Первое на 2021 год обновление данных: Оглядываемся на незабываемый 2020 год

Перевод поста из блога Асвата Дамодарана (подробнее)

Первую неделю 2021 года я провел так же, как и первые недели всех предыдущих лет, начиная с 1995 года. В частности, собирал данные о публично торгуемых компаниях и анализировал динамику их деятельности с учетом факторов предыдущего года. Внимание уделялось операционной и рыночной стоимости. Я предполагал, что этот год будет более сложным по сравнению с большинством прежних по двум моментам. Во-первых, спад мировой экономики, вызванный коронавирусной пандемией, существенно повлиял на развитие деятельности компаний из различных секторов и стран. Во-вторых, с середины 2020 года фондовые рынки и отдельные сектора экономики перемещались в противоположных направлениях друг от друга: первые — проявляли рост согласно прогнозам постковидного будущего, вторые — сбавили темпы на фоне массовых ограничений в мире.

В этой статье я даю подробное объяснение пользы ежегодного анализа данных, предоставляю географическое и отраслевое описание компаний из состава участников моего анализа, а также рассказываю об оцениваемых переменных и финансовой отчетности. В качестве бонуса вас ожидает небольшое предостережение относительно результатов, выведенных за 2020 год.

Содержание

Данные с точки зрения прагматика

Нам довелось жить в цифровую эпоху. Большинство инвесторов, аналитиков и предприятий согласились с концепцией о том, что масштабные данные финансовых отчетов способны ответить на любые вопросы, а сбор данных однозначно принесет положительные результаты. Я же скептик и, по моему мнению, для заработка денег с использованием данных о состоянии эмитента, сектора и рынка в целом необходимо соблюдать два условия:

  1. То что есть у всех равнозначно тому, что этого нет ни у кого. Если доступ к ресурсу влияния имеется не только у вас, то заработать с его помощью практически невозможно. Применение этого утверждения к данным позволяет сделать вывод, что доступная исключительно ее владельцу информация обладает наибольшей ценностью. Пропорционально отдалению от уникальности теряется и ценность данных.
  2. Данные обязаны содержать эквивалент. Ценность информации проявляется лишь в том случае, если она подлежит преобразованию в товар / услугу или их улучшение. За счет этого доход и денежные потоки предприятия увеличиваются. Данные, доступные ограниченным числу лиц, но без возможности монетизации в товары / услуги представляют меньшую ценность.

Все данные, используемые мной в процессе анализа, размещены в свободном доступе. Несмотря на то что я пользуюсь дорогими базами хранения информации из ряда Bloomberg и S&P, конкуренцию в их изучении мне составляют десятки тысяч инвесторов с аналогичными возможностями. То есть, в этом случае у меня отсутствует исключительность. В соответствии с собственной концепцией я не ожидаю большого заработка от инвестиций со стратегией построения прогнозов на этих цифрах. Вероятно, вы задаетесь вопросом «Зачем анализировать данные, неспособные принести большого дохода»? Я выделяю четыре цели.

1. Думайте перспективно

Одна из сложностей в жизни бизнесмена или инвестора – это умение видеть и поддерживать в себе видение перспективы, то есть целостной картины, состоящей из крупных, средних и мелких фрагментов. Представим, к примеру, инвестора, который ищет и выбирает акции на основе коэффициента Р/B (соотношение рыночной капитализации компании и балансовой стоимости ее активов) и обнаруживает акции, торгующиеся с коэффициентом 1.5. Чтобы сделать вывод о том, дешево это или дорого, ему нужно иметь представление о соотношении Р/B компаний, работающих в этом же секторе и, возможно, на рынке, на котором торгуются эти акции.

2. Не зацикливайтесь

Инвесторы – это люди привычки, обитающие на привычных им рынках, точнее – в излюбленных внутрирыночных секторах. Еще больше зациклены аналитики, занимающиеся исследованиями рынка ценных бумаг – те вообще сосредоточены на нескольких компаниях в назначенных им отраслях.

