Tydzień temu pisałem o najlepszych spółkach w historii GPW – spółkach, które od swojego debiutu wypracowały stopy zwrotu powyżej 900%, czyli stały się dziesięciokrotniakami i utrzymały ten status do dziś. Liderem w tej grupie jest LPP ze stopą zwrotu zbliżoną do 40 000%. Grupę zamyka Auto Partner ze stopą zwrotu na poziomie 924%.
W dużym uproszczeniu z Łukaszem Wojtów chcieliśmy sprawdzić, czy warto inwestować w dziesięciokrotniaki. Identyfikowanie takich spółek, gdy już osiągną status ten-baggerów, może być niezwykle trudne. Natomiast identyfikowanie spółek, które wypracowały 900% stopy zwrotu od debiutu lub minimum poprzedzającego rajd, jest łatwiejsze.
Część czytelników zauważy zapewne, że sprawdzaliśmy, czy w przypadku dziesięciokrotniaków występuje efekt momentum, czyli efekt kontynuowania ruchu. W żargonie inwestycyjnym oznacza to kupowanie zwycięzców – w tym przypadku spektakularnych zwycięzców, ponieważ chodzi o spółki generujące 900% stopy zwrotu.
W pierwszej części cyklu zajmowałem się dziesięciokrotniakami od debiutu. Spodziewaliśmy się, że w tym przypadku efekt momentum może być słaby, ponieważ od debiutu do osiągnięcia statusu ten-baggera może minąć dużo czasu, a samo osiągnięcie tego progu nie musiało być poprzedzone silnym rajdem.
W ostatnim tekście pokazałem, że stopy zwrotu z najlepszych spółek po osiągnięciu przez nie statusu ten-baggera nie robią wrażenia. Przeciętna stopa zwrotu od momentu osiągnięcia progu do teraz wynosi „tylko” 328%. Mediana to 64%. Kupowanie ich „na wieczność” nie jest dobrą strategią inwestycyjną.
Sytuacja wygląda lepiej, jeśli zmierzymy stopę zwrotu od osiągnięcia statusu ten-baggera do historycznego szczytu. Przy takim kryterium przeciętna stopa zwrotu wynosi 467%, a mediana to 165%.
Powyższe dane są interesujące, ale nie mają praktycznej wartości inwestycyjnej. Po pierwsze, dotyczą „wygranych ten-baggerów”, więc są całkowicie skażone efektem pewności wstecznej (nie wiemy, który ten-bagger utrzyma swój status). Nie wiemy również, który szczyt okaże się historycznym maksimum.
Liczyliśmy roczne, 2-letnie, 3-letnie i 5-letnie stopy zwrotu od momentu osiągnięcia progu ten-baggera. Liczyliśmy je dla wszystkich ten-baggerów w bazie notowań Stooq. Było ich 99. Połowa z nich utrzymała ten status, połowa go straciła. Zanim przejdę do zbiorczej analizy momentum dla progu ten-baggera liczonego od debiutu, chciałbym zapoznać czytelników z grupą przegranych wygranych – spółkami, które zdobyły status ten-baggera, a później go straciły. Czasem spektakularnie.
Z zestawienia ten-baggerów wybrałem spółki, które od historycznego szczytu do teraz (koniec sierpnia) lub ostatniego notowania w przypadku spółek wycofanych straciły co najmniej 60%. Myślę, że powstała bardzo interesująca i zróżnicowana grupa. Wygląda tak:
Spółki z powyższego zestawienia można podzielić na kilka grup:
- spekulacyjne „grzanki”, które spektakularnie napompowano, a później spuszczono z nich powietrze (np. Elkop czy PC Guard)
- spółki z dużym potencjałem, którym nie wyszło (np. Bioton albo Medicalgorithmics)
- spółki, których kurs spektakularnie wzrósł w okresie świetnej koniunktury w branży (np. PCC Exol albo Mostostal Płock)
- spółki, które zaliczyły rajd w okresie hossy w reprezentowanym przez nie temacie inwestycyjnym (np. Photon Energy, Protektor)
- spółki, w których popełniono wyraźne błędy w zarządzaniu (np. PBG czy IDM)
Oczywiście, niektóre spółki można przypisać do kilku kategorii jednocześnie. Wiele spółek budowlanych pasuje zarówno do trzeciej, czwartej, jak i piątej kategorii (np. PBG). Granica między „nie wyszło” a „popełniono wyraźne błędy” nie jest wyraźna.
