UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2014 – 2015
Maritieme aandelen op de Brusselse beurs (CMB, Euronav en Exmar): vergelijking koersdeterminanten
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Handelswetenschappen
Kyell Dutoit & Mohammad Hossein Marvani onder leiding van Prof. Jos Meir
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2014 – 2015
Maritieme aandelen op de Brusselse beurs (CMB, Euronav en Exmar): vergelijking koersdeterminanten
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Handelswetenschappen
Kyell Dutoit & Mohammad Hossein Marvani onder leiding van Prof. Jos Meir
Vertrouwelijkheidsclausule
PERMISSION Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Kyell Dutoit
Mohammad Hossein Marvani
Woord vooraf Bij het kiezen van de masterproeftitel hebben wij ons voornamelijk gebaseerd op onze interesses. De keuze voor dit toegepast maritiem onderzoek was dan ook snel gemaakt. Beiden hebben we een grote passie voor de beleggingswereld. De lessen investeringsanalyse en portefeuillebeheer van Koen Inghelbrecht versterkten en bevestigden dit. Het maritiem karakter van dit onderzoek maakte de opdracht boeiender. Voordien hadden wij geen enkele kennis over de drie beursgenoteerde rederijen, laat staan over de maritieme sector. Naargelang het onderzoek vorderde, kregen wij meer inzicht in deze technische sector.
De combinatie van een thesis met een stage is geen eenvoudige opdracht. Dit heeft ons geleerd efficiënt te plannen. Een planning die de juiste hoeveelheid energie verdeelde over beide opleidingsonderdelen. Dankzij onze gedrevenheid voor het vak slaagden wij erin deze twee avonturen tot een goed einde te brengen. Uiteraard hebben we elkaar bij moeilijkere momenten bijgestaan. Daarnaast spraken onze families en vrienden ons moed in. Een dankwoord gericht naar hen is hier op zijn plaats.
Tot slot willen wij graag professor Jos Meir bedanken voor zijn gefundeerde feedback tijdens het schrijven van deze masterproef.
I
Inhoudsopgave
Woord vooraf……………………………………………………………………………....I Inhoudsopgave…………………………………………………………………………....II Lijst gebruikte afkortingen……………………………………………………………..IV Lijst tabellen en figuren………………………………………………………………...VI 1. Inleiding………………………………………………………………………………….1 2. Literatuur- en bedrijvenstudie……………………………………………………….4 2.1 Literatuurstudie………………………………………………………………....4 2.2 Bedrijvenstudie …………………………………………………………...15 2.2.1 CMB…………………………………………………………………...15 2.2.1.1 Geschiedenis…………………………………………15 2.2.1.2 Aandeelhoudersstructuur………………………………...16 2.2.1.3 Raad van Bestuur……………………………………18 2.2.1.4 Activiteiten………………………………………………....18 2.2.1.5 Vloot…………………………………………………...20 2.2.1.6 Verbonden ondernemingen……………………………...21 2.2.1.7 Koers…………………………………………………..22 2.2.1.8 Dividend…………………………………………………....22 2.2.1.9 Evolutie financiële structuur…………………………24 2.2.2 Exmar………………………………………………………………....26 2.2.2.1 Geschiedenis………………………………………….26 2.2.2.2 Aandeelhoudersstructuur………………………………...27 2.2.2.3 Raad van Bestuur…………………………………….29 2.2.2.4 Activiteiten………………………………………………....29 2.2.2.5 Vloot……………………………………………………31 2.2.2.6 Verbonden ondernemingen……………………………...32 2.2.2.7 Koers…………………………………………………..32 2.2.2.8 Dividend…………………………………………………....33 2.2.2.9 Evolutie financiële structuur…………………………35 2.2.3 Euronav……………………………………………………………….37 2.2.3.1 Geschiedenis………………………………………….37 2.2.3.2 Aandeelhoudersstructuur………………………………...37 2.2.3.3 Raad van Bestuur…………………………………….39 2.2.3.4 Activiteiten………………………………………………....39 2.2.3.5 Vloot……………………………………………………41 2.2.3.6 Verbonden ondernemingen……………………………...41 2.2.3.7 Koers…………………………………………………..41 2.2.3.8 Dividend…………………………………………………....42 2.2.3.9 Evolutie financiële structuur…………………………44 3. Databeschrijving…………………………………………………………………….....46 3.1 Overzichtstabel determinanten…………………………………………..47 3.2 Transformaties variabelen…………………………………………………….48 II
3.2.1 Stationariteit……………………………………………………..48 3.2.2 Voortschrijdend gemiddelde………………………………………..48 3.2.3 Transformatietabel……………………………………………...49 3.3 Correlatiematrices……………………………………………………………..50 3.3.1 CMB………………………………………………………………50 3.3.2 Exmar………………………………………………………………....52 3.3.3 Euronav…………………………………………………………..54 3.4 Verklaarde variabele: maandrendement…………………………………....56 3.4.1 CMB………………………………………………………………57 3.4.2 Exmar………………………………………………………………....57 3.4.3 Euronav…………………………………………………………..58 3.4.4 Vergelijking maritieme maandrendementen……………………...58 3.5 Verklarende variabelen: koersdeterminanten………………………….58 3.5.1 Macro-economische determinanten……………………………….59 3.5.1.1 Economische groei…………………………………...59 3.5.1.2 Kortetermijnrente…………………………………………..61 3.5.1.3 Langetermijnrente…………………………………….61 3.5.1.4 Marktrendement…………………………………………...62 3.5.1.5 Inflatie………………………………………………….63 3.5.2 Maritiem-specifieke determinanten………………………………..63 3.5.2.1 Vrachttarieven………………………………………...63 3.5.2.2 Olieprijs……………………………………………………..65 3.5.2.3 Wisselkoers……………………………………………66 3.5.3 Micro-economische determinanten………………………………..66 3.5.3.1 Rendabiliteit……………………………………………67 3.5.3.2 Solvabiliteit………………………………………………....68 4. Methodiek, model en resultaten……………………………………………………..70 4.1 Methodiek…………………………………………………………………….....70 4.2 Tijdreeksanalyse……………………………….…………………………..70 4.2.1 Model CMB……………………….……………………….……...…..71 4.2.2 Model Exmar……………………….……………………….…....74 4.2.3 Model Euronav……………………….………………………………76 4.2.4 Vergelijking resultaten………….………….………….………...78 4.3 Panel data-analyse………….………….………….………….…………….....81 4.3.1 Model………….………….………….………….………….……..82 4.3.2 Vergelijking resultaten: tijdreeks- en panel data-analyse………………83 4.4 Maritiem CAPM………….………….………….………….………….…....85 4.4.1 Modellen………….………….………….………….………….…......85 4.4.2 Vergelijking resultaten: tijdreeks-, panel data-analyse en CAPM…..86 5. Conclusie en aanbevelingen…………………………………………………………88 Lijst geraadpleegde werken………………………………………………………….....VII Bijlagen……………………………………………………………………………………..XII
III
Lijst gebruikte afkortingen ADF: Augmented Dickey-Fuller ALDE: Alliantie van Liberalen en Democraten voor Europa APT: Asset Pricing Theory BBP: Bruto Binnenlands Product BDI: Baltic Dry Index BITR: Baltic Index Tanker Routes BVBA: Besloten Vennootschap met Beperkte Aansprakelijkheid CAPM: Capital Asset Pricing Model CBMC: Compagnie Belge Maritime du Congo CEO: Chief Executive Officer CMB: Compagnie Maritime Belge COO: Chief Operating Officer DW: Durbin Watson DWT: Deadweight Tonnage ECB: Europese Centrale Bank EBIT: Earnings Before Interest and Taxes EBITDA: Earnings Before Interest, Taxes, Depreciation and Amortization FLSU: Floating Liquefaction and Storage units FPSO: Floating Production, Storage and Offloading FRSU: Floating Regasification and Storage units FSO: Floating Storage and Offloading GBI: Gemiddelde Baltic Index IMF: Internationaal Monetair Fonds ICAPM: Intertemporal Capital Asset Pricing Model HML: High Minus Low LLC: Limited Liability Company LNG: Liquefied Natural Gas LNGRV: Liquefied Natural Gas Regasification Vessel LPG: Liquefied Petroleum Gas MOQ: Maersk Oil Qatar MSCI: Morgan Stanley Capital International 3MTB: 3-month Treasury Bill IV
NV: Naamloze Vennootschap OLO: Obligation Lineaire Obligatie OLS: Ordinary Least Squares OVB: Omitted Variable Bias PLUS: Professional Loyal Unbeatable Service RESLEA: Real Estate and Leasing Company ROE: Return On Equity SA: Société Anonyme SMB: Small Minus Big TRI: Total Return Index TI: Tankers International ULCC: Ultra Large Crude Carrier VGDP: Voortschrijdend gemiddelde Gross Domestic Product VINFLATION: Voortschrijdend gemiddelde Inflation VLCC: Very Large Crude Carrier VLGC: Very Large Gas Carrier VROE: Voortschrijdend gemiddelde Return On Equity Vsolva: Voortschrijdend gemiddelde solvabiliteit WK$€: Wisselkoers dollar in euro 6YLTGB: 6-Year long-term Government Bond
V
Lijst tabellen en figuren Tabel 1: Aandeelhoudersstructuur CMB Tabel 2: Koers en dividend CMB Tabel 3: CMB geconsolideerde cijfers Tabel 4: Aandeelhoudersstructuur Exmar Tabel 5: Koers en dividend Exmar Tabel 6: Exmar geconsolideerde cijfers Tabel 7: Aandeelhoudersstructuur Euronav Tabel 8: Koers en dividend Euronav Tabel 9: Euronav geconsolideerde cijfers Tabel 10: Overzicht koersdeterminanten Tabel 11: Transformaties variabelen Tabel 12: Correlaties CMB Tabel 13: Correlaties Exmar Tabel 14: Correlaties Euronav Tabel 15: Beschrijving maandrendementen Tabel 16: Beschrijving macro- en maritieme variabelen Tabel 17: Beschrijving rendabiliteit Tabel 18: Beschrijving solvabiliteit Tabel 19: Tijdreeksanalyse maandrendementen CMB Tabel 20: Tijdreeksanalyse maandrendementen Exmar Tabel 21: Tijdreeksanalyse maandrendementen Euronav Tabel 22: Vergelijking significante determinanten tijdreeksanalyses Tabel 23: Panel data-analyse maritieme rendementen Tabel 24: Maritieme CAPM’s Tabel 25: Vergelijking coëfficiënten marktrendement uit multifactor modellen
Figuur 1: Koersevolutie CMB Figuur 2: Koersevolutie Exmar Figuur 3: Koersevolutie Euronav
VI
1. Inleiding ‘’De bevolkingsgroei, de verhoogde levensstandaard, de versnelde industrialisatie, de stilaan uitgeputte lokale bronnen, de files en het vervallen van de handelsbarrières zorgen allemaal voor de continue groei van het maritiem transport.’’ (Barnhart&Laporte,
2007,
hoofdstuk
4,
p.189).
Door
de
globalisering
zijn
grensoverschrijdende handelsactiviteiten nog belangrijker geworden. Transport van belangrijke grondstoffen over zee, die 71% van de wereld beslaat, is daarom een belangrijke economische activiteit. Olie, gassen en ertsen zijn onmisbaar in de economie en de maatschappij. Ze moeten bijgevolg getransporteerd worden naar delen in de wereld waar deze niet kunnen worden ontgonnen. De grafieken in bijlage 1.1 en 1.2 bewijzen de stijgende vraag naar en productie van olie. Het transport over zee laat toe in grotere getale deze grondstoffen te verschepen. Dit wordt gestaafd door Kavussanos en Marcoulis (2004), ze bemerken dat 95% van het wereldwijde getransporteerde volume over zee gebeurt. Verder linken Kavussanos en Marcoulis (2004) het cyclisch karakter van de sector aan het feit dat de maritieme transportsector
bepaald
wordt
door
de
wereldeconomie.
Stopford
(in
Kavussanos&Alizadeh-M, 2001) beschrijft de vraag naar maritiem transport als een afgeleide vraag, omdat ze afhangt van de wereldwijde
vraag naar het
getransporteerde goed. Door de stijgende interdependentie tussen economieën is het maritiem transport de laatste jaren gestegen (Kavussanos&Marcoulis, 2004).
De aandelenmarkt kan worden gezien als het kloppende hart van de economie. Kavussanos en Marcoulis (2004) onderzochten de diverse financieringskanalen van maritieme transportbedrijven. Hun belangrijkste resultaten tonen dat de maritieme bedrijven steeds meer geld ophalen via de financiële markten, dit onder vorm van obligaties en aandelen (Kavussanos&Marcoulis, 2004).
Uit de literatuurstudie zal blijken dat er veel onderzoek verricht is naar het verklaren van aandelenrendementen. In het veld van de maritieme aandelenrendementen is dit minder het geval. Kavussanos en Marcoulis (2004) volharden dat de maritieme transportsector en zijn determinanten belangrijk zijn, maar dat er niet veel onderzoek verricht is door anderen dan henzelf. Kavussanos en Marcoulis (2004), Drobetz en
1
Schröder
(2014)
beschrijven
de
watertransportsector
als
een
cyclische,
kapitaalintensieve en technische sector.
Drie Belgische beursgenoteerde bedrijven CMB, Exmar en Euronav worden in dit onderzoek onderzocht. Deze drie rederijen zijn op de Brusselse beurs genoteerd. De achtergrond van deze rederijen maakt het onderzoek uitdagender. De drie rederijen waren vroeger allemaal deel van de CMB-groep, waar de bekende familie Saverys het zeggenschap heeft. Exmar en Euronav werden afgesplitst, omdat elke entiteit een andere kernactiviteit had. Op deze manier kon elke entiteit zich, los van de andere, met zijn eigen hoofdactiviteit op de beurs ontplooien.
De maritieme sector is een dynamische sector die afhankelijk is van zowel wereldwijde als lokale variabelen. Het doel van dit onderzoek bestaat erin de aandelenrendementen van deze maritieme bedrijven zo goed mogelijk te verklaren. Via een algemene literatuurstudie, een maritiem-specifieke literatuurstudie, een bedrijvenstudie en economische intuïtie worden tien determinanten bepaald. Deze determinanten zijn een samenstelling tussen macro-economische, maritiemspecifieke en micro-economische determinanten. Met deze determinanten wordt voor elk bedrijf een tijdreeksanalyse opgesteld en onderling vergeleken. Na deze analyse volgt er een panel data-analyse en een maritieme CAPM-analyse. Alle resultaten worden met elkaar in relatie gebracht. Dit toegepast onderzoek probeert een antwoord te bieden op vragen zoals: Wat heeft een impact op de maritieme sector? In welke mate verschilt de impact van de determinanten op deze drie maritieme aandelen? Welke determinant heeft een grootste impact en waarom?
Dit toegepast onderzoek geeft de investeerder een duidelijker beeld over de technische maritieme aandelen op de Brusselse beurs. Dit vergemakkelijkt de inschatting van een potentiële investering in de maritieme sector. Beleggers kunnen het verwacht rendement beter inschatten met behulp van dit model. Dit kan voor een betere diversifiëring in een beleggersportefeuille zorgen.
Bij de tijdreeksanalyses blijken het marktrendement, de olieprijs, de vrachttarieven, de wisselkoers en de economische groei significant te zijn voor de maritieme rendementen. Voor elke rederij zijn er telkens drie verklarende variabelen significant, 2
waarbij het marktrendement consistent aanwezig is. Drie van deze vijf determinanten zijn significant in het panel data-model. Daarbovenop zijn de kortetermijnrente, de inflatie en de rendabiliteit significant in dat model.
In hoofdstuk 2 volgt de literatuurstudie en de bedrijvenstudie; Hoofdstuk 3 omvat de databeschrijving; In hoofdstuk 4 worden alle modellen geschat en de resultaten in relatie gebracht; In hoofdstuk 5 worden conclusies gevormd en aanbevelingen geformuleerd.
3
2. Literatuur- en bedrijvenstudie 2.1.
Literatuurstudie
Er wordt al decennialang onderzoek gevoerd omtrent het verklaren van aandelenrendementen. Studies gericht op de rendementen uit de maritieme sector, andere dan van Kavussanos en Marcoulis zelf, zijn in mindere mate aanwezig (Kavussanos&Marcoulis, 2004). Jones (in Kavussanos&Marcoulis, 2004) verklaart dat dit begrijpelijk is als er een vergelijking wordt gemaakt met de rendementen die in de andere sectoren gerealiseerd werden. Anderzijds speelt de techniciteit van de maritieme sector hierin een significante rol (Cunado&Perez de Gracia, 2013). Jones (in Kavussanos&Marcoulis, 2004) toont aan dat er sinds de jaren 70’ vooral in de financiële sector hoge rendementen werden gerealiseerd en dat er pas na een decennium een verschuiving naar de industriële sector gebeurde. De studie van Kavussanos en Marcoulis (1997) die beursgenoteerde rederijen over de jaren 80’ bestudeerde, kan dit fenomeen verklaren. Zij constateerden dat de maritieme sector een lager marktrisico inhield dan de andere sectoren (Kavussanos&Marcoulis, 1997). Dit fenomeen vertaalt zich intuïtief in de risk-return relatie waarbij een hoger risico, hogere potentiële rendementen impliceert.
