Dupont-modellen och Lönsamhetsutveckling - Kan Dupont-modellen vara hjälpfull vid prognostisering av företags lönsamhetsutveckling?

Abstract

Fundamental analys är idag analytikers huvudsakliga metod för att beräkna företagt framtida fria kassaflöden och därmed värde. Detta detaljrika tillvägagångssätt är dock belagt med svårigheter och subjektiva överväganden vilket skapar utrymme för psykologiska och metodologiska fallgropar. Att motverka irrationellt beteende från analytikers sida skulle avhjälpa felaktiga investeringsbeslut genom säkrare prognoser och har även potentialen att reducera aktiers volatilitet och därmed risk, vilket i sin tur skulle inverka positivt på dess värde. Ekonomisk jämviktsteori säger oss att, under konkurrens, kommer lönsamheten i alla branscher att gå mot ett genomsnitt då företag och entreprenörer i olönsamma branscher kommer att flytta fokus mot mer lönsamma branscher vilket kommer att öka nyetableringen inom dessa. Detta kommer i sin tur att skapa en kraft för återgång till den genomsnittliga lönsamheten för ekonomin i sin helhet på längre sikt. Denna återgång till genomsnitt, mellan och inom branscher antyder att det finns en komponent för lönsamhetsutveckling som är förutsägbar. Det finns dock endast begränsade empiriskt bevis för att vetskapen om återgång till branschgenomsnitt kan vara hjälpfullt för att prognostisera lönsamhetsutveckling. I denna studie ställer vi oss frågan om Dupont-modellen med en uppdelning av lönsamhetens två delar, PM och ATO justerade med branschgenomsnitt, kan vara hjälpfullt vid prognostisering av lönsamhet. Vi finner att branschgenomsnitt förklarar förklarar mycket av variationen i PM och ATO men klart mindre av variationen i RNOA. Med de resultat som denna undersökning har funnit kan det konkluderas att nyttan med att justera lönsamhetskomponenterna PM och ATO med branschgenomsnitt är begränsad. Varken lönsamhetsmåtten PM eller ATO visade upp ett starkare samband när det relateras till branschgenomsnitt jämfört med den enklare uppdelningen enligt Dupont-modellen. När det gäller måttet för den totala lönsamheten, RNOA, visar det dock på en återgång till genomsnitt. Detta gäller både inom och mellan branscher. Detta gör, i motsats till PM och ATO, denna variabel intressant för vidare studier i framtiden och det visar också att branschgenomsnitt kan leda till ökat informationsinnehåll i i vissa lönsamhetsmått. De förhållandevis höga förklaringsgraderna indikerar att det finns en plats för kvantitativa metoder i prognostiserandet av lönsamhetsutveckling. De två modeller som testats i denna uppsats har dock troligen begränsat värde för analytiker som behöver stöd i sina lönsamhetsprognoser. Vidare forskning och flera möjliga förklaringsmodeller och variabler bör dock förstärka det idag bristfälliga stöd som finns.