Текст книги "Инвестиционная оценка. Инструменты и методы оценки любых активов"

СТОИМОСТЬ ПРИВЛЕЧЕНИЯ СОБСТВЕННОГО КАПИТАЛА

Стоимость привлечения собственного капитала – это доходность, которую инвесторы ожидают от инвестиций в собственный капитал фирмы. Модели риска и доходности, описанные в главе 4, требовали безрисковых ставок и премии за риск (модель САРМ) или множества премий (модель АРМ и многофакторная модель), подход к определению которых был представлен в предыдущей главе. Кроме того, эти модели требуют знать меру подверженности фирмы рыночному риску, реализуемую в форме коэффициента бета. Эти входные данные используются для получения оценки ожидаемой доходности от инвестиции в акции:

Ожидаемая доходность = безрисковая ставка + коэфф. бета (премия за риск).

Эта ожидаемая доходность для инвесторов в акции включает компенсацию за рыночный риск, свойственный инвестиции, а также стоимость привлечения собственного капитала. В данном разделе основное внимание мы уделим оценке коэффициента бета фирмы. Хотя значительная часть этого обсуждения посвящена модели САРМ, его выводы можно распространить на арбитражную модель оценки и на многофакторную модель.

Коэффициенты бета

В модели САРМ коэффициент бета инвестиции – это риск, который инвестиция добавляет к рыночному портфелю. В модели АРМ и многофакторной модели коэффициенты бета инвестиции должны быть измерены относительно каждого фактора. Существуют подходы, предназначенные для оценки этих параметров. Один из таких подходов – это использование исторических данных о рыночных ценах для конкретной инвестиции. Второй подход связан с оценкой коэффициента бета на основе фундаментальных характеристик инвестиции. А третий подход использует данные отчетности фирмы.

Исторические рыночные коэффициенты бета. Общепринятый подход к оценке коэффициента бета инвестиции основывается на регрессионном анализе доходности инвестиции относительно доходности рыночного индекса. Для фирмы, акции которой на протяжении длительного периода торгуются на открытом рынке, не представляет большого затруднения оценить доходы, которые инвестор получил бы от своей инвестиции в акции на различных интервалах (например, месячных или недельных) в течение периода. В теории для оценки коэффициентов бета активов эти показатели доходности вложений в акции должны быть соотнесены с доходностью рыночного портфеля (т. е. портфеля, который включает все торгуемые активы). На практике же мы обычно в качестве приблизительной оценки рыночного портфеля используем какой-нибудь фондовый индекс (например, S&P 500) и оцениваем коэффициенты бета для акций относительно индекса.

Оценки регрессии коэффициентов бета. Стандартная процедура для оценки коэффициентов бета предусматривает выяснение регрессии доходности акции (R.) относительно рыночной доходности (Rm):

Rj = a + b Rm

где a = точка пересечения на оси абсцисс;

b = наклон линии регрессии = ковариация (Rj, Rm)/σ2m.

Наклон линии регрессии соответствует коэффициенту бета акции и выражает рискованность этой акции.

Точка пересечения линии регрессии с осью ординат дает простую оценку эффективности инвестиции в течение периода регрессии, когда доходность измеряется в сравнении с ожидаемой доходностью, полученной по модели оценки финансовых активов. Чтобы понять почему, обсудим следующую запись модели оценки финансовых активов:

Rj = Rf + Β(Rm-Rf) = Rf (1 – Β) + ΒRm.

Сравните эту формулировку доходности инвестиции с уравнением доходности из регрессии:

Rj = a + b Rm.

Таким образом, сравнение точки пересечения с Rf (1 – Β) должно предоставить меру доходности акции, по крайней мере для случая модели оценки финансовых активов[65]65
  Регрессия иногда вычисляется на основе доходности сверх безрисковой ставки как для акции, так и для рынка. В этом случае точкой пересечения линии регрессии должна служить нулевая отметка, если фактические доходы равны ожидаемым доходам, полученным на основе САРМ. Точка пересечения будет больше нуля, если акции оказались более доходны, чем ожидалось, и меньше нуля, если акции показали меньшую доходность, чем ожидалось.


[Закрыть]. Суммируя, можно определить:

если a > Rf (1 – Β)… акция была более доходной, чем ожидалось в течение периода регрессии. a = Rf (1 – Β)… доходность акции в течение периода регрессии соответствовала ожиданиям. a < Rf (1 – Β). акция оказалась менее доходной, чем ожидалось в течение периода регрессии.

