Kiedy większa niepewność zwiększa wartość akcji?

Zazwyczaj uważa się, że wyższa niepewność na rynku obniża wartość rynkową akcji. Przyczyn tej obniżki dopatruje się we wzroście stopy dyskontowej oczekiwanych dywidend bądź przepływów pieniężnych. Tak jak zostało to pokazane w tym artykule model dyskontowy można powiązać z CAPM, zaś zgodnie z CAPM wyższe ryzyko systematyczne podnosi stopę dyskontową. Problem leży w tym, że niepewność to nie jest ryzyko systematyczne. Niepewność to nawet nie jest ryzyko. Ryzyko zazwyczaj utożsamiamy z odchyleniem standardowym stopy zwrotu. Ryzyko systematyczne akcji to ryzyko rynkowe, czyli jest to stosunek odchylenia standardowego stopy zwrotu z akcji do odchylenia standardowego stopy zwrotu z indeksu giełdowego razy współczynnik korelacji liniowej pomiędzy tą akcją a indeksem giełdowym. Jeśli odchylenie standardowe rośnie, to rośnie ryzyko systematyczne pod warunkiem, że korelacja z rynkiem się nie zmienia.

Z kolei niepewność to termin dość mglisty, bo niedookreślony. Zazwyczaj łączy się go z nieznanym rozkładem prawdopodobieństwa stopy zwrotu lub wskaźników finansowych. W tym miejscu powstaje wiele nieporozumień, bo trzeba dokładnie zdefiniować co rozumiemy przez niepewność, które dla inwestorów stało się słowem-wytrychem. Jeśli mówimy o niepewności stopy zwrotu, to musimy określić czy nieznana jest oczekiwana stopa stopa zwrotu czy nieznane jest ryzyko (odchylenie standardowe). Jednakże niepewność może też dotyczyć strony czysto fundamentalnej, jak np. rentowności kapitału własnego, tj. ROE. Wtedy musimy określić czy nieznane jest średnie ROE czy zmienność ROE.

Możemy więc wyróżnić 4 podstawowe przypadki wpływu parametrów na wartość akcji:
- od strony stopy zwrotu (przy innych czynnikach niezmienionych):
1. wzrost (spadek) oczekiwanej stopy zwrotu (stopy dyskontowej) -> spadek (wzrost) wartości akcji
2. wzrost (spadek) odchylenia standardowego (ryzyka) -> spadek (wzrost) wartości akcji

 - od strony ROE (przy innych czynnikach niezmienionych):
3. wzrost (spadek) oczekiwanego ROE -> wzrost (spadek) wartości akcji
4. wzrost (spadek) odchylenia standardowego ROE -> ???

Z tego wynika, że tylko wzrost lub spadek zmienności ROE ma niejasny wpływ na wartość akcji. Intuicyjnie może się wydawać, że wzrost zmienności ROE oznacza to samo co wzrost ryzyka stopy zwrotu, czyli spadek wartości akcji (przy ceteris paribus). Tyle że na intuicji nie zawsze można polegać.

L. Pastor i P. Veronesi w [1] wskazują, że dopóki zmienność ROE wynika z niesystematycznych, czyli nierynkowych przesłanek, wzrost (spadek) tej zmienności przynosi wzrost (spadek) wartości akcji. Wiadomo bowiem, że ROE składa się z dwóch części: systematycznej (czyli samej oczekiwanej stopy zwrotu) i niesystematycznej (czyli specyficznej dla danej spółki). Jeśli część niesystematyczna jest większa (mniejsza) od 0, to wartość akcji (P) jest większa (mniejsza) od wartości kapitału własnego na akcję (BV). Część niesystematyczna może składać się z premii za zmienność innowacyjnych przedsięwzięć. Nie chodzi tu tylko o premię za ryzyko niepowodzeń takich inwestycji, lecz także o fakt, że innowacje niosą ryzyko chwiejności wzrostu zysku - niektóre innowacje mogą przynosić większe, a inne mniejsze zyski. W każdym razie specyfika innowacji jest zupełnie niezależna od zachowania rynku jako całości. Oznacza to, że gdy rośnie ryzyko samych innowacji, stopa dyskontowa nie zmienia się.