Het is economisch relevant om deze relatie in de huidige maritieme aandelenmarkt te onderzoeken. De maritieme sector kende zijn opmars door de globalisatie en de wereldwijde interdependentie tussen de economieën (Kavussanos&Marcoulis, 2004). Kavussanos en Marcoulis zijn de grondleggers van maritieme waarderingsmodellen. Deze onderzoekers hebben bijgevolg het meeste werk verricht in het onderzoek naar het verklaren van maritieme rendementen. In zijn studie verwijst Cullinane (2005) naar de behoefte aan een accuraat multifactor model, een model die determinanten voor maritieme aandelenrendementen in kaart brengt. Het doel van dit onderzoek bestaat erin een model op te stellen die rendementen van maritieme aandelen zo goed mogelijk verklaart. In deze literatuurstudie worden de literatuur over de maritieme sector en de algemene literatuur over ‘asset pricing theories’ bilateraal in werking gezet. Daarnaast worden de bedrijven in hoofdstuk 2.2 geanalyseerd.
4
De eerste theorie die doorbrak, was het Capital Asset Pricing Model (CAPM) van Sharpe (1964). Sharpe (1964) gebruikt de portfolio-theorie, met het mean-variance criterium van Markowitz (1952, 1959), als uitgangspunt voor zijn onderzoek. Hij besloot met zijn CAPM dat het verwachte rendement van ieder aandeel door één enkele factor, het marktrendement kan worden bepaald (Sharpe, 1964). De welbekende bèta weerspiegelt het deel dat een individueel aandeel aan het totale marktrisico bijdraagt (Sharpe, 1964). Als gevolg is volgens Sharpe (1964), het verwachte en faire rendement gelijk aan diezelfde verhouding ten opzichte van het marktrendement. Hieronder wordt het CAPM van Sharpe (1964) als formule voorgesteld:
𝐸(𝑟𝑖 ) = 𝑟𝑓 + 𝛽𝑖 [ 𝐸(𝑟𝑚 ) − 𝑟𝑓 ] 𝐸(𝑟𝑖 ) = ℎ𝑒𝑡 𝑣𝑒𝑟𝑤𝑎𝑐ℎ𝑡𝑒 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 𝑏𝑒𝑑𝑟𝑖𝑗𝑓 𝑖 𝑟𝑓 = 𝑟𝑖𝑠𝑖𝑐𝑜𝑣𝑟𝑖𝑗𝑒 𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 𝐸(𝑟𝑚 ) = ℎ𝑒𝑡 𝑣𝑒𝑟𝑤𝑎𝑐ℎ𝑡𝑒 𝑚𝑎𝑟𝑘𝑡𝑟𝑒𝑛𝑑𝑒𝑚𝑒𝑛𝑡 Volgens het CAPM is het verwachte rendement voor een belegger dus een fair rendement, omdat het de verhouding tot het marktrisico vergoedt (Sharpe, 1964). Sharpe (1964) volhardt dat er een lineaire relatie bestaat tussen het verwachte rendement en één factor, het marktrisico. Het CAPM wordt in de bestaande literatuur sterk bekritiseerd. De algemene basis voor de kritiek bestaat erin dat Sharpe (1964) beweert dat slechts één factor het individuele aandelenrendement bepaalt. Deze kritiek kan worden gebundeld in de bewijzen van het bestaan van een alfa (α).
De alfa, in oorsprong een statistisch gegeven, staat symbool voor het additioneel gerealiseerd rendement bovenop het faire rendement van het CAPM (Sharpe, 1964). Dit is dus een gratis additioneel, onverklaard rendement indien Sharpe’s CAPM (1964) wordt gevolgd. Sharpe (1964) beweert dus dat het rendement volledig wordt verklaard door de marktfactor en de alfa dus nul bedraagt. Anomalies is een term die in de literatuur wordt gebruikt voor verklarende factoren, andere dan het marktrendement, die een additioneel rendement (de alfa) verklaren (Ye&Turner, 2014). Er zijn talloze onderzoekers zoals Fama en French (1992, 1996), Banz (1980) 5
en Roll (1977) die via anomalies aantonen dat het CAPM van Sharpe (1964) niet consistent is met de realiteit. Verder in de literatuurstudie worden deze besproken. Onderstaande formule introduceert de alfa in het CAPM:
𝐸(𝑟𝑖 ) = 𝛼𝑖 + (𝑟𝑓 + 𝛽𝑖 [ 𝐸(𝑟𝑚 ) − 𝑟𝑓 ])
Er is ook kritiek op het zogenaamde marktrendement, het rendement van de marktportefeuille1, uit het CAPM van Sharpe (1964). Roll (1977) beweert dat dit theoretisch rendement niet waarneembaar is, waardoor het CAPM niet accuraat kan worden gehanteerd.
Het CAPM van Sharpe (1964) gaat verder uit van meerdere assumpties zoals perfecte markten en homogene investeerders. Hierop kwam kritiek van meerdere onderzoekers, waaronder Merton (1973). Merton (1973) stelt dat het CAPM gebaseerd is op assumpties die erg theoretisch en statisch zijn, waardoor ze niet overeenstemmen met de realiteit. Fama (1970) heeft echter aangetoond dat voorkeuren en toekomstige investeringsmogelijkheden geen statische gegevens zijn. Merton (1973) beweert ook dat het CAPM enkel rekening houdt met één periode. Naast de standaardassumpties van de CAPM voegt Merton (1973) een dynamische niet-standaard assumptie toe, namelijk de trading in Assets2. Dit resulteert in het Intertemporal Capital Asset Pricing Model (ICAPM) (Merton, 1973), een model die beter voldoet aan de realiteit dan het CAPM van Sharpe (1964).
Jensen, Black en Scholes (1972) formuleren empirisch gestaafde kritiek op het CAPM. Deze drie auteurs halen aan dat portfolio’s, die onafhankelijk zijn van de markt (阝= 0), toch gemiddeld een hoger rendement halen dan het risicovrije rendement (Jensen et al., 1972). Dit impliceert een alfa groter dan nul in het CAPM
1
Het rendement die een belegger behaalt als hij alle aandelen in de wereld bezit, de zogenaamde wereldportefeuille. 2 Het ICAPM houdt rekening met de voortdurend veranderende investeringsmogelijkheden (Merton, 1973).
6
(Sharpe, 1964). Het CAPM (Sharpe, 1964) is niet in staat om het rendement volledig te verklaren. Er bestaan bijgevolg extra risicofactoren waarvoor er rendement is.
Het is relevant te onderzoeken of het CAPM (Sharpe, 1964) in staat is om accuraat maritieme aandelenrendementen te verklaren. Kavussanos en Marcoulis (in Kavussanos&Marcoulis,
2004)
bestudeerden
aandelenrendementen
van
Amerikaanse maritieme bedrijven op basis van het CAPM over de tijdspanne 19851994. Hun resultaten toonden aan dat de bèta’s van maritieme aandelen stabiel blijven doorheen de tijd en iets lager liggen dan de gemiddelde marktbèta (Kavussanos&Marcoulis, geciteerd in Kavussanos&Marcoulis, 2004). De bèta van een maritiem transportbedrijf is kleiner dan de bèta’s van andere transportindustrieën zoals,
spoorwegen,
luchtvaarttransport
en
vrachtwagentransport
(Kavussanos&Marcoulis, geciteerd in Kavussanos&Marcoulis, 2004). Dit betekent dat de maritieme rendementen relatief minder afhankelijk zijn van het marktrendement. Deze resultaten worden enerzijds gestaafd door Drobetz en Schröder (2014), maar anderzijds bewijzen zij dat er grote verschillen bestaan tussen de bèta’s van verschillende maritieme bedrijven uit verschillende regio’s.
Mulligan en Lombardo (2003) resulteerden dat de maritieme sector niet door de efficiënte
markten
hypothese
kan
worden
beschreven.
De
literatuur-
en
bedrijvenstudie tonen aan dat de maritieme sector een zeer cyclisch en dynamisch karakter heeft. Dit wijst erop dat de basisassumpties van de CAPM niet geldig kunnen zijn voor deze sector. Dit wordt door Kavussanos en Marcoulis (2004) bevestigd. Zij deden onderzoek naar 38 internationale industrieën en hun relatie met het marktrisico (Kavussanos&Marcoulis, 2004). Hun resultaten tonen duidelijk aan dat er ook andere factoren dan het marktrendement bestaan die een impact op de maritieme rendementen hebben (Kavussanos&Marcoulis, 2004). Hierdoor besluiten Kavussanos en Marcoulis (2004) dat een multifactor model een hogere verklaringskracht heeft. Maritieme aandelen tonen een sterk bewijs van antipersistentie en ergodiciteit (Mulligan&Lombardo, 2003). Mulligan en Lombardo (2003) wijzen nogmaals op de technische moeilijkheidsgraad van de sector. Ook de studie van Merikas, Gounopoulos en Nounis (2009) is consistent met deze bevinding. In hun studiewerk onderzochten ze wereldwijd IPO’s van 143 maritieme bedrijven, hun resultaten tonen aan dat investeerders de maritieme aandelen niet juist 7
waarderen (Merikas et al., 2009). Private investeerders baseren zich vooral op criteria als seizoen3 en leeftijd4 van het bedrijf (Merikas et al., 2009).
Al deze kritiek op het CAPM (Sharpe, 1964) leidde tot het verwerpen van de theorie. Dit leidde vervolgens tot het ontstaan van de multifactor modellen. De essentie bestaat erin alle determinanten, die een significante impact kunnen hebben op het rendement, te vinden. Een aanvaardbare theorie voor dit model is de Arbitrage Pricing Theory (APT) van Ross (1976). Verschillende micro- en macro-economische variabelen kunnen een impact hebben op het rendement. De APT is gebaseerd op de welbekende economische term The Law of One Price, deze gaat ervan uit dat arbitrage niet mogelijk is in een goed werkende markt (Ross, 1976).
Enige kritiek op de multifactor modellen komt van MacKinlay (1997). Hij resulteert dat éénzelfde multifactor model minder verklarende kracht heeft bij verschillende sectoren, omdat elke sector zijn eigen karakteristieken heeft die zich vertalen in heterogene uitkomsten (MacKinlay, 1997). Echter uit de studie van MacKinlay (1997) kan worden afgeleid dat, bij bedrijven in dezelfde sector, éénzelfde multifactor model wel een grotere verklaringskracht kan hebben. In deze studie wordt daarom één multifactor model opgesteld en vervolgens getest op de drie rederijen. ‘The cross-section of expected stock returns’ (Fama&French, 1992) toont aan dat niet enkel het marktrendement, maar ook heterogene bedrijfskarakteristieken zoals ‘size’ (via marktkapitalisatie5) en ‘value’ (via boek-koerswaarde) de variatie in het gemiddelde aandelenrendement kunnen verklaren. Dit size- en value-effect van Fama en French (1996) toegevoegd aan het CAPM van Sharpe (1964), leidt tot het Fama en French ‘Three-Factor Model’. Dit model is in staat aandelenrendementen beter te verklaren dan het model van Sharpe (1964). Dit wordt empirisch door Fama en French (1992) aangetoond via een alfa die sterk gereduceerd is in vergelijking met de alfa uit het CAPM (Sharpe, 1964).
3
In de zomer is de belegger overtuigd dat er weinig vraag zal zijn naar olie, bijgevolg speculeert de belegger dat een maritiem transportbedrijf niet goed zal presteren op de beurs. Tijdens de winter speculeert de investeerder dat een maritiem transportbedrijf beter zal presteren (Merikas et al., 2009). 4 Met leeftijd wordt verwezen naar de ervaring van een maritiem transportbedrijf. Hoe meer ervaring een bedrijf heeft, hoe meer vertrouwen een investeerder heeft in dat bedrijf (Merikas et al., 2009). 5 Marktkapitalisatie wordt berekend door het totale aantal aandelen te vermenigvuldigen met de koers.
8
Fama en French (1996) argumenteren dus dat de rendementen op aandelen van kleine bedrijven en bedrijven met hoge boek-koerswaarde, hoger zijn dan aandelenrendementen op aandelen van grote bedrijven en bedrijven met een lage boek-koerswaarde. Deze twee verklarende determinanten, SMB6 en HML7, hebben verklarende kracht voor aandelenrendementen (Fama&French, 1996). Deze twee factoren generen extra rendement, omdat ze symbool staan voor extra risico (Fama&French, 1996). Vanuit economisch perspectief moet risico gecompenseerd worden, vandaar dat de investeerder een hogere risicopremie eist. Dit impliceert nogmaals dat het CAPM (Sharpe, 1964) niet volstaat om het volledig rendement van een aandeel te verklaren. Onderstaande vergelijking geeft het Fama en French Three-factor model weer (Fama&French, 1996):
𝐸(𝑟𝑖 ) − 𝑟𝑓 = 𝛽𝑖 [𝐸(𝑟𝑚 ) − 𝑟𝑓 ] + 𝛽𝑆𝑀𝐵 𝐸(𝑟𝑆𝑀𝐵 ) + 𝛽𝐻𝑀𝐿 𝐸(𝑟𝐻𝑀𝐿 )
De resultaten van Fama en French (1996) worden door Banz’ (1980) onderzoek, die het verband tussen de marktkapitalisatie en het rendement nagaat, bevestigd. Banz (1980) en Fama en French (1992) concludeerden beiden een size-effect, kleinere bedrijven haalden hogere rendementen dan grotere bedrijven. Er zijn wel twijfels over de factoren die verantwoordelijk zijn voor het size-effect. Zowel Banz (1980) als Chung, Johnson en Schill (2006) bevestigen dat size ook een proxy kan zijn voor andere variabelen, die door de grootte van het bedrijf impact hebben op het rendement. Reinganum (in Banz, 1980) onderzocht of het size-effect een proxy is voor het koers-winst ratio, maar resulteert dat het koers-winst ratio een proxy is voor size. Daarnaast concludeerde Stattman (in Banz, 1980) tevens een omgekeerd verband, de koersboek-waarde is een proxy voor het size-effect. Verder tonen Ramaswamy en Litzenburger (1979), Basu (1977) en Bhandari (1988) aan dat, naast ‘size’ en koers-boekwaarde, diverse andere bedrijfsspecifieke karakteristieken zoals
6
Small minus big, aandelenrendementen van grote bedrijven afgetrokken van aandelenrendementen van kleine bedrijven in aandelenportefeuille. 7 High minus low, aandelenrendementen van bedrijven met lage boek-koerswaarde ratio afgetrokken van aandelenrendementen van bedrijven met hoge boek-koerswaarde in een aandelenportefeuille.
9
dividendrendement, koers-winst ratio, cashflow-prijs ratio en schuldgraadratio’s verklaringskracht voor rendementen hebben.
Naast de micro-economische factoren bestaan er macro-economische factoren die naast het marktrendement (CAPM), een significant verband kunnen hebben op het aandelenrendement. Chen, Roll en Ross (1986) duiden op een wisselwerking van invloeden tussen aandelenprijzen en macro-economische factoren. Het onderstaand citaat van Chen, Roll en Ross (1986) wijst op het belang van de macro-economie in dit veld: ‘’Het is schijnbaar dat alle economische variabelen op één of andere manier endogeen zijn. Enkel de krachten van de natuur zoals supernova’s, aardbevingen en gelijken zijn echter exogeen aan de wereldeconomie.’’ (p.384).
Chen
et al.
(1986) vonden
significante
verbanden
tussen de
verwachte
aandelenrendementen en de industriële productie, fluctuaties in de rentecurve en veranderingen in de risicopremie. Nasseh en Strauss (2000) beweren dat er coïntegratie bestaat tussen de aandelenprijs en de industriële productie, inflatie en korte- en langetermijnrentes. Campbell en Ammer (1993) vonden verbanden tussen aandelenrendementen, dividendrendement, het verschil tussen de lange- en kortetermijnrente en hun vertraagden. Het is opmerkelijk dat Kavussanos en Marcoulis (in Kavussanos&Marcoulis, 2004) vaststelden dat er een negatief verband is tussen de industriële productie en maritieme rendementen. Kavussanos, Marcoulis en Arkoulis (2002) onderzochten de impact van de macro-economische of internationale variabelen als marktrendement (via MSCI World Equity Index), wisselkoersfluctuaties,
olieprijs,
inflatie,
groei
van
industriële
productie
en
kredietrisico op industriële internationale rendementen. De resultaten van de studie van Kavussanos et al. (2002) tonen dat het marktrendement de meest significante impact heeft en duidelijk het grootste aandeel heeft in het verklaren van de industriële rendementen. Dit is een argument in het voordeel van het CAPM (Sharpe, 1964), maar Kavussanos et al. (2002) stellen wel dat de verklaringskracht van het model toeneemt als er macro-economische variabelen aan het model worden toegevoegd. Aan de andere kant bewijzen Hung, Azad en Fang (2014) dat de verklaringskracht van de verklarende variabelen vermindert tijdens beroerde economische tijden.
10
Dit toegepast onderzoek gaat specifiek over drie maritieme bedrijven die op de Brusselse beurs zijn genoteerd. Volgens Kavussanos et al. (2002) reageren aandelen verschillend op micro- en macro-economische variabelen, dit naargelang de industrie waarin ze zich bevinden. Naast micro- en macro-economische variabelen, wordt er in dit onderzoek gezocht naar maritiem-specifieke variabelen die een invloed kunnen hebben op het maritieme rendement. Verder in de studie worden deze variabelen maritieme variabelen genoemd.
