Анализ точности использования мультипликаторов и их комбинаций при оценке стоимости компаний в рамках сравнительного подхода на развивающихся рынках
Определение наиболее надежных мультипликаторов для оценки стоимости компаний на развивающихся рынках стран BRIC, анализ методики их расчетов. Подбор компаний-аналогов, обеспечивающих минимальные ошибки при использовании выбранных мультипликаторов.
Рубрика | Экономико-математическое моделирование |
Вид | дипломная работа |
Язык | русский |
Дата добавления | 25.06.2017 |
Размер файла | 2,3 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru
ВВЕДЕНИЕ
На сегодняшний день существует большое количество работ на тему использования мультипликаторов на развитых рынках, на развивающихся рынках подобных работ не так много. Авторы рассматривают, как правило, 2-3 мультипликатора, но не исследуют их комбинации.
Новизна данной работы заключается в том, что в ней проведен анализ точности использования мультипликаторов и их комбинаций при оценке стоимости компаний в рамках сравнительного подхода на развивающихся рынках.
Объектом исследования являются исторические данные компаний из таких развивающихся стран как Бразилия, Россия, Индия и Китай.
Предмет исследования - определение точности оценки стоимости компании при использовании наиболее распространенных мультипликаторов и критериев отбора компаний-аналогов.
Целью данного исследования является определение наиболее надежных мультипликаторов для оценки стоимости компаний на развивающихся рынках стран BRIC, а также поиск критериев подбора компаний-аналогов, которые обеспечат минимальные ошибки при использовании выбранных мультипликаторов. В работе будет оценена точность 7 мультипликаторов, каждый из которых будет подобран по 7 критериям отбора компаний-аналогов. В результате определятся оптимальные комбинации из критериев отбора и мультипликаторов, которые продемонстрируют наименьшие ошибки в оценке стоимости компаний. Затем из 2 наиболее точных мультипликаторов будет получен «искусственный мультипликатор». С шагом в 1% будут проанализированы 99 комбинаций и найдена оптимальная пропорция, при которой точность оценки будет выше, чем при использовании составляющих ее мультипликаторов по-отдельности.
В связи с этим в ходе исследования предстоит решить следующие задачи: мультипликатор стоимость компания оценка
1. Провести обзор современной литературы и анализ имеющихся исследований по данным вопросам.
2. Выявить наиболее часто используемые мультипликаторы и определить методики их расчетов.
3. Определить критерии отбора компаний-аналогов.
4. Проверить на практике использование различных мультипликаторов и критериев отбора компаний-аналогов на компаниях стран BRIC.
5. Определить точность оценки комбинированных мультипликаторов.
Основные гипотезы: использование комбинации мультипликаторов позволяет улучшить точность оценки по сравнению с использованием мультипликаторов самостоятельно; наилучшими критериями отбора будут критерии, в составе которых лежит «отрасль»; самыми точными мультипликаторами, в числителе которых стоит цена акции, будут мультипликаторы, базирующиеся на прибыли; между мультипликаторами EV/EBITDA и EV/EBIT предпочтение следует отдавать первому.
Работа состоит из следующих частей: введение, обзор литературы; описание выборки; описание мультипликаторов, критериев отбора компаний-аналогов и методологии определения ошибок; выводы о найденных мультипликаторах и критериях отбора компаний-аналогов, демонстрирующих наименьшие ошибки в определении стоимости компаний; определение и анализ точности использования комбинированных мультипликаторов; отраслевой анализ стран; выводы; заключение; список использованной литературы.
ОБЗОР ЛИТЕРАТУРЫ
Для написания работы были проанализированы следующие статьи (см. Табл. 1):
Таблица 1
Классификация статей
№№ |
Наименование статьи, дата |
Авторы, журнал |
Тема статьи |
Рынок |
Выборка |
|
1 |
«Selecting the group of comparable firms for valuation by multiples on Bucharest stock exchange», 2010 |
Dragos Ioan MОNJINГ, Petre BREZEANU, Cгtгlin HUIDUMAC, «Economic Computation and Economic Cybernetics Studies and Research» |
Критерии отбора компаний-аналогов |
Развивающийся рынок - Румыния, Bucharest Stock Exchange |
432 наблюдения, 2003-2008 гг. |
|
2 |
«Who Is My Peer? A Valuation-Based Approach to the Selection of Comparable Firms», 2002 |
Sanjeev Bhojraj, Charles M. C. Lee, «Journal of Accounting Research» |
Критерии отбора компаний-аналогов |
Данные из COMPUSTAT, развитые рынки |
выборка варьировалась от 741 наблюдения в 1982 г. до 1498 в 1998 г. |
|
3 |
«The Effect of the Set of Comparable Firms on the Accuracy of the Price-earnings Valuation Method», 1992 |
Alford, A.W., «Journal of Accounting Research» |
Критерии отбора компаний-аналогов |
Данные из COMPUSTAT, развитые рынки |
1978 год (1636 наблюдений), 1982 год (1591 наблюдение) и 1986 год (1471 наблюдение) |
|
4 |
«Multiples Used to Estimate Corporate Value», 2002 |
Erik Lie, Heidi J. Lie, «Financial Analysts Journal» |
Оценка точности мультипликаторов |
Данные из COMPUSTAT, развитые рынки |
8621 компании, 1998-1999 гг. |
|
5 |
«The Valuation Accuracy of the Price-Earnings and Price-Book Benchmark Valuation Methods», 2000 |
Agnes Cheng, Ray McNamara, «Review of Quantitative Finance and Accounting» |
Оценка точности мультипликаторов |
Данные из COMPUSTAT, развитые рынки |
30310 наблюдений, 1973-1992 гг. |
|
6 |
«Equity Valuation Using Multiples», 2002 |
Jing Liu, Doron Nissim, Jacob Thomas, «Journal of Accounting Research» |
Оценка точности мультипликаторов |
Данные из COMPUSTAT, развитые рынки |
19879 наблюдений, 1982-1999 гг. |
|
7 |
«Equity valuation using price multiples: evidence from India», 2010 |
Sanjay Sehgal, Asheesh Pandey, «Journal of accounting and finance» |
Оценка точности мультипликаторов |
Развивающийся рынок - Индия, Bombay Stock Exchange 500 index |
145 компаний, 1990-2007 гг. |
|
8 |
«The Accuracy of Multiples», 2011 |
Stauropoulos Antonios, Samaras Ioannis, Arsenos Panagiotis, «American Journal of Applied Sciences» |
Оценка точности мультипликаторов |
Данные из COMPUSTAT, американские компании |
3572 компании, 2001-2003 гг. |
|
9 |
«Valuing IPO's», 1999 |
Moonchul Kim, Jay R. Ritter, «Journal of Financial Economics» |
Оценка точности мультипликаторов на примере IPO |
американские компании |
190 IPO,1992-1993 гг. |
|
10 |
«The use of the comparable firm approach in valuing Australian IPO`s», 2007 |
Janice How, Jennifer Lam, Julian Yeo, «International Review of Financial Analysis» |
Оценка точности мультипликаторов на примере IPO |
ASX (Australian Stock Exchange), австралийские компании |