Załóżmy, że spółka A zainwestowała w innowacje i generuje z niej zyski, a więc część niesystematyczna ROE jest większa od 0, co implikuje P(0) > BV(0). (Ponadto do okresu 0 do T spółka nie wypłaca dywidend). Jednakże w pewnym okresie T część niesystematyczna spada do 0, czyli spółka nie jest już w stanie generować innowacji, "premia za ryzyko innowacji" spada do 0, a więc P(T) = BV(T). Uzasadnić to można w ten sposób, że konkurencja rozwija własne pomysły, eliminując tym samym zyski nadzwyczajne firmy A. Od okresu 0 do T, BV(t) rośnie w pewnym stałym tempie g. Wartość g można potraktować jako wartość oczekiwaną stopy wzrostu, gdyż w rzeczywistości stopa wzrostu podlega różnym wahaniom, czyli jest zmienną losową. W okresie T BV(T) wynosi:

Ponieważ wzrost BV(t) jest średnio stały w czasie, nic nie stoi na przeszkodzie, by potraktować go jako proces ciągły w czasie. Najpierw każdy okres t podzielimy na n podokresów i każdy podokres będzie kapitalizowany. Stopę procentową g podzielimy także na n, po to aby otrzymać tempo wzrostu w danym podokresie. (Będzie to prawidłowe pod warunkiem, że g będzie logarytmiczną stopą wzrostu - to z kolei nie jest niczym nadzwyczajnym, gdyż pojęcie stóp procentowych jakie znamy odnosi się właśnie do logarytmicznych a nie arytmetycznych stóp wzrostu w celu umożliwienia szybkiego obliczania kapitalizacji półrocznej, kwartalnej, miesięcznej itd):

Jeśli liczba podokresów n dąży do nieskończoności:

to możemy skorzystać ze znanego wzoru:

I w ten sposób przechodzimy z kapitalizacji nieciągłej na ciągłą:

Choć g potraktowaliśmy jako wartość oczekiwaną tempa wzrostu, to w rzeczywistości wartość ta nie jest znana, czyli również jest zmienną losową. Od okresu 0 do T została "wylosowana" pewna wartość g. Możemy w uproszczeniu uznać g za zmienną o rozkładzie normalnym z wartością oczekiwaną G i wariancją σ^2. Czyli BV(T) staje się wartością oczekiwaną:

Ale jeśli g ma rozkład normalny, to exp(g) ma rozkład logarytmiczno-normalny . Z kolei wartość oczekiwana zmiennej o rozkładzie logarytmiczno-normalnym jest dana wzorem [2],[3]:

Czyli dostaniemy:

Zauważmy teraz, że jeśli zdyskontujemy wartość BV(T) T okresów za pomocą stopy dyskontowej r, to uzyskamy P(0). Wykorzystując analogiczne przekształcenia przejścia od kapitalizacji nieciągłej do ciągłej dla stopy dyskontowej, uzyskujemy wzór na wartość akcji P(0):

Możemy również przedstawić wskaźnik P/BV w następującej postaci:

Zwróćmy uwagę, że gdy wzrasta odchylenie standardowe g, to wzrasta P/BV. Co ciekawe, wtedy BV nie zmienia się. Ponieważ g stanowi nie tyle wartość oczekiwaną co zmienną losową (wartości oczekiwanej) tempa wzrostu o pewnych parametrach, to mówiąc o odchyleniu standardowym g jesteśmy już blisko tego co nazywamy właśnie "niepewnością". A więc możemy powiedzieć, że gdy rośnie niepewność zysków nadzwyczajnych (nadwyżkowych monopolistycznych), wzrasta wartość fundamentalna akcji, a wartość księgowa nie zmienia się.

