Der Zusammenhang zwischen EVA-Performance und Aktienrenditen

Inhaltsverzeichnis

1 Ausgangslage
1.1 Einleitung
1.2 Hypothese
1.3 Ziel der Bachelor-Thesis
1.4 Abgrenzung der Studienarbeit
1.5 Aufbau und Methodik der Bachelor-Thesis
1.6 Untersuchungsmethoden
1.7 Datenquelle
1.8 Datensammlung
1.9 Datenanalyse
1.10 Ergebnisse

2 Erster Teil: Grundlagen und Basis
2.1 Grundlagen EVA
2.2 Grundlagen Adjustierungen
2.3 Grundlage MVA ex ante
2.4 Grundlage Value Spread
2.4.1 Zusammenfassung der Kennzahlen
2.5 Grundlagen der Markteffizienzhypothese
2.6 Berechnung des Aktienpreises
2.7 Grundlagen Rendite und Renditeberechnung
2.8 Grundlage der Performanceberechnung
2.9 Grundlage der Regression

3 Zweiter Teil: Beschreibende Statistik
3.1 Gesamtbetrachtung der Daten
3.2 Betrachtung der Daten aus Sicht der Einzelunternehmung
3.3 Betrachtung auf Branchenebene
3.4 EVA versus Börsenkapitalisierung

4 Dritter Teil: Regressionsanalyse
4.1 Auswertung der Regressionsanalyse ohne Verzögerungseffekt
4.2 Auswertung der Regressionsanalyse mit Verzögerungseffekt
4.3 Auswertung MVA
4.4 Auswertung Value Spread
4.5 Auswertung der Regressionsanalyse auf Branchenebene

5 Vierter Teil: Portfoliobildung auf der Basis EVA
5.1 Rahmenbedingungen
5.2 Performanceanalyse ohne Verzögerungseffekt
5.3 Performanceanalyse mit Verzögerungseffekt

6 Schlussfolgerung
6.1 Erkenntnisse aus der beschreibenden Statistik
6.2 Erkenntnisse aus der Regressionsanalyse
6.3 Erkenntnisse der Portfoliobildung auf der Grundlage von EVA
6.4 Aus der Sicht des Investors
6.5 Ausblick

I. Literaturverzeichnis

II. Formelverzeichnis

III. Abbildungsverzeichnis

IV. Tabellenverzeichnis

V. Abkürzungsverzeichnis

VI. Selbstständigkeitserklärung

VII. Anhangverzeichnis.

1 Ausgangslage

1.1 Einleitung

Die Kennzahl EVA wurde in den USA von der Unternehmensberatung Stern Stewart & Co entwickelt, welche sich die Markenrechte für den EVA gesichert haben. (Wikipedia, 2012). Das Konzept der EVA-Methode wird in Europa zunehmend angewendet. Primär als Kernelement zur Gestaltung der internen Corporate Governance entwickelt, gewinnt der EVA in der Schweiz vor allem beim zunehmenden Einsatz im Rahmen der Aktienanalyse an Popularität^[1] (Hostettler, 2002). Der EVA ist eine Messgrösse für den wirtschaftlichen Gewinn einer Unternehmung. Mit anderen Worten, der EVA weist aus, ob der effektive Gewinn über oder unter den investierten Kapitalkosten liegt. Als Gewinngrösse wird der NOPAT herangezogen. Liegt der EVA über den Kapitalkosten und ist somit positiv, wird ein Übergewinn erzielt. Je höher der Gewinn ausfällt, desto mehr Investoren sind bereit, Kapital in das jeweilige Unternehmen zu investieren. Eine negative Differenz und damit ein negativer EVA lassen vermuten, dass das Unternehmen Wert im Sinne von EVA vernichtet. Dies birgt die Gefahr, dass die Investoren nach Alternativen suchen und ihr Kapital in rentablere Unternehmen investieren. Langfristig birgt ein negativer EVA die Gefahr von Umstrukturierungen, Outsourcing und Teilschliessungen von Geschäftsfeldern eines Unternehmens bis hin zum Konkurs. Die Interpretation ist einfach, der Investor kann sich schnell ein Bild davon machen, ob ein Unternehmen seine Ziele erreicht hat oder nicht. Der Unterschied zu anderen Leistungskennzahlen, wie zum Beispiel der Gewinn je Aktie, EBITDA und ROIC ist, dass der EVA sämtliche Kosten misst, die mit dem Management und der Finanzierung des Unternehmens verbunden sind. Der EVA hat sich als wertorientierte Unternehmenssteuerung durchgesetzt. Hauptsächlich dient die Kennzahl EVA zur internen Performance-Messung in Form von Managementleistungen, zur Gestaltung der internen Corporate Governance sowie auch für Entlöhnungssysteme. Extern kann der EVA als Instrument zur Unternehmensbewertung dienen. Aus Sicht der Shareholder werden mit dem EVA-Konzept Werte geschaffen, wenn die Erträge die Kosten, respektive die risikoabhängigen Kosten, übersteigen. Der Preis der Aktie widerspiegelt den aktuellen Wert des jeweiligen Unternehmens. Mit anderen Worten, sollte es dem Unternehmen gelingen, seinen Unternehmenswert zu steigern, müsste sich der zusätzlich erwirtschaftete Gewinn in der Aktienperformance niederschlagen. In der Literatur wird die Aktienbewertung mittels der Kennzahl EVA kaum erläutert. Einige wenige Studien weisen jedoch einen tiefen Zusammenhang zwischen dem EVA und den Aktienrenditen auf.

