등록일: 2012-04-25 (2012-04-25)

제목: "Changes in Operational Efficiency and Firm Performance; A Frontier Analysis Approach"

저자: Baik, Chae, Choi, and Farber

출판사항: Working Paper.

요약:

-       Operational efficiency change가 earnings change에 대한 predictive power가 있음을 실증적으로 확인.

-       주목할만한 부분은 operational efficiency measure(OEM). 재무제표 산식의 개별지표(재무비율)가 아니라, DEA를 이용해 일종의 OEM index를 계산하고 OEM index의 시계열적 변화가 earnings change(firm performance change)에 대한 predictive power가 있음을 보임.

-       중요한 사실은 다양한 input variable을 토대로 DEA, SFA를 통해 얻어진 단일 OEM index가 Operational efficiency 관련 개별 재무지표, 재무비율보다 incremental prediction power를 가진다는 것. Operational efficiency measure를 단일지표화 한다는 것도 의의, incremental explanatory power를 가진다는 것도 또 하나의 의의.

-       Earnings change는 결국 earnings momentum을 측정하는 지표이고 주가 움직임의 driver가 됨. 다른 accounting variable, stock return 등으로 earnings change를 잡아내려는 노력이 있었는데, 같이 사용해볼 여지가 있음. 특히 consensus가 존재하지 않는 기업들.

-       Efficiency measure modeling (운영 효율성) – Detailed variable def.은 Appendix 3.

n  Dependent variable: sales revenue (basement for firm earnings & cash flow)

n  Input variable set #1

u  PP&E(net property, plant, and equipment)

u  COGS(cost of goods sold)

u  Administrative cost(SG&A)

n  Input variable set #2

u  Input variable(1)

u  Capitalized operating lease (Present value with current 5yrs)

u  Capitalized R&D (Present value with current 5yrs)

u  Purchased good will(GDWL)

u  Other intangibles ( = INTAN-GDWL)

-       Predictive power 검증 위한 regression 산식

n  EPS변화 = f(MALM, lag variable, fundamental signals for control variable)

n  Stock return = f(MALM, lag variable, fundamental signals for control variable, risk factors)

n  MALM=Malmquist index from DEA or SFA

n  CATO = asset turnover change, CATO(t)=ATO(t)-ATO(t-1)

n  Fundamental signals (9 variables)

u  INV(Inventory)

u  Accounts Receivable (AR)

u  Capital Expenditures (CAPX)

u  Gross margin (GM)

u  Administrative cost(SG&A)

u  Effective tax rate(ETR)

u  Earnings quality (EQ) = LIFO (0), FIFO(1)

u  Audit Qualification (AQ)

u  Labor Force(LF) = (Sales(t-1)/#Employee(t-1) – Sales(t)/# Employee (t)) / (Sales(t-1)/# Employee (t-1))

-       Malmquist index

n  Operational efficiency의 상대적 비교를 보여주는 일종의 인덱스 지표, 시점에 따른 input variable 차이를 반영하기 위해 두 시점의 input 및 production function을 모두 사용하여 일종의 기대 ouput 수준의 비교우위 정도를 계산하는 방식 (intuitive).

n  MI = sqrt( Q1(t)Q2(t)/Q3(t-1)Q4(t-1)) 로 정의.

u  Q1(t)=f(t, input (t))

u  Q2(t)=f(t, input(t-1))

u  Q3(t-1)=f(t-1, input(t)), (t-1)시점의 production function

u  Q4(t-1)=f(t-1, input(t-1)), t(-1)시점의 production function

n  본 연구에서 production function Q는 efficiency measure가 됨(annoying to calculate)

EPS Change for each industry-year group

Contemporaneous return by each industry

Future return by each industry

특이사항:

-       매 시점마다 efficiency 정도를 계산 후, Malmquist index를 통해 efficiency change를 다시 계산해야 함. Efficiency의 absolute level보다 efficiency change가 중요하다는 것(similar to the market)

-       DEA(SFA) 계산 과정은 업종industry별로 계산. 업종에 따라 레버리지하고 있는 profit driver의 차이 반영하는 것. 자연스런 contextual approach. 다른 fundamental factor도 이런 식으로 활용할 수 있을까. Idiosyncratic risk가 큰 종목군(factor 설명력이 낮은 종목군) vs. 작은 종목군(factor 설명력이 높은 종목군)으로 분류. Factor 설명력에 대한 index?사실 굳이 이렇게 하지 않아도 다른 계산법은 충분히 있음.

-       Industry level을 어느 수준에서 정의할 것인가의 문제. Macro-factor에 대한 영향이 비슷한 그룹끼리 묶어도 되는가에 대한 고민(섹터/인더스트리그룹/인더스트리 by fnGuide). 레버리지 profit driver가 다를 것이기 때문에 쉽지 않은 문제임. Empirical testing으로 걸러낼 수 밖에 없음.