Risikostyring i forbindelse med investeringer i containerskibe

Transkript

1 Erhvervsøkonomisk Institut Cand. merc. afhandling i finansiering Forfatter: Kim N. Lomholt k.lomholt@gmail.com Studie nr.: Vejleder Lektor cand. oecon. Frank Pedersen Risikostyring i forbindelse med investeringer i containerskibe Handelshøjskolen Århus Universitet 2007

2 Executive summary In recent years the shipping market seems to be a lucrative investment area compared to other industrial markets. For example if one are looking at the value of the largest container company in the world (Maersk), it has on a longer scale from its start in 1904 until 2005 had a yearly growth of 15%. Though by having a high growth it usually also means higher risks in terms of a high deviation. Therefore it would be interesting to investigate how high the risks are when investing in the container ship markets. Futuremore what makes the risk? Does the shipping market have a higher rate of income than other markets? Or is it only more unpredictable? Will it be possible to hedge the investment for securing the future income? The problem formulation can be formulated as follows: How high is the risk when investing in container ships on a time charter basis. The thesis is investigated by four sequentially linked questions; (1) Is the Time Charter (T/C) income rates efficient on the market and will it have any effects on the risk estimation? The question is answered by qualitative evaluations. (2) What net present value (NPV) will a project simulation have, by investing in a container ship? By the question the forecasting simulation will be evaluated by factors that have the most influents on the NPV. (3) What deviation does the NPV have, following the simulation? This gives estimation on how high the NPV at Risk (NPVaR) and how high a CF-deficit the NPV can become. This is estimated on a 95% lower confidents interval on a one year basis where the base currency is Danish Crowns (DKK). (4) How is it possible to minimize the risk in the best possible way? The hedging opportunities for a shipping company are then estimated in terms of securing its future NPV. The setup for the thesis is based on data of a container ship with a capacity of TEU. The price value for the ship is estimated to be DKK 150 mio. In addition to the enterprise there has been added a commission of DKK 5 mio. for establishing the project. ii

3 The capital structure of the enterprise is targeted to be a 40% ownership on a basis of parts. Therefore the equity will be DKK 62 mio. and the remaining DKK 93 mio. is founded by bank loans. The income is on behalf of Time charter. This means that the ship will be hired to a third part, which needs transport capacity. The cost of the enterprise is measured from benchmarking enterprises since no other explicit information are available. The method for solving the problem formulation are done by corporatemetrics (CM) through analysing a 10 year discounted cash flow model (DCF), whereby the net present value is estimated (NPV). Monte Carlo simulations are generating the NPVaR and ziro-npv. This has been done by a five point procedure; (1) specifying the financial results, (2) exposure mapping, (3) generating the scenarios, (4) valuation and (5) risk estimation. The factors who have the most direct influence of the growth is estimated to consider the T/C-rates, Copenhagen InterBank Offered Rates (CIBOR), the Danish gross domestic product per capita (BNP), ship prices, the risk free interest rate and the market rate. The rates have been estimated on behalf of different recognized databases. Following the simulation analysis there are made a scenario analysis, and stress tests for fat tail situations. The sizes of the fluctuations are estimated on behalf of historical figures, whereby new simulations are made. Following qualitative research the T/C rates have been found to be efficient in a semi strong form. This is because of the spot rates, which seems to be more efficient. This has been concluded even that the literature do not see the T/C rates to be efficient because the rate are calculated on a periodic basis. But forward fright agreements (FFA) has emerge that this is the best derivate to forecast the future price (Nomikos & Alizadeh, 2002). And since the T/C is the FFA it confirms the efficiency of the T/C-rates. The T/C rates will there for give useful information to calculate the risk since the future costs will be included in the T/C-rates on behalf of the available market information. iii

4 The opportunity cost of capital has been used to discount the CF back to present time. The rate has been estimated on behalf of descriptive statistics and calculates a result of 7,7%. Tax is not included in the model since the taxes are stationary and the estimations are made on the assets. Because the enterprise is estimated on assets the financial figures are not included in the model, like the interest rate. The result of the stationary DCF model showed a NPV of DKK 59 mio. This result is then defined at the target result of the enterprise. Following a stress test the NPV illustrates that the T/C-rates can have a decline of 20% before the NPV gets negative. The simulation results are then estimated following the target result and a zero-npv. Crystal Ball is used as the simulation program where by simulations have been done. The result of the simulation shows a 35% risk for having a negative NPV. The negative CF can get up to DKK 155 mio. Following the NPVaR is there a 45% risk for getting below the budgeted target result at DKK 59 mio. Following a simulation sensitive analyses it illustrates that the T/C has the largest influence of the results. Because of this fact it was decided to use T/C as a prime estimator when developing shocks in the scenario simulation. Following the stress test the historical data had recognized the highest shock to bee a 20% market movement. A simulation with a 20% change of the T/C has therefore been tested. The rest of the dynamic variables were then changed in concerne to the correlation to the T/C-variable. The result showed that a 20% fall of the T/C did not increase the risk but lowered it. Ít then seems to be a win/win situation by investing in the enterprise. When hedging shall be made it s recommended hedging the ship compare to T/C. This is because the T/C already is defined as a hedge. The enterprise can use forwards where an agreement is made between two associates. The main conclusin in the thesis is therefore that investment in the container ship markets can be estimated to be in the high risk area, but also possible to earn a high profit. A close monitoring are needed for timing the investment in the best possible way. iv

5 Indholdsfortegnelse Executive summary...ii Indholdsfortegnelse... v 1 Indledning Problemformulering Metode Afgrænsning Begrebsafklaring Disposition Risikoteori Risikopåvirkning Risikostyringsproces Risikoteori Metode til risikovurdering Metric Specifikation Exposure mapping Simuleringsmetode Valuation Risk computation Investeringsentreprisens opbygning Baggrundshistorie Entreprisens opbygning Horisont og detaljering Rederiets struktur Positionering Segmentering Investering Kapital Gældsrate Inflow Chartertype Chartervalg Outflow Driftsomkostninger Administrationsomkostninger Hensættelse til dokning Værditab Datamateriale Time Charters efficiens og markedsforhold T/C raten Skibspriser Kapitalomkostninger Markedsværdien af entreprisen Den rentebærende gæld v

6 Markedsværdien af aktiver Kapitalomkostninger af gæld Skatteraten Kapitalomkostninger Den risikofrie rente Markedsrisikopræmien Den systematiske risiko Kapitalomkostningsresultat Forecasting af exposure mapping Forecasting Følsomhedsanalyse Simulering Simuleringsfølsomhedsanalyse Stress test Hedge Konklusion, diskussion og perspektivering Konklusion Diskussion og perspektivering Litteraturliste Begrebs- og ordforklaring Ligningfortegnelse Figurfortegnelse Tabelfortegnelse Bilagsfortegnelse vi

7 1 Indledning Inden for de sidste par år har containerbranchen været lukrativ for rederierne. Således har nogle af de største Danske rederier kunnet berette om rekordhøje regnskabsresultater, for eksempel har containerrederiet A.P. Møller-Mærsk (Mærsk) kunnet præsentere danmarkshistoriens største regnskabsmæssige resultat nogensinde (Domino et al., 2005). Benytter man Mærsks aktiekurs som en indikation for søbranchens potentielle udvikling viser det sig, at aktiekursen har haft en gennemsnitlig geometrisk årlig vækst på 15% siden virksomhedens start i Dette kan ses ud fra at markedsafkastet ligger på små 9% 2. Af andre eksempler har rederiet DS Torm de sidste 20 år haft en geometrisk vækst på 20% om året 3. Internationalt er der ligeledes en høj vækst, hvor nogle af de største containerrederier har registreret en årlig vækst på over 20% (AXS, 2007). Investeringer inden for branchen kunne derfor virke som et interessant og lukrativt investeringsområde i forhold til andre brancher. Investeringer i containerskibsbranchen foregår ikke uden risiko for tab, idet branchen påvirkes af verdensmarkedernes udsving og en følsom ligevægt mellem udbud og efterspørgsel (Stopford, 2002). Der er derfor behov for kontrol og overvågning af risikoen ved investeringer i branchen. Risikostyring kan være et vigtigt værktøj til dette. Der stilles derfor spørgsmål til omfanget og hvad der forsager risikoen ved investering i containerskibsbranchen. Er det fordi der er et størrere afkast i søbranchen eller er den bare mere uforudsigelig? Kan der hedges for den eventuelle usikkerhed? For at undersøge om der er tale om et lukrativet marked som vil kunne give investorer et nyt investeringsområde kan der simuleres til et estimat af investeringernes afkast og risiko. Herved bestemmes det om der er et attraktivet investeringspotentiale. 1 Fra 1904 til 2005 er værdien af Mærsk steget fra DKK 150 tusinde til DKK 216 mia. (dr.dk, 2006). Dette giver et geometrisk gennemsnit på r = (Yt/Y0)^(1/t) 1 ( /150)^(1/100)-1 = 15,2% pa. 2 Bestemt ud fra senere beregninger i afhandlingen, under OMXCB som markedsafkast. 3 Geometrisk gennemsnit på den direkte spotkurs korrigeret for udbytte (BørsCustom, 2007) (374/10)^(1/20)-1=20% 1

8 1.1 Problemformulering Der er tale om en uvished om containerbranchen er et attraktivt investeringsområde. På langt sigt har branchen vist et højt afkast, men hvordan vil risikoen være i forhold til et sådant afkast. Ud fra denne problemstilling kan det se ud som om der er overnormalt lukrative afkast ved containerbranchen hvorfor der stilles sprøgsmål til om risikoen ligeledes vil være høj. Derfor skal følgende problemformulering belyse om der kan være lukrativt afkast ved investering i containerbranchen. Herunder skal det undersøges hvilke risici der er i forbindelse med afkastet og med hvilket omfang risikoen kan forventes at have. Denne problemstilling ønskes belyst efter følgende konkrete problemformulering: Hvor stor risiko er der ved at investere i et containerskib på basis af T/C-indtægter. Ovenstående problemformulering skal bestemmes ud fra nedenstående firetrinsanalyse: 1. Er T/C-raterne efficient prisfastsat og hvad betyder det for risikobestemmelsen? 2. Hvad er den forventede NPV ved at investere i et containerskib? 3. Hvor stor er standardafvigelsen ved den simulerede NPV? 4. Hvordan minimeres risikoen ved investeringen og er der ekstraordinære muligheder inden for skibsbranchen? Essensen i afhandlingen er derfor, at bestemme hvor stor en risiko der er ved at investere inden for et udvalgt område i skibsbranchen og herved vurdere om der kan være tale om et overnormalt afkast og herved risiko i forhold til andre brancher. Spørgsmålene yder et selvstændigt bidrag til besvaelsen hvor første spørgsmål har til formål at vurdere i hvilken form for efficiens T/C raterne er prissat. Dette besvarer om et rederi ville kunne forvente at chartre sine skibe ud til en efficient pris, og herved være mere sikker på en fair value af indtægterne. Er T/C-raterne efficiente indikerer dette at næste spørgsmål vil være mere pålideligt ved sin besvarelse i forbindelse med at simuleringen af NPV. Andet spørgsmål ligger op til en analyse af NPV, som skal forecastes på baggrund af simuleringer i forhold til de risikomæssige faktorer, der har indflydelse på entreprisen. 2

9 Resultatet belyser om investeringen er rentabel over en valgt periode. Det simulerede NPV-resultat estimerer dermed næste spørgsmål med hensyn til entreprisens risiko. På baggrund af foregående kalkulationerer skal resultatet af tredje spørgsmål lede frem til et estimat på entreprisens risiko. Risikoen operationaliseres og estimeres ud fra standardafvigelsen af NPV resultatet hvorfor standardafvigelsen estimerer det maksimale forventede tab over for targetbudgetteringen over et år. Derudover forholdes der til hvor stor risiko der er for at NPV er negativ. Dermed er problemformuleringens hovedspørgsmål besvaret i forhold til hvilken risiko der kan forventes ved at investere i et containerskib. Sidste spørgsmål har til formål at finde ud af hvilke muligheder der er, for at minimere risikoen i form af hedging og herved sikre entreprisens investering mod tab og envidere vurdere hvor gode disse muligheder er. 1.2 Metode For at kunne gennemføre en måling er det besluttet, at opgaven skal bestemmes ud fra et perspektiv, hvor der skal oprettes et nyt rederi. Det vil sige setupet for afhandlingen vil være en oprettelse og vurdering af en investeringsentreprise, hvor der investeres i et enkelt containerskib med en kapacitet på TEU 4. Indtægten baseres på baggrund af time charter (T/C), som er den daglige lejeindtægt det valgte skib kan indbringe. Udgifterne er derfor i forhold til driftsudgifterne i form af løn vedligeholdelse osv. 5 Værdisetuppet er baseret på eksterne data bestemt via datafil. Skibets værdi er antages at være DKK 150 mio. 6 Der tillægges et provenu for oprettelsen af investeringsentreprisen på DKK 5 mio. Soliditetsgraden forudsættes til at være 40% af entreprisen, hvorfor der grundlæggende skal indhentes investeringer for DKK 62 mio. og lån for DKK 93 mio. Projektet opdeles i andele, hvor hver andel er pålydende DKK Afhandlingen opbygges således ved, at selve setuppet for analysen først bliver gennemgået. Derefter bliver datamaterialet testet og verificeret, hvor første delspørgsmål kvalitativt besvares i forhold til T/C-ratens efficiens. 4 TEU er en tyve-fods container (Twenty equevalent unit) 5 Afsnint 3 og 4.3 redegør for valg af setup. 6 Jf. Clarkson-indekset for Liner Ship Newbuilding Prices for TEU ultimo

10 Herefter besvares andet og tredje delspørgsmål gennem en risikostyringsprocess. Risikostyring er hovedsageligt anvendt inden for den finansielle branche, ved for eksempel porteføljestyring gennem Value-at-Risk (VaR) (Laubsch, 1999). Da afhandlingen omhandler et rederi er der dermed tale om en non-financial virksomhed. En non-financial virksomhed har typisk en længere tidshorisont for risikovurdering, ved for eksempel et år (RMG, 1999). Derimod har VaR en kortere vurderingshorisont på for eksempel en enkelt dag eller måned. Derfor benyttes en videreudviklet VaR-model i form af CorporateMetrics (CM), som er baseret på vurderinger over længere perioder (RMG, 1999). I RMG (1999) beskrives tre metoder til, hvordan CM kan måles. Disse værende Earnings-at-Risk (EaR), Earnings-per-Share-at-Risk (EPSaR) og Cash-Flow-at-Risk (CFaR). I afhandlingen vurderes resultatet gennem en Discounted Cash Flow model (DCF), som resulterer i et Net Present Value (NPV) resultat. Dette gøres ud fra CFaR-metoden, hvorfor der vil være tale om en NPV at Risk (NPVaR). NPVaR-metoden bygges op på fem punkter i form af: (1) specificering af de finansielle resultater, (2) exposure mapping, (3) genererering af scenarierne, (4) valuation og (5) beregning af risiko. Datagrundlaget simuleres og beskrives ved følgende variabler; T/C-rater, Copenhagen InterBank Offered Rates (CIBOR), det danske bruttonationalprodukt per indbygger (BNP), skibspriser, risikofri rente, og markedsafkastet. Variablerne er valgt ud fra en vurdering af hvilke faktorer der genererer projektets omkostninger og indtægter, og dermed har størst indflydelse på resultatet i forbindelse med CF estimatet. Der er flere indekser som oplyser forskellige T/C-rater inden for samme kategori, alt efter hvilke forudsætninger indeksbureauerne benytter. I afhandlingen benyttes nogle af de mest anerkendte indekser, så som Baltic ( Hamburg Shipbrokers Association ( 2005), Drewry, (1999, 2000) og Clarkson Research Studies ( På grund af mangelfuldt kildemateriale er der suppleret med data fra analyserapporter fra Drewry (1999, 2000). Der benyttes ligeledes materialer fra lignende investeringsprojekter for, at finde frem til kapitalomkostninger. 4

11 Ved bestemmelsen af kapitalomkostningerne vurderes disse i forhold til markedsafkastet gennem det danske benchmark aktieprisindeks, og den risikofrie rente, indhentet gennem den Danske nationalbank ( samt Datastream. På baggrund af projektets pengestrømme bestemmes CF ud fra en 10 årig beregningsperiode. CF forecastes på baggrund af en afvejning og vurdering af den forventede udvikling i projektets udviklingsfaktorer. Herefter tilbagediskonteres forecastingresultatet ved en DCF-model på baggrund af Kapitalomkostningerne som tilbagediskonteringsfaktorer. Dette gøres for at kunne bestemme den nutidige værdi (NPV) og risiko på baggrund af simuleringer. Simuleringerne er udarbejdet gennem simuleringsprogrammet Crystall Ball. Forud for simuleringen udarbejdes en følsomhedsanalyse af NPV. Dette gøres for at belyse hvor meget T/C kan falde før det giver en negativ NPV. Simuleringen gennemføres ved Monte Carlo simuleringer (MCS). Grunden til at MCS er valgt som simuleringssværktøj, skyldes at modellen kan benyttes til alle typer af faktorer. Det vil sige at modellen evaluerer faktorerne på baggrund af forandringer i markedsraterne, som genererer tilfældige hypotetiske scenarier. Fordelene ved MCS modellen er, at den er eksakt for alle faktorer, og giver en fuld fordeling af potentielle porteføljeværdier. Ulempen er, at MCS kun kvantificerer fattailed 8 risiko, hvis markedsscenarierne er genererede ud fra de passende fordelinger. Efter simuleringsanalysen vurderes den indflydelse, de forskellige variabler har på NPV, idet der udarbejdes en simuleringsfølsomhedsanalyse over de benyttede variabler. På baggrund heraf kan der derfor udarbejdes en stress test, der skal indikere, hvordan situationen ser ud i værste/bedste fald. Dette gøres ud fra et historisk perspektiv, hvor der evalueres i forhold til markante og uforudsigelige forandringer, som skibsbranchen har været udsat for. 8 Fat tail er en approximeret normalfordeling, men hvor der i virkelighedens verden forekommer flere yderliggående situationer, hvilket dermed ikke kommer med i simuleringerne. 5

12 1.3 Afgrænsning Skibsbranchen er som helhed et stort område at afdække. Derfor fokuseres der alene på containerbranchen i forbindelse med entreprisen. Skibstypen er et geared 9 fully cellar containerskib, hvor størrelsen er valgt ud fra bedst tilgængeligt datamateriale. Der tages ikke højde for transaktionsomkostninger i forhold til indkøb og salg af aktiver. CFaR-model er den eneste model der benyttes til resultatbestemmelsen. Valget er sket ud fra at CF-modellen er en hyppigt anvendt model som er almindeligt anerkendt til vurdering af investeringsprojekter. Dette skyldes at CF beskriver de reelle likvide kapaciteter som entreprisen vil være i besiddelse af, som teoribøerne udtrykker det som Cash is king (Copeland, 2000). Opgaven udarbejdes på baggrund af offentlig tilgængelig information. Dataindsamlingen begrænses til anvendelse af offentligt tilgængeligt sekundært materiale (litteratur, databaser, og rapporter mv.). 1.4 Begrebsafklaring Afhandlingen benytter følgende centrale begreber: Risiko: Defineres som sandsynligheden for tab. Dette er vurderet ud fra hvor stort et tab, der kan forventes i forhold til investeringsentreprisens budgettarget. Der vurderes ligeledes på sandsynligheden for, om projektet giver underskud. Risk management (RM): Ferma (2003) angiver RM til at være en central del af enhver organisations strategiske styring. Her defineres RM til at være den proces, der metodisk varetager den risici, som er forbundet med en organisations aktiviteter. Ved at fokusere på en identifikation og behandling af risikoen, kan organisationen opnå fordele for hver enkelt aktivitet. Efficient: Kan beskrives ud fra en svag-, semistærk- og stærk form, som beskriver hvor meget information der er indberegnet i prisfastsættelsen. Ved stræk form er alt information dermed indberegnet i prisen, semistærk, er insiderviden ikke indberegnet og ved svag form er prisen kun baseret på historiske data (Myers, 2003). 9 Geared vil sige at skibet er udstyret med kraner. 6

13 Containerskibe: Defineres i afhandlingen til at omfatte geared Fully cellular container skibe, hvilket vil sige et specialbygget skib, kun beregnet til transport af containere. Time charter (T/C): Dagsprisen for at leje et skib. Kontraktformen er meget benyttet inden for fragtbranchen. Rederen, som udchartrer skibet, fortsætter med at betale for de operationelle omkostninger (Aflønning af besætning, vedligeholdelse og reparationer). Chartertageren betaler for voyageomkostningerne (Bunker 10, havnecharge, channeldues samt T/C-afgiften til rederen) (Stopford, 1988). 1.5 Disposition Afhandlingen er struktureret i otte kapitler, som udover indeværende kapitel, kan beskrives som følger: Kapitel 2: Beskriver risikoteorien omkring risikostyring, og modellen der er valgt til målingen af risikoen. Her vurderes, hvad der påvirker risikoen og processen, hvor der kan udarbejdes en risikovurdering. I forhold til dette risikoperspektiv fortsætter kapitel 3 med en gennemgang af investeringsentreprisens opbygning med baggrundshistorie, horisont og hvilke faktorer, der genererer entreprisens pengestrømme. Faktorer der benyttes, analyseres derefter i kapitel 4, hvor der er en gennemgang af datamaterialet. Her testes der primært via beskrivende statistik, på baggrund af at datamængden er begrænsede, hvorfor tidsserieanalyser ikke er mulige at gennemføre på pålidelig vis. Derfor vil tidsserieanalysen blive behandlet som bilag. I kapitlet redegøres der ligeledes for entreprisens kapitalomkostninger, idet der udarbejdes en analyse af, hvor stor den gennemsnitlige kapitalomkostning vil være for entreprisen. De gennemgåede data skal benyttes til simuleringsmodellen som udarbejdes på baggrund af kapitel 5. Her beskrives entreprisens exposure mapping, som er modellen, der benyttes til at tilbagediskontere det endelige resultat igennem projektets pengestrømme. Exposure mapping-modellen benyttes dermed til at forecaste entreprisen på baggrund af de valgte faktorer, som efterfølgende tilbagediskonteres til projektets NPV via kapitalomkostningerne. Modellen benyttes igen til kapitel 6 til at generere simuleringerne i hele beregningsmodellen, som dermed bestemmer projektets risiko. I forlængelse heraf, udarbejdes en følsomhedsanalyse over de valgte faktorer, som dermed skal belyse indflydelsen på entreprisens udvikling. Resultatet benyttes i kapitel 7 til bearbejdning af 10 Bunker er den olie der benyttes til et skibs fremdrift. 7

14 stresstest over simuleringen. Her udarbejdes der to scenarier i forhold til værste og bedste tænkelige situation der kan forekomme. I forlængelse af kapitlet vurderes, hvilke muligheder der eventuelt er for at minimere risikoen gennem hedging. Her vurderes der hvilke muligheder der eventuelt er inden for skibsbranchen og om det kan vurderes til at være et udbygget marked. Herefter er problemformulerings analyse gennemgået, hvorfor kapitel 8. er udarbejdelse med en konklusion, diskussion og perspektivering. 2 Risikoteori I afsnittet redegøres for teorien, som benyttes til at undersøge risikoen i forbindelse med skibsinvesteringer. Afsnittet er bygget op ved først at se på, hvad der påvirker risikoen, hvorefter processen for risikovurderingen illustreres. Herefter beskrives risikoteorien og fremgangsmåden til vurdering af denne. 2.1 Risikopåvirkning Variablerne som påvirker en virksomhed, kan overordnet illustreres på baggrund af ferma s (2003) risikopåvirkningsmodel (se Figur 1). Figur 1: Risikopåvirkninger Eksterne årsager Økonomiske risici Rente Valuta Kredit T/C Strategiske risici Konkurrence Kundeændringer Industriforandringer Kundekrav Likviditet & CF Bogføringskontrol Informationssystem Interne årsager Forsikring & udvikling Intellektuel kapital Reguleringer Kultur Bestyrelsesmix Økonomiske risici Kontrakter Naturkatestrofer Leverandører Miljø Strategiske risici Eksterne årsager Kilde: ferma, 2003 Modellen beskriver de eksterne/interne risikopåvirkninger for en virksomhed. De overordnede eksterne årsager er økonomiske og strategiske risikoer, der for det 8