И что в итоге? Уделяя слишком много внимания небольшой группе компаний, вы рискуете развить у себя туннельное зрение (патология, при которой полностью или частично теряется периферический обзор) – особенно, если речь идет о компаниях со схожими характеристиками.

Так аналитик, который отслеживает молодые компании из области высоких технологий, может решить, что заплатить в десять раз больше за 1 доллар выручки – это хороший бизнес, если все остальные компании из его списка торгуются в разы дороже (речь идет о коэффициенте P/S – рыночная капитализация/выручка за определенный период). Вы только выиграете, если на время оставите свою делянку и посмотрите, как оцениваются акции в разных отраслях и на разных рынках.

3. Имейте перед собой баланс компании

Я знаю, что каждый имеет право на собственное мнение, но при этом никто не имеет права выдавать его за факт. Я устал от рыночных экспертов и аналитиков, которые, чтобы продвинуть тот или иной тезис или повестку, делают утверждения, часто основанные на неподтвержденной информации и единичных примерах.

Используют ли американские компании больше заемных средств, чем десять лет назад? Платят ли они меньше налогов, чем компании в других странах? Являются ли компании, которые выкупают акции, более уязвимыми в финансовом плане, чем те, которые этого не делают?

Это вопросы, к которым нужно подходить не с эмоциями или мнениями, а с проверенной информацией на руках. (Знаю, вам бы хотелось получить на них ответы сейчас, но следите за остальными моими обновлениями - данные будут говорить сами за себя).

4. Бросьте вызов общепринятым правилам

Инвестирование – это еще и практические представления о том, когда и как инвестировать: начиная от использования традиционных коэффициентов P/E (соотношение рыночной стоимости акции к годовой прибыли) или CAPE (циклически скорректированный коэффициент Р/Е) для определения переоцененности рынков до упрощенных методик торговли отдельными акциями - например, покупка по цене ниже балансовой стоимости или торговля при коэффициенте PEG (цена-прибыль-рост) меньше единицы.

Очень вероятно, что эти правила возникли на основе реальных данных и наблюдений, но только в другое время. По мере развития рынков и компаний многие из этих правил больше не работают, но инвесторы продолжают их использовать.

Чтобы проиллюстрировать это, рассмотрим практику оценки, когда аналитиков учат добавлять к ставкам дисконтирования для небольших компаний небольшую «премию за риск» - исходя из интуитивного предположения о том, что малые фирмы рискованнее крупных.

Эффект этой премии был открыт в начале 1980-х годов, когда исследователи, основываясь на данных с 1926 по 1980 годы, обнаружили, что доходность акций компаний с малой капитализацией в США значительно выше, чем у акций корпораций с большой капитализацией.

В последующие десятилетия премия за малую капитализацию утратила смысл в плане последующей доходности, однако инерция и лень сохранили практику ее применения.

В заключение я также отказываюсь от суждения относительно объективности данных и отсутствия предвзятости у людей, использующих статистические цифры. Человек с собственным мнением по поводу определенной ситуации склонен искажать результат в сторону его предпочтений. В качестве примера возьмем обновленные мной средние отраслевые показатели налогов, перечисленных компаниями США в 2021 году.

На основе публикаций данных за прошлые года я предполагаю, что цифры будут использоваться журналистами, экономистами и некоторыми политиками. Информацию подадут под разными заголовками, а размер налоговой ставки будет искажен согласно предубеждениям каждого из них. Если вы увидите мои данные в новостных колонках СМИ, я рекомендую обратиться к первоисточнику и составить собственное мнение относительно полученных цифр.

