Erasmus Universiteit Rotterdam



Dovnload 400.69 Kb.
Pagina4/6
Datum22.07.2016
Grootte400.69 Kb.
1   2   3   4   5   6

5. Conclusie

Het doel van dit onderzoek is om te achterhalen of marktwaarden van aandelen optiekarakteristieken vertonen. De reële optietheorie wordt gebruikt om te onderzoeken of de waarde van groeiopties een belangrijke rol speelt bij de bepaling van de totale marktwaarde van bedrijven. De reële optietheorie verondersteld dat de marktwaarde van aandelen niet alleen wordt bepaald door de waarde van de zogenaamde assets in place, maar ook voor een belangrijk deel wordt beïnvloed door de groeiopties van een bedrijf. Verder worden marktwaarden van bedrijven waarbij groeiopties zijn inbegrepen gekenmerkt door (optie) karakteristieken die anders zijn dan voor ondernemingen waarbij de waarden slechts bestaan uit assets in place.

In een onzekere omgeving kan het hebben van flexibiliteit waardevol zijn. Uit de praktijk blijkt echter dat de traditionele waarderingsmethoden, zoals de NCW methoden, onvoldoende ondersteuning geven bij het nemen van investeringsbeslissingen onder onzekerheid. Er is daarom gebruik gemaakt van een methode binnen de reële optietheorie die het mogelijk maakt om onzekerheid en flexibiliteit te waarderen. De reële optietheorie schetst een methode waarbij de waarde van groeiopties kan worden bepaald door groeiopties te scheiden van de totale marktwaarde van een bedrijf. Er is een waardering gemaakt van de PVGO van bedrijven uit vier verschillende industrieën die beursgenoteerd zijn. Vervolgens is de waarde van de PVGO getoetst aan bedrijfsspecifieke en marktfactoren om na te gaan of de resultaten in overeenstemming zijn met veronderstellingen van de reële optietheorie.

De resultaten van het empirisch onderzoek vertonen overeenkomsten met de hypothesen die binnen de reële optietheorie worden gesteld. Zo wijzen de resultaten uit dat zowel R&D intensiteit als marktrisico een positieve relatie hebben met de PVGO van bedrijven. De negatieve relatie tussen groeiopties en kapitaalinvesteringen verwijst naar de veronderstelling dat bedrijven met relatief veel groeiopties in tijden van onzekerheid investeringen uitstellen. Daartegenover vertonen de resultaten enige tegenstellingen met de gestelde hypothesen en de voorspellingen van de reële optietheorie. De reële optietheorie verondersteld bijvoorbeeld dat het gedrag van aandelenprijzen, waarbij groeiopties zijn inbegrepen, is gekarakteriseerd door hoge volatiliteit en een scheve verdeling. Deze voorspellingen blijken echter niet uit de resultaten van de regressieanalyse. Tegen de verwachting blijkt de volatiliteit een negatieve relatie te hebben met de PVGO en is er geen verband gevonden tussen groeiopties en de scheefheid van aandelenprijzen. Verder is ook geen aanwijzing gevonden voor een bijdrage van de marktaandeel en bedrijfsgrootte aan de waarden van groeiopties.

Al met al bevestigen de empirische resultaten de theoretische voorspellingen binnen de reële optiemodel over de relaties tussen R&D intensiteit en groeiopties, optieprijzen en marktrisico en de investeringsgedrag van bedrijven waarbij groeiopties een belangrijke rol spelen. De resultaten over de rol van volatiliteit en het gedrag van aandelenrendementen ten opzichte van de beschikbare groeiopties zijn niet in overeenstemming met de reële optietheorie. Verder kan er worden geconcludeerd dat zowel marktfactoren als bedrijfsspecifieke factoren een rol spelen bij de bepaling van de PVGO van bedrijven. Echter zijn effecten van bedrijfsspecifieke factoren groter dan marktfactoren.