15 økonomiske vedkommende omhandler, hvad der foregår på verdensmarkedet. Dette kan for eksempel være renter, valuta, kreditter, reguleringer, kultur og bestyrelsesmiks. Den strategiske risiko omhandler de industrielle og miljømæssige faktorer, i form af konkurrenceparametrene eller de vejrmæssige forhold i forbindelse med skibe. De interne faktorer påvirker risikoen ud fra udviklingen af en virksomheds likviditet, CF, bogføringskontrol, informationssystemer og intellektuelle kapaciteter. 2.2 Risikostyringsproces I forbindelse med belysningen af risiko beskriver ferma (2003) en risikostyringsproces, som er aktuel for en virksomheds risikostyring (se Figur 2). Figur 2: Risikostyringsproces Strategiske mål Risikovurdering Risikoanalyse Risikoidentifikation Risikobeskrivelse Risikokvantificering Risikoevaluering Ændringer Risikorapportering Trusler og muligherder Audit Risikostrategi Eksekvering af risikostrategi Fortsat risikorapportering Overvågning Kilde: ferma, 2003 På baggrund af de strategiske mål udarbejdes en risikostrategi, der skal kunne minimere en virksomheds risikable virke. I risikovurderingen indgår en risikoanalyse, - identifikation, -beskrivelse og -kvantificering, hvorefter en risikoevaluering skal gennemføres. På baggrund af dette kan der udarbejdes risikorapporteringer over de trusler og muligheder, der er på markedet. Dermed kan der udarbejdes en risikostrategi, som skal implementeres med en kontinuerlig overvågning og rapportering. 9

16 I afhandlingen redegøres der kun for selve risikovurderingsområdet, ligesom der fokuseres på de økonomiske risikofaktorer gennem CF et (er gennemgået i kap. 3). Til vurderingen benyttes risikoteori udviklet af RiskMetric Group (RMG, 2005). 2.3 Risikoteori Risikostyring er mest kendt inden for den finansielle branche ved for eksempel porteføljestyring gennem Value-at-Risk procedurer (VaR). Da det er en non-financial virksomhed der skal undersøges, fokuseres der på andre faktorer. Dette skyldes, at nonfinancielle virksomheder generelt vurderer situationen over en længere periode - for eksempel horisont på et år. Problemet med VaR er forudsætningen om ingen tidsmæssig variation i eksempelvis indtægterne. Denne forudsætning er svær at overholde, hvorfor CorporateMetrics (CM) er udviklet til længerevarende vurderinger (Laubsch, 1999) Metode til risikovurdering Lee (1999) har beskrevet en fempunktsmodel til vurdering af CMK værende: (1) Metric specifikation: Vurdering af hvilken form for målingskriterier der skal benyttes, hvor det besluttes om der eksempelvis måles på virksomheds resultat eller CF og horisont. (2) Exposure mapping: Udvikling af modellen som simulerer forretningsplanen og budgetteringsmodellen. (3) Scenario Generereringen: Simuleringen af markedsdata i econometrimodellen. (4) Valuation: Sandsynlighedsfordeling som bruges til (5) risikoberegningen. Metric Specifikation Under første punkt nævner Laubsch (1999) tre modeller til vurdering af risiko. Modellerne er alle baseret på VaR-teorien, hvor de benævnes som; (a) Earnings-at-Risk (EaR), (b) Earnings-Per-Share-at-Risk (EPSaR) og (c) Cash-Flow-at-Risk (CFaR). (a) EaR omhandler den risikobetonede indtægt på baggrund af et forudbestemt konfidensinterval, der beskriver det maksimale tab i en bestemt periode. (b) EPSaR er det samme som Ear, men hvor resultatet er delt med antallet af aktier for at gøre det mere forståelsesvenligt for investorerne. (c) CFaR omhandler derimod virksomhedens risikobetonede CF, der ligeledes bestemmes på baggrund af et konfidensniveau, der typisk er på 95%. Dermed kan man, med det valgte signifikansniveau bestemme, hvor 10

17 stort tab projektets CF kan give. Derudover skal det besluttes, hvilken horisont estimeringen skal vurderes over, hvilket typisk er 1 år. Exposure mapping Denne del kvantificerer hvordan markedsraterne opererer på det finansielle resultat, der er valgt i forrige step. Det vil sige at der udarbejdes ligninger, som kan sammensættes i en pro forma statement, for eksempel i form af et sæt ligninger, der repræsenterer det finansielle statement. Simuleringsmetode Simuleringsmetoden kan foretages ud fra tre hovedmetoder; (a) Parametrisk, (b) historisk simulering og (c) MCS (Laubsch, 1999). (a) Den Parametriske model vurderer VaR gennem volatiliteten, korrelationen, delta 11 og gamma 12. Denne model kan benyttes til traditionelle aktiver og lineære derivater. Fordelen ved VaR er, at modellen benytter simple kalkulationer, hvorfor den er hurtig at beregne. Derudover er der ikke brug for vidtrækkende historiske data, idet der kun skal benyttes volatilitets- og korrelationsmatrix. Ulempen ved modellen er, at den er mindre præcis i forhold til nonlineære porteføljer eller skæve fordelinger, hvilket kan være et problem for et nonfinancial undersøgelsesområde. Ved nonfinancielle virksomheder skal der oftest beregnes estimater på lange perioder, hvilket kollidere med nogle af VaR-forudsætningerne. For eksempel når VaR er beregnet over en kort periode i form af en dag eller måned. Herved forudsættes det, at afkastet og volatiliteten er af mindre betydning, hvilket det næppe er over en længere periode (Stern, 2001). (b) Den historiske model vurderer VaR ved markedsforandringer igennem tiden, illustreret ved scenarier hvor de historiske data rates, så positionerne kan revalueres for forandring på markedet. Modellen kan benyttes til alle type af instrumenter, lineær som non-lineær. 11 Delta ( ): raten af prisforandringen af optionen i forhold til det underliggende aktivs pris (Hull, 2003). 12 Gamma (Γ)er forandringsraten af en portefølje i forhold til de underliggendes aktivers priser (Hull, 2003). 11

18 Fordelene er, at den er eksakt for alle instrumenter, og giver en fuld fordeling af potentielle porteføljeværdier der er ligeledes ikke brug for at udarbejde forudsætninger. Kravet til antallet af scenarier er ikke højt, hvorfor det mindsker kapacitetskravet til beregningerne. (c) MCS-modellen simulerer tilfældige scenarier og revaluerer positionerne i porteføljen. Denne model kan ligesom den historiske model benyttes til alle typer af faktorer, da de mekanisk er identiske med hinanden på den måde, at de begge revaluerer faktorerne på baggrund af forandringer i markedsraterne. Fordelene ved MCS-modellen er derfor, at den er eksakt for alle instrumenter, og giver en fuld fordeling af potentielle porteføljeværdier. Desuden er der ikke brug for omfattende historisk materiale. Ulemperne er, at det er en tung og tidsslugende beregningsmodel, som kræver en revaluering af porteføljen ved hvert scenarie. Derudover kvantificerer den kun fat-tailed 13 risiko, hvis markedsscenarierne er genererede ud fra de passende fordelinger. På baggrund af ovenstående betragtninger vurderes, at anvendelse af MCS-modellen vil være mest passende, idet den vurderes til at give den mest optimale besvarelse af opgaven (Laubsch, 1999). For at understøtte MCS-modellens resultat kan der udarbejdes scenarier med forskellige yderliggående situationer. Dette gøres derfor i afhandlingen, hvor to scenarier bliver estimeret i forhold til et valgt niveau på baggrund af bedste- og værste forhold. I forbindelse med udarbejdelsen af simuleringen benyttes de faktorer, som har mest indflydelse på entreprisens forløb. Valuation For at kunne bestemme risikoen simuleres/adderes scenarierne et valgt antal gange. Risk computation Det sidste punkt i RMG's (2005) fempunktsmodel er at bestemme risikoen på baggrund af simuleringsværdisættelsen ud fra valgte exposure mappingmodel. 13 Fat-tail er hvor fordelingen er federe i halerne, hvorfor ekstreme fænomener forekommer i højere grad end teoriens normalfordelte estimering. 12

19 Med ovenstående modelbeskrivelse og valg opstilles entreprisen. 3 Investeringsentreprisens opbygning Afsnittet vil først belyse containerbranchens historiske udvikling, hvorefter investeringsentreprisens økonomiske opbygning beskrives. Projektbeskrivelsen er delt op i tre dele, hvor der først redegøres for den (1) overordnede detaljering, dernæst (2) inflow og til sidst (3) outflow. Den overordnede detaljering beskriver hvilken horisont, konfidensniveau og basevaluta der vælges. Inflow beskriver chartertyperne og valget heraf. Outflow beskriver rederiets omkostninger i forhold til CF. 3.1 Baggrundshistorie Containerrederibranchens udvikling set i historisk perspektiv er relativ ny i forhold til den traditionelle skibsbranche. Fundamentalt set kan containerdriftens udvikling tilskrives to hovedbegivenheder (Harlaftis & Theotokas, 2002). Den ene er industrialiseringen af den vestlige verden i det 19. århundrede og dennes dominans af resten af verden. Den anden del, er et stort boom af godstransport og services inden for denne periode. Introduktionen af motordrevne skibe har medført en mulighed for at tilbyde en regulær skematisk planlagt rutedrift ved liniefart (Brooks, 2000). Selve containerskibsdriften blev introduceret omkring 1956 (Alderton, 2004). Herefter har skibsstørrelsen udviklet sig støt gennem tiden, hvor første generation af containerskibe på op til TEU 14 blev benyttet indtil Ca. hvert femte år udvikles en ny generation af skibe med en forøgelse af skibskapaciteten på ca TEU per interval (se Tabel 1). Tabel 1: Containerskibenes størrelsesmæssige forøgelse gennem tiderne. Periode Generation TEU Skibstype* < Feeder Handy Panamax Postpanamax Deep see Deep see Deep see Kilde: Alderton, 2004 og egen tilvirkning. *Tilnærmelsesvist beskrevet via Kavussanos, TEU = Twenty equevalent unit, 20 fods container 13

20 Globaliseringen har haft en stor indflydelse på efterspørgslen af fragtkapacitet, hvor der siden 80 erne er kommet en stigende transport af gods over landegrænserne. Ligeledes har skibsbranchen været efficient med hensyn til omkostninger, hastighed og logistik, og har det dermed gjort det attraktivt og billigt at transportere gods. Dette har været medvirkende til at gøre globaliseringen rentabel, hvilket igen forøger efterspørgslen på transport (Stopford, 1988). I kunne verdens containerflåde opgøres til at bestå af skibe, med en total kapacitet på 7,55 mio TEU. Væksten af nye containere er estimeret til 11,2% i Her vil det globale supply/demandindeks være på 102, hvilket vil sige, der er en højere efterspørgsel end der er udbud. Dette får priserne til at stige, indtil der er ligevægt igen - dette skønnes at finde sted i år 2010, hvor indekset falder tilbage til omkring 99 (Clarkson, 2005b). 3.2 Entreprisens opbygning Rederiet er vurderet som en nyoprettelse, hvor der på baggrund af tilrådighedshavende materiale skal opbygges et estimeret investeringsprojekt (entreprise). Her bliver risikoen vurderet på baggrund af exposure mapping modellen (EMM) under simuleringsanalysen. EMM bestemmes ud fra beregningsopsætningen for CF-analysen, som samtidig er target for entreprisen. Tabel 2 illustrer nogle af de overvejelser som indgår i forbindelse med drift af skibe. Tabel 2: Rederiet Structure of company Outflows: Inflows: Operationg Costs Choice of Charterers o Administrative Quality of Charterers o Technical Contracts with Charterers o Insurance Forms of Employment o Crew Effective Utilisation of ships Voyage Costs Capital costs Markets of Operation Kilde: Grammenos (2002) kriditrisikoanalysemodel 15 opgjort for juli Den globale containerhandel forventes at stige ca. med 10% i år 2005 og 2006 (Clarkson, 2005b), hvilket stemmer meget overens med de sidste par års historik, hvor væksten har været fra 8 til 10% (Berlingske, 2005a). 14

21 Tabel 2 indgår dermed som en del af de faktorer, der vurderes til at have indflydelse på entreprisen. Der foretages et estimat på, hvordan udviklingen inden for disse faktorer kan udvikle sig i forhold til, hvilken risiko der kan forventes. Dette gøres ud fra Tabel 3, der i hovedtræk opstiller cash CF-modellen til forecastingen. Tabel 3: Cash flow Genererering Time charter marked Revenue Charter hire Fixed costs Less:operating costs Variable costs - Operating earnings Fixed costs Less: fixed capital costs Capital gain Asset play Plus: Profit/loss from buying and selling the ship Cash flow Kilde: Kavussanus (2002) Der fokuseres dermed på charter- og skibsprisrater, som de primære faktorer i forbindelse med CF-beregningen Horisont og detaljering Beregningen af NPVaR bestemmes ud fra følgende parametre; (1) konfidensniveau, (2) forecast horisont og (3) den valuta, der skal benyttes som beregningsgrundlag. (1) Første punkt er valget af konfidensniveau, hvor der i afhandlingen benyttes et 95% nedre konfidensinterval (KI) 18. (2) Den horisontmæssige periode skal betragtes ud fra et CFaR perspektiv og ikke ud fra en mere almindelig CF-værdisætningsperiode, hvor Copeland (2000) anbefaler en 10 til 20 årig vurderingsperiode ved high growth faser eller cyklikale forhold. Da der netop er tale om, at skibsbranchen er cyklikal (Thanopoulou, 2002), er forudsætningen om en stabil continuing periode svær at overholde. Projektets horisont vil kun strække sig over en 10 årig periode, idet det tilrådighedshavende datamateriale kun dækker over tilsvarende periode. Det vil sige at data på skibspriser har en horisont på 10 år, hvorfor entreprisen løber over denne periode. Denne vurderingshorisont ligger inden for Copelands (2000) anbefalinger. 17 Beskrives yderligere ved chartervalg under kap Alment benyttes et 95% KI, som i det nedre KI ville være et 97,5% 15

22 (3) I forbindelse med valg af basisvaluta, forudsættes det, at entreprisen drives med base i Danmark, hvorfor resultat af diverse indtægter/omkostninger konverteres til DKK fra USD. Dette gøres ud fra kursen 600 DKK/USD 19 ved fastsættelse af entreprisens værdi. Derudover konverteres tidsserierne ind til DKK hvis de forefindes i udenlandsk valuta. Herefter bestemmes entreprisens økonomiske struktur med hensyn til, hvilken position og segmentering der skal investeres i. Derefter vurderes, hvordan gælden fordeles Rederiets struktur Første del omhandler selve entreprisens økonomiske struktur, hvor der dermed fokuseres på valg af skibstype samt kapitalstruktur. Positionering Et containerskib fortolkes ikke til at være et differentierende produkt i sig selv. Derfor er det relevant at se på, hvilke kernesuccesfaktorer 20 (KSF) kunderne lægger størst vægt på ved valget af transportskib. Jævnfør Alderton & Rowlinson (2002) er der sket et paradigmeskift. Branchen har traditionelt vægtet kvaliteten gennem service og store aktivporteføljer, men priserne har efterhånden fået større indflydelse. Dette stemmer overens med Brooks (2000) udtalelser om, at efterspørgslen af nonconference 21 medlemmer forøges, hvilket hovedsageligt har prisen som konkurrenceparameter. Lindegaard & Hvid (1997) har ligeledes undersøgt KSF erne i forbindelse med nærsøfart og kommet frem til, at parametrene inden for pris, tid/efficiens, door to door -service 22, kvalitetsstyring og produktudvikling er de vigtigste faktorer i forbindelse med valg af fragt. Dette fortolkes til, at branchen er gået fra en differentiering til cost leader ved de generiske strategier (Porter, 1980). 19 Kursen er en tilnærmet beregningskurs som er den afrundede kurs i april 2006 (nationalbanken, 2006) 20 Beskrives gennem Grants (2001) kernekompetencemodel for strategisk virksomledelse. 21 Conferencer er en sammenslutning af rederier som i fællesskab bestemmer prisen og transportudbudet på den enkelte rute. 22 Door to door service er hvor speditøren varetager en fuld administration af leverancen, også ved transport med fx lastbil. Benyttes under multi modal transport hvor flere transporttyper, så som lastbil, skib, tog etc. indgår i transporten af det enkelte gods (Panayides, 2001). 16

23 Idet der er tale om et nyoprettet rederi vil der ikke være oparbejdet kompetencer i virksomheden, som kan opfylde en del af KSF erne. Derfor anses det som en fordelagtig mulighed at outsource de kapabilitetsområder, hvor der vil være kapacitetsmæssige mangler. For eksempel vil det ikke være muligt at kunne udbyde door to door -service. Ligeledes vil rederiet ikke have en salgsorganisation, som vil være gearet til at kunne varetage detailsalget af skibets containerkapacitet. Derfor vil en outsourcing af administrationen være tilrådeligt. Dette kan foregå ved at udleje skibet på baggrund af charterkontrakter, hvilket dermed er grundlaget for valget af charter som indtægtskilde. Positioneringsmæssigt vurderes rederiet til at skulle have en prispolitik på linie med andre rederier, men hvor kvaliteten er bedre på baggrund af skibets unge alder og dermed teknologi. Dermed vil et nystartet rederi på forhånd opfylde nogle KSF, som kan give rederiet nogle konkurrencemæssige fordele. Segmentering Da charter er indtægtskilden, begrænses størrelsen af skibet der skal erhverves. Dette skyldes, at størrelsesordenen for chartrede skibe typisk ligger i intermediate- eller feederklassen 23 og ikke deep see 24 (Drewry, 1999). Ligeledes tolkes det som værende mindre sandsynligt, at et nyt rederi kan indhente ny investeringskapital i miliardklassen, når der ikke er opbygget en referenceramme. Derfor antages det, at investeringsstørrelsen vil være af mindre karakter i form af intermediate/feederstørrelsen op til ca TEU. For at forøge afsætningsmulighederne fokuseres der på et skib, som kan give chartertageren mulighed for en effektiv og rentabel drift. Derfor vælges der et nyt skib, for bedre at kunne opfylde KSF erne på baggrund af den nyeste erhvervede teknologi. Investering Kapacitetsmæssigt beregnes analysen på baggrund af et enkelt skib. Dette gøres på trods af at de faste administrationsomkostninger mere eller mindre er de samme for et som for ti skibe (Alderton, 2004). Derfor forudsættes det, at et enkelt skib vil være repræsentativt 23 Intermediate (handy) ligger i størrelsesordnen til TEU og Feeder ca. fra 350 til TEU, hvor deep sea er fra og opefter (Clarkson, 2005). 24 Deep see er betegnelsen for skibe som sejler på hovedruterne, Asien, USA og Europa, hvor feeder er betegnelsen for skibe som sejler de mindre ruter fra hovedruterne og intermediate er for det hele. 17

24 for en portefølje af skibe. Der vil derfor ikke blive taget højde for diversificeringsmuligheden, hvor den usystematiske risiko minimeres. Til estimeringen vælges en skibsstørrelse med en kapacitet på TEU. Denne skibsstørrelse er der flest sammenlignelige data på inden for rammen af det tilrådighedshavende datamateriale (se Bilag 6). Prisen på et TEU containerskib er i størrelsesordenen USD 25 mio. (DKK 150 mio.) 25. Når der benyttes et nyt skib, mindskes risikoen ved nedgangsperioder på markedet idet skibet vil være mere attraktivt og bedre rentabelt. Timingen for investeringen har stor betydning for resultatet (Domino, 2006), hvor der er eksempler på rederier, som har tjent mere på at spekulere i køb/salg af skibe end på deres forretning (Alderton, 2004). 26 Kapital Entreprisens kapital skal indhentes både gennem investorer og banklån. Der vil ikke blive indhentet andre former for kapitalindhentning - for eksempel i form af skibsobligationer. Belåningshorisonten fastsættes til at løbe inden for skibets brugsperiode, og hvad der er kutyme på skibsmarkedet. I dette tilfælde vælges der en tiårig periode på baggrund af sammenlignelige entrepriser, som bestemmes senere. Det er vigtigt at have et robust cash flow, hvis et rederi skal overleve en nedgangsperiode, hvor kun de stærkeste overlever (Stopford, 1988). Derfor er det vigtigt at time investeringen i entreprisen på det bedst tænkelige tidspunkt, hvorfor en forecasting af udviklingen i markedet er essentiel. Stopford (1988) mener ikke at forecastingsanalyser har givet et retvisende billede af, hvordan markedet ville udvikle sig. Han finder det mere anvendeligt at forholde sig til verdensøkonomiens og shippingmarkedets udvikling i detaljer, for herved at appreciere hvordan de forskellige faktorer korreliderer med hinanden. Dette kræver forståelse for de vigtigste faktorer, der har indflydelse på 25 Prisen er gennemsnitsprisen i august måned 2005, hvor kursen er bestem til at være 600 DKK/USD 26 Der tages ikke stilling til om skibet skal registreres under bekvemlighedsflag eller i Danmark, hvor rederiet forudsættes at skulle have domicil. På trods af arbejdskraften generelt kan anskaffes billigere under bekvemlighedsflag er der stadigvæk fordele ved, at have skibet registeret i Danmark. Her kan der forventes et højrere uddannet personale, med et støre efficiens, blandt andet ved vedligeholdelse og arbejdsprocedurer (Simonsen, 1992). 18

25 supply/demand effekten. Området falder uden for afhandlingens omfang, da det ikke undersøges, hvornår timingen er bedst, og i hvilket stadie markedet befinder sig i. Gældsrate Det kollaterale område omhandler de belånte aktiver i form af skibet der er nybygget, og dermed har en længere levetid end lånets længde på 10 år. Det vil sige at der ikke fokuseres på skibets fulde økonomiske operationelle horisont, men i stedet på andelen af gælden i forhold til skibets værdi. Dette betegnes ved Hull-to-debt raten (HDR) (se Ligning 1). Ligning 1: Hull-to-debt rate MV HDR= D Kilde: Grammenos, 2002 MV er den nuværende markedsværdi af skibet og D beskriver det udestående lån. Grænsen for, hvor meget HDR må stige, er typisk under grænsen på % (Grammenos, 2002). Overskrides denne grænse, kræver kreditgiver sandsynligvis ekstra sikkerhed, frasalg eller likvidation. Med en target gældsrate på 60% og en skibspris på 150 millioner DKK, vil markedsværdien af skibet dermed kunne falde til ca millioner DKK. Dermed kan nyprisen ved investeringens start falde med 53-60% før kreditgiveren intervenerer. Værditabet på et skib kan måles ved en sammenligning af splittet mellem nyprisen og et tiårigt gammelt skib. Her svinger brugtprisen til at være mellem 16-48% mindre end nyprisen. Det vil sige at når der projekteres med at skibet betales over en tiårig periode forudsættes det, at der ikke er en høj risiko for at HDR overskrides. Der tages ikke stilling til, hvilke lånetyper der skal indtages. I forhold til kapitalomkostnigerne vurderes rente kun ud fra CIBOR adderet to procentpoint. Dette skyldes at kreditgiverne typisk udlåner kapital til rederier med en lånerente der tilsvarer CIBOR adderet med 1 til 2 procentpoint (Stopford, 2000). Heraf vurderes det at entreprisen skal betale en højeste rente på baggrund af, at det er et helt nyt projekt uden referencer. Derudover medregnes der ikke kurtageomkostninger. 19

