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
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|