Hola inversor.
Una buena tesis tiene un efecto curioso.
Cuando la lees terminada, todo parece bastante ordenado.
El negocio.
Los drivers.
Los riesgos.
La valoración.
La conclusión.
Y, precisamente porque está ordenado, muchas cosas pueden parecer evidentes.
“Claro.”
“Tiene sentido.”
“Era lógico mirar esta variable.”
Pero el documento terminado oculta buena parte de lo que ocurrió antes.
La tesis es el resultado visible.
El research es todo lo que tuvo que ocurrir antes.
Antes quizá había decenas de documentos.
Datos dispersos.
Información repetida.
Históricos que reconstruir.
Competidores que entender.
Preguntas sin respuesta.
Argumentos contradictorios.
Y también hipótesis que parecían interesantes al principio y terminaron descartándose.
Ese proceso suele recorrer varias etapas.
Primero hay que encontrar información.
Después ordenarla.
Entender el negocio.
Contrastar explicaciones.
Conectar números con drivers.
Modelizar hipótesis.
Y finalmente decidir qué merece entrar en la versión que leerá otra persona.
Por eso existe una diferencia importante entre:
tener acceso a la información
y
haber hecho el research.
Hoy muchísima información empresarial es pública.
Informes.
Resultados.
Conference calls.
Datos.
Presentaciones.
Eso es fantástico.
Pero que la información esté disponible no significa que el análisis esté hecho.
Todavía hay que decidir qué importa.
Qué fuente merece más peso.
Qué números tenemos que reconstruir.
Qué contradicciones existen.
Qué hipótesis parecen razonables.
Y cómo se conecta todo hasta llegar a una valoración.
Las herramientas también pueden acelerar mucho ese trabajo.
La IA, por ejemplo, puede ayudarnos a localizar información, resumir documentos, comparar textos u organizar datos.
Nosotros mismos creemos que esas herramientas tienen muchísimo valor.
Pero resumir diez documentos no produce automáticamente una tesis coherente.
Todavía queda decidir qué merece atención.
Comprobar.
Contrastar.
Cuestionar.
Modelizar.
Y preguntarnos dónde podemos estar equivocados.
Hay además una parte especialmente interesante del research:
lo que nunca llega al documento final.
Una hipótesis que investigamos y no se sostenía.
Un dato que parecía decisivo y después resultó secundario.
Una explicación que chocaba con los números.
Una fuente que terminó pareciéndonos poco fiable.
Todo eso desaparece de la versión final.
Pero también forma parte del trabajo.
De hecho, existe una pequeña paradoja.
Cuanto mejor sintetizado está un análisis, más sencillo puede parecer después.
No porque haya habido menos trabajo.
Sino porque gran parte de la complejidad ya ha sido ordenada, jerarquizada o descartada.
Cuando publicamos una tesis intentamos hacer precisamente eso.
La parte visible es la conclusión ordenada.
Antes hemos pasado por documentación, históricos, competidores, management, riesgos, modelo y valoración.
Buena parte de ese trabajo no aparece completo en el texto final.
Porque su función era ayudarnos a decidir qué merecía entrar.
Por eso tampoco creemos que la calidad de una tesis deba medirse simplemente por cuántas páginas ocupa.
Una tesis corta puede ser superficial.
O puede estar condensando muchísimo trabajo.
Una larga puede ser profunda.
O simplemente contener más información.
La pregunta interesante es otra:
¿Puedo ver el camino entre la evidencia y la conclusión?
Cuando leas el próximo análisis, prueba a mirar cuatro cosas:
¿Qué fuentes sostienen las afirmaciones importantes?
¿Qué datos o comparaciones se han tenido que reconstruir?
¿Qué hipótesis conectan el negocio con la valoración?
¿Qué riesgos o evidencias contrarias se han considerado?
Eso ayuda a evaluar algo bastante más importante que el número de páginas:
el proceso que existe debajo.
Porque una buena tesis es una forma de comprimir research sin eliminar lo que realmente importa.
Y eso tampoco significa delegar nuestro criterio.
Un buen análisis puede permitirnos empezar mucho más adelante.
Pero seguimos teniendo que entenderlo.
Comprobarlo.
Cuestionarlo.
Y decidir por nosotros mismos.
Y hay una parte especialmente importante de todo ese trabajo previo que todavía no hemos mencionado:
intentar descubrir por qué nuestra propia tesis podría estar equivocada.
Te mandamos un abrazo fuerte.
Y, como siempre decimos, que la fuerza de Buffett te acompañe.
El equipo de WorldStocks