• No results found

Simuleringsanalyse

11.5 A NALYSE AV USIKKERHET

11.5.2 Simuleringsanalyse

En simuleringsanalyse innebærer at man synliggjør usikkerheten i verdiestimatet ved å gjøre kritiske budsjett- og verdidrivere til stokastiske variabler (Knivsflå, 2016o). De ulike punktestimatene vi benyttet til utarbeidelse av fremtidsregnskapet er forbundet med stor

usikkerhet, da disse ble fastsatt på bakgrunn av skjønn og innsikt fra den strategiske analysen.

Ved å gjennomføre en simulering vil vi således kunne få en sannsynlighetsfordeling for verdiestimatet, fremfor et punktestimat som i kapittel 11.4. I henhold til Damodaran (2012, s.

908) må følgende tre steg gjennomføres før simuleringsanalysen kan foretas: valg av variabler, valg av sannsynlighetsfordeling og utfallsrom, samt valg av korrelasjon mellom variablene. For å utføre simuleringen vil vi benytte oss av Monte Carlo simuleringer i simuleringsprogrammet Crystal Ball, et tilleggsprogram i Microsoft Excel.

Steg 1: Valg av variabler

Teoretisk sett er det mulig å gjøre alle budsjett- og verdidriverne om til stokastiske variabler, men dette vil ofte være lite hensiktsmessig, da det vil gjøre arbeidet svært tidkrevende, samt bidra til at variablenes forklaringskraft forsvinner i kompleksiteten (Kaldestad & Møller, 2016, s. 129). Vi velger derfor å begrense antall drivere til seks. I Netflix sitt tilfelle antas det at de driftsrelaterte budsjettdriverne vil være mest kritiske. Årsaken er at den fremtidige verdien av selskapet i stor grad er forventet å avhenge av driften, slik at verdiestimatet vil være svært sensitivt overfor endringer i disse driverne. Vi velger derfor å omgjøre selskapets driftsinntektsvekst, omløpet til netto driftseiendeler og netto driftsmargin til stokastiske variable i de fire budsjettpunktene. I tillegg vil flere av variablene som inngår i avkastningskravet være av kritisk betydning for verdiestimatet, og vi vil følgelig også omgjøre risikofri rente, markedsrisikopremie og egenkapitalbeta til stokastiske variabler.

Steg 2: Valg av sannsynlighetsfordeling og utfallsrom

Videre må det fastsettes en sannsynlighetsfordeling og et utfallsrom for de kritiske driverne.

Dette er gjort med utgangspunkt i skjønnsmessige vurderinger basert på historiske data, samt innsikt fra den strategiske analysen. De kritiske driverne antas i stor grad å være normalfordelte over alle budsjettpunktene. Dette med unntak av driftsinntektsvekst og netto driftsmargin i horisonten, risikofri rente før skatt og markedsrisikopremien, som alle har en uniform fordeling, samt egenkapitalbeta, som har en triangulær fordeling.

Når det gjelder de normalfordelte driverne er standardavvikene på kort og lang sikt satt lik det historiske standardavviket over analyseperioden, da det vil være mindre usikkerhet knyttet til driverne på disse tidspunktene. Det er imidlertid større usikkerhet knyttet til estimatene på mellomlang sikt, da det er vanskelig å bedømme utfallet av budsjetterte hendelser på dette tidspunktet. Dette fører til at standardavviket skaleres opp i midtpunktet, altså i 2022. Når det

gjelder omløpet til netto driftseiendeler har vi valgt å benytte standardavviket for bransjen, ettersom standardavviket for Netflix er lite rimelig over analyseperioden, grunnet et unormalt høyt omløp i 2012. Forventningsverdien til de ulike driverne ble fastsatt i kapittel 9, og det forutsettes en lineær utvikling mellom budsjettpunktene.

For variablene med uniform sannsynlighetsfordeling må det settes en øvre og nedre grense, slik at hvert utfall innenfor det definerte intervallet har like stor sannsynlighet for å inntreffe. Den øvre og nedre grensen er satt på bakgrunn av skjønnsmessige vurderinger rundt forventet verdi.

Når det gjelder egenkapitalbeta har denne, som nevnt, en triangulær sannsynlighetsfordeling.

Denne fordelingen egner seg godt dersom man kun har vag kjennskap til fordelingen, men allikevel kan definere en minimums- og maksimumsverdi, samt en verdi for det mest sannsynlige utfallet. Sannsynlighetsfordelingen anbefales gjerne som en proxy for betaens fordeling (Glantz & Kissell, 2013, s. 53). For egenkapitalbetaen settes det mest sannsynlige utfallet lik den justerte egenkapitalbetaen på 1,2, jamfør kapittel 7, mens minimums- og maksimumsverdien skjønnsmessig settes rundt den justerte egenkapitalbetaen.

