Lönsamhetsprognoser - kan Du Pont-modellen användas från ett prognosperspektiv?

Abstract

Bakgrund och problem: Med hjälp av beräkningar och nyckeltal försöker aktörer på de finansiella marknaderna prognostisera aktiekursutveckling, lönsamhetsutveckling och tillväxt för företag. Inom företagsekonomin diskuteras idag vilka modeller och beräkningar som är relevanta när lönsamhetsprognoser görs. En välkänd modell är Du Pont-modellen som visar hur ett företags lönsamhet kan beräknas som produkten av dess kapitalomsättningshastighet och vinstmarginal. Även om Du Pont-modellen är en välkänd modell, finns det förhållandevis lite forskning som visar hur denna praktiskt kan användas från ett prognosperspektiv. Syfte: Med Fairfield och Yohns (2001) studie som bakgrund, syftar denna uppsats till att undersöka om nedbrytningen av företags lönsamhet, enligt Du Pont-modellen, kan användas för att prognostisera företags lönsamhetsutveckling. Metod: Studien tar en kvantitativ ansats och utgår från ett investerarperspektiv, vilket innebär att den undersöker hur en analys av företags lönsamhetsutveckling, enligt Du Pont-modellen, kan användas av företags externa intressenter för att öka chanserna till lönsamma investeringar. För att testa modellens användbarhet har statistiska regressionsmodeller konstruerats, vilka sedan testats på ett urval av 162 bolag noterade på Stockholmsbörsens Large och Mid Cap-listor. Resultat och slutsatser: Resultaten visar att den underliggande mixen av ett företags nuvarande lönsamhet, genom dess nivå på kapitalets omsättningshastighet och vinstmarginal, inte är av något informativt värde vid lönsamhetsprognoser. Vidare tyder resultaten på att lönsamhetsprognoser kan förbättras genom att studera förändringen i ett företags kapitalomsättningshastighet men att det inte går att förbättra förutsättningarna för goda lönsamhetsprognoser genom att studera dess förändring i vinstmarginal. Slutligen har en känslighetsanalys genomförts, vilken tyder på att studiens resultat är behäftade med en stor osäkerhet, då det verkar som att extremvärden till stor del driver utfallen från regressionsmodellerna.