Durante años mi «control de cartera» consistió en abrir la app del bróker, mirar el número de arriba, comprobar si estaba verde o rojo y cerrarla. Y ya.

Hasta que un día un amigo me preguntó cuánto pesaba la tecnología en mi cartera. Le dije «pues… bastante». Bastante no es una respuesta. Y ahí me di cuenta de que ningún bróker me lo iba a dar masticado.

Hoy te enseño a montar en una tarde lo que a mí me costó meses: un dashboard de tu cartera en Google Sheets que se actualiza solo, con la IA haciendo el trabajo sucio de las fórmulas. Gratis, sin programar y sin darle tus datos a ninguna app rara. ¡Vamos al lío!

Lo que tu bróker no te enseña

Tu bróker te da dos datos: cuánto vale tu cartera y cuánto llevas de rentabilidad. Punto. Lo que casi ninguno te da:

• Cuánto pesa cada sector de verdad, y si tienes cinco acciones que en el fondo son la misma apuesta.

• Cuánta exposición al dólar acumulas sin haberlo decidido nunca.

• Qué posición tira del carro y cuál lleva dos años siendo peso muerto.

• Cuánto cobras de dividendos al año, en euros contantes y sonantes.

Esto no se arregla pagando una herramienta de 30 € al mes. Se arregla con una hoja de cálculo bien montada. Y montarla es justo lo que la IA hace mejor que tú y que yo.

Paso 1: que la IA te diseñe la estructura

No empieces abriendo Google Sheets. Empieza pidiendo el plano. Copia este prompt tal cual en ChatGPT, Claude o Gemini:

«Actúa como analista de carteras. Quiero montar un dashboard de mi cartera de acciones y ETFs en Google Sheets. Diseña la estructura: qué pestañas necesito, qué columnas tiene cada una y cuáles son de entrada manual y cuáles calculadas. Tengo unas 15 posiciones entre acciones europeas y estadounidenses. Quiero ver peso por posición, por sector, por divisa y por país, además de rentabilidad y dividendos. Que sea lo más simple posible: nada de pestañas que luego no vaya a mantener.»

Lo normal es que te devuelva tres pestañas: una de posiciones, donde metes a mano ticker, participaciones y precio medio de compra; una de datos de mercado que se rellena sola; y un panel de resumen. Con eso vas sobrado. Si te propone siete pestañas, dile que lo recorte a tres. La IA tiende a sobrediseñar si no la frenas.

Paso 2: las fórmulas, que es donde está la magia

Aquí es donde la mayoría de la gente abandona. Google Sheets trae una función incorporada, GOOGLEFINANCE, que descarga precios de mercado sin que instales nada. El problema es que su sintaxis es quisquillosa y acabas media tarde buscando ejemplos en foros. Deja que lo haga la IA:

«Escríbeme las fórmulas exactas de Google Sheets para esta hoja. En la columna A tengo el ticker, en la B las participaciones y en la C el precio medio de compra en euros. Necesito: (1) precio actual con GOOGLEFINANCE, (2) valor de mercado de la posición, (3) plusvalía en euros y en porcentaje, (4) peso de la posición sobre el total de la cartera, (5) conversión automática de dólar a euro con el tipo de cambio del día. Dame las fórmulas listas para copiar, indicando en qué celda va cada una, y explícame en una línea qué hace cada una.»

Un aviso que te ahorrará una hora de frustración: los tickers hay que escribirlos como los espera Google, con el mercado delante. Es «NASDAQ:AAPL», no AAPL a secas; «BME:ITX» para Inditex. Si una fórmula te devuelve error, el 90% de las veces es por esto. Y también se lo puedes delegar: «conviérteme esta lista de tickers al formato que espera GOOGLEFINANCE», y pegas tu lista debajo.

Paso 3: el panel que de verdad vas a mirar

Con los números ya vivos, toca el resumen. Este es el tercer y último prompt:

«Ahora quiero la pestaña de resumen. Dame las fórmulas, usando SUMAR.SI, QUERY o tablas dinámicas, lo que sea más robusto, para calcular: peso por sector, peso por divisa, top 5 posiciones por tamaño, rentabilidad total de la cartera y dividendos anuales estimados. Indícame también qué dos o tres gráficos merece la pena poner y con qué rango de datos exacto.»

Y una cosa más, que es la que me parece más útil de todas: cuando lo tengas montado, pásale una captura del panel o los datos en texto y pregúntale qué ve. «Aquí tienes el resumen de mi cartera. Señálame tres concentraciones de riesgo que quizá no esté viendo. No me recomiendes comprar ni vender nada, solo dime dónde están los desequilibrios.»

Lo que a mí me salió

Cuando hice este ejercicio con mi cartera, el panel escupió algo parecido a esto:

• Peso por sector: tecnología 38%, salud 19%, financiero 17%, consumo 14%, industrial 12%.

• Divisa: 71% en dólar, 29% en euro.

• Las cinco mayores posiciones sumaban el 54% del total.

Yo creía tener «bastante» tecnología. Tenía casi cuatro de cada diez euros ahí. Y ese 71% de exposición al dólar no lo decidí yo en ningún momento: apareció solo, compra a compra, sin que nadie lo votara.

Eso no significa que esté mal. Significa que ahora es una decisión consciente y no un accidente. Que es exactamente el objetivo de montar todo esto.

Lo que la IA no hace bien aquí

Primero: se inventa fórmulas que no existen. Te dará una función con un nombre plausible que Google Sheets no reconoce, y lo hará con total seguridad. La señal es un error en la celda, así que no des nada por bueno hasta que la casilla devuelva un número. Cuando falle, pásale el mensaje de error literal y arréglalo en dos iteraciones.

Segundo, y esto es más serio: no te fíes de los datos que te da de memoria. La IA no sabe a cuánto cotiza una acción hoy, ni cuál es el dividendo actual, ni en qué sector clasifica MSCI a una empresa concreta. Su trabajo aquí es escribir las fórmulas que traen el dato; el dato lo pone Google, no ella. Si le pides directamente «dime el precio de X», te dará un número de hace meses con cara de póquer.

Y tercero: no le pidas que decida por ti. Un panel te dice que tienes un 38% en tecnología. Si eso es mucho o poco depende de tu horizonte, de tu estómago y de tus circunstancias, y eso no lo sabe ninguna máquina. Como siempre, la clave está en usar la IA para ver mejor, no para decidir por ti.

Tres prompts, una tarde y tienes una hoja que se actualiza sola cada vez que la abres. A partir de ahí el mantenimiento son cinco minutos al mes: añadir las compras nuevas y mirar el panel. Nada más.

Si solo vas a hacer una cosa de todo esto, haz la del peso por sector y divisa. Es el número que casi nadie conoce de su propia cartera y el que más sorpresas da.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

Disclaimer: Exención de Responsabilidad

El contenido de esta newsletter tiene un propósito exclusivamente informativo y educativo. No constituye una recomendación de inversión ni asesoramiento financiero personalizado.

Aunque nos esforzamos por proporcionar información precisa y actualizada, no garantizamos la exactitud, integridad o actualidad de los datos presentados. Las decisiones de inversión implican riesgos, incluidos la pérdida del capital invertido, y deben tomarse tras un análisis individual y, de ser necesario, la consulta con un asesor financiero profesional.

El autor y el equipo de esta newsletter no asumen ninguna responsabilidad por las pérdidas o daños que puedan derivarse del uso de la información contenida en este documento. Recuerda: Tú eres el único responsable de tus decisiones de inversión. Analiza cuidadosamente, diversifica tus riesgos y mantén una perspectiva a largo plazo.

Invertir en instrumentos financieros conlleva riesgos. La recuperación del capital invertido no está garantizada.

Hace unos años compré un ETF porque el nombre me gustó. “Global Clean Energy”. Sonaba a futuro, sonaba a diversificación, y la ficha decía que invertía en energías limpias por todo el mundo. Compré sin mirar mucho más.

Lo que no vi fue que casi la mitad del fondo estaba en diez empresas, que dos de ellas eran eléctricas de un país diminuto y que el índice que replicaba se había diseñado con unas reglas bastante raras. No me arruinó, pero me dejó una lección cara: un ETF no viene diversificado de fábrica solo por ser un ETF.

La buena noticia es que hoy no hace falta leerse 90 páginas de folleto para saber qué estás comprando. La IA te lo destripa en veinte minutos si le preguntas bien. Y “preguntar bien” es justo lo que te voy a enseñar hoy. ¡Vamos al lío!

El problema: todos los ETFs parecen iguales por fuera

Un ETF es una cesta de acciones que sigue unas reglas. Y esas reglas están escritas en un documento que casi nadie abre. Dos fondos que se llaman casi igual —y que en la app de tu broker se ven idénticos— pueden tener carteras que no se parecen en nada.

Antes de comprar cualquier ETF hay cuatro cosas que necesitas saber, y ninguna de las cuatro está en el nombre:

• Qué mide exactamente el índice que replica

• Cuánto pesan las diez primeras posiciones

• Cuánto te cuesta de verdad, más allá del TER

• Cuánto se solapa con lo que ya tienes en cartera

Eso es lo que vamos a sacar. Pero antes de eso… necesitas los papeles.

Paso 1: reúne los tres documentos

Todo lo que necesitas está gratis en la web de la gestora (iShares, Vanguard, Amundi, Xtrackers…). Busca el ticker o el ISIN y descárgate tres cosas: el KID o DFI (dos páginas, obligatorio por normativa), la ficha mensual del fondo, y el listado completo de posiciones, que casi siempre se descarga en CSV.

