Ворд -

Факторы, определяющие выбор мультипликаторов

Baker M. R., Ruback R. Estimating industry multiples (1999)^¹

Цель

Авторы концентрируются на двух проблемах сравнительного подхода – как оценить отраслевой мультипликатор и какой показатель деятельности компании выбрать в качестве базы для мультипликатора.

Выборка

Использовались данные по 225 компаниям, входящим в индекс S&P 500 за 1995 по 22 группам отраслей, полученные из базы Compustast.

Методология

С помощью метода отбора Гиббса (частный случай Марковской цепи Монте-Карло), который подходит для маленьких выборок, авторы оценили отраслевой мультипликатор методом максимального правдоподобия. Затем они сравнили полученное значение с четырьмя оценками мультипликатора: простое среднее, гармоническое среднее, среднее, взвешенное по стоимости^² и медиана, чтобы определить, какая из них является наиболее близкой к нему, то есть наилучшей.

Затем авторы сравнивают мультипликаторы по выручке, EBIT и EBITDA, чтобы определить, какой показатель приводит к наиболее точной оценке.

Результат

Гармоническое среднее является наилучшим способом вычисления мультипликатора, так как оно наиболее близко к мультипликатору, полученному методом Гиббса, в то время как простое среднее завышает оценку.

Для 10 из 22 отраслей EBITDA оказывается лучшим показателем, чем EBIT или выручка. EBIT лучше для 9 из 22 отраслей. Отличия вызваны тем, что в разных отраслях драйверы стоимости разные. Таким образом, знаменатель мультипликатора необходимо выбирать таким образом, чтобы минимизировать спрэд мультипликаторов в отрасли.

Lie E., Lie H. J. Multiples Used to Estimate Corporate Value (2002)^³

Цель

Изучение точности мультипликаторов, основанных на выручке, прибыли и балансовой стоимости активов для различных категорий компаний.

Выборка

Финансовые данные за 1998 отчетный год, а также прогнозы по прибыли за 1999 год для 8621 компании получены из базы данных Compustat и Standard & Poor's Research Insight.

Методология

Стоимость оценивалась на основании 10 мультипликаторов (6 нескорректированных и 4 скорректированных на денежные средства и эквиваленты):

P/E
Forecasted P/E
Value/Sales
Value/Book Value
Value/EBITDA
Value/EBIT

Скорректированные мультипликаторы:

Adjusted Value/Sales
Adjusted Value/ Adjusted Book Value
Adjusted Value/EBITDA
Adjusted Value/EBIT

Компании-аналоги подбирались по отраслевой принадлежности. Медианное значение мультипликатора аналогов домножалось затем на соответствующий финансовый показатель.

Ошибка оценки рассчитывалась как натуральный логарифм отношения полученной стоимости компании к ее рыночной стоимости. Дополнительные показатели точности – средние и медианные абсолютные ошибки, доля ошибок, которые ниже 15%, а также первый и третий квартили.

Затем выборка разбита на две группы: финансовые и нефинансовые компании, которые разбивались на подгруппы по размеру и прибыли. Кроме того, авторы анализировали мультипликаторы для компаний с высокой долей нематериальных активов. Для этого были выбраны 27 доткомов, и, альтернативно, компании, у которых расходы на НИОКР составляли больше 10% балансовой стоимости.

Результат

Во-первых, авторы выяснили, что корректировка на денежные средства и эквиваленты не улучшает оценку.

Кроме того, оценка для компаний с положительной прибылью, для финансовых компаний, и для крупных компаний оказалась более точной, но в целом тренд общий: наиболее точным является мультипликатор активов, наименее точным – выручки. При выборе показателя прибыли, EBITDA подходит лучше, чем EBIT.

Мультипликатор по прибыли плох для компаний с низкой, но положительной прибылью. Для всех оцениваемых компаний лучше использовать прогнозируемые доходы.

Для нефинансовых компаний мультипликаторы по доходам завышают, а по активам и выручке занижают оценку, следовательно, лучше использовать комбинацию мультипликаторов.

Для финансовых компаний мультипликатор по выручке лучше, чем по прибыли, а мультипликатор по активам занижает оценку. Поэтому также лучше использовать комбинацию мультипликаторов.

Для компании с высокой долей нематериальных активов мультипликаторы прибыли не подходят (она отрицательна из-за высоких расходов на НИОКР), а при оценке по активам и выручке происходит недооценка в 2-4 раза.

