Τι πραγματικά φανερώνουν οι αριθμοί.
Κυριάκος Πατατούκας
Eπιθεωρητής ποιοτικού ελέγχου ΣΟΛ Α.Ε.Ο.Ε.
Νικόλαος Λ. Παπάκης
Ορκωτός ελεγκτής λογιστής
Μaster of Αccountancy & Βusiness Finance, University of Dundee
Ο οικονομικός αναλυτής της χρηματιστηριακής και επενδυτικής εταιρείας PaineWebber, μέλος του Χρηματιστηρίου της Wall Street, Andrew Shore, ανακάλυψε το 1998, με τη δύναμη των δεικτών, αναλύοντας τις οικονομικές καταστάσεις των εταιρειών και ενημερώνοντας το κοινό, μια εταιρεία που ήταν προβληματική και αντικείμενο δόλιας διαχείρισης.
Το όνομα της εταιρείας είναι Sunbeam και ο διευθύνων σύμβουλός της ήταν o περιβόητος Al Dunlap. Ο Al Dunlap προσλήφθηκε στην εταιρεία Sunbeam στις αρχές του 1997. Το σχέδιό του ήταν να διώξει τα υπάρχοντα διευθυντικά στελέχη και να φέρει τους δικούς του ανθρώπους. Κατόπιν, θα άρχιζε τις περικοπές δαπανών με το κλείσιμο εργοστασίων, απολύοντας έξι από τους δώδεκα χιλιάδες εργαζόμενους. Έτσι η εταιρεία πολύ σύντομα θα έδειχνε κέρδη και συνεπώς θα έσπρωχνε την τιμή της μετοχής προς τα πάνω. Αποτέλεσμα αυτού του γεγονότος θα ήταν να πουλήσει την εταιρεία σε πολύ υψηλή τιμή.
Όμως ο Al Dunlap και ο οικονομικός του διευθυντής είχαν χρησιμοποιήσει πληθώρα λογιστικών τεχνασμάτων για να εμφανίσουν την οικονομική θέση της εταιρείας Sunbeam πιο εύρωστη.
Ένα από τα λογιστικά τεχνάσματα που χρησιμοποίησαν ήταν αυτό που ονομάζουν στα αγγλικά bill-and-hold, δηλαδή, τιμολόγηση του πελάτη κατά τη μέρα της συναλλαγής και αποστολή των αγαθών σε μεταγενέστερη ημερομηνία.
Με αυτόν τον τρόπο, έδειξαν αυξημένες πωλήσεις κατά τριάντα έξι εκατομμύρια δολάρια στο τέταρτο τρίμηνο του 1997.
Το κόλπο ήταν τόσο καλό που ξεγέλασε επενδυτές, αναλυτές, ακόμη και το Διοικητικό Συμβούλιο της Sunbeam.
Όμως ο Andrew Shore παρατήρησε ότι οι πωλήσεις το τέταρτο τρίμηνο του 1997 ήταν υψηλότερες απ’ ό,τι συνήθως και προχώρησε στον υπολογισμό του δείκτη που δείχνει την περίοδο είσπραξης των απαιτήσεων.
Διαπίστωσε ότι ο δείκτης ήταν πολύ υψηλά σε σχέση με αυτό που θα έπρεπε να είναι, και έτσι τηλεφώνησε σε ένα λογιστή της Sunbeam, ο οποίος τον ενημέρωσε για τη μέθοδο τιμολόγησης της εταιρείας.
Το ύψος των απαιτήσεων της εταιρείας είχε εκτοξευθεί στα ύψη. Δηλαδή, οι πωλήσεις που θα έπρεπε να εμφανιστούν στο πρώτο και δεύτερο τρίμηνο του 1998 εμφανίστηκαν στο τέταρτο τρίμηνο του 1997. Όταν αποκαλύφθηκε το κόλπο, ο Andrew Shore υποβάθμισε τη μετοχή. Ο Dunlap προσπάθησε με κάθε μέσο να κρατήσει την εταιρεία, αλλά η μετοχή βυθίστηκε και ανάγκασε τον Dunlap και τους συνεργάτες του να παραιτηθούν.
