Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:

BNY Mellon Mobility Innovation Fund

Ad

Das Alter der Mobilität. Trotz einiger Rückschläge auf dem Gebiet der selbstfahrenden Autos steht eine neue Ära der intelligenten Mobilität unmittelbar bevor.  Teil eines Sonderberichts von BNY Mellon Investment Management.

Anzeige
4/2017 | Theorie & Praxis
twitterlinkedInXING

Gewinnprognose? Irrelevant!

Neue ökonomische Modelle verlangen nach neuen Ansätzen, befinden die Finanzmathematiker Feng Gu und Baruch Lev in ihrer viel beachteten Arbeit „Time to Change Your Investment Model“. In dieser ­erklären sie bisherige Prognoseansätze für obsolet und schlagen Alternativen vor.

1513867209_teaserbild9.jpg

Paradebeispiel Amazon: Kritiker bemängelten die Investitionen von CEO Jeff Bezos in neue Geschäftsfelder als zu kostspielig und riskant. Wer dieser Meinung gefolgt ist, hat das eben erst erzielte historische Hoch der Amazon-Aktie verpasst.

Foto: © Patrick Fallon | Bloomberg

Auch in der akademischen Welt überwiegt die Zahl der Mitläufer. Nur wenige Forscher wagen es, sich mit ihrer Arbeit gegen den Mainstream zu stellen, und auch wenn echte Vordenker am Ende meist recht behalten, setzen sich revolutionäre neue Erkenntnisse auch im Elfenbeinturm nur sehr langsam durch. Feng Gu, Professor für Accounting an der School of Management, State University of New York at Buffalo, und Baruch Lev, Professor für Accounting and Finance an der Stern School of Business, New York University, befinden sich heute noch in der Phase, in der sie vor allem mit Widerspruch zu tun haben. Dass die beiden Wissenschaftler für ihr Buch „The End of Accounting and the Path Forward for Investors and Managers“ – vorsichtig formuliert – „gemischte Kritiken“ erhalten, ist auch nicht weiter über­raschend. Sie schlagen in ihren jüngs­ten ­Arbeiten nicht weniger vor, als die gegenwärtigen Buchhaltungs- und Finanzberichtssysteme de facto komplett abzuschaffen.


Im Kontext dieses akademischen Bildersturms ist auch ihr jüngster Aufsatz „Time to Change Your Investment Model“, zu verstehen, der im Herbst dieses Jahres vom CFA Institute veröffentlicht wurde. Darin arbeiten die Autoren ihre These von der Überalterung der aktuell gültigen Berichtsstandards weiter aus, indem sie sich auf die aus ihrer Sicht übertriebene Bedeutung von Gewinnen in den Quartalsberichten einschießen. „Stellen Sie sich vor, sie würden über die perfekte Maschine zur Vorhersage von Gewinnen verfügen“, skizziert Gu ein Gedankenexperiment. „Und zwar eine Maschine, die exakt bestimmen könnte, ob ein Unternehmen den Analystenkonsens des nächsten Quartals trifft, enttäuscht oder übererfüllt.“ Und während man im Kopf den Preis kalkuliert, den man für ein solches Gerät zahlen würde, hat Lev schon die Antwort parat: „Es ist auf jeden Fall viel weniger, als Sie annehmen würden. Würden Sie mir glauben, dass der faire Wert einer solchen Maschine null beträgt?“
Würden wir nicht – was die Autoren nicht weiter überrascht, weshalb sie uns mit einer recht bemerkenswerten Beweiskette für ihre Null-Wert-Theorie konfrontieren.


