Skip to content
← Volver al BlogValoración

Lo que el precio ya está asumiendo: un DCF inverso que sabe cuándo callarse

Septiembre 2026 · 7 min de lectura · Por Javier Audibert

Un DCF normal te pide que predigas el futuro. Eliges un crecimiento, un coste de capital y un valor terminal, y el modelo escupe un precio objetivo que, casualmente, casi siempre confirma lo que ya pensabas. Un DCF inverso le da la vuelta: toma el precio de hoy como dato y despeja la incógnita al revés. No pregunta cuánto vale la empresa, sino qué tiene que pasar para que el precio actual tenga sentido.

Es una pregunta mucho más honesta, porque no puedes hacer trampas con ella. El resultado no depende de tu optimismo: es aritmética sobre el flujo de caja que la empresa genera hoy y sobre lo que el mercado está pagando por él. Y es muy de Howard Marks: el pensamiento de segundo nivel no consiste en decidir si un negocio es bueno, sino en preguntarse si eso ya está en el precio.

Este artículo describe cómo funciona un modelo, no es asesoramiento de inversión. Los números que aparecen son salidas de un modelo automático sobre datos públicos, con todas las limitaciones que se explican más abajo.

La primera versión estaba rota

Añadí el DCF inverso a mis screeners y pareció funcionar a la primera. Cogía las empresas que superaban el cribado, despejaba el crecimiento implícito, lo comparaba con el crecimiento histórico y escribía un comentario. Limpio.

Entonces miré a Newmont, una minera de oro. El modelo decía que valía 8.335 $ por acción. Cotizaba a 128 $. Un potencial del +6.407%.

El error no estaba en el DCF. Estaba en el crecimiento que le había dado de comer. El flujo de caja libre de Newmont en los cuatro años que tenía era 1.089M → 97M → 2.961M → 7.299M. El CAGR punta a punta sale 88,5% anual — y es matemáticamente correcto. Lo que describe no es el negocio: describe que el año de partida fue un suelo de 97 millones. Proyectar una recuperación cíclica diez años hacia adelante no es una valoración, es un artefacto.

El CAGR siempre te da un número

Ese es el problema de fondo. El CAGR solo mira el primer y el último año. Todo lo que pasa en medio — desplomes, picos, recuperaciones — es invisible para él. Y nunca te avisa: siempre devuelve un porcentaje de aspecto respetable, tanto si la serie es una tendencia como si es ruido.

El ejemplo que más me convenció fue Incyte, una biotecnológica. Su CAGR de flujo de caja libre era +14,2%. Suena a compounder. La serie real era 892M → 449M → 235M → 1.330M: cayó a la cuarta parte y luego se multiplicó por cinco. El 14,2% existe solo porque el primer y el último punto casualmente caen donde caen.

La solución fue dejar de preguntar solo cuál es el crecimiento y empezar a preguntar si esta empresa tiene siquiera un crecimiento. En vez de unir los extremos, ajusto una recta por mínimos cuadrados sobre el logaritmo del flujo de caja, usando todos los puntos, y me quedo con el : cuánta parte del movimiento explica realmente esa recta.

Los mismos datos, dos lecturas

  • Incyte — CAGR +14,2%, R² 0,01. La recta explica el 1% del movimiento.
  • Newmont — CAGR +88,5%, R² 0,05 sobre 17 años. No hay tendencia.
  • Adobe — CAGR +10,0%, R² 0,93 sobre 17 años. Esto sí es una tendencia.

Por debajo de un R² de 0,50, el modelo no proyecta nada. No recorta el número, no lo publica con una nota al pie: se niega, y dice por qué. En una semana típica, eso significa que cuatro de las cinco empresas que superan el cribado no reciben valoración.

Cuatro años no son suficientes

La segunda debilidad era más incómoda: la fuente de datos gratuita que usaba daba cuatro ejercicios anuales. Cuatro puntos son tres observaciones de crecimiento. Cualquier probabilidad calculada sobre tres observaciones es una moneda al aire con adornos estadísticos, y una ventana de cuatro años sobre una empresa cíclica puede caer entera dentro de un suelo o de un pico.

La solución resultó ser gratis y estar a la vista: la API XBRL de la SEC. Es pública, no necesita clave, y devuelve todo lo que una empresa ha declarado alguna vez para una partida contable. Para Adobe son 17 ejercicios en lugar de 4. Tres observaciones pasan a ser dieciséis.

El cambio no solo dio más datos, cambió las respuestas. Ulta ajustaba a un R² de 0,32 con cuatro años — sin tendencia — y a 0,84 con catorce. La ventana corta no es que fuera imprecisa: es que decía otra cosa.

Y entonces el problema contrario

Con catorce años aparece un riesgo que con cuatro no existía: un ajuste excelente que describe a otra empresa. Ulta compone al 28% anual durante catorce años, con un R² de 0,84. Impecable. Pero en los últimos cinco años crece al 1,8%.

Las dos cifras son correctas y describen periodos distintos. Proyectar el 28% sería leer la década equivocada. Ahora el modelo ajusta las dos ventanas y proyecta la más prudente: Ulta se valora al 1,8%, y Adobe al 8,1% de su ventana reciente en lugar del 18% de su tendencia larga. El potencial de Adobe cayó de +80% a +28% con ese único cambio.

Lo que queda: un modelo que se calla

La versión actual retiene más de lo que publica. Si el flujo de caja no tiene forma de tendencia, no hay valoración. Si la volatilidad del crecimiento es demasiado alta, la probabilidad no se muestra — porque un "52,3%" con una advertencia al lado se sigue leyendo como 52,3%: en una tabla, el número siempre gana a la nota. Y cuando sí publica una probabilidad, la da como rango, nunca como cifra única, porque descansa sobre pocas observaciones.

Hay una cosa que sí sobrevive siempre: el crecimiento implícito. No necesita histórico, ni tendencia, ni proyección — solo el flujo de caja actual y la capitalización. Da igual lo caótica que sea la empresa: el precio siempre está asumiendo algo, y eso siempre se puede despejar. Esa es, al final, la única cifra que de verdad importaba.

Sigue habiendo límites, y están publicados junto a la tabla: el crecimiento terminal es un 2,5% único aplicado a una minera, una biotecnológica y una cadena de cosmética por igual; el modelo ve flujo de caja pero nunca el motivo, así que un cobro extraordinario y un cambio real de tendencia le parecen lo mismo; y el histórico largo solo existe para quien presenta ante la SEC, o sea que el screener del IBEX 35 trabaja con menos datos que el del S&P 500.

Si me llevo algo de haberlo construido es esto: pasé la mayor parte del tiempo no haciendo el modelo más listo, sino enseñándole a reconocer cuándo no sabe. Un modelo que siempre responde no es más útil — solo es más difícil de contradecir.

Share this article