Seminar og lansering av boken "Verdivurdering” Bergen, 8. februar 2012 Program 08:30 Velkommen 09:30 Pause 09:45 Presentasjon av boken Bjarne Møller 10:00 Verdsettelse og estimatusikkerhet Erik Mamelund 10:45 Pause 11:00 Kontantstrømprognoser og markedsvolatilitet 12:25 Avslutning F t i b uforutsigbarhet Forutsigbar f t i b h t Vi t D. Victor D N Norman, NHH Bjarne Møller / Yngve Kaldestad Side 2 Side 1 Verdsettelse og estimatusikkerhet Erik Mamelund 8. februar 2012 Estimatsprik 2,70 1,45 Side 2 Side 1 Estimatusikkerhet og markedsvolatilitet Estimatusikkerhet ”fundamentale verdier” Markedsvolatilitet Side 3 Estimatusikkerhet og markedsvolatilitet Side 4 Side 2 LaPlace’s Demon – Hvorfor usikkerhet? ”An intellect which at any given moment knew all of the forces that animate Nature and the mutual position of the beings that comprise it, if this intellect were cast enough to submit its data to analysis, could condense into a single formula the movement of the greatest bodies of the universe and that of the lightest atom: for such an intellect nothing could ld b be uncertain; t i and d th the ffuture t just like the past would be present before its eyes.” Side 5 Behov for å forstå estimatusikkerhet Strategisk analyse Oppkjøp Investering Finansiell analyse Side 6 Side 3 Finansiell analyse – Verdsettelse P kt ti t Punktestimat Intervall hvor ethvert estimat har om lag samme sannsynlighet Side 7 Investeringsbeslutning Estimatusikkerhet Maks pris Lav Sikkerhetsmargin Høy Verdi Side 8 Side 4 Hva er et fornuftig anslag på estimatusikkerhet? +/- 10-30 % Ofte i p praksis +/- 15 % Side 9 Hvordan finner vi estimatusikkerhetsintervallet i praksis Bør baseres på ”input” faktorer …. +/- 10-30 % Sensitivitetsanalyser Simuleringer Scenario analyser Side 10 Side 5 Scenario analyser Risiko og usikkerhet Drivkrefter Side 11 Risiko og usikkerhet Estimatusikkerhetsintervall Side 12 Side 6 Realistisk intervall Starte med det ekstreme for å finne det realistiske Dynamikk Realistisk intervall ► ► ► Langsiktig vekst S-kurver Konjunkturer Kompleksitet Side 13 Hva er drivkreftene bak et ”fornuftig” intervall Aggregert usikkerhet Diversifikasjon mellom drivkrefter Normalisering over tid Reell estimatusikkerhet Tid Side 14 Side 7 Hva er drivkreftene bak et ”ufornuftig” intervall St. Petersburg g Paradokset – Uendelig høy verdi? Gamblers Ruin – Sikker konkurs? Side 15 “St Petersburg Paradox” 100 200 0 0 400 0 Forventningsverdi – Uendelig høy Side 16 Side 8 Normalisering – mest fra oversiden Mindreavkastning – mange bukker under Avkastning på investert kapital ¹(”ROIC”): Beste portefølje Gjennomsnittlig rentabilitet Svakeste portefølje 1) 2) År NOPLAT / Investert kapital = EBIT – Skatt på EBIT / [Anleggsmidler + netto arbeidskapital]. NB! Finnes ulike definisjoner på dette begrepet Kilde: Penman, “An Evaluation of the Accounting Rate-of Return”, 1991. Side 17 Type usikkerhet (1) – HBR Onpoint 2009 Side 18 Side 9 Type usikkerhet (2) – HBR Onpoint 2009 Side 19 Litt om strategier – HBR Onpoint 2009 Side 20 Side 10 Eksempler på strategiske utfall – HBR Onpoint 2009 Side 21 Hva