Utfordringer ved verdsetting av biotekselskaper innen sektoren helse

Abstract

Aksjeanalytikernes kursmål er en viktig faktor ved valg av selskaper en investor vil satse på. Men analytikere med samme tilgang til de faktiske opplysninger om et selskap vil ha forskjellige anslag for kursmål. Dette kan være basert på mer eller mindre subjektive oppfatninger eller spesielle metoder og modeller. Spredningen i analytikernes kursmål for et gitt selskap, dispersjonen, antas å være en indikasjon på en ikke-observerbar grad av usikkerhet knyttet til selskapet.

Denne masteroppgaven er en kvantitativ studie innenfor sektoren bioteknologi/helse. I teoridelen ser vi på denne sektoren og spesielle utfordringer med verdsetting. Analysedelen er basert på børsnoterte biotekselskaper innenfor sektoren legemidler mot en kontrollgruppe fra Skandinavia og Tyskland av børsnoterte selskaper fra andre bransjer. Disse er basismaterialer, forbruksvarer, forbrukertjenester, industri og noen få fra finans og eiendom. Selskapene i kontrollgruppa er hentet fra de samme landene som bioteknologiselskapene.

Studien ble gjort på grunnlag av en hypotese hvor vi forventet en større dispersjon i kursmål fra analytikere for biotekgruppa enn kontrollgruppa der en har kontrollert for kjente faktorer. For å undersøke relasjonen benyttet vi ulike modeller basert på paneldataregresjon. I analysene benyttet vi totalt 84 selskaper fra hver gruppe for perioden 2011-2020. Ved å studere relasjonene på ulike måter gir dette oss et nyansert blikk på sammenhenger. Paneldataregresjonen viste at det var et godt statistisk samsvar mellom dispersjon og 3 av 5 uavhengige kjente variablene. Det var også små forskjeller i dispersjon mellom landene og fra år til år. Dummyvariabelen for biotekgruppa viste seg å være ikke signifikant i forhold til kontrollgruppa. Vi fant med andre ord ingen skjulte “biotekfaktorer” bak analytikernes kursmål. Dette var i strid med våre antagelser.

For å se på om resultatene var robuste gjennomførte vi en tilleggsstudie der hensikten var å se på sammenhengen mellom analytikernes kursmål og treffsikkerhet både for biotek- og kontrollgruppa. Her hadde vi, som for dispersjon, forventet en signifikant forskjell på biotek- og kontrollgruppa. Dette slo ikke til da biotekselskapene kun hadde en liten, men ikke signifikant lavere treffsannsynlighet enn kontrollgruppa. Hvis en ser på både dispersjon og treffsikkerhet som et substitutt for usikkerhet, er det nærliggende å konkludere med at våre funn er gjensidig bekreftende, og at biotekgruppa ikke er mer utfordrende å verdsette enn kontrollgruppa.

The target price set by analysts is an important factor in choosing companies for investors. But analysts with the same access to the actual information about a company will have different estimates for target prices. This can be based on subjective perceptions or special methods and models. The spread in analysts target price for a given company, the dispersion is, believed to be an indication of an unobservable degree of uncertainty associated with the company.

This master thesis is a quantitative study on the biotech/health sector. In the theory section we look at this sector and special challenges with valuation. The analysis part is based on listed biotech companies in the pharmaceutical sector against a control group from Scandinavia and Germany of listed companies from other industries. These are basic materials, consumer goods, consumer services, industry and a few from finance and real estate. The companies from the control group are sourced from the same countries as the biotechnology companies.

The study was made on the basis of a hypothesis where we expected a greater dispersion in target prices from analysts for the biotech group than the control group where we have checked for known factors. To investigate the relationship, we used different models based on panel data regression. In the analyzes, we used a total of 84 companies from each group for the period 2011-2020. By studying the relationships in different ways, this gives us a nuanced look at the correlations. The regression showed that there was a good statistical agreement between dispersion and 3 or 5 independent variables. There were also small differences in dispersion between the countries and years. A dummy variable for the biotech group, turned out to be not significant in relation to the control group. In other words, we found no hidden “biotech factors” behind the analysts target prices. This was contrary to our assumptions.

To investigate whether the results were robust, we conducted an additional study where the purpose was to look at the connection between the analyst target prices and the actual price 12 months later for both biotech and accuracy the control group. Here, as for dispersion, we had expected a significant lower hit accuracy for the companies in the control group. This did not materialize as the biotech companies had a small but not significantly higher probability of hit than the control group. If one looks at both dispersion and accuracy as a substitute for uncertainty, it is reasonable to conclude that our findings are mutually affirmative, and the biotech group is no more challenging to value than the control group.