Пример

По разумным причинам рынки выстраивают деятельность на основе работы совокупности компаний. Более крупные, в основном по показателю рыночной стоимости, привлекают больше внимания по сравнению с небольшими компаниями. Логичность заключается в том, что изменение стоимости первых затронет больше участников рыночных отношений, в том числе инвесторов. Кроме того, публично торгуемые организации вызывают больше интереса вложения денег, чем частные фирмы. Дело даже не в масштабе бизнеса, а в готовности его руководства раскрыть историческую и финансовую информацию об этапах развития деятельности. При инвестировании это снижает риск неудачного вложения капитала.

Возможно и несправедливо, но компании на развитых и ликвидных рынках находятся в центре внимания больше, чем их коллеги на развивающихся рынках. В этом случае срабатывает повышенное доверие инвесторов к первым площадкам по сравнению со вторыми. Вместе с тем, акцент лишь на крупных компаниях формирует предвзятое отношение, искажающее выборку, а также оценку рыночных и операционных показателей. Для избежания подобного видения я решил изучить все публично торгуемые компании на 1 января 2021 года, собрав 46 579 компании из 136 стран.

Все публично торгуемые компании по странам

Состав эмитентов разнообразен и примерно ½ его объема сосредоточена на развивающихся рынках. США на начало 2021 года обеспечивает до 40 % капитализации мирового рынка.

Классификация глобальных компаний по секторам S&P:

Классификация глобальных компаний по секторам S&P

Неудивительно, особенно с учетом результатов последнего года, что технологический сектор является крупнейшим с точки зрения рыночной капитализации. Примечательно, что некоторые компании из состава анализа данных присутствуют на рынке десятилетиями. Одновременно с этим, значительную долю заняли и молодые фирмы, многие из которых работают на развивающихся рынках и в новых отраслях.

Возраст компаний с момента их основания

Несмотря на сложности 2020 года число компаний на мировом рынке увеличилось с 44 394 (на начало 2020 года) до 46 579 (на конец 2020 года). В процентном выражении это на 4,9 % больше показателя предыдущего года. Причина роста состоит том, что новых компаний появилось больше, чем потерпевших банкротство.

Слабое место моей выборки — отсутствие в ней частных компаний. В соответствии с политикой одних стран, организации не обязаны публично раскрывать исторические и финансовые данные развития бизнеса. В других государствах доступность информации о частных компаниях ограничена частично, а данные о рыночных ценах отсутствуют. Кроме этого, в мире распространена практика ведения бухгалтерии по гибким стандартам. Данные компаний с этим форматом учета сложно сравнивать с отчетностью фирм, ведущих иную бухгалтерию.

Все выводы о прибыльности, выручке и других параметрах бизнеса формируются мною на основе информации о публично торгуемых компаниях. Экстраполировать полученные цифры на частные предприятия, особенно на фоне продолжающейся пандемии, неразумно и рискованно искажением результатов.

Данные

Повышенная общедоступность данных создает проблемы для оценки и построения стратегий инвестирования. Излишки информации усложняют сбор и анализ, вызывая потребность в затрате большого количества времени на обработку материала. В этом разделе я представляю данные, используемые мною для оценки, а также объясняю правила их консолидации в более удобную для использования групповую статистику.

Общие данные

Поиск крупных и малых компаний из разных стран, характеризуется определенными преимуществами. Но наряду с ними, существуют и сложности, которые чаще проявляются при формировании широкой выборки. Я приложил много усилий для исключения перегрузки анализа лишними параметрами и постарался сохранить наибольшую открытость информации. Представляю основные критерии.

Валюта

Одна из проблем анализа масштабной выборкой состоит в работе с бухгалтерскими и рыночными данными, выраженными в разных валютах. Невозможность их агрегирования или усреднения заставляет применять другие методы. Я использую два подхода:

  1. Рыночная капитализация, кредитная нагрузка, выручка и другие показатели, суммируемые мною, конвертируются в американскую валюту — доллары. Это обеспечивает полную согласованность учета.
  2. Большинство цифр, которые я сообщаю, будут отношениями (чего-то к чему-то), в которых валюта больше не являются проблемой. Например, P/E для турецкой компании, у которой рыночная капитализация и прибыль выражены в турецких лирах, мы можем сравнить с коэффициентом P/E для американской компании с рыночной капитализацией и прибылью в долларах США. Да, верно, что турецкая компания столкнется с большим риском из-за своего местоположения, но это другой вопрос, связанный с валютой.

