-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathRelativeGME.do
138 lines (57 loc) · 4.6 KB
/
RelativeGME.do
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
*Nella relative valuation, l'obiettivo è valutare gli asset (di Gamestop) comparandoli con quelli simili sono attualmente prezzati sul mercato.
*Usando i multipli di mercato, si può individuare il sentiment del mercato valutando se il titolo è sottovalutato o sopravvalutato rispetto al nostro gruppo di comparazione.
*L'idea è di trovare aziende comparabili nello stesso settore per formare un campione da utilizzare nella regressione.
*Idealmente, con un numero sufficiente di imprese tra cui scegliere, le imprese dovrebbero essere raccolte in modo casuale per evitare problemi di BIAS nel sample.
*Ho usato il sample di imprese sfruttato da Damodaran (suddivise per settore di operatività) e ho rimosso per convenzione quelle dove mancavano dati o previsioni di crescità.
*L'obiettivo è trovare quel valore che l'impresa dovrebbe avere in relazione col mercato, in modo tale da determinare una strategia d'investimento BUY or SELL.
****RELATIVE VALUATION****
*media e mediana del sample
sum Pricetosalesttm, d
*media =1.32 | mediana = .735
*E' preferibile la mediana invece della media perché alcuni valori risultano anomali (quindi la mediana è più appropriata).
*PriceToSales di Gamestop = 2.22 (sopra media e mediana)
*se usassimo 0,735 come benchmark di settore, allora potremmo calcolare il prezzo comparato come:
*----> 0,735 * 5.089.800.000 (Net Sales, prese dal Report Annuale 2020) = 3.741.003.000 / 70.770.000 (azioni in circolazione) = 52.861 $ (sopravvalutato rispetto al benchmark)
*****MODELLO DI REGRESSIONE*******
*Price/Sales come variabile dipendente per ottenere il predicted value.
****DATA --> Campione di 52 aziende: nella scelta delle proxy da adottare, come beneficio economico ho preso il NET INCOME, come tasso di crescita attesa la variabile expected growth a 5 anni e per la componente di rischio il BETA MENSILE A 5 ANNI,
*Come altre variabili "alternative" ho considerato anche il ROE (alternativo al NET INCOME e buono anche come indicatore di crescita attesa) e per la componente rischio ho considerato la variazione % del prezzo delle azioni delle società nelle ultime 52 settimane (weekchange).
*Correlazione tra le variabili indipendenti //correlation analysis
pwcorr Pricetosalesttm Netincome ROEttm ExpGrowth5y Beta5ymonthly weekchange, sig
*le variabili non mostrano correlazioni anomali tra loro, quindi sono utilizzabili ai fini del modello di regressione.
***********
*prove di regressione (prova con NetIncome)
reg Pricetosalesttm Netincome ExpGrowth5y Beta5ymonthly
*Beta significativo (good anche il segno "meno" perché variabile di rischio)
*Growth e Net Income NON SIGNIFICATIVI
*provo a creare logaritmo del pricetosalesttm
gen ln_pricetosalesttm = ln(Pricetosalesttm)
*provo areg x assorbire gli effetti fissi degli stati
areg ln_pricetosalesttm Netincome ExpGrowth5y Beta5ymonthly, a(id_state) robust
*growth e beta significativi
*net income NON SIGN
*cons NON SIGNIFICATIVA <---- è un problema
*Provo ad usare il ROEttm invece del net income
reg Pricetosalesttm ROEttm ExpGrowth5y Beta5ymonthly
*solo beta significativo
*provo Dummy, settando 1 se il Net Income è maggiore o uguale al 50° percentile (205.500), in caso contrario = 0.
*PS: Il valore mediano dei net income è piuttosto basso dovuto alle difficoltà affrontate nel corso del 2020 nel settore delle vendite retail.
gen dummy_Netincome = 0
replace dummy_Netincome = 1 if Netincome >= 205500 & Netincome != .
*creo in alternativa anche una dummy per il ROE
gen dummy_ROE = 0
replace dummy_ROE = 1 if ROEttm >= 0 & ROEttm != .
reg Pricetosalesttm dummy_ROE Beta5ymonthly, robust
**SIGNIFICATIVA
reg Pricetosalesttm dummy_Netincome Beta5ymonthly, robust
**SIGNIFICATIVA (sfrutto questa)
******************************* Predicted Value **********************
//Uso solamente il dummy net income come variabile positiva, e il beta5ymonthly come componente rappresentativa del rischio
*Price/SalesTTM = a + B1 * DummyNetIncome + B2 * beta5ymonthly + epslon
reg Pricetosalesttm dummy_Netincome Beta5ymonthly, robust
predict predicted_pricetosales
predict residual, res
*Il fitted value del Price/Sales di Gamestop è 2.459458, contro un valore osservabile di 2.37 (fonte: Yahoo Finance, forse però è aumentato a 2.90).
*2,459458 * 5.089.800.000 = 12.518.149.330 / 70.770.000 = 176,88 $
*Significa che per il mercato il valore "corretto" del titolo GME dovrebbe essere 176,88.
*17 Giugno il titolo è quotato 223,59 ---> QUINDI E' CONSIGLIATO VENDERE (SELL)