26 I forhold til forsikringer og garantier for personalet og virksomheden forudsættes det, at det ikke er noget der får betydning for beregningerne. Derudover tillægges et vederlag på 5 mio. DKK. for oprettelsen af entreprisen, hvorfor følgende investeringsoplæg opsættes i Tabel 4. Tabel 4: Projektopbygning DKK* Købspris Udbudsvederlag Projektpris i alt *Kurs = 600 USD/DKK Kilde: Egen tilvirkning 3.3 Inflow Idet det ikke er spotrater men charterkontrakter, der er valgt som indtægtskilde, mindskes kompleksiteterne for rederen. Det vil sige at charterudbyderen dermed ikke konfronteres med problemstillinger i forhold til valg af ruter og forhandlingen af disse, i forbindelse med indsættelse af nye kapaciteter på nye ruter. Dette er især tilfældet, hvis rederen er i alliance med andre rederier (bearbay, 2005). Dette giver en større fleksibilitet for rederiet, idet investeringerne ikke bliver så fastlåste til den enkelte liniefart. Desuden sorterer kravet om en portefølje af skibe med henblik på at kunne yde en konkurrencedygtig service ikke under rederen 27. Herunder skal det besluttes hvilken form for charter der skal benyttes. Dette vurderes ud fra forskellige satser i forhold til, hvor megen service der skal indbefattes Chartertype Der udbydes flere forskellige typer charterkontrakter. Stopford (1988), Nielsen & Ramsby (1995) og Alderton & Rowlinson (2002)) inddeler disse i fire kategorier: (1) Voyage-, (2) Contract of affreightment-, (3) Time- og (4) bareboat charter. (1) Voyage charter er en kontrakt på basis af en enkelt rejse, hvor chartertageren, benytter skibet for en enkelt opgave. Rederen påtager sig dermed alle forpligtelser i forbindelse med administration og drift af skibet. Betalingen foregår typisk ud fra en fast fragtrate per 27 Et rederi kan dog konsolidere med andre konkurrenter inden for branchen og herved blandt andet indgå alliancer med andre rederier i form af samarbejde med de forskellige ruter. Dette er et udbredt fænomen, hvor mange af de stører rederier benytter sig af hinandens skibstonnager ved at rederierne også fragter egne containere på konkurrenternes skibe, hvilke benævnes som pooling. 20

27 ton. Denne kontraktform er det nærmeste man kommer spot rate priser, idet det i princippet er de samme forhold der gør sig gældende, som ved spot rate handel. Voyage charter benyttes sjældent til containerfragt (Nielsen, 1995). (2) Contract of affreightment voyage er stort set det samme som voyage charter, hvorfor den ligeledes sjældent benyttes ved containerdrift. Ved denne kontraktform har rederen ikke forpligtet sig til at benytte et fast skib til at transportere den aftalte transportenhed. (3) Time charter formen (T/C) er i modsætning til voyage charter baseret på tid i stedet for opgaven. Denne form for kontrakt er meget benyttet inden for containerbranchen, hvilket vil være en anvendelig kontraktform for et nystartet rederi, som ikke vil være i besiddelse af store kapaciteter og kapabiliteter. Rederen betaler for de operationelle omkostninger af skibet (besætning, service, reparationer mv.) og chartertageren betaler for voyageomkostningerne (bunker, havnecharge, channel dues) (Stopford, 1988). (4) Ved bareboat charter påtager chartertager sig alle forpligtelser. Det vil sige at rederen kun har med selve investeringen at gøre, og chartertager betaler en kontraktpris over en aftalt periode. Kontraktformen antages, at ville give den mindste indtægt for rederen Chartervalg T/C vurderes til at være det mest lukrative for entreprisen. Afhandlingen benytter derfor T/C-kontrakter som indtægtskilde. Niveauet for T/C-raten bestemmes ud fra de offentligt tilgængelige gennemsnitlige databaser. Beslutningstræet for ovenstående illustreres i nedenstående Figur 3. Figur 3: Beslutningstræ for erhvervelse og indtægtsmuligheder Nyt skib Spot indtægt Charter indtægt Voyage Affreightment Erhvervelse T/C Bareboat Brugt skib Kilde: Egen tilvirkning Et containerskib på TEU har en daglig T/C-rate på DKK målt over gennemsnittet af et helt år. Beløbet svinger meget fra år til år, hvor T/C i november 21

28 måned er nede på DKK om dagen. Sidste beløb er det som benyttes til den videre beregning i afhandlingen (se Bilag 3). T/C-raten på DKK om dagen er vurderet til at være tilnærmelsesvis korrekt værdiansat, på baggrund af T/C resultatet. Dette stemmer stort set overens med den årlige T/C-rate jævnfør Bilag 3, hvor det årlige T/C beløbet på DKK kun er DKK mere end fragthyreberegningen på DKK (se Bilag 7). Dette beløb vurderes til at være tilfredsstillende i forhold til, at der er tale om et gennemsnitsbeløb Outflow Rederiets outflow fordeles på de operationelle omkostninger under følgende punkter: operating cost, fixed capital costs og profit/tab fra køb og salg af skibet. Omkostningsafdækningen er lige så problematisk at bestemme som fragtraterne. Ethvert skib har sit eget niveau af omkostninger, alt efter størrelse, besætningssammensætning, forsikringsaftaler, administration mv. Jævnfør Danmark (2000) er de samlede personaleomkostninger for et linieskib på TEU, 6,28% af omsætningen, hvorimod personaleomkostningerne ved et mindre skib på ca. 500 TEU ligger på omkring 29,67% af omsætningen. Sammenlignes der med Difko (2005, 2005b), som investerer i mindre skibe på ca. 500 TEU, budgetteres der med en personaleomkostning på 2,5% af omsætningen. Ved CS&P (2005), der benytter nogenlunde samme størrelse skibe, kommer personaleomkostningerne op på 32% (se datafil under omk-estimering). Estimeringen af omkostningerne er derfor bestemt på baggrund af de tre projekter fra Difko (2005, 2005b) og CS&P (2005) gennem en middelværdi pr. TEU. Beløbet er herefter multipliceret med Herved er der på baggrund af Bilag 7 fundet følgende out-/inflow for et skib i størrelsen af TEU (se Tabel 5). 28 Beregnet ud fra en kurs på 600 USD/DKK 29 Størrelsen på målingskibet på TEU 22

29 Tabel 5: Omkostningsandele og fordeling Resultat USD DKK T/C indtægt Driftsomk. Hyreomkostninger Forsikringer Vedligeholdelse Diverse 366 Driftsomk i alt Administration Adm. (honorar) 382 Kommacielt management 628* Teknisk management Bestyrelsesvederlag 19 Revision 29 diverser adm omk 13 Adm. i alt Hensættelse til dokning Samlede driftsomk Resultat * 2% af T/C Kilde: Difko, (2005, 2005b) & CS&P, (2005) efter Bilag 7 Omkostningerne er bestemt på baggrund af benchmarkprojekterne (2005, 2005b) og CS&P (2005). Benchmarkprojekterne er ligeledes estimerede entrepriser på erhvervelse af skibe, hvorfor der er sandsynlighed for bias eller fejl i dataene. Dette skyldes, at det ikke er faktuelle regnskabsdata. Dog er projekterne bygget på baggrund af erfaringer fra andre faktuelle investeringsentrepriser (Bilag 7) 30. På baggrund af resultatet i Tabel 5, redegøres der dermed for de fremfundne data, som hovedsageligt er bestemt på baggrund af investeringsentrepriserne; Danmark (2000), Difko (2005, 2005b) og CS&P (2005) Driftsomkostninger Driftsomkostningerne er forskellige alt efter hvilket investeringsprojekt der sammenlignes med. Herved er der valgt omkostninger, der er sammenlignelige og som dækker afhandlingensentreprises driftsmæssige omkostninger. Omkostningerne er delt op i (1) hyreomkostninger, (2) forsikringer, (3) vedligeholdelse og (4) diverse. Som følger: (1) Hyreomkostninger er lønningerne til besætningen, hvor gennemsnittet beløber sig til DKK 5,227 mio. I forbindelse med (2) forsikringer formodes det, at et nyetableret rederi skal betale en højere risikopræmie end et i forvejen etableret rederi, der 30 Dataene er beregnet på baggrund af datasæt-fil under Omk-estimering. 23

30 kan præsentere en referenceramme. Alderton (2004) beregner præmien til almindeligt lastskib gennem Ligning 2. Ligning 2: Forsikringspræmie f = 1,5* d + 0,003* v Hvor f er forsikringspræmien, d er skibets tonnagevægt (dwt) og v er skibets værdi. Satsen ved Difko (2005, 2005b) og CS&P (2005) er betydeligt mindre end Ligning 2. Derfor tolkes formlen til ikke at være passende til mindre skibe, hvorfor Difko og CS&P s forsikringspræmierate benyttes. Det vil sige at præmien er 1,5% af skibets værdi 31, hvor resultatet er DKK pro anno. (3) Vedligeholdelsesomkostninger omfatter reparationer og vedligeholdelse, der angives som Off hire dage 32, hvor skibet ikke er i drift. Der forventes at ville være 5 off hire dage om året, hvorfor skibet vil blive benyttet 360 dage om året. Vedligeholdelsen løber i gennemsnit op på DKK 3.1 mio. (4) Ligeledes er diverse omkostninger estimeret til et beløb på DKK 1,680 mio Administrationsomkostninger Den administrative omkostning opdeles i (1) administrationshonorar, (2) kommerciel management, (3) teknisk management, (4) bestyrelsesvederlag, (5) revision og (6) diverse administrationsomkostninger. (1) Administrationshonorar er ud fra kilden afsat til komplementarselskabet. I afhandlingen forudsættes honoraret til, at være det samme for oprettelsen af investeringsentreprisen, hvorfor beløbet fastsættes til at være det samme gennemsnitlige beløb på DKK (2) Ved kommerciel management forståes, at et andet selskab outsorces til at disponere skibets kapacitet. Dette stemmer godt overens med rederiets behov. Der betales 2% af T/C-indtægterne i kommission, som dermed løber op i DKK (3) Teknisk management er den tekniske drift af skibene, hvilket også bliver outsourcet til et eksternt managementfirma. Beløbet er et fast honorar, som reguleres med 31 Forretningsmodellen risikomæssigt forudsættes, at ligge på linie med markedets andre sammenlignelige rederier. 32 For eksempel til dokning under vedligeholdelse. 24

31 2%. (4) Bestyrelsesvederlag er sat til et gennemsnitligt beløb på DKK og (5) revision til DKK (6) Diverse administrationsomkostninger er DKK Hensættelse til dokning Der er to standardiserede eftersyn som skal overholdes på et containerskib, der benævnes special- og intermediate survey. Special survey er hovedeftersynet, der skal foretages hver 5. år og intermediated survey er et mindre eftersyn, som skal foretages imellem hver Special survey (Difko, 2005). I datasættet vurderes at prisen for Special survey til ca. DKK 1,9 mio fra det første år og DKK 1,4 mio for intermediate survey, som starter i det 4. år Værditab Priser på nye skibe varierer meget mellem udbyderne, ligesom der er høje prisudsving. Ved brugte skibe er volatiliteten endnu større (Alderton, 2004). Værditabet på skibet benyttes til at beskrive den faktuelle værdi af aktivet, hvor der ikke er taget højde for transaktionsomkostninger ved køb og salg. Sammenlignes værditabet ved de tre benchmarkentrepriser viser Tabel 6 følgende resultat. Tabel 6: Værditab for skibe Difko Passat ($) Difko Vergi ( ) CS&P ($) Exp. Værditab Exponentiel værditab p.a. 12,4% 26,4% 11,1% 16,7% Skibets nypris (mio.) 20,9 5,2 21,2 Skibets gensalgsværdi (mio.) 6,5 0,5 12,5 Kilde: Egen tilvirkning på baggrund af Difko (2005, 2005b) og CS&P (2005) Beregningen er foretaget med et gennemsnitligt værditab pro anno ved Ligning 3. Ligning 3: Gennemsnitlige værditab Yt r = Y0 1 t 1 Kilde: Blake, 2000 (3.35) Hvor r er årlig værditab, Y t er skibets nypris, Y 0 er prisen for det gamle skib, hvor t er alderen på det gamle skib. 25

32 Det kan se ud som om Vergi projektet i Bilag 7 ikke er pålideligt på grund af en stor værdiafskrivning. Dette kan skyldes, at skibets alder på 25 år er relativ høj, hvor gennemsnitsalderen ligger på et lavere niveau på omkring 10 år (Stopford, 2002). Hvis der kun vurderes på de resterende to projekter, kommer det gennemsnitlige værditab ned på 11,8%, hvilket vurderes til at være mere nøjagtigt. Sammenlignes der med skibsprisdataene fra Bilag 6 viser det sig, at det årlige værditab er langt mindre (se Tabel 7) 33. Tabel 7: Procentafskrivning pa. End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu ,7% 8,0% 6,2% 6,7% 7,2% 5,7% 3,9% ,1% 9,1% 5,8% 5,1% 6,0% 5,1% 4,8% ,6% 5,4% 1,2% 2,3% 1,3% 2,2% 2,5% ,1% 3,6% 1,4% 1,9% 1,6% 1,9% 1,8% Average 5,1% 6,6% 3,6% 4,0% 4,0% 3,7% 3,3% Std. 1,7% 2,5% 2,7% 2,3% 3,0% 2,0% 1,4% Kilde: Egen tilvirkning på baggrund af Bilag 6 Her er den gennemsnitlige værdi på 3,5%. At 2004 og -05 er nede på godt 1% årligt værditab på 10 år skyldes sandsynligvis, at skibspriserne befinder sig i en peakperiode af cyklusen. Dette indikeres ved, at priserne på brugte skibe er tæt på - hvis ikke højere - end nyprisen (Kavussanos, 2002). Over en 10 årig periode vil det dermed sige at afskrivningen har et gennemsnitsfald på 28%, med en standardafvigelse på 18,5% (se Tabel 8). Tabel 8: Procentafskrivning pa. End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu % 54% 45% 48% 50% 42% 32% % 59% 43% 39% 44% 39% 38% % 41% 11% 20% 12% 19% 22% % 30% 13% 17% 15% 17% 17% Average -39% -46% -28% -31% -30% -29% -27% Std. 9,4% 12,7% 18,6% 14,7% 19,5% 13,2% 9,5% Kilde: Egen tilvirkning på baggrund af Bilag 6 På grund af at dataene er mangelfulde, er det vanskeligt at vurdere, hvordan værditabet udvikler sig på længere sigt. Derfor foretages der et intuitivt estimeret valg af værditabet. Således vælges det gennemsnitlige værditab over 10 år at være på 28% med en standardafvigelse på 18,6%. 33 Fra ligning 3: Årlige værditab = (nypris/salgspris)^(1/alder)-1 = (15,5/8,5)^(1/10)-1= 6,2% 26

33 For at kunne simulere modellen skal der til selve CF-analysen benyttes vækstrater og standardafvigelser. Derfor vil følgende afsnit analysere datamaterialet til brug for den videre analyse. 4 Datamateriale De faktorer som vurderes til at have størst indflydelse for entreprisen, skal hermed vurderes og testes med henblik på bestemmelse af vækstraten til CF-modellen. Derfor tages der udgangspunkt i Kavussanus (2002) CF-Generereringsmodel, hvor områderne, der influrerer mest er; (1) T/C-rater, (2) faste/variable omkostninger og (3) afskrivningen på skibet. Ligeledes har valutakursen en indflydelse på de områder, som bestemmes i udenlandsk valuta. Ved tilbagediskonteringsfaktoren benyttes kapitalomkostningerne, som bestemmes på baggrund af den danske tiårsrente, markedsafkastet på Københavns Fondsbørs og Copenhagen InterBank Offered Rates (CIBOR). Data der benyttes til analysen består af årlige gennemsnitlige data (se Tabel 9). Tabel 9: Datagrundlag 10 års renten 2 År Skibs- Cibor 3 OMXCB 4 T/C 5 BNP 6 Priser , , , , , ,07 0,04 111, ,06 0,04 158, ,05 0,04 193, ,05 0,04 187, ,06 0,05 255, ,05 0,05 251, ,05 0,04 198, ,04 0,02 183, ,04 0,02 192, ,03 0,02 246, Kilder: 1: Skibspriser; clarkson.com 2: 10 obligationsrenten; Den Danske Nationalbank 3: Copenhagen InterBank Offered Rates (CIBOR); Den Danske Nationalbank 4: Københavns Fondsbørs Benchmark Prisindeks; 5: Time Charter; Clarkson Research Studies (2005), Hamburg Shipbrokers Association, (2005), Dewry (1999, 2000), Den Danske Nationalbank 6: De Danske Brutto National Produkt: Den Danske Nationalbank 27

34 Antallet af observationer er mindre anvendeligt idet der er relativt få årlige observationer. I forbindelse med simuleringen skal det sikres, at der er tale om normalfordelinger, og om forudsætningerne herved opfyldes. Til supplering af analysen er der udarbejdet en individuel beskrivende statistik af dataene (se Tabel 10). Tabel 10: Individuel Beskrivende statistik DLOG(x) SKIB_DKK RENTE CIBOR TC_DKK OMXCB BNP Mean 0,068 0,062 0,037 0,046 0,088 0,044 Median 0,100 0,057 0,039 0,007 0,048 0,042 Maximum 0,107 0,093 0,055 0,489 0,354 0,069 Minimum -0,002 0,034 0,024-0,213-0,237 0,020 Std. Dev. 0,061 0,018 0,010 0,189 0,198 0,015 Skewness -0,697 0,299-0,106 0,769-0,121 0,162 Kurtosis 1,500 1,841 2,005 3,099 1,838 2,023 Jarque-Bera 0, , , , , , Probability 0, , , , , , Sum 0, , , , , , Sum Sq. Dev. 0, , , , , , Observations *Renten er bestemt til at være dlog i forvejen pga. det oplyste er det årlige afkast. ** Observansen er fortaget på baggrund af 3 observationer hvilket ikke giver et korrekt billede af udviklingen. Kilde: Egen tilvirkning fra Bilag 1 Beregningerne er logistisk differentieret, hvilket er vurderet på afkastet for de respektive gennemsnitlige årstal (Ligning 4). Ligning 4: Differenslogaristisk afkast t d log= ln tn Kilde: Eviews n 1 Hvor dlog er afkastet ud fra en logistisk beregning af nutiden t n divideret med en enkelt lagged periode tilbage t n 1. Resultatet rekapituleres gennem Tabel 11, hvor det vurderes i hvilken grad dataene er normalfordelte. 28

35 Tabel 11: Fordelingsvurdering af beskrivende statistik Log(x) SKIB RENTE CIBOR T/C OMXCB BNP Median Median>mean Venstreskæv Median<mean Højreskæv Skewness* Positiv skæv: Negative skæv: Relativ Moderat skæv symmetrisk Kurtosis** Flad fordeling Flad fordeling platykurtic platykurtic Kan ikke Kan ikke Jarque-Bera forkaste H0 om forkaste H0 om Probability*** Normalfordeling Normalfordeling Kilde: Egen tilvirkning via Eviews, se bilag 1 *Skewness fortolkning: 1<coefficiens of skewness<-1 = highly skew 0,5 til 1 (eller -0,5 til (-0,5)) = moderat skæv 0,5>coefficiens of skewness-0,5 = relative symmetry Median>mean Venstreskæv Negative skæv: Relativ Symmetrisk Flad fordeling Platykurtic Kan ikke forkaste H0 om Normalfordeling Median<mean Højreskæv Positiv skæv: Moderat skæv Normalfordeling Kan ikke forkaste H0 om Normalfordeling **Kurtosis fortolkning: 3 = normal fordeling Under 3 = Platykurtic, dvs. fordelingen er relativt fladt normalfordelt med brede skuldre Over 3 = Leptokurtic, dvs. fordelingen er relativt spids normalfordelt med smalle haler ***Jaque-Bera fortolkning: Måler differencen af skewness og kurtosis. En lille sandsynlighedsværdi leder til at forkaste nul-hypotesen om en normalfordeling Dvs. testresultat < signifikansnivau (5%) = forkastning af H0 Testresultat > signifikansniveau (5%) = kan ikke forkaste H0 Median<mean Højreskæv Positiv skæv: Relativ symmetrisk Flad fordeling Platykurtic Kan ikke forkaste H0 om Normalfordeling Median<mean Højreskæv Positiv skæv: Relativ symmetrisk Flad fordeling platykurtic Kan ikke forkaste H0 om Normalfordeling Tabel 11 er beregnet ud fra Eviews, hvor det blandt andet på baggrund af formlerne i Bilag 1, er bestemt om der er tale om en normalfordeling. Startende med Skibsserien er den moderat negativt skæv, hvor den har en længere hale mod venstre. Der er kun fire observationer, hvorfor det kan være vanskeligt at fortolke på dataene. Ifølge Jarque-Bera tallet kan hypotesen om, at der findes en normalfordeling ikke forkastes. Den 10 årige renteserie er relativ symmetrisk og positiv skæv. Den har en længere hale mod højre, hvor der er en flad fordeling via kurtosistallet. Det kan ikke forkastes, at der ikke er en normalfordeling. CIBOR er modsat renten relativt symmetrisk og negativ skæv, hvor den har en lang hale mod venstre. Det kan på baggrund af Jarque-Bera tallet ikke forkastes, at der ikke er en normalfordeling. T/C er moderat og positiv skæv, da medianen er mindre end middelværdien. Det vil sige at den har en lang højre hale. Kurtosistallet er tæt på tre så det vurderes, at der her er tale om en normalfordeling. Jaque-Bara-tallet har en høj sandsynlighed, hvorfor det ikke kan afvises, at T/C følger en normalfordeling. 29

36 OMXCB er relativ symmtresk og højreskæv, hvor den har en flad fordeling jævnfør kurtosistallet. Det vil sige at fordelingen har en lang højrehale, som er relativt fladt fordelt. Det kan på baggrund af Jarque-Bera tallet ikke forkastes, at der ikke er en normalfordeling. BNP er relativ symmetrisk og højreskæv fordelt, hvor fordelingen er fladt fordelt. Heller ikke ved denne variabel kan hypotesen forkastes om, at der skulle være en normalfordeling. Herefter bestemmes korrelationen mellem faktorerne (Ligning 5). Dette benyttes til simuleringen for hvad de enkelte variabler har af indflydelse på hinanden. Ligning 5: Korrelation * * Cov ( ) ( P0, P0) ρ P0, P0 = * σ( P0 ), σ( Hvor ( P *, P 0 ) Cov er covariansen mellem de to variabler, σ ( * P ) er standardafvigelsen 0 for den ene variabel ligesom σ ( P 0 ) er standardafvigelsen for den modsatte variabel (se Tabel 12). Tabel 12: Korrelation DLOG(DKK) DLOG(OMXCB) RENTE DLOG(SKIB) DLOG(TC) DLOG(DKK) 1,000 0,996-0,891-0,212-0,624 DLOG(OMXCB) 0,996 1,000-0,926-0,294-0,688 RENTE/100-0,891-0,926 1,000 0,632 0,911 DLOG(SKIB) -0,212-0,294 0,632 1,000 0,896 DLOG(TC) -0,624-0,688 0,911 0,896 1,000 Kilde: Egen tilvirkning 0 På trods af, at skibsprisernes TS kun er på fire observationer forudsættes det, at resultatet vil være anvendeligt i opgaven, hvilket anses som værende muligt, idet variablen korreliderer T/C med ca. 90%, og er resultatmæssigt sammenligneligt med T/C. Efterfølgende skal T/C-raten kvalitativt vurderes, for at anskue om den kan anses som værende en efficient indikator. 30

37 4.1 Time Charters efficiens og markedsforhold T/C-raten vurderes kvalitativt i forhold til om den kan estimeres til at være efficient. Dette skal indikere reliabiliteten i forhold til simuleringerne bestemt ud fra normalfordelingen. Sammenhængen i forhold til, i hvilket efficiensniveau T/C-raten befinder sig, kan bedst forklares ud fra en vurdering af, hvordan spot-fragtraten er prisfastsat. Stopford (1988, 2002) beskriver, hvordan udbud og efterspørgsel prisfastsætter fragtraterne, og samtidig får raten til at fluktuere når der ikke er overensstemmelse om ligevægtsniveauet. Efterspørgslen er dermed bestemt på baggrund af diverse faktorer, som for eksempel oliepriser, verdensøkonomien og politiske situationer. Efterspørgslen sættes i forhold til udbudet, som bestemmes ud fra flådekapaciteten multipliceret op i performance, hvor henholdsvis udbud og efterspørgsel er gjort op i miles. Ved en division af faktorerne indikeres det, om niveauet er over-/under- eller ligevægtigt repræsenteret i branchen. Dette afspejles dermed i fragtraterne, der svinger cirkulært - hovedsageligt på baggrund af søbranchens cobweb-situation (Grammonos, 2002 [Chiang, ]). Dette vil sige sige, at der er et lag fra det øjeblik, at udbuddet kan dække efterspørgslen (Stopford, 1988, 2002). Fragtraternes cyklusser kan beskrive ud fra Hampton (1986, [Stopford, 1988]): 35 Growing economy and a depressed shipping market, freight rates rise with an increase in transport demand. Rising freight rates increase the earnings of shipowners who respond to a more favourable investment climate by bidding up the price of second hand ships and by ordering new ships. The orderbook builds until rates crest. At the peak there is a slowing of economic growth and freight rates decline. The delivery of ships into a falling market helps to depress rates further. Low freight rates discourage ordering and encourage layup and demolition of ships. Eventually, the excess supply reduces until it approaches a balance with demand. Then the cycle is ready to begin again. 34 Chiang, A.C. (1974) Fundamental Methods of Mathematical Ecopnomics, Tokyo, McGraw Hill 35 Hampton, M. (1986) hipping cycles, Seatrade, January 31

38 Ud over søbranchens egne primære cyklusser på udbudssiden, er der også faktorer på efterspørgselssiden, som påvirker T/C-raten på baggrund af verdensøkonomiens udvikling. Da cyklusser ikke ligner hinanden er starten/slutningen svær at forudsige. Siden 1869 har der været 15 cyklusser, hvor der i perioden mellem 1949 til 2000, har været et statistisk gennemsnit på 7,2 år med en standardafvigelse på 2,3 år (Stopford, 2002). Med et 95% konfidensinterval betyder det, at cyklusserne kan variere imellem 2,6 til 10,6 år (Stopford, 2002) 36. T/C-raten følger fragtraterne, hvorfor T/C følger de samme cyklusser som fragtraterne. Med hensyn til sæsonaliteter er der flere rederier, som har et ekstra tillæg til fragtraterne om sommeren. Denne regulering forudsættes ikke at være til stede ved T/C, idet det forudsættes, at der er tale om længerevarende kontrakter over flere år. Cyklusser er vanskelige at forudsige på grund af, at der er mange faktorer, som har indflydelse på udviklingen. Derfor kan det være lukrativt for investorerne at spekulere i forhold til, at investere i skibe på det rette tidspunkt. I forhold til T/C-ratens efficiens kan efficiencen beskrives ud fra tre niveauer; en (1) svag- (2) semistærk- eller (3) stærk form (Myers, 2003). (1) Den svage efficiens reflekterer de historiske priser i en random walk. (2) Den semistærke form reklektere de historiske priser og alle offentligt tilgængelige informationer og finansielle statementdata. (3) Den stærke form er, hvor priserne reflekterer alle informationer på markedet fuldt ud, inklusiv insiderinformation. Idet shippingbranchen er en af verdens mest internationale industrier, agerer virksomheder på de lokale markeder med en international adfærd. Derfor kan det alene heraf vurderes, at T/C-raterne er efficiente i en semistærk form. T/C-rater er beskrevet ud fra dagspriser og vurderes på daglig basis, men aftales som regel på kontrakt over en længere periode - for eksempel over en måned, et halvt år eller over flere år. 36 KI passer ikke i forhold til 2 standardafvigelser gang 2,3 år adderet/subtraheret gennemsnittet på 7,2 år. 32

39 Der findes ikke et egentligt officielt T/C-rateindeks, der kan give et fyldigt billede af T/Craterne. Der er derfor forskellige analysebureauer, som har udarbejdet indekser, der indikerer en gennemsnitsbetragtning af T/C-raten. En af de mest anerkendte er Baltic Freight Indekset ( De forskellige analysebureauer, der publicerer T/C-rateindeksene, kan have forskellige estimater, hvilket skyldes, at der benyttes forskellige forudsætninger i form af ruter og des lige. Det vurderes at T/Ckontrakter tegnes på baggrund af forhandlinger og ikke ud fra et decideret indeks, hvorfor det på sin vis er en individuel forhandling, som bestemmes ud fra kontrakt til kontrakt. Grunden til dette er, at et skib har mange forskellige vurderingsvariabler, som skal indgå i vurderingen af T/C. Der skal for eksempel tages højde for T/C-tagerens omkostninger og risiko. Desuden er skibets bunkerforbrug og hastighed afgørende for den konkurrence- og miljømæssige differentiering i forhold til konkurrenterne. Nomikos & Alizadeh (2002) nævner at liner shipping er vurderet ud fra fragttariffer, som anses for at være inefficiente fordi de revideres periodisk. På trods af disse forhold vurderes det at T/C-kontrakterne er efficiente i en semi-stærk form på baggrund af spot-fragtraterne. I forbindelse hermed beskrives, hvordan dataene er frembragt og bearbejdet T/C raten Der findes ikke mange fyldestgørende offentliggjorte data over T/C-raten. Herunder har det kun været muligt at finde sporadiske tabeller med en relativ kort historik, hvorfor den manglende datamængde gør, at databasen ikke er specielt fyldestgørende med henblik på historiske data. Derfor er de tilrådighedshavende data sammensat med det mål at have en så lang historik som mulig. Der er således samlet data fra tre hovedkilder, hvor det var muligt at finde en relativ fællesnævner for skibstypen (Clarkson, 2006; Hamburg, 2005; Drewry, 1999, 2000, BFI Dataene er dermed beregnet ud fra en middelværdi, hvorfra værdien af de samlede data benyttes til den videre beregning (se Bilag 3). At der er valgt et relativt mindre skib på TEU i forbindelse med containerfragt vurderes til ikke at have en større betydning for resultatestimeringen. Dette skyldes at 33

40 korrelationen mellem andre størrelser af skibe mere eller mindre følger hinandens volatilitet. Der er dog en tendens til, at jo større et skib er, des mere volatilt er T/C-raten (se Figur 4). Dette stemmer også overens med Kavussanos (2002) observationer. Figur 4: T/C-rater fra 350 til 2750 TEU 50,0 40,0 30,0 20,0 10,0 - Fragtrater 1000$/dag Kilde: Egen tilvirkning på baggrund af A = Clarkson Research Studies (2005), B = Hamburg Shipbrokers Association, (2005), C = Dewry (1999, 2000) For at undgå problemer med cyklusserne på en kort sigt, kan det forudsættes, hvordan væksten vil udvikle sig på lang sigt. Denne metode vil ikke blive benyttet i afhandlingen, da den skønnes at være for dristig. Det forudsættes derfor, at der ikke er afhængighed, mean reversion, trending og autocorrelation, hvilket sandsynligvis ikke er i 100% overensstemmelse med virkeligheden, men data benyttes i afhandlingen da de er de bedst opnåelige ud fra de givne forhold. 4.2 Skibspriser Data vedrørende skibspriser er endnu mere begrænset end T/C idet, at der kun er fremfundet fire års gennemsnit. Derfor forudsættes det, at skibspriser vil følge T/C i forhold til de bestemte beregninger fra Bilag 1. Dette gøres på baggrund af, at de fire observationer har en logistisk korrelation på 98% i forhold til T/C-raten (se datafil: valuedrivers). Ovenstående to variabler benyttes som hovedfaktorer i beregningsmodellen ved forecastingen af CF. Derudover skal tilbagediskonteringen foretages på baggrund af kapitalomkostningerne, hvorfor dette skal bestemmes. 34

41 4.3 Kapitalomkostninger Kapitalomkostningerne bestemmer entreprisens gennemsnitlige omkostninger. Kapitalomkostningerne benyttes til at tilbagediskontere CF-forecastningsberegningerne 37 til nutidsværdi (Bendall, 2002). Kapitalomkostningerne beskrives gennem Ligning 6. Ligning 6: Opportunity cost of capital D E kop = kd * + ke * V V Kilde: Copeland et. al. (2000) Hvor r d er cost of debt, D er markedsværdien af virksomhedens gæld, V er markedsværdien af hele entreprisen, k e er cost og equity og E er markedsværdien af virksomhedens egenkapital. DCF forudsætter at have samme kapitalstrukturfordeling og cost of capital gennem hele den estimerede periode. Kapitalstrukturen benytter ikke historiske data, men targetdata. Dette gøres på baggrund af, at rederiet kun er et planlagt projekt, og dermed ikke har nogen historik. Ved targetdata undgår man derudover mulige misfit i forhold til, om de fremtidige strategier passer med historikken (Copeland et. al., 2000). Desuden undgår man cirkulariteter, hvor værdisættelsen af aktiverne kan blive biaset på grund af cirkulariteternes uforudsigelige mønstre (Copeland, 2000). Markedsværdien af entreprisen Markedsværdien af entreprisen vurderes ud fra oplysningerne om en nybygning, der er bestemt til DKK 155 mio. (se Bilag 11). Den rentebærende gæld Ved bestemmelsen af strukturen på target kapital, benchmarkes der med sammenlignelige rederier, som er registreret på fondsbørsen ( Bilag 8 beskriver de vægtede soliditetsgrader, hvor den gennemsnitlige kapitalstruktur kan estimeres til ca. 58% af virksomhedernes markedsværdi. Mærsk er dog overrepræsenteret i benchmarket, hvilket kan være problematisk på grund af, at rederiet ikke kan anses for at være sammenligneligt 37 Discounted Cash Flow (DCF) 35

42 med et nystartet rederi og på baggrund af, at virksomheden har stordriftsfordele ved at råde over skibe. Selvom undersøgelsen skal repræsentere investeringsrisikoen på hele markedet, medregnes der ikke stordriftsfordele, som større rederier kan udnytte. Desuden har mindre rederier generelt en mindre soliditetsgrad, hvilket indikerer at der er en større risiko. Dette bekræftes ligeledes, hvis der benchmarkes med sammenlignelige mindre skibsinvesteringsprojekter hvor det fremgår, at soliditetsgraden er lavere end gennemsnittet på markedet (Bilag 8). Fremmedkapitalens andelsmæssige gældsstørrelser anses for at være høje i forhold til, hvis der er tale om nyoprettede rederier. Derfor vurderes det, at kreditgiveren vil forlange en vis form for sikkerhed i form af et større indskud. Bodie et al. (2000) nævner, at en virksomheds optimale gearing er omkring 60% i gæld. Og har et rederi en gældsandel på mindre end 50% kan der komme ekstra beskatninger ( Derfor vurderes den optimale targetgældsandel i investeringsprojektet til at være statisk på 60%. Med hensyn til rederiets gældstype kan den, på baggrund af T/C indtægterne, anses for at være relativt stabil i forhold til spotpriser, der er mere volatile (Thanopoulou, 2002). Markedsværdien af aktiver De resterende 40% af markedsværdien er egenkapitalen. Der bliver tale om andele, som bliver udbudt til salg efter en forudbestemt værdi. Den bogførte værdi sættes lig med markedsværdien idet det forudsættes, at rederiet ikke har nogen goodwill, hvor markedsværdien vil være højere end den bogførte værdi. Med hensyn til optioner, som generelt er en stor post inden for skibsbranchen, spekuleres der meget i skibsprisernes fluktureringer. Denne post omtales kort i sidste afsnit ved en hedgetilgang for minimering af risiko. Kapitalomkostninger af gæld Omhandler kun Straight investmentgrade debt, som er de direkte omkostninger rederiet har til gælden. Her evalueres der kun på de enkelte skibes investeringsomkostninger idet det forudsættes, at det vil være den eneste form for investering der skal foretages. Det vil 36

43 sige at rederiet forventer, at skulle have direkte faste renter 38. Renteniveauet hentes gennem den danske nationalbanks oplysninger om 10 års renten, som på baggrund af beskrivende statistik er på 6,2% (Bilag 1 og Tabel 10). Grunden til at der benyttes en dansk rente skyldes, at entreprisens hovedsæde og administration forudsættes at skulle eksistere i Danmark. Derfor vurderes der ikke på udenlandske rentesatser, hvilket på sin vis måske ville være mere korrekt, hvis lån inden for skibsbranchen foretages uden for Danmarks grænser. Desuden er der ikke benyttet skibsrenter på baggrund af Stopford (1988) nævner at det er CYBER der normalt benyttes. Skatteraten Skatteraten inden for skibsbranchen er ikke helt den samme som ved almindelige virksomheder. Rederierne kan vælge mellem to forskellige skatteformer, enten ved almindelig selskabsskat eller tonnageskat ( I Danmark er selskabsskatten på 30%, hvilket forudsættes ikke, at blive væsentligt forandret inden for beregningsperioden 39. Tonnageskatteloven beregnes ud fra en fast rate per 100 ton Netto Tonnage (NT) af skibet. Når rederiet vælger denne skatteform er den bindende i 10 års intervaller. Et skib på TEU 40 har en NT på NT 41. Dermed skal der betales følgende skat ifølge Tabel 13. Tabel 13: Beregning af nettotonnageskat Beregningsgrundlag Beregning Resultat NT = 7 kr. pr. 100 NT pr. dag 1000/100*7* ,- Fra NT til og med NT = 5 kr. pr. 100 NT pr. dag 9000/100*5* ,- Fra NT til og med NT = 3 kr. pr. 100 NT pr. dag 4000/100*3* ,- Sum af til nettotonnagebeskatning ,- Virksomhedsskat 30% ,- Kilde: 38 Normalt belånes et skib på baggrund af den variable LIBOR tillagt en margin (spead) alt efter bankens kunderelationer (Grammenos, 2002). 39 Regeringen har bebudet en nedsættelse af selskabsskatten. Dette ville ikke have stor betydning pga. det er tonnageskatten der benyttes. 40 En standard TEU er godkendt til 14 ton (Alderton, 2004) 41 Tonnagen er anslået ud fra andre linieskibe og vil dermed kun være et gæt, på grund af forfatteren ikke er i besiddelse af, hvor meget nettotonnage et skib besidder. Det vil dog ikke få stor indflydelse på beregningerne, hvis der skulle være store afvigelser, på grund af skatteraten er meget lille i forhold til beregningerne. Ligeledes er det beregnet sikkert i form af, at tonnagen er højere end den vil være i virkeligheden, set ud fra de sammenlignelige projekter fra Difko, 2005, 2005b og CS&P,

44 Tonnageskatten kan ikke fratrækkes i regnskabet (skat.dk), hvilket samtidigt fortolkes til at være størrelsesmæssigt negligibelt. Desuden er det en fast skat hvorfor det ikke medtages i CF-beregningerne. På baggrund af, at der dermed skal måles på entreprisen før skat, bliver der dermed målt på aktivet og ikke den finansielle del, hvorfor der i stedet for en WACC-model vil være tale om at benytte en Kapitalomkostningsmodel 42 Kapitalomkostninger Estimeringen af Opportunity cost of equity financing kan være besværlig at bestemme, da det ikke kan vurderes direkte på markedet. Til estimeringen kan blandt andet Capital asset pricing modellen (CAPM) eller arbitrage pricing modellen (APM) benyttes. Det er besluttet at anvende CAPM da det er en meget benyttet model, hvorfor det forventes, at være en pålidelig beregningsmetode (se Ligning 7). Ligning 7: Capital Asset Pricing model (CAPM) [ E r ) r ]* β ke = rf + ( m f Kilde: Copeland et. al. (2000) Beregningerne foregår på baggrund af den risikofrie rente plus virksomhedens systematiske risiko (beta) der er multipliceret med markedsrisikopræmien (RP). Variablerne beskrives ved følgende; k e er egenkapitalomkostningerne, r f er den risikofrie rente, E(r m ) er den forventede markedsafkast for den overordnede markedsportefølje, β beskriver den systematiske risiko af aktivet, k s er omkostningsraten til egenkapitalen og E(r m )-r f er markedsrisikopræmien (RP) Bestemmelsen af afkastet kan bestemmes ex post eller ex ante, hvor ex post repræsenterer den fremtidige udvikling gennem de historiske data og ex ante repræsenterer, hvordan man forventer fremtiden vil udvikle sig i form af et estimat (Copeland, 2000). Det antages, at en lang historisk dataperiode vil give det bedste estimat af den fremtidige udvikling, under forudsætning af, at dataene er random (Copeland et al., 2000). Det kan overvejes om ex ante vil kunne give et brugbart estimat på basis af argumentet om, at det 42 WACC uden skat 38

45 ikke er muligt at korrigere for cyklikale udsving. Derfor er en kvalitativ vurdering muligvis det bedste estimat. Det forudsættes dog, at de fremskaffede data til afhandlingen vil være brugbare. Benyttes i stedet et aritmetisk gennemsnit af det gennemsnitlige afkast, kan der forventes det bedste estimat, idet alle muligheder er vægtet lige Dette under forudsætning af, at hvert afkast er af uafhængige observationer fra en stationær underliggende sandsynlighedsfordeling (Copeland et al., 2000). På grund af survivorship 43 i renten vil den altid være biased opad, hvorfor den i princippet skal korrigeres med 1,5 til 2 procentpoint (Copeland et al., 2000). Den risikofrie rente Copeland et al. (2000) anbefaler, at den risikofrie rente bestemmes ud fra en 10 års obligationsrente på grund af, at den lange rente sædvanligvis kommer tættere på et match af durationen i CF et. 10 års renten er et geometrisk vægtet gennemsnitligt estimat af den forventede korte statsobligationsrente. 10 års-renten approximerer durationen på aktiemarkedets indeks portefølje, og er dermed konsistent med beta og markeds risikopræmie (Copeland et al., 2000). 10 års-renten er mindre følsom over for uforudsete forandringer i inflationen, og har en mindre beta end den 30-årige rente. Den toneangivende 10-årige danske statsobligation er med en effektiv rente på 3,71% 44 ( Renten vurderes ikke til at være cyklikal, som det forventes af markedsafkastet. Her beskrives branchen netop for at være kendt for sæsonmæssige udsving, hvorfor kildedataene må betragtes for værende for korte, i forhold til at få betydelige korrektioner med i modellen. 43 Hvis RP = 0, er der en opadgående bias, som bevares over århundrede og som aldrig går væk (Copeland, 2000). 44 Målt den hvor den effektive rente, på en 10 årig statsobligation, stående lån. 39

46 Markedsrisikopræmien Ved bestemmelsen af markedsrisikopræmien skal markedsrenten findes. Denne markedsrente er vigtig i forhold til, hvilket marked der skal repræsenteres. I forbindelse med, at entreprisen skal oprettes i Danmark er det nærliggende, at benytte sig af afkast, der er genereret i Danmark. Derfor kan aktieindekset for ultralikvide aktier blandt andet benyttes (OMXC20). Ved analyseprogrammet Datastream benyttes i stedet benchmarkindeksets prisindeks (OMXCB), 45 selv om OMXC20 indekset er mere likvidt. Forfatteren finder OMXCB mest formålstjeneligt at benytte. Det kan overvejes, om der skulle benyttes et amerikansk aktieindeks, for herved at få et mere internationalt indeks, som vil repræsentere det internationale marked, og er mere likvidt. OMXCB er imidlertidig valgt til analysen, idet det danske marked fortolkes som værende et likvidt marked, integreret i det globale marked. Ud fra en aritmetisk beregning kan markedsrenten bestemmes til at være 9,17%. Ifølge Copeland vil den sande markedsrente være den aritmetiske substraheret med 1,5 til 2%. Dette skulle dermed give et resultat på ca. 7%. For at kontrollere dette resultat kunne der have været brugt kvantitative statistiske tidsserie analyser. Dermed ville det på baggrund af OLS være muligt, at regresseres en koefficiens som beskriver væksten og risikoen. Ved starten af 2005 var fragtraterne steget betydeligt, hvilket har haft en positiv indflydelse på rederiernes aktiekurser. I løbet af året har der dog været analysebureauer, som forventede, at fragtraterne ville falde inden for den nærmeste fremtid, hvilket også stemmer overens med udviklingen på markedet, hvor rederiernes aktiekurser på det globale marked generelt har været faldende siden starten af Igen må det siges, at der er for få data til at kunne korrigere for disse udsving, hvorfor det forudsættes, at OMXCB vil være anvendeligt. Herudover dækker rederibranchen ikke 45 OMX Copenhagen-benchmarkindeks er et investeringsbart indeks og er Fondsbørsens eneste free float justerede indeks. Det betyder, at kun den del af aktiekapitalen, som er tilgængelig på markedet, indgår i indekset. Aktieposter over 5 pct., der ejes af staten, kontrollerende ejere, selskabets insidere og krydsejere er ikke tilgængelige på markedet og indgår derfor ikke i OMX Copenhagen Benchmark-indekset. OMX Copenhagen Benchmark har basisværdien 100,00 pr. 31.december ( 40

47 hele aktieindekset, hvorfor der branchemæssigt vil være udviklinger, som ikke er sket i søbranchen - Dette også selv om at der stadig er andre aktier, for eksempel Vestas, der er mindst lige så meget volatile og sæsonfølsomme. Alternativt til ex postperspektivet, kan ex ante estimatet benyttes, men metoden overestimerer RP, hvorfor DCF vil overvurdere projektet (Copeland, 2000). Derfor benyttes denne metode ikke. Den systematiske risiko Idet rederiet ikke eksisterer og der dermed ikke er historiske data for, hvordan værdien af rederiet udvikler sig i forhold til markedet, benyttes en anden metode til at finde frem til rederiets beta. Metoden foregår gennem benchmarking af andre rederier i Danmark, som dermed forventes at være sammenlignelige. Selv om det tidligere er nævnt, at Maersk med sine stordriftsfordele har nogle synergieffekter, som er svære at sammenligne med et nystartet rederi, finder forfatteren det stadig brugbart til en benchmarking af den systematiske risiko (beta). Det vil sige at betaværdien bestemmes ud fra et antal udvalgte rederiers gennemsnitlige beta over for OMXCB (se Bilag 9). For at begrænse omfanget af analysen, er der kun valgt følgende danske rederier; Maersk B 46, Norden, Orion og Torm, hvor dataene er trukket ud fra datastream. Når rederiernes beta er bestemt, trækkes deres gæld ud (unlevered) jævnfør Ligning 8. Ligning 8: Unlevering Beta β U = 1+ β L D E ( 1 T) * Ligningen forklares ud fra, at β er det unlevered beta, ligesomβ er den gennemsnitlige U levered beta, der estimeres til 0,98. T er skatten, der estimeres til 0,05% (se note tre under noter i datasætfil). D/E er gældsandelen som er entreprisens gældstarget på 60%. Denne sats er benchmarket ud fra gennemsnitlige soliditetsgrader fra Københavns Fondsbørs som kom frem til 58% ( (se Bilag 8). L 46 Det er kun B-aktierne der benyttes da de er mest likvide og alligevel korreliderer højt med A-aktierne, hvorfor det ikke giver nogen større værdi, andet end at det giver en større overvægt i benchmarkindekset. 41

48 Gennemsnittet af den unlevered beta, re-levereds igen i forhold til entreprisens gældstarget. Resultatet af beta er dermed 1,57, hvilket anses for rimeligt i forhold til andre rederier, som generelt er positivt volatile i forhold til OMXCB (se datafil, under betaværdier). Dermed er alle data bestemt for at kunne beregne kapitalomkostningsraten. Kapitalomkostningsresultat Ud fra forudsætningerne der benyttes kan resultatet af kapitalomkostningerne illustreres i Tabel 14 og Tabel 15 (fra Bilag 10). Tabel 14: Capital asset pricing modellen (CAPM) Nøglebegreber Beskrivende Aritmetisk Statistik r f 3,40% 6,00% E(r m ) 8,84% 11,90% Β (note 2) 1,57 1,57 E(r m )-r f 5,44% 4,83% k e 11,9% 13,9% * Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer **korrigeret for trends, seasonalitet- cyclical variation og irregular aktivitater Kilde: Egen tilvirkning gennem datasætfil Tabel 15: Kapitalomkostninger Nøglebegreber Beskrivende Aritmetisk statistik k d 4,40% 6,00% K/V (Note 1) 60,00% 60,00% V k e 11,90% 13,90% E/V 40,00% 40,00% Opp.cost. of capital 7,40% 9,17% * Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer **Korrigeret for trends, seasonalitet- cyclical variation og irregular aktiviteter Kilde: Egen tilvirkning gennem datasætfil Gennem den beskrivende statistik er resultatet på kapitalomkostningerne 7,4%. Foretages samme beregningsgrundlag på baggrund af aritmetiske data (se datasæt) kommer kapitalomkostningerne op på 9,17%. Umiddelbart vurderes den aritmetiske værdi at give en for høj kapitalomkostning, hvorfor forfatteren har valgt at benytte den beskrivende statistiks resultat. Havde der været mere datamængde, kunne der foretages OLS-regressioner. Foretages der alligevel en OLS beregning på baggrund af den tilrådighedshavende data-mængde kommer beregningerne frem til et resultat på 7,4% (se Bilag 2). Men da der ikke er belæg for at kunne udføre tidsserieanalyser på dataene, er det valgt at kapitalomkostningerne 42

49 benyttes på baggrund af den beskrivende statistik. Derfor benyttes en kapitalomkostning på 7.4% i resten af afhandlingen. Ved at have kortlagt indtægterne/udgifterne skal beregningsmodellen for simuleringen hermed bestemmes i form af en exposure mapping. 5 Forecasting af exposure mapping Exposure mapping kortlægger beregningsmodellen for simuleringen, hvor det på baggrund af den valgte beregningsmetode vises, hvordan resultatet fremkommer. Det vil sige, at der udarbejdes en pro forma statement på baggrund af NPV-modellen (se Tabel 16). Tabel 16: Exposure mapping Forkortet Resultat USD Pro forma statement T T/C indtægt T/C x (USD/DKK) Driftsomk. DH Hyreomkostninger DH * (USD/DKK) DF Forsikringer DF * (USD/DKK) DV Vedligeholdelse DV * (USD/DKK) DD Diverse DD * (USD/DKK) D Driftsomk. i alt DH + DF + DV + DD Administrationsomk. AA Adm. (honorar) AA (DKK) AK Kommacielt management AK (DKK) AM Teknisk management AM (DKK) AB Bestyrelsesvederlag AB (DKK) AR Revision AR (DKK) AD diverser adm omk AD (DKK) A Adm. omk. i alt AA + AK + AM + AB + AR + AD R Resultat af primær drift T D A HD Hensættelse til dokning HD * (USD/DKK) R Resultat R HD WC Working Capital Se noter KOM Kommission Se noter IOMK Investeringsomkostninger Nyprisen på skibet *(USD/DKK) * (1 + værditab) CF Net Cash flow (CF) R WC IOMK PV PV CF / (1- kapitalomkostninger)^-år NPV NPV Sum af årlig PV Kilde: Egen tilvirkning Modellen er bygget over Bilag 7, hvor det på baggrund af T/C-aftalen ikke vil være voyageomkostningerne. T/C og driftsomkostningerne konverteres fra USD til DKK. Administrationsomkostningerne bliver udbetalt i DKK. Resultatet af den primære drift findes således ved at fratrække T/C-indtægten med drifts- og administrationsomkostninger. Fratrækkes dokning herefter fra resultat af den primære, drift bestemmes resultatet. Herefter fratrækkes/tillægges working capital og kommission for opretteslse af entreprisen og profitten fra salg af skibet. 43

50 Dette giver det endelige CF, som dermed kan tilbagediskonteres med Kapitalomkostningerne, hvorfra netto nutidsværdien (NPV) kan bestemmes ved at summere de 10 års PV. På baggrund af ovenstående exposure mapping er det herved muligt at forecaste resultatet. 5.1 Forecasting Til forecastingen benyttes exposure mapping fra Tabel 15. Væksten og standardafvigelsen indregnes for det enkelte år, hvor resultatet skal indikere det fremtidige budgetterede resultat. Dette er dermed tilbagediskonteret til nutidsværdi gennem en discounted cash flow (se Tabel 17). Tabel 17: Forecasting Resultat USD Growth Std til 9 10 T/C indtægt 4,56% 18,88% Driftsomk.* Hyreomkostninger 4,43% 1,52% Forsikringer 4,43% 1,52% Vedligeholdelse 4,43% 1,52% Diverse 4,43% 1,52% Driftsomk. i alt Administrationsomk.* Adm. (honorar) 4,43% 1,52% Kommacielt management 4,43% 1,52% Teknisk management 4,43% 1,52% Bestyrelsesvederlag 4,43% 1,52% Revision 4,43% 1,52% diverser adm omk 4,43% 1,52% Adm. omk. i alt Resultat af primær drift Hensættelse til dokning 4,43% 1,52% Resultat Working Capitla 4,56% 18,88% ( ) ( ) Kommission ( ) Investeringsomkostninger -28,09% 18,63% ( ) Net Cash flow (CF) ( ) PV 7,40% ( ) NPV * Væksten i driftsomkostninger er bestemt ud fra det danske BNP årlige vækst fra 1994 til 2005 Kilde: Egen tilvirkning fra datafil: Forecasting. Tabellen kan ses i fulde størrelse under Bilag 12 Væksten og standardafvigelsen er bestemt ud fra Tabel 10 (p. 28) som oplyser den beskrivende statistik over vækstfaktorerne. Resultatet af forecastingen illustreres til fulde i Bilag 12 og datafil under forecasting. Det er ikke lykkedes at finde historiske data, som kan beskrive drifts- og administrationsomkostningernes vækst og standardafvigelse. Derfor benyttes vækstraten på baggrund af det danske bruttonationalprodukt (BNP). Renteomkostningen er bestemt 44

51 ud fra den 10 årige rente, som ved beskrivende statistik er på 4,4%, og -markedsrenten på 8,8%. Her er kapitalomkostningen beregnet til at være på 7,4% (se Bilag 10). Værditabet for skibet er bestemt til at være på 28% af skibes nypris over den 10 årige periode. Dermed kommer forecastingen i Bilag 12 frem til et positivt NPV-resultat på 59 mio. DKK 47. NPV-resultatet bestemmes derfor til at være targetresultatet for entreprisen. For at se på hvor robust resultatet er i forhold til en eventuel positiv eller negativ udvikling i T/C, skal der udarbejdes en følsomhedsanalyse for at vurdere hvornår NPV bliver negativ. Herved viser det hvor meget T/C kan falde med, før entreprisen giver underskud. 5.2 Følsomhedsanalyse Følsomhedsanalysen er opbygget ved at teste en 10% intervaludvikling op til +/- 50% på T/C. Her indsættes de forskellige forandringer i T/C forecast-modellen, hvor følgende resultat kan illustreres i Tabel 18. Tabel 18: Følsomhedsanalyse T/C forandring T/C* (mio) NPV (mio) 50% 49,46 197,80 40% 46,17 170,07 30% 42,87 142,34 20% 39,57 114,61 10% 36,27 86,88 0% 32,98 59,14-10% 29,68 31,41-20% 26,38 3,68-30% 23,08 (24,05) -40% 19,79 (51,78) -50% 16,49 (79,52) Kilde: Egen tilvirkning *Årlig T/C indtægt i mio Resultat i tabellen viser at T/C vil kunne falde med 20% før det giver et negativt CFresultat i entreprisen. Dette kan umiddelbart vurderes til at være højrisikabelt på grund af historisk erfaring ved 20% udsving 48. Jævnfør kilde data hører det dog til yderlighederne, hvorfor en 20% nedgang over hele den 10 årige periode fortolkes til at være mindre 47 I investeringsøjemed ville dette resultat medføre et go til investeringerne på grund, da CF-afkastet ligger på ca. 8 / 155 = 5% 48 Dette udsving på 20% benyttes senere under stress test analysen. 45

52 sandsynligt. Desuden er der kun testet på udviklingen af en enkelt variabel. Det vil sige det kun er T/C der forandrer sig og ikke de andre variabler. Dette vil der tages højde under stress testen i forhold til faktorer som correlederende med T/C. På baggrund af ovenstående forecastmodel skal der i det følgende afsnit testes for usikkerheden, hvor der simuleres frem til entreprisens NPVaR. På baggrund af den gennemgåede forecastmodel er det dermed muligt at udarbejde simuleringerne, som skal kunne besvare spørgsmålet omkring risiko. 6 Simulering Simuleringen skal bestemme, hvilken risiko entreprisen vil have. Dette gøres igennem exposure mapping- og forecastmodellen fra forrige afsnit (Evans, 1998, 2000). Risikoen kan måles ud fra forskellige metoder, hvor RMG (2005) nævner fire muligheder: (1) standardfordelingen, (2) konfidensniveau, (3) maksimum fald i forhold til targetresultat og (4) det gennemsnitlige fald af CF. Ved (1) standardfordelingen forudsættes en kendt fordeling der karakteriserer middelværdien og standardafvigelsen, hvor konfidensniveauet bestemmes ud fra et valgt konfidensinterval, som multipliceres op i standardafvigelsen. Hvis fordelingen ikke er stationær og dermed ikke følger den valgte fordeling, kan der være problemer med at vælge et konfidensniveau som passer, på baggrund af at det kun er standardafvigelsen der benyttes til måling. (2) Konfidensniveaumetoden skal beskrive sandsynligheden for, at et resultat vil falde under et specifikt konfidensniveau. Denne metode er mere intuitiv i forhold til standardfordelingsmetoden, hvor konfidensniveauet vælges ud fra forfatterens egen overbevisning for, hvad der er bedst. (3) Maksimum fald i forhold til targetresultat er i relation til et specificeret konfidensinsniveau, som CF maksimalt vil kunne falde til. Det er nødvendigt at undersøge, hvilket konfidensniveau der er behov for. Undersøgelsen kan foregå ved kontroller, hvor resultatet af simuleringen rangordnes. Værdien af det valgte konfidensniveau skal stemme overens med resultatet. (4) Det gennemsnitligt forventede fald af CF bestemmes ud fra et udspecificeret niveau, men denne metode er mere intuitiv 46

53 på grund af at den giver et mindre konkret risikomæssigt resultat i forhold til konfidensmetoden. I forhold til at kunne illustrere en risiko ved entreprisen findes maksimumfaldet i forhold til targetresultatet mest anvendeligt. Derudover vil det sættes i forhold til et negativt resultat, hvor CF sættes lig nul. Til beregning af simuleringen benyttes Crystal Ball simuleringsprogram. 49 Estimatet er beregnet over entreprisens NPV, hvor de dynamiske variabler, der har størst direkte indflydelse på NPV, er bestemt til at være; T/C, værditabet af skibet og drifts- /administrationsomkostninger. For at give et så klart resultat som muligt foretages der simuleringer af NPV, hvilket er beregnet på baggrund af tre dynamiske variabler. Dette giver et samlet beregningsgrundlag på beregninger. Dermed antages det valgte konfidensniveau at stemme overens med det reelle konfidensniveau. Resultatet af simuleringen viste et tilfredsstillende anvendeligt resultat på baggrund af, at simuleringsresultatet ikke forandredes ved gentagende simuleringer. Simuleringen er kommet frem til følgende resultat i Figur 5 (se Bilag 13). Figur 5: Forecast af NPV Kilde: Egen tilvirkning gennem Crystal ball 49 Student version ver

54 Simuleringen viser et resultat med en middelværdi på DKK 59 mio. og en standardafvigelse på DKK 575. mio. Inden for et 90% konfidensinterval er resultatet inden for et spænd på DKK -155 mio. til DKK mio. Måles der på hvor stor sandsynlighed der er for at CF er negativt, er der 35% sandsynlighed for at NPV vil være negativt 50. Det vil sige, hvis der investeres i en portefølje af entrepriser, med en enslydende risikostruktur, vil der med 55% sandsynlighed kunne forventes en positiv NPV. I forhold til targetresultat på DKK 59 mio. er risikoen for et negativt resultat på 45%, hvor der modsat er 45% sandsynligheden for et positivt resultat. Den samlede simuleringsfordeling er blevet højreskæv, hvor der er en kurtosis på 65, hvilket er et betydeligt højt til i forhold til en normalfordeling ved 3. Analyseres fordelingen via CB viser det at NPV følger en Gammafordeling. Simuleringsmodellen er dog foretaget ud fra en normalfordelingsforudsætning, hvorfor det kan være uoverensstemmelser i forhold til forudsætningerne i simuleringsmodellen. På grund af at der desværre ikke er ret mange observationer i tidsserien, har CB problemer med at foretage en fordelingstest 51. Testes der alligevel på NPV, viser fordelingsfittet en Weibullfordeling. Køres der en simulering i forhold til at T/C følger denne fordeling, resultere dette i et mere ekstremt opadgående resultat. Resultatet på en nedre 90% KI er på DKK -129 mio. hvor den øvre er på DKK 2,6 mia. I forhold til risikoen for et negativt NPVaR kommer resultatet frem til 40% (se Figur 6). 50 Set i forhold 95% nedre KI 51 skal minimum være 15 observationer 48

55 Figur 6: NPVaR ved Weibullfordelingen Kilde: Egen tilvirkning via CB-beregninger fra datasæt Figuren illustrerer også at det i hovedtræk kun er T/C som står for udviklingen i CFmodellen. Dettes ses ud fra sensitivitetskurven, hvor T/C står for 98% af bidraget til variansen (se Bilag 14). Dette fortolker forfatteren til ikke at være korrekt i forhold til, at skibets værdi har en betydelig effekt på entreprisens udvikling. Derfor vil resultatet, der er beregnet på baggrund af normalfordelinger, fortolkes til at være den mest korrekte beregningsmodel til analysen. På baggrund af ovenstående kan NPVaR derfor vurderes til at have følgende maksimale fald i forhold til targetresultat eller nulpunkts CF (se Tabel 19). Tabel 19: NPV at Risk (NPVaR) Confidensniveau Nedre Confidens Middel værdi Target Værdi NPVaR Værdi NPVaR Risk Targetresltat ( ) ,99% Nul-CF ( ) ,94% Kilde: Egen tilvirkning fra datafil: Risk-results. Tabellen viser, at der er en sandsynlighed for, at CF vil kunne blive negativt, hvorfor investorerne skal kunne forvente, at der skal indskydes ekstra kapital for at vedholde et go for entreprisen. I forhold til et nul-cf kan resultatet falde med så meget, at hele entreprisens værdi vil være tabt - inklusiv gæld, hvilket vurderes til at være et tabt projekt et no go. 49

56 I forhold til target resultatet er der derfor 45% risiko for at entreprisen går tabt, og ved et nul-cf er der 35% risiko. Ved at have beregnet risikoen for entreprisen er det interessant at kortlægge følsomheden ved de forskellige variabler, for herved at kunne påvise, hvilke variabler der skal fokuseres på ved scenarieanalysen. 6.1 Simuleringsfølsomhedsanalyse Følsomhedsanalysen rangordner de forskellige dynamiske variabler, som simuleres i projektet. Testen er et udtræk fra CB, hvor det beskrives, med hvilken følsomhed variablerne påvirker udviklingen. CB beregner følsomheden ved rangen af korrelationskoefficienten mellem hver forudsætning og forecast, mens simuleringen kører (Werckman et. al., 2004). Korrelationskoefficienten giver en måling af forandringsgraderne over forudsætningerne og forecasten. Hvis en forudsætning og forecast har en høj korrelationskoefficiens, vil det sige, at forudsætningen har en signifikant indflydelse på forecastingen - både ved usikkerhed og modelfølsomhed. Positive koefficienter indikerer, at en forøgelse i forudsætningen er associeret med en forøgelse i forecastingen. Negative koefficienter er det modsatte. Jo større den absolutte værdi er af korrelationskoefficienten, des stærkere er relationen (se Figur 7). Figur 7: Følsomhedsanalyse Kilde: Egen tilvirkning på baggrund af Crystal Ball 50

57 Følsomhedstesten viser, at T/C er den variabel der har mest indflydelse på variansen, idet den står for 62% af følsomheden. Dernæst har skibspriser og omkostninger nogenlunde samme indflydelse, hvor skibspriser står for 23% og omkostninger for 15% af variansen. Jævnfør Stopford (1988) har skibspriser en stor indflydelse på rederiers resultat, hvorfor det vurderes at skibspriserne sandsynligvis er for lavt i forhold til simuleringens resultat. På baggrund af følsomhedsanalysen undersøges derfor, hvad konsekvensen kan være ved yderligtgående situationer, som ikke er medregnet i simuleringerne. Derfor vil efterfølgende afsnit omhandle stresstests, hvor der på baggrund af scenarier testes for uforudsete situationer. 7 Stress test Stresstesten skal estimere CF i afvigende situationer eller markeder. Werckman et. al. (2004) nævner, at der er mange flere situationer der forekommer ekstreme end, hvad konfidensniveauet beskriver. Derfor vil det i forbindelse med Risk management være formålstjenligt, at inkludere choks i risikoen på baggrund af for eksempel terror, krige, naturkatastrofer mv. Dette ligger dog stadig uden for rækkevidden i almindelige risikostyringsmodeller, hvorfor stresstesting benyttes til at kompensere for denne manglende risikoviden (Werckman et. al., 2004). Herved forsøger man stadig at få et holistisk billede af risikoen. Jævnfør Werckman et. al. (2004) er der to centrale spørgsmål, som kan stilles ved en stress stest: (1) Hvor meget kan der tabes hvis et stress scenarie forekommer? (2) Hvilken event kunne være skyld i, at der tabes mere end et defineret beløb? Første spørgsmål er normalt stillet ved en top-down tilgang for at teste, hvor meget der maksimalt kan tabes ved chok. Andet spørgsmål er mere en buttom-up situation, hvor det hovedsageligt er på operationelt eller taktisk plan. På grund af, at afhandlingens fokus er lagt i et mere overordnet perspektiv, forholdes der dermed til det første spørgsmål (Hvor meget kan der tabes hvis et stress scenarie forekommer?). Dermed fokuseres der på, hvilken risiko der er ved at investere i 51

58 entreprisen. Dette gøres ud fra en vurdering om, hvilken beløbsmæssig størrelse der kan tabes, og med hvilken risiko tabet kan forekomme. Dette giver mulighed for at vurdere, om der eventuelt er tale om høj/lav-risiko i forhold til sammenlignelige aktiviteter. I en organisation skal risikoanalysen udarbejdes over en løbende proces, som skal udføres kollektivt. Dermed gives bedre muligheder for at finde og vurdere situationer/scenarier, som ikke umiddelbart synes mulige, men alligevel sandsynlige. Samtidig er det vigtigt at forholde sig til, at stresstesten skal være anvendelig, realistisk og tidsmæssig korrekt. Spørgsmålet om, hvad der måles skal være relevant for den nuværende position alle relevante markedsrater skal overvejes med de forskellige potentielle politiske skift, og hvordan de forskellige variabler har indflydelse på hinanden. Det skal dog holdes for øje, at der ikke skal stresstestes på alt, men kun på de vigtigste og mest forklarende variabler. For at få et bindeled til beslutningsprocessen, skal der fokuseres på det relevante positionsspecifikke stress. Det vil sige, at der i dette tilfælde vil blive fokuseret på de variabler, som er dynamiske i opgaven. Da der er tale om en corporated vurdering, vil en årlig horisont være den mest relevante for stresstest-undersøgelsen. Der er fire hovedtilgange til at genere stresstests; (1) Brugen af historiske scenarier baseret på dage, hvor markedet flyttede sig skadeligt over for de implicerede. (2) choks fra markedsrater. (3) Vurdering af hypotetiske fremtidsscenarier baseret på nuværende markedsforhold og (4) en opsætning af specifikke porteføljestresstests, som er baseret på svaghederne af porteføljen. Første del af testen foregår ved at genere det værst tænkelige scenarie, i forhold til en relevant porteføljeposition. Scenarierne retter sig både mod mønsteret af forandringen af de individuelle markedsvariabler, såvel som interrelationerne af variablerne (for eksempel korrelationen). Herefter revalueres porteføljen gennem stresstest-resultater, der udregnes i nutidsværdier. Til sidst rekapituleres resultatet af stresstest-scenarierne, som skal vise det forventede niveau af market-to-market loss (eller gain), og i hvilke forretningsområder tabene vil være koncentreret. 52

59 Der vælges 2 scenarier, som skal implementere choks i beregningsmodellen - enten i markedsfaktoren, volatiliteten og eller korrelationerne. Da der ikke besiddes statistiske data, som indeholder perioder med chok, vælges det at benytte litteraturens empiriske erfaringer. Her har Nomikos & Alizadeh (2002) beskrevet følgende hovedforandringer på Baltic Freight Index (se Tabel 20). Tabel 20: Baltic Freight Index Major Changes in its composition since its inception Vessle size (dwt) Linie Trans-Atlantic round 10% 10% 10% 10% 10% 20% Skaw-Gibraltar to Taiwan-Japan 10% 10% 10% 10% 12,5% Trans-Pacific Round 7,5% 7,5% 7,5% 10% 10% 20% Japan-Korea to Skaw Passero 5% 10% 10% 15% Kilde: Nomikos & Alizadeh (2002) Gennemsnit 9% 9% 8% 10% 10% 17% Jævnfør tabellen har det største udsving fundet sted i 1999, hvor et gennemsnit af alle målingslinierne havde en stigning på 17%. Herunder var der et enkeltstående peak med 20% stigning. For at få et scenarie med det største udsving, fokuseres der med 20% i forhold til T/C. Dette tal benyttes både i forhold til op-/nedadgående udsving i scenarierne. Der vurderes på T/C som chokkatalysator, hvor de resterende variabler vil udvikle sig i forhold til deres korrelation til T/C. Benyttes et fald på 20% i T/C, kommer beregningerne frem til følgende resultat i Tabel 21. Tabel 21: NPV target scenario 20% forandring af T/C* Target stress senarios Negative Positive T/C raten -20,0% 20,0% Skibspriser -19,1% 19,1% Omkostninger -19,4% 19,4% NPV target scenario * Bestem ved nedre konfidensnivau ved både up og down side Kilde: Egen tilvirkning Resultatet viser, at der er gode muligheder for at entreprisen er rentabel i hele perioden. Ved et fald på 20% af T/C, falder NPV med ca. DKK 57 mio. fra DKK 59 til DKK 2 mio. Entreprisen giver stadigvæk et overskud, hvorfor entreprisen kan fortolkes til at 53

