Existe persistencia en los fondos de Capital Riesgo

Publicado el por Ramón Blanco

Nos vamos a referir en este artículo a un interesante artículo académico escrito por Robert S. Harris, Tim Jenkinson, Steven N. Kaplan y Ruediger Stucke «Has persistence persisted in Private Equity? Evidence from Buyout and Venture Capital Funds». En él se estudia entre otros temas la persistencia en los resultados de los fondos de Capital Riesgo antes del año 2000 y también del 2000 al 2014.

La persistencia se puede definir en este caso como la probabilidad de que los mejores gestores de fondos repitan sus buenos resultados en el futuro. Y así es, los autores encuentran que los gestores de fondos que se encontraban en el cuartil 1 de la industria (primer 25% ordenados por sus resultados de rentabilidad), repitieron en un 45% de los casos cuartil 1 para su siguiente fondo. Al ser la probabilidad significativamente mayor que el 25% (la que les tocaría aleatoriamente), se puede asumir que existe persistencia. Por otra parte, veremos que la persistencia se vuelve mucho más débil a partir del tercer fondo.

Los buenos gestores de fondos en el pasado, tienen mayor probabilidad de repetir en el futuro y por tanto se puede asumir que es interesante de manera general invertir en ellos. Este resultado ya se ha obtenido en otras ocasiones con muestras y añadas diferentes, así que viene a confirmar la creencia convencional de la industria. De hecho ya nos hicimos eco de un artículo de Ramana Nanda, profesor de la Harvard Business School, «The persistent Effect of Initial Success: evidence from Venture Capital» en donde demostraba i) que existía persistencia en los fondos de Capital Riesgo americanos ii) pero que, sin embargo, estos revertían a la media después de 60 inversiones (tercer fondo) en nuestro artículo «Valoración de los fondos de capital riesgo en USA: mal predictor de su valor real». Veremos más adelante que este estudio obtiene resultados similares.

Por otra parte, es interesante notar que mientras existe persistencia en la inversión en fondos de capital privado, no es así en los fondos cotizados, tal y comentamos desde Indexa Capital en nuestro artículo «Falta de persistencia en la rentabilidad de los fondos de inversión españoles».

Vaya por delante que la muestra que escogen los autores para realizar el estudio presenta ventajas e inconvenientes. Toman como muestra los datos de Burgiss del año 1984 a 2014, y que contiene información de las inversiones de 1.100 inversores y 2.200 fondos. Burgiss es una de las principales consultoras de fondos y custodios de capital privado en Estados Unidos.

Entre los aspectos positivos de la muestra, cabe destacar que al tratarse de datos proporcionados por los depositarios de los fondos e inversores, los cash flows recibidos por los partícipes son netos de comisiones y por tanto fidedignos. Sin embargo, cuenta con importantes desventajas:

  • Para empezar, existe un problema de incentivos de los autores, ya que 2 de ellos, Lucke y Kaplan, trabajan para la industria del capital riesgo.
  • Parece existir un sesgo de muestra, ¿están los datos de los peores fondos de la industria en Burgiss? Tomando como ejemplo el año 2014, Burgiss registra 20.000 millones de USD (M$) como fondos comprometidos en capital riesgo en Estados Unidos vs. 35.000 M$ que registran Statista y la USA Venture Capital Association (USVCA). En cuanto al número de fondos en proceso de fundraising registran 70 fondos mientras la USVCA registra 293. Ello parece indicar que Burgiss tiene la información de los fondos más grandes (y posiblemente los más exitosos).
  • El estudio obtiene diferencias importantes entre los análisis de rentabilidad por Public Market Equivalent (PME) y por Tasa Interna de Rentabilidad (TIR).  Un Public Market Equivalent es un índice que se construye comparando lo que se hubiera obtenido de rentabilidad en el mismo período invirtiendo en dicho fondo y en el S&P500. Se divide la rentabilidad del fondo por la del S&P500 en dicho período, así que más de 1 significa rentabilidad superior para el fondo. En su análisis de rentabilidad por PME encuentra clara persistencia, sin embargo, en su análisis por TIR no se puede concluir la misma persistencia.
  • El estudio obtiene un resultado distinto de todos los demás estudios realizados hasta la fecha, y es que el cuartil 3 de la industria obtiene rentabilidades positivas (los otros estudios muestran una rentabilidad negativa para el tercer cuartil). Ello parece indicar que la muestra está sesgada hacia los mayores fondos con mejores retornos y que deja fuera un porcentaje relevante de fondos más pequeños con posiblemente peores retornos.