Uit diverse empirische onderzoeken blijkt de olieprijs één van de meest significante determinanten voor maritieme aandelenrendementen te zijn. Volgens de studie van Cunado en Perez de Gracia (2013) heeft de olieprijs zelfs een voorspellende kracht voor een aantal macro-economische variabelen zoals de reële economische groei, inflatie en de handelsbalans. Cunado en Perez de Gracia (2013) staven hun resultaten met de studie van Driesprong, Jacobsen en Maat (2008). Driesprong et al. (2008) constateerden dat de olieprijs zelfs voorspellende kracht had op aandelenrendementen. Shi, Yang en Li (2013) stellen dat de vraag naar het transport van ruwe olie afhankelijk is van de internationale handel van ruwe olie. Shi et al. (2013) voerden onderzoek uit naar de invloed van ruwe olieprijs op het tankertransport en vonden dat hoge olieprijzen lagere winsten genereerden voor de sector. Dit is vanuit economisch standpunt ook logisch aangezien olie de brandstof voor schepen is en bijgevolg een kost is voor een maritiem transportbedrijf. Kavussanos et al. (2002) bevestigen dit economisch verband en hebben het ook over een negatieve relatie tussen rendementen van transportbedrijven en de olieprijs.
In ander onderzoek van Kavussanos en Marcoulis (in Kavussanos&Marcoulis, 2004) wordt er een positieve relatie gevonden tussen de olieprijs en het rendement van een rederij.
Deze
resultaten
Kavussanos&Marcoulis,
2004)
(Kavussanos&Marcoulis, zijn
tegenstrijdig
met
geciteerd
voorgaande
in
resultaten
(Kavussanos et al., 2002). In de studie van Cunado en Perez de Gracia (2013) verwijzen ze naar de uiteenlopende resultaten over de impact van de olieprijs op aandelenrendement. Chen et al. (1986) vonden een negatieve impact van de olieprijs op het rendement, terwijl Huang, Masulis en Stoll (1996) geen enkel verband constateerden. Het is essentieel een onderscheid te maken tussen olie als 11
brandstofkost en als getransporteerde vloeibare bulk. Intuïtief zou verwacht worden dat de olieprijs steeds een negatief verband heeft met het rendement maar dat de grootte van die impact afhangt van sector tot sector (Cunado&Perez de Gracia, 2013).
Om de bewegingen in de olieprijs te begrijpen, is het belangrijk om de oorzaak van de prijswijziging te detecteren. Cunado en Perez de Gracia (2013) en Shi et al. (2013) hebben geresulteerd dat aanbodschokken8 een grotere impact hebben op de olieprijs dan vraagschokken. Shi et al. (2013) geven hiervoor een logische economische verklaring hiervoor, namelijk dat de wereldwijde vraag naar olie quasi altijd aanwezig zal zijn, maar dat er slechts in een beperkt aantal landen olie wordt geproduceerd. Zoals Cunado en Perez de Gracia (2013) constateren, heeft een positieve vraagschok9 een ambigue-effect: enerzijds stijgen brandstofkosten en anderzijds worden de verwachtingen rond export groter. Deze laatste heeft op zijn beurt een positieve impact op de consumptie en de wereldeconomie (Cunado&Perez de Gracia, 2013). Bij een aanbodschok daalt de economische activiteit van de olieimporterende landen (Cunado&Perez de Gracia, 2013).
Om bij de maritiem-specifieke determinanten te blijven, wordt een tweede significante determinant aangehaald: de vrachttarieven. De vrachttarieven bepalen grotendeels de inkomsten van maritieme transportbedrijven, omdat dit tarief bepaalt welke vergoeding het bedrijf kan vragen voor zijn dienst. Een accurate definitie van vrachttarieven wordt beschreven door Glen en Martin (2005): Het vrachttarief is bepaald door het proportionele verschil tussen de gevraagde hoeveelheid (in tonmijl), en het aanbod van scheepsvaartdiensten (gemeten door de vlootcapaciteit). De vraag is exogeen en het tarief is in functie van de balans tussen de exogene vraag en het aantal actieve vloten. (p.27)
De definitie van Glen en Martin (2005) kan door Shi et al. (2013) via een eenvoudig voorbeeld voor de maritieme olietransportmarkt duidelijk gemaakt worden. Shi et al. (2013) hebben aangetoond dat de olieprijs een impact kan hebben op de 8
Een stijging van de olieprijs door een daling in het aanbod van olieproducerende landen. Basistheorie economie: De vraag naar olie stijgt, bijgevolg stijgt de prijs.
9
12
vrachttarieven in die markt. Een lage olieprijs resulteert in een hogere vraag naar olie en om de stijgende vraag naar transport op te vangen is er nood aan meer aanbod. Als de stijgende vraag niet onmiddellijk opgevangen wordt door een vergroot aanbod, dan wordt er een tarief hoger dan het marktevenwicht gezet (Shi et al., 2013). Een evenwichtsprijs wordt bereikt als de vraag naar transport en het aanbod van transport in evenwicht zijn. Verder is het type, de capaciteit en de vaarroutes van de vloten bepalend voor de vrachttarieven (Glen&Martin, 2005).
In de studie van Bakshi, Panayotov en Skoulakis (2011) werd geresulteerd dat de Baltic Dry Index10 (BDI) positieve voorspellende kracht heeft op de reële economische groeivoet. Dit maritiem onderzoek zal de invloed van de vrachttarieven via een gemiddelde van Baltic indices onderzoeken, aangezien de drie rederijen diverse ladingen transporteren. Dat de vrachttarieven een indicator zijn voor de economische groei, wordt gestaafd in het van Glen en Martin (2005). Zij geven weer dat een stijging van de BDI leidt tot een significante stijging van de aandelenmarkt (Glen&Martin, 2005). In de studie van Drobetz en Schröder (2014) wordt het verband tussen de vrachttarieven en de bèta aangehaald. In tijden van volatiele vrachttarieven volgen de maritieme aandelen de globale markt (Drobetz&Schröder, 2014). Gelijkaardige resultaten worden aangetoond door Erdogan, Tata, Karahasan en Sengoz (2012), waarbij de correlatie tussen de globale aandelenmarkt en de maritieme aandelenkoersen in onzekere financiële tijden sterker wordt.
De resultaten uit de studie van Coto-Millán, Bãnos-Pino en Castro (2004) zijn een geschikte aanvulling voor het bepalen van de vraag naar maritiem transport. In hun studie werd de coïntegratie tussen de maritieme import, export en macroeconomische variabelen nagegaan (Coto-Millán et al., 2004). De belangrijkste bevindingen van Coto-Millán et al. (2004) zijn dat het nationaal inkomen en de prijs van maritiem transport (vrachttarieven) de vraag grotendeels bepalen.
Om de wisselwerking van vraag en aanbod op de maritieme transportmarkt verder uit te diepen, is het essentieel een onderscheid te maken tussen verschillende maritieme transportmarkten. Volgens de definitie van Cullinane (2005) bestaat de
10
Deze index weerspiegelt de vrachttarieven voor het drogebulktransport.
13
maritieme transportindustrie uit twee delen: enerzijds de bulk sector en anderzijds de vrachtlijnmarkt (‘liner’ sector). De bulk sector handelt vooral in het vervoer van grote ladingen over zee (Cullinane, 2005). De bulk sector wordt verder door Cullinane (2005) opgesplitst in droge en vloeibare bulk, deze laatste wordt ook wel het tankertransport genoemd. De ladingen van het bulktransport zijn grote homogene losse ladingen zoals ertsen en olie (Cullinane, 2005). De vrachtlijnsector focust vooral op het regelmatig vervoer van kleinere ladingen, voornamelijk containers, op vaste tijdschema’s (Cullinane, 2005). Maritieme bedrijven kunnen zich positioneren op twee verschillende markten. Enerzijds kan een maritiem bedrijf zijn diensten aanbieden via tijdsbevrachting (time charter), en anderzijds op de spotmarkt (trip charter). Glen en Martin (2005) gebruiken in hun studie de definities van Koopmans en Tinbergen. Koopmans en Tinbergen (in Glen&Martin, 2005) tijdsbevrachting
het
verantwoordelijkheid
maritiem voor
het
transportbedrijf vervoeren
stellen dat bij
(vervrachter/reder)
van
ladingen
de
totale
de
klant
van
(bevrachter/huurder) op zich neemt, maar in ruil voor de aangeboden diensten betaalt de bevrachter periodiek de vervrachter. Deze tijdsbevrachting kan een contract voor twee weken of voor twee jaar zijn. Bij zo’n contract huurt een bedrijf de vloot en diensten van een reder, om zijn ladingen naar bestemmingen naar keuze te verschepen (Glen&Martin, 2005). Koopmans en Tinbergen (in Glen&Martin, 2005) definiëren verder dat op de spotmarkt beide partijen overeen komen om tegen een vooraf afgesproken prijs (vrachttarief), een specifieke lading éénmalig of tweemalig te vervoeren zonder dat de vervrachter de totale verantwoordelijkheid of organisatie op zich neemt. Kort samengevat is tijdsbevrachting een langetermijnovereenkomst en de spotmarkt een éénmalig contract voor het transporteren van een lading.
14
2.2.
Bedrijvenstudie
Dit toegepast onderzoek spitst zich op Euronav, Exmar en CMB. Deze drie maritieme bedrijven zijn op Euronext Brussel genoteerd. De geschiedenis, de activiteiten en de evolutie van de financiële structuur van deze bedrijven worden onderzocht. Deze werkmethode biedt de mogelijkheid om alle invloedrijke factoren, die een impact kunnen hebben op het rendement, te detecteren. Voor het beschrijven van de drie bedrijven worden de jaarverslagen als bron gebruikt. Voor de geschiedenis worden de bedrijfswebsites geraadpleegd.
De activiteiten van deze maritieme bedrijven, voornamelijk vervoer (en opslag) van grondstoffen
over
zee,
zijn
nauw
gerelateerd,.
Een
ander
elementair
gemeenschappelijk punt bij de drie ondernemingen is de familie Saverys. Deze familie zit verweven in de drie bedrijven via Marc Saverys, Nicolas Saverys, Alexander Saverys, Virginie Saverys. Dit wordt verder in dit onderzoek concreter besproken. De reden voor het belang van deze familie in de bedrijven kan in de geschiedenis
van
CMB
worden
gevonden.
CMB
of
Compagnie
Maritime
Belge/Belgische Scheepvaartmaatschappij werd opgericht in 1895. Sinds de oprichting is CMB door overnames, fusies en afsplitsingen het huidige CMB geworden. Dit is op zich een normaal evolutieproces, was het niet dat zowel Exmar als Euronav op respectievelijk 20 juni 2003 en 30 november 2004 afgesplitst werden van CMB. Dit maakt het onderzoek uiterst interessant. Hoe presteren de ex-divisies apart en welke ex-divisies zijn gevoeliger voor welke determinanten? De bedrijven worden hieronder afzonderlijk en concreter voorgesteld.
2.2.1. CMB 2.2.1.1. In
1895
werd
Geschiedenis11 Compagnie
Belge
Maritime
du
Congo
(CBMC),
een
dochteronderneming van een Britse maritieme groep, opgericht om goederen, personen en post naar de toenmalige kolonie te verschepen. De vaarroutes werden vanaf 1930, door overname van Belgische sectorgenoot Lloyd Royal Belge, 11
Als bron voor de geschiedenis van CMB werd zijn website geraadpleegd: http://www.cmb.be/My_Project_CMB/PAGE_CONTENT_TAB/aAQAAF~7TqZMVEVZZ0xGTlNFRAA? WD_ACTION_=MENU&ID=A20
15
uitgebreid naar de regio’s Azië, Noord-Amerika en Zuid-Amerika. Door die overname werd CMB (LR), de nieuwe naam, de grootste Belgische scheepsbeheerder. CMB werd actief in Centraal-Amerika, door een overname in 1960 van een andere Belgische sectorgenoot Armement Deppe. In 1962 werden containers, en dus containerschepen, belangrijker in de sector. CMB anticipeerde daarop door zich hoofdzakelijk te manifesteren op de drogebulkmarkt in plaats van op de vrachtlijnmarkt. In 1975 was er voor het eerst een link tussen Bocimar en CMB. Eerst had CMB een belang in Bocimar, maar in 1982 werd Bocimar volledig deel van CMB. In functie van het uitbreiden van zijn drogebulkvervoer nam CMB Hessantie, een belangrijke speler in die markt, over. Exmar en CMB werden samengebracht in 1991 via een belangverwerving van Almabo in CMB. Euronav werd voor 100% deel van CMB in 1999. De afsplitsing van zowel Exmar als Euronav was een volgende stap in de historie van CMB. Hierna wordt CMB per 31 december 2013 beschreven. Voor bepaalde hoofdstukken zoals aandeelhoudersstructuur, koers, dividend en de financiële structuur wordt de evolutie van 2004 naar 2013 besproken. 2.2.1.2.
Aandeelhoudersstructuur
De aandelen van CMB zijn genoteerd op Euronext Brussel. In tabel 1 wordt de evolutie van het aandeelhouderschap weergegeven. Het totaal aantal aandelen blijft gedurende
de
hele
periode
ongewijzigd
op
35.000.000
aandelen.
De
aandeelhoudersstructuur behoudt een constante samenstelling over tijdspanne. Naast de free-float en eigen aandelen, zijn enkel Marc Saverys via Saverco NV en Virginie Saverys via Victrix NV de aandeelhouders. Marc Saverys is gedelegeerd bestuurder bij Saverco, waar verder Ludwig Criel, Alexander Saverys, Sebastiaan Saverys, Michaël Saverys, Ludovic Saverys opmerkelijke bestuurders zijn. Bij Victrix is Virginie Saverys gedelegeerd bestuurder.
16
Tabel 1: Aandeelhoudersstructuur CMB
12
in procenten
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Saverco NV
41,00%
41,00%
45,00%
45,00%
46,72%
47,16%
48,31%
48,60%
48,97%
50,30%
Victrix NV
15,19%
15,19%
15,19%
15,19%
15,99%
15,99%
15,99%
15,99%
15,99%
16,04%
CMB NV
0,14%
0,37%
0,37%
0,37%
0,37%
0,57%
0,57%
1,53%
1,53%
0,00%
Derden
43,67%
43,44%
39,44%
39,44
36,92%
36,28%
35,13%
33,88%
33,51%
33,66%
Aantal aandelen
35.000.000
35.000.000
35.000.000
35.000.0000
35.000.000
35.000.000
35.000.000
35.000.000
35.000.000
35.000.000
12
CMB (2004). CMB jaarverslag 2004. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen ; CMB (2005). CMB jaarverslag 2005. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen ; CMB (2006). CMB jaarverslag 2006. Geraadpleegd via http://www.cmb.be/ ; CMB (2007). CMB jaarverslag 2007. Geraadpleegd via http://www.cmb.be/ ; CMB (2008). CMB jaarverslag 2008. Geraadpleegd via http://www.cmb.be/ ; CMB (2009). CMB jaarverslag 2009. Geraadpleegd via http://www.cmb.be/ ; CMB (2010). CMB jaarverslag 2010. Geraadpleegd via http://www.cmb.be/ ; CMB (2011). CMB jaarverslag 2011. Geraadpleegd via http://www.cmb.be/ ; CMB (2012). CMB jaarverslag 2012. Geraadpleegd via http://www.cmb.be/ ; CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/
17
2.2.1.3.
Raad van Bestuur13
Op 31 december 2013 telt de raad van bestuur van CMB 10 leden. De aandacht gaat naar de familie Saverys, omdat hun belang hier tot uiting komt. Virginie Saverys is, als vaste vertegenwoordiger van Victrix, één van de niet-uitvoerende bestuurders. Alexander Saverys is ook een niet-uitvoerende bestuurder en is daarnaast gedelegeerd bestuurder van Delphis14. Marc Saverys (CEO) is gedelegeerd bestuurder. De twee andere uitvoerende bestuurders zijn Ludwig Criel en Benoît Timmermans. Burggraaf Etienne Davignon is de voorzitter van de Raad van Bestuur. De andere niet-uitvoerende bestuurders zijn Jean-Pierre Blumberg, Jean-Pierre Hansen, Fiona Morrison en Eric Verbeeck (vaste vertegenwoordiger van NV A.P.E). 2.2.1.4.
Activiteiten15
De activiteiten van CMB worden opgesplitst in drie grote takken:
A. Bocimar B. ASL Aviation C. Overige activiteiten
Deze takken van CMB zijn een opsplitsing op basis van activiteit respectievelijk maritiem
drogebulktransport,
luchtvaarttransport
en
een
restcategorie
voor
activiteiten die niet bij één van de voorgaande passen. Iedere tak bevat meerdere dochterondernemingen (en joint ventures). Een uitgebreidere voorstelling wordt hieronder gemaakt. Bocimar is de belangrijkste bedrijfsactiviteit van CMB en ook voor dit vergelijkend onderzoek
13
CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/ Delphis is een wereldwijd actieve maritieme containertransporteur. 15 CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/ 14
18
A. Bocimar
Deze bedrijfstak handelt al 25 jaar in het wereldwijd transporteren van droge bulk zoals ertsen, kolen en granen over zee. Bocimar wordt verdeeld in Bocimar International (Bocimar Belgium) en Bocimar Hong Kong (Bohandymar), die beide volle eigendom van CMB zijn. Bocimar leaset ook bulkschepen, zowel als lessor als lessee via tijdsbevrachtingscontracten. Bijkomend handelt Bocimar in het kopen en verkopen van zowel nieuwbouwvloten als tweedehandsvloten.
