risk-free rate) + Prima de riesgo (risk premium)
Para Curry: 1.7% (libre de riesgo) + 3.3% (riesgo de que la NBA/el equipo no cumplan, o riesgo de que rescindan el contrato) = 5% total.
El profesor es honesto y aclara algo importante: esto es bastante teórico y arbitrario. No hay una fórmula matemática exacta para decidir cuánto es la “prima de riesgo” — depende en parte de qué tan bien esa persona (o empresa) podría invertir esa plata si la tuviera ya en mano. Ojo con esto: no es una ciencia exacta, es una estimación subjetiva. Cuanto menor es la tasa de descuento, más se acerca el valor presente a los 50 millones completos — pero nunca puede ser cero, porque siempre hay algo de riesgo. La única forma de que valga los 50 millones completos es que la tasa de descuento sea 0%, y eso no puede pasar en la práctica.
El profesor dice algo fuerte: la mayoría de las fortunas se hacen (o se pierden) cuando alguien predice correctamente que algo muy poco probable va a pasar (o no va a pasar).
Ejemplo que da: Warren Buffett con Coca-Cola y American Express. Cuando las compró, no parecían “baratas” — cotizaban a 20-30 veces sus ganancias (esto es el P/E ratio, precio sobre ganancias — cuanto más alto, más “cara” parece la acción en relación a lo que gana hoy). Pero Buffett acertó en que esas empresas tenían “moats” (fosos, en el sentido de fortalezas defensivas: marca, posición dominante) que iban a proteger sus ganancias futuras durante décadas. Predijo que Coca-Cola iba a seguir vendiendo más y más, y tuvo razón.
El caso contrario, y esto es importante que lo tengas bien claro (parte “negativa”): hay gente que compra empresas a 15 veces ganancias pensando “esto es bajo riesgo, esas ganancias van a seguir” — y se equivocan. Ejemplos que da: Best Buy o Valeant (compañías donde las ganancias parecían sólidas y de repente se derrumbaron). La lección: pagaste un precio asumiendo que las ganancias iban a ser buenas para siempre, y no lo fueron. Esto puede pasar y de hecho pasa seguido. No hay garantías, ni siquiera con empresas que “parecen” sólidas.
Menciona también que en la próxima clase iban a usar el ejemplo de Blockbuster Video (empresa de alquiler de videos que quebró) y Netflix, para mostrar que nadie sabe con certeza qué empresa va a sobrevivir y cuál no. Todo esto “va y viene”, como dice literalmente.
Dice que en la próxima lección van a ver:
Repite que en Excel la fórmula es =NPV(tasa de descuento, serie de flujos de caja), y aclara que no sabe cómo se hace en Google Sheets u otras aplicaciones.
Aclaración honesta del profesor (para bajar expectativas): dice textualmente que esto de descontar flujos de caja es algo que “vas a pasar toda una vida aprendiendo”, que no se puede enseñar en una sola clase, y que el corazón de las finanzas y la inversión es, en el fondo, entender el riesgo de tu flujo de caja. No es magia, no hay atajos.
Esto es un ejemplo aparte, interesante:
Alguien pregunta sobre dividendos y valuación de acciones. El profesor dice que ese tema es para la próxima clase, pero deja planteada la pregunta teórica: ¿una empresa que nunca paga dividendos, vale algo? Dice que muchos libros de finanzas dirían que no (en teoría, si nunca vas a recibir plata de la empresa, no debería valer nada), pero que la vida real sugiere lo contrario (hay empresas que nunca pagaron dividendos y valen muchísimo, como ejemplo típico Amazon o Berkshire Hathaway, aunque él no los nombra acá). Queda planteado como algo a desarrollar después, no lo explica en esta clase.
Resumen de los conceptos nuevos que aprendiste hoy (para que los tengas anotados):
Si me pasás el próximo bloque de subtítulos seguimos con lo de anualidades y DCF completo.
¡Dale! Vamos a repasar esto pedazo por pedazo, sin resumir de más, y te explico cada concepto asumiendo que arrancás de cero. Es una clase de finanzas (parece ser de Martin Shkreli) y tiene dos partes: el final de un stream (preguntas sueltas) y el inicio de otra clase (repaso de lecciones 1 y 2 + introducción a bonos).
Dividendos vs. retener efectivo vs. recompras (buybacks) Menciona que la decisión de una empresa entre pagar dividendos, quedarse con el efectivo, o hacer recompras de acciones depende mucho de los impuestos (temas fiscales) y otros factores. No lo desarrolla, solo lo deja planteado.
Tasa de descuento y política (Demócratas vs. Republicanos) Le preguntan si el partido político en el poder afecta la tasa de descuento que se le aplica a los flujos de caja mundiales. Su opinión: los demócratas aplicarían una tasa de descuento más alta a nivel global, los republicanos una más baja. Pero aclara que esto (impuestos y políticas) cambia mucho en períodos extremadamente largos de tiempo, y que en su opinión no importa tanto comparado con la estabilidad política, que es muchísimo más importante para proyectar flujos de caja.
Nota negativa a tener en cuenta: dice explícitamente que la estabilidad política es “hugely important” (muchísimo más importante) que quién gobierna. O sea, el riesgo real no es el partido político sino la inestabilidad institucional del país.
Riesgo país / riesgo geopolítico Ejemplo: Argentina y varios países cambian de moneda cada 5-10 años. Menciona a Ucrania como ejemplo extremo (imaginate tener flujos de caja en moneda ucraniana, con toda la inestabilidad que eso implica). A esto lo llama “geopolitical risk” (riesgo geopolítico).
El “misterio” del riesgo de descuento Acá se pone medio filosófico. Dice que pasó su vida pensando en este concepto y que tiene una respuesta, pero que no la va a compartir porque es “muy complicada y casi mística, como una religión” para él. Esto es más un gancho retórico que contenido concreto — no te pierdas nada, simplemente no lo explica.
Punto clave: riesgo percibido vs. riesgo real Esta es la idea más importante de esta sección. Dice que el riesgo de un flujo de caja no depende del riesgo percibido, sino del riesgo real (actual risk). Ejemplo que da:
Conclusión (a redondear en negativo): las tasas de descuento son bastante teóricas/subjetivas. El riesgo “sentido” no es lo mismo que el riesgo real, y solo se sabe si algo era riesgoso mirando hacia atrás (si pagó o no). Esto implica que valorar activos con tasas de descuento tiene un componente de incertidumbre que nunca se resuelve del todo hasta que pasa el tiempo.
Bloomberg Terminal Mención de que Bloomberg es carísimo pero es el estándar de la industria (“go-to”), y que si administrás cientos de millones de dólares, el costo del terminal no te importa (es insignificante comparado con el capital que manejás). Pensaba en armar algo alternativo pero descarta la idea por inflación (los costos subieron el mes anterior a este stream).
Tasas de descuento negativas Lo tira como un acertijo, sin resolverlo (“piensen en esto”): ¿qué pasa si tenés un flujo de caja y una tasa de descuento negativa? Lo deja abierto, dice que lo van a discutir en el futuro. No hay contenido real acá, solo la pregunta.
Riesgo de default soberano Le preguntan sobre el valor presente de flujos de caja si hay riesgo de que un gobierno no pague (default). Respuesta: sí, existe la posibilidad de que un gobierno haga default, aunque no lo considera lo más probable. Menciona que hay analistas macro que estudian los balances de países enteros para decidir si van a quebrar, y que la gente hizo esto (apostar contra países) en Grecia, Ucrania y Japón — dice que él mismo hizo fortuna apostando contra algunos de estos.
Punto negativo a remarcar: ningún flujo de caja está 100% libre de riesgo, ni siquiera los respaldados por el gobierno de EEUU. Siempre hay riesgo de inflación, riesgo de tasa de retorno alternativa, y riesgo de default. No existe el “riesgo cero”.
Organización del curso Dice que subió un PowerPoint y que hay un link a un Google Drive con archivos de Excel de las clases anteriores. El curso se va a enfocar en: equity pública, equity privada, y deuda/crédito. Hoy toca ver un poco de deuda (bonos) y algo de spreadsheets (Excel).
Repaso: La Santísima Trinidad de los estados financieros Los tres estados financieros clave que toda empresa tiene:
Cuenta una anécdota graciosa: alguien le regaló una imagen tipo “Santísima Trinidad” con él como Jesús sosteniendo los tres estados financieros.
Las 6 cosas que mira en cualquier empresa Menciona (medio cortado en la transcripción, pero se entienden) estas variables clave para analizar cualquier compañía:
Importante: dice que son “5 o 6 dependiendo de cómo lo mires” — no te preocupes si no cierra el número exacto, el texto original tampoco es 100% claro ahí.
Contabilidad = el lenguaje de los negocios Insiste en que sin contabilidad no se puede hacer finanzas, pero que no hace falta ser contador ni tomar un curso completo de contabilidad — alcanza con un entendimiento básico (“rudimentario”). Repasaron:
El concepto central de la clase (lo más importante de todo el texto):
“Una empresa vale la suma descontada de sus flujos de caja desde hoy hasta la eternidad.”
Esto es la definición de valuación por Descuento de Flujos de Caja (DCF - Discounted Cash Flow). Desglosemos:
Aclara que esta definición no es “perfecta” pero es “bastante completa” — o sea, no te va a dar el 100% de la teoría de valuación, pero es un núcleo sólido para entender de qué se trata invertir.
Cuánto descontar los flujos de caja Relacionado directamente con el riesgo: si estás muy seguro de que vas a cobrar ese flujo de caja, descontás poco. Si hay incertidumbre, descontás más. Pero aclara (siempre con el tono negativo/realista): siempre hay algo de riesgo. Aunque el gobierno de EEUU respalde un flujo de caja, hay:
Nunca hay “riesgo cero” en la práctica.
¿Por qué estudiar bonos? Dato duro: dice que el mercado de bonos es más grande que el mercado de acciones (por la deuda soberana de los países, entre otras cosas). Sin embargo, ~95% de la gente solo opera acciones y nunca bonos, porque comprar acciones es fácil (online) y comprar bonos es más difícil de acceder para el inversor retail. Considera que esto es un error: no entendés bien las acciones si nunca experimentaste otras clases de activos.
¿Qué es un bono? Un bono es, en esencia, un préstamo/deuda/nota — un contrato donde un prestamista (lender) le da dinero a un prestatario (borrower), esperando que se lo devuelvan con intereses.
Términos clave de un bono:
Aclara que no va a entrar en yield to maturity (tasa de rendimiento al vencimiento) ni en detalles avanzados, porque esta no es una clase específica de bonos — es solo una introducción usando un ejemplo simple.
Ejemplo práctico: bono ficticio de IBM
Contexto real que da: los bonos reales de IBM son de u$s 750 millones a u$s 3-4 mil millones. Pero arma un ejemplo hipotético mucho más chico para que sea fácil de entender:
Cómo se calculan los flujos de caja de este bono:
Entonces el flujo de caja para quien presta el dinero (el bonista) sería algo así:
La clase se corta ahí, justo cuando empieza a decir “desde una perspectiva de equity, los bonos son distintos porque…” — pero el archivo termina ahí, no llegamos a esa comparación.
Si tenés la continuación de este archivo, pasámela que seguimos con la comparación bonos vs. equity, que es donde se pone interesante.
¡Dale! Vamos con esta parte. Es densa porque mezcla dos temas distintos: (1) cómo valuar un bono con NPV, y (2) cómo armar un modelo financiero de Apple copiando datos trimestrales. Voy por partes, explicando cada concepto a medida que aparece.
El ejemplo: IBM te va a pagar plata a lo largo del tiempo (varios pagos + un pago grande al final). La pregunta es: ¿cuánto vale HOY ese flujo de pagos futuros?
¿Por qué no vale lo mismo la plata futura que la plata de hoy? Porque hay riesgo (IBM podría no pagarte) y porque la inflación te va comiendo el poder adquisitivo. Entonces “descontás” esos pagos futuros a una tasa que representa ese riesgo.
=NPV(tasa_descuento, rango_de_flujos_de_caja). NPV significa Net Present Value (Valor Presente Neto): toma una serie de pagos futuros y te dice cuánto valen “hoy”.El bono en cuestión:
El punto clave — la relación entre tasa de descuento y ganancia/pérdida:
Este es el corazón del ejercicio. Compará:
Ojo con esto, porque acá conviene ser conservador: si dudás entre dos tasas de riesgo, para no engañarte a vos mismo conviene asumir la tasa más alta (más pesimista), porque subestimar el riesgo es lo que te hace perder plata en la vida real.
¿Por qué los bonos suelen ser más seguros que las acciones? Los bonistas (bondholders) son “acreedores senior” — si la empresa quiebra o tiene problemas, a ellos les pagan primero, antes que a los accionistas. Por eso un bono de una empresa grande y establecida como IBM se considera relativamente seguro (aunque “relativamente seguro” no es lo mismo que “sin riesgo” — nunca hay garantía total, y hay gente que opina que IBM puede estar en declive).
¿De dónde sale la tasa de descuento en la vida real? Acá el profesor reconoce algo importante: es teórico. No hay una fórmula mágica que te diga “el riesgo de default de IBM es exactamente 3%”. Lo que hacés en la práctica es mirar el mercado — comparar contra otros bonos que ya cotizan — para calibrar qué tasa tiene sentido. Esto lleva a la Parte 2.
La lógica es: cuanto más “confiable” (creditworthy) es quien te debe la plata, menos interés te tiene que pagar. Cuanto más dudoso es que te devuelvan la plata, más interés te tienen que pagar para que valga la pena el riesgo.
Ejemplos del video (con los datos de ese momento, ojo que son de hace años y hoy serían distintos):
La idea central: existe un “mercado” de tasas de interés donde cada prestatario (gobierno, empresa, persona) tiene una tasa que refleja qué tan riesgoso es prestarle plata. Si vos ofrecés menos interés del que el mercado exige, nadie te va a prestar — otro inversor va a ofrecer mejores condiciones. Por eso a EEUU y a Apple “les alcanza” con ofrecer 2% para conseguir plata prestada: son tan confiables que a la gente le alcanza con esa tasa baja.
Esto es una manera práctica (no perfecta) de calibrar qué tasa de descuento usar cuando valuás un bono: mirás bonos comparables que ya cotizan en el mercado.
Acá cambia completamente de tema. Empieza a construir una planilla de Excel (modelo financiero) copiando datos trimestrales de Apple desde sus reportes.
De dónde saca los datos:
Truco de Excel que menciona: cuando copiás y pegás una fila con fórmulas, Excel preserva las fórmulas y solo tenés que actualizar los datos “hardcodeados” (los números que pegás a mano). Esto acelera mucho armar el modelo trimestre por trimestre.
Los números que va viendo:
Estacionalidad (seasonality): el hecho de que un trimestre del año sea sistemáticamente más grande que los otros por un patrón recurrente (en este caso, la temporada navideña dispara las ventas de Apple). Es un concepto importante: cuando comparás trimestres, no tiene sentido comparar Q4 vs Q1 directamente porque no son “iguales” — hay que comparar el mismo trimestre año contra año.
Yendo más atrás en el tiempo: compara el Q3 (trimestre de junio) de 2014, con $37 mil millones, contra un trimestre reciente de $75 mil millones — remarca lo grande que se puso el negocio.
Márgenes — un concepto clave que explica bien:
Dato concreto: en Q3 2014, Apple facturó $37 mil millones y le quedaron $7,7 mil millones de ganancia neta.
Armando los años fiscales completos: usa =SUM() para sumar los 4 trimestres de un año fiscal. Así llega a que en el año fiscal 2015, Apple facturó $233 mil millones.
Otras líneas del modelo que menciona:
Acciones en circulación (shares outstanding): es la cantidad de “pedacitos” en que está dividida la empresa. Apple bajó de 6,1 mil millones a 5,6 mil millones de acciones porque está recomprando sus propias acciones (buyback) — literalmente reduce la cantidad de “pedazos” que existen. El profesor deja pendiente explicar por qué hacen esto (probablemente para que cada acción restante “valga más” al repartirse las ganancias entre menos partes, y para devolver valor a los accionistas).
Menciona de paso las ganancias por acción (~$9 por acción) pero aclara que no es una métrica que a él particularmente le interese mucho, aunque es muy popular en Wall Street.
Para medir crecimiento comparás el mismo trimestre de este año contra el del año pasado (ej: celda de este año dividido celda del año pasado, expresado en %).
Acá arranca a explicar cómo hacer una proyección simple:
Método: tomar el número del mismo trimestre del año anterior y multiplicarlo por (1 + tasa de crecimiento supuesta).
Ejemplo: si el año pasado ese trimestre fue $58 mil millones, y asumís un crecimiento de 5%, multiplicás por 1,05 → te da $61 mil millones proyectados.
Esto es intencionalmente el método más simple posible — el profesor descarta explícitamente hacer una regresión lineal u otro modelo más sofisticado, para no complicar de más a alguien que recién arranca. Es un punto de partida razonable, pero hay que tener en cuenta sus límites: no captura eventos puntuales (como el lanzamiento de un producto nuevo, que menciona de pasada con el “Apple Pencil”), ni la posibilidad de que el crecimiento se frene o incluso se vuelva negativo — que es justo lo que veníamos de ver como señal de alarma en la sección anterior. Un supuesto de crecimiento optimista sin chequear contra la tendencia real (que venía desacelerando) puede llevarte a sobreestimar los ingresos futuros.
Si querés, seguimos con la siguiente parte cuando la tengas. Y contame si en algún punto de estos querés que profundice más (por ejemplo, en cómo se calcula exactamente el NPV en Excel paso a paso, o en la diferencia entre margen bruto/operativo/neto con más ejemplos numéricos).
Dale, vamos con esto. Es una clase práctica de cómo armar un modelo de valuación (DCF) usando a Apple como ejemplo. Te lo voy explicando en el orden que va apareciendo, sin resumir de más, y te marco los conceptos de finanzas que van saliendo.
Arranca mostrando que Apple no tuvo ni un solo trimestre de caída de ingresos interanual desde 2006 (que es hasta donde tienen datos). Pero Wall Street está proyectando u$s52 mil millones para el próximo trimestre, lo que sería la primera vez en más de 10 años que Apple factura menos que el año anterior. Él aclara algo importante: Wall Street puede estar equivocado, para cualquier lado. Y para el trimestre siguiente, las proyecciones ya muestran una caída, y después una suba de apenas 1%.
Acá tira una idea clave: si hay una recesión, todo esto se puede ir al tacho. Como no sabe con certeza, decide “asumir algo en el medio”: ni tan pesimista como Wall Street, pero tampoco cree que la recuperación rápida que proyecta Wall Street sea realista.
Para armar el modelo va línea por línea del estado de resultados:
Con todo esto arma un forecast completo del año. Él mismo reconoce: “no es el forecast más avanzado, pero es un forecast, necesitamos algo”.
Acá viene la pregunta central: ¿Apple va a crecer o decrecer de acá a 2030? Es literalmente “la pregunta de un trillón de dólares”. Plantea el argumento bajista: la mayoría de las empresas tech que “llegan a la cima” después empiezan a achicarse, y sin Steve Jobs, quizás necesiten “un milagro” (un producto nuevo) para no depender tanto del iPhone, que es la mayoría de sus ventas.
Para el modelo, asume conservadoramente: caída de 1% anual en revenue a largo plazo. También asume:
Con la proyección lista, dice que hay que descontar los flujos de caja al presente. Esto es la base de toda valuación: una empresa vale la suma de todo el efectivo que va a generar en el futuro, pero ajustado (“descontado”) porque un dólar hoy vale más que un dólar en 10 años.
¿Qué tasa de descuento usar? Razona así:
Con 5% de descuento, el NPV (valor presente neto) de los flujos de caja da u$s500 mil millones.
Ajuste por caja neta: a esto hay que sumarle la caja que tiene la empresa guardada, unos u$s160 mil millones, lo cual da un valor total de u$s666 mil millones. Dividido por las 5 mil millones de acciones en circulación, da u$s120 por acción. El precio de mercado en ese momento era u$s97. O sea, el modelo dice que la acción “debería” valer más de lo que cotiza.
Acá frena todo y dice: hay un error gigante. La definición correcta de valuación es que una empresa vale la suma de sus flujos de caja desde hoy hasta la eternidad. El modelo como está armado, termina en 2030 — como si la empresa dejara de existir después de eso. Eso no tiene sentido.
La solución es calcular un valor terminal (terminal value): asumir que después de 2030 la empresa sigue existiendo, y que sus flujos de caja van a seguir decreciendo (en este caso asumen 2% anual de caída) por muchísimos años más (100 años, no importa tanto el número exacto porque después de tanto descuento, esos flujos valen cada vez menos).
Punto importante que agrega: en general es buena práctica asumir que el valor terminal decae con el tiempo, porque el futuro lejano es muy impredecible. Da el ejemplo de farmacéuticas: las patentes se vencen en fechas conocidas, y ahí el flujo de caja de esos productos desaparece — mucha gente no tiene en cuenta ese detalle y por eso se equivoca en las valuaciones.
Con el valor terminal agregado, el valor de la acción casi se duplica: pasa a u$s176 por acción, contra un precio de mercado de u$s97.
Buena pregunta que se hace él mismo: si el modelo dice que vale el doble, ¿por qué el mercado la valúa a la mitad? Su respuesta: el riesgo. El modelo asume que Apple va a ser líder tecnológico prácticamente para siempre, decreciendo apenas. Eso es una apuesta muy optimista y de bajo riesgo asumido — pero en la realidad, hay mucha incertidumbre de que eso se cumpla. El mercado está poniendo un descuento por ese riesgo.
Después empieza a mover las variables para mostrar cuánto cambia el resultado:
También aclara una crítica que le hacen (parece que del chat/comentarios): que asumir que el ingreso neto (net income) es igual al flujo de caja libre (free cash flow) no es exactamente cierto, pero dice que en el largo plazo tienden a ser parecidos, y que ese es un error menor comparado con el error del valor terminal.
Sigue jugando con el modelo para ver “qué pasa si todo sale mal”:
Contra un precio real de u$s97 en ese momento, esos escenarios muestran que incluso en un desastre razonable, no cae tan por debajo del precio de mercado — lo cual, siendo consistente con tu pedido de “redondear a lo negativo”: el ejercicio muestra que hay bastante margen de downside (caída) posible antes de que el precio actual deje de tener sentido.
Termina diciendo que lo difícil no es armar el modelo (eso se hace en media hora o una hora), sino conocer bien la empresa para saber qué números poner ahí — eso lleva mucho más tiempo. A esto le llama “fundamental research” (investigación fundamental): el trabajo de proyectar flujos de caja futuros, entender si van a crecer o achicarse, si los márgenes suben o bajan, y sobre todo entender el riesgo de esas proyecciones.
Recomienda el libro Common Stocks and Uncommon Profits de Phil Fisher como una de las mejores referencias sobre este tema — no el mejor libro de inversión en general, pero sí el mejor sobre cómo investigar una empresa. Menciona que Fisher acuñó el término “scuttlebutt” (una palabra que ya casi no se usa), que se refiere a la técnica de investigar una empresa hablando informalmente con empleados, competidores, clientes y proveedores para sacar información que no está en los reportes oficiales. El texto se corta ahí, justo cuando iba a explicar bien el concepto.
Si querés, en el próximo pedazo seguimos con el tema del scuttlebutt de Fisher, que se ve que es el próximo tema que iba a desarrollar.
¡Dale, vamos con esto! Te aviso antes de arrancar: esto es la transcripción de un stream de Shkrelli hablando de análisis fundamental de acciones, usando Apple como ejemplo. Voy a traducir y explicar en español, sección por sección, sin resumir de más, y voy a marcarte los puntos donde hay que tener cuidado o donde la cosa no es tan color de rosa como suena.
Qué es: “Scuttlebutt” literalmente es “rumor” o “chisme de barco” (viene de marineros charlando alrededor del barril de agua). En este contexto significa: la reputación y los rumores que circulan sobre una empresa. Por ejemplo, si escuchás que una empresa tiene fama de vender productos de forma agresiva/abusiva, o que trata mal a sus empleados, o que no paga bien — eso es “scuttlebutt”.
La idea: antes de invertir en una empresa, tenés que investigar qué se dice de ella más allá de los números. Antes esto era difícil (había que ir a hablar con gente, proveedores, clientes, empleados). Hoy con internet es mucho más fácil.
Referencia: Phil Fisher escribió un libro (probablemente “Common Stocks and Uncommon Profits”) que Warren Buffett recomienda. Shkrelli dice que no hay que tomarlo como verdad absoluta, pero que los capítulos sobre cómo investigar una empresa son buenos.
⚠️ Nota realista: el “scuttlebutt” es útil pero es información cualitativa y subjetiva. No reemplaza mirar los números reales de la empresa (balances, flujo de caja, deuda). Es un complemento, no la base de la decisión.
La idea central: parte de investigar una empresa es entender quién la maneja. En el caso de Apple, es Tim Cook (el CEO en ese momento).
El problema: un inversor común nunca va a poder reunirse personalmente con el CEO de una empresa grande. Ni siquiera los inversores institucionales grandes lo hacen todo el tiempo — quizás una vez al año, si tienen mucho peso.
Lo que SÍ podés hacer:
En el stream, literalmente intenta escuchar el audio en vivo de la conference call de Apple y falla varias veces (el audio no funciona, el video no está disponible) hasta que encuentra la transcripción. Esto es medio cómico pero también real: conseguir esta información a veces es más molesto de lo que parece.
⚠️ Nota realista: las conference calls están diseñadas por el equipo de relaciones con inversores para sonar bien. El CEO no te va a decir “estamos en problemas” de forma directa. Tenés que leer entre líneas y comparar lo que dicen con lo que realmente pasa en los números.
Disclaimer legal estándar (forward-looking statements): en toda conference call, antes de hablar, dicen algo como “esto son proyecciones a futuro, los resultados reales pueden diferir materialmente, ver los factores de riesgo en el Form 10-K”. Esto es una protección legal — la empresa se cubre para que si la proyección no se cumple, no la puedan demandar por eso. Es texto estándar, no le prestes atención especial, pero entendé que toda proyección de una empresa es solo una expectativa, no una promesa.
Esta es la parte más técnica, así que vamos despacio.
Qué es una tasa de descuento: cuando valorás una empresa, generalmente proyectás cuánto efectivo (cash flow) va a generar en el futuro, y después “traés ese dinero futuro al presente” usando una tasa de descuento. Cuanto más alta es la tasa de descuento, menor es el valor presente de esos flujos futuros — o sea, la empresa “vale menos” en tu modelo.
¿Quién recibe una tasa de descuento baja y quién una alta? La lógica que da Shkrelli:
Ejemplos que da, comparando “gigantes tech” (Apple, Microsoft, IBM, Google, Facebook, Netflix, Samsung, Sony, AT&T):
⚠️ Punto clave y honesto: él mismo dice algo importante — una tasa de descuento más baja hace que la empresa “valga más” en el modelo, pero eso NO significa que sea mejor inversión. Una inversión es buena únicamente si podés comprarla por menos de lo que realmente vale. O sea: el ejercicio de la tasa de descuento te da un “valor justo” estimado, pero la ganancia viene de comprar barato respecto a ese valor, no de elegir la empresa “más segura”.
Cómo se decide la tasa de descuento en la práctica, según él: es en gran parte subjetivo — un “gut check” (una corazonada informada), basado en cuánto confiás en la gerencia y en qué tan defendible es el negocio. Esto es más arte que ciencia exacta, y es importante que lo sepas: no hay una fórmula mágica objetiva para esto, distintos analistas van a poner números distintos.
Sobre quién influye en el precio de la acción — los grandes accionistas: Menciona quiénes son los principales accionistas de Apple: fondos como Vanguard, BlackRock, State Street, Fidelity, y también inversores activistas individuales como Carl Icahn. La diferencia:
⚠️ Nota realista: vos como inversor individual chico no vas a tener ese acceso. Esa es la brecha de información real que existe entre un inversor institucional grande y una persona común. No te engañes pensando que con estudiar vas a tener el mismo nivel de acceso — la diferencia es real y hay que aceptarla.
La idea: además de escuchar las conference calls, hay que leer todos los comunicados de prensa de la empresa — Shkrelli sugiere ir para atrás al menos un año completo. La idea es armar un registro/notas de todo: qué productos vende la empresa (en el caso de Apple: iPhone, iPad, Mac, iPod, iTunes, etc.), qué porcentaje de ingresos representa cada línea de producto, y qué podría venir en el futuro (en ese momento especulaban sobre un posible “Apple Car”).
Qué es el “guidance”: cuando una empresa publica resultados, generalmente también da una proyección de lo que espera para el próximo trimestre. En el ejemplo: Apple dijo que esperaba ingresos de entre 50 y 53 mil millones de dólares para el próximo trimestre, y margen bruto entre 39% y 39.5%.
Cómo se usa esto en un modelo financiero: en vez de “inventar” un número optimista (poner 55 mil millones porque “sí, va a crecer mucho”), usás el guidance de la propia empresa como ancla y ajustás un poco (por ejemplo poner 54 mil millones, un poco más conservador que el techo del rango). Lo mismo con los gastos: si la empresa dice que va a gastar más de lo que vos tenías estimado, tenés que bajar tu proyección de ganancia neta (en el ejemplo, el ingreso neto proyectado baja de ~12.6 a ~11 mil millones al ajustar los supuestos).
⚠️ Nota realista, importante: el guidance es lo que la propia empresa quiere que vos creas que va a pasar. Las empresas suelen dar guidance conservador a propósito, para después “superar las expectativas” y que la acción suba (esto se llama “sandbagging” en la jerga). No lo tomes como un hecho garantizado, es una pieza más de información, filtrada por los intereses de la empresa.
Shkrelli dice literalmente que no cree que se pueda aprender mucho sobre una empresa específica escuchando a otros inversores, medios como CNBC, o hedge funds (ni siquiera menciona a gente grande como Carl Icahn o Citadel). Su argumento: podés aprender principios generales de inversores exitosos (“legends”), pero no vas a sacar nada útil sobre Apple específicamente escuchando la opinión de otro inversor cualquiera en la tele.
⚠️ Contraste realista: esto es una opinión fuerte y bastante personal de él, no un consenso. Hay analistas y gestores serios que sí consideran útil leer research de otros analistas (research de bancos de inversión, por ejemplo) como un insumo más — la diferencia está en no copiar ciegamente sus conclusiones. Tomalo como su opinión particular, no como regla universal.
Esta es la parte final y probablemente la más citable:
Su punto: nunca hay que decidir invertir con menos de 100 horas de trabajo, y lo ideal está entre 100 y 1000 horas, dependiendo de cuándo te sientas realmente cómodo con la decisión — aunque sean 300 horas, si estás cómodo con lo que sabés, está bien parar ahí. Pero jamás con menos de 100.
