Banner top Til forsiden Econa

charlotte.hartvigsen.lem@fagbokforlaget.no

Lite treffsikre analytikere

Så sent som like før resultatfremleggelse fra et selskap, bommer finansanalytikerne i snitt med 25 prosent når de forsøker å predikere hva tallene vil vise. – Dette er et stort avvik, og viser at verdivurdering er en vanskelig øvelse som krever at man både har gode modeller, og kan stille kritiske spørsmål utenfor selve regnemodellen.

Det sier Yngve Kaldestad, som arbeider med finansiell rådgivning og verdivurdering i Ernst & Young. Han har gjennomgått flere empiriske undersøkelser som har gjennomgått analytikernes estimater. De konkluderer alle med det samme; prognosene er lite treffsikre.

I en undersøkelse som også ser på norske analytikeres arbeid, gjennomført av Berdon Sønderland, Torgeir Røstberg, og Eldar Steinsvik, kommer det frem at de estimater som legges frem ett år før fremleggelsen, i gjennomsnitt bommer med hele 50 prosent. Nå bør estimater bli mer treffsikre når de nærmere seg fremleggelsestidpunkt. Men så sent som rett før offentliggjøring av tallene, er den gjennomsnittlige estimatfeilen i undersøkelsen fremdeles 25 prosent.

Amerikanerne treffer bedre

I følge tallene bommer norske analytikere mer på mål enn både sine amerikanske og japanske kolleger.

– Dette kan sannsynligvis delvis forklares med at norsk økonomi har større innslag av råvarebaserte selskaper, og svingende råvarepriser gjør det vanskeligere å lage gode estimater enn det som er tilfelle for tradisjonelle industrier. Jo mer moden bransjen er, og jo mindre volatil bransjen er, jo enklere burde det være å lage gode estimater, konkluderer Kaldestad.

Den særnorske oljepris-avhengigheten kan også være en av forklaringene. Mange selskapers resultater påvirkes av oljeprisen, som svinger betydelig. Andre faktorer, som rentenivå og valutakurs, er også variabler som slår mer ut i en liten, åpen økonomi enn i større økonomier, som i USA og Japan.

Det er også store forskjeller mellom estimatene på bransjenivå. De norske analytikerne som følger forbruksvaresektoren treffer best. Disse bommer i gjennomsnitt med 28 prosent. Så følger alle som følger finansbransjen, med et estimatavvik på 33. Lengst fra mål skyter de som forsøker å estimere tall i transport- og teknologisektoren, der de bommer med henholdsvis 55 og 57 prosent.

– Det er naturlig at man i bransjer med lang historikk og stabile rammebetingelser treffer bedre enn der volatiliteten er stor. I noen bransjer kan det for øvrig også være selskaper med rent binære utfall; f.eks der vi snakker om ny teknologi eller nye patenter: Enten lykkes man, eller så feiler man. Tilordnet sannsynlighet for utfallet vil være en middelverdi, mens endelig resultat er enten alt eller ingenting.

Kaldestad understreker at i slike tilfeller er det ikke nødvendigvis slik at analysen er dårlig eller usikker, selv om estimatavviket er stort.

– Anta at avviket i prognosen er 50 prosent. Betyr det at det er tilsvarende usikkerhet knyttet til verdien som er fastsatt? Det er ikke sikkert. Noen av forklaringen kan være at de kortsiktige analysene påvirkes av støy. Tenk for eksempel på hvordan kraftprisen kan påvirkes av vær og nedbør. Disse er det vanskelig å forutse på forhånd. Priser på innsatsfakturer kan svinge rundt en langsiktig trendlinje på en måte som gjør det lettere å predikere et langsiktig gjennomsnitt enn prisen i morgen.

I snitt for optimistiske

Når analytikerne bommer, er det stort sett fordi de ser for lyst på fremtiden.

– Man er stort sett for optimistisk. Gitt at det er vanskelig å spå, skulle man tro at man feiler like mye i begge retninger. Men alle dataene tyder på at man i snitt er for optimistisk heller enn for negativ, sier Kaldestad.

