Valoración Relativa con Aprendizaje Automático

RESUMEN Utilizamos aprendizaje automático para valoración relativa y selección de empresas comparables. En pruebas fuera de muestra, nuestros modelos de aprendizaje automático superan sustancialmente a los modelos tradicionales en precisión de valoración. Este rendimiento superior persiste en el tiempo y se mantiene en diferentes tipos de empresas. Las valoraciones producidas por los modelos de aprendizaje automático se comportan como valores fundamentales. Las acciones sobrevaloradas disminuyen de precio y las acciones subvaloradas aumentan de precio en el mes siguiente. Los determinantes de los múltiplos de valoración identificados por los modelos de aprendizaje automático son consistentes con las predicciones teóricas derivadas de un enfoque de flujo de caja descontado. Los ratios de rentabilidad, las medidas de crecimiento y los ratios de eficiencia son los motores de valor más importantes durante nuestro período de muestra. Derivamos un método novedoso para expresar los múltiplos de valoración predichos por nuestros modelos de aprendizaje automático como promedios ponderados de los múltiplos de empresas comparables. Estos pesos son una medida de comparabilidad entre empresas y pueden ser utilizados para seleccionar grupos comparables.