275 IPO,1993-2000 гг. |
Выводы (см. Табл. 2):
Таблица 2
Выводы по статьям
№№ |
Наименование статьи |
Авторы |
Основные выводы |
|
1 |
«Selecting the group of comparable firms for valuation by multiples on Bucharest stock exchange», 2010 |
Dragos Ioan MОNJINГ, Petre BREZEANU, Cгtгlin HUIDUMAC |
Самым надежным мультипликатором авторами был признан P/E, при этом наименее точным оказался P/TA. Самым надежным критерием отбора компаний-аналогов оказался ROE |
|
2 |
«Who Is My Peer? A Valuation-Based Approach to the Selection of Comparable Firms», 2002 |
Sanjeev Bhojraj, Charles M. C. Lee |
Авторы разработали искусственный метод подбора компаний-аналогов, основанный на «warranted multiple», благодаря этому методу существенно увеличивается объясняющая сила регрессии, описывающей EV фирмы при помощи различных мультипликаторов |
|
3 |
«The Effect of the Set of Comparable Firms on the Accuracy of the Price-earnings Valuation Method», 1992 |
Alford, A.W. |
Самыми надежными критериями отбора компаний-аналогов являются такие критерии, как «отрасль», а также комбинация из критериев «рост прибыли», «риск» вместе с критерием «отрасль» при использовании мультипликатора P/E. Размер компаний прямо пропорционален точности оценок |
|
4 |
«Multiples Used to Estimate Corporate Value», 2002 |
Erik Lie, Heidi J. Lie |
Среди мультипликаторов, взятых по прибыли, точнее оценку дает использование EBITDA, чем EBIT.Точность оценок зависит положительно от размера компании и отрицательно от количества нематериальных активов.Лучше использовать запланированные значения прибыли (forward EPS), чем исторические в мультипликаторе P/E. |
|
5 |
«The Valuation Accuracy of the Price-Earnings and Price-Book Benchmark Valuation Methods», 2000 |
Agnes Cheng, Ray McNamara |
P/E показывает более точные результаты, чем P/B, а наименьшую ошибку дает использование комбинации из этих двух мультипликаторов (авторы брали среднее арифметическое значение в качестве комбинации) |
|
6 |
«Equity Valuation Using Multiples», 2002 |
Jing Liu, Doron Nissim, Jacob Thomas |
Самым точным у авторов статьи получился мультипликатор, основанный на прогнозной прибыли (forward EPS), далее идет мультипликатор, рассчитанный по исторической прибыли, показатели денежных потоков и балансовой стоимости собственного капитала демонстрируют более скромные результаты, наименее точные оценки получаются в случае использования продажи в расчете мультипликатора. |
|
7 |
«Equity valuation using price multiples: evidence from India», 2010 |
Sanjay Sehgal, Asheesh Pandey |
Комбинация из таких драйверов стоимости, как балансовая стоимость и продажи оказалась самой точной при анализе ошибок оценки. Но при использовании самостоятельного мультипликатора historical P/E он показывает более точные значения даже по сравнению с комбинациями из других мультипликаторов. На рынке Индии данный мультипликатор работает лучше всего в создании прогнозов цен. |
|
8 |
«The Accuracy of Multiples», 2011 |
Stauropoulos Antonios, Samaras Ioannis, Arsenos Panagiotis |
Мультипликатор P/E, в котором использовались текущие значения прибыли, оказался менее точным по сравнению с P/mnfy1 и P/mdfy1 (мультипликаторы, в которых использовались прогнозные значения прибыли), но гораздо более точным, чем P/S и P/B. |
|
9 |
«Valuing IPO's», 1999 |
Moonchul Kim, Jay R. Ritter |
Мультипликатор P/E дает самые точные оценки в случае, если используются прогнозные значения прибыли компаний-аналогов, а не исторические.При оценке с использованием мультипликатора EV/Sales лучше корректировать результаты оценки на уровень кредитного плеча компании. |
|
10 |
«The use of the comparable firm approach in valuing Australian IPO`s», 2007 |
Janice How, Jennifer Lam, Julian Yeo |
Наилучший критерий отбора компаний-аналогов - комбинация из 3 показателей: отрасль, рост и размер фирмы.Использование мультипликаторов занижает оценки IPO.Мультипликаторы P/E, P/B могут быть использованы в прогнозировании доходности первого дня IPO. |
Основные выводы, которые можно сделать по данным статьям: мультипликатор, базирующийся на прибыли (P/E), дает более точные оценки, чем другие, при этом лучше всего использовать прогнозируемые значения прибыли на акцию, чем исторические, это повышает точность оценки. Самыми лучшими критериями отбора компаний-аналогов являются критерии, в которых присутствует «отрасль».
Стоит отметить, что для развивающихся рынков I/B/E/S практически не предлагает информацию о прогнозируемом значении прибыли на 1 акцию, к тому же показатели прибыли в развивающихся странах крайне нестабильны, поэтому в данном исследовании пришлось отказаться от прогнозного значения EPS.
Основные гипотезы работы основаны на выводах из приведенных выше статей.
ОПИСАНИЕ ВЫБОРКИ
В данной работе исследование точности использования мультипликаторов в оценке стоимости компании проведено на странах BRIC (Бразилия, Россия, Индия и Китай) за период с 2009 по 2013 годы. Данный период выбран для того, чтобы, во-первых, данные были наиболее актуальны, а во-вторых, для того, чтобы избежать влияние кризисов 2008 и 2014 гг., которые оказали сильное негативное влияние на рыночную стоимость компаний на развивающихся рынках. Во избежание смещенных оценок кризисные периоды были исключены из выборки. В выборку попали публичные компании, котирующиеся на международных биржах всех секторов экономики, в том числе и финансовые организации.
Для выборки используется несколько критериев отбора: организации, у которых должны быть доступны данные по финансовой отчетности за период с 2009 по 2013 год включительно; компании должны иметь положительные значения всех мультипликаторов; используемые в выборке компании должны иметь данные о стоимости акций за период с 2009 по 2013 год включительно. Данные по ценам акций, количеству акций в обращении и EV (enterprise value) собирались на 30 апреля года, следующего за отчетным. Компании публикуют отчетности, как правило, в первом квартале года, следующим за отчетным. Основным допущением работы является то, что на дату 30 апреля все отчетности опубликованы, и цены акций отыграли представленную информацию о финансовом положении компаний.
Основным требованием для всех компаний было наличие положительных показателей прибыли и, как следствие, положительных значений мультипликаторов, базирующихся именно на прибыли (P/E, EV/EBITDA, EV/EBIT). В окончательную выборку попало 1243 компании за период с 2009 по 2013 годы (6215 наблюдений), соответствующих предъявленным требованиям. В том числе китайских компаний - 609 (3045 наблюдений), индийских - 535 (2675 наблюдений), бразильских - 67 (335 наблюдений) и российских - 32 (160 наблюдений).