Bocimar genereert zijn voornaamste opbrengsten door het vervoeren van ladingen droge bulk. In de maritieme droge bulk transportmarkt wordt de prijs, die men mag vragen voor deze dienst, bepaald door de vrachttarieven. De vrachttarieven, met voor CMB de indicator Baltic Dry Index, worden door meerdere factoren bepaald. De meest bepalende factor, en overigens de basistheorie van de economie, is de verhouding tussen vraag naar transport en het aanbod van schepen. Dit werd in de literatuurstudie uitgebreider besproken.
B. ASL Aviation
Via deze tak is CMB actief in de luchtvaart. ASL Aviation, zoals het de dag vandaag bestaat, is met een joint venture voor 51% in handen van CMB en voor 49% in handen van 3P Air Freighters16. De ASL Aviation Groep is in Ierland gevestigd. Het bedrijf vervoert met hun vliegtuigen passagiers en/of vrachtladingen. ASL Aviation biedt ook leasingcontracten met gecombineerde diensten aan. Verder voeren ze ook onderhouds- en reparatiewerken uit voor allerlei vliegtuigen. Deze tak wordt door meerdere dochtervennootschappen vertegenwoordigd. Daarbij is CMB grotendeels ook voor 51% eigenaar van die dochtervennootschappen. Deze zijn in Ierland, Verenigd Koninkrijk, Frankrijk, Zuid-Afrika en de Kaaimaneilanden gevestigd.
16
Een private equity fonds van Petercam NV
19
C. Overige activiteiten
CMB heeft een aparte tak voor de activiteiten die buiten maritieme of luchtvaartactiviteiten vallen. De belangrijkste dochtervennootschappen die tot deze activiteiten behoren zijn Anglo-Eastern Group, Bocimar Chemical, Bocimar Hong Kong, Reslea en CMB zelf. De vennootschappen onder deze tak zijn gevestigd in België, Hong Kong, Singapore en Japan. Sinds 2007 is CMB met Anglo-Eastern group, waar CMB een aandeel van 28,09% in heeft, actief in het leveren van ship management, crew management, technische diensten en offshore diensten. Dit zijn dus vooral ondersteunende en optimaliserende diensten. CMB heeft een aandeel van 50% (joint-venture 50/50 met Exmar) in de vennootschap Reslea. Reslea is actief in de wereld van het vastgoed. 2.2.1.5.
Vloot17
De vloot van reder Bocimar kan in vier types worden opgesplitst: Handysize bulkschepen, Supramax bulkschepen, Postpanamax bulkschepen en Capesize bulkschepen. Ieder type schip heeft zijn eigen maximale draagcapaciteit. De vloot van Bocimar bestaat per 31 december 2013 uit:
16 Handysize bulkschepen, 12 in aanbouw waarvan al 2 verkocht (alle 28 in volle eigendom); draagvermogen 25.000 - 37.000 DWT18
4 Supramax bulkschepen (3 in volle eigendom, 1 met 90% eigendom); draagvermogen 50.000 - 60.000 DWT
2 Postpanamax bulkschepen (beide 25% eigendom); draagvermogen 85.000 - 100.000 DWT
24 Capesize bulkschepen, 3 in aanbouw (22 in volle eigendom en 5 met 50% eigendom); draagvermogen > 150.000 DWT
De vloot van ASL Aviation bestaat per 31 december 2013 uit:
21 Boeing vliegtuigen (in volle eigendom)
14 ATR vliegtuigen (in volle eigendom)
6 Hercules vliegtuigen (in volle eigendom)
17
CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/ Deadweight tonnage (DWT): “Draagvermogen is het gewicht dragend vermogen van een schip, in metrieke ton. Dit includeert zowel het gewicht van de lading, als het gewicht van de brandstof, smeerolie, voorraden, en alle andere dingen op het schip.” (Barnhart&Laporte, 2004, hoofdstuk 4, p.197). 18
20
28 vliegtuigen van bovenstaande types (niet in volle eigendom)
De vloot van de overige activiteiten bestaat per 31 december 2013 uit:
1 Panamax schip (50% eigendom); 60.000 - 80.000 DWT
2 Chemicaliënschepen in aanbouw (50% eigendom) 2.2.1.6.
Verbonden ondernemingen19
Onder de tak Bocimar zijn per 31 december 2013:
11 dochtervennootschappen met een aandeel van 100% onder volledige consolidatie. Deze zijn in Hong Kong, Luxemburg, Singapore en Japan gevestigd;
2 geassocieerde vennootschappen met deelneming van 25% onder proportionele consolidatie in de Britse Maagdeneilanden en Hong Kong;
11 dochtervennootschappen met deelnemingsverhouding van 50% onder proportionele consolidatie in Hong Kong, Marshall Eilanden en Liberia;
1 geassocieerde vennootschap met deelneming van 25% onder vermogensmutatie in de Marshall Eilanden.
Onder de tak ASL Aviation zijn per 31 december 2013:
15 dochtervennootschappen met een aandeel van 51% onder proportionele consolidatie in het Verenigd Koninkrijk, Ierland, Frankrijk, Zuid-Afrika en de Kaaiman Eilanden;
3 dochtervennootschappen met een aandeel van 75,50% onder proportionele consolidatie in Ierland;
1 geassocieerde vennootschap met een deelneming van 12,75% onder vermogensmutatie in Zuid-Afrika.
Onder de tak overige activiteiten zijn per 31 december 2013:
6 dochtervennootschappen met een aandeel van 100% onder volledige consolidatie in België, Singapore, Hong Kong en Japan;
19
CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/
21
2 dochtervennootschappen met aandeel van 50% onder proportionele consolidatie in Hong Kong en België. RESLEA NV (België) is belangrijk want vormt één van de belangrijkste overige activiteiten;
1 geassocieerde vennootschap met een deelneming van 28,09% onder vermogensmutatie in Hong Kong. Dit is Anglo Eastern Management Group en vormt één van de belangrijkste overige activiteiten. 2.2.1.7.
Koers
Figuur 1: Koersevolutie CMB
Plot Gretl: Data uit Datastream
De koers van CMB kent een volatiele evolutie. Een piek wordt in 2008 bereikt waarna er een forse koersdaling tot 2009 volgt. De financiële crisis heeft dus duidelijk zijn invloed op de koers gehad. In 2009 komt de koers op hetzelfde niveau als voor 2007. 2.2.1.8.
Dividend
De koerswinst en de ontvangen dividenden bepalen het rendement voor een aandeelhouder. CMB heeft duidelijk geen stabiel dividendbeleid. Dit kan een ambigue impact hebben op de koers. Enerzijds bestaan er aandeelhouders die een stabiel dividendbeleid prefereren. Anderzijds willen beleggers het bedrijf zien groeien door middel van overgedragen winst. Het hoogste netto dividend werd betaald in 2007, deze bedroeg 3 euro. Onderstaande tabel geeft de evolutie weer: 22
Tabel 2: Koers en dividend CMB
20
In euro per aandeel CMB
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Netto dividend
2,70
2,25
2,55
3,00
1,68
0,96
1,02
1,20
0,06
0,18
Hoogste koers
23,96
31,30
33,25
66,69
58,83
24,69
26,50
23,66
18,35
22,78
Laagste koers
6,88
20,01
19,98
33,24
12,52
13,24
20,45
14,85
12,46
14,17
20
CMB (2004). CMB jaarverslag 2004. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen ; CMB (2005). CMB jaarverslag 2005. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen ; CMB (2006). CMB jaarverslag 2006. Geraadpleegd via http://www.cmb.be/ ; CMB (2007). CMB jaarverslag 2007. Geraadpleegd via http://www.cmb.be/ ; CMB (2008). CMB jaarverslag 2008. Geraadpleegd via http://www.cmb.be/ ; CMB (2009). CMB jaarverslag 2009. Geraadpleegd via http://www.cmb.be/ ; CMB (2010). CMB jaarverslag 2010. Geraadpleegd via http://www.cmb.be/ ; CMB (2011). CMB jaarverslag 2011. Geraadpleegd via http://www.cmb.be/ ; CMB (2012). CMB jaarverslag 2012. Geraadpleegd via http://www.cmb.be/ ; CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/
23
2.2.1.9.
Evolutie financiële structuur
Om de financiële structuur van de bedrijven doorheen de tijd overzichtelijk te analyseren, worden evolutietabellen opgesteld. Dit zowel voor de geconsolideerde cijfers als voor elk van de deelactiviteiten. De geconsolideerde evolutietabel bevindt zich op de volgende pagina en de evolutietabellen van de deelactiviteiten (Bocimar, ASL Aviation en overige activiteiten) in de bijlages 2.1, 2.2 en 2.3. Op deze manier kan de lezer het gewenste belang van de deelactiviteiten ten opzichte van de geconsolideerde cijfers toetsen.
De evolutietabellen werden aan de hand van fundamentele cijfers uit de jaarverslagen21 opgesteld. Voor de financiële ratio’s ROE en schuldgraad werd beroep gedaan op Datastream.
21
CMB (2004). CMB jaarverslag 2004. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen ; CMB (2005). CMB jaarverslag 2005. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen ; CMB (2006). CMB jaarverslag 2006. Geraadpleegd via http://www.cmb.be/ ; CMB (2007). CMB jaarverslag 2007. Geraadpleegd via http://www.cmb.be/ ; CMB (2008). CMB jaarverslag 2008. Geraadpleegd via http://www.cmb.be/ ; CMB (2009). CMB jaarverslag 2009. Geraadpleegd via http://www.cmb.be/ ; CMB (2010). CMB jaarverslag 2010. Geraadpleegd via http://www.cmb.be/ ; CMB (2011). CMB jaarverslag 2011. Geraadpleegd via http://www.cmb.be/ ; CMB (2012). CMB jaarverslag 2012. Geraadpleegd via http://www.cmb.be/ ; CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/
24
Tabel 3: CMB geconsolideerde cijfers
in duizenden Euro
2004
2005
2006
2007
2008
2009
2010
2011
2012 (USD)
2013 (USD)
Totale 22 opbrengsten
566.937
508.332
483.004
526.335
658.039
465.350
512.414
525.749
709.980
738.727
EBITDA
218.853
216.145
196.971
304.936
300.454
255.444
220.388
228.909
169.541
175.260
EBIT
189.119
182.028
164.557
268.799
258.426
137.419
109.916
92.211
43.724
40.327
Nettoresultaat
295.073
154.712
134.381
243.284
211.857
119.762
120.871
97.720
130.874
49.694
Vaste Activa
536.226
588.341
690.092
679.550
878.397
853.773
1.265.679
1.365.998
1.904.813
1.829.312
Eigen vermogen
296.230
391.497
397.628
543.289
551.353
662.822
844.376
835.193
1.059.504
1.081.972
ROE(%)
104,59
44,99
34,06
51,71
38,71
19,73
16,04
11,64
12,38
4,70
Schuldgraad(%)
36,58
56,70
48,55
54,92
46,91
53,00
50,70
48,82
46,40
51,66
22
Dit cijfer omvat de omzet, meerwaarden op de verkoop van vloten en andere bedrijfsopbrengsten.
25
2.2.2. Exmar 2.2.2.1.
Geschiedenis23
Exmar werd door Bernard Boel in 1829 opgericht. In 1902 bestond Exmar onder de naam ‘Gebroeders Boel’, een familiebedrijf dat transportschepen bouwde. In 1911 waren het de gebroeders Boel die het grootste binnenvaartschip bouwden van Europa, de 112 meterlange ‘Graaf De Smet - De Nayer’. De groep, gevestigd in Temse langs de Schelde, werd in 1943 verder gezet door de schoonfamilie, de familie Van Damme. Onder leiding van die familie werd de groep groter door middel van hun technologische innovaties en investeringen, waarvan het bouwen van een LNG-schip de grootste was. In 1981 werd de groep opnieuw doorgegeven aan de schoonfamilie, wat tot de intrede van de familie Saverys leidde. De jaren 80 waren belangrijke jaren voor Exmar. Ze breidde haar activiteiten uit en bouwde, kocht en verwierf (via joint-ventures) meer en meer vloten gespecialiseerd in het vervoer van gas. Zowel Exmar’s vloot als hun activiteitengebied, door vestiging in Hong Kong, werden hierdoor vergroot.
In 1992 maakt Exmar voor 100% deel uit van CMB. Zij breidt haar activiteiten uit en raakt meer gespecialiseerd in het wereldwijd transporteren van LNG, LPG en het aanbieden van een LNG-infrastructuur. Op 20 juni 2003 beslist CMB om Exmar van zich af te splitsen. Zo kon de ‘gastak’ op zichzelf bestaan en zelfstandig groeien. Exmar is nu een beursgenoteerde scheepvaartgroep die in België is gevestigd. Naast het hoofdkantoor in Antwerpen zijn er kantoren in Hong Kong, Houston, London, Limassol, Luxemburg, Mumbai, Parijs en Singapore. Exmar’s bijkantoren bevinden zich in Shanghai, Luanda, Tripoli en Buenos Aires. Hierna wordt Exmar per 31
december
2013
beschreven.
Voor
bepaalde
hoofdstukken
zoals
aandeelhoudersstructuur, koers, dividend en de financiële structuur wordt de evolutie van 2004 naar 2013 besproken.
23
Als bron voor de geschiedenis van Exmar werd zijn website geraadpleegd: http://www.exmar.be/en/webpage/73/history.aspx?via=23
26
2.2.2.2.
Aandeelhoudersstructuur
De aandelen van Exmar zijn genoteerd op Euronext Brussel. In de tabel 4 wordt de evolutie van het aandeelhouderschap weergegeven. De aandeelhoudersstructuur van Exmar wijzigt doorheen de ganse dataset. Saverex NV blijft echter een stabiele deelneming
behouden.
Daarnaast
zijn
Exmar
zelf
en
Sofina
SA,
vaste
aandeelhouders. Een vergelijkingspunt tussen CMB en Exmar is de free float (beide tussen 33 en 39%).
In 2005 werden eigen aandelen vernietigd. Door een stocksplit op 26 mei 2006 werd elk bestaand aandeel in 5 gesplitst. Verder werd in 2009 een kapitaalverhoging doorgevoerd waardoor het aantal aandelen ook steeg. Sinds 2009 bleef het aantal aandelen constant.
27
Tabel 4: Aandeelhoudersstructuur Exmar
24
in procenten
Saverex NV
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
50,01%
57,42%
57,42%
57,42%
57,56%
54,60%
54,49%
54,23%
54,29%
54,29%
5,80%
5,80%
1,30%
1,30%
1,30%
1,30%
1,30%
Skagen Fondene AS
4,35%
Schrôder Investments
4,88%
Sofina SA ECOFIN Exmar NV Derden Aantal aandelen
5,26%
5,80%
4,80%
5,59%
1,82%
1,82%
5,12%
7,02%
4,20%
5,60%
5,60%
5,37%
5,37%
35,18
34,96%
34,96%
32,20%
31,69%
35,10%
38,61%
38,87%
39,04%
39,04%
7.350.000
6.700.000
35.700.000
35.700.000
35.700.000
59.500.000
59.500.000
59.500.000
59.500.000
59.500.000
24
Exmar (2004). Exmar jaarverslag 2004. Geraadpleegd via http://www.exmar.be/; Exmar (2005). Exmar jaarverslag 2005. Geraadpleegd via http://www.exmar.be/; Exmar (2006). Exmar jaarverslag 2006. Geraadpleegd via http://www.exmar.be/; Exmar (2007). Exmar jaarverslag 2007. Geraadpleegd via http://www.exmar.be/; Exmar (2008). Exmar jaarverslag 2008. Geraadpleegd via http://www.exmar.be/; Exmar (2009). Exmar jaarverslag 2009. Geraadpleegd via http://www.exmar.be/; Exmar (2010). Exmar jaarverslag 2010. Geraadpleegd via http://www.exmar.be/; Exmar (2011). Exmar jaarverslag 2011. Geraadpleegd via http://www.exmar.be/; Exmar (2012). Exmar jaarverslag 2012. Geraadpleegd via http://www.exmar.be/; Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/
28
2.2.2.3.
Raad van Bestuur25
Op 31 december 2013 telt Exmar in totaal 10 bestuurders. De familie Saverys heeft met Ariane, Pauline en Nicolas drie zetels. Hierbij is Nicolas Saverys als CEO de belangrijkste. Patrick De Brabandere (COO) is de tweede uitvoerende bestuurder. Ludwig Criel, Pauline Saverys, Ariane Saverys en Baron Philippe Vlerick vervullen de titel van niet-uitvoerende bestuurders. Daarnaast is het opmerkelijk dat één van de onafhankelijke bestuurders Europees parlementslid Guy Verhofstadt is. Daarnaast is hij ook Europees parlementslid en fractieleider van de Alliantie van Liberalen en Democraten voor Europa (ALDE26). De andere twee onafhankelijke bestuurders zijn François Gillet en Jens Ismar. De voorzitter van de Raad van Bestuur, en nietuitvoerend bestuurder, is Baron Philippe Bodson. 2.2.2.4.