Aby zrozumieć jaki mechanizm tutaj działa, zilustrujemy go następującym przykładem podanym przez Pastora i Veronesiego. Załóżmy, że firmy A i B różnią się tylko przyszłym tempem wzrostu ich wartości księgowej, której bieżąca wartość wynosi 1 mln zł. Gdy A zamierza wzrastać 10% na rok z prawdopodobieństwem 1, B wzrasta albo w tempie 5%, albo 15% na rok z równym prawdopodobieństwem. I tak w ciągu 10 lat 1 mln zł kumuluje się do 4,05 mln zł przy 15%, do 2,59 mln zł przy 10% i do 1,63 mln zł przy 5%. Wtedy firma B ma wyższą oczekiwaną przyszłą wartość księgową niż A, bo (4,05 + 1,63) / 2 = 2,84 > 2,59.

Należy tu ciągle pamiętać, że stopa dyskontowa r wyrażająca premię za ryzyko systematyczne pozostaje stała, bo zyski monopolistyczne-nadwyżkowe nie korelują z zyskami konkurencji rynkowej. Należy zauważyć, że g to nie jest nadwyżkowa stopa wzrostu, lecz całkowita. To oznacza, że niepewność σ^2 zawiera częściowo zarówno ryzyko systematyczne jak i niesystematyczne. Należy więc tutaj rozróżnić dwie sytuacje.
 Po pierwsze może wzrosnąć (spaść) tylko ryzyko systematyczne. Wpływ tego zdarzenia na P/BV wymaga oddzielnego komentarza i zastanowienia. Po drugie może wzrosnąć tylko ryzyko niesystematyczne (specyficzne). Ten przypadek został powyżej dokładnie omówiony.

Jak pamiętamy g ściśle wiąże się z ROE. Ponieważ g oznacza dokładnie stopę wzrostu wartości księgowej, a nie zysku, to znaczy, że g = k*ROE, gdzie
k - część zysku netto z okresu bieżącego zwiększająca kapitał własny z okresu poprzedniego..

Przypomnijmy może skąd ten wzór wynika:

BV(t) = BV(t-1) + k*ZYSK(t) =  BV(t-1)*(1+k*ZYSK(t) / BV(t-1)) = BV(t-1)*(1 + k*ROE) = BV(t-1)*(1 + g) => g = k*ROE.

Zmienność g będzie ściśle związana ze zmiennością ROE. Ale ponieważ g charakteryzuje się też niepewnością, to i ROE charakteryzuje się niepewnością. Ogólnie stwierdzamy, że zmienność czy niepewność o średniej ROE zwiększa P/BV.
Jednak błędem jest twierdzenie, że większa zmienność ROE zwiększa P/BV. Wcześniej zostało wskazane, że nie może to być ryzyko systematyczne. Dopiero wzrost ryzyka niesystematycznego wpłynie dodatnio. Zmiany średniej ROE mamy z kolei prawo uznać jako nieskorelowane z ryzykiem systematycznym.

Powyższa analiza stanowi jedynie wstęp do rozbudowanego modelu Pastora i Veronesiego, którzy dalej wprowadzają model, w którym rynek uczy się, czego należy się spodziewać po spółce. Z pomocą przychodzi wtedy warunkowa zmienna losowa, której parametry są zależne od przeszłych wartości. Prowadzi to do wniosku, że największa warunkowa niepewność (średniego) ROE występuje w początkowych fazach życia firmy, co prowadzi do wyższego P/BV w tym okresie (a więc w późniejszej fazie życia P/BV staje się niższy). Ponadto Autorzy rozróżniają sytuacje, gdy spółka wypłaca i nie wypłaca dywidend. Model zgodnie z intuicją wskazuje, że większa niepewność występuje w przypadku firm niepłacących dywidend, a więc te powinny mieć wyższe P/BV. Autorzy stawiają też sugestię, że duże wartości P/BV wielu spółek z giełdy w USA pod koniec lat 90-tych mogły wynikać z tej większej niepewności, zamiast braku racjonalności rynku.
Przykładowo poniższy wykres obrazuje modelową zależność pomiędzy niepewnością o średniej ROE (oś pozioma) a wskaźnikiem P/BV (oś pionowa):

Literka c oznacza część wartości księgowej (BV), którą spółka wypłaca akcjonariuszom w postaci dywidendy. Widać, że im mniejsza dywidenda, tym większe P/BV.