Мультипликаторы
В этом разделе описаны мультипликаторы и методики их расчетов. В исследовании рассмотрены 7 мультипликаторов: P/S (price-to-sales - отношение рыночной цены на 1 акцию к выручке на 1 акцию), P/E (price-to-earnings-отношение рыночной цены на 1 акцию к прибыли на 1 акцию), P/BV (price-to-book value - отношение рыночной цены на 1 акцию к балансовой стоимости 1 акции), EV/EBITDA (отношение enterprise value - сумма рыночной капитализации компании и чистого долга (долга за вычетом денежных средств и их эквивалентов) к прибыли до вычета процентов, налогов и амортизации), EV/EBIT (отношение enterprise value - сумма рыночной капитализации компании и чистого долга (долга за вычетом денежных средств и их эквивалентов) к прибыли до вычета процентов и налогов), EV/TA (отношение enterprise value - сумма рыночной капитализации компании и чистого долга (долга за вычетом денежных средств и их эквивалентов) к балансовой стоимости активов компании), EV/Sales (отношение enterprise value - сумма рыночной капитализации компании и чистого долга (долга за вычетом денежных средств и их эквивалентов) к выручке компании).
Расчеты стоимости компаний с помощью мультипликаторов производятся по следующей формуле (Формула 1):
P?i,t - расчетная стоимость оцениваемой фирмы (стоимость акции или EV)
Vi,ф - драйвер стоимости оцениваемой компании (в зависимости от используемого мультипликатора)
Pj,t - стоимость компании-аналога (стоимость акции или EV)
Vj,ф - драйвер стоимости компании-аналога (в зависимости от используемого мультипликатора)
Критерии отбора компаний-аналогов
Данный раздел посвящен отбору компаний-аналогов. Подбирая компании-аналоги, авторы приведенных выше исследований руководствуются тремя фундаментальными принципами: риск, потенциал роста и сфера деятельности (или отрасль). Одним из первых критерии отбора, соответствующие этим трем принципам, предложил Alford, A.W. в своей работе «The Effect of the Set of Comparable Firms on the Accuracy of the Price-earnings Valuation Method», 1992.
Отрасль (IND) - в качестве данного критерия отбора используется SIC-код экономической деятельности, как это делал Alford, A.W. (1992). Для каждой оцениваемой компании подобраны, как минимум, 7 компаний, относящиеся к той же отрасли, что и оцениваемая компания. Основным требованием является совпадение 4х цифр SIC-кода, при нехватке необходимого кол-ва совпадений, требования смягчаются и следующие компании-аналоги отбираются с совпадением первых 3х цифр и т.д., пока не найдется 7. Стоит отметить, что в некоторых случаях (например, в России и Бразилии) не всегда удавалось найти 7 аналогов даже при совпадении первой цифры четырехзначного кода.
Размер компании (TA) - определяется так же, как в работе Alford, A.W. (1992), через сумму активов фирмы, но отбираются все фирмы, у которых балансовая стоимость активов максимально приближена к балансовой стоимости активов оцениваемой компании. Данный критерий отвечает за уровень риска, чем больше компания, тем меньше уровень риска. Компании. Таким образом подбирается 7 компаний-аналогов.
Потенциал роста (ROE) - потенциал роста во многом связан с текущей прибыльностью компании, поэтому показатель ROE, рассчитанный как отношение чистой прибыли к балансовой стоимости собственного капитала может быть использован как аппроксимация роста компании. Отбираются все компании, значения ROE которых максимально близко к ROE наблюдаемой. Таким образом подбирается 7 компаний-аналогов.
Следующими критериями отбора являются комбинации из уже имеющихся.
IND+TA, IND+ROE и TA+ROE.
IND+TA - аналоги подбираются из уже подобранных по SIC-коду, теперь выборка сужается до тех компаний-аналогов, значения TA которых максимально приближены к наблюдаемой (минимум 7 компаний-аналогов, если в отрасли всего 7 компаний-аналогов, то берутся все).
IND+ROE - аналоги подбираются из уже подобранных по SIC-коду. Выборка сужается до тех компаний-аналогов, значения ROE которых максимально приближены к наблюдаемой (минимум 7 компаний-аналогов. Если в выборке всего 7 компаний-аналогов, подобранных по критерию «отрасль», то берутся все).
TA+ROE - отбираются все компании, значения TA и ROE которых соответствует вышеуказанным требованиям.
MARKET - в качестве сравнительного критерия выступает весь рынок в целом, в выборке по данному критерию участвуют все компании, кроме оцениваемой.
ОПРЕДЕЛЕНИЕ ОШИБКИ
Далее определяются ошибки оценки, полученной в результате использования всех описанных выше критериев отбора для каждого мультипликатора. Ошибки оцениваются по формуле (Формула 2):
VE - valuation error (ошибка);
Estimated value - оцененная стоимость показателя (цена акции или enterprise value);
Actual value - реальное значение показателя (цена акции или enterprise value).
На основании медианного значения ошибки, среднеарифметического значения ошибки, а также фракции ошибок, которые меньше 15%, можно сделать выводы о точности оценки мультипликаторов при использовании различных критериев отбора компаний-аналогов. При этом основным критерием для определения точности мультипликаторы является именно 15% фракция. Аналогичный способ использовался в работе «Multiples Used to Estimate Corporate Value», 2002, Erik Lie, Heidi J. Lie, «Financial Analysts Journal».
Результаты по странам BRIC
Прежде, чем приступать к оценке точности мультипликаторов, следует рассмотреть структуру выборки. На рисунках 1, 2, 3, 4 представлен отраслевой состав в выборках стран BRIC. Принадлежность к тем или иным отраслям уже содержится в базе данных Capital IQ.
Рисунок 1. Доли отраслей в выборке Китая
Суммарное количество компаний - 609. Стоит отметить, что в Китае превалируют промышленные предприятия (в качестве примера можно привести авиакомпании, которые попали в эту группу), отрасль прочих потребительских товаров (бытовая техника, товары для дома и др.), а также компании, занимающиеся производством различного рода материалов (стали, пластмассы). Суммарно доля этих отраслей в выборке составляет 57% от общего числа компаний (349 из 609). В равных долях представлены такие отрасли как IT (67 организаций) и здравоохранение (66 фирм) (по 11%). Оставшийся 21% (127 компаний) приходится на потребительские товары (преимущественно продукты питания), компании энергетического сектора, недвижимость, телекоммуникационные компании и финансовые организации.