Moim zdaniem zestawienie przegranych wygranych jest równie interesujące, co zestawienie najlepszych spółek w historii GPW. Pokazuje, że status wygranej spółki można stracić, a wiele spółek, które wydają się inwestycjami „na wieczność”, okazuje się jedynie „przelotnymi okazjami inwestycyjnymi”.
Powyższe zestawienie jest także interesującą bazą do zrobienia ćwiczenia „post mortem”, czyli analizy tego, co może nie wyjść w dobrze zapowiadających się historiach inwestycyjnych. W przypadku ten-baggerów inwestorzy skupiają się na identyfikacji wygranych. Poznanie przegranych w tej grupie może być równie przydatne w kontekście analizy fundamentalnej.
8 Komentarzy
Dodaj komentarz
Niezależnie, DM BOŚ S.A. zwraca uwagę, że inwestowanie w instrumenty finansowe wiąże się z ryzykiem utraty części lub całości zainwestowanych środków. Podjęcie decyzji inwestycyjnej powinno nastąpić po pełnym zrozumieniu potencjalnych ryzyk i korzyści związanych z danym instrumentem finansowym oraz rodzajem transakcji. Indywidualna stopa zwrotu klienta nie jest tożsama z wynikiem inwestycyjnym danego instrumentu finansowego i jest uzależniona od dnia nabycia i sprzedaży konkretnego instrumentu finansowego oraz od poziomu pobranych opłat i poniesionych kosztów. Opodatkowanie dochodów z inwestycji zależy od indywidualnej sytuacji każdego klienta i może ulec zmianie w przyszłości. W przypadku gdy materiał zawiera wyniki osiągnięte w przeszłości, to nie należy ich traktować jako pewnego wskaźnika na przyszłość. W przypadku gdy materiał zawiera wzmiankę lub odniesienie do symulacji wyników osiągniętych w przeszłości, to nie należy ich traktować jako pewnego wskaźnika przyszłych wyników. Więcej informacji o instrumentach finansowych i ryzyku z nimi związanym znajduje się w serwisie bossa.pl w części MIFID: Materiały informacyjne MiFID -> Ogólny opis istoty instrumentów finansowych oraz ryzyka związanego z inwestowaniem w instrumenty finansowe.
Ja bym dołożył spółki którym udało się wejść do w20 bo tam można najlepiej rozpakować towar zbierany przez lata wzrostu, chodzi mi o płynność czyli realną możliwość pozbycia się towaru w dużej ilości
@ Niko
Kiedyś to zrobię. Ale to wymaga dużo ręcznej pracy bo nie ma przyjaznej bazy zmian w WIG20.