Gezien de benodigde hoeveelheid data en complexiteit van de reële optietheorie blijft het moeilijk om een zo nauwkeurig mogelijke analyse uit te voeren. Dat in de praktijk reële opties moeilijk te waarderen zijn blijkt ook uit de schaarse empirische analyses die door onderzoekers zijn verricht. In dit onderzoek is er gebruik gemaakt van een grote dataset, waarbij een aantal variabelen niet rechtstreeks van de databank zijn verkregen. De waarde van de PVGO moest bijvoorbeeld worden bepaald met beschikbare gegevens die uit verschillende bronnen zijn verkregen, waardoor de kans groter wordt op fouten in de data. Ten slotte hebben reële opties geen formele contracten waardoor ze voornamelijk door de onderzoeker zelf moeten worden gevormd. Daardoor is tijdens het onderzoeksproject enige subjectiviteit niet uitgesloten die de resultaten kan beïnvloeden (Philippe, 2005).

Anderzijds kan er met gebruik van de reële optietheorie veel winst worden behaald, aangezien deze een betere methodologie heeft om flexibiliteit en onzekerheid te waarderen. De reële optiemethode heeft investeerders nieuwe inzicht verschaft in het opsporen van verborgen vermogens of rendabele mogelijkheden. Dus ondanks de complexiteit en de lage betrouwbaarheid van de reële optiemethoden blijft het belangrijk dat men (empirisch) onderzoeken blijft uitvoeren.

While it is a mistake to bet too much on uncertainty, it is also a mistake to forget it altogether” (Investopedia staff, 2009)

Om de mogelijkheden van de reële optiemethode optimaal te kunnen benutte dient de reële optietheorie verder te worden ontwikkeld. Een case studie (als Philippe, 2005) in combinatie met een empirisch onderzoek kan een goede uitkomst bieden. Hierbij dient niet alleen het bestaan van reële opties onderzocht te worden, maar ook de capaciteit van reële optiemodellen om opties te waarderen. De reële optiemethode kan dan ook worden verbeterd door meer inzicht te krijgen in de samenstelling van reële opties en de geschiktheid van de reële optiemodellen om deze opties te waarderen.

Literatuurlijst

Anderson, C.W. & L. Garcia-Feijóo [2004], “Empirical evidence on capital investment, growth options, and security returns”.

Bekkum van S., E. Pennings & J.T.J. Smith [2008], “A real options perspective on R&D portfolio diversification”, Tinbergen Institute discussion paper 2008: 003/2

Bernardo, A.E., B. Chowdhry & A. Goyal [2007], “Growth options, Beta and the cost of capital”, Financial Management 2007: 1-13

Brealey, R.A., & S.C. Myers [2003], “Principles of corporate finance” (7th edition). Boston, MA: Mcgraw-Hill.

Cao, C., T. Simin & J. Zhao [2006], “Can growth options explain the trend in idiosyncratic risk?”, Oxford University Press, 2007.

Celik A.G., [1995], “Real options, investment and financing decisions and the theory of the firm”.

Chu, Y. [2007], “R&D expenditure, growth options, and stock returns”, working paper University of Rochester.

Danbolt, J., I. Hirst & E Jones [2002], “Measuring growth opportunities”, Applied financial economics 12, 203-212.

Grullon, G., E. Lyandres & A. Zhdanov [2008], “Real options, volatility and stock returns”.

Haanappel, H., “Return distributions of strategic growth options”, Erasmus University, Rotterdam.

Karolyi, G.A. [2001], “Why stock return volatility really matters”, Institutional Investor Journal Series 2001.

Keuzenkamp, H. [1999], “Strategische groeiopties in oligopolistische markten”, Economisch statistische berichten

Levy H. & T. Post [2003], “Investments”, FT Prntice Hall.

Long, M.S., J.K. Wald & J. Zhang [2002], “A cros-sectional analyses of firm growth options”, Working paper Rutgers Business School.

Micalizzi, A., “R&D expenditures and growth potential of biotech firms”.

Philippe H. [2005], “Real options: still looking for evidence?”, Université Paris Dauphine.

Pim E. [2002], “Financiële opties al een introductie naar reële opties”, Talanton Corporate Finance.

Smit, H. and P. & Vliet [2001], “Growth options and the value size puzzle”, Erasmus University Rotterdam.

Smid, P.P.M., & R.H. Koning [1990], “Theorie van de optiewaardering: Een hulp bij de financiële planning?”, Maandblad Bedrijfsadm. en Bedrijfsorg. 94: Nr. 1125

Tong, T.W. & J.J. Reuer [2006], “Firm and industry influences on the value of growth options”, Strategic organisation vol. 4: 71-95

Tong, W.T., J.J. Reuer & M.W. Peng [2008], “International joint ventures and the value of growth options”, Academy of management journal 2008, Vol. 51, No. 5, 1014-1029

Tong W.T. [2004], “Essays on growth options and corporate strategy”, The Ohio State University.