Activiteiten27
Exmar vormt een onafhankelijke ‘Groep’ die actief is op de markt van internationaal maritiem transport, door het bezitten en beheren van LNG-tankers en LPG-tankers. Naast het wereldwijd transporteren van liquide gassen, biedt Exmar diverse (aanvullende) diensten aan voor de maritieme gasindustrie. In hun jaarverslag (2013) noteert Exmar dat het bedrijf geëvolueerd is naar een verticaal geïntegreerde onderneming door naast het pure transport een infrastructuur en logistiek kader aan te bieden. Ook rapporteert Exmar dat ze trachten een evenwicht te vinden tussen contracten sluiten op de spotmarkt en tijdsbevrachtingsmarkt. Dit toont het cyclische karakter van de vrachttarieven aan en hoe Exmar daar probeert mee om te gaan. De activiteiten van Exmar worden in 4 takken opgesplitst:
A. LNG (transport en infrastructuur) B. Transport van LPG/Ammoniak/PETCHEMS C. Offshore activiteiten D. Diensten
25
Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/ Bron: http://www.europarl.europa.eu/meps/nl/97058/GUY_VERHOFSTADT_home.html 27 Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/ 26
29
A. LNG
Sinds 1970 is de LNG-tak de belangrijkste activiteit van Exmar. De LNG-tak bestaat uit het transport van LNG en het aanbieden van een LNG-infrastructuur. De inkomsten voor Exmar zijn hierbij afhankelijk van de LNG vrachttarieven. In het ontwikkelen van een LNG-infrastructuur is Exmar door de jaren heel innovatief en toonaangevend geweest. Ze hebben als eerste in de wereld LNG hervergast op het schip (in 2003), LNG op zee van één schip naar een ander schip verscheept en zullen drijvende liquefactiebarges (in 2015) bouwen. Deze innovaties zorgden voor een sneller en efficiënter transportproces. Exmar splitst zijn aanbod voor LNGinfrastructuur op in: vlottende liquefactie (met FLSU’s), vlottende hervergassing (met FRSU’s), LNG-bunkering en kleinschalig LNG-transport.
B. Transport van LPG/Ammoniak/PETCHEMS
Exmar is via deze tak actief in het vervoer van vloeibare gasproducten zoals vloeibaar petroleumgas, butaan, propaan, ammoniakgas en andere chemische gassen. Deze activiteit kreeg doorheen de jaren steeds een groter belang. De inkomsten voor deze tak zijn afhankelijk van de vrachttarieven die per schip ook verschillend zijn.
C. Offshore activiteiten
Exmar is een dienstverlener voor de offshore gasindustrie, maar ook voor de offshore olie-industrie. Olie en gas worden door Exmar verwerkt en opgeslagen. De offshoreactiviteiten bestaan verder uit het ontwikkelen en uitbaten van drijvende installaties (accommodatieplatformen). Deze offshore diensten worden door Exmar Houston, Antwerpen en Parijs ondersteund.
D. Diensten
Exmar biedt zijn klanten diverse ondersteunende diensten aan. Ze heeft verschillende werkgroepen van ingenieurs in Parijs, Houston en Antwerpen. Daar 30
gaat de focus naar innovatieve oplossingen voor boorplatformen op zee. Via Exmar Shipmanagement
biedt
Exmar
technische
ervaring
en
diverse
managementtechnieken aan. Via Belgibo, een industriële verzekeringsmaatschappij, is Exmar actief in het verzekeren en risicobeheer van de maritieme sector, de transportsector en de industriële sector. Sedert 15 jaar organiseert Exmar zakelijke reizen voor zowel middelgrote als grote ondernemingen. Dit realiseert Exmar via de samenwerking met Travel PLUS (Professional Loyal Unbeatable Service). Verder is Exmar voor 50% eigenaar van RESLEA (joint-venture met CMB). 2.2.2.5.
Vloot28
De vloot van de tak LNG bestaat per 27/04/201429 uit:
13 LNG-tankers waarvan 8 LNGRV30-tankers zijn (7 tankers in volle eigendom, 6 tankers zijn eigendom door joint-ventures); capaciteit 65.000152.000 m³
De vloot LPG/Ammoniak/PETCHEMS bestaat per 27/04/2014 uit:
3 VLGC-tankers (eigendom van Exmar LPG BVBA31); capaciteit > 80.000 m³
11 Midsize-vloten voor LPG/Ammoniak/Petrochemische Gassen (eigendom van Exmar LPG BVBA); capaciteit tussen 24.000 - 40.000 m³
1
semi-gekoelde
vloot
voor
LPG/Ammoniak/Petrochemische
Gassen
(eigendom Exmar LPG BVBA); capaciteit van 12.000 m³
10 schepen met druktanks voor LPG/Ammoniak/Petrochemische Gassen (allemaal in een joint-venture met Wah Kong, gevestigd in Hong Kong); capaciteit van 3.500 en 5.000 m³
12 schepen zijn in aanbouw met een capaciteit van 38.115 - 38.405 m³
De vloot Offshore bestaat per 27/04/2014 uit:
3 accommodatieplatformen (1 in volle eigendom, 1 in joint-venture, 1 charter) met capaciteit voor 300 of 350 mensen aan boord. Dit zijn vloten voor FPSO activiteiten. Hiervan bezit Exmar de Kissama in volle eigendom; capaciteit van
28
Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/ Dit is de datum waarop Exmar in haar jaarverslag (2013) de vloot beschrijft. 30 LNG-vloten uitgerust met hervergassingssyteem 31 Joint-venture tussen Exmar en Teekay LNG Partners L.P 29
31
300 ton. De Nunce is onder joint-venture; capaciteit van 350 m³ en de OTTO; capaciteit van 300m³.
2.2.2.6.
Verbonden ondernemingen32
Exmar heeft diverse dochterondernemingen en is verbonden met diverse ondernemingen. De rederij maakte doorheen de jaren meerdere joint-ventures aan op internationaal niveau. Exmar heeft, per 31 december 2013, 25 joint-ventures met maritieme transportbedrijven over heel de wereld (Hong Kong, Groot-Brittannië, Liberia, de Britse Maagdeneilanden en Belgie). Exmar past een evenredige consolidatiemethode toe en behoudt bij elke joint-venture een belang van 50% aan.
Onder vermogensmutatie zijn er twee Belgische geassocieerde ondernemingen: Marpos NV (45%) en Bexco NV (44,91%).
Exmar heeft 42 internationale dochterondernemingen in Frankrijk, Italië, Hong Kong, Verenigde Staten, Iran, Bermuda, Liberia, Groot-Brittannië, Luxemburg, Nederland, Singapore, India, België, Nigeria en Cyprus. Evenwel bij de dochterondernemingen past Exmar de integrale consolidatiemethode toe. 35 dochterondernemingen zijn voor 100% eigendom van Exmar, 4 dochterondernemingen voor 50% eigendom (via recente joint-ventures met Teekay LNG Partners L.P), 1 voor 99,03%; 1 voor 66% en 1 voor 60%. 2.2.2.7.
Koers
De koers van Exmar kent ook een volatiele evolutie. De koers toont een stijgende trend voor de periode 2005-2006. Dit wordt gevolgd door een forse daling tot eind 2011. Sinds dit dieptepunt kent het aandeel terug een licht stijgende trend. De financiële crisis weerspiegelt zich ook in de koersevolutie.
32
Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/
32
Figuur 2: Koersevolutie Exmar
Plot Gretl: Data uit Datastream
2.2.2.8.
Dividend
Het dividendbeleid van Exmar is minder volatiel dan dat van CMB. In 2005 werd er wel een veel hoger netto dividend uitgekeerd ten opzichte van andere jaren. Onderstaande tabel geeft het netto uitgekeerde dividend weer:
33
Tabel 5: Koers en dividend Exmar33 In euro per aandeel Exmar
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Netto dividend
0,75
2,63
0,53
0,30
0,08
0,08
0,30
0,49
0,30
0,675
Hoogste koers
7,80
12,95
21,12
19,58
15,84
8,38
5,85
6,74
5,90
11,33
Laagste koers
5,24
6,95
14,69
16,96
7,14
5,12
4,95
4,06
5,01
7,24
33
Exmar (2004). Exmar jaarverslag 2004. Geraadpleegd via http://www.exmar.be/; Exmar (2005). Exmar jaarverslag 2005. Geraadpleegd via http://www.exmar.be/; Exmar (2006). Exmar jaarverslag 2006. Geraadpleegd via http://www.exmar.be/; Exmar (2007). Exmar jaarverslag 2007. Geraadpleegd via http://www.exmar.be/; Exmar (2008). Exmar jaarverslag 2008. Geraadpleegd via http://www.exmar.be/; Exmar (2009). Exmar jaarverslag 2009. Geraadpleegd via http://www.exmar.be/; Exmar (2010). Exmar jaarverslag 2010. Geraadpleegd via http://www.exmar.be/; Exmar (2011). Exmar jaarverslag 2011. Geraadpleegd via http://www.exmar.be/; Exmar (2012). Exmar jaarverslag 2012. Geraadpleegd via http://www.exmar.be/; Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/
34
2.2.2.9.
Evolutie financiële structuur
De geconsolideerde evolutietabel bevindt zich op de volgende pagina en de evolutietabellen van de deelactiviteiten (LNG, LPG, Offshore en diensten) in de bijlages 2.4, 2.5, 2.6 en 2.7. Op deze manier kan de lezer het gewenste belang of bijdrages van de deelactiviteiten ten opzichte van de geconsolideerde cijfers toetsen.
De evolutietabellen werden aan de hand van fundamentele cijfers uit de jaarverslagen34 opgesteld. Voor de financiële ratio’s ROE en schuldgraad werd beroep gedaan op Datastream.
34
Exmar (2004). Exmar jaarverslag 2004. Geraadpleegd via http://www.exmar.be/; Exmar (2005). Exmar jaarverslag 2005. Geraadpleegd via http://www.exmar.be/; Exmar (2006). Exmar jaarverslag 2006. Geraadpleegd via http://www.exmar.be/; Exmar (2007). Exmar jaarverslag 2007. Geraadpleegd via http://www.exmar.be/; Exmar (2008). Exmar jaarverslag 2008. Geraadpleegd via http://www.exmar.be/; Exmar (2009). Exmar jaarverslag 2009. Geraadpleegd via http://www.exmar.be/; Exmar (2010). Exmar jaarverslag 2010. Geraadpleegd via http://www.exmar.be/; Exmar (2011). Exmar jaarverslag 2011. Geraadpleegd via http://www.exmar.be/; Exmar (2012). Exmar jaarverslag 2012. Geraadpleegd via http://www.exmar.be/; Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be/
35
Tabel 6: Exmar geconsolideerde cijfers In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
438.167
516.847
532.980
508.936
514.119
410.974
463.824
499.970
509.092
463.188
EBITDA
88.500
146.000
160.300
115.000
146.000
119.600
176.900
140.300
162.200
154.200
EBIT
51.226
105.525
110.800
60.708
79.391
44.489
87.428
37.604
87.108
100.281
Nettoresultaat
30.155
75.332
76.328
494
-62.590
43.450
14.374
-33.978
56.848
104.880
Vaste Activa
782.304
870.647
1.108.363
1.328.686
1.726.515
1.804.844
1.204.497
1.275.615
1.042.302
863.368
Eigen vermogen
259.798
261.076
392.495
340.909
230.797
419.843
402.622
342.823
366.973
406.928
ROE(%)
12,37
29,53
22,98
0,13
-21,35
13,59
3,66
-8,61
15,59
27,45
Schuldgraad(%)
26,68
24,42
30,21
21,39
11,70
20,56
22,85
21,44
26,77
34,21
36
2.2.3. Euronav 2.2.3.1.
Geschiedenis35
Euronav is het vroegere European Navigation Company Limited, een tankerrederij. In 1995 verkocht ze al haar activa aan Euronav Luxemburg NV, om een nieuwe jointventure te starten met CMB. In 1997 werd Euronav volledig eigendom van CMB. Euronav werd de tankerafdeling van CMB. Op 30 november 2004 werd Euronav afgesplitst van CMB en noteert sinds 1 december 2004 op de Brusselse beurs. Hierna wordt Euronav per 31 december 2013 beschreven. Voor bepaalde hoofdstukken zoals aandeelhoudersstructuur, koers, dividend en de financiële structuur wordt de evolutie van 2004 naar 2013 besproken. 2.2.3.2.
Aandeelhoudersstructuur
De aandelen van Euronav zijn genoteerd op Euronext Brussel. In tabel 7 wordt de evolutie van het aandeelhouderschap weergegeven. Deze tabel werd aan de hand van de jaarverslagen36 opgesteld. Saverco NV, Victrix NV en Tanklog Holdings Ltd zijn de vaste aandeelhouders. Euronav houdt sinds 2007 een pakket eigen aandelen aan. In 2013 was er een opmerkelijke wijziging in de aandeelhoudersstructuur. Het aantal aandeelhouders van Euronav wordt via drie nieuwe aandeelhouders uitgebreid.
35
Als bron voor de geschiedenis van Euronav werd zijn website geraadpleegd: http://www.euronav.com/Page.aspx?id=113 36 Euronav (2004). Euronav jaarverslag 2004. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2005). Euronav jaarverslag 2005. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2006). Euronav jaarverslag 2006. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2007). Euronav jaarverslag 2007. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2008). Euronav jaarverslag 2008. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2009). Euronav jaarverslag 2009. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2010). Euronav jaarverslag 2010. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2011). Euronav jaarverslag 2011. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2012). Euronav jaarverslag 2012. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/
37
Tabel 7: Aandeelhoudersstructuur Euronav in procenten
2004
Tanklog Holdings Ltd.
Saverco NV
41,77%
2005
2006
2007
2008
2009
2010
2011
2012
2013
20,00
20,49
20,49
21,20
20,97
20,97
20,97
20,97
17,85
27,32
27,96
27,96
28,99
28,99
28,99
28,99
28,99
13,53
York Capital Management Global Advisors LLC
11,70
BlueMountain Capital Management LLC
7,36
Victrix NV
15,50
10,12
10,12
10,12
10,27
10,30
10,30
10,30
10,30
Golden Tree Asset Management LP
6,29
5,24
Euronav
1,25
3,23
3,38
3,38
3,38
3,38
1,45
CMB
0,12
Derden
42,61
42,56
41,43
40,18
36,31
36,36
36,36
36,36
36,36
36,58
Aantal aandelen
42.016.807
52.518.862
52.518.862
52.518.862
51.750.000
51.750.000
51.750.000
51.750.000
51.750.000
54.223.817
38
2.2.3.3.
Raad van Bestuur37
Op 31 december 2013 telt Euronav in totaal 10 bestuurders. De CEO is Paddy Rodgers en de voorzitter van de Raad van Bestuur is Marc Saverys. Verder zijn Ludwig Criel en Virginie Saverys, als vaste vertegenwoordiger van Victrix, opmerkelijke bestuurders. John Michael Radziwill en Daniel R. Bradshaw bekleden het mandaat als bestuurder. Tanklog holdings, die ook een pakket aandelen in handen heeft, heeft met Peter G. Livanos als vaste vertegenwoordiger een mandaat als bestuurder. William Thomson, Alexandros Drouliscos en Alice Wingfield Digby zijn de onafhankelijke bestuurders. 2.2.3.4.
Activiteiten38
De hoofdactiviteit van Euronav bestaat uit het maritiem tankertransport voor de olieindustrie. Euronav bezit twee V-plus schepen waardoor het ook actief is op gebied van FSO. Net zoals Exmar, beschrijft Euronav zichzelf als verticaal geïntegreerde rederij. Euronav biedt heel wat ondersteunende diensten aan zoals ship management, crew management, marine management, technische expertise, algemene maritieme expertise en onderhoudswerken.
De activiteiten worden door Euronav opgedeeld in twee takken: Tankers en FSO. Euronav verklaart dat zij, net zoals Exmar, een gezond evenwicht proberen te vinden tussen het verhuur van tankers op de spotmarkt en via langetermijnbevrachting. Op die manier worden de volatiele en zekere inkomsten gespreid. Euronav verhuurt ook tankers onder langetermijnbevrachtingscontract als FSO.
Eén van de belangrijkste dochterondernemingen is Tankers International LLC. Deze werd mede door Euronav, toen ze nog een deel van CMB waren, opgericht in 2000. Tankers International Pool zorgt voor een efficiënt beheer van tankers. De verschillende rederijen binnen deze pool verhuren schepen aan elkaar of stellen ze beschikbaar voor elkaar. Dit resulteert onder andere in schaalvoordelen.
Euronav sloot met het Griekse Tanklog een strategische alliantie in 2005. Deze 37 38
Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/
39
alliantie zorgde ervoor dat er 16 schepen bij de vloot van Euronav toegevoegd werden. Dit was in ruil voor een pakket aandelen van Tanklog. Tanklog wordt beheerd door de Griekse versie van de familie Saverys, de familie Livanos. Hierdoor werd de kennis van de twee ervaren families gebundeld.
