Page 120 of 177
Page 121 of 177
selection method cannot be determined when applying a home-country peer pool. It is evident that applying SARD within industries on a small market is limited by too few observations per industry, thus, some peer groups are predefined by GICS leaving no influence to SARD in the peer selection.
Preliminary to addressing the third hypothesis, the three selection methods are assessed relative to each other using the EU peer pool. Evidently, SARD yields higher prediction accuracy than industry, similar to the application on the home-country peer pool. However, assessing SARD across industries to SARD within industries, it is still inconclusive which method is superior. When examining the stated Hypothesis 3, it is not rejected for SARD across industries while for SARD within industries it depends on the multiple applied. In general, SARD across industries yields higher prediction accuracy when applying an EU peer pool rather than a Danish. However, the superiority depends on the selection variables applied, as a home-country peer pool yields greater accuracy when few fundamentals are applied. Furthermore, for SARD within industries a home-country peer pool is preferred for EV/Sales when the optimum combination of industry and selection variables is applied. However, for EV/EBITDA and EV/EBIT, the opposite findings appear as the optimal combinations of SARD within industries using an EU peer pool is more accurate than a Danish. The ambiguous findings suggest that a trade-off arises between obtaining a larger peer pool and creating cross-border differences between targets and peers.
Overall, it should be noted that Hypothesis 3 ought to be modified for each selection method, i.e. SARD within and across industries, as no definitive answer to the optimal peer pool for Danish targets appears.
In continuation of the findings for the hypotheses, the empirical analyses evidently find that the selection method’s accuracy for multiple predictions depends on target characteristics in terms of industry groupings and firm size. Furthermore, the findings in this study indicate that the fundamentals’ appropriateness to serve as proxies is not ubiquitous, hence, the selection variables should rather be customized to the specific multiple and prioritized in relation to the individual valuation case as no universal peer selection method seems to exist.
Conclusively in relation to the research question, the findings obtained in this study suggest that a fundamental approach outperforms industry in terms of accuracy when predicting multiples for Danish, listed firms, while it cannot be definitively determined whether a combined
Page 122 of 177
approach should be applied. Finally, a pure fundamental approach yields higher accuracy when a cross-border peer pool is applied while it is dependent on the multiples examined for a combined fundamental and industry approach. Applying SARD as the framework for the fundamental school appears to be convenient for peer selection as the method’s quantitative approach makes it simple and easy to apply in practice. Additionally, unlike other fundamental approaches in the literature, SARD allows for an infinite number of proxies ensuring a greater possibility of capturing profitability, risk, and growth. However, SARD’s objectivity creates challenges in relation to practice as it does not consider strategic aspects of target firms.
Although SARD yields greater accuracy than industry affiliation, prediction errors are high indicating an essential modification to the applicability in practice. Ultimately, further examination of the optimal combination of selection variables must be conducted before the definitive applicability for Danish listed firms can be determined. The conducted analysis and robustness tests do, however, indicate an overall attractiveness of SARD as a peer selection method, especially in comparison to an industry approach.
Page 123 of 177
Bibliography
Agresti, A., Franklin, C. A., & Klingenberg, B. (2018). Statistics: The Art and Science of Learning from Data (4th ed.). Pearson.
Alford, A. W. (1992). The Effect of the Set of Comparable Firms on the Accuracy of the Price-Earnings Valuation Method. Journal of Accounting Research, 30(1), 94–108.
Bain, J. S. (1959). Industrial organization (Wiley).
Baker, M., & Ruback, R. S. (1999). Estimating Industry Multiples. Harvard University.
Berk, J., & DeMarzo, P. (2017). Stocks • ETFs • Mutual Funds • Bonds (4th ed.). Pearson.
Bhojraj, S., & Lee, C. M. C. (2002). Who Is My Peer? A Valuation-Based Approach to the Selection of Comparable Firms. Journal of Accounting Research, 40(2), 407–439.
Bhojraj, S., Lee, C. M. C., & Oler, D. K. (2003). What’s My Line? A Comparison of Industry Classification Schemes for Capital Market Research. Johnson Graduate School of Management, 42(5), 745–774.