Trigeorgis L.[1996], “Real options: managerial flexibility and strategy in resource allocation”, MIT Pres, Cambridge, Mass.

Vossen, R.W., & B. Nooteboom [1997], “R&D, bedrijfsgrootte en bedrijfstak: Beleidsimplicaties”, Tijdschrift voor Plitieke Ekonomie 20: 132-140

Wall, R.A., “Measuring the present value of growth opportunities”, working paper series Canisius College.



Bijlage

Bijlage 1. Berekening van de WACC













Bijlage 2a. Tabak en sigaretten industrie

Dependent Variable: PVGOP







Method: Least Squares







Date: 06/21/09 Time: 12:48







Sample (adjusted): 19 1010







Included observations: 147 after adjustments




Newey-West HAC Standard Errors & Covariance (lag truncation=4)

PVGOP=C(1)+C(2)*RDSALES+C(3)*STDEV+C(4)*CAPINVSALES+C(5)

        *BETA+C(6)*SKEWNESS+C(7)*FORTOTSALES+C(8)*TOTASSETS

        +C(9)*MARKETSHARE+C(10)*EP+C(11)*MB


































Variable

Coefficient

Std. Error

t-Statistic

Prob.  































C(1)

-0.306711

0.459002

-0.668213

0.5051

RDSALES

0.968694

0.362032

2.675714

0.0084

STDEV

1.035993

3.498928

0.296089

0.7676

CAPINVSALES

-0.456933

0.197477

-2.313851

0.0222

BETA

0.496926

0.202654

2.452093

0.0155

SKEWNESS

0.317770

0.185334

1.714579

0.0887

FORTOTSALES

-1.403703

0.583579

-2.405335

0.0175

TOTASSETS

4.34E-06

1.81E-05

0.239611

0.8110

MARKETSHARE

0.495457

1.494744

0.331466

0.7408

EP

-0.068778

0.029479

-2.333107

0.0211

MB

0.002223

0.000937

2.371887

0.0191































R-squared

0.665011

    Mean dependent var

-0.490203

Adjusted R-squared

0.640380

    S.D. dependent var

2.103973

S.E. of regression

1.261718

    Akaike info criterion

3.374708

Sum squared resid

216.5027

    Schwarz criterion

3.598481

Log likelihood

-237.0410

    Hannan-Quinn criter.

3.465629

F-statistic

26.99838

    Durbin-Watson stat

0.841944

Prob(F-statistic)

0.000000








































Bijlage 2b. Resultaten voor de Kledingindustrie

Dependent Variable: PVGOP







Method: Least Squares







Date: 06/21/09 Time: 12:50







Sample (adjusted): 93 7652







Included observations: 458 after adjustments




PVGOP=C(1)+C(2)*RDSALES+C(3)*STDEV+C(4)*CAPINVSALES+C(5)

        *BETA+C(6)*SKEWNESS+C(7)*FORTOTSALES+C(8)*TOTASSETS

        +C(9)*MARKETSHARE+C(10)*EP+C(11)*MB


































Variable

Coefficient

Std. Error

t-Statistic

Prob.  































C(1)

0.174612

0.221300

0.789028

0.4305

RDSALES

0.030704

0.002310

13.29041

0.0000

STDEV

-1.905701

0.758092

-2.513813

0.0123

CAPINVSALES

-0.001596

0.001637

-0.975318

0.3299

BETA

-0.189285

0.188167

-1.005944

0.3150

SKEWNESS

0.151518

0.161380

0.938888

0.3483

FORTOTSALES

-1.105055

0.562548

-1.964377

0.0501

TOTASSETS

0.001157

0.001342

0.862537

0.3889

MARKETSHARE

6.369442

16.43688

0.387509

0.6986

EP

-1.11E-05

4.17E-05

-0.265150

0.7910

MB

0.006905

0.020321

0.339785

0.7342































R-squared

0.303976

    Mean dependent var

-0.163366

Adjusted R-squared

0.288405

    S.D. dependent var

3.727045

S.E. of regression

3.143990

    Akaike info criterion

5.152587

Sum squared resid

4418.449

    Schwarz criterion

5.251704

Log likelihood

-1168.942

    Hannan-Quinn criter.