Diese Bachelor-Thesis richtet sich an Analysten, Portfoliomanager und Vermögensberater, die sich tagtäglich mit der Bewertung von Unternehmen und Aktien befassen.

1.2 Hypothese

Stephan Hostettler hat in seinem Buch „Economic Value Added, Darstellung und Anwendung auf Schweizer Aktiengesellschaften“ die Aktienrenditen der EVA-Performer mit der Performance des Gesamtmarktes verglichen. Stephan Hostettler kam zu folgendem Schluss: „Der Schweizer Aktienmarkt honoriert eine auf ein Jahr erwartete herausragende EVA-Gesamtperformance mit überdurchschnittlichen Aktienrenditen im aktuellen Jahr“ (Hostettler, 2002). Der Autor dieser Arbeit unterstellt der Erkenntnis von Stephan Hostettler, dass ein Zusammenhang zwischen dem EVA und den Aktienrenditen bestehen muss und die Aktienrenditen durch den EVA beeinflusst werden. In dieser Bachelor-Thesis soll die Aussage von Stephan Hostettler untersucht und analysiert werden.

Durch den Autor werden in diesem Zusammenhang folgende Hypothesen aufgestellt:

- Zwischen Aktienrenditen, der Kennzahl EVA und den daraus abgeleiteten Kennzahlen Value Spread und EVA Spread besteht ein hoher Zusammenhang. Dieser ist wertrelevant für zukünftige Investitionsentscheidungen.
- Zwischen Aktienrenditen und dem MVA besteht ein hoher Zusammenhang. Mit dem Ergebnis können verlässliche Investitionsentscheidungen gefasst werden.
- Ein auf Grundlagen der zehn besten EVA-Performer gebildetes Aktienportfolio erzielt eine deutlich höhere Rendite als der Markt. Zudem erzielt das Portfolio eine bessere Rendite als die entsprechenden Referenzportfolios, die mit den mittleren, den schlechtesten EVA-Performern sowie mit Hilfe eines Zufallsgenerators gebildet wurden. Die Kennzahl EVA erlaubt ein erfolgreiches Portfoliomanagement.

1.3 Ziel der Bachelor-Thesis

Das Ziel dieser Bachelor-Thesis ist es, die Erkenntnisse von Stephan Hostettler weiterzuverfolgen und zu analysieren. Der Schwerpunkt liegt dabei auf der Überprüfung der von ihm erstellten Hypothesen und deren Gültigkeit. In der Studie soll nicht nur der EVA alleine betrachtet werden. Der Umfang wird auf die Kennzahlen Value Spread und EVA-Spread erweitert. Ziel ist es zu überprüfen, ob eine der genannten Kennzahlen einen höheren Zusammenhang zu den Aktienrenditen vorweist.

In einem weiteren Schritt sollen Investitionsentscheidungen auf Grundlage des EVAs überprüft werden. Es gilt nachzuweisen, ob ein Portfolio mit den besten EVA-Performern die Marktrendite sowie die Renditen ausgewählter Referenzportfolios übertrifft. Das letzte Ziel dieser Bachelor-Thesis ist die kritische Auseinandersetzung mit den gewonnenen Erkenntnissen sowie mit dem Ergebnis des Hypothesentests.