Полнота данных

В зависимости от страны расположения компании, требования относительно раскрытия ее финансовой отчетности отличаются. Некоторые элементы данных доступны для одних компаний или некоторых рынков, а не для других.

Вместо того, чтобы удалять все компании с недостающими данными, что привело бы к исключению большей части моей выборки, я сохраняю фирмы в выборке и помечаю переменную/метрику, на которую влияет отсутствующий элемент, как «NA».

Например, я всегда вычислял приведенную стоимость обязательств по аренде в будущие годы и рассматривал это значение как долг - практика, которую IFRS (МСФО) и GAAP (ОПБУ) применили в 2019 году. Однако такой расчет требует явного раскрытия информации об обязательствах по аренде в будущем. Это стандартная практика в США, но не на развивающихся рынках. Чтобы не проводить вычисления для всех компаний или не удалять все компании с отсутствующими обязательствами по аренде, я вычисляю задолженность по аренде для тех компаний, которые сообщают об обязательствах, и отмечаю нулем для тех компаний, которые этого не делают. Это несовершенное решение, но наиболее разумное из всех возможных вариантов.

Различия учета

Кроме полноты раскрытия информации, препятствие для анализа данных создают и другие особенности учета. В зависимости от рынка отличаются нормы:

  • признания выручки;
  • списания затрат;
  • отражения амортизации и других статей бухгалтерского учета.

Я прорабатываю общедоступные данные с осознанием того, что чистая прибыль японского предприятия определяется иначе, нежели прибыль индийской компании. Учитывается и вероятность искажения результатов. Меня, безусловно радует, что за последние 40 лет стандарты бухгалтерского учета по всему миру приблизились друг к другу. Сейчас у них намного больше общего, что упрощает работу над анализом данных.

Надежность источников и их недостатки

Я получаю свои необработанные данные от S&P, Bloomberg и других источников, и я благодарен им за то, что могу это сделать, потому что я никогда бы не мог вручную собирать и вводить данные по более чем 40 000 компаний. Эта информация, в свою очередь, поступает из компьютеризированных баз данных с разных рынков, где собираются публичные заявки, и кстати на каждом этапе этого процесса существует вероятность ошибок. Я провожу несколько простых проверок ошибок, чтобы исключить очевидные ошибки, но я уверен, что есть и другие, которые не смог обнаружить. По моему мнению, если ошибка незначительная, то при анализе широкой выборки результаты групповой статистики из-за нее сильно не пострадают. Кроме этого, в некоторых компаниях встречается мошенничество в области бухгалтерского учета. Подобного рода отклонения устранить практически невозможно.

Я не пытаюсь переложить ответственность или уклониться от ответственности за любые сохраняющиеся ошибки. Но если вы обнаружите странно выглядящие значения некоторых переменных, о которых я сообщаю, особенно для небольших выборок - относитесь к ним с разумной долей скептицизма.

Макроданные

Я не публикую много макроэкономических данных по двум причинам:

  1. Мой интерес к макропеременным проявляется только со стороны корпоративных финансов и оценки.
  2. Существуют надежные, бесплатные источники получения макроэкономических данных, начиная с Федеральной резервной системы (FRED) и заканчивая Всемирным банком, и я не вижу смысла копировать то, что у них уже хорошо получается.

Ниже перечислю макропеременные, которые я отслеживаю на своем сайте. Они связаны с ценой риска, ключевым фактором оценки как на рынках акций, так и на рынках долговых обязательств.

