Gör din egen DCF

Använd länken nedan för att komma åt en användarvänlig DCF-modell. Den gör det mesta jobbet åt dig, så se till att bara fylla i de gråa cellerna om du inte vill ändra på uträkningarna. Har du några frågor om modellen får du gärna kommentera ett av inläggen här på hemsidan, alternativt skriva till mig på Twitter.

Låt gärna vattenmärket stå kvar på sidan om du tänker publicera dina resultat.


Nedan finner du även instruktioner och förklaringar om hur jag går tillväga för att göra en DCF-analys med hjälpa av mallen, kolla gärna igenom den, då den innehåller en hel del matnyttigt. 

Happy Valuation!

Kalkylblad

(Uppdaterad 2018-12-20 – VIKTIG UPPDATERING)


Del 1

Här kommer den första delen i serien där jag kommer beskriva hur man enkelt kan göra en DCF-analys av ett bolag med hjälp av min mall som ligger här på hemsidan. 

Jag har valt att göra en analys av SkiStar och börjar i detta inlägget med Cost of Equity. Nästa del kommer behandla Cost of Debt och våran WACC. 
I den tredje och sista delen kommer jag visa hur jag gör när jag kommer fram till mina tillväxt, investerings- och marginalprognoser. 

Vi börjar med den riskfria räntan och hittar den enkelt genom att titta på den svenska 10 åriga statsobligationen som, vid tidpunkten för detta inlägget, är 0,5%. Detta utgör alltså den räntan vi som investerare kan få på våra investeringar utan att ta någon risk, då den svenska staten med säkerhet inte kommer förlora sin betalningsförmåga. Med andra ord är 0,5% vår alternativkostnad för att investera i en riskfylld tillgång.

Nästa steg blir att räkna ut en Equity Risk Premium, och detta kan göras genom kalkylatorn som finns i excel-filen. 
I kalkylatorn skriver vi in andelen av intäkterna som kommer från olika geografiska områden, och tyvärr publicerar inte SkiStar någon exakt data, men om vi tittar på antalet skiddagar och andel gäster per nationalitet i de olika skidorterna kan vi komma fram till ett rimligt estimat. Jag får det till ca 90% intäkter från skandinaviska länder och resterande från andra länder i Europa. Vår ERP blir då 5,84% och detta fyller jag i på DCF-bladet.

Ett annat sätt att göra detta på är att använda undersökningar av investerare och deras åsikter, och en sådan görs bl.a. av KPMG varje år. De kom fram till 5,5% i sin senaste undersökning.

Vi går vidare till SkiStars Beta och detta talet tas också fram genom att gå till Calculator bladet i Excel. Det första som ska fyllas i är namnen på bolag som är jämförbara. Vad är då ett jämförbart bolag? Jag brukar göra 2 avgränsningar;
– Samma bransch
– Samma risk (storlek, konjunkturkänslighet, finansieringsbehov osv)

Med andra ord letar vi efter bolag som är aktiva inom Hotell och Resebranschen och inte är för små jämfört med SkiStar. Det väldigt många bolag som passar in på just dessa kriterierna, och desto fler man kan komma på ju bättre. Men jag kommer idag avgränsa mig till 13st för enkelhetens skull. 

Hur hittar jag då bolagen? Mitt bästa tips är att använda er av Börsdata som i sin screener har en utmärkt funktion för just bransch/sektor-filtrering. Alla Pro-kunder kan dessutom få med bolag utanför Norden och får därför ett mer övergripande perspektiv.  

Efter vi har hittat ett antal bolag som är jämförbara ska vi fylla i deras Beta och Debt to Equity relation. 
Båda talen går att hitta på flertalet sidor, men jag använder mig av Yahoo Finance för beta och Börsdata för D/E relationen. Den senare räknar jag som ”Totala Skulder/(Totala Skulder+Börsvärde)”

Nedan hittar ni resultatet för min uträkning på just SkiStar. Jag misstänker att mitt urval på 13 bolag inte blev riktigt representativt, och det är främst D/E talet jag tror blev ovanligt högt. Jag rekommenderar er att inkludera så många bolag ni kan för att få ett korrekt genomsnitt.

Om vi fuskar lite och tittar på Professor Damodarans hemsida kan vi se att det globala genomsnittet för ett ”Recreation” bolag är 0,88 i Beta och ca 25% i D/E relation. Det skulle leda till ett Levered Beta för SkiStar på ca 0,87, istället för vårt 0,94. 

Detta får avsluta Del 1, och om du har följt instruktionerna korrekt kommer du att ha ett Cost of Equity för SkiStar på 6%, förmodat att du använde dig av samma Beta som jag gjorde. 



Del 2

Vi går nu vidare till Cost of Debt och börjar med SkiStars default spread.
Här använder jag mig nästan uteslutande av en syntetisk rating, då långt ifrån alla bolag har utestående obligationer. Logiken är att man kan titta på ett bolags räntetäckningsgrad och komma fram till en rimlig lånekostnad. SkiStar rapporterade för 2017/18 en ratio på 8,4. Vi tar den siffran och jämför med följande tabell och ser att de borde ha en räntekostnad på 0,9% + den riskfria räntan. Detta ger en CoD innan skatt på 1,4% ungefär. 
Vill man istället använda Ränteutgifter/Totala Räntebärande Skulder från bolagets resultatrapport respektive balansräkning går detta ofta också bra.

Den sista komponenten är den marginella skattesatsen vilket för senaste året är 17%, vilket vi hittar i deras årsredovisning, och detta ger oss en After Tax Cost of Debt på 1,25%.

Vi går vidare till våra sista inputs för att få fram vår vägda kapitalkostnad (WACC), som är antal aktier, pris per aktie och bokvärdet på de långfristiga skulderna. Allt detta hittar vi, återigen, på den fenomenala tjänsten Börsdata. Och siffrorna blir som följer;
– 39,2 miljoner aktier
– 210kr/aktie
– 1519 miljoner i långfristiga skulder.

Ovanstående siffror ger oss en WACC på 5,22% vilket också blir vår diskonteringsränta för alla framtida kassaflöden.

Innan jag går vidare till just de kassaflödena tar vi en titt på SkiStars investerings- och finansieringsbehov. Vi hoppar alltså över tillväxt- och marginalprognoserna så länge och tar det i Del 3 istället.


Att göra antaganden om exakta investeringsbehov och nedskrivningar till vara extremt svårt, om inte omöjligt, för de flesta bolagen. Speciellt om man tittar längre in i framtiden än 3 år.
Därför föreslår jag att man använder sig av grova uppskattningar baserade på bolagets historik, och vad de har kommunicerat ut till oss investerare.

Om vi återigen går till kalkylbladet i Excel-dokumentet hittar ni ett verktyg där vi kan fylla i bolagets historiska intäkter, capex, rörelsekapital och D&A. Med hjälp av denna kan vi göra en rimlig uppskattning till vår DCF analys. Vi plockar upp alla siffror vi behöver på Börsdata, och genom att exportera alla siffrorna från ”Analysera” fliken kan vi enkelt använda oss av Copy-Paste till vår kalkylator.

NIBCL är bolagets kortfristiga skulder minus räntebärande kortfristiga skulder, och denna behöver vi justera manuellt med hjälp av bolagets årsredovisningar. Nedan ser ni senaste årets årsredovisning, där NIBCL är 930-392,7 = 537 miljoner.

Net Current Assets är deras omsättningstillgångar minus deras kassa, båda hittar vi i våra exporterade siffror från Börsdata.

För SkiStar får vi en något negativ rörelsekapital-relation ((Net Current Assets- NIBCL)/Revenue) med ett genomsnitt på -1,4% sedan 2012, vilket betyder att bolaget har en väldigt låg kapitalbindning, och t.o.m. kan använda sina kunders betalningar som en direkt finansiering av expansion. I klartext kan SkiStar först få in pengar från sina kunder, och sedan betala sina leverantörer. Detta är något som uppstår i vissa branscher som inte är kapitalintensiva, men över tid brukar dessa effekterna närma sig 0 (vilket det redan verkar ha gjort för SkiStar).

Vi kan nu gå vidare till deras investeringsbehov vilket vi hittar på Börsdata. Bolaget har ett genomsnittligt Capex på 12,5% av deras intäkter.

Sista delen blir deras av- och nedskrivningar som vi hittar i noterna till årsredovisningen (not 31 senaste året). Bolaget snittar 11% sedan 2012.
För att summera har vi alltså följande
– Rörelsekapital som % av intäkter = -1,4%
– Capex som % av intäkter = 12,5%
– D&A som % av intäkter = 11%

Den största delen av bolaget Capex är investeringar i liftar, kablar, snösystem och liknande. Dessa investeringar bör fortsätta äta upp en stor del av bolagets intäkter, men jag tror de kommer sjunka någon från dagens nivåer till ett snitt på 10% de kommande 10 åren och jag justerar även ner D&A till 10%. Rörelsekaptialet tror jag inte kommer påverkas nämnvärt, och jag använder mig av samma siffror som snittet sedan 2012.

Detta avslutar Del 2 av instruktionerna och i nästa del kommer jag gå igenom hur jag tänker när jag göra mina projektioner för framtiden – vilket oftast är den svåraste delen av en DCF-värdering.

Del 3

I den tredje och sista delen kommer jag gå igenom hur jag gör mina prognoser på tillväxt, marginaler och liknande. Viktigt att komma ihåg är att alla bolag är olika, och varje analys kräver därför olika tillvägagångssätt när man ska göra sina prognoser. Jag kommer här göra en Bottom Up modell där jag utgår från KPI och bolagets segment. Det finns inga rätt eller fel, utan det handlar om att hitta sättet som verkar bäst för en själv. 

Analysen
Jag börjar med att hitta ett viktigt nyckeltal för bolaget genom att läsa årsredovisningar och lyssna på presentationer. Ganska snabbt stöter man på uttrycket ”skiddagar”, vilket är antalet liftkorts-dagar som man har sålt till kunder under året. Detta kommer bli utgångspunkten för hela analysen.

Jag bryter sedan ner bolagets totala skiddagar i de olika segmenten, vilka utgörs av de olika orterna, och skriver ner historiken för att kunna upptäcka trender och hitta en ”baseline” för mina antaganden. 

Jag går vidare och sammanfattar hela koncernens skiddagar och intäkter för att komma fram till vad bolaget tjänar på en dags skidåkning per kund (ARPD – Average Revenue Per Day). Jag får fram siffran 386kr per dag. Detta inkluderar alltså intäkter från själva liftkortet, men också försäljning av produkter, skidlärare och uthyrning av utrustning.

En veckas Skipass på Skistar.se (Vecka 7) kostar i dagsläget runt 300kr per dag för en vuxen, så min siffra på 386 (ink utrustnings lärare osv) verkar vara rimlig. Detta är ett viktigt ord att ta med sig genom hela bolagsvärderingen – rimlighet. Är siffran jag skriver in i Excel just nu rimlig utifrån verkligheten? Det är lätt att bli fartblind och fixa och trixa en massa, och plötsligt har ditt bolag en marknadsandel på 123% och intäkter som överstiger hela Sveriges BNP. 

Jag tittar även på vad bolaget tjänar på uthyrningen av sina sängar och får fram att man tjänade man ca 9400kr (ARPB – Average Revenue Per Bed) per bädd per säsong. En säsong antar jag vara 18 veckor.
Att göra en rimlighets-check genom att kolla priserna på hemsidan på detta blir väldigt svårt, då bolaget inte äger alla bäddar själv utan förmedlar den stora majoriteten (i sälen ägs endast 3500 av 14000 bäddar).

Jag har nu ett utgångsläge och kan börja göra mina prognoser, som då kommer bygga på antalet sålda skiddagar per ort.
Jag gör mina prognoser på två stora antaganden som lyder;
– En svagare ekonomi i Europa 2019-2020.
– Kalendereffekter 
Utöver detta tillkommer en del intuition. Skidbranschen är något jag är mycket bekant med, då jag både har varit konsument sedan barnsben, men också jobbat inom den. Uttrycket ”Circle of Competense” är relevant i sammanhanget, och jag föreslår att man håller sig inom sin egen cirkel så mycket det går – alternativt vidgar den!

Jag börjar med att samla in relevant information för mina prognoser, och dess hittar jag både i bolagets publikationer, men också på ställen så som SLAO och Freeride.se,  konkurrenters rapporter och branschrapporter.
Här följer en sammanfattning på informationen jag har samlat in för tre år framöver.

Säsongen 18/19
– Snöläget ser ut att ha börjat bra för alla orterna, utom möjligen Vemdalen.
– Julen inföll på ett sådant sätt att man med 2-3 dagars tjänstledigt har kunnat vara på semester i 10-12 dagar. Detta gynnar SkiStar under Q2. Däremot infaller Påsken väldigt sent på året, vilket gör att bokningsläget antagligen blir påverkat negativt, då snön mer eller mindre är borta när vi närmar oss Maj. Detta kommer slå hårt mot Q3.
– St.Johann fick en bra start på säsongen med ca 100cm snö i backarna redan.
– En relativt god ekonomi in i den första halvan av 2019. 

Säsongen 19/20
– Julen blir återigen en ”arbetstagarjul”, och med endast 2 dagars tjänstledigt kan man vara ledig mellan den 21a och 29e December. Bra för Q2. Påsken infaller något tidigare än året innan.
– Sämre ekonomiska förutsättningar, med vikande konjunkturer i Norden och rimligen stigande arbetslöshet. Bör påverka antalet som väljer att lägga sina pengar på en skidresa. 

Säsongen 20/21
– Ett mycket bra kalenderår för SkiStar med tidig påsk och julledighet på vardagar.
– Förhoppningsvis en återhämtad ekonomisk situation i början på 2021, men kanske inte med full kraft.