Carmines, E. G., & Zeller, R. A. (1979). Reliability and Validity Assessment (Sage Publi).
Cheng, A. C. S., & McNamara, R. (2000). The Valuation Accuracy of the Price-Earnings and Price-Book Benchmark Valuation Methods. Review of Quantitative Finance and Accounting, 15, 349–370.
Damodaran, A. (2007). Valuation Approaches and Metrics: A Survey of the Theory and Evidence. Foundations and Trends in Finance, 1(8), 693–784.
Damodaran, A. (2011). The Little Book of Valuation. NYU Stern.
http://people.stern.nyu.edu/adamodar/New_Home_Page/littlebook/comparables.htm Damodaran, A. (2012). Investment Valuation : Tools and Techniques for Determining the Value of Any
Asset (3rd ed.). John Wiley & Sons, Incorporated.
Damodaran, A. (2021). Betas by Sector (US). NYU Stern.
http://pages.stern.nyu.edu/~adamodar/New_Home_Page/datafile/Betas.html Damodaran, Aswath. (2006). The Cost of Illiquidity.
http://people.stern.nyu.edu/adamodar/pdfiles/country/illiquidity.pdf
Page 124 of 177
Dittmann, I., & Maug, E. G. (2008). Biases and Error Measures: How to Compare Valuation Methods. Mannheim Finance Working Paper, 41.
Dittmann, I., & Weiner, C. (2005). Selecting Comparables for the Valuation of European Firms.
Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work.
Source: The Journal of Finance, 25(2), 383–417.
Flyvbjerg, B. (2006). Five Misunderstandings About Case-Study Research (2nd ed.).
Healey, M. J., & Rawlinson, M. B. (1994). Interviewing techniques in business and management research (1st ed.). Principles and Practice in Business and Management Research.
Herrmann, V., & Richter, F. (2003). Pricing With Performance-Controlled Multiples.
Schmalenbach Business Review, 55, 194–219.
Holm, A. B. (2018). Videnskab i virkeligheden (2nd ed.). Frederiksberg: Samfundslitteratur.
Kim, M., & Ritter, J. R. (1997). Valuing IPOs. Journal of Financial Economics, 53, 409–437.
Knudsen, J. O., Kold, S., & Plenborg, T. (2017). Stick to the Fundamentals and Discover Your Peers. Financial Analysts Journal, 73(3), 85–105.
Koller, T., Goedhart, M., & Wessels, D. (2005). The Right Role for Multiples in Valuation.
McKinsey on Finance, 15, 7–11.
Lee, C. M. C., Ma, P., & Wang, C. C. Y. (2015). Search-based peer firms: Aggregating investor perceptions through internet co-searches. Journal of Financial Economics, 116(2), 410–
431.
Lie, E., & Lie, H. J. (2002). Multiples Used to Estimate Corporate Value. Financial Analysts Journal, 58(2), 12.
Liu, J., Nissim, D., & Thomas, J. K. (2002). Equity Valuation Using Multiples. Journal of Accounting Research, 40(1), 135–172.
MSCI. (2020). Frequently Asked Questions about GICS.
https://www.msci.com/documents/10199/5973a128-47f0-4317-b083-716a10207b50 Nel, S., Bruwer, W., & le Roux, N. (2014). An emerging market perspective on peer group
selection based on valuation fundamentals. Applied Financial Economics, 24(9), 621–637.
Nel, S., & le Roux, N. J. (2015). An Optimal Peer Group Selection Strategy for Multiples-Based Modeling in the South African Equity Market. Journal of Economics and Behavioral
Page 125 of 177 Studies, 7(3), 30–46.
Nightingale, J. (1978). On the Definition of`Industryof`Industry’ and`Marketand`Market’. In Source: The Journal of Industrial Economics (Vol. 27, Issue 1).
Nordnet. (2020). Betyder størrelsen noget? https://www.nordnet.dk/blog/betyder-stoerrelsen-noget/
Petersen, C., Plenborg, T., & Kinserdal, F. (2017). Financial Statement Analysis (1st ed.).
Vigmostad & Bjørke AS.