Рисунок 2. Доли отраслей в выборке Индии
Общее количество компаний - 535. Структура компаний в выборке Индии очень схожа с китайской. Первые три позиции (66,5% - 356 компаний) принадлежат организациям из таких отраслей как материалы, прочие потребительские товары и промышленные предприятия с той лишь небольшой разницей, что теперь материалы в Китае занимали 3 место, а в Индии - первое, а промышленные компании - наоборот в Индии попали на третью позицию. Также в равных долях представлены отрасли здравоохранение (48 компаний) и IT (46 компаний) - приблизительно по 9%. Оставшиеся 16% (85 компаний) пришлись на потребительские товары, энергетические компании, недвижимость, финансовые организации и телекоммуникационные компании.
Рисунок 3. Доли отраслей в выборке Бразилии
Общее количество компаний - 67. Структура компаний в выборке Бразилии выглядит следующим образом: на первом месте энергетические компании (преимущественно компании, вырабатывающие электроэнергию), составляющие 25% от общей выборки, 18% занимают промышленные предприятия, прочие потребительские товары (15%) также попали в число трех крупнейших отраслей. Суммарно эти три отрасли заняли 58%. Материалы составляют лишь 12% от выборки, 9% принадлежит отрасли недвижимость. А оставшийся 21% принадлежит таким отраслям как потребительские товары, IT, финансовые организации, телекоммуникационные компании, здравоохранение и добыча нефти/газа. Стоит отметить, что даже такое незначительное, на первый взгляд, отличие отраслевой структуры Бразилии от структур Индии и Китая приведет к отличиям при определении наиболее точных мультипликаторов.
Рисунок 4. Доли отраслей в выборке России
Общее количество компаний в выборке - 32. Стоит отметить, что первыми тремя отраслями, занимающими суммарно 69% от всей выборки, являются энергетические компании, 31% приходится на электроэнергию и 22% на компании нефтегазового сектора, 16% занимают производители материалов (преимущественно металлы). Отдельно необходимо сказать о том, что в выборке отсутствуют такие отрасли как недвижимость, IT и финансовые организации. Телекоммуникационные компании занимают 13% от выборки. Оставшиеся 18% приходятся на промышленные предприятия, потребительские товары и прочие потребительские товары, а также здравоохранение. Структура российской выборки компаний разительно отличается от остальных стран.
Рисунок 5. Китай
Рисунок 6. Индия
Рисунок 7. Бразилия
Рисунок 8. Россия
На Рис. 5-8 представлены результаты использования мультипликаторов и критериев отбора компаний-аналогов. В столбцах выведены 15% фракция ошибок (значение показывает, в каком количестве случаев ошибка была менее или равна 15%), среднее арифметическое и медианное значение ошибок. В качестве самых точных мультипликаторов и критериев выбирались те, значение 15% фракции которых было выше, чем у остальных. Именно этот критерий является определяющим для определения точности оценки. Зеленым цветом выделены значения, относящиеся к определению P (цены акции), синим цветом обозначены самые точные комбинации при определении EV. На представленных таблицах проанализированы результаты по странам в целом, отраслевой анализ будет приведен дальше.
В Китае (см. Рис. 5) самым точным мультипликатором оказался P/BV при критерии-отбора ROE с 15% фракцией 23,78%, на втором месте - P/E при том же критерии отбора с результатом 23,22%. В случае определения EV компании мультипликаторы EV/EBITDA и EV/TA с критерием отбора IND+TA продемонстрировали результаты 21,98% и 22,23% соответственно. Следует отметить, что при определении расчетного значения P, именно критерий отбора ROE оказался самым надежным. При всех мультипликаторах самые точные значения оказываются при подборе компаний-аналогов именно с помощью данного критерия. В случае определения расчетного значения EV, с мультипликаторами EV/EBIT, EV/SALES лучше всего использовать критерий отбора ROE, а с мультипликаторами EV/EBITDA и EV/TA - IND+TA.
В Индии (см. Рис. 6) самым точным мультипликатором оказался P/E при критерии-отбора ROE с 15% фракцией 20,6%, на втором месте - P/BV при том же критерии отбора с результатом 19,44%. В случае определения EV компании мультипликаторы EV/EBITDA и EV/TA с критерием отбора ROE продемонстрировали результаты 22,54% и 24,22% соответственно. Критерий отбора ROE оказался самым надежным абсолютно во всех случаях.
Для Бразилии (см. Рис. 7) самым точным мультипликатором оказался P/E при критерии-отбора INDUSTRY с 15% фракцией 24,78%, на втором месте - P/BV при том же критерии отбора с результатом 22,09%. В случае определения EV компании мультипликатор EV/EBITDA с критерием отбора ROE - 25,07%, и EV/EBIT с критерием отбора INDUSTRY продемонстрировал результат 33,43%. Следует отметить, что при определении расчетного значения P, именно критерий отбора INDUSTRY оказался самым надежным. При всех мультипликаторах самые точные значения оказываются при подборе компаний-аналогов именно с помощью данного критерия. В случае определения расчетного значения EV, с мультипликаторами EV/EBITDA, EV/TA лучше всего использовать критерий отбора ROE, с мультипликатором EV/EBIT - INDUSTRY, а с мультипликатором EV/SALES - IND+TA. Таким образом, получается, что наличие INDUSTRY для большинства мультипликаторов существенным образом способствует увеличению точности оценки.
По российским компаниям (см. Рис. 8) самым точным мультипликатором оказался P/BV при критерии-отбора INDUSTRY с 15% фракцией 22,44%, на втором месте - P/E при критерии отбора TA+ROE с результатом 20,18%. В случае определения EV компании мультипликаторы EV/EBIT с критерием отбора TA+ROE 24,79% и EV/TA с критерием отбора IND+ROE продемонстрировал результат 26,92%. В случае мультипликатора P/E самые лучшие результаты получились при использовании критерия-отбора TA+ROE; P/BV, P/S - INDUSTRY. В случае определения расчетного значения EV, лучшими (по сравнению с другими вариантами выбора критериев отбора компаний-аналогов) получились комбинации EV/EBITDA - ROE; EV/EBIT - TA+ROE; EV/TA - IND+ROE; EV/SALES - ROE. Таким образом, получается, что для России не удалось определить универсальный критерий отбора компаний-аналогов, который увеличивал бы точность оценки.
Исследование комбинации из мультипликаторов
После того, как были определены самые точные мультипликаторы и соответствующие им критерии отбора компаний-аналогов, можно переходить к следующей части исследования, в которой рассматриваются комбинации из подобранных мультипликаторов. Сравним 15% фракции ошибок отобранных мультипликаторов с различными вариантами комбинаций получившихся мультипликаторов с шагом в 1%. Иными словами, дополнительно оценим еще 99 возможных вариантов комбинаций для каждой страны и каждого числителя (для P и для EV) - будут взяты 2 мультипликатора, которые продемонстрировали самые точные значения и с шагом в 1% будет проведен анализ результатов, то есть расчетная стоимость, полученная при использовании первого мультипликатора будет умножена на 0,01, а второго - на 0,99, затем первому будет присвоен вес 0,02, а второму - 0,98 и так далее до «1й мультипликатор*0,99 + 2ой мультипликатор*0,01». Для каждой из этих комбинаций получим ошибки, затем будет оценена 15% фракция ошибок. На основании проведенных манипуляций выясним, увеличивается ли точность оценки при использовании комбинации из мультипликаторов в какой-либо пропорции по сравнению с отдельно взятым мультипликатором. Данная операция будет проделана для мультипликаторов, в числителе которых стоит P и EV для каждой страны.