gjør vi i en scenario analyse? Fokusområder ► ► ► Predikerbare trendfremskrivninger Risikoområder ► Drivkrefter hvor man utsettes for trend eller paradigmeskift p g ► Usikkerhet preget av ambiguitet eller flertydighet Skiller mellom drivkrefter som bidrar til ”diversifisering” og drivkrefter som ikke gjør det ► Drivkrefter som kan ”gå i takt” ► Drivkrefter som har særlige skjevheter i positiv eller negativ retning Skiller mellom drivkrefter som bidrar til ”normalisering” og drivkrefter som ikke gjør det ► Drivkrefter hvor normaliseringen over tid ikke er entydig ► Drivkrefter som kan skape ”eksponentiell” eller ”akselererende” utvikling ► Drivkrefter hvor utviklingsforløpet kan være kritisk Side 22 Side 11 Verdianslag? Boble Nåverdi Verdianslag Multippel Krise Side 23 Takk for oppmerksomheten Spørsmål? Side 12 Kontantstrømprognosen Yngve Kaldestad og Bjarne Møller 8. februar 2012 Hovedelementer i en verdivurdering ► ► ► ► ► ► ► ► Virksomhets- og bransjeforståelse Regnskapsanalyse Strategisk analyse Metodevalg, Modellering Prognostisering Avkastningskrav Analyse, sensitivitetsberegninger, sammenligning Rapportering Side 2 1 Kontantstrømprognosen – kommer ofte for høyt ► ► ► ► ► ► Systematiske feil eller vurderingsskjevheter – ”Bias” Nesten alle forretningsplaner har et element av ambisjoner i seg Skjeve sannsynlighetsfordelinger Normalisering – mest fra oversiden Selskaper med mindreavkastning – en betydelig andel bukker under Katastrofescenarioet overses Side 3 Det er vanskelig å spå om fremtiden analytikere er tar systematisk feil Gjennomsnittlig prediksjonsfeil meglerhus (avvik fra faktisk) (Kilde: Røstberg, Steinsvik og Sønderland, 2001) R tt ffør Rett offentliggjøring av resultatet er konsensus resultatestimat ca 25% feil! 0,6 0,5 NORGE 0,4 0,3 0,2 , Ett år før estimatåret er prediksjonsfeilen i gjennomsnitt ca 50%! USA Amerikanerene 0,1 gjør det bedre 0 -18 -14 -12 -7,5 -4,5 -1,5 1,5 Side 4 2 Det er vanskelig å spå om fremtiden analytikere er tar systematisk feil Side 5 Systematiske feil eller vurderingsskjevheter ”Bias” ► ► ► ► ► ► ► Konsensus; Vi går i flokk Bekreftelse; Vi har stor motvilje mot å forkaste tidligere oppfatninger og konklusjoner Presentasjonsform; Måten en problemstilling presenteres på kan påvirke mottaker Forankring; Det er lett å henge seg opp i et utgangspunkt Overoptimisme; Sannsynligheten for positive begivenheter overvurderes og for negative g begivenheter g undervurderes Selvsikkerhet og overmot; Ledelsens tro på egne evner er for stor Presentasjonsform En sykdom y forventes å ta livet av 600 (a) 200 kan reddes med sikkerhet (b) 600 * 1/3 for å redde alle 600 600 * 2/3 for å redde ingen (c) 400 dør med sikkerhet (d) 1/3 * 600 for at ingen dør 2/3 * 600 for at alle dør I praksis viser det seg ulike bias i de fleste tilfeller leder til overvurdering Side 6 3 Nesten alle forretningsplaner har et element av ambisjoner i seg Måkevingen Hockeystick 10 000 7 000 8 000 6 000 6 000 5 000 4 000 4 000 2 000 3 000 0 2009 -2 000 2010 2011 2012 2013 2014 2 000 1 000 -4 000 0 -6 000 2009 2010 2011 Prognose 2012 Prognose Prognose 