Разница между a и Rf (1 – Β) называется альфой Дженсена[66]66
  Терминология может ввести в заблуждение, поскольку точка пересечения линии регрессии иногда также называется альфой и сравнивается с нулем в качестве меры доходности с учетом риска. Точку пересечения с осью ординат можно определять на нулевой отметке, только если регрессия выводится с избыточной доходностью и для акции, и для индекса. Безрисковую ставку в каждом случае следует вычесть из валового дохода месяца для обеих инвестиций.


[Закрыть], которая предоставляет собой меру того, создает ли рассматриваемая инвестиция доход – больший или меньший, чем требуемый, с учетом рыночной доходности и риска. Например, фирма, заработавшая 15 % в течение периода, когда фирмы с аналогичными коэффициентами бета заработали 12 %, обеспечила себе избыточный доход в 3 %. Точка пересечения также превысит Rf (1 – Β) на 3 %.

Третьим показателем, который выводится на основе регрессионного анализа, является R-квадрат (R2) регрессии. Хотя с точки зрения статистики R-квадрат трактуется как «мера добротности построения регрессии», с позиции экономической теории данный показатель позволяет оценить долю риска фирмы, которую можно приписать рыночному риску. В этом случае остаток (1 – R2) можно отнести к специфическому риску фирмы.

Последний показатель, достойный упоминания, – это стандартная ошибка оценки коэффициента бета. Наклон линии регрессии, подобно любой статистической оценке, может отличаться от действительного значения, и стандартная ошибка показывает, насколько ошибочной может быть полученная оценка. Стандартную ошибку можно также использовать для получения доверительного интервала для «истинной» величины коэффициента бета, основываясь на оценке угла наклона.

Использование коэффициентов бета, полученных от специализированных фирм. Большинство из тех, кто использует коэффициенты бета, получает их от фирм, специализирующихся на оценке. Merrill Lynch, Barra, Value Line, Standard & Poor’s, Morningstar и Bloomberg – это лишь небольшой список наиболее известных служб подобного рода. Все они исходят из регрессионных (только что описанных) коэффициентов бета и корректируют их с целью отражения ими ожидаемого в будущем риска, полагаясь на собственное мнение по этому поводу. Многие из этих сервисных служб не раскрывают свои процедуры оценки, в то время как компания Bloomberg является исключением. На рисунке 8.2 представлен оригинальный лист с вычислениями коэффициента бета компании Boeing, выполненными Bloomberg в том же периоде, который был нами рассмотрен ранее (январь 1996 г. – декабрь 2000 г.).

Хотя временной период аналогичен периоду, использованному в нашем предыдущем регрессионном анализе, между данной регрессией и регрессией на рисунке 8.1 отмечаются небольшие различия. Во-первых, при оценке коэффициентов бета Bloomberg использует прирост стоимости акций и рыночный индекс, игнорируя при этом дивиденды[67]67
  Это сделано только для облегчения вычислений.


[Закрыть]. Факт игнорирования дивидендов не играет столь уж большой роли для компании, подобной Boeing, но становится важным для акций компании, которая либо не выплачивает дивидендов, либо выплачивает их в значительно большем размере по сравнению с рынком. Это объясняет разницу между точкой пересечения (0,50 % против 0,54 %) и коэффициентом бета (0,57 против 0,56).

Во-вторых, служба Bloomberg вычисляет также показатель, который она называет скорректированным коэффициентом бета. Он записывается следующим образом:

Скорректирован. коэфф. бета = необработ. коэфф. бета (0,67) + 1,00 (0,33).

Использованные веса (0,67 и 0,33) для различных акций не отличаются, и данный процесс заставляет двигаться все коэффициенты бета к единице. Большинство служб использует аналогичные процедуры для корректировки коэффициентов бета в сторону единицы. Делая это, они прибегают к эмпирическим данным, свидетельствующим о том, что коэффициенты бета для большинства компаний обладают тенденцией со временем двигаться к среднему коэффициенту бета, равному единице. Это может быть объяснено тем фактом, что фирмы по мере своего роста становятся более диверсифицированными в своих продуктовой комбинации и клиентской базе. Хотя можно согласиться со стремлением коэффициента бета перемещаться к единице со временем, процесс взвешивания, используемый большинством служб, поражает своей произвольностью и относительной бесполезностью.