⚠️ Nota clave y realista, porque me pediste que redondee para el lado negativo: este framework es exigente y poco realista para la gran mayoría de la gente que quiere invertir por su cuenta con un trabajo de tiempo completo aparte. Es el estándar de alguien que hace esto profesionalmente y a tiempo completo. Si sos una persona común, esto no es alcanzable para cada acción individual que quieras comprar — y esa es justamente una de las razones prácticas (no la única) por las que index funds/ETFs diversificados son la opción que recomienda la gran mayoría de asesores financieros serios para inversores individuales: porque no todo el mundo tiene 100-1000 horas por empresa para dedicarle a stock picking. Este video te está enseñando el proceso de un stock picker activo, no necesariamente el camino más realista para vos si estás arrancando de cero.
Termina con dos llamadas de oyentes:
Resumen de lo que hay que sacar de esto, siendo honesto:
Si querés, en el próximo texto que me pases puedo ir marcando también los términos técnicos nuevos que vayan apareciendo (tipo “margen bruto”, “flujo de caja”, etc.) con definiciones cortas al lado, para que se te vaya armando un glosario a medida que avanzamos.
¡Dale! Vamos con esto pregunta por pregunta, tal como viene en la transcripción. Te traduzco, te explico el concepto financiero detrás, y te marco donde el tipo dice cosas cuestionables o directamente turbias (porque hay bastante de eso acá).
Pregunta: ¿Cómo se contempla el riesgo político (ej. una revolución en Irlanda si tu empresa está basada ahí)?
Respuesta de Martin: Se mete dentro de la tasa de descuento.
Explicación: La tasa de descuento es el número que usás para “traer a valor presente” el dinero que una empresa va a ganar en el futuro. La idea de fondo: un dólar futuro vale menos que un dólar hoy, y cuanto más riesgo tiene ese flujo futuro (político, económico, etc.), más “castigás” ese valor con una tasa más alta. Si hay riesgo de que un gobierno caiga o expropien activos, subís la tasa de descuento para reflejar que ese flujo de caja es menos confiable.
Ojo (lado negativo): Es una respuesta correcta pero muy genérica. En la práctica, meter “riesgo político” dentro de una sola tasa de descuento es una simplificación grosera. Los profesionales de verdad usan primas de riesgo país específicas, y a veces ni siquiera confían en que un solo número pueda capturar un evento tipo “revolución”. No te vayas a creer que ajustando la tasa ya resolviste el problema del riesgo político — es más un parche que una solución precisa.
Pregunta: ¿Cómo se factorean los dividend yields en el modelo?
Respuesta: Da igual si la ganancia neta se reparte como dividendo o se queda retenida en la empresa — sigue siendo tu ganancia neta como accionista. La empresa la está “invirtiendo por vos”.
Explicación: Esto es la lógica clásica de valuación por flujo de caja descontado (DCF). Si la empresa gana $100 y te paga $100 en dividendos, ganaste $100. Si gana $100 y lo retiene para reinvertir, en teoría ese valor sigue siendo tuyo (como accionista) porque debería reflejarse en un mayor valor futuro de la empresa. Por eso muchos modelos no le dan tanta importancia a si pagan dividendos o no — importa más la ganancia total generada.
Ojo: Esto es cierto en la teoría pura, pero en la vida real no es tan simple. Si la empresa retiene la plata y la invierte mal (o la gasta en algo que no genera valor, como M&A fallidas — algo que el mismo Martin menciona después con Hewlett-Packard), esa plata retenida se puede destruir. La suposición de “da igual” asume que la gerencia reinvierte con la misma eficiencia que si te lo hubieran pagado a vos. No siempre es así. Muchos inversores prefieren dividendos justamente porque no confían en que la gerencia use bien la plata retenida.
Esta pregunta es sobre un caso real donde supuestamente Martin tuiteó algo sobre una acción (mencionan “CYXX” o similar) y la hizo caer fuerte en una hora.
Respuesta de Martin: Dice que no lo llamaría “manipulación”, lo compara con críticos de cine (Siskel y Ebert) — si alguien con buen historial de predicciones opina, la gente reacciona, pero eso no es manipular.
Explicación honesta y directa (sin falsas esperanzas): Esto es una zona gris/turbia. Hay una diferencia legal enorme entre:
Martin Shkreli, dato de la realidad, terminó preso por fraude de valores relacionado con otras cosas (no específicamente esto), así que su comparación con críticos de cine es bastante autocomplaciente y no representa cómo funciona realmente la ley. No te la creas como si fuera una técnica legítima de inversión — es una zona donde mucha gente ha terminado con cargos criminales. No es un “skill” a aprender, es un riesgo legal enorme si lo intentás.
Pregunta: ¿El modelo de spreadsheet sirve para ambos tipos de empresa?
Respuesta: Cada empresa es distinta, hay que modelar según el caso (bienes raíces ni siquiera es “bien” ni “servicio” claramente).
Explicación: Es correcto — no existe una plantilla universal de DCF. Los drivers de ingresos cambian: una empresa de servicios depende de horas facturables o suscripciones, una de productos depende de unidades vendidas y márgenes, real estate depende de renta y valuación de activos. La estructura del modelo (ingresos, costos, capex, capital de trabajo) cambia según el tipo de negocio.
Ojo: Esta respuesta es correcta pero vaga — es más un “depende” que una explicación útil. No te da ninguna herramienta concreta para saber CÓMO adaptarlo.
Pregunta: ¿Se contempla la inflación en la tasa de descuento?
Explicación (esta parte es técnicamente correcta y útil): Los TIPS (Treasury Inflation-Protected Securities) son bonos del Tesoro de EE.UU. que ajustan su valor según la inflación. Comparando el rendimiento de un bono normal a 10 años (ej. 1.8%) contra el rendimiento del TIPS a 10 años (ej. 0.3%), la diferencia (1.5%) te da el “breakeven inflation rate” — la expectativa de inflación que el mercado está descontando. Esto es un concepto real y usado por economistas y traders de bonos.
Punto correcto: cualquier tasa de descuento nominal (la que usás normalmente) ya incluye una expectativa de inflación de base. Si no la incluyera, estarías subestimando cuánto necesitás que crezca un flujo de caja futuro solo para mantener el poder adquisitivo.
Lado negativo: Esto significa que si estás valuando una empresa y usás una tasa de descuento “nominal” sin pensar en la inflación implícita, podés estar sobre o subestimando el valor real. Y ojo: en escenarios de alta inflación (o deflación, que él menciona brevemente), estos ajustes se vuelven mucho más inciertos y el margen de error de tu modelo se dispara.
Explicación de Martin (con la metáfora de pedir prestado): Si podés pedir prestado a una tasa de interés muy baja (ej. 1%), conviene mantener esa deuda barata en vez de pagarla con tu cash, porque el cash te da flexibilidad para aprovechar oportunidades grandes (ej. comprar algo que vale mucho más de lo que cuesta, en un momento de crisis de mercado).
Explicación financiera real: Esto se llama arbitraje de tasas o “carry” — si tu costo de deuda es más bajo que el retorno que podés generar con ese cash (o el “costo de oportunidad” de no tenerlo disponible), tiene sentido no pagar la deuda anticipadamente. También hay razones fiscales: los intereses de deuda son deducibles de impuestos en muchas jurisdicciones, así que mantener deuda “barata” puede ser fiscalmente eficiente.
Ojo, lado negativo: Esta lógica solo funciona mientras las tasas de interés se mantengan bajas. Es una apuesta implícita a que el costo de la deuda seguirá siendo más barato que el valor de la opcionalidad. En un entorno de tasas subiendo (como pasó después, 2022-2023), esta estrategia se vuelve mucho menos atractiva, y muchas empresas que se acostumbraron a deuda barata sufrieron cuando tuvieron que refinanciar a tasas más altas. No es gratis tener deuda “porque sí” — hay un riesgo real de refinanciamiento.
Puntos clave:
Explicación: Esto es consistente con lo que se ve en la industria real — el “riesgo de integración post-M&A” es una de las razones más citadas de por qué las fusiones fracasan en generar el valor prometido. Estudios de consultoras (McKinsey, HBR, etc.) muestran que un porcentaje alto de M&A no logra los objetivos de sinergia esperados.
Frase preocupante que dijo Martin: “me gusta hacer M&A hostil… usando especialmente tortura psicológica” — esto no es una técnica financiera legítima, es una fanfarronada preocupante (nuevamente coherente con el patrón de comportamiento que después lo llevó a la cárcel). No es parte del currículum de finanzas real, es solo el tipo jactándose. Ignoralo como “contenido educativo”.
Punto: Apple usó su cash para recomprar sus propias acciones, lo cual “es hacer algo” con el dinero.
Explicación: El buyback (recompra de acciones) reduce la cantidad de acciones en circulación, lo que aumenta las ganancias por acción (EPS) y a menudo el precio de la acción, sin necesidad de que el negocio crezca. Es una forma de devolver valor a los accionistas, alternativa al dividendo.
Lado negativo real: Los buybacks son controvertidos. Crítica común: muchas empresas hacen buybacks cuando la acción está cara (no cuando está barata), lo cual destruye valor en vez de crearlo — comprás caro con la plata de la empresa. También hay críticas de que los buybacks a veces se usan para inflar métricas ejecutivas (bonos ligados a EPS) más que para beneficiar realmente al accionista de largo plazo, y que ese cash podría ir a inversión productiva (I+D, capex) en vez de ingeniería financiera.
Punto interesante: Menciona que el mercado a veces te da la oportunidad de apostar quan las expectativas están muy bajas — si el precio de la acción ya está descontando un fracaso, y vos creés que no va a fracasar tanto, esa es una apuesta con “odds a tu favor”.
Explicación: Esto es la lógica de “expectations investing” — el precio de una acción ya incorpora expectativas del mercado. Si las expectativas están deprimidas (mercado muy pesimista) y la realidad termina siendo “solo mala” en vez de “catastrófica”, la acción puede subir igual. Es un concepto real usado por inversores value.
Ojo, lado negativo: Esto suena más simple de lo que es en la práctica. Saber cuándo las expectativas están “irracionalmente bajas” versus “correctamente bajas porque el negocio realmente está mal” es extremadamente difícil, y es exactamente donde la mayoría de los inversores minoristas se equivocan — comprando “gangas” que en realidad eran trampas de valor (value traps).
Punto: Cuanto más capital manejás, más difícil es encontrar oportunidades, porque las empresas grandes están “más arbitradas” (más analizadas, precio más eficiente) y no podés invertir montos chicos sin mover el precio o sin que no impacte tu portfolio total.
Explicación: Es un concepto real, mencionado frecuentemente por Warren Buffett — el tamaño es “el enemigo del rendimiento”. Con poco capital podés invertir en empresas chicas mal valuadas (menos analizadas = más ineficiencias). Con mucho capital, solo las empresas grandes son lo suficientemente líquidas, pero esas están hiper-analizadas por miles de analistas, así que es más difícil encontrar algo mal valuado.
La transcripción se corta justo ahí, pero la pregunta de Chris es: para un inversor minorista común, dado que elegir acciones individuales es muy difícil (podés estar “30% equivocado” fácilmente), ¿no conviene mejor invertir en un índice?
Sin falsas esperanzas, la respuesta realista (no la de Martin, que se corta): La evidencia empírica de largo plazo (décadas de estudios, incluido el propio consejo de Warren Buffett a su patrimonio) es bastante clara: la gran mayoría de los inversores individuales, y de hecho la mayoría de los fondos gestionados activamente, no le ganan a un índice simple de bajo costo en el largo plazo, después de comisiones. Elegir acciones individuales basado en lo que aprendés en un curso corto de un stream de YouTube no te da ninguna ventaja real sobre el mercado — de hecho, la evidencia sugiere que es más probable que pierdas plata intentando “elegir ganadores” que si simplemente indexás.
Resumen del panorama general, sin maquillar nada: Este stream mezcla conceptos financieros reales y correctos (tasa de descuento, TIPS, buybacks, integración de M&A, expectativas de mercado) con comentarios preocupantes y jactanciosos de alguien con antecedentes penales por fraude de valores (la parte de “manipular mercados” y “tortura psicológica en M&A hostil” no son técnicas legítimas — son señales de alerta, no lecciones a seguir). Te recomendaría quedarte con los conceptos técnicos (que son válidos y estándar en finanzas) pero ser muy escéptico de cualquier consejo sobre “cómo influir en el mercado” o técnicas agresivas que este personaje presenta como normales.
¿Querés que sigamos con la siguiente parte cuando la subas, con el mismo formato?
¡Dale! Vamos parte por parte, sin resumir de más. Es una clase medio caótica (hay preguntas de alumnos mezcladas), así que voy a separar por temas.
Un alumno le muestra a Martin un gráfico del CRSP (Center for Research in Security Prices, Universidad de Chicago) llamado “The Big Picture”, que muestra que el mercado de EEUU viene subiendo desde 1926 (ajustado por inflación: $1 invertido se convirtió en $16).
Martin no está convencido, y esto es importante porque va contra el discurso típico de “invertir a largo plazo siempre funciona”:
Nota mía, para que no te quedes con falsa esperanza: esto es una opinión, no un consenso. La mayoría de los economistas académicos sí defienden que en el muy largo plazo las acciones reflejan crecimiento de productividad y ganancias reales de las empresas. Pero el punto del sesgo de supervivencia es 100% real y es una crítica válida y conocida en finanzas — no te lo vendas como si fuera al revés.
El alumno le pregunta: “si no confiás en que el mercado sube solo, ¿en qué basás tus valuaciones?” Martin responde que en flujo de caja descontado (discounted cash flow, DCF): en vez de mirar si el precio históricamente sube, mirás cuánta plata genera realmente la empresa y traés eso a valor presente.
La pregunta es: ¿la “calidad” del flujo de caja afecta la tasa de descuento? Por ejemplo, comparar los ingresos recurrentes de algo tipo suscripción (iTunes/servicios de Apple) contra un producto de hardware que hay que reinventar y vender de cero cada vez.
Martin da un ejemplo interesante con farmacéuticas: si tomás un medicamento todos los días (él menciona que toma “Clarity” hace 20 años), sos cliente de por vida — ingreso muy estable y predecible. En cambio cambiás de compañía de teléfono “a la que se te cante” — ingreso mucho menos pegajoso (“sticky”).
Conclusión de Martin:
Nota: esto está bien explicado, es un concepto real (revenue recurrente vs no recurrente afecta el múltiplo/tasa de descuento que el mercado le pone a una empresa).
Un alumno pregunta por el ratio precio/ganancias (P/E). Martin lo minimiza: dice que el P/E es solo un atajo del DCF, y que hay que enfocarse en el flujo de caja real, no en el ratio en sí. Promete profundizar la próxima clase.
Alguien menciona bonos, Martin dice básicamente que son más seguros pero con mucho menos retorno — relación riesgo/retorno básica, sin profundizar.
Pregunta contable interesante: si Apple contrata un desarrollador de software, ¿ese costo va a COGS (costo de lo vendido) o a otro lado?
Depende de qué hace el developer:
Martin aclara que en la práctica normalmente todo va a R&D salvo que el software esté “físicamente adentro” del producto que se vende, y que el 90% del COGS de Apple es hardware físico (vidrio, metal, transistores, chips), no software.
Esto es real y correcto: la clasificación contable de gastos de personal en tech es efectivamente ambigua y depende de criterio de gerencia — es un área donde las empresas tienen cierto margen para “mover” costos entre líneas del estado de resultados.
Acá arranca la clase de verdad, usando el SEC (la web de la Comisión de Bolsa de EEUU, donde toda empresa pública en EEUU tiene que reportar sus números). Van a IBM, Q3 2015 (19 mil millones en ventas ese trimestre, contra 75 mil millones de Apple).
Estructura del ingreso de IBM, tiene 3 líneas de negocio:
Costos y márgenes por línea:
Margen bruto total:
Gastos operativos:
Aclaración técnica que hay que corregir: Martin dice que este ingreso operativo “a veces se llama EBITDA” — esto es un error o al menos una simplificación floja. Ojo con esto:
Debajo de la línea operativa:
Dato final de esta clase (queda cortado en el texto): IBM tiene 975 millones de acciones en circulación (shares outstanding). Esto es clave porque con el ingreso neto y las acciones en circulación se calcula el EPS (ganancia por acción) — parece que la clase sigue justo ahí pero el texto se corta.
Resumen de lo que hay que llevarse, sin adornar:
Si me pasás la continuación del stream (donde calculan el EPS y siguen con IBM), seguimos con el mismo nivel de detalle.
¡Dale! Vamos a repasar esto en detalle. Es una clase práctica donde arman un modelo de valuación de IBM en Excel, en tiempo real, mirando el 10-Q (reporte trimestral) y Yahoo Finance. Voy a ir tramo por tramo, explicando cada concepto a medida que aparece.
Arrancan mirando datos básicos de IBM:
Precio de la acción: $137 por acción (lo sacan de Yahoo Finance).
Acciones en circulación (shares outstanding): esto lo tenés que buscar en el balance (balance sheet) o en la primera página del 10-Q. Ojo con un detalle importante: las empresas a veces reportan “acciones emitidas” (shares issued) y separado “acciones en tesorería” (treasury shares, que son acciones que la propia empresa recompró y guardó). Para saber cuántas acciones realmente están “afuera” en el mercado, tenés que restar:
Acciones emitidas − Acciones en tesorería = Acciones en circulación
En el caso de IBM: 2.200 millones emitidas − 1.200 millones en tesorería = 970 millones en circulación.
Market cap (capitalización de mercado): es simplemente el valor total de la empresa según el mercado bursátil.
Market cap = Precio por acción × Acciones en circulación
970 millones × $137 = ~$133 mil millones.
Como referencia, dicen que esto es como un quinto de lo que vale Apple — o sea, en teoría Apple podría comprar IBM completa pagando en efectivo y deuda.
Acá hay un punto de criterio importante, no es solo “leer un número”:
Idea clave: IBM tiene bastante “leverage” (apalancamiento), es decir, usa mucha deuda para financiarse.
Esto es distinto al market cap. La fórmula típica es:
Enterprise Value (EV) = Market Cap + Deuda − Efectivo
Como IBM tiene mucha deuda y no tanto efectivo, su EV ($163 mil millones) es mucho más grande que su market cap ($133 mil millones, aunque en el texto en un momento dice “33” que parece error de transcripción del video).
Por qué importa esto: el EV representa cuánto “cuesta” realmente la empresa si tuvieras que comprarla entera y hacerte cargo de toda su deuda. Por eso dicen: si la empresa gana, por ejemplo, $10.000 millones al año, usando el EV tardarías 16 años en “recuperar tu plata”, pero si mirás solo el market cap parecería que tardás 13 años. La versión “real” (más conservadora) es la de 16 años, porque tenés que hacerte cargo también de la deuda.
Punto importante que remarcan: antes de que un accionista (dueño de acciones) reciba un solo peso, primero hay que “hacer whole” (pagar completo) a los tenedores de deuda. Es decir, los acreedores (bonistas, bancos) cobran primero, los accionistas cobran después. Como acá la deuda neta (deuda menos caja) es de -$30.000 millones, ese “agujero” hay que taparlo antes de que le llegue algo al accionista.
Después arman una planilla copiando y pegando estructura de un trimestre a otro (Q3, luego el año anterior, luego Q2, Q1, etc.), para tener series históricas comparables.
Comparación año contra año (year-over-year): la fórmula que usan es:
% cambio = (Nuevo / Viejo) − 1
Con esto ven que el revenue (ingresos) de IBM cayó 14% interanual en un trimestre (de $22.000 millones a $19.000 millones aprox). Remarcan la diferencia con Apple, que en el mismo período creció 2%.
Idea clave para valuación: cuando una empresa se está achicando (shrinking), hay que ser escéptico respecto a los flujos de caja futuros. No es lo mismo valuar una empresa que crece que una que se contrae — afecta directamente la tasa de descuento y las expectativas que uno pone en el modelo.
Van completando trimestre a trimestre y notan que:
Punto pedagógico que hacen: prefieren cargar los números “a mano” en vez de copiar y pegar automático, porque haciéndolo manualmente uno empieza a notar patrones y a entender el negocio, no solo a llenar celdas.
El 10-K es el reporte anual (a diferencia del 10-Q que es trimestral). Comentan que hoy en día muchas empresas dividen el 10-K en dos partes separadas (una parte más legal/estatutaria y otra con los números), lo cual es medio molesto para el que busca datos.
Para sacar el resultado del cuarto trimestre, como el 10-K da el año completo, hacen:
Q4 = Resultado del año completo − (Q1 + Q2 + Q3)
Es una resta simple pero tediosa. Por eso, para ver rápido el trimestre, prefieren ir directamente al press release (comunicado de prensa) de la empresa, que suele publicar el trimestre ya desglosado.
Con esto arman el panorama anual: IBM gana entre $12.000 y $13.000 millones al año, y notan que en 2013 ganaba $16.000 millones — o sea, la rentabilidad viene cayendo con los años.
Acá hacen una analogía simple para explicar el concepto de valor presente:
“Si te dijera que te voy a pagar $1 por año para siempre, ese flujo podría valer, digamos, $25 (usando cierta tasa de descuento). Si te lo puedo vender hoy por $10, te conviene comprarlo, porque en realidad vale $25-$30.”
Esta es la lógica de toda valuación por DCF (Discounted Cash Flow / Flujo de caja descontado): el precio que pagás por un activo (acción, bono, lo que sea) debería estar relacionado con cuánta plata ese activo te va a generar en el futuro, ajustada a valor de hoy.
Ahora empiezan a construir supuestos (assumptions) para proyectar 2016 en adelante:
Con todos estos supuestos, proyectan el ingreso de IBM año por año desde 2016 hasta ~2030 (una caída gradual: de 11.000 millones, a 12, a 10, a 9, a 8…).
Ahí introducen dos conceptos centrales:
Valor terminal (terminal value): como no podés proyectar flujos de caja para siempre año por año, en algún punto asumís que la empresa sigue cayendo (o creciendo) a una tasa constante “para siempre” (in perpetuity), y calculás el valor de todos esos flujos infinitos con una fórmula matemática (la de perpetuidad decreciente/creciente).
Descontar a valor presente: una vez que tenés los flujos de caja futuros (incluyendo el valor terminal), los tenés que “traer” a valor de hoy usando una tasa de descuento (discount rate). Usan 5% como tasa de descuento en un primer intento.
Con la función NPV (VNA en español, Valor Neto Actual) de Excel, obtienen un valor de unos $110 mil millones. Restando la deuda neta (recordá: caja negativa neta de ~$30 mil millones), llegan a un NPV neto de ~$81 mil millones.
Dividiendo eso por las acciones en circulación, sale un precio “justo” de ~$84 por acción, contra el precio real de mercado de $137.
Conclusión que sacan (bajista/negativa, como pediste que redondee): según este modelo, la acción de IBM estaría sobrevaluada, con hasta un 40% de “downside” (caída potencial) si el modelo es correcto. Aclaran igual que esto depende 100% de que los supuestos (caída de ingresos, etc.) se cumplan — si la empresa se estabiliza, el número cambia.
Esta es la parte que el que da la clase dice que es su parte favorita de finanzas. La idea:
En vez de vos poner tus propios supuestos y ver qué precio “debería” tener la acción, hacés el proceso al revés: ajustás los supuestos (crecimiento, tasa de descuento) hasta que el precio que te da el modelo coincida con el precio real de mercado.
Cuando prueban con:
…el modelo les da un precio casi idéntico al precio real de mercado ($137).
La interpretación (clave, y la anoto textual porque es la idea central de todo el video): eso te dice qué es lo que el mercado (como “conjunto de mentes y decisiones” de todos los inversores) está asumiendo implícitamente sobre el futuro de la empresa. En este caso, el mercado está poniendo en el precio de IBM el supuesto de que:
Y la conclusión práctica (siempre para el lado negativo, como pediste): si vos creés que la realidad va a ser peor que ese escenario (por ejemplo, que la caída de ingresos va a ser más pronunciada que 5%, o que el negocio no logra estabilizarse), entonces la acción todavía está cara y hay riesgo de baja. Solo si creés que el negocio va a andar mejor que ese escenario de referencia, la acción sería una oportunidad — pero el análisis que hacen en base a los números duros (ingresos cayendo, achicamiento del negocio, venta de unidades de negocio) apunta más para el lado pesimista.
¿Querés que sigamos con el próximo bloque de la transcripción (si tenés más partes) o preferís que profundice en algún concepto de este (por ejemplo el cálculo de NPV/perpetuidad con números concretos, o el tema de shares outstanding vs treasury shares)?
¡Dale, vamos con esto párrafo por párrafo! Te voy a explicar cada concepto financiero que menciona, en español y sin asumir que sabés nada. Es una clase valuando IBM como caso práctico.
Arranca diciendo que está usando una tasa de descuento del 4.5%, y dice que es “muy baja”.
¿Qué es una tasa de descuento? Es la tasa que usás para traer plata futura a valor de hoy. La idea: un dólar dentro de 10 años vale menos que un dólar hoy (por inflación, riesgo, costo de oportunidad). Cuanto más alta la tasa, menos vale hoy esa plata futura. Es la base de todo modelo de “flujo de caja descontado” (DCF - Discounted Cash Flow), que es el método para calcular cuánto vale una empresa sumando todas sus ganancias futuras pero “descontadas” a valor presente.
¿Por qué compara con el bono de deuda de IBM a 10 años? Porque el bono (deuda) de IBM rinde ~3.5%. La lógica: la deuda es más segura que las acciones (si la empresa quiebra, a los tenedores de bonos les pagan antes que a los accionistas). Entonces tiene sentido que el “descuento” que exigís para invertir en acciones (equity) sea más alto que el de los bonos — acá 4.5% vs 3.5%. Es una diferencia chica, así que el razonamiento es: el mercado no está pidiendo mucho retorno extra por el riesgo de la acción versus el bono. Punto negativo a tener en cuenta: una tasa de descuento baja generalmente significa que el mercado no le está exigiendo mucho a la empresa, lo cual no es necesariamente algo bueno para vos como comprador — significa que hay poco margen de seguridad si las cosas salen mal.
Con esa tasa de descuento y el precio actual de la acción, arma la cuenta al revés: ¿qué crecimiento (o decrecimiento) futuro está implícito en el precio de hoy? La conclusión: el mercado está pagando un precio que implica que el negocio de IBM se va a achicar 5% por año. Esa es la expectativa metida en el precio actual. Tu trabajo como inversor es decidir si esa expectativa es razonable o no — ¿de verdad va a caer 5% anual, o el mercado está siendo demasiado pesimista (o no lo suficiente)?
Aclara algo importante: que la empresa “quiera” crecer no importa nada. Todas las empresas dicen que quieren crecer. Lo que importa es la evidencia de si realmente lo van a lograr.
Para no basarse en fe sino en datos, hay que ir al 10-K (el reporte anual obligatorio que las empresas presentan ante la SEC, el regulador de EEUU). Se saca de la web de la SEC. Es mucho más profundo que el 10-Q (que es el reporte trimestral, más resumido).
Primer paso que recomienda: segmentación (segment analysis) — entender cada parte del negocio por separado, no la empresa como un bloque único.
Datos de la portada del 10-K:
Tip práctico que da: llamar por teléfono a Investor Relations de la empresa. Hay gente pagada para atender inversores, y no importa si tenés 100 acciones o un fondo — te van a atender igual. Es un recurso gratis que casi nadie usa.
Lee el texto de la empresa describiendo su negocio y se queja de que está lleno de palabras vacías tipo “soluciones integradas que aprovechan datos y ecosistemas de alianzas”. Su método: ir tachando el relleno de marketing y quedarse con la única frase real. En este caso la traducción final, sin relleno, es: el negocio de IBM es consultoría e implementación de IT, cloud y “cognitive computing” (lo que hoy llamaríamos IA), y sistemas y software empresarial.
Punto clave que insiste mucho: IBM es una empresa “enterprise”, es decir que le vende a otras empresas grandes (JP Morgan, Walmart), no al consumidor final. Vos nunca vas a comprar “una computadora IBM” en un local. Esto importa porque cambia todo el análisis: no compite por consumidores, compite por contratos corporativos gigantes.
Menciona que desde 2010 invirtieron 30 mil millones de dólares en cloud, crearon el “Watson Group” (su unidad de IA), hicieron 50 adquisiciones, alianza con Apple. Pero su comentario es escéptico: mucho de esto es packaging de marketing sobre un negocio que en el fondo es más aburrido de lo que suena.
La empresa tiene 5 segmentos:
Con los números del 10-K arma el desglose de ingresos sobre un total de 81.7 mil millones:
Conclusión importante: IBM es abrumadoramente una empresa de servicios (consultoría) y software. El hardware, que es lo que la gente probablemente asocia con “IBM”, es una fracción chica y decreciente del negocio real.
Dentro de servicios: 60% de ese segmento es “basado en anualidad” (contratos recurrentes de outsourcing y mantenimiento) — no son ventas puntuales, son contratos que se repiten año a año. Esto es relevante para pronosticar ingresos futuros.
Clientes típicos que menciona para GTS: Walmart, Microsoft, JP Morgan.
Como el negocio real es consultoría, no dispositivos, los competidores no son Apple. Son:
Punto para quedarte: cuando quieras evaluar si IBM está cara o barata, tenés que compararla con estas empresas de consultoría, no con Apple ni con fabricantes de hardware.
Acá hace la parte más importante — sensibilidad del modelo. El precio actual de la acción es $138. Corre distintos escenarios de crecimiento de ingresos entre 2016 y 2030:
La lección con la que se queda, y hay que remarcarla en negativo: el modelo es extremadamente sensible a un solo supuesto — la tasa de crecimiento/decrecimiento de ingresos. Cambiar ese único número de -5% a +5% te mueve el valor de la acción más del doble. Esto significa que toda la valuación depende de si vos le “acertás” a ese número, y acertarle es lo más difícil de todo el ejercicio. No hay ninguna certeza de que el negocio vaya a estar flat o a crecer — el escenario que el mercado está pagando hoy (-5%) podría perfectamente ser el correcto, dado que el negocio real (servicios/software viejo tipo middleware y bases de datos) no es particularmente atractivo ni está mostrando señales fuertes de crecimiento.
Como atajo al DCF completo, mira el múltiplo EV/Earnings (valor de la empresa dividido ganancias):
Este número (12x) es un chequeo rápido: si conocés múltiplos típicos de la industria o de empresas comparables, podés ver rápido si el mercado está pagando caro o barato sin correr todo el DCF de nuevo. No da una conclusión sobre si es caro o barato en sí mismo — es una herramienta de comparación, no una respuesta.
Resumiendo en negativo, sin ilusiones: IBM en este análisis aparece como una empresa de consultoría y software “viejo” (middleware, bases de datos), no la empresa de tecnología de punta que su marketing sugiere. El mercado ya está pagando un precio que asume una caída sostenida del 5% anual en el negocio, y ese precio no parece descabellado dado lo que muestra la segmentación: negocio maduro, dependiente de contratos de outsourcing, con competencia fuerte en cada segmento y sin ventaja competitiva clara en el área de “cognitive computing”/IA que están vendiendo como el futuro. La suba grande en valor (a $300) depende de un escenario de crecimiento del 5% anual que, según todo lo que se vio en el 10-K, no hay evidencia concreta de que vaya a pasar.