Формула для определения расчетной стоимости при использовании комбинированного мультипликатора (Формула 3):
где:
P?i,t комб - расчетная стоимость (P или EV), полученная при использовании комбинированного мультипликатора.
P?i,t 1 - расчетная стоимость (P или EV), полученная при использовании первого мультипликатора;
P?i,t 2 - расчетная стоимость (P или EV), полученная при использовании второго мультипликатора;
n - доля первого мультипликатора в комбинированном).
Для каждой страны и для каждого значения (P и EV) доли подбирались с шагом в 1%, то есть первое наблюдение - доля первого мультипликатора 0,01, второго - 0,99, второе наблюдение - доля первого мультипликатора - 0,02, второго - 0,98 и так далее. Сама ошибка считалась согласно Формуле 2. По каждому наблюдению определялось значение 15% фракции ошибок, иными словами, определялась доля тех ошибок, значения которых были меньше или равны 15% по отношению ко всем ошибкам. Результаты изображены на графиках. Синяя линяя объединяет все значения 15% фракции ошибок, полученные во всех комбинациях мультипликаторов с шагом в 1%. По осям ординат отложены значения 15% фракции ошибок, а по осям абсцисс - доля первого мультипликатора в комбинированном. Горизонтальными линиями отмечены 15% фракции мультипликаторов, составляющих комбинацию для визуальной демонстрации сравнения точности этих мультипликаторов по сравнению друг с другом и с их комбинацией.
Следует отметить, что далеко не во всех случаях использование комбинированного мультипликатора позволяет увеличить точность оценки. В ряде случаев это, наоборот, приводит к ухудшению результатов. Более подробно выводы по каждой стране представлены ниже.
Рисунок 9. Китай - комбинированный мультипликатор
Рисунок 10. Индия - комбинированный мультипликатор
Рисунок 11. Бразилия - комбинированный мультипликатор
Рисунок 12. Россия - комбинированный мультипликатор
В случае с Китаем (см. Рис. 9), использовать комбинацию из мультипликаторов имеет смысл при определении расчетного значения EV, так как в этом случае практически любая комбинация дает более высокий показатель фракции, нежели каждый из мультипликаторов по отдельности. Лучший результат в 24,8% достигается при комбинировании мультипликаторов в пропорции 0,37*EV/EBITDA+0,63*EV/TA.
В Индии (см. Рис. 10), использование комбинации из мультипликаторов не имеет смысла ни в случае с определением расчетного значения P, ни в случае с EV. Глядя на графики, можно сделать вывод о том, что точность в пиковых значениях вырастает лишь на 0,2% в лучшем случае, при этом чувствительность к выбранной пропорции крайне велика, соответственно высок риск получить значение 15% фракции меньше, чем у отдельно взятого мультипликатора.
В Бразилии (см. Рис. 11), использование комбинации из мультипликаторов имеет смысл только в случае с определением расчетного значения P. Лучший результат 15% фракции ошибок в 27,27% достигается при комбинировании мультипликаторов в пропорции 0,87*P/E+0,13*P/BV.
В случае с Россией (см. Рис. 12), использовать комбинацию из мультипликаторов имеет смысл как при определении расчетного значения EV, так и в случае с определением P.
При расчете EV подавляющее большинство комбинаций дает более высокий показатель 15% фракции ошибок, нежели каждый из мультипликаторов по отдельности. Лучшие результаты с одинаковым результатом в 32,23% достигаются при комбинировании мультипликаторов в пропорции 0,17*EV/EBIT+0,83*EV/TA и 0,18*EV/EBIT+0,82*EV/TA.
При расчете P самая точная оценка (при 15% фракции ошибок в 32,41%) получается при использовании комбинации мультипликаторов в следующих пропорциях: диапазон от 0,75*P/E+0,25*P/BV до 0,78*P/E+0,22*P/BV.
ОТРАСЛЕВОЙ АНАЛИЗ
Полученные результаты еще нельзя анализировать с практической точки зрения, так как эти данные, полученные по странам в целом, могут не подходить отдельным отраслям. Это промежуточные результаты, которые необходимо рассмотреть более детально в разрезе отраслей, составляющих выборки исследуемых стран.
В данной части работы выборки в странах разделяются по отраслевому принципу и все этапы исследования повторяются, но уже на отдельных выборках, относящихся к однородному бизнесу. Стоит отметить, что некоторые отрасли были объединены в одну группу как схожие по роду деятельности. Преимущественно это было сделано для того, чтобы по таким странам как Бразилия и Россия можно было сделать статистически правильные выводы, так как выборка в этих странах сама по себе небольшая, а дробление на отрасли уменьшило количество анализируемых компаний. Такие отрасли как финансовые организации и недвижимость (financials, real estate) были исключены из дальнейшего исследования из-за нехватки статистических данных. А эти отрасли ни в коем случае нельзя было объединить в одну группу из-за того, что эти направления бизнеса слишком отличаются. В результате были сформированы следующие группы:
1). В группу 1 попали энергетические компании (в нее попали преимущественно организации, занимающиеся добычей нефти и газа, а также электроэнергетические компании), (utilities, energy).
2). В группе 2 оказались организации, занимающиеся производством различного рода материалов (преимущественно металлов и пластиков), а также организации, содержащие крупные инфраструктурные объекты (аэропорты, железные дороги и т.д.), (industrials, materials).
3). Группу 3 составили потребительские товары и прочие потребительские товары (consumer discretionary и consumer staples).
4). Группа 4 собрала компании IT сектора, а также телекоммуникационные компании (IT, Telecom).
5). В отдельную 5 группу попали компании, занимающиеся здравоохранением (healthcare).
После объединения 9 отраслей (2 исключены) в 5 выборок получился следующий отраслевой состав (см. Рис. 13).
После объединения отраслевой состав стран приобрел следующий вид:
В Китае самой крупной оказалась группа 2 (industrials, materials) 39% от общей доли, на втором месте - группа 3 (consumer staples, consumer discretionary) 27%, оставшиеся 34% занимают группы 4 (IT, telecom), 5 (healthcare) и 1 (utilities, energy).
Стоит отметить, что отраслевая структура Индии практически идентична отраслевой структуре Китая. Также самой крупной оказалась группа 2 (industrials, materials) 47%, на втором месте группа 3 (consumer staples, consumer discretionary) 29%, оставшиеся 24%, составляют 4 (IT, telecom), 5 (healthcare) и 1 (utilities, energy) группы.
В Бразилии также на первом месте находится группа 2 (industrials, materials) и составляет 34% от общей доли, второе место принадлежит группе 1 (utilities, energy) 31%, 24% занимает группа 3 (consumer discretionary и consumer staples), оставшиеся 11% приходятся на 4 и 5 группы. Из анализа точности мультипликаторов Бразилии были исключены 4 и 5 группы из-за мизерного числа наблюдений, которые не позволили сделать статистически значимые выводы.
Отраслевой состав выборки России полностью отличается от остальных стран. 53% из всех компаний занимают энергетические компании, входящие в первую группу, 22% приходится на группу 2 (industrials, materials), оставшиеся 25% распределены между 4, 3 и 5 группами. Стоит отметить, что в российской выборке была такая же проблема, как и в бразильской - небольшое количество данных, в связи с этим из отраслевого анализа точности мультипликаторов России были исключены все группы, кроме одной - группа 1.
Рисунок 13. Доли отраслей в выборках стран BRIC
В Приложениях 1-14 продемонстрированы результаты отраслевого анализа по каждой стране.
КИТАЙ
Группа 1: Энергетические компании (Energy, Utilities) (Приложение 1). Количество наблюдений - 315 (63 компании за 5 лет). При расчете цены акции (P) самым точным оказался мультипликатор P/BV при критерии отбора компаний-аналогов TA (активы компании) с результатом 15% фракции ошибок в 27,9% (то есть в 27,9% случаев при подборе компаний-аналогов с помощью критерия TA и при использовании медианного значения мультипликатора P/BV ошибки были меньше или равны 15%), на втором месте оказался мультипликатор P/E при том же критерии отбора с результатом 23,2%. При определении EV мультипликатор EV/TA при критерии отбора IND+ROE продемонстрировал результат 41,6%, на втором месте по точности оказался мультипликатор EV/EBITDA при критерии отбора IND+TA, который показал гораздо менее точные результаты оценок, 29,8%. Стоит отметить, что результаты оказались вполне ожидаемые с учетом того, что компании, относящиеся к данной отрасли характерны большим количеством активов, использующихся для получения выгоды, поэтому для них балансовая стоимость активов больше влияет на стоимость акций, чем показатели прибыли, которая может существенно отличаться из года в год из-за активно меняющейся макроэкономической обстановки и мировых цен.
Что же касается использования комбинированных мультипликаторов, то стоит отметить, что при определении EV делать этого не стоит из-за существенной разницы в точности оценки между мультипликатором EV/TA и EV/EBITDA, практически любая комбинация дает результат хуже, чем использование мультипликатора EV/TA самостоятельно, как видно на графике «Китай группа 1 - EV» в Приложении 1.
Имеет смысл использовать комбинацию из мультипликаторов при определении P (цены акции компании), так как большинство комбинаций из мультипликаторов P/E и P/BV, при критерии отбора компаний-аналогов с помощью TA увеличивает точность оценки по сравнению с использованием этих мультипликаторов самостоятельно. Самая точная оценка (15% фракция = 32,4%, что на 4,5% лучше, чем у самого точного мультипликатора - P/BV) получается при следующей комбинации: 0,62*P/E + 0,38*P/BV.
Группа 2: Промышленные предприятия и предприятия, занимающиеся производством материалов (Industrials, Materials) (Приложение 2). Количество наблюдений - 1160 (232 компании за 5 лет). При определении цены акции (P) самым точным мультипликатором также оказался P/BV при критерии отбора IND+TA (совпадение цифр SIC кода совместно с показателем активов) с результатом 23,1%, мультипликатор P/E с использованием критерия отбора ROE с результатом в 22,1% занял второе место. При определении EV лучше всех себя проявил мультипликатор EV/TA при критерии отбора IND+TA с результатом 23,4%, незначительно ему уступил EV/EBITDA с критерием отбора компаний-аналогов TA и результатом в 22,7%. Результат получился идентичен группе 1 за исключением лишь критериев отбора компаний-аналогов. Это говорит о том, что в данной группе по-прежнему активы все еще оказывают большее влияние на стоимость акций, чем прибыль компаний.
В данной группе не стоит использовать комбинацию из мультипликаторов при определении P компании. Так как даже в случае с оптимальной комбинацией 0,37*P/E + 0,63*P/BV (см. Приложение 2 график «Китай группа 2 - P») результат получается 24%, что лишь на 0,9% лучше, чем демонстрирует мультипликатор P/BV самостоятельно, при этом чувствительность к изменению пропорций этих двух мультипликаторов достаточно высока и при незначительном изменении есть шанс получить результат хуже, чем при использовании мультипликатора P/BV. Например, если взять пропорцию 0,27*P/E + 0,73*P/BV, то получится результат в 22,5%, который уже на 0,6% хуже, чем при использовании P/BV.
В случае с определением EV имеет смысл использовать комбинацию из мультипликаторов EV/TA и EV/EBITDA, так как во всех случаях результат получается лучше, нежели если использовать мультипликаторы самостоятельно (см. Приложение 2 график «Китай группа 2 - EV»). Самая оптимальная комбинация 0,38*EV/EBITDA + 0,62*EV/TA дает результат в 28,4%, что на 5% лучше, чем при использовании мультипликатора EV/TA (23,4%).
Группа 3: Потребительские товары (Consumer Staples, Consumer Discretionary) (Приложение 3). Количество наблюдений - 805 (161 компания за 5 лет). При определении цены акции (P) самым точным также оказался мультипликатор P/BV при использовании критерия отбора компаний-аналогов IND+ROE с результатом 26,1%, мультипликатор P/E с тем же критерием отбора продемонстрировал результат в 25,2%. При определении EV самым точным оказался мультипликатор EV/TA при критерии отбора IND+TA с результатом в 24,8%. Чуть хуже проявил себя мультипликатор EV/EBITDA с критерием отбора INDUSTRY, который продемонстрировал значение 15% фракции ошибок в 22,4%. В данной группе самыми точными оказались те же мультипликаторы, что и в двух описанных выше группах. Что касается влияния на цены акций, то, судя по мультипликаторам, в отрасли потребительских товаров активы также превалируют над показателями прибыльности. Однако, если говорить о мультипликаторах P/BV и P/E, то лучше всех остальных критериев отбора компаний-аналогов оказался критерий IND+ROE, а не TA и не IND+TA. Это может означать, что для данной группы компаний показатели прибыльности гораздо более важны для определения точности оценки цены акции, чем в предыдущих двух группах.
Что касается использования комбинации из мультипликаторов для увеличения точности оценок, то в данной группе не имеет смысла использовать комбинацию при определении EV компании, так как самый лучший результат в 26,5% (пропорция 0,64*EV/EBITDA + 0,36*EV/TA) всего лишь на 1,7% лучше, чем использование мультипликатора EV/TA (24,8%), при этом незначительное изменение пропорции в 10% способно ухудшить результаты.