Премия за риск по акциям одной страны

Премия за риск по акциям — это цена риска на фондовых рынках. По моему мнению, это наиболее полная и точная мера оценки акций, нежели P/E или другие ценовые коэффициенты, при этом более высокая (более низкая) премия за риск по акциям коррелирует с более низкими (более высокими) ценами на них.

Классический способ расчета этой премии заключается в рассмотрении прошлой доходности по акциям и казначейским облигациям (или чего-то близкого к безрисковому) и измерения разницы в исторической доходности. Ознакомиться ознакомиться с обновленными показателями исторических премий для акций и облигаций за период с 1928 по 2020 год можно здесь.

По моим наблюдениям, этот подход одновременно относится как к ретроспективному, так и к статистическому.

Он определяет прогнозные и динамические премии за риск по акциям, на основе текущих уровней цен и ожиданий будущих денежных потоков. В этом наборе данных можно найти как текущий уровень, так и прошлые значения.

Премия за межстрановой риск

Мы живем в мире, где инвестиции и бизнес достигли глобализации. Этот прогресс вызывает потребность в отслеживании премии за риск по акциям эмитентов разных рынков и стран. Она помогает оценить компании, котирующиеся на нескольких биржах. Показатель также актуален по отношению к эмитентам из разных стран. Не буду вдаваться в подробности, скажу лишь то, что за последние 30 лет мой подход к оценке дополнительных премий за риск не менялся. В этом наборе данные о премиях за риск по акциям компаний практически всех стран мира.

Спред по облигациям

Облигационный спред — это цена риска инвестирования в корпоративные облигации. Идентично ситуации с премией за риск по акциям, более высокие / низкие спреды соответствуют более низким / высоким ценам на корпоративные облигации. Историческую доходность ценных бумаг я формирую по двум классам рейтингов: Moody's Aaa и Baa. Результаты анализа основаны на текущих значениях доходности облигаций и безрисковой ставке. Сложившаяся экономическая ситуация с низкими процентами расширила круг «предсказателей». Я же предпочитаю не заниматься прогнозированием процентной ставки.

Микроданные

Моя цель сбора данных - это понимание того, как работают компании и как инвесторы их оценивают. Тем не менее, вы не найдете на моем сайте данные по отдельным эмитентам по двум причинам. Во-первых, я несу ответственность (этическую и юридическую) перед поставщиками необработанных данных за то, чтобы не подорвать их бизнес, раздав эти данные бесплатно. Во-вторых, вам не нужен мой сайт или какой-либо общедоступный сайт, чтобы получать данные об отдельной компании; если вы хотите получить данные о компании, нет лучшего способа сделать это, чем обратиться к годовым или квартальным отчетам компании.

Для понимания и правильного использования данных, ниже некоторые особенности, которые вы можете (или не можете) найти полезными:

Отрасль

Данные могут быть объединены по отрасли, географическому расположению или размеру компании. Для анализа использую все три значения, но основная консолидация цифр осуществляется по отраслевому признаку, т.е. я взял 46 579 компании и разбил их на 94 отраслевые группы. Чтобы сделать эту классификацию, я начинаю с отраслевых классификаций, которые есть в моих необработанных данных, но создаю собственные отраслевые группы, опять же, чтобы не наступать на пятки моим поставщикам данных. Я знаю, что это описание непрозрачно, но лучший способ понять мои отраслевые группы - это обратиться к этому набору данных, где я сообщаю о компаниях, которые я включаю в каждую отрасль.

География

Один из наборов данных содержит информацию, сгруппированную по странам местонахождения компаний. Результаты статистической выборки затрагивают 136 государств. Я бы посоветовал вам относиться к этим данным осторожно, так как в некоторых странах листинговано мало компаний. Я работаю с гораздо большими данными для более широкой географической классификации, где разбиваю фирмы по шести широким географическим группам. Обратите внимание, что, хотя развивающиеся рынки - это очень большая и разнообразная группа, я веду статистику по Индии и Китаю отдельно, как двум наиболее крупным странам.