En todo caso y aunque la muestra presente un sesgo importante, nos parece que a la hora de juzgar si existe persistencia o no, puede ser representativa.

En la primera tabla podemos observar como la rentabilidad de la industria de los fondos de capital riesgo es cíclica, obteniendo unos resultados sobresalientes desde el año 1989 hasta el año 1998, con PMEs muy superiores a 1, seguidos de un período con resultados deficientes desde 1999 hasta el año 2006, en donde fueron muy inferiores a 1. Finalmente, un período del 2007 hasta el 2014 en donde los PMEs de nuevo vuelven a ser superiores a 1.

Columnas:

  • Vintage: añada
  • % Unrealized: % del fondo no realizado.
  • Average IRR: TIR media.
  • Average MOIC, Average Multiple On Invested Capital: múltiplo sobre el capital invertido
  • Average PME, Average Public Market Equivalent: ratio rentabilidad del fondo / rentabilidad S&P500.

En la siguiente tabla y para los fondos de creación posterior al año 2000, vemos la confirmación de la existencia de persistencia. Así, los fondos que se encontraban entre los mejores de la industria por su PME, en el cuartil 1, repitieron cuartil en su siguiente fondo en un 44,6% de los casos, muy superior al 25% que aleatoriamente le correspondería. Así mismo, los fondos que se encontraron entre los peores de la industria (cuartil 4), en un 44,9% de los casos repitieron cuartil.

Por otra parte, los datos anteriores miden la rentabilidad de los fondos cuando el fondo anterior ha finalizado. Pero ¿qué ocurre cuando el fondo está a mitad de su vida, que es cuándo la mayoría de fondos de capital riesgo levantan su siguiente fondo? ¿Un fondo en el cuartil 1, 4 años después de comenzar a invertir, es buen predictor de acabar en el cuartil 1? Los autores encuentran que a mitad de vida de un fondo, la señal de persistencia es mucho más débil. Para los fondos creados después del año 2000, es de solo el 30% si miramos PME y tan solo del 27,4% si los analizamos por su TIR.

Finalmente, la persistencia también es débil (26,2%) cuando ya se está en el tercer fondo, obteniendo resultados en la línea del estudio de Ramana Nanda arriba mencionado, reversión a la media.

Como conclusiones del estudio podemos establecer que los mejores gestores de fondos de capital riesgo tienen mayor probabilidad que otros gestores de repetir sus buenos resultados. Pero ojo, porque esta probabilidad parece revertir a la media a partir del tercer fondo. También podemos concluir que la información de rentabilidad de un fondo en su cuarto o quinto año (cuando habitualmente las gestoras levantan el siguiente fondo) no es buen indicador de su rentabilidad final.

¿Por qué fracasan las startups?

Publicado el por Ramón Blanco

Recientemente leí el artículo Why start-ups fail en la Harvard Business Review preparado por uno de los más conocidos profesores de emprendimiento de la Harvard Business School, Tom Eisenmann. Le contacté y fue tan amable de enviarme el paper académico con su estudio, el documento enviado a los emprendedores entrevistados y de invitarme a un seminario sobre el lanzamiento de su libro Why Startups Fail: A New Roadmap for Entrepreneurial Success.

Tom lleva enseñando emprendimiento en Harvard 20 años y se preguntaba cómo sistematizar los casos de fracaso con el objeto de que sus alumnos, futuros emprendedores, maximicen sus posibilidades de éxito. Lanzó una muestra de entrevistas a las 2.822 startups en la base de datos de Pitchbook que habían recibido entre 0,5 millones de dólares (M$) y 3M$ de fondos de capital riesgo de enero de 2015 a abril de 2018. 470 fundadores contestaron a la entrevista cuantitativa y además se realizaron varias entrevistas cualitativas.

