Création d'un indicateur de valorisation d'entreprises européennes cotées comme outil d'aide à la décision

Details

Supervisors

Grégoire, Philippe

Faculty

Louvain School of Management

Degree label

Master [120] en sciences de gestion

Abstract

Notre étude consiste à créer un indicateur de valorisation en étudiant la précision de certains modèles standards de valorisation par les multiples appliqués au marché européen. Notre analyse concerne uniquement les entreprises cotées. Ainsi, selon ces modèles, la valeur d’une entreprise est estimée en multipliant un multiple moyen d’un groupe pair représentatif avec la valeur fondamentale clé de la société à valoriser. Une société est définie comme comparable si elle présente les mêmes caractéristiques financières, perspectives de croissance, profil de risque et cash-flows. Notre échantillon est composé de 213 entreprises, appartenant à l’indice BE500, réparties en 19 secteurs. La période étudiée porte sur les années 2012 à 2014, permettant ainsi de tester la robustesse des multiples sur plusieurs années. Nous avons analysé la performance de 7 multiples différents : P/E, P/B, P/EBITDA, P/V, VE/EBIT, VE/EBITDA ainsi que VE/V. Nous avons testé la performance de ces ratios selon que les multiples moyens des groupes pairs soient estimés via une moyenne harmonique ou une moyenne arithmétique. Nos résultats ont démontré que la moyenne harmonique est plus précise que la moyenne arithmétique. Ensuite, nous avons testé la différence de performance des ratios lorsqu’on utilise une médiane plutôt qu’une moyenne arithmétique, afin d’estimer la moyenne annuelle de leurs erreurs absolues prédites mises à l’échelle. Nous en avons conclu que l’utilisation de la médiane permet d’améliorer la précision du modèle. C’est sur base de ces erreurs absolues que nous avons déterminé pour chaque secteur, son ratio le plus performant. Il en ressort que le ratio P/E est largement dominant. Le ratio VE/EBITDA est, quant à lui, le deuxième plus performant. Par ailleurs, les ratios de ventes ont les pires résultats. Enfin, concernant les différences de performances entre les multiples de fond et d’exploitation, nos résultats ne permettent pas de donner clairement l’avantage à l’un des deux types, bien que les multiples de fond soient légèrement plus performants. Après avoir défini la manière de calculer le multiple moyen du groupe pair ainsi que le multiple le plus performant pour chaque secteur, nous avons procédé à la sélection des entreprises du groupe pair. Pour ce faire nous avons testé trois méthodes différentes permettant de sélectionner les sociétés composant le groupe pair pour le secteur « Personal Goods » : - La première méthode consiste à trier simplement les entreprises par industrie via la classification ICB à un niveau de code 3-digit. Le groupe pair correspond à toutes les autres sociétés présentes dans la même industrie que l’entreprise à valoriser. - La deuxième méthode utilise également la classification par industrie mais ajoute un deuxième critère de sélection tenant compte de la capitalisation boursière et de la marge bénéficiaire de la société cible. On prendra donc comme entreprises paires les 5 entreprises, du même secteur, ayant les capitalisations boursières et les marges bénéficiaires les plus proches de celles de l’entreprise à estimer. - La troisième méthode consiste à trier les entreprises suivant un critère de taille, (reflétée par la capitalisation boursière), au sein de leur industrie. Les entreprises paires sont les 5 sociétés qui possèdent le même niveau de taille et qui ont les marges bénéficiaires les plus proches de la société à estimer. Nos résultats ont montré que, dans le cas du secteur « Personal Goods », la méthode 3 est de loin la plus performante. Le problème est qu’elle n’est pas toujours utilisable. En effet, dans notre cas, nous avons testé les entreprises avec comme critère une capitalisation boursière inférieure à 25 milliards d’euros. Sous cette condition, le nombre de sociétés requises pour la création d’un groupe pair est respecté. Par contre, ce n’est pas le cas pour les autres entreprises du secteur, pour lesquelles on ne peut pas trouver 5 comparables. Néanmoins, cette méthode nous a démontré qu’en utilisant un échantillon plus homogène d’entreprises en terme de taille, cela permettait d’augmenter grandement la précision des estimations. Enfin, si l’on tient uniquement compte des deux premières méthodes pour le secteur « Personal Goods », nous avons remarqué que l’ajout des critères de taille et de marge bénéficiaire semblables ne permettait généralement pas d’améliorer la précision du modèle par rapport à la méthode 1. Ce résultat est probablement dû au fait que les valeurs de capitalisations boursières et de marges bénéficiaires sont trop différentes au sein des entreprises du secteur, ne permettant pas par conséquent de justifier les entreprises sélectionnées comme comparables.