Усреднение

Надеюсь, это не прозвучит снисходительно, но я хочу объяснить, как я вычисляю групповые значения (средние), потому что это не так очевидно, как кажется. Чтобы проиллюстрировать, почему, рассмотрим проблему вычисления коэффициента PE для компаний в индустрии программного обеспечения. Вы можете вычислить коэффициент PE для каждой компании в группе и взять простое среднее значение, но этот подход имеет две проблемы:

  1. Небольшие компании имеют тот же вес, что и крупные. Усреднение способно существенно исказить результаты анализа данных.
  2. Эмитенты с отрицательной прибылью (и, следовательно, не имеющие PE) исключаются из выборки, что формирует определенную предвзятость.

Использование средневзвешенного коэффициента PE способно устранить первую проблему, а применение медианы уменьшит эффект выброса. Но ни одним из методов не решить вторую проблему, т.е. смещение выборки.

Для отраслевого усреднения я использую подход агрегации, предполагающий вычисление коэффициентов с учетом агрегированных значений.

Чтобы вычислить коэффициент PE для химических компаний, я складываю рыночные капитализации всех химических компаний и делю это число на совокупную чистую прибыль всех химических компаний (включая убыточных).

Это гарантирует, что:

  • учитываются все компании;
  • вычисленное число взвешивается, поскольку более крупные компании вносят больший вклад в совокупный показатель;
  • снижается риск выбросов, поскольку вероятность этого в большой выборке меньше, чем при анализе отдельного эмитента.

Текущие данные

В этот раз обновленные данные собраны преимущественно для понимания принципов работы компаний и их изменений в течение непростого 2020 года. Обзор исторической статистики отошел на второй план. Поскольку я обновлял данные в начале января 2021 года, а полные числа за 2020 год будут доступны не раньше марта или апреля, то для расчета операционных показателей (таких как выручка и операционная прибыль), я буду использовать данные за 12 месяцев. Что касается бухгалтерских показателей, то фактически это будут 12 месяцев до 30 сентября 2020 года.

Такая практика сосредоточения внимания на текущих данных может привести к тому, что полученные из расчетов числа будут непостоянными. Избежать этого мне помогут архивные данные (по США за последние 20 лет, по другим странам — за меньший временной промежуток).

Переменные

Раскрою секрет, что при расчете переменных я часто использую одинаковый состав компаний. Скажите предвзято? Не отрицаю. Но мой интерес в первую очередь сосредоточен на области корпоративных финансов и оценки. Мои статистические данные — это числа, представляющие пользу при проведении корпоративного финансового анализа или оценки предприятия. Расчет и формирование отчетов происходит на основе десятков переменных. Для удобства ознакомления с ними рекомендую посетить мой сайт и обратить внимание на следующий рисунок.

Переменные и их состав

По каждой переменной я привожу средние показатели по отрасли и по географическому признаку. Что касается стоимости капитала, то ее, с разбивкой по отраслям США, можно скачать по этой ссылке. Там же можно загрузить наборы данных по географическому региону:

  • Европа:
  • развивающиеся рынки: Китай, Индия;
  • Австралия;
  • Новая Зеландия;
  • Канада;
  • Япония
  • отдельно глобальные данные.

Общий эффект Covid-19

Обычно я бы не стал беспокоиться о том, что мои данные относятся к самому последнему году, но 2020 год был необычным годом. Начиная с февраля и продолжаясь большую часть оставшейся части года, остановка экономики вызвала потрясения как на финансовых рынках, так и в реальной экономике. В то время как рынки по большей части восстановились, крупные сегменты реальной экономики - нет. Если вы используете данные 2020 года, рекомендую учитывать несколько особенностей сохраняющейся в мире ситуации:

Влияние Covid-19

Для оценки масштаба отражения инфекции на разных секторах и странах я рассчитал показатели изменения совокупной рыночной капитализации за 2020 год. Анализ проводился с разбивкой на несколько периодов:

  • с 1 января по 14 февраля;
  • с 14 февраля по 1 марта;
  • с 1 марта по 1 сентября;
  • с 1 сентября по 31 декабря.