При определении стоимости акции компании использование комбинации мультипликаторов способствует существенному увеличению точности оценок. Самая оптимальная комбинация достигается в следующем случае: 0,65*P/E+0,35*P/BV с результатом 29,6%, что на 3,5% лучше, чем использования мультипликатора P/BV самостоятельно (26,1%).
Группа 4: Информационные технологии, телекоммуникационные компании (IT, Telecom) (Приложение 4). Количество наблюдений - 355 (71 компания за 5 лет). При определении цены акции (P) самым точным оказался мультипликатор P/E с критерием отбора IND+TA, продемонстрировал результат в 24,5%. На втором месте уже мультипликатор P/BV с критерием отбора ROE - 23,4%. При определении EV самым точным все еще остается мультипликатор EV/TA с критерием отбора ROE, результат 18,6%. На втором месте - EV/EBITDA с критерием отбора MARKET, 17,7%. В данной группе на P большее влияние уже оказывают не активы, а прибыль компаний, явным доказательством этому факту является то, что самым точным мультипликатором оказался именно P/E, а не P/BV, как в предыдущих группах. Для данного бизнеса активы уже не являются основным фактором при определении цен акций.
Следует отметить, что для данной группы использование комбинации из мультипликаторов имеет смысл как в случае с определением P, так и в случае с EV. При определении цены акции результат в 27,6% получается при комбинации 0,65*P/E + 0,35*P/BV, что на 3,1% лучше, чем при использовании мультипликатора P/E (24,5%) самостоятельно.
При определении EV лучшие результаты демонстрирует комбинация 0,43*EV/EBITDA + 0,57*EV/TA, 22,5%, что на 3,9% лучше, чем при использовании мультипликатора EV/TA (18,6%).
Группа 5: Здравоохранение (Healthcare) (Приложение 5). Количество наблюдений - 330 (66 компаний за 5 лет). Это достаточно специфическая группа компаний, поэтому было принято решение проанализировать ее отдельно. К тому же она оказалась весьма многочисленной. При определении P самым точным оказался мультипликатор P/E при критерии отбора INDUSTRY с результатом 27,3%. На втором месте по точности оценки оказался мультипликатор P/BV с критерием отбора ROE, продемонстрировав результат в 23,6%. При определении EV самым точным стал мультипликатор EV/EBITDA с критерием отбора INDUSTRY, с результатом 25,8%, на 1% ему уступил EV/EBIT с тем же критерием отбора, показав результат в 24,8%. Для данной отрасли показатели прибыли оказались более важны в определении стоимости акций и EV, так как активов у компаний, относящихся к данной отрасли в разы меньше, чем у компаний из рассмотренных выше отраслей, поэтому они не так сильно влияют на стоимость компании, как показатели прибыли.
В данной отрасли использование комбинации из мультипликаторов имеет смысл, однако позволит незначительно улучшить точность оценки. Так, при определении P лучшие комбинации позволяют увеличить результат лишь на 1,5% по сравнению с результатом P/E (27,3%). Это комбинации 0,43*P/E + 0,57*P/BV; 0,44*P/E + 0,56*P/BV; 0,51*P/E + 0,49*P/BV; 0,61*P/E + 0,39*P/BV; а также диапазон от 0,63*P/E + 0,37*P/BV до 0,68*P/E + 0,32*P/BV. Все эти комбинации с одинаковым результатом в 28,8%. При определении EV лучшие значения также достигаются в нескольких точках: 0,36*EV/EBITDA + 0,64*EV/EBIT; 0,37*EV/EBITDA + 0,63*EV/EBIT; 0,45*EV/EBITDA+0,55*EV/EBIT; 0,52*EV/EBITDA + 0,48*EV/EBIT. Во всех случаях результат получается 27,6%, что на 1,8% лучше, чем значение EV/EBITDA (25,8%).
Судя по полученным результатам, компании, которые относятся к отраслям, характерным большим количеством активов, демонстрируют большую предрасположенность цен акций к изменению балансовой стоимости этих активов, чем компании с меньшим количеством активов. Мультипликатор P/BV оказался самым точным в 1,2 и 3 группах. P/E в 4 и 5ой. При этом мультипликатор EV/TA оказался самым точным в первых 4х группах, а EV/EBITDA только в 5ой группе. Именно поэтому в суммарных результатах по всем отраслям в Китае, описанных выше, с незначительным перевесом самыми точными оказались, соответственно, мультипликаторы P/BV и EV/TA (см. рис.5).
ИНДИЯ
Группа 1: Энергетические компании (Energy, Utilities) (Приложение 6). Количество наблюдений - 145 (29 компаний за 5 лет). При определении P самым точным стал мультипликатор P/E с критерием отбора MARKET и результатом 26,9%. На втором месте P/BV с критерием отбора ROE и результатом 22,1%. При определении EV самым точным оказался EV/TA при критерии отбора ROE и результатом 30,3%, на втором месте по точности оказался мультипликатор EV/EBITDA с критерием отбора MARKET и результатом 24,8%.
В данной отраслевой группе не имеет смысл использовать комбинацию из мультипликаторов при определении EV, так как при лучших комбинациях точность увеличивается лишь на 2,1% (например, комбинация 0,6*EV/EBITDA + 0,4*EV/TA дает результат в 32,4%). Но при этом чувствительность к пропорции мультипликаторов крайне высока, и незначительное изменение пропорции может существенно уменьшить точность оценки (см. Приложение 6, график «Индия группа 1 - EV»). При определении P комбинация из мультипликаторов позволяет существенно улучшить результат (см. Приложение 6, график «Индия группа 1 - P»). При использовании комбинаций в диапазоне от 0,51*P/E + 0,49*P/BV до 0,74*P/E + 0,26*P/BV мы в худшем случае можем получить результат в 30,3%, что на 3,4% лучше, чем значение P/E (26,9%), а в большинстве случаев получим результат в 31%, что на 4,1% выше. При этом чувствительность к изменению пропорции мультипликаторов в данной отрасли очень невысока и большее количество комбинаций позволяет улучшить точность оценки.
Группа 2: Промышленные предприятия и предприятия, занимающиеся производством материалов (Industrials, Materials) (Приложение 7). Количество наблюдений - 1215 (243 компании за 5 лет). При определении P самым точным оказался мультипликатор P/E с критерием отбора TA и результатом 16,8%. Следующим по точности стал P/BV с критерием отбора MARKET и результатом 15,2%. При определении EV лучше всех остальных оказался мультипликатор EV/EBITDA с критерием отбора INDUSTRY и результатом 22,9%. Уступив всего 0,4%, на втором месте по точности оказался мультипликатор EV/TA с критерием отбора IND+ROE и результатом 22,5%.
Стоит отметить, что в данной отраслевой группе нецелесообразно использовать комбинацию из мультипликаторов ни при определении P, ни в случае с EV, так как результаты очень чувствительны даже к незначительному изменению пропорции мультипликаторов, как видно на графиках в Приложении 7 («Индия группа 2 - P», «Индия группа 2 - EV»). Помимо этого, использование комбинации в данном случае может лишь незначительно повысить точность оценки (в случае с определением P - максимум на 1,15%, а в случае с определением EV - на 0,5%).