Con esos tres archivos subidos a ChatGPT, Claude o Gemini ya tienes más información de la que maneja mucha gente que lleva años con ese fondo en cartera.

Paso 2: la radiografía (el prompt más importante)

Este es el que más uso yo. Sube el KID y el CSV de posiciones y pega esto tal cual:

“Actúa como analista de fondos. Te adjunto el KID y el listado de posiciones de un ETF. Resúmeme en una tabla: 1) qué mide el índice y con qué criterio entra una empresa; 2) número total de posiciones y peso de las diez primeras; 3) reparto por país y por sector, señalando cualquiera que supere el 25%; 4) si es de réplica física o sintética, y si es de acumulación o distribución. Al final, dime en tres frases qué apuesta estoy haciendo en realidad si compro este fondo. No uses datos que no estén en los documentos: si algo no aparece, dilo.”

Esa última frase es clave. Sin ella, la IA rellena huecos de memoria y te inventa porcentajes con toda la naturalidad del mundo.

Paso 3: el coste real, no el del folleto

El TER es la parte visible. Debajo hay tracking difference, spread de compraventa, comisiones del broker y, si el fondo es extranjero, retenciones fiscales sobre los dividendos. Todo junto puede duplicar lo que crees que pagas.

“Con el KID y la ficha adjuntos, hazme una tabla del coste anual total de este ETF si invierto 10.000 euros: TER, tracking difference frente al índice en los últimos 3 años, spread medio y coste de custodia. Suma el total en euros y en porcentaje. Después, calcula cuánto me habrá costado en 10 y en 20 años asumiendo una rentabilidad del 7% anual. Marca qué cifras son estimaciones y cuáles salen de los documentos.”

Paso 4: el solapamiento con tu cartera

Este paso es el que a más gente le cambia la decisión. Mucha gente cree que compra algo nuevo y en realidad está comprando por tercera vez las mismas siete empresas.

“Te adjunto las posiciones de este ETF y esta es mi cartera actual: [pega aquí tus posiciones con su peso, incluidos otros fondos]. Calcula qué porcentaje de mi cartera total quedaría en las mismas empresas si añado 2.000 euros de este ETF. Dime las cinco empresas donde más se solapa y en cuánto subiría mi exposición a cada sector. Termina con una frase: este ETF me diversifica o me concentra.”

La primera vez que hice esto descubrí que un ETF “global” que tenía fichado me disparaba la exposición justo donde ya iba más cargado: Apple, Microsoft y Nvidia otra vez. No lo compré.

Un ejemplo de lo que te devuelve

Cuando lo pruebas con un ETF de un sector de moda, la respuesta suele ir por aquí: 32 posiciones en total, un 58% concentrado en las diez primeras, casi todo en dos países, y un índice que exige a las empresas sacar más de la mitad de sus ingresos de ese sector, lo que deja fuera a las compañías grandes y diversificadas y te llena la cesta de nombres pequeños.

Y luego la frase que lo resume todo: “compras una apuesta concentrada en pequeñas y medianas de un solo sector, no una exposición diversificada a una tendencia”. Eso puede estar perfectamente bien —si lo sabes. El problema es enterarte después.

Lo que la IA no hace bien aquí

Tres límites que conviene tener claros. El primero: los datos de posiciones caducan. Los listados suelen ir con semanas de retraso, así que sirven para entender la forma del fondo, no para saber qué lleva hoy exactamente. El segundo: si no le adjuntas los documentos, la IA tira de memoria y se inventa cifras que suenan creíbles. Adjunta siempre y exige que cite de dónde saca cada número.

Y el tercero, el importante: la IA no decide por ti. Te dice qué hay dentro del fondo y qué riesgo estás asumiendo, pero no sabe cuántos años te quedan hasta que necesites ese dinero ni cuánto aguantas ver en rojo sin vender. Eso sigue siendo trabajo tuyo.

Cómo lo uso yo

Tengo una regla simple: ningún ETF entra en mi cartera sin pasar los cuatro prompts. Son veinte minutos. Si después de leer la respuesta no soy capaz de explicarle a alguien en una frase qué estoy comprando y por qué, no lo compro. Y no pasa nada: siempre hay otro fondo.

Como siempre, la clave está en no delegar la decisión, solo el trabajo pesado de leer. La IA te ahorra las 90 páginas; el criterio lo pones tú.

Elige un ETF que tengas en cartera ahora mismo —uno que creas que conoces bien— y pásale el prompt del Paso 2. Es el mejor sitio para empezar, porque casi siempre aparece algo que no sabías.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

Disclaimer: Exención de Responsabilidad

El contenido de esta newsletter tiene un propósito exclusivamente informativo y educativo. No constituye una recomendación de inversión ni asesoramiento financiero personalizado.

Aunque nos esforzamos por proporcionar información precisa y actualizada, no garantizamos la exactitud, integridad o actualidad de los datos presentados. Las decisiones de inversión implican riesgos, incluidos la pérdida del capital invertido, y deben tomarse tras un análisis individual y, de ser necesario, la consulta con un asesor financiero profesional.

El autor y el equipo de esta newsletter no asumen ninguna responsabilidad por las pérdidas o daños que puedan derivarse del uso de la información contenida en este documento. Recuerda: Tú eres el único responsable de tus decisiones de inversión. Analiza cuidadosamente, diversifica tus riesgos y mantén una perspectiva a largo plazo.

Invertir en instrumentos financieros conlleva riesgos. La recuperación del capital invertido no está garantizada.

El otro día un suscriptor me escribió con una pregunta bastante incómoda: si tú predicas análisis fundamental, PER, flujo de caja libre y márgenes… ¿qué demonios hace Bitcoin en tu cartera?

Buena pregunta. Y la respuesta honesta es que tiene razón en señalar la contradicción. Bitcoin no tiene beneficios, no tiene márgenes, no reparte dividendo y no le puedo hacer un descuento de flujos. Es el único activo que tengo y que no sé valorar con las herramientas que uso para todo lo demás. Y por si fuera poco, ahora mismo lo llevo en rojo: un 8,2% de pérdida latente, con el precio rondando los 63.500 dólares y un 50% por debajo del máximo histórico que marcó en octubre de 2025.

Y aun así sigue ahí, pesando algo menos del 5% de lo que tengo invertido. Hoy te cuento por qué no lo he vendido, qué papel le doy exactamente dentro de la cartera y cuál es la única razón por la que lo vendería. Creo que el razonamiento te sirve para mucho más que para Bitcoin: te sirve para cualquier posición que no encaje en tu propio marco de análisis. ¡Vamos al lío!

Hasta aquí la parte abierta. Lo que viene ahora es el trabajo de verdad: los números concretos de la posición, la tesis en tres puntos, los catalizadores que estoy vigilando esta semana y la única condición que me haría vender. Si te interesa, premium y lo desbloqueas entero. Si no, igualmente puedes copiarme, es gratis.

Read more

La idea que me rondaba la cabeza

Durante meses tuve una regla en la cabeza: “compra cuando una buena empresa cae un 20% desde máximos y aguanta”. Sonaba lógica. Pero cada vez que quería comprobar si de verdad habría funcionado, me topaba con el mismo muro: para hacer un backtest “en serio” parecía que necesitaba saber programar en Python, montar hojas de cálculo infinitas o pagar una herramienta cara.

Así que nunca lo probaba. Y mira, invertir con una corazonada que no has verificado nunca es de las formas más caras de aprender.

Hoy te enseño cómo he cambiado eso. Con IA puedes poner a prueba una idea de inversión en 15 minutos, sin escribir una sola línea de código. No es magia ni te va a hacer rico, pero te quita de encima esa pregunta que envenena cualquier estrategia: “¿esto habría funcionado o me lo estoy inventando?”. ¡Vamos al lío!

El problema que la IA te resuelve

Un backtest es simplemente esto: aplicar tu regla al pasado y ver qué habría pasado. Si tu estrategia es “compro el S&P 500 cuando cae un 10% y vendo cuando recupera máximos”, el backtest te dice cuántas veces habría saltado esa regla, cuánto habrías ganado y —lo más importante— cuánto habrías sufrido por el camino.

El obstáculo nunca fue la idea. Era el trabajo mecánico: reunir los datos, ordenarlos, aplicar la lógica sin equivocarte y comparar contra la alternativa aburrida de “comprar y no tocar nada”. Ahí es donde la IA con capacidad de análisis de datos (ChatGPT, Claude, Gemini) se convierte en tu becario incansable. Le das las reglas y los datos, y hace las cuentas.

Paso a paso: tu primer backtest en 4 prompts

Antes de eso, un aviso clave que repetiré al final: la IA NO se sabe de memoria los precios históricos. Si le pides que “recuerde” cuánto valía Apple en 2019, se los puede inventar. Así que el truco está en darle tú los datos. Descarga un CSV gratis de Yahoo Finance (pestaña “Historical Data” de cualquier acción o índice, botón Download) y súbelo. A partir de ahí, estos son los prompts.

Prompt 1 — Define la estrategia sin ambigüedad:

“Voy a hacer un backtest. Mi estrategia es: comprar el ETF SPY cuando el precio cae un 10% o más desde su máximo de los últimos 12 meses, y vender cuando recupera un nuevo máximo. Antes de calcular nada, resume las reglas con tus palabras y dime qué datos necesitas de mí para ejecutarlo.”

Este primer paso parece tonto, pero es el más importante. Te obliga a ti a concretar la regla y a la IA a confirmar que la ha entendido igual que tú. La mitad de los backtests malos nacen de una regla mal definida.