60 være relativ robust. Dette skyldes at der historisk set jvf. Tabel 20 ikke har været større fald end 20%. I forhold til scenariet, hvor der i stedet er en 20% stigning, stiger resultatet med det samme beløb som ved faldet - med DKK 57 mio., hvor resultatet ender på DKK 115 mio. På baggrund af simuleringen, hvor der er tilnærmet en højreskæv gammafordeling, vil det dermed være interessant at finde ud af, hvordan resultatet vil udarte sig, hvis der simuleres på scenarierne. Derfor testes der i forhold til fald/stigning på 20%, hvor det vurderes, hvad det har af effekt i forhold til det nedre KI. Bilag 15 illustrerer resultatet af simuleringen, som i hovedtræk gengives i Tabel 22. Tabel 22: Simulerede scenario af choks 20% forandring af T/C Fald (mio. DKK) Risiko Stigning (mio. DKK) Mean Std. dev Risiko Nul-NPV (168) 44,2% (142) 27,2% NPVaR (170) 44,7% (258) 44,8% Kilde: Egen tilvirkning på baggrund af simuleringer Tabellen illustrerer konsekvensen af 20% fald/stigning. I forhold til et 20% fald kan NPV ved et nulpunkt have et negativt fald på DKK -168 mio. Dette giver et NPVaR på DKK -170 mio. Dette må anses for at være højrisikabelt, idet ejerne kan risikere at skulle indskyde et beløb på DKK 168 mio., hvilket er mere end det dobbelte af entreprisen på DKK 150 mio. I forhold til NPVaR har det dermed kun en lille korrigering på grund af, at targetresultatet kun var på DKK 2 mio., hvorfor NPVaR er på DKK 170 mio. Resultatet af nedre scenarie kan illustreres jvf Figur 8. Figur 8: Nedre simulering af Nul-NPV og NPVaR Kilde: Egen tilvirkning via CB og datasæt 54

61 I forhold til middelværdien er den faldet fra den oprindelige forecast på DKK 235 mio. til DKK 143 mio. Dette fortolkes til stadigvæk at være relativt højt i forhold til targetresultatet, som faldt til kun DKK 2 mio. Dette skyldes den kraftige højreskæve fordeling, hvor medianen kun er på DKK 59 mio. Stadigvæk synes dette beløb at være højt, hvorfor entreprisen må anses for at være lukrativ. I forhold til et positivt scenarie, hvor T/C stiger med 20%, viser resultatet et NPV targetresultat på DKK 115 mio. I forhold til simuleringen, resulterer dette i en middelværdi på DKK 330 mio. I forhold til et nul-npv ender det nedre KI på et negativt resultat på DKK 142 mio. Dette giver et NPVaR på DKK -258 mio. Dette anses ligeledes for at være højrisikabelt i forhold til den potentielle volatile NPV. Resultatet er betydeligt bedre end hvis T/C falder, hvor der kun er 27% sandsynlighed for, at NPV er negativ. Resultatet af det øvre scenarie kan illustreres jvf Figur 9. Figur 9: Øvre Scenarie af nul-npv og NPVaR Kilde: Egen tilvirkning via CB og datasæt I stedet for at benytte sig af en en-sidet simulering, kan der benyttes en tosidet simulering. Jævnfør Werckman et. al. (2004) skulle dette generelt være en bedre metode at benytte. Metoden går ud på, at målingsvariablerne deles op i to variationsformer, hvor den ene er (1) usikkerheden med utilstrækkelig information omkring den sande, men ukendte værdi (For eksempel usikkerheden om, hvad renten vil være om 12 måneder). (2) Den anden er variabiliteten af forandringer ved populationens forskellige værdier (For eksempel ved variationen af prisen for det enkelte skib i forhold til populationen). Metoden, som simuleringen er baseret på, er løkkeberegninger, hvor variabilitetsvariablerne køres igennem modellen, mens usikkerhedsvariablen holdes 55

62 statisk. Efter simulering af variabilitetsvariablerne, rekalkuleres usikkerhedsvariablerne, hvorefter der foretages en ny simuleringsrunde på variabilitetsvariablerne. Da variablerne alle vurderes til at være af variationsformen på grund af usikkerheden omkring den sande værdi, vil det dermed ikke give noget nyt i simuleringen. Derfor forsøges anvendelse af forskellige tests, hvor kun én eller flere af de fire vælges som variabilitetsvariablen. Dermed er det muligt at se, hvad der sker med modellen, når nogle af de andre variabler på sin vis fastlåses (se Bilag 16). Simuleringen udføres over gange, men hvor usikkerhedsvariablerne gennemføres 10 gange - det vil sige, at simuleringen gentages 10 gange 52. Først isoleres en enkelt variabel som en variabilitetsvariabel for herved at se, hvordan fordelingen falder ud. Det vil sige at two-way simuleringen måles enkeltvis med T/C, skibspriser og omkostninger som dynamiske variabilitetsvariabler. Bilag 16 viser resultaterne, hvor det ses, at variablerne isoleret set kommer frem til et svingende resultat. Dog skiller T/C sig ud ved at illustrere, at det er denne som har den højreskæve fordeling i simuleringen. Opdeles variablerne ved T/C og Skibspriser kontra omkostninger, er resultatet nogenlunde det samme som ovenstående. Derfor fortolkes dataene til, at det er T/C som giver udsvingene i simuleringsresultatet, da den følger en gamma-fordeling. Det er dog stadig i opadgående retning at det store udsving er, hvorfor der er chance for ekstra gevinst. På baggrund af ovenstående vil det være interessant at se på, hvilke muligheder der er for at sikre sig mod tab i investeringen. Derfor vil sidste del af afsnitet kort behandle, hvordan der skal hedges ved en skibsinvestering. 7.1 Hedge Ved hedging forsøges det at sikre en fremtidig indtægt ved at fastlåse den. Dette kan foregå via derivater, såsom forwards-, futures-, options- eller SWAP kontrakter. Disse kontrakter er som regel bygget på et underliggende aktiv i form af obligationer, aktier 52 Sammenholdes med exposure mapping modellen, hvor der er ca. 140 beregninger kommer det op på et beregningsgrundlag på 140* =280. mio. beregninger for hver setup. Heraf er der udført seks setup, hvorfor den samlede beregning løber op i 6 *280=1,68 mia. beregninger. 56

63 eller lignende. Derudover er der futures, som også kan være baseret på indekser, hvilket i skibsbranchen hovedsagligt betegnes gennem Forward Freight Agreement (FFA), der blandt andet er baseret på Baltic Freight Index (BFI) 53. I forbindelse med hedging af entreprisen er det muligt at hedge direkte på flere områder (fx T/C-raten eller skibsprisen). Hvis det ikke er muligt at hedge direkte på det underliggende aktiv, er det muligt at benytte korreliderende derivater. Til dette er bunkeroptioner ofte benyttet på grund af at bunkerpriserne har en høj korrelation i forhold til skibsbranchens udvikling (Nomikos & Alizadeh, 2002). Da entreprisen er mest følsom i forhold til T/C-rater, vil det derfor være mest nærliggende at fokusere på dette område. T/C-raten kan i forvejen betegnes som et hedge, da den er på periodisk kontraktbasis, hvorfor choks på markedet er mindre risikable ved en T/C-kontrakt end på spotmarkedet 54. Umiddelbart anses det således ikke for værende nødvendigt at hedge på dette område. Dog kan der være behov for at hedge hvis en kontrakt står over for en fornyelse. Derfor kan der i stedet fokuseres på skibsinvesteringen, for at sikre skibets salgspris i fremtiden. Dette kan gøres på baggrund af forwardsderivater, hvor to parter indgår en aftale om en fremtidig pris. Herved låses prisen på for eksempel skibet, hvor det kun er kurtagen der tabes på. Hvis der ikke er rentable muligheder for at tegne forwards på skibet, kan andre korreliderende derivater benyttes. Her kan de standardiserede futurekontraktformer i form af FRA er bruges, hvor prisen kan bestemmes ved Ligning 9. Ligning 9: Future pris F = S e 0 0 rt Kilde: Hull, Læs mere herom i Bilag 17. FFA er samtidig empirisk målt til, at være det mest efficiente forecast i forhold til spotprisen, frem for VAR-, ARIMA-, Random Walk og andre modeller (Nomikos & Alizadeh, 2002). 54 Under forudsætning af at kontrakten er på fast aftalt pris, og ikke variabel. 57

64 Hvor F 0 er futureprisen, S 0 er den nuværende spotpris, r er den risikofrie rente og T er tiden til kontrakten udløber, målt i år. Imperisk set har det vist sig at FFA er de bedste derivat til at forecaste en fremtidig prisfastsættelse (Nomikos & Alizadeh, 2002), hvorfor disse fortolkes til at være bedst ved hedging af entreprisen. Dog skal hedgingen ikke foregå ved at tegne FRA er 1:1 i forhold til det underliggende aktiv, da det ikke er efficient (Nomikos & Alizadeh). Derfor skal der benyttes en Hedgeratio i forbindelse med, i hvor stor grad der skal hedges i forhold til det underliggende aktiv. Formlen for den optimale hedge-ratio vurderes ud fra spot- og futureprisen, der kan beskrives ud fra Ligning 10: Ligning 10: Hedge ratio Q h* = ρ Q S F Kilde: Hull, 2003 Hvor h* er hedgeratioen, Q S er standardafvigelsen af afkastet for spotprisen, Q F er standardafvigelsen af afkastet for futureprisen og ρ er korrelationen af afkastet mellem spot- og futureprisen. Variablerne bestemmes på baggrund af historiske regresserede data. Intervallet af dataene er idelt set af samme længde som hedgingperioden, hvilket kan være problematisk ved længere hedgingperioder, idet der ikke er observationer nok. Derfor kan mindre intervaller benyttes (Hull, 2003). På baggrund af hedgeratioen kan antallet af kontrakter derfor bestemmes ved Ligning 11: Ligning 11: Optimal anfal futurekontrakter for hedging h * N N*= Q F Kilde: Hull, 2003 A Hvor N* er det optimale antal futurekontrakter for hedgingen, h* er hedgeratioen, N A er størrelsen af positionen der skal hedges, og Q F er størrelsen af en futurekontrakt. 58

65 Typisk er det dog på kortere sigt inden for et år, at FFA benyttes, hvorfor det igen ikke vil være en tilstrækkelig lang periode, i forhold til at hedge på et skib over flere år. Derfor synes forwards umiddelbart at være den bedst passende derivatmetode på langt sigt, hvor rederiet skal sælge en forward kontrakt til en fremtidig periode. I forholdt til at FFA handles på OTC, hvor fra pricipal til principal, er der ingen garanti fra et uafhængigt clearing house, hvilket vil være et fremtidigt krav hvis risikopræmien skal mindskes. Desuden Handles FFA som euripæiske optionen på den måde at de ikke kan handles før de løber ud (Nomikos & Alizadeh, 2002). Et eksempel på et hedge kan illustreres jf. Nomikos & Alizadeh (2002) i forhold til en T/C-hedging (se Tabel 23 og datafil under Hedge). Tabel 23: Hedge 1 års hedge Fysisk marked 2004 Futures market Rente 4,3% Spot T/C-rate kr T/C FFA kr Freight cost kr Freight cost kr Rente 3,4% Spot T/C-rate kr T/C FFA kr Freight cost kr Freight cost kr Tab/fortjeneste kr kr ( ) Netto resultat kr ( ) Kilde: Nomikos & Alizadeh, 2002 og egen tilvirkning Hedgen viser at der er solgt en FFA for at hedge imod spotmarkedet. De Eksemplet viser en hedge imod spotmarkedet, hvor der er solgt en FFA. Hedgeratioen er beregnet til 1,01, hvoraf der skal hedges med 369 kontrakter. Kontraktstørrelsen kendes ikke, hvorfor det forudsættes at dere tales om en enkelt kontrakt pr. dag, hvorfor 365 kontrakter er lig et år. Et enkelt år multipliceret med 1,01 giver 369 kontrakter. Resultatet er beregnet på baggrund af den benyttede T/C-rate i afhandlingen, hvor futureprisen er fundet ved at benytte Ligning 9, hvor der er benyttet de gennemsnintlige 59

66 resultater fra årene 2004 og Der er dermed ikke benyttet officielle futurepriser fra BFI. Resultatet giver et underskud på godt DKK 2 mio. hvilket ikke ser tilfredsstillende ud i forhold til en potentiel fortjeneste på DKK 7 mio. Men havde sitionen været modsat med modsat fortegn havde hedgen været effektiv mod for store tab. Hermed er afhandlingens problemformulering blevet undersøgt, hvorfor følgende afsnit omhandler diskussion og konklusionen samt perspektivering af afhandlingens resultat. 8 Konklusion, diskussion og perspektivering Følgende kapitel indeholder en konklusion, diskussion og perspektivering af afhandlingens proces og resultat. 8.1 Konklusion Afhandlingen fire trinanalyse er forsøgt testet med nedenstående model (se Tabel 24). Tabel 24: Problemformuleringsbesvarelse SP Delspørgsmål Delkonklusion Vurdering 1 T/C-raternes Efficiente 2 Simuleret gennemsnitsafkast T/C-raten er kun delvist oplyst Benytter kun et udvalg af ruter Er kun gennemsnit af div. skibe Periodebaseret værdiansættelse Cykluspræget Konferenceaftaler styrer prisen Problematisk datamateriale Højreskæv fordeling af T/C Stort udsving Kan ikke afvise Normalfordelinger T/C-raten er efficient i en semistærk form T/C har størst indflydelse på resultatet. Maksimum negativt CF = DKK 155 mio. 3 Risiko T/C-priser er mest volatile og højreskæve Monte Carlo robust model Scenarierne viste en robust investering NPVaR er på DKK 214 mio. Stor volitilitet = mulighed for sort afkast Risiko for et negativt CF = 35% Risiko ved NPVaR = 45% 60

67 4 Sikring af Investeringen Kilde: Egen tilvirkning FFA er mest sikkert forecast Mest brug for at hedge på skibet Forward mest benyttet ved skibe Derivater er relativt nyt for søbranchen og dermed ikke så udbygget som den finansielle branche Strategisk hedge nødvendig ved nedgangsperioder Bedst muligt gennem T/C eller korreliderende FFA er Individuel forward på skibe Første spørgsmål omhandler T/C-ratens efficiensstadie, der behandles ud fra en kvalitativ vurdering. På trods af, at litteraturen har indikeret et inefficient marked, da prisfastsættelsen foregår periodisk, har forfatteren fundet dataene efficiente i en semistærk form, og dermed anvendelige for den videre analyse. Der kan dog sættes spørgsmålstegn ved denne efficiens, idet der ikke findes betydelig information omkring T/C, hvorfor markedet ikke er optimalt transparent for analyse. Det blev dog vurderet, at T/C-markedet er efficient på baggrund af, at den er baseret på spotmarkedets prisfastsættelse, som vurderes til at være mere likvidt. At der satses på et nyt skib indebærer, at man er up-to-date i forhold til regler og krav på markedet. Dette fortolkes til at give de bedste konkurrencemæssige styrker for entreprisen og dermed rederiet. Det er vigtigt at time investeringen i skibet, hvilket kan være problematisk på grund af de cykliske forhold. Derfor indikerer analysen en overfølsom branche, hvorfor man som investor skal være opmærksom på de forskellige kriteriers udvikling. Herved kan rederiet bedre agere på det globale marked ved at opretholde en konkurrencemæssig fordel gennem hedging og timing af investeringerne. Gennemsnitsafkastet er besvaret ved 2. spørgsmål på trods af et problematiske datamateriale. NPV er bestemt selv om T/C bidrager med en højreskæv fordeling, hvilket giver en upside indtægtsmulighed ved resultatet. På baggrund af 95% koinfidensinterval giver NPVaR et resultat på DKK 214 mio. Ved måling af et negativt NPV giver det et resultat hvor der kan tabes op til DKK 155 mio. ud fra gældende forudsætninger. 61

68 I forhold til risiko der besvares ved 3. spørgsmål viser det, at NPVaR kan falde under targetresultatet med 45% risiko. Testes der for, når NPV er negavit, falder risiko for underskud til 35% (se Tabel 25). Tabel 25: NPV at Risk (NPVaR) og det negative NPV Confidensniveau Maks. tab (mio. DKK) Risiko NPVaR 214 mio 45% Negativt NPV 155 mio. 35% Kilde: Egen tilvirkning fra datafil: Risk-results. Stress testen viser, at up side volatiliteten giver risiko for store tab, der med relativ stor sandsynlighed kan eliminere entreprisen, såfremt der ikke indskydes yderligere investeringskapital. Dog vurderes det at historiske shocks ikke har et udsving som overgår entreprisens NPV. For at sikre investeringen, vurderes det ved spørgsmål 4, at det ved direkte hedging er mest effektivt at hedge på T/C eller skibet. Dette skyldes, at det er disse to variabler der har størst indflydelse på entreprisens resultat. Det vurderes, at entreprisen i forvejen kan betegnes som værende hedged på baggrund af, at der benyttes T/C. At skibspriserne og T/C har en høj korrelation kan give en dobbelteffekt ved et fald i T/C, og dermed skibsprisen. Denne risiko kan mindskes ved, at der hedges på den ene faktor for at udligne faldet på den anden. Derivater er et relativt nyt område, som er under udvikling i skibsbranchen. Markedet er udbygget i begrænset omfang i forbindelse med, hvilke aktiver der effektivt kan hedges. Derfor kan alternative hedges benyttes på baggrund af korreliderende og mere likvide aktiver. Monte Carlo-modellen vurderes til at være et effektivt værktøj i forhold til opstilling af beregningsmodellen. Det er dog vigtigt, at benytte fordelinger og standardafvigelser korrekt, så de repræsenterer markedet. På baggrund af ovenstående analyse kan det derfor konkluderes, at de beregnede scenarier viser at entreprisens risiko er på et relativt højt niveau. Dette skyldes til dels det idiosynkratisk sykliske forhold, som gør forecastningen uforudsigelig og investeringerne risikable. 62

69 Et nystartet rederi vil ikke have opbygget de office-funktioner, som kan servicere kundepotentialet - for eksempel door-to-door service. Derfor skal der i stedet for spotmarked satses på det mindre volatile, og det dermed mere sikre time charter marked. Et skibs værdi kan være en betydelig del af et rederis afkast ved handel af disse, hvorfor spekulationer til tider har bidraget med støre resultat end rederiernes core business. At der er benyttet T/C giver en bedre sikring og stabilitet i rederiets indtægt, hvorfor hedging vil være mindre nødvendigt. Dog vil der med fordel kunne vurderes, om der skal hedges på skibet ved for eksempel tegninger af forwards. I forlængelse af konklusionen vil følgende kapitel diskutere proceduren og resultatet af afhandlingen for kritisk at vuredere, om der kunne være foretaget bedre tiltag. 8.2 Diskussion og perspektivering Generelt har det været svært at finde databaser på T/C og skibspriser, da der kun forefindes begrænsede registre i branchen. Dette har bevirket, at faktorerne der måles på, har været mindre robuste. Stopford (1988) hævder at det er bedre, at benytte andre faktorer end statistiske forecasts, på grund af at disse sjældent viser et korrekt resultat. Det vil sige, at der i stedet skal fokuseres på markedsudviklingen på makroplan. Derudover kunne der også benyttes variabler på mikroplan, som korreliderer med T/Craten. I den forbindelse benyttes bunker-raterne ofte på baggrund af, at de er mere likvide, og dermed mere efficiente i forhold til prisfastsættelsen. Herved skulle det være nemmere at udarbejde en mere korrekt forecast. De benyttede data vurderes til at være anvendelige til forecasting, på grund af at data er sammenlignelige med andre undersøgelser. Der har været mangel på datamængder for at kunne udføre kvantitative økonomiske tidsserieestimeringer, hvorfor der benyttes beskrivende statistik. Derudover er skibsbranchen som helhed et komplekst marked. Dette kunne måske have været afhjulpet ved en branchekendt fokusgruppeundersøgelse, for herved at få besvaret nogle af de basale spørgsmål i forbindelse med skibsbranchen. At der ikke har været udarbejdet en fokusgruppe skyldes en antagelse om problematikken med, at finde 63

70 deltagere med denne viden og heraf en forbeholdenhed om at give følsomme oplysninger om deres virke. Det vil sige informationerne til undersøgelsen vil være fortrolige for en investeringsvirksomhed. Der er udarbejdet en vurdering om simuleringsmodellens fourudsætninger ville kunne forbedres. Det vil sige i stedet for at vækstvariabler vurderes på en enkelt estimering ved hver simulering, hvorefter væksten ganges ud i hele periode, uearbejdes en individuel fordeling på hvert enkelt år. Det vil sige der er en net vækstestimat ved hvert år. Derfor er der testet om der er forskel ved at udarbejde en løbende årlig forudsætning pr. årlig CF. Det vil sige, at væksten forandrer sig med standardafvigelsen hvert år gennem NPVanalysen. Simuleringen forudsætter dog ikke nogen indbyrdes afhængighed eller heteroskedasitet, hvor variansen af afkastet forandre sig, hvorfor årene ikke korreliderer med hinanden (Se datasæt under Report - Modificeret simulering ). Dermed forudsættes der ligeledes, at der ikke er nogen mean reversion, hvis volatiliteten er mindre på langt sigt end på kort sigt hvorfor der dermed ville kunne være en random walk i stedet (Exley, Metha & Smith, 2004). Fordelingsmæssigt er det nogenlunde det samme resultat som den oprindeligt benyttede model, men resultatet er ikke det samme (se datafil under Report Modificeret simulering ). Resultatet viser en mindre risiko i forhold til en negativ NPV, hvor risiko for tab falder fra 35% til 21%. I forhold til NPVaR stiger risikoen fra 45% til 47%, hvilket indikerer at resultatet inden for dette interval er mere stabilt, idet det er i den mindre følsomme del af fordelingen. Desuden er resultatet ikke så ekstremt som det fremkommende NPV resultat. I forhold til at minimum og maksimum er intervallet på det oprindelige resultat på DKK -268 mio. til DKK 30 mia., hvilket fortolkes som ude af proportion. Ved den nye model er intervalltet mellem DKK -185 mio. til DKK 848 mio, hvilket vurderes til at være mere realistisk. Modellen som er brugt i afhandlingen vurderes dog stadig til at være anvendelig i forbindelse med simuleringen, idet konfidens intervalet holder sig inden for et nogenlunde realistisk resultat på DKK -155 mio. til DKK 1,2 mia. 64

71 Forecastingsmodellen kunne have været kontrolleret ved at lave backward test i forhold til at tage en ældre periode og dermed teste på disse data. Herved skulle forecastresultatet passe til de data som findes i dag. Dette er dog ikke blevet udført på baggrund af kapacitetsmæssige hensyn og datamangel. Den skærpede konkurrence vil være en fordel for rederier der ikke er med i en conferenceaftale, på grund af konferencerne er under stigende pres for at ophæve pris- /kapacitetsaftalerne på deres linier. Modsat får mindre rederier ikke gavn af stordriftsfordele, som er en af de store styrker på liniefarten. Dermed vil et mindre rederi være stærkest på intermediate- eller feederområdet, hvilket også stemmer overens med afhandlingens valg af indtægt. Overordnet set har afhandlingen forsøgt at afdække problemformuleringen på et relativt tilfredsstillende niveau for forfatteren, hvorfor følgende perspektivering kan udarbejdes. Overordnet set er skibsbranchen en af de ældste brancher at investere i. Det kan godt virke som om den er fastlåst i ældre traditioner, som er opbygget gennem århundreder i deres globale virke. Den generelle globalisering er med til at øge væksten, som dermed oparbejder en mere konkurrencepræget situation, og dermed efficient prissætning. Konferenceaftaler, som prisfastsætter fragtraterne, kommer derfor i stigende grad under pres af verdensmarkedet for at blive afskaffet, hvorfor det vil øge den frie samhandel, hvilket fører til mere likvide og efficiente priser. Derfor vil situationen for mindre rederier stadig være gunstig i fremtiden på trods af den globale konsolidering. Det vil sige for, at udnytte stordriftsfordelene vil skibsbranchen opleve en konsolidering af rederierne, hvorfor mindre rederier er nødt til, at udbygge et større konkurrencedygtigt samarbejde i forhold til de større udbydere på markedet (Ryoo & Thanopoulou, 1999 og Slack et al, 2002). Globalt set indikerer de miljømæssige, politiske og økonomiske forhold på verdensmarkedet, at kravene til skibsbranchen bliver skærpet. Modsat kan den globale samhandel kun fortsat forventes forøget, hvorfor containertransport kun kan forventes at vedblive med at være et gunstigt forretningspotentiale. 65