1.4 Abgrenzung der Studienarbeit

An der Schweizer Börse SIX sind ungefähr 300 Unternehmen gelistet. Dazu gehören Nestle, Novartis und Roche, drei der sechs am höchsten kapitalisierten europäischen Aktien. Die Aktien werden in verschiedenen Indizes zusammengefasst, wie zum Beispiel SMI, SPI und SLI. Diese Arbeit beschränkt sich auf den SLI. Der SLI enthält die 30 liquidesten, grössten Titel des Schweizer Aktienmarktes. Die im Index enthaltenen Unternehmen unterliegen strenger Offenlegungspflichten, um eine vollständige Transparenz zu gewährleisten. Diese Bachelor-Thesis untersucht ausschliesslich Unternehmen, die im genannten Index vertreten sind. Die strengen Regulatorien erlauben eine qualitative und quantitative Datenreihe über die letzten 10 Jahre. Das Unternehmen Transocean wurde von der Studie ausgeschlossen. Der weltgrösste Tiefsee-Ölkonzern Transocean ist seit 2010 im SLI vertreten. Die wenigen verfügbaren Daten sind für die Studie jedoch weder repräsentativ noch aussagekräftig. Die Privatbank Julius Bär weist im Zeitraum von 1999 – 2003 einige Datenlücken auf, die mit einer Trendrechnung ergänzt wurden. Die mit der Trendfunktion errechneten EVA-Werte weisen eine negative Tendenz auf. Diese Tatsache entspricht dem Bild im Branchensektor „Banken“, wo die beiden Grossbanken UBS AG und Credit Suisse AG ebenfalls negative EVAs vorweisen. Die Trendrechnung verzerrt das Ergebnis nicht. Die Auswahl der 30 Unternehmen kann bei der Untersuchung auf Branchenebene das Resultat verzerren, da zum Teil ein Unternehmen im Index eine Branche repräsentiert. Bei der Ermittlung der Daten standen die historischen Dividendenzahlungen über den Zeitraum von 10 Jahren nicht vollumfänglich zur Verfügung. Wo möglich, wurden bei der Renditenberechnung die Dividendenströme berücksichtigt. Da die Daten über den Beobachtungszeitraum nicht vollumfänglich vorhanden sind, kann es zu leichten Performenceverzerrungen der Aktienrenditen kommen.

Es gibt rund 164^[2] verschiedene Methoden, um den EVA zu berechnen. Die Kapitalkosten und der EVA werden von den Unternehmen aufgrund der Konkurrenz nur sehr zurückhaltend offengelegt. Die Basis des EVAs wird aus der unbereinigten Bilanz ermittelt, mit den Adjustierungen gelangt man zum wahren EVA, welcher der wirtschaftlichen Realität entspricht. Aufgrund der Komplexität der EVA-Kennzahl wird auf die Berechnung aus Firmenbilanzen verzichtet. Die benötigten Daten wurden aus Finanzinformationssystemen ermittelt und beziehen sich auf Jahresbasis. Es ist nicht ausgeschlossen, dass die Herleitung des EVAs aus anderen Quellen zu unterschiedlichen Aussagen führt. Die Markteffizienztheorie unterscheidet die schwache Effizienz, die mittelstarke Effizienz sowie die starke Markteffizienz. In dieser Thesis wird grundsätzlich von der starken Markteffizienz ausgegangen.

Mit dem Platzen der Dotcomblase im Jahr 2000, welche die Märkte bis ins Jahr 2004/05 beeinflusste, die Finanzkrise ab 2007 sowie die Staatsschuldenkrise ab 2010 beginnend mit der Griechenlandkrise, waren die Aktienmärkte starken Schwankungen unterworfen. Die Verwerfungen an den Märkten neigten zu Übertreibungen und die Entwicklung der Aktienkurse konnte zum Teil fundamental nicht begründet werden. Es ist nicht auszuschliessen, dass die Verwerfungen auf dem Aktienmarkt die Resultate verzerren.

1.5 Aufbau und Methodik der Bachelor-Thesis

Die vorliegende Bachelor-Thesis ist in fünf Teile gegliedert. Der erste Teil beschäftigt sich mit den Grundlagen der zu untersuchenden Kennzahlen und soll die Begriffe näherbringen. Der Leser soll anhand des ersten Teils in der Lage sein, die Berechnungen nachzuvollziehen. Im zweiten Teil werden die Daten aufgearbeitet, geordnet und für die Gegenüberstellung der Aktienrenditen vorbereitet. Mithilfe der deskriptiven Statistik werden die Daten durch Tabellen übersichtlich dargestellt. Die aufbereiteten Daten sollen auf ihren Zusammenhang hin überprüft und ausgewertet werden. Im dritten Teil werden die Daten mit einer Regressionsanalyse geprüft. Die Resultate aus der Analyse sollen den Zusammenhang zwischen der EVA-Performance und den Aktienrenditen mathematisch erklären. In diesem Teil wird zudem untersucht, in welcher Form ein Verzögerungseffekt das Bestimmtheitsmass und somit die Aussage über den Zusammenhang zwischen dem EVA und den Aktienrenditen beeinflusst. Im vierten Teil werden anhand eines Beispiels die Investitionsentscheidungen auf Basis des EVAs überprüft. Aufgrund festgelegter Rahmenbedingungen werden Portfolios erstellt und zum Vergleich herangezogen. Es wird untersucht, in welcher Form ein Verzögerungseffekt die Performance der Portfolios beeinflusst.

Das letzte Kapitel setzt sich kritisch mit den Erkenntnissen aus dieser Bachelor-Thesis auseinander. Die Schlussfolgerung besteht aus der Hypothesenprüfung und den Ergebnissen aus den einzelnen Kapiteln.

Die Erkenntnis von Stephan Hostettler wird aufgenommen und bewertet. Der Ausblick am Ende dieser Thesis gibt Auskunft über Fragen, welche sich aus den Erkenntnissen dieser Arbeit ergeben. Das nachfolgende Schema stellt den Aufbau der Arbeit grafisch dar.

Abbildung in dieser Leseprobe nicht enthaltenAbbildung 1 Schematische Darstellung der Arbeit

1.6 Untersuchungsmethoden

Die Untersuchung im zweiten Teil dieser Thesis erfolgt mittels der beschreibenden Statistik. Mit Hilfe von Tabellen werden die Beobachtungen einander gegenübergestellt, analysiert und beschrieben. Im dritten Teil werden die Beobachtungen mit der Regressionsanalyse, einem statistischen Analyseverfahren, bewertet. Die Erkenntnisse aus Teil 2 sollen mathematisch mit der Regressionsanalyse bestätigt oder verworfen werden. Die Resultate werden mit Tabellen, Diagrammen und Histogrammen visualisiert.

1.7 Datenquelle

Die Studie basiert auf sekundären Daten. Die Daten stammen von den Finanzinformationssystemen Bloomberg und Market Map von Infotec. Weitere fundamentale Daten wurden von www.finanz.ch bezogen. Die Daten sind für alle Finanzmarkteilnehmer mit den dafür erforderlichen Lizenzen zugänglich. Ausführliche Bilanzkennzahlen, insbesondere über den EVA, sind kostenpflichtig und in den entsprechenden Systemen aufbereitet und abrufbar.

1.8 Datensammlung

Die Datensammlung der aktuellen Studie umfasst Unternehmen, die im SLI kotiert sind. Der eben erwähnte Index umfasst 30 Unternehmen. In der vorliegenden Arbeit wird das Unternehmen Transocean mangels Daten nicht berücksichtigt. Beim Unternehmen Julius Bär wurden die fehlenden EVA-Werte im Zeitraum von 1999 bis 2003 mit der Excel-Funktion „Trend“ ergänzt. Die Wahl für Unternehmen im SLI beruht auf der Tatsache, dass die Daten aufgrund der Vorgaben der Präsentation von Bilanz und Jahresrechnungen qualitativ in genügender Form vorhanden sind. Die Daten wurden auf Jahresbasis ermittelt.

Die Basisdaten aus den Finanzinformationssystemen umfassen die folgenden Kennzahlen:

- Jahresschlusskurs,
- WACC,
- EVA,
- EVA-Spread,
- ROIC,
- NOPAT.

Aus den vorliegenden Daten wurden die folgenden Werte ausgerechnet:

- NOA,
- MVA,
- Value Spread,
- Aktienrenditen (evtl. vorhandene Dividenden berücksichtigt),
- Börsenkapitalisierung

sowie die prozentuale Veränderung der Werte.

[...]

^[1] Hostettler (2002), S. 1

^[2] Vgl. (Hesse, 2011, S. 134)