Prompt 2 — Sube los datos y pide el cálculo:

“Aquí tienes el CSV con los precios diarios del ETF SPY de los últimos 10 años. Ejecuta la estrategia sobre estos datos. Muéstrame: número de operaciones, rentabilidad total, rentabilidad media por operación, la peor caída (drawdown máximo) y cuánto tiempo estuve fuera del mercado.”

Prompt 3 — Compara contra lo aburrido:

“Ahora compara mi estrategia contra simplemente comprar el ETF SPY el primer día y no venderlo nunca (buy & hold) durante el mismo periodo. Ponlo en una tabla lado a lado: rentabilidad, peor caída y número de operaciones.”

Prompt 4 — Busca las trampas:

“¿Mi backtest tiene algún sesgo? Revisa si estoy usando información que no habría tenido en el momento, si ignoro comisiones o impuestos, y qué pasaría si cambio el umbral del 10% al 15% o al 20%.”

Ese último prompt es el que separa un juego de un análisis útil. Casi siempre descubres que tu regla “mágica” funcionaba solo con un número muy concreto, y que moverlo un poco lo cambia todo. Eso es información valiosísima.

Un ejemplo de lo que te devuelve

Cuando hice esto con mi regla del -10% sobre el S&P 500, la IA me devolvió algo así:

• Operaciones en 10 años: 8

• Rentabilidad de la estrategia: +112%

• Buy & hold en el mismo periodo: +180%

• Peor caída de mi estrategia: -18%

• Peor caída del buy & hold: -34%

• Tiempo fuera del mercado: 22%

¿La lectura? Mi estrategia sufría bastante menos en las caídas (un drawdown de -18% frente a -34% duele mucho menos de aguantar), pero a cambio dejaba MUCHA rentabilidad sobre la mesa por estar fuera del mercado casi una cuarta parte del tiempo. Ni buena ni mala: una estrategia más defensiva. Y eso, que yo antes solo intuía, ahora lo tenía en números. Esa es toda la diferencia.

Lo que la IA NO hace bien aquí

Sé honesto contigo mismo sobre los límites, porque son importantes.

Primero, los datos. Insisto: la IA no conoce los precios históricos reales de memoria. Si no le subes un archivo y le pides que trabaje “de cabeza”, te va a dar números con una seguridad total… y falsos. Dale siempre los datos tú y, si puedes, pídele que te enseñe el cálculo para verificar un par de operaciones a mano.

Segundo, el pasado no es el futuro. Un backtest te dice qué habría pasado, no qué pasará. Una estrategia que brilló diez años puede hundirse el próximo simplemente porque el mercado cambia de humor. El backtest sirve para descartar ideas malas y entender el comportamiento de una regla, no para predecir. Como siempre, la clave está en usarlo como una linterna, no como una bola de cristal.

No dejes que una idea de inversión viva para siempre en tu cabeza sin ponerla a prueba. Coge tu regla favorita —esa que repites en el grupo de amigos—, descarga un CSV, y pásala por estos cuatro prompts esta misma tarde. En el peor caso, descubres que tu idea no era tan buena y te ahorras un disgusto con dinero real. En el mejor, entiendes de verdad cómo se comporta y ganas la confianza para seguirla cuando el mercado tiemble.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

Hace unos años tenía catorce posiciones en cartera y, si soy sincero contigo, no habría sabido decirte cuál era mi mayor riesgo real. Sabía perfectamente qué llevaba: cada empresa, el precio al que había entrado, mi tesis para cada una. Lo que no sabía era cómo encajaba todo junto. Y esa es la diferencia entre tener una lista de acciones y tener una cartera.

El problema es que cuando compras las cosas de una en una, cada decisión tiene sentido por separado. Pero nadie se sienta a mirar el conjunto. Y ahí es donde se esconden los sustos: descubres que el 40% de tu dinero depende de que a la tecnología americana le siga yendo bien, o que tres de tus empresas “distintas” en realidad venden a los mismos clientes. Hoy te enseño a hacer esa auditoría del conjunto con IA, sin hojas de cálculo imposibles y en el tiempo que tardas en tomarte un café.

¡Vamos al lío!

El problema: tienes una lista, no una cartera

Diversificar no es tener muchas acciones. Puedes tener quince empresas y estar menos diversificado que alguien con seis, si esas quince se mueven todas a la vez. Lo que de verdad importa es a qué estás expuesto: qué sectores, qué países, qué tipo de negocio, qué factor de riesgo. Y eso, mirando tu lista de posiciones una por una, no se ve.

La IA es buenísima precisamente para esto: coges tu cartera entera, se la das de golpe, y le pides que te la mire desde arriba. No para que te diga qué comprar —eso viene con truco, y te lo explico al final—, sino para que te enseñe la foto que tú solo no ves.

Paso 1: prepara la foto de tu cartera

Antes de nada necesitas darle a la IA los datos en un formato que entienda. No hace falta nada sofisticado. Abre una nota o un documento y escribe cada posición con tres cosas: el ticker o nombre, cuánto llevas (en euros o en porcentaje de la cartera) y, si quieres afinar, tu precio medio de entrada. Algo así:

• AAPL — 18% de la cartera — entrada a 165

• MSFT — 15% — entrada a 310

• NVDA — 12% — entrada a 90

• KO — 8% — entrada a 58

• …y así con todas tus posiciones.

Con el peso de cada posición ya es suficiente para empezar. Si no tienes los porcentajes a mano, dale los importes en euros y que los calcule la IA.

Paso 2: el prompt que le pone nota a cada posición

Aquí va el primero, el que puedes copiar tal cual. Pega debajo tu lista de posiciones:

«Actúa como un analista de carteras. Te paso mi cartera con el peso de cada posición. Quiero que hagas tres cosas: (1) clasifica cada empresa por sector y por tipo de negocio (defensivo, cíclico, crecimiento); (2) dime el peso total de cada sector y de cada tipo; (3) ponle a mi cartera una nota del 1 al 10 en diversificación y explícame en dos frases qué es lo que más desequilibra el conjunto. Sé concreto y no te inventes datos que no te he dado.»

La última frase es importante: le estás poniendo el freno para que no rellene huecos con suposiciones. Con esto ya tienes el mapa de tu cartera por sectores y una primera nota.

Paso 3: mira el conjunto, no las piezas sueltas

Ahora vamos a la parte que casi nadie hace. Con la misma conversación abierta, encadena este segundo prompt:

«Sobre esta misma cartera, identifica: (1) los solapamientos, es decir, empresas distintas que en realidad me exponen al mismo riesgo o a los mismos clientes; (2) mi mayor concentración oculta, el factor del que más depende mi rentabilidad aunque no se vea a simple vista; (3) qué le pasaría a mi cartera, de forma cualitativa, en un escenario de subida de tipos y en uno de recesión. No me des recomendaciones de compra o venta, solo el diagnóstico.»

Y si quieres rematar, un tercero para pasar a la acción sin que la IA te dé consejos que no debe:

«Hazme tres preguntas que debería responderme a mí mismo antes de tocar nada de esta cartera, basándote en las debilidades que has detectado.»

Fíjate que en ningún momento le pido qué comprar. Le pido diagnóstico y preguntas. La decisión sigue siendo tuya, que para eso es tu dinero.

Un ejemplo de lo que te devuelve

Para que te hagas una idea, con una cartera de ejemplo cargada de tecnología americana, la IA me devolvió algo parecido a esto (números ilustrativos):

• Tecnología: 61% del total. Nota de diversificación: 4/10. Tu rentabilidad depende casi por completo de un único sector.

• Solapamiento detectado: Nvidia y Microsoft no son el mismo negocio, pero ambas dependen del gasto en infraestructura de IA; en una desaceleración de ese gasto, caerían juntas.

• Concentración oculta: tu factor dominante no es la tecnología, es el crecimiento a tipos bajos. Una subida de tipos te afecta más de lo que el reparto por sectores sugiere.

En treinta segundos te enteras de algo que mirando la lista no veías: no tenías catorce apuestas distintas, tenías más o menos la misma apuesta repetida catorce veces. Eso es información que cambia decisiones.

Lo que la IA NO hace bien aquí

Ahora la parte honesta, porque no todo vale. La IA no sabe los pesos exactos ni las cotizaciones de hoy salvo que se los des tú; si le pides que mire tu cartera sin datos, se los inventará con una seguridad que asusta. Dale siempre tú las cifras.

Y lo más importante: no le pidas que decida por ti. Cuando le preguntas si vender Nvidia, te dará una respuesta que suena convincente, pero no conoce tu horizonte temporal, tu tolerancia al riesgo ni por qué compraste en su día. La IA es un espejo excelente para verte mejor; no es tu asesor. El diagnóstico lo hace ella de maravilla; la decisión, tú.

No necesitas una herramienta de pago ni saber programar para saber si tu cartera está tan diversificada como crees. Prepara la lista con los pesos, pásale los tres prompts de arriba, y en un cuarto de hora tendrás una foto del conjunto que probablemente nunca te habías parado a mirar. Hazlo una vez al trimestre y verás cómo empiezas a decidir con la cabeza y no con la última noticia que leíste.

Como siempre, la clave está en usar la IA para ver mejor, no para pensar por ti.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

Disclaimer: Exención de Responsabilidad

El contenido de esta newsletter tiene un propósito exclusivamente informativo y educativo. No constituye una recomendación de inversión ni asesoramiento financiero personalizado.

Aunque nos esforzamos por proporcionar información precisa y actualizada, no garantizamos la exactitud, integridad o actualidad de los datos presentados. Las decisiones de inversión implican riesgos, incluidos la pérdida del capital invertido, y deben tomarse tras un análisis individual y, de ser necesario, la consulta con un asesor financiero profesional.