Результаты выведены с учетом всех взлетов и падений, произошедших на рынке в целом. Дополнительно выявлены изменения выручки и операционной прибыли за последние 12 месяцев. Я также посмотрел на изменение выручки и операционной прибыли за последние двенадцать месяцев (октябрь 2019 г. - сентябрь 2020 г.) по сравнению с выручкой в предыдущем году (октябрь 2018 г. - сентябрь 2019 г.). Поскольку наихудшие последствия кризиса проявились во втором и третьем кварталах 2020 года, это сравнение должно дать представление о том, какой ущерб был нанесен отключением вируса. В качестве предварительного просмотра того, насколько значимым был год для цен акций, взгляните на медианное процентное изменение рыночной капитализации в таблице ниже:

Таблица процентного выражения изменений рыночной капитализации под влиянием Covid-19.

Таблица процентного выражения изменений рыночной капитализации под влиянием Covid-19

Более подробно о последствиях Covid-19 я расскажу в одном из будущих обзоров, а пока можете глянуть данные по компаниям США с отраслевой разбивкой. Цифры по другим странам:

Операционные показатели

Результаты анализа по значениям операционной прибыли и рентабельности собственного капитала отражают влияние Covid-19 на прибыль 2020 года. Логично, что в наиболее пострадавших секторах (общественное питание, авиаперевозки) эти показатели существенно ниже, чем в предыдущие годы. Сравнение компаний не создаёт проблем, если они из одного сектора. При оценке же компаний из нескольких индустрий рекомендую пользоваться моими данными по этим переменным за 2019 год.

Ценовые показатели

В процессе работы мною рассчитывается и фиксируется ряд мультипликаторов ценообразования, от коэффициента P/E до EV/S (Enterprise Value to Sales), но, как и в случае с операционными метриками, COVID наложил свой отпечаток на цифры в этом году. Поскольку рыночная капитализация быстро восстановилась, а операционные переменные - нет, то мультипликаторы показывают это несоответствие. Они либо не имеют смысла в одних секторах (которые сообщают об агрегированных убытках), либо находятся на повышенном уровне в других (где совокупная прибыль значительно снижается, а рыночная стоимость - нет). Опять же, хотя это не должно быть проблемой для сравнений между компаниями, есть два предостережения.

Во-первых, инвесторы, которые приходят с сильными предубеждениями относительно того, что включает в себя дешевое или дорогое с точки зрения соотношения цен или исторических норм, обнаруживают, что все выглядит завышенным по цене. Во-вторых, вы потеряете большие сегменты своих равных групп, если будете придерживаться мультипликаторов, таких как коэффициенты PE для сравнения, поскольку очень много компаний будут терять деньги.

При сравнении компаний рекомендую учесть два заблуждения:

  1. Многие инвесторы приходят на рынок с уже сформированными взглядами на то, что обязано относиться к дешевому / дорогому. На практике они часто сталкиваются с более высокими ценами на акции, не отвечающими их ожиданиям.
  2. Механизм действия рынка сложный и придерживаться исключительно мультипликаторов (таких как P/E) не рекомендуется. В этом случае вы рискуете упустить шанс прибыльного инвестирования в другие компании и сектора.

При разработке стратегии вложения средств используйте совокупность финансовых инструментов. Не ограничивайтесь лишь одним из них.

Работа с данными

С точки зрения оценки компаний и расчета переменных формирование результатов анализа данных — монотонная и трудоемкая работа. Но, признаюсь, я испытываю к этому интерес. Статистика, пусть даже с небольшими погрешностями в числах, становится основой для моих работ в предстоящем году. Фактически, в начале года я единожды трачу время на сбор и расчет данных. Затем в течение всего года при оценке и анализе компаний использую статистические результаты и не отвлекаюсь на подготовку цифр.

