Har haft kontakt med BkkBanker, alias Alexander Wetterling som jobbar för A. Stotz Investment Research. De har utvecklat ett mycket intressant koncept som de kallar World Class Benchmarking. Följ honom för övrigt på Twitter om ni inte gör det redan på @bkkbanker
I korta drag handlar konceptet om ett fokus på lönsam tillväxt och att bolag jämförs mot varandra i vissa kategorier. Om bolaget t.ex. tillhör de 10% bästa i lönsamhet får de en 1:a vilket är bäst. Du får genom modellen en kvalitetsmätning och bolag med hög kvalitet ska ha större chans att gå bättre.
Egna portföljen
Jag har fått en genomgång av åtta bolag i min egen portfölj. De andra gick inte att få värden på av olika skäl. Observera att det finns en simpel logik som följer trianglelns utformning. Profitable growth delas upp i Profitability och Growth. Profibatility är Return on assets och delas upp i Asset utilization och Profit Margin. Growth är Earnings per share och delas upp i Sales Growth och Margin change.
Matahari Department store jämförs med
1,420 medelstora bolag i sällanköpssektorn. De rankas i topp på lönsam tillväxt
och lönsamhet sedan 2012. Tillväxt är vad som kan förbättras.
Famous Brands jämförs också med 1,420 medelstora bolag i sällanköpssektorn. De rankas i topp på lönsam tillväxt och lönsamhet precis som Matahari Department store. I och med att bolaget rankas i den första decilen i försäljningstillväxt de senaste 12 månaderna, så behöver de förbättra marginalen för att tillväxtranken ska komma upp.
8990 Holdings (HOUSE) rankas gentemot
350 medelstora fastighetsbolag runtom i världen. Vi kan se att de rankas topp 10% på kombinationen av lönsamhet och tillväxt. Vad som ger dem denna höga ranking är deras goda lönsamhet, medan tillväxten är sämre jämfört med andra medelstora
fastighetsbolag.
För Somero kan vi se
att de rankas bland de bästa i världen på lönsam tillväxt och jämförs med 980
and småbolag i Industrisektorn. Tillväxten är det som har börjat gå sämre, där kan vi se att bolaget endast uppnådde en rank 7 de senaste 12 månaderna. Även då
försäljningen tappat ett steg i rank till nr 3, så är det främst
marginalförändringen som är ett problem. Med andra ord så gör de mindre vinst
per såld krona än tidigare.
Savaria har tappat i
rank till nr. 3 i de senaste 12 månaderna. Detta beror på att de andra små
bolagen i Industrisektorn som de jämförs med har förbättrats relativt mer på
lönsamhet, även om ranken är den samma. Vi kan se en positiv trend längst ner i
pyramiden, vilket bådar gott för framtiden. Främst behöver bolaget förbättra
sin nettomarginal, då de redan är bäst gällande effektivitet och
försäljningstillväxt rankas 3:a.
Premier Marketing (PM) ligger på gränsen
mellan första och andra decilen på lönsam tillväxt, du kan se att ranken har
varierat mellan 1 och 2 över tid. Deras styrka ligger i lönsamheten, och denna
lönsamhet drivs av en hög effektivitet som rankas 1:a i och med att
nettomarginalen endast rankas 4:a i jämförelse med andra bolag av liknande
storlek och i samma sektor.
MTN tappade sin nr. 2
rank under de senaste 12 månaderna. De tappade i rank på alla plan, men
huvudsakligen så ser det ut som att intäkterna minskat. I och med att Telekombolag
kan ha svårt att sänka sina kostnader snabbt så kommer lägre försäljning att
påverka marginalerna också.
eWork rankas fortfarande under genomsnittet (som är nr. 5 i rank). Vad som är intressant att se här är att deras rank har börjat förbättras sedan 2013. I videon ovan så säger de att förbättring i rank är vad som i störst utsträckning brukar leda till bättre kursutveckling. Sen kan eWork på grund av sin affärsmodell (förmedlare med stora kundfordringar etc) vara svår att jämföra med andra.
Summering
Jag tycker det här ger en intressant helhetsbild! Man ser att vissa bolag är svagare och andra starkare och kanske kan det leda till att de sämsta ska säljas. Det gav mig också vatten på min kvarn att vissa bolag har riktigt hög kvalitet även i ett globalt perspektiv, tex Matahari och Famous Brands.
Vad tror du? Kan det här vara något intressant? Jag tyckte i alla fall det ger ett nytt perspektiv!
Kul att du tycker att det är en värdefull del i analysen av dina bolag Gustav.
SvaraRaderaOm ni har några mer specifika frågor gällande World Class Benchmarking - analysen av Profitable Growth, så besvarar jag gärna frågor.
Räknas lönsamhet före eller efter skatt?
RaderaEfter skatt enligt: ROA = Net Income / Avg(Total Assets t & Total assets t-1)
Raderakollar pa genomsnittliga tillgangar for att jamna ut om det varit stora forandringar under aret.
Är väl mer korrekt att använda Nopat istället för nettoresultat i täljaren vid beräkning av ROA - eftersom ni inkluderar både skulderna och eget kapital i nämnaren.
RaderaOch ska man jämföra kvaliteten globalt är väl EBIT att föredra för att få bort skillnader i olika länders bolagsskatt.
RaderaDet finns några olika avvägningar att göra här.
RaderaDet första har med enkelhet att göra, samt hur du kan hantera bolag över hela världen. Net income är standard att använda i ROA och fler är vana vid det. Hur och vad bolag rapporterar skiljer sig världen över och kan variera mellan årsbokslut, net income är dock relativt standardiserat.
Som du säger så ger EBIT i täljaren en ROA som fokuserar mer på effektiviteten i verksamheten. För dig som investerare så är dock inte EBIT vad som finns tillgängligt för potentiell utdelning, utan det är net income.
Dvs ett något mindre effektivt bolag som betalar 10% i skatt är att föredra över ett något mer effektivt bolag som betalar 30%+ i skatt. Skatten är något som management i bolaget och du some investerare behöver överväga även om det många gånger inte går att påverka till större utsträckning.
En annan risk med poster desto längre ner i resultaträkningen de kommer är att de går att manipulera. Att göra en DuPont på ROA ger dig dock hyfsad insikt iom att Asset utilization använder Revenue/Sales för att mäta effektivitet och det är svårt att manipulera om du inte har en massa luftfakturor.
Kul med dina kommentarer, hoppas det här gav dig lite mer insikt om hur vi resonerar.
Enkelhet är väl bra så länge resultatet säger någonting.
RaderaSom jag uppfattar det bakar ni in nettoresultatet i DuPont-analyser ungefär, vilka normalt använder EBIT. Är inte övertygad om att det är en fördel ;)
Precis som det gör i båda fallen ;) En fråga om vad man vill mäta/åstadkomma främst.
RaderaDuPonten är inget som vi bakar in nettoresutlatet i, utan bara ett sätt att bryta ner ROA på. Går att göra med ROE också, men då får du lägga till en leverage-faktor. Det är en gammal, men bra modell, ta en titt på: https://en.wikipedia.org/wiki/DuPont_analysis
Mina tips är att ta rygg på stora finansmän som tex Anders Lönners Karo Pharma, Swedencare och TC Tech, lycka till!
SvaraRaderaJag är med i samtliga tre...
Finns många olika sätt, och det finns nog betydligt värre strategier än att ta rygg på stora finansmän.
RaderaVerktyget känns som mer användbart ju mer homogen en bransch är. För att hitta världens mest attraktiva telekombolag verkar det utmärkt, tittar man på t.ex industriksektorn skulle jag nog snarare se det som ett verktyg för att hitta rätt nisch där bolag är lönsamma och för eWork tror jag att det är ganska ointressant då verksamheten är väldigt annorlunda än jämförelseobjekten.
SvaraRaderaDet är en intressant poäng du lyfter fram. Det finns alltid skillnader mellan bolag, precis som det finns likheter. Det finns mer och mindre homogena sektorer i MSCIs klassificering. Exempelvis är Real Estate (som nu inte längre ska vara en underkategori till Financials) en relativt homogen sektor. Det finns dock hyfsat stora skillnader i den bemärkelsen att vissa bolag är bygger bostäder, andra fabriksområden, en tredje förvaltar och förädlar endast etc. Andra sektorer som Industrials inkluderar allt från konglomerat till flygbolag.
