Pienten arvoyhtiöiden tuotto karhumarkkinoissa

Martin Paasi mainitsi Rahapodissa, että arvoyhtiöt tuottavat huonommin karhumarkkinoissa, ja että pienet arvoyhtiöt tulevat jälkijunassa muiden osakkeiden lähdettyä nousuun (1, 2). Aion tässä kirjoituksessa haastaa kyseiset väitteet tarkastelemalla historiallista dataa Yhdysvaltojen osakemarkkinoilta. Tarkoituksena on myös samaan aikaan tarkastella, miten pieniin arvoyhtiöihin sijoittaminen on tuottanut karhumarkkinoiden aikana ja jälkeen.

Käytettävä data on yhdistelmä Frenchin ja Shillerin kuukausittaista dataa vuosilta 1926-2020 ja koostuu kahdesta osasta, S&P 500:n sekä small cap value -strategian nimellistuotoista sisältäen osingot. Strategiassa osakkeet on jaettu pieniin arvoyhtiöihin jakamalla ne kuuteen eri laatikkoon: pieniin, keskisuuriin ja suuriin yhtiöihin sekä arvo- ja kasvuyhtiöihin P/B-luvun perusteella. Tämän jälkeen on sijoitettu halvempaan puoliskoon pienistä yhtiöistä.

Kyseisellä ajanjaksolla S&P 500 on tuottanut 10,1 prosenttia vuosittain, kun taas small cap value on tuottanut yli neljä prosenttiyksikköä enemmän, eli 14,3 prosenttia vuosittain (CAGR). Kysymys kuuluukin, onko pieniin arvoyhtiöihin sijoittaminen tuottanut huonommin karhumarkkinan alussa ja paremmin sen lopussa?

Tutkitaan asiaa piirtämällä kuvaaja jokaisesta datan sisältämästä karhumarkkinasta aloittaen karhumarkkinaa edeltävästä huipusta ja tarkastelemalla kymmenen vuotta kyseisestä huipusta eteenpäin.

Kuvat suurenevat klikkaamalla

Vihreällä näkyvä small cap value -osakkeisiin sijoittava strategia on tuottanut paremmin kymmenen vuoden aikajänteellä karhumarkkinaa edeltävästä huipusta kaikkien paitsi ensimmäisen karhumarkkinan jälkeen, keskimääräisen tuoton ollessa 217 prosenttia (12,2 prosenttia vuosittain) ja indeksin tuoton ollessa vastaavasti 79,7 prosenttia (6,0 prosenttia vuosittain). Strategia on siis tuottanut keskimäärin yli kaksinkertaisesti sen mitä indeksi kyseisillä ajanjaksoilla. Ennen karhumarkkinoiden loppua strategia on kuitenkin tuottanut vain noin puolet ajasta paremmin ja puolet ajasta huonommin kuin indeksi. Väite arvoyhtiöiden huonommasta tuotosta karhumarkkinoiden aikana voidaan siis tämän perusteella kumota ainakin pienten yhtiöiden osalta Yhdysvaltojen markkinoilla. Varsinkin pitkäaikaiselle sijoittajalle kyseinen strategia näyttää edelleen erittäin houkuttelevalta sisältäen myös itse karhumarkkinat.

Tarkastellaan seuraavaksi tuottoja karhumarkkinoiden pohjilta lähtien. Pohjia ei ole mahdollista ajoittaa, mutta tarkoituksena onkin sen sijaan vastata seuraavaan väitteeseen, jonka mukaan pienten arvo-osakkeiden tuotot tulevat jälkijunassa suhteessa indeksin osakkeisiin.

Suurimman osan ajasta pienet arvoyhtiöt eivät ole tuottaneet merkittävästi enemmän vasta karhumarkkinan loppuvaiheilla, vaan tuotto on yleensä ollut vahvaa pohjalta asti. Toisenkin väitteen voi siten kumota ainakin Yhdysvaltojen osakemarkkinoilla.

Strategia on tuottanut keskimäärin 21,3 prosenttia vuosittain eli 592 prosenttia kymmenessä vuodessa näillä ajanjaksoilla, kun indeksi on tuottanut 13,1 prosenttia vuosittain ja 242 prosenttia kokonaisuudessaan. Karhumarkkinan saavuttaessa pohjansa ei ole siten liian myöhäistä aloittaa sijoittaminen strategian mukaisesti. Strategia tuotti vähemmän kuin indeksi vain vuonna 2009 pohjansa saavuttaneessa laskumarkkinassa, ja silloinkaan tuottoero suhteessa indeksiin ei ollut suuri.

Arvosijoittaminen onkin tuottanut historiallisen huonosti juuri viimeisen kymmenen vuoden aikana, mutta yleensä pitkiä alituoton kausia ovat seuranneet korkeat tuotot (pdf). Myös nykyisessä karhumarkkinassa pienet arvoyhtiöt ovat tuottaneet huonommin kuin indeksi, mutta ihan hyvästä syystä. Vaikka emme voi vielä tietää onko pohja jo takanapäin, voimme todeta, että karhumarkkinoiden pohjalta pieniin arvoyhtiöihin sijoittaminen on tuottanut huomattavasti paremmin kuin indeksiin sijoittaminen. Myös ennen pohjia aloitettu strategian toteuttaminen on tuottanut huomattavasti indeksiä paremmin. Molemmat tekijät, eli keskiarvohakuisuus siitä, että pieniin arvoyhtiöihin sijoittaminen on tuottanut huonosti lähiaikoina, ja se että olimme tai olemme edelleen karhumarkkinassa nostavat kyseisen strategian yhdeksi parhaimmat lähtökohdat omaavaksi strategiaksi tälle vuosikymmenennelle.

Lue lisää →

Katsaus historiallisiin karhumarkkinoihin ja tulevaisuuden seuraamuksista

Karhumarkkina on alkanut, ja lasku on ollut nopeaa ja kivuliasta. Tätä kirjoittaessani S&P 500 on laskenut lähes kolmekymmentä prosenttia huipuistaan alle kuukaudessa, ja Helsingin pörssi (OMXHPI) vielä enemmän, lähes neljäkymmentä prosenttia.

Tämän kirjoituksen tarkoituksena on näyttää, kuinka edellisistä karhumarkkinoista on selvitty kymmenen vuoden aikajänteellä huipun jälkeen. Valitsin kyseisen aikajänteen koska uskon, että osakkeisiin ei tulisi sijoittaa varoja, joita tarvitsee kymmenen vuoden sisään. Tuottojen tappiollisuuden mahdollisuus vähenee merkittävästi aikajänteen kasvaessa, ja positiivisten tuottojen mahdollisuus kyseisellä aikajänteellä on ollut lähes yhdeksänkymmenetä prosenttia Yhdysvaltojen osakemarkkinoilla vuodesta 1928 lähtien. Vastaavasti huonoin vuosituotto kymmenen vuoden aikana on ollut noin neljä prosenttia negatiivinen (lähteet).

Tarkasteluun olen valinnut Yhdysvaltojen osakemarkkinat, sillä sieltä on saatavilla pisimmästä päästä oleva pörssihistoria, alkaen vuodesta 1871. Oletuksena on, että sijoittajien tapa panikoida ei ole muuttunut merkittävästi viimeisen sadanviidenkymmenen vuoden aikana, mikä on hyvinkin uskottavaa. Suurin muutos on todennäköisesti tapahtunut sijoittajien luonteen sijaan siinä, miten paniikit leviävät, johtuen muutoksista tiedon etenemisessä. Näin ollen karhumarkkinat saattavat olla nopeampia ja syvempiä kuin aikaisemmin.

Käyttämäni data on kuukausittaista kokonaistuottodataa, joten voi olla, että osa lyhyistä, alle kuukauden kestäneistä karhumarkkinoista ei näy datassa. Tarkastellaan ensiksi datasta löytyneitä neljäätoista eri karhumarkkinaa ja niiden nimellistuottoja. Musta poikkiviiva kuvastaa karhumarkkinan määritelmän rajaa, eli markkinaa, joka on laskenut kaksikymmentä prosenttia. Tuottoa kuvaavan viivan sininen tai punainen väri kuvastaa sitä, onko markkinan tuotto ollut positiivinen karhumarkkinaa edeltävästä huipusta kymmenen vuoden päähän.