2013 2014 S l k Selskapenes egne prognoser bærer b ofte ft preg av ønsketenking: k t ki • • • • Kostnadskutt er som oftest nødvendig for å holde posisjonen, jf. SAS Selskapet skal både ta markedsandeler, øke bruttomarginer og kutte kostnader samtidig Selskapet skal hente ut en evigvarende superprofitt i et ”commodity” marked Tilbake til 2008 – ikke glem at dette var toppen av en opptur som startet da dot.com boblen sprakk Side 7 2012 Tilfeldige hendelser Andre aktørers respons / tiltak Gjennomførings risiko Økt salg Kostnads kutt 2011 Nesten alle forretningsplaner har et element av ambisjoner i seg Side 8 4 Skjeve distribusjoner 1. Matematisk forventning 2. Mest sannsynlig 3. Ledelsens estimater Ledelsens forretningsplan kan være et fornuftig styringsverktøy uten å være et fornuftig utgangspunkt for en verdivurdering 1 3 2 Side 9 Normalisering – mest fra oversiden Mindreavkastning – mange bukker under Avkastning på investert kapital ¹(”ROIC”): Beste portefølje Terminalledd Gjennomsnittlig rentabilitet Svakeste portefølje 1) 2) År NOPLAT / Investert kapital = EBIT – Skatt på EBIT / [Anleggsmidler + netto arbeidskapital]. NB! Finnes ulike definisjoner på dette begrepet Kilde: Penman, “An Evaluation of the Accounting Rate-of Return”, 1991. Side 10 5 Katastrofescenarioer overses Governance Lehman Katastrofescenarioer Enron AIG Katastrofer Tokyo Electric Deepwater Horizon Barings Nordlandsbanken Sorte svaner Forretningsidè Carnival Nokia REC Kodak Musikkbransjen Man må regne med at ”sorte svaner” er en trussel for etablerte aktører og skaper muligheter for små aktører og aktører med særlig høy omstillingsevne. •Ipod/ITunes – musikkdistribusjon •Digital fotografi “Sorte svaner” og andre uventede hendelser kan slå begge veier for selskapet. Men nedsiden er vanligvis større enn oppsiden. Side 11 Regnskapsanalysen Hvordan unngår vi å bomme (grovt)? ► Historisk forankring (der det er mulig) ► ► ► ► En lang tidsserie ► ► ► ► ► Nøkkeltallsanalyse Normalisering Forhold som ikke gjentar seg Gjennomsnitt i stedet for normalisering Glatter ut tilfeldige svingninger, regnskapsfeil, konjunkturer og engangseffekter Forhold som ikke gjentar seg må korrigeres Relevans vs pålitelighet – Tilfører potensielt irrelevant informasjon Styre etter kjølevannet? ► ► Kjølevannet viser i alle fall hvor du kommer fra fra, hvor du befinner deg og hvilken regning du har (nettopp hadde) Hvis du ikke vet hvor du står, er det vanskelig å definere retningen til målet og hvor bratt motbakken eventuelt er Side 12 6 Regnskapsanalysen Hvordan unngår vi å bomme (grovt)? ► Bransjeanalyse / Peer Group ► ► ► ► Sammenlignende analyser ► ► ► ► ► Gjennomsnitt av hele bransjen Gjennomsnitt av utvalg Et fåtall mest sammenlignbare Kostnadsstruktur Kapasitet / skala Differensiering Reinvesteringsbehov Marginalaktøren ► ► ► ► ► Hvor mye koster det å tilføre kapasitet? Hvor vil den nye aktøren plassere seg mhp kost pr enhet Hvilket prisnivå gjør kapasitetsutvidelser lønnsomme Har andre aktører realopsjoner, når utøves disse? Hvor raskt kan kapasitetsutvidelsene komme Side 13 Lakseoppdrett Verdidrivere ► Laksepris ► ► ► ► ► ► ► ► ► ► NOK /EUR ------------- Korrelasjoner ► ► Laksepris mot valuta Fôr mot laksepris Stordriftsfordeler, men ikke absolutte Begrenset diversifikasjon Fallende kostnader / lærekurve Begrensede muligheter til å beskytte teknologi Klassiske ”pork bellies” ► Er konsesjoner en begrensende faktor? ► Er fôr en knapp faktor? ► Finnes det en grunnrente? Fôrpris spot NOK 8 Valutakurser ► ► ► Gjennomsnitt NOK 26 Kostpris de beste NOK 23 Gjennomsnitt NOK 20 De beste NOK 17 Bransjen kjennetegnes av ► Variabel kost ► ► ► Spotpris NOK 40 pr kg Gjennomsnitt siste 5 år NOK 30 Kostpris ► ► Strategisk analyse Side 14 7 Kritiske spørsmål ► ► ► ► ► Lar prognosen seg forankre i historiske resultater/regnskapsanalysen? ► På bedriftsnivå? ► På bransjenivå? Er ”ekstraordinære poster” virkelig ekstraordinære Er prognosen representativ for en konjunktursyklus Tar den i rimelig grad hensyn til skjeve distribusjoner og katastrofescenarioer Reflektere den normaliseringstendenser Side 15 Regnskapsanalysen Hvordan unngår vi å bomme (grovt)? Bruttomargin Tinfos Jernverk 2001 - 2009 1 400,0 , 1 200,0 1 000,0 800,0 600,0 Snitt 539 400,0 Normalisert? 200,0 0,0 2001 2002 2003 2004 2005 2006 2007 2008 2009 Side 16 8 Strategisk analyse Hvor kommer superprofitten fra? Produksjonsfordeler (Prod sere (Produsere bedre eller billigere enn andre) Prosess -fordel • Kompleksitet • Beskyttelse i form av patenter, copyrights, trademarks • Tilgang på unike ressurser Skalafordel • Distribusjon • Innkjøp • Forskning & utvikling (R&D) • Markedsføring Konsumentfordeler (Ta en høyere pris i enn andre) d ) • Vaner og høy horisontal differensiering • ”Experience goods” y byttekostnader y • Høye • Nettverkseffekter Andre fordeler • Subsidier eller beskyttelse i from av toll • Statlige reguleringer (konkurranse, miljø etc) Side 17 En liten trøst? Lettere å treffe snittet enn et enkelt år Side 18 9 Hvor galt kan det gå? Pris/Bok ► ► ► avkastningskravet er 10 % avkastningen 15 %. vekst - investeringsmuligheter T/g 5 10 15 20 0% 1,19 1 31 1,31 1,38 1,43 5% 1,21 1 37 1,37 1,50 1,61 10 % 1,23 1 45 1,45 1,68 1,91 15 % 1,25 1 56 1,56 1,95 2,43 Veldig få tradisjonelle virksomheter har P/B>4. På sitt høyeste i 2007 hadde REC en P/B målt på virksomhetsverdi på nesten 20. ► ► Avkastningskrav Levetid 8% 20 år Følgende kombinasjoner av vekst og rentabilitet gir en P/B på 20. R = 15 % og g = 33,6 % R = 20 % og g = 28,8 % R = 25 % og g = 25,7 % Side 19 Hvor galt kan det gå? 1,320 = 190 REC hadde i 2007 1800 ansatte. ansatte La oss legge inn en årlig produktivitetsvekst på 3% 1 800 * 1,2720 = 214 000 Side 20 10 Verdsettelse og markedsvolatilitet Yngve Kaldestad og Bjarne Møller 8. februar 2012 Verdsettelse og markedsvolatilitet ► ► Vi skal prate om hva volatilitet betyr for verdsettelser, og Hvorvidt det er noen sammenheng mellom volatilitet og pålitelighetsintervaller (usikkerheten i analysen) Daglige prisbevegelser OB siden 2003 0,15 0,10 0,05 0,00 01.09.0214.01.0428.05.0510.10.0622.02.0806.07.0918.11.1001.04.1214.08.13 -0,05 -0,10 -0,15 Side 2 1 Hva betyr volatilitet for