A todos los emprendedores entrevistados, el autor pregunta entre otras cuestiones si dos años después de conseguir la financiación para su startup, consideran que la valoración de la empresa es inferior al 50% de la valoración a la que consiguieron financiación (lo que a efectos del estudio se considera una baja valoración o un fracaso), entre 50 y 150% de dicha valoración, lo que se considera normal, o más de 150%, lo que se considera una alta valoración o éxito.

La conclusión de su estudio es que las causas principales de fracaso se pueden agrupar en 6 categorías:

  1. Buena idea, malos compañeros

Un equipo fundador identifica una buena idea, pero fracasa en la movilización de los recursos adecuados. Aquí se engloban problemas de formación de equipo y problemas con los inversores. La idea y la oportunidad son ciertas, pero las capacidades de los fundadores no son las necesarias para desarrollar la idea, o bien son las necesarias, pero la relación entre ellos no es la adecuada (y no es simplemente que tengan mala relación, a lo mejor es que se llevan tan bien que uno no se mete en el terreno de su co-fundador y acaban no compartiendo información ni visión para la sociedad).

En cuanto a los inversores, aquí se encuentran ejemplos como desalineación entre los objetivos de los fundadores e inversores (unos quieren ir más rápido que otros), mala relación entre los mismos, bloqueos de decisiones, etc.

Por ejemplo, para aquellas startups que levantaron menos del 75% del dinero de lo que sus fundadores originalmente creían necesitar, la probabilidad de fracaso (baja valoración o quiebra a los dos años) crece desde el 6% (que obtienen las empresas que levantaron el 125% del dinero necesario) hasta el 17%.

Otro ejemplo, aquellas startups que nunca despidieron a su jefe de ventas incrementaron su probabilidad de fracaso desde el 5% (que obtienen las que sí lo hicieron) hasta el 12%.

Tener problemas graves entre los inversores incrementaba también la probabilidad de fracaso desde el 6 al 23%. La desalineación de intereses entre socios ya la hemos tratado en La cláusula antidilución puede llevar a desalinear intereses entre socios.

2. Comienzo equivocado

A menudo las startups de tecnología tratan de salir al mercado rápidamente e iterar sobre el modelo de negocio una vez han testado el interés de potenciales clientes siguiendo la metodología de Lean Startup. Habréis oído los mantras de «falla rápido» y «si lanzas y no te da vergüenza es que has lanzado demasiado tarde». Sin embargo, esto lleva en ocasiones a pasar por alto la fase de descubrimiento del cliente, que típicamente se hacía con un estudio de mercado y con entrevistas presenciales. Lanzarse directamente a iterar sobre el producto puede llevar a comenzar por el sitio equivocado y consecuentemente se puede tardar demasiado tiempo en alcanzar el encaje comercial. En tal caso, como nuestro tiempo y dinero son limitados, ambos pueden agotarse antes de llegar a la iteración adecuada.

Las startups que i) realizaron una buena investigación de cliente antes de lanzar, ii) completaron rigurosos MVPs (productos mínimos viables) y iii) pivotaron con la frecuencia adecuada, obtuvieron mayores probabilidades de éxito.

Por ejemplo, pivotar con la frecuencia adecuada llevaba aparejada un 6% de probabilidad de fracaso, mientras que no pivotar lo suficiente lo incrementaba hasta el 22% y demasiado hasta el 19%.

3. Falsos positivos

Falso positivo se refiere en general a casos en los que se tiene un comienzo prometedor porque hemos lanzado nuestra operación en un segmento de clientes muy afín a nuestra propuesta de valor, pero los siguientes segmentos de clientes, mucho más numerosos, tienen necesidades muy diferentes a los segmentos iniciales de clientes en los cuales hemos basado nuestros resultados para validar el negocio.

Consistente con esta afirmación, la probabilidad de fracaso crecía del 7% para aquellas startups cuyos primeros clientes se parecían mucho a los siguientes hasta el 17% cuando las necesidades de ambos grupos eran muy diferentes.