Η αλήθεια βγήκε στη επιφάνεια επειδή ο Andrew Shore είχε τις γνώσεις να ανακαλύψει το λογιστικό τέχνασμα που βρισκόταν πίσω από τους αριθμούς.
Τι είναι δείκτης, ποιοι χρησιμοποιούν τους δείκτες
Όλοι μας κατά καιρούς έχουμε χρησιμοποιήσει αριθμοδείκτες. Δείκτης είναι η σχέση ενός αριθμού με έναν άλλο και μπορούν να απεικονιστούν είτε σαν λόγος αυτών είτε ως εκατοστιαία αναλογία αυτών. Οι ενδιαφερόμενες ομάδες που χρησιμοποιούν δείκτες μπορεί να είναι οι εξής:
1. Οι τράπεζες χρησιμοποιούν δείκτες έτσι ώστε να διαπιστώσουν αν η εταιρεία είναι σε θέση να αποπληρώσει τα δάνειά της.
2. Οι μέτοχοι, οι οποίοι ενδιαφέρονται για την αξία της εταιρείας τους διαχρονικά αλλά και σε σχέση με άλλες εταιρείες του ίδιου κλάδου.
3. Οι οικονομικοί αναλυτές, οι οποίοι ενδιαφέρονται για τη λήψη επενδυτικών αποφάσεων.
4. Οι ορκωτοί ελεγκτές – λογιστές, οι οποίοι ενδιαφέρονται για την έκφραση γνώμης επί των οικονομικών καταστάσεων σε σχέση με τη συνέχιση της δραστηριότητας της εταιρείας (Going Concern).
Όλες οι ανωτέρω ενδιαφερόμενες ομάδες, χρησιμοποιούν επιλεγμένους δείκτες για να αποκομίσουν την πληροφορία που είναι χρήσιμη γι’ αυτές.
Χρησιμότητα των χρηματοοικονομικών δεικτών
Οι δείκτες υπολογίζονται με βάση τις λογιστικές καταστάσεις των εταιρειών, δηλαδή τον Ισολογισμό, τα Αποτελέσματα Χρήσεως, τον Πίνακα Διάθεσης Κερδών ή, για τις εταιρείες που δημοσιεύουν τις οικονομικές καταστάσεις τους με βάσει τα ΔΠΧΑ, Πίνακας Μεταβολής Ίδιων Κεφαλαίων, καθώς επίσης και κατάσταση Ταμειακών Ροών (Cash Flows).
Από μόνες τους οι οικονομικές καταστάσεις δεν φανερώνουν και πολλά. Για παράδειγμα, καθαρά κέρδη προ φόρων δέκα εκατομμύρια ευρώ είναι πολλά ή λίγα; Η απάντηση είναι «εξαρτάται», εξαρτάται από το μέγεθος της εταιρείας, τα κέρδη της προηγούμενης χρήσης και από πολλούς άλλους παράγοντες. Παράγοντες που επηρεάζουν το περιβάλλον (oικονομικό, πολιτικό, θεσμικό, φορολογικό κ.λπ.) μέσα στο οποίο δραστηριοποιείται η εταιρεία και δημιουργούνται συνθήκες ακόμη και για διαφυγόντα κέρδη.
Δηλαδή, οι δείκτες, για να μας προσφέρουν κάποια πληροφορία παραπάνω απ’ ό,τι ένας απλός αριθμός, θα πρέπει να αναφέρονται σ’ ένα σημείο σύγκρισης. Για παράδειγμα, τα κέρδη προς τις πωλήσεις ή τα κέρδη προς τα ίδια κεφάλαια εκφράζουν σχέσεις –σημεία αναφοράς που μας βοηθούν να διαπιστώσουμε εάν τα κέρδη των δέκα εκατομμυρίων ευρώ είναι πολλά ή όχι.
Επιπλέον, οι δείκτες μπορούν να συγκριθούν κατά τη διάρκεια διαφόρων χρονικών περιόδων ή μπορούν να συγκριθούν σε σχέση με τις προβλέψεις που έχουν γίνει γι’ αυτούς (π.χ. ο δείκτης Μέσης Περιόδου Είσπραξης Απαιτήσεων, εάν είναι χειρότερος απ’ ό,τι έχει προβλεφθεί, θα πρέπει να αναζητηθεί η αιτία).
Ένα ακόμη σημείο σύγκρισης των δεικτών μιας εταιρείας θα μπορούσε να είναι με αυτούς του κλάδου στον οποίο δραστηριοποιείται, έτσι ώστε να διαπιστωθεί η σχετική θέση της εταιρείας στον κλάδο.
Δηλαδή ποια είναι τα πλεονεκτήματα (strengths), ποια τα μειονεκτήματα (weaknesses), ποιες οι ευκαιρίες (opportunities) και ποιες οι απειλές (threats).
Θα μπορούσαν ακόμη να χρησιμοποιηθούν ως εργαλείο προϋπολογισμού των αποτελεσμάτων μιας εταιρείας.
Τα κονδύλια των λογαριασμών στις οικονομικές καταστάσεις μιας εταιρείας δεν διαμορφώνονται τυχαία. Ο Foster προσδιόρισε, σε μια μελέτη που έγινε σε 315 εταιρείες, ότι οι μεταβολές στα κέρδη μιας εταιρείας επηρεάζονται (κατά μέσο όρο) κατά 36% από παράγοντες του ίδιου του κλάδου όπου δραστηριοποιείται η εταιρεία και κατά 17% από παράγοντες που αφορούν το σύνολο της οικονομίας.
Όπως υπάρχει αλληλεπίδραση μεταξύ των λογαριασμών του Ενεργητικού, του Παθητικού, των Αποτελεσμάτων Χρήσεως και της Καθαρής Θέσης, έτσι υπάρχει αλληλεπίδραση και μεταξύ των δεικτών.
Έστω: Δ.Γ.Ρ. =Δείκτης Γενικής Ρευστότητας
Δ.Κ.Π. = Δείκτης Κάλυψης Παγίων
Κ.Ε.= Κυκλοφορούν Ενεργητικό
Β.Υ.= Βραχυπρόθεσμες Υποχρεώσεις
Μ.Υ.= Μακροπρόθεσμες Υποχρεώσεις
Ι.Κ. = Ίδια Κεφάλαια
Π = Πάγια
Είναι: Δ.Γ.Ρ. = Κ.Ε/Β.Υ.
και Δ.Κ.Π. = (Μ.Υ.+Ι.Κ.)/Π
Εάν Δ.Γ.Ρ. = 1 τότε Κ.Ε. = Β.Υ. (α)
Εάν Δ.Κ.Π. = 1 τότε Π = Μ.Υ.+Ι.Κ. (β)
Από (α)+(β) προκύπτει:
Κ.Ε.+Π = Β.Υ.+Μ.Υ.+Ι.Κ. (γ)
Εάν Δ.Γ.Ρ.>1 τότε Κ.Ε.>Β.Υ. (δ)
Από (γ) και (δ) προκύπτει Μ.Υ.+Ι.Κ (ε)
Συνεπώς: (Μ.Υ+Ι.Κ.)/Π >1 (στ).
Συμπέρασμα: Όταν ο Δ.Γ.Ρ. είναι μεγαλύτερος της μονάδας τότε και ο Δ.Κ.Π. είναι μεγαλύτερος της μονάδας. Αντίστροφα ισχύει για την περίπτωση όπου ο Δ.Γ.Ρ.< 1.
Ένα άλλο σύστημα που δείχνει την αλληλεξάρτηση των δεικτών είναι το σύστημα Du Pont. Το σύστημα Du Pont είναι ένα σύστημα δεικτών το οποίο δίνει έμφαση στην ανάλυση των επενδύσεων και των στοιχείων που επιδρούν στην απόδοση των επενδύσεων, στην κυκλοφοριακή ταχύτητα των επενδυμένων κεφαλαίων και στο περιθώριο μεικτού κέρδους. Το σύστημα αυτό προσδιορίζει την αποδοτικότητα των περιουσιακών στοιχείων, συνδυάζοντας τους δείκτες δραστηριότητας και το περιθώριο κέρδους επί των πωλήσεων. Δηλαδή, το γινόμενο του δείκτη κυκλοφοριακής ταχύτητας των επενδύσεων επί του περιθωρίου κέρδους μας δίνει την απόδοση των περιουσιακών στοιχείων. Αυτό προκύπτει από τον κάτωθι τύπο:
| Πωλήσεις | X | Κέρδος | = | Κέρδος |
| Επενδύσεις | Πωλήσεις | Επενδύσεις |
Επιπλέον, οι δείκτες χρησιμοποιούνται για την πρόβλεψη του κινδύνου της μετοχής μιας εταιρείας και συνεπώς των ιδίων κεφαλαίων της (Equity Risk). Το μέτρο του κινδύνου της μετοχής μιας εταιρείας καλείται «beta». Ο συντελεστής «beta» δείχνει τη μεταβλητότητα των αποδόσεων της μετοχής μιας εταιρείας σε σχέση με τις αποδόσεις της αγοράς (συστηματικός κίνδυνος). Πρακτικά, όταν ένας επενδυτής δέχεται να αναλάβει μεγαλύτερο κίνδυνο απ’ αυτόν που θα είχε εάν επένδυε σε ομόλογα αμερικανικού δημοσίου (μηδενικός κίνδυνος), τότε γι’ αυτόν τον επιπλέον κίνδυνο θα ζητούσε μεγαλύτερη απόδοση της επένδυσής του. Κατά συνέπεια, όσο μεγαλύτερος είναι ο κίνδυνος (beta) τόσο μεγαλύτερη θα είναι και η αναμενόμενη απόδοση.
Ο Hamada (1969) πρώτος διαπίστωσε τη σχέση που υπάρχει μεταξύ του «beta» και του δείκτη μόχλευσης μιας εταιρείας. Παρατήρησε ότι το «beta» για τις εταιρείες που έχουν υψηλό δείκτη μόχλευσης ήταν 30% υψηλότερος σε σχέση με τις εταιρείες που δεν είχαν μόχλευση.
Μια ακόμη μελέτη που διεξήχθη για μεγάλο χρονικό διάστημα από τους Mandelker και Rhee (1984) βρήκε θετική σχέση μεταξύ του «beta» και του δείκτη μόχλευσης για 225 εταιρείες.
Άλλη μια σημαντική μελέτη που διεξήχθη από τον Hochman (1983) εξέτασε δεδομένα για 203 εταιρείες του NYSE για την περίοδο 1964-1968, όπου και σε αυτή τη μελέτη βρέθηκε μια θετική σχέση μεταξύ «beta» και δείκτη μόχλευσης.
Μια άλλη μελέτη που έγινε από τον Pike (1988 και 1992) σε 100 μεγάλες εταιρείες του Ηνωμένου Βασιλείου βρέθηκε ότι μόνο το 20% των στελεχών χρησιμοποιούν το «beta» για να μετρήσουν τον κίνδυνο. Ωστόσο, ο Gonedes (1973) υποστήριξε ότι υπάρχει στατιστικά μη σημαντική σχέση μεταξύ «beta» και δείκτη μόχλευσης.
Ο Beaver (1970) υποστήριξε ότι τα λογιστικά δεδομένα σχετίζονται με τον κίνδυνο (beta) και μπορούν να χρησιμοποιηθούν έτσι ώστε να εκτιμήσουν τον κίνδυνο (beta) για τις μη εισηγμένες στο Χ.Α. εταιρείες.
Επιπλέον, ο Beaver χρησιμοποίησε πέντε δείκτες προσπαθώντας να προβλέψει την εταιρική πτώχευση. Το συμπέρασμα της έρευνάς του ήταν ότι οι δείκτες των πτωχευμένων εταιρειών διαφέρουν σημαντικά από τους αντίστοιχους δείκτες των μη πτωχευμένων εταιρειών.
Ο Altman (1968) από μια ομάδα είκοσι δύο δεικτών επέλεξε πέντε δείκτες χρησιμοποιώντας διακριτική ανάλυση. Δημιούργησε ένα μοντέλο καταλήγοντας σε ακριβείς προβλέψεις της εταιρικής πτώχευσης.