Таким образом, можно выделить следующие факторы, на которые необходимо обратить внимание при выборе мультипликаторов: размер, рентабельность, доля нематериальных активов, отрасль (финансовая или нефинансовая компания)

Kim, M., Ritter J.R. Valuing IPOs. (1999)^⁴

Цель

Изучить актуальность и точность подхода на основе мультипликаторов для оценки IPO.

Выборка

Данные по новым выпускам Securities Data Company (SDC) для 190 компаний за 1992-1993 гг., с известной датой IPO, с положительной EPS за 12 месяцев, предшествовавших IPO, положительной BPS перед IPO, а также информацией о предварительной цене предложения (POP), итоговой цене предложения (OP) и первой рыночной цене закрытия (P_market). Исключены предложения по методу наибольших усилий, финансовые компании, выпуски на менее чем $5 млн. и с ценой акций меньше $5.

Методология

В работе авторы используют 2 набора сопоставимых компаний:

Механический алгоритм отбора среди недавних IPO в данной отрасли,
Компании, выбранные исследовательской лабораторией Renaissance Capital of Greenwich, Connecticut, специализирующейся на оценке IPO (исторические и прогнозируемые прибыли).

Выборка компаний, становящихся публичными, разбивается на новые и старые компании.

Авторы применяют два подхода для оценки мультипликаторов – регрессионный и «простой» (мультипликатор – среднее/медиана по аналогам). Уравнение регрессии:

Нулевая гипотеза: a₁=1.

Мерой ошибки прогноза является натуральный логарифм отношения медианы мультипликаторов сопоставимых фирм к мультипликатору компании, а также доля ошибок, которые меньше 15%.

Результат

В регрессии полученные коэффициенты гораздо ниже 1, а R² меньше 8%.

Результаты по регрессии и по простому подходу близки, что обосновывает общепринятое использование простого подхода. Однако в целом все рассмотренные мультипликаторы без каких-либо корректировок обладают лишь ограниченной предсказательной силой вследствие их значительного разброса для молодых компаний. Точность оценки для IPO ниже, чем для зрелых компаний. Мультипликатор выручки улучшается при корректировке на структуру капитала. Дополнительные корректировки, отражающие разницу в рентабельности и темпе роста выручки, еще больше повышают точность оценки.

Мультипликаторы P/E, основанные на прогнозной прибыли, позволяют получить гораздо более точные результаты, чем основанные на текущей. В мультипликаторе market-to-book присутствует эндогенность (доход от выпуска и в числителе, и в знаменателе), поэтому он не используется.

Аналоги, подобранные инвестиционными банкирами, оказались лучше, чем те, что подбирались с помощью механического алгоритма.

Pandey A. Equity Valuation Using Price Multiples: A Comparative Study for BRICKS (2010)^⁵

Цель

Авторы задались целью оценить точность мультипликаторов по прибыли, активам и выручке на развивающихся рынках. Для этого необходимо выбрать наилучший мультипликатор для оценки, проверить, повышает ли использование комбинации мультипликаторов точность оценки, а также исследовать, точнее ли оценка с использованием регрессии по секторам, чем по всей выборке.

Выборка

Источник данных – Thomson Reuters – Datastream Software. Данные по станам BRICKS кроме России за 1993-2007 (195 компаний из Бразилии, 145 – из Индии, по 200 из Китая и Южной Кореи и 253 из ЮАР). Для отраслевых регрессий использовались 13 из 20 отраслей по классификации Bombay Stock Exchange 500 index

Методология

Качество подгонки оценивалось по двум критериям: среднеквадратичное отклонение и коэффициент неравенства Thail. Для того чтобы найти ожидаемую цену, использовалась регрессия МНК по мультипликатору. Чтобы устранить гетероскедастичность и повысить эффективность оценок, использовался обобщенный МНК.

Для сравнения мультипликаторы в регрессии комбинировались по два.

Отраслевые регрессии строились только для Индии.

Результат

Для Азиатских стран (Индии, Китая и Южной Кореи) наилучшим является мультипликатор активов. Для Бразилии и Южной Африки больше подходят мультипликаторы прибыли.

В отличие от результатов для развитых стран, комбинация мультипликаторов не улучшает точность оценки по сравнению с отдельными мультипликаторами.

Для Индии рыночные оценки по всем мультипликаторам точнее, чем по отдельным отраслям. Однако это может быть вызвано маленьким объемом выборки.

Содержание