Еще один фактор, который может влиять на величину показателя P/E страны, – это уровень защиты инвесторов. Для таких стран, как Россия, он оказывает огромнейшее влияние. Мультипликатор P/E российского рынка может быть ниже мультипликатора американского рынка на 65 %. Такую огромную скидку традиционные факторы, влияющие на величину мультипликатора (доля дивидендных выплат в чистой прибыли, ожидаемый темп роста, требуемая доходность, ликвидность рынка, уровень волатильности на рынке), объяснить не могут. А вот если добавить в регрессионное уравнение расчета целевого мультипликатора
[81] какой-нибудь индекс защиты прав инвесторов, то расчетный мультипликатор будет очень похож на фактический. Моя студентка Мария Вавилова делала такие расчеты в своей магистерской работе. Зависимость, которую она получила, представлена на рис. 9. Серая линия – это фактический мультипликатор российского рынка, светло-серая – это целевой мультипликатор российского рынка, если в расчеты принимать только классические драйверы целевого уровня P/E рынка в целом, а черная – если учитывать индекс восприятия коррупции Transparency International и защиты прав собственности (компонент индекса экономической свободы). Результаты впечатляющие. Именно коррупция и плохая защита прав собственности душат российский фондовый рынок, а отнюдь не макроэкономические параметры.
Рис. 9 наглядно подтверждает, что прибегать к традиционным методам корректировки на страновой риск не всегда оправданно. Возможно, эти методы работают для стран с низким уровнем коррупции и хорошей защитой прав собственности, но не для России. Итак, что же делать, если в России для оценки не хватает аналогов, в мире в целом они есть, но при их использовании погрешность в оценке будет слишком велика. Первое, что приходит на ум, это брать аналоги из стран БРИКС (Бразилия, Россия, Индия, Китай и ЮАР). Мы тестировали эту идею с другим моим студентом, Георгием Гиоевым, и обнаружили, что есть лучший метод. Мы прибегли к так называемому кластерному анализу, при котором распределяли страны по группам с учетом трех основных факторов, влияющих на уровень целевого P/E фондового рынка (если факторов больше, кластеры будут слишком небольшими, и мы опять столкнемся с нехваткой аналогов). В качестве таких факторов мы взяли исторический (за пять лет) рост ВВП, премию за риск в том виде, как ее рассчитывает Дамодаран, и уровень корпоративного управления (подындекс индекса World Global Indicators Всемирного банка). Расчеты делались в компьютерной программе, которая еще и считала «расстояния» от каждой страны до каждой страны в трехмерном пространстве, задаваемом этими параметрами.
В табл. 20 для примера представлены кластеры для России, ЮАР, Мексики и Турции. Как видно, наши ближайшие экономические аналоги – отнюдь не Индия с Китаем (расстояние до каждой из них составило 2,5, это далеко). Из стран БРИКС близки к нам только Бразилия и ЮАР, а другими близкими являются Мексика, Таиланд, Румыния и Кувейт. Если брать аналоги из этих стран, можно добиться большей точности, чем при использовании аналогов из стран БРИКС. Мы проверили это предположение для российских продуктовых розничных сетей, и оно подтвердилось: оценка получается более точной, если брать сети данных стран, а не стран БРИКС.
В заключение данного параграфа расскажу интересный случай из моей практики, когда выбор стран местонахождения аналогов радикально повлиял на оценку компании. Дело было в 2004 г., и речь шла об оценке одно из контейнерных терминалов в России. Присланный мне отчет об оценке содержал большую выборку сделок с контейнерными терминалами по всему миру и выходил на мультипликатор $255 за один условный обработанный контейнер (TEU). В выборке были смешаны контрольные и неконтрольные пакеты, а оценивался неконтрольный. Когда я очистила выборку от всего нерелевантного, т. е. сделок с контрольными пакетами, сделок по терминалам, у которых присутствовал другой бизнес помимо перевалки, например девелоперский или управление портом, и – главное – сделок с терминалами в Азии, оценка упала до $77 за TUE, т. е. примерно в три раза, а коэффициент вариации значений в выборке уменьшился с 87 до 34 %, что свидетельствует о ее большей точности. Исключение азиатских терминалов повлияло больше всего. Это связано с тем, что в Азии на момент оценки сложился дефицит портовых мощностей по обработке контейнеров, тогда как в Европе мощности были избыточными. В России особого дефицита не было, поэтому корректнее было ориентироваться на европейские мультипликаторы.
11.3. Отраслевой фактор
Между отраслями также существуют значительные различия, влияющие на оценку бизнеса. Связано это с различной доходностью и капиталоемкостью разных отраслей (в более капиталоемкой отрасли, чтобы инвестиции окупались, маржа должна быть выше), а также с разным ожидаемым ростом и многими другими факторами, которые влияют на стоимость компаний (размер компаний, степень информационной открытости и защищенности акционеров). Ведущие компании – поставщики финансовых информационных услуг и инвестиционные банки регулярно проводят мониторинг изменений мультипликаторов в отраслевом разрезе.
В табл. 21 представлен мультипликатор P/E для ряда отраслей США (по данным за 2000–2016 гг.). Из таблицы видно, что разброс по каждому из показателей довольно велик как между отраслями, так и во временном разрезе. Самый низкий мультипликатор – это 7,2 для вертикально интегрированных нефтяных компаний в начале 2010 г., т. е. в период низких цен на нефть. Слишком высокие мультипликаторы (376 у фондов недвижимости на начало 2000 г., 81 у воздушного транспорта на начало 2003 г. и даже 506 на начало 2010 г.) отражают не радужные перспективы отрасли, а отсутствие у нее прибыли (деление на число, близкое к нулю). Данные табл. 21 прекрасно иллюстрируют то теоретическое положение, что высокие значения P/E могут свидетельствовать как о позитивном настрое инвесторов по отношению к отрасли (думаю, за счет этого стабильно высокие мультипликаторы у компаний, производящих электронику), так и о печальном положении дел и низкой прибыльности. Определить причину высоких значений P/E можно только путем качественного анализа.
Я уже в третий раз обновляю эту таблицу, размышляю над данными за разные годы и вижу, что лидирующие и отстающие отрасли меняются почти без всякой закономерности. Данная статистика, собранная за несколько лет в разрезе по отраслям, наглядно показывает, почему экстраполяция мультипликаторов во времени, а также между странами чревата огромными погрешностями. Я не хотела бы загромождать книгу, которая все же не статистический справочник, большим количеством таблиц. Тем, кто интересуется межвременными сравнениями, предлагаю заглянуть на сайт Дамодарана: там хранятся данные и за прошлые годы.