El autor y el equipo de esta newsletter no asumen ninguna responsabilidad por las pérdidas o daños que puedan derivarse del uso de la información contenida en este documento. Recuerda: Tú eres el único responsable de tus decisiones de inversión. Analiza cuidadosamente, diversifica tus riesgos y mantén una perspectiva a largo plazo.

Invertir en instrumentos financieros conlleva riesgos. La recuperación del capital invertido no está garantizada.

El problema: las cuentas no mienten, pero se maquillan

Una empresa puede presentar un beneficio récord y estar, por dentro, más floja de lo que parece. El truco casi nunca es una mentira: es un maquillaje legal. Se adelantan ventas, se estira la vida útil de un activo para gastar menos, se esconde deuda en notas al pie, se recompran acciones para inflar el beneficio por acción aunque el negocio no mejore.

Nada de esto está en primera página. Está repartido entre el balance, la cuenta de resultados y —sobre todo— el estado de flujos de caja y las notas. Leerlo entero a mano es un trabajo de horas y hace falta ojo. Aquí es donde la IA se convierte en tu analista junior: no decide por ti, pero te señala dónde mirar.

Pero antes de eso, una regla de oro: la IA es tan buena como los datos que le des. Si le pides que analice Tesla a pelo, te contará lo que leyó en internet. Si le das las cifras reales, te hace un análisis de verdad.

Paso 1: dale el material correcto

Necesitas los números de la propia empresa, no rumores. Tienes dos vías. La rápida: entra en la web de resultados de la empresa o en un agregador como el buscador de la SEC (EDGAR), copia las tres tablas clave del último informe (balance, cuenta de resultados y flujos de caja) y pega el texto directamente en el chat. La más completa: descarga el PDF del 10-K o del informe anual y súbelo si tu herramienta de IA lo permite. Con eso ya tienes con qué trabajar. Yo suelo darle además las cifras del año anterior, porque casi todas las red flags aparecen cuando comparas dos periodos.

Paso 2: el prompt de las señales de alarma

Este es el que uso como primer barrido. Cópialo tal cual y pega debajo los datos.

Actúa como un analista financiero escéptico. Con los estados financieros que te paso, busca red flags contables y explícame cada una en lenguaje sencillo. Revisa como mínimo si el beneficio neto crece pero el flujo de caja operativo no lo acompaña, si las cuentas por cobrar o los inventarios crecen mucho más rápido que las ventas, si la deuda neta sube de forma significativa y por qué, si hay un uso agresivo de partidas no recurrentes que inflan el beneficio, si el margen mejora por recortes puntuales en lugar de por el negocio, y si las recompras de acciones esconden una dilución por stock options. Para cada punto dime si es señal verde, ámbar o roja, con la cifra concreta que lo respalda. No inventes datos; si te falta algo, dímelo.

Fíjate en dos detalles que marcan la diferencia: le pido semáforo (verde, ámbar o rojo) para priorizar, y le prohíbo inventar. Ese “no inventes datos” evita el 90% de los disgustos.

Paso 3: afina con preguntas de seguimiento

El primer output es el titular. Lo bueno viene cuando tiras del hilo. El primero: de todas las red flags que has encontrado, cuál me haría descartar la inversión y cuál es solo ruido, ordénalas por gravedad. El segundo: explícame la señal roja más grave como si tuviera 15 años, con un ejemplo numérico para que entienda el mecanismo. El tercero: qué dato adicional necesitaría pedir en el próximo informe para confirmar o descartar esta sospecha. Con esto pasas de “hay algo raro” a “sé exactamente qué vigilar el próximo trimestre”.

Un ejemplo de lo que te devuelve

Imagina una empresa de software que presenta un beneficio un 30% mayor. Un buen output te diría algo así. Señal roja: el beneficio neto sube un 30%, pero el flujo de caja operativo cae un 12%. La diferencia se explica porque las cuentas por cobrar han crecido un 45% (de 200 a 290 millones). Traducción: la empresa está reconociendo ventas que aún no ha cobrado. Puede ser crecimiento sano o clientes que no pagan. Señal ámbar: el beneficio por acción sube, pero el número de acciones ha bajado por recompras de 500 millones; sin esas recompras, el crecimiento real del negocio sería casi plano. Eso, que a mano te llevaría media hora de cruzar tablas, lo tienes en dos minutos y en un idioma que entiendes.

Lo que la IA NO hace bien

Aquí toca ser honesto, porque esto no es magia. La IA se equivoca al leer cifras de un PDF mal escaneado: confunde columnas, se salta un signo negativo, mezcla miles con millones. Por eso, cualquier cifra que vaya a mover tu decisión la compruebo yo a mano en el informe original. Diez segundos que valen oro.

Y hay algo que la IA no puede oler: el contexto. No sabe que ese pico de inventario es normal porque la empresa prepara el lanzamiento de un producto, ni que esa deuda nueva financia una adquisición estupenda. La IA te da la pregunta correcta; el juicio final es tuyo. Trátala como un detector de humos: te avisa de que algo huele raro, pero eres tú quien decide si es un incendio o alguien haciendo tostadas.

Detectar red flags no va de convertirte en auditor. Va de tener un proceso que te obligue a mirar donde no mira la mayoría, y de hacerlo en minutos en vez de horas. Guárdate el prompt del Paso 2, dale siempre datos reales, verifica a mano las cifras que importen y usa los seguimientos para separar el ruido de lo grave.

La próxima vez que una empresa te enamore con sus titulares, pásale sus cuentas a la IA antes de comprar. A mí, esa costumbre me habría ahorrado aquel 40%.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

Disclaimer: Exención de Responsabilidad

El contenido de esta newsletter tiene un propósito exclusivamente informativo y educativo. No constituye una recomendación de inversión ni asesoramiento financiero personalizado.

Aunque nos esforzamos por proporcionar información precisa y actualizada, no garantizamos la exactitud, integridad o actualidad de los datos presentados. Las decisiones de inversión implican riesgos, incluidos la pérdida del capital invertido, y deben tomarse tras un análisis individual y, de ser necesario, la consulta con un asesor financiero profesional.

El autor y el equipo de esta newsletter no asumen ninguna responsabilidad por las pérdidas o daños que puedan derivarse del uso de la información contenida en este documento. Recuerda: Tú eres el único responsable de tus decisiones de inversión. Analiza cuidadosamente, diversifica tus riesgos y mantén una perspectiva a largo plazo.

Invertir en instrumentos financieros conlleva riesgos. La recuperación del capital invertido no está garantizada.

El otro día, revisando mi cartera, me quedé un buen rato mirando una posición por la que casi nadie me pregunta. Todos quieren hablar de Nvidia, de si Meta remonta o de si Amazon está cara. Pero hay una empresa holandesa, con un nombre que suena a mueble de IKEA, que para mí es la pieza más importante de todo el tablero de la IA. Y hoy te la quiero contar.

Se llama ASML. Y aunque no fabrica ni un solo chip, sin ella no existiría ninguno de los que mueven el mundo. Ni los de Nvidia, ni los de Apple, ni el de tu móvil. Ninguno.

Qué hace exactamente ASML

ASML fabrica las máquinas que “imprimen” los chips. En concreto, es la única empresa del planeta que produce las máquinas de litografía de ultravioleta extremo (EUV): unos aparatos del tamaño de un autobús, que cuestan entre 180 y 400 millones de euros cada uno, y que usan luz para dibujar circuitos más finos que un virus sobre obleas de silicio.

¿La parte increíble? No tiene competencia. Ni una. Nikon y Canon lo intentaron y tiraron la toalla hace más de una década. Hoy, si TSMC, Samsung o Intel quieren fabricar un chip de última generación, solo hay una puerta a la que llamar. Y esa puerta es ASML. Por eso me gusta llamarla “el peaje de la IA”: dé quien dé el pelotazo en chips, ASML cobra por el camino.

A partir de aquí entramos en la parte premium: la tesis en tres puntos, los números concretos, los riesgos que de verdad me quitan el sueño y mi nivel de convicción real con esta posición. Si quieres seguir, suscríbete, que hay incluso una prueba gratuita. ¡Vamos al lío!

Read more

El otro día un suscriptor me escribió con una duda que me hizo sonreír, porque yo me hice exactamente la misma pregunta hace años. Me decía: «Marco, estoy mirando dos empresas del mismo sector, las dos con un PER parecido… ¿por qué una parece cara y la otra barata? ¿No debería ser lo mismo?».

Pues no. Y ese «no» es justo lo que separa a quien mira una acción de quien la entiende de verdad. Hoy te traigo el múltiplo que yo uso constantemente cuando comparo empresas, el mismo que manejan los analistas de banca de inversión cuando valoran una compra: el EV/EBITDA. Suena a jerga, pero te prometo que en cinco minutos lo vas a usar como si llevaras años. ¡Vamos al lío!

El problema del PER (precio entre beneficio) es que solo mira una parte de la foto: lo que pagas por las acciones. Pero cuando compras una empresa entera, no compras solo sus acciones… también heredas su deuda. Dos empresas idénticas en beneficios pueden estar en mundos distintos si una debe 50.000 millones y la otra tiene la caja llena. El PER no ve esa diferencia. El EV/EBITDA sí. Por eso, cuando quiero saber si algo está caro o barato de verdad, este es el número al que voy.

Pero antes de eso… aquí se acaba la parte abierta. Lo que viene a continuación es el trabajo de verdad: la fórmula desmenuzada, un ejemplo real con los números de Coca-Cola frente a Pepsi y los errores que casi todos cometen. Si quieres el análisis completo, hazte de pago y te abro la puerta.