Han tror forklaringene til det dette fenomenet kan være flere.

– Noen vil selvsagt hevde at meglerhus har et insentiv til å være for positive, fordi de også skal selge produkter og tjenester utover selve analysen. Dette kan selvsagt være en av forklaringene. Men jeg tror generelt at det er lett å være optimistisk når man lager prognoser, også for andre enn analytikere. Til dels er det en menneskelig egenskap når en ser fremover; at sannsynligheten for positive begivenheter overvurderes, og sannsynligheten for negative begivenheter undervurderes. Så er det også slik at det er lett å la seg påvirke av de fremtidsutsikter som selskapene selv legger frem. Det er jo unntaksvis at disse ikke er basert på vekstscenario. Og når ledelsen og presentasjonen for vekstscenarioet fremstår som veldig entusiastisk eller troverdig, er det naturlig at man blir påvirket.

Kaldestad tror slike vurderingsskjevheter er forklaringer på mange av de systematiske feilene. I tillegg tror han også at mange bruker for lite tid til å sette de historiske tallene inn i en sammenheng.

– Også når man bruke de historiske tallene må man se fremover. Selv om man har god lønnsomhet i dag, betyr ikke det at den kan fremskrives for all fremtid. I bransjer der lønnsomheten er høy dag, vil det sannsynligvis komme flere konkurrenter, og dermed vil lønnsomheten vil gå ned. Særlig i bransjer med superprofitt er det viktig å se hvor denne genereres, og hvor lenge det er sannsynlig at den kan forventes å kunne tas ut. Videre er normaliseringstendensene mye sterkere fra oversiden enn fra undersiden. Det er lettere å gå fra god til middels, enn fra svak til middels. Mange av selskapene som opplever mindreavkastning og underskudd vil gå konkurs.

Bring inn «Djevelens advokat»

– Hva er ditt råd for å lage bedre prognoser; både som analytiker, eller i andre sammenhenger der man skal lage verdivurderinger?

– For det første mener jeg det er viktig å starte med å stille spørsmål om hva man skal bruke verdivurderingen til. Er målet å finne en pris man kan forventes å oppnå i dag, eller er målet å finne den underliggende verdien på selskapet? Metodikken kan gjerne være den samme for begge formålene, men skal man finne en realistisk pris nå, må man gjerne stille noen ekstra spørsmål og gjøre flere vurderinger. Er det for eksempel urolige tider med dårlig likviditet i markedet, er det større avvik mellom oppnåelig pris og underliggende verdi. Man må forvente en likviditetsrabatt for å kunne selge få solgt, og den kan være vanskelig å prissette rent metodisk. Her må man kanskje legge til grunn skjønn i større grad.

Kaldestad oppfordrer også til å bruke mer tid på analyser av historiske tall, og gjøre egne lønnsomhetsanalyser av bransjen, heller enn å ta for god fisk prognoser som kommer fra selskapene selv.

– Når man gjør denne øvelsen er det viktig å se på alle variabler. Mange modeller er bygget nedfra og opp. Da opererer man med en rekke mindre forutsetninger som isolert sett ikke virker så ambisøse. Men når de aggregeres, blir resultatet ofte veldig positivt. Min erfaring er at vurderingene fra bottom up-modeller generelt er mer positive enn analyser bygd på top-down-metodikk.

Kaldestad mener også at det er viktig å se hvor man bruker mest tid.

– Jeg tror det er ofte er slik at man generelt bruker mye tid på det som er enkelt; der man har gode data, som for eksempel på å estimere avkastningskravet. Men bruk minst like mye tid på å vurdere de elementene som er vanskelige å forutse; det er her fallgrubene ligger.

Og når analysen er ferdig, er Kaldestads beste råd å bringe inn friske øyne.

– Alle slike analyser bør gjennomgås av en uavhengig person, som stiller kritiske spørsmål og finner svakheter i resonnementene. Det er viktig at en slik person kommer litt inn fra sidelinjen og har en distanse til både modell og prognoser.

 

 

 


© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS