Невидимая стоимость. Как правильно оценить компанию, чтобы заработать на ее акциях - стр. 6
С самого раннего возраста нас учат, что если вы будете следовать правильным шагам, то получите правильный ответ, а раз ответ неточный, значит вы сделали что-то не так. В то время как точность хороша в математике или физике, это плохая мера качества оценки. Ваши лучшие оценки будущего не совпадут с реальными значениями по нескольким причинам. Во-первых, даже если источники информации безупречны, вы должны преобразовать сырые данные в прогнозы, и любые ошибки на этом этапе снизят точность оценки. Во-вторых, ваши представления о траектории развития фирмы могут оказаться кардинально неверными. Она может работать намного лучше или намного хуже, чем вы думали, поэтому итоговые доходы и денежные потоки будут отличаться от ожидаемых. Учитывайте эту специфичную для фирмы неопределенность. Например, оценивая Cisco в 2001 году, я серьезно недооценил, насколько трудно компании будет поддерживать рост за счет приобретений в будущем, и, как следствие, переоценил компанию. Наконец, даже если фирма развивается именно так, как вы ожидали, макроэкономическая среда может измениться непредсказуемым образом. Процентные ставки могут повышаться или понижаться, а экономические индикаторы быть намного лучше или хуже прогнозируемых. Моя оценка Goldman Sachs в августе 2008 года выглядит безнадежно оптимистичной, потому что я не предвидел ущерб, нанесенный банковским кризисом 2008 года.
Величина и тип неопределенности, с которой вы сталкиваетесь, могут варьироваться в зависимости от компании. Одно из следствий – инвесторам сложно судить об оценке по ее точности, поскольку, например, для молодой фирмы существует бо́льшая неопределенность, чем для зрелой. Другое следствие в том, что избежать неопределенности вряд ли получится.
Нет смысла отказываться оценивать бизнес из-за того, что вы слишком не уверены в его перспективах, поскольку все остальные заинтересованные лица сталкиваются с такой же неизвестностью.
Наконец, собрав больше информации и проведя расширенный анализ, вы не обязательно уменьшите неопределенность, а иногда, наоборот, можете ее увеличить.
Проще – может быть лучше
В последние два десятилетия оценки становились все сложнее из-за двух факторов. С одной стороны, компьютеры и калькуляторы стали мощнее и доступнее, что упрощает анализ данных. С другой стороны, информации теперь больше, и ее легче получить и использовать.
Смело отказывайтесь
от моделей,
но не забывайте
их основные принципы
Фундаментальный вопрос оценки в том, насколько детализированной она должна быть, что приводит к очевидному компромиссу. Чем больше подробностей, тем лучше мы можем использовать конкретную информацию для составления качественных прогнозов. При этом требуется все больше входных данных, растет возможность ошибки, а модели все сложнее и непрозрачнее.