1. Filosofía y principios de la cartera

2. Implementación de la cartera

3. Reglas permanentes

4. Función de cada bloque en ciclos económicos

5. Comportamiento de la cartera en crisis

6. Rentabilidad esperada de cada bloque

7. Limitaciones y peores escenarios

8. Conclusión

Desde que comencé en Substack he hablado por separado de casi todos los activos que componen el core de mi cartera de inversión, pero nunca de la cartera en su conjunto.

• Oro: comenté mi sistema para rotar entre oro y plata basándome en el ratio oro-plata.

• Emergentes: posición base en MSCI Emerging Markets que roté temporalmente al ETF KWEB.

• Liquidez: el ETF AGAC (iShares Core Global Aggregate Bond UCITS) en un inicio hacía la función de la parte de bonos y liquidez de mi cartera.

• Bonos: cuando los bonos a 30 años americanos alcanzaron rentabilidades del 5,2% y superiores, decidí rotar parte de mi posición en AGAC directamente a bonos americanos de larga duración US-T Gov 4.75 Nov15’53.

• Renta variable: tengo un bloque de renta variable de crecimiento/riesgo en el que el core rota entre MSCI World y MSCI World Equal Weighted según un conjunto de reglas preestablecidas. Y otro bloque de renta variable de calidad cuyo core y posición base es Berkshire Hathaway.

• Inmobiliario: mediante inversión en REITs. La posición base de este bloque es Realty Income.

Como os decía todavía no había hecho un artículo donde hablara de la cartera en su conjunto, del peso y función de cada bloque.

Vamos a ello.

Filosofía y principios de la cartera

La piedra angular y objetivo principal de la cartera de Poetic Street Capital es construir un patrimonio capaz de sobrevivir a cualquier escenario económico. Busca maximizar tres variables: supervivencia, crecimiento del patrimonio y tranquilidad psicológica.

No se pretende adivinar el ciclo económico ni predecir la próxima recesión. Tampoco batir al SP500.

El objetivo es ambicioso y a la vez modesto. Construir una arquitectura de cartera tan robusta que sea capaz de sobrevivir décadas sin necesidad de acertar las predicciones macroeconómicas. Es difícil saber con certeza qué va a ocurrir, y por tanto la cartera tiene que estar razonablemente preparada para todo.

Principios

Priorizar robustez frente a rentabilidad

Renunciamos a parte de la rentabilidad a cambio de aumentar la probabilidad de sobrevivir a cualquier régimen.

Nadie conoce el ciclo económico

Es muy difícil anticipar recesiones, inflación o deflación, guerras o política monetaria. La cartera intenta estar diversificada por la función económica de cada bloque.

Cada activo tiene su momento donde históricamente ha brillado

El oro protege frente a la pérdida de confianza monetaria. Los bonos largos son el paracaídas para momentos de pánico o etapas deflacionarias. Las utilities dan estabilidad.

Las acciones de crecimiento funcionan en momentos de expansión económica, los REITs dan rentas y protegen parcialmente contra la inflación, y Berkshire Hathaway es un tanque todoterreno que combina características defensivas y ofensivas.

La cartera no busca el mejor activo en cada momento, sino tener varios activos de forma equilibrada para distintos escenarios.

Evitar vender por miedo

Porque ese es el error que la mayoría de los inversores cometen en momentos de crisis y pánico. Y ahí es cuando los activos defensivos deben brillar y compensar las pérdidas de los otros. La cartera pretende que sea más fácil psicológicamente mantenerla incluso en los mercados más difíciles. La estabilidad emocional es una prioridad y una ventaja de por sí.

Tener liquidez

Y hablando de estabilidad emocional, ese es el propósito también de la liquidez en la cartera. No es obligatoriamente efectivo. Por ejemplo, el ETF AGAC cumple parcialmente esta función de ser liquidez, porque aunque es un ETF de bonos globales investment grade, en la cartera actúa como estabilizador, amortiguador de volatilidad y como munición para futuras oportunidades.

Implementación de la cartera

Bloques y pesos

Diversificar no es solo tener muchos activos distintos, sino combinar activos cuya fuente principal de rentabilidad sea diferente. Renta variable, renta fija, metales preciosos, inmobiliario, emergentes, utilities, conglomerados, empresas de crecimiento, empresas de calidad. Se trata de diversificar motores económicos.

Toda la arquitectura gira en torno a ocho bloques, cada uno vinculado a un motor económico distinto.

Como muestra la tabla anterior, la cartera base/core intenta estar diversificada de tal manera que funcione en distintos regímenes económicos, con motores económicos diferentes para cada momento. Se podría resumir en:

• 10% oro: pérdida de confianza en monedas / bancos centrales.

• 10% liquidez y equivalentes: preservación de capital + capacidad de compra táctica.

• 20% bonos y utilities: defensivo, desaceleración, recesión, caída de tipos.

• 8% activos reales: rentas, parcialmente inflación.

• 22% calidad: calidad empresarial.

• 22% crecimiento: crecimiento económico global, diversificación amplia.

• 8% emergentes: desarrollo de economías no maduras.

• 0% commodities: materias primas físicas, cobertura adicional de inflación, shocks de oferta. Es opcional, dependiendo de precios en materias primas. Tras las últimas subidas, vendí está posición.

Estructura core-satélite

Hasta ahora hemos descrito el core o situación base de la cartera con los pesos de cada uno de sus bloques.

Pero la cartera está pensada para que, cuando aparezcan oportunidades, desde cada bloque pueda haber rotaciones hacia satélites que cumplan la misma función en la cartera.

Para entender esta estructura core-satélite, lo mejor es ver la situación actual de la cartera:

Si agrupamos cada activo individual por bloque funcional, tenemos:

• 🏛️Bonos

  • Core: US-T Govt Bond 4.75 Nov 15’53

  • Satélite: Redeia

• 💵Liquidez

  • Core: ETF AGAC

• 🪙Oro

  • Core: ETF IAU

• 🏢Inmobiliario

  • Core: Realty Income (O)

• 🌏Mercados emergentes

  • Satélite-rotación: ETF KWEB

• 🚀Crecimiento

  • Core: MSCI World Equal Weighted (MWEQ ETF). Cuando el gap entre MSCI World y el Equal Weighted se cierre, volverá a MSCI World.

  • Satélite: Meta (META)

  • Satélite: ASTS SpaceMobile (ASTS)

  • Satélite: Nintendo (NTDOY). Añadido en crecimiento-riesgo por su ciclicidad.

  • Satélite: Howard Hughes Holdings (HHH). Añadido en crecimiento por estar en plena evolución hacia un conglomerado tipo Berkshire y ser una apuesta por Bill Ackman.

• 💎Calidad

  • Core: Berkshire Hathaway (BRK.B)

  • Satélite: McDonald’s (MCD)

Como vemos en cada bloque ha habido rotaciones. Una parte de bonos ha ido a parar a bond-proxies (la utility Redeia). En mercados emergentes roté completamente la posición base MSCI Emerging Markets a KWEB por lo sobrevalorado que estaba el primero debido a su peso en semiconductores. En crecimiento ha habido varias rotaciones desde el core MSCI World (Eq) a acciones individuales. Y en calidad, una parte de Berkshire Hathaway fue rotada a McDonald´s.

Pero a pesar de las rotaciones, los pesos finales de los bloques funcionales de la cartera intentan mantenerse cercanos a la estructura diseñada.

Reglas permanentes

Filosofía y arquitectura

• No se intenta hacer predicciones macroeconómicas.

• Cada activo que entra en cartera tiene un propósito y es parte de un bloque funcional.

• La implementación (los activos dentro de la cartera) puede evolucionar pero la arquitectura (los bloques, funciones y sus pesos) no debería cambiar, o hacerlo raramente.

Gestión del riesgo

• Los bloques deben tender a su peso predefinido. Si se alejan, se ajustan pesos en el siguiente rebalanceo.

• Las caídas de mercado no son motivo de venta de las posiciones core.

Berkshire Hathaway y MSCI World

• Berkshire es el core del bloque de calidad y se mantiene mientras conserve su ventaja como asignador de capital superior a la media del mercado. Si esta ventaja se deteriora estructuralmente, la función debe traspasarse a otro activo, no eliminar el bloque.

• MSCI World / MSCI World Equal Weighted se mantiene como apuesta permanente y diversificada por el crecimiento económico mundial, sin apuestas por país o sector.

Satélites

• Los satélites (META, HHH, ASTS, NTDOY, MCD) tienen una tesis y un criterio de salida.

• Los satélites son apuestas tácticas, no estructurales.

AGAC, oro y emergentes

• AGAC no se trata como renta fija defensiva pura, sino como capital-munición lista para actuar.

• El oro no se juzga por su rentabilidad. Es necesario en cartera: su función es de seguro para las situaciones que ya hemos comentado. El oro podría rotar en escenarios de desequilibrio extremo hacia la plata.

• El bloque de emergentes también puede rotar hacia satélites.

Comportamiento

• No se vende por pánico, se rebalancean bloques.

• No se persigue el activo de mejor rendimiento.

• Se debe ser disciplinado para mantener la cartera lo más cerca posible de su situación base sin intentar adivinar el ciclo o sobreponderar un bloque.

Función de cada bloque en ciclos económicos

Atención: el siguiente esquema ha sido generado con Claude. Tras describir a Claude mi cartera, sus pesos y los principios y reglas que sigo en la misma, le pedí que estimara un comportamiento de la cartera en cada ciclo económico.

📈Expansión

• Mejor comportamiento: MSCI World, crecimiento/riesgo y calidad.

• Peor comportamiento: oro y bonos largos.

📉 Recesión

• Mejor comportamiento: bonos largos, oro y liquidez.

• Peor comportamiento: crecimiento-riesgo y emergentes.

🔥 Inflación

• Mejor comportamiento: oro, activos reales y utilities.

• Peor comportamiento: bonos largos y crecimiento no rentable.

❄️ Deflación

• Mejor comportamiento: bonos largos y calidad defensiva.

• Peor comportamiento: inmobiliario, emergentes y materias primas.

⚠️ Estanflación

• Mejor comportamiento: oro y utilities.

• Peor comportamiento: todos los demás bloques.

💥 Burbuja tecnológica-estallido

• Mejor comportamiento: calidad, oro y liquidez.

• Peor comportamiento: crecimiento/riesgo.

🏦 Crisis bancaria / de crédito

• Mejor comportamiento: oro, bonos y liquidez.

• Peor comportamiento: calidad cíclica, emergentes, y REITs con mucho apalancamiento.

🛡️ Guerra / Shock geopolítico

• Mejor comportamiento: oro, defensivos y liquidez.

• Peor comportamiento: emergentes y activos con riesgo en la cadena de suministros.

🤖 Revolución tecnológica

• Mejor comportamiento: MSCI World y crecimiento-riesgo.

• Peor comportamiento: activos sin exposición a la innovación.

Comportamiento de la cartera en crisis

Atención: el siguiente esquema ha sido generado con Claude. Tras describir a Claude mi cartera, sus pesos y los principios y reglas que sigo en la misma, le pedí que estimara un comportamiento de la cartera en episodios complicados de mercado en la historia.

🏭 1900–1913: Segunda Revolución Industrial

• Mejor comportamiento: crecimiento y calidad industrial.

⚔️ 1914–1918: Primera Guerra Mundial

• Mejor comportamiento: oro y defensivos.

🎷 1919–1928: Felices años veinte

• Mejor comportamiento: crecimiento y calidad.

📉 1929–1933: Gran Depresión

• Mejor comportamiento: bonos largos, oro y liquidez.

🛡️ 1939–1945: Segunda Guerra Mundial

• Mejor comportamiento: oro, activos reales y defensivos.

🏗️ 1945–1965: Reconstrucción mundial

• Mejor comportamiento: crecimiento y MSCI World.

🔥 1966–1982: Gran Inflación

• Mejor comportamiento: oro, activos reales y utilities.

📈 1982–1999: Gran Desinflación / Gran Moderación

• Mejor comportamiento: crecimiento, calidad y bonos largos.

💥 2000–2002: Estallido puntocom

• Mejor comportamiento: calidad, oro y liquidez.

🏦 2008–2009: Crisis Financiera Global

• Mejor comportamiento: bonos largos, oro y liquidez.

🦠 2020: COVID-19

• Mejor comportamiento: oro, liquidez y crecimiento en la recuperación posterior en V.

📉 2022: Inflación y subida agresiva de tipos

• Mejor comportamiento: parcialmente oro y utilities (año difícil para casi todos los bloques).

🤖 2025–2026: Inteligencia Artificial y reorganización geopolítica

• Mejor comportamiento: crecimiento/riesgo, MSCI World y emergentes tecnológicos.

Rentabilidad esperada de cada bloque

La siguiente tabla, construida con ayuda de Claude, da una estimación alcista, bajista y neutral de la rentabilidad anual de cada bloque de la cartera.

Con estas rentabilidades propuestas para cada bloque y partiendo de la situación base de la cartera (10% oro, 8% inmobiliario, 8% emergentes, 22% calidad, 22% crecimiento, 20% bonos, 10% liquidez), el rendimiento combinado sería de 6,9% en el escenario neutral, 9,2% en el alcista y 3,0% en el bajista.

Como digo, estas son estimaciones hechas con ayuda de Claude y creo que casi 7% en el escenario base es demasiado optimista. Suelo pensar en una rentabilidad media anual del 5% como base cuando hago planes a futuro.

Y por supuesto la rentabilidad final dependerá muchísimo de los aciertos o errores eligiendo y haciendo rotaciones hacia satélites, que es donde puede generarse alfa en la cartera.

Limitaciones y peores escenarios

Ninguna cartera es perfecta y hay que pensar tanto en sus fortalezas como en sus límites.

1. Normalmente no será la cartera más rentable

Se busca maximizar la probabilidad de supervivencia y la tranquilidad psicológica, más que la rentabilidad. Una cartera concentrada en renta variable obtendrá resultados mejores.

2. La Reserva Estratégica puede parecer un error durante años

Mantener una buena parte de la cartera en liquidez o en bonos diversificados durante años (como AGAC con rentabilidades probablemente no muy altas), puede ser psicológicamente difícil cuando ves las bolsas subir durante todo ese tiempo.

3. El oro puede no aportar rentabilidad durante años

No genera beneficios, dividendos ni cupones y podría estancarse durante años según el ciclo económico. Pero su función es proteger frente a riesgos monetarios extremos como posiblemente vivimos o estamos cerca de vivir en el presente.

4. Berkshire Hathaway dejará de ser Berkshire algún día

Berkshire podría perder su ventaja como asignador de capital en algún momento. Si eso ocurre, sería necesario actuar, cambiar el activo que representa esa función, pero no el bloque en sí mismo.

5. Innovación fuera del core

Las revoluciones tecnológicas suelen aparecer en empresas que aún pesan poco en los índices. Los satélites (META, HHH, ASTS) existen precisamente para mitigar eso. Pero incluso así es posible quedarse fuera de las grandes revalorizaciones si no se eligen bien estos satélites.

6. Inflación

2022 lo demostró. Renta fija y activos de crecimiento pueden caer a la vez. Y en 2022 el oro apenas amortiguó la caída. La cartera no es inmune a un escenario de inflación con grandes subidas de tipos.

7. Las rotaciones exigen criterio, no hay fórmula secreta

Rotar entre MSCI Emerging Markets y KWEB, o entre BRK.B y los satélites de calidad, o MSCI World y los satélites de crecimiento, requiere tomar decisiones correctas. La cartera puede ser 100% automática si te quedas en el core y solo rebalanceas, pero para obtener alfa mediante rotaciones adecuadas a satélites, no existe una fórmula matemática secreta que elimine la incertidumbre. Las reglas reducen el error pero no lo eliminan.

8. El mayor riesgo sigue siendo el comportamiento del inversor

Ninguna arquitectura de cartera o sistema protege si se abandona en el peor momento. Lo más importante es ceñirse a la cartera, sus pesos y las reglas que hemos elegido, y no vender o abandonar la estrategia en momentos de crisis y pánico.

Conclusión

Un buen sistema no es el que no falla nunca, sino el que conoce sus fallos, los asume y los hace compatibles con los objetivos de quien sigue el sistema. La fortaleza de la cartera que hemos descrito en este artículo no está en intentar acertar y anticipar el futuro, sino en aceptar que es imposible o muy difícil hacerlo.

Y por eso es preferible una arquitectura capaz de adaptarse a cambios y a distintos ciclos económicos.

De hoy en adelante llevaré una sección en Substack donde haré seguimiento de mi cartera basada en la arquitectura que se ha descrito en este artículo. Comentaré las compras y ventas realizadas, rentabilidades con sus ganancias o pérdidas, evolución de la cartera y argumentación de las decisiones tomadas.

Espero que este artículo os haya sido útil, aportado algo de valor, o al menos os haya dado alguna idea para implementar en vuestras carteras.

Nos vemos en el próximo.

Saludos.

Hoy leía un artículo en Bloomberg donde precisamente hablaban de cómo China está reduciendo rápidamente la ventaja con respecto a Estados Unidos e incluso tomando la delantera en algunas métricas, y cómo esto puede ser un problema para empresas como OpenAI y Anthropic, cuyas valoraciones se basan en la superioridad de sus capacidades.

Modelos como Kimi K3 supuestamente casi igualan las capacidades del modelo más avanzado de Anthropic a una fracción del coste.

¿Pero hasta qué punto es esto cierto? ¿Cómo se miden las capacidades de los modelos de inteligencia artificial? ¿Son fiables las pruebas que se realizan?

Antes de enterrar en vida a Claude o ChatGPT deberíamos hacernos algunas preguntas.

¿Cómo se comparan los LLM?

Arenas

Uno de los métodos para comparar LLM es mediante las llamadas arenas. Existen varios sitios que implementan estas arenas. Uno bastante conocido es arena.ai.

La idea básica detrás de ellas es que no existe un examen prestablecido para examinar a todos los modelos. Es más bien una batalla entre modelos: el usuario introduce un prompt y recibe dos respuestas de dos LLM diferentes, sin saber cuál de ellos ha producido cada respuesta.

Con ellas en pantalla, el usuario elige:

• respuesta A

• respuesta B

• empate

• o, según la arena concreta, podría indicar que ninguna es buena.

Con una gran cantidad de enfrentamientos y votos de usuarios, se construye un ranking basado en sus preferencias.

Problemas de las arenas

Este método de comparación tiene varios problemas:

• Mide preferencia humana sobre las respuestas. Lo cual es bastante diferente a medir precisión de la respuesta, capacidad matemática, razonamiento, capacidad de programación, capacidad para detectar errores, resistencia a alucinaciones, seguridad de las respuestas o capacidad de seguir instrucciones complejas.

• Un modelo puede producir una respuesta que un humano considere mejor y, sin embargo, contener un error que el usuario no detecte.

• El humano puede, directamente, no saber cuál es la respuesta correcta.

• Sesgo de estilo: un par de emoticonos y un chascarrillo en el lugar adecuado pueden cambiar por completo la elección del usuario y una vez más, quizás la respuesta más bonita o más graciosa, no sea la respuesta más exacta.

• Idioma: esto también es importante porque un modelo puede ser tremendamente bueno en chino y solamente bueno en inglés, o viceversa.

• También hay que tener en cuenta qué versión de cada modelo se usa en la arena en cuestión, porque no siempre se están usando los modelos más avanzados o de pago, con modos de razonamiento más intensivos.

• Prompts aislados: en las arenas se evalúan prompts de forma aislada, y sus respuestas. En la vida real el LLM se usa de forma totalmente distinta.

  • Prompt aislado: Prompt → respuesta A / respuesta B → voto.

  • Vida real: Prompt → respuesta → corrección → nuevo contexto → documento → contraargumento → revisión → cálculo → nueva información → conclusión.

Benchmarks y evaluaciones especializadas

Como vemos, las arenas no parecen el sistema más adecuado para medir por sí solas la capacidad de una IA.

En el artículo que os comentaba de Bloomberg, las gráficas que comparten hacen referencia a índices compuestos por el resultado de varios benchmarks especializados: Artificial Analysis Intelligence Index, Epoch Capabilities Index, Vals Index y Terminal-Bench 2.1.

Estos benchmarks son pruebas diseñadas para medir capacidades concretas de los modelos, como razonamiento, matemáticas, programación, ciencia o trabajo con agentes.

Experimento: diseñando una prueba de razonamiento para LLM

Vamos a hacer un pequeño experimento sencillo para entender qué tipo de pruebas se diseñan y se utilizan en estos benchmarks especializados.

Vamos a utilizar este prompt contra varios modelos públicos:

Hay 5 personas: Ana, Bruno, Carla, David y Elena. Cada una lleva una camiseta roja o azul. Cada persona puede ver las camisetas de los demás, pero no la suya. Ana dice: “No puedo saber mi color”. Bruno dice: “Yo tampoco”. Carla dice: “Ahora sí sé mi color”. ¿De qué color es la camiseta de Carla y cómo puede saberlo? Respuesta concisa y corta, en 4 o 5 líneas.

La gracia de este prompt es que es una variante del acertijo de los tres sombreros. Pero tal como está planteado, no tiene solución. Un buen LLM debería darse cuenta de que faltan datos y llegar a la conclusión de que no tiene solución, en vez de intentar resolverlo por similitud con algo conocido, como el acertijo de los tres sombreros.

Las respuestas recopiladas de cada modelo son las siguientes:

• Grok 4.5 Fast (modo gratuito, las versiones con más procesamiento son de pago):

  • Carla lleva camiseta roja.

    Se asume el conocimiento común de que hay al menos una roja.
    Ana no sabe → ve ≥1 roja (no hay solo 1 en total).
    Bruno tampoco → ve ≥1 (no hay solo 2 en total).
    Carla, al oír eso, ve exactamente 2 rojas y deduce que la suya es la tercera (roja).

• Ernie de Baidu, versión web por defecto:

  • La camiseta de Carla es de color distinto al común de David y Elena; lo sabe porque si David y Elena fueran iguales, su color no puede coincidir con ellos (de lo contrario Bruno habría adivinado el suyo propio).

• Kimi, Instant con esfuerzo de pensamiento alto (por alta demanda de usuarios no permite el modo con mayor procesamiento de forma gratuita):

  • Carla lleva el color opuesto al que ve en David y Elena.

    Del silencio de Ana deduce que entre Bruno, Carla, David y Elena hay ambos colores. Del silencio de Bruno deduce que entre ella, David y Elena también hay ambos colores. Al ver que David y Elena llevan el mismo color, sabe que el suyo debe ser el contrario para cumplir esa condición.

• DeepSeek sin pensamiento profundo:

  • La camiseta de Carla es azul.
    Carla razona así: si Ana y Bruno no pueden saber su color, significa que no están viendo dos camisetas rojas en los demás (porque entonces sabrían que la suya es azul). Al ver Carla que Ana y Bruno dudan, deduce que su propia camiseta no puede ser roja, por lo tanto es azul.

• DeepSeek con pensamiento profundo:

  • Con la premisa usual de que hay al menos una camiseta roja (si no, no se puede deducir), Carla es roja. Ana no supo → no vio a Bruno, Carla, David y Elena todos azules. Bruno no supo → no vio a Ana, Carla, David y Elena todos azules. Carla deduce que, si ella fuera azul, Ana o Bruno habría visto a todos azules y habría sabido; como no fue así, su camiseta es roja.

• Qwen 3.7-plus sin nivel de pensamiento automático:

  • Asumiendo la regla clásica de 3 rojas y 2 azules: Ana no ve 2 azules (ve máximo 1). Si Bruno viera 1 azul en los demás, sabría que él es rojo (para no superar el límite de Ana). Como Bruno no sabe, significa que no ve ninguna azul entre Carla, David y Elena. Carla deduce entonces que ella no lleva azul al escuchar a Bruno. Por lo tanto, la camiseta de Carla es roja.

• Qwen 3.7-plus con nivel de pensamiento alto:

  • La camiseta de Carla es roja.
    Asumiendo la premisa clásica omitida (3 rojas y 2 azules),
    Ana no sabe porque no ve 2 azules (no hay 4 azules en total).
    Bruno tampoco sabe porque no ve 1 azul entre Carla, David y Elena.
    Carla deduce entonces que ella, David y Elena llevan camisetas rojas.

• Gemini 3.6 Flash:

  • La única forma en que Carla puede deducir su color tras oír que Ana y Bruno dudan es que las camisetas de Ana y Bruno sean iguales. Si Ana duda, descarta que las otras 4 sean del mismo color. Al dudar Bruno después, deduce que su camiseta y la de Ana no pueden romper la simetría con las demás. Carla sabe que el único patrón que genera esa secuencia de dudas ocurre cuando las dos primeras personas ven camisetas idénticas; al ver la camiseta de Ana (o Bruno), Carla sabe que la suya es exactamente del mismo color.

• Gemini 3.1 Pro con pensamiento extendido:

  • Asumiendo la regla clásica faltante en este acertijo de que hay 3 camisetas de un color (ej. rojas) y 2 del otro (azules):

    -Ana no sabe su color porque no ve las 2 camisetas azules en los demás (ve máximo una).

    -Bruno tampoco lo sabe porque no ve 1 azul delante; si la viera, sabría que su camiseta es roja para no sumar las 2 que delatarían a Ana.

    -Carla deduce lógicamente que si Bruno también dudó, es porque vio cero camisetas azules frente a él.

    -En consecuencia, Carla sabe con total seguridad que su propia camiseta es roja (el color mayoritario).

• Claude Sonnet 5:

  • No hay solución lógica válida: es un enunciado “trampa”. Para que las declaraciones de Ana y Bruno aporten información, necesitaría existir algún dato común previo (p. ej. “hay al menos una camiseta roja”), que aquí no se da. Sin eso, cualquiera puede decir siempre “no sé mi color” sin importar lo que vea, así que esas frases no transmiten nada.

    Por tanto, Carla no puede deducir su color a partir de esas dos afirmaciones vacías; el problema, tal como está planteado, no tiene información suficiente para resolverse.

• ChatGPT versión gratuita en web actualmente, GPT 5.6:

  • No se puede determinar: el acertijo está incompleto.
    Ana siempre podría decir “no sé”, independientemente de lo que vea.
    Por tanto, la afirmación de Bruno tampoco aporta información suficiente para Carla. Carla no puede deducir su color sin una regla adicional (p. ej., número limitado de camisetas de cada color).

Y esta es la comparativa final de las respuestas de cada modelo:

En la comparación no he tenido en cuenta tiempos. Pero modelos como Kimi, DeepSeek, Ernie,… han tardado muchísimo más en dar la respuesta que otros como ChatGPT, Claude o Gemini.

Ojo, vemos que cerca de Claude y ChatGPT, tenemos a la china Qwen con una puntuación relativamente buena a pesar de no haber resuelto correctamente el problema original (al igual que Gemini), pero que al menos explicita la premisa adicional que está introduciendo.

Pero Qwen tiene detrás un gigante como Alibaba y una infraestructura que nada tiene que envidiar a las occidentales. No tiene nada que ver con DeepSeek o Kimi (que son las supuestas amenazas de bajo coste que rondan a los titanes de la IA, devoradores de CapEx).

Problemas de los benchmarks

El ejemplo anterior nos ha valido para hacernos una idea del tipo de pruebas que un benchmark podría plantear a los LLM para comparar lo correctas que son sus respuestas.

Nuestro ejemplo es muy sencillo, un benchmark se compone de un montón de pruebas diferentes, y cada grupo de pruebas va orientado a probar una capacidad del modelo.

Y los índices compuestos como los que referencia Bloomberg en su artículo pueden agregar benchmarks muy diferentes. El resultado final dependerá de qué capacidades se ponderan más y cómo se construye el índice.

Los benchmarks e índices compuestos no están exentos de problemas:

• Aunque eliminemos el sesgo de estilo y las carencias de un humano para decidir qué respuesta es mejor, incluso en un benchmark lo más objetivo posible, los diseñadores tienen que tomar decisiones que terminan afectando al resultado de la prueba:

  • qué tareas incluir.

  • qué métricas utilizar.

  • qué peso dar a cada una.

  • cómo normalizar resultados.

  • cómo tratar modelos que son excelentes en algo pero peores en otra cosa.

• Un benchmark sigue sin ser comparable a la vida real. Por muchas capacidades que se quieran testear, por mucho que se quiera abarcar en la prueba, nunca será igual a la vida real y a lo que un LLM tendrá que solucionar en un caso práctico real (por ejemplo análisis financiero + razonamiento complejo + documentos largos + detectar errores + consistencia + investigación).

• Contaminación del benchmark: si una pregunta del conjunto de evaluación ya aparece en los datos de entrenamiento del LLM, el LLM podría saber la respuesta a esa pregunta por haberla visto durante el entrenamiento. Es decir, no la está resolviendo por capacidad de razonamiento y generalización. Es algo así como cuando vas a un examen tipo test y marcas la respuesta adecuada porque te la sabes de memoria o te suena, y ni siquiera estás entendiendo la pregunta ni la respuesta.

• Preparación para el examen: es ligeramente diferente a la contaminación. Un modelo podría haber sido entrenado con miles de ejemplos similares a los del propio benchmark haciendo que aprenda el formato de las preguntas, el tipo de razonamiento que se espera de él, patrones que suelen producir respuestas correctas, incluso estrategias para maximizar la puntuación. El modelo es perfecto para enfrentarse a ese benchmark, pero, ¿qué pasará con cualquier problema fuera del benchmark para el que fue “artificialmente” entrenado?

• Knowledge distillation / Destilación de conocimiento:

  • Es una técnica legítima mediante la cual un modelo pequeño utiliza respuestas de un modelo más potente como datos de entrada para su entrenamiento.

  • El problema aparece cuando se extraen sistemáticamente respuestas de modelos propietarios sin autorización. Esto no es una hipótesis. Según Anthropic, en febrero de 2026 DeepSeek, Moonshot y MiniMax habían utilizado millones de interacciones con Claude para entrenar sus modelos mediante destilación.

  • Esto no significa que un modelo pequeño simplemente copie respuestas de un modelo grande como ChatGPT o Claude, para saberse los benchmarks “de memoria”. Aunque en parte eso puede pasar, un modelo también puede desarrollar capacidades reales mediante destilación, no simplemente aprender una copia literal de las respuestas.

  • Pero la duda, y lo que tiene más que ver con la problemática de los benchmarks, es: ¿Cuánto de la capacidad de los modelos de bajo coste proviene de su propia capacidad general para razonar o para otros campos, y cuánto proviene de haber aprendido a mimetizar modelos que ya resolvieron esos problemas antes?

Hay mucha literatura sobre esto, pero como hemos visto en los puntos anteriores, los tests con pruebas prediseñadas no están exentos de problemas.

Para mí son especialmente críticos los puntos relacionados con contaminación, preparación para el examen, y sobre todo el último, el que habla de la destilación de conocimiento. Porque no permite distinguir fácilmente la capacidad genérica de un modelo en algunas áreas. No permite diferenciar fácilmente qué parte de su capacidad matemática, de razonamiento o de programación procede de una capacidad general propia y qué parte puede proceder de haber aprendido de otros modelos que ya resolvieron problemas similares.

No es lo mismo ser un gran físico que entiende y domina la teoría de la relatividad, que ser Einstein y ser capaz de idearla y desarrollarla desde cero.

Conclusión

Siento que este artículo se haya desviado un poco de la temática principal de este blog, que es la inversión y las finanzas. Aunque en parte, está relacionado con dudas que todo inversor en las BigTechs tiene ahora mismo: ¿Qué pasará con el enorme gasto en CapEx, se rentabilizará a tiempo? ¿Es realmente necesaria esa brutal inversión cuando vemos compañías chinas consiguiendo resultados similares con mucho menos?

En este artículo he intentado dar otro punto de vista para responder a esas preguntas.

No es lo mismo ser la locomotora del tren, que un vagón.

No es lo mismo que un LLM tenga capacidades generales para razonar y ser capaz de resolver problemas nuevos a los que no se ha enfrentado previamente, a que un LLM pueda resolver un problema porque ya ha visto y aprendido cómo otros lo han resuelto antes.

Es difícil saber qué ocurrirá a nivel financiero con Claude o ChatGPT. Podrían estar muy por delante de Kimi o DeepSeek, tecnológicamente hablando. Pero si estos últimos te resuelven el 90% de tus necesidades por un precio muy inferior, ¿estará la gente dispuesta a pagar un plus por la excelencia? ¿Y por ese porcentaje de problemas que Claude o ChatGPT sí son capaces de resolver?

Hay casos críticos. Por ejemplo, en mi experiencia, el análisis que te hacen Claude o ChatGPT de un informe de resultados de una empresa sigue estando bastante por encima del que consigue Kimi, DeepSeek e incluso Gemini. Y eso es algo que posiblemente algunos de los lectores de mi substack podrían haber experimentado ya. Si quieres obtener un análisis decente y correcto, necesitas recurrir a ellos.

Pero está claro que estos modelos “low-cost” van a llevarse una parte del pastel. La duda es si la parte del pastel restante, la que va a quedar para las grandes, será suficiente para mantenerlas a flote y permitirles rentabilizar la brutal inversión en CapEx que están haciendo.

Sea como sea, aunque he intentado recopilar toda la información que he podido, este artículo no deja de ser más de opinión que de números, y por tanto es mejor cogerlo con pinzas. Y por supuesto, como siempre, no es ningún tipo de consejo de inversión.

Espero que lo hayáis disfrutado.

Saludos.

Berkshire Hathaway representa el core de la parte de acciones de calidad de mi cartera. Actualmente pesa un 14%.

Llevaba tiempo planeando publicar una serie de artículos sobre Berkshire (al menos este y otro, quizás más si suscita interés), ya que un único artículo sería demasiado largo y denso para todo lo que me gustaría meter.

En este primer artículo, y coincidiendo con la publicación de los resultados del Q2 de 2026, realizaré una valoración estática de la empresa por sum-of-the-parts (SOTP), valorando y sumando, en base a los datos financieros de este Q2, cada parte del conglomerado.

En un segundo artículo, mi intención será utilizar el mismo método SOTP para analizar los resultados anuales de al menos 5~10 últimos años, de forma que podamos ver la evolución de la valoración de la empresa, y hacer una estimación del crecimiento y valoraciones que podríamos esperar a futuro.

Vamos a ello.

Líneas de negocio de Berkshire Hathaway

Berkshire es un conglomerado enorme. A grandes rasgos podríamos dividirlo en estos grupos:

• Insurance Underwriting Activities

• Insurance Investment Activities

• Railroad: Burlington Northern Santa Fe (BNSF)

• Berkshire Hathaway Energy (BHE)

• Manufacturing: Industrial Products

• Manufacturing: Building Products

• Manufacturing: Consumer Products

• Services

• McLane

• Retailing

• Pilot Travel Centers

El siguiente grafo muestra todas las líneas de negocio en detalle y en rojo la valoración que le hemos dado a esa línea de negocio. Explicaremos más abajo de dónde sale cada cosa para realizar la suma de las partes.

Múltiplos y datos financieros de cada negocio

Ahora que conocemos cada línea de negocio, necesitamos decidir qué múltiplos vamos a utilizar para calcular el valor de cada parte, y extraer los valores necesarios del informe de resultados.

Por cierto que para el cálculo que vamos a realizar, utilizaremos los datos financieros que nos ofrece el informe para toda la primera mitad de 2026, y luego anualizaremos esos datos (básicamente multiplicando por dos).

Railroad: Burlington Northern Santa Fe (BNSF): 12x EV/EBIT

En los resultados de Berkshire, para la línea de negocio de ferrocarriles, podemos obtener el EBIT del informe de los resultados.

Los ferrocarriles Clase I son negocios con grandes barreras de entrada, activos de larga duración, capacidad de fijación de precios (pricing power) y una alta generación de caja. Y son casi monopolios en la zona donde operan, no tiene sentido construir una vía paralela. Un múltiplo EV/EBIT de 12x es razonable para este tipo de negocios y en línea, incluso con un ligero descuento, con respecto de operadores como Union Pacific con el que frecuentemente se la compara (como vemos en el gráfico de abajo, la media de EV/EBIT de los últimos 20 años para UNP ha sido ~15x, incrementándose si hacemos la media para 15, 10 o menos número de años, por lo que elegir EV/EBIT de 12x para BNSF es bastante conservador).

Por cierto que, para BNSF y para BHE, el informe nos proporciona la deuda de cada una de estas líneas por separado por lo que a la hora de obtener el Equity Value podemos restar la deuda que nos proporcionan al Enterprise Value calculado y obtener una estimación más correcta.

Berkshire Hathaway Energy (BHE): 12x EV/EBIT

La parte de energía de Berkshire tiene utilities reguladas, redes de transmisión y gasoductos. Como con los ferrocarriles, son negocios con activos de larga duración y grandes barreras de entrada. Y con flujos aún más predecibles y estables que los mismos ferrocarriles (que pueden verse afectados por etapas de recesión y menor consumo). Como contrapartida, estos negocios de energia tienen una intensidad de capital elevada y mucho endeudamiento.

EV/EBITDA es una métrica más habitual para utilities e infraestructuras, pero hemos usado EV/EBIT en el modelo para mantener la homogeneidad con BNSF y adoptar una valoración más conservadora (dado el elevado nivel de depreciación y capex de estos negocios).

Un múltiplo EV/EBIT de 12x, similar al que dimos a la parte de ferrocarriles, reconoce la estabilidad del negocio regulado y los flujos de caja predecibles sin darle demasiada prima por crecimiento.

Además si comparamos con otras utilities, por ejemplo Duke Energy o Southern Company, vemos que 12x es bastante inferior a la media histórica de éstas.

Antes de seguir, un aviso para que no pille a nadie por sorpresa más abajo. Como para BHE sí tenemos la deuda desglosada (61.770 millones a cierre de Q2), y su EBIT anualizado a 12x da un Enterprise Value bastante ajustado frente a esa deuda, el Equity Value que sale para esta línea de negocio en la tabla final es muy pequeño, casi residual. No es que BHE valga poco, es una máquina regulada de generar caja, con casi 143.000 millones de activos. Es debido a la combinación de usar EV/EBIT (en vez de EV/EBITDA) con un nivel de apalancamiento alto. Esto hace que la deuda se coma casi toda la valoración. Lo dejo así porque prefiero pecar de conservador, pero prefiero explicarlo antes de mostrar la suma de las partes al final.

Manufacturing: Industrial Products: 13x EV/PBT

Los resultados de Berkshire proporcionan los Pre-tax earnings (Profit Before Tax, PBT) para estos negocios. Es preferible utilizar esta métrica que nos ofrece el propio reporte que intentar reconstruir otras. Así nuestro modelo no depende de estimaciones arbitrarias de intereses o depreciación. Y con el PBT que nos proporcionan, debemos estimar un múltiplo EV/PBT adecuado. Lo único a tener en cuenta es:

• EBIT = beneficio antes de intereses e impuestos.

• PBT = beneficio antes de impuestos, después de pagar intereses.

Como el PBT ya incorpora el gasto financiero (mientras que el EBIT no), para una misma empresa el EV/PBT va a ser normalmente superior. Así que si utilizamos históricos de EV/EBIT de otras compañías como referencia, debemos tener en cuenta la relación entre EBIT y PBT, antes de trasladar ese múltiplo a Berkshire.

Solo comento esto para tenerlo en cuenta a la hora de comparar con otras empresas del sector para elegir el múltiplo adecuado.

Además Berkshire no desglosa en los resultados la deuda para cada negocio de Manufacturing, Service y Retailing (MSR), como sí hace para BNSF y BHE. Para MSR, la financiación probablemente se gestiona de forma centralizada y la deuda puede estar asociada a la matriz. Y es la matriz la que proporciona capital a sus diferentes negocios según sus necesidades.

Así que tras calcular el EV, no podremos restarle la deuda para obtener el Equity Value (que es el valor que necesitamos realmente para poder comparar con la capitalización de mercado y saber cómo de cara o barata está la acción comparada con el resultado de nuestro modelo). Vamos a simplificar y asumir que en este caso EV = Equity Value.

Dicho esto, volviendo al caso concreto de los negocios de productos industriales, estos son de gran calidad, tienen marcas y posiciones competitivas fuertes, están expuestos a varios sectores industriales, y tienen capacidad de trasladar la inflación a los costes.

Un múltiplo 13x puede ser adecuado para reflejar una calidad de negocio superior a un conglomerado industrial cíclico convencional, y a la vez ofrece un descuento frente a las compañías industriales de mayor calidad.

Manufacturing - Building Products: 10x EV/PBT

Berkshire también tiene una línea de negocios de construcción y vivienda, y este tipo de negocios sí presentan mayor sensibilidad al ciclo inmobiliario, a los tipos hipotecarios, al volumen de viviendas nuevas, etc… Debemos darle un múltiplo inferior a, por ejemplo, el negocio industrial. Usaremos EV/PBT = 10x.

Manufacturing - Consumer Products: 10x EV/PBT

Sus negocios de consumo tienen marcas reconocidas y demanda más o menos recurrente, pero son negocios maduros con poco crecimiento ya. Un múltiplo 10x reconoce la calidad de las marcas y la diversificación, sin dar un crecimiento elevado.

Services: 11x EV/PBT

NetJets, FlightSafety y TTI tienen posiciones fuertes e ingresos recurrentes, y algo más de perspectiva de crecimiento que los negocios industriales, de construcción o de consumo. Usamos un EV/PBT 11x.

Al igual que para Manufacturing y Retailing, podemos obtener los Pre-tax earnings directamente del reporte.

McLane: 9x EV/PBT

Es un negocio de distribución de alimentos de enorme escala y demanda recurrente, pero con márgenes bajos y alta intensidad de capital circulante. Le damos un múltiplo EV/PBT 9x para reflejar sus bajos márgenes a pesar de ser un negocio defensivo.

Como vemos en la captura anterior, podemos obtener también sus Pre-tax earnings directamente del reporte.

Retailing: 9x EV/PBT

Tiene márgenes reducidos, alta competencia y mayor sensibilidad al consumo y a la situación económica. Le damos una valoración conservadora de EV/PBT 9x.

Pilot Travel Centers: 9x EV/PBT

Tiene una red de activos difícil de replicar en ubicaciones estratégicas, y una demanda recurrente. Pero los márgenes también aquí son reducidos, y la intensidad de capital elevada. Le damos EV/PBT 9x.

Insurance Underwriting Activities: 10x EV/PBT

Para el Underwriting del seguro el informe de resultados nos proporciona también el PBT como para el caso de Manufacturing, Services y Retailing (ojo, no confundir “Earnings before income taxes” con “Earnings before interest and taxes” que sería el EBIT).

Para este caso escogemos un múltiplo EV/PBT de 10x.

En una aseguradora, métricas como el ROE serían más apropiadas, pero hemos usado EV/PBT para valorar el underwriting de la aseguradora, para mantener un enfoque homogéneo con el resto de negocios. Esta parte del SOTP debe interpretarse con más cuidado.

Insurance Investment Activities

Para valorar la parte de inversiones de la aseguradora de Berkshire necesitamos extraer del reporte varios valores.

Si vamos al resumen de “Cash and investments” holdeados por el negocio asegurador, vemos que tiene un total de $553.31 billion en inversiones, que son parte del negocio asegurador y que contabilizamos en un bloque propio del SOTP.

Pero necesitamos también deducir cuál es el cash de Berkshire fuera de la parte aseguradora. Del balance, de los “Assets”, vemos que tenemos $35.09 billion en “Cash and cash equivalents” y otros $324.90 billion en “Short-term investments in U.S. Treasury Bills”. En total $35.09 billion + $324.90 billion = $360.00 billion.

Dentro de los $553.31 billion de “Cash and investments” de la aseguradora tenemos $210,310 billion en “Cash, cash equivalents and U.S. Treasury Bills”.

Para no duplicar cash en el SOTP, restamos a los $360.00 billion totales los $210.31 billion que ya están en la aseguradora (y que ya van incluidos en los $553.31 billion de “Cash and investments” de ésta), y con eso obtenemos el cash de Berkshire que se queda fuera de la aseguradora, para sumarlo por separado en el SOTP. Es decir $360.00 billion - $210.31 billion = $149.70 billion ajenos al negocio asegurador que se deben sumar por separado.

Otro tema a tener en cuenta: en nuestro SOTP vamos a sumar toda la parte de inversiones en acciones públicas. Para ser exactos, aquí deberíamos restar los impuestos sobre las ganancias si cada acción del portfolio de Berkshire fuera vendida ahora mismo. En nuestro modelo no lo hemos hecho, pero si queremos ser más conservadores podemos reducir esta cifra en un porcentaje.

Y si queremos ser aún más conservadores podríamos ajustar el valor del portfolio de Berkshire al valor que tendría si todas sus acciones estuvieran a múltiplos más acordes a sus medias históricas. Por ejemplo, podríamos considerar que Apple, Google, Coca-Cola, American Express u otras, están a valoraciones exigentes ahora mismo. Así que para hacer una valoración más exigente podríamos valorar la posición de Berkshire en estas empresas al precio que tendrían las mismas si estuvieran a múltiplos menos exigentes. Pero ahí ya entraríamos a especular cuál es el valor de cada posición de la cartera de Berkshire y nos estaríamos complicando excesivamente.

Podríamos simplemente aplicar un descuento a la parte de inversiones en el SOTP para tener en cuenta todo lo anterior (impuestos y múltiplos elevados).

Sum-of-the-Parts

Con todos los datos proporcionados por el informe de resultados que hemos recopilado y tras estimar los múltiplos adecuados para cada negocio, ya podemos intentar valorar Berkshire Hathaway por suma de las partes.

Una pequeña nota respecto a BHE. Tal y como ya avisé en la sección donde lo analizábamos, su Equity Value en la tabla es prácticamente cero. Es el resultado directo de castigar con EV/EBIT (en vez de EV/EBITDA) un negocio tan intensivo en capital y tan apalancado. No hay que leerlo como "BHE no vale nada", hemos sido excesivamente conservadores aquí y a unas malas, mejor haber sido conservadores y tener una valoración final más ajustada.

Dicho esto, como vemos, al precio actual de las acciones de Berkshire Hathaway, si la valoramos con nuestro modelo de SOTP con los parámetros relativamente conservadores que hemos elegido, se podría decir que al precio actual, Berkshire Hathaway está justamente valorada.

Pero vamos a elegir unos múltiplos aún más conservadores y vamos a aplicar un descuento al valor de la cartera de acciones de Berkshire para tener en cuenta impuestos y los múltiplos actuales elevados.

• BNSF: 10x EV/EBIT: activo de gran calidad, pero intensivo en capital.

• BHE: 9x EV/EBIT: utilities e infraestructura con elevada deuda y capex.

• Industrial Products: 11x EV/PBT: negocios de calidad, pero maduros y cíclicos.

• Building Products: 8x EV/PBT: mayor exposición al ciclo inmobiliario.

• Consumer Products: 8x EV/PBT: marcas sólidas, pero crecimiento limitado.

• Services: 9x EV/PBT: negocios de calidad, aunque con valoración prudente.

• McLane: 7x EV/PBT: márgenes muy bajos y elevada intensidad operativa.

• Retailing: 7x EV/PBT: negocios competitivos y de bajo margen.

• Pilot: 7x EV/PBT: activos atractivos, pero negocio intensivo en capital.

• Insurance Underwriting: 8x EV/PBT: franquicia excepcional, pero con prudencia ante la ciclicidad del underwriting.

Si elegimos estos múltiplos mucho más conservadores y además aplicamos un descuento de 30% al valor del portfolio de Berkshire Hathaway (30% elegido arbitrariamente para representar pago de impuestos más un posible ajuste de la cartera a múltiplos más razonables), entonces al precio actual estaría algo más sobrevalorada con respecto al valor que arroja nuestro modelo.

Conclusión

Hemos valorado Berkshire por suma de las partes y, incluso con múltiplos que podrían parecer conservadores, al precio actual la acción no parece excesivamente sobrevalorada.

El problema es que con SOTP valoramos la acción de forma estática, es decir, basándonos en lo que tenemos, elegimos unos múltiplos razonables, y comparamos el marketcap actual con el resultado del modelo. Pero no nos ofrece una estimación de crecimiento y valoración para los próximos años.

Por ello me gustaría hacer otro artículo en el que valoráramos por el mismo método los resultados de varios años anteriores para poder hacernos una idea de cómo podría evolucionar la valoración en próximos trimestres y años.