Выбор оценки для определения коэффициента бета. Возникает три вопроса, которые необходимо решить при проведении регрессионного анализа, описанного выше. Первый из них касается продолжительности периода оценки. Большинство оценок коэффициента бета, включая выводы Value Ьте и Standard & Poor’s, предполагают обращение к данным за пять лет, в то время как в оценках Bloomberg используются двухлетние данные. Компромисс прост: более длительный период обеспечивает больший объем данных, но характеристики специфического риска фирмы могли в течение этого периода измениться. Скажем, компания Boeing в течение рассматриваемого периода приобрела Rockwell и McDonnell Douglas, что изменило комбинацию бизнеса и базовые характеристики риска.

Второй вопрос относится к интервалу дохода. Данные о доходности акций доступны на недельной, дневной или даже внутридневной основе. Использование дневных или внутридневных доходов повышает количество наблюдений в регрессии, но подвергает процесс оценки коэффициента бета значительному воздействию необъективности, связанному с периодами отсутствия торговли[68]68
  Необъективность из-за отсутствия торговли возникает вследствие нулевой доходности в этот период (даже если в это время рынок может значительно двигаться вверх или вниз). Использование доходности неторговых интервалов в регрессии снижает корреляцию между доходностью акции, рынком и коэффициентом бета акции.


[Закрыть]. Например, коэффициенты бета малых фирм, которые с большей вероятностью страдают вследствие отсутствия торгов, как правило, будут иметь заниженные величины при использовании дневной доходности. Использование недельной или месячной доходности может значительно сократить необъективность вследствие отсутствия торговли[69]69
  Необъективность может быть, помимо всего прочего, сокращена с помощью статистических методов, предложенных Димсоном и Шоулзом-Уилльямсом (Dimson and Scholes-Williams).


[Закрыть]. В этом случае использование недельной доходности за два года дает оценку коэффициента бета для компании Boeing, равную всего лишь 0,88, в то время как оценка коэффициента бета в месячном масштабе оказывается равной 0,96.

Третья проблема, связанная с оценкой, относится к выбору рыночного индекса для использования в регрессионном анализе. Стандартная практика, применяемая большинством служб, которые занимаются оценкой коэффициента бета, заключается в оценке коэффициентов бета компании относительно рыночного индекса, в который входят ее акции. Таким образом, коэффициенты бета немецких акций оцениваются в сопоставлении с индексом Frankfurt DAX, акции Великобритании – с FTSE, японские акции – Nikkei, американские акции – NYSE Composite или S&P 500. Хотя данная практика может обеспечить оценку, оказывающуюся приемлемой мерой риска для местного инвестора, возможно, она не будет наилучшим подходом для зарубежного или работающего на международном рынке инвестора, которому лучше бы подошел коэффициент бета, оцененный в сопоставлении с международным индексом. Например, коэффициент бета компании Boeing за период 1996–2000 гг., оцененный по индексу Morgan Stanley Capital International, который составлен из акций с различных глобальных рынков, равен 0,82.

Поскольку разные службы используют неодинаковые периоды при проведении оценки, обращаются к различным рыночным индексам и по-разному корректируют регрессионный коэффициент бета, они часто дают отличающиеся оценки коэффициента бета для одной и той же фирмы в один и тот же момент времени. Эти различия в значениях коэффициента бета вызывают затруднения, поэтому стоит обратить внимание на то, что оценки, предоставляемые каждой из этих служб, характеризуются определенной стандартной ошибкой и, весьма вероятно, что все коэффициенты бета, назначенные для определенной фирмы, находятся в интервале стандартных ошибок, полученных в регрессионном анализе.

ИНДЕКСНЫЕ ДОМИНАНТЫ И ОЦЕНКА КОЭФФИЦИЕНТА БЕТА

В некоторых индексах доминируют одна или несколько акций. В качестве одного из наиболее поразительных примеров можно привести Хельсинкскую фондовую биржу (Helsinki Stock Exchange – HEX) конца 1990-х годов. Компания Nokia, телекоммуникационный гигант, представляла 75 % индекса Helsinki Index по рыночной стоимости. Неудивительно, что регрессия Nokia относительно HEX дала результаты, показанные на рисунке 8.3.

Регрессия выглядит безукоризненной. В действительности же, здесь просто исчезает проблема шума, замеченная нами при анализе компании Boeing, которая проистекает из высоких стандартных ошибок. Оценка коэффициента бета имеет стандартную ошибку, равную 0,03, однако эти результаты обманчивы. Низкая стандартная ошибка есть итог регрессии Nokia на саму себя, поскольку она доминирует в индексе. Коэффициент бета лишен смысла для типичного инвестора в Nokia, который, по всей вероятности, диверсифицирован, если не глобально, то по крайней мере в отношении европейских акций. Что еще хуже: коэффициенты бета всех финских акций относительно HEX становятся коэффициентами бета, оцененными по Nokia. В действительности, коэффициент бета любой другой финской акции в момент проведения этого регрессионного анализа был менее 1. «Как такое возможно, – спросите вы, – если средний коэффициент бета равен единице?» Этот взвешенный средний коэффициент бета равен единице, и если Nokia (составляющая три четверти индекса) обладает коэффициентом бета, превосходящим единицу (а это так и есть), то любая другая акция в индексе могла бы иметь коэффициент бета меньше единицы.

Оценка исторических коэффициентов бета для компаний на небольших (или формирующихся) рынках. Процесс оценки коэффициентов бета на рынках с небольшим количеством зарегистрированных акций не отличается от процесса, описанного выше. Однако выбор интервалов доходности, рыночного индекса и периода доходности может привести к значительно более серьезным различиям в оценках.

• Когда ликвидность ограничена, как это часто бывает для многих акций на формирующихся рынках, коэффициент бета, оцененный на коротких интервалах доходности, как правило, окажется очень предвзятой оценкой. В действительности, использование ежедневной или даже еженедельной доходности на этих рынках будет обычно показывать коэффициент бета, не отвечающий критериям эффективной меры истинного рыночного риска компании.

• На многих формирующихся рынках как анализируемые компании, так и сам по себе рынок существенно меняются на протяжении относительно коротких интервалов времени. Использование 5-летних доходов, как в случае с компанией Boeing, для регрессионного анализа может дать коэффициент бета для компании (и рынка), имеющий мало сходства с истинным текущим положением дел с акциями компании (и рынка).

• Наконец, в индексах, представляющих рыночную доходность на многих небольших рынках, как правило, доминирует несколько крупных компаний. Например, в индексе Bovespa (бразильский индекс) несколько лет доминировала компания Telebras, представлявшая почти половину индекса. Эта проблема касается не только формирующихся рынков. В германском фондовом индексе DAX одно время доминировали фирмы Allianz, Deutsche Bank, Siemens и Daimler. Когда в индексе доминируют одна или несколько компаний, коэффициенты бета, оцененные в сопоставлении с этим индексом, вряд ли покажут истинную меру рыночного риска. В действительности, коэффициенты бета, скорее всего, будут близки к единице для крупных компаний, доминирующих в индексе, и сильно отличаться для остальных компаний.

Оценка исторического коэффициента бета для частных фирм. Исторический поход к оценке коэффициента бета работает только для торгуемых активов, имеющих рыночные цены. Частные компании не имеют истории рыночных цен. Следовательно, для них мы не можем оценить регрессионный коэффициент бета с помощью регрессионного анализа. Тем не менее нам необходимо оценивать стоимость собственного капитала и стоимость капитала для этих компаний.

Можно заявить, что данная проблема возникает только при оценке частных компаний. Тем не менее вы столкнетесь с ней даже при оценке фирм, акции которых торгуются на открытом рынке. Например, рассмотрим следующие сценарии:

• Если необходимо оценить частную фирму для первичного размещения акций, то для выполнения оценки вам потребуется определение ставок дисконтирования.

• Даже после того, как акции фирмы появились на открытом рынке, по меньшей мере два года будет длиться период, когда данных для регрессии будет недостаточно.

• Если вам требуется оценить предназначенное для продажи отделение фирмы, акции которой обращаются на открытом рынке, в вашем распоряжении не будет исторических цен, на основе которых можно вывести регрессию.

• Наконец, если ваша фирма в недавнем прошлом претерпела значительную реструктуризацию (избавилась от активов или изменила структуру капитала), регрессионные коэффициенты бета становятся бессмысленными, поскольку компания самостоятельно изменила собственные характеристики риска.

Таким образом, во многих случаях регрессионные коэффициенты бета либо недоступны, либо бессмысленны.

Некоторые аналитики предполагают, что в этих сценариях оценка через дисконтирование денежных потоков невозможна. Вместо этого они применяют мультипликаторы. Другие делают предположения о ставках дисконтирования, пользуясь эмпирическими методами. Ни один из этих подходов не выглядит привлекательным. В последующем разделе будет предложен достаточно общий подход к оценке коэффициента бета, который применим ко всем компаниям подобного рода.

Ограничения регрессионных коэффициентов бета. Значительная часть материала, помещенного в этом разделе, представляет собой обвинительный акт для регрессионных коэффициентов бета. В случае с компанией Boeing самой большой проблемой была значительная стандартная ошибка коэффициента бета. В действительности, данная проблема не касается исключительно компании Boeing. На рисунке 8.7 представлено распределение стандартных ошибок для оценки коэффициента бета для американских компаний.

Относительно регрессии Nokia можно сказать, что здесь мы, по-видимому, решаем проблему стандартной ошибки, но при этом очень дорогой ценой. Низкая стандартная ошибка отражает господство в индексе одной из акций, что приводит к коэффициентам бета, которые, по всей вероятности, точны, но не дают ни малейшего представления о действительном риске.

Изменение рыночного индекса, периода доходности, а также интервала доходности не дает никакого облегчения. Если индекс становится более представительным, то стандартная ошибка для коэффициента бета повышается, отражая тот факт, что большая часть риска в акциях относится к конкретной фирме. Если коэффициент бета изменяется по мере изменения периода доходности или оцениваемого интервала, то это создает больше неопределенности об истинном значении коэффициента бета компании.

Короче говоря, регрессионные коэффициенты бета почти всегда будут слишком подвержены воздействию рыночного шума или слишком асимметричны под влиянием выбора методики оценки, позволяющей получить полезную меру риска инвестирования в акции компании. Стоимость привлечения собственного капитала является слишком важной входной величиной в модели дисконтирования денежных потоков, чтобы отдаваться на откуп статистической случайности.

Фундаментальные коэффициенты бета. Вторым способом оценки коэффициента бета является рассмотрение фундаментальных показателей бизнеса. Коэффициент бета фирмы можно оценить исходя из регрессии. Однако результат определяется решением фирмы о том, на какой вид деятельности направить свои усилия в будущем и в какой мере следует привлекать в этом виде деятельности операционный рычаг, а также степенью использования фирмой финансового рычага. В данном разделе рассматривается альтернативный путь оценки коэффициентов бета, когда мы в меньшей степени опираемся на исторические коэффициенты бета и в большей мере используем фундаментальные показатели фирм.

Детерминанты коэффициентов бета. Коэффициенты бета фирмы определяются следующими тремя переменными: 1) вид (или виды) деятельности фирмы; 2) уровень операционного рычага фирмы; 3) финансовый рычаг фирмы. Хотя мы будем использовать все эти детерминанты для нахождения коэффициентов бета в модели оценки финансовых активов, тот же самый анализ можно выполнить при вычислении коэффициента бета в модели арбитражной оценки и многофакторной модели.

Вид деятельности (бизнеса). Коэффициент бета измеряет риск фирмы в сопоставлении с рыночным индексом, поэтому чем чувствительнее данный вид деятельности к рыночным обстоятельствам, тем выше получаемый коэффициент бета. Таким образом, при прочих равных условиях циклические фирмы обычно имеют более высокий коэффициент бета, чем нециклические. Компании, занимающиеся жилищным строительством и производством автомобилей (два весьма чувствительных к экономическим обстоятельствам сектора экономики), должны обладать повышенными коэффициентами бета по сравнению с компаниями, занимающимися переработкой пищевых продуктов или табака, которые относительно нечувствительны к деловым циклам.

Данную точку зрения можно распространить и на продукцию компаний. Степень добровольности покупки продуктов потребителями влияет на коэффициент бета фирмы, производящей продукцию. Фирмы, продукция которых не относится к разряду обязательных покупок потребителей (т. е. они могут отсрочить или отложить покупку данной продукции), должны обладать более высокими коэффициентами бета, чем фирмы, продукция которых считается необходимой. Таким образом, коэффициент бета компании Procter & Gamble, производящей детские памперсы и продукцию повседневного потребления, должен быть ниже, чем коэффициент бета фирмы Gucci, выпускающей предметы роскоши.

Уровень операционного рычага. Уровень операционного рычага является функцией структуры издержек фирмы и обычно выражается соотношением между фиксированными и общими издержками. Предполагается, что фирма, имеющая высокие фиксированные издержки по сравнению с общими издержками, обладает высоким операционным рычагом. Фирма с высоким операционным рычагом также будет отличаться повышенным непостоянством операционного дохода по сравнению с фирмой, выпускающей аналогичную продукцию, но обладающей низким операционным рычагом.