Als Basis verwenden Gu und Lev die I/B/E/S-Datenbank, die Analysteneinschätzungen für 22.000 Firmen aus 100 Ländern umfasst. Diese Prognosen haben sie für den dreißigjährigen Zeitraum von 1986 bis 2015 gesammelt, um in der Folge für jedes Quartal auszuwerten, ob die Unternehmen die Gewinnerwartungen übertroffen, genau getroffen oder verfehlt haben. War die Überraschung positiv, wurde die Aktie drei ­Monate vor dem Quartalsbericht gekauft. War sie negativ, kam es zu einem Leerverkauf – ebenfalls drei Monate vor dem Report. Man verfügt also über eine (simulierte) Prognose, die exakt vorhersagen kann, wie die Gewinne am Ende des Quartals aussehen. Der hypothetische Investor kann sich entsprechend perfekt positionieren. Um gravierende statistische Verzerrungen auszuschließen, wurden Ergebnisse, die die Prognosen um mehr als 100 Prozent verfehlt oder übertroffen haben, eliminiert. Von der so entstandenen perfekten Rendite hat man die herkömmliche Rendite abgezogen, die sich ergeben hätte, wenn man Aktien, die über eine ähnliche Marktkapitalisierung verfügen, in Bausch und Bogen gekauft hätte.


Abnormale Gewinne
Die Ergebnisse dieses perfekten Gewinnprognosemodells (siehe Chart „Der perfekte Trade verliert an Glanz“) sind spektakulär. So erwirtschaftete das Modell zu Beginn des Berechnungszeitraums eine Überrendite von bis zu knapp sechs Prozent pro Quartal. Demnach war es zu Beginn der 1990er-Jahre also durchaus sinnvoll, so viel Analysekraft wie möglich in die Schätzung von Gewinnen zu stecken. Das Problem: Die Überrendite nimmt mit den Jahrzehnten dramatisch ab, bis nur noch 1,6 bis 2,0 Prozent pro Quartal zu Buche stehen. Die erste Reaktion lautet wahrscheinlich, dass „sich selbst solche Gewinne nicht im Kleingeldbereich abspielen“, wie Lev einräumt. Vor Augen halten muss man sich jedoch, dass es sich hier um ein „perfektes“ Modell handelt. Die Trefferquote im realen Handelsverlauf wäre deutlich geringer. Hinzu komme, dass „schlichte“ Momentum-Strategien, die die Top-Ten-Prozent in ­Sachen Zwölfmonatsgewinn kaufen und die schlechtesten zehn Prozent leer verkaufen, ähnliche Gewinne erzielen. Die Schlussfolgerung von Gu und Lev lautet deshalb: Investitionen, die auf Basis von Gewinnprognosen beziehungsweise KGV-Schätzungen erfolgen, waren vor 30 Jahren eine Erfolgsstrategie, sind es aber mittlerweile nicht mehr. Die Nutzlosigkeit von Ergebnisanalysen begründen sie mit dem nicht ganz unbekannten Phänomen, wonach sich das ökonomische Umfeld seit Mitte der 1980er-Jahre einigermaßen verändert hat. Stellt sich die Frage: Wenn Gewinnkennzahlen zu kurz greifen, womit lässt sich ein Unternehmen dann noch halbwegs aussagekräftig bewerten?


Welche Stärken?
Genau dieser Problematik nähern sich die Autoren an, indem sie die Frage stellen, was Unternehmen dieser Tage stark macht und was die Dells von den Apples dieser Welt unterscheidet.


Ihrer Meinung nach lässt sich das bilanziell vor allem an den immateriellen Vermögenswerten festmachen. Gu und Lev belegen das, indem sie zeigen, wie sich das Verhältnis von immateriellen Vermögenswerten zu Bruttowertschöpfung (BWS) verändert hat (siehe Chart „Neue Zeiten, neue Vermögenswerte“) verändert hat. Das Resultat: Machten immaterielle Vermögenswerte Ende der 70er-Jahre nur rund neun Prozent der BWS aus, waren es 2012 rund 14 Prozent. Die Entwicklung der materiellen Vermögenswerte verläuft hingegen spiegelverkehrt.


