Vad är tvärsnittsanalys?
Tvärsnittsanalys är en typ av analys där en investerare, analytiker eller portföljförvaltare jämför ett visst företag med sina branschkollegor. Tvärsnittsanalysen kan fokusera på ett enskilt företag för att göra en front-to-head-analys med dess största konkurrenter eller så kan den närma sig från en branschövergripande lins för att identifiera företag med en särskild styrka. Tvärsnittsanalys används ofta i ett försök att bedöma prestanda och investeringsmöjligheter med hjälp av datapunkter som ligger bortom de vanliga siffrorna i balansräkningen.
Key Takeaways
- Tvärsnittsanalys fokuserar på många företag under en fokuserad tidsperiod.
- Tvärsnittsanalysen letar vanligen efter mätvärden som ligger utanför de typiska nyckeltalen för att ge unika insikter för den branschen.
- Och även om tvärsnittsanalys ses som motsatsen till tidsserieanalys används de två tillsammans i praktiken.
Hur tvärsnittsanalysen fungerar
När analytikern utför en tvärsnittsanalys använder sig av jämförande mätetal för att identifiera värdering, skuldsättning, framtidsutsikter och/eller operativ effektivitet hos ett målföretag. Detta gör det möjligt för analytikern att utvärdera målföretagets effektivitet inom dessa områden och att göra det bästa investeringsvalet bland en grupp konkurrenter inom branschen som helhet.
Analytiker genomför en tvärsnittsanalys för att identifiera särskilda egenskaper inom en grupp jämförbara organisationer, snarare än för att fastställa relationer. Ofta kommer tvärsnittsanalysen att betona ett särskilt område, t.ex. ett företags krigskassa, för att avslöja dolda områden av styrka och svaghet i branschen. Denna typ av analys bygger på informationsinsamling och syftar till att förstå ”vad” istället för ”varför”. Genom tvärsnittsanalys kan en forskare formulera antaganden och sedan testa sina hypoteser med hjälp av forskningsmetoder.
Skillnaden mellan tvärsnittsanalys och tidsserieanalys
Tvärsnittsanalys är en av de två övergripande jämförelsemetoderna för aktieanalys. Tvärsnittsanalysen tittar på data som samlats in vid en enda tidpunkt, snarare än över en tidsperiod. Analysen börjar med att man fastställer forskningsmål och definierar de variabler som en analytiker vill mäta. Nästa steg är att identifiera tvärsnittet, t.ex. en grupp av jämnåriga eller en bransch, och att fastställa den specifika tidpunkt som ska bedömas. Det sista steget är att genomföra en analys baserad på tvärsnittet och variablerna och komma fram till en slutsats om ett företags eller en organisations resultat. I huvudsak visar tvärsnittsanalysen en investerare vilket företag som är bäst med tanke på de mått hon bryr sig om.
Tidsserieanalys, även känd som trendanalys, fokuserar på ett enskilt företag över tid. I det här fallet bedöms företaget utifrån dess tidigare resultat. Tidsserieanalysen visar en investerare om företaget klarar sig bättre eller sämre än tidigare enligt de mått som hon bryr sig om. Ofta handlar det om klassiker som vinst per aktie (EPS), skuldsättning i förhållande till eget kapital, fritt kassaflöde och så vidare. I praktiken använder investerare vanligtvis en kombination av tidsserieanalys och tvärsnittsanalys innan de fattar ett beslut. Till exempel tittar man på EPS över tiden och kontrollerar sedan även branschens referens EPS.
Exempel på tvärsnittsanalys
Tvärsnittsanalys används inte enbart för att analysera ett företag, utan den kan användas för att analysera många olika aspekter av affärsverksamheten. I en studie som offentliggjordes den 18 juli 2016 av Tinbergen Institute Amsterdam (TIA) mättes till exempel hedgefondförvaltares förmåga till faktortiming. Faktortiming är hedgefondförvaltares förmåga att tajma marknaden korrekt när de investerar, och att dra nytta av marknadsrörelser som recessioner eller expansioner.
Studien använde sig av tvärsnittsanalys och konstaterade att färdigheter i faktortiming är bättre bland fondförvaltare som använder hävstångseffekter till sin fördel, och som förvaltar fonder som är nyare, mindre och smidigare, med högre incitamentsavgifter och kortare begränsningsperiod. Analysen kan hjälpa investerare att välja de bästa hedgefonderna och hedgefondförvaltarna.
Famas och Frenchs trefaktormodell som är krediterad för att ha identifierat värde- och small cap-premier är resultatet av en tvärsnittsanalys. I det här fallet genomförde finansekonomerna Eugene Fama och Kenneth French en tvärsnittsregressionsanalys av universumet av vanliga aktier i CRSP-databasen.