W końcu również empirycznie dowodzą oni swoich tez, wykorzystując regresję liniową. Do badania użyli rocznych danych od 1962 do 2000 r. z CRSP/Compustat database. Zbudowana regresja w dużym stopniu potwierdziła przewidywania modelu teoretycznego.


Literatura:
[1] Pastor, L., and P. Veronesi. "Stock Valuation and Learning about Profitability." Journal of Finance, 58 (2003), 1749-1789;
[2] http://en.wikipedia.org/wiki/Log-normal_distribution;
[3] Ossowski, J. C., "Rozkład logarytmiczno-normalny a względne i absolutne miary rozproszenia", Toruń 2003.

Czy model Millera działa? Część 2

W ekonomii, jak we wszystkich naukach ścisłych, należy uważać na każde słowo, a jeszcze bardziej na wypowiadane sądy. Nieuwzględnienie pewnych czynników, np. ukrytych założeń, prowadzi często do błędnego wnioskowania. Błędy mogą być dwojakiego rodzaju. Pierwszy błąd powstaje gdy dana teoria czegoś istotnego nie uwzględnia, a drugi błąd, gdy metody badawcze czegoś istotnego nie uwzględniają. Pierwszy błąd łatwo wykryć pod warunkiem, że nie występuje drugi błąd, gdyż wtedy teoria nie zgadza się z doświadczeniem. Gorzej jeśli drugi błąd nie został wykryty, bo wtedy teoria/teza może się wydawać prawdziwa, podczas gdy w rzeczywistości jest fałszywa. Tak więc weryfikacja teorii powinna zawsze zaczynać się od weryfikacji samych metod badawczych.

Weryfikacja modelu Millera stanowi właśnie przykład, gdzie mogą pojawić się błędy obydwu rodzajów. W pierwszej części artykułu poświęconemu weryfikacji teorii Millera, przedstawiłem wyniki badań Diether, Malloy i Scherbiny [1] (DMS), które potwierdziły ją empirycznie. Sytuacja jednak okazuje się dużo bardziej skomplikowana niż to na pierwszy rzut oka wygląda. Przypomnijmy, że teoria Millera przewiduje, że wyższa rozbieżność opinii na temat wartości akcji generuje wyższą wartość akcji, a co za tym idzie mniejsze oczekiwane stopy zwrotu w przyszłości. Ponieważ wartość akcji ściśle zależy od oczekiwanych zysków netto spółki, pośrednikiem rozbieżności opinii o wartości akcji może być rozbieżność opinii o oczekiwanych zyskach netto. Za pośredników inwestorów szacujących te zyski możemy uznać analityków giełdowych. Wydaje się prawidłowe, że rozbieżność taką można obliczyć jako odchylenie standardowe prognoz zysków (szacowanych przez analityków).

Jednak diabeł tkwi jak zawsze w szczegółach. Wahania wyników finansowych zależą w głównej mierze od branży w jakiej spółka funkcjonuje. Np. spółki farmaceutyczne będą niewątpliwie "bezpieczniejsze" od spółek, których wyniki zależą w dużym stopniu od cen surowców. Oznacza to, że sama natura spółek o mniejszym zakresie wahań wyników spowoduje, że oczekiwania wyników będą mniej "rozbieżne" (rozstrzelone). Ten fakt został pominięty przez DMS, na co zwracają uwagę Doukas, Kim i Pantzalis [2] (DKP).