Como comentaba al principio, yo tengo posición en Berkshire, es parte del core de mi cartera, y cuando no tengo otras ideas mejores, una parte de mi dinero lo aparco en esta empresa, por su estabilidad y seguridad. Pero como vemos en la valoración, al precio actual, el modelo no parece ofrecer un margen de seguridad especialmente amplio, por lo que no parece razonable esperar que la rentabilidad futura venga de una fuerte expansión del múltiplo.

Espero que os haya gustado este artículo. Nunca había hecho una valoración de este tipo. No soy ningún gurú de la economía y me ha supuesto un esfuerzo de bastantes horas terminarla, y espero que todo lo dicho en el artículo sea correcto. Pero si veis algún error o algo que mejorar, cualquier comentario o crítica es bienvenido.

Saludos.

Hacíamos hincapié en el giro estratégico que la compañía ha llevado a cabo para convertirse en un híbrido entre REIT y gestora de activos de terceros. Como ya dijimos, había alcanzado acuerdos importantes con Apollo, GIC y el fondo U.S. Core Plus a este respecto.

Repaso rápido: la lista de la compra que traíamos desde el Q1

En el post anterior dejamos una foto del Q1 y una lista de puntos muy concretos que debíamos vigilar en los resultados del Q2.

Vamos punto por punto.

1. Ocupación del portfolio. Cerró el Q2 con una ocupación del 98.8%, algo inferior a la del Q1 con 98.9% pero superior al Q2 de 2025 con 98.6%. Y por encima de la media histórica de 98.4%. No hay señal de alarma.

2. Evolución del capital privado. Esto merece un apartado propio, que encontraréis más abajo. En mi opinión es de la información más importante del trimestre porque muestra la evolución de Realty Income hacia el modelo híbrido REIT + Gestora de activos.

3. AFFO por acción. El AFFO diluido del Q2 fue de $1.09 por acción, +3.8% interanual frente a los $1.05 del Q2 2025. Crece y es un buen dato, pero el crecimiento interanual del Q1 de 2026 fue de +6.6%. Ha habido una pequeña desaceleración que estaría bien vigilar en el próximo trimestre.

4. Volumen de adquisiciones. Invirtieron $2.600 millones en el trimestre ($2.100 millones a su cuota pro-rata) a un initial weighted average cash yield del 7.3%. Baja ligeramente frente a los $2.800M del Q1 ($2.600M pro-rata al 7.1%) pero el yield sube un poco. Lo interpreto como una mayor disciplina a la hora de mirar operaciones, seleccionando mejor y comprando menos. En el pasado se acusó a Realty Income de crecer por crecer, más que de ser tacaño en sus operaciones, así que tampoco parece una mala noticia.

5. Apalancamiento (Net Debt / Annualized Pro Forma Adjusted EBITDAre). Subió a 5.4x, desde el 5.2x del Q1. Sigue en un rango históricamente bueno y si incluimos el efectivo esperado por la liquidación de los forwards del programa ATM pendientes, el ratio baja a 5.2x.

6. Dividendo y sostenibilidad. La compañía lleva 115 incrementos trimestrales de dividendo consecutivos (y 135 desde su salida a bolsa en 1994). El dividendo anualizado queda en $3.252 por acción y el payout sobre el AFFO diluido del trimestre fue del 74.5%, que sigue en el rango 70-75% saludable. Sigue siendo la máquina de repartir dividendos mensuales crecientes que a sus inversores nos encanta.

La plataforma Realty Income Investment Management

En los resultados del Q2 el propio CEO ya ha dado nombre a la plataforma de gestión de activos de terceros, Realty Income Investment Management, y como él mismo dice, dará acceso a nuevas fuentes de crecimiento sin perder la disciplina financiera que caracteriza a Realty Income.

La jugada del trimestre: Cloud Capital y los centros de datos

El Q1 lo protagonizaron los acuerdos con Apollo, GIC y el fondo U.S. Core Plus. En el Q2 el protagonista absoluto es un nuevo actor: Cloud Capital, un operador de centros de datos cuyo objetivo es escalar infraestructura para hyperscalers en Estados Unidos y Europa. La operación inicial consta de tres centros de datos en el norte de Virginia (uno ya está listo, dos en desarrollo), 100% ya pre-alquilados a inquilinos con calificación de grado de inversión, con NNN lease a 15-20 años.

El valor de la transacción es de más de $6.000 millones. Realty Income se queda con un 45% de la participación y con un compromiso de invertir hasta $1.400 millones a su cuota, que irá desembolsando a medida que los activos se estabilicen.

En 2023 Realty Income ya dio sus primeros pasos para meter la cabeza en el mundo de los centros de datos con una joint venture con Digital Realty. Esta operación con Cloud Capital confirma que aquello no fue un experimento aislado.

En mi opinión esto es exactamente el tipo de estructura que uno quiere ver en un negocio que está evolucionando y se define a sí mismo, cada vez más, como algo más parecido a un gestor de infraestructura tipo Brookfield (salvando las distancias de escala y diversificación de activos) que a un simple propietario de locales comerciales.

El resto de la Realty Income Investment Management: tracción real, no solo anuncios

Más allá de Cloud Capital, la novedad del trimestre, el resto de piezas de la plataforma Realty Income Investment Management (RIM) que ya conocíamos desde el Q1 (el bono convertible, la JV con Apollo, la alianza con GIC) siguen avanzando y confirman con datos que realmente hay dinero de terceros entrando:

• U.S. Core Plus Fund: ya se había captado $1.700 millones en compromisos de capital. El 1 de enero Realty Income atrajo $638.0 millones de capital de terceros al fondo. El 1 de abril repitió la jugada con $310.0 millones adicionales. El 1 de julio atrajo otros $265.7 millones de capital de otros inversores. Tres rondas consecutivas de captación de capital, lo que diluye la participación de Realty Income en el fondo al 23.6%. Y esto es justamente lo que queremos ver. Que se diluya Realty Income porque entra capital externo, significa que está funcionando el modelo de “gestor que cobra comisiones” en vez de “propietario que pone todo el dinero”.

• Apollo: la joint venture de $2.000 millones con Apollo se formó el 31 de marzo, así que técnicamente forma parte del Q1. Pero merece la pena repasar y comentar como se realizó esta operación porque es bastante curioso. Realty Income aportó 492 inmuebles (retail) y Apollo adquirió una participación del 49% de dicha cartera de inmuebles. Realty Income se queda el 51% restante y la gestión de los inmuebles. Ese 49% de Apollo es una inyección directa de capital, $1.000 millones para Realty Income. Ahora, Apollo tiene un retorno objetivo del 6.875% de esos $1.000 millones, y Realty Income tiene la opción de recomprar la participación de Apollo entre el año 7 y el 15 pagando ese retorno objetivo. Entonces, si el negocio de Realty Income va bien y obtiene rentabilidades superiores a ese 6.875% mediante el alquiler de los 492 inmuebles de la joint venture más los inmuebles que adquiera con los $1.000 millones inyectados por Apollo, más ventajoso se volverá este acuerdo para Realty Income. Y más ventajoso será frente a haber emitido acciones nuevas para financiar la adquisición de inmuebles y el crecimiento de la empresa.

• GIC: la joint venture con el fondo soberano de Singapur de $1.500 millones para desarrollo industrial en EE.UU. y México, más el acuerdo de compra futura de $200 millones sobre una cartera industrial en México, ya se anunciaron en enero y tampoco es noticia de este Q2, pero sigue ahí, ejecutándose.

• Además de todo esto la compañía emitió en enero su primer bono convertible de la historia (cupón del 3.5%), y cerró su primera operación de “municipal prepay” con San Diego Community Power.

El resultado de todo esto en cifras es que el 73% del capital (equity) levantado en lo que va de 2026 procede de fuentes privadas:

• Aseguradoras vía Apollo

• Capital privado vía el fondo y la propia JV.

• 51% de la deuda captada en 2026 procede de fuentes nuevas (convertibles y municipal prepay) frente a bonos tradicionales.

La empresa está consiguiendo el objetivo de reducir la dependencia de ampliaciones de capital para financiar su crecimiento.

La medalla que faltaba en los ratings

El 3 de agosto de 2026, Fitch Ratings inició cobertura de Realty Income con una calificación ‘A’ y perspectiva estable. Con esto, la compañía completa el trío de calificadoras: Moody’s (A3), S&P (A-) y ahora Fitch (A), todas con perspectiva estable.

Fitch citó como razones el largo historial operativo y el comportamiento probado a lo largo de varios ciclos, la solidez del flujo de caja, la diversificación del portfolio y el acceso a múltiples fuentes de capital.

El guidance

Como podemos ver en la captura, se aumenta ligeramente el guidance anual, y las métricas acumuladas en los 6 primeros meses de 2026 muestran que, excepto para el beneficio neto por acción, están en el buen camino.

Conclusión

En el post anterior nos planteábamos si el giro hacia la gestión de activos de terceros por parte de Realty Income estaba ganando tracción. El Q2, con Cloud Capital, la dilución positiva del fondo U.S. Core Plus, la JV con Apollo y la ampliación con GIC, confirman que este camino hacia la gestión de activos no se trata de anuncios sueltos, es una estrategia real con varias piezas de la misma estrategia que se van encajando una detrás de otra, y cifras reales que confirman que hay capital de terceros entrando en casa.

• La ocupación se mantiene.

• El dividendo sigue creciendo.

• El balance ahora tiene tres calificaciones de grado de inversión.

• La pata de gestión de activos para terceros avanza y se va convirtiendo en un negocio de comisiones con dinero real detrás.

Sigo cómodo con mi posición en Realty Income y con la tesis.

Saludos.

Hoy mismo publica los resultados del Q2 de 2026 a cierre de mercado y como podéis imaginar me interesa especialmente vigilarlos.

Antes de entrar en los próximos resultados me gustaría escribir unas líneas que ayuden a comprender la situación actual de la empresa y el giro estratégico que está llevando a cabo en los últimos tiempos, y dar un contexto que nos ayude a entender con más facilidad estos resultados que serán publicados hoy.

Contexto de mercado para los REITs

En los últimos años, el entorno de tipos de interés elevados ha provocado una salida de capital desde una parte de la bolsa hacia la renta fija. Normalmente desde las acciones más seguras y conservadoras, y desde acciones que compiten con los bonos por el capital que busca rentas periódicas (dividendos). Este último es el caso de los REITs.

Además los REITs necesitan adquirir propiedades para crecer y los tipos altos encarecen el coste del capital que necesitan para poder seguir haciendo estas adquisiciones.

En la captura podemos ver cómo el rendimiento del Vanguard Real Estate ETF ha sido inferior desde ~2021 coincidiendo con la fuerte caída del iShares 20+ Year Treasury Bond ETF (TLT) provocada por el aumento de las rentabilidades exigidas a los bonos de larga duración durante el ciclo de subidas de tipos.

Giro estratégico: gestión de activos para terceros

Ya en el informe anual de 2024 la directiva de Realty Income dejaba caer su intención de realizar un giro estratégico hacia la gestión de activos para terceros (Asset Management). En el 10-K también hicieron un par de menciones al respecto.

Esto cambia de forma importante la tesis de la empresa, porque está evolucionando desde un REIT tradicional que depende solamente de su propio balance hacia un modelo híbrido de REIT y gestor de activos que mueve capital privado de terceros a cambio de comisiones de gestión.

Este giro le permitiría acelerar su crecimiento diversificando sus fuentes de capital, sin depender exclusivamente de emitir acciones (y en el peor caso emitirlas en momentos en que la acción cotiza con descuento) o asumir deuda.

Evolución captación capital de terceros Q1 2026

En los resultados del Q1 2026 Sumit Roy da algunos detalles adicionales sobre la evolución de este giro hacia la gestión de activos de terceros:

Sumit Roy comenta algunos logros de captación de capital e inversores institucionales:

• Realty Income logró captar $1.700 millones para el fondo U.S. Core Plus durante el primer trimestre de 2026.

• Consiguió un acuerdo de $1.000 millones con Apollo Global Management, que aportará capital para coinvertir junto a Realty Income. Se prevé que se convierta en un proveedor de capital recurrente.

• Consiguió una alianza estratégica de $1.500 millones con el fondo soberano de Singapur (GIC).

Aumento del guidance Q1 2026

En los resultados del Q1 2026 Sumit Roy también comentó que habían revisado al alza las proyecciones de FFO/AFFO gracias al buen arranque de año y al fuerte volumen de inversión desplegado, junto con las comisiones de gestión del nuevo negocio como viento de cola adicional:

Además se elevó la previsión del volumen de adquisiciones de $8.000 millones a $9.500 millones para 2026.

Foto Realty Income Q1 2026

Como hemos comentado, hoy mismo Realty Income publica los resultados del Q2 2026. Conviene tener cerca una foto de los últimos resultados para poder ver la evolución en los que están a punto de publicarse:

• AFFO por acción: $1.13 (+6.6% interanual respecto a Q1 2025).

• Guía Anual 2026 (AFFO/acción): Elevada a $4.41 – $4.44.

• Volumen de Inversiones: $2.800 millones en el trimestre ($2.600M cuota pro-rata) a un initial weighted average cash yield del 7.1%. Subieron guía de inversión anual a $9.500 millones.

• Ocupación del portfolio: 98.9%.

• Apalancamiento (Net Debt / EBITDA): 5.2x.

• Estrategia Capital Privado: Alianzas clave estratégicas con socios institucionales como Apollo, GIC y el fondo U.S. Core Plus para levantar capital privado continuo sin depender únicamente de ampliaciones de capital en el mercado público.

Qué vigilar en los resultados Q2 2026

En los resultados que se publicarán hoy deberemos centrarnos en algunos parámetros clave, no solo para ver la evolución del negocio tradicional como REIT, sino para vigilar la evolución del nuevo negocio como gestor de activos de terceros:

1. Ocupación del portafolio (históricamente >98%).

2. Evolución del Capital Privado: Captación de fondos en la plataforma de gestión de activos, nuevos JVs institucionales y comisiones generadas.

3. Crecimiento de AFFO/acción.

4. Volumen de adquisiciones.

5. Ratio Net Debt / Annualized Pro Forma Adjusted EBITDAre (objetivo alrededor de 5.2x - 5.5x).

6. Sostenibilidad y Crecimiento del Dividendo: dividendo sobre AFFO (payout objetivo ~70-75%) y aumentos consecutivos acordados.

Conclusión

Realty Income está evolucionando y es importante tener un contexto claro de la situación de la empresa para entender los próximos resultados.

Su evolución hacia un gestor de activos de terceros (como podrían ser empresas como Brookfield Corporation, salvando las distancias) además de REIT tradicional abre nuevas vías de crecimiento para la empresa y nuevas fuentes de capital más allá de la deuda y de las ampliaciones de capital.

Ahora toca comprobar si esta estrategia sigue ganando tracción en los resultados del Q2 que se publicarán hoy mismo y que esperamos con ganas.

Saludos.

Pero hay varias cosas a las que conviene echar un vistazo para ver la otra cara de estos resultados.

Los números fríos

• Ingresos consolidados: 7.099 millones de dólares (+4%, +2% en moneda constante)

• Ventas sistémicas: 37.000 millones (+5%, +4% en moneda constante)

• Ventas comparables globales: +1,3%

• Ingreso operativo: 3.338 millones (+3%, +2% en moneda constante; +4% excluyendo cargos de reestructuración)

• Beneficio neto: 2.362 millones (+5%)

• BPA diluido: 3,32 dólares (+6%; 3,38 dólares excluyendo cargos, también +6%)

• Acciones diluidas en circulación: 711,1 millones, un 0,9% menos que hace un año

En primer lugar hay que tener en cuenta la discrepancia entre las ventas sistémicas, que crecen un 5%, mientras que las ventas comparables solo crecen 1,3%. McDonald’s está creciendo más por expansión de nuevos restaurantes que por mejora del negocio existente.

También conviene destacar la tasa efectiva de impuestos del 19,5%, frente al 21,3% de hace un año. La menor tasa fiscal ayudó a impulsar el EPS, a pesar de que el crecimiento del beneficio operativo fue bastante más modesto. El guidance habla de una tasa efectiva de 21%-23%, vuelta a niveles normales, así que el colchón fiscal de este trimestre no se repetirá.

La desaceleración que el comunicado no destaca

McDonald’s presume que las comparables fueron positivas en todos los segmentos, y así es:

• Estados Unidos Q2 2026: +0,8% Q2 2025: +2,5%

• Mercados Internacionales Operados Q2 2026: +1,5% Q2 2025: +4,0%

• Mercados Internacionales de Licencia Q2 2026: +1,9% Q2 2025: +5,6%

• Total Q2 2026:: +1,3% Q2 2025: +3,8%

Pero como vemos, tanto en Estados Unidos como en Mercados Internacionales las ventas comparables se desaceleraron de forma importante.

Problemas en Estados Unidos

En Estados Unidos el conteo de clientes fue negativo. Quedó compensado por un ticket promedio más caro.

El consumidor parece ser más selectivo con el gasto discrecional y la compañía está defendiendo márgenes lo mejor que puede. Probablemente la inflación tenga mucho que decir aquí.

Se nombra a Skye Anderson como presidenta de McDonald’s USA.

Chris Kempczinski lo dice sin rodeos: “vemos una oportunidad de subir el nivel en EE.UU. y acelerar el desempeño en nuestro mercado más grande”. Esto, en idioma CEOtiqués clásico, viene a decir que cambian el mando para que la nueva corrija lo que el anterior no ha sabido hacer y que arregle el problema del descenso de tráfico en Estados Unidos.

El programa de lealtad: el motor que da confianza

La parte que más me gusta es sobre el programa de lealtad. En los 70 mercados donde opera, las ventas sistémicas a miembros de lealtad en los últimos doce meses han crecido más de 20%, hasta 40.000 millones de dólares, y los usuarios activos en los últimos 90 días han subido 13% hasta casi 220 millones.

La importancia de esto es que esta es la parte del negocio de McDonald’s que más se parece a un flywheel digital defendible: cuantos más usuarios haya activos en la app, más datos acumulas, más capacidad tienes para personalizar ofertas, y más frecuencia de visita capturas dentro del ecosistema propio, en lugar de perderla frente a la competencia. Además contrasta con el resto de los datos comunicados. Mientras el tráfico de clientes cae en EE.UU. y las comparables se desaceleran en todo el mundo, la base de usuarios leales crece. McDonald’s es capaz de retener y profundizar su relación con el cliente más fiel a pesar de que pierda terreno con el cliente ocasional. A pesar de la caída del tráfico de clientes, su estrategia de fidelización funciona.

Riesgos a vigilar de cara al tercer trimestre

• Tráfico en EE.UU.

• China: el comunicado habla de comparables negativas en China, un mercado que en otros trimestres ha sido motor de crecimiento.

• Francia es mencionada como lastre puntual frente al buen desempeño de Alemania, Australia y Reino Unido.

• Ejecución de Skye Anderson: el mercado va a exigir señales tangibles de mejora en EE.UU.

• Costos de reestructuración recurrentes: Accelerating the Organization lleva varios trimestres generando cargos “no recurrentes” que empiezan a parecer bastante recurrentes.

La conclusión

McDonald’s cerró el segundo trimestre con un comunicado que suena mejor de lo que es si uno se queda solo en el titular. La compañía sigue generando crecimiento de ingresos y beneficio por acción, pero ese crecimiento parece apoyarse más en la expansión de restaurantes, las recompras de acciones y otros factores financieros que en una mejora orgánica del negocio existente. La desaceleración simultánea de comparables en las tres regiones geográficas, sumada al tráfico negativo en Estados Unidos y al fichaje de urgencia (realmente nombramiento interno) de una nueva presidenta, dibuja una compañía que sabe que tiene un problema y que, aunque quizás algo tarde, está actuando. Me quedo con un programa de lealtad que funciona y que demuestra que McDonald’s todavía sabe defender y monetizar a su cliente más comprometido.

Muchas veces dejamos un poco de lado el mundo de los bonos. A mí me gusta dar estabilidad a mi cartera metiéndolos, con distintas duraciones. Tengo un par de artículos al respecto que os recomiendo si os interesa la renta fija:

https://www.poeticstreet.com/p/corto-de-petroleo-no-me-la-juego
https://www.poeticstreet.com/p/making-peace-with-bonds-your-portfolios

En los últimos días el mercado de bonos ha estado bastante revuelto:

En el tramo corto bajan los tipos de interés, probablemente dejando ver que el mercado espera una relajación de la Fed. Por otra parte el tramo largo sube rentabilidades. Y el DXY (el dólar) baja.

Si hubiera interés en capturar esas rentabilidades de bonos 10Y~30Y, el dólar subiría.

La Fed

En la última reunión se esperaba que la Fed subiera tipos, muchos analistas lo recomendaban, y no los subió. Warsh nos contó una película: que el propio mercado ya se estaba encargando de ajustar los tipos, que no hacía falta tocar nada. El problema es que el mercado no se lo tragó. Si hubiera subido tipos, habría mandado una señal clara de que quiere controlar la inflación. Al no hacerlo, alimenta la duda de si de verdad le va a plantar cara, y eso es lo que dispara el temor a que la inflación se descontrole a medio-largo plazo. A eso se suma la desconfianza por el déficit fiscal. Por eso nadie demanda dólares para comprar bonos de larga duración: temen que esa inflación se coma la rentabilidad de los bonos, o que estos caigan para subir aún más rentabilidades debido a esa inflación.

Carry Trade

Por otra parte tenemos el fin del Yen Carry Trade. Durante muchos años se pedían yenes a tipos bajos (porque los tipos de Japón estaban por los suelos) para comprar deuda estadounidense a largo plazo, y eso garantizaba demanda constante de dólares y de bonos de larga duración.

Como el Banco de Japón está subiendo tipos, el yen se aprecia porque parte del capital se mueve a los bonos japoneses. Los inversores venden Treasuries a largo plazo (por eso cae el precio y sube el yield del 10Y~30Y), y cambian esos dólares por yenes (y cae el DXY).

Guerra y petróleo

Por supuesto cualquier subida del petróleo afecta también a los tipos como ya expliqué en este artículo:

Intervención

En resumen: se suma la desconfianza fiscal en EE. UU., más riesgos de inflación, junto a que el comprador internacional que financiaba a EE. UU. mediante Carry Trade se está retirando y llevándose el capital a Japón.

Mi humilde opinión es que intervendrán lo que haga falta para evitar que la subida de tipos continúe. No solo el propio Banco de Japón está tratando de intervenir el Yen. Sino que el propio EE. UU. también, porque no puede permitirse que en medio del endeudamiento masivo en plena carrera por capitanear la revolución de la IA, sus empresas tengan que financiarse a tipos tan altos. Y además, con los niveles de endeudamiento actuales a nivel mundial, parece bastante insostenible tener que refinanciarse con tipos de interés a estos niveles.

Bolsas

Dicho sea de paso, la bolsa no se ha visto perjudicada de momento por las subidas de tipos de los bonos. Supongo que se debe al estado de “anestesia” en que se vive, y por la euforia por la IA. Pero esta subida de rentabilidades en los bonos sí podría acabar afectando seriamente. Al final es un competidor directo por el capital, casi sin riesgo.

Conclusión

Por todo lo dicho, yo sí estoy picoteando bonos de larga duración. Quizás no para tenerlos indefinidamente en cartera, pero sí para un tiempo, con la idea de que las intervenciones consigan controlar sus rentabilidades (bien sea interviniendo el Yen, bien sea con QE) y el precio de estos bonos suba.

Al peor caso, más de un 5% de rentabilidad a varios años vista, no está nada mal. Aunque ya depende del tipo de cartera que busque tener cada uno. Pero para tenerlo como ancla de la cartera, no me parece mala idea.

Se irá viendo qué ocurre con los bonos en las próximas semanas. Es un mercado que me interesa y que me parece conveniente seguir y tener en cartera. Si a ti también te interesa, suscríbete para recibir futuros artículos.

Saludos.

Suscríbete ahora

Meta, Alphabet, Microsoft, Amazon, Tesla, Apple. Todas ellas superaron estimaciones de ingresos y varias de ellas también superaron estimaciones de EPS. Sin embargo, el mercado ha castigado a Alphabet, Meta, Tesla y Apple. Se salvan de la hoguera Microsoft y Amazon. Y la cuestión es que no importa tanto el beat, sino la “calidad” en la manera en que se batieron resultados y en lo que ha pasado con el flujo de caja.

