N O T A T Papir B Nye beregninger af markup Kort Resume Dette er papir B i serien af analyser vedr. måling af konkurrence i den finansielle sektor 1. De markup beregninger, som institutioner som fx Det Økonomiske Råd konkluderer på, giver efter Finansrådets mening ikke det fulde billede. Dette papir Aeregner nye markup niveauer for danske erhvervsbrancher med to primære modifikationer. Indledningsvis inddrages mere information i beregningen (En mikrotilgang anvendes i stedet for en makrotilgang). Dernæst anvendes en mere nuanceret afspejling af produktionsomkostningsstrukturen. 3. december 2007 Tilgangen er kort fortalt at undersøge, hvor stor en andel af en branches samlede værdiskabelse, der går til aflønningen af produktionsfaktorerne, herunder kapital. Resterer der noget, er det en form for (ekstra) overskud. Det undersøges, om der er forklaringer på dette ekstraordinære overskud, fx bedre tilrettelæggelse af produktionen. 2 Vores resultater viser, at de tidligere markup beregninger kan have skønnet niveauerne for høje. Fx vil markup niveauet på 49 pct. i den finansielle sektor fra Vismandsrapporten i efteråret 2005 falde til en markup på 12 pct. (for bankerne alene) baseret på vores metode og tal. Det skyldes bl.a., at beholdningen af finansielle aktiver forudsætter en relativ høj aflønning, som der ikke har været taget højde for. Det er dog ikke kun i den finansielle sektor, at markup niveauet falder drastisk. En del andre brancher har ligeledes store beholdninger af finansielle aktiver, der leder til et lavt markup, eller ligefrem et markdown. Den kritiske antagelse bag disse resultater er, hvordan de finansielle aktiver skal aflønnes. Her er valgt et såkaldt "Weighted Average Cost of Capital" udtryk. De samlede resultater fremgår af tabel 1 på side 6. Kontakt Niels Storm Stenbæk Direkte 3370 1105 nst@finansraadet.dk Indholdsfortegnelse Beregning af markup i danske brancher... 2 Teoretisk baggrund... 4 Data... 5 Estimation... 5 Resultater... 5 Litteratur... 7 Teknisk appendiks... 8 Appendiks tabeller... 13 1 Papir A præsenterer beregninger på den såkaldte H-statistik udviklet af Panzar og Rosse (1987). Papir C viser beregninger på baggrund af Bresnahan metoden. 2 Dermed kan der godt afstedkomme et afkast til fx lånt kapital (så længe der tages højde for, at renten på gælden også skal afholdes).
Beregning af markup i danske brancher Er indtjeningen blandt bankerne for høj? Ifølge Konkurrencestyrelsen er den finansielle sektors forrentning af egenkapitalen på et så højt niveau ift. andre danske sektorer, at det må give anledning til overvejelser om problemer med konkurrencen. Side 2 Tilsvarende har konkurrenceredegørelserne (se fx Konkurrenceredegørelse 2007) peget på, at prisniveauet for finansielle tjenesteydelser er højt sammenlignet med EU9. 3 Dybest set er den bedste tilgang ikke at se på hverken indtjening, eller prisniveauer for den sags skyld, hvis man vil sammenligne sektorer i fx Danmark. Det skyldes de strukturelle forskelle mellem brancher, fx højere investeringer, som der ikke kontrolleres for. Til bedømmelse af konkurrence bør man derfor udvikle indikatorer, der tager højde for strukturelle forskelle. 3 Egenkapitalforrentningen blandt danske banker er dog ikke høj i et internationalt perspektiv, jf. fx ECB (2006). Dernæst kommer, at en høj indtjening også kan skyldes, at bankerne drives mere effektivt. Senest har IMF (2007) dokumenteret, at danske banker er mere omkostningseffektive end gennemsnittet i Europa.