A. Tankertransport Het maritiem transport en opslag voor de olie-industrie is de hoofdactiviteit van Euronav. De rederij is rechtstreeks aanwezig op de spotmarkt en via de dochteronderneming Tankers International. Dit houdt in dat de olietankers van Euronav internationaal ingezet worden. Het merendeel van de VLCC-schepen, één V-plus schip en een deel van Euronavs Suezmax-vloot worden op de spotmarkt gebracht. Euronav verhuurt de meeste
Suezmax-tankers
via
langetermijnbevrachtingscontracten.
Langetermijnbevrachtingscontracten zorgen voor zekere inkomsten voor een langere periode. Dit is ter compensatie voor de onzekerheid ten opzichte van de spotmarkt waar de inkomsten minder zeker zijn. De inkomsten voor het tankertransport worden bepaald door de vrachttarieven, hier is dit voornamelijk de Baltic Index Tanker Routes (BITR).
B. FSO Het belang van drijvende systemen is fors toegenomen. In deze tijden van technologische voorruitgang zijn de maritieme bedrijven in staat om steeds verder op zee en dieper te boren naar olie. De vraag naar FSO komt hoofdzakelijk van maritieme bedrijven die actief zijn op de offshore olievelden. Euronav gebruikt de TI Europe, waar Euronav ook de volle eigendom over heeft, in de offshore sector. In 1994 zette Euronav de stap en begon aan de samenwerking in het MOQ-project (Maersk Oil Qatar project). Dit stelde Euronav in staat zich te ontplooien in de offshore sector. In 2011 neemt Euronav het heft in eigen handen en start met een eigen offshore departement. Hierbij gebruikt ze naast het V-plus schip (TI Europe) ook FSO-schepen. Dit zijn verouderde schepen die niet meer in staat zijn om kwalitatief maritiem transport te leveren. Deze schepen worden gebruikt door Euronav om olie op te slaan als te verwerken op zee.
40
2.2.3.5.
Vloot39
De vloten van Euronav kunnen in vier types worden ondergebracht: V-plus, VLCC, Suezmax en FSO. De vloot van Euronav bestaat per 31 december 2013 uit:
11 VLCC’s (10 in volle eigendom en 1 in 50% eigendom via joint-venture); draagvermogen 200.000 - 320.000 DWT
22 Suezmax schepen (4 met een aandeel van 50% en de overige 18 in volle eigendom); draagvermogen 120.000 dwt - 199.999 DWT
2 FSO-schepen (50% eigendom van Euronav)
Euronav bezit de grootste tanker ter wereld, het V-plus of ULCC schip TI Europe; draagcapaciteit > 350.000 DWT 2.2.3.6.
Verbonden ondernemingen40
Euronav heeft 8 dochterondernemingen in volle eigendom en in volledige consolidatie.
Verder
heeft
deelnemingsverhouding
en
ze in
11
dochterondernemingen
proportionele
consolidatie.
Deze
met
50%
verbonden
ondernemingen lokaliseren zich in de Marshall eilanden, het Verenigd Koninkrijk, Luxemburg, België, Frankrijk, Liberia, Hong Kong en Cyprus. Tankers International LLC wordt via vermogensmutatie (41,10%) in de balans opgenomen. 2.2.3.7.
Koers
De koers van Euronav kent ook een volatiele evolutie. Er kunnen drie niveaus onderscheiden worden: 2005 – halverwege 2008, halverwege 2008 – halverwege 2011 en halverwege 2011 – begin 2014. Binnenin deze niveaus kent de koers ook een volatiel verloop maar over de ganse periode is er een duidelijke dalende trend.
Op de figuur in bijlage 2.8 worden de drie koersen samen geplot. De schaal wordt opgetrokken door het CMB aandeel. Ruwweg volgen de koersen een zelfde patroon. Vooral de gelijklopende daling tijdens de financiële crisis valt op. De drie rederijen kennen na de crisis een gelijke trend.
39 40
Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/
41
Figuur 3: Koersevolutie Euronav
Plot Gretl: Data uit Datastream
2.2.3.8.
Dividend
De netto dividenden van Euronav daalden over de tijdsperiode. Er zijn echter twee uitzonderingen hierop (2006 en 2008). In 2009 en 2010 werd eenzelfde dividend uitgekeerd. Vanaf 2011 werd er geen dividend uitgekeerd.
42
Tabel 8: Koers en dividend Euronav
41
In euro per aandeel Euronav
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Netto dividend
2,40
1,20
1,26
0,6
1,95
0,08
0,08
0.00
0.00
0.00
Hoogste koers
26,48
27,70
26,82
27,62
29,50
14,72
17,25
12,86
7,07
6,45
Laagste koers
19,10
18,87
20,43
20,03
8,73
9,41
12,22
3,11
3,79
3,05
41
Euronav (2004). Euronav jaarverslag 2004. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2005). Euronav jaarverslag 2005. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2006). Euronav jaarverslag 2006. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2007). Euronav jaarverslag 2007. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2008). Euronav jaarverslag 2008. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2009). Euronav jaarverslag 2009. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2010). Euronav jaarverslag 2010. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2011). Euronav jaarverslag 2011. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2012). Euronav jaarverslag 2012. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/
43
2.2.3.9.
Evolutie financiële structuur
De geconsolideerde evolutietabel bevindt zich op de volgende pagina en die van de deelactiviteiten (Tankers en FSO) in bijlage 2.9. De evolutietabellen werden aan de hand van fundamentele cijfers uit de jaarverslagen 42 opgesteld. Voor de financiële ratio’s ROE en schuldgraad werd beroep gedaan op Datastream.
42
Euronav (2004). Euronav jaarverslag 2004. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2005). Euronav jaarverslag 2005. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2006). Euronav jaarverslag 2006. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2007). Euronav jaarverslag 2007. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2008). Euronav jaarverslag 2008. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2009). Euronav jaarverslag 2009. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2010). Euronav jaarverslag 2010. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2011). Euronav jaarverslag 2011. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2012). Euronav jaarverslag 2012. Geraadpleegd via http:// http://www.euronav.com/; Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/
44
Tabel 9: Euronav geconsolideerde cijfers In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengst
444.830
587.511
688.855
611.759
856.309
467.844
545.717
422.700
431.269
412.998
EBITDA
303.162
372.383
431.965
344.027
657.452
195.265
260.298
128.368
120.719
138.444
EBIT
257.425
255.515
288.507
190.329
513.896
31.362
88.152
-40.156
-60.953
-28.918
Nettoresultaat
236.502
209.420
218.042
101.055
402.469
-17.614
19.680
-95.986
-118.931
-89.683
Vaste Activa
778.732
2.003.205
2.165.302
2.092.395
2.279.701
2.500.550
2.337.131
2.159.442
2.065.448
1.870.779
Eigen vermogen
428.987
906.319
1.022.483
984.492
1.178.326
1.071.629
1.078.508
980.988
867.020
800.990
ROE(%)
/
31,24
22,34
10,11
36,03
-1,58
1,92
-8,79
-13,03
-10,87
Schuldgraad(%)
43,51
40,87
43,71
43,30
44,96
38,46
40,80
40,02
36,71
37,29
45
3. Databeschrijving In dit hoofdstuk worden de data en de determinanten beschreven, opgesomd en gemotiveerd. Aan de hand van deze maritiem-specifieke, micro- en macroeconomische variabelen worden later in het onderzoek individuele tijdreeksanalyses en een panel data-analyse opgesteld. Daarna wordt ook een CAPM voor de drie bedrijven opgesteld. De studie heeft betrekking op de tijdspanne 1 december 2004 tot en met 1 december 2013. De keuze voor deze tijdspanne is bewust bepaald. De drie bedrijven bestaan pas sinds de afsplitsing van Euronav op 30 november 2004 afzonderlijk. Hierdoor hebben de rederijen sindsdien aparte data. Aan het begin van dit onderzoek waren enkel de boekhoudkundige cijfers voor 2013 neergelegd. Voor de data wordt gebruik gemaakt van de databank Datastream en de ‘World Economic Outlook database’ van het Internationaal monetair fonds (IMF). De data van de determinanten is op maandbasis uitgedrukt, wat voor een grotere dataset zorgt. De keuze voor de determinanten hing ook af van de beschikbaarheid van de data. Data over de leeftijd en grootte van de vloot is niet beschikbaar, terwijl deze variabelen zeker een impact kunnen hebben op de maritieme rendementen (Drobetz&Schröder, 2014; P. Paepen, persoonlijke communicatie, 18 februari, 2015).
Om een accuraat en efficiënt model te verkrijgen, worden er bewust 10 verklarende determinanten opgenomen. Er worden ex-ante voorspellingen op basis van economische intuïtie gemaakt. De data wordt voor de uniformiteit en statistische redenen getransformeerd. Dit model onderscheidt zich
van de algemene
verklaringsmodellen wegens het maritiem karakter verbonden aan bepaalde determinanten. Hieronder worden de determinanten beschreven.
46
3.1.
Overzichtstabel determinanten
Tabel 10: Overzicht koersdeterminanten maanddata
Verklaarde variabele
Databank
Maandrendement bedrijf CMB / Exmar / Euronav (bedrijf_TRI) maanddata
Macro
Maritiem
Verklarende variabelen 1.Economische groei (%) (VGDP)
Datastream Databank
Via wereldwijd BBP
IMF
2.Kortetermijnrente (%) (MTB)
Via Belgische 3MTB43
Datastream
3.Langetermijnrente (%) (YLTGB)
Via Belgische 6YLTGB44
Datastream
4.Marktrendement (MSCIWORLD)
Via MSCI World
Datastream
5.Inflatie (%) (VINFLATION)
Via wereldwijde inflatie
IMF
6.Vrachttarieven (GBI)
Via Baltic Indices
Datastream
7.Olieprijs ($) (Olieprijs)
Via Crude Brent Oil
Datastream
Via dollar in euro
Datastream
Via Return on equity (ROE)
Datastream
Via eigen vermogen van de groep / totale activa
Datastream
8.Wisselkoers (WK$€)
Micro
Via Total Return Index (TRI)
9.Rendabiliteit bedrijf (%) (VROE_bedrijf)
10.Solvabiliteit bedrijf (Vsolva_bedrijf)
43
Dit staat voor ‘3-month treasury bill’ of de rente op schatkistpapier van de overheid met termijn 3 maanden. 44 Dit staat voor ‘6-year long term government bond’ of de rente op een OLO met termijn 6 jaar.
47
3.2.
Transformaties variabelen
3.2.1. Stationariteit De variabelen worden omwille van economische45, maar vooral statistische redenen zoals stationariteit getransformeerd. Om accurate modellen te schatten, dienen alle variabelen in het model stationair te zijn. Dit wordt via de Augmented Dickey-Fuller getest (bijlage 3.1). Voor variabelen die in procenten zijn uitgedrukt, wordt enkel het eerste verschil genomen en niet het natuurlijke logaritme. Dit zorgt voor een makkelijkere interpretatie van de resultaten. Tabel 11 zal deze transformaties weergeven.
3.2.2. Voortschrijdend gemiddelde Data voor de determinanten economische groei, inflatie, rendabiliteit en solvabiliteit zijn enkel beschikbaar op jaarbasis. Aangezien de andere variabelen op maandbasis worden uitgedrukt, is er een transformatie naar maandelijkse datapunten nodig. Hierbij wordt er een voortschrijdend gemiddelde berekend zodat een determinant niet eenzelfde getal bedraagt gedurende 1 jaar.
Voor determinanten economische groei en inflatie wordt dit voortschrijdend gemiddelde berekend op de maanddata, die op zijn beurt is berekend door het jaarlijkse percentage te delen door twaalf. Vervolgens wordt een gewogen gemiddelde van de variabele einde vorig jaar en de variabele einde lopende jaar genomen. Deze manier van werken toont een duidelijkere evolutie van de variabelen doorheen de tijd aan.
Het voortschrijdend gemiddelde voor determinanten rendabiliteit en solvabiliteit wordt op
de
jaardata
zelf
berekend.
De
determinant
solvabiliteit
is
een
ratio
(momentopname) en geen evolutie zoals de economische groei en inflatie. Daarom werd deze variabele niet door twaalf gedeeld. Voor de andere micro-economische variabele rendabiliteit wordt dezelfde berekening uitgevoerd.
Het voortschrijdende gemiddelde van Euronav voor 2005 kan niet worden berekend, 45
Het rendement wordt aan de hand van een index berekend.
48
omdat er voor 2004 geen ROE-data beschikbaar is. Hierdoor is de ROE voor 2005 een constant cijfer.
3.2.3. Transformatietabel Tabel 11: Transformaties variabelen
Variabele CMB_TRI EXMAR_TRI EURONAV_TRI VGDP
Transformatie [ ln
46
Nieuwe variabele 47
(CMB_TRI) - ln (CMB_TRI(-1) ) ]
[ ln (EXMAR_TRI) – ln (EXMAR_TRI(-1)) ] [ ln (EURONAV_TRI) - ln (EURONAV_TRI(-1)) ]
48
ld _CMB_TRI ld_EXMAR_TRI ld_EURONAV_TRI
49
MTB YLTGB MSCIWORLD VINFLATION GBI Olieprijs WK$€ VROE_CMB VROE_EXMAR VROE_EURONAV Vsolva_CMB Vsolva_EXMAR Vsolva_EURONAV
/
VGDP
MTB - MTB(-1)
d_MTB
YLTGB -YLTGB(-1) [ ln (MSCIWORLD) - ln (MSCIWORLD(-1)) ] / [ ln (GBI) - ln GBI(-1)) ] [ ln (Olieprijs) - ln (Olieprijs(-1)) ] [ ln (Wk$€) - ln (Wk$€(-1)) ] VROE_CMB - VROE_CMB (-1)
d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_Wk$€ d_VROE_CMB
VROE_EXMAR - VROE_EXMAR (-1)
d_VROE_EXMAR
VROE_EURONAV - VROE_EURONAV (-1)
d_VROE_EURONAV
Vsolva_CMB - Vsolva_CMB (-1)
d_Vsolva_CMB
Vsolva_EXMAR - Vsolva_EXMAR (-1)
d_Vsolva_EXMAR
Vsolva_EURONAV - Vsolva_EURONAV(-1)
d_Vsolva_EURONAV
46
ln is het natuurlijke logaritme van het wiskundige getal ‘e’. (-1) staat voor de waarde uit de vorige periode. 48 ld waarbij de ‘l’ staat voor logaritme (ln) en de ‘d’ voor het eerste verschil: periode 2 = (periode 2 periode 1). 49 De ‘V’ staat voor het voortschrijdend gemiddelde (zie 3.2.2). 47
49
3.3.
Correlatiematrices
3.3.1. CMB De correlatiematrix geeft de sterkte en de richting van het verband tussen de variabelen weer. Later in dit onderzoek wordt de pitfall multicollineariteit bij de geschatte modellen getest. Uit de correlatiematrix kan reeds geconstateerd worden dat deze pitfall niet zal optreden. Om van multicollineariteit te spreken, dienen correlaties hoger dan 0,8 te zijn. Vervolgens kunnen uit de correlatiematrix ex-ante verbanden
tussen
de
verklaarde
variabele
en
de
verklarende
variabelen
geformuleerd worden.
Een opmerkelijke correlatie is deze tussen het globale marktrendement en het maandrendement van CMB. Met een waarde van 0,501 kent het marktrendement een middelmatige positieve correlatie met het maandrendement van CMB. Ex-ante kan er worden verwacht dat het globale marktrendement een relatief significante impact zal hebben op het maritiem rendement van CMB. Bij de macro-economische variabelen is de inflatie nauwelijks gecorreleerd met het rendement. Daarentegen is er een lage positieve correlatie tussen de kortetermijnrente en het maandrendement, terwijl er met de langetermijnrente nauwelijks correlatie is.
De rendabiliteit is niet gecorreleerd met het maandrendement van CMB. Daarnaast blijken de olieprijs en het vrachttarief een lage positieve correlatie met het maandrendement te hebben. Kortom blijken de maritieme variabelen een relatief hogere correlatie met het maandrendement te vertonen. De wisselkoers heeft een lage negatieve correlatie met het rendement van CMB. Onderstaande tabel 12 geeft alle correlaties weer:
50
Tabel 12: Correlaties CMB
ld_CMB_TRI ld_CMB_TRI VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK$ € d_VROE_CMB d_Vsolva_CMB
VGDP
d_MTB
d_YLTGB
ld_MSCIWORLD
VINFLATION
ld_GBI
ld_Olieprijs
ld_WK$€
d_VROE_CMB
d_Vsolva_CMB
1 0,026
1
0,352
0,184
1
0,178
0,167
0,328
1
0,501
-0,123
0,184
0,138
1
-0,218
0,499
-0,202
-0,047
-0,321
1
0,487
-0,029
0,346
0,232
0,100
-0,129
1
0,341
0,051
0,294
0,135
0,312
-0,047
0,358
1
-0,361
-0,085
-0,220
-0,085
-0,101
-0,013
-0,206
-0,388
1
-0,0002
0,018
0,005
0,004
-0,104
0,300
0,044
-0,046
-0,132
1
0,216
0,028
0,092
-0,022
0,230
-0,268
0,120
0,232
0,070
-0,586
1 Output Gretl: correlaties
51
3.3.2. Exmar Net zoals bij CMB blijkt dat het globaal marktrendement een middelmatige positieve correlatie vertoont met het maandrendement van Exmar. De maritieme variabele olieprijs vertoont een lage positieve correlatie met het rendement, terwijl het vrachttarief nu nauwelijks gecorreleerd is met het rendement. De wisselkoers blijkt geen correlatie te vertonen met het rendement van Exmar.