Plenborg, T., & Pimentel, R. C. (2016). Best Practices in Applying Multiple for Valuation Purposes. The Journal of Private Equity, 19(3), 55–64.
Porter, M. E. (1979). The Structure within Industries and Companies’ Performance (Vol. 61, Issue 2).
https://about.jstor.org/terms
Porter, M. E. (1998). Competitive Advantage : Creating and Sustaining Superior Performance (2nd ed.).
Free Press.
Porter, M. E. (2008). THE FIVE COMPETITIVE FORCES THAT.
Rosenbaum, J., & Pearl, J. (2009). Investment Banking - Valuation, Leverage Buyouts and Mergers &
Acquisitions. John Wiley & Sons, Incorporated.
Rossi, P. E., & Forte, G. (2016). ASSESSING RELATIVE VALUATION IN EQUITY MARKETS (1st ed.). Springer Nature.
Saunders, M., Lewis, P., & Thornhill, A. (2009). Research methods for business students (5th ed.).
Pearson Education Ltd.
Schreiner, A., & Spremann, K. (2007). Multiples and Their Valuation Accuracy in European Equity Markets.
Serra, R. G., & Fávero, L. P. L. (2018). Multiples’ Valuation: The Selection of Cross-Border Comparable Firms. Emerging Markets Finance and Trade, 54, 1973–1992.
Weiner, B. (2005). Motivation from an attribution perspective and the social psychology of perceived competence. Handbook of competence and motivation.
Page 126 of 177
Appendix
Appendix 1: Sample distribution on yearly basis
Table 1.1: Sample distribution on yearly basis: Danish sample
Appendix 2: Replication of SARD
Table 2.1: Cross-validation of SARD model
Page 127 of 177
Appendix 3: Density plots
Figure 3.1: Density plots of paired differences
Density distributions of paired differences in absolute percentage errors between Industry method and SARD5. Errors are based on both a Danish and an EU peer pool.
Page 128 of 177
Appendix 4: INDSARD vs industry (Danish peer pool)
Table 4.1: Valuation accuracy of INDSARD against Industry (DK peer pool)
Page 129 of 177
Appendix 5: SARD vs INDSARD (Danish peer pool)
Table 5.1: Valuation accuracy of SARD against INDSARD (DK peer pool)
Table 5.2: T-tests of valuation accuracy of SARD and INDSARD (Danish peer pool)
Page 130 of 177
Page 131 of 177
Appendix 6: INDSARD vs Industry (EU peer pool)
Table 6.1: Valuation accuracy of INDSARD against Industry (EU peer pool)
Page 132 of 177
Appendix 7: SARD vs INDSARD (EU)
Table 7.1: Valuation accuracy of SARD against INDSARD (EU peer pool)
Page 133 of 177
Table 7.2: T-tests of valuation accuracy of SARD and INDSARD (EU)
Page 134 of 177
Appendix 8: SARD performance for Danish vs EU peer pool
Table 8.1: Valuation accuracy of SARD vs SARD (DK and EU peer pool)
Page 135 of 177 Table 8.2: T-tests of SARD vs SARD (DK and EU peer pool)
Page 136 of 177
Appendix 9: INDSARD performance for Danish vs EU peer pool
Table 9.1: Valuation accuracy of INDSARD vs INDSARD (DK and EU peer pool)
Page 137 of 177
Table 9.2: T-test of INDSARD valuation accuracy (DK and EU peer pool)
Page 138 of 177
Appendix 10: Industry performance for Danish vs EU peer pool
Table 10.1: Statistical tests of industry vs industry (DK and EU peer pool)
Page 139 of 177
Appendix 11: Robustness across time (Danish peer pool)
Table 11.1: Robustness across time (DK)
Page 140 of 177
Appendix 12: Robustness across firm size with Danish peer pool
Table 12.1: Median errors grouped by size, SARD and INDSARD (DK)
Page 141 of 177
Appendix 13: Univariate tests
Table 13.1: SARD vs INDSARD (EU peer pool)
Table 13.2: Median errors for univariate test of selection variables (Danish peer pool)
Page 142 of 177
Table 13.3: Wilcoxon signed-rank test of SARD vs SARD (EU vs Danish peer pool)
Page 143 of 177
Appendix 14: ROIC against ROE
Table 14.1: Median errors for selection variables using ROIC vs ROE
Page 144 of 177 Table 14.2: Statistical tests of ROIC vs ROE (Danish peer pool)
Page 145 of 177
Appendix 15: Qualitative Interviews
Interview 1 with Marcus R. Nielsen CMH: Camilla Mie Hørsholt SB: Signe Bøgholm
MRN: Marcus R. Nielsen Interview:
MRN: Jamen, jeg hedder Marcus Ringsted Nielsen, arbejder som Senior Associate i EY Corporate Finance, arbejder med køb og salg af virksomheder. Alt fra pitch udarbejdelse, marketing materiale, værdiansættelser, projektmanagment, osv.