Na szybko znalazłem coś takiego (zakładam, że to poprawne) — lista wszystkich spółek, które były w WIG20, od jego początku do 2019:
Nazwa / Pierwszy dzień w WIG20 / Ostatni dzień w WIG20
AGORA 21.06.1999 19.03.2010
AGROS 16.10.1996 17.09.1999
ALIOR 24.03.2014
AMICA 16.01.1998 21.03.2003
ANIMEX 16.04.1996 15.07.1997
ASSECOPOL 22.03.1999 16.03.2018
BACA 22.03.2004 17.12.2004
BANKBPH 18.04.1995 20.03.2008
BIOTON 19.12.2005 17.12.2010
BOGDANKA 21.03.2011 18.12.2015
BORYSZEW 20.03.2006 21.06.2013
BUDIMEX 16.10.1995 17.12.2004
CCC 21.12.2015
CDPROJEKT 28.01.2002
CEZ 18.12.2006 16.09.2011
COMARCH 19.03.2001 19.03.2004
CYFRPLSAT 23.03.2009
DEBICA 16.01.1995 17.06.2005
DINOPL 18.03.2019
ELEKTRIM 16.04.1994 20.09.2002
ENEA 23.03.2015 17.03.2017
ENERGA 23.03.2015 15.03.2019
ESPEBEPE 18.04.1995 17.07.1995
EUROCASH 18.03.2013 15.03.2019
EXBUD 16.04.1994 14.11.2000
GETIN 25.03.2008 16.03.2012
GÓRAŻDŻE 16.01.1996 18.06.1999
GRUPAONET 16.01.1997 20.09.2002
GTC 20.09.2004 21.03.2014
HANDLOWY 22.09.1997 21.03.2014
INGBSK 16.04.1994 21.06.2002
IRENA 16.04.1994 15.01.1996
JELFA 17.10.1994 17.07.1995
JSW 19.09.2011
KABLEHOLD 16.04.1994 20.02.2002
KERNEL 21.03.2011 20.03.2015
KETY 16.04.1996 16.03.2007
KGHM 22.09.1997
KREDYTB 18.10.1994 17.04.1995
KROSNO 16.04.1994 15.01.1995
LOTOS 19.09.2005
LPP 24.03.2014
MBANK 16.04.1994
MILLENNIUM 16.04.1994 19.03.2004
MOL 20.06.2005 21.09.2007
MSXRESOUR 16.04.1994 21.09.2001
NETIA 15.11.2000 15.06.2007
OKOCIM 16.04.1994 19.03.1999
ORANGEPL 22.03.1999
ORBIS 21.09.1998 15.12.2006
PBG 18.06.2007 16.03.2012
PBK 20.12.1999 02.01.2002
PEKAO 21.09.1998
PELION 23.09.2002 17.09.2004
PGE 22.03.2010
PGNIG 19.12.2005
PKNORLEN 20.12.1999
PKOBP 20.12.2004
PLAY 18.03.2019
POLIFARBC 16.04.1994 18.06.1999
POLIFARBW 17.10.1994 15.04.1996
POLIMEXMS 20.12.2004 18.03.2011
POLNORD 24.09.2007 20.03.2009
PROCHNIK 16.04.1994 17.07.1994
PROKOM 22.06.1998 20.03.2008
PZU 17.05.2010
RAFAKO 18.07.1994 15.10.1996
PROVIMROL 18.04.1995 15.01.1997
ROVESE 22.03.2004 14.05.2010
SANPL 24.09.2001
SOKOLOW 16.04.1994 15.10.1995
STALEXP 16.01.1995 17.06.2005
STOMIL 16.01.1996 17.03.2000
SWARZEDZ 16.04.1994 16.10.1994
SWIECIE 16.07.1997 16.09.2005
SYGNITY 20.12.1999 16.12.2005
SYNTHOS 19.03.2012 18.03.2016
TAURONPE 20.12.2010
TVN 20.06.2005 15.03.2013
UNIVERSAL 16.04.1994 19.09.1998
VISTULA 16.04.1994 15.01.1995
WBK 16.04.1994 19.06.1998
WEDEL 16.04.1994 15.01.1998
WOLCZANKA 16.04.1994 16.10.1994
ZYWIEC 16.04.1994 16.03.2001
Na podstawie artykułu w Bankierze ["WIG20 kończy 25 lat. Poznaj historię flagowego indeksu GPW" z 2019-04-16] i zawartego tam linku do tych danych w serwisie "infogram".
Umyślnie nie wklejam samych linków, bo system dodawania komentarzy pewnie automatycznie zablokuje.