Het rendement van Exmar vertoont nauwelijks correlatie met de rendabiliteit en solvabiliteit. Bij CMB was dit ook het geval. De macro-economische variabelen als de langetermijnrente, de kortetermijnrente en de economische groei hebben bij Exmar nauwelijks correlatie met het rendement. De waarden uit de correlatiematrix bedragen minder dan 0,8. Opnieuw kan hier verwacht worden dat er geen probleem omtrent multicollineariteit zal optreden. Onderstaande tabel 13 geeft alle correlaties weer:
52
Tabel 13: Correlaties Exmar
ld_Exmar_TRI ld_Exmar_TRI VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK $€ d_VROE_Exmar d_Vsolva_Exmar
VGDP
d_MTB
d_YLTGB
ld_MSCIWORLD
VINFLATION
ld_GBI
ld_Olieprijs
ld_WK$€
d_VROE_Exmar
d_Vsolva_Exmar
1 0,082
1
0,283
0,184
1
0,216
0,167
0,328
1
0,544
-0,123
0,184
0,138
1
-0,181
0,499
-0,202
-0,047
-0,321
1
0,119
-0,029
0,346
0,232
0,010
-0,129
1
0,385
0,051
0,294
0,135
0,312
-0,047
0,358
1
-0,079
-0,085
-0,220
-0,085
-0,101
-0,013
-0,206
-0,388
1
0,200
-0,532
0,012
-0,165
0,287
-0,505
0,115
0,183
0,021
1
0,223
-0,543
0,148
-0,036
0,308
-0,690
0,185
0,156
-0,043
0,737
1
Output Gretl: correlaties
53
3.3.3. Euronav In vergelijking met CMB en Exmar vertoont het globale marktrendement hier een lagere positieve correlatie met het maandrendement. De wisselkoers is nauwelijks gecorreleerd met het rendement van Euronav. De olieprijs blijkt een lage positieve correlatie te hebben met het rendement van Euronav. Als de vergelijking wordt gemaakt met de andere rederijen, is de relatie van olieprijs en maandrendement bij Euronav relatief het hoogst. Dit is logisch te verklaren, aangezien Euronav ruwe olie transporteert. Ex-ante kan verwacht worden dat olieprijs relatief een significante impact kan hebben op het rendement van Euronav. Tabel 14 op de volgende pagina geeft alle correlaties weer.
Bij de drie rederijen kan er algemeen geconstateerd worden dat het globale marktrendement relatief de hoogste correlatie heeft met de maandrendementen. De economische groei blijft bij de drie rederijen consistent niet gecorreleerd met het maritiem rendement. De rentevoeten zijn in het algemeen nauwelijks gecorreleerd met de maritieme rendementen, maar bij CMB vertoont de kortetermijnrente een lage positieve correlatie met het rendement. Inflatie behoudt een negatief verband met de maritieme
rendementen,
maar
deze
correlaties
zijn
verwaarloosbaar.
De
vrachttarieven vertonen een positieve correlatie met de maritieme rendementen. Bij CMB kent het vrachttarief een lage positieve correlatie met het rendement, terwijl de correlaties bij Exmar en Euronav nihil zijn. De olieprijs blijft consistent een lage positieve correlatie vertonen met de maritieme rendementen. Zoals eerder vermeld, is deze correlatie relatief het sterkst bij Euronav. De wisselkoers kent een negatief verband
met
de
maritieme
rendementen.
Terwijl
dit
verband
bij
Exmar
verwaarloosbaar is, vertoont dit bij CMB een lage negatieve correlatie met het rendement. Bij Euronav is deze correlatie nihil. De rendabiliteit en de solvabiliteit hebben bij de drie rederijen uiteenlopende correlaties. De correlatie met de rendabiliteit bij CMB is nihil, terwijl dit bij Exmar en Euronav relatief hoger is, maar nog altijd verwaarloosbaar. De richting van de correlatie is bij deze twee laatste rederijen respectievelijk positief en negatief. De solvabiliteit is bij CMB en Exmar positief, maar de correlatiewaarden duiden op geen relevante correlatie. Bij Euronav is dit verband negatief, maar opnieuw wijzen de correlatiewaarden op geen correlatie. 54
Tabel 14: Correlaties Euronav
ld_Euronav_TRI ld_Euronav_TRI VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK$€ d_VROE_Euronav d_Vsolva_Euronav
VGDP
d_MTB
d_YLTGB
ld_MSCIWORLD
VINFLATION
ld_GBI
ld_Olieprijs
ld_WK$€
d_VROE_Euronav
d_Vsolva_Euronav
1 -0,071
1
0,171
0,184
1
0,027
0,167
0,328
1
0,427
-0,123
0,184
0,138
1
-0,161
0,499
-0,202
-0,047
-0,321
1
0,177
-0,029
0,346
0,232
0,100
-0,129
1
0,474
0,051
0,294
0,135
0,312
-0,047
0,358
1
-0,286
-0,085
-0,220
-0,085
-0,101
-0,132
-0,206
-0,388
1
-0,162
0,311
-0,135
0,023
-0,256
0,321
-0,284
-0,318
0,086
1
-0,167
0,401
0,091
0,196
-0,173
0,096
-0,107
-0,218
-0,017
0,662
1
Output Gretl: correlaties
55
3.4.
Verklaarde variabele: maandrendement
De verklaarde variabele is het maandelijks rendement van de aandelen van de drie maritieme bedrijven. Deze determinant wordt via de Total Return Index (TRI) opgenomen. De data werd van Datastream gedownload. De samenstelling van de TRI bestaat uit enerzijds de kapitaalwinst en anderzijds uit de dividendopbrengst. Deze impliceert het totaal rendement voor het aanhouden van een aandeel vanaf de aankoop tot op de dag van de verkoop, inclusief dividenden. De dataset bevat 108 maandelijkse rendementen van elk van de drie bedrijven. Er zijn 109 datapunten in de dataset, maar door het eerste verschil gaat er één datapunt verloren. Hieronder worden de maandrendementen beschreven: Tabel 15: Beschrijving maandrendementen
ld_CMB_TRI
ld_EXMAR_TRI
ld_EURONAV_TRI
0,377
0,745
-0,945
Standaarddeviatie (%)
10,822
10,494
12,924
Minimum (%)
-56,181
-32,993
-45,108
Maximum (%)
30,035
28,554
30,080
Scheefheid
-1,056
-0,380
-0,757
Kurtosis
6,284
1,024
1,351
Aantal observaties
108
108
108
maandelijkse data
Gemiddelde (%)
50
Output Gretl: beschrijving
50
De beschrijving voor de variabelen waarvan het eerste verschil van het logaritme wordt genomen, worden in de beschrijving in procenten uitgedrukt : [ ln (CMB_TRI) - ln (CMB_TRI(-1)) ] x 100
56
3.4.1. CMB Het gemiddelde maandrendement (jaarrendement51) in de tijdspanne voor CMB bedraagt 0,377% (4,52%). Het laagst geobserveerde maandelijks rendement over de periode bedraagt -56,18% en het hoogste maandelijks rendement in de dataset bedraagt 30,04%. De standaarddeviatie van het rendement geeft een indicatie voor de volatiliteit of afwijkingen van het gemiddelde rendement. Dit staat dus symbool voor het risico. De standaarddeviatie bedraagt 10,82% en wordt best vergeleken met die van de andere twee rederijen om te zien welke statistisch het meeste risico draagt. De grafieken van het verloop van de alle variabelen zijn in bijlage 3.3 opgenomen. De beschrijving en het histogram wijzen op een hoge kurtosis, dit betekent dat een groot deel van de variantie wordt veroorzaakt door extreme waarden. De verdeling is scheef getrokken naar de negatieve kant, wat wijst op een grotere kans op negatieve rendementen52. Het rendement van CMB kent geen normale verdeling. De p-waarde bedraagt 0,000; waardoor de nulhypothese wordt verworpen. Dit verwijst naar de cyclische structuur van de maritieme markt.
Normaliteit van de verdeling: 𝐻0 : 𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝑣𝑒𝑟𝑑𝑒𝑙𝑖𝑛𝑔 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 ≥ 0,05 𝐻1 : 𝑔𝑒𝑒𝑛 𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝑣𝑒𝑟𝑑𝑒𝑙𝑖𝑛𝑔 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 < 0,05
3.4.2. Exmar Het gemiddelde maandrendement (jaarrendement) van Exmar bedraagt over de tijdspanne 0,745% (8,94%). Het laagste geobserveerd maandelijks rendement over de periode bedraagt -32,99% en het hoogste maandelijks rendement bedraagt 28,55%. De standaarddeviatie bedraagt 10,49%. De verdeling is scheef getrokken naar de negatieve kant. De lage kurtosis (1,024) wijst op een platte verdeling. Een groot deel van de variantie wordt door minder extreme waarden veroorzaakt. Bij het nagaan van de normaliteit van de verdeling wordt de nulhypothese opnieuw verworpen (p-waarde van 0,0399). De rendementen van Exmar zijn niet normaal verdeeld. 51
Het jaarlijks gemiddeld rendement wordt berekend door het maandelijkse gemiddelde te vermenigvuldigen met twaalf. Een jaarlijks rendement is makkelijker te interpreteren. 52 Downsize risk
57
3.4.3. Euronav Het gemiddelde maandrendement (jaarrendement) van Euronav bedraagt -0,945% (-11,34%). Euronav heeft dus als enige een negatief gemiddeld rendement. Het laagste geobserveerde maandelijks rendement over de periode bedraagt -45,11% en het maximum maandelijks rendement bedraagt 30,08%. De standaarddeviatie bedraagt 12,92%. De scheefheid (-0,76) wijst op verhoogde kans op negatieve rendementen. De variatie in de verdeling wordt grotendeels door minder extreme rendementen verklaard (platte verdeling). Vervolgens zijn de rendementen niet normaal verdeeld (p-waarde van 0,0078).
3.4.4. Vergelijking maritieme maandrendementen Het aandeel van Exmar biedt over de tijdspanne het hoogste maandelijkse gemiddelde rendement en is het minst risicovol. Voor Euronav geldt het omgekeerde, een gemiddeld negatief maandelijks rendement en het hoogste risico. De financiële crisis had een ongunstig effect op het aandelenrendement van de drie rederijen. De zwaarst getroffene was CMB, met een negatief maandelijks rendement van -56,18%. Euronav kende het hoogste maandelijkse rendement in 2013.
3.5.
Verklarende variabelen: koersdeterminanten
De verklarende variabelen bestaan uit vijf macro-economische, drie maritiemspecifieke
en
twee
micro-economische
variabelen.
Doordat
de
rederijen
internationaal actief zijn, worden wereldwijde macro-economische variabelen opgenomen. Iedere sector heeft zijn eigen karakteristieken die door specifieke determinanten
worden
vertegenwoordigd.
Na
de
literatuurstudie
en
de
bedrijvenstudie wordt geconstateerd dat voor deze maritieme transportbedrijven vrachttarieven, olieprijs en wisselkoers (dollar in euro) belangrijk zijn.
58
3.5.1. Macro-economische determinanten 3.5.1.1.
Economische groei
Deze determinant wordt via het wereldwijde53 bruto binnenlands product opgenomen. Deze data is van de databank van het IMF als ‘Gross Domestic Product, constant prices’ als procentuele verschil gedownload. Gegevens uit de databank zijn op jaarbasis uitgedrukt, maar worden zoals eerder uitgelegd, getransformeerd.
De motivatie om deze variabele op te nemen ligt voor de hand aangezien dit één van de belangrijkste macro-economische variabelen is. Economische groei wordt bereikt wanneer er meer goederen en diensten dan het jaar voordien worden geproduceerd of geleverd. Deze groei kan gunstige gevolgen met zich mee brengen zoals hogere omzet, hogere winsten, investeringen en jobcreatie. Dit is een positief scenario voor zowel bedrijven als de maatschappij. CMB staaft dit in zijn jaarverslag54 (2013), want ze verklaren dat de groei van het wereldzeevervoer van bulkgoederen samen gaat met de groei van de wereldeconomie. De voorgaande literatuurstudie heeft ook het belang van deze variabele gestaafd. Aangezien alle drie de bedrijven belangrijke grondstoffen vervoeren, wordt er verwacht dat er bij wereldwijde economische groei meer grondstoffen nodig zullen zijn om meer te kunnen produceren en te leveren. Ex-ante kan een positief verband tussen economische groei en de maritieme rendementen verwacht worden. De beschrijving van de macro-economische en maritieme determinanten, die logischerwijze dezelfde zijn bij de drie rederijen, wordt in de tabel hieronder voorgesteld:
53
De databank van het IMF bevat data van volgende landen: Afghanistan, Albania, Algeria, Angola, Antigua and Barbuda, Argentina, Armenia, Australia, Austria, Azerbaijan, The Bahamas, Bahrain, Bangladesh, Barbados, Belarus, Belgium, Belize, Benin, Bhutan, Bolivia, Bosnia and Herzegovina, Botswana, Brazil, Brunei Darussalam, Bulgaria, Burkina Faso, Burundi, Cabo Verde, Cambodia, Cameroon, Canada, Central African Republic, Chad, Chile, China, Colombia, Comoros, Democratic Republic of the Congo, Republic of Congo, Costa Rica, Côte d'Ivoire, Croatia, Cyprus, Czech Republic, Denmark, Djibouti, Dominica, Dominican Republic, Ecuador, Egypt, El Salvador, Equatorial Guinea, Eritrea, Estonia, Ethiopia, Fiji, Finland, France, Gabon, The Gambia, Georgia, Germany, Ghana, Greece, Grenada, Guatemala, Guinea, Guinea-Bissau, Guyana, Haiti, Honduras, Hong Kong SAR, Hungary, Iceland, India, Indonesia, Iran, Iraq, Ireland, Israel, Italy, Jamaica, Japan, Jordan, Kazakhstan, Kenya, Kiribati, Korea, Kosovo, Kuwait, Kyrgyz Republic, Lao P.D.R., Latvia, Lebanon, Lesotho, Liberia, Libya, Lithuania, Luxembourg, FYR Macedonia, Madagascar, Malawi, Malaysia, Maldives, Mali, Malta, Marshall Islands, Mauritania, Mauritius, Mexico, Micronesia, Moldova, Mongolia, Montenegro, Morocco, Mozambique, Myanmar, Namibia, Nepal, Netherlands, New Zealand, Nicaragua, Niger, Nigeria, Norway, Oman, Pakistan, Palau, Panama, Papua New Guinea, Paraguay, Peru, Philippines, Poland, Portugal, Qatar, Romania, Russia, Rwanda, Samoa, San Marino, São Tomé and Príncipe, Saudi Arabia, Senegal, Serbia, Seychelles, Sierra Leone, Singapore, Slovak Republic, Slovenia, Solomon Islands, South Africa, South Sudan, Spain, Sri Lanka, St. Kitts and Nevis, St. Lucia, St. Vincent and the Grenadines, Sudan, Suriname, Swaziland, Sweden, Switzerland, Syria, Taiwan Province of China, Tajikistan, Tanzania, Thailand, Timor-Leste, Togo, Tonga, Trinidad and Tobago, Tunisia, Turkey, Turkmenistan, Tuvalu, Uganda, Ukraine, United Arab Emirates, United Kingdom, United States, Uruguay, Uzbekistan, Vanuatu, Venezuela, Vietnam, Yemen, Zambia, and Zimbabwe. 54
CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/
59
Tabel 16: Beschrijving macro- en maritieme variabelen
VGDP
d_MTB
d_YLTGB
ld_MSCIWORLD
VINFLATION
ld_GBI
ld_Olieprijs (in $)
ld_Wk$€
0,340
-0,018
-0,011
0,527
0,362
-0,821
0,898
-0,017
Standaarddeviatie (%)
0,120
0,214
0,188
4,138
0,400
21,860
10,099
3,185
minimum (%)
0,001
-1,100
-0,530
-13,040
0,281
-100,170
-43,669
-9,858
maximum (%)
0,473
0,450
0,610
9,362
0,454
66,150
25,986
9,297
Aantal observaties
109
108
108
108
109
108
108
108
Maandelijkse data
gemiddelde (%)
55
Output Gretl: beschrijving
55
De beschrijving voor de variabelen waarvan het eerste verschil van het logaritme wordt genomen, worden in de beschrijving in procenten uitgedrukt: [ ln (CMB_TRI) - ln (CMB_TRI(-1)) ] x 100.
60
Voor de economische groei zijn er 109 observaties aangezien er geen eerste verschil wordt genomen. De gemiddelde maandelijkse economische groei over de tijdspanne bedraagt 0,340%. Dit gaat niet over een procentuele of absolute verandering. De laagste maandelijkse economische groei bedroeg 0,001% en de hoogste 0,473%.
3.5.1.2.