Resultados

El mercado tiene la lupa en el CAPEX y en la capacidad de las empresas para rentabilizarlo.

Google, por ejemplo, reportó un EPS de 9,11 dólares, aunque esto se debe principalmente a la revalorización de SpaceX/Anthropic. El normalizado es de 2,85 dólares, algo por debajo de lo esperado. Pero lo que realmente asustó al mercado fue que reportó un FCF negativo por primera vez en su historia. Además de aumentar el guidance del CAPEX.

Meta falló en el EPS: 6,18 dólares frente a los 7,22 dólares esperados.

El EPS ajustado de Tesla cayó un 38% frente a lo esperado, y los márgenes bruto y operativo se deterioraron, justo cuando más hace falta demostrar que la narrativa robotaxi/Optimus tiene sentido.

Apple bate modestamente las expectativas, pero es castigada por la preocupación de que el aumento de costes de memoria amenace márgenes futuros en iPhone/Mac/iPad.

Cloud

Frente a las caídas, Microsoft y Amazon son premiadas y suben, porque además de superar expectativas, el Cloud, la línea de negocio más vigilada por el mercado, se acelera por demanda de IA (Azure +43%, AWS +37%). El caso de Alphabet es paradójico: Google Cloud lidera el crecimiento con un 82% brutal, mientras que la acción caía tras resultados. Conviene matizar que Azure y AWS crecen sobre bases mucho más grandes, pero en cualquier caso, el castigo a Alphabet viene más por la parte del FCF negativo.

CAPEX e IA

Esto es probablemente la razón por la que el mercado está tomando decisiones en tiempo real.

Mientras el gasto combinado está en máximos históricos (Alphabet $195-205B, Meta $130-145B, Tesla $25B…), el flujo de caja libre no está acompañando en muchos casos, y en algunos incluso se ha vuelto negativo, como es el caso de Alphabet por primera vez en su historia o Tesla. El mercado apuesta por que la monetización llegue a partir de 2028. Pero si ve indicios de retrasos o problemas para monetizar la inversión, llegarán los castigos.

Solo como pequeña reflexión, Alphabet o Amazon vieron su EPS reportado inflado por ganancias no recurrentes por sus participaciones en Anthropic o SpaceX (en el caso de Google). Es irónico ver cómo estos dos gigantes reportaron resultados algo "mejores de lo que son" gracias a startups de IA en las que participan. Mientras tanto, el mercado los penaliza por el CAPEX para construir la infraestructura que esas mismas startups están demandando.

Conclusión

El mercado ya no está premiando el crecimiento en aspectos relacionados con la IA a cualquier precio. Está empezando a diferenciar quién sí está siendo capaz de monetizar ese crecimiento (Azure, AWS) y quién todavía está diciendo “Confía en mí”.

Con esto cierro aquí este post rápido, que, como dije al comienzo, solo es un pequeño resumen-vistazo a los resultados de algunas de las más grandes. Hay millones de análisis por todo internet para profundizar. Pero tener este resumen por aquí nos es útil para poder hacer seguimiento en futuros trimestres.

Pronto publicaré otro artículo en el que sí pretendo entrar más en profundidad en dos empresas que nada tienen que ver con las big techs: Redeia y National Grid. Dos empresas en las que invierto y me gusta tener en cartera casi como parte del bloque de bonos por su condición de bond-proxy. Si os interesa, estad atentos y suscribiros. Saldrán pronto del horno.

Saludos a todos.

Utilizábamos Dividend Discount Model para despejar Cost of Equity forzando un valor intrínseco igual al precio actual, y obteníamos valores en torno a 5~6%. Para una dividendera clásica como McDonald’s podemos estimar que ese 5~6% obtenido del DDM inverso es la rentabilidad anual implícita que estima el modelo a estos precios, si las hipótesis de crecimiento se cumplen.

Ahora la pregunta es, ¿aún si la hipótesis es correcta, nos conformamos con ese 5~6% de rentabilidad anual?

Una empresa segura pero…

Partimos de la idea de que McDonald’s es una empresa muy segura. No solo porque sus restaurantes están siempre llenos, sino porque su modelo de negocio basado en franquiciados a los que alquila establecimientos le aísla bastante del propio negocio de restauración. Además, tiene en propiedad inmuebles de extrema calidad en las mejores ubicaciones del mundo.

Pero tampoco podemos obviar que sigue siendo una empresa y, por tanto, tiene riesgo. Y la prueba está en que su calidad crediticia es de grado de inversión sólido, pero calificada actualmente con BBB+ por S&P Global Ratings y Baa1 por Moody’s. Y por tanto hay que exigirle un plus de rentabilidad con respecto a los bonos americanos.

Para decidir qué rentabilidad aceptamos de McDonald’s la respuesta no está en los balances de la propia empresa, sino en los bonos americanos y en lo que esperamos que hagan en los próximos años.

Histórico PER

Echemos un vistazo al PER histórico de McDonald’s desde 2001 y comparemos con el yield del bono americano a 10 y 30 años:

Como vemos, a pesar de que el PER de la empresa está en mínimos de casi 10 años exceptuando el mínimo que hizo temporalmente en el crash del COVID (cuando pensábamos que íbamos a estar recluidos en casa de por vida y no íbamos a volver a comernos un BigMac), el suelo del PER de McDonald’s ha crecido en promedio en los últimos 20 años, desde el crash de 2008.

Y esto coincide con un largo periodo de tipos de interés extraordinariamente bajos. El crash de 2008 fue un antes y un después para la economía mundial. Un descalabro total del sistema. Y los gobiernos, como todos sabemos, lo resolvieron con una bajada de tipos sin precedentes para estimular la economía.

McDonald’s vs Bonos

Una empresa estable y dividendera como McDonald’s, se beneficia de los tipos bajos como cualquier otra, especialmente porque está muy endeudada debido a que su modelo de negocio es similar a un REIT y ha utilizado tradicionalmente la deuda para financiar parte de sus inversiones inmobiliarias.

Pero para el caso de McDonald’s hay que tener algo más en cuenta. La rentabilidad de este tipo de empresas que a veces son llamadas “bond proxy” está muy ligada a la rentabilidad del bono americano precisamente por eso, porque se las considera de alguna forma una alternativa al bono donde aparcar tu dinero con cierta seguridad. Compite con el bono.

Entonces, podríamos pensar, si los tipos se han puesto en rangos de 2000-2008 y por aquel entonces exigíamos a McDonald’s unos múltiplos más bajos, ¿por qué aceptar un PER superior ahora como suelo?

¿Ha consolidado ya el mercado ese suelo de PER más alto para McDonald’s o aún está por venir una corrección mayor hasta ajustar PER a valores similares a los que había antes de 2008, cuando los tipos de interés eran parecidos a los actuales?

Por qué conceder a McDonald’s los múltiplos actuales

Pues supongo que aquí ya entraríamos en la especulación y la adivinación. Yo soy inversor de McDonald’s y mi opinión está totalmente sesgada en este punto. Así que lo siguiente no deja de ser una hipótesis, no una conclusión.

Para conceder a McDonald’s valoraciones superiores pienso que podríamos dar varios argumentos:

• Aunque los tipos actuales del bono americano están en entornos similares a antes de las bajadas de 2008, la duda es cuánto tiempo van a poder permanecer así, con una economía americana tremendamente endeudada que necesita refinanciar deuda a tipos inferiores. Si los tipos bajan, la competencia de los bonos es menor, y eso da un respiro a las valoraciones que exigimos a McDonald’s.

• En un mundo endeudado con una geopolítica un poco revuelta, posiblemente vayamos a convivir con una inflación superior los próximos años. McDonald’s ha demostrado tener capacidad para trasladar parte de la inflación a sus precios. Además, indirectamente sus inmuebles de calidad son también una protección contra la inflación.

• Respecto al negocio, es aún más sólido y maduro.

• Ha sobrevivido a la crisis de 2008 y ha demostrado una vez más su resiliencia.

• Son unos maníacos de la eficiencia operativa y todavía podrían mejorar márgenes gracias a la IA y robótica (aunque los beneficios los verían en primera fila los franquiciados, McDonald’s también se vería beneficiado).

Pero a pesar de tener argumentos a favor, debemos reconocer que McDonald’s está a unos múltiplos exigentes y tener en cuenta que sus valoraciones podrían ajustarse aún más.

Conclusión

Como ya he dicho, soy inversor de McDonald’s, es un negocio que me encanta. Ya expliqué en mi anterior post por qué, y lo confirmo en éste. Más o menos pesa un 4% en mi cartera.

Tengo acciones muy defensivas, y también bonos y oro. Cada bloque en mi cartera tiene sus pesos y su función. Y por otro lado tengo otras apuestas más arriesgadas con las que espero obtener un plus de rentabilidad. Cada bloque de la cartera tiene un propósito. Y McDonald’s encaja bien ahora mismo. Por el tipo de negocio que es, me gusta tenerlo como ancla de estabilidad junto a los bonos.

Con un Treasury cerca del 4,5%, un 5-6% puede parecer poca prima de riesgo. Sin embargo, en un negocio como McDonald's, parte de esa menor rentabilidad esperada puede justificarse por la extraordinaria calidad, previsibilidad y protección frente a la inflación que ofrecen sus activos. Cada inversor tendrá que decidir si esa prima le compensa.

Siempre teniendo en cuenta que considero posible que el precio de la acción caiga aún más. Y si es así, estaré encantado de ampliar mi posición y su peso en cartera.

En conclusión, para mí y la situación actual de mi cartera, McDonald’s a estos precios ya es un complemento perfecto para los bonos. Para tu cartera, podría no serlo a estas valoraciones. La realidad de cada uno es distinta y cada uno debe hacer su propio análisis, por supuesto.

Espero que este artículo os haya sido de ayuda.

Nos vemos en el siguiente. Saludos.

Hace no mucho publiqué un post acerca de la manera en que yo tenía exposición a bonos en mi cartera a través del ETF AGAC (iShares Core Global Aggregate Bond UCITS ETF):

AGAC está diversificado en bonos gubernamentales y corporativos de distintos países y duraciones, predominando los bonos estadounidenses, y teniendo una duración media de 6–7 años.

Hoy los bonos americanos de larga duración superan el 5% de yield. Y he decidido rotar la mitad de mi posición en AGAC (mucho más estable y tranquilo) a bonos americanos de larga duración.

Vamos a verlo.

Petróleo

El petróleo sigue subiendo. Y tratar de predecir dónde se va a ir, con este panorama con Irán, es misión imposible.

Hace unos días, cuando el petróleo estaba ya rebotando y andaba en los entornos de 78$, decidí volver a entrar a la petrolera que más sigo y me gusta, AkerBP. Lo comenté en esta nota:

Sin embargo, tengo que reconocer que volví a salir de AkerBP en torno a 29 euros (hoy está casi en 32 euros). Era una apuesta táctica, materialicé ganancias y salí. Y sinceramente, aunque pensaba que el mercado estaba siendo demasiado optimista con el conflicto de Irán, el petróleo y la inflación, no pensé que el petróleo fuera a seguir subiendo hasta los 100$ de nuevo.

Pensé que Trump no iba a permitir que eso pasara, con las midterms a la vista. Pero Irán sabe que tiene cogido por los mismos a Trump de aquí precisamente a las midterms, y sabe que es ahora cuando puede hacer daño.

¿Corto de petróleo?

Honestamente, creo que te tienen que gustar de verdad las fuertes emociones para ponerte corto de petróleo ahora mismo. Y sí, creo que lo van a controlar de una manera u otra.

No sé si Trump se sacará el enésimo acuerdo con Irán de la manga. O publicará uno de sus titulares bomba. O qué se inventarán. Pero creo que están obligados a bajar el precio del petróleo de aquí a las midterms.

Pero ponerme corto… Eso no es para mí.

¿Apostar por la bajada del petróleo a través de los bonos?

Una manera mucho más tranquila de apostar por una moderación en el precio del petróleo podría ser a través de bonos americanos con duraciones largas.

Las yields de los bonos de larga duración no las marca la FED modificando tipos, se rigen por las expectativas del mercado. Cuando el petróleo se dispara, las expectativas de inflación aumentan, y al final afecta a los tipos de casi toda la curva.

El bono a 10 años ya se acerca al 5% y el de 20 y el de 30 años ya han superado el 5%.

Entonces, ¿por qué invertir en bonos de larga duración ahora, como apuesta táctica?

1. Primero, porque si se controla el precio del petróleo como pienso que ocurrirá de aquí a las midterms, los tipos deberían bajar y nuestros bonos subir de precio. Y ahí ya podemos decidir si nos quedamos con los bonos o los vendemos con la ganancia obtenida.

2. Segundo, porque con la cantidad de deuda que tiene Estados Unidos, la necesidad de refinanciar y seguramente la necesidad de incurrir en nueva deuda, no pueden permitirse tipos por encima del 5%. Y antes o después volverá la FED con la impresora y reactivará el QE.

3. Tercero, porque un 5% de rentabilidad anual garantizada y sin riesgo durante 20 o 30 años, no es ninguna tontería. Para alguien a quien le gusten los dividendos, me parece bastante razonable compaginar dividendos con bonos, a estos tipos. A unas malas, tener estos bonos dando rentabilidad anual durante el tiempo que haga falta, hasta encontrar un buen momento para venderlos, tampoco me parece una locura.

4. Cuarto, porque gran parte de mis inversiones están en dólares. Me afecta cualquier bajada en el precio del dólar. Cuando los yields de los bonos suben, y por tanto los bonos caen, la subida del dólar compensa. Cuando los yields caen, cae el dólar, y me perjudica, pero los bonos suben y compensa parcialmente la caída de la divisa. No siempre se cumple, ya pasó hace un tiempo que caía el dólar a la vez que los bonos, por desconfianza del endeudado Estados Unidos en general, de la propia divisa y de los bonos. Pero por norma general, los bonos pueden actuar indirectamente como cobertura para la divisa.

¿Y acumular oro?

En esta otra nota ya hablé de la relación entre la Guerra de Irán, el petróleo y el oro:

Esta imagen hecha con la IA es bastante ilustrativa al respecto:

Básicamente, la subida del petróleo acarrea subida de tipos de interés para controlar la inflación. Los inversores ven con ojos golosos los bonos americanos, y compran dólares para invertir en dichos bonos. Eso hace que suba el dólar con respecto a otras divisas, y cualquier subida del dólar, nunca es buena para el oro.

Creo que muchos, yo incluido, pensábamos que el oro te protegía contra sustos, por ejemplo contra una guerra que aparece de repente.

Pero esta guerra de Irán tiene la particularidad que acabamos de describir: está provocando una subida del precio del petróleo que indirectamente está perjudicando al oro.

Yo he acumulado oro en toda esta caída y si sigue cayendo hasta el entorno de 3500$ volveré a acumular. Pero esto no es una apuesta táctica como los bonos, para mí el oro es patrimonio, acumulo para el largo plazo. Y ahora puede ser buen momento para seguir dando algunas cucharaditas.

Con respecto a Bitcoin, entiendo que debe haber argumentos similares que con el oro. Pero la verdad que no me atrevo a entrar en ello.

Mi decisión

Como ya os decía al comienzo del artículo, mi decisión ha sido rotar parte de mi posición en el ETF AGAC a un bono americano de larga duración US-T Gov 4.75 Nov15’53, que se puede comprar sin ningún problema en Interactive Brokers.

De momento lo mantendré en la parte de bonos de mi cartera, y disfrutaré del fantástico cupón de 4.75% que me dará (la rentabilidad total alcanza ya el 5.2%). Si en algún momento se revaloriza lo suficiente, me plantearé volver a rotar.

Conclusión

Este artículo, más que nunca si cabe, no es consejo de inversión. Es difícil saber dónde van a ir a parar los bonos, el petróleo, las divisas o el oro.

Tened en cuenta que nos dirigen una panda de psicópatas que tienen más peligro que un mono con dos pistolas.

Así como siempre, esto no es en absoluto consejo de inversión, solamente os cuento cómo decido yo, personalmente, dilapidar mi dinero.

Este artículo lo he escrito mucho más rápido que otros, me apetecía hablar de la operación que he hecho hoy, y me he lanzado a escribirlo. Si encontráis errores conceptuales o del tipo que sean, por favor decídmelo.

Un saludo a todos.

Ya he hablado de cómo gestiono la parte de emergentes en posts anteriores (con una posición base en MSCI Emerging Markets que puede rotar temporalmente hacia otros ETFs más temáticos, por ejemplo tecnología china), o mi estrategia de rotación de oro (que es la posición base) a plata según el ratio oro/plata. También hablé en artículos anteriores como gestiono la parte de bonos para que sea lo más simple posible.

Dedicaré más adelante un post entero al diseño completo de la cartera —pesos, rebalanceo, riesgo asumido—, pero hoy quiero centrarme en una pieza concreta: qué hago con el dinero cuando no tengo una idea “satélite” en la parte de acciones no-calidad.

Porque ese dinero no se queda parado. Va a su posición base. Y esa posición base no es fija: alterno entre MSCI World y MSCI World Equal Weight según una regla de valoración relativa.

En la parte de calidad esto es más sencillo: mi base es Berkshire Hathaway, y si encuentro una posición satélite en la que quiero invertir (como me pasó con McDonald’s recientemente), vendo parte de Berkshire para financiar la compra. Pero en la parte de bolsa “core-satélite” sin calidad definida, en su situación base (lo que no está invertido en satélites), la pregunta es “¿cuál de estos dos índices, que contienen básicamente las mismas empresas, tiene más sentido comprar ahora mismo?”

Dos índices, mismas empresas, dos filosofías

El MSCI World pondera por capitalización bursátil: cuanto más grande es una empresa, más pesa en el índice. Si Apple vale más que Coca-Cola, Apple pesa más. Si Microsoft sigue subiendo, Microsoft sigue ganando peso. El resultado es un índice muy eficiente, pero cada vez más concentrado: hoy un puñado de compañías explica una parte desproporcionada de su comportamiento.

El Equal Weight hace justo lo contrario. Todas las empresas parten del mismo peso, da igual que sea Apple o una aseguradora europea mediana. No hay “líderes” dentro del índice por definición.

Es el mismo universo de empresas, mirado desde dos ángulos opuestos.

¿Cuál es mejor? Depende, y esa es la respuesta correcta

Hay periodos largos donde el MSCI World bate claramente al Equal Weight —normalmente cuando el mercado está liderado por un grupo reducido de mega caps—. Y hay otros donde ocurre lo contrario, cuando el liderazgo se amplía y empiezan a subir cientos de compañías a la vez en lugar de veinte.

El problema es que nadie sabe de antemano cuándo cambia ese liderazgo. Yo tampoco. Así que dejé de intentar adivinarlo y empecé simplemente a mirar el precio relativo entre ambos.

La lógica de fondo es sencilla: si dos supermercados venden prácticamente lo mismo pero uno cuesta sistemáticamente un 20% más, no tiene mucho sentido comprar siempre en el caro. Con estos dos índices pasa algo parecido: si contienen casi las mismas empresas pero uno cotiza de forma persistente más caro que el otro, puede tener sentido inclinar la balanza hacia el más barato. No porque vaya a subir mañana, sino porque, estadísticamente, pagar menos por beneficios futuros similares suele salir a cuenta con el tiempo.

De ahí nace el sistema.

La variable central

Todo gira en torno a un único ratio:

PER World / PER Equal Weight

Intento llevar un registro del Forward P/E y el Trailing P/E que publica MSCI para ambos índices.

https://www.msci.com/indexes/index/990100/msci-world-index

https://www.msci.com/indexes/index/129857/msci-world-equal-weighted-index

Sin mezclar proveedores ni metodologías distintas. La consistencia de la fuente importa más que perseguir el “PER perfecto”: si ambos índices se calculan exactamente igual, el ratio entre ellos sí es comparable.

Cuando VAL sube, el MSCI World se está encareciendo frente al Equal Weight. Cuando baja, la diferencia se estrecha. El sistema no intenta decidir si el mercado en su conjunto está caro o barato —eso es una pregunta distinta y mucho más difícil de responder—. Solo intenta contestar algo más acotado: de estos dos índices, ¿cuál ofrece hoy la valoración relativa más atractiva? Es una estrategia de valoración relativa, no absoluta.

Cómo se calcula y cuándo desconfío de la señal

VAL_fwd = PER_World_fwd / PER_EqualWeight_fwd
VAL_trl = PER_World_trl / PER_EqualWeight_trl

VAL = 0.6 × VAL_fwd + 0.4 × VAL_trl

Doy más peso al forward porque recoge mejor las expectativas de beneficios, pero incluyo el trailing como ancla frente a estimaciones demasiado optimistas o demasiado pesimistas.

Si la diferencia entre VAL_fwd y VAL_trl supera el 10-15%, no opero. Cuando ambas métricas discrepan tanto, suele ser señal de que el mercado está descontando algo poco fiable —una revisión de beneficios en marcha, ruido puntual— y prefiero esperar a que la imagen se aclare antes de mover capital.

Las reglas de decisión

• VAL < 1,10 → Rotación y nuevas aportaciones a MSCI World, a través del ETF IWDA, que es mi posición por defecto.

• 1,10 ≤ VAL ≤ 1,25 → Zona neutra. No rotación de capital ya invertido. Aportaciones nuevas exclusivamente a MSCI World.

• VAL > 1,25 y tendencia de VAL ascendente → El Equal Weight cotiza con un descuento relevante. Aquí considero rotar toda la posición hacia MWEQ (ETF que sigue al Equal Weight), siempre que el filtro de momentum lo confirme (ver abajo).

MSCI World es el estado por defecto del sistema. Equal Weight solo entra en juego en extremos claros y confirmados. La mayor parte de la rentabilidad viene de mantener el core, no de rotar constantemente entre uno y otro.

Por qué la valoración sola no basta: el filtro de momentum

Todos conocemos activos que llevan años “baratos” y que simplemente siguen cayendo. Comprar solo porque algo parece barato es la receta clásica de la trampa de valor.

Por eso añado un segundo filtro, el momentum: calculo el cociente Precio MWEQ / Precio IWDA. Cuando ese cociente empieza a subir de forma sostenida, es señal de que el Equal Weight está empezando a comportarse mejor en términos relativos, y de que el mercado está reconociendo esa diferencia de valoración.

P/E MSCI World vs MSCI World Eq:

Forward P/E MSCI World vs MSCI World Eq:

No quiero comprar lo barato. Quiero comprar lo barato cuando empieza a dejar de caer.

Sobre las ventas: la paciencia también es parte del sistema

Las rotaciones completas generan impuestos, y ese es un coste que cuesta mucho recuperar. Por eso, mientras siga haciendo aportaciones periódicas, simplemente dirijo el dinero nuevo hacia el índice que ofrece mejor valoración relativa en ese momento, sin tocar lo ya invertido.

Reservo las rotaciones completas —vender todo un índice para pasar al otro— para situaciones excepcionales, cuando se cumplen dos condiciones a la vez: la diferencia de valoración es extrema, y el momentum confirma que el liderazgo de mercado realmente está cambiando. Si solo se cumple una, no hago nada. Esperar también es una decisión.

¿Por qué MSCI World Equal Weight? Una lección de la burbuja dot-com

Si miramos la burbuja de 2000-2001, donde también existía una concentración extrema en el índice ponderado por capitalización, vemos con claridad qué suele ocurrir cuando cambia el ciclo o rota el liderazgo del mercado.

Cuando las grandes tecnológicas —donde se había acumulado toda la concentración— empezaron a fallar, el índice ponderado se desplomó con fuerza. Pero el resto de valores, que habían quedado muy rezagados durante la fase alcista previa, aguantaron considerablemente mejor: no siguieron la caída de inmediato, sino con un desfase temporal notable. El Equal Weight terminó cayendo mucho menos y tardó bastante más en marcar techo que el índice tradicional.

La conclusión para una estrategia de rotación es clara: cuando se inicia un declive en las megacaps que arrastra a los índices ponderados, el índice de igual ponderación tiende a descorrelacionarse temporalmente de esa caída.

Es cierto que el MSCI World, al ponderar a favor de las empresas más grandes, suele ser más eficiente en condiciones normales de mercado. Pero en episodios de burbuja, cuando la concentración alcanza niveles extremos, puede tener sentido repartir la inversión por igual entre todas las empresas del índice hasta que la divergencia entre MSCI World y MSCI World Equal Weight se cierre. Esa es, precisamente, la razón de fondo de mi sistema de rotación entre ambos: la concentración extrema es un fenómeno que tiende a corregirse tarde o temprano, mediante un proceso de reequilibrio que puede ser lento, pero que históricamente ha llegado.