Read more

Tardé bastante en aprender que el valor de una llamada de resultados casi nunca está en la presentación. Está en el turno de preguntas, cuando un analista pregunta algo incómodo y el CEO tarda cuatro frases en no contestar. Ahí es donde se ve el negocio de verdad.

El problema es el tiempo. Una call son entre 45 y 70 minutos, y si sigues diez empresas en temporada de resultados, echa la cuenta. Hoy te enseño cómo lo resuelvo yo con IA en unos 20 minutos por empresa. Pero antes de eso, una aclaración importante: esto no va de que la IA opine por ti. Va de que la IA te haga de becario que lee rápido.

¡Vamos al lío!

Paso 1: consigue la transcripción (gratis)

No necesitas escuchar el audio. Necesitas el texto. Tienes tres sitios donde encontrarlo:

• La web de relación con inversores de la propia empresa (busca “Investor Relations” + “Events” o “Quarterly Results”). Es la fuente primaria y muchas cotizadas cuelgan la transcripción o al menos la presentación y el audio.

• Motley Fool y Seeking Alpha publican transcripciones de las grandes cotizadas americanas a las pocas horas.

• Si solo hay audio, súbelo a una herramienta de transcripción y luego pega el texto en la IA.

Un aviso importante: si usas un chat con acceso a internet, no des por hecho que ha leído la transcripción entera solo porque le pases un enlace. Yo pego el texto. Es más pesado, pero es la única forma de saber que la IA está leyendo lo que tú crees que está leyendo.

Paso 2: el prompt que separa la señal del ruido

Este es el que uso siempre primero. Cópialo tal cual y pega debajo la transcripción:

Actúa como analista de renta variable. Te voy a pegar la transcripción de una earnings call. Devuélveme: 1) los cinco datos cuantitativos más relevantes con su cifra exacta y su comparación interanual; 2) los tres mensajes cualitativos que la dirección repite más veces; 3) cualquier cambio de guidance, con la cifra anterior y la nueva; 4) las palabras o expresiones que suenen a excusa o a suavizado. No opines sobre si la acción está barata. Cita textualmente cuando afirmes algo.

Esa última frase, la de citar textualmente, es la más importante de todo el prompt. Convierte el resumen en algo verificable: si la IA se inventa una cifra, buscas la cita en la transcripción y no aparece.

Paso 3: interroga el turno de preguntas

Aquí está el oro. Los analistas que cubren la empresa llevan años haciéndolo y saben exactamente dónde apretar. Segundo prompt:

Céntrate solo en la sección de preguntas y respuestas. Para cada pregunta de analista dime: quién pregunta y de qué casa, qué está intentando averiguar en realidad, y si la dirección responde con un dato concreto o se va por las ramas. Marca claramente las preguntas que se hayan quedado sin respuesta numérica. Si un mismo tema aparece en tres o más preguntas de analistas distintos, señálalo como preocupación de consenso.

Ese último punto es mi favorito. Cuando cuatro analistas distintos preguntan por el margen bruto, no es casualidad: es que el mercado tiene una duda concreta y la respuesta de la dirección va a mover el precio. Si sigues una empresa, ese tema recurrente es lo que tienes que vigilar el trimestre siguiente.

Paso 4: compara con el trimestre anterior

Esta es la parte que casi nadie hace y la que más me ha servido. Tercer prompt, pegando las dos transcripciones seguidas:

Te paso las transcripciones de dos earnings calls consecutivas de la misma empresa. Compara el lenguaje de la dirección entre ambas. Dime qué temas han desaparecido del discurso, cuáles son nuevos, y si el tono sobre algún asunto concreto ha pasado de optimista a cauto o al revés. Cita las frases de cada trimestre que respalden cada cambio.

Las empresas rara vez anuncian que algo va mal. Lo que hacen es dejar de mencionarlo. Cuando una iniciativa que ocupaba cinco minutos en la call de marzo desaparece en la de junio, eso es información. Este prompt la saca a la superficie en un minuto.

Qué te devuelve esto (ejemplo ilustrativo)

Uso una empresa inventada para que veas el formato sin confundirlo con un análisis real. Con el prompt del turno de preguntas, la salida se parece a esto:

• Pregunta recurrente detectada (4 analistas): sostenibilidad del margen bruto tras las subidas de precio.

• Respuesta de la dirección: cualitativa, sin cifra. Cita: “seguimos cómodos con la trayectoria de márgenes de cara al segundo semestre”.

• Sin respuesta numérica: dos preguntas sobre coste de adquisición de cliente.

• Cambio de tono frente al trimestre anterior: de “aceleración” a “normalización” al hablar de crecimiento.

En treinta segundos de lectura ya sabes dos cosas: qué le preocupa al mercado y qué está esquivando la dirección. Eso, escuchando el audio, te habría llevado una hora y probablemente se te habría escapado.

Lo que la IA hace mal aquí

Seré claro, porque esto importa más que los prompts. La IA es buena resumiendo y detectando patrones de lenguaje, y es mala con los números. Se equivoca al copiar cifras, confunde trimestres, mezcla el dato de un segmento con el consolidado. Toda cifra que pienses usar para una decisión de inversión la verificas tú en el informe original. Sin excepciones.

Tampoco tiene contexto de sector. Puede decirte que el margen ha caído tres puntos, pero no sabe si eso es un desastre o lo normal en ese negocio en un año como este. Y desconoce por completo la reacción del mercado: la IA no sabe si la acción subió o bajó tras la call, ni por qué. Eso lo pones tú. Como siempre, la clave está en usarla para leer más rápido, no para pensar menos.

Cómo lo hago yo en la práctica

Transcripción, prompt 1 para el mapa general, prompt 2 para el turno de preguntas, prompt 3 solo si sigo la empresa desde hace tiempo. Después abro el informe y verifico las tres o cuatro cifras que me han llamado la atención. Veinte minutos por empresa, y salgo con una nota de dos párrafos que puedo releer dentro de seis meses.

Prueba esta semana con una sola empresa de tu cartera. Con una basta para que veas la diferencia entre leer una call y entenderla.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

El otro día estaba repasando los resultados de una empresa que llevo en cartera y me pasó algo que me sigue resultando fascinante después de tantos años. Los números del trimestre eran de matrícula de honor: beneficio por encima de lo esperado, ingresos récord, márgenes en máximos. Y aun así, en cuanto abrió el mercado, la acción se dejó un 6%. ¿Cómo puede ser que una empresa lo haga todo bien y el mercado la castigue como si hubiera fallado?

La respuesta cabe en una sola palabra: guidance. Y si todavía no le prestas atención cuando lees unos resultados, hoy quiero convencerte de que es, probablemente, la parte más importante de todo el informe. La que de verdad mueve el precio.

El guidance —o “previsiones” en cristiano— es la estimación que la propia empresa da sobre cómo espera que le vaya en los próximos trimestres: cuántos ingresos prevé, qué margen, qué beneficio. Es la única parte del informe que mira hacia adelante, y por eso el mercado la trata como oro. Como llevo repitiendo estas semanas: Wall Street ya no compra los resultados de ayer, compra la narrativa de mañana. Y la narrativa de mañana vive en el guidance.

Aquí se acaba la parte abierta. Lo que viene a continuación es el trabajo de verdad: cómo leer el guidance paso a paso, el ejemplo con números para que lo veas claro y los errores que te pueden costar dinero. Si te interesa, hazte de pago y desbloquea el análisis completo. ¡Vamos al lío!

Read more

Te confieso una cosa: durante mis primeros años invirtiendo, mi “watchlist” era un caos. Un Excel a medias, capturas de pantalla en el móvil, tickers apuntados en una nota del trabajo y tres empresas que un amigo me había soplado en una cena. Cuando llegaba el momento de comprar, no tenía ni idea de por qué seguía la mitad de esas acciones. Invertía a impulsos.

Si te suena, no te preocupes, es lo normal. Y hoy te voy a enseñar a arreglarlo con ayuda de la IA. ¡Vamos al lío!

Una watchlist (lista de seguimiento) no es una lista de “lo que quiero comprar ya”. Es tu radar: un grupo reducido de empresas que vigilas porque encajan con tu estrategia y que esperas pacientemente hasta que el precio o el momento sean los adecuados. La diferencia entre tener una watchlist con criterio y no tenerla es la diferencia entre cazar y disparar al aire.

El problema que resuelve la IA

El problema no es encontrar empresas. Hay miles. El problema es filtrarlas con un criterio coherente y no acabar con una lista de 80 nombres que no vas a seguir jamás. Antes, esto significaba pasar horas en screeners, cruzar datos a mano y leer titulares sueltos. La IA no te va a decir qué comprar, pero sí puede hacer el trabajo pesado de organizar, filtrar y estructurar en minutos lo que a ti te llevaría una tarde entera.

La clave, como siempre, está en darle un buen punto de partida. Una IA sin contexto te devuelve una lista genérica de las típicas siete magníficas. Una IA con tu perfil bien definido te devuelve algo útil.

Paso a paso: los prompts copiables

Paso 1: define tu perfil de inversor. Antes de pedir empresas, dile a la IA quién eres. Copia y rellena esto:

Actúa como un analista de inversión. Quiero construir una watchlist de acciones. Mi perfil: horizonte a largo plazo (más de 5 años), tolerancia al riesgo media, prefiero empresas con beneficios consistentes y ventaja competitiva clara. Me interesan estos sectores: [tecnología, consumo, salud]. Evito: empresas sin beneficios y sectores muy cíclicos. ¿Qué criterios concretos me recomiendas para filtrar candidatas? Hazme primero las preguntas que necesites para afinar.