72 Ved det risikomæssige aspekt er markedet p.t. ikke i så stor grad så transparent, hvorfor det skaber en større usikkerhed og dermed en højere risikopræmie. Ved udbygning af bedre og mere åben prispolitik af diverse ruter, skiber etc., vil markedet dermed kunne tiltrække mere investeringskapital og mindse risikoen i form af et mere likvidt og dermed mere efficient marked. 66

73 Litteraturliste Alderton, Patrick M., (2004), Reeds Sea Transport, Operation and economics, Adlard Coles Nautical, 5. udgave Alderton, Patrick M. & Marv Rowlinson, (2002), The Economics of Shipping Freight Markets, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong AXS, (2007), AXS-Alphaliner Liner Shipping Report January 2007, Bendall, Helen, (2002), Valuing maritime investments using real options analysis, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Berlingske, (2005), Skibsinvesteringer i fremgang, mandag den 25. april 2005 kl. 11:10 Bjørnvik, Lars, (2005), APM oversolgt Forum på Euroinvestor, oprettet : 10:36:16, Indlæg nr Blake, David, (2000), Financial Markets Analysis, 2. ed. John Wiley & Sons Ltd. England, ISBN X Bodie, Zvi, Robert & Merton, (2000), Finance, Prentice-Hall Brooks, Mary, (2000), Sea change in liner shipping in regulation and managerial decisionsmaking in a global industry Pergamon ISBN: Clarkson, 2005, Container Intelligence Monthly, Vol. 7, no. 6, June ISSN: , Clarkson Research Studies Clarkson, 2005b, Container Intelligence Quarterly A comprehensive quarterly review and outlook for the container shipping market from Clarkson Research Studies 1. quarter ISBN: , Clarkson Research Studies Copeland, Tom, Koller, Tim & Jack Murrin (2000), Valuatio; Measuring and Managing the Value of Companies, 3. ed. University ed. McKinsey & Company, Inc. ISBN CS&P, (2005) CS&P SKIBE AS tilbyder eksklusiv investeringsmulighed i MV CITY OF HAMBURG, Investeringsprojekt fra CS&P, Difko, (2005), Passat, investeringsprojekt fra KS Difko, Difko, (2005b), Vergi, investeringsprojekt fra KS Difko, Domino, S., Wichmann, S. & L.O. Andersen, (2005), A.P. Møller bremser op efter rekordregnskab, Berlingske Tidende, fredag den 1. april Domino, Søren, (2006), Torm opjusterer på skibssalg, 28. juli, Berlingske Drewry, (1999), Containership Charter Market: A Positive Course for the New Millennium?, Drewry shipping Consultants Ltd. July Drewry, (2003), The Drewry Container Market Quarterly, Drewry shipping Consultants Ltd. Vol. 4, 1. edition, March Drewry, (2004), The super-cycle nears its end Executive Summary The Drewry Container Market Quarterly, Drewry Shipping Consultants Ltd. Drewry, (2005), The Drewry Container Market Quarterly Executive Summary, Drewry shipping Consultants Ltd 67

74 Evans, James R. & Olson, David L., (1998), Introduction to Simulation & risk analysis, Prentice Hall, ISBN Evans, James R., & Olson, David L., (2000), Statistics, data analysis, and decision modelling, Prentice Hall, ISBN Eview, (2002), Eviews 4 User s Guide, Quantitative Micro Software, LLC, ISBN Exley, J., Metha, S., & Smith, A., (2004), Mean Reversion, Pesentet to: Faculty & Institute of Actuaries, Finance and Investment Conference, Brussels, June Ferma, (2003), Standarden for risikostyring, Airmic, Alarm, IRM: (ferma:federation of European Risk Management Associations) Grammenos, Costas Th., (2002) Credit risk, analysis and policy in bank shipping finance, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Hamburg Shipbrokers Association, (2005) Hamburg Index Containership T/C-rates, Harlaftis, Gelina & Theotokas, John, (2002), Maritime Business During The 20th Century: Countinuity and chage, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Hull, John C., (2003), Options, Futures, and Other Derivatives, 5. udgave, Printice Hall Kavussanos, Manolis G., (2002), Business Risk Measurement and Management in the Cargo Carrying Sector of the Shipping Industry, Athen University of Economics and Business, Greece, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Laubsch, Alan J., 1999, Risk Management, A Practical Guide, RiskMetrics Group, 1. edition, August. Lee, Alvin Y., (1999), CorporateMetrics: The Benchmark for Corporate Risk Management Technicla dokument, RiskMetric Group 1. ed. April 1999, CorporateMetrics TM Lindegaard, Camilla og Ulrik Hvid, (1997), KSF for Nærsøfarten en afdækning af de fremtidige muligheder, Hovedopgave ved HD-studiet i Logistik, Handelshøjskolen i København Myers, Brealey, (2003); Principles of copporate finance, 7. udgave, McGraw-Hill, ISBN: Nielsen, Henning V. & Flemming Ramsby, (1995), Skibsføreren, befragtning, havneanløb og ladningsekspedition, Søfartsstyrelsen, Iver C. Weibach & Co. A/S, 2. udgave Nomikos, N.K. & Alizadeh, A.H., (2002), Risk management in the shipping Industry: Theory and practice, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Porter, Michael E. (1980), Competitive Strategy: Techiques for Analyzing Industies and Competitors, Pree Press Ryoo & Thanopoulou, (1999), Liner alliances in the globalization area: a strategic tool for Asian container carriers, Marit. Pol MGMT., Vol. 26, nr. 4, pp Slack, Brian, (2002), Strategic alliances in the container shipping industry: a global perspectgive, Marit. Pol. MGMT., Vol. 29, nr. 1, pp. 65 til 76 68

75 Stern, Eugene, (2001) Risk management for non-financial corporations, Risk Metrics Group Stopford, Martin (2002) Shipping Market Cycles, Clarkson Research, H. Clarkson & Co. Ltd, London, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Stopford, Martin (1988), Maritime Economics, Unwin Hyman, London, ISBN Thanopoulou, Helen, (2002), Investing in Ships: An Essay on Constraints, Risk and Attitudes, Cardiff Business School, University of Cardiff, UK, I: Grammenos, Costas Th., (2002) The handbook of maritime economics and business, LLP, London Hong Kong Werckman, C., Hardy, T., Wainwright, E., Harris, C. & B. Gentry, (2004), Crystal ball - User Manual, Decisioneering Inc. Denver, Colorado Wooldridge, Jeffrey M., (2003), Introductory Econometrics, A modern approach, Thomson, south western, 2. edition, ISBN: Blake, David, (2000), Financial Market Analysis, 2 e., Wiley, ISBN Corporate web-sites: (Baltic) Fragtrater, opdateret: daglig BørsCustom, (2007), DS Torm, BørsCustom, (2007b), DS Orion, Clarkson Research Studies, Fragtrater, opdateret: daglig Københavns fondsbørs, regnskabstal, opdateret: dagligt A.P.Møller Mærsk Danmarks største virksomhed, opdateret Nationalbankens database for oplysning af renter og markedsindkes, opdateret dagligt ships for sale/purchase opdateret: daglig Lov om beskatning af rederivirksomehd (tonnageskatteloven), opdateret: 8. maj. 2002, Vereinigung Hamburger Schiffsmakler und Schiffsagenten e.v (Hamburgerindekset), for indhentning af T/C-rater, opdateret dagligt. Risk Metrics Group, The standard in Financial Risk Management, opdateres dagligt 69

76 Begrebs- og ordforklaring Alliance: Samarbejde mellem forskellige rederier. B/B: Bareboatcharter - Et chartrearrangement, hvor chartrelejeren er ansvarlig for alle omkostninger og risiko forbundet med skibets drift. BT: Brutto tonnage, omfatter skibets samtlige rummål. Bulk carrier: Skib til transport af fx løst gods i form af fx kul. Bunker: Brændstof til et skibs hovedmotorer. Conference: Sammenslutning af rederier, som bl.a. har til formål at fastsætter udbuddet af fragtkapacitet og og fragtpriser. Door to door service: Total service hvor al fragt indgår. DWT: Dødvægtstonnage, et skibs fragtkapacitet FEU: Forty equevalent unit, 40 fods container Fully cellular Container ship: Containerskib bygget specielt og kun til containerfragt General Cargo: Stykgods. GT: Gross tonnage, brutto tonnage (BT) Konference: Sammenslutning af rederier. Ved lukkede konferencer reguleres priserne og kapaciteten på en rute, hvorimod ved åbne konferencer reguleres kapaciteten ikke. Liniefart: Operering af skibstransport mellem udvalgte havne med faste tider. Loading speed: Lastehastigheden. Load factor: Kapacitetsudnyttelse. NT: Net tonnage. Off-hire dage: Tabte chartreindtægtsdage fx ved service-dogning. Pool: En gruppe rederier som deler deres skibskapacitet sammen. TDW: Dead waitght tonnage, (dødvægtstonnage) et skibs maksimale lasteevne inkl. brændstof. TEU: Twenty equevalent unit, 20 fods container. T/C: Time chartre, lejeprisen for et skib i en periode, hvor ejeren er ansvarlig for besætningen og skib men hvor chartre skal betale for bunker- og havneomkostniger (variable omk.). Tripcharter: Lejeprisen for en aftalt rejse. 70

77 Ligningfortegnelse Ligning 1: Hull-to-debt rate Ligning 2: Forsikringspræmie Ligning 3: Gennemsnitlige værditab Ligning 4: Differenslogaristisk afkast Ligning 5: Korrelation Ligning 6: Opportunity cost of capital Ligning 7: Capital Asset Pricing model (CAPM) Ligning 8: Unlevering Beta Ligning 9: Future pris Ligning 10: Hedge ratio Ligning 11: Optimal anfal futurekontrakter for hedging Ligning 12: Standardafvigelse Ligning 13: Estimator for standardafvigelsen Ligning 14: Skewness Ligning 15: Kurtosis Ligning 16: Jarque-Bera Ligning 17: Første ordens autoregressive model Ligning 18: Højere ordens autoregressive model Ligning 19: Årlig procentvis afskrivning Figurfortegnelse Figur 3: Beslutningstræ for erhvervelse og indtægtsmuligheder Figur 4: T/C-rater fra 350 til 2750 TEU Figur 5: Forecast af NPV Figur 6: NPVaR ved Weibullfordelingen Figur 7: Følsomhedsanalyse Tabelfortegnelse Tabel 1: Containerskibenes størrelsesmæssige forøgelse gennem tiderne Tabel 2: Rederiet Tabel 3: Cash flow Genererering Tabel 4: Projektopbygning Tabel 5: Omkostningsandele og fordeling Tabel 6: Værditab for skibe Tabel 7: Procentafskrivning pa Tabel 8: Procentafskrivning pa Tabel 9: Datagrundlag Tabel 10: Individuel Beskrivende statistik Tabel 11: Fordelingsvurdering af beskrivende statistik Tabel 12: Korrelation Tabel 13: Beregning af nettotonnageskat

78 Tabel 14: Capital asset pricing modellen (CAPM) Tabel 15: Kapitalomkostninger Tabel 16: Exposure mapping Tabel 17: Forecasting Tabel 18: Følsomhedsanalyse Tabel 19: NPV at Risk (NPVaR) Tabel 20: Baltic Freight Index Major Changes in its composition since its inception Tabel 21: NPV target scenario Tabel 22: Simulerede scenario af choks Tabel 23: Hedge Tabel 24: Problemformuleringsbesvarelse Tabel 25: NPV at Risk (NPVaR) og det negative NPV Bilagsfortegnelse Bilag 1: Datasæt Bilag 2: Tidsserieanalyse og test for stationaritet Bilag 3: Bestemmelse af T/C-raten Bilag 4: Supply/demandligevægte Bilag 5: Verdens containerkapaciteter Bilag 6: Skibspriser Bilag 7: Omkostningsbenchmark Bilag 8: Soliditetsgrad for danske rederier Bilag 9: Betaværdier Bilag 10: Kapitalomkostninger Bilag 11: Regnskabsanalyse Bilag 12: Forecasting Bilag 13: Simulering med normalfordelinger Bilag 14: Simulering med Weibull- og normalfordelinger Bilag 15: Stress test analyse af scenarier Bilag 16: Two-Way simulering Bilag 17: What are freight derivatives? Bilag 18: Hedge

79 Bilag 1: Datasæt Rådata Obs SKIB_DKK* RENTE%** Cibor** OMXCB*** TCDKK**** BNP** 1987 NA NA NA NA NA 1988 NA NA NA NA NA 1989 NA NA NA NA NA 1990 NA NA NA NA NA 1991 NA 0,09 NA NA NA 1992 NA 0,09 NA NA NA 1993 NA 0,07 NA NA NA 0,08 NA NA NA 0,08 NA NA NA 0,07 0,04 111, NA 0,06 0,04 158, NA 0,05 0,04 193, NA 0,05 0,04 187, NA 0,06 0,05 255, NA 0,05 0,05 251, ,05 0,04 198, ,04 0,02 183, ,04 0,02 192, ,03 0,02 246, Kilde: Egen tilvirkning * Kilde: Clarkson Research Studies (2005), ** Danmarks Nationalbank *** Clarkson Research Studies (2005), Hamburg Shipbrokers Association, (2005), Dewry (1999, 2000) Liniegrafer af rådata GDP TCDK K RENTE OMX CB CIB OR S KIB_DKK 73

80 Series expressions CIBOR RENTE DLOG(SKIB_DKK) DLOG(TCDKK) DLOG(OMXCB) DLOG(GDP) Beskrivende statistik af afkastdata DLOG(x) CIBOR RENTE SKIB_DKK TC_DKK OMXCB BNP Mean 0,037 0,062 0,068 0,046 0,088 0,044 Median 0,039 0,057 0,100 0,007 0,048 0,042 Maximum 0,055 0,093 0,107 0,489 0,354 0,069 Minimum 0,024 0,034-0,002-0,213-0,237 0,020 Std. Dev. 0,010 0,018 0,061 0,189 0,198 0,015 Skewness -0,106 0,299-0,697 0,769-0,121 0,162 Kurtosis 2,005 1,841 1,500 3,099 1,838 2,023 Jarque-Bera 0, , , , , , Probability 0, , , , , , Sum 0, , , , , , Sum Sq. Dev. 0, , , , , , Observations *Renten er bestemt til at være dlog i forvejen pga. det oplyste er det årlige afkast. ** Observansen er fortaget på baggrund af 3 observationer hvilket ikke giver et korrekt billede af udviklingen. Kilde: Egen tilvirkning fra Bilag 1 Differenslogaristisk afkast n D log= ln nt t 1 Fordelingsvurdering af beskrivende statistik Log(x) Median Skewness* Kurtosis** Jarque-Bera Probability*** SKIB RENTE CIBOR T/C OMXCB BNP Median>mean Venstreskæv Negative skæv: Moderat skæv Flad fordeling platykurtic Kan ikke forkaste H0 om Normalfordeling Median<mean Højreskæv Positiv skæv: Relativ symmetrisk Flad fordeling platykurtic Kan ikke forkaste H0 om Normalfordeling *Skewness fortolkning: 1<coefficiens of skewness<-1 = highly skew 0,5 til 1 (eller -0,5 til (-0,5)) = moderat skæv 0,5>coefficiens of skewness-0,5 = relative symmetry Median>mean Venstreskæv Negative skæv: Relativ symmetrisk Flad fordeling Platykurtic Kan ikke forkaste H0 om Normalfordeling Median<mean Højreskæv Positiv skæv: Moderat skæv Normalfordeling Kan ikke forkaste H0 om Normalfordeling **Kurtosis fortolkning: 3 = normal fordeling Under 3 = Platykurtic, dvs. fordelingen er relativt fladt normalfordelt med brede skuldre Over 3 = Leptokurtic, dvs. fordelingen er relativt spids normalfordelt med smalle haler ***Jaque-Bera fortolkning: Måler differencen af skewness og kurtosis. En lille sandsynlighedsværdi leder til at forkaste nul-hypotesen om en normalfordeling Dvs. testresultat < signifikansnivau (5%) = forkastning af H0 Testresultat > signifikansniveau (5%) = kan ikke forkaste H0 Median<mean Højreskæv Positiv skæv: Relativ symmetrisk Flad fordeling Platykurtic Kan ikke forkaste H0 om Normalfordeling Median<mean Højreskæv Positiv skæv: Relativ symmetrisk Flad fordeling platykurtic Kan ikke forkaste H0 om Normalfordeling 74

81 Ligningerne til beregning af ovenstående tabel beskrives via eview (2002)s: Ligning 12: Standardafvigelse N 2 s= ( yi y) /( N 1) i= 1 Hvor N er antallet af observationer og y er middelværdien af serien Ligning 13: Estimator for standardafvigelsen ( ) Qˆ = s N 1 / N Ligning 14: Skewness 3 N 1 yi y S = N ˆ i= 1 Q Hvor Q-hat er estimatoren for standardafvigelsen som er baseret på den biased estimator of variansen. En symetrisk fordeling, i forhold til en normalfordeling er lig nul. En positiv skæv beskriver en long right tail. En negative skewness beskriver en long leftt tail fordeling. Ligning 15: Kurtosis 4 N 1 yi y K = N ˆ i= 1 Q Hvor Q er baseret på den biased estimator for variansen. Ved normalfordeling visr Kurtosis 3. Stiger Kurtosis over 3 er frodelingen leptokurtic (flad) fordelt. Er Kurtosis under 3 er fordelignen platykurtic (smal) fordelt i forhold til en normalfordeling. Ligning 16: Jarque-Bera ( K ) 2 N k 2 3 Jarque Bara= S Hvor S er skewness, K er kurtosis, k er antallet af coefficienter udset til at skabe serien. JB er en statistisk test for om serien er normalfordelt. Testen måler differencen melle skewness og kurtosis. Beregningerne er som flg.: Under en nulhypotese om normalfordeling, er JB distribueret som chi-2 med 2 frihedsgrader. Den oplyste sandsynlighed er sandsynligheden for at JB overgår de observerede værdiger under nul-hypotesen. En lille sandsynlighedsværdi leder til at forkaste nul-hypotesen om en normalfordeling. 75

82 Scatterdiagram Logistic Quantile 0-2 Logistic Quantile 0-2 Logistic Quantile DLOG(DKK) DLOG(OMXCB) DLOG(RENTE) 2 1 Logistic Quantile 0-2 Logistic Quantile DLOG(TC) DLOG(SKIB) 76

83 Variansen Varians( r m ) = 1 N 1 N t= 1 ( r mt r ) m 2 Kovarians n 1 COV[ X, Y] = ( xi xn)( yi yn) n i= 1 Kovarians SKIB RENTE CIBOR OMXCB T/C BNP SKIB 0,0073 (0,0107) (0,0092) 0,0084 0,0248 0,0345 RENTE (0,0107) 0,0201 0,0207 (0,0124) (0,0385) (0,0437) CIBOR (0,0092) 0,0207 0,0380 (0,0040) (0,0452) (0,0298) OMXCB 0,0084 (0,0124) (0,0040) 0,0128 0,0238 0,0407 TCDKK 0,0248 (0,0385) (0,0452) 0,0238 0,0929 0,1128 BNP 0,0345 (0,0437) (0,0298) 0,0407 0,1128 0,1765 Logistisk beregnet Kilde: egen tilvirkning via Eviews (2002) Korrelation * * Cov P0, P0 ρ ( P0, P0) = * σ P, σ P ( ) ( ) ( ) 0 0 Correlation SKIB_DKK RENTE% Cibor OMXCB TCDKK BNP SKIB_DKK 1,00 (0,89) (0,56) 0,87 0,95 0,99 RENTE% (0,89) 1,00 0,75 (0,78) (0,89) (0,95) Cibor (0,56) 0,75 1,00 (0,18) (0,76) (0,67) OMXCB 0,87 (0,78) (0,18) 1,00 0,69 0,84 TCDKK 0,95 (0,89) (0,76) 0,69 1,00 0,97 BNP 0,99 (0,95) (0,67) 0,84 0,97 1,00 Logistisk beregnet Kilde: egen tilvirkning via Eviews (2002) 77

84 Bilag 2: Tidsserieanalyse og test for stationaritet Tidsserierne (TS) bliver testet på baggrund af Eview og Wooldridge (2003). For at se som TS ikke correledere med sin egen lagged værdier og dermed går imod en af OLS forudsætningerne for at kunne være stationær, skal der derfor testes herfor. Herved vil OLS blive biaset hvis der er lagged afhængige variabler på den forklarende (højre) side af formlen. Først vurderes om tidsserien er stationær på baggrund af om der er unit roots 55. TS testes gennem en Augmented Dickey-Fuller Test, hvor det på baggrund af en hypotesetest skal forkastes, om der er en eller flere Unit root i TS en. Er der Unit roots som der forklarer om TS en er stationær. Stationariteten kontrolleres en ekstra gang under anvendelse af korrelogrammer i forhold til om TS erne er autoregressive, og om der er partial correlation. Heraf kan det vurderes om TS er stationær, hvoraf der korrigeres herved ved at benytte en tilpasset statistiske ARIMA-model. Første ordens autoregressive (benævnes AR(1)) kan beskrives med Ligning 17: Ligning 17: Første ordens autoregressive model u = ρu + ε t t 1 t Kilde: Eviews Hvor ρ er første ordens serielle korrelation koefficiens. AR(1) modellen inkorporer residualerne fra forrige observation i regressionsmodellen til den nuværende observation. Hvis der er tale om en nonstationær TS på baggrund af at der er en unit root i TS en. Derfor korrigeres der ved en AR(1) model. Er der flere unit roots er der tale om en højere ordens autoregressiv model (se Ligning 18) Ligning 18: Højere ordens autoregressive model ut = 1ut 1+ 2ut put p+ t Kilde: Eviews ρ ρ ρ ε Her dør autocorrelationen gradvist ud i imod nul imens den partielle autocorrelation for lages størrere end p er nul Generelt vurderes der ikke til at være nogen mean reversion på baggrund af at afkastet ikke er negativt autocorreladeret. 55 Hvis der er en Unit root siges TS at have en stokastis trand eller være integrerede i x antal unit roots (Wooldridge, 2003). 78

85 Ved en gennemgang af variablerne kan følgende correlogrammer identificeres: Correlogram 79

86 80

87 *Corrologram for DLOG(skib) er ikke muligt pga. der er for få data Umiddelbare vurdering af TS SKIB RENTE CIBOR OMXCB T/C BNP Correlogram** ARIMA (0,1,0) Hvid støj ARIMA (1,0,0) Unit root ARIMA (1,0,1) Med god vilje Unit root ARIMA (0,1,0) Hvid støj ARIMA(1,0,1) Med god vilje UR = unit root Kilde: Egen tilvirknin genem Eviews I forhold til ovenstående foretages test på modellen for at se om TS er stationær. ARIMA(1,0,0) Unit root 81