Y conviene recordar que esta dinámica no es exclusiva de Estados Unidos. El caso de MSCI Emerging Markets es hoy, si cabe, más extremo: el índice está fuertemente distorsionado por solo tres valores —TSMC, Samsung y SK Hynix—, que concentran una parte muy significativa del total y que podrían estar reflejando una burbuja propia en semiconductores.

Lo que este sistema no pretende hacer

No pretende predecir el mercado, ni batir todos los años al MSCI World, ni encontrar el momento perfecto de entrada. Puede pasar largos periodos rindiendo peor que simplemente quedarse quieto, y eso es perfectamente normal dentro de su diseño. Su objetivo es mucho más modesto: comprar el mismo conjunto de empresas intentando pagar, en cada momento, un precio relativamente más razonable por ellas. Nada más, nada menos.

Un proceso, no una opinión

Con el tiempo he entendido que la mayor ventaja de tener un sistema no es ganar unas décimas más de rentabilidad. Es eliminar la parte emocional de la decisión. Cuando el mercado cae, no tengo que preguntarme qué hacer. Cuando las tecnológicas se disparan, tampoco. Consulto la regla: si valoración y momentum apuntan en la misma dirección, actúo; si no, espero.

La disciplina, casi siempre, rinde más que la brillantez.

Conclusión

No creo que el MSCI World sea mejor que el Equal Weight, ni al revés. Son dos formas distintas de mirar el mismo universo de empresas, y el mercado atraviesa ciclos que premian primero a uno y después al otro. Mi trabajo no es adivinar cuál será el próximo ciclo. Es tener un proceso objetivo que me permita adaptarme cuando ese cambio empiece a producirse.

Al final, invertir rara vez consiste en encontrar el activo perfecto. Casi siempre consiste, simplemente, en tomar decisiones razonables de forma consistente durante muchos años.

Esto no es un consejo de inversión, cada uno debe estudiar y diseñar su propia cartera y sus estrategias. Si os ha gustado este artículo, suscribiros para recibir futuros posts.

Un saludo a todos.

1. El Precio, en Contexto

2. Encontrando la Rentabilidad Esperada a Partir del Cost of Equity

3. ¿Es Eso Mucho o Poco? El Dato Incómodo

4. Entonces, ¿Por Qué Sigo Comprando?

5. Discounted Cash Flow Para Comparar con la Competencia

6. ¿Entonces, Por Qué MCD y no QSR?

7. Conclusión y Cuidadín

Hoy quiero dejar un poco de lado la IA, el petróleo, los chips y el SaaSmageddon, para buscar un poco de paz y tranquilidad 🧘Eso es justo lo que siento cuando entro a un establecimiento de McDonald’s sabiendo que el 4% de mi cartera está en esta acción. Me siento en una mesa, y busco la oferta del día en la aplicación. Y por 3~4 euros, me como una hamburguesa pequeña y unas patatas.

Cuando voy de viaje a otro país, a menudo tengo problemas para comunicarme porque mi inglés es nefasto. Y probablemente me pierda y no sepa utilizar el transporte público porque tengo el instinto de supervivencia de un lemming.

Pero sé que allí me voy a encontrar un McDonald’s donde podré comer y descansar un rato. Un refugio. Un hogar. Y un pellizquito de ese refugio, es mío.

Por eso sigo acumulando la acción que más tranquilidad me da en mi cartera (con permiso de Berkshire). Y aunque tengo bastante ya , estoy deseando que siga cayendo para seguir acumulando. Voy a explicar los números detrás de esa tranquilidad.

El Precio, en Contexto

MCD cotiza ahora mismo con un PER de entorno a 22-23x. Eso es entre un 10% y un 13% por debajo de su media de los últimos 3, 5 y 10 años, que ronda las 25-26x. No es un chollo histórico tipo covid-crash, pero sí es de los múltiplos más bajos que ha tenido la acción en bastante tiempo.

Un PER 22 en una empresa que crece ingresos al 3-4% anual no es barato en términos absolutos. Es barato en términos relativos a su propia historia.

Encontrando la Rentabilidad Esperada a Partir del Cost of Equity

Puesto que McDonald’s es una dividendera clásica, voy a empezar realizando un Dividend Discount Model. En este caso la idea no es utilizar el cost of equity consensuado por los analistas, sino forzar un cost of equity que ajuste el valor intrínseco al valor actual de la acción. Puesto que en el DDM se descuentan flujos que van a parar al accionista (no a los acreedores), una vez despejada la X del cost of equity para valor intrínseco igual a valor actual, podemos tomar ese cost of equity como el retorno anual para el accionista comprando al precio actual de la acción. Esto es lo que se llama implied cost of capital — y como decíamos, a diferencia del DCF, en un DDM ese número sí equivale al retorno total que puedo esperar como accionista (dividend yield + crecimiento), si mis proyecciones de dividendo se cumplen.

He utilizado un crecimiento esperado del dividendo a 5 años del 5%. Bastante conservador, porque si miramos el crecimiento de los últimos años, vemos que ha sido superior.

Usamos Terminal Dividend Growth Rate (g) 2.5%.

Con esta configuración, para obtener un valor intrínseco parecido al precio actual, necesitamos un cost of equity de aproximadamente 5.5%. Puesto que hemos hecho algunas estimaciones como un g de 2.5% y un crecimiento de dividendo de 5% para los próximos 5 años, es preferible tratarlo como un rango (5-6%) más que como un número con decimales de precisión. Y ese rango sería nuestra estimación de la rentabilidad que podemos esperar de McDonald's.

¿Es Eso Mucho o Poco? El Dato Incómodo

El bono del Tesoro americano a 10 años cotiza ahora mismo en torno al 4.5-4.6%. Si aplico el modelo estándar para estimar cuánto retorno debería exigir el mercado a una acción como MCD (CAPM: risk-free + beta × prima de riesgo), con una beta razonable para MCD (0.6-0.7, la que reportan la mayoría de proveedores de datos), sale un cost of equity “teórico” de en torno al 7-7.5%.

Es decir: el mercado, al precio actual, solo me está pagando un 5-6% de retorno esperado vía dividendo y crecimiento, cuando el riesgo sistemático de la acción, según el modelo estándar, justificaría exigir más, cerca del 7-7.5%. El mercado paga muy poca prima por el riesgo de McDonald’s, porque valora tanto la previsibilidad y el perfil “bono-proxy” del negocio, que le perdona parte de esa prima que otro tipo de acciones sí tendría que ofrecer.

Entonces, ¿Por Qué Sigo Comprando?

Porque ese 5-6% no es un mal retorno para el nivel de riesgo real que percibo en el negocio, aunque el CAPM de manual diría que debería exigir más. Y sobre todo porque:

Es un negocio con foso competitivo brutal, poder de fijación de precios, un componente semi-inmobiliario (los alquileres a franquiciados son básicamente una renta), y una previsibilidad de caja que muy pocas empresas del mundo tienen.

Ese retorno no depende de que el mercado me re-rate el múltiplo. Depende solo de crecimiento orgánico + dividendo, que es justamente el tipo de retorno que menos me falla cuando las cosas se ponen feas en el resto de la cartera.

Porque se ha comportado bien en momentos complicados para el mercado, por ejemplo el 2008.

Y esto es lo más importante para mí: es la posición que me deja dormir. No la compro por asimetría de rentabilidad, la compro porque a este precio el retorno esperado, aunque modesto, viene con muchísima menos incertidumbre que en casi cualquier otro sitio donde podría poner ese dinero.

Discounted Cash Flow Para Comparar con la Competencia

Voy a hacer un ejercicio parecido con un DCF clásico. Usaré un crecimiento de revenue del 3.79%, media desde 2018, y margen de conversión de revenue a FCF del 25.74%, también media desde 2018. Y un valor terminal g del 2.5%.

Y con estos valores voy a buscar un WACC con el que obtenga un valor intrínseco similar al precio actual:

Curiosamente obtengo un WACC similar al cost of equity del DDM. No podemos asumir que el WACC equivale a la rentabilidad anual para el accionista porque en el WACC va incluido lo que la empresa tiene para el accionista y para los acreedores (por ejemplo para los bonistas). Sin embargo es curioso que salga un valor similar al cost of equity del DDM. Entiendo que esto es debido a que, a pesar de que McDonald’s tiene bastante deuda, genera tanto flujo de caja, que pagar la deuda no es un problema (y que probablemente se financie bastante barato). Además hay que tener en cuenta que utilicé un crecimiento del dividendo muy conservador, de 5% solamente.

En cualquier caso mi objetivo era más obtener un WACC para el precio actual de la acción, por un lado para compararlo con el WACC consensuado por analistas para McDonald’s, que se sitúa entre 7~7.5%. Y por otro para compararlo con competidores como QSR o Starbucks.

En el caso de QSR, si realizo el mismo ejercicio, obtengo un WACC del 9% para ajustar el valor intrínseco al precio actual:

Para Starbucks obtengo un WACC del 5.3%:

Por lo tanto, si hacemos el ejercicio de buscar un WACC que fuerce el valor intrínseco al precio actual, obtenemos un WACC del 9% para QSR, del 5.5% para MCD y del 5.3% para SBUX, al precio en que se realizaron los cálculos.

Esto podría darnos una idea de que QSR podría estar más barata que MCD y SBUX. De hecho, haciendo el ejercicio que hicimos con el DDM para QSR, obtengo una rentabilidad anual del 6.3%, y para SBUX, del 5.2%.

¿Entonces, Por Qué MCD y no QSR?

McDonald’s no es solo una empresa de comida rápida, es un cartel inmobiliario. Compra o alquila los terrenos y locales más codiciados del mundo y los subalquila a sus franquiciados. Esto le asegura ingresos estables por alquiler y regalías que no dependen únicamente de la venta de hamburguesas.

QSR utiliza más un modelo puramente de franquicia, careciendo de este gigantesco portafolio de bienes raíces.

Por otro lado, gracias a su escala global y a su estructura de negocio, MCD tiene márgenes operativos líderes en el sector. MCD históricamente mantiene márgenes operativos cercanos al 46%, mientras que QSR suele rondar márgenes operativos próximos al 26%. MCD necesita generar menos crecimiento de ventas para obtener el mismo beneficio neto que sus competidores.

Además tiene una fortaleza de marca y escala superiores. McDonald’s es una de las marcas más reconocidas del mundo. Esto se traduce en un tráfico masivo y un poder de negociación con proveedores que cadenas como Burger King, Popeyes o Tim Hortons (marcas de QSR) no tienen.

Conclusión y Cuidadín

No todas las posiciones de una cartera tienen que ser la mejor idea de rentabilidad-riesgo del mundo. Algunas están para dar rentabilidad ajustada al riesgo bajo, previsibilidad, y sobre todo, paz mental para poder mantener el resto de la cartera con la cabeza fría cuando las cosas se ponen feas en otro sitio. MCD, para mí, es eso. Un ~5-6% anual, con esta calidad de negocio detrás, es un retorno por el que firmo. Y si el precio sigue cayendo, la ecuación solo mejora — sigo ampliando.

Sea como sea, como siempre, esto no es ninguna recomendación de compra. Ninguna empresa es 100% segura y mañana mismo la narrativa del mercado puede cambiar por completo con respecto a McDonald’s, como ya cambió con respecto a otros pesos pesados, como la infame Diageo. Si mañana una bacteria rarísima afecta a un montón de consumidores de McDonald’s, se va a liar. Si los chavales dejan de comer hamburguesas como supuestamente han dejado de beber o fumar (o al menos el mercado compra esa narrativa), se va a liar. Si Ozempic nos pone a todos a dieta, se va a liar. Así que como siempre, haced vuestro propio análisis y valorad los riesgos.

Un saludo a todos.

1. Adyen, La Joven Promesa

2. Un Ecosistema En Movimiento

3. Las Viejas Glorias

4. Los Cimientos

5. ¿SaaSmageddon?

6. Las Valoraciones

7. Conclusión

En mi último post hacía una introducción al ecosistema de pagos más estandarizado a nivel mundial. Podéis verlo aquí:

https://www.poeticstreet.com/p/de-pesca-en-el-ecosistema-de-los

Poco tiempo después empecé a investigar más a fondo la empresa Adyen. Con ayuda de la IA preparé una tesis bastante completa sobre la empresa que os adjunto a continuación y que puede resultar útil para quien quiera profundizar.

Adyen Tesis

1.18MB ∙ PDF file

Download

Download

Sin embargo, creo que no tiene sentido convertir este post en la enésima tesis de inversión sobre Adyen. Ya hay grandes tesis ahí fuera que además coinciden bastante entre ellas. Los puntos fuertes de Adyen están claros, también los riesgos.

Todo el mundo parece tener relativamente claro que es una gran empresa y que, dentro del mundo de los pagos, probablemente sea la que mejor está ejecutando. Yo mismo abrí una posición recientemente en Adyen, seguramente de forma precipitada.

Desde que empecé este blog dejé claro que mi objetivo sería ser transparente con mi cartera y con mis movimientos. No hace mucho tuve Fiserv en cartera, y cerré la posición casi al momento. Y como he comentado, recientemente abrí posición en Adyen.

Sin embargo, poco después cerré media posición de Adyen también: quería asentar mi opinión sobre la empresa y ampliarla en el futuro si fuera necesario. Y hoy mismo, aún sabiendo que es una buena empresa y que hay muchas probabilidades de que lo sigan haciendo bien (y de que su precio suba en los próximos meses y años), he cerrado la posición entera.

En este post os digo por qué.

Adyen, La Joven Promesa

Antes de explicar por qué he decidido salir de la posición, quiero dejar clara una cosa.

No vendo porque piense que Adyen sea una mala empresa. De hecho, probablemente sea justo lo contrario.

Después de estudiar durante semanas el sector de los pagos y la propia empresa, mi conclusión es que Adyen es, probablemente, la mejor empresa del sector.

Probablemente tenga la mejor arquitectura tecnológica del sector. Tiene una cultura empresarial extraordinaria. Está dirigida por sus fundadores, que siguen teniendo una parte muy importante de su patrimonio invertido en la propia empresa. Asigna muy bien el capital. Su plataforma está construida sobre un único código desarrollado internamente, evitando el “Frankenstein” de adquisiciones que caracteriza a muchos competidores. Su retorno sobre el capital sigue siendo muy elevado. Su balance es prácticamente impecable. Y, además, dispone de una pista de crecimiento considerable gracias a la expansión internacional y a los nuevos productos financieros.

En otras palabras: si tuviera que elegir una única empresa dentro del sector de los pagos, probablemente elegiría Adyen.

Entonces, ¿por qué vender?

Porque una gran empresa no implica necesariamente una gran inversión. Hay una diferencia enorme entre entender un negocio y ser capaz de predecir cómo evolucionará durante la próxima década. Y ahí es donde empiezan mis dudas.

Un Ecosistema En Movimiento

El otro día fuimos a la piscina municipal del pueblo donde suelo ir algunos fines de semana. Pregunté si podía pagar con tarjeta y me dijeron que no, pero que podía pagar con un bizum. Fue una tontería pero me hizo recapacitar.

Me hizo pensar que el cliente realmente no quiere pagar con tarjeta. Ni con Bizum. Ni con Apple Pay. Ni con el método que esté de moda dentro de cinco años. El cliente simplemente quiere pagar. Y cuanto más invisible se vuelve el pago, menos claro tengo quién terminará capturando el valor económico de toda esa cadena.

Después de estudiar todo el ecosistema, me he dado cuenta de que la competencia en los pagos es mucho más intensa y dinámica de lo que inicialmente pensaba. Ya no compite únicamente contra otros procesadores. También convive con bancos tradicionales, fintechs, gigantes tecnológicos, software vertical especializado, nuevas formas de pago e incluso cambios regulatorios. Muchos de ellos cooperan entre sí, pero todos intentan capturar una parte mayor de la cadena de valor.

Y todo esto ocurre en un mercado donde la tecnología evoluciona muy deprisa y donde una ventaja competitiva puede erosionarse más rápido que en otros sectores.

Las Viejas Glorias

En el sector de pagos existen algunas piezas clave que llevan ahí desde tiempos inmemoriales. Las llamadas “legacy”.

Fiserv es el ejemplo perfecto del gigante tradicional. Opera un modelo muy diferente al de Adyen. Mientras Adyen es una plataforma única y orgánica, Fiserv es un conglomerado tecnológico-financiero construido a base de adquisiciones. Los resultados recientes de Fiserv muestran presiones en los ingresos orgánicos de sus divisiones de procesamiento y soluciones financieras tradicionales. El mercado la castiga cuando ven que el negocio viejo pesa.

Otro ejemplo es Paypal. En su momento también fue la niña bonita del mercado, pero un buen día dejó de cumplir las expectativas de crecimiento que tenía, posiblemente debido a malas adquisiciones, a una mala gestión, y sobre todo a la dura competencia (Google Pay, Apple Pay, también entran en juego aquí). El mercado castiga muchísimo más el cambio de expectativas que la pérdida de beneficios.

Sin embargo sería iluso pensar que las viejas glorias no van a luchar por defender su castillo.

Por ejemplo, Fiserv invierte en su caballo de batalla y motor de crecimiento Clover, una plataforma de punto de venta y software para pequeños y medianos negocios. Paradójicamente, aquello que hoy parece una debilidad (haber crecido mediante adquisiciones) también le proporciona una enorme base instalada sobre la que desplegar nuevos productos.

Paypal por su parte ha invertido fuertemente en Venmo, que ha dejado de ser solo una aplicación P2P para dividir gastos entre amigos, para convertirse en “Pay with Venmo”, y han acelerado la expansión de este botón de pago en miles de tiendas online, así como la tarjeta de Débito Venmo entre el público joven. Paypal también adquirió Braintree, que aunque tecnológicamente diferente, también compite con Adyen en servicios de adquirencia y en el sector del procesamiento de pagos para grandes empresas.

En resumen, pensar que viejos titanes como Fiserv, Paypal u otros no van a intentar competir y hacerse un hueco con soluciones nuevas, es pecar de iluso. Además estas grandes empresas ya están integradas en el ecosistema de pagos y puede implantar con más facilidad sus nuevas soluciones.

Los Cimientos

Pienso en la base, en los cimientos de todo el ecosistema de pagos.

Todo el mundo da por sentado que empresas por ejemplo como Visa o Mastercard tienen un moat gigantesco, que el mundo se paraliza sin ellas. Y es verdad.

Pero estas empresas aparecieron para resolver un problema de infraestructura que existía hace treinta años, cuando Internet no era lo que es hoy y la capacidad de procesamiento no era la misma. Y sin embargo se requerían respuestas inmediatas cuando se realizaba un pago en un comercio.

La pregunta que me hago es si seguirá siendo necesario dentro de diez o veinte años que toda la infraestructura de pagos se realice en una VPN con líneas dedicadas propias ultrarápidas, segregada del internet público, sobre un protocolo antiguo.

Quiero decir, el Internet de hoy es veloz. Los servidores en la nube son rápidos, pueden procesar capas de cifrado sin apenas introducir retardos. Esto es solo una reflexión mía. Puede que esté completamente equivocado. Pero honestamente, creo que hoy en día se pueden construir perfectamente sistemas de pago alternativos sobre internet, sin la necesidad de canales dedicados ultra costosos. Utilizando algoritmos y protocolos modernos.

Además, no es necesario reemplazar de golpe redes como la de Visa y Mastercard o cualquier otro sistema heredado. Pueden coexistir soluciones modernas con las soluciones legacy.

A lo que voy es a lo mismo que ya he mencionado. Que el ecosistema de pagos está en una fase donde todo puede cambiar y donde hay muchos competidores: los que están desde siempre, los que traen nuevas soluciones, y los que quizás todavía no existen. Todos ellos diseñando soluciones nuevas. Porque la infraestructura actual lo permite.

Y si necesitáis una prueba de que esto no es una elucubración mía, la tenéis fresquísima, de esta misma semana. Ayer mismo se supo que JPMorgan Chase, Bank of America, Wells Fargo y PNC han mantenido conversaciones preliminares para comprarle a Fiserv su red de débito, la STAR Network. El motivo es exactamente el que imaginaréis: saltarse el duopolio de Visa y Mastercard y esquivar los límites federales a las comisiones que impone la Enmienda Durbin del Dodd-Frank. Al poseer su propia red, los bancos recuperarían miles de millones en comisiones que hoy se dejan por el camino.

El ecosistema de pagos se está fragmentando desde sus cimientos y los propios creadores del sistema están buscando formas de hackear los rieles tradicionales sobre los que se ha edificado la industria durante las últimas décadas.

Y si los propios cimientos del sistema están en juego, ¿cómo podemos imaginar de qué forma van a cambiar las cosas en los próximos diez o veinte años, y qué empresas van a estar ahí para llevarse el gato al agua?

¿SaaSmageddon?

Contra Adyen se podría esgrimir un argumento parecido al que ya se usa contra otras compañías de software: si la ventaja competitiva reside en un código limpio, unificado y construido desde cero, entonces la IA se convierte en un arma de doble filo. Ayuda a que los competidores con software peor, heredado y lleno de parches, puedan ponerse las pilas más rápido de lo habitual. Y eso, en teoría, erosiona parte del foso de Adyen.

Sin embargo, no creo que sea un argumento con demasiado peso hoy por hoy. De momento la IA está jugando más a favor de Adyen que en su contra: la usan para pelear contra el fraude y para elegir las mejores rutas de enrutamiento en cada transacción.

Solo quería dejar constancia de este argumento, que ya me he encontrado en otras ocasiones.

Las Valoraciones

Hemos hablado de jóvenes promesas como Adyen y de viejas glorias como Fiserv o Paypal. Y hemos dejado clara la ventaja de Adyen sobre las mismas, sin olvidar que los jugadores de siempre también harán lo suyo por comerse un trozo del pastel y por hacerse un hueco con sus nuevas soluciones.

Pero aquí hay algo muy importante de lo que no hemos hablado. La valoración.

Adyen cotiza a un PER de casi 26 en el momento de escribir estas líneas. Mientras Paypal o Fiserv suelen moverse en entornos de PER 8~9.

Aunque Adyen es la empresa posiblemente más prometedora del sector de pagos, se espera mucho de ella. Y precisamente ahí reside el problema. Cuando el mercado exige perfección, basta con hacerlo “muy bien” en lugar de “extraordinariamente bien” para que la valoración se resienta.

Mientras tanto Fiserv o Paypal ya han sufrido el castigo por el traspiés, y seguramente un castigo excesivo para dos empresas que siguen produciendo FCF a raudales.

Si hacemos un DCF con el crecimiento medio del revenue desde 2018 de 11.68 y conversión de revenue a FCF media de 20.51, para un WACC de 25% y tasa de crecimiento perpetuo de 2.5%, obtenemos un valor intrínseco por DCF de 45.73 dólares para Paypal:

Y si hacemos un ejercicio parecido para Fiserv, con crecimiento revenue de 5.37%, conversión a FCF de 21.6%, WACC 11.5% y g 2.5%, obtenemos un valor intrínseco de 55.72 dólares:

Por supuesto habría que estimar otros ratios de crecimiento y de conversión a FCF para escenarios futuros más lúgubres, solamente es para ejemplificar cómo es el mercado. En el momento que huele problemas o las expectativas de crecimiento cambian, el castigo es implacable.

Adyen está haciendo las cosas bien y mejor que sus competidores, y aunque ya lleva caída desde los múltiplos descabellados que tenía, cualquier error cometido por ellos mismos, o cualquier cambio en el ecosistema de pagos que, aunque ajeno a ellos, les afecte, puede tirar su valoración a la baja aún más.

En mi humilde opinión, en el sector de los pagos hay empresas ya castigadas, que en momentos de castigo excesivo, podrían dar lugar a un trade de una duración determinada. Pero no me parece un sector para comprar y olvidar a largo plazo. Ahora mismo me planteo más intentar cazar rebotes en empresas a PER 8 como Fiserv o Paypal que entrar en Adyen a largo plazo.

