Sijoittajan pahin painajainen on yhtiö, joka katoaa kokonaan. Osakesijoituksen arvo nollautuu, eikä konkurssipesästä tavalliselle osakkeenomistajalle yleensä jää mitään.
Historian suurimmat konkurssit ovat kuitenkin osoittaneet, että varoitusmerkit olivat näkyvissä jo kauan ennen romahdusta. Akateeminen rahoitustutkimus on kehittänyt 1960-luvulta lähtien malleja, joilla näitä merkkejä voidaan tunnistaa systemaattisesti.
Tutkimuskenttä ulottuu yksinkertaisista tunnuslukumalleista markkinadataan perustuviin optiohinnoittelukehikoihin ja uusimpiin koneoppimismenetelmiin. Yksikään malli ei ole aukoton, mutta niiden yhteinen sanoma on johdonmukainen: konkurssi ei yleensä iske salaman lailla.
Rahoitustutkimuksen klassikko on Edward Altmanin vuonna 1968 kehittämä Z-score-malli, joka yhdistää viisi tilinpäätöstunnuslukua yhdeksi pisteluvuksi. Se ennusti konkursseja yhden vuoden aikajänteellä 80–90 prosentin tarkkuudella.
Z-scoren viisi komponenttia mittaavat yhtiön terveyttä eri kulmista. Käyttöpääoman suhde taseeseen kertoo maksuvalmiudesta. Kertyneet voittovarat suhteessa taseeseen heijastelevat yhtiön ikää ja historiallista kannattavuutta. Liikevoiton suhde varoihin mittaa operatiivista tehokkuutta, oman pääoman markkina-arvo suhteessa velkoihin kuvaa velkaantuneisuutta, ja liikevaihdon suhde taseeseen kertoo varojen kiertonopeudesta.
Sijoittajan kannalta tulkinta on yksinkertainen. Alle 1,8 pisteen arvo viittaa korkeaan konkurssialttiuteen, yli kolmen pisteen arvo terveeseen yhtiöön. Vuonna 2007, juuri ennen finanssikriisiä, yhdysvaltalaisten yhtiöiden mediaani-Z-score oli 1,81. Puolella yhtiöistä riski oli luottoluokitusta vastaavasti B-tasolla tai heikompi.
Tilinpäätöksestä todennäköisyyksiin
Altmanin malli on kestänyt aikaa hyvin, mutta sillä on tunnetut rajoitteensa. Se kehitettiin teollisuusyrityksille, ja sen ennustuskyky heikkenee palvelu- ja teknologiayhtiöiden kohdalla. Tilinpäätösluvut ovat myös luonteeltaan taaksepäin katsovia.
James Ohlson esitteli vuonna 1980 vaihtoehtoisen O-score-mallin, joka hyödyntää logistista regressiota yhdeksän muuttujan pohjalta. Hänen aineistonsa kattoi yli 2 000 yhtiötä, mikä teki siitä tilastollisesti huomattavasti kattavamman kuin Altmanin alkuperäinen 66 yrityksen otos.
O-scoren neljä tilastollisesti merkitsevintä muuttujaa ovat yhtiön koko, velkaantuneisuusaste, kannattavuus ja se, ylittävätkö velat varat.
Ohlsonin keskeinen innovaatio oli todennäköisyysajattelu. Binäärisen ”terve tai uhattuna” -vastauksen sijaan O-score tuottaa jatkuvan todennäköisyysarvion. Yli 0,5 pisteen arvo viittaa korkeaan konkurssiriskiin.
Tilinpäätöspohjaisten mallien rinnalle on noussut markkinadataan perustuva lähestymistapa. Robert Merton esitti vuonna 1974 teoreettisen kehikon, jossa yrityksen oman pääoman arvo tulkitaan osto-optiona yrityksen varoille. Mitä lähempänä velkojen arvo on varojen markkina-arvoa, sitä suurempi on maksukyvyttömyyden todennäköisyys.
Stephen Hillegeist ja hänen kollegansa osoittivat vuonna 2004, että tästä kehikosta johdettu konkurssitodennäköisyys tarjoaa tilastollisesti merkitsevästi enemmän informaatiota kuin Altmanin tai Ohlsonin mallit.
Tulos on sijoittajan kannalta merkittävä. Osakemarkkinat hinnoittelevat konkurssiriskiä tehokkaammin kuin tilinpäätöstunnusluvut yksin kykenevät kuvaamaan. Kurssilasku, volatiliteetin kasvu ja markkina-arvon lähestyminen velkojen kirjanpitoarvoa ovat signaaleja, jotka markkinapohjaiset mallit poimivat nopeammin kuin kvartaaliraportointiin sidotut tilinpäätösmallit.
Mallit yhdistyvät ja tarkentuvat
John Campbell, Jens Hilscher ja Szilárd Szilagyi yhdistivät vuonna 2008 sekä markkinamuuttujia että tilinpäätöstietoja samaan hasardimalliin. Heidän CHS-mallinsa osoittautui tarkimmaksi yksittäiseksi ennustemalliksi ja korreloitui voimakkaimmin yhtiön vieraan pääoman kustannusten kanssa.
Tuoreimmat tutkimukset ovat testanneet koneoppimismenetelmiä. Altman osallistui vuonna 2017 julkaistuun tutkimukseen, jossa koneoppimisen menetelmiä verrattiin perinteisiin tilastollisiin malleihin. Koneoppiminen paransi ennustetarkkuutta noin kymmenellä prosenttiyksiköllä.
Kokonaiskuva on monikerroksinen. Perinteiset tilinpäätösmallit toimivat edelleen seulontatyökaluina, markkinapohjaiset mallit reagoivat nopeammin, ja tehokkain yhdistelmä syntyy käyttämällä molempia rinnakkain.
Yksikään malli ei kuitenkaan pysty ennustamaan petosta. Se on ollut useiden historian suurimpien konkurssien taustalla.
Enron ja petos, jota tunnusluvut eivät paljastaneet
Enronin romahdus vuonna 2001 on oppikirjaesimerkki tilanteesta, jossa tilinpäätösanalyysi petti. Energiayhtiön johto käytti monimutkaisia erillisyhtiörakenteita miljardien dollareiden velkojen piilottamiseen taseen ulkopuolelle. Mark-to-market-kirjanpito mahdollisti pitkäaikaisten sopimusten tulouttamisen etukäteen, mikä loi illuusion tasaisesta tuloskasvusta.
Toimitusjohtaja Jeffrey Skilling ja talousjohtaja Andrew Fastow johtivat järjestelyä. Tilintarkastusyhtiö Arthur Andersen avusti manipuloinnissa ja tuhosi myöhemmin todisteita.
Enronin osake kävi elokuussa 2000 yli 90 dollarissa. Reilu vuosi myöhemmin se oli alle dollarin.
WorldComin konkurssi vuonna 2002 noudatti samankaltaista kaavaa. Televiestintäyhtiö luokitteli operatiiviset kulut pitkäaikaisiksi investoinneiksi ja paisutti liikevaihtoaan yli kymmenellä miljardilla dollarilla. Toimitusjohtaja Bernard Ebbers tuomittiin 25 vuodeksi vankeuteen.
Molemmissa tapauksissa perinteiset tunnuslukumallit olivat hyödyttömiä, koska niiden syöttödata oli vääristeltyä. Tilanne muistuttaa siitä, ettei kvantitatiivinen malli korvaa laadullista arviota yhtiön hallintotavasta ja johdon rehellisyydestä.
Lehman ja velkavipu
Lehman Brothersin konkurssi syyskuussa 2008 edustaa toisenlaista mekanismia. Investointipankki ei väärentänyt kirjanpitoaan Enronin tavoin, mutta otti valtavan riskin subprime-asuntoluottoihin kytketyillä arvopapereilla.
Kun asuntomarkkinat kääntyivät, Lehmanilla oli 111 miljardia dollaria kiinteistösidonnaisia varoja taseessaan. Repo 105 -järjestelyt auttoivat piilottamaan noin 50 miljardia dollaria lainoja myynteinä.
Lehmanin tapauksessa markkinapohjaiset mallit olisivat reagoineet ajoissa. CDS-spreadit alkoivat levetä kuukausia ennen konkurssia, ja osakkeen volatiliteetti kasvoi jyrkästi. Mertonin distance to default -malli olisi osoittanut varoitusmerkkejä jo alkuvuodesta 2008.
Konkurssipesän varojen arvo oli 639 miljardia dollaria ja velkojen 613 miljardia. Kyseessä oli Yhdysvaltain historian suurin yrityskonkurssi.
Historian esimerkit paljastavat toistuvia kuvioita. Konkurssia edeltää kasautuva velkaantuminen, kannattavuuden eroosio, likviditeetin ehtyminen tai näiden yhdistelmä. Petostilanteissa eroosio on todellista mutta piilotettua.
Sijoittajan työkalupakki rakentuu parhaimmillaan kolmesta kerroksesta. Ensimmäinen on tilinpäätöspohjainen seulonta Altmanin tai Ohlsonin mallilla. Toinen on markkinapohjainen seuranta, jossa osakekurssin, volatiliteetin ja luottoriskipreemioiden kehitys tarjoavat reaaliaikaisia varoitussignaaleja.
Kolmas, kenties tärkein, on laadullinen arvio yhtiön johdosta ja hallintotavasta.
Tutkimuskirjallisuuden kestävimpiä havaintoja on, että yksittäisistä tunnusluvuista velkaantumisaste on johdonmukaisesti vahvin konkurssin ennakoija mallista riippumatta. Se esiintyy merkitsevänä muuttujana niin Altmanin, Ohlsonin kuin Campbellin malleissa.
Taseen velkarakenne ansaitsee sijoittajalta huomioita siinä missä tuloslaskelman viimeinenkin rivi.