Si querés seguimos con la próxima parte cuando la tengas.
Dale, vamos a repasarlo en orden, tal como lo va explicando en el stream, con cada concepto traducido y explicado. Como pediste, sin resumir de más y con el enfoque conservador (ante la duda, el escenario pesimista).
La idea arranca con IBM ganando (en ese momento) unos 13 mil millones de dólares al año, mientras el mercado la valuaba en 163 mil millones de dólares (133 mil millones en acciones + 30 mil millones de caja neta).
La cuenta es simple: 163 / 13 ≈ 12 años. Eso significa que, si vos comprás la empresa entera hoy, tardarías 12 años en “recuperar” tu dinero en base a las ganancias actuales, asumiendo que esas ganancias no cambian.
Otra forma de ver lo mismo: invertir la cuenta (13/163) te da un 8% de “yield” (rendimiento) sobre ganancias. Se compara ese 8% contra el rendimiento de un bono de IBM, que rendía ~3%. Un 8% suena mucho mejor que un 3%… pero acá viene la primera advertencia pesimista del video: ese 8% no es gratis ni seguro. Un bono te garantiza ese 3% (mientras la empresa no quiebre). El 8% de “yield” de las acciones depende de que la empresa siga ganando 13 mil millones. Si la empresa se achica (que es justamente lo que estaba pasando), las ganancias futuras van a ser menores —dice literalmente “el año que viene ganan 12, después 10, después 9”— y entonces ese 8% de yield en realidad se va reduciendo con el tiempo. No es una renta fija, es una renta que se puede desinflar. Ojo con esto: comparar el yield de una acción con el de un bono sin ajustar por el riesgo de que las ganancias caigan es un error común de principiante.
Consejo explícito: antes de pensar siquiera en comprar o operar una acción, hay que leer al menos un año completo de todos los press releases (comunicados trimestrales) de la empresa. No es opcional, es el paso cero.
También recomienda escuchar los earnings calls (las conferencias telefónicas trimestrales con inversores), no solo leer la transcripción, porque el tono y el énfasis también dan información.
Dice que él, personalmente, al leer un reporte, ignora primero el net income y arranca mirando el revenue (ingresos totales, la línea de arriba, antes de gastos). Esto es una preferencia metodológica: el revenue es más “duro” y menos manipulable contablemente que el net income, que pasa por muchos ajustes.
Este es uno de los puntos centrales del video. IBM reportó una caída de revenue de -9% “as reported” (como quedó registrado en dólares). Pero al ajustar por tipo de cambio (currency-adjusted / constant currency), la caída real del negocio era de solo -2%.
La diferencia (-9% vs -2%) se explica porque IBM es una empresa internacional que factura mucho en euros y otras monedas, y en ese período el euro se devaluó fuerte contra el dólar. Cuando IBM convierte esas ventas en euros a dólares para el reporte consolidado, un euro más débil hace que la misma cantidad de ventas “en euros reales” se vea como menos dólares. Eso no es una caída real del negocio, es un efecto contable/cambiario.
Por eso arma una pequeña tabla del tipo de cambio EUR/USD trimestre a trimestre (aprox. 1.37 → 1.37 → 1.32 → 1.24 → 1.13 → 1.11 → 1.09 y bajando), mostrando una devaluación fuerte y sostenida del euro durante ese año. Conclusión: una parte grande de la “caída” de IBM era espejismo cambiario, no un negocio que se desmorona.
Nota pesimista/realista que agrega él mismo: esto no significa que todo esté bien. Simplemente significa que el número real de deterioro (-2%) es menos malo que el número reportado (-9%). Sigue siendo una empresa que se achica, solo que a un ritmo menor de lo que parece a simple vista. No hay que pasar de “-9% pánico” a “en realidad está genial”, sino a “en realidad es -2%, que sigue siendo negativo”.
Otro concepto clave: en otro trimestre, IBM reportó una caída de -12%, pero ajustada daba -1%. La explicación: 8 puntos de esa diferencia venían de la moneda (euro débil) y 3 puntos venían de divestitures, que es cuando la empresa vende una división o unidad de negocio.
Ejemplo concreto que da: IBM le vendió su negocio de PCs/laptops a Lenovo. Una vez vendido ese negocio, IBM ya no puede contabilizar los ingresos de esa unidad (porque ya no es suya), pero a cambio recibió efectivo por la venta. Entonces, si estás proyectando el futuro del negocio “que queda”, tenés que excluir el revenue de lo que ya no existe dentro de la empresa, porque comparar contra ese pasado es injusto: no es que el negocio actual haya caído, es que una parte del negocio fue amputada quirúrgicamente y vendida.
Punto importante y realista: esto se usa para argumentar que la tasa de decrecimiento “real” del negocio remanente podría ser menor (-1% en vez de -5% que se estaba asumiendo en el modelo). Pero cuidado: esto es una estimación optimista de un analista sobre lo que “podría” pasar, no un hecho confirmado. Él mismo lo trata como un ejercicio de sensibilidad ("¿y si en vez de -5% fuera -1%? El valor cambiaría de $137 a $200"), no como una predicción segura. Cambiar un supuesto de decrecimiento por otro cambia muchísimo el valor calculado de la acción, lo cual también es una lección: los modelos de valuación son extremadamente sensibles a supuestos pequeños, y hay que ser escépticos de cualquier valuación que dependa de un solo número que nadie puede saber con certeza.
Acá cambia de fuente: en vez del comunicado de prensa, va al 10-K (el reporte anual obligatorio que las empresas que cotizan en EE.UU. deben presentar ante el regulador, la SEC), específicamente a la sección del balance sheet (balance general).
Explica la estructura básica de un balance:
Activos (assets), del lado de lo que la empresa tiene:
Pasivos (liabilities), del lado de lo que la empresa debe:
Patrimonio neto (shareholders’ equity): lo que queda para los accionistas.
La regla contable básica que menciona (aunque de forma informal): Activos = Pasivos + Patrimonio Neto. Él hace la cuenta rápida y dice “debería dar tal número… cierra más o menos”, como forma de verificar que entendió bien el balance.
Este es el concepto más importante de esta parte, y es la base del “ejercicio del genio” que viene después.
Caja neta = Efectivo y equivalentes − Deuda total
En el caso de IBM en ese momento, la deuda superaba mucho al efectivo, entonces el número daba negativo: “negative 31 billion” o “negative 32 billion” (dependiendo del trimestre que toma como referencia). Es decir, IBM tenía más deuda que efectivo, por unos 31-32 mil millones de dólares netos.
Esto es clave para entender por qué antes, cuando calculaba el “market cap total” de 163 mil millones, sumaba el valor de las acciones (133 mil millones) MÁS otra parte relacionada a la caja/deuda neta. Si la caja neta es negativa, en realidad estás pagando por el negocio operativo Y además “heredás” una deuda neta.
Acá arma una posta didáctica simple, tipo ejemplo con sueldo personal:
“Si ganás 100.000 y gastás 50.000 en el año, y arrancaste el año con 50.000 ahorrados, terminás el año con 100.000.”
Traducido a IBM: si arrancaron 2015 con -32 mil millones de caja neta, y en 2016 se espera que ganen (net income) 13 mil millones, entonces:
Caja neta fin de 2016 ≈ -32.000 + 13.000 = -19.000 millones
Y siguiendo el mismo razonamiento para 2017: -19.000 + 13.000 ≈ -7.000 millones aproximadamente (así lo dice él mismo en el texto: “that’s right about negative seven”).
La lógica se repite año tras año, sumando el net income proyectado a la caja neta del año anterior, y proyectándolo hasta el año 2030. La conclusión que saca (con la salvedad importante que menciona él mismo) es que, si IBM sigue ganando esa plata y no la reparte en dividendos ni recompras de acciones (buybacks), para 2030 habría acumulado en caja neta un monto comparable a todo su valor de mercado actual.
Acá hay que ser muy cuidadoso y pesimista, como pediste, porque el propio locutor reconoce las limitaciones de este ejercicio:
Última parte: si en el futuro IBM tiene, digamos, 100 mil millones de dólares en caja (en vez de deuda neta negativa), esa plata genera intereses (interest income) al estar depositada/invertida.
Acá surge otra crítica importante del video: asumen que ese rendimiento sobre la caja sería de solo 1% a 1.5% anual, un rendimiento muy bajo, casi el de una cuenta de ahorro/bono de corto plazo sin riesgo. Compara esto con el 8% de “yield” que mencionaba al principio sobre el negocio operativo (o incluso con lo que rendiría un buyback de sus propias acciones): la empresa “gana” mucho más devolviendo esa plata a los accionistas (recomprando acciones o invirtiendo en el negocio) que dejándola en el banco ganando 1-1.5%. Es una crítica implícita a que tener demasiado efectivo ocioso destruye valor comparado con reinvertirlo bien.
Menciona también el concepto de ROIC (Return on Invested Capital / retorno sobre el capital invertido), que mide qué tan bien una empresa usa el capital que tiene (propio + prestado) para generar ganancias — introducido acá de pasada, sin desarrollarlo del todo, como algo para retomar más adelante.
Resumen del hilo conductor de todo el fragmento, sin endulzar nada: es un ejercicio de cómo un analista lee números “crudos” (revenue reportado, caída de -9% o -12%) y los ajusta por factores externos (tipo de cambio, ventas de negocios) para separar el ruido del deterioro real del negocio. Pero en ningún momento el texto dice que IBM esté en buena forma: sigue siendo una empresa que se achica año a año, con una caja neta negativa (más deuda que efectivo), y las proyecciones optimistas de “recomponer todo el market cap en caja para 2030” dependen de supuestos que el propio análisis reconoce como poco realistas (ganancias constantes, cero dividendos, cero buybacks). Es más un ejercicio para aprender el mecanismo de cómo pensar estos números que una tesis de inversión sólida y verificada.
Si querés, seguimos con la parte siguiente del mismo stream cuando la tengas.
Dale, vamos por partes porque hay bastante contenido metido en este fragmento. Te aviso: Shkreli tira ideas sueltas y con mucha jerga financiera dicha “al pasar”, así que te las voy a desglosar todas, explicando el concepto detrás de cada una. Y como pediste, sin maquillar nada — donde el análisis da flojo, lo digo flojo.
Shkreli está mirando un modelo de valuación tipo DCF (Discounted Cash Flow / Flujo de caja descontado). La idea de fondo, para que la tengas clara porque es la base de todo lo que sigue:
Con IBM usó una tasa de descuento del 4.5%, y el modelo le da un precio “justo” bastante más alto que el precio de mercado actual. Por eso dice que la acción “se ve barata”.
Ojo con esto (la parte negativa): él mismo se cuida de decir “estamos tomando bastante libertad con estos supuestos, hay que ser muy cuidadosos”. Es decir: el resultado (“IBM vale el doble”) depende 100% de creerle esos tres supuestos. Si cambiás la tasa de descuento un poco, o asumís que el negocio decae más rápido, el “valor justo” se derrumba. No es una verdad matemática, es una opinión con números.
Sobre por qué IBM “parece” atractiva: es una consultora que casi no crece, y en negocios de tecnología (según él) hay un efecto deflacionario — no está seguro de esto, lo dice como duda —, y considera que hay “mucha seguridad” en una empresa como IBM. Pero fijate que es él especulando sobre por qué a Buffett (que en esa época tenía una posición grande en IBM) le gustaba la acción — no es un dato confirmado, es una hipótesis suya.
Acá el tono cambia. Con Apple:
Conclusión de esta parte, sin adornar: para ellos, en ese momento, Apple no pintaba tan buena inversión como IBM según su propio modelo. Pero de nuevo — esto es 2016, con los supuestos que ellos eligieron. La historia real de Apple después de esto fue muy distinta (la acción subió muchísimo), así que este es un buen ejemplo de cómo un DCF con supuestos pesimistas puede quedar completamente desactualizado. Te lo marco para que no te lleves la idea de “este método predice bien” — predice según lo que vos le metas adentro.
Esta parte es conceptualmente importante y él la explica con ejemplos. La idea:
Punto realista para vos que estás aprendiendo: esta idea de “no-arbitraje” es real y es enseñada en cualquier curso de finanzas (Hipótesis de Mercados Eficientes). Pero el mercado no es perfectamente eficiente en la práctica — hay debates enormes sobre esto. Él lo presenta como si fuera obviamente cierto (“no es opinión común pero yo sé que es verdad”), y esa es una afirmación fuerte de su parte, no un consenso académico cerrado. Te lo marco para que no te quede como verdad absoluta.
Acá se pone más técnico y él hace un análisis bastante crítico. Vamos con los datos y conceptos:
Datos reportados por IBM (año 2015, resultados del Q4):
El concepto clave que él denuncia — y esto es importante, prestá atención:
IBM divide su negocio en:
Su crítica (textual en espíritu): las empresas “maquillan” el relato mostrando solo la parte que crece (“miren, esta parte de nuestro negocio va genial”) mientras esconden que el resto — que además es el doble de grande — se está derrumbando. Él lo llama directamente “una mentira” (usa una palabra fuerte, censurada en la transcripción). Esto es un punto de escepticismo sano que vale la pena que te lleves: cuando una empresa resalta un segmento “en crecimiento”, preguntate siempre qué está pasando con el resto, porque el crecimiento de una parte no dice nada del conjunto si no lo comparás con el total.
Comparación con competidores (para chequear si es un problema de toda la industria o solo de IBM):
Conclusión de él: si la competencia en general no está tan mal, entonces el problema es específico de IBM, no del sector — su negocio de consultoría “core” se está deteriorando por decisión/ejecución propia, no solo por el ciclo.
Conflicto de interés que señala (punto interesante): IBM es a la vez consultora (recomienda qué tecnología comprar) y vendedora de productos propios (software/hardware IBM), a diferencia de Accenture o Tata que no tienen productos propios y pueden recomendar “lo mejor de cada proveedor” (Dell, Oracle, Cisco, etc.) sin sesgo. Esto es un conflicto de interés real y es un riesgo cualitativo a tener en cuenta al confiar en las proyecciones de crecimiento que la propia IBM da sobre sus áreas “estratégicas”.
Free cash flow (flujo de caja libre) vs. net income (ganancia neta):
Cloud y “as a service”:
Si querés, en el próximo fragmento que me pases seguimos con lo que viene después de “as a service” — quedó cortado justo ahí.
¡Dale! Vamos por partes porque hay dos bloques bien distintos en este texto: primero IBM (la empresa) y después una clase de conceptos de inversión (long/short, alpha, beta, portfolio). Te lo traduzco y explico todo, sin asumir que sabés nada previo, y siendo realista/pesimista donde corresponda porque así lo pediste.
Movida hacia la nube (cloud) IBM dice que está liderando la transición hacia un “ambiente híbrido” (o sea, empresas que combinan servidores propios con servidores en la nube). En 2015 hicieron 7 compras de empresas de la nube, entre ellas:
Invirtieron casi 1.000 millones de dólares en construir más centros de datos, llegando a 46 en total.
Bluemix: es la plataforma “as-a-service” de IBM (para que programadores construyan aplicaciones sobre la infraestructura de IBM). Dicen que ya tiene más de un millón de usuarios y suman 15.000 desarrolladores nuevos por semana.
Nota realista: que sumen usuarios y desarrolladores no significa necesariamente que estén ganando plata con eso. Es una métrica de “crecimiento” que las empresas tech usan mucho para verse bien, pero no siempre se traduce en ingresos o rentabilidad real.
Analytics (análisis de datos): dicen tener casi 18.000 millones de dólares en ingresos por este segmento, y que son el proveedor más grande del mundo en esto.
Watson Health y Watson IoT: Watson es la marca de inteligencia artificial/cognitiva de IBM. Están metiendo esa tecnología en:
Nota realista: esto suena a “vamos a inventar nuevas fuentes de ingreso” porque el negocio tradicional se está achicando (ya lo vas a ver abajo). Cuando una empresa grande y vieja empieza a hablar mucho de “nuevas áreas de oportunidad”, muchas veces es porque el negocio central no está creciendo.
Devolución de valor a accionistas: pagaron casi 5.000 millones de dólares en dividendos, y redujeron la cantidad de acciones en circulación en 2,7% (esto se llama “reducir el share count” o hacer buybacks/recompra de acciones — cuando una empresa recompra sus propias acciones, hay menos acciones dando vueltas, entonces cada acción que queda “vale” un poquito más, en teoría).
Pero los ingresos totales cayeron 1% ese año. Y él (el que habla, comentando el informe) dice que gran parte de esa caída “se explica por el tipo de cambio” porque IBM tiene mucho negocio en Asia y el dólar se fortaleció, entonces cuando convertís esos ingresos extranjeros a dólares, parece que cayeron más de lo que cayeron en términos reales.
Márgenes:
Nota realista: que el software (la parte más rentable del negocio) esté cayendo es una mala señal, aunque el tipo de cambio “maquille” un poco el número feo.
Desglose de “Servicios Globales” (Global Services), que es el negocio más grande de IBM:
Él nota algo interesante: casi la mitad del negocio de “consulting” en realidad es outsourcing.
¿Qué es outsourcing? Es cuando una empresa toma un proceso que hace internamente (por ejemplo, su centro de atención al cliente, o su sistema de nómina de sueldos) y se lo delega a otra empresa externa que lo hace por ella, generalmente más barato.
Él compara esto con competidores: Accenture, Infosys, Tata, Cognizant. Dice que estas empresas están creciendo más rápido que IBM en este espacio, y sospecha que le están ganando mercado. Aclara que no son 100% comparables (Cognizant sí hace solo tecnología, Accenture no solo tecnología, etc.), pero la conclusión que saca es clara: la competencia crece más rápido que IBM en su negocio más grande.
Nota realista: esto es la parte más preocupante del análisis. Si tu negocio más grande le está perdiendo terreno a competidores que crecen más rápido, eso es una señal de deterioro estructural, no solo un mal trimestre.
Después mencionan un gráfico del euro y que el flujo de caja (cash flow) y las ganancias (income) “se mueven parecido” — o sea que las ganancias contables de IBM parecen respaldadas por caja real, lo cual es bueno (a veces las empresas muestran ganancias en el papel que no se corresponden con caja real, y eso es una alerta de manipulación contable).
También comenta, medio en broma, que la gente de relaciones con inversores de IBM lee un guion preparado con voz monótona en la conference call — es un comentario sobre lo aburrida/corporativa que es la comunicación de IBM, nada más.
Sobre “dividir IBM en partes” (spin-off): dice que podría ser una opción, pero que ya han vendido/separado la mayoría de los negocios que “no valía la pena tener”, así que no está claro qué más quedaría para separar.
Acá cambia completamente de tema, y empieza a explicar cómo él arma un portafolio de inversión.
Su argumento: si solo vas “long”, tu portafolio entero depende de que el mercado suba. Y si el mercado no sube (o baja), perdés, sin importar qué tan bien elegiste tus acciones.
Él da un ejemplo: entre 2000 y 2012, el S&P 500 (el índice más importante de EE.UU., que agrupa las 500 empresas más grandes) no generó ganancias netas. Estuviste 12 años sin ganar nada, con muchos sustos (“dolores de estómago”) en el medio.
Después hace un cálculo (medio informal, ojo) comparando el precio del S&P 500 en el año 2000 vs 2016, y concluye que en ese período el mercado subió menos del 2% anual, mientras que la inflación fue de aproximadamente 2% anual. Su conclusión: las acciones apenas empataron a la inflación en ese período, pero con mucho más riesgo. Por eso él no cree que “las acciones siempre suben a largo plazo” sea un argumento sólido — lo llama directamente “falaz” (una falacia).
Importante que lo tengas claro: esto es su opinión personal, no un hecho matemático universal. Es cierto que hay períodos largos donde el mercado no rinde bien (2000-2012 es un ejemplo real y bien conocido, incluye dos crashes: la burbuja puntocom y la crisis de 2008). Pero también hay períodos largos donde el mercado sube mucho. La historia de largo plazo del mercado americano (100+ años) muestra retornos promedio positivos, pero con años y hasta décadas malas en el medio. Te lo digo para que no te quedes con la idea de que “el mercado nunca sube” — la idea real es: no podés confiar ciegamente en que suba, y hay riesgo real de pasar años sin ganar nada.
Ejemplo que da:
Estrategia: comprar (ir long) IBM porque está barata, y vender en corto (short) Apple (aunque en el ejemplo Apple está “justamente valuada”, no cara — igual lo usa para ilustrar la cobertura). La idea es: si viene una recesión y todo el mercado cae, tu posición larga en IBM también va a caer (porque tiene beta 0.7, se mueve con el mercado), pero tu posición corta te da ganancia porque Apple también cae y vos ya apostaste a que caiga. Entonces el corto compensa la pérdida del largo.
Nota realista: esta estrategia (comprar barato + vender corto algo sobrevaluado o parejo) se llama “long/short equity” o a veces “market neutral” cuando está bien balanceada. La ventaja teórica es que no dependés de adivinar si el mercado sube o baja en general, solo de acertar qué acciones están mal valuadas relativamente. La desventaja: el short tiene riesgo ilimitado en teoría (una acción puede subir infinito, tu pérdida no tiene techo), es más caro operativamente, y es mucho más difícil de ejecutar bien que simplemente comprar y aguantar. No es una estrategia fácil ni libre de riesgo, aunque él la presente como algo lógico y ventajoso.
Su experiencia personal (no una ley matemática, aclaro):
Si investigás 10 acciones y te da que 7 están baratas, según él eso es una señal de alarma — probablemente estás haciendo mal el análisis, no que encontraste 7 gangas reales.
El costo en tiempo es enorme: dice que investigar bien una sola acción te puede tomar entre 100 y 1.000 horas. Si asumís el escenario más optimista (100 horas por acción) y necesitás armar un portafolio de 20 posiciones, y de cada 10 que investigás solo 2 valen la pena (una barata, una cara) — necesitás investigar 100 acciones para conseguir esas 20 posiciones buenas. Eso son 10.000 horas de trabajo, solo para el mínimo indispensable. Trabajando 10 horas por día, 300 días al año, son casi 3 años-persona de trabajo. Por eso dice que necesita un equipo (menciona ayudantes) para poder hacerlo.
Nota realista: este es honestamente el punto más importante de toda la charla para vos que estás arrancando: hacer bien este tipo de análisis de “elegir acciones individuales” es un trabajo brutal en términos de tiempo, y la mayoría de la gente (inversores individuales incluidos) no tiene ni el tiempo ni los recursos para hacerlo bien. Esto es justamente por qué muchos asesores financieros recomiendan fondos indexados (invertir en el mercado en general, de forma diversificada y barata) en lugar de tratar de “elegir ganadores” — porque elegir ganadores bien hecho es carísimo en tiempo, y mal hecho es básicamente apostar.
Última idea, un poco más abstracta: dice que a medida que el tiempo tiende a infinito, tu capacidad de saber con certeza si una acción está barata o cara se acerca al 100% — si tuvieras tiempo ilimitado para investigar, terminarías sabiendo la verdad. Pero en la práctica no tenés tiempo ilimito, y mientras investigás, el mercado sigue moviéndose y puede “corregir” el precio antes de que termines tu análisis, haciendo desaparecer la oportunidad (el “arbitraje” o el alpha).
Por otro lado, a medida que el marco de tiempo tiende a cero (operar en minutos o segundos, “day trading”), tu capacidad de capturar una ventaja real también se acerca a cero — porque en el muy corto plazo los movimientos de precio son básicamente aleatorios (“ruido”), no reflejan ni fundamentos (alpha) ni mercado (beta). Menciona que hay gente (sobre todo computadoras/algoritmos de alta frecuencia) que trata de ganar dinero con esos movimientos de milisegundos, y dice que para un humano eso no funciona bien, solo para sistemas automatizados — y agrega que hay sospechas/investigaciones sobre si esas prácticas son legales o representan alguna forma de ventaja injusta.
Nota realista: esta es una observación válida y bastante estándar en finanzas — el trading de altísima frecuencia es un juego dominado por infraestructura tecnológica cara, no algo donde una persona común pueda competir. Y la parte de “hay investigaciones sobre si están haciendo trampa” — no profundiza en qué investigaciones son, así que tomalo como una afirmación sin verificar, no como un hecho confirmado.
¿Querés que sigamos con la próxima parte de la transcripción cuando la subas, o preferís que primero repasemos algún concepto de estos (alpha, beta, outsourcing, short selling) con más detalle antes de avanzar?
¡Dale! Vamos a repasar esto en detalle, en español, sin resumir de más. Es una clase sobre construcción de portafolios y después se mete de lleno en un caso práctico de análisis de una empresa chica (Alarm.com). Te explico todo, concepto por concepto.
Shkreli arranca diciendo que antes de invertir en algo, primero tenés que definir tu “universo”: el conjunto de empresas entre las que vas a elegir. ¿Por qué? Porque hay 68,000 acciones “tradeables” (que se pueden comprar y vender) en el mundo. Es imposible estudiar bien 68,000 empresas. Él dice que como regla general, si querés estudiar bien una empresa, le tenés que dedicar al menos 100 horas. Hacé la cuenta: 68,000 empresas x 100 horas = imposible para una persona o un equipo chico.
Entonces la solución es filtrar ese universo usando distintos criterios, que podés combinar:
Filtra por “tech and telecom” y el universo baja de 68,000 a unas 5,000 empresas. Ya es más razonable, pero todavía mucho.
Después arma un archivo de Excel (usando “freeze panes”, que es “inmovilizar paneles” en español — sirve para que al scrollear, los encabezados de las columnas queden fijos y no se pierdan de vista) con las 50 empresas de tech/telecom más grandes del mundo por market cap, que van desde ~500 mil millones de dólares (Apple, Alphabet/Google, Microsoft, Facebook) hasta ~26 mil millones (las más chicas de esa lista top 50). Ahí aparecen nombres como AT&T, China Mobile, Verizon, Oracle, Intel, Cisco, IBM, Taiwan Semiconductor (TSMC), Vodafone, Qualcomm, Deutsche Telekom, Softbank, Salesforce, Telefónica, América Móvil (la empresa de Carlos Slim), Nokia, Ericsson, Hewlett-Packard, entre otras.
La idea del archivo es tener todo en una sola planilla para poder comparar rápido: ticker, precio de la acción, market cap, enterprise value, etc. — y hasta poner links a los modelos financieros individuales de cada empresa (como el de Apple o el de IBM que hicieron en clases anteriores) para abrirlos rápido desde ahí.
Este es un punto importante que remarca bastante: estudiar una industria completa te da contexto que estudiar una sola empresa no te da. Si metés Coca-Cola en esa lista de tecnología, no te aporta nada porque no tiene relación con esas empresas. En cambio, si estudiás todas las empresas de telecom/tech juntas, ves cómo se conectan en una cadena de proveedores/clientes (supply chain):
Entender estas relaciones te ayuda a entender por qué una empresa gana o pierde plata: si entendés el negocio de servidores de Dell/EMC, entendés mejor el negocio de servidores de IBM, por ejemplo.
Después de mirar las gigantes, baja la lista hasta encontrar empresas de más o menos mil millones de dólares para arriba (dice que hay unas 701 empresas tech en el mundo de $1 billón o más — ojo, “billón” en inglés es “billion”, que en español es mil millones, no billón como en español rioplatense). Ahí encuentra Alarm.com, una empresa que ninguno de los dos conocía.
Él dice algo importante y que hay que remarcar en negativo también: las empresas chicas “son más divertidas” de analizar porque el mercado las sigue menos y por eso el precio puede estar más desalineado de su valor real — pero ojo, esto funciona en las dos direcciones: pueden estar infravaloradas O sobrevaloradas, no asumas que “chica y desconocida” es sinónimo de “barata”. Es solo que hay más margen de error del mercado, para bien o para mal.
Es una empresa de “software as a service” (SaaS) — es decir, vende un servicio por suscripción/nube, no un producto físico — enfocada en seguridad y monitoreo del hogar conectado (cámaras, alarmas, termostatos inteligentes).
Este es el método que usa para hacer un primer filtro rápido de cualquier empresa:
¿Por qué se resta la caja? Porque si comprás la empresa entera, esa caja “viene con el paquete” — es como si el vendedor te devolviera parte de la plata que pagaste. El Enterprise Value representa el costo “real” del negocio operativo en sí, sin contar el colchón de efectivo.
Acá usa una métrica parecida al clásico P/E (precio/ganancia) pero usando Enterprise Value en vez de solo market cap — más correcto porque incorpora caja y deuda:
Ojo con esto: son estimaciones, no hechos. El mercado puede equivocarse en sus proyecciones de crecimiento, y si el crecimiento no se cumple, ese múltiplo “más barato” a futuro no se materializa. No es una garantía de nada.
Apple: EV ≈ 418 mil millones de dólares (después de restar su caja neta, que ronda los 150+ mil millones). Con estimados de ganancias de ~50-53 mil millones para 2016, el múltiplo EV/Earnings da ~8 veces — es decir, tardarías solo 8 años en “recuperar” tu inversión en base a esa ganancia anual, muchísimo más barata que Alarm.com.
IBM: tiene caja neta negativa (más deuda que caja), de unos -31.7 mil millones — o sea, es una empresa con deuda neta, no con colchón de caja. Aun así, su EV es de ~165 mil millones, y con ganancias estimadas de ~12-13 mil millones, el múltiplo da ~13 años. Aclara algo clave: “técnicamente más barata” no es lo mismo que “realmente más barata” — el hecho de que el múltiplo sea más bajo no significa automáticamente que sea mejor negocio.
El razonamiento es: si Apple cotiza a solo 8 veces ganancias y una empresa chica y desconocida como Alarm.com cotiza a 24-33 veces, el mercado está implícitamente diciendo que desconfía de que Apple (y en menor medida IBM) puedan sostener esas ganancias en el futuro — por eso las castiga con un múltiplo más bajo. Y él mismo aclara, para que no se saque una conclusión apresurada: esto NO significa que haya que comprar Apple y vender Alarm.com. Un múltiplo bajo no es automáticamente “barato bueno”, puede reflejar riesgos reales (como que el negocio se esté estancando o que dependa de un solo producto, el iPhone). Y un múltiplo alto en una small cap no es automáticamente “cara mala”, puede reflejar expectativas de crecimiento genuino — pero también puede ser una sobrevaloración pura y dura si esas expectativas no se cumplen.
Puntos negativos/riesgos que hay que remarcar de esta clase (para no quedarte con falsas esperanzas):
¿Querés que sigamos con el próximo bloque de subtítulos cuando lo tengas, o querés que repasemos algún concepto de este primero (por ejemplo Enterprise Value, o cómo se arma el “universo” con criterios) antes de seguir?
