Фундаментальный анализ тоже поддается автоматизации и вероятностному прогнозированию

Я на некоторых своих публичных вебинарах и лекциях рассказывал об элементах в моем подходе при оценке компаний с помощью фундаментального анализа. А также на свое курсе ТРИ КИТА ИНВЕСТИЦИЙ я подробно рассказываю, и показываю в Excel, как и что считать и принимать решение об инвестициях. Для удобства, многие расчеты у меня автоматизированы на Matlab и Python.

Мои оценки эволюционировали со временем, но начинал я как и многие с тех подходов, которые изложены в таких книгах как «Инвестиционная оценка» Дамодорана, «Стоимость компании» Коупленда, Коллера, Муррина и, конечно, «Анализ ценных бумаг» Грэма и Додда. Но мне всегда не давал покоя, тот простой факт, что все подходы, изложенные в этих книгах, не позволяют численно измерить вероятность сделанных оценок. Она неявным образом зашивается в прогнозы темпов роста и в ставки дисконтирования, которые используются для получения справедливой стоимости.

Поэтому я немного модернизировал подход, и сейчас называю его механической оценкой фундаментальных факторов и/или показателей финансово-хозяйственной деятельности предприятия. Помогает мне в этом понимание фундаментальных основ роста компаний, а также знание методов теории вероятности и математической статистики.

В этом посте, я немного продемонстрирую как это работает. Для этого я возьму одну из компаний за которой сейчас слежу — ПАО МАГНИТ. И чтобы Вам было интересно посмотрим, какие результаты получались на основе предположений сделанных в прошлом, как они совпали с настоящим, и что показывает подход в будущем.

Итак, предположим, что на дворе 2015 год и я решил провести анализ компании ПАО МАГНИТ. В моем распоряжении имеются данные по МСФО вплоть до 2014 года. Вот некоторые из статей отчетности:

Первым делом я могу посчитать различные коэффициенты, которые мне могут показать риски, связанные с текущей деятельностью компании. Обычно это делается через разные коэффициенты ликвидности. Например классический коэффициент текущей ликвидности:

Видно, что текущих активов  зачастую недостаточно чтобы покрыть текущие обязательства компания, что не очень хорошо, так как средняя по отрасли в категории «торговля» за 2015 год этот коэффициент равен 1.42 для крупных предприятий, а скажем для категории «Деятельность по предоставлению продуктов питания и напитков» — 1.2. Возможно эта плата за большие темпы роста компании. Я не буду подробнее останавливаться на этой части здесь. Она носит описательный характер и дает мне возможность, как инвестору разобраться лучше в деятельности компании.

После описательной части я могу перейти к прогнозированию. И здесь мне помогут темпы роста выручки. Считается, что сложнее всего с бухгалтерской точки зрения управлять выручкой, поэтому проще всего постараться сделать прогноз именно выручки, а дальше зная нормы доходности, ROE, процент чистой прибыли в общей выручке и т.п. спрогнозировать остальные статьи. Кроме того, большинство книг, и тот же Баффет указывает, что не стоит брать для прогноза темпы роста, посчитанные от года к году, лучше использовать годовые, но рассчитанные на более длительных промежутках 5, а то и 10 лет. У нас рынок незрелый, поэтому бывает очень тяжело получить достаточно много данных по 10 летним промежуткам, поэтому приходится брать 5, и даже их будет маловато. Но тут делать нечего, поэтому приходится работать с чем есть.

Даже невооруженным глазом видно, что 5 летние темпы роста действительно более устойчивы, что дает мне более надежный прогноз. Отсюда начинается пожалуй самое интересное. Получив 5-летние темпы роста выручки, посчитав среднее значение с учетом весового коэффициента (более поздним присваивается больший вес), его волатильность, а также используя сглаженные с помощью EMA показатели процентов и долей в общий выручке других статей и их волатилность, с помощью метода МонтеКарло я моделирую не менее 10 тысяч возможных будущих комбинаций всех основных статьей, а дальше легко получаю такие параметры, как бухгалтерская стоимость акций — BV, прибыль на одну акцию (EPS) и т.п. И у меня получается поле возможных значений, которое выглядит следующим образом:

На данном графике: зеленым показана BV по данным из финотчетности и она есть до 2019 года на текущий момент, бирюзовым — все смоделированные показатели в будущем. а красным прецентили:, средний — показывает наиболее вероятные значения (то, что принято называть «ожидаемый» в терминологии инвестиций), между верхним и нижнем красным лежит 97% всех смоделированных значений. Данная BV, посчитана с учетом потенциальных дивидендов, которые смоделированы аналогичным образом. Приводить его здесь не буду.

Видно, что прогноз вплоть да 2018 года неплохо оправдывался, и только по итогам 2019 вышел за границы доверительного диапазона, хотя и остался в поле всех смоделированных вариантов. Но это не существенно, и вот почему.

Я наложу на данный график цену акций Магнит:

От красной линии вправо, мы не видели бы цены в 2015 году. Что же касается цены слева, даже без дополнительных расчетов видно что акции компании слишком сильно переоценены по сравнению с их балансовой стоимостью. И для возврат даже до верхних границ моего моделирования, которую можно считать очень оптимистичной и удачной для компании, слишком большой ход.
Но, этого недостаточно для принятия решения. Необходимо попробовать смоделировать стоимость акций на бирже. Ведь цена на бирже может никогда не вернуться к балансовой стоимости. Для этого, как вариант, можно исследовать исторический коэффициент P/BV  (P/E) или взять средние значения для отрасли.  Но об этом в следующий раз...

Напоследок к данной статье, я опубликую прогноз по итогам 2019. Выводы я предлагаю Вам сделать самим. Скоро будет отчетность за 2020, и можно будет смоделировать новые данные.