verdsettelse? ► Volatiliteter ► ► ► ► ► Indeksen; 20% Veldiversifiserte selskaper; 30% Lavrisiko bransjer; 30% Medium risiko; 45% Høy risiko; 60% + ► I prinsippet skulle en endring i indeksen fra en dag til den neste på 8% være nesten umulig ► Hva impliserer Beta = 2 2,4; 4; Eksempelvis ► Korrelasjon på 0,6 ► Relativ volatilitet på 4 Side 3 Hva betyr volatilitet for verdsettelse? ► Vi bommer fordi vi ikke ► treffer ”fundamental verdi” (vi gjør feil og tar feil) ► har noen muligheter til å predikere morgendagens kurs ► bevegelser innenfor pålitelighetsintervallet ► heterogene forventninger ► balansen mellom kjøpere og selgere ► bevegelser som skyldes irrasjonell påvirkning ► I beste fall kan vi kanskje håpe å forstå 70% av de langsiktige kursbevegelsene og 30% av de korte ved hjelp av fundamental analyse Side 4 2 Finnes en fundamental verdi? ► ► ► Finnes det en virkelig verdi? Er markedet et ”Ponzi Scheme” (pyramidespill)? En gruppe herrer skal avgi stemmer i en skjønnhetskonkurranse – blant de som stemmer på vinneren trekkes det ut èn som mottar en sportsbil (fritt etter Keynes) ► Betyr dette noe for stemmegivningen? ► Har dette noe til felles med verdivurdering? Keynes wrote, “It is not a case of choosing those [faces] which, to the best of one’s judgment, are really the prettiest, nor even those which average opinion genuinely thinks the prettiest. We have reached the third degree where we devote our intelligences to anticipating what average opinion expects the average opinion to be. And there are some, I believe, who practise the fourth, fifth and higher degrees.” Side 5 Hva er målet? ► Hva ER virkelig verdi? ► Konsensus (den kvinnen flertallet stemmer på) ► Det jeg er villig til å kjøpe for med egne penger (den jeg synes er vakrest) ► Hva er MÅLET med verdivurderingen? ► Hva kan en aksje kjøpes eller selges for i morgen ► Hva er den virkelig ”verdt” (nåverdien av fremtidige dividender) Side 6 3 Fundamentale verdier v.s. Markedsverdier Side 7 Volatilitet i verdi ► ► Ned 8% den ene dagen og opp 5% den neste Daglige g g prisbevegelsene g kan verken forklares med kontantstrømestimater eller risikopremie Daglige prisbevegelser OB siden 2003 0,15 0,10 0,05 0,00 01.09.0214.01.0428.05.0510.10.0622.02.0806.07.0918.11.1001.04.1214.08.13 ► ► Har en verdivurdering noen muligheter for å ”treffe” markedsverdi Ligger det fundamental analyse bak prisbevegelsene til høyre – åpenbart ikke -0,05 -0,10 -0,15 Side 8 4 Langsiktig avkastning ► På lang sikt er avkastningen bestemt av kontantstrømmer med mindre det skjer et permanent skift i avkastningskravet ► Historisk har børsen gitt oss ca. 8% i et 100 års perspektiv ► Fremtidig avkastning bør ikke nødvendigvis tilsvare historisk avkastning ► Økte diversifikasjonsmuligheter? ► Survival bias? ► Ikke bærekraftig produktivitetsvekst? ► The Risk Premium Puzzle? ► Bedre likviditet og informasjon Side 9 Markedsverdi? ► Hva er det egentlig som endrer seg? Kontantstrømestimatene K t t t ti t ► Risikopremien? ► ► Eller er prisene drevet utelukkende av aktørene tror de kan kjøpe eller selge for i morgen? Side 10 5 Ikke