Conclusión

Cuando empecé a estudiar Adyen, buscaba confirmar que era una empresa excepcional. Y terminé convencido de que lo es. Lo que no esperaba era que el análisis me llevara a cuestionar el propio sector. Cuanto más entendía Adyen, más entendía que el éxito futuro no dependerá sólo de ejecutar mejor que sus competidores, sino también de cómo evolucione una industria que todavía está redefiniéndose. Esa fue la conclusión que me hizo cambiar de opinión.

En este post no pretendo decir que Adyen no vaya a tener un buen futuro, porque la verdad que lo más probable es que lo tenga.

Lo que digo es que no soy capaz de estimar con suficiente confianza la probabilidad de que ese buen futuro ocurra. Y esa diferencia es muy importante.

Todas las inversiones son probabilísticas y por tanto apuestas. La diferencia es que hay negocios en los que siento que puedo estimar esas probabilidades con bastante confianza, y otros en los que no. No necesito encontrar únicamente empresas excelentes; necesito encontrar aquellas cuyo futuro pueda imaginar con un grado razonable de confianza.

Invertir en algo con una estimación de 50~60% de probabilidad, suena más a apostar en el casino. Pero si tu convicción es superior, si te sientes parte de la empresa porque te gusta lo que hacen y porque te sientes a gusto en ese barco, si estás deseando que baje el precio para ampliar posición, en ese caso puedes invertir a diez o quince años estando tranquilo, y eso sí es invertir de verdad.

En consumo básico, o en ciertas empresas de software empresarial, en infraestructuras o incluso determinados negocios industriales siento que puedo hacerlo, que puedo confiar. En pagos, hoy por hoy, no. Porque las aguas del mundo de los pagos están demasiado revueltas, incluso para buenos pescadores.

Puede que dentro de diez años Adyen sea mucho más grande que ahora. También puede que aparezcan nuevos competidores, nuevos estándares tecnológicos o nuevos modelos de negocio que cambien completamente el equilibrio del sector.

Quizá dentro de cinco años vuelva a comprar Adyen. O quizá no. Lo importante no es acertar con una empresa concreta. Lo importante es invertir únicamente cuando siento que estoy navegando en aguas que realmente entiendo.

Como siempre, nada de esto es consejo de inversión. Ademas puedo estar totalmente equivocado, de hecho es lo más probable.

Si os ha gustado el artículo, suscribíos para que os lleguen más a vuestro correo electrónico. Cualquier comentario o corrección es bienvenido.

¡Un fuerte abrazo!

• Competencia feroz entre actores tradicionales y nuevos entrantes.

• Disrupción tecnológica constante.

• Criptomonedas y stablecoins empujando desde fuera del sistema.

• Bancos centrales liándola parda con sus propias iniciativas digitales.

• Regulación y control fiscal apretando cada vez más.

• Pagos A2A (account to account), ofrecidos por algunos adquirentes para pagar directamente con el banco, de una cuenta a otra, saltándose gran parte del ecosistema tradicional, dejando fuera, por ejemplo, a Visa y Mastercard.

• Pagos Closed-Loop de saldo a saldo dentro de la misma aplicación.

• Inteligencia artificial rediseñando procesos que llevaban décadas sin tocarse.

• Y hasta el “tap to pay“, que convierte el móvil en un datáfono y deja fuera aparatos que antes eran imprescindibles.

Es un mundo que yo diría que es sencillo en el fondo, porque todo tiene su lógica cuando lo entiendes. Pero en el que ahora mismo está todo un poco liado. Algo que en principio parece simple (”doy la orden para que el dinero de la fuente X, normalmente una cuenta bancaria, aparezca en el destino Y, también una cuenta bancaria habitualmente”) se ha convertido, con décadas de desarrollo por parte de distintos actores, en un Frankenstein con muchas capas de funcionalidad encima.

Cuando ves todo el ecosistema junto, la sensación que da es que podría simplificarse enormemente. Y ese es, en mi opinión, el mayor peligro estructural para muchas de las empresas del sector. Con las redes y las tecnologías que había hace dos décadas, todo tenía sentido. Pero con la tecnología que existe hoy, servidores tremendamente potentes y un mundo 100% interconectado con redes veloces, mucha de la funcionalidad parece redundante — capas que podrían eliminarse o colapsarse, dejando fuera a actores que hoy cobran por estar en medio.

En próximos posts voy a analizar varias empresas de este sector, y este artículo es una introducción necesaria para entender el ecosistema de los pagos de forma general. En las próximas secciones intentaré dar una visión global del mismo.

⚠️ Aviso a navegantes: se viene ladrillazo ⚠️

Las próximas secciones podrían ser un poco espesas, pero creedme que merece la pena tener un poco de paciencia, porque una vez tienes el contexto y entiendes todo el ecosistema de pagos, es mucho más fácil entender el porqué de cada empresa, qué hace cada una, cómo de importante es y por qué tiene moat o no, o por qué peligra su existencia.

Movimientos B2B: Banco-Banco

La base de todo este ecosistema es la transferencia de capital entre bancos, desde una cuenta bancaria hasta otra. El resto de capas (toda la red para pagos con tarjeta de Visa o Mastercard, los adquirentes como Adyen o Fiserv, los pagos A2A, etc…) al final podrían considerarse complementos para facilitar y hacer más cómodas y seguras estas transferencias entre cuentas bancarias.

“Transferencia entre cuentas bancarias” suena a algo sencillo, y en realidad debajo hay una infraestructura brutal que poca gente conoce.

Lo primero que hay que entender es que los bancos no se comunican por el mismo internet que usas para ver Netflix. Los grandes bancos (los llamados Tier 1: JPMorgan, Citigroup, BNP Paribas, Bank Of America, Santander...) y los bancos centrales usan lo que se conoce como fibra oscura: filamentos de fibra óptica alquilados a largo plazo a operadoras de telecomunicaciones que están dedicados exclusivamente a ese tráfico. Nadie más pasa por ahí. Es literalmente un tubo de luz privado del punto A al punto B. De esta manera consiguen aislar la red y evitar en gran medida problemas de ciberseguridad.

Para conexiones internacionales entre las instituciones financieras más importantes, la historia es parecida pero a mayor escala. SWIFT (la cooperativa que conecta a más de 11000 instituciones financieras de todo el mundo) no se ha dedicado a tirar sus propios cables cruzando el Atlántico. Sin embargo sí opera su propia red privada global (SWIFTNet, una VPN de escala gigante basada en tecnología MPLS), y para ello utiliza la infraestructura física de las grandes telecos, pero de una forma completamente segregada del internet público: por así decirlo, utiliza el mismo canal físico (los mismos “cables gordos” de internet) pero tiene canales lógicos propios, “paralelos” a internet.

Además, algunas zonas pueden tener sus propias “carreteras” internas. Por ejemplo en Europa existe SEPA (Single Euro Payments Area) y SEPA Instant (la versión Fórmula 1 de SEPA). Para transferencias dentro de Europa, no llega a usarse SWIFT. En España específicamente existe Iberpay (SNCE).

Los bancos más pequeños, los que no pueden permitirse usar este tipo de infraestructura, sí usan el internet convencional, pero con cifrado de grado militar.

La banca corresponsal

Aquí llega un concepto importante, que es el que realmente explica cómo funciona el sistema: la banca corresponsal. Y algo importante para entender el ecosistema: SWIFT no mueve dinero. Mueve mensajes. Es básicamente un sistema de mensajería ultrasegura entre bancos. El dinero en sí se mueve a través de otro conjunto de actores: las cámaras de compensación.

• Mensajería interbancaria.

• SWIFT.

• Liquidación y compensación (el movimiento real del dinero).

• En Europa: TARGET2 (operado por el Eurosistema, el banco central) y EBA Clearing.

• En EE.UU: FedNow (el sistema de la Reserva Federal, relativamente reciente) y The Clearing House (opera CHIPS y RTP).

Estos sistemas de liquidación son lo que se conoce como RTGS (Real-Time Gross Settlement), y son operados mayoritariamente por los propios bancos centrales. Son la fontanería real del sistema financiero.

Los grandes bancos internacionales tienen cuentas abiertas unos en otros. El Santander tiene una cuenta con dinero real depositado en JPMorgan (y viceversa). Cuando el Santander quiere mandar dólares a JPMorgan en Nueva York, SWIFT es el canal por el que viaja la instrucción segura: “Oye, JPMorgan, soy Santander. Quítame 1000$ de mi cuenta contigo y dáselos al cliente con cuenta Y”. Cuando el Santander manda esa instrucción por SWIFT, JPMorgan simplemente hace un apunte contable: descuenta el importe de la cuenta que el Santander tiene con ellos y lo abona al destinatario final. No hay movimiento físico de dinero en ese momento, solo un ajuste de saldos.

Y si el banco que quiere enviar no tiene una relación directa con el banco destino, utiliza uno o varios bancos intermediarios que sí la tengan. Eso es lo que hace que algunas transferencias internacionales sean lentas (1-3 días hábiles) y caras: hay que pagar a cada intermediario que toca la cadena.

Ahora bien, si el Santander hace muchas transferencias hacia EE.UU y pocas en sentido contrario, esa cuenta que tiene en JPMorgan se va vaciando. En algún momento hay que reponerla con dinero real, y eso se hace mediante liquidaciones reales entre bancos a través de los sistemas de los bancos centrales: los sistemas RTGS ya comentados, como TARGET2 en Europa o Fedwire en EE.UU. Ahí sí se mueve dinero de banco central a banco central, que es el dinero “real” en el fondo del sistema.

Las limitaciones del sistema Banco-Banco

El sistema que acabamos de describir funciona. Y lleva décadas funcionando. Pero tiene fricciones evidentes: es caro en pagos internacionales, no opera 24/7, y en cuanto sales de tu zona geográfica aparecen intermediarios, tiempos de espera y comisiones que se acumulan. Además, todo este ecosistema está pensado para mover cantidades grandes entre instituciones, no para que tú pagues un café o compres algo por internet.

Y ahí está precisamente el origen de la siguiente capa del ecosistema. Visa y Mastercard no nacieron para competir con SWIFT ni con las cámaras de compensación. Nacieron para resolver un problema completamente distinto: cómo hacer que un particular pueda pagar en cualquier comercio del mundo de forma cómoda, rápida y segura, sin tener que mover dinero entre cuentas bancarias cada vez que compra algo.

Pagos C2B: Del Consumidor al Negocio

En un pago convencional con tarjeta, el flujo lógico es:

Comercio → Gateway → Adquirente → Redes de Pago (Visa/MC) → Banco Emisor

Y el dinero hace exactamente el camino inverso durante la fase de liquidación, por las noches, a través de las cámaras de compensación que ya vimos antes.

Las redes de pago como Visa o Mastercard operan sobre infraestructura privada — básicamente una VPN enorme con contratos millonarios con las operadoras de telecomunicaciones, completamente segregada del internet público. Un retardo de unos pocos milisegundos más allá de lo acordado deriva en indemnizaciones importantes. Lo que ofrecen, en esencia, es velocidad en la autorización del pago y la infraestructura para que después todo cuadre.

La magia del mensaje en 200 milisegundos

Redes como VisaNet o Banknet son capaces de procesar miles de transacciones por segundo con una latencia casi nula. Cuando el cliente pasa la tarjeta por el datáfono, ocurren dos fases que operan a velocidades y en mundos totalmente distintos:

Fase 1: Autorización (tiempo real, menos de 1 segundo)

Un mensaje viaja siguiendo el flujo de software mencionado desde el comercio hasta el banco emisor. El banco dice “este cliente tiene saldo o crédito suficiente, aprobado“. Ese OK bloquea el dinero en la cuenta del cliente y le asegura al adquirente — y por tanto al comercio — que el pago va a producirse. Nadie ha movido un solo céntimo todavía, pero el café ya es tuyo.

Fase 2: Compensación y Liquidación (Clearing & Settlement — diferido, por la noche)

Aquí es donde el “Mundo Tarjeta” se conecta con el “Mundo Transferencia”.

A lo largo del día se van acumulando autorizaciones en cada pago. Al final del día, cuando todos los comercios cierran sus terminales, los adquirentes vuelven a hablar con Visa, Mastercard o la red de pagos correspondiente. Empaquetan millones de transacciones y las mandan para hacer el “neteo”: la compensación entre todos los bancos. Y a través de los sistemas RTGS de los bancos centrales que ya comentamos (TARGET2, FedWire), se realiza el movimiento real del dinero.

Es decir: primero se autorizan y “anticipan” todos los pagos a lo largo del día, y cada cierto tiempo se hace recuento de todo el dinero que realmente tiene que moverse. Las redes de pago hacen la magia de esa compensación.

“A ver, Santander: tus clientes han gastado 10M fuera de tu banco. Pero a los comercios que tienen cuenta contigo les han comprado 2M desde tarjetas de otros bancos. En el neto global del día, estás en negativo por 8 millones. Tienes que pagarlos.”

Y el neteo consiste precisamente en eso: el Santander no hace miles de transferencias para pagar los 10M y recibir los 2M. Simplemente salda su posición neta diaria — los 8 millones — a través del sistema RTGS con el que opera su banco central.

¿Y para qué sirven los adquirentes?

Tras leer las secciones anteriores podría parecer que los adquirentes son solo un intermediario entre el comercio y la red de pagos que chupa del bote. Y efectivamente son un intermediario chupando del bote, pero en las siguientes líneas veremos que realmente se ganan el pan.

Uno podría pensar: si la red de pagos ya hace todo esto, ¿por qué el datáfono no le da los datos del cliente directamente a Visa o a Mastercard para que ellos autoricen y más tarde liquiden el pago? ¿Por qué Apple, Spotify o Uber pagan millones a Adyen en lugar de conectarse directamente a Visa?

La razón principal es que el mundo es caótico. Hay millones de comercios, cada uno con sus particularidades — su zona geográfica, su tipo de negocio, su cliente.

Conectar ese caos con las ultra-estrictas redes de Visa y Mastercard es una pesadilla de ingeniería, regulación, riesgo de fraude y gestión de tesorería. Es como intentar enchufar una tostadora doméstica directamente a una torre de alta tensión. Necesitas un transformador que adapte la potencia, gestione los picos de tensión, te asegure que no salga ardiendo la casa y, además, te agrupe la factura a fin de mes. Ese transformador es el adquirente.

Traductor

El adquirente hace de traductor: toma el formato web de Uber o el código del datáfono de la esquina, lo limpia, lo cifra y se lo entrega a la red de pagos masticado y perfecto. Si la red de pagos tiene un problema en un momento dado, el adquirente retiene la petición y la reintenta, salvando la venta del comercio.

Smart Routing

Si te conectaras directamente a Visa, estarías atrapado en su camino único. Un adquirente global como Adyen hace Smart Routing: cuando metes tu tarjeta en una web internacional, el adquirente analiza en milisegundos de qué banco es la tarjeta, de qué país, qué red es más barata en ese momento. Si ve que procesar el pago por Visa internacional va a costar un 2% y tiene una probabilidad de rechazo del 15% por sospecha de fraude, puede decidir enrutar ese pago a través de una red local o un acuerdo directo con el banco emisor. Esto maximiza la tasa de conversión — que el pago no sea denegado por error —, que es lo que realmente le importa a un comercio online.

Escudo Anti-Fraude

El adquirente asume el riesgo de crédito y fraude del comercio. Por eso, para ser adquirente necesitas una licencia financiera. Adyen analiza la salud financiera de Spotify o de la aerolínea de turno antes de contratarlos. Si la aerolínea quiebra y miles de clientes reclaman sus vuelos, Adyen tiene que devolver ese dinero de su propio bolsillo. Visa no quiere asumir el riesgo de lidiar con millones de comercios; prefiere exigirle responsabilidades a un puñado de adquirentes regulados y que ellos se las arreglen con cada cliente y cada comercio.

Tesorería

Imagina que un comercio vende mil cafés al día a 2€ cada uno. Si Visa liquidara directamente con el comercio, tendría que hacer mil micro-transferencias diarias — ineficiente y carísimo. El adquirente actúa como embudo: recibe de los bancos emisores un único bloque de fondos netos correspondiente a millones de transacciones, descuenta su comisión (más la de Visa y la del banco emisor), y le ingresa al comercio un único pago limpio al día o a la semana. El comercio no concilia nada; solo ve un ingreso diario en su cuenta.

Pagos U2U: Usuario-Usuario (P2P Peer-to-Peer)

El tercer gran bloque del ecosistema es el más cercano al usuario de a pie: mandarte dinero a un amigo para pagar la cena, dividir el alquiler, o saldar una deuda. En teoría es el caso de uso más sencillo de todos — dos personas, dos cuentas, una cantidad. En la práctica, durante décadas fue también el más incómodo, porque exigía conocer el IBAN del otro, esperar un día hábil y rezar para no equivocarse de número.

Lo que ha cambiado en los últimos años es que estos pagos ya no necesitan pasar por las redes de tarjetas. Usan directamente otros raíles bancarios que ya describimos — SEPA Instant, sistemas RTGS, APIs de Open Banking — pero con una capa de software encima que hace que el proceso sea tan rápido y sencillo como mandar un mensaje de WhatsApp.

Los ejemplos más relevantes a nivel global:

Bizum (España): Corre sobre Iberpay y SEPA Instant. En lugar de pedir el IBAN, usas el número de móvil. El dinero llega en segundos.

Zelle (EE.UU.): Consorcio creado por los grandes bancos americanos para competir con las apps de terceros. Opera directamente entre cuentas bancarias, sin saldo intermediario.

Venmo / Cash App (EE.UU.): Modelo diferente — el dinero queda en un saldo dentro de la propia app (lo que se llama “closed-loop” o bucle cerrado) hasta que el usuario decide transferirlo a su banco. Más flexible para el usuario, pero el dinero no está en tu cuenta bancaria real hasta que lo sacas.

Pix (Brasil): Creado directamente por el Banco Central brasileño. Uno de los casos de éxito más llamativos a nivel global — en pocos años se convirtió en el método de pago dominante en Brasil, desbancando tanto a las transferencias tradicionales como al efectivo.

UPI (India): La Unified Payments Interface india es probablemente el ecosistema P2P más grande del mundo por volumen de transacciones. Un caso de libro de cómo la intervención regulatoria puede acelerar la adopción masiva de pagos digitales.

Lo interesante de esta capa, desde el punto de vista inversor, es que es donde más claramente se ve la amenaza para el ecosistema tradicional. Estos sistemas no pagan tasas de intercambio a Visa ni a Mastercard. No necesitan adquirentes. Van directos de cuenta a cuenta. Y en los países donde han despegado de verdad — Brasil, India, China con WeChat Pay y Alipay — la penetración de las redes de tarjetas tradicionales ha quedado estructuralmente limitada.

Conclusión: El mapa antes del territorio

Si has llegado hasta aquí, enhorabuena — y gracias por la paciencia. Era un ladrillazo, lo sé. Pero era un ladrillazo necesario.

El ecosistema de pagos es de esos sectores donde es muy fácil leer titulares (”Visa gana X millones”, “PayPal pierde cuota de mercado”, “las stablecoins van a cargarse a los bancos”) sin tener claro exactamente qué está pasando por debajo. Y sin ese contexto, es muy difícil saber si el titular importa, si el riesgo es real, o si es simplemente ruido.

Lo que hemos visto en este artículo es que el ecosistema tiene tres grandes capas bien diferenciadas. La capa B2B, que es la fontanería real del sistema financiero — SWIFT, corresponsales, cámaras de compensación — y que lleva décadas funcionando pero arrastra fricciones evidentes en los pagos internacionales. La capa C2B, donde Visa y Mastercard construyeron su imperio precisamente para resolver lo que el sistema B2B no podía hacer: que un consumidor pague en cualquier comercio del mundo de forma cómoda y segura. Y la capa P2P, que es la más nueva y la que más claramente amenaza a las capas anteriores, porque va directa de cuenta a cuenta sin necesitar ni redes de tarjetas ni adquirentes.

Y encima de todo esto: disrupción por todos los flancos. Pagos A2A, stablecoins, Open Banking, iniciativas de bancos centrales. Todos atacando alguna de estas capas. Todos con argumentos reales. Ninguno, de momento, con una victoria decisiva.

Y en estos momentos de incertidumbre, estos momentos en que las empresas de un sector están golpeadas, es cuando merece la pena entender y estudiar dicho sector. Porque como decíamos al principio, a río revuelto, ganancia de pescadores.

Eso es precisamente lo que viene en los próximos posts. Tengo en el radar empresas como Visa, Mastercard, Adyen, Fiserv o PayPal — cada una operando en una capa distinta del ecosistema, con modelos de negocio distintos, y con amenazas distintas encima de la mesa. Ahora que tenemos el mapa general, podemos analizar cada empresa con mucho más contexto y más sentido.

Nos vemos en próximos posts. Suscribíos para recibirlos directamente en vuestro email.

Saludos!

• CapEx desbocado por la inversión en centros de datos para la IA

• Dependencia de OpenAI

• SaaSmageddon

Y ya di mi opinión contra esta narrativa negativa, al menos en lo que se refiere a la dependencia de OpenAI y el SaaSmageddon. Si te interesó aquel artículo, no dudes en suscribirte para recibir más contenido similar.

Suscríbete ahora

En este post voy a ser más conciso y directo, e intentaré dar mi punto de vista sobre el problema del CapEx, que afecta no solo a Microsoft, sino a todos los hiperescaladores.

Valor Intrínseco de Microsoft

Antes de empezar, que quede claro, como siempre, que nada de esto es consejo de inversión, que puedo haber metido la pata hasta el fondo con los cálculos que voy a poner a continuación y, en resumen, que te imagines que soy un loco que pasa por la calle gritando cosas irracionales sobre bolsa y economía; que desconfíes de todo lo que leas y que hagas tu propio análisis o, al menos, contrastes el mío y me pongas la cara colorada en los comentarios si es necesario.

Dicho esto, vamos directos al ladrillazo y vamos a tomar algunos datos financieros anuales de Microsoft desde 2019 hasta 2025:

Como vemos en la captura, mi hoja de Google Sheets calcula el crecimiento medio anual del Revenue y el margen medio de conversión de Revenue a Free Cash Flow (FCF) en base a los datos históricos desde 2019 hasta 2025:

• Crecimiento medio anual del Revenue: 14,44%

• Margen medio de conversión Revenue a FCF: 30,28%

Si realizamos un descuento de flujos de caja con estos parámetros, un WACC del 8% y una tasa de crecimiento perpetuo del 3%, obtenemos un valor intrínseco de 382 dólares:

Está cerca del precio actual de la acción de Microsoft en el momento de escribir este post.

¿Y qué pasa con las toneladas de CapEx?

La estimación anterior suena muy bonita si Microsoft siguiera siendo una empresa Asset-Light que gasta poco y gana mucho.

Pero mantenerse en la carrera por la IA, con toda esa inversión en centros de datos y todas esas tarjetas gráficas friéndose cada vez que alguien le pregunta el horóscopo a ChatGPT por la mañana, cambia completamente el escenario.

Microsoft ya ha anunciado de forma oficial que estiman un gasto en CapEx de 190000 millones de dólares en 2026.

Aquí se abren varios escenarios futuros.

A) Escenario “Guay”: CapEx se estabiliza, ingresos se disparan

Satya Nadella defiende que el ritmo actual de CapEx se debe a que están construyendo los cimientos del nuevo stack tecnológico y que, a partir de 2027, a medida que la oferta de chips y componentes se estabilice, la presión sobre el CapEx cederá.

Además, las inversiones actuales en centros de datos no tardarán en generar ingresos. El consenso de analistas espera que para 2027 el CapEx empiece a estabilizarse en torno a los 130000 millones de dólares anuales, mientras que el flujo de caja operativo explotará al alza a medida que Azure (que crece al 40%) y las licencias de Copilot maduren y escalen en márgenes.

En este escenario, el FCF rebotaría con fuerza en 2027 y 2028.

B) Escenario “La Hemos Cagado”: CapEx incontrolable

Un edificio o una red eléctrica se deprecian en 20 o 30 años, pero los servidores de IA y los clusters de GPUs se quedan obsoletos en apenas 3 a 6 años debido al avance de los nuevos modelos.

Si en 2027 o 2028 Microsoft se ve obligada a sustituir de golpe los chips actuales por las siguientes generaciones para no perder cuota frente a Google o AWS, el CapEx no bajará.