Kuvat suurenevat klikkaamalla

Vain kaksi karhumarkkinaa eivät palautuneet kymmenessä vuodessa karhumarkkinaa edeltävän huipun ylitse. Yllätyksettömästi kyseessä olivat vuonna 1929 ja 2000 huippunsa saavuttaneiden kuplien jälkeiset karhumarkkinat. Huomaa, että näitä kuplia edeltävät nousumarkkinat näkyvät myös graafissa kyseisten kuplien edeltävinä graafeina, sillä molemmat alkoivat karhumarkkinoista.

Alla on sama graafi reaalituotoin, eli inflaatio huomioon ottaen. Huomaa, että karhumarkkinan raja on määritelty nimellistuotoin, joten osa tuotoista ei näyttäisi laskevan alle karhumarkkinan rajan deflaatiosta johtuen.

Reaalituotoin neljä karhumarkkinaa ei palautunut kymmenen vuoden sisään huippunsa saavuttamisen jälkeen. Historiallisesti katsottuna on siis ollut yli seitsemänkymmenen prosentin mahdollisuus, että karhumarkkinaa edeltävästä huipusta on palauduttu täysin kymmenen vuoden aikajaksolla inflaatio huomioon ottaen.

Tarkastellaan seuraavaksi karhumarkkinoiden pituutta vertaamalla niitä indeksiin. Karhumarkkinaa edeltävästä huipusta aina kyseisen huipun ylittämiseen asti kestävä aikajakso on merkitty punaisella.

Alla olevassa taulukossa on hieman tilastoja keskimääräisen ja ankarimman karhumarkkinan kestosta ja syvyydestä.

Keskimääräinen pudotus	-33.9 %
Maksimipudotus	-81.8 %
Keskimääräinen kesto vuosissa	3.95
Pisin kesto vuosissa	15.33
Keskimääräinen laskun kesto	1.45
Pisin laskun kesto	2.75

Kuten taulukosta näkyy, tämänhetkinen karhumarkkina on jo keskimääräisen kokoinen, mutta ei läheskään keskimääräisen pituinen. Tarkastellaan vielä viimeiseksi itse laskuja ja niiden syvyyksiä. Musta viiva kertoo jälleen karhumarkkinan rajan.

Noin puolet laskuista ovat olleet yhtä suuria kuin nykyinen lasku. Huomaa, että data ulottuu vain vuoden 2019 loppuun, joten nykyistä laskua ei näy graafeissa. Yllä olevasta graafista voi myös huomata sen, että laskut ovat olleet suurempia silloin kun arvostukset ovat olleet korkeammalla. Laskujen koko näyttää myös kasvaneen ajan myötä, mikä saattaa johtua korkeista arvostustasoista mutta myös edellä mainitusta paniikkien nopeammasta leviämisestä.

Yhteenvetona nykyinen karhumarkkina on ollut raju ja lyhyt. Yhdysvalloissa arvostukset ovat edelleen melko korkealla, joka saattaa tehdä palautumisesta heikomman. Historiallisesti tarkasteltuna suurin osa karhumarkkinoista on kuitenkin palautunut kymmenen vuoden aikajaksolla. Maailma palautuu kyllä ennalleen, todennäköisesti pörssikurssit edellä. Kyse on vain siitä, että kestääkö palautumisessa kuukausia vai vuosia.

Lue lisää →

Seuraavan pörssivuosikymmenen ennustamista koneoppimismalleilla

Osakemarkkinat ja kansantaloudet tuottavat valtavat määrät dataa, jota voidaan hyödyntää erilaisten ennusteiden tekemiseen vaihtelevin menestyksin. Nämä datan muodot ovat lyhykäisyydestään ja aikasarjamaisuudestaan johtuen suhteellisen hankalia käyttää. Syöttämällä kaiken mahdollisen datan malleille päädytään lähinnä näennäiskorrelaatioihin, jossa esimerkiksi yritetään ennustaa osakkeen hintakehitystä jonkin toisen osakkeen historiallisella hintakehityksellä.

On myös muita haasteita. Eri sijoitusstrategiat toimivat eri aikoina, ja toiset lakkaavat kokonaan toimimasta. Esimerkiksi arvosijoittaminen ei ole oikein toiminut viimeiseen kahteentoista vuoteen (lähde, pdf). Taloudessa tapahtuu myös asioita, joita ei ole koskaan ennen tapahtunut, kuten negatiiviset korot ja P/E-luvun nouseminen yli sataan kymmenen vuotta sitten.

Tässä kirjoituksessa esittelen kuinka S&P 500 -indeksin tulevia tuottoja voi mahdollisesti ennustaa käyttäen viittä eri mallia sekä näiden mallien yhdistelmää. Aloitetaan naiivilla ennusteella, joka vuonna 1991 olisi ennustanut jokaiselle seuraavalle vuodelle samaa tuottoa kuin mitä keskimääräinen vuosituotto on ollut vuodesta 1948 alkaen. Tämä suoran viivan muotoinen ennuste olisi seuraavan parinkymmenen vuoden aikana ollut väärässä keskimäärin 5,16 prosenttiyksikköä per vuosi.

Käytettävät koneoppimismallit

Mallit ovat hyvin erityyppisiä, esimerkiksi glmnet on normaali lineaarinen malli, joka rankaisee liian suuria kertoimia ja kuten myös lähes kaikki muutkin tässä esitetyt mallit, jättää pois mielestään epäolennaisia muuttujia. K-nearest-neighbors etsii tietyn määrän havaintoja, jotka ovat lähellä ennustettavaa havaintoa, ja tekee ennusteen näiden havaintojen perusteella. MARS ottaa huomioon epälinearisuudet mallin selittävissä tekijöissä sekä interaktiot eri muuttujien välillä, ja XGBoost on puumalli, joka ottaa myös huomioon sekä epälineaarisuudet että interaktiot. XGBoost rakentaa monta erilaista puuta, parantaen aina seuraavaa puuta edellisen puun perusteella. Malleista MARS ja SVM (support vector machine) ovat melko joustavia, ja siksi ylisovittavat helposti, eli muistavat datan, jolla malli on sovitettu sen sijaan, että loisi sääntöjä jotka ovat yleistettävissä myös dataan jota mallit eivät ole nähneet. Käytännössä ylisovittaminen näkyy siten, että malli suoriutuu erittäin hyvin datalla jolla se on sovitettu, mutta erittäin huonosti datalla jota se ei ole nähnyt, jolla mallia testataan.

Yhdistelmämalli on yksinkertaisesti tehty sovittamalla jokainen malli ja ottamalla sen antamista ennusteista keskiarvo. Yleensä yhdistelmämallit suoriutuvat ainakin hieman paremmin kuin mikään yksittäinen malli, varsinkin jos mallit ovat riittävän erilaisia. Koneoppimiskilpailuiden voittajat ovat lähes poikkeuksetta käyttäneet yhdistelmämalleja tästä syystä.

Malleissa on käytetty kahdeksaa eri muuttujaa: CAPE, total return CAPE, P/E, P/B, P/D, inflaatio, 10-vuotisen valtiolainan korkotaso sekä työttömyysaste. Mallien tulokset on esitetty seuraavassa graafissa, jossa musta viiva vastaa toteutunutta seuraavan kymmenen vuoden tuottoa, ja sinertävä viiva ennustetta.

Tulokset

Kuva suurenee klikkaamalla

Mallit eivät ole nähneet punaisen pystyviivan jälkeistä kehitystä, joten ennusteet ovat yleensä epätarkempia sen jälkeen. Tämä simuloi tulevaisuuden ennustamista, eli miten parikymmentä vuotta sitten kehitetyt mallit olisivat toimineet seuraavan parinkymmenen vuoden aikana. Paneudutaan seuraavaksi eri mallien tuloksiin. Taulukossa on esitetty mallin keskimääräinen heitto prosenteissa (mean absolute error, MAE) sekä se, kuinka monta prosenttia vaihtelusta malli selittää (selitysaste, R²), molemmat datalla, jota malli ei ole nähnyt sovitusvaiheessa. 

Helposti ylisovittavat mallit, eli MARS ja SVM, ovat molemmat käyttäytyneet melko rajusti datalla, jota mallit eivät ole nähneet sovitusvaiheessa. Molempien mallien heitto on ollut keskimäärin noin tuplat naiivin keskiarvoennusteen heitosta. Mallit ovat näin olleet liian joustavia, johtuen luultavasti pienestä datan koosta. Glmnet on käyttäytynyt melko hyvin, graafin loppua lukuun ottamatta. Tämä johtuu todennäköisesti P/E-luvun räjähdyksestä noihin aikoihin. K-nearest-neighbors on reagoinut dataan melko heikosti, mutta on silti suoriutunut naiivia mallia paremmin. XGBoost on selviytynyt kaikista parhaiten.

Malli	MAE	R²
Naiivi malli	5,16 %	-
GLMNET	3,00 %	29,7 %
KNN	3,37 %	10,6 %
MARS	10,70 %	90,2 %
SVM	10,80 %	13,1 %
XGBoost	2,17 %	60,1 %
Yhdistelmä	2,15 %	48,2 %

Yhdistelmämalli on kuitenkin selviytynyt hieman paremmin kuin mikään yksittäinen malli prosentuaalisella heitolla mitattuna. Jättämällä pois epäsopivat mallit parantuisi sen ennustetarkkuus vielä jonkin verran. Tekemällä päätöksiä testidatasta eli datasta jota ei ole käytetty mallin sovittamisessa johtaa kuitenkin helposti ilmiöön nimeltä data leakage, joka käytännössä tarkoittaisi sitä, että ennustetarkkuutta mittaavat luvut eivät ole enää täysin luotettavia. Epäsopivat mallit voi kuitenkin jättää pois, mutta silloin yhdistelmämallin todellista tarkkuutta ei voitaisi tietää yhtä helposti.

Tulevaisuuden ennusteet

Mitä mallit sanovat tulevaisuudesta? Seuraavan kymmenen vuoden tuotto-odotukset on esitetty alla olevassa taulukossa.

Malli	10 v CAGR ennuste
GLMNET	1,47 %
KNN	4,04%
MARS	-9,85%
SVM	6,46%
XGBoost	8,86%
Yhdistelmä	2,20%

MARS -malli on kaikista pessimistisin, ennustaen kymmenen prosentin miinusmerkkistä vuosituottoa seuraavalle kymmenelle vuodelle. On syytä pitää mielessä, että kyseinen malli ei ole kovinkaan luotettava tällä datalla, ja tarkemmalla tarkastelulla itse asiassa selviää, että se käyttää ainoastaan CAPE -muuttujaa ennusteessaan. Muut mallit käyttävät melko tasaisesti eri muuttujia. XGBoost on yllättäen kaikista optimistisin noin yhdeksän prosentin vuosituoton ennusteellaan. Yhdistelmämalli ennustaa vain parin prosentin vuosituttoa, mutta MARS -malli laskee tätä ennustetta noin kolmella prosenttiyksiköllä

Tarkastellaan vielä XGBoost -mallin ennusteen koostumusta. Mallissa vakiotermiä vastaava osa ennustaa 12 prosentin vuosituottoa, jota nykyinen CAPE (30,9) laskee 7 prosenttiyksikön verran. Nykyinen P/B (3,7) nostaa ennustetta 6 prosenttiyksiköllä. On huomioitava, että tämä ei tarkoita, että korkea P/B johtaa korkeampaan tuotto-odotukseen, vaan että tuotto-odotus on korkeampi silloin kun CAPE on korkea ja myös P/B on korkea verrattuna siihen, että CAPE olisi korkea ja P/B olisi matala. Nykyinen korkotaso USAn 10-vuotisella korolla mitattuna (1,9 prosenttia) nostaa tuotto-odotusta kahdella prosenttiyksiköllä, ja nykyinen P/E (24,3) puolestaan laskee tuotto-odotusta saman verran. Muut tekijät vaikuttavat tuotto-odotukseen laskemalla sitä yhteensä alle parin prosenttiyksikön verran.

Tässä kirjoituksessa esitettyjä malleja voitaisiin hyödyntää tulevaisuuden ennustamista paremmin eri markkinoiden valintaan, esimerkiksi osana indeksitasolla eri maihin sijoittavaa strategiaa. Pelkän CAPEn on havaittu ennustavan tuottoja melko hyvin maatasolla (lähde), ja useita muuttujia sisältävät mallit hyvin todennäköisesti parantavat ja tekevät tällaisen ennusteen luotettavammaksi, olettaen että mallin tyyppi on valittu oikein. Seuraavan vuosikymmenen vuosituotto-odotukset ovat mallien mukaan USAssa -9,85 ja +8,86 prosentin välillä mallista riippuen, ja vain keskimäärin pari prosenttia positiivinen.

Teknisiä tietoja

Data ei sisällä uudelleensijoitettuja osinkoja. Mallien sovittamiseen on käytetty 70 prosenttia datasta ja testaamiseen loput 30 prosenttia. Mallien sovittamisessa on käytetty aikasarjoille sopivaa ristiinvalidointia (k=5) optimaalisten hyperparametrien löytämiseksi. Hyperparametrien vaihteluvälit ovat valittu caret -kirjaston oletusten mukaisesti.

Lue lisää →

Maailman halvimmat ETF:t 2018

On jälleen aika listata tämän hetken halvimmat ETF:t tunnusluvuilla mitattuna. Tällä kertaa tarkastelukohteena toimii ainoastaan Saksan pörssi, sillä suomalaisilla ei välttämättä ole enää mahdollista sijoittaa USA:n pörsseihin listattuihin ETF:iin. Tässä markkinatilanteessa halvimmatkaan ETF:t eivät ole mitään superhalpoja, toisin kuin esimerkiksi toissavuonna.

Toissavuoden vastaavaan kirjoitukseen pääsee tästä ja edellisvuoden tästä. Venäläiset yhtiöt eivät ole enää halvimmasta päästä, vaan tällä kertaa Italia on selvästi halvin yksittäinen maa. Jotkut Aasiaan sijoittavat ETF:t ovat myös halpoja, mutta tämä ei tarkoita, että koko Aasia olisi halpa. Muita halpoja maita olivat Pakistan (XBAK), eurooppalaiset pankit (SPYZ, SC0P ym.) sekä Kiina (18MG). Venäjä, Korea ja Turkki ovat halvimpia mitattuna pelkällä P/E- ja P/B-luvulla, 

Halpuutta mitataan kuitenkin viiden tunnusluvun kautta: P/E, P/B, P/S, P/CF ja osinkoprosentti. Halvimpia ETF:iä ovat ne, jotka saavat alhaisimmat arvot kaikista tunnusluvuista. S/F viittaa ETF:n rakenteeseen, eli siihen, onko se synteettinen vai fyysinen. (D) viittaa siihen, että jaetaanko osingot ulos niiden uudelleensijoittamisen sijaan. Pitkäaikaiselle sijoittajalle paras vaihtoehto on fyysinen, halvin ja osinkoa jakamaton ETF. Mainittakoon vielä, että Morningstarin tarjoamat tunnusluvut ovat arvioita, eivätkä välttämättä täydellisesti vastaa kyseisen ETF:n oikeita tunnuslukuja.

ETF	Hinta	P/E	P/B	P/S	P/CF	DIV	Kulut	S/F	Maa/Sektori
WTEA	9,42	8,45	1,05	0,73	2,24	5,83	0,54	F	Aasia (D)
EHDL	25,26	9,05	1,04	0,74	3,34	9,15	0,49	F	EM High Div Low Vol
WTEI	13,12	8,09	1,09	0,76	3,11	6,28	0,46	F	EM (D)
WTD8	16,01	8,09	1,09	0,76	3,11	6,28	0,46	F	EM
UIMA	35,79	9,94	0,96	0,76	1,64	4,81	0,25	F	EMU (D)
WTED	13,97	8,42	1,06	0,56	3,92	6,01	0,54	F	EM Small Cap (D)
SXRY	70,25	9,62	1,05	0,62	1,96	4,23	0,33	F	Italia
DBXI	19,55	9,62	1,05	0,62	1,97	4,23	0,30	F	Italia (D)
C032	88,43	9,52	1,08	0,60	2,08	4,30	0,25	S	Italia
GCI1	92,83	9,52	1,08	0,60	2,08	4,30	0,25	F	Italia (D)

Lue lisää →

Miten tapahtuu arvostustasojen paluu normaaliin?

Arvostustasot ovat erittäin korkealla suhteessa historiaan varsinkin USA:n markkinoilla. Lempiarvostusmittarini CAPE, eli viimeisen kymmenen vuoden tuloja käyttävä P/E-luku, on korkeammalla kuin se on ollut 97 prosenttia ajasta vuodesta 1881 lähtien. P/B-luku on Goyalin datan mukaan 4 (esimerkiksi multlpl.com esittää kuitenkin luvun olevan noin 3,4), mikä tarkoittaisi yksinkertaistettuna sitä, että oman pääoman tuoton tulisi olla 20 prosenttia, jotta saavutettaisiin viiden prosentin vuosituotto mikäli osakkeiden arvostustasot eivät muuttuisi. Tässä kirjoituksessa käsitellään juuri arvostustasojen muutosta, eikä suunta näytä kovin valoisalta.

Alla olevassa kuviossa näkyy, kuinka korkealla tasolla eri mittareiden kertomat arvostustasot ovat suhteessa historiaan USA:n markkinoilla.

Kuva suurenee klikkaamalla

Arvostustasot eivät voi olla korkealla ikuisesti, ja purkautuminen voi tapahtua kahdella tapaa: pörssiyritysten tulosten nousulla tai kurssien laskulla. Vuosia kestäneen nousumarkkinan jälkeen jälkimmäinen tuntuu ainakin itsestäni todennäköisemmältä. Joka tapauksessa korkea arvostustaso rajoittaa nousua, ja matala arvostustaso puolestaan avittaa nousua ja vähentää mahdollisen pörssiromahduksen keskimääräistä suuruutta (pdf).

Tarkastellaan seuraavaksi eri arvostusmittareiden keskiarvoihinsa palautumista. Jaetaan eri arvostustasot kymmeneen desiiliin niin, että ensimmäinen desiili on halvin ja kymmenes kallein. Tämän jälkeen seurataan, mitä arvostustasoille tapahtuu seuraavan kymmenen vuoden aikana:

Kuvio kertoo sen, että mikäli tekisimme sijoituksen halvimman desiilin vallitessa (alin viiva) hetkellä nolla, olisi arvostustaso muuttunut kymmenen vuoden päästä keskimäärin niin, että CAPE olisi jo yli viisitoista. Näin ollen voimme todeta, että arvostustasoilla on tapana palata keskiarvoonsa keskimäärin noin kymmenessä vuodessa. Ei siis liene sattumaa, että CAPE:n ennustetarkkuus on korkeimmillaan noin kymmenen vuoden päähän (viides kuvio).

Kuviot kuvaavat kuitenkin vain keskiarvoja, joten poraudutaan hieman syvemmälle. Sijoittaessa arvostustasojen ollessa kalleimmassa desiilissä arvostustasot olivat kymmenen vuoden päästä korkeammat kuin lähtiessä vain 18 prosentissa havainnoista. Sijoittaessa halvimman desiilin vallitessa olivat arvostustasot korkeammalla jopa 96 prosentissa havainnoista kymmenen vuoden päästä.

Itse hinta on ollut kymmenen vuoden päästä alempana kuin lähtöhetkellä 23 prosenttia ajasta kun lähdetään liikkeelle kalleimmasta desiilistä, ja 10 prosenttia ajasta kun lähdetään liikkeelle halvimmasta desiilistä (nämä kymmenen prosenttia havainnoista sijoittuvat kuitenkin vain vuosiin 1922-1924). Keskimääräinen hinnan nousu on ollut kalleimmasta desiilistä 2,3 prosenttia vuosittain seuraavan kymmenen vuoden ajan ja halvimmasta 8,0 prosenttia vuosittain (ilman osinkoja).

Huomautan vielä, että olemme tällä hetkellä kalleimmassa desiilissä. Halvin desiili sisältää vuodet 1917-1924, 1942, 1949, 1974-1975 ja 1978-1984. Kallein desiili puolestaan sisältää vuodet 1929-1930, 1996-2007 ja 2014-2018. Olemme siis hyvässä seurassa 20-luvun kuplan, it-kuplan sekä asuntokuplan kanssa. Kysymys kuuluukin: nousevatko tulokset riittävän nopeasti, jotta arvostustaso palautuisi keskiarvoonsa tuloksen kasvun eikä romahduksen kautta? 

Katsotaan historiallista tulosten kasvua saadaksemme perspektiiviä nykytilanteeseen. Tulokset ovat kasvaneet keskimäärin neljä prosenttia vuodessa. Mikäli ne kasvaisivat keskimääräisesti seuraavan kymmenen vuoden aikana, olisi CAPE ilman arvostustason muutosta tasan kaksikymmentä. Jotta CAPE palautuisi keskiarvoonsa, tulisi tuloskasvun olla yli seitsemän prosenttia vuodessa seuraavan kymmenen vuoden ajan, mikä on lähes kaksinkertaisesti normaalin kasvun verran. Tämä olisi saavutettavissa mikäli olisimme juuri olleet taantumassa, mutta näin nousukauden loppupuolella se vaikuttaa epätodennäköiseltä.

Tähän on kuitenkin ratkaisu, nimittäin halvempiin maihin sijoittaminen. Kaiken lisäksi arvostustasot korreloivat negatiivisesti tulevan tuloskasvun kanssa, eli korkea arvostus johtaa keskimäärin matalampaan tuloskasvuun ja toisin päin. Näin ollen sijoittaessa halpoihin maihin saa keskimäärin tuplahyödyn nousevien tulosten ja nousevien arvostustasojen ansiosta. Sijoittaessa riittävän moneen halpaan maahan alkaa oman salkun arvostustason kehitys näyttää samalta kuin alimman desiilin kehitys yllä olevassa kuviossa.

Esimerkiksi Venäjän osakemarkkinat ovat viisi kertaa halvemmat kuin USA:n ja 3,5 kertaa halvemmat kuin Suomen CAPE:lla mitattuna. Halvoissa osakemarkkinoissa on kuitenkin se pelottava puoli, että halvaksi tuleminen on useimmiten tapahtunut romahduksen kautta. Eri maiden arvostuksia voi tarkastella täältä.

Alla on esitetty esimerkiksi Venäjän ja USA:n markkinat oman sijoitusurani alusta alkaen. Vasemmanpuolimmainen numero kertoo CAPE:n tason jokaisen vaakaviivan kohdalla, oikeanpuolimmainen CAPE:sta lasketun seuraavan kymmenen vuoden tuotto-odotuksen, ja punainen ympyrä kertoo CAPE:n mittausajankohdan. Ennuste muuttuu siis sitä heikommaksi, mitä enemmän kuviossa mennään vasemmalle, sillä CAPE:n laskukaavassa on viimeisen kymmenen vuoden tulokset. Venäjä on käynyt läpi äärimmäisen karhumarkkinan, kun taas USA on jatkanut nousua heikentäen edelleen tuotto-odotusta. Venäjän tuotto-odotus oli lähes kaksikymmentä prosenttia vuoden 2016 pohjilla, ja se on edelleen kaikista halvin markkina. Vaikka korrelaatiot ovat kasvussa, onneksi markkinat menevät edelleen edes hieman eri sykleissä tarjoten tämänkaltaisia mahdollisuuksia korkeampaan tuottoon.

(Täydennys: tarkastellaan lopuksi vielä yllä esiteltyä ilmiötä P/B:n ja P/E:n avulla:)

Kuvat suurenevat klikkaamalla

(P/E:n kuviossa on selvä poikkeama, sillä kallein desiili onkin muuttunut takaisin kalliiksi. Tämä johtuu finanssikriisin vaikutuksesta, jolloin P/E ampui yli sadan (kuvio). CAPE on tarkempi ennustamaan tulevia tuottoja siksi, että se sisältää viimeisen kymmenen vuoden tulokset viimeisen vuoden sijaan. Finanssikriisi oli hyvä paikka sijoittaa CAPE:n mukaan, mutta ei P/E:n. Finanssikriisin tapaiset äkilliset tulosten tippumiset eivät anna virheellistä signaalia CAPE:n tapauksessa toisin kuin P/E:n kanssa.)

Koska arvostusmittarit ovat USA:n markkinoilta, on P/D-luku harhaanjohtavan korkea osinkojen jaon sijaan tapahtuvista omien osakkeiden ostoista johtuen.