Autorzy podają najpierw teoretyczne uzasadnienie tego błędu wprowadzone przez Barrona, Kima, Lima i Stevensa [3], którzy pokazują, że dyspersja (wariancja) prognoz może być wyrażona w postaci D = V(1-p), gdzie V to niepewność prognozy, a 1-p to rozbieżność opinii analityków, natomiast p to konsensus (stopień zbieżności opinii analityków), który stanowi współczynnik korelacji błędów prognozy wśród analityków. Należy zwrócić uwagę, że wzór został odpowiednio wyprowadzony.

Widzimy więc, że dyspersja prognoz analityków została rozbita na dwie części: zwyczajne ryzyko oraz stopień braku konsensusu prognozy. Jeśli dana branża będzie bardziej ryzykowna, będzie rosło V. Jeśli analitycy będą mniej zgodni w swoich przewidywaniach, wzrośnie 1-p. Jeśli wszyscy będą zgodni w 100%, czyli p = 1, to D = 0, a więc nie będzie istnieć zróżnicowanie prognoz. Jeśli analitycy będą mieć różne nieskorelowane zdania, to p = 0, a stąd D = V, a więc zróżnicowanie prognoz będzie równe zwykłej niepewności prognozy związanej ze zmiennością wyników danej spółki. Jeśli analitycy będą mieć ekstremalnie różne zdania, to p = -1, a stąd D = 2V, tj. zróżnicowanie prognoz podwaja się w stosunku do zwykłej niepewności. DMS posługiwali się całkowitą dyspersją D jako pośrednikiem rozbieżności opinii o wartości akcji, a więc można powiedzieć, że zakładali stałość V. Jednak V zmienia się w zależności od specyfiki branży czy samej spółki, zatem D raczej słabo odzwierciedla faktyczną rozbieżność opinii. DKP stwierdzają, że do testu modelu Millera należy użyć 1-p, gdyż jest to faktyczna miara rozbieżności prognoz zysku.

DKP pobierali, podobnie jak DMS, dane z Institutional Brokers Estimate System. Zakres badania zawiera się w podobnym przedziale co DMS, bo od lipca 1983 do grudnia 2001. Najpierw powtórzono metodę zastosowaną przez DMS. Tak więc dyspersja prognoz analityków została obliczona jako wyskalowane odchylenie standardowe prognoz zysków (tzn. odchylenie standardowe prognoz rocznego zysku podzielone przez moduł średniej prognozy). Następnie podzielono te dyspersje na 5 grup, według wielkości dyspersji: od najmniejszej do największej (kwintyle). Podobnie zostały uszeregowane akcje według wielkości kapitalizacji, dzięki czemu można ocenić wpływ dyspersji na stopy zwrotu dla różnych wielkości spółek. Wyniki zostały zaprezentowane w tabeli poniżej - średnie miesięczne stopy zwrotu w zależności od wielkości spółki (SIZE) oraz dyspersji prognoz zysków (D).

***, **, * oznacza odpowiednio istotność statystyczną na poziomie 1%, 5% i 10%.

Wyniki są zbieżne z otrzymanymi przez DMS. Po pierwsze większa dyspersja prognoz wiąże się z mniejszą stopą zwrotu, dla każdej grupy spółek. Jest to wynik nawet bardziej poprawny z punktu widzenia modelu Millera niż w badaniu DMS. Następnie przeprowadzono ten sam test, ale tym razem sprawdzono zachowanie stóp zwrotu w zależności od (1-p). Otrzymano następujące wyniki:

Rezultaty zmieniają się o 180 stopni. Większej rozbieżności prognoz towarzyszy istotnie większa średnia stopa stopa zwrotu, dla każdej grupy spółek. Wynika z tego, że cały efekt spadku stopy zwrotu wraz ze wzrostem dyspersji wynika z niepewności prognozy V, który kompensuje dodatni wpływ rozbieżności. Zatem większa niepewność prognozy prowadzi do spadku średniej stopy zwrotu, a większa rozbieżność opinii do wzrostu stopy zwrotu.