Ο Horrigan χρησιμοποιώντας δείκτες προσπάθησε να αξιολογήσει εταιρικά ομόλογα. Κατέληξε στο συμπέρασμα ότι με τη χρησιμοποίηση κατάλληλων δεικτών μπορεί να προβλέψει μακροπρόθεσμα την πιστοληπτική ικανότητα των εταιρειών στην κεφαλαιαγορά.
Περιορισμοί της ανάλυσης δεικτών
Η βασική υπόθεση της ανάλυσης δεικτών είναι αυτή της αναλογικότητας (Proportionality). Πράγματι, δεν αρκεί να επιλέξουμε δύο οποιαδήποτε μεγέθη των οικονομικών καταστάσεων (περιουσιακά στοιχεία, υποχρεώσεις, καθαρή θέση, έσοδα, έξοδα) αλλά θα πρέπει να υπάρχει και μια λογική συσχέτιση των δύο αυτών μεγεθών.
Για παράδειγμα, τι νόημα θα είχε η πληροφορία που θα αποκομίζαμε εάν συσχετίζαμε τις αποσβέσεις με τους προμηθευτές; Θα ήταν μια πληροφορία χωρίς οικονομική αξία.
Οι δείκτες υπολογίζονται με βάση τις λογιστικές καταστάσεις, οι οποίες υπόκεινται σε διάφορους περιορισμούς, όπως διαφορετικές μεθόδους αποτίμησης ή ακόμη και στη λεγόμενη «δημιουργική λογιστική». Σε αυτό το σημείο θα πρέπει να τονίσουμε ότι εάν οι οικονομικές καταστάσεις συνοδεύονται από έκθεση ελέγχου ορκωτού λογιστή ελεγκτή η οποία φέρει παρατηρήσεις, θα πρέπει να λαμβάνονται υπόψη για την αναμόρφωση των αποτελεσμάτων και της καθαρής θέσης.
Σημαντικό επίσης είναι να υπολογίζονται οι δείκτες σε κανονικές χρονικές περιόδους (π.χ. έτος ή εξάμηνο) όσον αφορά τη συγκρισιμότητά τους, καθώς θα πρέπει να δίνεται προσοχή και στους παράγοντες εποχικότητας που επηρεάζουν τις οικονομικές καταστάσεις μιας εταιρείας.
Ένα ακόμη πρόβλημα που γεννάται είναι αυτό με τους αρνητικούς παρονομαστές. Για παράδειγμα, εάν τα Ίδια Κεφάλαια είναι αρνητικά, τότε ο δείκτης Κέρδη / Ίδια Κεφάλαια δεν έχει νόημα, επιπλέον, κάποιοι δείκτες κατά τον υπολογισμό τους δίνουν ακραίες τιμές.
Το πιο σύνηθες σε αυτήν την περίπτωση είναι να μην λαμβάνεται υπόψη αυτή η ακραία τιμή. Ένα δεύτερο βήμα είναι να εξετάσουμε τις λογιστικές μεθόδους που ακολουθεί η εταιρεία και την οικονομική ή δομική αλλαγή (π.χ. εξαγορά ή συγχώνευση) που πιθανώς επηρεάζει τον δείκτη.
Οι στατιστικές μέθοδοι που χρησιμοποιούνται στην ανάλυση με δείκτες υπόκεινται σε περιορισμούς, π.χ. κανονικότητα (normality).
Ωστόσο κάποιοι δείκτες, όπως ο δείκτης Γενικής και Άμεσης Ρευστότητας, έχουν κατώτερο όριο το μηδέν.
Οι δείκτες, αν και ο υπολογισμός τους είναι εύκολος, παρουσιάζουν δυσκολίες στην ερμηνεία τους γιατί παρέχουν μόνο ενδείξεις και δεν δίνουν απαντήσεις ούτε λύσεις.
Συνεπώς, οι δείκτες είναι πολύ χρήσιμα εργαλεία, όμως θα πρέπει να χρησιμοποιούνται με σύνεση, κριτική σκέψη και μεγάλη προσοχή, και όχι απερίσκεπτα και με μηχανιστικό τρόπο.