Si el CapEx se mantiene estructuralmente por encima de los 150000 millones anuales y la demanda de servicios de IA no escala al mismo ritmo, los márgenes operativos (que ya estiman que bajarán al 44% el próximo trimestre) y el retorno sobre el capital invertido (ROIC) se resentirán de forma permanente.

Y aquí está la clave: no todo CapEx destruye valor. Si estas inversiones generan suficiente demanda futura y se monetizan adecuadamente, pueden resultar extraordinariamente rentables. El problema aparece cuando la inversión crece más rápido que la capacidad de generar retornos sobre ella.

C) Escenario “La Hemos Cagado Mucho”

En este escenario aprovecharíamos la capacidad de computación de los cerebros de un montón de humanos conectados a una matriz inmensa de procesamiento, reduciendo el gasto en CapEx enormemente... ¡Perdón! ¡Ya paro! Seamos serios, que nos jugamos la pasta.

Valor Intrínseco para Posibles Escenarios Futuros

Seguramente hay maneras mucho más avanzadas de estimar el valor intrínseco de Microsoft, incluyendo cifras exactas de estimaciones de CapEx futuro y utilizando métodos mucho más complejos.

Pero entender cómo está cambiando la empresa y poder realizar descuentos de flujo de caja con distintos parámetros para diferentes escenarios futuros probablemente ya nos da una ventaja sobre una buena parte de los inversores del mercado.

He utilizado mi hoja de cálculo jugando con diferentes valores de “Crecimiento medio anual del Revenue” y “Margen medio de conversión Revenue a FCF”.

Básicamente, jugando con el crecimiento medio anual del Revenue podemos estimar si la empresa incrementará o no sus ganancias gracias a la IA. Y con el margen medio de conversión Revenue a FCF podemos estimar si el CapEx se va de madre o no.

Además, conviene distinguir entre dos tipos de CapEx. Por un lado está el CapEx defensivo, destinado a mantener la competitividad frente a Google, Amazon o futuros competidores. Por otro lado está el CapEx ofensivo, cuyo objetivo es capturar una parte significativa del crecimiento futuro de la IA.

El primero puede verse como un coste necesario para no quedarse atrás. El segundo puede convertirse en una enorme fuente de creación de valor si la demanda termina justificando las inversiones actuales.

En la siguiente tabla se muestra el valor intrínseco para distintos escenarios:

La Bola de Cristal y Conclusión

Podemos leer cientos de artículos sobre IA, comparativas, pronósticos, expertos, etc. Pero la realidad es que hay momentos en los que la incertidumbre es inevitable.

Lo ideal sería encontrar buenas empresas, baratas y sin incertidumbre. Pero eso no suele pasar.

Si ahora encontramos Microsoft a los 385$ en los que cotiza en el momento de escribir este post, se debe precisamente a esta incertidumbre, a no saber qué parámetros utilizar para nuestros modelos y nuestros cálculos.

Mi humilde opinión, como inversor mediocre y como informático un poco menos mediocre, es que la IA es lo más “mágico” que se ha hecho, al menos en el campo de la informática, hasta el momento.

Internet fue brutal, pero no es tan difícil comprender su funcionamiento: no parece tan “por arte de magia”. La Blockchain es una genialidad, pero es relativamente fácil de entender. Los algoritmos para recrear mundos 3D en videojuegos, los virus informáticos y las herramientas para combatirlos...

Hay cientos de grandes invenciones en el mundo de la informática, pero jamás pensé que vería algo como la IA actual.

Creo que la carrera por la IA depende principalmente de dos cosas: capacidad de procesamiento y datos para entrenarla (y seguramente también regulación por parte de los gobiernos).

En mi opinión, va a ser muy difícil para nuevos jugadores competir en el campo de los centros de datos, y eso ofrece una gran barrera de entrada.

Pero además, pocas empresas tienen la cantidad de datos acumulados durante décadas como la tienen Google, Microsoft o Meta; y, sobre todo, la capacidad de ampliar esa cantidad de datos día tras día para entrenar la IA casi en tiempo real.

Y por otra parte, no sé vosotros, pero yo me declaro IA-dependiente absoluto, como en el pasado lo era de Google Search.

Y creo que llegará un momento en el que la IA sea tan necesaria para la humanidad como lo son el agua o la electricidad. Hasta el punto de que las empresas que se hagan un hueco en el sector llegarán a convertirse en una especie de utilities de los datos, y sus ingresos serán ultra predecibles y seguros.

Con todo esto sobre la mesa, en Poetic Street Capital tenemos una posición en Microsoft (exactamente el 5% de la cartera) a un precio medio de compra de 400$.

Y seguiremos ampliando si el precio sigue cayendo.

Porque creemos firmemente que el uso de la IA tendrá un crecimiento exponencial y que Microsoft será capaz, de una manera u otra, de generar retornos atractivos sobre las enormes inversiones que está realizando hoy.

Ya sea mediante mejoras en hardware, eficiencia energética, nuevos modelos de negocio o economías de escala, creemos que una parte significativa del CapEx actual terminará convirtiéndose en capacidad productiva altamente rentable.

Como siempre, nada de esto es consejo de inversión. Puedo estar equivocado de principio a fin, desde los cálculos realizados para obtener el valor intrínseco hasta todo el resto de la tesis.

Debéis hacer vuestro propio análisis y tomar vuestra propia decisión.

Si os ha gustado el artículo y os ha aportado valor, suscribíos para que os lleguen futuros artículos directamente a vuestro correo electrónico.

Y, por supuesto, cualquier comentario o corrección es bienvenido.

Se aceptan trolls y haters de todos los colores.

¡Saludos y un fuerte abrazo!

No soy ningún gurú de la bolsa, pero llevo el tiempo suficiente en esto para saber que los mercados hoy en día se parecen bastante a lo que os cuento. Sin que haya una razón de peso, una empresa te empieza a caer mal. No sabes ni por qué.

Es más, seguramente los inversores más inexpertos lo entendemos incluso mejor que aquellos que llevan un porrón de años. Porque la dinámica del mercado de hoy en día posiblemente no tiene nada que ver con la de antes: no se mueve tanto por razonamientos coherentes y por fundamentales, sino por sensaciones y narrativas fugaces. Sentimientos corriendo a toda velocidad por las redes. Un mercado lleno de inversores que son auténticos “futboleros”, que sienten los colores. Compran Google, o Meta, o Bitcoin, y se ponen la camiseta de su equipo. Y lo defienden con la vida si hace falta.

Por eso hoy en día tan importante es para una empresa que tenga buenos fundamentales, como que despierte simpatía en el inversor.

Un ejemplo es SpaceX. Claro que es posible que tenga un futuro tremendamente prometedor, que conquiste el espacio, que nos lleve a todos a Marte, o que construya la Estrella de la Muerte y Elon Musk se convierta en un Jedi. Pero la realidad es que al momento de escribir este post, SpaceX tiene pérdidas, capex astronómico y un modelo de negocio en construcción. Y aun así supera ahora mismo (con sus 2,1 trillones de dólares) en capitalización a Meta, una empresa esta última que genera unas cifras de ingresos obscenas.

Y esto se debe muy en parte a que “cae bien”. Los inversores aman y son fanáticos de Elon Musk como si fuera el mismísimo Michael Jackson.

Y luego está el caso contrario, los que “caen mal”. Meta precisamente suele ser uno de los sospechosos habituales. Hace unos años Mark Zuckerberg también quiso tener su momento de “¡eh chicos, yo también soy cool!”. Zuckerberg no pretendía conquistar el espacio ni construir civilizaciones avanzadas de elonmuskianos detrás de algún agujero negro. Zuckerberg pretendía construir lo que llamaban el Metaverso. A Meta se le sale la pasta de los bolsillos, y pretendieron invertir en un proyecto que, por otra parte, sonaba bastante alineado con el resto de sus líneas de negocio y con sus redes sociales (y honestamente, un proyecto en el cual la IA hubiera encajado muy bien, pues todo ese Metaverso podría haber sido perfectamente una especie de “guardería” para entrenar IAs en un entorno virtual).

En ese entonces, Meta cayó desde 380 dólares a los que cotizaba en septiembre de 2021, hasta tocar los 88 en noviembre de 2022. Una caída del 77% para una empresa que tenía el dinero por castigo.

Hace unos meses sucedió algo similar con Google. Con la aparición de la IA y el ChatGPT de OpenAI, Google empezó a caer realmente mal a los inversores. Google se había dormido en los laureles, decían, y la IA le había pasado por encima. Sus búsquedas tradicionales ya no valían nada. La ingente cantidad de datos recopilados durante décadas, sus algoritmos para mapear internet, su cloud, sus “other bets”… todo eso ya no valía nada. Google ya no era cool.

El nuevo chico popular del instituto era Sam Altman con OpenAI. Para ese entonces Microsoft se llevó el gato al agua y se hizo con una participación del 27% en OpenAI justo cuando más molaba: una inversión de unos 135.000 millones de dólares. Y a cambio, OpenAI se comprometió a gastar unos 250.000 millones de dólares en servicios de la nube de Microsoft hasta el año 2032. Así que Microsoft se convirtió en el amigo del chico popular del instituto, llegando a cotizar a un PER cercano a 40x.

Pues bien, Google, desde abril de 2025, cuando tocó los 140 dólares, ha llegado a subir un 190% hasta casi tocar los 410 dólares por acción en mayo de 2026.

En menos de un año la narrativa ha cambiado por completo. Solo hay que darse una vuelta por X para verlo.

Ahora Google es la bomba. Tiene su propio modelo de IA, cantidades ingentes de datos para entrenarlo, capacidad para alimentarlo con nuevos datos recopilados de internet casi en tiempo real, ha integrado la IA perfectamente en las búsquedas tradicionales, fabrica sus propios chips, su cloud no para de crecer, Waymo (al menos de momento) es líder indiscutible en operaciones comerciales de robotaxis en EEUU (con más de 450.000 viajes pagados a la semana), Android, Chrome, participaciones en SpaceX y Anthropic... Y es cierto que Google es la bomba, de hecho es posiblemente la empresa que más me gusta de todo el índice. Pero la nueva narrativa ha puesto sus valoraciones por las nubes.

Mientras tanto, al contrario, Microsoft ha perdido popularidad. Se encuentra en su valoración más baja en una década porque la nueva narrativa es que la IA va a erosionar el modelo de suscripción por usuario sobre el que se construyó Microsoft (si hay menos trabajadores en las empresas, sustituidos por la IA, harán falta menos licencias de productos de Microsoft) y que Microsoft tiene demasiada dependencia de OpenAI. Por su parte, OpenAI ha dejado de ser el chico listo de la clase para dar paso a los flamantes modelos de Claude que están en boca de todos.

¿Tiene fundamento toda esta nueva narrativa en la que Google es guay, Claude va a convertirse en Skynet, y Microsoft va directo a la quiebra? Nadie puede saberlo, pero mirando los números y líneas de negocio de Microsoft, no parece que vaya a la quiebra.

Tanto Google como Microsoft han empezado a gastar toneladas de dólares en Capex para hacerse un hueco en la carrera de la IA. Sin embargo, el mercado lo ha celebrado o al menos se lo ha tolerado a Google, mientras que castiga duramente a Microsoft o Meta. Probablemente, si no estuvieran invirtiendo para competir en este campo, también habrían sido castigados, como pasó con Apple. O serían acusadas de que la IA está acabando con sus negocios principales, como le pasó al propio Google cuando se decía que la IA acabaría con las búsquedas tradicionales y que Google era la nueva Kodak.

¿Depende Microsoft de OpenAI?

Los acuerdos con OpenAI fueron el catalizador que dio a Microsoft una ventaja competitiva inicial, y aun a día de hoy, OpenAI sigue siendo la apuesta principal de Microsoft para competir en este campo.

No podemos engañarnos: en una carrera donde se compite sin piedad, como es la carrera actual en el cloud y la IA, que OpenAI fallara sería un buen palo para Microsoft. No solo por lo que supondría a nivel tecnológico, sino porque muchos lo interpretarían como la confirmación de la narrativa anti-Microsoft reinante.

Pero hay que entender que el verdadero negocio de Microsoft es la infraestructura y la distribución: cada vez que una empresa decide usar cualquier modelo de IA dentro del entorno empresarial, necesita la seguridad, los datos y la potencia de cálculo que pocas nubes proveen, y Azure es una de las principales.

A pesar de que OpenAI es la apuesta principal de Microsoft, han invertido agresivamente en el desarrollo interno de familias completas de modelos de lenguaje propios en dos frentes diferenciados: la serie Phi (como Phi-3, con modelos pequeños enfocados en una alta eficiencia, baja latencia y costos reducidos), y modelos fundacionales propios, la familia MAI (en la carta a los accionistas de finales de 2025, Satya Nadella anunció la introducción formal de sus primeros modelos fundacionales desarrollados y entrenados de extremo a extremo de manera 100% interna: MAI-1, MAI-Voice-1 y MAI-Image-1).

Por otra parte, Microsoft tiene la plataforma abierta y multimodelo Azure AI Foundry, un ecosistema que funciona como una tienda de IA para empresas con un catálogo de más de 11.000 modelos de inteligencia artificial de múltiples competidores y socios como Meta, Mistral, Cohere, DeepSeek, xAI, entre otros.

Por último, Microsoft está monetizando la IA en el software empresarial del día a día, integrando agentes y asistentes automatizados en toda su suite (Windows, Office 365, LinkedIn, Dynamics y GitHub).

Si OpenAI llegara a colapsar o a perder la carrera frente a rivales como Anthropic o Google, Microsoft impulsaría los modelos alternativos de código abierto o comerciales de terceros integrados en su Azure AI Foundry (los clientes corporativos de Microsoft podrían cambiar a otro modelo puntero sin salir de la nube de Azure), además de acelerar su propia línea interna de modelos MAI-1.

¿Damos ya por muerto a OpenAI?

Dicho todo lo anterior, ¿podemos dar ya por muerto a OpenAI? Hace unos meses OpenAI era el TOP de la IA. Luego apareció Gemini y se decía que Google había sabido plantar cara a OpenAI. Ahora resulta que Claude de Anthropic es el TOP de verdad.

En los últimos tiempos hemos visto titulares propios de una película de Steven Spielberg:

• La IA de Claude aprende a mentir y borra logs para ocultar sus huellas.

• La IA de Claude se escapa de un entorno controlado (una sandbox) creando el exploit para fugarse por sí misma, a la vez que informaba al desarrollador de que ya estaba fuera.

• Vulnerabilidades ocultas por más de 20 años en sistemas críticos que son descubiertas ahora por Claude.

• El gobierno de EEUU censurando la salida al público de ciertas versiones de Claude por considerarlas un peligro para la seguridad nacional.

Seguramente nunca sabremos qué parte de hype y marketing hay en todo esto.

Que Claude funciona como un reloj suizo no se le escapa a nadie. Pero honestamente, utilizo a diario Gemini y OpenAI junto a Claude, y cualquiera de ellos me resuelve la mayoría de mis problemas. Además, hay muchos otros factores a tener en cuenta más allá de qué modelo es el más “inteligente” o potente: el precio por token, el precio global del servicio que ofrece cada empresa con todas sus ventajas, la facilidad de integración en empresas…

Además, pensemos: con la bestial inversión en capex que están haciendo tanto Google como OpenAI, Microsoft… ¿de verdad nos sorprendería que mañana Google salga con un nuevo modelo que nos deje a todos con la boca abierta? ¿O que OpenAI haya conseguido la ansiada AGI (Artificial General Intelligence)?

No creo que nadie pueda decir con certeza que uno de estos modelos va a comerse a los otros, por mucho titular sensacionalista y mucho hype que se le dé. Además, el pastel de la IA es inmenso, y habrá un trozo para cada actor que consiga entrar en este mercado. Y no quitemos importancia a la regulación y a los gobiernos. ¿Va a permitir el gobierno de Estados Unidos que una única empresa se haga con todo el pastel? ¿Va a dejar caer a un ariete de la IA como OpenAI? Si no ha dejado caer a empresas menos críticas para el país como Intel, menos lo permitirá con OpenAI.

¿Y qué pasa con el SaaSMageddon?

El SaaSMageddon. La hipótesis de que la IA y los agentes autónomos destruirán el modelo de negocio tradicional de software bajo suscripción.

(No sé si OpenAI está muerto, pero tengo que reconocer que hace unos memes cojonudos).

La premisa es simple: si un agente de IA puede programar, automatizar flujos de trabajo complejos y crear herramientas a medida en cuestión de minutos, ¿para qué va a seguir pagando una empresa millones de dólares en licencias anuales de Salesforce, ServiceNow o SAP?

La cuestión es: ¿es Microsoft otra víctima más del SaaSMageddon, o más bien podría convertirse en un win-win para la compañía?

Por un lado, Microsoft, con Azure, tiene el blindaje perfecto: la infraestructura. Tiene una de las pocas autopistas de la computación para la IA. Si una startup o un equipo de desarrollo decide reemplazar un software de terceros creando su propia solución con agentes de IA, los modelos posiblemente se ejecutarán en nubes como Azure (sería raro y posiblemente ineficiente que la empresa instale y gestione localmente sus modelos de IA). Para Microsoft, el SaaSMageddon no destruye el gasto tecnológico, sino que lo transfiere: los dólares que las empresas antes destinaban a licencias de software ahora los destinan a capex y consumo de computación en la nube.

Por otra parte, el SaaSMageddon ofrece una tremenda oportunidad a Microsoft para reinventar su suite de productividad: Microsoft 365 + Copilot. El riesgo teórico existe: si la IA automatiza la creación de documentos, hojas de cálculo y correos, el valor de la interfaz tradicional de Office disminuye. Sin embargo, Microsoft cuenta con un foso defensivo casi impenetrable: gestiona el acceso seguro y unificado a todo el histórico de datos, correos, reuniones, documentos... de una corporación, todo ello bajo estrictas normativas de seguridad y cumplimiento. Ningún agente de IA externo puede operar eficientemente en una gran empresa si no tiene acceso a todo el contexto organizativo, mientras que el ecosistema de Microsoft ya está integrado hasta el tuétano en la empresa. Al añadir Copilot de forma nativa en ese ecosistema, Microsoft está metiendo con calzador su IA en la empresa: no está esperando a ser “disruptada” por la IA, está liderando de forma forzada la transición del SaaS tradicional al AaaS (Agent-as-a-Service).

Mientras que el SaaSMageddon es una amenaza real y existencial para las compañías de software de tamaño medio y nicho, para Microsoft representa una oportunidad histórica de consolidación de mercado.

En los próximos meses, será importante revisar los earnings reports, no tanto por ver el número bruto de licencias tradicionales vendidas, sino por ver el crecimiento de los ingresos por consumo de Azure AI y la tasa de adopción de Copilot en clientes corporativos. Suscribíos si queréis permanecer informados, porque aquí en Poetic Street Capital estaremos pendientes para hacer seguimiento de cualquier earnings report publicado. Si Microsoft logra transferir con éxito a sus usuarios del modelo de “pago por asiento” al modelo de “pago por valor añadido de IA”, el SaaSMageddon no hará más que ensanchar su foso competitivo frente al resto de la industria.

Conclusión

Al igual que hace unos meses la narrativa general era que OpenAI iba a pasar con su ChatGPT como un tractor por encima de las búsquedas tradicionales de Google. Al igual que hace unos años Mark Zuckerberg había perdido la cabeza dilapidando fortunas en ideas locas de metaversos y multiversos, e iba a llevar a Meta a la quiebra. Al igual que la narrativa más reciente es que Elon Musk va a crear una colonia de cyborgs en alguna estrella cercana y todo lo que pagues por SpaceX es poco.

Pues bien, al igual que todo lo anterior, la siniestra y tétrica nueva narrativa con Microsoft es que el SaaSMageddon y la decadencia de OpenAI van a terminar con una empresa que ha sabido lidiar con auténticas hecatombes y crashes en el pasado.

En próximos posts haremos un análisis financiero y un descuento de flujos de caja para Microsoft, con diferentes estimaciones de crecimiento de revenue y margen de conversión de revenue a free cash flow para diferentes posibles escenarios, de más a menos optimistas.

Actualmente en Poetic Street Capital ya dedicamos un 5% de nuestra cartera a Microsoft, y consideramos que cualquier precio por debajo de 400 dólares es una ganga para esta pedazo de empresa. Suscribíos para ser notificados de cualquier nuevo análisis o comentario sobre la empresa.

Como siempre, todo esto no es recomendación de compra o de venta. Es solamente nuestro punto de vista, y un seguimiento de lo que en Poetic Street Capital hacemos con nuestras inversiones. Todos vosotros sois responsables de hacer vuestro análisis y tomar vuestras decisiones. Y por supuesto, aquí estamos todos para aprender: si no estáis de acuerdo con nuestro punto de vista, o detectáis cualquier error, cualquier comentario es bienvenido, ¡incluso si viene de un trol!

¡Saludos!

Predecir el comportamiento de este activo es posiblemente una de las tareas más difíciles para un inversor, junto con el comportamiento de las divisas (de hecho, invertir en bonos implica, de forma indirecta, invertir en divisas: de nada sirve comprar bonos de un país al 4% de interés si la divisa de ese país cae un 8%). Predecir el comportamiento de los bonos implica predecir factores macroeconómicos, políticos del país del bono, así como factores geopolíticos e internacionales. En mi humilde opinión, casi nadie puede ver con certeza hacia dónde irán los tipos de interés de un país.

Sin embargo, una cartera diversificada debe tener bonos que te protejan en ciertos escenarios y ciclos económicos, por ejemplo en una etapa prolongada de recesión o para amortiguar un crash por un cisne negro.

En mi cartera, considerando la situación actual donde la renta variable podría estar bastante sobrecalentada, tengo una posición considerable en activos fuera de la renta variable (oro, bonos, materias primas, liquidez...). En concreto, mi posición actual en bonos asciende a un sustancial 30% de la cartera.

Puesto que considero tremendamente difícil adivinar hacia dónde irán los tipos de interés y las divisas de cada país, toda mi posición en bonos la tengo a través de un ETF que sigue el Bloomberg Aggregate Bond Index. El Bloomberg Aggregate Bond Index está compuesto principalmente por bonos gubernamentales, corporativos y respaldados por hipotecas de alta calidad crediticia, los cuales se diversifican de forma equilibrada a través de diferentes sectores económicos, regiones geográficas y plazos de vencimiento (duración). Esta variedad de plazos y emisores permite capturar el comportamiento general de la renta fija segura, reduciendo el riesgo y ofreciendo una imagen clara de cómo se mueve el mercado de deuda a nivel global o regional.

iShares Core Global Aggregate Bond UCITS ETF

El ETF que utilizo para invertir en bonos es el ETF AGAC de BlackRock: iShares Core Global Aggregate Bond UCITS ETF:

https://www.blackrock.com/es/profesionales/productos/337224/ishares-core-global-aggregate-bond-ucits-etf

El ETF está diversificado en bonos gubernamentales y corporativos de distintos países y duraciones, predominando los bonos estadounidenses, y teniendo una duración media de 6–7 años.

Y el “Lambo” para cuándo

Efectivamente, los bonos no te van a hacer trillonario. Los bonos son un tipo de activo que nos ofrece estabilidad, seguridad y menor volatilidad en la cartera, obviamente con una rentabilidad mucho más ajustada.

El problema es que muchas veces, cuando compramos un ETF de este tipo, es muy difícil calcular qué rentabilidad podemos esperar a medio plazo, al menos para un inversor retail como muchos de nosotros. No porque sea difícil estimar la rentabilidad de un bono. Todo lo contrario: cuando compras un bono, sabes de antemano, siempre y cuando no se produzca un impago, la rentabilidad que puedes obtener (a diferencia de la bolsa, donde necesitas hacer una estimación). Es difícil porque la cantidad de activos (bonos) que componen el ETF es altísima.

En la propia web de BlackRock podemos descargar un documento CSV con todos los holdings que componen el ETF AGAC y podemos observar que son en torno a 20.000 bonos diferentes.

Si quisiéramos calcular qué rentabilidad exacta nos ofrecen los bonos que componen el ETF necesitaríamos obtener la rentabilidad exacta de cada uno de ellos hoy mismo (al precio de mercado actual de ese bono, no nos basta con saber su cupón), para luego calcular una media de todas las rentabilidades (una media ponderada según el peso de cada bono en el total del ETF).

Quizás grandes empresas como BlackRock pueden realizar este cálculo en tiempo real sin problemas, pero para inversores retail como la mayoría de nosotros, esto es una tarea titánica.