¡Dale! Vamos con este pedazo de la clase de Shkreli sobre Alarm.com. Te lo traduzco y explico todo, concepto por concepto, sin asumir que sabés nada. Voy a ir en el orden en que aparece en la clase.
El P/E (Price/Earnings) es la relación entre el precio de la acción (o el market cap, la capitalización de mercado = precio x cantidad de acciones) y las ganancias de la empresa. Si le das vuelta a esa fracción (ganancias / market cap en vez de precio / ganancias), obtenés el earnings yield (rendimiento de las ganancias), expresado en porcentaje.
¿Qué significa esto? Cuanto más alto es el earnings yield, más “barata” está la acción en relación a sus ganancias actuales, pero también puede significar que el mercado le exige un discount rate (tasa de descuento) más alto porque la percibe como más riesgosa. La tasa de descuento es la tasa que usás para “traer a valor presente” las ganancias futuras de una empresa — cuanto más riesgo ve el mercado, más alta la tasa, y más castiga el valor de esa empresa hoy.
Entonces: Apple con 12% de yield → el mercado la ve más riesgosa que IBM con 8% de yield.
⚠️ Importante para no llevarte una falsa esperanza: un yield alto (o un P/E bajo) no es automáticamente “una ganga”. Puede ser una señal de que el mercado anticipa problemas reales.
Con Alarm.com el yield es más bajo (menciona 4%), lo cual es lo opuesto: el mercado está pagando mucho por cada dólar de ganancia actual. Esto pasa cuando los inversores esperan que la empresa crezca mucho en el futuro. Shkreli dice que esto es “racional” — pagar caro hoy por crecimiento futuro — pero aclara que muchos inversores de crecimiento (“growth investors”) son malos, así como hay malos inversores de valor (“value investors”). No es una discusión resuelta, es un debate real en finanzas.
Ojo con la trampa acá: que el mercado pague mucho por el crecimiento no garantiza que ese crecimiento se vaya a materializar. Es una apuesta.
Este es un punto técnico importante. Shkreli calculó el ingreso neto de Alarm.com para 2013, 2014 y 2015, y sus números NO coinciden con lo que dice el 10-K (el reporte anual oficial que las empresas presentan a la SEC, el regulador de EEUU).
La razón: él excluyó deliberadamente la depreciación y amortización (D&A) de su cálculo.
Esto es clave: dos analistas pueden mirar la misma empresa y llegar a números distintos según qué decidan incluir o excluir. No hay una única “verdad” en el modelado financiero — depende de qué pregunta estás tratando de responder.
Consejo práctico: siempre armá tus modelos financieros en millones de dólares, no en miles. Es una convención de la industria para que los números sean más legibles y comparables. Incluso menciona que él mismo se equivocó y puso una fila en miles quee corrigió (“SpaghettiOs” fue su forma graciosa de decir que se hizo un lío).
Dice que estas son “las dos métricas que siempre hay que mirar”:
Crecimiento de ingresos (revenue growth): Alarm.com venía creciendo 25% interanual. Eso es alto.
Márgenes: al principio dice que los márgenes venían declinando (bajando), lo cual es una señal negativa para una empresa de software (donde se esperan márgenes altos). Después se corrige (“me equivoqué de fila”) y dice que en realidad los márgenes venían creciendo, llegando a 60% de margen bruto.
⚠️ Nota importante sobre esto: menciona que 60% es “lindo” pero que las empresas de software puro suelen tener 80-90% de margen bruto. Alarm.com no llega a eso porque tiene un componente de hardware (los dispositivos físicos de alarma), que tiene costos de producción reales, a diferencia del software puro que es “solo código” sin costo de bienes vendidos (COGS).
Menciona una fórmula específica para separar el margen bruto de la parte de software (SaaS) dentro de una empresa mixta como Alarm.com:
Margen bruto SaaS = (Ingresos SaaS − Costos SaaS) / Ingresos SaaS
Y ese cálculo les da 80% de margen bruto en la parte de software — coherente con lo que se espera de software puro, aunque la empresa en su conjunto (con hardware incluido) tenga menos.
Detalle estético/práctico: en los modelos financieros los números se alinean a la derecha (no a la izquierda ni al centro), porque así “suman visualmente” bien (las unidades quedan alineadas verticalmente) y se ve más profesional.
Este es un bloque denso, te lo separo:
Punto clave que remarca: se puede conseguir prácticamente toda la información necesaria para analizar una empresa pública directamente de sus filings en la SEC (son públicos y gratuitos).
La empresa, en su 8-K, da guidance (proyección oficial de la compañía sobre resultados futuros) para 2016: ingresos totales entre 236 y 240 millones de dólares.
Shkreli hace el cálculo:
Esto es una señal de alerta que él resalta explícitamente: la empresa se está “desacelerando” mucho según su propia proyección. Y esto lo deja intrigado — ¿por qué bajaría tanto el crecimiento?
Plantea varias hipótesis, ninguna confirmada:
⚠️ Su opinión personal (y la comparte de forma honesta, no como verdad absoluta): a él no le gusta cuando las empresas hacen esto. Prefiere que sean honestas con su proyección real, aunque se equivoquen, en vez de ser artificialmente conservadoras. Dice que subestimar demasiado también le hace perder credibilidad a la empresa frente a los inversores.
Como refuerzo de esta sospecha, menciona que en la guía para el primer trimestre (Q1) de 2016 dieron 39.4 millones, un número que en los hechos implica que siguen creciendo al 25%, no al 14%. Esto contradice la proyección anual más conservadora, y refuerza la idea de Shkreli de que la empresa está siendo demasiado cautelosa con su número “oficial” de todo el año.
Este es el concepto más importante de matemática financiera básica de todo el segmento, así que te lo desarrollo con cuidado porque es la base de mucho análisis financiero.
Pregunta que hace: si los ingresos de una empresa crecen 14%, ¿cuánto deberían crecer las ganancias netas (net income)?
Respuesta correcta (la que él busca): más que 14%, si la empresa maneja bien sus costos. Y explica por qué con el ejemplo del puesto de limonada:
Segundo escenario para comparar: si los costos crecieran al mismo 10% que los ingresos (55 millones en vez de 52.5), la ganancia sería 110 − 55 = 55 millones, un crecimiento de exactamente 10% — igual al crecimiento de ingresos, ni más ni menos.
La conclusión (esto es la definición de operating leverage):
Si el crecimiento de los ingresos es mayor al crecimiento de los costos, entonces el crecimiento de las ganancias netas será mayor al crecimiento de los ingresos.
Esto es lo que toda empresa “sana” quiere lograr: que sus costos crezcan más lento que sus ingresos. Es la base de por qué las empresas escalables (como el software) son atractivas — un mismo producto se puede vender a más clientes sin que los costos suban en la misma proporción.
Aplicado a Alarm.com: acá está el dato preocupante que remarca. En el Q4 de 2015, los ingresos de Alarm.com crecieron 25% interanual, pero sus costos crecieron todavía más rápido, al punto que el ingreso neto (net income) cayó a pesar de que las ventas subieron. Esto es el escenario opuesto y negativo del operating leverage: la empresa está gastando más de lo que gana en proporción.
Shkreli no lo condena automáticamente — dice que puede ser que estén invirtiendo fuerte en el negocio (lo cual puede ser bueno a largo plazo) o que estén simplemente gastando de más (“overspending”). La conclusión honesta es: no se puede saber con certeza solo mirando los números, hay que juzgar el criterio del management (los directivos) y ver si esas inversiones tienen sentido estratégico.
⚠️ Este es un punto de alerta real, no optimismo forzado: costos creciendo más rápido que ingresos, con ganancias cayendo, es una señal que amerita cautela, no entusiasmo.
Cierra con una reflexión sobre estrategia de inversión: él prefiere especializarse en un sector (menciona que él se especializó en farmacéuticas) en vez de ser un “generalista” que cubre de todo (bebidas, software, lo que sea). Su argumento es que la especialización da credibilidad — si conocés a fondo un sector, podés cuestionar con fundamento las decisiones de una empresa (ejemplo que da: podés decirle al CEO de Alarm.com “gastás demasiado en R&D comparado con otras SaaS” solo si conocés bien el sector SaaS).
Aclara que esto es una opinión suya, una estrategia personal, y que hay otra escuela de inversores generalistas que no está de acuerdo con este enfoque. No lo presenta como una verdad absoluta.
Resumen de las señales de alerta reales de esta clase (sin falso optimismo):
Si querés, seguimos con la siguiente parte del stream cuando la tengas.
¡Dale! Vamos a repasar esto en orden, con calma, explicando cada concepto como si no supieras nada de finanzas (porque me dijiste que no sabés nada, así que no doy nada por sentado). Es un stream medio caótico y desordenado, típico de alguien pensando en voz alta mientras arma una lista de empresas, así que voy a ordenar las ideas por tema en vez de traducir línea por línea, pero sin resumir el contenido — todo lo importante queda.
Lo primero que menciona: si mirás una empresa americana que solo tiene clientes americanos, uno esperaría que pague una tasa de impuesto corporativo de alrededor del 35% (esa era la tasa corporativa en EEUU en esa época, antes de la reforma impositiva de 2017 que la bajó a 21%). Si ves que una empresa así no está pagando cerca de ese 35%, es una bandera roja: puede significar que la empresa está usando trucos contables o estructuras para pagar menos, y esto genera riesgo — porque si en el futuro esos trucos dejan de funcionar (cambios regulatorios, fin de créditos fiscales, etc.), la ganancia neta de la empresa se derrumba. La frase clave es “cuando tu tasa de impuesto es del 35%, es muy difícil tener éxito” — es decir, una tasa alta es una carga pesada, y una empresa que hoy paga poco impuesto pero “debería” pagar 35%, corre el riesgo de que ese beneficio temporal se termine. Ojo: esto es una preocupación, no una ventaja.
Este es un concepto central en todo análisis financiero, así que le dedico tiempo:
En el ejemplo que da: el flujo de caja fue de 27 millones pero la ganancia neta fue de solo 11 millones — una diferencia enorme. La lectura que hace (correctamente, con cautela) es que parte de esa diferencia podría ser algo de una sola vez (one-time), como un movimiento favorable en las cuentas por cobrar (por ejemplo, cobraron deudas pendientes de golpe) que podría revertirse en el futuro. Es decir: no hay que entusiasmarse con un flujo de caja alto sin preguntarse por qué es más alto que la ganancia — puede ser una mejora real del negocio, o puede ser un efecto temporal que no se repita. La actitud correcta acá es de sospecha, no de festejo.
La mayor parte del stream es un ejercicio de ir empresa por empresa (ordenadas por capitalización de mercado, o sea, valor total de todas sus acciones en el mercado) y decidir a qué sector pertenece cada una. Esto importa porque comparar una empresa de un sector con otra de un sector distinto no tiene sentido (no comparás un banco con una petrolera).
Categorías que van armando:
Acá arranca la parte más técnica y más útil, con un ejemplo real.
Qué es el 10-K y el 10-Q: son reportes obligatorios que las empresas que cotizan en bolsa en EEUU tienen que presentar ante la SEC (el regulador del mercado de valores, “Securities and Exchange Commission”). El 10-K es el reporte anual. El 10-Q es el reporte trimestral (cada tres meses). Un “quarter” (Q1, Q2, Q3, Q4) es cada uno de los cuatro períodos de tres meses en que se divide el año fiscal. En el caso de AT&T, el año fiscal coincide con el año calendario normal (enero a diciembre) — esto no siempre es así en otras empresas, así que siempre hay que verificarlo.
Datos concretos de AT&T que revisan:
¿Por qué las telecom tienen tanta deuda? Esta es la explicación central y la razón por la que separan a las telecom del resto de la tecnología: las empresas de telecomunicaciones tienen ingresos muy estables y predecibles (la gente paga su factura de celular todos los meses, llueva o truene), y esa estabilidad les permite endeudarse mucho porque los prestamistas confían en que van a poder pagar. El costo de esto es que quedan muy apalancadas (leveraged): mucha deuda en relación a su tamaño. El stream compara esto con Apple, que tiene caja neta positiva (más efectivo que deuda) — la diferencia no es el tamaño de la empresa, es el estilo de inversión y de gestión financiera de cada compañía.
Dan un ejemplo numérico ilustrativo para reforzar esto: dicen que en una empresa como AT&T, comparando cap. de mercado ($200 mil millones) contra deuda ($350 mil millones aprox., usando números redondeados para la explicación), la deuda termina siendo un componente enorme del valor total de la empresa — mucho más grande, proporcionalmente, que en una empresa como IBM.
Nota de cautela mía, porque me pediste redondear siempre a lo negativo: una deuda tan alta como la de AT&T es un riesgo real, no un detalle técnico. Si las tasas de interés suben, o si los ingresos dejan de ser tan estables (por ejemplo, por competencia o cambios regulatorios), pagar esos intereses y refinanciar esa deuda se vuelve mucho más difícil. Los $70 mil millones que vencen en dos años son particularmente relevantes: la empresa va a tener que refinanciar (pedir deuda nueva para pagar la vieja) en un plazo corto, y si en ese momento las condiciones de crédito son peores, les va a costar más caro. No es una situación cómoda.
Acá empiezan a mirar los ingresos y costos:
Esto es lo que hay hasta donde llega el archivo (se corta a mitad de explicar el interés minoritario). Si tenés la continuación, mandámela y seguimos con el mismo criterio: todo explicado, sin resumir de más, y marcando los riesgos en vez de vender optimismo.
¡Dale! Vamos con este pedazo de la clase de Shkreli sobre Alarm.com. Te lo traduzco y explico todo, concepto por concepto, sin asumir que sabés nada. Voy a ir en el orden en que aparece en la clase.
El P/E (Price/Earnings) es la relación entre el precio de la acción (o el market cap, la capitalización de mercado = precio x cantidad de acciones) y las ganancias de la empresa. Si le das vuelta a esa fracción (ganancias / market cap en vez de precio / ganancias), obtenés el earnings yield (rendimiento de las ganancias), expresado en porcentaje.
¿Qué significa esto? Cuanto más alto es el earnings yield, más “barata” está la acción en relación a sus ganancias actuales, pero también puede significar que el mercado le exige un discount rate (tasa de descuento) más alto porque la percibe como más riesgosa. La tasa de descuento es la tasa que usás para “traer a valor presente” las ganancias futuras de una empresa — cuanto más riesgo ve el mercado, más alta la tasa, y más castiga el valor de esa empresa hoy.
Entonces: Apple con 12% de yield → el mercado la ve más riesgosa que IBM con 8% de yield.
⚠️ Importante para no llevarte una falsa esperanza: un yield alto (o un P/E bajo) no es automáticamente “una ganga”. Puede ser una señal de que el mercado anticipa problemas reales.
Con Alarm.com el yield es más bajo (menciona 4%), lo cual es lo opuesto: el mercado está pagando mucho por cada dólar de ganancia actual. Esto pasa cuando los inversores esperan que la empresa crezca mucho en el futuro. Shkreli dice que esto es “racional” — pagar caro hoy por crecimiento futuro — pero aclara que muchos inversores de crecimiento (“growth investors”) son malos, así como hay malos inversores de valor (“value investors”). No es una discusión resuelta, es un debate real en finanzas.
Ojo con la trampa acá: que el mercado pague mucho por el crecimiento no garantiza que ese crecimiento se vaya a materializar. Es una apuesta.
Este es un punto técnico importante. Shkreli calculó el ingreso neto de Alarm.com para 2013, 2014 y 2015, y sus números NO coinciden con lo que dice el 10-K (el reporte anual oficial que las empresas presentan a la SEC, el regulador de EEUU).
La razón: él excluyó deliberadamente la depreciación y amortización (D&A) de su cálculo.
Esto es clave: dos analistas pueden mirar la misma empresa y llegar a números distintos según qué decidan incluir o excluir. No hay una única “verdad” en el modelado financiero — depende de qué pregunta estás tratando de responder.
Consejo práctico: siempre armá tus modelos financieros en millones de dólares, no en miles. Es una convención de la industria para que los números sean más legibles y comparables. Incluso menciona que él mismo se equivocó y puso una fila en miles quee corrigió (“SpaghettiOs” fue su forma graciosa de decir que se hizo un lío).
Dice que estas son “las dos métricas que siempre hay que mirar”:
Crecimiento de ingresos (revenue growth): Alarm.com venía creciendo 25% interanual. Eso es alto.
Márgenes: al principio dice que los márgenes venían declinando (bajando), lo cual es una señal negativa para una empresa de software (donde se esperan márgenes altos). Después se corrige (“me equivoqué de fila”) y dice que en realidad los márgenes venían creciendo, llegando a 60% de margen bruto.
⚠️ Nota importante sobre esto: menciona que 60% es “lindo” pero que las empresas de software puro suelen tener 80-90% de margen bruto. Alarm.com no llega a eso porque tiene un componente de hardware (los dispositivos físicos de alarma), que tiene costos de producción reales, a diferencia del software puro que es “solo código” sin costo de bienes vendidos (COGS).
Menciona una fórmula específica para separar el margen bruto de la parte de software (SaaS) dentro de una empresa mixta como Alarm.com:
Margen bruto SaaS = (Ingresos SaaS − Costos SaaS) / Ingresos SaaS
Y ese cálculo les da 80% de margen bruto en la parte de software — coherente con lo que se espera de software puro, aunque la empresa en su conjunto (con hardware incluido) tenga menos.
Detalle estético/práctico: en los modelos financieros los números se alinean a la derecha (no a la izquierda ni al centro), porque así “suman visualmente” bien (las unidades quedan alineadas verticalmente) y se ve más profesional.
Este es un bloque denso, te lo separo:
Punto clave que remarca: se puede conseguir prácticamente toda la información necesaria para analizar una empresa pública directamente de sus filings en la SEC (son públicos y gratuitos).
La empresa, en su 8-K, da guidance (proyección oficial de la compañía sobre resultados futuros) para 2016: ingresos totales entre 236 y 240 millones de dólares.
Shkreli hace el cálculo:
Esto es una señal de alerta que él resalta explícitamente: la empresa se está “desacelerando” mucho según su propia proyección. Y esto lo deja intrigado — ¿por qué bajaría tanto el crecimiento?
Plantea varias hipótesis, ninguna confirmada:
⚠️ Su opinión personal (y la comparte de forma honesta, no como verdad absoluta): a él no le gusta cuando las empresas hacen esto. Prefiere que sean honestas con su proyección real, aunque se equivoquen, en vez de ser artificialmente conservadoras. Dice que subestimar demasiado también le hace perder credibilidad a la empresa frente a los inversores.
Como refuerzo de esta sospecha, menciona que en la guía para el primer trimestre (Q1) de 2016 dieron 39.4 millones, un número que en los hechos implica que siguen creciendo al 25%, no al 14%. Esto contradice la proyección anual más conservadora, y refuerza la idea de Shkreli de que la empresa está siendo demasiado cautelosa con su número “oficial” de todo el año.
Este es el concepto más importante de matemática financiera básica de todo el segmento, así que te lo desarrollo con cuidado porque es la base de mucho análisis financiero.
Pregunta que hace: si los ingresos de una empresa crecen 14%, ¿cuánto deberían crecer las ganancias netas (net income)?
Respuesta correcta (la que él busca): más que 14%, si la empresa maneja bien sus costos. Y explica por qué con el ejemplo del puesto de limonada:
Segundo escenario para comparar: si los costos crecieran al mismo 10% que los ingresos (55 millones en vez de 52.5), la ganancia sería 110 − 55 = 55 millones, un crecimiento de exactamente 10% — igual al crecimiento de ingresos, ni más ni menos.
La conclusión (esto es la definición de operating leverage):
Si el crecimiento de los ingresos es mayor al crecimiento de los costos, entonces el crecimiento de las ganancias netas será mayor al crecimiento de los ingresos.
Esto es lo que toda empresa “sana” quiere lograr: que sus costos crezcan más lento que sus ingresos. Es la base de por qué las empresas escalables (como el software) son atractivas — un mismo producto se puede vender a más clientes sin que los costos suban en la misma proporción.
Aplicado a Alarm.com: acá está el dato preocupante que remarca. En el Q4 de 2015, los ingresos de Alarm.com crecieron 25% interanual, pero sus costos crecieron todavía más rápido, al punto que el ingreso neto (net income) cayó a pesar de que las ventas subieron. Esto es el escenario opuesto y negativo del operating leverage: la empresa está gastando más de lo que gana en proporción.
Shkreli no lo condena automáticamente — dice que puede ser que estén invirtiendo fuerte en el negocio (lo cual puede ser bueno a largo plazo) o que estén simplemente gastando de más (“overspending”). La conclusión honesta es: no se puede saber con certeza solo mirando los números, hay que juzgar el criterio del management (los directivos) y ver si esas inversiones tienen sentido estratégico.
⚠️ Este es un punto de alerta real, no optimismo forzado: costos creciendo más rápido que ingresos, con ganancias cayendo, es una señal que amerita cautela, no entusiasmo.
Cierra con una reflexión sobre estrategia de inversión: él prefiere especializarse en un sector (menciona que él se especializó en farmacéuticas) en vez de ser un “generalista” que cubre de todo (bebidas, software, lo que sea). Su argumento es que la especialización da credibilidad — si conocés a fondo un sector, podés cuestionar con fundamento las decisiones de una empresa (ejemplo que da: podés decirle al CEO de Alarm.com “gastás demasiado en R&D comparado con otras SaaS” solo si conocés bien el sector SaaS).
Aclara que esto es una opinión suya, una estrategia personal, y que hay otra escuela de inversores generalistas que no está de acuerdo con este enfoque. No lo presenta como una verdad absoluta.
Resumen de las señales de alerta reales de esta clase (sin falso optimismo):
Si querés, seguimos con la siguiente parte del stream cuando la tengas.
¡Dale! Vamos a repasar esto en orden, con calma, explicando cada concepto como si no supieras nada de finanzas (porque me dijiste que no sabés nada, así que no doy nada por sentado). Es un stream medio caótico y desordenado, típico de alguien pensando en voz alta mientras arma una lista de empresas, así que voy a ordenar las ideas por tema en vez de traducir línea por línea, pero sin resumir el contenido — todo lo importante queda.
Lo primero que menciona: si mirás una empresa americana que solo tiene clientes americanos, uno esperaría que pague una tasa de impuesto corporativo de alrededor del 35% (esa era la tasa corporativa en EEUU en esa época, antes de la reforma impositiva de 2017 que la bajó a 21%). Si ves que una empresa así no está pagando cerca de ese 35%, es una bandera roja: puede significar que la empresa está usando trucos contables o estructuras para pagar menos, y esto genera riesgo — porque si en el futuro esos trucos dejan de funcionar (cambios regulatorios, fin de créditos fiscales, etc.), la ganancia neta de la empresa se derrumba. La frase clave es “cuando tu tasa de impuesto es del 35%, es muy difícil tener éxito” — es decir, una tasa alta es una carga pesada, y una empresa que hoy paga poco impuesto pero “debería” pagar 35%, corre el riesgo de que ese beneficio temporal se termine. Ojo: esto es una preocupación, no una ventaja.
Este es un concepto central en todo análisis financiero, así que le dedico tiempo:
En el ejemplo que da: el flujo de caja fue de 27 millones pero la ganancia neta fue de solo 11 millones — una diferencia enorme. La lectura que hace (correctamente, con cautela) es que parte de esa diferencia podría ser algo de una sola vez (one-time), como un movimiento favorable en las cuentas por cobrar (por ejemplo, cobraron deudas pendientes de golpe) que podría revertirse en el futuro. Es decir: no hay que entusiasmarse con un flujo de caja alto sin preguntarse por qué es más alto que la ganancia — puede ser una mejora real del negocio, o puede ser un efecto temporal que no se repita. La actitud correcta acá es de sospecha, no de festejo.
La mayor parte del stream es un ejercicio de ir empresa por empresa (ordenadas por capitalización de mercado, o sea, valor total de todas sus acciones en el mercado) y decidir a qué sector pertenece cada una. Esto importa porque comparar una empresa de un sector con otra de un sector distinto no tiene sentido (no comparás un banco con una petrolera).
Categorías que van armando:
Acá arranca la parte más técnica y más útil, con un ejemplo real.
Qué es el 10-K y el 10-Q: son reportes obligatorios que las empresas que cotizan en bolsa en EEUU tienen que presentar ante la SEC (el regulador del mercado de valores, “Securities and Exchange Commission”). El 10-K es el reporte anual. El 10-Q es el reporte trimestral (cada tres meses). Un “quarter” (Q1, Q2, Q3, Q4) es cada uno de los cuatro períodos de tres meses en que se divide el año fiscal. En el caso de AT&T, el año fiscal coincide con el año calendario normal (enero a diciembre) — esto no siempre es así en otras empresas, así que siempre hay que verificarlo.
Datos concretos de AT&T que revisan:
¿Por qué las telecom tienen tanta deuda? Esta es la explicación central y la razón por la que separan a las telecom del resto de la tecnología: las empresas de telecomunicaciones tienen ingresos muy estables y predecibles (la gente paga su factura de celular todos los meses, llueva o truene), y esa estabilidad les permite endeudarse mucho porque los prestamistas confían en que van a poder pagar. El costo de esto es que quedan muy apalancadas (leveraged): mucha deuda en relación a su tamaño. El stream compara esto con Apple, que tiene caja neta positiva (más efectivo que deuda) — la diferencia no es el tamaño de la empresa, es el estilo de inversión y de gestión financiera de cada compañía.
Dan un ejemplo numérico ilustrativo para reforzar esto: dicen que en una empresa como AT&T, comparando cap. de mercado ($200 mil millones) contra deuda ($350 mil millones aprox., usando números redondeados para la explicación), la deuda termina siendo un componente enorme del valor total de la empresa — mucho más grande, proporcionalmente, que en una empresa como IBM.
Nota de cautela mía, porque me pediste redondear siempre a lo negativo: una deuda tan alta como la de AT&T es un riesgo real, no un detalle técnico. Si las tasas de interés suben, o si los ingresos dejan de ser tan estables (por ejemplo, por competencia o cambios regulatorios), pagar esos intereses y refinanciar esa deuda se vuelve mucho más difícil. Los $70 mil millones que vencen en dos años son particularmente relevantes: la empresa va a tener que refinanciar (pedir deuda nueva para pagar la vieja) en un plazo corto, y si en ese momento las condiciones de crédito son peores, les va a costar más caro. No es una situación cómoda.
Acá empiezan a mirar los ingresos y costos:
Esto es lo que hay hasta donde llega el archivo (se corta a mitad de explicar el interés minoritario). Si tenés la continuación, mandámela y seguimos con el mismo criterio: todo explicado, sin resumir de más, y marcando los riesgos en vez de vender optimismo.
Dale, vamos por partes. Este fragmento es de un análisis en vivo que hace Shkrelli de los resultados trimestrales de AT&T (ticker: T). Como pediste, te lo traduzco y explico todo en detalle, sin resumir de más, y en los puntos donde hay ambigüedad o el análisis es “optimista”, te aviso para que no te quedes con una imagen mejor de la que es.
Arranca mirando la utilidad neta reportada. Dice que hay 80 millones de dólares que corresponden a un “non-controlling interest” (interés minoritario o minoritario): eso es la parte de las ganancias de una subsidiaria que no le pertenece 100% a AT&T porque hay accionistas externos que son dueños de un pedazo de esa subsidiaria. Por eso hay que “restarlo” de la ganancia total antes de decir “esto es lo que ganó AT&T como compañía”.
Total: unos 4.000 millones de dólares de ganancia neta en el trimestre.
Primera reacción del análisis:
El “cálculo crudo” del payback: Si la empresa gana 4.000 millones por trimestre, multiplicado por 4 da unos 16.000 millones al año. Divide el “precio” (o valor de mercado, aunque no lo dice explícito acá) por esa ganancia anual y te da algo así como 22 años para recuperar tu inversión si compraras la empresa entera con esas ganancias. Es una versión casera y muy simplificada del P/E ratio (precio/ganancia). Es un número “lindo” pero poco confiable si —como él mismo dice— las ganancias están infladas o distorsionadas por partidas puntuales (one-time items).
Menciona que hubo probablemente un costo único (one-time cost), tipo un “abandono de activos de red” (redes viejas que se dan de baja). Ese tipo de costo lo saca del análisis porque no se va a repetir.
En cambio, la depreciación SÍ la deja dentro del análisis, aunque en las telecos suele “ensuciar” los números, porque es un costo real y recurrente del negocio: son empresas con muchísimo equipamiento físico (antenas, cables, satélites) que se deteriora y hay que reponer. Sacarla del análisis sería demasiado generoso con la empresa.
Comenta que en 2015 la cantidad de acciones en circulación aumentó, porque AT&T pagó una adquisición emitiendo acciones nuevas en vez de pagar en efectivo. Esto es importante y hay que verlo con ojo crítico: emitir acciones nuevas diluye a los accionistas existentes — cada acción vale un pedacito menos de la empresa, aunque la empresa “crezca” en tamaño total. No es gratis.
Dice que la empresa reporta por segmentos: Wireless (celulares), Fixed legacy voice (telefonía fija tradicional, un negocio en decadencia estructural — otra cosa para tener en cuenta del lado negativo), Video/entretenimiento (por la adquisición de DirecTV, aunque no lo nombra explícito acá).
También menciona que hacen reconciliación non-GAAP — esto es clave: GAAP son las normas contables oficiales y obligatorias. Non-GAAP son números “ajustados” que la propia empresa arma para mostrar lo que ellos consideran su performance “real”, sacando cosas que consideran “no recurrentes”. El problema: la empresa decide qué se saca, y eso casi siempre les conviene a ellos, no a vos como inversor. Hay que revisar esos ajustes con desconfianza, no aceptarlos ciegamente.
Un ejemplo concreto que da: hay una ganancia o pérdida actuarial relacionada a planes de pensión (fondos de jubilación de empleados). Esto son cambios contables por supuestos financieros (tasas de interés, expectativa de vida, etc.), no plata que entra o sale del negocio operativo real.
Achica esta parte porque es más que nada aritmética de él tratando de igualar los números que da la empresa (bastante técnico y específico del video), pero la idea general es:
Conclusión suya, y es importante: esto es tedioso y “poco transparente a propósito”. Las telecos son, en sus palabras, “un bear of a company to model” (una empresa muy difícil de modelar) por toda esta cantidad de reconciliaciones. Punto para tener en la cabeza: cuantas más reconciliaciones non-GAAP tiene una empresa, más cuidado hay que tener, porque es más fácil “maquillar” el resultado.
Mirando 8 trimestres hacia atrás, antes de la adquisición los ingresos eran carne congelada: ~29.000 millones por trimestre, trimestre tras trimestre, básicamente 0% de crecimiento. Esto confirma la sospecha inicial: el salto de ingresos vino 100% de la adquisición, no de crecimiento real del negocio. Para una empresa de telecomunicaciones esto es “normal” porque los clientes son bastante estables (nadie cambia de compañía de teléfono todo el tiempo), pero también es una señal de que es un negocio maduro, sin crecimiento propio, algo a tener en cuenta del lado pesimista.