Rodzą się więc nowe pytania. Dlaczego rozbieżność opinii prowadzi do wzrostu stopy zwrotu? DKP stawiają hipotezę, że rozbieżność opinii stanowi jeden z czynników ryzyka systematycznego (rynkowego), a wyższe ryzyko systematyczne implikuje wyższą oczekiwaną stopę zwrotu. Swoją hipotezę weryfikują budując wieloczynnikowy model wyceny aktywów (rozbudowany model Famy-Frencha), będący modyfikacją CAPM. Hipoteza zdaje test, gdyż rozbieżność opinii okazuje się być istotnym czynnikiem w modelu, a więc prawdopodobnie stanowi czynnik ryzyka dla inwestora.

Kolejne pytanie jakie się nasuwa to: dlaczego wzrost niepewności prognozy prowadzi do spadku stopy zwrotu (wzrostu wartości akcji) i czy nie jest to anomalia sprzeczna z teorią efektywności rynku i CAPM? Na pierwszy rzut oka wydaje się to być faktycznie sprzeczne, gdyż niepewność to po prostu ryzyko, a przecież ryzyko w teorii portfela, CAPM i jego modyfikacji zawsze stanowi koszt inwestora, który w zamian wymaga wyższej stopy zwrotu. Ale samo ryzyko jest pojęciem względnym. W teorii portfela większa wariancja akcji nie implikuje wyższej stopy zwrotu. Dopiero wariancja portfela efektywnego implikuje wyższą oczekiwaną stopę zwrotu. Mówiąc ściślej tylko ryzyko systematyczne (rynkowe) kreuje wyższą oczekiwaną stopę zwrotu, ponieważ jest niedywersyfikowalne. Z kolei ryzyko specyficzne, czyli właśnie wariancja dowolnej akcji jest ryzykiem dywersyfikowalnym, a przez to nie generuje automatycznie oczekiwanej stopy zwrotu.

Jednak taka odpowiedź byłaby nieprzekonująca. W końcu rezultaty statystyczne wskazują na istotną ujemną korelację pomiędzy stopą zwrotu a niepewnością prognozy, a klasyczne teorie tego nie tłumaczą. DKP odpowiadają na to pytanie nawiązując do stosunkowo nowego artykułu Pastora i Veronesi'ego [4], którzy z kolei dowodzą, że na efektywnym rynku zwiększona niepewność prognozy zysku podnosi paradoksalnie wartość akcji (dokładniej zwiększa wskaźnik cena/wartość księgowa), a tym samym - zdaniem DKP - zmniejsza stopę zwrotu. (To czy DKP mają rację, należy omówić oddzielnie). DKP argumentują, że stanowisko DMS było błędne, bo ich badanie nie potwierdziło teorii Millera. Wszystkie wyniki statystyczne można ciągle wyjaśnić na gruncie teorii efektywnego rynku. Zdaje się, że model Millera trzeba odrzucić, bo wyższa wartość rynkowa akcji nie wynika z większej rozbieżności opinii o wartości wewnętrznej, lecz z większej niepewności prognozy - ale to jak niepewność może zwiększyć wartość akcji stanowi oddzielny temat.


Dodatek:

p i V zostały obliczone następująco:

gdzie

h jest to precyzja zwykłej, wspólnej informacji, s jest to precyzja prywatnej informacji (opinii)

gdzie
y - faktyczny prognozowany zysk (EPS),
u(i) - prognoza i-tego analityka
u - średnia prognoz wszystkich analityków
N - liczba analityków (prognoz).


Literatura:

[1] Diether, K, B; C, J, Malloy; A, Scherbina; "Differences of Opinion and the Cross Section of Stock Returns", 2002
[2] Doukas, J.A., Kim C., Pantzalis C., "Divergence of Opinion and Equity Returns", 2006
[3] Barron, O, E,; O, Kim; S, C, Lim; and D, E, Stevens, "Using Analysts' Forecasts to Measure Properties of Analysts' Information Environment," Accounting Review, 73 (1998), 421-433,
[4] Pastor, L., and P. Veronesi. "Stock Valuation and Learning about Profitability." Journal of Finance, 58 (2003), 1749-1789.