CMH: Ønsker du at være anonym?
MRN: Nej, det er fint.
CMH: Kan du beskrive i hvilke sammenhænge, du anvender multipler til værdiansættelser?
MRN: Jo, først og fremmest bruger vi værdiansættelser til pitch materiale. Når vi skal ud og fortælle en virksomhed hvad de er værd. Eller i den sammenhæng hvor virksomheder ønsker at opkøbe targets, så hjælper vi med at fortælle hvad det her target er nogenlunde værd i pitch fasen. Pitch fasen er lidt mere på et mindre vidensgrundlag, så der er er det godt at have multipler med. Dernæst, så bruger vi multipler i en decideret buyside mandat hvor vi får jobbet om at skulle købe et target for en virksomhed/klienten. I et sell-side mandat der anvender vi det ikke direkte. Primært i pitch, altså forberedelsen og buy-side mandater.
Det er for at vide når man sidder med sin klient, hvor ligger vores bud henne ift. hvad man betaler i markedet. Vil vi gerne betale en premium for det her target, en discount eller on-par med markedet? Så det er et benchmarking tool i buysiden og ikke så meget vores primære værdiansættelses metode.
CMH: Hvilke multipler anvender du så oftest og hvorfor benytter du lige præcis dem?
MRN: Vi anvender typisk EV/EBIT og EBITDA. Det er de mest anvendte. Så anvedner vi også EV/Sales i visse tilfælde hvor der kan være negativ indtjening.
CMH: Hvornår benytter I EV/Sales? Har det noget med den specifikke industri at gøre?
Page 146 of 177
MRN: Det har det indirekte, i og med de industrier hvor man ser et stort potentiale. En virksomhed hvor den er stor nok, hvor det giver mening at værdiansætte. Altså virksomheder der befinder sig i industrier med stort potentiale. Typisk software og technology industrier, hvor man ser et meget stort potentiale, med store virksomheder på trods af de ikke har nogen indtjening, her negative indtjening. Med negativ indtjening giver det ikke mening at gange noget på som er længere nede end Sales.
CMH: Men de to andre multipler du nævnte, EBITDA og EBITA, er de så mere præcise end Sales siden den ikke anvendes?
MRN: Højst sandsynligvis mere præcis. Vi anvender jo en multiple på en earnings-metric der i så høj en grad efterligner FCFF. Og der giver det sig selv, at jo længere væk du kommer fra FCFF jo mindre præcis burde multipler være.
SB: Hvornår ville I typisk foretrække en EBITA fremfor en EBITDA?
MRN: Jamen vi ser i større udbredelse at vi bruger EBITA fremfor EBITDA. Forskellen herimellem er jo både depreciations af fixed assets men også amortisations af eksempelvis R&D expenses. Så det så kun goodwill amortisation vi holder underfor der ligger under EBITA. Vi bruger EBITDA i de tilfælde hvor at Capex ikke spiller den store rolle. Det kunne eksempelvis være en servicevirksomhed som ISS, hvor det er mere human capital bound. Men der vil det måske forstyrre billedet mere at begynde at inddrage en eventuel depreciation på sammenlignelig basis, på tværs af industrien. EBITA vil vi bruge i industrier eller for virksomheder hvor Capex og R&D spiller en rolle. Så det er lige fra Tech til større som Mærsk, shipping industriers. Så det er spørgsmål om Capex.