Estructura básica que arma:
Acá viene la parte más importante para vos si estás aprendiendo, porque es donde más “trampas” hay para el ojo no entrenado.
Idea general: el cash flow statement busca reconciliar la ganancia contable (GAAP) con el cambio real de efectivo de la empresa. Porque la ganancia contable no es lo mismo que “plata que entró al banco”.
Primer paso: parte del net income (utilidad neta) de 3.276 millones (~3,2 mil millones). A esto le suma la D&A (depreciación y amortización) de 4.500 millones, porque la D&A es un gasto no-cash (un gasto contable, pero no sale plata real de la caja en ese momento).
3.2 + 4.5 = 8.000 millones de “cash flow” por trimestre. Multiplicado por 4 = 32.000 millones al año. Esto lo compara contra el “precio” implícito y dice que sería un múltiplo de 10-11 veces ganancias, y esto es ANTES de sumar DirecTV — o sea, se ve como un número atractivo.
Pero — y esto es la parte crítica — dice explícitamente que “esto no es la foto completa”. No hay que quedarse con este número optimista. Faltan más ajustes.
Para explicar por qué el cash flow “real” (CFFO = Cash Flow From Operations) puede ser muy distinto de la ganancia contable, usa un ejemplo simple: un puesto de limonada.
Trimestre 1:
Trimestre 2 (mismos números de ingresos, costos y ganancia):
Trimestre siguiente:
Pregunta que hace él mismo: ¿qué representa mejor el negocio real, el income statement o el cash flow statement?
Su respuesta: el income statement, en este caso. Porque las variaciones de cuentas por cobrar son estacionales y normales (clientes que compran más a crédito en ciertas épocas y después pagan), y no cambian el hecho de que el negocio genera consistentemente ~25-30 millones de ganancia por trimestre. El cash flow, en este ejemplo puntual, está “distorsionado” por el timing de cobros, no porque el negocio haya empeorado o mejorado.
Mismo razonamiento aplica al revés con cuentas por pagar: si a la empresa le suben las cuentas por pagar (le deben más a los proveedores) y después vuelven a bajar, “parece” que ganaron plata (porque usaron insumos sin pagarlos todavía), pero en realidad es solo un corrimiento en el tiempo del pago, no ganancia real.
Punto de honestidad intelectual que rescato para vos: él mismo aclara que esto no siempre es así — hay casos donde el cash flow statement SÍ es más representativo que el income statement (por ejemplo, cuando la ganancia contable está siendo manipulada o inflada con contabilidad agresiva). No es una regla fija “income statement siempre gana”, depende del caso. Pero el mensaje de fondo es: nunca mires una sola de las tres piezas (income statement, balance sheet, cash flow) de manera aislada.
Ahora aplica esto a AT&T real:
El resultado que genera “alarma” (a propósito): El cash flow from operations (CFFO) reportado fue de 6.700 millones, mientras que el net income (tanto el de él como el reportado por la empresa) fue de solo ~3.200 millones.
Dice textualmente que “esto no debería cerrarte bien en la cabeza” — tenés dos fuentes (su cálculo y el de la empresa) que coinciden en ~3.200 millones de ganancia neta, pero el efectivo generado fue más del doble de eso. Ahí es donde advierte: el cash flow statement tiene tres partes (operativo, de inversión, de financiamiento) y la explicación de esta diferencia tan grande viene de ahí — pero el fragmento se corta justo ahí, antes de explicar cuál es “la corrección más grande de todas”.
Resumen de lo que hay que llevarse, sin ilusiones:
Si querés, seguimos con la próxima parte del video cuando la tengas, y vamos armando esto como una especie de “glosario” de conceptos a medida que aparecen (EBITDA, non-GAAP, working capital, etc.) para que no se te mezclen.
¡Dale! Vamos a desglosar esto bien a fondo, sin saltarnos nada importante. Es un texto largo así que lo voy a dividir en dos bloques temáticos: (1) depreciación/amortización y el estado de flujo de caja, y (2) mercados y portafolios.
La idea central: el flujo de caja (cash flow) de una empresa suele ser mucho más alto que las ganancias netas (“medaka” es un error de transcripción automática, seguramente decía algo como “net income” o similar mal transcrito) justamente por culpa de la D&A. La pregunta que se hace es: ¿qué es exactamente lo que estamos “depreciando”?
Ambos son métodos para “castigar” o repartir el costo de un gasto en el tiempo (en inglés “write-off” o “expensing”). La diferencia:
¿Qué es un PP&E? Cualquier gasto que tenga una vida útil de más de un año. La regla clave: este tipo de gasto no se mete de una sola vez en el income statement (estado de resultados) cuando se paga. Se reparte en el tiempo.
Shkreli usa su ejemplo de empresa ficticia (Lemonade Stand + Showtime, los bailarines de subte de Brooklyn, fusionados como “conglomerado”):
Ahora bien: en el Q2 compra una fábrica de limonada por 50 millones de dólares, que va a usar durante 10 años.
Pregunta trampa: ¿debería meter esos 50 millones como costo del Q2 (haciendo que el costo total suba a 66 millones y el resultado del trimestre sea una pérdida de -36 millones)?
Respuesta: NO. Eso no reflejaría la realidad de las operaciones del negocio. La fábrica no se “gasta” toda en un trimestre, se va a usar 10 años. Por eso hay que depreciarla (repartir el costo):
Entonces el costo real que se suma cada trimestre no es 50 millones sino 1.25 millones. Así el Q2 queda con un resultado de ganancia de ~13.75 (16.5 de costo en vez de 66), etc.
Este es el punto que más hay que entender bien:
Por eso:
Ninguno de los dos estados “miente”, pero ninguno te cuenta toda la verdad solo. Por eso hay que mirar los dos juntos.
Por eso el saldo de caja de la empresa bajó 36 millones ese trimestre: ganaste 14M operando, pero gastaste 50M en la fábrica.
Trimestre siguiente (Q3):
O sea: el income statement te dice que ganaste 15, pero en realidad tu caja aumentó 16.5. Acá el income statement está subestimando la caja real.
Es el coeficiente de correlación con el mercado. Se explica como algo parecido al “R cuadrado” (r-squared) en estadística — mide qué tanto se mueve una acción en relación al mercado general.
Un fondo es una colección de acciones administrada por un gestor de fondos (fund manager). A esa colección se le llama portafolio (portfolio). Los fondos compiten entre sí para tener el mejor desempeño posible.
Dos enfoques generales de inversión:
Inversor pasivo / de índice: compra un portafolio predeterminado según una lista o métrica (ej: el S&P 500). No hay nadie “eligiendo” qué empresa le gusta más — simplemente compran según ponderaciones ya establecidas (ej: fondos indexados del S&P 500 o del Russell Mid Cap).
Inversor activo: intenta armar su portafolio en base a su propio criterio/habilidad, tratando de elegir qué acciones van a rendir mejor.
Punto negativo importante que remarca Shkreli: la mayoría de los inversores activos no logran superar al mercado. Dice que cree que hay una buena razón para esto (que van a ver en clases más avanzadas), pero ya de entrada te está anticipando que la gestión activa, en la mayoría de los casos, no funciona. Esto es relevante si estás pensando en invertir por tu cuenta pensando que le vas a “ganar” al mercado eligiendo acciones.
Tipos de fondos: mutual funds, hedge funds, venture capital funds, private equity funds, entre muchos otros. Algunos pueden ir en corto (short), otros invierten en compañías privadas, algunos cotizan públicamente sus propias acciones (como cualquier empresa), otros son sociedades privadas.
Punto a tener en cuenta (para no hacerte falsas esperanzas): este es un curso informal, con ejemplos simplificados y datos de mala transcripción automática (hay nombres de empresas y términos mal escritos, como “18T” que probablemente es “AT&T”). Es un buen punto de partida para entender los conceptos básicos de depreciación, cash flow y bid/ask, pero para profundizar en la valuación real de empresas vas a necesitar fuentes más rigurosas y actualizadas más adelante.
¿Querés que sigamos con la próxima parte cuando la subas, o preferís que primero repasemos algo de esto con un ejemplo numérico propio para que lo practiques?
Dale, vamos con esto. Es una transcripción media desordenada (son subtítulos automáticos de un stream, por eso hay errores tipo “Valiant” en vez de Valeant, o “Herbalife” mal escrito), pero la idea de fondo tiene bastante sustancia. Te la voy a ir explicando por bloques, sin resumir de más, y marcando lo negativo/riesgoso de cada cosa porque me lo pediste así.
Dice que la crisis de 2008 generó mucho miedo de que se derrumbara el capitalismo como sistema, pero eso no pasó. Por eso vino una recuperación fuerte: las ganancias de las empresas (earnings) llegaron a máximos históricos, y las acciones tuvieron que “ponerse al día” con esas ganancias.
El dato importante y negativo que da: dice que si calculás el retorno real de las acciones (ajustado por inflación) en los últimos 20 años, apenas le gana a la inflación, si es que le gana. O sea: invertir en acciones en general, en un período largo, no te hizo mucho más rico en términos reales. “No hay almuerzo gratis” (no free lunch) — no existe una forma fácil de ganar plata sin riesgo.
También dice algo importante sobre la aleatoriedad: en 2007 nadie podía saber que venía una crisis. Si estabas “largo” (long, apostando a que sube) ganaste desde 2008 a 2016. Si estabas “corto” (short, apostando a que baja) antes del 2008, también ganaste. Pero no había forma de saber de antemano cuál convenía. Conclusión de él: por eso arma su cartera con largos y cortos en partes iguales, para no depender de adivinar la dirección del mercado.
Punto negativo/realista que marca: no todos los fondos pueden hacer lo mismo.
Esto importa porque si en el futuro alguien te ofrece “invertir en un fondo”, la estrategia que puede usar depende del tipo de vehículo. No es lo mismo un fondo mutuo que un hedge fund.
Su fondo (el que describe) se enfoca en tecnología, empresas públicas, a nivel global — un “universo” sectorial muy específico, no diversificado por geografía ni por tamaño de empresa (market cap).
Esto es clave y medio contraintuitivo. La hipótesis dice que las acciones siempre están bien valuadas porque hay tanta gente mirándolas que cualquier error de precio se corrige rápido. Si esto fuera 100% cierto, sería imposible “ganarle” al mercado de forma consistente analizando empresas.
Él dice: la mayoría de la gente en finanzas no cree en esta hipótesis al pie de la letra, y él tampoco. Su versión personal (más matizada): de cada 10 acciones, 8 están bien valuadas, 1 está sobrevaluada y 1 está subvaluada. Es una estimación suya, no un dato duro — ojo con tomarlo como verdad absoluta, es su método de trabajo, no una ley financiera.
Acá está el contenido más técnico y más interesante.
Su argumento a favor de tener MUCHAS acciones (diversificación): es matemático, no una corazonada. Explica un ejemplo con probabilidad:
Supongamos que tenés un 60% de probabilidad de acertar en cada apuesta (una acción que elegís) — esto ya es un supuesto optimista, la mayoría de la gente no llega ni a eso de forma consistente.
Si tenés solo 6 acciones, la probabilidad de que le erres a las 6 al mismo tiempo es baja (menos del 1%), pero el problema real es otro: con 6 acciones, es bastante probable que termines con, por ejemplo, 4 aciertos y 2 errores, y en la práctica eso puede hacer que no ganes nada neto, porque los errores compensan a los aciertos. Es decir: aunque tengas “ventaja estadística” (60/40), con pocas apuestas el resultado real puede ser mediocre o nulo, por pura variancia.
Conclusión que él saca (matemática, no opinión): cuantas más acciones tengas en la cartera, más se “promedia” tu ventaja estadística real y menos te afecta la mala suerte de una racha corta. Por eso dice que en teoría “más es mejor” para diversificar.
Pero el problema práctico (esto es lo negativo/realista): nadie tiene tiempo infinito. Investigar bien 1000 acciones es un trabajo enorme. Dice sin filtros que la mayoría de la gente en el mundo de las inversiones es vaga (“lazy”) — no quiere laburar los fines de semana investigando. Y agrega algo importante: mucha gente que “parece” trabajar duro, en realidad no lo hace bien. O sea, ni el esfuerzo garantiza el resultado.
El contraejemplo (para que no te quedes solo con “diversificar es mejor”):
Su conclusión final, sin adornos: se puede ganar plata diversificado o concentrado, y se puede perder plata de las dos formas también. No hay una receta mágica. Él personalmente prefiere diversificar, pero reconoce el límite: uno o un equipo solo puede investigar bien una cantidad limitada de empresas.
Punto importante y poco intuitivo: no tenés obligación de invertir si no ves una buena oportunidad. Menciona a Seth Klarman (inversor value muy respetado) y a Buffett como ejemplos de gente que le fue bien esperando, no operando todo el tiempo. Dice que muchos gestores de fondos se sienten “obligados” a encontrar ideas nuevas todo el tiempo, y eso es un error — a veces simplemente no hay nada bueno para comprar, y no hacer nada no te cuesta nada (no perdés por quedarte afuera).
Esto es el concepto financiero más técnico de todo el texto, vale la pena que lo entiendas bien.
Idea básica: no importa solo cuánto ganás, importa en cuánto tiempo lo ganás. Por eso se usa el concepto de IRR (tasa de retorno anualizada), que ajusta la ganancia según el tiempo que tardaste en obtenerla.
Ejemplos que da (los números en la transcripción están un poco confusos por el audio, pero la lógica es clara):
La pregunta trampa que hace él mismo: ¿por qué preferís ganar 20% en 2 semanas antes que 41% en 2 años, si el “retorno anualizado” de las 2 semanas es mucho más alto?
Su respuesta (y acá está lo más honesto de todo el texto): no es porque el IRR sea más alto. Es porque el valor tiempo del dinero: si liberás tu capital rápido, podés reinvertirlo en otra oportunidad y seguir generando retornos. Pero — y esto es clave — él mismo admite que no hay ningún método confiable para predecir si una acción va a subir en 2 semanas o en 2 años. Dice literalmente que es “bastante random” (aleatorio) en el corto plazo.
Punto negativo fuerte que remarca: cuanto más corto es el plazo (una hora, 15 minutos), más se acerca a pura aleatoriedad, ni siquiera con análisis fundamental (el único tipo de análisis “legítimo” según él, sin contar el cuantitativo). Dice que si alguien te asegura que puede predecir el mercado hora a hora, “está loco”. Solo empresas tipo Renaissance, con supercomputadoras y datos de flujo de órdenes en tiempo real, podrían tener algo de ventaja ahí — y aun así, duda.
En cambio, a muy largo plazo (20-30 años), usa el ejemplo de Coca-Cola: ahí sí es “más fácil” (relativamente) tener una idea de si una empresa va a crecer o no, porque estás mirando el negocio real, no el ruido de precio de corto plazo.
Empieza a armar un caso real. Dice que su método siempre arranca igual (para tener repetibilidad):
Se corta ahí el archivo, en la mitad del análisis de Microsoft.
Resumen de lo que te tenés que llevar, sin falsas esperanzas: no hay atajos. La estadística ayuda pero no garantiza nada en pocas apuestas. El corto plazo es básicamente ruido. La diversificación reduce el riesgo de mala suerte pero no evita perder plata. Y hasta los retornos “buenos” de las acciones en general, en 20 años, apenas empataron con la inflación.
Si me pasás la continuación (el análisis de Microsoft), seguimos con la misma modalidad.
¡Dale! Vamos a ir despacio, concepto por concepto, tal como aparece en la clase. Es sobre el análisis que hace Shkreli del modelo financiero de Microsoft (por los números, parece ser de principios de 2016). Te voy explicando cada término a medida que aparece, sin dar nada por sabido.
Arranca diciendo que el market cap (valor de mercado) de Microsoft es de 404 mil millones de dólares. Esto es simplemente: precio de la acción × cantidad de acciones. Es “cuánto vale la empresa” si sumás todas sus acciones al precio actual.
Pero el market cap no cuenta toda la historia, porque no tiene en cuenta la caja (cash) que tiene la empresa ni sus deudas.
Securities lending payable: esto es plata que la empresa debe porque tomó acciones prestadas para “shortear” (apostar a que bajan de precio) o para prestárselas a otros. Shkreli comenta que es raro que una empresa como Microsoft use su caja para esto, porque su filosofía es que una empresa debería usar su efectivo para invertir en su propio negocio, no para especular en el mercado. Ojo: esto es una opinión suya, no una verdad universal de las finanzas.
Enterprise Value (EV) = Market Cap + Deuda − Caja. Es una forma más completa de medir cuánto “cuesta” comprar toda la empresa, porque si vos comprás Microsoft entera, te quedás con su caja (a favor tuyo) pero también heredás su deuda (en contra tuya).
En este caso, como Microsoft tiene más caja que deuda, decimos que tiene “net cash” (caja neta) positiva — unos 70 mil millones. Por eso el Enterprise Value termina siendo menor que el market cap: le restás esa caja neta.
Idea importante que menciona: con esa caja neta tan grande, Microsoft podría comprar otras empresas. En ese momento (2016) circulaba el rumor de que Microsoft podría comprar Yahoo. (Dato histórico: esto nunca pasó, terminó comprándola Verizon en 2017.)
Comparación con Apple: dice que si ajustás por la caja neta de cada una (o sea, mirás el Enterprise Value en vez del Market Cap), Microsoft (~331 mil millones) y Apple (~420 mil millones) están más parecidas de lo que parece mirando solo el market cap. La diferencia grande que ves en market cap se achica bastante cuando comparás EV. Esto es una lección general: nunca compares empresas solo por market cap, porque ignora deuda y caja.
Acá empieza a leer los números trimestrales de Microsoft.
Revenue (ingresos): 23.7 mil millones ese trimestre. Lo compara con IBM, que tenía unos 22 mil millones — similares en tamaño, pero dice que Microsoft tiene márgenes mucho más altos.
Gross margin (margen bruto): es el porcentaje que te queda de ingresos después de restar el costo directo de producir lo que vendés (el “cost of goods sold”). Nota que el margen bruto de Microsoft es más bajo de lo que él esperaba históricamente, y lo atribuye a que ahora vende hardware como Xbox y Surface, productos que tienen márgenes mucho más bajos que el software puro (el software casi no tiene costo marginal de producción, por eso las empresas de software tradicionalmente tienen márgenes altísimos).
R&D (Investigación y Desarrollo): plata que gasta la empresa en desarrollar productos nuevos. Comenta, medio en broma/crítica, que Microsoft gasta fortunas en I+D pero él siente que “nunca tiene mucho para mostrar” por esa inversión (es una opinión personal/sarcástica, no un dato objetivo).
SG&A (Sales, General & Administrative) — separa en:
Operating margin (margen operativo): lo que queda como ganancia de la operación del negocio (antes de intereses e impuestos) dividido por los ingresos. Para Microsoft da 25%, y dice que es más sano que el de la mayoría de las empresas.
Interest income/expense (ingresos/gastos por intereses): nota que Microsoft normalmente tiene ingreso por intereses positivo (o sea, gana plata con los intereses, no paga) — lógico, porque tiene mucha caja guardada generando intereses.
Tasa de impuestos: Microsoft pagó ese trimestre una tasa de apenas 15%. Se queja irónicamente de que a él (persona común) le gustaría poder pagar “solo” 50% en vez de la tasa que paga. La idea de fondo: las grandes corporaciones, con estructuras internacionales (filiales en países con impuestos bajos, etc.), logran tasas efectivas de impuestos mucho más bajas que una persona física o una empresa chica.
Menciona atajos de teclado: usar Ctrl + flechas (te lleva al final de un bloque de datos) y Ctrl + Shift + flechas (selecciona todo ese bloque), y el teclado numérico. Pero aclara algo importante como filosofía de aprendizaje: no confundas velocidad con comprensión. No importa si tardás 5 minutos o 20 en armar el modelo — lo que importa es que entiendas qué estás poniendo y por qué, no la mecánica rápida de Excel.
Dato clave: los ingresos de Microsoft cayeron 10% ese trimestre. Y acá viene una explicación macro importante: en esa época el euro se devaluó fuertemente contra el dólar. Como Microsoft (e IBM, y empresas farmacéuticas, y básicamente cualquier multinacional grande) factura una parte enorme de sus ventas en euros y otras monedas, cuando esas monedas pierden valor frente al dólar, al convertir esas ventas a dólares para el reporte financiero, los ingresos “en dólares” aparecen más bajos — aunque el negocio en euros no haya caído tanto. Esto se llama efecto cambiario (currency effect / FX headwind). Es una lección general: cuando ves caer los ingresos de una multinacional, siempre hay que preguntarse cuánto es negocio real y cuánto es solo el tipo de cambio.
Acá pasa a explicar la otra pata de un modelo financiero.
Lado de los Activos (todo lo que la empresa posee):
Total de activos: 180 mil millones.
Lado de los Pasivos (todo lo que la empresa debe):
Todo suma 180 mil millones, y confirma que el balance “balancea” (activos = pasivos + patrimonio), como tiene que ser siempre.
Definición de “net cash” del canal: aclara que él usa su propia definición de qué cuenta como “cash” y qué cuenta como “deuda” (no necesariamente la misma clasificación contable literal de la empresa). Con eso calcula 69 mil millones de caja neta.
Esta es la parte que él marca como la más difícil y la más importante.
Idea central: el Income Statement se hace en base “accrual” (devengado). Esto significa que una venta se registra como ingreso en el momento en que se entrega el producto/servicio, no necesariamente cuando entra la plata físicamente a la cuenta bancaria. Por eso el “net income” (ganancia neta) que ves en el income statement no es lo mismo que la plata real que entró o salió del banco.
El Cash Flow Statement, en cambio, te muestra qué pasó con la plata real (cash).
En el ejemplo:
¿Por qué la diferencia? Por los llamados “add-backs” (ajustes): se parte del net income y se le suman/restan una serie de partidas que no representan movimiento real de caja, o que representan cambios en cuentas del balance. Las principales:
Resultado: el cash flow de operaciones terminó siendo mucho mayor que el net income contable.
Acá viene la lección de fondo de toda la clase, y quiero que la agarres bien porque es la más valiosa:
Compara dos trimestres seguidos:
Son números bien distintos para describir “cuánto gana” la misma empresa en el mismo período.
Por qué importa tanto: cuando valuás una empresa, muchas veces usás múltiplos tipo “cuántos años tardo en recuperar mi inversión” (payback period / múltiplo de ganancias — como un P/E ratio, simplificado). Si usás el net income (4.8 mil millones anualizado), te da un múltiplo de 17 años para recuperar tu inversión. Si usás el cash flow (7 mil millones anualizado), te da 12 años. Es una diferencia enorme en cómo de “cara” o “barata” parece la empresa, y depende de qué número elijas para mirar.
Su conclusión (con la cautela que vos pediste, sin ilusiones): no hay una respuesta fácil sobre cuál número es “el verdadero”. Ni el income statement ni el cash flow statement te dan la foto completa y perfecta del negocio. Los dos tienen distorsiones. El trabajo del análisis financiero es tratar de entender por qué difieren tanto, y usar eso para armar un pronóstico propio — y aclara explícitamente que el pasado y el futuro no son necesariamente lo mismo, o sea que ni siquiera un análisis histórico perfecto te garantiza acertar el futuro. Hay “mucho más trabajo por hacer” — no es una conclusión cerrada ni optimista, es más bien un llamado a seguir escarbando con cautela.
Nota metodológica importante: los “10-Q” son los reportes trimestrales que las empresas que cotizan en bolsa en EE.UU. están obligadas a presentar. Menciona que el trimestre fiscal de Microsoft es raro: su año fiscal termina en junio, no en diciembre como el calendario normal. Esto es común en empresas viejas por razones históricas/legales, pero hay que tenerlo en cuenta para no confundir “trimestre fiscal” con “trimestre calendario”.
Al repetir el análisis con el año anterior:
En ese cash flow statement de ese trimestre, el net income reportado fue negativo, -195 (millones o la unidad que estén usando ahí), y lo reconcilia con:
Y cierra confirmando un tercer trimestre seguido donde el cash flow es mayor al net income, con promedios de 5 mil millones de net income vs. 7 mil millones de cash flow — reforzando otra vez la misma brecha persistente entre ambas métricas.
Si querés, en el próximo mensaje te armo un glosario corto con todos estos términos (market cap, EV, gross margin, operating margin, deferred revenue, accrual, D&A, etc.) para que lo tengas de referencia rápida mientras seguís mandándome más partes de la transcripción.
¡Dale, vamos con esto! Te lo voy explicando en orden, tal como aparece en la transcripción, traduciendo y aclarando cada concepto financiero porque asumo que arrancás de cero. Es Martin Shkreli analizando el balance de Microsoft (esto es de 2016, con reportes de ese año).
Arranca diciendo que Microsoft factura (o va a facturar) unos 7 mil millones de dólares en un trimestre, y que anualizado eso da como 28 mil millones al año. Después dice que eso es “cerca de 10 veces las ganancias” (10x earnings).
Esto es el ratio Precio/Ganancias (P/E - Price to Earnings): se calcula dividiendo cuánto vale la empresa en la bolsa (su “market cap”) por cuánto gana al año. Si una empresa vale 10 veces lo que gana, se dice que cotiza a “10x”. Cuanto más bajo el número, más “barata” está la acción en relación a sus ganancias.
Compara:
Ojo con esto (punto clave): que algo sea “barato” en este ratio no significa que sea la mejor inversión. Porque el ratio usa las ganancias actuales, y no sabés si esas ganancias se van a sostener. Si las ganancias de Apple se derrumban el año que viene, ese “8x” en realidad no era tan barato. Lo mismo con IBM. Con Microsoft, todavía no saben nada porque recién empiezan a analizarla.
Esto es lo más importante de todo el fragmento, filosóficamente hablando. Dice:
Esto es la diferencia entre ser un “crítico” (juzgar calidad) y ser un “cazador de gangas” (juzgar precio vs. valor). Es la base del “value investing”.
Acá entra en otro estado financiero. Hay 3 estados financieros principales: el balance (activos/pasivos), el estado de resultados (ganancias/ingresos) y el estado de flujo de caja, que muestra cuánto efectivo real entra y sale (a diferencia de la “ganancia contable”, que puede incluir cosas que no son plata en mano).
CAPEX = Capital Expenditures: la plata que una empresa gasta en comprar o mejorar activos físicos (edificios, servidores, equipos). Se resta del flujo de caja operativo para calcular el Flujo de Caja Libre (Free Cash Flow o FCF), que es la plata que realmente le queda a la empresa después de mantener y hacer crecer el negocio.
Se sorprende de que una empresa de software tenga tanto CAPEX (1,391 millones en un trimestre) — la idea es “¿para qué necesita gastar tanto en propiedades y equipo si ‘solo’ vende software?”. La respuesta implícita (que él no dice del todo pero insinúa después con lo de Azure) es que ahora Microsoft tiene que construir data centers para la nube.
En otro trimestre el CAPEX fue de 1,781 millones.
Este es su “método avanzado”: en vez de mirar un solo trimestre (que puede tener ruido/variaciones raras), suma los últimos 12 meses de flujo de caja libre y los últimos 12 meses de ganancia neta (net income), y los compara.
Resultado: el Flujo de Caja Libre resultó ser unos 4 mil millones más alto que la ganancia neta contable. Su conclusión: “probablemente el flujo de caja libre es el número real” — es decir, confía más en el efectivo real que entra que en la ganancia contable (que puede estar distorsionada por reglas contables).
Conclusión negativa/realista de esta parte (como pediste, sin optimismo de más): con este ajuste, asumen que el poder de ganancias real de Microsoft es de 24 mil millones, no 28 mil millones como decía el modelo inicial. Eso hace que el ratio P/E de Microsoft empeore (se vuelva más caro relativamente), convirtiendo a Microsoft en la empresa más “cara” de las tres en base a esta métrica. La única salvedad que menciona es que tal vez tenga más potencial de crecimiento — pero aclara que no lo saben todavía, y agrega un dato poco alentador: en los últimos cuatro trimestres, Microsoft no había estado creciendo mucho.
Cuando lee el press release, nota algo “raro”: el ingreso non-GAAP fue más alto que el GAAP.
El problema (y esto es un punto de escepticismo importante que él transmite): las empresas suelen usar el non-GAAP para mostrarse mejor de lo que en realidad son según el estándar oficial. Que el non-GAAP sea más alto que el GAAP es una señal de alerta a tener en cuenta, no una buena noticia sin más. Por eso dice que “hay que hacer ajustes GAAP” — no tomar los números de la empresa tal cual los presentan.
Se ríe de que el comunicado de prensa de Microsoft dice básicamente lo mismo que había leído en el de IBM: que “las empresas usan la nube como su plataforma digital para impulsar sus agendas de transformación”. Su punto (importante como lección): el lenguaje de marketing corporativo es intercambiable y no dice nada útil por sí solo — todas las empresas dicen que “la nube está creciendo mucho”, y hay que mirar los números reales, no el relato.
Su chiste ácido: si “la nube” está creciendo tanto para todos, pero el ingreso total de Microsoft bajó (de 26 a 24 mil millones según él dice en la transcripción), entonces el discurso de “transformación” no compensa lo que realmente está encogiendo.
Constant currency (moneda constante): cuando una empresa vende en muchos países, sus ingresos en dólares pueden subir o bajar solo porque el dólar se fortaleció o debilitó frente a otras monedas — no porque el negocio haya vendido más o menos “de verdad”. El ajuste “constant currency” saca ese efecto cambiario para ver el crecimiento “real” del negocio.
Insiste en un método de disciplina: leer cada press release de la empresa, de principio a fin, durante un año entero, y suscribirse a alertas de la empresa (comunicados, filings ante la SEC, eventos). La idea es no perderse ningún dato suelto.
En vez de mirar solo el ingreso total, dice que hay que desglosar por segmento, porque cada parte del negocio tiene una dinámica distinta. Los tres segmentos de Microsoft que identifica:
Productivity and Business Processes (Office, Office 365): ~6.7 mil millones de 25.6 mil millones totales → ~26-27% del negocio. Este segmento creció un 5%. Office 365 comercial creció 70% (aunque esto es crecimiento de un producto más chico/nuevo dentro del segmento). Suscriptores consumer de Office 365: 20.6 millones. Dato interesante: años atrás Office representaba la mitad de Microsoft, ahora es solo un cuarto — es una señal de que el negocio se está diversificando (aunque no necesariamente de forma positiva, depende de qué reemplace a esa proporción).
Intelligent Cloud (Azure, servidores): 6.3 mil millones → ~24% del negocio, creció 11%. Es la parte que él admite no conocer bien todavía (“no sé nada de Azure”).
More Personal Computing (Windows, Xbox, Bing, Surface, teléfonos): 12.7 mil millones → sigue siendo el segmento más grande, ~50% del negocio. Es el que él llama “legacy” (negocio heredado, en decadencia). Windows cayó 2%. El negocio de teléfonos cayó como 50% (después dice que directamente dejaron de vender teléfonos). Datos sueltos: Xbox Live tiene 48 millones de usuarios mensuales, Windows 10 tiene una base instalada de 200 millones de dispositivos, y la “commercial cloud annualized revenue run rate” (ingreso anualizado de la nube comercial) supera los 9.4 mil millones.
Nota negativa importante para no generar falsas expectativas: al final del fragmento, cuando lee el comunicado de este segmento “More Personal Computing”, hay una frase confusa/contradictoria en la transcripción — dice que el ingreso “subió 13%” y en la misma frase dice “-13% en moneda constante”. Dado el tono sarcástico (“qué trimestre tan terrible, cada vez que algo cae 13%…”), y siguiendo tu pedido de no inflar nada, lo más probable es que sea un error de transcripción y en realidad el segmento haya caído (no subido) un 13% — es decir, malas noticias para esa división, no buenas. No lo tomes como un dato de crecimiento real; tratalo como una caída hasta que se confirme con la fuente original (el 10-Q o el press release real de Microsoft de ese trimestre).
Su conclusión metodológica: en vez de proyectar el crecimiento de “Microsoft” como un todo, conviene proyectar cada segmento por separado (PC bajando, Cloud subiendo, Productivity estable-creciendo), porque mezclarlos en un solo número esconde tendencias opuestas.
¿Querés que arme un glosario aparte con todos los términos técnicos (P/E, CAPEX, FCF, GAAP, constant currency, buybacks, etc.) para que lo tengas de referencia mientras seguís mandando partes? Así no tengo que reexplicarlos cada vez y vos podés consultarlo.
Dale, vamos con esta parte. Es densa porque mezcla el cierre del análisis de Microsoft con el arranque de Facebook. Voy a ir parte por parte, explicando los conceptos financieros que menciona (para vos que arrancás de cero) y traduciendo lo importante sin resumir de más.
Shkreli está mirando los reportes trimestrales (10-Q) de Microsoft y se queja de que la empresa cambió cómo reporta sus segmentos. Antes tenían más detalle (varias líneas de negocio separadas), ahora solo reportan tres segmentos grandes. Esto es relevante porque:
Para vos que no sabés nada: esto es una lección de que hay que desconfiar de los números “lindos” que muestran las empresas cuando agrupan segmentos. Siempre que puedas, hay que buscar el detalle histórico (aunque ya no lo reporten) para entender qué parte del negocio realmente sostiene los resultados.
Acá arma lo que se llama un DCF (Discounted Cash Flow / Flujo de caja descontado). Es el método más común para valuar una empresa: proyectás cuánta plata va a generar la empresa en el futuro, y la “traés a valor de hoy” descontándola a una tasa. Los supuestos que usa:
Resultado del modelo: le da un valor de la empresa de 600.000 millones de dólares, equivalente a unos 78 dólares por acción. Como el mercado en ese momento valuaba a Microsoft en menos que eso (menciona un 50% de descuento respecto al valor “justo” calculado), su conclusión es que Microsoft estaría infravalorada según su modelo — pero ojo, esto depende 100% de los supuestos que él mismo eligió, y él mismo reconoce la incertidumbre: “no sabemos qué va a traer el futuro, la mayoría de estas gigantes tecnológicas eventualmente se derrumban”.
Hace un ejercicio de sensibilidad al revés: dice que para que el precio de mercado actual tuviera sentido, Windows (y Microsoft en general) tendría que caer 1% al año, para siempre, descontado a una tasa de solo 4% — y considera que eso es un supuesto demasiado pesimista/improbable para una empresa diversificada como Microsoft. O sea: el mercado estaba, en su opinión, siendo demasiado negativo con Microsoft en ese momento. Pero remarca que no hay que confiarse: “estos gigantes tecnológicos inevitablemente se empiezan a derrumbar.”
Acá cambia de compañía y empieza a mirar los datos de Facebook (ticker FB). Algunos datos concretos:
El dato que más shockea a Shkreli: la revenue (ingresos) de Facebook del último trimestre fue de 4.500 millones de dólares, contra los 22-24 mil millones de Microsoft — literalmente 5 veces menos. Y en ganancias netas (net income), Facebook ni siquiera llegó a los 1.000 millones ese trimestre, contra los 5.000-10.000 millones de Microsoft. Y sin embargo, el mercado las valuaba prácticamente igual (~300.000 millones de dólares cada una).
Su pregunta retórica: ¿cómo puede ser que una empresa que gana 5-10 veces menos valga lo mismo? La respuesta que da la audiencia (y que él valida): crecimiento (growth).
Esto es la parte conceptualmente más importante de esta sección:
Shkreli arranca a explicar (y queda cortado porque se termina el video/tiene que ir al baño) que valuar empresas de crecimiento explosivo es fundamentalmente distinto a valuar Microsoft o IBM:
Resumen de las ideas más importantes para que te las lleves (sin falsas esperanzas):
Si me pasás la continuación de esta parte, seguimos con el método completo que Shkreli iba a mostrar para valuar empresas de alto crecimiento como Facebook.
Dale, vamos a repasar esto en detalle. Es una clase sobre cómo valuar una empresa mirando su “base de usuarios” y cuánta plata sacan de cada usuario, usando Facebook como ejemplo (datos de ~2016, cuarto trimestre). Voy parte por parte, sin resumir de más.
La pregunta que se hace es simple: ¿cuántos usuarios tiene Facebook y cuánta plata generan por usuario? Para esto va directo a la fuente: la sección de “Investor Relations” (relaciones con inversores) de Facebook, en facebook.com, donde las empresas públicas están obligadas a publicar sus resultados financieros trimestrales.
Ahí encuentra:
Divide ingresos ÷ usuarios diarios = 5 dólares por usuario, por trimestre. Multiplicado por los 4 trimestres del año, da 22 dólares por usuario, por año. Esto es el famoso ARPU (Average Revenue Per User), una métrica clave para valuar empresas de internet/redes sociales: en vez de mirar solo el ingreso total, mirás cuánto “vale” cada usuario para la empresa.
Punto importante y algo cuestionable de la clase: hace una comparación con el cable (~1.200 dólares/año) y el celular, diciendo que Facebook “es barato” comparado con eso. Esto es un argumento retórico, no un cálculo financiero real — no compara servicios equivalentes, así que no lo tomes como una conclusión rigurosa, es más una forma de “hacer sentir” el número.
Acá está lo más valioso conceptualmente:
Conclusión: la mayor parte del crecimiento de ingresos de Facebook no vino de conseguir más usuarios nuevos, sino de sacarle más plata a los mismos usuarios que ya tenía (mostrando más publicidad, o cobrando más caro por cada anuncio). Esto se llama poder de fijación de precios (pricing power): la capacidad de una empresa de subir precios sin perder clientes. Es una de las características más valoradas en un negocio, porque a diferencia de vender comida (donde una persona come una cantidad limitada), acá el límite de “consumo publicitario” por usuario es mucho más elástico.
Acá plantea un método de proyección con dos variables en vez de una sola:
Supuesto que usa: los usuarios de Facebook no van a crecer mucho más (ya hay mil millones, hay un límite de gente que quiere estar en la red), pero el ARPU podría subir hasta equipararse con lo que cobra Netflix (~120 dólares al año por usuario). Bajo ese supuesto, con mil millones de usuarios, Facebook facturaría ~128.000 millones de dólares (contra los ~70.000 millones reales de ese momento).
Ojo con esto: es un ejercicio hipotético que él mismo llama “un poco loco” (“crazy analysis”). Compara Facebook (red social, monetiza con publicidad) con Netflix (contenido pago, cobra directo al usuario), que son modelos de negocio distintos — él mismo lo reconoce. No es una proyección seria, es un ejercicio para enseñar el concepto de ARPU, no una predicción confiable. Con el diario del lunes: esto se grabó cerca de 2016-2017, y aunque el ARPU de Facebook efectivamente subió mucho en los años siguientes, comparar valuaciones así de simple ignora muchísimas otras variables (competencia, regulación, saturación publicitaria, etc.), así que no lo tomes como “la forma correcta” de valuar una empresa, sino como una introducción básica al concepto.
Menciona que si se descuentan esos flujos de caja futuros a una tasa del 8% (tasa de descuento), el “valor” de Facebook podría rondar los 600-700 mil millones de dólares, el doble de lo que cotizaba en ese momento. De nuevo: esto depende 100% de los supuestos que elegís (tasa de descuento, ARPU futuro, cuántos años dura el crecimiento), así que un cambio chico en los supuestos cambia completamente el resultado. Es un ejemplo de cómo un análisis puede “parecer” riguroso por usar números y fórmulas, pero seguir siendo muy especulativo. Tomalo con pinzas.
Menciona dos formas de medir si una acción está “cara” o “barata”:
La idea que transmite es que mirar solo el múltiplo actual (28x) puede hacer parecer cara a una acción, pero si el crecimiento de ganancias es muy alto (dice 40% vs 1-2% de otras empresas comparadas), el múltiplo “ajustado a futuro” puede ser mucho más bajo, por eso dice que “podría ser la acción más barata” de las que estaban comparando. De nuevo, esto depende de que esas proyecciones de crecimiento se cumplan, cosa que nunca está garantizada — son promesas sobre el futuro, no hechos.
Después de una introducción anecdótica (que no tiene contenido financiero, así que no la traduzco), entra en un concepto técnico importante:
Drawdown: es la caída desde el punto más alto (pico) hasta el punto más bajo (valle) que tuvo tu cuenta de inversión, medida en porcentaje.
Ejemplo que da: si tu cuenta pasó de 20.000 dólares a un mínimo bastante más bajo, y después se recuperó, igual sufriste una caída del 80% en el medio, aunque al final “recuperaste todo”. El punto que marca (aunque no lo termina de desarrollar en este fragmento) es que el drawdown importa aunque te hayas recuperado, porque:
Resumen de los conceptos nuevos que aparecen acá (para que los tengas anotados):
Si querés, seguimos con la parte que sigue del transcript (parece que corta justo cuando empieza a explicar el drawdown a fondo).
Dale, vamos con esta parte. Es densa, así que la voy a ir explicando en orden, sin saltear conceptos.
Arranca distinguiendo dos tipos de riesgo:
La idea central acá: el drawdown no es una buena medida de riesgo real, aunque te diga algo.
Para explicar esto usa la ruleta:
Pero la pregunta que hace es: ¿tomaste riesgo? Obviamente sí. Ganaste con solo un 5% de probabilidad de que eso pasara. El drawdown (que fue cero) no refleja para nada el riesgo real que corriste. Si a la quinta apuesta sale negro, perdés el 100%.
La conclusión: podés tener un historial de resultados espectacular y estar tomando un riesgo enorme que simplemente no se vio todavía. Esto lo conecta con una estrategia real de Wall Street: “writing premium” (vender opciones/primas), que genera retornos suaves y lindos… hasta que la volatilidad explota y perdés todo de golpe. A esto en la industria le llaman “fat tail risk” (riesgo de cola gorda): en la distribución de probabilidades hay eventos extremos (4 o 5 sigma) que parecen imposibles pero ocurren, y cuando ocurren te destruyen el portfolio.
Para reforzar la idea de riesgo oculto que el drawdown no capta:
Mirando solo el drawdown, este portfolio parece que no tiene riesgo (nunca hay caída, solo cobrás $1 tranquilo). Pero el día que IBM cruza ese umbral, perdés todo de golpe y mucho más. Por eso dice que hay que analizar el contenido real del portfolio, no solo las estadísticas, y por eso “fund investors” (los que invierten en fondos de otros) muchas veces no hacen bien su trabajo: es muy difícil juzgar un fondo solo mirando números, hay que entender qué tiene adentro. Y agrega, medio irónico: si los inversores de fondos fueran buenos entendiendo eso, serían ellos los que manejarían el fondo, no los que invierten en él.
Aclara que, a pesar de todo lo anterior, sí importa tener drawdowns chicos, porque:
Su recomendación concreta: definí de antemano (a priori, antes de invertir) cuál es el máximo que estás dispuesto a perder. Sugiere que un 10-20% de drawdown pico-a-valle es razonable como límite antes de reevaluar y posiblemente vender todo. La clave es decidir esto antes, no en el medio de la caída, porque en el medio de la caída siempre te vas a decir “un poco más” y terminás perdiendo mucho más de lo que ibas a tolerar.
Menciona también la regla individual por acción: por ejemplo, “si una acción cae 50%, la vendo porque probablemente me equivoqué”. Contrapone esto con la filosofía de Warren Buffett, que es fan de “doblar la apuesta” (comprar más cuando cae). Dice que es un debate viejo sin resolver: ¿cortás pérdidas o doblás la apuesta?
Una regla que sí le parece razonable: ninguna posición individual debería ser más del 10% de tu capital. Así, matemáticamente, no podés perder más del 10% por un solo error. Esto reduce el drawdown de forma natural, pero aclara algo importante: no te garantiza buenos retornos ni bajo riesgo total. Podés tener 10 posiciones del 10% y aun así tener mucho riesgo agregado si están correlacionadas.
Introduce una idea teórica: si el número de posiciones (n) tiende a infinito, el retorno del portfolio (PR) tiende al retorno del mercado. Es decir, cuantas más posiciones tenés, más se parece tu portfolio a un índice (como el S&P 500). La única forma de diferenciarte del mercado es ponderar distinto: por ejemplo, si el mercado tiene a Apple en 10% y vos ponés a Apple en 1% y a otra acción en 10%, tu portfolio se aleja del índice.
Muestra un portfolio hipotético de $100 millones con acciones de tecnología, con estas reglas y números:
Explica la lógica de tener longs y shorts balanceados:
Un alumno pregunta si hay razón para tener las posiciones cortas tan diversificadas como las largas. Él responde que la sabiduría convencional dice que no deberías tener una posición corta muy concentrada, pero él no está de acuerdo con esa sabiduría convencional si tenés buena habilidad para hacer shorts. No profundiza en el porqué (“las razones son medio intensas y quizás no sea buena idea meterme en eso acá” — no da más detalle).
Cambia de tema y empieza a mirar el 10-K (reporte anual ante la SEC) de Google/Alphabet:
Ahí corta la parte (se queda a mitad de frase preguntando cuánto cash tiene la empresa).
Si me pasás la continuación, seguimos con Alphabet/Google. Y contame si hay algún concepto de estos (drawdown, fat tail, gross/net exposure, market cap) que quieras que profundice antes de seguir.
¡Dale! Vamos a repasar esto en detalle. Es un análisis fundamental comparando Google/Alphabet con Apple, Microsoft y Facebook, usando sus balances e informes financieros. Te lo traduzco y explico concepto por concepto, sin saltear nada importante.
Lo primero que hace es mirar el balance consolidado. Ojo con algo clave que menciona: cuando mirás estos reportes, suelen mostrar dos columnas (ej. 2014 y 2015), y hay que fijarse bien cuál es cuál, porque a veces vienen “al revés” (2015 primero, 2014 después) y te podés confundir fácil.
Encuentra que Google tiene unos 73 mil millones de dólares en efectivo, más otros 5 mil millones en inversiones. Y del lado de las deudas, no tiene mucha: unos 3 mil millones en deuda de corto plazo. Es decir: muchísima caja, poca deuda.
Punto negativo a remarcar: tener tanto efectivo sin usar no es necesariamente algo bueno. Un crítico diría que esa plata “no está trabajando” — no genera retorno para los accionistas comparado con si la invirtieran en el negocio o la devolvieran. El locutor menciona que Google, Apple, Microsoft y Facebook juntas tienen como 300 mil millones de dólares “sentados” sin hacer nada, y que fácilmente podrían pedir prestado el doble. Esto también se puede leer como una señal de que estas empresas no encuentran en qué invertir de forma inteligente — o que las startups que les interesan (menciona Snapchat) les parecen demasiado caras.
Esto es importante entenderlo bien porque es un concepto que confunde a los principiantes:
Por eso, según el video, el market cap de Apple es más grande que el de Google, pero el Enterprise Value de Google (425 mil millones) es mayor al de Apple (418 mil millones), justamente porque Apple tiene tanto efectivo acumulado que “descuenta” del precio real de compra.
Conclusión (con matiz negativo): esto no significa que Google sea “mejor” — solo significa que el mercado, al valuar el negocio operativo puro (sin contar la caja), le pone un precio más alto a Google. Es una forma más de medir, no una garantía de nada.
Mira el income statement (estado de resultados) de Google: ingresos pasaron de 55 mil millones → 66 mil millones → 74 mil millones en años sucesivos. Esto es 14% → 19% de crecimiento. Aclara que Google es básicamente una máquina de publicidad — casi todo ese ingreso es por ads.
Después mira las proyecciones de Wall Street para el año siguiente: esperaban un 18% de crecimiento en ingresos (unos 71 mil millones, aunque hay una inconsistencia con otro número de 75 mil millones — el propio locutor nota que los números no siempre cuadran entre distintas fuentes, como Bloomberg vs Yahoo Finance, y hay que tener cuidado con eso, sobre todo con la reorganización de Google en “Alphabet” que complica comparar años).
Nota negativa importante: que las proyecciones digan 18% no significa que vaya a pasar. Son estimaciones de analistas, no hechos.
Punto clave y negativo: un P/E de 26 es considerablemente alto. Significa que el mercado está pagando muy caro por cada dólar de ganancia actual de Google, apostando a que va a seguir creciendo fuerte. Si ese crecimiento no se cumple, la acción está sobrevaluada y el precio puede caer fuerte. Esto lo compara con Apple, que tiene un múltiplo mucho menor — el mercado es pesimista respecto a las ganancias futuras de Apple, a pesar de que en ese momento Apple ganaba muchísimo más dinero en términos absolutos (50 mil millones vs 21 mil millones de Google).
Este es el concepto más importante de todo el video: el valor de una empresa es el valor presente de todas sus ganancias/flujos de caja futuros, no solo lo que gana hoy. Por eso puede pasar que una empresa que gana menos hoy (Google) valga lo mismo que una que gana el doble (Apple): el mercado no confía en que Apple vaya a sostener esas ganancias.
La razón que da: Apple depende demasiado de un solo producto, el iPhone. Es un problema de diversificación y de crecimiento:
Ojo con esto: el hecho de que en 2020 (según la proyección hipotética del video) las ganancias de estas empresas “converjan” es una teoría, no una certeza. Son especulaciones basadas en tendencias de ese momento, y remarcan que el crecimiento de hoy no garantiza nada del futuro.
I+D (R&D): es el gasto en desarrollar productos nuevos. Empresas de tecnología gastan mucho ahí; empresas como McDonald’s o una cadena minorista prácticamente no tienen este gasto porque no desarrollan “productos” en ese sentido.
Nota que la tasa impositiva efectiva de Google en un trimestre fue de solo 5%, algo llamativamente bajo (compara con otro trimestre donde pagaron 18%, calificándolo de “anómalo”).
Punto negativo/de alerta: una tasa impositiva tan baja no es necesariamente ilegal, pero suele deberse a estructuras de optimización fiscal agresivas (uso de subsidiarias en distintos países, por ejemplo). Es algo que un inversor cuidadoso debería investigar más a fondo, porque estas tasas bajas pueden estar sujetas a cambios regulatorios futuros que golpeen las ganancias reales.
También menciona “discontinued operations” (operaciones discontinuadas) — partes del negocio que la empresa vendió o separó (spin-off). Esto genera ruido en las comparaciones año a año, y el propio locutor admite que no está seguro de qué se trata exactamente en ese caso — lo cual es honesto, pero también es una señal de que hay que leer la letra chica, no solo los números grandes.
Menciona que hay diferencias sustanciales entre las cifras GAAP y non-GAAP de Google, y sospecha que se debe principalmente a la compensación basada en acciones (stock-based compensation) para empleados.
Punto negativo importante: las cifras non-GAAP suelen ser usadas por las empresas para mostrarse más rentables de lo que realmente son bajo las reglas contables estrictas. Como inversor, conviene desconfiar un poco de los números non-GAAP y priorizar el GAAP, o al menos entender bien qué se está excluyendo y por qué.
Explica que la mejor fuente para estos números detallados es ir directamente al 10-K/8-K (reportes oficiales que las empresas deben presentar) o directamente a la sección de “Investor Relations” (relación con inversores) en la web de la empresa, en vez de depender solo de agregadores como Yahoo Finance. Aclara que no hace falta tener una terminal Bloomberg (cara y de acceso profesional) — con fuentes gratuitas como Yahoo Finance también se puede armar un análisis básico.
Resumen del tono general, sin ilusiones falsas: el video pinta un panorama donde parece que estas empresas (Google, Apple, Microsoft, Facebook) son intocables, pero el propio análisis revela grietas importantes: Apple depende peligrosamente de un solo producto, Google tiene tasas impositivas y operaciones discontinuadas poco transparentes, las proyecciones de crecimiento son solo estimaciones que fácilmente pueden no cumplirse, y el hecho de que el mercado pague múltiplos altísimos (como el 26x de Google) implica que cualquier decepción en el crecimiento futuro puede generar una caída fuerte en el precio de la acción. Nada de esto es una garantía de éxito futuro — es historia pasada y expectativas, que pueden fallar.
¿Querés que sigamos con la parte siguiente de la transcripción cuando la tengas, o preferís que primero profundicemos en alguno de estos conceptos (por ejemplo, cómo se calcula un DCF - discounted cash flow, que menciona al final)?
¡Dale! Vamos con esta parte del stream. Es densa porque mezcla varios temas: cómo armar un modelo de ingresos para Google, valuación por DCF (flujo de caja descontado), la crítica al WACC, y un vistazo rápido a Amazon. Voy a ir explicando todo en orden, sin saltear nada.
La pregunta que se hace Shkreli es clave y es un problema real de finanzas: no podés proyectar el crecimiento de una empresa solo mirando “cuánto creció el trimestre pasado”. Si Google creció 18% el trimestre pasado, no podés asumir que va a crecer 18% por los próximos 5 o 10 años. Necesitás entender el techo del mercado en el que opera esa empresa.
Entonces la estrategia es: en vez de mirar solo a Google, mirar todo el mercado de publicidad global y ver qué porción se puede quedar Google. Esto es un método clásico llamado TAM (Total Addressable Market) — el “mercado total direccionable”. La idea: si el mercado total de publicidad mundial es de u$s 600.000 millones, ninguna empresa puede facturar más que eso en publicidad, por más que quiera. Es un límite matemático.
Dato interesante que menciona: el mercado global de publicidad (~600 mil millones) es parecido en tamaño al mercado global de farmacéuticas. Lo dice medio de pasada pero es un buen ancla mental: dos industrias enormes, tamaños comparables.
Ahí arranca a buscar en Bloomberg (la terminal de datos financieros que usan en Wall Street) qué empresas facturan por publicidad, para sumar los “pedazos de la torta”:
Sumando todo esto, llega a la conclusión de que apenas con 4-5 empresas grandes de internet ya cubrís un 22-27% de TODO el mercado publicitario mundial (incluyendo TV, radio, vía pública, diarios, etc.). Esto muestra lo dominante que es el mundo de la publicidad digital, y en particular Google y Facebook.
Una vez que una empresa ya tiene mucha participación de mercado (Google con 15%, yendo camino al 20-25%), se vuelve matemáticamente cada vez más difícil que siga creciendo al mismo ritmo, porque:
Este concepto se llama a veces “law of large numbers” en finanzas (ley de los grandes números, aplicada a negocios): cuando una empresa ya es gigante, es matemáticamente mucho más difícil sostener tasas de crecimiento altas, simplemente por el tamaño de la base.
Shkreli cuenta que de chico vio el caso de Nokia: el mercado le había puesto una valuación tan alta que, matemáticamente, para justificar ese precio de la acción, Nokia hubiera tenido que venderle un celular a cada persona del planeta. Esto es literalmente imposible. Y ahí es donde él dice que pudiste haber “shorteado” (apostado a que la acción iba a bajar) a Nokia con total lógica matemática, no con una corazonada.
La lección que él saca de esto: a veces el mercado le pone precios a las acciones que son matemáticamente absurdos, y ahí es donde un inversor que sabe hacer estos cálculos de “techo de mercado” puede detectar una sobrevaluación. Y dice que quizás Apple tiene un poco de ese mismo riesgo (el mercado a veces desconfía de Apple por esta razón — puede ser que ya no tenga tanto margen para seguir creciendo al mismo ritmo).
Va mirando línea por línea el estado de resultados de Google:
Menciona un debate financiero real: ¿hay que “penalizar” a una empresa por gastar mucho en R&D? Un argumento es que no, porque ese gasto en R&D es lo que genera ingresos futuros — entonces si lo tratás como un gasto que “resta” ganancias hoy, estás siendo injusto con la empresa, porque en realidad es una inversión, no un gasto que no genera nada. Esto es un tema clásico en análisis de acciones tech: muchas empresas de tecnología “esconden” ganancias reales gastando mucho en R&D, y algunos analistas ajustan sus números para reflejar esto.
Acá entra la parte más técnica. El DCF (Discounted Cash Flow) es el método más usado en finanzas para saber “cuánto vale hoy” una empresa, basándose en cuánta plata se espera que genere en el futuro.
La lógica es: 1 dólar que vas a recibir dentro de 10 años vale menos hoy que 1 dólar que tenés en la mano ahora (por la inflación, por el riesgo, por el costo de oportunidad de no poder invertir esa plata en otra cosa mientras tanto). Entonces “descontás” esos flujos futuros a una tasa (la discount rate, tasa de descuento) para traerlos a valor presente.
Pasos que sigue:
Él mismo se frena y dice: “un momento, la pregunta más importante no es si Google puede seguir creciendo así, sino por cuánto tiempo lo puede sostener”. La clave del DCF no es solo “cuánto ganan hoy” sino “durante cuántos años van a poder seguir ganando a este ritmo antes de que el crecimiento empiece a frenarse”.
Entonces hace ingeniería inversa: en vez de asumir una tasa de crecimiento y ver qué valor le da, agarra el precio actual de mercado (u$s 725) y calcula: “¿qué tendría que asumir yo para que mi modelo me dé justo ese precio?”. Encuentra que el mercado está implícitamente asumiendo que Google va a empezar a achicarse (perder participación de mercado) en unos pocos años, llegando a un pico de 17-18% de share global de publicidad antes de estancarse. Esto se llama “reverse engineering the market’s expectations” — básicamente, usar el precio actual de la acción para descubrir qué está esperando el mercado, en vez de al revés.
Esta es una técnica muy poderosa en finanzas: en vez de preguntarte “¿cuánto vale esto según yo?”, preguntás “¿qué tiene que ser verdad para que el precio actual tenga sentido?” y después decidís si esa expectativa te parece razonable o exagerada.
Acá tira números al pasar sobre qué tasa de descuento usaría para cada empresa (más alta = la empresa se considera más riesgosa, porque le exigís un retorno mayor para compensar el riesgo):
Punto clave que hay que marcar en rojo: el resultado de un DCF depende muchísimo de qué tasa de descuento elijas. Con Apple, si usás 5% te da un número, si usás 7% te da un número bastante más bajo. Esto es una debilidad real de este método: es sensible a supuestos, y dos personas “razonables” pueden llegar a conclusiones muy distintas solo cambiando un poco la tasa.
Esto es un dato técnico pero importante si vas a estudiar finanzas formalmente. El WACC es el método “de libro de texto” / académico para calcular la tasa de descuento de una empresa. Se calcula combinando:
Shkreli dice explícitamente que no le gusta el WACC (“las siglas ‘WACC’ son literalmente ‘whack’, que en inglés es como decir ‘raro/mal’, es un chiste que hace”). Su crítica es que el WACC mete todas las empresas en una fórmula rígida y no distingue bien entre una empresa que tiene muy poco riesgo real y una que tiene mucho, porque se apoya en fórmulas académicas (como el “equity risk premium”) que él considera que no capturan bien la realidad. Prefiere elegir la tasa de descuento “a ojo”, según su propio juicio de cuán riesgosa es cada empresa — como hizo arriba con Google/Apple/Microsoft/Facebook.
Importante para vos que estás aprendiendo: esto NO significa que el WACC esté mal o que no lo tengas que aprender — es el estándar de la industria y te lo van a pedir en cualquier curso o entrevista de finanzas. Es la opinión personal (y bastante informal) de Shkreli en un stream, no un consenso académico. Redondeando a lo negativo como pediste: no te bases en esta crítica para saltarte aprender el WACC como corresponde.
Pasa a mirar Amazon y calcula un valor de u$s 5.947 por acción con este método (dato al pasar).
Puntos clave de Amazon que marca:
¿Querés que sigamos con la próxima parte del stream, o preferís que nos detengamos en algún concepto de estos (por ejemplo el DCF o el WACC) para verlo más despacio con un ejemplo numérico simple?
¡Dale, vamos a repasar esto a fondo! Es la clase 7 (termina) y arranca la clase 8 de Shkrelli. Te lo traduzco y te explico cada concepto como si no supieras nada, sin resumir de más.
Shkrelli está mirando el balance de Amazon como ejercicio de análisis, y su conclusión es negativa (ojo, esto es una opinión de 2016, no una verdad universal):
Dice que si tenés que resumir el análisis de inversión en dos cosas, son:
Y aclara algo honesto e importante: nadie sabe con certeza cuál va a ser el crecimiento futuro ni el riesgo futuro de una empresa. Da el ejemplo de que no sabe si “vamos a seguir usando Google” en 2020, 2025 o 2030. Esto es una idea central en finanzas: valuar una empresa siempre implica estimar el futuro con incertidumbre, no es una ciencia exacta.
Este es un ejercicio teórico, no un consejo de inversión real. La lógica:
Nota mía para que no te quede falsa expectativa: este es un ejemplo matemático simplificado para entender el concepto de “margen de seguridad” en value investing. En la vida real, rara vez una acción cae 75% “sin razón” — casi siempre el negocio también se deterioró, y muchas veces esas “gangas” resultan ser trampas (value traps).
Lo menciona rápido porque se quedaron sin tiempo, pero la idea de fondo (importante) es:
Le preguntan directamente su opinión y él es tajante:
Da su opinión personal (no es un hecho objetivo, es su punto de vista):
Primero repasa lo obvio: comprar una acción y que suba genera ganancia (comprás a $100, vendés a $200, ganás $100 por acción — si tenés 100 acciones, ganaste $10.000).
Después explica shortear, paso a paso:
Punto clave y honesto que hay que remarcar (esto es real y muy importante): cuando comprás una acción (long), lo máximo que podés perder es el 100% de lo que invertiste (si la acción cae a cero). Pero cuando shorteás, la pérdida potencial es ilimitada, porque el precio de una acción puede subir sin límite teórico. Esto es una asimetría de riesgo fundamental entre estar “long” y estar “short”, y es la razón principal por la que shortear es considerado mucho más riesgoso.
Le preguntan si dobló posiciones o shorteó algo hasta cero. Responde:
Arranca a explicar que Wall Street se puede dividir conceptualmente en dos partes: investors (el lado comprador / “buy side” — fondos, gestores de carteras, que administran plata para invertir) y el otro lado que empieza a nombrar como “sell side” (los bancos de inversión, brokers, que ofrecen servicios/productos a los inversores) — pero el archivo se corta ahí, justo cuando iba a definirlo del todo.
Si querés, cuando tengas la continuación de esta clase (la parte de buy side / sell side) o el resto de la 8, la subís y seguimos con el mismo nivel de detalle.
Dale, vamos por partes. Es una clase bastante densa así que te la traduzco y explico todo, sin cortar nada importante.
Shkrelli arranca aclarando terminología: no le gusta mucho la distinción clásica de “buy side / sell side” (comprador/vendedor). Prefiere pensarlo así:
Un dato clave: todos estos “otros” jugadores en conjunto administran tanta plata o más que los fondos mutuos, y los fondos mutuos administran bastante más que los hedge funds. O sea: los hedge funds, que son los que más ruido mediático generan, en realidad son los más chicos del ecosistema en términos de plata administrada.
Ejemplos: Bank of America, Citigroup, Credit Suisse, Goldman Sachs, JP Morgan, Morgan Stanley, RBC, Wells Fargo.
¿Qué hacen? Tres negocios principales:
Investment Banking propiamente dicho (acá es donde más plata ganan):
Servicios para inversores: ejecutar operaciones (trading), prime brokerage (una especie de “banco” para hedge funds: les prestan plata, custodian activos, hacen el clearing de sus operaciones).
Research de sell-side: emiten reportes con recomendaciones de compra/venta sobre acciones.
Las recomendaciones de acciones no sirven. Nunca. De nadie. Ni de bancos de inversión, ni de otros inversores, ni de Warren Buffett, ni de Carl Icahn. No dice que sean 100% inútiles, pero sí que tu tiempo rinde mucho más investigando vos mismo que mirando qué opinan o qué tienen en cartera otros (por ejemplo, mirando los 13F, que son los formularios donde los fondos grandes reportan sus tenencias).
Su idea central: tenés 24 horas al día, nada más. Y el juego de invertir es un juego relativo — “long/short” en términos de tu propio tiempo: si le dedicás tiempo a estudiar lo que opinan otros, le estás restando tiempo a estudiar vos mismo el activo. Y en ese juego, perdés contra los que estudiaron directamente.
Este es un punto que él marca como su tip personal de éxito: en vez de gastar tiempo mirando qué hacen otros inversores farmacéuticos (llamadas, CNBC, 13Fs), él estudió farmacología y química medicinal en profundidad — conocimiento técnico del sector, no financiero. Esto le sirvió doblemente: lo hizo mejor inversor en farma, y después le sirvió cuando pasó a ser emprendedor (fundó empresas farmacéuticas).
Su conclusión, dicha de forma bastante tajante: mirar 13Fs, estar todo el día al teléfono con otros inversores, ver CNBC — todo eso es comparativamente basura de tiempo frente a estudiar el sector en profundidad. No dice que sea inútil, dice que es mucho menos valioso que la alternativa.
Van a elegir un subsector de tecnología para estudiar en profundidad (no todos, porque tech es enorme — dice que hay empresas con 20-30 analistas dedicados solo a cubrir tech). La elección va a ser por votación del grupo, no por su propia opinión. Antes de votar, van a repasar unas empresas más, empezando por Telecom y ahora Alibaba.
Punto de partida: Alibaba no presenta 10-Q ni 10-K (los reportes trimestrales/anuales que exige la SEC a empresas de EE.UU.), porque no es una empresa estadounidense: está listada y con sede vinculada a Hong Kong / China.
Acá explica un concepto importante:
Nota metodológica que da: precio por acción no tiene nada que ver con el tamaño de la empresa — lo que importa es el market cap (precio x cantidad de acciones), no el precio nominal.
Acá hace una observación fuerte: IBM tiene tanta deuda neta que, pese a ser “más chica” en market cap, termina teniendo un Enterprise Value más alto que Alibaba. Esto la posiciona como la 6ta empresa de tech más grande por EV, y Alibaba queda 7ma. El EV de Alibaba es el más bajo que vieron hasta ese momento en la serie de análisis. Esto es un buen recordatorio de que el market cap solo no dice todo — hay que mirar deuda neta / caja neta para tener el cuadro completo.
Termina mencionando algo importante para tu criterio de riesgo: las empresas chinas tienen fama/reputación de irregularidades contables. Lo dice sin acusar directamente a Alibaba de nada puntual, pero lo deja planteado como un factor de riesgo genérico a tener en cuenta con este tipo de compañías (sobre todo dado que ni siquiera presentan 10-K/10-Q bajo normas de la SEC, y dado el llamativo tema de los 7 mil millones de “ingresos por interés” que no terminan de cerrarle).
Resumen de lo que hay que llevarse, en negativo/realista (como pediste):
Si me pasás la siguiente parte, seguimos.
¡Dale, vamos con esto! Es una clase medio caótica (así son los streams en vivo) pero tiene bastante contenido útil. Te la voy traduciendo y explicando parte por parte, sin resumir de más, y marcando lo negativo/los riesgos donde corresponda.
Arranca hablando de que hay que tener cuidado con las empresas chinas por el riesgo de fraude contable — dice literal que no todas las empresas chinas son fraudulentas, pero que siempre hay que tenerlo en la cabeza como riesgo. Esto es real: hubo varios casos históricos de empresas chinas listadas en EEUU que resultaron ser fraudes contables (inflaban ventas, etc.), así que la desconfianza inicial no es paranoia, es prudencia.
Después mira el estado de resultados (income statement) de Alibaba:
Múltiplo de ganancias (P/E ratio): dice que sale en 13-16 veces ganancias (“pretty attractive” — atractivo). El P/E es simplemente: precio de la acción dividido por la ganancia por acción. Cuanto más bajo, en teoría más “barata” está la empresa relativo a lo que gana — pero ojo, un P/E bajo también puede significar que el mercado espera que esa empresa crezca poco o tenga problemas. No es automáticamente “barata = buena”.
Crecimiento (growth rate): acá se complica porque el reporte está en yuanes/renminbi (RMB), la moneda china, no en dólares. Dice que creció un 34-35% en moneda local, y al ajustar por tipo de cambio da algo así como 32% de crecimiento en ingresos. Lo compara con Facebook y dice que está cerca del nivel de crecimiento de Amazon, pero cotizando a la mitad de P/E — es decir, en teoría “crece como las grandes tech de EEUU pero cotiza más barata”. Esto suena atractivo, pero hay que ser escépticos con esta comparación: comparar crecimiento de ingresos en RMB contra crecimiento en USD de una empresa americana no es una comparación limpia — el tipo de cambio yuan/dólar puede distorsionar el número, y además el riesgo regulatorio y de gobierno corporativo en China es mucho más alto que en EEUU (esto es la parte “negativa” que hay que remarcar).
Margen operativo: 40%, que es alto. Buena señal de rentabilidad, pero otra vez: alto margen en un momento dado no garantiza que se mantenga.
Segmentos de negocio: separa ingresos de “China retail” (comercio minorista en China, 4.4 mil millones) vs “mobile revenue” (ingresos móviles, 2.9 mil millones) de un total de 5.3 mil millones. Se nota que ni él mismo tiene 100% claro cómo se solapan estas categorías ("¿tiene sentido esto?" se pregunta) — es honesto en admitir que hay ambigüedad, cosa que como principiante conviene imitar: si un número no cierra, no te hagas el que entendiste, marcálo como duda.
Usuarios activos (MAU - Monthly Active Users): 400 millones de compradores activos. Es una métrica clave en empresas de internet/e-commerce porque mide el tamaño real de la base de usuarios, no solo la plata.
Concluye esta parte diciendo que el objetivo del ejercicio no es necesariamente “valuar” la empresa con precisión, sino entender en qué sector/negocio uno quiere enfocarse. Es un punto pedagógico importante: al principio del análisis de una empresa, el objetivo es entender el negocio, no llegar a un número mágico de valuación.
Acá hay un montón de conceptos técnicos sobre invertir en mercados extranjeros, que es probablemente la parte más valiosa de todo el segmento para vos como principiante.
Tencent no cotiza en la bolsa de EEUU con ADR (American Depositary Receipt — un certificado que representa acciones extranjeras y que permite comprarlas como si fueran acciones normales de EEUU, en dólares, a través de brokers americanos). Como Tencent no tiene ADR, no hace filings (reportes obligatorios) ante la SEC (Securities and Exchange Commission, el regulador de valores de EEUU). En cambio, hace sus reportes en la bolsa de Hong Kong, que tiene menos exigencias de transparencia que la SEC. Esto es un riesgo real y hay que marcarlo en negativo: menos disclosure (menos información obligatoria) significa más incertidumbre para el inversor.
Fundación: 1998. Dato que a él le gusta siempre chequear — cuánto tiempo lleva operando la empresa.
Cómo armar un modelo en moneda extranjera:
Complicación extra: los reportes financieros de Tencent están en RMB/renminbi/yuan (CNY), que es una moneda DISTINTA del dólar de Hong Kong (HKD). Osea hay TRES monedas dando vueltas: USD (en la que vos pensás), HKD (en la que cotiza la acción) y CNY (en la que reporta sus números financieros). Esto es una fuente real de errores para un principiante — remarcalo bien: nunca asumas que “moneda de cotización” = “moneda de reporte financiero” en empresas extranjeras.
Balance sheet “al revés”: en algunos países (como China), el balance se presenta con el efectivo (cash) abajo en vez de arriba, al contrario de la convención de EEUU. No es nada raro ni sospechoso, es solo una convención local distinta.
Efectivo: 46 mil millones de RMB, pero después empieza a sumar categorías que “parecen” efectivo pero no son técnicamente caja:
Punto importante y honesto de su parte: dice “esto lo estoy contando como cash mentalmente pero no es técnicamente cash”. Esto es una buena práctica pero también un riesgo: sumar todo como si fuera caja pura infla artificialmente la “solidez financiera” de la empresa. Total que arma: 205 mil millones de RMB entre todo esto.
Deuda (liabilities/borrowings): suma varias líneas de “borrowings” (préstamos) — 6 mil millones acá, 1 mil millones allá, 7 mil millones allá — llegando a un total de 54 mil millones de RMB de deuda.
Tipo de cambio RMB vs HKD: acá aclara que son cosas distintas — el yuan (RMB/CNY) cotiza a 6.49 por dólar, mientras el HKD cotiza a 7.75 por dólar. Son tasas de cambio DIFERENTES aunque ambas sean “moneda china” en un sentido amplio (HKD no es RMB, son economías/monedas separadas aunque Hong Kong sea parte de China).
Efectivo neto (net cash): cash menos deuda = 151 mil millones de RMB, que convertido a dólares (dividiendo por 6.49) da unos 22-23 mil millones de dólares de caja neta.
Enterprise Value (EV — Valor de Empresa): este es un concepto clave que quiero que te quede claro porque lo usa todo el tiempo:
EV = Market Cap (capitalización de mercado) + Deuda − Caja
Es decir, el “verdadero” precio de comprar toda la empresa si tuvieras que asumir su deuda pero también te quedás con su caja. Por eso dice que Tencent tiene un EV “un poco más alto” que Alibaba — porque aunque tenga mucha caja, también tiene bastante deuda.
Acciones en circulación (shares outstanding): acá hay otro problema práctico real — no todas las empresas, especialmente fuera de EEUU, publican claramente cuántas acciones tienen en circulación. Tiene que ir a buscar el dato en Bloomberg (una terminal/plataforma de datos financieros profesional, de pago, muy usada en la industria). El dato: 9 mil millones de acciones.
Market cap: precio (148 HKD) x acciones (9 mil millones) = como 1.3 billones de HKD (en español “billón” americano = mil millones, ojo con el “trillion” en inglés que es billón en español — esto es clave, un error de traducción típico: “one trillion” en inglés = “un billón” en español, no “un trillón”). Convertido a dólares, esos 1.3 “trillion” HKD son unos 180 mil millones de dólares (180 billion USD en la nomenclatura americana = 180 mil millones en español). Remarca que “1.3 billones (americanos)” suena a locura pero al convertir a dólares tiene sentido — otra vez, el problema de mezclar monedas sin convertir bien.
Qué hace Tencent realmente: QQ (mensajería instantánea, tuvo 1000 millones de usuarios — el doble o triple de la población entera de EEUU, dato que usa para dimensionar), juegos, noticias, video, y WeChat (que dice que “es una parte chica del negocio” — dato que en 2026, con el diario de hoy, hay que tomar con pinza: WeChat después se volvió gigantesco como plataforma de pagos y súper-app en China, así que esa afirmación de la época puede haber estado equivocada o quedado desactualizada).
Modelo financiero en RMB:
Cambio de tono: pide una pausa para tomar algo, vuelve con una Coca-Cola Cherry, y arranca con Oracle como contraste — una empresa de software, pero de “business software” (software empresarial/corporativo), que aclara que es un negocio muy distinto al software de consumo.
Datos:
Cambio en cómo reportan ingresos — esto es importante y es la parte más “negativa” de todo el segmento, así que prestale atención:
El dato negativo clave: el ingreso por licencias tradicionales de software cayó fuerte año contra año. Esto es grave porque, según explica, las licencias son el corazón histórico del negocio de una empresa de “enterprise software” (software para grandes empresas/corporaciones). Dice textualmente que puede haber algo de impacto cambiario (currency impact — cuando el dólar se fortalece, los ingresos en el extranjero valen menos al convertirlos), pero aun así:
Crecimiento de ingresos total: -6% (negativo). Y remarca — esto hay que subrayarlo en rojo — que es el peor crecimiento de ingresos entre todas las grandes empresas de tecnología que analizaron ese día. La describe como una empresa “lumbering” (que se mueve pesada, lenta, como un dinosaurio) — no que esté desapareciendo, pero sí con problemas reales de crecimiento.
Proyecta que si un trimestre da 9 mil millones, el año podría dar unos 36 mil millones de ingresos (esto es una estimación gruesa, multiplicando por 4, sin ajustar estacionalidad).
Se corta ahí, justo cuando arranca a mirar los gastos operativos (“operating expenses, oh my god look at this list”).
Resumen de lo negativo/riesgos que quedaron flotando (para que no te vayas con falsas esperanzas):
Si me pasás la continuación, seguimos con Oracle desde donde quedó (“operating expenses”).
Dale, vamos con esto. Es una clase bastante densa de Shkrelli analizando reportes financieros de varias empresas tech (Oracle, Intel, Cisco, TSMC) comparándolas con farmacéuticas. Te lo explico todo en español, sin saltarme conceptos, y te marco los riesgos/lecturas negativas donde corresponda.
Arranca quejándose de que hay demasiadas líneas en “operating expenses” (gastos operativos) de este 10-K (el reporte anual que las empresas públicas en EEUU tienen que presentar). Menciona “S&M” que es Sales & Marketing (ventas y marketing) — hace el chiste tonto de que no es lo que vos pensás (S&M en inglés también es sadomasoquismo).
Habla de SaaS (Software as a Service, “software como servicio” — pagás una suscripción en vez de comprar el software) y PaaS (Platform as a Service, similar pero te dan una plataforma para que vos desarrolles cosas encima). Esto es relevante porque es el modelo de negocio que está devorando a las empresas de software “viejo estilo” como Oracle.
Hace un cálculo tipo:
Importante: esta cuenta viene con errores/ruido de la transcripción automática (números que no cierran del todo), así que tomalo como el procedimiento (EBITDA → menos intereses → pre-tax → menos impuestos → net income) más que como cifras exactas para memorizar.
Con esas ganancias de ~11 mil millones (esto parece ser para otra empresa, probablemente Oracle o el conjunto), calcula que el múltiplo es 14 veces ganancias (P/E ratio: precio de la acción dividido por la ganancia por acción, o equivalentemente valor de mercado dividido por ganancia total). Dice que es un múltiplo bajo comparado con el promedio de acciones tech, que ronda las 29 veces ganancias — pero aclara que ese promedio está inflado porque incluye a Amazon (que cotiza carísimo en relación a sus ganancias).
Acá te explica una herramienta de Excel: la función TRIMMEAN. La idea es sacar el promedio pero ignorando los extremos (por ejemplo, el 10% o 20% más alto y más bajo de los datos), para que un outlier como Amazon (carísimo) o Apple (barato) no distorsione el promedio. Con esto, el promedio “real” de empresas tech da entre 15 y 17 veces ganancias, mucho más razonable que el 29 sin ajustar.
Punto clave que remarca: las empresas tech promedio están creciendo ingresos ~14% anual (sin outliers), mientras que las farmacéuticas promedio tienen crecimiento de ingresos de básicamente 0% (“in circles”, dando vueltas en el mismo lugar). Su conclusión: comprar una canasta diversificada de acciones tech a esos múltiplos (15-17x) con ese crecimiento le parece “un portfolio bastante bueno”.
Nota para vos, para no ilusionarte de más: esto es la opinión personal de Shkrelli sobre esas empresas en ese momento específico (parece ser 2016-2017 por las cifras y el contexto de Cisco/Intel). No es garantía de nada — múltiplos bajos y crecimiento no siempre significan que la acción vaya a subir; puede ser bajo justamente porque el mercado desconfía del futuro de esas empresas (como con Oracle, que ves más abajo).
Agrega que empresas más “viejas” del sector (Intel, Cisco, IBM, Qualcomm) tienen menos crecimiento que las “estrellas” tech.
Mira el desglose de ingresos de Oracle:
Te explica la diferencia entre licencia de software y mantenimiento:
El problema de Oracle, según él: este modelo de “licencia + mantenimiento” es el modelo viejo, y la competencia real ahora es el SaaS (incluyendo CRM en la nube). Por eso los ingresos de Oracle están cayendo un 6% al año. Es una lectura negativa: Oracle es una empresa en la que el negocio tradicional se está achicando frente a competidores más nuevos basados en nube.
Primer dato relevante: ~4 mil millones de acciones en circulación (shares outstanding).
Punto central que remarca varias veces: Intel es una de las pocas empresas de hardware en esta lista (junto con Apple, aunque a Apple la matiza como “hardware de consumo”). El resto son básicamente empresas de software (Amazon es retail, IBM es consultoría, pero muchas otras son software).
Su tesis sobre hardware vs software: las empresas de hardware “nunca terminan siendo tan grandes” como las de software — Intel, siendo el “abuelo” de todos estos negocios y muy valiosa, no llega al tamaño de Facebook o Google. Esto es un punto de vista suyo, no una ley universal, pero la lógica detrás es: el software tiene mejores márgenes y escala más fácil (replicar código cuesta casi nada; fabricar chips físicos cuesta mucho).
Anécdota sobre el precio de la acción: dice que Intel cotizaba a $70 en el año 2000, y para el momento del video (parece 2016-17) todavía no llegó ni a la mitad de eso. O sea, alguien que compró en el pico de la burbuja puntocom (año 2000) estuvo 17 años sin recuperar su inversión. Remarca esto como lección: comprar en la cima de un hype puede significar más de una década de pérdidas, incluso en una empresa “buena”. Esto es un dato negativo/de advertencia real, no una falsa esperanza.
Menciona partidas como:
Menciona que Intel es la empresa número 10 en el ranking que están armando (parece ser un ranking de las 10 empresas tech más grandes que vienen analizando en la serie).
Income statement (estado de resultados) de Intel: lo describe como “limpio”, pocas líneas.
Nota importante: gastan más en R&D (investigación y desarrollo) que en marketing/G&A (gastos generales y administrativos) — esto es raro comparado con otras empresas (como vas a ver con Cisco, es al revés). Su comentario: “cortar R&D es una forma fácil de hacer ganar plata a los accionistas en el corto plazo, pero si el R&D es bueno, no lo querés cortar, querés más.” Es una idea válida en finanzas: recortar I+D mejora las ganancias inmediatas pero puede destruir valor a largo plazo.
Gross margin (margen bruto = ingresos menos costo directo de producir, dividido ingresos) de Intel: 65%, cifra que a él le sorprende porque es un margen “de empresa de software”, no típico de una empresa que fabrica hardware físico. Su explicación: fabricar semiconductores al nivel de escala de Intel es tan difícil técnicamente que casi no tienen competencia real, lo que les permite mantener precios/márgenes altos (barrera de entrada muy alta).
Operating margin (margen operativo, después de gastos operativos): 64% menciona en un momento (aunque hay algo de confusión en la transcripción entre gross y operating margin, típico de una transcripción automática de audio).
Cifras anuales:
Compara: las únicas acciones con múltiplos más bajos son IBM y Apple, que tampoco crecen. Su conclusión (una idea central de toda la clase): el múltiplo que el mercado está dispuesto a pagar está directamente relacionado con el crecimiento esperado. Empresas sin crecimiento cotizan barato en términos de P/E (8-13x), empresas con crecimiento cotizan caro (29x+).
Se mete a ver el desglose de ingresos por segmento:
Menciona marcas de procesadores: Atom, Pentium, Celeron, Core (M/i), Xeon, Itanium — los primeros son para consumo (PCs), Xeon e Itanium son más para servidores.
Lectura negativa a remarcar: el segmento más grande y tradicional de Intel (PCs) está en declive, lo cual es consistente con el estancamiento general de sus ingresos. El futuro de la empresa depende de que los segmentos nuevos (data center, IoT) compensen esa caída, y no queda claro en el video que lo estén logrando del todo.
Precio de la acción en ese momento: $27.86.
Cisco fabrica principalmente equipos de networking (routers, switches — el hardware que hace que internet funcione, literalmente el “cableado” de la comunicación entre computadoras).
Dato fuerte: Cisco tiene ~60-63 mil millones de dólares en cash (efectivo). Esto hace que su Enterprise Value (EV) sea mucho menor que su market cap (capitalización de mercado).
Con tanto cash, el EV de Cisco es de solo ~100 mil millones, mucho más bajo que su market cap. Comparación de tamaño que hace: Cisco es menos de la mitad de Amazon o Facebook, un tercio de Facebook/Microsoft, un cuarto de Apple/Google. O sea, en el mundo de las “big tech”, Cisco es relativamente chica.
Dice algo conceptualmente central: el P/E ratio (múltiplo de ganancias) no te dice si una acción es “barata” o “cara” en términos de valor real. Una acción a 9 veces ganancias no es necesariamente mejor negocio que una a 100 veces ganancias — tenés que calcular el valor intrínseco vos mismo (con un NPV — Net Present Value, valor presente neto de los flujos de caja futuros).
Su punto más provocador: las mejores oportunidades pueden estar escondidas en las acciones que “parecen” más caras por P/E, porque el P/E no captura el crecimiento futuro ni la calidad del negocio. Dice literalmente que no tiene mucho sentido gastar tiempo mirando el P/E; tiene sentido gastar tiempo buscando valor real (o sea, haciendo el trabajo de proyectar flujos de caja).
Para que no te hagas ilusiones con esto: esta es una visión particular (la de “value investing” más sofisticado, tipo Buffett/Graham llevado a un extremo), pero calcular un NPV correcto es difícil, depende de supuestos sobre el futuro que pueden estar muy equivocados, y “comprar lo que parece caro porque en realidad es barato” es exactamente el tipo de razonamiento que también usa la gente que pierde plata comprando cosas sobrevaluadas. No lo tomes como una fórmula mágica.
Gross margin de Cisco al final lo cierra en 62% vs. 29% de otra empresa (no queda claro cuál, probablemente Intel u otra comparación cruzada).
Switches, routers, WebEx (videollamadas), call center software, Cisco Spark, set-top boxes, módems, servidores blade/rack para data centers. John Chambers fue su CEO por mucho tiempo (ya retirado para el momento del video).
Fabricante de semiconductores de Taiwán. Como cotiza en EEUU vía ADR (American Depositary Receipt — un certificado que representa acciones de una empresa extranjera, para que se puedan comprar en bolsas de EEUU sin lidiar directamente con la bolsa taiwanesa), Shkrelli decide analizar el ADR (ticker TSM) en vez de la acción local (2330.TT), para simplificar.
Mecánica del ADR (esto es un dato técnico importante y concreto):
Tipo de cambio: usa 32 NTD (nuevos dólares taiwaneses) = 1 USD como referencia para convertir cifras.
Cash: TSMC tiene algo así como 562 mil millones de NTD, que dividido por 32 da aproximadamente 10 mil millones de dólares de caja.
Comentario final que hace: estas empresas extranjeras (asiáticas en este caso) muchas veces cotizan más barato en relación a su valor que sus contrapartes en EEUU — o sea, un mismo negocio equivalente puede estar más barato afuera de EEUU. Es una observación de él, útil como concepto (a veces se llama “descuento por geografía/liquidez”), pero no profundiza en por qué pasa esto (podría ser por menor liquidez del mercado, menor cobertura de analistas, riesgo regulatorio/político, diferencias contables, etc. — cosas que valdría la pena que investigues aparte si te interesa este tema).
Si querés, en el próximo audio/parte seguimos con el mismo criterio: te traduzco y explico todo sin recortar, marcando siempre el lado negativo/de riesgo cuando corresponda.
Dale, vamos con esto. Es una clase bastante desordenada (es un stream en vivo, así que salta de tema en tema), pero te voy a ir explicando cada concepto financiero que aparece, en orden, sin resumir de más. Como pediste, sin optimismo de más: muchas de las cosas que dice Shkreli acá son observaciones frías sobre el mercado, no consejos de inversión, y hay bastante desorganización en su propio análisis (él mismo lo reconoce).
Arranca comparando Taiwan Semiconductor con Cisco usando enterprise value (valor de empresa), no “market cap” (capitalización bursátil).
Explica qué es TSMC: es una foundry (fundición de semiconductores). Esto significa que no diseña sus propios chips, sino que fabrica chips que otras empresas diseñan (por ejemplo, Apple o Nvidia le llevan el diseño y TSMC lo produce). Es un modelo de negocio tipo “maquila industrial” para chips.
Datos financieros que da (y lo que significan):
Menciona varias veces “ADR”. Esto es importante entenderlo bien:
ADR = American Depositary Receipt. Es un certificado que se comercia en bolsas de EEUU y representa acciones de una empresa extranjera. Existe porque comprar acciones directamente en una bolsa extranjera (con otra moneda, otro bróker, otras reglas) es complicado para un inversor americano común. El ADR te evita la conversión de moneda directa y te permite comprarlo como si fuera una acción americana normal.
Ejemplos que da:
Este es un punto relevante y neutral: el ADR no es “mejor” ni “peor” que la acción local, es solo un mecanismo de acceso. Pero ojo — los ADR a veces tienen menos liquidez o representan una fracción/múltiplo distinto de la acción original, así que no es sencillamente lo mismo 1 a 1 siempre.
Este es un punto de “realismo” bastante duro que da:
Esto es relevante e importante de entender bien: en casi cualquier sector, la distribución de tamaños es muy desigual — hay un puñado de gigantes y después una caída abrupta hacia empresas medianas y chicas. Esto se llama a veces distribución de “cola larga” (long tail) o ley de potencias. No es algo positivo ni negativo per se, pero es una realidad estructural del mercado que conviene tener clara: no esperes que “la empresa número 50 del sector” tenga un tamaño parecido a la número 5.
Acá simplemente va nombrando docenas de empresas y tratando de clasificarlas en sectores. Te separo lo importante, sin resumir de más:
Semiconductores / hardware:
Consultoras / outsourcing tecnológico (tercerización):
Internet:
Carriers / telecomunicaciones (operadoras de telefonía):
Otros:
Este es un punto que probablemente no entendiste del todo por cómo está transcripto, así que te lo explico bien:
Dice que VMware parecía valer “21 mil millones” pero en realidad hay que corregir el cálculo, porque VMware tenía dos clases de acciones: unas que cotizan en bolsa (Clase A, ahí calcula 123 millones de acciones ≈ 6 mil millones de dólares) y otra clase (Clase B) que no cotiza públicamente — esas la tenía EMC (su empresa matriz en ese momento), unos 300 millones de acciones.
Por qué importa esto: si calculás el market cap de una empresa usando el precio de la acción × TODAS las acciones (incluidas las que no se comercializan libremente), te da un número inflado y engañoso. Hay que fijarse bien qué tipo de acción es la que se está usando para el cálculo. Esto es un error común al mirar datos de mercado rápido, y él mismo lo está corrigiendo en vivo.
Al final hace una encuesta (menciona “Survey Monkey” pero se corrige — usó otra herramienta, dice “scruple” pero seguramente es “Poll Everywhere” u otra app similar, no queda claro cuál exactamente). Las opciones eran agrupamientos de sectores tech:
Ganó por lejos “Internet” (98 votos), y en segundo lugar electrónica + semiconductores. Así que decide que el análisis futuro del grupo se va a enfocar en esos dos sectores combinados, y descarta explícitamente: telecomunicaciones/carriers, consultoras de outsourcing, hardware de oficina, software empresarial puro (Oracle, Salesforce, Adobe, Intuit), y empresas como Cisco, Corning, IBM (aunque duda un poco con IBM porque “tiene algo de software”).
Termina buscando en Bloomberg (la terminal financiera profesional que usan en Wall Street) para asegurarse de no dejar afuera compañías relevantes en esos dos sectores, filtrando por “market cap mayor a 5 mil millones de dólares”. El resultado final: 988 empresas en internet + semiconductores + electrónica de consumo con más de 5 mil millones de valor de mercado.
Si querés, seguimos con la próxima parte del stream cuando la tengas.
¡Dale, vamos con esto! Es una clase densa así que voy a ir parte por parte, tal como la dio, explicando cada concepto financiero a medida que aparece. Es larga porque me pediste que no resuma — así que agarrate.
Es el 15 de marzo de 2016. La acción de Valeant Pharmaceuticals cayó como un 50% en un solo día. Shkrelli arma esta clase improvisada para analizar qué pasó, usando los resultados que la empresa acababa de publicar (un balance “no auditado”, es decir, sin el chequeo formal de un auditor externo — un dato en sí mismo preocupante, porque significa que ni siquiera había pasado el control de calidad estándar antes de mostrarse al mercado).
Lo primero que hace, y esto es una lección en sí misma, es mirar la estructura de capital: cuánta deuda tiene la empresa, cuánto efectivo, cuántas acciones en circulación. Esto es lo primero que hay que mirar de cualquier empresa antes de opinar sobre si es “barata” o “cara”.
Datos que encuentra:
Esto es clave: una empresa puede “pagar deuda” pero si se está quedando sin caja al mismo tiempo, en el fondo está en peor posición, no en mejor. Shkrelli lo remarca como una señal de alarma: si estás en un proceso de “desapalancamiento” (reducir deuda), lo lógico es que la deuda neta baje trimestre a trimestre. Que no baje es una mala señal, aunque él aclara que quizás el próximo trimestre mejore — no está diciendo que sea el fin del mundo, pero sí que es preocupante.