Fíjate en lo último: pedirle que te pregunte. Así la IA te obliga a concretar y la lista final será mucho más tuya.

Paso 2: genera la lista inicial. Una vez claros los criterios, pide candidatas:

Con esos criterios, propón 15 empresas cotizadas (con su ticker) que encajen. Para cada una dame en una tabla: nombre, $ticker, sector, una frase sobre su ventaja competitiva y por qué encaja con mi perfil. Ordénalas de más a menos sólida según fundamentales.

Paso 3: estructura la watchlist. Ahora conviértela en algo que puedas seguir de verdad:

Convierte esa lista en una tabla de seguimiento con estas columnas: $ticker, sector, tesis en una línea, qué métrica clave vigilar (ej. crecimiento de ingresos, margen, deuda), y qué evento o precio me haría considerar comprar. Esto último déjalo como pregunta para que lo rellene yo.

Con estos cuatro pasos pasas del caos a una lista de 10-12 empresas ordenadas, con tesis y con un disparador claro para cada una. Y todo guardado en un sitio, no en seis.

Un ejemplo de output

Para que lo veas, así me devolvió la IA una fila de la tabla cuando probé con un perfil orientado a consumo defensivo:

• (Procter & Gamble) — Sector: consumo básico. Tesis: marcas líderes con poder de fijación de precios y dividendo creciente décadas seguidas. Métrica a vigilar: crecimiento orgánico de ventas y margen bruto. Disparador: ¿esperar a una corrección del 10% o a que el PER baje de su media histórica? Eso lo respondo yo.

En diez segundos tengo una ficha que antes me llevaba abrir el informe anual, buscar el dividendo y resumirlo a mano. Multiplica eso por diez empresas y entiendes el ahorro de tiempo.

Qué NO hace bien la IA

Y ahora la parte que nadie te cuenta. La IA es brillante organizando, pero tiene dos puntos ciegos serios. El primero: los datos. Los modelos de lenguaje no consultan cotizaciones en tiempo real salvo que tengan la función activada, y aun así pueden equivocarse con cifras concretas. Nunca te fíes de un PER, una deuda o un precio que te suelte sin verificar. Úsala para estructurar, no como fuente de datos. Los números, contrástalos siempre en una fuente fiable.

El segundo punto ciego es el criterio. La IA no sabe cuánto puedes perder sin que te quite el sueño, ni si necesitas ese dinero en tres años. Te dará una lista razonable según lo que le digas, pero la decisión de qué entra, qué sale y, sobre todo, cuándo comprar, es tuya y solo tuya. La IA arma el radar; tú apuntas y aprietas el gatillo.

Conclusión práctica

Una buena watchlist no te hace ganar dinero por sí sola, pero te quita de encima las decisiones impulsivas, que es donde casi todos perdemos. Dedica quince minutos este finde a montar la tuya con estos prompts, recórtala a un máximo de diez nombres y revísala una vez por semana. Cuando llegue una caída del mercado, en vez de entrar en pánico, tendrás tu lista lista para actuar con cabeza.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

Disclaimer: Exención de Responsabilidad

El contenido de esta newsletter tiene un propósito exclusivamente informativo y educativo. No constituye una recomendación de inversión ni asesoramiento financiero personalizado.

Aunque nos esforzamos por proporcionar información precisa y actualizada, no garantizamos la exactitud, integridad o actualidad de los datos presentados. Las decisiones de inversión implican riesgos, incluidos la pérdida del capital invertido, y deben tomarse tras un análisis individual y, de ser necesario, la consulta con un asesor financiero profesional.

El autor y el equipo de esta newsletter no asumen ninguna responsabilidad por las pérdidas o daños que puedan derivarse del uso de la información contenida en este documento. Recuerda: Tú eres el único responsable de tus decisiones de inversión. Analiza cuidadosamente, diversifica tus riesgos y mantén una perspectiva a largo plazo.

Invertir en instrumentos financieros conlleva riesgos. La recuperación del capital invertido no está garantizada.

El otro día estaba revisando candidatas para meter en cartera y me pasó lo de siempre. Dos empresas parecidas, ambas con beneficios crecientes, ambas con un PER razonable, ambas en sectores que me gustan. Y ahí me quedé, mirando la pantalla sin saber por cuál decidirme.

¿Sabes qué métrica acabó desempatando? El Free Cash Flow. No el beneficio neto, no el EBITDA, no el crecimiento de ingresos. El dinero de verdad que cada una era capaz de generar después de pagar sus facturas y mantener su negocio en pie.

Hoy quiero contarte por qué el FCF se ha convertido en la métrica que no me deja mentir. Y, sobre todo, cómo lo uso en mi cartera para tomar decisiones. ¡Vamos al lío!

El Free Cash Flow (flujo de caja libre, en español) es el dinero que le sobra a la empresa después de pagar sus operaciones del día a día y de invertir lo necesario para seguir funcionando. No es lo que reporta en el titular de “beneficio neto” — esa cifra está llena de ajustes contables que pueden distorsionar la realidad. El FCF, en cambio, es bastante más difícil de maquillar. Y eso, en un mercado donde cada trimestre las empresas se sacan trucos contables nuevos, vale oro.

Aquí se acaba la parte abierta. Lo que viene a continuación es el trabajo de verdad: cómo lo calculo paso a paso, el ejemplo con números reales y los tres errores que veo una y otra vez. Si quieres seguir, suscríbete por solo 10€ al mes y te abrimos la puerta.

Cómo calculo el FCF en 3 minutos

La fórmula que uso es la de toda la vida y funciona en cualquier informe financiero:

FCF = Flujo de caja operativo − Inversión en activos fijos (CapEx)

Las dos cifras están en el estado de flujos de efectivo, la tercera de las “tres tablas” que toda empresa cotizada publica cada trimestre. “Cash from operating activities” (o “Cash generated from operations”) es el flujo de caja operativo, el dinero que entra por la actividad del negocio. “Purchases of property, plant and equipment” (o “Capital expenditures”) es el CapEx, la inversión necesaria para mantener y crecer.

Restas una de otra y ya está. Tres minutos si sabes dónde buscar. Cinco si es la primera vez. Y a partir de ahí, juzgas.

Un ejemplo con Apple para que se vea claro

Pongamos en su último ejercicio fiscal completo. La compañía generó en torno a 118.000 millones de dólares de flujo de caja operativo y gastó cerca de 10.000 millones en CapEx. La cuenta es directa:

118.000 − 10.000 ≈ 108.000 millones de FCF

Con una capitalización en torno a 3,4 billones de dólares, eso da un yield de FCF (FCF dividido por capitalización) de aproximadamente un 3,2%. ¿Es bueno o malo? Depende. Para una empresa que crece poco, sería discutible. Para una que recompra acciones a este ritmo y mantiene márgenes brutales, es una pasada.

Ahora compara mentalmente con cualquier empresa que tenga un beneficio neto enorme pero un FCF flojo porque está quemando caja en CapEx para crecer. ¿Cuál genera de verdad valor para el accionista HOY? La del FCF. La otra te promete valor mañana, y mañana ya veremos.

Cómo lo aplico a mi cartera

Yo uso el FCF en tres momentos concretos.

Primero, cuando dudo entre dos empresas del mismo sector. Si tienen PER similares y crecimiento parecido, la que tenga mejor yield de FCF gana puntos. Mejor yield de FCF significa más dinero real generado por cada euro de cotización.

Segundo, para vigilar empresas que ya tengo en cartera. Si una que tenía un FCF sólido empieza a deteriorarlo trimestre tras trimestre, salta una alarma. Antes de que el mercado se entere, ya sabes que algo huele raro.

Tercero, para detectar trampas de valor. Cuidado con las empresas que parecen baratas por PER pero su FCF lleva años cayendo. Eso no es “value”, eso es una empresa con un problema estructural disfrazado de oportunidad.

Los tres errores que veo siempre

Llevo años mirando esta métrica y los errores se repiten. Quiero que evites los más gordos.

Uno. Confundir FCF con beneficio neto. No son lo mismo. Una empresa puede tener beneficio creciente y FCF en caída si está hinchando inventarios, alargando cobros o disfrazando gastos como CapEx. Mira siempre la tabla de flujos de efectivo, no el resultado neto del titular.

Dos. Ignorar el CapEx de mantenimiento. Hay empresas que reportan un FCF gordo porque están recortando inversión. Bonito a corto, suicida a medio plazo. Si una empresa lleva tres años invirtiendo menos de lo que necesita para no quedarse atrás, el FCF actual es humo. Comprueba la tendencia del CapEx, no solo el dato del trimestre.

Tres. Comparar entre sectores como si fueran iguales. Una utility tiene un FCF muy distinto al de una tecnológica. Una farma a una textil. Compara siempre entre comparables, no entre churras y merinas.

El Free Cash Flow no es mágico. No te dice si una acción va a subir mañana, ni cuándo. Pero te dice algo que el beneficio neto no siempre cuenta: si la empresa de verdad está generando dinero o vive de cuentos contables. Y eso, a la larga, es lo que determina si tu inversión va a funcionar.

Como siempre, la clave está en cruzar varias métricas, no quedarse con una. Pero si tuviera que elegir una sola para empezar a estudiar una empresa, sería el FCF. Sin dudarlo.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

El otro día un suscriptor me escribió con una pregunta que me encantó: «Marco, miro el PER, miro las ventas… pero cuando abro el balance de una empresa me entra el pánico». Y lo entiendo perfectamente, porque a mí me pasaba lo mismo hace años. El balance parece el documento más aburrido del mundo. Hasta que descubres que es, probablemente, el más importante de los tres.