Luvut eivät sisällä osinkoja, mutta kymmenen vuoden aikajaksolla osingot lähes vastaavat inflaatiota.

Analyysiin on käytetty Shillerin ja Goyalin dataa.

Lue lisää →

Jenkkipörssin historiallista kartoittamista neuroverkoilla

Itseorganisoituvat kartat (self-organizing maps, SOM) ovat professori Teuvo Kohosen kehittämä neuroverkkomalli, jonka avulla voidaan esittää dataa ja sen sisältämiä suhteita visuaalisella tavalla. Tämä kirjoitus keskittyy tulosten tulkintaan mallin rakentamisen tai teknisten ominaisuuksien sijaan.

Käytetään Shillerin, Goyalin sekä BLS:n dataa saadaksemme laskettua S&P 500:n historialliset tuotot ja arvostustasot (CAPE, P/B, D/P) sekä selvittääksemme historialliset korkotasot, työttömyysasteet, inflaatioasteet ja osinkosuhteet. Lasketaan jokaista hetkeä seuraavan kymmenen vuoden CAGR-tuotot inflaatiokorjatusti sisältäen myös osingot. Syötetään neuroverkolle nämä tiedot vuodesta 1921 vuoden 2016 loppuun asti ja tarkastellaan tuloksia.

Tarkastellaan ensin makrotalouden muuttujien (korkotaso, inflaatio & työttömyys) sekä osinkosuhteen yhteyttä S&P 500:n inflaationjälkeiseen kokonaistuottoon (hinnan nousu + osingot). Osinkosuhteella tarkoitetaan sitä, kuinka suuren osan tuloksestaan yritys jakaa osinkona. Se istuu siis melko hyvin samaan kategoriaan makrotason muuttujien kanssa, sillä se kertoo yritysten investointihalukkuudesta. Tulokset näyttävät tältä:

Kuvia saa suurennettua klikkaamalla

Kun työttömyys on ollut korkeaa (punaisella keskimmäisessä kuviossa), osinkoja ollaan jaettu isompi osa tuloksesta (D.E eli D/E), ja keskimäärin jopa yli nettotuloksen verran. Näin on tehty luultavasti siksi, että osingon absoluuttinen taso ei laskisi kun tulokset ovat laskeneet. Tällöin myös korkotaso on ollut matalampi (sinisellä vasemmassa yläkulmassa), ja inflaatio on ollut deflaation puolella tai nollissa. Phillipsin käyrän mukaisesti myös inflaation ja työttömyysasteen välillä näyttää olleen negatiivinen yhteys, ja inflaatio näyttää vaikuttaneen myös korkotasoon. Sekä inflaatio että deflaatio näyttävät vaikuttaneen negatiivisesti inflaationjälkeisiin kokonaistuottoihin (otsikolla TR-infl). Inflaatio on todennäköisesti syönyt yritysten tuloksia, kun taas deflaatio on luultavasti vähentänyt halukkuutta sijoittaa osakkeisiin ja siten laskenut pörssikursseja.

Siirrytään lähemmäs pörssimaailmaa tarkastelemaan arvostustasojen (CAPE eli 10 vuoden P/E, P/B & D/P) ja inflaation jälkeisten kokonaistuottojen yhteyttä:

CAPEn yhteys tuleviin tuottoihin näyttäisi kaikista vahvimmalta. Huomioitavaa on, että D/P on laskettu eri päin kuin CAPE ja P/B, joten sen tulkinta on päinvastainen. P/B-luku ei ole tällä hetkellä läheskään yhtä korkea kuin teknokuplassa, mutta osingon suhde hintaan näyttäisi olevan tällä hetkellä matalampi kuin koskaan. Omien osakkeiden ostot ovat kuitenkin osin korvanneet osinkojen jakamisen USA:ssa, mikä näkyy matalampina osinkosuhteina ja osingon suhteina hintaan. Otetaan vielä lähempään tarkasteluun CAPEn ja P/B:n välinen yhteys:

CAPE ja P/B kertovat pääosin samaa asiaa, mutta CAPE reagoi muutoksiin hitaammin. Esimerkiksi nettotuloksien nopea nousu ilman hinnan muutosta näkyisi heti P/B:ssä mutta hitaammin CAPEssa, kun taas osakekurssien muutos näkyy molemmissa samanaikaisesti. CAPE kävi huipuissaan vuosina 1998-2000 kun nettotulokset olivat huipuissaan, kun taas P/B saavutti huippunsa vasta vuonna 2001, kun nettotulokset olivat jo puolittuneet ja pörssi romahtanut. CAPEn on tarkoitus kertoa hinta suhteessa pörssisyklin keskimääräiseen nettotulokseen, ja itse ajattelen matalan CAPEn maiden palaavan nopeammin keskiarvoonsa. Myös tutkimusten mukaan CAPElla on tapana palata keskiarvoon muutamassa vuodessa (lähde, sivu 23).

Tarkastellaan seuraavaksi klustereita, eli periaatteessa pörssin ja makrotalouden erilaisten olotilojen ryhmittelyä. Erilaisia olotiloja erottui viisi kappaletta, ja ne on esitetty alla:

Nykytilanne vastaa selvästi parhaiten kaikista harvinaisinta eli harmaata klusteria, jossa arvostustasot ovat korkealla, mutta osinkosuhde, korot ja työttömyys ovat matalalla. USA:ssa inflaatio on vasta alkanut nousta, ja on kirjoitushetkellä noin kahdessa prosentissa. Tuottoennuste ei siten ole kaikista huonoimmasta päästä, toisin kuin pelkkää arvostustasoa katsomalla voisi olettaa.

Vihreässä klusterissa on muuten samankaltainen tilanne, mutta arvostustaso on ollut mikä tahansa hyperinflaation vallitessa, jolloin myös tuotto-odotukset ovat olleet kaikista klustereista huonoimmat. Inflaation onkin sanottu nykyisessä tilanteessa olevan pahempi uhka osakkeille kuin nouseva korkotaso.

Yleisin eli punainen klusteri lähtee matalista arvostustasoista, jolloin myös tuotto-odotus on kaikista korkein. Osinkosuhde ja työttömyys ovat olleet matalalla, ja korkotaso matalalla tai keskiarvossaan. Inflaatio on kuitenkin ollut korkealla, mutta onneksi olemme mitanneet tuotot reaalituottoina. Korkeatuottoisen punaisen klusterin ja matalatuottoisen vihreän klusterin olennaisin ero onkin juuri arvostustaso, jonka merkityksestä tulevien tuottojen kannalta olenkin kirjoittanut useasti aiemmin. 

Sinisessä klusterissa on muuten hyvin samankaltainen tilanne kuin nykyisessä tilanteessa, mutta arvostustasot ovat matalammalla ja osinkosuhteet lähempänä historiallista keskiarvoa.

Keltaisessa klusterissa päästään taas matalien tuottojen pariin, vaikka arvostustasot ovatkin matalalla. Tämä johtuu voimakkaasta deflaatiosta ja korkeasta työttömyydestä. Kyseinen tilanne on onneksi melko harvinainen, mutta ei kuitenkaan yhtä harvinainen kuin nykyinen olotila.

Tämän tarkastelun perusteella USA:n taloudessa näyttäisi menevän tarkasteltujen ominaisuuksien osalta hyvin suhteessa historiaan, mutta tuotto-odotus ei ole kaikista parhain. Korkeimmat inflaationjälkeiset kokonaistuotot on saavutettu silloin, kun korot ja inflaatio ovat olleet korkealla, työttömyys matalalla tai keskitasossa, ja yritykset ovat investoineet, josta johtuen osinkosuhde on ollut matalalla. Arvostustasot näyttävät kuitenkin tärkeimmältä tekijältä tulevien tuottojen osalta. Olen kirjoittanut arvostustasojen merkityksistä aikaisemmin esimerkiksi täällä.

Työttömyysaste on laskettu kausitasoitettuna kuukausittain vuodesta 1948 lähtien, ja vuosittain sitä edeltävistä vuosista. Sen laskemiseen käytetyt tarkemmat lähteet löytyy täältä.

Mallille syötetty data on ollut skaalattua, ja mallista ulos tullut data on muokattu takaisin alkuperäiseen muotoonsa. Tämä vaikuttaa vain mallin tulkittavuuteen, eikä itse malliin tai analyysiin.

