Hvad er tværsnitsanalyse?
Tværsnitsanalyse er en type analyse, hvor en investor, analytiker eller porteføljeforvalter sammenligner en bestemt virksomhed med dens branchekolleger. Tværsnitsanalyser kan fokusere på en enkelt virksomhed med henblik på en front-to-head-analyse med dens største konkurrenter, eller de kan gribe det an ud fra en brancherelation for at identificere virksomheder med en særlig styrke. Tværsnitsanalyse anvendes ofte i et forsøg på at vurdere performance og investeringsmuligheder ved hjælp af datapunkter, der ligger ud over de sædvanlige balancetal.
Key Takeaways
- Tværsnitsanalyse fokuserer på mange virksomheder over en fokuseret tidsperiode.
- Tværsnitsanalyse søger normalt at finde målinger uden for de typiske nøgletal for at producere unik indsigt for den pågældende branche.
- Og selv om tværsnitsanalyse betragtes som det modsatte af tidsserieanalyse, anvendes de to sammen i praksis.
Sådan fungerer tværsnitsanalyse
Ved tværsnitsanalyse anvender analytikeren sammenlignende målinger til at identificere værdiansættelse, gældsbyrde, fremtidsudsigter og/eller driftseffektivitet for en målvirksomhed. Dette giver analytikeren mulighed for at vurdere målvirksomhedens effektivitet på disse områder og for at foretage det bedste investeringsvalg blandt en gruppe af konkurrenter inden for branchen som helhed.
Analytikere gennemfører en tværsnitsanalyse for at identificere særlige karakteristika inden for en gruppe af sammenlignelige organisationer, snarere end for at etablere relationer. Ofte vil tværsnitsanalysen fremhæve et bestemt område, såsom et selskabs krigskasse, for at afdække skjulte områder med styrke og svaghed i sektoren. Denne type analyse er baseret på indsamling af oplysninger og søger at forstå “hvad” i stedet for “hvorfor”. Tværsnitsanalyse giver en forsker mulighed for at danne antagelser og derefter teste sin hypotese ved hjælp af forskningsmetoder.
Forskellen mellem tværsnitsanalyse og tidsserieanalyse
Tværsnitsanalyse er en af de to overordnede sammenligningsmetoder til aktieanalyse. Ved tværsnitsanalyse ses der på data, der er indsamlet på et enkelt tidspunkt, i stedet for over en periode. Analysen begynder med opstilling af forskningsmål og definition af de variabler, som en analytiker ønsker at måle. Det næste skridt er at identificere tværsnittet, f.eks. en gruppe af jævnaldrende eller en branche, og at fastsætte det specifikke tidspunkt, der skal vurderes. Det sidste trin er at foretage en analyse på grundlag af tværsnittet og variablerne og nå frem til en konklusion om en virksomheds eller organisations præstationer. I det væsentlige viser tværsnitsanalysen en investor, hvilken virksomhed der er bedst i forhold til de målinger, som hun lægger vægt på.
Tidsserieanalyse, også kendt som trendanalyse, fokuserer på en enkelt virksomhed over tid. I dette tilfælde vurderes virksomheden i forhold til dens tidligere resultater. Tidsserieanalysen viser en investor, om virksomheden klarer sig bedre eller dårligere end tidligere i forhold til de mål, som hun interesserer sig for. Ofte vil der være tale om klassikere som indtjening pr. aktie (EPS), gæld/egenkapitalforhold, frit cashflow og så videre. I praksis vil investorerne normalt bruge en kombination af tidsserieanalyse og tværsnitsanalyse, før de træffer en beslutning. For eksempel ved at se på EPS over tid og derefter også kontrollere branchens benchmark EPS.
Eksempler på tværsnitsanalyse
Tværsnitsanalyse bruges ikke kun til at analysere en virksomhed; den kan bruges til at analysere mange forskellige aspekter af erhvervslivet. For eksempel blev der i en undersøgelse, der blev offentliggjort den 18. juli 2016 af Tinbergen Institute Amsterdam (TIA), målt hedgefondforvalteres evne til faktortiming. Faktortiming er hedgefondforvalteres evne til at time markedet korrekt, når de investerer, og til at drage fordel af markedsbevægelser som f.eks. recessioner eller ekspansioner.
Undersøgelsen anvendte tværsnitsanalyse og fandt, at faktortimingfærdigheder er bedre blandt fondsforvaltere, der bruger gearing til deres fordel, og som forvalter fonde, der er nyere, mindre og mere agile, med højere incitamentsgebyrer og en mindre begrænsningsperiode. Analysen kan hjælpe investorer med at vælge de bedste hedgefonde og hedgefondforvaltere.
Fama og Frenchs trefaktormodel, der er krediteret for at identificere værdi- og small cap-præmier, er resultatet af en tværsnitsanalyse. I dette tilfælde foretog finansøkonomerne Eugene Fama og Kenneth French en tværsnitsregressionsanalyse af universet af almindelige aktier i CRSP-databasen.