RaderaJämförelsen skulle kunna brytas ner på industrinivå eller lägre. Fördelen är mer lika jämföreslebolag, nackdelen är att de blir färre. Som investerare har du oftast olika förhållningssätt och olika utbud gällande vilka aktier du kan eller är intresserad av att investera i.
I dagsläget kollar vi på 10 sektorer, samt delar upp dessa i små, medelstora och stora bolag, då storleken kan ha stor inverkan på lönsamhet och tillväxt. Det är möjligt att vi i framtiden kommer bryta ner vissa breda sektorer ytterligare någon nivå, men vi kommer alltid hålla det till relativt stora grupper för att få en bredare översikt än vad som görs vid en normal peer comparison.
Fördelen med en bred jämförelse är att du eventuellt kan se vilken typ av bolag i en sektor som går bra för tillfället. I en sektor som innehåller en bredd av bolag, där några är kapitalintensiva och andra mindre, kommer de mindre kapitalintensiva bolagen alltid ha en fördel gällande asset utilization. Dock om du jämför exempelvis 2 flybolag av samma storlek, och den ena rankas 10, medan den andra rankas 7 på asset utilization, kan du dortfarande dra slutsatsen att den som rankas 7 är mer effektiv än konkurrenten. Det är potentiell också en indikation på hur mogen en viss bransch är, då åtminstone inom nationalekonomin så kommer lönsamheten och tillväxten nå någon form av jämvikt.
Sammanfattningsvis så finns det alltid likheter och du kan skapa relativt stora jämförelsegrupper så länge du vill ha ett brett perspektiv. Men precis som du säger så blir kostnaden att du ibland jämför en helt ny typ utav äpplen med ett gäng klassiska Granny Smith ;)
Den här kommentaren har tagits bort av skribenten.
RaderaDet här riskerar att bli väldigt nördigt. Att strukturera big data för effektiv analys är nämligen det område jag tycker är roligast med mitt jobb som forskare och ett ämne där jag även startat egen firma för att göra samma typ av arbete för näringslivet. Så den här typen av funderingar är både en hobby och ett yrke för mig.
RaderaDet jag alltid fokuserar på är att strukturera data med ontologier vilket gör analysarbetet mer flexibelt. Fördelen med en sådan struktur är att det blir väldigt lätt att få svar på nya frågeställningar och därigenom hitta orsakssamband. Ett exempel är t.ex. Premier Marketing som tillhör kategorin Consumer Staples och ligger i toppskiktet med avseende på lönsamhet. Med ett ontologiperspektiv på databasen blir det väldigt lätt att skapa peer groups utifrån de attribut som definierar Premier Marketing. Det här kan vara både attribut (t.ex. storlek eller noteringsplats) eller klasstillhörighet (underklassen snacks i kategorin consumer staples).
Som analytiker går det därefter väldigt snabbt att gå vidare i sin analys. Som analytiker kan man t.ex. se att Premier Marketing är i toppklass internationellt inom sin kategori, men med rätt databasstruktur skulle man oerhört snabbt kunna få fram kompletterande information. Beror t.ex. Premier Marketings höga lönsamhet på att man är operativt skickliga (hög ranking oavsett jämförelsekategori), att man säljer snacks (peer-group snacks) eller har kanske bolag med lång tradition på den sydostasiatiska marknaden en fördel?
Som det ser ut nu tycker jag att verktyget är bra på vad det är gjort för att vara bra på. Men det skulle vara kul att se hur samma analysmodell kan besvara olika kundfrågor mer effektivt utifrån hur man strukturerar databasen.
Då skulle du ha kul tillsammans med min kollega Sornsak. Det är han som står för databasbyggandet m.m. Jag är inte fullt insatt i ontologiperspektivet, men från din förklaring och lite googlande tror jag att jag förstår det grundläggande.
RaderaVi har mer information i databasen som gör att vi kan bryta ner och gruppera den på andra sätt, då vi använder den till mer än bara World Class Benchmarking. Nu grupperar vi baserat på MSCI sector och storlek. Skulle kunna gruppera på MSCI industry, samt udnergrupper där om jag inte missminner mig, likväl som geografi och lite annat smått och gott.
Baserat på ett exemple från stack overflow:
"An example of 'meaning' and reasoning over the ontologies: say you define in your ontology a class Pizza, and a class Vegetarian Pizza, which is a Pizza that has no Ingredients that belong to the class Meat. If you now create some instance of a Pizza that just happens not to have any meat ingredients, the system can automatically infer that your pizza is also a Vegetarian Pizza, even if you did not explicitly specify it."
så verkar det eventuellt som att det skiljer sig något från att enbart klassificera datan utförligt? Du får gärna berätta mer eller säga till om jag missförstod. Inte min expertis, men din förklaring var intressant.
Filosofer och datavetare har lite olika syn på det hela. Men med ett programmeringsperspektiv tycker jag att du har rätt. Först skapar vi ontologin för att definiera vad ett ord eller en term innebär, därefter bestämmer vi oss för hur det ska representeras i en databasstruktur.
RaderaVi kan ta falaflar som ett exempel. Är en falafel vegetarisk eller är den bara en typ av mat som inte innehåller kött? I de flesta fall är det inte en jätteviktig fråga men när man jobbar med big data blir det plötsligt väldigt viktigt eftersom man inte har möjlighet att analysera data på enskilda objekt. Vissa falaflar innehåller t.ex. ägg vilket är känsligt för många vegeterianer/veganer. När de är hemma kan de lätt läsa på innehållsförteckningen, men är de och äter på snabbmatsrestauranger blir det lätt krångligt. Därför är det viktigt att veta hur en ingrediens definieras om man ska skapa en automatiserad meny.
För en datavetare blir ontologin då en hjälp att strukturera databasen och de inbördes relationerna. Vi kan ta MSCI och SNI-koder som exempel.
MSCI-klassificeringen av företag är hierarkiskt uppbyggd och bygger på två nivåer i form av sektor och industri. Det här innebär att om ett företag är definierat som Industry Group "Capital Goods" så vet vi människor automatiskt att sektorn är "Industrials". En dator vet däremot inte det och jag misstänker att många programmerare heller inte har koll på det. Därför är ontologin ett bra verktyg där en områdesexpert skapar ontologin och programmeraren därefter implementerar det i databasstrukturen. Med ontologin som grund vet programmeraren då t.ex. att ett objekt som läggs in med "Capital Goods" som industry group classification även automatiskt ska ha "Industry" som sektorsattribut eller att sökfunktionen för databasen automatiskt ska hämta de underliggande industrigruppsklassifikationerna då man söker på "Industry"
Ontologin är även väldigt användbar för att koppla ihop flera datakällor. I Sverige har t.ex. alla svenska företag en SNI-kod vilket är en mer detaljerad kod än MSCI kategoriseringen. För att koppla ihop de två systemen måste man besvara två frågor:
1) Vilken relation har MSCI till SNI?
2) Hur bör den här relationen representeras?
Eftersom MSCI har bredare kategorier än SNI är det lätt att tänka sig att relationen blir MASCI sector -- > MSCI Industry group --> SNI. Problemet är dels att olika personer kan göra olika bedömningar och dels att inte alla SNI-koder kan definieras som en direkt underklass till MSCI (är t.ex. 02.4 Service till skogsbruk en underklass till "Materials" eller "Commercial & Professional Services?).
Med en egen intern ontologi kan man låta en analytiker definiera vilka SNI-koder som kan anses innefattas av MSCI-kategoriseringen och hur översättningen går till. Därefter slipper man subjektiva beslut och istället kan man automatiskt hämta SNI-koderna och översätta dem till MSCI på ett konsekvent sätt. Beroende på syftet med en undersökning kan man därefter även anpassa sökningen. Benchmarkar man globalt som i World Class benchmarking kör man MSCI men om en specifik kund vill jämföra sig med svensk peers finns informationen tillgänglig för att jämföra på SNI-kod istället.
I princip allting man gör med ontologier kan en duktig programmerare göra "ad hoc" via SQL-kommandon. Fördelen med en ontologi är att icke-programmerare kan förstå databasens innehåll och kreativt kan skapa nya slutsatser för forskning eller i ert fall sälja som affärsinformation.
Mycket intressanta grejer det där. Tack för ett utförligt inlägg. Problematiken du beskriver uppstår ganska ofta när du bygger ne global databas. Ett tydligt exempel är när du ska klassificera region, eller emerging, developed, frontier, där olika institut klassar det olika.
RaderaSom sagt, jag är ingen expert på databasbiten, men jag har under åren lärt mig värdet av att bygga databaser så bra och uitförligt som möjligt (även om jag inte själv bygger dom ;) ).
Något orelaterat, men kanske något som intresserar dig. Jag lyssnade på en intressant bok för ett tag sen, Martin Lindströms Small Data: https://www.amazon.com/Small-Data-Uncover-Trends-Bestseller-ebook/dp/B013UWFMBG/
Jag är på sida 100 ungefär =). Den är ett bra exempel på vad många glömmer med big data, en stor databas är värdelös om den inte inkluderar de viktigaste parametrarna.
RaderaJag gillade den ;)
RaderaJag vet att många definierar ROA som Nettoresultat dividerat med något tillgångsmått, Jag lärde mig i stället att det är Ebit dividerat med ett tillgångsmått i skolan och jag tycker att det är mer logiskt. För mig är ROE ett mått där skuldsättningen används för att kicka upp nyckeltalet. ROA vill jag däremot ha som ett mått för att mäta grundbusinessens lönsamhet utan hänsyn till skuldsättning. Används Net Income kommer skuldsatta bolag att straffas eftersom de har räntekostnader. Bolag med net cash kommer i stället att få ränteintäkter som kickar upp EPSen.
SvaraRaderaSedan finns alltid problemet med off-balance sheet financing som exempelvis hyror/leasing. Om några år kommer ett bolag som HM bli tvunget att kapitalisera sin leasing och ta upp det på balansräkningen, men just nu får de artificiellt hög lönsamhet jämfört med ett klädbolag som äger fastigheter.
Brukar själv titta både på ROE och ROA men undviker oftast bolag med stor skuldsättning och då minskar skillnaden mellan dem. När man ser ett högt ROE-tal tycker jag första frågan är om det är "dopat" genom skuldsättning.
RaderaDen här kommentaren har tagits bort av skribenten.
RaderaPoängen är att nettoresultatet är hänförligt till eget kapital (aktieägarna). Så att använda resultatet i täljaren vid beräkning av ROE är korrekt. Men i ROA räknar man avkastning på totalt kapital vilket inkluderar skulderna i nämnaren. <För att balansera det hela på båda sidor måste man alltså använda ett mått som inkluderar långivarnas andel av resultatet - Nopat eller EBIT om man inte vill att olika bolagsskatter ska påverka utfallet. .v
RaderaIntressant och jag håller mångt och mycket med dig Irving Kahn.
RaderaJag skrev ett svar angående det här ovan till "smabolag undantag"
Tänkte bara lägga till att precis som du säger så tar inte ROA hänsyn till finansieringen, och användandet av net income gör att högt skuldsatta bolag straffas pga räntekostnader. För mig som investerare är detta rimligt i den bemärkelsen att riken är oftas högre med en högre skuldsättning. Räntekostnader är de facto en kostnad (även om det har med finansiering att göra och inte alltid direkt kopplat till verksamheten) och leder till att det finns mindre vinst kvar att dela ut till dig som ägare.
Spana in sidan 65 här (eller än bättre plöj hela) http://people.stern.nyu.edu/adamodar/pdfiles/papers/returnmeasures.pdf
SvaraRaderaBra länk!
RaderaHej,
SvaraRaderaJag tittade igenom ert YT klipp där bolag rankas efter profitable growth. Vad är det ni vill uppnå med detta resultat? Försöker ni visa att bolag som rankar högt (rank 1) sannolikt kommer outperforma marknaden? Jag tycker inte era resultat visar på detta, då ni inte verkar göra ett riktigt back-test.
Ni rankar bolag t.ex. efter EPS growth, givetvis kommer bolag som mellan 1995-2016 tillhört rank 1 inom EPS growth att ha haft en högre genomsnittlig avkastningen än de bolag som tillhör rank 10. Varför? Jo för ni använder ju facit för att ta fram resultatet. Ni gör alltså inte ett back-test där ni kanske tittar på EPS growth 1990-1995 och rankar för denna period och sedan ser hur detta predikterar avkastning för 1995-2016. Så jag förstår inte syftet med er studie? Eller har jag helt missförstått vad ni gjort?
Är även nyfiken Vilken datakälla använder ni för att göra era analyser? Är det S&P Capital IQ? Jag har själv jobbat med denna databas och den är verkligen ett kraftfullt verktyg för att enkelt göra denna typ av analyser. När jag gjorde en analys på growth i detta verktyg igenom ett back-test, där jag använde föregående års EPS growth som prediktor för framtida avkastning, gav det ett väldigt klent resultat.
Att Growth som faktor fungerar dåligt som risk premium känner de flesta som jobbat med kvant till. Därför används growth väldigt sällan i Smart Beta, Risk Premie fonder eller hos kvanthedgefonder som AQR. Det som fungerar mystiskt bra som prediktor är snarare Value och Momentum (både earnings och price momentum). Jag anser att det är ett bra läge att ladda på Value faktorn nu, då den underperformat länge och även dessa faktorer har sina cykler av under och outperformance.
Hej Rob,
RaderaFör att klargöra det som du också påpekar, så är inte testet som görs i studien back-test av en investeringsstrategi. Testet och resultatet visar på sambandet mellan PG och prisutveckling. Absolut något som känns självklart att bolag med hög lönsmahet och god tillväxt bör öka i värde, men vi föredrar att testa saker och bevisa sambandet, än att bara anta att det är så för att det låter rimiligt.
Vad vi kan ser i resultatet är att:
1) hög rank ger högre avkastning
2) vad som ger mest avkastning är dock förbättring i rank
Således, är takeawayen för en investerare att ett bolag som rankar högt kan tänkas vara en bra investering, men den bästa investeringen är generellt att investera i bolag som klättrar i rank, dvs förbättras.
Studien visar inte hur du hittar dessa bolag, a priori, vilket du vill göra för att använda det som investeringsstrategi. Detta är något som vi håller på att testar och förhoppningsvis kommer lansera en portfölj på framöver.
Således är detta ett verktyg som är ett komplement till din fundamentala analys av ett bolag. Du kan se just hur ditt bolag rankas relativt alla peers av liknande storlek globalt. Beroende på sektor och storlek kommer bolag rankas relativt 150-1500 bolag på lönsamhet och tillväxt.
Gällande datakällor så använder vi alltid minst 2, för det mesta och i detta fall Thomson Reuters och FactSet. Detta då få leverantörer har tillräckligt med data över hela världen och World Class Benchmarking omfattar ca 27k bolag runtom i världen. Gällande databas etc så är det vår egen lösning, vi använder sällan färdiga verktyg från olika data vendors, då du ibland inte har tillgång till hela processen/koden och även om du har är det inte säkert att du kan modifiera. Anledningen till att du får ett annat resultat i Capital IQ är då testen inte är samma, som nämnt ovan.
När vi bygger portföljer så använder vi vårt FVMR framework: Fundamentals, Valuation, Momentum, and Risk. Gällande momentum kollar vi på faktorer relaterade till pris, samt lönsamhet. Value och Momentum som du nämner är oftast tom bättre i kombinaiton än var för sig.
Vi får se om det är dags för en comeback i value, det finns många som tror att så är fallet. Det är också en anledning till att vi använder FVMR, vi försöker att hålla oss till de faktorer/premier som marknaden värdesätter. Som du säger, ändras detta över tid, men går ofta i en eller annan form av cykler.
Tack för bra svar Alexander!
SvaraRaderaVar följer man dig bäst, där man har möjlighet till fortsatt diskussion? Twitter blir för korta meddelanden.
Roligt med en investerings-intresserad svensk som bor i Asien! Då jag själv är baserad i Hongkong. Mig hittar du på min blogg: www.globalstockpicking.com
Håller just nu på att bygga upp min egen investering-process och ska försöka kombinera stock-picking med en Value-Momentum strategi. Men det är svårt att hålla disciplinen då det ofta blir bolag med hög growth som trillar in i portföljen.
Hej igen Rob,
RaderaTrevligt, du far saga till om du har vagarna forbi Bangkok. Hong Kong ar nice, var ett tag sen jag var dar dock.
Jag tog en titt pa din blogg nar jag skrev forra svaret. Din metod ser intressant ut. Sa som du beskriver det sa finns det en del likheter med vad vi gor.
Twitter ar var jag normalt sett ar mest aktiv. Borjade dock posta lite pa min FB-page for ett par veckor sen, och tankte bli mer aktiv dar. https://www.facebook.com/bkkbanker/
becomeabetterinvestor.net ar main bloggen.