Lue lisää →

Visuaalinen DuPont -analyysi sijoittajan työkaluna

DuPont -malli on joustava työkalu, jonka avulla on helppo hahmottaa erilaisten yhtiöiden rakennetta ja tuloksen muodostumista. Sen avulla saa kokonaiskuvan yhtiön kannalta olennaisista tunnusluvuista ja niiden suhteista, ja siten myös pintapuolisen kilpailija-analyysin tekeminen on helppoa. Tässä kirjoituksessa esitetyssä mallissa on sovellettu Ahon ja Rantasen (1994) kehittämää sekä Old School Value -sivuston mallia. Tätä kirjoitusta varten laaditun mallin sisältävä dynaaminen Excel-pohja on saatavissa tästä.

Korkea oman pääoman tuotto ei automaattisesti tarkoita yhtiön olevan loistavassa kunnossa oleva laatuyhtiö, vaan se voi johtua monesta eri tekijästä. Esimerkiksi positiivisen oman pääoman tuoton kaksinkertaistamiseen vaaditaan periaatteessa vain velan määrän kaksinkertaistaminen taseessa (jos korkokuluja ei oteta huomioon). Oriolan oman pääoman tuotto on esimerkiksi yli kaksikymmentä prosenttia, vaikka sen kokonaispääoman tuotto onkin alle seitsemän prosenttia, ja ero selittyy korkealla velkaantuneisuudella.

Tarkastellaan aluksi helpointa, vain neljästä perustunnusluvusta koostuvaa DuPont -mallia vertaamalla kolmen eri Helsingin pörssin vähittäiskauppasektorilla toimivan yhtiön vuoden 2016 tilinpäätöksien lukuja:

Tässä tapauksessa oman pääoman tuotto (ROE) saadaan laskettua jakamalla kokonaispääoman tuotto (ROA) omavaraisuusasteella. Kokonaispääoman tuotto puolestaan saadaan kertomalla pääoman kiertonopeus nettotulosprosentilla. P/E-luvun saisi puolestaan laskettua jakamalla P/B-luvun oman pääoman tuotolla. 

Stockmannin tulos on negatiivinen, joten myös nettotulosprosentti ja kokonaispääoman sekä oman pääoman tuotot ovat negatiivisia. Lisäksi sen pääoma kiertää hitaasti, mutta omavaraisuusaste on sentään muita korkeampi. Verkkokauppa.com:in pääoman kiertonopeus on korkea, minkä voisi ajatella johtuvan verkossa tapahtuvan myynnin kautta. Verkkokaupan nettotulosprosentti on Tokmannia matalampi, mutta nopeamman pääoman kierron ansiosta oman pääoman tuotto on Tokmannia korkeampi.

Analyysin haittapuolena tiettyjä lukuja saatetaan joutua laskemaan hieman karkeammin, jotta niistä saataisiin helposti laskettua toisia tunnuslukuja. Esimerkiksi pääomien tuotot on laskettu tilikauden lopun luvuista tilikauden keskiarvon sijaan, ja omavaraisuusasteessa ei ole otettu huomioon annettuja ennakoita. Lisäksi kokonaispääoman tuotossa on otettu huomioon vain sijoittajalle kuuluva tuotto, vaikka siihen normaalisti sisällytetään myös velkojille kuuluvat korkotulot ja valtiolle kuuluvat verotulot. Malli on kuitenkin mielestäni riittävä tällaisenaan useimpien piensijoittajien käyttöön, sillä pelkillä tunnusluvuilla ei muutenkaan voida yksittäisten yrityksen kohdalla päätyä kovinkaan monimutkaisiin päätelmiin.

Tarkastellaan seuraavaksi pääoman kiertonopeuden, nettotulosprosentin sekä omavaraisuusasteen muodostumista:

Kuvan laatu paranee klikkaamalla kuvaa tai suurentamalla sivua (ctrl ja +). Esitetyt summat ovat miljoonia euroja, mutta tunnusluvut on laskettu tarkemmilla luvuilla. Pääoman kiertonopeus lasketaan jakamalla liikevaihto taseen loppusummalla, nettotulosprosentti lasketaan jakamalla nettotulos liikevaihdolla ja omavaraisuusaste lasketaan jakamalla oma pääoma taseen loppusummalla. Supistamalla pois taseen loppusumman ja liikevaihdon saadaan kaavaksi nettotulos jaettuna omalla pääomalla, joka on sama kuin oman pääoman tuotto. Tämä kuvastaa juuri sitä, että ylemmät erät koostuvat aina alemmista eristä. Harmaalla taustalla olevien lukujen absoluuttisista tasoista ei kuitenkaan voida oikein sanoa mitään suhteuttamatta niitä muihin eriin. Ne voidaan kuitenkin jakaa edelleen, jolloin yhtiöiden rakenteita voidaan tarkastella entistä lähemmin:

Nettotuloksen laskemisessa on käytetty välieränä myyntikatetta, joka on melko harvinainen erä tuloslaskelmissa muualla kuin vähittäiskaupan alalla. Se on tuloslaskelmassa lähes ylimpänä, ja siksi vaikeasti manipuloitavissa. Mallissa voi käyttää sen sijaan esimerkiksi käyttökatetta asettamalla muiden kulujen tilalle korot, verot, poistot ja mahdolliset arvonalentumiset. Taseen molemmat puolet on avattu, ja varat -puoli on esitetty vanhan tuloslaskelmakaavan mukaisesti käyttö-, vaihto- ja rahoitusomaisuutena.

Verkkokauppa.com:in rakenne erottuu selvästi joukosta. Käyttöomaisuus on leasattua, mikä pitää taseen pienenä. Myöskään pitkäaikaista vierasta pääomaa ei käytännössä ole, ja lähemmässä tarkastelussa lyhytaikainenkin koostuu lähinnä ostoveloista ja siirtoveloista. Kulurakenteen voisi olettaa poikkeavan kilpailijoista juuri verkossa tapahtuvan myynnin suuresta roolista johtuen, mutta Verkkokauppa pitää kuitenkin salassa myyntinsä jakauman kivijalka- ja verkkokaupan välillä.

Stockmannin premium -hinnoittelu näkyy korkeassa myyntikatteessa, mutta se ei valitettavasti riitä tuomaan tulosta positiiviseksi muista kuluista johtuen. Myös Stockmannin tase on poikkeava, sillä se esimerkiksi omistaa kiinteistöjä, jotka varaston puutteesta johtuen laskevat vaihto-omaisuuden eli varaston suhteellista osuutta taseesta. Myös rahoitusomaisuus on huomattavan matalalla, mikä saattaa viestiä liiketoimintaan liittyvistä ongelmista. Taseen lähemmällä tarkastelulla selviäisi myös se, että jopa kolmasosa taseesta koostuu käyttöomaisuuteen kuuluvasta liikearvosta. Tämä hankaloittaa P/B-luvun tulkintaa, ja sen sijaan olisikin hyvä harkita P/TBV-luvun käyttöä sen sijaan.

Myös Tokmannin taseesta noin neljäsosa on liikearvoa, mutta yhtiö näyttää paljon terveemmältä. Velkaantuminen voi olla korkeampaa, sillä toiminta on vakaampaa kuin Verkkokaupalla ja kannattavaa toisin kuin Stockmannilla.

Edellä esitetyn poikkileikkauksen sijaan voimme tarkastella esimerkiksi Tokmannin kehitystä ajassa. Kaikista parasta olisi tarkastella lukuja vähintään yhden suhdannekierron ylitse, mutta tarkastellaan tällä kertaa vain neljää vuotta kerrallaan:

Nyt näemme taseen ja tuloslaskelman erien sekä niistä laskettujen tunnuslukujen muutokset ajassa. Taseen vasemman puolen erät ovat kaikki kasvaneet, mutta harmaalla esitetty suhteellinen prosenttiosuus taseesta on pysynyt kohtalaisen vakaana. Myyntikate ja liikevaihto ovat kasvaneet tasaisesti. Taseen oikealla puolella nähdään pitkäaikaisen vieraan pääoman hidas korvaaminen omalla pääomalla, johtuen voitollisesta toiminnasta, sillä kertyneet voittovarathan nostattavat omaa pääomaa ellei niitä jaeta kokonaan ulos osinkoina. Liikevaihto on kasvanut tasetta nopeammin, mikä tarkoittaa nopeutunutta pääoman kiertoa. Tilinpäätöksen lukemisella selviää kuitenkin, että liikevaihdon kasvu on vaarassa, sillä myymälöiden määrä alkaa lähestyä maksimia.