5.191624

F-statistic

19.52191

    Durbin-Watson stat

2.169959

Prob(F-statistic)

0.000000
























Bijlage 2c. Resultaten voor de elektronische industrie



Dependent Variable: PVGOP







Method: Least Squares







Date: 06/21/09 Time: 12:52







Sample (adjusted): 82 11233







Included observations: 1644 after adjustments

Newey-West HAC Standard Errors & Covariance (lag truncation=7)

PVGOP=C(1)+C(2)*RDSALES+C(3)*STDEV+C(4)*CAPINVSALES+C(5)

        *BETA+C(6)*SKEWNESS+C(7)*FORTOTSALES+C(8)*TOTASSETS

        +C(9)*MARKETSHARE+C(10)*EP+C(11)*MB


































Variable

Coefficient

Std. Error

t-Statistic

Prob.  































C(1)

0.921635

0.336886

2.735748

0.0063

RDSALES

6.23E-06

6.35E-05

0.098121

0.9218

STDEV

-11.67680

5.219878

-2.236987

0.0254

CAPINVSALES

0.002841

0.001373

2.070281

0.0386

BETA

0.708756

0.270080

2.624247

0.0088

SKEWNESS

0.089730

0.123208

0.728274

0.4666

FORTOTSALES

-0.915200

0.580544

-1.576452

0.1151

TOTASSETS

-6.83E-06

8.81E-06

-0.774958

0.4385

MARKETSHARE

1.254607

3.061871

0.409752

0.6820

EP

-0.061100

0.019104

-3.198195

0.0014

MB

0.000444

0.000210

2.116976

0.0344































R-squared

0.563828

    Mean dependent var

0.655125

Adjusted R-squared

0.561157

    S.D. dependent var

6.950030

S.E. of regression

4.604062

    Akaike info criterion

5.898423

Sum squared resid

34615.33

    Schwarz criterion

5.934587

Log likelihood

-4837.504

    Hannan-Quinn criter.

5.911834

F-statistic

211.0938

    Durbin-Watson stat

1.129270

Prob(F-statistic)

0.000000








































Bijlage 2d. Resultaten voor de Kolenindustrie

Dependent Variable: PVGOP







Method: Least Squares







Date: 06/21/09 Time: 12:54







Sample (adjusted): 19 2114







Included observations: 61 after adjustments




Newey-West HAC Standard Errors & Covariance (lag truncation=3)

PVGOP=C(1)+C(2)*RDSALES+C(3)*STDEV+C(4)*CAPINVSALES+C(5)

        *BETA+C(6)*SKEWNESS+C(7)*FORTOTSALES+C(8)*TOTASSETS

        +C(9)*MARKETSHARE+C(10)*EP+C(11)*MB


































Variable

Coefficient

Std. Error

t-Statistic

Prob.  































C(1)

-0.337051

0.982407

-0.343087

0.7330

RDSALES

3.61E-05

0.003778

0.009566

0.9924

STDEV

0.423278

11.48797

0.036845

0.9708

CAPINVSALES

0.027816

0.015065

1.846339

0.0708

BETA

0.359490

0.315077

1.140961

0.2593

SKEWNESS

-0.321334

0.160819

-1.998109

0.0512

FORTOTSALES

-2.325035

2.320331

-1.002027

0.3212

TOTASSETS

3.94E-05

2.25E-05

1.749213

0.0864

MARKETSHARE

-22.81192

23.88609

-0.955029

0.3442

EP

-0.097455

0.011682

-8.342421

0.0000

MB

0.038706

0.030585

1.265519

0.2116































R-squared

0.617103

    Mean dependent var

-1.012896

Adjusted R-squared

0.540523

    S.D. dependent var

2.944023

S.E. of regression

1.995598

    Akaike info criterion

4.381569

Sum squared resid

199.1206

    Schwarz criterion

4.762219

Log likelihood

-122.6379

    Hannan-Quinn criter.

4.530749

F-statistic

8.058331

    Durbin-Watson stat

0.527681

Prob(F-statistic)

0.000000









































1   2   3   4   5   6


De database wordt beschermd door het auteursrecht ©opleid.info 2017
stuur bericht

    Hoofdpagina