Et godt eksempel på sidstnævnte er markup beregninger 4. Markup er defineret som forholdet mellem den pris, en virksomhed tager, og marginalomkostningen ved at producere et produkt. I omkostningerne indregnes bl.a. kapacitets- og kapitalomkostningen, dvs. markup er overnormal profit. Side 3 DØR præsenterede i Vismandsrapporten "Dansk Økonomi efterår 2005" markup estimater for 17 danske brancher. Resultaterne er præsenteret ovenfor. Som det fremgår, er markup niveauet for finansiel virksomhed på 1,49. Dvs., at prisen på finansielle produkter er 49 pct. højere end omkostningen ved at producere den ekstra enhed, under visse forudsætninger. Der findes flere forskellige tilgange til beregning af markup. DØR tager udgangspunkt i en model af Roeger (1995). Roegers tilgang er blevet anvendt i en række andre sammenhænge, se fx Martins m. fl. (1996), Hylleberg og Jørgensen (1998) eller Lundin (2005). For den tekniske beskrivelse af denne tilgang, se en af disse artikler. Kort fortalt er metoden baseret på makrotidsserier. Denne metode giver ikke et perfekt billede af omkostningen ved fravær af konkurrence. Fx siger den ikke noget om graden af produktionsineffektivitet, der kan følge af mangelfuld konkurrence. Der bliver ikke taget højde for aflønning af andre immaterielle aktiver, fx royalties, hvilket kan give anledning til en overvurdering af markup. Desuden kan overnormal indtjening også give sig udslag i højere lønninger til de ansatte. Den største anke over for Roegers metode set fra Finansrådets synspunkt er imidlertid, at den ikke tager højde for aflønning af de finansielle aktiver. Netop de finansielle aktiver er en vigtig del af produktionsapparatet i sektoren. De materielle aktiver udgør normalt kun 1 pct. af den samlede balance. Det må være en rimelig antagelse, at man skal aflønne samtlige "earning assets" og ikke kun den faste realkapital (dvs. kapitalapparatet). Dette sammenligningsgrundlag brancherne imellem må være mere berettiget end "den normale" tilgang uden finansielle aktiver. Formålet med dette papir er dermed at ny-estimere markup niveauer. Den nye beregning tager bl.a. højde for aflønning af de finansielle aktiver. Der anvendes mere retvisende tal for aflønning af produktionsfaktorerne, fx anvendelse af usercosts (se beskrivelse nedenfor) i stedet for eksempelvis afskrivning på kapitalapparatet. Det er muligt at medregne de immaterielle aktiver, men i lyset af at ganske få virksomheder har det opført i deres regnskab, er de immaterielle aktiver udeladt for at få flere observationer til estimationen. Ligeliges burde de likvide midler og værdipapirer fra omsætningsaktiverne medtages, men er igen i lyset af få observationer fravalgt. 4 Andre eksempler er lønpræmieberegning eller beregning af den såkaldte H-statistik, se papir A i denne serie.
Side 4 Modsat DØR beregnes der på mikroobservationer i form af regnskabsoplysninger for danske firmaer. Det betyder flere observationer og mere variation at estimere på. Hvilket alt andet lige vil medføre bedre estimater af markup niveauerne. Teoretisk baggrund Mikrometoden i dette papir svarer til udgangspunktet for DØR's makrometode. Basalt set er tilgangen at se på hvor meget af værditilvæksten, der går til at aflønne de faktorer, der indgår i produktionen. Det, der resterer, er en form for (ekstra) overskud. Det undersøges imidlertid, om der er strukturelle faktorer, der kan forklare denne residual. Med andre ord: Aflønningen af produktionsfaktorer ift. værditilvæksten regresseres på de faktorer, der bør kunne forklare en højere indtjening. Er der pæne residualer, vil konstanten svare til et estimeret markup niveau. Modsat DØR anvendes dog mikroobservationer. Se også beskrivelsen af datamaterialet nedenfor. Inspiration er hentet fra Nishimura m.fl. (1999) med enkelte modifikationer. Det bemærkes, at tilgangen her ikke skal forveksles med, hvordan egenkapitalen forrentes. Her medtages også aktiver, som i princippet kunne være anskaffet med lånte penge. Så længe der bare tages højde for dette. Udgangspunktet er en neoklassisk produktionsfunktion for branche j og virksomhed i Q F K, L, A (1) Hvor Q, K, L og A er hhv. produktion, kapital, arbejdskraft og totalfaktorproduktiviteten. Der henvises til Nishimura papiret for den teoretiske udledning af den implementerede model. Via omskrivninger kommer man frem til L K FK j jx j u ln (2) hvor "venstresiden" er den log-transformerede aflønning ift. værditilvæksten af hhv. arbejdskraft, fast realkapital og finansielle aktiver. Se det tekniske appendiks for forklaring af "højreside" variable. Valget af flere af disse variable følger fra en produktionsfunktionstilgang. Markup niveauet er heraf givet ved markup j e j (3)
En markup estimat på 1 indikerer, at prisen svarer til omkostningen ved at producere den sidste enhed. Er dette tilfældet, kan konkurrencen på det pågældende marked i princippet betegnes som fuldkommen. Er markup estimatet derimod signifikant større end 1, er der tegn på, at dette marked kan have konkurrenceproblemer. Bemærk, at i tabellen med resultaterne er værdien 1 fratrukket markupniveauet, så en positiv værdi indikerer et markup, mens en negativ værdie er forbundet med et markdown. Side 5 For at markup estimatet skal give en vis mening forudsættes det, at de virksomheder der grupperes indenfor den samme brancheopdeling i høj grad omsætter varer og produkter, der er substituerbare. Endelig er det nødvendigt at antage konstant markup i estimationsperioden, hvilket indlysende kan være problematisk, da markup i visse brancher sandsynligvis udvikler sig i estimationsperioden. Data Datamaterialet til beregningen af markup niveauer er KOB/Experians firmadatabase. Som udgangspunkt (dvs. før talbehandling) er der informationer (men ikke fuldt dækkende) om 135.607 firmaer. Som udgangspunkt for perioden 2001-2005 el. 2002-2006 afhængig af hvilken tid på året, firmaet aflægger regnskab. Det endelige antal observationer for hver branche vil fremgå i afsnittet med resultater. Markup bliver således et gennemsnit for perioden 2001 til 2006 5. Pga. detaljeringsniveauet i den anvendte tilgang bliver antallet af observationer dog forholdsvist moderat. Der beregnes for et brancheniveau svarende til Nationalregnskabets 27- inddeling. Det er muligt at bruge et mere disaggregeret niveau, som dog skal holdes op mod antallet af observationer. Estimation Modellen i (2) estimeres som ved GMM med fixed effects og 2 SLS, foruden en White korrektion på standardafvigelserne. Se papir A for bevæggrunden bag dette valg. Resultater Resultaterne af markup estimationen fremgår af tabel 1. 6 5 Det er en aktuel problemstilling for de fleste tidsserie analyser. 6 Der er anvendt branchespecifikke bagatelgrænser for at tillade strukturelle forskelle på tværs af erhverv.
Tabel 1: Markup estimater for perioden 2001-2006 (markup = 0 svarer til intet markup) Test for Ho: markup=0 uden finan- Markup Test for Ho: Antal observationer R2 instrumenter aktiver sielle aktiver Justeret Sargan test for Branche niveau markup=0 01109 Landbrug -0.15 0.23 271 0.75 0.34-0.06 0.51 01129 Gartnerier, planteskoler og frugtplantager -0.07 0.95 43 0.51 0.99-0.04 0.97 Side 6 Markup niveau uden finansielle 01400 Maskinstationer, Anlægsgartnerier mv. -0.02 0.67 65 0.88 0.57-0.01 0.86 15009 Føde-, drikke-, tobaksvareindustri 0.06 0.36 335 0.85 0.00 0.13 0.06 17009 Tekstil- og læderindustri 0.38 0.00 66 0.82 0.61 0.37 0.00 21009 Papir- og grafisk industri 0.06 0.24 433 0.82 0.06 0.07 0.14 24000 Kemisk industri 0.30 0.00 126 0.86 0.25 0.40 0.00 25000 Gummi- og plastindustri -0.12 0.54 123 0.86 0.22-0.07 0.59 26000 Sten-, ler- og glasindustri -0.20 0.00 127 0.92 0.07-0.17 0.00 27009 Fremstilling og forarbejdning af metal -0.05 0.70 392 0.77 0.51-0.04 0.75 29000 Maskinindustri -0.21 0.02 342 0.79 0.01-0.20 0.04 30009 Elektronikindustri 0.06 0.04 370 0.81 0.02 0.15 0.00 35009 Transportmiddelindustri -0.11 0.06 68 0.79 0.25-0.09 0.13 36000 Møbelindustri og anden industri -0.01 0.95 131 0.77 0.55 0.01 0.97 40009 Energi- og vandforsyning -0.43 0.00 151 0.78 0.35-0.28 0.00 45000 Bygge og anlæg 0.01 0.54 2081 0.72 0.04 0.03 0.06 51000 Engroshandel undtagen med biler 0.38 0.00 2436 0.75 0.00 0.46 0.00 52109 Detailhandel med fødevarer mv. 0.23 0.00 704 0.64 0.10 0.25 0.00 52419 Detailhandel med beklædning og fodtøj 0.56 0.00 203 0.73 0.79 0.59 0.00 52449 Detailhandel i øvrigt, reparationsvirksomhed 0.34 0.00 633 0.84 0.73 0.37 0.00 55000 Hoteller og restauranter 0.22 0.00 480 0.87 0.89 0.23 0.00 60000 Land-, rørtransport -0.05 0.37 366 0.79 0.71-0.03 0.57 61000 Skibsfart -0.08 0.68 73 0.85 0.91-0.08 0.68 63000 Hjælpevirksomhed til transport 0.21 0.03 267 0.87 0.83 0.27 0.01 64000 Post og tele 0.21 0.00 85 0.86 0.24 0.20 0.00 65000 Finansiering 0.12 0.00 1300 0.81 0.73 0.42 0.00 66000 Forsikring -0.27 0.14 141 0.74 0.15 1.15 0.00 67000 Finansiel service -0.14 0.98 48 0.82 0.97 0.37 0.95 70000 Ejendomsudlejning og -formidling -0.29 0.00 863 0.71 1.00-0.17 0.00 71000 Udlejning af transportmidler og maskiner 0.07 0.51 142 0.85 0.94 0.55 0.01 72000 It-service 0.21 0.00 744 0.61 0.85 0.26 0.00 73000 Forskning og udvikling -0.22 0.20 49 0.85 0.86-0.26 0.11 74000 Rådgivning og rengøring mv. 0.00 0.79 3633 0.75-0.12 0.00 80000 Undervisning 0.47 0.00 91 0.79 0.99 0.56 0.00 85109 Sundhedsvæsen 0.41 0.00 631 0.73 0.28 0.45 0.00 85329 Sociale institutioner for voksne -0.34 0.05 117 0.86 0.21-0.21 0.22 92000 Forlystelser, kultur og sport 0.26 0.00 193 0.77 0.83 0.38 0.00 93009 Anden servicevirksomhed 0.06 0.60 145 0.77 0.48 0.12 0.34 Anm: Positive værdier indikerer et markup. Negative værdier et markdown. For markedsmæssig virksomhed. En p-værdi tæt på 0,00 indikerer, at man kan afvise, at markup værdien er lig 0. P- værdierne og antal observationer er for estimation med finansielle aktiver. Antallet af observationer på estimation uden finansielle aktiver er uden undtagelse højere. Branchegrupperingen er Nationalregnskabets 53 gruppering. De brancher, der ikke fremgår af tabellen har alle mindre end 40 observationer at estimere på. Kilde: Egne beregninger på KOB/Experian.