4. Trampas de velocidad

Aquí trata el autor de la presión por crecer rápido y coger cuanto más dinero mejor para competir por crear un unicornio (empresa privada valorada en más de mil millones de dólares). Bajo esta presión, una startup coge tracción rápidamente, levanta dinero a una valoración muy elevada y satura rápidamente su pequeño nicho. A partir de ahí su coste de adquisición sube exponencialmente porque tiene que educar un nuevo mercado. Además, su rápido crecimiento atrae startups competidoras con dinero de fondos de capital riesgo que empeora la situación. Por ejemplo, para startups en fases avanzadas, tener 4 o más competidores con bolsillos llenos de dinero, incrementaba la probabilidad de fracaso desde el 7% al 16%.

En esta línea, startups que gastaron en marketing la cantidad adecuada, tenían una probabilidad de fracaso del 6% vs del 23% para aquellas que gastaron demasiado.

5. Ayuda necesaria

A veces una industria se queda completamente fuera de juego, bien por falta de dinero interesado en invertir, bien por falta de buenos gestores que se quieran dedicar a crecer las startups en el sector. En una sequía de financiación, las startups que tienen su cuenta de resultados muy en negativo y necesitan de fondos para sobrevivir, mueren inevitablemente. Aquellas startups con un nivel de salida de caja (burn rate) elevado incrementaban su probabilidad de fracaso desde el 4 al 23%. También aquellas startups que no son capaces de reclutar las personas necesarias para pasar al siguiente nivel (por ejemplo, gestionar una expansión internacional o cientos de personas), mueren en el impasse.

6. Necesidad de milagros en cascada

Se trata de startups que necesitan de muchos milagros para que la cosa salga bien. Apuestan por cambios importantes en el comportamiento de usuarios, combinados con el desarrollo de nuevas tecnologías, con acuerdos necesarios con grandes empresas, con la necesidad de levantar mucho capital y todo ello son condiciones necesarias para su supervivencia. Se trata de startups que pueden ser enormes, pero cuya probabilidad de supervivencia es baja porque les es necesario hacer demasiadas cosas bien y además hacerlas muy rápido.

Otro de los temas analizados en su estudio es que para su sorpresa, y frente a los resultados de otros estudios que sí lo hacen, no encuentra correlación con el perfil del emprendedor y el éxito (de esto nos ocupamos en el artículo Mitos y realidades del emprendedor de éxito. Habitualmente, los fondos de capital riesgo se preguntan si a la hora de invertir es más importante el equipo emprendedor o la oportunidad de mercado. Muchos de ellos prefieren lo primero a lo segundo, para lo que Eisenmann no encuentra evidencia empírica en su estudio (lo cual no quiere decir que no exista, tampoco encuentra evidencia en contra).

Conclusión

A menudo oímos comentar las causas del fracaso de tal o cual start up. Tom Eisenmann ha realizado un estudio cuantitativo sobre una base muestral suficientemente amplia que permite agrupar las principales causas en 6. Nos ha parecido un estudio interesante para emprendedores e inversores en negocios de tecnología que podrán encontrar en él pistas para aumentar sus probabilidades de éxito. 

Metodología

Partiendo de las entrevistas cuantitativas Tom Eisenmann pregunta a los fundadores si 2 años después de haber conseguido capital, los inversores considerarían que su participación vale ahora menos del 50%, entre el 50 y 150% o más de 150%. Menos de 50% es considerado fracaso y más de 150% éxito. 63% reportaron éxito y 10% fracaso. El autor es consciente de las limitaciones de la muestra y de la posibilidad de que los fundadores magnifiquen sus percepciones positivas, pero aún así considera que es estadísticamente significativa.

En la tabla 1 se muestra la media de las respuestas de las startups que fracasaron y que tuvieron éxito.

En la tabla 3 a continuación se muestran variables predictoras de fracaso (las estadísticamente significativas son las que figuran en negrita) de manera que cada variable independiente va de su valor más bajo a más alto, mientras todo el resto de variables independientes permanecen constantes en su respectiva media muestral. Ojo, que exista correlación no implica que exista causalidad.

Probabilidad de fracaso de una startup