nødvendigvis noe entydig svar ► ► Verdiaksjer; Mye av verdifallet skyldes bortfallet av kontantstrøm gjennom en nedgangsperiode. Vekstaksje Har selskapet p kontanter til å komme gj gjennom nedgangsperioden? g g p ► Høyere avkastningskrav ► Negativt syn på suksessannsynlighet ► Trengsel i døra ► Side 11 Implisitt risikopremie Verdien = nåverdi av fremtidige dividender Verdi av Egenkapital = Forutsetninger • Børsindeks 400 • Forventet dividend yield: 4% • Risikofri rente: 2,0% o u se e å årlig g • Vi forutsetter nominell vekst på 4,5% Dividende (Rf + ß x RP) - vekst Fyll ut ligningen basert på dagens markedsdata 400 = 400 x 4% (2,0% + 1 x RP) – 4,5% En ukjent – løs ligningen RP = 6,5% 12 6 Eksempel på metoden brukt i praksis Implisitt risikopremie USA 1960 - 2011 7,00 % 6 00 % 6,00 Implisitt premie 5,00 % 4,00 % 3,00 % 2 00 % 2,00 1,00 % 0,00 % 2011 2010 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996 1995 1994 1993 1992 1991 1990 1989 1988 1987 1986 1985 1984 1983 1982 1981 1980 1979 1978 1977 1976 1975 1974 1973 1972 1971 1970 1969 1968 1967 1966 1965 1964 1963 1962 1961 1960 Kilde: Damodaran 13 CAPM er en en-periode modell EV = D1 ((1+r1+MP1)1 + D2 ((1+r2+MP2)2 + Dn ………………… Hvis MP1 = MP2 = ……….= MPn + ((1+rn+MPn)n sier vi egentlig at Risikopremien har skiftet permanent i forhold til historisk gjennomsnitt Eller Det finnes et gjennomsnitt som kan brukes på tvers av alle selskaper uavhengig av kontantstrømmens tidsprofil Tror vi på dette? 7 I praksis kan retur til normalavkastning skje fort OSEBX 1995 - 2012 ▬ 600 ▬ 500 400 300 ▬ 200 100 2011 2010 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996 1995 0 ▬ Risikopremien er ikke konstant. Investorer er mer risikoavverse i dårlige tider. Tapsaversjon og fallende kurser påvirker hverandre gjensidig. Den som kan kjøpe når alle andre må selge kan høste en superprofitt. Denne meravkastningen hentes imidlertid ut relativt raskt 15 Oppsummering ► ► Positiv nåverdi – altfor svakt beslutningsgrunnlag ► Har vi en strategisk fordel? ► Hvorfor har ingen tenkt på dette før? (winner (winner’s s curse) ► Hvordan unngå å kjøpe på toppen? Et prosjekt eller selskap kan falle i verdi med 30 % (og mer) uten endringer i fundamentale forhold ► Har markedet alltid rett – Ja, men forskjell på pris og verdi ► Transaksjonsmarked tørker opp – finnes ikke villige selgere ► Mark to market vs. mark to funding ► Ha mulighet g til å realisere kontantstrømmene Side 16 8 Oppsummering ► ► ► ► ► Det er intet som tyder på at WACC-en er historisk lav selv om statsobligasjonsrenten er det Estimatintervallet ► er større for selskaper med stor volatilitet ► øker når den generelle markedsvolatiliteten øker En DCF analyse er lite egnet til å fange opp kortsiktige markedsbevegelser ► metodemessige svakheter blir veldig synlige ► vi har ingen metode for ”real time” oppdatering av risikopremie Multiplikatoranalyser er bedre, men forutsetter at kontantstrømestimater er konsistent oppdatert i ”peer group” Scenarioanalyser blir enda viktigere når usikkerheten er stor Side 17 Takk for oppmerksomheten Spørsmål? p 9
© Copyright 2024