Myyntikatteen keskeinen merkitys tuloksen muodostumisen ja siten myös oman pääoman tuoton kannalta nähdään tästä mallista. Mikäli myyntikate olisi samalla tasolla kuin vuonna 2013, olisi myös nettotulos samalla tasolla, ja oman pääoman tuotto olisi alle 11 prosenttia. Toisaalta emme voi tietää, että kasvattaisiko tuotteiden hintojen ja siten myyntikatteen laskeminen myyntiä ja sitä kautta liikevaihtoa.

Yksi olennaisista osista yritysanalyysiä on miettiä yrityksen tulevaisuutta. Verkkokauppa.com:ille kasvu on olennaisessa osassa, Stockmannille tärkein tekijä tällä hetkellä on kannattavuuden kääntäminen, ja Tokmanni puolestaan osoittaa kasvumahdollisuuksien puutteiden merkkejä. DuPont -analyysi on tähän hyvä lähtökohta, sillä tulevaisuus on kuitenkin riippuvaista menneisyydestä. Sen avulla voi ilmetä yhtiön kannalta keskisiä kysymyksiä, kuten onko esimerkiksi yhtiö menossa oikeaan suuntaan tuloksen ja taseen kannalta, miten sen taseen rakenne vaikuttaa tulokseen, ja onko toimintaa pystytty tehostamaan? Myös skenaarioanalyysi käy kätevästi alussa linkatulla Excel-pohjalla.

Palkit kuvaavat lukujen järjestystä suuruuden sijaan vertailun helpottamiseksi.

Verkkokauppa on listattu First North -pörssiin päälistan sijaan, mistä johtuen on voitu laatia suomalaisten tilinpäätösstandardien mukainen tilinpäätös IFRS:n noudattamisen sijaan. Tämä tuskin kuitenkaan vaikuttaa pintapuoliseen tulkintaan.

Tokmanni on ennen listautumistaan käyttänyt osakaslainaa oman pääoman korvikkeena, joka on tässä tapauksessa oikaistukin oman pääoman eräksi. Myös muita oikaisuja on tehty.

Lue lisää →

Verotehokkaat rahastot ja riskin lisääminen passiivisen kuukausisäästäjän apuna

Käsittelen tässä kirjoituksessa passiivisen pitkäaikaissijoittajan keinoja parantaa tuotto-odotustaan. Sijoitushorisontin ollessa pitkä, muodostuu pienikin ero vuosituotossa huomattavan suuruiseksi korkoa korolle -ilmiön ansiosta. Lisäksi sijoitusaiheiset kirjoitukset käsittelevät usein USA:n markkinoita, jolloin ne eivät kerro miten juuri suomalainen sijoittaja saa maksimaalisen hyödyn sijoituksistaan. Tämän artikkelin lukuaika on noin 10 minuuttia, ja voit myös siirtyä lukemaan suoraan riskin lisäyksestä artikkelin puoleenväliin tästä.

Esimerkiksi useissa Euroopan maissa, kuten Suomessa, on mahdollista sijoittaa erittäin verotehokkaisiin ETF- tai normaaleihin rahastoihin. Niiden ei välttämättä tarvitse maksaa veroja saamistaan osingoista, vaan ainoa vero aiheutuu sijoittajan myydessä osuutensa. Näistä kaikkein tehokkaimpia ovat Irlantiin tai Luxemburgiin rekisteröidyt, eurooppalaisiin maihin sijoittavat rahastot ja ETF:f. Listautumismaa voi poiketa rekisteröitymismaasta, minkä tunnistaa esimerkiksi Morningstarissa IE- tai LU- alkuisesta ISIN-koodista. Demonstroidaan osinkojen ulosmaksamisesta aiheutuvaa tuottoeroa USA:n osakemarkkinoiden (S&P 500) historiallisilla tuotoilla vuodesta 1871 lähtien (data):

Graafi on interaktiivinen

 S&P 500:n tuotot vuositasolla vuodesta 1871

Katsoessamme käyrien alkupäätä huomaamme, että jo viidessätoista vuodessa veroton rahasto olisi tuottanut puolet enemmän kuin osingoistaan verot maksava. Koko datan käsittelevässä ajassa ero olisi ollut jo viisinkertainen. Aineiston loppupää ei ole täysin vertailukelpoinen Euroopan markkinoihin, sillä yhdysvaltalaiset yhtiöt ovat jakaneet voittovarojaan ostamalla ja mitätöimällä omia osakkeitaan huomattavasti useammin sen laillistuttua vuonna 1982. Suomessa tällainen menettely on peiteltyä osingonjakoa ja lasketaan siten veronkierroksi (lähde). Reaalinen tuotto kuvaa sijoitusten todellista ostovoimaa tulevaisuudessa, eli ottaa huomioon myös inflaation vaikutuksen, kokonaistuotto sisältää osingot ja veronjälkeisellä tuotolla viitataan osinkoveroon.

Konkretisoidaan tilannetta vielä suomalaisen sijoittajan kannalta. Voimme verrata esimerkiksi sijoittamista verotehokkaaseen ja kuluttomaan Suomen Superrahastoon tai suoraan 25 vaihdetuimpaan Helsingin pörssin osakkeeseen (yksinkertaistaen niin, ettei myynnistä mene kuluja tai veroja). Superrahaston nimellistuottoa vastaa kokonaistuoton musta käyrä, kun taas suoraan osakkeisiin sijoittamista vastaa harmaa käyrä osinkoverotuksesta johtuen. Osinkoverovelvolliset ovat siten erittäin epäedullisessa asemassa verrattuna esimerkiksi osinkoa jakamattomiin rahastoihin. Myös reaalituottoja voi verrata sinistä ja vihreää viivaa vertaamalla.

Merkittävimpänä syynä suorille osakesijoituksille on mahdollisuus ylituottoon. Jääkin sijoittajan pohdittavaksi, että tuoko mahdollinen ylituotto riittävästi hyötyä, jotta sitä kannattaisi tavoitella. Matemaattisesti ajatellen kaikki sijoittajat eivät voi saavuttaa ylituottoa, ja lukuisten tutkimusten mukaan (mm. Dalbar) keskimääräisen sijoittajan tuotot ovat huomattavasti alhaisemmat kuin indeksin. Tämä saattaa vaikuttaa siltä että lähtökohtaisesti puoltaisin rahastosijoittamista, mutta todettakoon, että hyödyntäisin myös itse suoria osakesijoituksia, mikäli verotuskohtelu olisi samanlainen kuin rahastoissa.

Historiassa ei ollut tietenkään verotehokkaita rahastoja, ja niitä on edelleenkin lähinnä Euroopassa. Voimme kuitenkin tulevaisuutta ajatellen laskea, kuinka paljon ylituottoa tulisi vähintään saada, jotta kannattaisi sijoittaa verotehokkaiden rahastojen sijaan suoraan osakkeisiin nykyisellä verotuksella. Lasketaan geometriset keskiarvot eri tuotoille:

 Tuottojen geometriset keskiarvot

8,7%	Kokonaistuotto
7.6%	Veronjälkeinen kokonaistuotto
6.6%	Reaalinen kokonaistuotto
5.5%	Veronjälkeinen reaalinen kokonaistuotto
4,3%	Nimellistuotto

Osakkeiden reaaliset kokonaistuotot ovat olleet 6,6 prosenttia Yhdysvalloissa vuodesta 1871 lähtien. Samaan tulokseen on päätynyt myös Jeremy Siegel kirjassaan "Stocks for the Long Run". Laskemalla joko 8,7%-7,6% tai 6,6%-5,5% saadaan verotehokkaan sijoittajan eduksi 1,1 prosenttiyksikköä vuositasolla. Keskimääräisellä verotehokkaalla sijoittajalla on siis historiallisen datan perusteella vajaan neljänkymmenen vuoden päästä puolet enemmän pääomaa kuin vastaavalla verotehottomalla sijoittajalla, ja vajaan seitsemänkymmenen vuoden päästä jopa kaksinkertainen määrä pääomaa. Rahastojen kulut vaikuttavat kuitenkin tähän etuun negatiivisesti, ja esimerkiksi kaupankäyntikulut ja spreadi, eli osto- ja myyntikurssin välinen erotus, tulee myös rahaston hallinnointipalkkion päälle. Rahaston osakkeiden lainauksesta shorttaajille tulee kuitenkin tuloa rahastoon sijoittajalle, joten etu on rahastosijoittajalla niin kauan kuin kulujen ja tämän tulon erotus pysyy alle 1,1 prosentissa. Indeksirahastojen kulut ovat nykyään niin pieniä, että kyseinen etu on helppo saada yli prosenttiin. Morningstaring työkalulla on helppo etsiä matalakuluisia ETF-rahastoja valitsemalla markkinaksi XETRA (Saksan pörssi) ja lajittelemalla kulujen mukaan klikkaamalla kohtaa "Juoksevat kulut".