Acciones en circulación: no cambiaron mucho, unas 349,9 millones de acciones diluidas (“diluidas” significa contando todas las opciones, bonos convertibles, etc. que eventualmente podrían convertirse en acciones nuevas, no solo las que ya existen hoy).
Con esos números arma:
Un comentario suyo, medio en chiste: dice que “emitir acciones” (vender más acciones nuevas para juntar plata) podría ser una salida para Valeant de este lío. Es una forma común de conseguir efectivo cuando estás endeudado, aunque diluye a los accionistas actuales (cada acción vale un poco menos porque hay más acciones repartiendo la misma torta).
Acá enseña un concepto central en valuación: EBITDA (ganancias antes de intereses, impuestos, depreciación y amortización — básicamente una medida de cuánto efectivo genera el negocio “core”, sin contar gastos financieros o contables).
Valeant daba una guía (proyección) de 6 mil millones de dólares de EBITDA ajustado para los próximos 12 meses.
Divide el EV (~42 mil millones) por ese EBITDA (6 mil millones) y le da 7 veces EBITDA (7x).
¿Por qué importa esto? Porque él compara: activos farmacéuticos “distressed” (en problemas, como Valeant en ese momento) normalmente se pueden comprar por 3 veces EBITDA. Que Valeant cotice a 7x, después de caer 50% en un día, le dice que el mercado todavía no está tratando a esta empresa como una empresa realmente barata o en crisis profunda — para él, 7x sigue siendo caro para el nivel de incertidumbre que hay. Su conclusión: la caída del precio no necesariamente significa que ahora sea una ganga.
Menciona que sus propias proyecciones (las de él/su fondo) para el EBITDA de 2016 eran de 5 a 5,5 mil millones, no muy lejos de lo que decía la empresa (6 mil millones) — así que en ese punto no ve una mentira grosera de parte de la empresa.
Pero introduce un concepto importante: en empresas farmacéuticas, gran parte del valor de la acción no depende de las ganancias de este año, sino del valor terminal: una estimación de cuánto va a valer el negocio “para siempre” después de varios años, descontado a valor presente con una tasa de descuento (una tasa que ajusta el valor del dinero futuro a dinero de hoy, y que sube cuando hay más riesgo o incertidumbre).
El problema: si no confiás en que la gerencia va a ejecutar bien a largo plazo, ese valor terminal se vuelve muy incierto, y como es la mayor parte del valor de la empresa, toda la valuación se vuelve un signo de pregunta gigante.
Acá hace una predicción personal, con nombre y apellido: dice que no cree que Michael Pearson (el CEO) sobreviva esta semana en su puesto, que probablemente el directorio lo eche ese mismo día. Aclara que a él le cae bien Pearson como persona de negocios, pero el criterio que usa es simple y brutal: la acción no subió desde que Pearson asumió (2011) — y para cualquier directorio, eso es la gota que rebalsa el vaso con un CEO, por más simpático que sea.
(Dato real, aunque no hace falta que lo busque: efectivamente Pearson fue reemplazado como CEO poco después de este período.)
Acá empieza a mirar los datos de ventas por producto, usando datos de IMS (una consultora que trackea ventas de farmacéuticas).
Xifaxan: esperaban crecimiento secuencial (de un trimestre al otro) y en cambio hay una caída secuencial. Compara con datos de otra fuente (prescripciones/IMS) que mostraban un 7-8% de crecimiento, y sin embargo las ventas reportadas cayeron 5%. Esa discrepancia (crecimiento en recetas pero caída en ventas reportadas) es sospechosa — sugiere que hay algo raro pasando en el canal de distribución (farmacias/mayoristas comprando menos stock, no que se estén vendiendo menos pastillas a pacientes).
Jublia (un antimicótico, para hongos en las uñas): acá es donde se pone realmente duro. Caída secuencial de 30-36%, en pleno período de lanzamiento del producto (lanzado hace 4-5 trimestres). Su comentario es tajante: “nunca en mi vida vi ese tipo de caída en medio de un lanzamiento”. Un producto recién lanzado normalmente está creciendo fuerte, no cayendo así. Esto es una señal de alarma muy fuerte, no un ruido normal.
Acá menciona Philidor — la farmacia especializada vinculada a un escándalo de Valeant (la empresa usaba esta farmacia para inflar artificialmente las ventas reportadas, entre otras prácticas cuestionadas). No lo explica en detalle en la clase (asume que la audiencia ya lo conoce), pero lo señala como la explicación más probable detrás de estos números tan raros: si dejaron de usar esas prácticas, las ventas “reales” (sin trucos) se desploman.
También apunta que, en medio de toda esta controversia, es lógico que mayoristas y farmacias estén menos dispuestos a stockear productos de Valeant — nadie quiere quedarse con inventario de una empresa bajo sospecha.
Esta es la parte donde más “redondea para abajo”, como pediste.
Plantea una hipótesis cínica (aclara que es “el punto de vista más cínico posible”, no necesariamente lo que él cree al 100%, pero la toma en serio): que el negocio de dermatología de Valeant no era un negocio de verdad sostenible, sino una especie de “loophole” (vacío legal/truco regulatorio) que la empresa explotó — comprar medicamentos dermatológicos viejos y no muy importantes médicamente, y subirles el precio agresivamente, generando un crecimiento artificial y temporal, no real.
Va producto por producto y en casi todos encuentra la misma historia:
Su conclusión sobre este segmento: el negocio de derm probablemente va a encogerse, no crecer ni mantenerse estable como se esperaba antes. Ajusta su modelo hacia abajo para reflejar esto.
Con todos estos ajustes (EBITDA multiple bajo, deuda neta que no mejora, derm derrumbándose, incertidumbre en la gerencia), arma un número de valuación: usando una tasa de crecimiento terminal negativa (-5%) y una tasa de descuento del 7,5%, le da un valor de unos $50 por acción, contra un precio de mercado en ese momento de $37.
Pero — y esto es importante para no sacar falsas esperanzas — él mismo aclara varias cosas que bajan el entusiasmo de ese número:
Si tuviera que resumirte la conclusión real de la clase (no la superficial): Valeant cayó 50% en un día, pero según el análisis de Shkrelli eso no la convierte automáticamente en una oportunidad de compra. Los datos de ventas subyacentes en productos clave (Jublia, Xifaxan, Solodyn) muestran caídas que él describe como “nunca vistas”, probablemente ligadas a que se cortaron las prácticas cuestionables (Philidor) que inflaban las cifras antes. El negocio de dermatología en particular podría estar mostrando su verdadera cara: mucho más chico y frágil de lo que parecía. Y la pieza más grande de la valuación (el valor terminal) depende de una gerencia que él mismo predice que no va a seguir en el cargo.
¿Querés que te explique con más detalle alguno de los conceptos que usó (EBITDA, EV, deuda neta, valor terminal, tasa de descuento) con un ejemplo numérico simple, aparte de lo que ya salió en la clase? O seguimos con la próxima parte de la transcripción cuando la tengas.
Dale, vamos a repasar esto en detalle. Es Shkreli analizando en vivo el reporte trimestral de Valeant Pharmaceuticals (la transcripción automática lo escribe mal como “Valiant” varias veces, y varios nombres de drogas también están mal transcriptos — te los aclaro abajo). Está haciendo lo que se llama “modelar” una empresa: agarra el reporte oficial, lo compara con estimaciones externas (IMS Health, una base de datos de ventas farmacéuticas), y trata de armar su propio número de “fair value” (valor justo) por acción.
Como pediste, no me salteo cosas, y donde el panorama es ambiguo lo interpreto para el lado pesimista, no optimista.
Valeant venía de un trimestre muy malo. El CEO, Mike Pearson, estaba volviendo de una licencia médica. Shkreli menciona un concepto clave:
“Kitchen sink quarter” (trimestre de “tirar todo a la basura de una”): cuando una empresa está en problemas y, en vez de ir bajando expectativas de a poco, baja TODO de golpe a un piso muy bajo. La idea (cínica) es “sacarse toda la mala noticia de encima en un solo trimestre” para que después cualquier cosa parezca una mejora. Shkreli aclara que él no lo recomienda como estrategia (“no advocate it”), pero sospecha que es lo que está pasando acá. Esto es una señal de alerta, no de tranquilidad: si una empresa hace esto, generalmente es porque las cosas estaban peor de lo que decían antes.
La guía (proyección) de ingresos que dio la empresa bajó de un rango de $2.8-3.1 mil millones a $2.3-2.4 mil millones. Es un recorte grande. Shkreli duda que incluso ese número más bajo sea alcanzable.
Esto es importante para entender casi todo el análisis. Cuando una farmacéutica vende a mayoristas/farmacias, esos intermediarios a veces acumulan más inventario del que van a vender a pacientes (“stocking”), y otras veces lo bajan (“destocking”). Esto hace que las ventas reportadas por la empresa no coincidan con las ventas reales a pacientes (que mide IMS Health).
Shkreli compara los datos de IMS (demanda real) contra lo que reporta Valeant, y encuentra contradicciones: por ejemplo, un producto que según IMS crecía 17% pero la empresa dice que va a caer. Su conclusión: probablemente hay un problema de “destocking” fuerte, es decir, los mayoristas están vaciando inventario, lo cual va a seguir pegándole a los ingresos reportados en el corto plazo, aunque la demanda real no haya caído tanto. Esto lo lleva a pensar que ni siquiera el guidance rebajado es creíble — para el lado negativo.
Xifaxan (transcripto como “cupramine” / “39” / “71”): se suponía que era la gran marca de crecimiento de la empresa, y el trimestre fue muy malo — muy por debajo de lo que el propio Shkreli pronosticaba. Su reacción es de shock (“how are you serious” = “¿en serio?”, repetido varias veces por error de transcripción, probablemente decía algo como “seriously?”). Conclusión negativa: si su producto estrella de crecimiento falla así, es difícil confiar en cualquier otra proyección de crecimiento de la empresa.
Wellbutrin: acá hay algo raro — el producto NO tuvo un mal trimestre, lo cual lo sorprende, porque esperaba que sí. Su hipótesis es que quizás no dependía tanto de la promoción de “Philidor” (una distribuidora especializada que Valeant usaba para empujar ventas, que después fue un escándalo grande de la empresa) sino de médicos que simplemente lo siguen recetando por costumbre. Es el único punto medianamente neutral/positivo de todo el análisis, pero lo trata con desconfianza (“weirdest situation I’ve ever seen”).
Bausch & Lomb / cuidado ocular (transcripto mal como “Durham” / “baoshan long”): la división de consumo ocular. Cae fuerte. Menciona:
Jublia (hongos en las uñas): va a perder patente pronto (se va a hacer genérico), así que Shkreli dice que hay que “recortar” las expectativas de crecimiento para este producto.
Loteprednol (transcripto como “lo-to-max”, un corticoide oftálmico): Shkreli usa una herramienta pública, la base de datos “Drugs@FDA”, para investigar si un medicamento tiene competencia genérica. Encuentra que no hay “equivalentes terapéuticos” (o sea, sin genéricos todavía) pero que no hay barrera de entrada real — cualquier laboratorio genérico grande (Alcon, Allergan) lo podría copiar en cualquier momento. También encuentra un “DMF” (Drug Master File — un documento que un fabricante de genéricos presenta ante la FDA como paso previo a poder vender su propia versión) presentado en 2014 por un fabricante llamado Crystal Pharma. Conclusión: es cuestión de tiempo para que este producto se vuelva genérico también.
Arestin (transcripto como “arrest him” — es un gel de minociclina, un antibiótico, para enfermedad de encías): este sí parece un poco más defendible. Usa un polímero bio-reabsorbible (PLA) que es técnicamente difícil de replicar, y la FDA pide directamente un ensayo clínico (no solo bioequivalencia) para aprobar un genérico — eso es una barrera de entrada fuerte. Pero aun así, es solo un producto de ~$100-130 millones por trimestre. Su conclusión es fría: “no te entusiasmes tanto”, porque en el esquema de una empresa de 40 mil millones de dólares, un producto de 100 millones no cambia nada.
Sprout Pharmaceuticals: menciona de pasada que la empresa “no debería haber comprado Sprout” — Sprout es la empresa que hacía Addyi (la “viagra femenina”). Lo tira como un comentario negativo sobre las decisiones de asignación de capital de Valeant, no como algo positivo que se perdieron.
Shkreli intenta reconstruir el balance sumando y restando partes:
Hace una comparación importante: dice que el negocio de “consumo/marcas establecidas” de Valeant se parece al negocio que GSK (GlaxoSmithKline) estaba tratando de vender en su momento — un negocio de marcas viejas, sin crecimiento, cayendo 5-10% anual, básicamente “un batido de cosas” (mishmash) sin franquicias realmente valiosas. La conclusión es que ninguna de las marcas de Valeant es lo suficientemente fuerte como para sostener a toda la empresa.
Con todos estos ajustes negativos (destocking, pérdida de patentes, Asia plana, falta de franquicias fuertes), Shkreli llega a un “fair value” de $20-24 por acción. Esto es la conclusión central de todo el análisis: según su modelo, la acción vale mucho menos de lo que cotizaba en ese momento en el mercado (“pretty far from the current stock price in the wrong direction” — es decir, el precio de mercado estaba muy por encima de lo que él considera que vale la empresa).
“Fair value” (valor justo), para que quede claro el concepto: es la estimación de cuánto debería valer una acción según los fundamentos del negocio (ganancias esperadas, riesgos, crecimiento real), en contraste con el precio al que efectivamente cotiza en la bolsa. Cuando alguien dice “el fair value está muy por debajo del precio de mercado”, está diciendo básicamente “esta acción está cara / sobrevalorada”.
El razonamiento completo de Shkreli es un ejercicio de tesis bajista (bearish, apostando a que el precio va a caer): la empresa depende de pocos productos, varios de esos productos están por perder protección de patente (van a “genericarse”), los datos de demanda real (IMS) no coinciden con lo que dice la empresa, y ni las divisiones “seguras” (emerging markets, consumo) están mostrando el crecimiento prometido. Todo eso lo lleva a un valor por acción muy inferior al precio de mercado. No hay ningún punto en el audio donde él encuentre una razón fuerte para ser optimista — el máximo que dice es “quizás Wellbutrin sorprende”, pero incluso eso lo trata con sospecha.
Si querés, en el próximo tramo puedo seguir explicándote más términos técnicos a medida que aparecen (por ejemplo “EPS”, “enterprise value”, cómo se arma un DCF, etc.) o puedo armarte un glosario aparte con todos los términos financieros que van saliendo en estos audios para que lo tengas de referencia.
¡Dale! Vamos a ir despacio porque el archivo es un audio transcripto automáticamente (por eso hay errores raros: “valiant” es Valeant, “psych Faxon”/“zybax” es Xifaxan, “IMS” es una base de datos de recetas). Voy a explicarte todo en español, con contexto, sin asumir que sabés nada previo.
Está analizando Valeant Pharmaceuticals (una farmacéutica que en 2015-2016 estaba en el centro de un escándalo grande: Philidor, una farmacia especializada que usaban para inflar ventas de forma cuestionable, y que cuando explotó el escándalo, se cayeron mucho las ventas de la división de dermatología — “derm”). La acción venía cayendo fuerte (menciona que pasó de “66 a 26” o “60 a 20” dólares), y él está tratando de armar un modelo de valuación para saber si a ese precio la acción está barata o cara.
Esto no es una recomendación de inversión, ni yo soy asesor financiero — te lo explico solo para que entiendas los conceptos.
Al principio dice que el “valor terminal” (terminal value = el valor que le asignás a un negocio en el largo plazo, cuando ya no podés proyectar año por año) es un “hodgepodge” (mezcolanza) de marcas chiquitas. La idea: cuando una empresa farmacéutica tiene un montón de productos chicos y dispersos (no uno o dos grandes), es difícil ponerles un precio, porque:
Nota negativa a tener en cuenta: esto ya es una señal de alerta — negocios difíciles de valuar tienden a valer menos de lo que el optimista cree, no más.
Xifaxan es un antibiótico de Salix (que Valeant había comprado), usado para el síndrome de intestino irritable y encefalopatía hepática. Es una parte grande del negocio.
Él usa datos de IMS (hoy IQVIA) — es una empresa que trackea cuántas recetas se despachan en farmacias semana a semana. Con eso:
Conclusión de él: el producto no es tan “volátil y terrible” como el mercado cree en ese momento — la tendencia real es más estable. Pero — ojo con esto — dice que el IMS no incluye toda la venta bruta (probablemente subestima ~30%), así que ajusta hacia arriba: unos 900 millones de dólares anuales le parece razonable, contra 1.2 mil millones que da el IMS crudo ajustado.
Por qué esto casi no importa para la valuación (concepto clave de finanzas): Él explica algo importante: si tenés una empresa que vive muchos años y genera caja de forma estable, una diferencia de 100-200 millones en un año no cambia mucho el valor presente neto (NPV) de todo el flujo de caja futuro. Lo que sí importa muchísimo es la dirección (¿el negocio crece o se muere?) — sobre todo en farma, porque los productos tienen ciclos de vida finitos (patentes que vencen, genéricos que entran). En cambio, en negocios de tecnología o consumo con vida más larga, ese “ruido” de corto plazo importa menos relativamente. Acá, el “vencimiento” del producto (cuándo entra el genérico) es lo que manda.
Esta es la parte más técnica y es central para valorar farmacéuticas, así que vale la pena que la entiendas bien:
Él está tratando de estimar cuándo exactamente entra el genérico de Xifaxan al mercado, porque analiza la fecha de presentación (dice “12/18/15”, diciembre de 2015) y debate si esa fecha cuenta como el inicio real del bloqueo de 30 meses (dice que técnicamente hay dudas legales sobre si la sumisión estaba “completa”). Su estimación: genérico aprobado entre 2019 y 2020.
Sobre las patentes de Xifaxan — esto es clave y negativo:
Sobre la competencia genérica y el “market share”: Él plantea la incertidumbre real: cuando entra un genérico, a veces toma el 95% del mercado rapidísimo, y a veces apenas penetra un poco. Depende de cuántos competidores genéricos entran (¿solo 2? ¿3 o 4?). Con más competidores, más presión de precio y más pérdida de share para el original. Esto es muy difícil de predecir con precisión, así que otra vez: mejor sesgar las proyecciones hacia el escenario pesimista que hacia el optimista.
Repasa varios productos y para casi todos la conclusión es negativa:
Dato duro que menciona: la caída de la división “otros derm” fue del 23% secuencial, y “derm” cayó 34% secuencial. Esto confirma que el impacto de Philidor fue real y grande, y que puede que ni siquiera esté totalmente reflejado todavía (“maybe not even fully annualized” = puede que el efecto completo en 12 meses todavía no se vea del todo, o sea, podría seguir empeorando).
Divide el negocio en segmentos (dermatología, consumo, GI/gastrointestinal, cirugía, neurología, “resto del mundo”, LatAm, EMEA, etc.) y a cada uno le asigna una tasa de crecimiento o decrecimiento esperado. Ejemplos que menciona:
Usa el concepto de “weighted average maturity” (vida media ponderada): en vez de asumir una sola tasa de crecimiento para toda la empresa, promedia (ponderado por tamaño de ingresos) las tasas de crecimiento/decrecimiento de cada segmento. Llega a un número negativo (dice “-1.7%” en un momento), es decir, en promedio la empresa se está contrayendo, no creciendo.
Resultado final del ejercicio: llega a una valuación de ~$37 por acción, pero después de ajustar el margen bruto real (73% en vez de 70%) y otros supuestos, la revisa a la baja, a ~$30 por acción. Y aclara que “todavía hay más trabajo por hacer” — o sea, esto es un número preliminar, no definitivo.
Dice algo que es una regla de oro del “value investing”: “la mayoría de las acciones no vale la pena tradearlas o invertir en ellas — esto no es la excepción. Solo me meto en acciones cuando hay un descuento gigante contra el valor justo.” Es decir: no alcanza con que algo “parezca barato” — tiene que haber un margen de seguridad grande entre el precio de mercado y tu estimación de valor real, porque tu estimación puede estar mal. También menciona que le gusta el “shorting” (apostar a que una acción va a bajar, vendiendo prestado), lo cual es coherente con todo el tono pesimista/escéptico del análisis: está buscando razones por las que la acción vale menos de lo que el mercado podría pensar, no al revés.
En cada punto de incertidumbre (patentes, genéricos, segmento internacional, impuestos, márgenes), la regla que aplica una y otra vez es: cuando no sabés, asumí el escenario peor o más conservador, no el mejor. No asignar valor terminal alto a productos con patentes débiles, no asumir que los impuestos se quedan en cero para siempre, no asumir que el “resto del mundo” crece si no tenés visibilidad real. Es un ejercicio de DCF (descuento de flujos de caja) con sesgo pesimista deliberado, no un ejercicio de buscar razones para justificar un precio alto.
Si querés, en el próximo mensaje puedo armarte un glosario corto con todos estos términos (NPV, terminal value, paragraph IV, 30-month stay, weighted average maturity, etc.) para que los tengas de referencia rápida.
Dale, vamos por partes. Es un análisis de valuación (parece ser sobre Valeant, la farmacéutica que se desplomó de $250 a $35 la acción) hecho en vivo, medio desordenado como habla, así que te lo voy a traducir y explicar tramo por tramo, sin resumir de más. Te marco los conceptos financieros que aparecen porque decís que arrancás de cero.
Esto es un análisis de DCF (Discounted Cash Flow / flujo de caja descontado): un método para calcular cuánto “vale” una acción hoy, proyectando las ganancias futuras de la empresa y trayéndolas a valor presente con una tasa de descuento. Cuanto más incierto o riesgoso el negocio, más alta la tasa de descuento que se usa, y por lo tanto más bajo el valor que te da la cuenta.
“cero, pero eso también es porque son hombres en esa posición, así que eso va a cambiar… 7% es más o menos una tasa de impuestos de largo plazo ‘arbitrable’, tal vez sea razonable. Ok, entonces $28 por acción, esa es mi mejor estimación. $28.37.”
Es el cierre de un cálculo previo (no lo tenemos completo) donde llega a un valor de $28.37 por acción. La parte de “arbitrable” se refiere a que asume que la tasa de impuestos de la empresa (7%, muy baja) se puede sostener en el tiempo por estructuras fiscales internacionales.
“Ciertamente Xifaxan es uno de los drivers más grandes, pero el otro gran driver es: ¿qué es este negocio internacional (fuera de EE.UU.)? Tengo datos de IMS Health, no sé qué tan precisos son.”
Menciona Xifaxan (un medicamento) como uno de los principales motores de ingresos, y dice que la otra pieza clave es el negocio “ex-US” (fuera de Estados Unidos). IMS Health es una empresa que vende datos de prescripciones médicas — la usa para chequear cifras, pero admite que no confía del todo en la precisión.
“No, no la shortearía. Digo eso para cada 10 acciones en el mercado: una está subvaluada, una está sobrevaluada, y ocho están valuadas justo. Y esta… no me entusiasma.”
Este es un principio de value investing: la mayoría de las acciones (80%) están más o menos bien valuadas por el mercado; solo una minoría chica está claramente barata o cara. Su conclusión: esta acción no le genera entusiasmo en ningún sentido — ni para comprar, ni para shortear.
Shortear / short selling: apostar a que el precio de una acción va a bajar (pedís prestada la acción, la vendés, y esperás recomprarla más barata después).
“Si hubiera sabido lo mal que iba a salir el trimestre, obviamente estos cambios ya se hubieran incorporado antes. Pero no, no creo que sea un short. Ciertamente quisiera comprarla… ojalá hubiera estado short, obviamente la acción quedó destruida. Ojalá hubiera estado short, ¿quién no querría estar short de una acción de $250 yendo a $35? Sería una ganancia impresionante.”
Acá es honesto y admite el error: en retrospectiva, shortear esa acción hubiera sido extremadamente rentable (cayó de $250 a $35), pero él no lo vio venir con la información que tenía en ese momento.
“Creo que esto es una debilidad sorprendente, no solo en los números del trimestre reportado, sino más importante, en la guía (proyección) para el próximo trimestre: la debilidad de Jublia, el fracaso de Solodyn — estas son debilidades permanentes, no algo temporal. Son desastres permanentes.”
Esto es la idea central y negativa de todo el segmento: Jublia (tratamiento para hongos en las uñas) y Solodyn (medicamento para el acné) no tuvieron un mal trimestre pasajero — su negocio se está derrumbando de forma estructural y permanente. Esto es clave: el mercado farmacéutico es brutal cuando entra competencia genérica, y estos productos parecen haber perdido su ventaja para siempre, no temporalmente.
“El negocio dermatológico prácticamente desapareció… tal vez sea progresivo, pero definitivamente fue destruido. Y neurología también está cayendo bastante.”
Traduzco “durum business” como negocio dermatológico (derm = dermatología), que es coherente porque Jublia y Solodyn son productos dermatológicos. Este negocio, dice, colapsó.
“Es un negocio muy complejo, así que el esfuerzo no vale la pena si querés estudiar esta empresa en detalle — es como estudiar 30 o 40 negocios distintos, lo cual es frustrante. Prefiero estudiar una acción pública que tenga uno o dos negocios. Esta es literalmente 40 o 50 negocios distintos en uno. Tal vez exagero, tal vez son 10 o 20, pero igual es mucho trabajo para poder operar una acción. Hay maneras mucho mejores de hacer dinero en la vida que operando acciones.”
Punto importante y honesto: una empresa demasiado diversificada y compleja es difícil de valuar bien, y el esfuerzo de análisis puede no justificar el beneficio potencial. Esto es un consejo práctico de inversión: cuidado con empresas “conglomerado” que son en realidad decenas de negocios distintos metidos en una sola acción.
“Es muy poco probable que la acción valga el doble o el triple de donde está, y es muy poco probable que valga la mitad. Tal vez valga un cuarto o un tercio menos, algo así.”
O sea: descarta escenarios extremos (ni está regalada, ni está carísima), pero sí ve algo de sobrevaluación moderada (quizás 25-33% de baja adicional posible).
Esta es la parte central del análisis, una tabla de sensibilidad de DCF: cómo cambia el valor por acción según qué tasa de crecimiento de largo plazo asumís para el negocio farmacéutico fuera de EE.UU.
“Creo que la tasa de crecimiento de largo plazo de cualquier negocio cercana al 3% es poco probable… si pensás que el crecimiento farmacéutico de largo plazo fuera de EE.UU. es del 3%, estás siendo bastante optimista. Eso está por encima del crecimiento de la inflación, en un negocio tipo ‘commodity’ con muy pocas barreras de entrada… y asumiendo que hay 3% de crecimiento en esta mezcla de negocios que incluye EMEA — que sabemos que NO es un negocio de crecimiento — hay que sacar a EMEA de la ecuación.”
EMEA = Europa, Medio Oriente y África (una región de negocio). Él dice que EMEA definitivamente no crece, así que hay que descontarla de cualquier supuesto optimista.
La tabla que arma (crecimiento asumido → valor por acción):
| Crecimiento de largo plazo | Valor por acción |
|---|---|
| 2% | ~$50 |
| ~1.5% | ~$43 |
| 1% | ~$37 |
| 0% (plano) | ~$31 |
| -1% | ~$26 |
“El mercado te está diciendo que es un negocio de 1% de crecimiento fuera de EE.UU., lo cual es difícil de sostener. Si fuera un negocio de -1%, estarías hablando de una acción de $26, lo cual es bastante inquietante.”
Esto es la idea más importante de todo el texto: él está usando el precio actual de mercado para “despejar” (implied) qué tasa de crecimiento está asumiendo el mercado — y esa tasa implícita es apenas 1%, muy pesimista. Y agrega que ni siquiera está seguro de que valga la pena asumir que el negocio en Asia/Latinoamérica/resto del mundo va a crecer al 3%, dado lo difícil que es gestionar bien negocios en China o Brasil en medio de esta crisis.
Conclusión de este tramo (negativa, como pediste sin falsas esperanzas): no ve que la acción esté barata. La esperanza de todo este ejercicio — encontrar una oportunidad de compra después de una caída del 50%— no se cumple. Dice explícitamente que no está barata.
“Con una tasa de descuento del 6% y 2-3% de crecimiento en el negocio ex-US ex-Europa, podés llegar a $60 por acción, lo cual sí valdría la pena comprar.”
Pero inmediatamente se autocorrige y dice que usar una tasa de descuento tan baja (6%, similar a Procter & Gamble, una empresa mucho más segura y estable) es poco realista para una empresa con tantos problemas como esta.
Conclusión honesta: dice que se está dando “algunas libertades” (siendo generoso) con estos supuestos, y que un análisis más realista probablemente da un número más bajo, no más alto.
“Parece que está valuada justo (fairly valued). No creo que hagas mucho dinero comprándola, tampoco creo que te vaya bien shorteándola. Pero también dije eso hace unos meses y no sabía que el negocio dermatológico era una fachada.”
Reconoce otra vez su error anterior: hace meses pensó que era neutral, y no anticipó que el negocio dermatológico (Jublia, Solodyn) iba a colapsar tanto.
“Solodyn: pensé que era un producto de 50-60 millones de dólares por trimestre para siempre. Ahora es un producto de 20 millones por trimestre. Ves lo mismo con Jublia. Y creo que el año que viene le va a tocar a Wellbutrin — en algún momento tiene que colapsar también.”
Otra predicción bajista importante: anticipa que Wellbutrin (antidepresivo) va a ser el próximo producto en sufrir erosión de ventas (probablemente por competencia genérica).
“Kitchen sinking” — este es un término clave: significa que una empresa, cuando ya está en problemas, aprovecha para “tirar todo lo malo de una vez” en un solo trimestre (bajar toda la guía, reconocer todas las pérdidas juntas) para resetear expectativas del mercado y no tener que dar malas noticias de a poco en el futuro. Él sospecha que eso es parte de lo que está pasando acá.
¿Querés que sigamos con la próxima parte cuando la tengas, o preferís que primero repasemos algún concepto de estos (DCF, tasa de descuento, kitchen sinking, etc.) más despacio con un ejemplo numérico simple?
Buenísimo, entonces ya tenés el análisis completo. Antes de cerrar, te dejo un resumen bien concreto de los conceptos financieros que aparecieron en este texto, para que te queden anotados como “glosario” de esta primera lección:
Conceptos clave que viste hoy:
La lección de fondo de todo el texto, sin darte falsas esperanzas: analizar acciones bien es mucho trabajo, los supuestos “optimistas” tienden a fallar hacia el lado negativo, y hasta alguien haciendo el análisis en detalle se equivocó meses atrás sin ver venir el colapso de una parte del negocio. La conclusión final fue “no está barata, no me entusiasma ni para comprar ni para shortear.”
Si me pasás la próxima parte del stream cuando la tengas, seguimos. Y si en algún momento querés que armemos un ejemplo numérico simple de DCF (con una empresa inventada, números fáciles) para que se te fije el mecanismo, avisame.