Cálculo de la rentabilidad aproximada

Puesto que calcular la rentabilidad exacta, como comentábamos en el apartado anterior, se escapa a nuestras capacidades, necesitamos idear un plan para hacer un cálculo aproximado.

Como vimos en las capturas un poco más arriba, BlackRock nos ofrece en su web el porcentaje de bonos de cada país, así como el porcentaje de bonos por duración.

Aquí obviamente hay bonos gubernamentales y corporativos, y las rentabilidades de cada uno son diferentes.

En nuestra aproximación lo que haremos será asumir que son bonos gubernamentales. Y lo que haremos será cruzar la tabla de peso por país con la tabla de peso por duración, para construir una matriz de pesos de cada par país-duración. Una vez construida dicha tabla, necesitaremos obtener la rentabilidad actual de los bonos para cada país y cada duración. Podríamos obtenerla, por ejemplo, en TradingView (si queremos ver la rentabilidad de los bonos de 30 años estadounidenses, buscaríamos el ticker US30Y. Para el de China a 20 años, CN20Y. Y así sucesivamente).

Puesto que tenemos 96 pares país-duración (habiendo tenido en cuenta solo los países que más pesan en el ETF), es un trabajo obtener manualmente cada rentabilidad (que además cambia con el precio del bono en el mercado). Así que hemos pedido a Gemini, la inteligencia de Google, que nos complete la tabla con las rentabilidades de cada país-duración.

En la captura anterior podemos observar que cada celda de la tabla corresponde al peso en el ETF de ese par país-duración y, entre paréntesis, la rentabilidad actual de esos bonos. Por ejemplo, el 1,16% del ETF corresponde a bonos estadounidenses de 0 a 1 años de duración, cuya rentabilidad ronda el 3,78%.

Con esta tabla, solo necesitamos calcular la media ponderada (en base a los pesos de cada par bono-duración en el ETF) de todas las rentabilidades.

Hemos pedido a Gemini que realice este cálculo y, según este, la rentabilidad media que nos ofrecen toda esta lista de bonos es aproximadamente del 3,61%.

Debemos tener en cuenta que hemos asumido que todos los bonos son gubernamentales y que, para cada par país-duración, hemos usado la rentabilidad del bono de ese país para esa duración. Los bonos corporativos ofrecen un extra de rentabilidad (porque también tienen un extra de riesgo frente a los gubernamentales). Así que posiblemente la rentabilidad real del ETF gire en torno al 4%.

Yield to Worst

A pesar de que hemos realizado este ejercicio para calcular una rentabilidad aproximada de nuestro ETF y para entender mejor en qué estamos invirtiendo, normalmente las empresas que emiten dicho ETF ya nos ofrecen algunas métricas que nos ahorran tener que hacer cálculos manualmente.

Si vamos al fact sheet del ETF AGAC, actualizado a abril de 2026, podemos ver algunas métricas que coinciden con nuestros cálculos:

• Average Weighted Maturity: 8.10 yrs

• Effective Duration: 6.15 yrs

• Yield to Worst: 3.83%

• Number of Holdings: 19976

El Yield to Worst (YTW) (que se podría traducir como “rentabilidad en el peor de los escenarios”) es una métrica clave en el mundo de la renta fija. Básicamente indica la mínima rentabilidad anualizada estimada que puedes esperar recibir de un bono o de una cartera de bonos (como este ETF), asumiendo que el emisor no quiebre.

Conclusión

Los bonos son un activo relativamente aburrido, y deben serlo, pero espero que este artículo no os haya resultado un ladrillo y que os haya ayudado a echar un poco de luz a un activo que muchos inversores desconocen o ignoran, pero que, en mi opinión, es importante no perder de vista y tener en nuestras carteras.

En cualquier caso, como siempre, esto no es un consejo de inversión, y cada uno debe estudiar y diseñar su propia cartera y decidir qué activos son apropiados para su perfil.

Si os ha gustado este artículo, suscribiros para recibir futuros posts en vuestro email. Saludos!

Some of the sector’s most established names have suffered significant multiple compression despite continuing to grow revenue and generate cash flow. The Global X Cybersecurity ETF (BUG) fell 17.6% in Q1 2026 alone. The market narrative is straightforward:

Generative AI will automate security work, reducing the need for specialized cybersecurity vendors.

It sounds logical.

It is also likely wrong.

A recent security incident at Meta may have exposed one of the biggest misconceptions currently embedded in the market’s AI narrative.

The lesson isn’t that AI systems are insecure.

The lesson is that every layer of AI automation creates entirely new categories of security risk that did not previously exist.

And somebody will have to secure them.

The Meta Incident Wasn’t Really About Instagram

Last week, reports emerged that attackers successfully manipulated Meta’s AI-powered support assistant into helping them take control of high-profile Instagram accounts.

The method was alarmingly simple. Attackers opened a conversation with Meta’s AI Support Assistant and asked it to link a target account to a new email address under their control. The chatbot sent a verification code to the attacker’s email; the attacker shared the code back with the bot, the chatbot displayed a “Reset Password” button, and the account was compromised.

Victims included the Instagram account associated with the Obama White House—briefly used to broadcast Iranian propaganda—the account of the U.S. Space Force’s Chief Master Sergeant, Sephora, and security researcher Jane Wong, among others. Meta patched the issue, though according to TechCrunch, attacks continued for days even after the company declared the problem resolved.

Back in December 2024, Meta had announced this assistant promising it would make account recovery “faster and simpler” and that it would be able to “reset your password securely.” Solutions, not just suggestions, the product page read.

Too efficient, as it turned out.

Most people looked at this and saw a chatbot failure.

I see something much larger.

The attackers didn’t discover a sophisticated memory corruption bug. They didn’t develop nation-state malware. They didn’t break modern cryptography.

Instead, they exploited a design mistake that is becoming increasingly common across corporate AI deployments:

An AI system was granted authority over a sensitive workflow.

The chatbot wasn’t merely answering questions. It was allowed to perform actions.

That distinction matters enormously.

The New Attack Surface: AI With Permissions

For decades, security teams protected applications.

Today they increasingly need to protect autonomous decision-making systems.

Traditional software behaves deterministically. An API endpoint follows predefined logic. A database follows predefined rules. A firewall enforces predefined policies.

Large language models are fundamentally different.

They operate probabilistically. They interpret instructions. They reason over context. And most importantly: they can be manipulated through language.

The moment an organization connects an AI agent to production systems, it creates a new attack surface unlike anything security teams have dealt with before.

The AI agent becomes a privileged intermediary between humans and infrastructure.

Attackers no longer need to exploit code.

Sometimes they only need to exploit judgment.

The Meta attack required no advanced technical knowledge. It required knowing how to talk to a chatbot. That has profound implications for who can launch these attacks and how often.

The Great Misunderstanding: Automation Does Not Eliminate Risk

Corporate executives are currently engaged in what we might call “Automation at Any Cost.”

Every workflow is being evaluated through a single lens: Can AI automate this?

Customer support. Software development. HR. Finance. Procurement. Legal review. Account recovery.

The assumption is simple: More automation = lower costs. That part is true.

What gets ignored is the second-order effect: More automation = more systemic risk.

Every AI agent introduced into a workflow creates:

• New identities

• New permissions

• New integrations

• New API dependencies

• New data exposure paths

• New attack vectors

• New failure modes

The AI layer doesn’t replace complexity. It adds another layer of complexity on top of existing systems.

Think of it as digital scaffolding. Companies are rapidly constructing AI-driven structures above their existing technology stacks. The scaffolding creates productivity. But it also creates new points of failure.

Meta is not a struggling legacy enterprise. It is one of the most sophisticated technology organizations on Earth, investing tens of billions in AI. If a company like that can accidentally create an exploitable recovery workflow, what does that imply for the average bank, insurer, retailer, hospital, or government agency currently rushing to deploy AI agents?

The answer is uncomfortable: Most organizations have barely begun thinking about these risks.

The Numbers Back the Thesis

The global cybersecurity market currently stands at roughly $219 billion in 2025 and is projected to reach nearly $700 billion by 2034, at a 13.8% compound annual growth rate.

But that is the baseline. The future could be significantly larger.

By 2029, agentic AI is expected to drive 15% of global cybersecurity budgets—nearly three times higher than current levels.

This projection reflects a growing recognition: threat actors are gaining the same AI capabilities as defenders, raising the speed and quality of attacks. The environment is getting harder, not easier, and spending will follow.

Wedbush analyst Dan Ives, one of the most followed voices in tech equities, has argued that “AI will be a major tailwind to the cybersecurity sector over the coming years as protection of use cases, data, and endpoints expands markedly.”

The market currently appears to be betting exactly the opposite.

The Coming Security Spending Wave

This is where the market may be making a category error.

Many investors assume AI will absorb functionality currently delivered by cybersecurity vendors. The opposite outcome appears more plausible.

Every dollar spent on AI automation may require additional spending on:

• Identity and access management

• Privileged access controls

• API security

• AI observability

• Runtime monitoring

• Data lineage tracking

• Prompt injection protection

• Model governance

• Agent authorization frameworks

• Human approval systems

AI adoption does not reduce security requirements. It expands them.

The more authority organizations give to AI systems, the more valuable security controls become.

The Cybersecurity Industry Is About to Gain a New Customer

Historically, cybersecurity vendors sold protection for: users, devices, networks, applications, and data.

Now a sixth category is emerging: Agents.

AI agents need identities. They need permissions. They need monitoring. They need behavioral controls. They need audit trails. They need containment mechanisms.

This is not a temporary trend. It is a new layer of enterprise infrastructure.

And every new infrastructure layer eventually develops its own security stack.

The cloud did. Mobile did. SaaS did. AI will too.

The Investment Implication

The current market narrative treats AI as a threat to cybersecurity spending. That framing may prove backwards.

AI is not removing the need for security. It is creating an entirely new security layer that didn’t previously exist.

That said, not all companies in the sector will benefit equally. The market is differentiating, and rightly so.

Several well-established names are worth examining:

CrowdStrike (CRWD) and Palo Alto Networks (PANW) carry the lowest execution risk given their scale. CrowdStrike recently pushed toward all-time highs; PANW’s “platformization” approach is widely seen as a game-changer for securing AI data pipelines. Both were up roughly 16% year-to-date through May while the broader software index (IGV) fell 16%—a significant divergence that speaks to the quality of the underlying businesses.

Cloudflare (NET) offers the broadest AI infrastructure angle, with its network positioned as a neutral layer between users, applications, and agents.

Okta (OKTA) and CyberArk (CYBR) play the identity and privileged access theme—probably the layer most directly affected by the proliferation of AI agents that need granular, auditable permissions.

Zscaler (ZS) presents the most interesting valuation case in relative terms. The stock has fallen roughly 36–50% from highs, trading around $130–140 when the analyst consensus points to $200–230 price targets. The fundamentals remain solid: in its fiscal Q3 2026 (ended April), Zscaler reported 25% year-over-year revenue growth to $850.5 million, with ARR reaching $3.525 billion (also +25% YoY). Management describes the company as “the cybersecurity platform for the AI era,” with its inline Zero Trust architecture specifically designed to secure agentic workflows at scale. The primary risk is decelerating organic growth and intensifying competition from PANW—real risks that deserve monitoring rather than dismissal.

At Poetic Street Capital, we have initiated a position in Zscaler representing approximately 3% of the portfolio, with an average entry price around $130 per share. This position reflects our belief that AI adoption is likely to increase—not decrease—the importance of secure access, identity-aware networking, and zero-trust architectures. We do not view the position as complete; should broader market volatility or company-specific concerns create materially lower prices in the future, we would be open to increasing our exposure.

The Historical Pattern Is Clear

The internet created network security. The cloud created cloud security. Mobile created mobile security.

AI is creating AI security.

The market’s attention remains heavily concentrated on direct AI winners: GPU manufacturers, hyperscalers, and foundation model developers. Yet history suggests that every major technological shift creates an entire ecosystem of secondary beneficiaries.

The Meta breach wasn’t evidence that cybersecurity is becoming less important.

It may have been one of the first visible signs that cybersecurity is becoming more important than ever.

Investors should spend less time asking whether AI replaces cybersecurity.

A better question is: Who gets paid to secure the billions of AI agents that corporations are about to deploy?

Disclosure: Poetic Street Capital currently holds a position in Zscaler (ZS). This article reflects personal opinions and is provided for informational purposes only. It should not be considered investment advice. Investors should conduct their own research before making investment decisions.

The philosophy was straightforward: if the position drifted from 8%, I’d rebalance. No rotation, no market timing.

Why I started questioning IEMA

The MSCI Emerging Markets index has become heavily concentrated in semiconductors — TSMC alone sits at ~11.5% of IEMA, with Samsung and SK Hynix adding another ~7%. People talk about the S&P 500 being over-concentrated in the Magnificent 7. Emerging Markets has its own version of that problem, just in semis and specifically in Taiwan and South Korea.

I believe semiconductors are overheated. Yes, AI demand for chips is real and massive — but the valuations have run far ahead of fundamentals.

The first rotation: IEMA → CBUK (partial)

A few months ago I rotated 3% of my portfolio from IEMA into CBUK (iShares MSCI China Tech), keeping 5% in IEMA. The goal was to reduce semi exposure while adding weight to beaten-down Chinese internet and AI names — Alibaba, Tencent, Baidu — that I believe are critical players in China’s AI race. China cannot afford to fall behind, and at some point the regulatory headwinds that have crushed these companies will ease.

The full rotation: everything into KWEB

More recently, I made a more aggressive call: I sold my entire IEMA position and rotated it fully into KWEB (KraneShares CSI China Internet ETF).

I initially considered staying in CBUK, which blends Chinese internet names with some semiconductor exposure. But looking at the relative performance chart between CBUK and KWEB, the two had tracked each other closely for a long time — and recently a gap had opened up in favor of CBUK. That divergence made KWEB look like the more attractive entry.

KWEB is pure Chinese internet: e-commerce, social media, digital services. Zero semiconductor weight. Exactly the exposure I want.

• Semiconductors: IEMA (19.6%), CBUK (9.2%), KWEB (0.0%)

• E-Commerce: IEMA (2.2%), CBUK (20.4%), KWEB (30.2%)

• Internet & Software: IEMA (3.3%), CBUK (22.2%), KWEB (20.5%)

The thesis

Chinese tech names go through cycles — periodic selloffs driven by regulatory fear and macro headwinds, followed by sharp recoveries. These companies are now central to China’s AI ambitions. That’s a structural tailwind that’s hard to ignore.

My play is KWEB vs. EEM: if Chinese internet rebounds while the semiconductor-heavy EM index gets hit by a semi correction, I rotate back from KWEB into IEMA and capture both moves.

Is this more of a value/tactical bet than my usual approach? Absolutely. I’m aware this sits awkwardly in an All-Weather framework. But the confluence of semi overvaluation and Chinese tech undervaluation felt too significant to ignore.

This is not investment advice. These are my personal decisions, shared for informational purposes only. Do your own research and consult a financial professional before making any investment decisions. I'll be posting updates on how this plays out — subscribe so you don't miss them.

Subscribe now

There’s a more rigorous way to think about it.

This piece lays out a systematic rotation strategy between gold and silver using the Gold/Silver Ratio as a signal — what it is, why it might work, what can break it, and why the implementation details matter more than the concept.

Two Decisions, Not One

The first thing to get right is separating two decisions that most investors collapse into one:

Decision 1 — Strategic allocation: How much of your total portfolio should live in precious metals permanently? This is a macro-level call about portfolio construction: hedge against monetary debasement, currency crises, geopolitical tail risk.

Decision 2 — Tactical composition: Within that allocation, what’s the split between gold and silver at any given time? This is a relative value call about two specific assets.

Conflating these is where most precious metals strategies go wrong. Someone buys silver because “it’s cheaper than gold and more upside potential,” which turns a structural allocation into a speculative bet. Or someone stays 100% gold forever, leaving a consistent historical anomaly completely untouched.

Keeping them separate is the foundation of what follows.

What the Gold/Silver Ratio Actually Is

The Gold/Silver Ratio tells you how many ounces of silver it takes to buy one ounce of gold. Today that number sits somewhere in the 80–90 range. Historically, it has oscillated between roughly 30 (silver euphoria) and 100+ (maximum fear, flight to gold).

But here’s the crucial insight: you’re not betting on silver going up. You’re betting on a statistical property — the tendency of this ratio to revert toward its historical range after reaching extremes.

That’s a fundamentally different thesis. And a much more defensible one.

The ratio has a plausible economic anchor: both metals share monetary history, similar mining economics, and correlated demand during financial stress. When the ratio hits 90, silver isn’t “cheap” in absolute terms — but it is historically cheap relative to gold. The question the strategy bets on is whether that relationship has some gravitational pull back toward equilibrium.

Centuries of data suggest it does. But — and this is important — not toward a fixed mean.

The Mechanics: A Rule-Based Rotation System

Here’s the basic framework:

Fixed allocation: 10% of total portfolio in precious metals, always. Rebalanced against the rest of the portfolio using current market values (liquid ETFs).

Internal rotation signal: The Gold/Silver Ratio.

• Ratio above 85 → rotate to silver (gold is historically expensive relative to silver)

• Ratio below 65 → rotate back to gold (silver has recovered toward equilibrium)

The 20-point band between triggers is deliberate. Narrow bands (buy silver at 75, buy gold at 70) generate too many rotations — tax events, spreads, noise. Wide bands sacrifice precision but add robustness. In a tax-sensitive environment, this matters enormously.

Why This Might Work

The strategy has three things going for it:

1. Historical persistence. The ratio has shown mean-reverting behavior across multiple economic regimes, currency systems, and decades. It’s not a perfect oscillator, but the extremes have consistently resolved.

2. Structural logic. Unlike many ratio strategies, there’s an actual economic reason for reversion: gold and silver are partially substitutable as monetary metals, their production costs are correlated, and institutional behavior during crises tends to drag them back into a historical relationship.

3. Behavioral edge. Most retail investors can’t sit patiently in silver when gold is ripping higher. A rules-based system removes that emotional override. The discipline is the alpha.

The Central Risk: Regime Change

Here is where intellectual honesty matters most.

The strategy doesn’t bet on silver. It bets on the stability of the ratio’s distribution. And there are two credible scenarios where that distribution could shift permanently:

Scenario A: Silver industrializes further. Silver’s industrial demand has been growing for decades — solar panels, EV components, electronics, data center infrastructure. If silver increasingly behaves like an industrial metal (copper-like) rather than a monetary metal (gold-like), its correlation with gold weakens. The ratio could structurally reset to a higher equilibrium, say 90–100, as silver’s monetary premium shrinks.

Scenario B: Gold remonetizes. Central banks have been accumulating gold at historically elevated rates since 2022. They are not buying silver. If the global de-dollarization trend continues and gold regains explicit monetary status in reserve frameworks, gold’s premium expands permanently. Again, the ratio’s center of gravity shifts higher — but this time because gold becomes more special, not because silver becomes less so.

In either case, the danger isn’t that the strategy produces one bad trade. The danger is that you wait for a reversion toward a “normal” of 60–70 that never comes because the new normal is 85.

The Binary Rotation Problem

This leads directly to the implementation question that matters most: should rotations be binary (100% gold ↔ 100% silver) or graduated?

Binary rotations are intellectually clean and emotionally satisfying. They’re also fragile.

Consider: you rotate to 100% silver at ratio 90. The ratio sits at 90 for seven years. Gold compounds at 12% annually. Silver compounds at 8%. You’ve been technically correct — the ratio is historically extreme — and you’ve systematically underperformed your alternative. In a portfolio where this 10% block exists primarily for defensive purposes, that’s not a rounding error.

A graduated approach is more robust:

• G/S ratio below 60: 100% gold 0% silver

• G/S ratio 60–70: 75% gold 25% silver

• G/S ratio 70–80: 50% gold 50% silver

• G/S ratio 80–90: 25% gold 75% silver

• G/S ratio above 90: 0% gold 100% silver

This preserves the mean-reversion thesis while maintaining meaningful exposure to gold — the primary monetary metal — even at extreme ratio readings. You still benefit if the ratio reverts. You’re not destroyed if it doesn’t.

The Costs Nobody Models

Before any backtesting looks convincing, run these numbers honestly:

Tax drag. In a high-bracket environment, each rotation triggers a taxable event. Capital gains taxes of 19–30% on realized gains can consume a substantial portion of the tactical alpha you’re trying to generate. A strategy that looks like +2.5% annual alpha pre-tax might be +0.8% post-tax — or negative, in certain rotation frequencies.

ETF friction. Bid-ask spreads on precious metals ETFs are small but not zero. Management fees (TER) compound quietly. Neither matters much in a buy-and-hold structure; both matter in a rotation strategy where you’re transacting on signal.

Opportunity cost of the block itself. If the 10% block exists for macro protection but you’re constantly optimizing its internal composition, you may be solving the wrong problem. The primary objective is portfolio insurance. The secondary objective — tactical alpha within the block — should never compromise the first.

The mental model: run a full simulation with realistic tax rates and transaction costs before assuming the strategy adds value net of all friction. Many strategies that are elegant in theory are marginal in practice.

A Note on Applying This Logic to BTC/ETH

The same framework is tempting to apply to Bitcoin and Ethereum, using the BTC/ETH ratio as a rotation signal.

It’s worth being direct: the analogy is structurally weaker, and the risks are categorically different.

Gold and silver share: centuries of monetary history, physical extraction dynamics, institutional ownership patterns, and a relatively stable economic relationship.

Bitcoin and Ethereum do not. Bitcoin increasingly resembles a digital monetary reserve — scarce, non-programmable, increasingly held by institutions and sovereigns. Ethereum increasingly resembles technological infrastructure — a programmable settlement layer whose value derives from usage and developer adoption. They are not two versions of the same asset. They are two different asset classes that happen to both be called “crypto.”

The ratio between them has no fundamental anchor. If Ethereum loses developer mindshare to competing chains in five years, the BTC/ETH ratio could double permanently — not because of a temporary anomaly, but because the underlying competitive landscape changed. There’s no geological mining relationship to hold it together. There’s no shared institutional demand dynamic.

The historical record is also insufficient. Gold/Silver has decades of consistent data across multiple economic regimes. BTC/ETH has roughly one decade of data, covering a single macro environment (near-zero rates, risk-on), one major technological transition (ETH’s merge to proof-of-stake), and a regulatory landscape that is still forming.

If you must apply rotation logic to crypto, do it with hard position limits (never below 30% in either asset), accept that you’re pattern-trading rather than mean-reversion investing, and size the position accordingly.

The Honest Portfolio Perspective

Here’s the framing that ties everything together.

If your precious metals block is 10% of a meaningful portfolio, even a well-executed tactical rotation generating +2–3% annual alpha on that block produces roughly +0.2–0.3% on total portfolio returns.

That’s not nothing. But it means the primary objective of this block — preserving wealth, providing uncorrelated returns during equity crises, hedging monetary debasement — should never be sacrificed for tactical optimization.

The rotation strategy makes sense as a secondary feature layered on a sound structural allocation. It becomes dangerous when it becomes the primary reason to own the block.

Own the metals because they belong in your portfolio. Rotate between them because the ratio offers a disciplined, historically grounded signal. Know the difference between the two.

Summary: What This Strategy Gets Right, and Where to Be Careful

Strengths:

• Separates strategic allocation from tactical composition — a distinction most investors miss

• Uses a ratio with genuine economic logic and centuries of data

• Rule-based system removes emotional decision-making at market extremes

• Wide trigger bands (85/65) reduce rotation frequency and friction

Modifications worth considering:

• Replace binary rotations with graduated bands (75/25 increments) to reduce regime-change risk

• Model tax drag explicitly before assuming positive net alpha

• Keep the block’s defensive function primary; rotation is secondary

Risks to monitor:

• Structural shift in silver’s identity (monetary → industrial) changing ratio equilibrium

• Accelerated gold remonetization by central banks widening the ratio permanently

• Extended periods where the ratio is “wrong” by historical standards but remains there for years

BTC/ETH verdict: The logic doesn’t transfer cleanly. Different asset types, insufficient history, technology risk. Proceed with smaller position limits and lower conviction.

This post represents a framework for thinking about precious metals allocation, not financial advice. All investment decisions carry risk and should be made in the context of your full financial situation.