In einem zweiten Schritt rechnen sie durch, wie der Anteil an Vermögenswerten mit den abnormalen Gewinnen zusammenhängt. Für den Zeitraum 2011 bis 2015 prognostizieren sie einmal mehr perfekt die Quartalsergebnisse und gehen entsprechende Long- beziehungsweise Short-Positionen ein. Dann sortieren sie die so erzielte Überrendite gemäß der immateriellen Vermögenswerte. Das Ergebnis: Je höher der Anteil von In­ves­titionen in Forschung, Entwicklung, Marketing, Werbung, desto geringer fällt die Zusatzperformance aus. Je immaterieller das Vermögen, desto vergeudeter also der Aufwand einer Ergebnisprognose.


Nun könnte man einwerfen: Egal, wenn eine starke Prognosekraft von Quartalsergebnissen bei Unternehmen mit geringen immateriellen Vermögenswerten eine relativ hohe Überrendite einbringt, dann setze ich eben auf Aktien mit genau einem derartigen Bilanzprofil und suche mir dort die besten Gewinnprognosen aus. Diese Strategie hat einen wesentlichen Haken: Man legt sich damit Unternehmen ins Portfolio, die tendenziell nur kurzfristig erfolgreich sind, und verpasst den rechtzeitigen Einstieg in potenzielle Marktdominatoren wie Apple oder Amazon, deren Gewinne in der Aufbauphase von ­Investitionen aufgefressen werden. Ebenso werden Kosten für die Expansion oder die Diversifizierung des Geschäftsmodells nicht ausreichend als Investition in die Zukunft gewürdigt. Auch hier darf Amazon als ­Paradebeispiel gelten. Das Unternehmen hat vor wenigen Jahren massiv in den Ausbau von Amazon Prime inklusive der Videostreaming-Strategie investiert und ist von Analysten durchwegs kritisiert worden. Dieser Tage kämpft der ehemalige Onlinebuchhändler im TV-Geschäft mit Netflix um Marktanteile. Bei Redaktionsschluss hatte die Aktie gerade ein historisches Hoch erreicht. Die Analysten lagen mit ihrer gewinnlastigen Herangehensweise also falsch.


Eine Frage der Strategie
Was also tun, um diese langfristigen Trends einzufangen? „Man muss natürlich das ergebnisorientierte Investmentmodell abändern“, erklärt Lev. Das ultimative langfristige Ziel eines Unternehmens ist es, ­„einen nachhaltigen Wettbewerbsvorteil zu erreichen – und zu verteidigen.“ Dies gelingt, indem ein Unternehmen sogenannte „strategische Vermögenswerte“ kreiert. Folgende drei Charakteristika weisen diese aus:

1. Sie generieren einen unmittelbaren Nutzen (z. B. wachsendes Kundensegment, Ausbau des Filialnetzes etc.).
2. Sie sind selten (z. B. Funkfrequenzen, Landebahnen etc.).
3. Sie sind schwer zu kopieren (z. B. Patente, herausragendes technisches Design etc.).
Trifft eine der drei Eigenschaften nicht zu, wird es schnell eng. Ein ­Paradebeispiel stellt Dell dar. Der PC-Spezialist zog seinen Wettbewerbsvorteil aus seinem „Build-to Order“-Verkaufsmodell, das heißt, der Kunde konnte seinen Computer unter Verwendung von Modulen ­individuell und kostengünstig zusammenstellen. Mit der immer grö­ßeren Bandbreite an Computern und Computerherstellern, die eine kos­ten­güns­tige Armada an PCs und Laptops auf den Markt warfen, ging dieses Asset verloren – weil zu leicht zu kopieren.


Die Autoren räumen ein, dass Analysten und Marktteilnehmer diese strategischen Assets durchaus in ihren Bewertungen berücksichtigen, sie kritisieren jedoch, dass das Ziel immer die Ergebnisprognose ist. Besser wäre es hingegen, würde der moderne Investor abklären, ob ein Unternehmen Maßnahmen setzt, um seinen Wettbewerbsvorteil langfristig zu sichern.


Zu diesem Zweck schlagen Gu und Lev eine – auf Deutsch etwas sperrig klingende – Wettbewerbsfähigkeitsanalyse vor. Eine solche beinhaltet zunächst die Bestandsaufnahme aller strategischen Vermögenswerte: Je nach Branche sind das Patente, Markenrechte, Ölfelder, Abonnentenzahlen und Ähnliches. Anschließend muss die Frage gestellt werden, ob diese Assets ausgeweitet werden. Also: Werden mehr Ölfelder erschlossen, wird die Abonnentenzahl erweitert, wird eine Marke weiterentwickelt? In einem dritten Schritt wird geprüft, ob die strategischen Vermögenswerte verteidigt werden beziehungsweise ob sie überhaupt verteidigt werden können. Beispielsweise stellt sich in der Pharmabranche die Herausforderung ständig ablaufender Patente.


Fragestellungen dieser Art liegen – und das kann man an der Arbeit durchaus kritisch sehen – auf der Hand, interessant ist aber, wie die Autoren messen wollen, ob diese Assets überhaupt einen Wert schaffen. Dazu schlagen sie eine angepasste Defi­ni­tion des Cashflow vor. „Wir fügen dem herkömmlichen Cashflow Investitionen in Wert schaffende strategische Assets wie Forschung und Entwicklung, IT und Sonderausgaben zur Markenstärkung oder -schöpfung hinzu.“ Das erinnert sehr stark an den Cashflow aus Geschäftstätigkeit, wie er in europäischen Berichten durchaus auch ausgewiesen wird, auf den aber selten der ­Fokus gerichtet wird.


Versuch einer Revolution
Wer an dieser Stelle den Verdacht ent­wickelt, dass das Paper der Autoren auf ein vollkommen neues Set an Kennzahlen hinausläuft, liegt ziemlich richtig. Ganz so einfach ist es jedoch nicht. Aus Erfahrung weiß man, dass jede Branche eigene Charakteris­tika hat, die Kennzahlen müssen also sektorspezifisch sein. Da ein umfassender Vorschlag den Rahmen eines Working Papers sprengen würde, ­haben sich Gu und Lev auf die ­Definition eines abonnentenbasierten Geschäftsmodells à la Netflix, Amazon Prime, AppleTV oder die Telekom-Branche gestürzt. Relevant erscheinen für die Autoren Kennzahlengruppen aus dem Bereich Kundenstatus, periodische Investitionen, Kundenwert und Marktbewertung (siehe Tabelle „Der Wert des Kunden“). Setzt man diese Kennzahlen in Relation oder vergleicht sie über einen gewissen Zeitraum, ergeben sich nach Meinung der Autoren tiefergreifende Erkenntnisse als bei einer auf das Ergebnis fokussierten Analyse. Beobachtet man etwa sinkende Kosten bei der Kundengenerierung, während gleichzeitig die Abonnentenzahlen steigen, kann man davon ausgehen, dass Markenwert und Wettbewerbsfähigkeit im Steigen begriffen sind.


Praxistest
Im direkten Vergleich mit der Peergroup scheint in der Abo-Branche das Kurs-Kundenwert-Verhältnis (KKV) interessant. Der gesamte Kundenwert errechnet sich, wie aus der Tabelle „Der Wert des Kunden“ ersichtlich, aus der durchschnittlichen Dura­tion eines Kundenabos, multipliziert mit der Bruttomarge und der Zahl der Abonnenten am Ende der Berichtsperiode. Tatsächlich sind diese Kennzahlen, etwa bei der von den Autoren als Musterbeispiel herangezogenen Sirius XM, leicht zu erheben. Aus den auf der Homepage des Spezialisten für Radio-Abonnements ersichtlichen Daten zum vierten Quartal 2016 berechnen sie die durchschnittliche Kundenduration von 52,6 Monaten (Kehrwert der ausgewiesenen ­monatlichen Absprungrate von 1,9 Prozent), die monatliche Kundenmarge von 5,49 Dollar sowie die Summe von 31,3 Millionen Abonnenten, woraus sich ein Kundenwert von insgesamt neun Milliarden US-Dollar ergibt. Das entspricht wiederum der halben Marktkapitalisierung und somit einem KKV von 0,5.


Das Kurs-Kundenwert-Verhältnis ist aus Sicht der Autoren zumindest in der Abo-Branche eine „deutlich aussagekräftigere Kennzahl als das herkömmliche Kurs-Buchwert-Verhältnis“. Ein Kurs-Buchwert-Verhältnis von 0,5 wäre in einer herkömmlichen fundamentalen Analyse ein starkes Kaufargument, Analoges müsste also auch für das Kurs-Kundenwert-Verhältnis gelten. Sieht man sich die Kennzahlen zum Jahreswechsel an, so wies Sirius neben dem KKV ein KGV von rund 30 aus, ein Buchwert wurde nicht ausgewiesen, scheint auch in der Bloomberg-Datenbank nicht auf. Aus diesen herkömmlichen ergebnisgetriebenen Daten heraus hätte sich ein Kauf also nicht unbedingt aufgedrängt. Tatsächlich hat die Unternehmensaktie vom Jahreswechsel bis zum Redaktionsschluss ein Plus von rund 22 Prozent ausgewiesen. Hätte man aus der Bloomberg-Peergroup die mit einem 10er-KGV her günstigste Aktie Sinclair Broadcast ins Portfolio gelegt, hätte man im selben Zeitraum ein Minus von elf Prozent in Kauf nehmen müssen. Eine Kaufentscheidung gemäß KKV wäre also tatsächlich die bessere Entscheidung gewesen.


Die Arbeit von Fen Gu und Baruch Lev stellt einen erfrischenden Denkanstoß dar, wie man Unternehmen im 21. Jahrhundert neu bewerten könnte. Ihr Ansatz ist couragiert, wir meinen jedoch, auch ein wenig überverkauft. Klar ist, dass neue Geschäftsmodelle eine neue Sichtweise erfordern. Gewinnbasierte Prognosen aber komplett abzuhaken erscheint dann aber doch ein ­wenig fahrlässig. Wohin das führen kann, haben uns die Erfahrungen aus der Dotcom-Krise gelehrt. In gewisser Weise schießen sich die Autoren auch ein Eigentor, wenn sie darauf hinweisen, dass bereits bekannte Momentum-Strategien Überrenditen erzielen, die vergleichbar mit einem perfekten Gewinnprognosemodell sind. Wenn man also mit Smart Beta reüssieren kann, wieso Researchkosten in eine noch unerprobte Form der Aktienanalyse stecken? Ebenfalls kritisch muss angemerkt werden, dass das Anwenden alternativer Kennzahlen nicht von Gu und Lev erfunden wurden. Im Nachhall der Osteuropa-Krise wurden im europäischen Bankwesen sehr schnell In­dikatoren wie die NPL (Non Performing Loan) Ratio „State of the Art“. Später kam das bis dahin verpönte Ebit in Mode.


Auch die Modelle sind recht simpel gestrickt. Transaktionskosten und Auswirkungen von Dividenden finden beispielsweise keine Erwähnung. Auch der Hinweis auf zehn Analystenberichte, die man zum Vergleich herangezogen hat, wirkt schmalbrüs­tig. Das ist schade, denn diese Abkürzungen wirken sich zum Nachteil des Arguments aus – der Peergroup-Vergleich des angeführten Beispiels Sirius XM kommt beispielsweise im Paper selbst nicht vor und entspricht einer redaktionellen Stichprobe –, doch genau diese Stichprobe lässt den Wunsch nach mehr aufkommen.


Kurzum: Die neue Kennzahl, die auf dem Kundenwert beruht, erscheint spannend. Aber wie könnten solche Indikatoren für die Ölindustrie, die IT- oder die Finanzbranche aussehen? Wo würde ein neuer Ansatz ­überhaupt Sinn ergeben? Das wäre ein Feld für weitere Untersuchungen. Wir hoffen ­also, dass Gu und Lev noch nach­legen.


Anhang:

twitterlinkedInXING
 Schliessen