Группа 3: Потребительские товары (Consumer Staples, Consumer Discretionary) (Приложение 8). Количество наблюдений - 765 (153 компании за 5 лет). При определении P мультипликатор P/BV с критерием отбора IND+ROE стал самым точным с результатом 20,3%. Несколько менее точным оказался мультипликатор P/E с тем же самым критерием отбора компаний-аналогов и результатом в 19,1%. При определении EV EV/TA с критерием отбора IND+TA показал самый лучший результат 22,2%, на 0,2% ему уступил EV/EBITDA с тем же критерием отбора и результатом 22%.
В отрасли потребительских товаров не имеет смысла использовать комбинацию при определении P компаний, так как практически любая комбинация демонстрирует менее точные результаты, чем использование мультипликатора P/BV самостоятельно. При определении EV использование комбинации позволяет лишь незначительно увеличить точность оценки. При оптимальной комбинации 0,08*EV/EBITDA + 0,92*EV/TA получается результат в 23,6%, что лишь на 1,4% лучше, чем использование мультипликатора EV/TA (см. Приложение 8, графики «Индия группа 3 - P», «Индия группа 3 - EV»).
Группа 4: Информационные технологии, телекоммуникационные компании (IT, Telecom) (Приложение 9). Количество наблюдений - 245 (49 компаний за 5 лет). При определении P самым точным стал мультипликатор P/E с критерием отбора TA, продемонстрировав значение 15% фракции ошибок, равное 16,3%. На втором месте по точности оказался мультипликатор P/S с критерием отбора IND+ROE и результатом в 15,1%. При определении EV лучше всех себя проявил мультипликатор EV/EBITDA с критерием отбора IND+TA и результатом 19,2%, EV/EBIT с критерием отбора ROE и результатом 18% оказался чуть менее точным. Следует отметить, что у индийских компаний данного сектора, попавших в выборку, значительно меньший стоимостной объем активов, чем у китайских компаний, поэтому и получились такие результаты. Судя по мультипликатором, для индийских компаний, попавших в 4 группу, показатели прибыли оказывают гораздо большее влияние как на стоимость акций, так и на enterprise value в целом.
Для данной группы компаний не имеет смысла использовать комбинации из мультипликаторов ни для определения P, ни для определения EV, так как практически во всех случаях использование комбинации из мультипликаторов будет давать менее точные результаты, чем использование мультипликаторов самостоятельно (см. Приложение 9, графики «Индия группа 4 - P», «Индия группа 4 - EV»).
Группа 5: Здравоохранение (Healthcare) (Приложение 10). Количество наблюдений - 240 (48 компаний за 5 лет). При определении P самым точным оказался мультипликатор P/S с критерием отбора ROE и результатом 17,1%. На втором месте по точности оказался мультипликатор P/BV с критерием отбора IND+TA и результатом 15,8%. При определении EV лучше всех остальных себя проявил мультипликатор EV/TA с критерием отбора INDUSTRY и результатом 21,7%. Чуть хуже проявил себя мультипликатор EV/Sales с критерием отбора TA и результатом 20,8%. Стоит отметить, что у индийских компаний, относящихся к данному сектору, результаты разительно отличаются от китайских компаний. Судя по результатам исследования, на цену акций (P) в Индии большее влияние оказывает объем продаж, чем балансовая стоимость акций, в то время как в Китае показатель прибыли на 1 обыкновенную акцию оказался более важным для изменения курса акций.
Что касается использования комбинации мультипликаторов, то для данной группы это также не имеет смысла делать ни при определении P, ни при определении EV, так как практически любая комбинация дает результаты значительно хуже, чем использование мультипликаторов самостоятельно (см. Приложение 10, графики «Индия группа 5 - P», «Индия группа 5 - EV»).
Подобные документы
Методология эмпирического анализа детерминант рыночных мультипликаторов. Спецификация модели и выборка эмпирического исследования. Статистика и анализ корреляции детерминант и рыночных мультипликаторов. Модели влияния детерминант на мультипликаторы.
дипломная работа [2,5 M], добавлен 30.01.2016Анализ рентабельности активов как отношения чистой прибыли к среднему значению совокупных активов. Вертикальный анализ актива бухгалтерского баланса ПАО "ВЕРОФАРМ". Тестирование существующих моделей ROA на выборке российских фармацевтических компаний.
дипломная работа [728,1 K], добавлен 09.09.2016Финансовая устойчивость предприятий нефтегазового сектора Российской Федерации, в том числе в кризисные периоды. Зависимость размера долга от макро- и микро- экономических показателей. Регрессия для нефтегазовых компаний РФ с государственным участием.
дипломная работа [619,5 K], добавлен 20.10.2016Построение эмпирической модели, оценивающей связи между акциями, ценой сырой нефти, курсом рубля к доллару и фондовыми индексами США и РФ. Исследование временных рядов на наличие коинтеграции. Анализ взаимного влияния котировок акций нефтяных компаний.
дипломная работа [11,1 M], добавлен 26.10.2016Выбор детерминант структуры капитала компаний, функционирующих на российском рынке. Сбор статистических данных по российским компаниям в разрезе отраслей российской экономики, построение и тестирование регрессионных моделей с учетом фактора отрасли.
дипломная работа [898,9 K], добавлен 31.10.2016Подходы к оценке стоимости финансовых активов в рамках линейной и нелинейной парадигмы. Анализ фрактальных свойств американского фондового рынка. Разработка методики расчета параметров модели Веге-Изинга, построенной на основе гипотезы когерентных рынков.
дипломная работа [2,3 M], добавлен 13.12.2010Классификация подходов к оценке стоимости компании. Метод стоимости чистых активов. Метод дисконтированного денежного потока коммерческого предприятия. Определение ставки дисконтирования. Прогнозирование денежного потока. Расчет стоимости компании.
дипломная работа [178,0 K], добавлен 26.12.2011Общая характеристика организации, задачи и функции экономико-аналитического отдела. Анализ временных рядов, модель авторегрессии - проинтегрированного скользящего среднего. Применение методов эконометрического моделирования, факторный анализ выручки.
отчет по практике [2,0 M], добавлен 07.06.2012Особенности функционирования региональных рынков жилой недвижимости. Значимые факторы, отражающие процессы ценообразования на рынках жилой недвижимости в регионах. Построение многофакторных регрессионных моделей стоимости жилья в некоторых областях РФ.
дипломная работа [2,8 M], добавлен 11.02.2017Мутуализм - тип отношений между различными видами предприятий, при котором каждый из них получает выгоду от действия другого. Графическое определение существования предельных циклов в решениях дифференциального уравнения при помощи фазовой плоскости.
дипломная работа [3,0 M], добавлен 27.08.2017