Vores beregning af markup niveauer viser et fald for flere brancher ift. DØRs beregninger. Banernes markup falder til 12 pct. 7 I forsikringsbranchen og for finansiel service er der måske ligefrem tale om egentlige markdowns, og ikke markups. Statistiske test kan dog ikke signifikant bekræfte dette. Side 7 Medregner man ikke de finansielle aktiver vurderes bankernes markup til 42 pct. og i forsikringsbranchen på 115 pct. (DØRs niveau var på 49 pct. for hele den finansielle sektor). Det bemærkes desuden, at en flere brancher har en værdi signifikant under 0, dvs. et reelt markdown. Dvs. resultatet står ikke mål med aflønningen af produktionsfaktorerne. Det er tilfældet for sten, ler og glasindustri, maskinog transportmiddelindustri, energi- og vandforsyning, ejendomsudlejning og social institutioner for voksne (de private, der kun beregnes på markedsmæssig økonomi). En virksomhed kan operere og overleve - under sådanne forhold. Imidlertid må man være bevidst om, at man får en forrentning af særligt de finansielle aktiver, der ligger under hvad man kan forvente i markedet. Modsat har flere brancher i vores måling et signifikant markup niveau. Dvs. priserne er højere end omkostningerne tilsiger, hvis man medregner en aflønning af de finansielle aktiver. Det er faktisk tilfældet for finansieringsbranchen. Derudover ses den samme tendens i tekstil- og læderindustri, kemisk industri, elektronikindustri,, engroshandel og hele detailhandlen, hoteller og restauranter, hjælpevirksomhed til transport, post og tele, itservice, undervisning og sundhedsvæsen (igen, de private, eftersom der kun beregnes på markedsmæssig økonomi) og forlystelser, kultur og sport. Litteratur Det Økonomiske Råd (DØR) (2005): "Dansk Økonomi Efteråret 2005", København. ECB (2006): "EU Banking Sector Stability", November 2006. Hylleberg, S. og Jørgensen, R.W. (1998): "A note on the estimation of markup pricing in manufactoring", Centre for Non-linear Modelling In Economics, WP no. 1998-6. IMF (2007): "IMF Country Report no. 07/122", Marts 2007. Konkurrenceredegørelsen 2007: Konkurrencestyrelsen, København. Lundin, N. (2005): "Do Exports lead to higher markups? Microeconometric evidence from Swedish manufacturing in the 1990s". Örebro University. Martins, J. O., S. Scarpetta og D. Pilat (1996): "Markup Pricing, Market Structure and the Business Cycle". OECD Economic Studies, 27(II). 7 Jf. appendiks kan de 12 pct. meget vel være for sat for højt. I beregningen af aflønningen af den faste realkapital er den finansielle sektor i vægtningen af kapitaltyper grupperet med forretningsservice. Da it-kapital er mere udbredt i den finansielle sektor, kan aflønningen af kapitalapparatet formentligt være sat for lavt for banksektoren.
Nishimura K. G., Ohkusa, Y. og Ariga, K. (1999): "Estimating the markup over marginal cost: a panel analysis of Japanese Firms 1971-1994", International Journal of Industrial Organization 17, 1999, s. 107-1111. Panzar, J.C. og Rosse, J.N. (1987): "Testing for 'monopoly' equilibrium", Journal of Industrial Economics, 35, pp. 443-456. Roeger, W. (1995): "Can Imperfect Competition Explain the Difference Between Primal and Dual Productivity Measures? Estimates for U.S. Manufacturing". Journal of Political Economy, 103 (2), pp. 316-330. Side 8 Wooldridge, Jeffrey M. (2002): "Econometric Analysis of Cross Section and Panel Data", MIT Press, Cambridge, Massachusetts. Teknisk appendiks På baggrund af KOB/Experian datakilde konstrueres følgende variable, der skal indgå til bestemmelsen af markup niveauer i de danske produktmarkeder. L Som aflønning af arbejdskraft anvendes personaleomkostningerne. Hvormed L, ij personaleo mkostninge r værditilvæ kst ij ij (4) K Som proxy for prisen på den faste realkapital (kapitalapparatet) anvendes branchespecifikke user-costs, der populært kan kaldes prisen på benyttelse af kapitalapparatet. Usercosts er et udtryk for det enkelte kapitalgodes (fx en maskines) marginalproduktivitet. Dermed kan usercosts udlægges som omkostningen ved at anvende/leje en kapitalydelse over en given periode. Dermed modsvarer det aflønningen af arbejdskraften, dvs. lønningerne. Usercosts anvendes i stedet for prisen på kapitalgodet (som opgjort ud fra nettobeholdningen i løbende priser). Derved fanger man den substitution, der har været fra et mere traditionelt produktionsapparat som en maskine over mod kapital med en højere marginalproduktivitet, såsom it-kapital. Udnytter en branche mere intensivt it, skal det også afspejles i en højere aflønning af kapitalapparatet. Fx fordi man afskriver hurtigere på en computer. Desuden opleves væsentlige prisfald på en computer ift. en traditionel maskine, hvilket også må afspejles i omkostningen. Desværre er det med det foreliggende datamateriale ikke muligt at udskille it-kapital. Men dog bygninger, driftsmidler, anlæg og andre materielle aktiver, der har forskellig marginalproduktivitet. User-cost udtrykket er givet ved: e 1d jt K jt pk Usercost jt, 1 (5)
Hvor er en gængs lånerente (en kort markedsrente), er den faktiske økonomiske afskrivning (afskrivninger ift. anlægsaktiver), den forventede inflation, er selskabsskattesatsen og d er nutidsværdien af de skattemæssige afskrivninger for investeringer. Side 9 I stedet for selv at beregne et sådant virksomhedsspecifikt udtryk, er branchespecifikke usercosts udtryk venligst udlånt fra Danmarks Statistik, Kontoret for Nationalregnskab. Den mest detaljerede brancheopdeling er Nationalregnskabets 53-opdeling. Disse er således de "officielle" kapitalpriser, der bl.a. indgår i beregningen af det danske vækstregnskab. Der er anvendt ikke-kalibrerede værdier, da DST's kalibrering er til bruttooverskuddet, dvs. en antagelse om fravær af en evt. markup. En usercost værdi for hver branche fås ved at vægte 6 typer af kapital med branchens bruttobeholdning af den angivne kapitaltype: Usercost j, t 6 usercost k 1 6 k 1 jk, t aktiv aktiv jk, t jk, t Kapitaltyperne er maskiner og inventar (ikke it), it, transportmidler, bygninger, anlæg og anden realkapital. Usercosts er som udgangspunkt årsspecifikke. Da tidsrækken imidlertid stopper i året 2003, er der for de efterfølgende år brugt et glidende gennemsnit at de 5 forudgående år. Usercosts for året 2006 fremgår af tabel A1 i appendiks. (6) Da tal for fast realkapital til sammenvægtningen hentes fra Danmarks Statistikbank, hvor kapitaltypen it desværre ikke fremgår separat brancheopdelt, er der brugt en vægtning af it-kapital og almindelig maskin- og inventarkapital ud fra investeringsudgifterne til hardware og øvrigt it-udstyr set ift. de samlede investeringer i maskiner og inventar. Det vil alt andet lige trække aflønningen af kapital op i de brancher, der mere intensivt anvender itudstyr, jf. diskussionen ovenfor. Desværre er der kun tal for Nationalregnskabets 9-gruppering. Da den finansielle sektor her grupperes med forretningsservice, vil aflønningen af kapital formentligt stadigvæk være undervurderet i banksektoren. Som det fremgår af tabel A1 i appendiks er usercosts for finansieringssektoren med sine 13 pct. da også relativt lav. Det følger, at aflønningen af kapitalapparatet i virksomhed i således er givet ved K, ij usercost Materielleanlægsaktiver j Værditilvækst ij ijk (7)
FK Til aflønningen af de finansielle aktiver (omsætningsaktiverne og de finansielle anlægsaktiver) bruges et gennemsnitligt vægtet afkastkrav (Weighted Average Cost of Capital, WACC). Investorernes vægtede afkastkrav udtrykker kapitalydernes afkastkrav under hensyntagen til virksomhedens driftsmæssige- og finansielle risici. Afkastkravet dækker dels over afkastkravet til virksomhedens (bogførte) egenkapital, dels over afkastkravet til virksomhedens fremmedkapital. WACC beregnes derfor via en vægtning af afkastkravet til gæld og egenkapital efter deres indbyrdes forhold: Side 10 WACC r g, i, t i, t ( r f, t r mt, j, t gæld i,t (1 ) markedsmæs sig egenkapita l markedsmæs sig egenkapita li,t ) markedsmæs sig egenkapita l gæld i,t gæld i,t i,t i,t (8) r f, t er en risikofri rente (en 10-årig statsobligationsrente), r m, t afkastet fra en markedsportefølje (KFX/C20 indekset), r g, t er renten på gæld i den enkelte virksomhed i (approksimeret ved renteudgifterne over den samlede gæld) og er skatteværdien af renterne på gælden (anslået til 33 pct.). Egenkapitalen er den markedsmæssige værdi af egenkapitalen. Imidlertid råder vi kun over den bogførte værdi af egenkapitalen. Derfor bruges branchespecifikke indre værdier til at transformere den bogførte værdi til en markedsmæssig pendant. For at kunne danne et estimat for markedsværdien af egenkapitalen for de virksomheder, der ikke er noteret på Københavns Fondsbørs har vi med udgangspunkt i de virksomheder, der er noteret udregnet et vægtet gennemsnitsforhold mellem egenkapitalens størrelse og markedsværdien af virksomheden. Dette er gjort på sektorniveau og resultatet fremgår af tabel 2. Tabel 2: Omregning til markedsmæssig egenkapital Sektor Kurs/Indre værdi (Vægtet gennemsnit) Landbrug, fiskeri og råstofudvinding - Industri 4,17 Energi- og vandforsyning 2,31 Bygge- og anlægsvirksomhed 6,85 Handel, hotel- og restaurationsvirksomhed 7,85 Transportvirksomhed, post og telekommunikation 3,01 Finansieringsvirksomhed mv., forretningsservice 1,99 Offentlige og personlige tjenester - Anm.: For Landbrug og offentlige og personlige tjenester er der brugt et simpelt gennemsnit af betaværdierne i andre brancher. Kilde: Egne beregninger på Fondsbørsens tal. Udregningen tager udgangspunkt i data vedr. kurs/indre værdi for alle noterede virksomheder indenfor de forskellige sektorer den 24. september 2007. Kursen afspejler markedsprisen for én aktie og den indre værdi udtrykker
den regnskabsmæssige værdi af én aktie i selskabet. Den indre værdi beregnes ved at dividere egenkapitalen med antallet af udstedte aktier. Gennemsnittene er vægtet med virksomhedernes markedsværdi. Side 11 j,t er betaværdien for branche j. Dvs. en justering af markedsrisikopræmien. Betaværdien udtrykker her den branchespecifikke risiko dvs. den risiko, der er ved "investering" i en given virksomhed i branchen ud over den generelle markedsrisiko. Betakoefficienter er udregnet på baggrund af dagsobservationer af sektorindeks som Københavns Fondsbørs konstruerer. Der er brugt observationer i perioden fra 2. januar 2002 til og med den 13. september 2007. Det er dog ikke for alle indeks, hvor der er observationer for hele perioden. Tabel 3: Betaværdier Sektor Navn (Københavns Fondsbørs) Antal obs. Betakoefficient Alle OMX Copenhagen_PI 1431 1,00 Landbrug, fiskeri og råstofudvinding - - 0,79 Industri OMX Copenhagen Industrials_PI 1431 1,28 Energi- og vandforsyning OMX Copenhagen Energy_PI 896 0,86 Bygge- og anlægsvirksomhed OMX Copenhagen Building Prod_PI 1155 0,48 Handel, hotel- og restaurationsvirksomhed OMX Copenhagen Consumer Services_PI 1155 0,15 Transportvirksomhed, post og telekommunikation OMX Copenhagen Transportation_PI 1155 1,16 Finansieringsvirksomhed mv., forretningsservice OMX Copenhagen Financials_PI 1431 0,84 Offentlige og personlige tjenester - - 0,79 Anm.: For Landbrug og offentlige og personlige tjenester er der brugt et simpelt gennemsnit af betaværdierne i andre brancher. Kilde: Egne beregninger på Fondsbørsens tal. I stedet for at bruge et virksomhedsspecifik WACC, anvendes et branchegennemsnit efter at have elimineret outliers. Dvs. n 1 WACC j, t WACC i, n ii Det følger så for virksomhed i i branche j: finansielle anlægsaktiver FK, ij WACC j Værditilvækst t ij ij (9) Bemærk, at en andel af omsætningsaktiverne (likvide midler og obligationer) burde medtages. Imidlertid er de fravalgt med baggrund i at mange firmaer ikke har rapporteret disse informationer i de tilrådighedværende regnskaber. De eksogene variable MARKEDSBETINGELSER
MARKEDSBETINGELSER for den enkelte virksomhed beregnes som netto cash flow sat i forhold til anlægsaktiverne i alt, fraregnet de finansielle anlægsaktiver. Netto cash flowet defineres som ordinært resultat efter skat plus afskrivninger og nedskrivninger af materielle og immaterielle anlægsaktiver. Hvormed Markedsbet ingelser i,t nettocashf low materielle anlægsakti ver (10) Side 12 En større værdi indikerer således, at betingelserne i markedet er gunstig i perioden t. OPEFF OPEFF variablen fortæller noget om den operationelle efficiens i virksomheden. Variablen er givet ved forholdet mellem den normale omsætning og den faktuelle omsætning. Den aktuelle omsætning er givet fra regnskabet, mens den normale omsætning er lidt mere udfordrende. Det foreslås at regressere den aktuelle omsætning på en virksomhedsspecifik konstant, en trend og branchespecifikke dummy variable y ij t n j 1 j D jt u (11) Hvor y er den deflaterede omsætning. Residualet herfra, uˆ y ˆ ij ˆ t n j 1 ˆ D j jt (12) anvendes til at beregne den fittede værdi, y * y uˆ (13) De fittede værdier findes via OLS-estimation. Via dette approach tillades et forskelligt niveau for alle virksomheder i branche k, mens der antages en ens trendmæssig vækst for alle virksomheder i branche k. 8 Brancheopdelingen er Nationalregnskabets 27-opdeling. Det følger, at definitionen på OPEFF er OPEFF y * y (14) STØRRELSE 8 Selvom om det er en kritisk antagelse, er en branchespecifik trendmæssig vækst trods alt mere realistisk end den samme trendmæssige vækst for alle erhverv. Regressionen bør under alle omstændigheder ikke foretages uden at tage højde for udviklingen over tid.
STØRRELSE variablen fortæller noget om virksomhedens position i markedet. Større virksomheder kan have en tendens til at generere et bedre resultat. Som approksimation herfor benyttes balancen. Side 13 Appendiks tabeller Tabel A1: Vægtede usercosts for kapitalapparatet, 2006 Branche Usercost, pct. 01109 Landbrug 12 01129 Gartnerier, planteskoler og frugtplantager 12 01400 Maskinstationer, Anlægsgartnerier mv. 12 02000 Skovbrug 13 05000 Fiskeri mv. 19 11000 Udvinding af olie og naturgas 17 14009 Udvinding af grus og ler mv. 13 15009 Føde-, drikke-, tobaksvareindustri 13 17009 Tekstil- og læderindustri 14 20000 Træindustri 12 21009 Papir- og grafisk industri 14 23000 Mineralolieindustri 13 24000 Kemisk industri 13 25000 Gummi- og plastindustri 13 26000 Sten-, ler- og glasindustri 14 27009 Fremstilling og forarbejdning af metal 14 29000 Maskinindustri 14 30009 Elektronikindustri 13 35009 Transportmiddelindustri 14 36000 Møbelindustri og anden industri 14 40009 Energi- og vandforsyning 13 45000 Bygge og anlæg 18 50000 Autohandel, service og tankstationer 15 51000 Engroshandel undtagen med biler 14 52109 Detailhandel med fødevarer mv. 15 52299 Varehuse og stormagasiner 14 52300 Apoteker og materialister 13 52419 Detailhandel med beklædning og fodtøj 13 52449 Detailhandel i øvrigt, reparationsvirksomhed 15 55000 Hoteller og restauranter 13 60000 Land-, rørtransport 16 61000 Skibsfart 19 62000 Lufttransport 21 63000 Hjælpevirksomhed til transport 11 64000 Post og tele 18 65000 Finansiering 13 66000 Forsikring 14 67000 Finansiel service 14 70000 Ejendomsudlejning og -formidling 11 71000 Udlejning af transportmidler og maskiner 17
72000 It-service 17 73000 Forskning og udvikling 12 74000 Rådgivning og rengøring mv. 16 75000 Offentlig administration 09 80000 Undervisning 11 85109 Sundhedsvæsen 11 85319 Sociale institutioner for børn og unge 07 85329 Sociale institutioner for voksne 07 90000 Renovation 11 91000 Organisationer og foreninger 15 92000 Forlystelser, kultur og sport 15 93009 Anden servicevirksomhed 19 Kilde: Egne beregninger på tal fra Danmarks Statistik, Nationalregnskabet. Side 14