Nedan ser ni dessa antaganden kvantifierade. Var får jag då dessa exakta siffror från? Helt ärligt så kommer de från tomma intet. Dessa siffror är rena gissningar, och jag förväntar mig inte att jag har rätt på någon av orterna. Sen går det självklart att göra mer eller mindre kvalificerade gissningar, och jag tror att mina faller strax norr om ”apa-som-kastar-pil-gissning”. Good enough!
(Alla uppskattningar är rödfärgade)

Jag sammanställer dessa prognoser och kommer fram till 6, 5,8 och 5,9 miljoner sålda skiddagar för de kommande tre åren i respektive ordning.
Detta kombinerar jag med prognosen att SkiStar kommer kunna fortsätta att öka sina intäkter per kund under 18/19 säsongen, främst drivet av merförsäljning kring Skid-VM i Februari som hålls i Åre, och fortsatt höjda priser på liftkort.
Under 19/20 och 20/21 fortsätter jag på spåret att folk kommer spendera mindre, även när de är på resan. Det blir naturligt att välja bort de dyraste skidorna i uthyrningen, eller att skippa den där extra privatlektionen. Dock tror jag inte effekterna slår lika hårt som under finanskrisen 2008-2009, då den nya flygplatsen, skid-VM och liknande nyheter har dämpande effekter.

Efter finanskrisen minskade beläggningsgraden med ca 7%-enheter, och jag spår en minskning med ca 5%-enheter efter nästa säsong. Detta kombinerat med att folk väljer billigare boenden, och man därmed får en lägre ARPB, leder till lägre logi-intäkter. Även här har flygplatsen och VM dämpande effekter.
Antalet bäddar tar jag från vad bolaget själva har kommunicerat i den senaste årsredovisningen, ni hittar det på sida 24-25. 

Jag fortsätter med att göra en prognos över bolagets kostnader, för att komma fram till deras rörelsemarginal. Precis som tidigare tittar jag historiskt först, för att hitta en base line.
Här väljer jag att gå ännu längre bak i tiden för att jämna ut möjliga engångsposter.
Deras största utgifter är Personal och Leasing. Den första är något lättare att reglera vid sämre tider, då man helt enkelt kan sluta anställa och/eller avskeda folk. Med tanke på att många är säsongsarbetare blir detta en relativt enkel process för SkiStar. Leasing avgifterna däremot blir svårare att göra sig av med, då de härstammar från Liftsystem och andra vitala byggnader.
Med bakgrund av detta kommer jag anta att både handelsvaror och personalkostnader stannar av nästa år och håller sig relativt konstanta år 3. Resterande kostnader ökar precis som de gjort de senaste 6 åren.

Dessa siffror sätter jag sedan i relation till min prognos på omsättning och kommer fram till min rörelsemarginal för de kommande åren.

Anledningen till att jag bara gör prognoser tre år framåt, är helt enkelt för att det blir för svårt att göra några kvalificerade gissningar längre än så. Så efter det går jag på branschsnitt och historiska siffror när jag gör mina estimat. Efter lite jämförande på Börsdata kommer jag fram till att en omsättningstillväxt på runt 5% efter mina 3 första år, och en EBIT marginal runt 20% är rimligt jämfört med liknande bolag i branschen.
Det är helt klart i det högre intervallet, men SkiStar har också mer eller mindre monopol på skidåkning i Sverige & Norge. Konkurrensen kommer främst från Branäsgruppen som har ca 8% marknadsandel, jämfört med SkiStars 50% i Sverige. 

Nya bolag som vill konkurrera har det inte lättare än att de måste vänta på att ett nytt berg växer fram, och det kan ju, som bekant, ta ett tag. 

På grund av dessa faktum kommer jag även belöna SkiStar med en relativt stark ”moat”. Jag gör, i och med detta, antagandet att de över längre perioder kommer kunna skapa överavkastning, utan att konkurrenter kommer in och stör denna avkastning. Något som annars bör hända enligt ekonomisk teori.

Härifrån är det bara att stoppa in mina prognoser i DCF kalkylen och voilla – den magiska siffran vi alla har väntat på – en riktkurs!


Jag hoppas att denna guide har varit till hjälp, och att det inte verkar allt för krångligt.
Har du frågor är det bara att kommentera, eller att höra av dig på Twitter!

Disclaimer
Mina riktkurser och analyser är inte rådgivning, och jag ger inga garantier för att mina slutsatser är korrekta. Därför uppmanar jag alla att göra sina egna antaganden, och sina egna analyser.

Kalkylbladen jag publicerar garanterar inte ett bolags sanna värde, och kan innehålla tekniska fel som jag ej ansvarar för. Använd allt material på eget bevåg. All handel med värdepapper innebär en risk där du kan förlora hela, eller delar av, det satsade beloppet.


Blogga med WordPress.com.

Upp ↑

%d bloggare gillar detta: