CFA笔记Applications of Financial Statement Analysis

于 2024-02-04 发布

执行analysis之前，应该确定purpose和context，然后：

graph TD
A[identify the purpose and context] -->B(formulate the key questions)
    B --> C[collect data] --> D[process and analyze data] --> E[make conclusion and suggestion]

evaluating the past

无论是cross-sectional还是trend analysis都能够评估the quality and performance of a company’s management。对以往业绩的evaluation不仅可以看出how，更重要的是why（the causes behind）。key questions比如：

  1. 分析期间，企业的盈利能力、效率、流动性和偿付能力指标如何以及为何发生变化
  2. 与同行业其他公司比较，这些指标如何？为什么会有差异？
  3. 在该行业中的竞争力是什么，在这方面这个公司表现如何
  4. 公司的business model和strategy是什么，对公司performance指标造成什么影响

对应这些问题的data包括：财务报表、行业信息、consumer information以及自己采集的一手信息。data处理过程通常包括制作common-size financial statments、计算financial ratios以及行业相关的metrics。

由于会计准则的不同或者采用了不同的acceptable methods，分析时需要进行合理的adjustment才能产出comparable.

对于performance背后的cause，公司会在MD&A以及conference calls with investors and analysts上传达；还有一些额外的渠道比如行业信息以及consumer serveys。

对past performance的分析结果为得出结论和提出建议提供基础，比如forward-looking study就要基于past performance analysis来给出这种trend是否会持续的结论。

Project future

用于确定公司或者它的equity component的价值；或者是credit analysis.

Data来源：公司自己的projection；之前的financial statements；industry structure and outlook；宏观经济预测。

对于start-up企业、在volatile行业中的，过往performance跟未来的相关性会没那么大。

对于企业near-term performance的预测可以用作market-based valuation或者relative valuation的输入项。更加复杂的projection会对performance的组成部分进行更具体的分析，比如根据产品线进行sales和gross margin的分析。而且预测需要对major assumption进行敏感性分析。

  1. Sales forecasts：基于past results、management forecasts、industry studies、macroeconomic forecasts.
  2. Gross profit margins：基于past results或forecasted relationships，可以非常具体
  3. Expenses other than cost of goods sold may be broken down into more detailed line items, each of which may be forecasted on the basis of its relationship with sales (if variable) or on the basis of its historical levels.

预测的例子

通常来说会用top-down方法来预测sales：

  1. 用过往经验（relationship）来根据macroeconomic indicator来预测industry sales（通常用Regression analysis）
  2. 确定公司的market share
  3. 用market share乘industry sales来获得公司的sales

然后需要决定预测粒度（level of detail），是要每个expense item都进行单独估计还是对支出类别进行总的估计？

通常来说不会用expenses来进行估计，而是用profit margin来。但是net profit margin的人为操纵因素更大，所以gross或者operating profit margin会更容易预测。

最终使用profit margin和sales得到profit。

排除

对于在未来不太可能发生的项目，需要从数据中剔除。这些项目一般叫做non-recurring（或transitory） items。但是如果所谓的“special charges”每年都发生，那就不需要移除。

risk in forecasts

通常来说forecasts会包括对forcast本身的风险分析（比如，如果实际sales跟预测里所使用的值显著不同会有什么结果）。

量化risk需要：

  1. 对公司业务的经济状况和费用结构进行分析，以及对影响公司、行业和整体经济的事件的潜在影响进行分析
  2. 使用场景分析（senario analysis）或者蒙特卡洛模拟来评估risk
    1. 情景分析涉及指定与基本假设不同的假设，比如收入和现金流更恶劣的情况
    2. 蒙特卡洛模拟涉及指定变量的值的概率分布，并从这些分布中进行随机抽样。

一致性

进行详细预测时，必须确保各项预测相互一致。教材的例子是，对应收账款天数的预测需要使用一个能够输出平均应收账款余额变化的预测的模型。否则，预测的应收账款天数和应收账款将不会相互一致。

经典题目

2017年days-of-sales-outstanding是19天，公司决定2018年要降到行业平均的15天。2017年的total sales是3亿，预计2018是3.2亿。问：为了实现降低DSO的目标，average accounts receivable balance需要降低多少？ $\text{accounts receivable turnover}=\frac{\text{days in period}}{\text{DSO}}$

$$ \text{average accounts receivable}=\frac{\text{sales}}{\text{accounts receivable turnover}} $$

所以： $\text{average accounts receivable}_{2017}=\frac{300000000}{\frac{365}{19}}≈15,625,000$

$$ \text{average accounts receivable}_{2018}=\frac{320000000}{\frac{365}{15}}≈13,168,724 $$

结果就是2456276。

credit risk

信用风险分析的focus是debt-paying ability，更看重cash flow analysis；特别关注the sensitivity of debt-paying ability to adverse events and economic conditions。

screening

Top-down analysis involves identifying attractive geographical segments and/or industry segments, from which the investor chooses the most attractive investments.

Bottom-up analysis involves selection of specific investments from all companies within a specified investment universe.

screening的条件存在一些注意点：

  1. 一些条件是作为applying other criteria所得到的结果的checks存在的。比如用P/E来筛选低估值股票，用operating income relative to sales和对financial杠杆的limit来筛选掉盈利能力差和高杠杆而导致低估值的差公司
  2. 多数时候criteria都不是相互独立的
  3. 结果集可能会相对比较concentrate在某些领域

investor类型

  1. growth investors: 喜欢high-earnings-growth的公司
  2. value investors：喜欢paying a relatively low share price in relation to earnings or assets per share
  3. market-oriented investors：不属于以上两种的

通常来说value investors更喜欢使用涉及financial ratios的screening。

back-testing

Back-testing applies the portfolio selection rules to historical data and calculates what returns would have been earned if a particular strategy had been used. 但是有以下limitations：

  1. 幸存者偏差（survivorship bias）：如果数据库是剔除了不再存在的公司的话，会导致还存在的公司看起来perform better
  2. 预见性偏差（look-ahead bias）：如果数据库的数据依据后来的restatement进行了更新，那么back-testing时所使用的信息跟当时investor们所知道的信息是不同的
  3. 数据窥探偏差（data-snooping bias）：如果基于已有研究建立了模型然后用那个研究所用的数据库来测试，那么就不是在测试模型的预测能力。

Adjustments

是否需要adjust，需要考虑一下几个方面：

  1. Importance（materiality），这个adjustment会影响结论吗
  2. Body of standards，比如IFRS和US GAAP之间存在的规定差异
  3. Methods
  4. Estimates

与depreciation有关的

  1. 已使用的资产寿命比例：$\text{accumulated depreciation} / \text{gross PPE}$
  2. the average age of the asset base: $\text{accumulated depreciation} / \text{depreciation expense}$
  3. $$ \text{years of useful life remain} = \text{Net PPE} / \text{depreciation expense} $$
  4. 总寿命年限：$\text{Gross PPE} / \text{depreciation expense}$
  5. percent of asset being renewed by capital investment: $\frac{\text{capital expense}}{\text{gross PPE}+\text{capital expense}}$
  6. Capex in relation to asset disposal provides information on growth of the asset base

goodwill

收购另一家公司的时候支付的超过所获得的net identifiable assets的fair value的部分，记录为asset，每年都会检测impairment。

以两家价值上相等的公司为例，一家是通过收购来达到这个价值的，另一家是内部发展到这个价值的，因为后者的expense会expensed而不是capitalized，就会导致某些financial ratio不如前者。

tangible book value：Book value reduced by all intangible assets (including goodwill)

目录