Tarkastellaan seuraavaksi riskin lisäystä. Jos sijoitushorisontti on pitkä, on luontevaa ottaa enemmän riskiä esimerkiksi omistamalla enemmän osakesijoituksia kuin korkosijoituksia. Sama pätee myös osakesijoitusten sisällä, eli korkeampaa riskiä voi hakea esimerkiksi sijoittamalla kehittyville markkinoille tai pienempiin yhtiöihin. Riskillisten sijoitusten tulisi teoriassa johtaa korkeampiin tuottoihin, mutta passiivisella pitkäaikaissijoittajalla on myös toinen etu: sijoittaessa säännöllisesti korkeampi volatiliteetti eli keskihajonta tai heilunta johtaa keskimäärin korkeampiin tuottoihin. On hyvä ottaa huomioon, että vaikka volatiliteettia käytetäänkin riskin mittarina, se ei kuitenkaan ole täysin sama asia kuin riski. Maksimaalista riskiä tavoitellessa ei ole kannattavaa sijoittaa kaikista volatiileimpiin osakkeisiin tai rahastoihin.

Alla olevat histogrammit havainnollistavat kyseistä ilmiötä. Ylempää kuviota varten on ajettu sata Monte Carlo -simulaatiota 20 prosentin volatiliteetilla ja 8,7 prosentin geometrisellä vuosituotolla. Alemmassa kuviossa on samanlainen simulaatio, mutta 30 prosentin volatiliteetilla. Molemmissa tapauksissa on sijoitettu sata euroa kuukausittain kymmenen vuoden ajan.

 Kymmenen vuoden loppupääomien jakaumat ja keskiarvot eri volatiliteeteilla

Vaikka vuosituotto onkin molemmissa sama, eroaa rahallinen tuotto volatiliteetista johtuen, sillä sijoittaessa joka kuukausi sama summa saadaan pörssiromahduksessa ostettua kappalemääräisesti enemmän, kun taas kurssien noustua saadaan ostettua kappalemääräisesti vähemmän. Tästä strategiasta käytetään myös nimeä dollar cost averaging, jota vastaa suomenkielinen termi passiivinen kuukausisäästäminen. Tumma pystypalkki kuvaa simulaatioiden keskimääräistä tuottoa, joka on 20 prosentin volatiliteetilla 19 020 euroa ja 30 prosentin volatiliteetilla 20 466 euroa. Ero on siis 1 446 euroa tai 7,6 prosenttia korkeamman volatiliteetin hyväksi, ja pidemmällä aikavälillä ero kasvaisi entisestään. Jakauman hajonta on kuitenkin luonnollisesti suurempi, mutta sen huomioon ottava geometrinen tuotto on kaikista havainnoista laskettuna myös huomattavasti suurempi korkeamman volatiliteetin tapauksessa. Lisäksi jakauma on vinompi oikealle (skewness 0,95 vs 0,24), eli huomattavasti suuremmat arvot ovat yleisempiä kuin matalan volatiliteetin sijoituksessa.

On myös huomattava, että kertasumman sijoittaminen on kuitenkin 78 prosenttia ajasta kannattavampaa kuin sijoituksen tekeminen useassa erässä. Yllä olevat esimerkit pätevät siis lähinnä niille, ketkä sijoittavat esimerkiksi osan palkastaan kuukausittain. Esimerkiksi lottovoitto tai perintö kannattaisi datan perusteella sijoittaa kerralla. Alla olevassa graafissa on esitetty punaisella värillä ajat, jolloin dollar cost averaging on ollut kannattavampaa seuraavan muutaman vuoden aikana kuin kertasijoituksen tekeminen:

Graafi on interaktiivinen

 Kuukaudet, jolloin kuukausisäästämisen tuotto on korkeampaa kuin kertasumman sijoittaminen

Otollisin aika kuukausisijoittaa kertasijoituksen sijaan on tietenkin ennen pörssiromahdusta, mikä näkyy selvästi edellisestä kuviosta. Vaikka romahduksia onkin mahdotonta ennustaa tarkalleen, voitaisiinko kuitenkin määrittää tietty arvostustaso, jolloin kuukausisäästäminen on kannattavampaa kertasijoittamisen sijaan? Alla on esitetty logistiset regressiot käyttäen logit-mallia ennustamaan 10 ja 20 prosentin laskua seuraavalle vuodelle. Viiva kuvaa romahduksen todennäköisyyttä kullakin CAPEn eli 10 vuoden P/E-luvn tasoilla USAn markkinoilla vuosina 1881-2005:

10 ja 20 prosentin laskun todennäköisyys eri arvostustasoilla seuraavan vuoden aikana

Kuvat suurenevat klikkaamalla, ja niitä on kätevä verrata painamalla nuolinäppäimiä oikealle ja vasemmalle. Odds ratio kertoo kertoimen, kuinka paljon romahduksen todennäköisyys nousee, kun CAPE nousee yhdellä. Niiden perusteella myös romahduksen koko kasvavaa CAPEn noustessa, mikä on täysin odotettavaa. Odds ratiosta on myös laskettu sulkuihin 95 prosentin luottamusväli.

"Romahduksia" -kohdan arvo viittaa siihen, että kuinka usein markkinat ovat romahtaneet vuoden sisällä kunkin havainnon jälkeen. Havainnoista eli kunkin kuukauden jälkeisestä 12 kuukauden ajanjaksosta kolmasosa on pitänyt sisällään vähintään 10 prosentin romahduksen, ja keskimäärin joka kymmenes yli 20 prosentin romahduksen. Tämän hetken arvostustasoilla (CAPE 33.9) vähintään kymmenen prosentin romahduksen todennäköisyys seuraavan vuoden aikana on noin 40 prosenttia, ja yli kahdenkymmenen prosentin romahduksen todennäköisyys on noin 20 prosenttia. Kymmenen prosentin romahduksen todennäköisyys on siten kolmanneksen normaalia suurempi, ja kahdenkymmenen prosentin romahduksen todennäköisyys noin kaksinkertainen.

Nämä regressiot kertovat sen, että on hieman riskisempää tehdä kertasijoitus arvostustasojen ollessa korkealla. Romahduksen mahdollisuus ei silti tällä hetkellä vaikuttaisi riittävän suurelta kuukausisäästämisen suosimiseen kertasijoittamisen sijaan, sillä arvostustasot eivät ennusta romahduksen todennäköisyyttä riittävän korkeaksi. On huomioitava myös, että mikäli esimerkiksi perinnön kokonaan sijoittamista viivyttäisi kuukausisäästämällä, hukkaisi viivyttelyn ajalta kertyvän potentiaalisen tuoton jos romahdusta ei tulisikaan. Tuoton menetys kasvaa helposti huomattavan kokoiseksi, sillä sijoituspääoma kasvaa eksponentiaalisesti eli korkoa korolle.

Logistisessa regressiossa käytetyssä datassa ei ole mukana osinkoja eikä inflaatiota, sillä niitä ei tyypillisesti oteta huomioon romahduksen suuruutta laskiessa.

USA:an sijoittava rahasto joutuu maksamaan saamistaan osingoistaan verot, joten alussa esitetyn ensimmäisen graafin esimerkki ei päde USA:n markkinoille. USA:sta löytyy kuitenkin pitkä tuottohistoria, jonka vuoksi kyseistä dataa on käytetty.

Lue lisää →