Dane od 2019 (a nawet od 2009) publikuje już sama GPW w przystępnej formie (PDFy ze wszystkimi zmianami indeksu i datą).
@ Grzegorz Link
Dzięki.
GPW podaje kwartalne zmiany indeksów w PDF od 2009 chyba ale dla mnie to nie są przyjazne dane. Przy moich zdolnościach to wstawianie tabelek do Excela i męczenie się z formułą do wyłapania zmian.
Co Ty, nie rób tego ręcznie. Można to zrobić w Pythonie w jakieś 20+kilka linijek (zakładam, że miałbyś już ściągnięte pliki, jak nie to trochę więcej) z jedną z ogólnodostępnych bibliotek czytających pliki PDF.
Ale jeśli nie programujesz, to możesz też zrobić to z pomocą GPT.
Wpisałem właśnie testowo w ChatGPT (otwarta, bezpłatna wersja):
"Przesyłam 3 pliki PDF – każdy ma datę na początku nazwy. W każdym wyodrębnij pierwszą tabelę w pliku, i napisz, chronologicznie, które spółki się zmieniły (wypadły z tabeli, lub się w niej pojawiły). Jeśli spółka wypadła z tabeli, albo się w niej pojawiła, chciałbym żebyś podał jej nazwę (trzecia kolumna tabeli), ISIN (druga kolumna tabeli) i datę — to będzie ta sama data, która jest w nazwie pliku PDF, z którego tabela pochodzi."
I poprawnie zrobił to dla 3 wrzuconych plików ze strony GPW.
Wersja bezpłatna ma chyba ograniczenie do 3 plików, i pewnie jakaś liczba promptów, ale generalnie da sie to zrobić szybko i sprawnie.
Też nie optymalizowałem tego prompta, możliwe że da się to lepiej sformułować.
@ Grzegorz
Te dane z Bankiera nie są użyteczne bo zawierają pierwszą i ostatnią datę. A spółki wchodziły i wychodziły z indeksu. Efekt jest taki, że nie ma każdej zmiany w indeksie. Tylko część.
@ Grzegorz
Wykonał Ci to polecenie. Bo wpisałem ten sam prompt dla 10 plików i nie jest nawet blisko.
@ trystero
Dane z Bankiera — faktycznie, nie pomyślałem o tym wariancie, że spółka wychodzi i ponownie wchodzi do WIG20. Ale przynajmniej mamy tu daty pierwszego (jak się domyślam) wejścia, więc przynajmniej taki wariant można przetestować.
Szukałem jeszcze alterntywnych darmowo-dostępnych danych, i na Wiki są zmiany WIG20 od 2005 roku do dziś, ale tam tylko w formie tekstu.
Dane z ChatGPT — sprawdziłem tylko dla 3 najnowszych, i tam było poprawnie. Może akurat miałem szczęście. Faktycznie może się mylić przy większej liczbie plików, ale można sobie z tym poradzić:
– można spróbować prompt po angielsku (tłumaczenie z PL na EN pewnie wprowadza jakąś niejednoznaczność, a on domyślnie funkcjonuje w EN)
– można spróbować "seriami" po kilka plików,
– można spróbować inny prompt. Prostszy. AI zwykle bardziej się myli, im bardziej złożona czynność (bo błędy poszczególnych kroków się akumulują), więc można np. w jednym prompcie poprosić "stwórz osobne 10 tabeli z tych osobnych 10 plików", sprawdzić czy są poprawne, a dopiero później "wypisz, które kolumny się różnią między kolejnymi tabelami".
Ogólnie możliwości jest multum, coś w końcu zadziała.
Ale zgadzam się, że rozwiązanie pewniejsze, to po prostu samemu to zaprogramować w Pythonie — tam i ściąganie ze strony GPW, i sortowanie w tabeli, i wychwytywanie różnić w DataFrame'ach nie będzie żadnym problemem. Ale tam jest już jakaś większa bariera wejścia.