Tabell 11.8 og 11.9 viser sannsynlighetsfordelingen til hver av de seks kritiske driverne:

Driftsinntektsvekst Omløpet Netto driftsmargin

Budsjettpunkt 2017 N [0,730; 0,065] N [3,300; 0,674] N [0,029; 0,014]

Budsjettpunkt 2018 N [0,750; 0,065] N [4,100; 0,674] N [0,028; 0,014]

Budsjettpunkt 2022 N [0,300; 0,087] N [5,000; 1,012] N [0,036; 0,021]

Budsjettpunkt 2028 U [0,030; 0,050] N [2,500; 0,674] U [0,025; 0,050]

Tabell 11.8: Sannsynlighetsfordelingen til de kritiske budsjettdriverne i de fire budsjettpunktene

Andre variabler

Risikofri rente før skatt U [0,020; 0,030]

Markedsrisikopremie U [0,046; 0,056]

Egenkapitalbeta T [0,900; 1,200; 1,500]

Tabell 11.9: Sannsynlighetsfordelingen til risikofri rente, markedsrisikopremie og egenkapitalbeta

Steg 3: Valg av korrelasjon mellom variablene

For å oppnå et best mulig verdiestimat er det ifølge Damodaran (2012, s. 911) viktig at eventuelle korrelasjoner mellom de ulike variablene defineres. Ved å analysere de ulike variablene over analyseperioden, kommer det frem at flere av disse korrelerer med hverandre.

Dette vil hensyntas i simuleringsprosessen ved å utføre korrelerte trekninger, som vil si at utfallet av en trekning påvirker utfallet av en eller flere andre trekninger.

Over analyseperioden har Netflix hatt en korrelasjon mellom netto driftsmargin og omløpet til netto driftseiendeler på 0,31. Ifølge Penman (2013, s. 374) er det, som nevnt i kapittel 8, imidlertid vanlig at en økning i netto driftsmargin vil gå på bekostning av omløpet til netto driftseiendeler, hvilket innebærer en negativ korrelasjon. Vi velger derfor å nedjustere korrelasjonen, slik at vi får en svak negativ korrelasjon på -0,2 i simuleringene. Videre er det typisk slik at det foreligger korrelasjon mellom driftsinntektsveksten og kravet, ettersom alternativkostnaden for kapitalbruk, og følgelig kravet vil være høyt dersom den økonomiske veksten er høy. Dette fordrer en positiv korrelasjon mellom driftsinntektsveksten og risikofri rente. Dette vil normalt være tilfelle for driftsinntektsveksten og markedsrisikopremien også, men ettersom vi har antatt en konstant markedsrisikopremie, vil ikke en samvariasjon kunne defineres. Over analyseperioden har Netflix hatt en positiv korrelasjon mellom driftsinntekts-veksten og risikofri rente på 0,24, og vi velger å avrunde denne til 0,2 i simuleringene.

Resultater fra simuleringsanalysen

For å synliggjøre usikkerheten i verdiestimatet, er det gjennomført 50 000 trekninger med Monte Carlo simulering i Crystal Ball. Den øvre grensen er skjønnsmessig satt til 500 USD, mens nedre grensen er satt til null, hvilket tilsier konkurs. Resultatet presenteres i figur 11.2:

Figur 11.2: Frekvensfordelingen til verdiestimatet per aksje

Figuren viser at gjennomsnittet av simuleringene er på 124,5 USD, mens medianen er på 107,2 USD. Vårt endelige verdiestimat på 134,9 USD avviker dermed en del fra både gjennomsnittet og medianen, og særlig fra medianen. Dette kan forklares av at simuleringen resulterer i en høy

andel verdiestimater med lav verdi, samt et lavere antall verdiestimater med urealistisk høy verdi. Dette henger sammen med at det er foreligger stor spredning i verdiene og følgelig betydelig usikkerhet i verdiestimatet, noe som understrekes av det høye årlige standardavviket på 68,8%. Videre viser figuren at simuleringen gir 5 404 filtrerte verdier, hvilket innebærer at 5 404 av trekningene ga et verdiestimat utenfor den nedre og øvre grensen. Vi vil i det videre studere simuleringen ytterligere ved å se på verdiestimatets oppsidepotensial og nedsiderisiko.

Oppsidepotensial

Aksjens oppsidepotensial sier noe om sannsynligheten for at verdiestimatet per aksje overstiger en bestemt verdi. I den forbindelse velger vi å sette grenseverdien 20% høyere enn det endelige verdiestimatet, hvilket tilsvarer et verdiestimat på 161,9 USD per aksje. Sannsynligheten for at verdiestimatet overstiger denne verdien er på 27,1%, hvilket fremkommer av det grå-skraverte området i figur 11.3. Dette tyder på at det eksisterer et relativt stort oppsidepotensial for aksjen.

Figur 11.3: Oppsidepotensial for Netflix sitt verdiestimat per aksje

Nedsiderisiko

Aksjens nedsiderisiko sier noe om sannsynligheten for at verdiestimatet per aksje faller under en bestemt verdi. I likhet med oppsidepotensialet, settes grenseverdien 20% lavere enn det endelige verdiestimatet, noe som tilsvarer et verdiestimat på 108,0 USD per aksje.

Sannsynligheten for at verdiestimatet er lavere enn denne verdien er på 50,4%, hvilket fremkommer av det grå-skraverte området i figur 11.4. Dette vitner om at Netflix sin aksje også

har en betydelig nedsiderisiko. Nedsiderisikoen er i tillegg større enn oppsidepotensialet, hvilket kan tyde på at det beregnede verdiestimatet er noe overvurdert.

Figur 11.4: Nedsiderisiko for Netflix sitt verdiestimat per aksje