«

»

אפר' 26 2009

הערכת שווי יחסי – חלק 3: הערות נוספות על מכפילים, נירמול וצפי

כאשר עובדים עם מכפילים [חלק 1 ו-2], כל מכפיל, כדאי לזכור שיש רק צד אחד קבוע: המחיר שבמונה. הוא נכון לאותו רגע, בהתאם למחיר בשוק.

מצד שני, המכנה שנוי במחלוקת. בנוסף לבעיות המקור והעיוות, עולות 2 שאלות נוספות:

1. האם נכון לבחור את הנתון האחרון שפורסם, או שמא כדאי לקחת נתונים על פני תקופות שונות?

2. האם נכון להסתכל על נתוני העבר וכיצד יש להתחשב בצפי לעתיד?

 

נירמול המכנה

אחת הבעיות העיקריות עם מכפילים היא העובדה שמכפיל תופס נקודה בודדת בזמן. חברה שבאופן חד פעמי הרוויחה בצורה יוצאת דופן, תיראה לפתע זולה [הרווחים במכנה יהיו גבוהים, אך המחיר במונה לא יגדל באותה פרופורציה כי השוק יסרב לשתף פעולה עם רווחים שלא יחזרו על עצמם].

אין פיתרון כמותי שמאפשר להמנע מהבעייה הזו לגמרי [בל נשכח שפתרונות שכוללים הערכה פרטנית לגבי כל חברה וחברה אפשריים, אבל מסיטים את הדיון לכיוון האיכותי ומחוץ לתחום הדיון הנוכחי], אבל יש דרך להקטין את אפקט השיאים והשפל.

נירמול המכנה היא פעולה שלא לוקחת את הנתון האחרון בלבד [למשל במקרה של רווחים, את ה-TTM EPS], אלא מסתכלת על ממוצע הנתונים בשנים האחרונות, כדי להקטין קפיצות חריגות. כלל האצבע הוא לא להסתכל במספר קבוע של שנים, אלא להתאים את השנים לסייקלים אחרונים בכלכלה כדי שיכניסו לממוצע המכנה את הביצועים בתקופות של שיא ושפל.

נוכל לראות דוגמא טובה אם נמשיך להתבונן בחברות התוכנה:

rv10

המידע הולך 10 שנים אחורה לכל החברות למעט NUAN.

אפשר לראות מספר נקודות בולטות מהנתונים שחוזרות על עצמן כמעט כל בקבוצת חברות כשמנסים לנרמל את המידע:

1. כמו שצויין בהקדמה, אסיפת המידע אינה טריוויאלית ואמינות הנתונים היא בעייה חוזרת, על אחת כמה וכמה כשמדובר על מספר רב של נתונים שנים אחורה. בנוסף לזה, אפשר לראות שיש חברות שהמידע עצמו אינו זמין במקורות המידע הפופולריים לתקופות המדוברות.

2. אומנם המטרה היא לקחת בחשבון גם שנים טובות וגם שנים קשות, אבל עדיין, שנים קשות במיוחד או שנים טובות במיוחד בעבר יכולות להטות את החישוב. דוגמאות בולטות: CA, ש-3 שנים קשות איפסו רווחים של 7 שנים אחרות, וגורמים ל-EPS ממוצע קרוב ל-0, ומכאן למכפיל מאוד גבוה [506].

3. נקודה דומה אך לא זהה היא במקרה של שינוי מגמה ברורה בחברה, למשל Red Hat שהפסידה ב-5 שנים הראשונות אבל הרוויחה וצמחה בעקביות מאז. השוק כמובן מסתכל על השנים האחרונות ומוכן להתעלם מהשנים הקודמות להן. חישוב עיוור לא לוקח את זה בחשבון ועל כן המכפיל שמתקבל גבוה בצורה קיצונית. דרך יחסית יעילה לפתור את העיוות הזה היא לעשות ממוצע משוקלל. למשל לתת 22.5% משקל לרווחים של השנה האחרונה, ואז לרדת ל-17.5%, 15%, 10%, 10% ו-5% לכל אחת מ-5 השנים הראשונות. זוהי כמובן דוגמא, ואפשר לתת משקלים שונים שיתאימו יותר לסביבה הנוכחית.

4. בכל מקרה יש לטפל במכפילים חריגים [למשל Red Hat] על ידי הוצאתם מהקבוצה, מתן מכפיל באופן ידני או שימוש בחציון.

5. בגלל הבעיות הנ"ל, פעולת הנרמול תהיה יעילה יותר ככל שהחברות מושפעות יותר מהסביבה הכלכלית [שנוטה לנוע במחזוריות] ופחות משינויים ייחודיים לחברה או פאזות שונות בצמיחה [שנוטים להיות יותר פרמננטיים].