CMH: Så valget af multipel er også meget afhængig af industrien og hvordan virksomheden ser ud?
MRN: Ja.
CMH: Hvad ser du som fordelen ved værdiansættelsesmetoden, multiple, fra et praktisk perspektiv?
MRN: Jamen, fordelen er at den er nem at sammenligne og analysere ud fra og på tværs af en industri. Men også som I er inde på, en fundamental analyse, hvis man kigger uden for en industri. Hvordan handler den enkelte type virksomhed ift andre og hvad er driveren bag den.
Page 147 of 177
Der ligger ret mange. Det er en god måde at sammenligne forskellige virksomheder på og den er let at kommunikere til klienter.
CMH: Er der så nogle udfordringer ved at anvende multiple værdiansættelse?
MRN: Ja der er en del udfordringer ved at anvende den. Det at finde sammenlignelige virksomheder er nok den største udfordring. Der er sjældent to virksomheder der er ens og det bliver værre og værre da virksomheder differentierer sig mere og mere og laver nyere markeder der og etablere nye, skaber flere behov og tænker ud af boksen og arbejder på tværs af industrier.
Det bliver svære og svære at finde et industri ”pure place” og virksomheder der kan anvendes til det.
Så ser vi jo også, hvis man kigger nationalt, inden for en geografi, så er det endnu svære at finde sammenlignelige virksomheder. Derfor kigger man ofte på tværs af geografier og når du gør dette finder du også forskellige accounting standarder, som kan influere. Der er forskellige risiko i de forskellige markeder, forskellige måder at regulere markederne på. Kunderne kan være anderledes. Det er bare utrolig svært at finde noget der er godt nok sammenligneligt for at bruge det en-til-en.
CMH: Hvor ofte anvender du multipler ift andre værdiansættelsesmetoder? Hvornår benytter I de andre metoder?
MRN: Vi benytter oftest alle de klassiske metoder for at danne os et allround picture af hvordan værdien ser ud. Så vi bruger DCF metoden som den centrale værdiansættelses metode og så bruger vi vores peers og president transaktioners til at benchmarke op imod/lave et sense check, er det ”ball park”. Og hvis det er der vi ligger signifikant anderledes i de multipler vi ser i markedet og så undersøger om det er rigtig vi handler det til en premium eller discount og kan vi retfærdiggøre værdiansættelsen.
CMH: Sker det ofte at der er stor forskel mellem disse værdiansættelsesmetoder?
MRN: Ja det vil jeg sige. Spreadet mellem de peers vi finder, bliver større og større. Tilbage til det jeg nævnte tidligere, virksomheder differentierer sig mere og mere og vi skal kigge bredere geografisk hvor vi skal finde en sammenlignelig peer. Ved så også at sprede sig geografisk er der også flere faktorer der spiller ind på virksomhedens fremtidige CFs. Det vi ser er et stor, et stort spread i multiplerne. Så det kræver mere og mere analyse-arbejde at finde ud af hvad den rigtige multipel er for en virksomhed.
Page 148 of 177
CMH: Hvad kan multipler ift de andre værdiansættelsesmetoder?
MRN: Det giver helt et bedre sammenligneligt grundlag på tværs af industrierne og virksomhederne i industrierne. Det er nemmere at analysere virksomhederne for sig og sige hvorfor skal vi handle til en højere multiple end de andre. Det giver et bedre ”relativity” ift at skulle, det er også nemmere at sammenligne på tværs af andre virksomheder end det er med en DCF. At skulle lave en fundamental DCF-analyse på tværs af industrien er for tidskrævende.
Du vil heller ikke have den nødvendige information til at kunne lave den analyse.
CMH: Til sidst her i første afsnit. Anvender du multipler direkte på regnskabstal eller laves der korrektioner?
MRN: Ja, det er jo også forskelligt ift hvad der er tilgængeligt af information. Nu omtaler I peers som er børsnoterede hvor der typisk er ret meget information tilgængelig. Når vi laver vores peer analyse, ser vi også helst at det er peers der er meget likvide. Altså som bliver handlet meget, så vi ved at den værdi det handles til er den rigtige og den ikke er skævvredet af den ikke handles så tit. Så hvis vi kigger på virksomheder der handles oftere, er det typisk også større og de bliver typisk også dækket af analytikkerne rundt omkring i verden. De analytikere de forecaster også de her earnings-metrics, e.g. EBITDA og når de forecaster de tal så laver de også de nødvendige justeringer. Så vi laver ikke så tit justeringer til tallene fordi vi kigger på fremadrettede tal. Så hvis vi kigger på EBITA for 2022, så finder vi et analyst konsensus resultat på tværs af vores analytikere. De har typisk lavet de justeringer der skal laves. Det er klart at hvis vi ser multiplerne hopper, som typisk, så går vi også selv ind og kigger hvad der kan ligge til grund for det her. Er der noget med de accounting standards der bliver anvendt. Er der noget vi kan justere for. Det er jo non-recurring events og det er vil typisk være justeret for i fremadrettede estimater.
CMH: Vil du ikke starte med at beskrive jeres tilgang til at identificere sammenlignelige peers og om noget af det er standardiseret?
MRN: Ja vi har helt en standardiseret metode til at finde peers der bliver vurderet i case til case, i hvor stor grad vi vil følge den standard metode. Men sådan helt fra start, så har vi en række databaser vi gerne vil rende igennem hvor vi så søger på forskellige kriterier ift at finde noget der er sammenligneligt. Så det er industri, key words i business description, så kan det være geografi, og det kan også være størrelsen, vækst-marginen osv. Ift hvor et stort et udtræk vi får når vi laver de første justeringer i søgning. Så hvis vi siger det skal være en meget specifik
Page 149 of 177
industri, og det skal være børsnoteret så kan det godt være der ikke kommer så mange ud, at vi kan indskrænke yderligere. Så når vi så har fundet vores første portion af børsnoterede peers, så kigger vi deres broker-reports igennem om de før omtalte analytikere, hvor vi kan se deres analyser af virksomheder og de kommer typisk også med deres eget bud på en peer gruppe.
Føler vi at nogle er sammenlignelige der, kigger vi også I deres broker-reports. Så når vi har udtømt markedet i deres broker reports og yderligere peers så finder vi/indskrænker vi langsomt vores egen peer gruppe. Det er i sådan grove træk måden vi gør det på.
CMH: Nu vil jeg lige gå ind på de specifikke ting du nævnte. Du sagde først at I benyttede key words. Hvad er det - er det deres business description?
MRN: Hvis vi tager en industri, som shipping industrien. Så er den relevant indskrænket, eller application software, kan det jo være software inden for mange industrier i sig selv. Så der vil det muligvis være nødvendigt at putte key words ind for at få de rigtige virksomheder ud. Så det kan være software til telecom industrien.
CMH: Så det er en specifik industri? Eksempelvis technology, er det en for bred industrigruppe?
I bliver nødt til at dykke dybere ned i industrien?
MRN: Ja. Det kan også være en virksomhed bevæger sig på tværs af industrigrupper. I så fald må vi eliminere en industri som søgekriterie og starte fra et key word
SB: Altså de key words er de nødvendigvis tilknyttede til industrien, eller kan det være andet som kunder?
MRN: Ja det kan det sagtens. Det kan være relateret til kunder eller hvor man er i value chain.
Ja det er for at udspecificere hvad det er for en type virksomhed vi har med at gøre.
CMH: Så det er virksomhedens business model som gøres sammenlignelig?
MRN: Ja, præcis.
CMH: Så sagde du geografi? Så I prøver først at finde peers indenfor samme land eller hvordan gør I der?
MRN: Vi vil helt klart helst finde en peer inde for samme land. Men det er sjældent at vi starter med kun at lave en søgning inden for et land da det er så sjældent at vi kan finde en sammenlignelig peer inde for landets grænser. Så typisk starter vi søgningen bredt på flere geografier og så tjekker vi den liste for at se om der skulle være nogle danske i blandt der.