88 82

89 Bortset fra skibsvariablen og OMXCB som udgangspunkt var vurderet til at være integreret er alle modellerne blevet bekræftet i vurderingen. Der blev ført test på skibs- og OMXCBvariable i 1. differens, hvoraf det viste sig at modellen var en AR(1) proces. For at teste hvor mange unit roots der måske er i TS erne kunnne der være lavet lavet unit root test for at se hvornår det med en valgt signifikans kan forkastes at der er en unit root. Det vil sig det kan estimeres hvor mange unit roots der er ud fra i hvilken differens TS skal testes i før den bliver differens stationær. Det vurderes dog at ovenstående har været tilfredsstillende at teste da corrologrammet viser at der kun er tale om første ordens autoregressive modeller. I forhold til valgte modeller kan afkastet for den enkelte TS dermed bestemmes. Da der ikke er en decideret overensstemmelse af TS erne over hvilken ARIMA model de følger, kan der på separat vist regresseres frem til de for skellige afkast. 83

90 Resultat af OLS i forhold til estimerede modeller er hermed: Umiddelbare vurdering af TS SKIB RENTE CIBOR OMXCB T/C BNP Correlogram ARIMA (1,1,0) ARIMA (1,0,0) ARIMA (1,0,1) ARIMA (1,1,0) ARIMA(1,0,1) ARIMA(1,0,0) Vækst 10,75% -7,2% -6,75% 5,23% 4,13% 4,2% Std.afv. NA 2,8% NA 8,3% NA 0,48% Kilde: Egen tilvirknin genem Eviews På baggrund af at der ikke er data nok til at kunen gennemføre fyldsgørende databehandling af TS benyttes det gennemarbejde datamateriale derfor ikke. Afhandlingen vil derfor kun gøre brug af den beskrivende statistik som omtales i kapittel 4 under datamateriale. 84

91 Bilag 3: Bestemmelse af T/C-raten Middelværdi for Time Charter (1000 TEU) Kilde A B B C TEU-class Average ,4 5, ,6 6, ,7 6, ,1 7, ,2 8, ,4 9, ,8 9, ,0 10, ,8 10, ,2 11, ,0 11, ,8 10, ,3 11, ,0 10,7 10, ,2 9,1 9, ,5 7,2 7, ,1 8,2 7, ,3 11,9 10,1 _999T EU AVERAGE ,4 8,8 8,1 T EU1000_1299HAMB ,4 9,1 6,9 7, ,6 12,1 11,6 10, ,5 18,4 19,1 17, ,1 22,4 23,2 21,2 Spotpris dec-05 13,0 17,9 14,9 15,3 Kilde: Egen tilvirkning på baggrund af A = Clarkson Research Studies (2005), B = Hamburg Shipbrokers Association, (2005), C = Dewry (1999, 2000) T EU1000CLARK T EU700_999HAMB01 85

92 Bilag 4: Supply/demandligevægte (model: p. 62 (Stopford, 1988)). 86

93 Bilag 5: Verdens containerkapaciteter Quarterly container growth by region (Year-on-year change in total port handling) * 2004 Q Q Q Q Q Q2 North America 8.9% 8.8% 5.9% 5.9% 10.1% 13.3% 10.4% 10.3% West Europe 11.6% 8.7% 13.3% 7.8% 11.5% 13.8% 7.8% 10.6% North Europe 11.8% 8.9% 9.6% 8.6% 11.4% 17.4% 10.0% 10.6% South Europe 11.2% 8.2% 18.7% 6.6% 11.6% 8.5% 4.8% 10.5% Far East 17.9% 12.9% 18.4% 19.1% 18.7% 15.5% 12.6% 12.3% South East Asia 12.9% 11.4% 19.0% 22.0% 15.0% -2.9% 8.5% 7.2% Mid-East 19.5% 15.3% 26.2% 17.1% 18.1% 17.3% 12.2% 16.5% Latin America 14.5% 12.3% 16.7% 14.9% 11.2% 15.6% 11.0% 12.1% Caribs/C.America 11.7% 9.3% 16.2% 12.6% 4.9% 13.3% 7.2% 8.8% S.America 17.9% 15.7% 17.5% 17.7% 18.1% 18.1% 15.9% 15.8% Oceania 11.6% 3.9% 7.5% 14.9% 11.0% 13.0% 5.9% 2.4% South Asia 11.8% 7.1% 20.1% 19.8% 4.4% 4.3% 3.4% 3.5% Africa 10.1% 13.4% 6.4% 10.6% 14.3% 9.2% 15.3% 13.1% Eastern Europe 23.2% 19.4% 20.7% 12.8% 30.2% 29.8% 20.6% 24.9% World 14.2% 11.2% 15.7% 14.8% 14.6% 11.9% 10.4% 10.9% * Forecast Source: Drewry Shipping Consultants Ltd, Table 1.1 Forecast development of the container market supply/demand balance (End period) Estimated Effective Capacity* ( 000 Teu) Net Cargo Slot Moves ( 000 Teu) Moves per Effective Slot Drewry Global Supply/Demand Index** , , , , , , , , , , , , , , , , , , * After adjustments for market factors (i.e. box supply, differential ship productivity, deadweight/slot ratio, ship routing factors, ship speed and port productivity ** Index, 1980=100 Source: Drewry Shipping Consultants Ltd, Table

94 World containership fleet by size range (At July 2004) Size Range (Teu) No. of Ships % Total Capacity (teu) % Average Speed (Knots) Average Age (Years) < % 137, % % 458, % ,000-1, % 629, % ,500-1, % 725, % ,000-2, % 654, % ,500-2, % 711, % ,000-3, % 971, % ,000-4, % 1,246, % ,000-5, % 984, % ,000-6, % 549, % ,000-7, % 250, % , % 230, % Total 3, % 7,550, % Source: Drewry Shipping Consultants Ltd, Table

95 Bilag 6: Skibspriser Table 36 Liner Ship Newbuilding Prices $ mill. 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu Yr/Yr % End FCC FCC FCC FCC FCC FCC FCC Index Change ,5 13,0 15,5 21,0 27,0 29,5 33,0 71,1-1,8% ,5 17,5 18,5 25,5 30,5 37,0 42,5 86,3 20,2% ,5 19,5 22,5 35,0 37,0 46,5 53,0 105,9 18,2% aug-04 10,0 19,0 22,0 31,5 35,0 45,0 50,0 100,9 23,5% sep-04 10,0 19,0 22,0 31,5 35,0 45,0 51,0 101,1 23,5% okt-04 10,0 19,0 22,0 31,5 35,0 45,5 51,5 101,3 17,8% nov-04 10,0 19,0 22,0 31,5 35,0 45,5 51,5 101,3 17,4% dec-04 10,5 19,5 22,5 35,0 37,0 46,5 53,0 105,9 18,2% jan-05 11,0 20,0 24,0 38,0 40,0 49,0 56,5 112,0 24,4% feb-05 11,0 20,0 25,0 39,0 41,0 50,0 57,0 113,8 23,9% mar-05 12,5 22,0 26,0 41,0 43,0 52,0 59,0 122,1 23,8% apr-05 13,0 23,0 27,0 43,0 45,0 54,0 62,0 127,4 28,5% maj-05 13,0 23,0 27,0 44,0 46,0 54,0 63,0 128,4 29,4% jun-05 12,5 22,5 26,5 42,0 44,0 52,0 59,0 123,7 22,6% jul-05 12,5 22,5 26,0 42,0 44,0 52,0 59,0 123,3 22,2% aug-05 12,5 22,0 25,0 40,0 42,0 50,0 55,0 119,4 18,1% ,3 21,9 25,8 41,1 43,1 51,6 58,8 kilde: Table 35 Liner Ship Secondhand (10 yr old) Prices $ mill. 350 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu Yr/Yr % End FCC FCC FCC FCC FCC FCC FCC Index Change ,3 6,0 8,5 11,0 13,5 17,0 22,5 60,9 1,6% ,3 7,3 10,5 15,5 17,0 22,5 26,5 73,0 20,5% ,7 11,5 20,0 28,0 32,5 37,5 41,5 124,8 74,5% aug-04 5,0 8,5 16,0 24,0 26,0 32,0 36,0 100,1 41,4% sep-04 5,3 9,0 16,0 26,5 28,5 32,0 36,0 104,8 48,2% okt-04 5,3 9,0 16,0 26,5 28,5 32,0 36,0 104,8 48,2% nov-04 6,4 11,0 19,0 26,5 31,0 37,5 41,5 120,3 67,2% dec-04 6,7 11,5 20,0 28,0 32,5 37,5 41,5 124,8 74,5% jan-05 6,7 11,5 20,0 28,0 32,5 37,5 41,5 124,8 66,2% feb-05 7,0 12,0 22,0 32,0 36,5 43,0 47,5 137,4 67,3% mar-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 95,5% apr-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 85,1% maj-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 70,0% jun-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 70,0% jul-05 9,7 16,5 22,0 33,0 36,0 41,5 47,5 153,3 62,5% aug-05 9,7 16,5 22,0 33,0 36,0 41,5 47,5 153,3 54,4% ,0 15,3 22,5 34,0 36,6 42,9 49,0 kilde: 89

96 Brugtprisen procentvis lavere end nyprisen (10 yr old) End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu % 54% 45% 48% 50% 42% 32% % 59% 43% 39% 44% 39% 38% % 41% 11% 20% 12% 19% 22% aug-04 50% 55% 27% 24% 26% 29% 28% sep-04 47% 53% 27% 16% 19% 29% 29% okt-04 47% 53% 27% 16% 19% 30% 30% nov-04 36% 42% 14% 16% 11% 18% 19% dec-04 36% 41% 11% 20% 12% 19% 22% jan-05 39% 43% 17% 26% 19% 23% 27% feb-05 36% 40% 12% 18% 11% 14% 17% mar-05 23% 25% 10% 11% 12% 13% 12% apr-05 26% 28% 13% 15% 16% 17% 16% maj-05 26% 28% 13% 17% 17% 17% 17% jun-05 23% 27% 11% 13% 14% 13% 12% jul-05 23% 27% 15% 21% 18% 20% 19% aug-05 23% 25% 12% 18% 14% 17% 14% kilde: egen tilvirkning Årlig skibspriser for et 1000 TEU skib år Ny Gl dlog.gl log ,50 8,5-45% 0, ,50 10,5-43% 0, , , % 0, , ,81 22,5-13% 0, , std 4, , , , , kilde: egen tilvirkning Procentafskrivning pa. End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu ,7% 8,0% 6,2% 6,7% 7,2% 5,7% 3,9% ,1% 9,1% 5,8% 5,1% 6,0% 5,1% 4,8% ,6% 5,4% 1,2% 2,3% 1,3% 2,2% 2,5% ,1% 3,6% 1,4% 1,9% 1,6% 1,9% 1,8% kilde: egen tilvirkning Ligning 19: Årlig procentvis afskrivning 1 y p A = 1 s Hvor A er årlig afskrivning, p er nyprisen, s er prisen for det gamle skib, hvor y er alderen på det gamle skib. 90

97 Bilag 7: Omkostningsbenchmark Omkostningsberegninger (efter exceldokumentet driftresultatudregning ) Kilde: Difko, (2005) Projekt: Passat Vergi CS&P Gns. Pris v Teu kapacitet DWT NT Personer Skat 0,28 0,28 0,28 Periode Udstyr geared gearless gearless Investering (aktiver) DKK/TEU DKK/TEU DKK/TEU DKK/TEU DKK Skibspris 136,0 88,9 58,5 94, finansiering 1,2 1,8 0,2 1, udbudsvederlag (undersøgelse etc.) 6,8 4,4 0,8 4, Likviditet 7,9 2,1 0,0 3, Aktiver i alt 152,0 97,3 59,5 102, Finansiering (passiver) Stamkapital 21,7 4,8 14,6 13, lån 104,1 92,2 44,9 80, Kassekredit 26,0 0,0 0,0 8, Lån fra komplementar selsk. 0,1 0,3 0,0 0,1 140 Passier i alt 152,0 97,3 59,5 102, T/C (Hyreindtjeningen) 42,9 35,3 15,9 31, Driftsomk. Besætning 7,8 6,3 1,5 5, Forsikring 1,8 1,4 0,5 1, Reparation og vedl. 5,3 2,9 1,1 3, Div. 0,0 1,0 0,1 0,4 366 Driftsomk. I alt 15,0 11,6 3,2 9, Administationsomk Adm. (honorar) 0,4 0,4 0,4 0,4 382 Kommacielt management 2% af T/C 0,9 0,8 1,2 1,0 950 Teknisk management 1,1 0,9 3,5 1, Bestyrelsesvederlag 0,0 0,1 0,0 0,0 19 Revision 0,0 0,1 0,0 0,0 29 diverser adm omk 0,0 0,0 0,0 0,0 13 Adm. i alt 2,4 2,2 5,1 3, Dokning og klasningsomk. 2,3 2,6 0,2 1, Samlet omk. 19,6 16,4 8,5 14, EBITDA 23,3 18,9 7,4 16, Renter/kursregulering/låneomk 6,7 4,4 2,1 4, EBA 16,6 14,6 5,4 12, Afsk 10,1 8,6 3,1 7, Netto res. 6,5 6,0 2,3 4,

98 Bilag 8: Soliditetsgrad for danske rederier Soliditetsgrad for danske rederier Navn Solidit et % EPS BVPS Egenkapital A.P. Møller - Mærsk B 58,9 5540, D/S Norden 64,7 114,5 147,3 N/A Vægtning % Fordeling % 97,3 57,3 D/S Orion 1,5 2,4 0, ,0 0,0 DFDS 33,1 22,9 350, ,4 0,8 Mols-Linien 46 1,4 134, ,3 0,1 D/S Torm 50 8,2 23,7 N/A ,00 58,2 Kilde: den. 21/3/2006 Soliditetsgrad for projekter Belånings- Solidi- Vægt- Fordetetsgr. ning % ling % 1000kr Projektværdi Lånetagning grad passat dkk % 14% 45% 6% Vergi dkk % 3% 13% 0% hamburg usd % 25% 42% 10% % 17% Gennemsnitlig vægted kapitalstruktursfordeling på baggrund af soliditeten = 17% Kilde: difko, 2005, 2005b, CS&P, 2005 Soliditetsgraden for de mindre projekter er generelt meget lavere end de mere veletablerede rederier. Ser man på den individuelle soliditet har projekterne generelt en soliditetsgrad mindre end 25%, hvor rederierne som har med containerdrift ligger meget højere på 50% og opefter. 92

99 Bilag 9: Betaværdier Rederiet MAERSK NORDEN ORION TORM OMXCB N 2667 Gns 0,0007 0,0011 (0,0002) 0,0009 0,0005 Standardafv 0,0214 0,0228 0,0669 0,0198 0,0098 Varians 0,0005 0,0005 0,0045 0,0004 0,0001 Geometriskafk. Pa 0,1714 0,2799 (0,0444) 0,2400 0,1331 Aritmetriskafk pa. 0,4664 1,6114 (0,0357) 1,0393 0,2836 Iteration afkast Covar 0, , , , Correlatio 0,877 0,659 0,142 0,688 Beta 1, , , , Beta(Lev.) (datastream) 1,457 0,668 0,69 0,96 Market-value d/eq ratio 60% 41% 35% 99% 50% Tax tatio 0,047% 0,047% 0,047% 0,047% 0,047% Beta unlevered 1,36 1,14 0,49 0,93 Beta unlev. Ave. 0,98 Beta re-levered 1,57 93

100 Bilag 10: Kapitalomkostninger Capital asset pricing modellen (CAPM) Nøglebegreber Beskrivende Statistik regression ar(1) Aritmetisk r f 3,40% 4,77% 6,00% E(r m ) 8,84% 6,48% 11,90% Β (note 2) 1,57 1,57 1,57 E(r m )-r f 5,44% 1,71% 4,83% k e 11,9% 7,4% 13,9% * Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer **korrigeret for trends, seasonalitet- cyclical variation og irregular aktivitater Kilde: Egen tilvirkning gennem datasætfil Kapitalomkostninger Nøglebegreber Beskrivende statistik regression ar(1) Aritmetisk k d 4,40% 4,77% 6,00% K/V (Note 1) 60,00% 60% 60,00% V k e 11,90% 7% 13,90% E/V 40,00% 40% 40,00% Opp.cost. of capital 7,40% 5,84% 19,17% * Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer **Korrigeret for trends, seasonalitet- cyclical variation og irregular aktivitater Kilde: Egen tilvirkning gennem datasætfil Opportunity Cost of Capital r = r D * + re V op d * E V k d = Expected yield to maturity on noncallable, nonconvertible debt (før skat) B = den rentebærende gæld V = markedsværdien af entreprisen k e = cost of equity capital S = markedsværdien af aktiver Kilde: Copeland et. all. (2000); Myers, (2003) Capital asset pricing modellen (CAPM) k = r s f + [ E r ) r ]* β ( m f r f = den risikofrie rente E(r m ) = forventede rate of retur non the overall market portfolio Β = den systematiske risiko af aktiverne k e = cost of equity E(r m )-r f = markeds risiko præmie (RP) Kilde: Copeland et. all. (2000); Myers, (2003) 94

101 Bilag 11: Regnskabsanalyse Noter Noter Notebeskrivelse 1000 DKK 1 Incomestatement Rederiet Beskrivelse Estimeret T/C indtægt Driftsomk. Hyreomkostninger Forsikringer Vedligeholdelse Diverse 366 Hensættelse til dokning Driftsomk i alt (cost of good sold) Administration Adm. (honorar) 382 Kommacielt management 950 Teknisk management Bestyrelsesvederlag 19 Revision 30 diverser adm omk 13 Adm. i alt Samlede driftsomk EBITDA Tonnageskat DKK Nettotonnage Enheder kr døgn skattegrundlag Tonnageskat i alt Skat 30% Skatteandel af 1000 TEU Skibspris USD kurs 6,00 Skibspris DKK Skatteandel 0,156% Skat 0,047% Povision for income taxes Taxes on EBITA Provision for income taxes 0 95

102 Tax shield on interest expense, net 0 Tax on non-operating income 0 Taxes on EBITA DKK Lånestørrelse Size of loan 60% Lånestørrelse (obl.omk medregnes) Length of loan 10 år Moratorium Currency DKK Kurs 600 Source of loan 2,0 Skibe INK St Kurs 84,75 Market interest rate 3,93% Kilde: Terms of loan Annuitet Effektiv. Rente 1. år Afdrag 1. år ydelse 1. år Cargo capacity 1000 TEU Ship size Ship productivity Backhauls Operationg speed Off hire time (dage) 5 Dwt Utilization 9 Kurs DKK/USD 600 Projektopbygning (entreprisen) DKK* USD Købspris Udbudsvederlag Købs- og låneomkostninger Projektpris i alt *Kurs = 600 USD/DKK Kilde: Egen tilvirkning 96

103 Bilag 12: Forecasting Kilde: datafil: forecasting 97

104 Bilag 13: Simulering med normalfordelinger Kilde: Egen tilvirkning gennem Crystal ball 98

105 Run preferences: Number of trials run Monte Carlo Random seed Precision control on Confidence level 95,00% Run statistics: Total running time (sec) 4380,73 Trials/second (average) 228 Random numbers per sec 685 Crystal Ball data: Assumptions 3 Correlations 3 Correlated groups 1 Decision variables 0 Forecasts 1 ForecastsWorksheet: [Hovedopgave datasæt xls]Simulering Forecast: NPV Summary: Statistics: Certainty level is 90,0000% Certainty range is from ( ) to Entire range is from ( ) to Base case is After trials, the std. error of the mean is Forecast values Trials Mean Median Mode ( ) Standard Deviation Variance Skewness 5,32 Kurtosis 64,98 Coeff. of Variability 2,45 Minimum ( ) Maximum Range Width Mean Std. Error

106 Forecast: NPV (cont'd) Percentiles: Forecast values 0% ( ) 10% ( ) 20% ( ) 30% ( ) 40% % % % % % % Assumption: OMKOSTNINGER Normal distribution with parameters: Mean 4,43% Std. Dev. 1,52% (=F8) Correlated with: Adjusted Coefficient SKIBSPRIS (E26) -0,27-0,56 T/C (E6) 0,55 0,97 (='Samlet datasaet'!$f$78) (='Samlet datasaet'!$h$83) Assumption: SKIBSPRIS Normal distribution with parameters: Mean -27,97% Std. Dev. 18,55% (=F26) 100

107 Correlated with: Adjusted Coefficient (='Samlet OMKOSTNINGER (E8) -0,27-0,56 datasaet'!$f$78) (='Samlet T/C (E6) 0,54 0,95 datasaet'!$h$78) Assumption: T/C Normal distribution with parameters: Mean 4,56% Std. Dev. 18,88% (=F6) Correlated with: Adjusted Coefficient OMKOSTNINGER (E8) 0,55 (='Samlet 0,97 datasaet'!$h$83) SKIBSPRIS (E26) 0,54 (='Samlet 0,95 datasaet'!$h$78) Trend Charts 101

108 Sensitivity Charts 102

109 Bilag 14: Simulering med Weibull- og normalfordelinger Kilde: Egen tilvirkning gennem Crystal ball 103

110 Bilag 15: Stress test analyse af scenarier Downside med 20% T/C-nedgang Kilde: Egen tilvirkning gennem Crystal ball 104

111 Crystal Ball Report - Full Simulation started on 3/21/2007 at 22:10:07 Simulation stopped on 3/21/2007 at 22:15:55 Run preferences: Number of trials run Monte Carlo Random seed Precision control on Confidence level 95,00% Run statistics: Total running time (sec) 348,46 Trials/second (average) 287 Random numbers per sec 861 Crystal Ball data: Assumptions 3 Correlations 3 Correlated groups 1 Decision variables 0 Forecasts 1 Forecasts Worksheet: [Hovedopgave datasæt xls]Simulering Forecast: NPV Cell: G29 Summary: Certainty level is 44,779% Certainty range is from ( ) to Entire range is from ( ) to Base case is After trials, the std. error of the mean is Statistics: Forecast values Trials Mean Median Mode Standard Deviation Variance ############### Skewness 5,09 Kurtosis 55,36 Coeff. of Variability 3,16 Minimum ( ) Maximum

112 Range Width Mean Std. Error Forecast: NPV (cont'd) Cell: G29 Percentiles: Forecast values 0% ( ) 10% ( ) 20% ( ) 30% ( ) 40% ( ) 50% % % % % %

113 Upside med 20% T/C-opgang Kilde: Egen tilvirkning gennem Crystal ball 107

114 Crystal Ball Report - Full Simulation started on 3/21/2007 at 22:21:45 Simulation stopped on 3/21/2007 at 22:26:42 Run preferences: Number of trials run Monte Carlo Random seed Precision control on Confidence level 95,00% Run statistics: Total running time (sec) 297,06 Trials/second (average) 337 Random numbers per sec Crystal Ball data: Assumptions 3 Correlations 3 Correlated groups 1 Decision variables 0 Forecasts 1 Forecasts Worksheet: [Hovedopgave datasæt xls]Simulering Forecast: NPV Summary: Certainty level is 44,848% Certainty range is from ( ) to Entire range is from ( ) to Base case is After trials, the std. error of the mean is Statistics: Forecast values Trials Mean Median Mode --- Standard Deviation Variance ############### Skewness 5,16 Kurtosis 59,36 Coeff. of Variability 2,09 Minimum ( ) 108

115 Maximum Range Width Mean Std. Error Forecast: NPV (cont'd) Percentiles: Forecast values 0% ( ) 10% ( ) 20% ( ) 30% ( ) 40% % % % % % %

116 Bilag 16: Two-Way simulering Kilde: Egen tilvirkning gennem Crystal ball Two-way simulering med T/C, skibspriser, renter og valutakursen måles som dynamiske forudsætninger. Resultatet er svingende hvoraf det ses, at når T/C, renten eller valutaen (USD) sioleres kommer resultatet frem til noget svingende resultat Variabilitetsvariable er resultatet et spredet resultat. Når 1. stress test viser en middelværdi på -115 mio DKK, hvor henholdsvis T/C falder med 23% og skibspriser med 22%. T/C Skib Omkostninger 110

117 Skib/omk. T/C / omk. T/C / Skib 111