La cuenta de resultados te dice cuánto gana una empresa. El estado de flujos, cuánto efectivo genera. Pero el balance te dice algo que los otros dos no: si la empresa aguanta. Si llega una crisis, una subida de tipos o un mal año, ¿tiene colchón o se ahoga? Eso está en el balance. Y leerlo bien no requiere ser contable: con cuatro líneas y diez minutos te haces una idea muy clara. ¡Vamos al lío!

El balance es una foto fija de un día concreto, y responde a una ecuación que no falla nunca: lo que la empresa tiene (Activo) es igual a lo que debe (Pasivo) más lo que es de los dueños (Patrimonio neto). Activo = Pasivo + Patrimonio. Todo lo demás son detalles que cuelgan de esas tres cajas. Una vez entiendes esto, lo único que falta es saber qué cuatro cosas mirar y en qué orden.

A partir de aquí entramos en lo que pago da: el método de los cuatro pasos, el balance real de Nike número a número y las ratios que de verdad te dicen si una empresa es una fortaleza o un castillo de naipes. Si quieres seguir, hazte de pago y te abro la puerta.

Read more

El otro día, haciendo la compra en el súper, me quedé mirando el carro un buen rato: la cesta costaba bastante más que hace un año, pero llevaba más o menos lo de siempre. Y pensé que esa sensación tan de andar por casa es, en realidad, una de las mejores radiografías del consumidor que existen.

Pues esta semana el mercado nos ha regalado tres termómetros buenísimos para medir cómo está el bolsillo del americano medio: el súper ($KR, Kroger), el coche de segunda mano ($KMX, CarMax) y la vivienda ($LEN, Lennar). Tres maneras distintas de gastar, tres mensajes distintos. Y juntos cuentan una historia mucho más interesante que cualquiera por separado.

Pero antes de eso… la pregunta de fondo siempre es la misma: ¿el consumidor sigue gastando o ha empezado a cerrar el grifo? Porque de eso depende media bolsa. Y entre comida, coches y casas, esta semana hemos tenido respuestas para todos los gustos. ¡Vamos al lío!

Si quieres ver estos análisis lo puedes hacer por solo 10€ al mes. Te aseguro que lo rentabilizarás: las cifras exactas, qué batieron y qué fallaron, cómo reaccionó el mercado y lo que yo leo entre líneas. Si quieres el análisis completo, hazte de pago y te abrimos la puerta.

Read more

El otro día un suscriptor me escribió con una pregunta de las buenas: «Marco, tengo dos empresas delante, una cotiza a un PER de 11 y la otra a 36… la de 11 está regalada, ¿no?». Y le respondí lo que te voy a contar hoy: depende. Porque el PER, ese número que casi todos miramos primero, tiene un punto ciego enorme. Y ese punto ciego se llama deuda.

Te pongo el caso real con el que se lo expliqué, con cifras de esta misma semana. Verizon cotiza a un PER de unos 11. Apple, a unos 36. Sobre el papel, Verizon parece tres veces más barata. Pero cuando metes la deuda en la ecuación, la foto cambia por completo. Y la herramienta que te deja verlo se llama EV/EBITDA.

El EV/EBITDA es, probablemente, el múltiplo favorito de los analistas profesionales y de cualquiera que compra empresas enteras, no acciones sueltas. ¿Por qué? Porque el PER solo mira la parte de los accionistas e ignora algo que quien compra un negocio sí tiene muy presente: la deuda que viene con él. Hoy te enseño a leerlo, a calcularlo y, sobre todo, a usarlo en tu cartera. ¡Vamos al lío!

A partir de aquí entramos en lo que pago da: la fórmula desmontada pieza a pieza, el ejemplo con los números de Apple y Verizon, cómo aplicarlo a tu cartera y los errores que casi todo el mundo comete. Si quieres seguir, hazte de pago y te abrimos la puerta.

Read more

Te confieso una cosa: durante años, cuando dudaba entre dos empresas del mismo sector, acababa eligiendo la que tenía el logo que más me gustaba. Suena ridículo, pero seguro que a ti también te ha pasado algo parecido. “¿Visa o Mastercard? Pues… la que uso yo”. Y ya está. Decisión de cientos de euros tomada por puro instinto.

El problema es que comparar dos competidoras de verdad da una pereza tremenda. Tienes que abrir dos informes anuales, buscar los mismos números en sitios distintos, ponerlos en una tabla, acordarte de qué significaba cada ratio… y para cuando terminas, ya se te han quitado las ganas de invertir.

Hoy te enseño a hacer ese trabajo con IA en 20 minutos. Vamos a coger el clásico de los clásicos —Coca-Cola ($KO) contra Pepsi ($PEP)— y montar una comparativa que de verdad sirva para decidir. Los prompts te los dejo copiables para que los reutilices con cualquier par de empresas.

¡Vamos al lío!

El problema: comparar de memoria no funciona

Cuando comparamos dos empresas “a ojo”, caemos siempre en la misma trampa: nos quedamos con la que más conocemos como consumidores. Pero la mejor marca no siempre es la mejor inversión. Una empresa puede vender menos y aun así ganar más dinero por cada euro que ingresa, tener menos deuda o crecer más rápido. Esos matices no se ven desde el supermercado: se ven en los números.

La IA no inventa esos números, pero sí te ahorra el trabajo aburrido de ordenarlos, explicártelos y ponerlos uno al lado del otro. Tú pones el criterio; ella pone la paciencia.

Paso 1: define el terreno de juego

Antes de pedir nada, dile a la IA exactamente qué quieres comparar. Si no lo acotas, te suelta una parrafada genérica. Copia esto y cambia los tickers:

“Actúa como analista financiero. Quiero comparar Coca-Cola (KO) y PepsiCo (PEP) como inversión a largo plazo. Compáralas en estas 6 dimensiones: crecimiento de ingresos (últimos 5 años), margen operativo, margen neto, deuda neta sobre EBITDA, rentabilidad por dividendo y payout. Dame los datos en una tabla con las dos empresas en columnas. Si no tienes un dato actualizado, dilo claramente en vez de inventarlo.”

Esa última frase es clave. Le estás dando permiso para decir “no lo sé”, y eso reduce muchísimo el riesgo de que se invente cifras.

Paso 2: pídele que interprete, no solo que liste

Una tabla está muy bien, pero los números solos no deciden nada. El segundo prompt es donde está la magia:

“Con esos datos, explícame en lenguaje sencillo qué empresa es más rentable por cada euro que ingresa, cuál está más endeudada y cuál reparte un dividendo más sostenible. Señala 3 fortalezas y 3 riesgos de cada una. No me digas cuál comprar; dame los argumentos para que decida yo.”

Fíjate en el final: “no me digas cuál comprar”. Lo hacemos a propósito. Queremos que la IA sea tu analista, no tu gurú. Su trabajo es ponerte los pros y los contras encima de la mesa; la decisión sigue siendo tuya.

Paso 3: el test del “y si me equivoco”

Aquí es donde la mayoría se queda corta. Antes de cerrar el análisis, oblígale a llevarte la contraria:

“Imagina que dentro de 3 años esta inversión ha salido mal. ¿Cuál sería la razón más probable en cada una de las dos empresas? Dame el escenario pesimista realista, no el catastrófico.”

Este prompt te protege de tu propio entusiasmo. Cuando una empresa te gusta, tu cerebro busca razones para comprar. La IA, bien dirigida, te obliga a mirar el otro lado.

Ejemplo de output (resumido)

Esto es, más o menos, lo que te devuelve:

• Tamaño y crecimiento: PepsiCo ingresa bastante más que Coca-Cola porque también vende snacks (Lay’s, Doritos). Pero Coca-Cola crece de forma más constante en bebidas.

• Rentabilidad: Coca-Cola gana más por cada euro que ingresa —su margen neto es notablemente más alto— porque su negocio de concentrado es más ligero. Pepsi tiene más volumen, pero márgenes más estrechos.

• Deuda y dividendo: las dos son históricamente sólidas y llevan décadas subiendo el dividendo. La IA te marca cuál tiene el payout más holgado y, por tanto, más margen para seguir subiéndolo.

• Riesgo pesimista: para ambas, el escenario malo pasa por un consumidor que se pasa a marcas blancas y por la presión regulatoria sobre el azúcar.

En cinco minutos de lectura tienes una foto que antes te habría llevado media tarde. Y, sobre todo, tienes argumentos en vez de corazonadas.

Qué NO hace bien la IA (léelo dos veces)

Aquí viene el aviso importante. La IA es brillante ordenando y explicando, pero tiene dos puntos ciegos que te pueden costar dinero.

El primero: los datos pueden estar desactualizados o ser incorrectos. Un modelo puede darte un margen de hace dos años como si fuera de hoy, o confundir cifras entre empresas. Por eso el último paso siempre, sin excepción, es verificar los números clave en la fuente original —la web de relación con inversores de cada empresa o su último informe trimestral—. La IA te da el borrador; la fuente oficial te da la verdad.

El segundo: la IA no sabe nada de ti. No conoce tu horizonte temporal, tu tolerancia al riesgo ni el resto de tu cartera. Puede decirte que dos empresas son sólidas, pero no sabe si tú ya tienes demasiado consumo defensivo o si necesitas crecimiento. Esa parte —la que de verdad importa— sigue siendo tuya.

Comparar competidoras ya no es una excusa para tirar de instinto. Con tres prompts —acota, interpreta y busca el escenario pesimista— tienes en 20 minutos una comparativa que antes era un suplicio. Pruébalo este fin de semana con dos empresas que te interesen: dos bancos, dos tecnológicas, dos del sector que controles. Y recuerda la regla de oro: la IA ordena, tú decides, y la fuente oficial manda.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

El otro día revisaba mi cartera con el café delante y me quedé con una sensación rara. La misma semana, dos titulares que parecían de planetas distintos: Broadcom vendiendo chips de inteligencia artificial como si no hubiera un mañana… y Five Below, una cadena de tiendas de todo un poco, avisando de que el consumidor americano aguanta con pinzas.

Y lo más curioso: las dos batieron las previsiones de los analistas. Las dos. Y las dos cayeron en bolsa. ¿Cómo se come eso?

Esta semana de resultados deja una foto muy clara de dos economías que conviven a la vez: la de la IA y los centros de datos, que sigue a un ritmo que asusta, y la del bolsillo de la gente normal, que empieza a apretar. Entender esa diferencia es la clave para no leer un titular de “bate previsiones” y comprar a ciegas. Vamos al lío.

Aquí se acaba la parte abierta. Lo que viene son las cifras concretas de cada empresa, qué dijeron de verdad sobre el futuro y qué me llevo yo de todo esto para mi cartera. Si te interesa el análisis sin filtros, suscríbete y seguimos.

Read more

El otro día, en una sesión de la Academia, un alumno me soltó la pregunta del millón: “Marco, ¿cómo sabes si una acción está cara o barata de verdad?”. Le contesté que el PER te da una foto, pero que si quieres la película completa tienes que ir al descuento de flujos de caja, el famoso DCF. Y le vi la cara de pánico. Tranquilo: no hace falta un Excel de catorce pestañas ni un máster en finanzas.

Hoy te enseño mi versión sencilla: un DCF que se monta en 15 minutos con cuatro datos públicos. Y para que no sea teoría de pizarra, lo hacemos con una empresa que conoces de sobra: Alphabet ($GOOGL), la dueña de Google. ¡Vamos al lío!

Qué es un DCF y por qué te importa

La idea es de puro sentido común: una empresa vale lo que va a generar en caja durante su vida, traído al presente. Si pagas mucho más que eso, el riesgo lo asumes tú; si pagas menos, el margen juega a tu favor. El DCF convierte esa idea en un número. Y ojo, no es una bola de cristal: es una máquina de hacer preguntas. Te obliga a explicitar qué crecimiento, qué caja y qué riesgo te estás tragando al precio actual. Por eso es la herramienta favorita de los que compran negocios y no tickers.

A partir de aquí empieza el trabajo de verdad: los cuatro datos que necesitas, el cálculo paso a paso y lo que el DCF dice del precio actual de $GOOGL, con sus tres escenarios y el matiz del capex que lo cambia todo. Si quieres la caja de herramientas completa, hazte de pago y seguimos juntos al otro lado.

Read more

Te confieso algo: durante años compré ETFs como quien compra una caja de bombones por la foto de la tapa. Veía “World”, “Tech” o “Dividend” en el nombre, miraba la rentabilidad de los últimos cinco años y al carrito. Hasta que un día descubrí que dos de mis ETFs “diversificados” compartían casi la mitad de sus posiciones. Estaba pagando dos comisiones por la misma cartera.

La buena noticia es que hoy puedes auditar un ETF en 15 minutos con IA, como si tuvieras un analista en plantilla. Sin Excel, sin Python y sin leerte un folleto de 40 páginas. ¡Vamos al lío!

El problema: el nombre del ETF no te cuenta la verdad

Detrás de cada ETF hay un documento que casi nadie lee: la ficha técnica o factsheet. Ahí está todo lo que importa: qué empresas lleva dentro, cuánto pesa cada una, qué comisión real pagas (el famoso TER), cómo replica el índice y qué riesgos asumes. El problema es que está redactado para que te rindas en la página 3.

Y aquí es donde la IA cambia las reglas: tú le das el documento y ella te lo destripa en segundos. Pero antes de eso, necesitas el material.

Paso 1: consigue la ficha del ETF (2 minutos)

Entra en la web de la gestora (iShares, Vanguard, Amundi, Xtrackers…) o en justETF, busca el ETF por su ticker y descarga dos PDFs: el factsheet y el KID (el documento de datos fundamentales). Son gratis y públicos. Con eso ya tienes más información de la que usa el 90% de los inversores minoristas.

Paso 2: el prompt de auditoría completa

Abre ChatGPT, Claude o Gemini, adjunta los dos PDFs y pega este prompt:

“Actúa como un analista de fondos independiente y escéptico. Te adjunto el factsheet y el KID del ETF [NOMBRE Y TICKER]. Audítalo y respóndeme en una tabla: 1) Las 10 mayores posiciones y qué porcentaje del fondo concentran entre ellas. 2) Reparto por sectores y países, señalando dónde hay riesgo de concentración. 3) TER y cualquier coste adicional que detectes (swap, préstamo de valores, horquillas). 4) Tipo de réplica (física o sintética) y qué implica para mí. 5) Tres riesgos que un inversor minorista podría pasar por alto. Sé directo, sin lenguaje de folleto comercial.”

Como siempre, la clave está en pedirle que sea escéptico: si no lo haces, la IA tiende a resumir el folleto en plan amable, y tú lo que quieres es un auditor, no un comercial.

Paso 3: el test del solapamiento

Si ya tienes otros ETFs o acciones, este es el paso que más disgustos evita. Pega las posiciones principales de tus fondos (las 15-25 mayores de cada uno, las tienes en el factsheet) y usa esto:

“Aquí tienes las principales posiciones de mi ETF A y de mi ETF B, con sus pesos. Estima el porcentaje de solapamiento entre ambos, dime qué empresas se repiten y responde: ¿tiene sentido mantener los dos o estoy pagando dos comisiones por una exposición casi idéntica?”

Con Microsoft, Apple y Nvidia copando los índices, te sorprendería cuántos ETFs “diferentes” son en realidad el mismo perro con distinto collar.

Paso 4: el examen del coste real

El TER no es el coste completo. Lo que de verdad pagas es la diferencia entre lo que hace el índice y lo que hace tu ETF: la tracking difference. Prompt:

“El TER de este ETF es del X%. En los últimos 3 años el ETF rindió un Y% anualizado y su índice un Z%. Calcula la tracking difference anual, compárala con el TER y explícame si el coste real es mayor o menor de lo que parece y por qué.”

Los datos X, Y y Z los tienes en la propia ficha o en justETF. A veces descubres ETFs que cuestan menos de lo que dice su TER (gracias al préstamo de valores) y otros que cuestan bastante más.

Qué te devuelve la IA (ejemplo de output)

Cuando pasé por este proceso un conocido ETF “global”, la tabla que me devolvió la IA decía, entre otras cosas:

• Las 10 mayores posiciones concentraban más del 22% del fondo, casi todo tecnología americana.

• Estados Unidos pesaba un 70%: lo de “global” era un decir.

• Réplica física por muestreo: el ETF no compra todas las empresas del índice, solo una muestra.

• Riesgo señalado: el préstamo de valores generaba ingresos extra, pero añadía riesgo de contraparte que el folleto mencionaba en una nota al pie.

Nada de esto aparecía en el nombre del producto. Todo estaba en la ficha. Y la IA lo sacó en menos de un minuto.

Qué NO hace bien la IA (y conviene que sepas)

Primero: los datos de la IA no son en tiempo real. Si no le adjuntas la ficha actualizada, tirará de memoria y puede citarte posiciones o TERs antiguos. Por eso este método empieza siempre descargando el PDF: la IA analiza lo que tú le das, no lo que recuerda.

Segundo: a veces se inventa detalles con una seguridad pasmosa. Si un dato es crítico para tu decisión (el TER, el tipo de réplica, la divisa de cobertura), verifícalo en la ficha original o en la web de la gestora. La IA es tu analista, pero la firma del informe sigue siendo tuya.

Como siempre, la clave está en el orden: primero el documento oficial, después la IA, y al final tu criterio. Con cuatro prompts y dos PDFs tienes una auditoría que hace unos años costaba una tarde entera de trabajo. La próxima vez que un ETF te guiñe el ojo con su nombre bonito, hazle pasar la revisión antes de darle tu dinero.

No olvides dejarnos un ❤️ Like o un 💬 comentario.

El miércoles por la noche me quedé mirando la pantalla sin entender nada: acababa de presentar uno de los mejores trimestres de su historia… y caía más de un 11% en el afterhours. Bienvenido a la temporada de resultados, donde batir al consenso ya no te garantiza absolutamente nada.

Esta semana han pasado por el confesionario cuatro empresas que sigo de cerca: $HPE, $DG, y $CRWD. Las cuatro han batido las estimaciones de beneficio. Dos han subido con ganas y dos se han llevado un buen palo. ¡Vamos al lío!

Pero antes de eso… un apunte rápido. Cuando una acción cae después de batir estimaciones, el mercado no te está diciendo que la empresa vaya mal: te está diciendo que las expectativas que ya estaban metidas en el precio eran todavía más altas. Entender ese juego de expectativas es justo lo que separa al que invierte con criterio del que va dando bandazos con cada titular. Y esta semana ha sido un máster acelerado en ese juego.

Aquí se acaba la parte abierta. Lo que viene ahora es el trabajo de verdad: las cifras una a una, la reacción del mercado en porcentaje y mi lectura de quién sale ganando y quién no. Si quieres el análisis completo, hazte de pago y seguimos dentro.

Read more