Если вы благодарны мне за предоставление бесплатного доступа к данным анализа, мне, безусловно, приятно и я рад, что вы получаете пользу. Но, даже при условии единоличного использования мною полученных результатов я делал бы абсолютно тот же объем работы. При применении таблиц данных, рекомендую обратить внимание на несколько важных моментов.

Доступ к данным

Обновленные результаты моего анализа размещены на веб-сайте. Данные за 2020 год — «Текущие данные», за прошлые года — «Архивные данные». Нажатие на кнопку с текущими данными открывает доступ к статистике, распределенной по моим собственным группам (в зависимости от того, как я вижу мир):

  1. Корпоративное управление.
  2. Риски.
  3. Доходность инвестиций.
  4. Долговые нагрузки.
  5. Дивиденды.
  6. Цены.

Именно такое группирование, на мой взгляд, наиболее удобно для консолидации собранной информации и ее изучения.

Вы можете просмотреть информацию по компаниям США, щелкнув на ссылки рядом, но я настоятельно рекомендую вам скачать лучше таблицы Excel с интересующими цифрами. Это не только позволит вам получить доступ к данным для других географических регионов, но и каждая таблица включает описания переменных, представленных в этом наборе данных, и многие из них включают короткие видеоролики YouTube, объясняющие эти данные.

Использование данных

Я понимаю, что пользователи публикуемых мною данных, применяют их в различных целях. Если они помогают вам в аналитической работе по корпоративным финансам или фондовому рынку, то я рад хотя бы частично разгрузить вашу работу. Надеюсь, вы используете сэкономленное время с пользой для себя. Если вы используете мои данные, чтобы подкрепить аргумент или опровергнуть чьи-то чужие, я желаю вам всего наилучшего, если в споре вы не переходите на личности. Если статистика приводится для обоснования собственного дела с точки зрения юриспруденции, я не против, но не вовлекайте меня в это дело. Я считаю, что судебные тяжбы не приносят абсолютно никакой практики в оценке. По этой причине к этому интереса я не испытываю.

Вопросы по данным

При возникновении вопросов о механизме расчета переменных рекомендую обратиться к моему веб-сайту. С большей долей вероятности там вы самостоятельно найдете ответ. Если не получится, обращайтесь ко мне напрямую и я дам пояснения по поставленному вопросу. Напоминаю, что электронные таблицы Excel с данными уже содержат описания того, как я вычисляю переменные.

Жалобы и предложения

Перед отправкой гневных электронных писем относительно данных в адрес моей команды хочу вас предупредить. Вся моя команда состоит из одного участника — меня. Я не являюсь службой данных на постоянной основе и не всегда могу оперативно ответить на направленные вопросы. Если вы обнаружили ошибку в расчете или опечатку, напишите мне. При появлении у меня свободного времени я ознакомлюсь с письмом и обязательно исправлю недочеты.

Надеюсь, что предоставленные мною данные принесут вам пользу. В следующем месяце я планирую добавить примерно 12 постов о моем видении данных. Изменчивость - я возьму за единственную постоянную величину, а предположение о цикличности возвращения к историческим нормам относить к философии инвестирования не стану.


 

Над статьёй работали:
👩 Перевод: Елена Вебер

Цена перевода: 3300 ₽
Корректура: 0 ₽ (делал самостоятельно)
Редактура: 0 ₽ (делал самостоятельно)
Дизайн: 0 ₽ (делал самостоятельно)
Итого: 3300 ₽
Оригинальная статья: https://aswathdamodaran.blogspot.com/2021/01/data-update-1-for-2021-data-look-back.html

Вы всегда можете помочь сайту в развитии и переводах распространяя ссылку на этот пост или оказывая финансовую помощь в разделе "О проекте".