צפי לעתיד

כמו שצויין בנקודה הקודמת, המכנה של המכפיל מציין נקודת זמן אחת, היא יכולה להיות נכונה להווה, וכנראה נכונה למועד פרסום הדוחות האחרונים. אבל היא בוודאי אינה נכונה לגבי העתיד.

השוק מעריך כל הזמן את המספרים הפונדמנטליים ומתמחר כל חברה בהתאם לציפיות הנ"ל. במובן הזה השוק הוא Forward Looking. חברה יכולה לפרסם דו"ח עם תוצאות מסויימות, וכעבור חודש יתפרסמו חדשות שיגרמו לשוק לחשוב שהמספרים בשנה הקרובה יוקטנו משמעותית. כתוצאה מכך מחיר המנייה יירד [המונה של רוב המכפילים] ואילו המכנה [שנלקח מהדוחות] יישאר ללא שינוי. זה יכול לגרום לחברה להראות זולה במיוחד.

אחד היתרונות של וואלואציה יחסית הוא העובדה שאם נבחרו חברות דומות לקבוצת ההשוואה, אז כל החדשות שמשפיעות על השוק כולו, על הסקטור ועל התעשייה עצמה כנראה ישפיע כל החברות במדגם באופן דומה בממוצע. לפי שיטה זו לא מעניין אם מכפיל מסויים זול או יקר לכשעצמו אלא זול או יקר ביחס לקבוצה.

מצד שני היתרון הזה רחוק מלהיות bullet proof וחדשות ספציפיות לחברה מסויימת ישפיעו על המספרים העתידים ויתנו רושם של חברה זולה או יקרה במיוחד. כדאי לבדוק לעומק כל חברה שבורחת מהממוצע באופן קיצוני.

הדרך היחידה לעקוף את הבעייה הזו היא להשתמש בקונצנזוס של השוק לגבי החברות השונות. אולם הפיתרון לא מגיע בחינם, הוא מעצים את אחד החסרונות של השיטה - אמינות הנתונים. הנתונים, שגם ככה יכולים להיות שונים ממקור למקור, מקבלים עכשיו גורם נוסף לשיבוש והוא הגורם האנושי והקושי לצפות העתיד. השוק גם מגבש קונצנזוס לגבי נתונים פופולריים כמו רווחים ומכירות, ונמנע מנתונים אחרים כמו הון עצמי צפוי. הדבר מצמצם את בחירת המכפילים.

בנוסף, רק חברות מסויימות מסוקרות באופן קבוע על ידי אנליסטים שנותנים תחזיות כדרך קבע. החברות האלו הן לרוב גדולות ומייצרות עבודה לבתי השקעות שונים [הנפקות, פעולות מיזוג ורכישה, וכו'] והדבר גורם להטייה בקבוצת ההשואה.כל משקיע יכול כמובן להעריך כל חברה בעצמו, או להסתפק בחברות שחסר לגביהן נתונים, אך הדבר סוטה ממהות השיטה הכמותית שמטרתה לצמצם דעה אישית של המעריך.

נחזור לדוגמא של ספקיות התוכנה, וניקח נתונים ממספר מקורות לגבי רווחיות החברה בשנה הנוכחית:

rv11

נקודות שאפשר ללמוד מהטבלה:

1. ניתן לראות שנוסף המכפיל הנעלם של NUAN, מסתבר שהשוק חושב שהשנה היא תעבור לרווחיות.

2. כדאי לציין שאנליסטים [מצד המכירה] אופטימיים מטבעם כשזה נוגע לרווחים, הדבר משתקף גם בריבוי המלצות הקנייה לעומת מכירה, וגם בצפי וורוד לרווחים. היתרון בוואלואציה יחסית שההטייה הזו כנראה משפיעה על כל החברות באופן זהה בממוצע.

3. ככל שהחברות קטנות יותר, וכנראה גם פחות מסוקרות, כך צפויה לגדול הסטייה בין הרווחים. ניתן לראות את התופעה ב-4 החברות שסוגרות את הרשימה.

בחלק 4 נראה כיצד המכפיל מושפע ממשתנה נוסף, ובחלק 5 גם יותר ממשתנה אחד.

     

«

»

2 תגובות

  1. הערכות שווי

    היי
    המאמר מקצועי מאוד. מזכיר את אחת השיטות להערכת שווי של עסקים. רציתי לשאול האם הנירמול הוא כללי?
    תודה

    1. מאיר

      מה כוונתך בנירמול כללי?

כתיבת תגובה

האימייל לא יוצג באתר. (*) שדות חובה מסומנים

אתם יכולים להשתמש באפשרויות ותגי ה-HTMLהבאים: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>