Kortetermijnrente
Deze determinant wordt opgenomen via de Belgische rente op schatkistpapier met termijn van 3 maanden. Voor de drie bedrijven is deze macro-economische variabele hetzelfde. Er wordt geopteerd voor de Belgische rente, omdat het over de Brusselse beurs gaat en deze rente in lijn ligt met de Europese rentes. Rentevoeten zijn erg relevant in de economie. Ze weerspiegelen de algemene economische toestand. Via wijzigingen in de rente (door monetair beleid van de ECB) wordt getracht de economie af te remmen of te stimuleren. Rentevoeten hebben echter een dubbele implicatie. Enerzijds zijn lage rentevoeten positief, omdat het investeringen voor de bedrijven goedkoper maakt. Anderzijds is er een reden waarom de ECB de rente laag zet. Die reden is de economie terug leven in te blazen, wat een negatieve situatie weerspiegelt. Het is ook de intentie van de ECB om via lage rentevoeten, de maatschappij ertoe aan te zetten om meer te beleggen in plaats van te sparen. In het CAPM (Sharpe, 1964) is de risicovrije rente een component waarvoor deze kortetermijnrente kan worden gebruikt. Als de kortetermijnrente laag is dan is het faire rendement, volgens CAPM (Sharpe,1964), ook lager.
Aan de hand van tabel 16 wordt deze determinant beschreven. Het negatief gemiddelde impliceert dat de kortetermijnrente over de tijdspanne gemiddeld met 0,018% tussen twee maanden daalt. Aangezien deze variabele getransformeerd zijn als eerste verschil, is dit een absoluut cijfer en geen relatief cijfer. Het gaat dus om een letterlijke daling van 0,018%, bijvoorbeeld 1,982% (februari) verminderd met 2% (januari) impliceert een daling met 0,018%. De hoogste absolute maandelijkse stijging van de kortetermijnrente bedroeg 0,45% en de laagste absolute daling was 1,1%.
3.5.1.3.
Langetermijnrente
Deze determinant wordt opgenomen aan de hand van de rente op een Belgische 6jaarlijkse overheidsobligatie (OLO). De motivatie voor deze variabele is grotendeels 61
gelijk aan deze van de kortetermijnrente. Een langetermijnrente is (bij een normale rentecurve) doorgaans hoger dan een kortetermijnrente omwille van de langere termijn en als gevolg hoger inflatierisico. De looptijd zorgt nog voor een extra effect bij de belegger. Als de langetermijnrente heel laag is, zal geen enkele belegger zijn geld willen vastzetten. Ze zullen liever beleggen in producten met hogere rendementen. Daarom wordt er ex-ante een negatief verband verwacht tussen de aandelenrendementen en de langetermijnrente.
Aan de hand van tabel 16 wordt deze determinant beschreven. Aangezien hier opnieuw
het eerste verschil tussen twee datapunten wordt genomen, geldt dezelfde interpretatie als bij de kortetermijnrente. In de tijdspanne daalt de langetermijnrente gemiddeld absoluut met 0,011%. De sterkste stijging van de langetermijnrente tussen twee maanden bedraagt 0,610% en de sterkste daling bedraagt 0,530%.
3.5.1.4.
Marktrendement
Deze determinant wordt via de Morgan Stanley Capital International (MSCI) World Index in Euro opgenomen. Via voorgaande statistische transformatie wordt het maandelijks marktrendement via de index berekend. Deze variabele is onontbeerlijk in een model die aandelenrendementen verklaart. De literatuurstudie heeft aangetoond dat het CAPM (Sharpe, 1964) één van de bekendste en belangrijkste financiële modellen is. Via de MSCI World wordt het theoretische marktrendement van Sharpe (1964) geconstrueerd. Volgens Sharpe (1964) is de bèta, de coëfficiënt van het marktrendement, de enige verklarende factor voor aandelenrendementen. In dit model wordt deze determinant samen met negen andere opgenomen. Als er meer variabelen dan enkel dit marktrendement significant zijn, kan dit onderzoek het CAPM van Sharpe (1964) gedeeltelijk verwerpen. In de literatuurstudie werd de bèta uit de studies van Kavussanos en Marcoulis (in Kavussanos&Marcoulis, 2004) en Drobetz en Schröder (2014) besproken. Hieruit kan ex-ante verwacht worden dat de marktbèta’s van de drie rederijen eenzelfde positief verband met de maritieme rendementen zullen hebben.
De cijfers van deze determinant in tabel 16 bevatten belangrijke informatie over de aandelenrendementen over heel de wereld. Het is aangewezen om deze resultaten 62
met de drie maritieme bedrijven te vergelijken. Het gemiddeld maandelijks marktrendement (jaarlijks) in de tijdspanne bedraagt 0,527% (6,32%), dit is hoger dan de rendementen van Euronav en CMB, maar lager dan dat van Exmar. De standaarddeviatie of het risico bedraagt 4,14%. Het risico van het marktportfolio is, logischerwijze door diversificatie, beduidend lager dan het risico voor de individuele aandelenrendementen. Het hoogste maandelijkse rendement over de periode bedraagt 9,36% en het laagste -13,04%. Deze minimum en maximum rendementen zijn veel lager dan die van de individuele maritieme bedrijven. Dit kan opnieuw worden verantwoord via de hoge diversificatie van de marktportefeuille. 3.5.1.5.
Inflatie
Deze determinant wordt via het procentuele verschil in consumentenprijzen opgenomen. Deze variabele werd van de databank van het IMF als ‘Inflation, end of period consumer prices’ gedownload. De inflatie is net zoals de economische groei één van de belangrijkste determinanten voor de economie. Het prijspeil geeft aan hoe het met de economie gaat. Zoals eerder vermeld, wordt deze determinant via een voortschrijdend gemiddelde berekend. Ex-ante wordt een negatief verband tussen de maritieme rendementen en de inflatie verwacht. Als de prijzen duurder worden, kan enerzijds verwacht worden dat de opbrengst voor de rederijen stijgen. Anderzijds zorgt hoge inflatie tot ongewenste effecten als koopkrachtverlies en onzekerheid, wat een negatief effect kan hebben op de maritieme rendementen.
Aan de hand van tabel 16 wordt deze determinant beschreven. Over de tijdspanne
bedraagt de maandelijkse inflatie gemiddeld 0,362% (dit is geen relatieve of absolute verandering), met maximumpeil 0,454% en minimumpeil 0,281%.
3.5.2. Maritiem-specifieke determinanten 3.5.2.1.
Vrachttarief
Na de macro-economische determinanten komen de determinanten die de sector typeren. In de literatuurstudie en bedrijvenstudie werd duidelijk dat het vrachttarief een belangrijke factor is in de maritieme sector. Zoals eerder vermeld, verhuren rederijen vloten via langetermijncontracten of op de spotmarkt. De prijs die daarvoor kan worden gevraagd, hangt in grote mate af van de vrachttarieven. Intuïtief wordt 63
ex-ante verwacht dat het vrachttarief een positieve invloed op de maritieme rendementen zal hebben. Hoe hoger de transportvergoeding, hoe meer de rederijen verdienen.
Voor de vrachttarieven zijn er op Datastream acht Baltic indices beschikbaar: Baltic Dry Index, Baltic Capesize Index, Baltic Supramax Index, Baltic Panamax Index, Baltic Handysize Index, Baltic Freight LPG Index, Baltic Clean Tanker Index en de Baltic Dirty Tanker Index. Deze indices weerspiegelen het type schip of een maritieme subsector.
Deze determinant wordt opgenomen via het gemiddelde van die 8 Baltic Indices. Er wordt bewust beslist om het vrachttarief die de activiteiten van het bedrijf typeert niet individueel op te nemen, maar een gemiddelde Baltic index (GBI) te vormen. Op die wijze wordt er consistent gewerkt met eenzelfde verklarende variabele voor alle regressies. Op die manier kunnen de resultaten beter worden vergeleken.
Het is noodzakelijk een kritische houding aan te nemen voor de samenstelling van het gemiddelde. Dit gemiddelde heeft in principe een overwicht (5 van de 8) aan de drogebulksector. De 5 Baltic indices van de drogebulksector vertonen echter een zelfde patroon (bijlage 3.2).
Omwille van deze eigen kritische noot werden als controle de tijdreeksanalyses en panel data-analyse met een gemiddelde van Baltic Dry Index, Baltic Freight LPG Index, Baltic Clean Tanker Index uitgevoerd. Op die manier maken de drie verschillende activiteiten van de drie bedrijven, elk 1/3 van het gemiddelde uit. Dit vertoonde geen significant verschillende resultaten in vergelijking met het opgenomen gemiddelde van de 8 Baltic indices. Daarom werd besloten om het gemiddelde van alle 8 beschikbare Baltic indices in de regressies te hanteren.
De beschrijvende cijfers van de vrachttarieven uit tabel 16 moeten als procentuele verandering (relatief) worden geïnterpreteerd. De vrachttarieven dalen over de periode maandelijks gemiddeld met 0,82%. De sterkste maandelijkse procentuele
64
daling van de vrachttarieven in de dataset bedraagt maar liefst 100,17% 56 en de hoogste procentuele stijging 66,15%. Hierbij kunnen enkele belangrijke conclusies getrokken worden. In de literatuurstudie werd het volatiele karakter van de maritieme sector en de vrachttarieven besproken. Dit kan nu statistisch met de cijfers uit de dataset worden gestaafd.
3.5.2.2.
Olieprijs
Deze determinant wordt via de Crude Oil Brent-prijs opgenomen. Het is de enige variabele die uitgedrukt is in dollar. Er wordt beslist om deze variabele in dollar niet om te zetten in euro, omdat de wisselkoers op zich een verklarende variabele is. De olieprijs is een variabele die niet kan ontbreken in dit maritiem model. De motivatie tot opname van deze variabelen berust vooral op economische intuïtie. De olieprijs is de brandstof waarmee de vloten van de drie bedrijven kunnen varen. Het maritiem transport is de hoofdactiviteit van de bedrijven, waardoor de brandstof een belangrijke kost is. Voor Euronav is de olieprijs van een veel groter belang aangezien het vervoeren van olie hun hoofdactiviteit is. Exmar vervoert gassen die verwant zijn met olie. Er kan weer teruggekoppeld worden naar de basisbeginselen van economie, vraag en aanbod, en hun implicaties. Een lagere olieprijs zorgt ervoor dat bedrijven en gezinnen goedkoper olie kunnen aankopen, waardoor de vraag naar olie stijgt. Als de vraag naar olie stijgt, dan zal de vraag naar het transport van olie logischerwijze volgen. Dit is voor Euronav een positief scenario, dat door de lagere brandstofkosten versterkt wordt. Euronav bevestigt deze intuïtie in haar jaarverslag57 (2013). Ze verklaart dat een daling in de olieprijs voor hogere opbrengsten bij de schepen zorgt. Bijgevolg wordt ex-ante een negatief verband tussen olieprijs en de maritieme aandelenrendementen verwacht.
De beschrijving voor deze determinant in tabel 16 moet opnieuw als de procentuele verandering
worden
geïnterpreteerd.
De
gemiddelde
maandelijkse
procentuele
verandering in de olieprijs bedraagt 0,90%. De hoogste maandelijkse stijging in de tijdspanne bedraagt 25,99% en de sterkste daling 43,67%.
56
Dit percentage dient in het verlengde van zijn transformatie met het natuurlijk logaritme, geïnterpreteerd te worden. 57 Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/
65
3.5.2.3.
Wisselkoers
Deze determinant wordt via de wisselkoers (dollar in euro) van Datastream opgenomen. Bij de beschrijving van de bedrijven werd getoond dat de drie bedrijven wereldwijd transporteren en dochtervennootschappen over de hele wereld hebben. De jaarverslagen van zowel CMB (sinds 2012), Exmar als Euronav zijn in dollar uitgedrukt. Dit onderzoek is gebaseerd op de rendementen op de Brusselse beurs (in euro).
Op basis van economische intuïtie wordt de wisselkoers als determinant opgenomen. Wijzigingen in de wisselkoers kunnen een impact hebben op de maritieme aandelenrendementen in euro. De wisselkoers kan de resultaten, in gevolg de rendabiliteit van een bedrijf, gunstig of ongunstig beïnvloeden. Als deze wisselkoers stijgt (sterkere dollar), dan zal het maandelijks rendement in euro hoger zijn. Anderzijds kan een duurdere dollar productiekosten verduren en een concurrentieel nadeel in export creëren. Dit impliceert anderzijds een negatieve impact op de rendabiliteit van de bedrijven. Er is dus een dubbele ex-ante verwachting omdat het moeilijk te voorspellen is welk effect zal domineren.
De beschrijving voor deze determinant in tabel 16 moet opnieuw als de procentuele verandering worden geïnterpreteerd. Gemiddeld gezien over de tijdspanne daalde de wisselkoers maandelijks met 0,017%. Dit impliceert dat de euro gemiddeld sterker werd. In de tijdspanne is de hoogste maandelijkse stijging van de wisselkoers 9,30% en de sterkste maandelijkse daling 9,46%.
3.5.3. Micro-economische determinanten Micro-economische determinanten vatten de heterogeniteit van de rederijen op. Macro-economische variabelen zijn daarentegen gelijk voor alle bedrijven, maar hun impact verschilt naargelang de bedrijfsspecifieke karakteristieken per bedrijf. Rendabiliteit is samen met solvabiliteit één van de belangrijkste criteria bij het analyseren van bedrijven. Ex-ante kan worden verwacht dat dit type variabelen een verband kunnen hebben met het maandelijks maritiem rendement.
66
3.5.3.1.
Rendabiliteit
Deze determinant wordt via de Return on Equity (ROE) opgenomen. Deze variabele wordt als ratio van Datastream gedownload. Zoals eerder vermeld, wordt ROE als een voortschrijdend gemiddelde opgenomen. De rendabiliteit van een bedrijf wordt voornamelijk vanuit economische intuïtie in het model opgenomen. ROE wordt berekend door de winst na belastingen te delen door het eigen vermogen.
Voor de VROE van Euronav zijn er slechts 107 observaties. Hiervoor is een logische verklaring. Euronav noteert pas sinds december 2004, waardoor de ROE pas de volgende periode voor eerst kan worden berekend. Voor deze periode is er geen vergelijkende waarde, waardoor het voortschrijdend gemiddelde voor december 2004 niet kan worden berekend.
Er wordt ex-ante een positief verband tussen rendabiliteit en het maritieme aandelenrendement verwacht. Een rendabel bedrijf is aantrekkelijk. Winsten en cashflows kunnen voor een gezonde structuur, dividenden, overnames en investeringen zorgen. Dit heeft op zijn beurt een positieve impact op de koers en in gevolg op het rendement. Tabel 17: Beschrijving rendabiliteit
d_VROE_CMB
d_VROE_EXMAR
d_VROE_EURONAV
Gemiddelde (%)
-0,920
0,130
-0,395
Standaarddeviatie (%)
1,652
1,647
1,334
Minimum (%)
-4,967
-1,904
-3,134
Maximum (%)
1,471
2,912
2,160
Aantal observaties
108
108
107
maandelijkse data
Output Gretl: beschrijving
67
De procentuele gegevens uit tabel 17 moeten, net zoals de rentevoeten, als absolute verschillen tussen twee datapunten worden geïnterpreteerd. Exmar is de enige rederij waarbij de ROE gemiddeld over de tijdsperiode steeg. Bij CMB is de gemiddelde daling het sterkst. 3.5.3.2.
Solvabiliteit
Solvabiliteit kan op meerdere manieren worden berekend. In deze studie wordt de variabele onder de volgende vorm opgenomen: eigen vermogen van de groep/totaal actief. Deze twee variabelen worden apart van Datastream gedownload en vervolgens zelf tot deze ratio getransformeerd.
De solvabiliteit weerspiegelt de gezondheid van een bedrijf. Het eigen vermogen van de groep is een buffer bij eventuele problemen. Een grotere buffer beschermt het bedrijf en de belegger tegen onverwachte gebeurtenissen. De solvabiliteitsratio geeft aan hoeveel eurocent eigen vermogen er per euro balanstotaal is. Hoe hoger deze ratio,
des
te
gezonder
het
bedrijf.
Een
hogere
ratio
impliceert
minder
schuldfinanciering en meer eigen middelen-financiering. Ex-ante wordt een positief verband verwacht. Vanuit het perspectief van de belegger, wordt solvabiliteit als een belangrijk criterium beschouwd voor het samenstellen van zijn portefeuille.
68
Tabel 18: Beschrijving solvabiliteit
d_VSolva_CMB
d_VSolva_EXMAR
d_VSolva_EURONAV
58
0,136
0,064
-0,058
Standaarddeviatie (%)
0,700
0,536
0,239
Minimum (%)
-0,679
-0,807
-0,542
Maximum (%)
1,676
0,738
0,239
Aantal observaties
108
108
108
maandelijkse data
Gemiddelde (%)
Output Gretl: beschrijving
De procentuele gegevens uit tabel 18 moeten, net zoals de rentevoeten, als absolute verschillen tussen twee datapunten worden geïnterpreteerd. Het solvabiliteitsratio van CMB en Exmar kent doorheen de ganse tijdspanne gemiddeld een stijging van respectievelijk 0,136% en 0,064%. Voor Euronav daalt de solvabiliteitsratio gemiddeld gezien over de ganse tijdspanne met 0,06%. Dit impliceert dat de rederijen hun kapitaalstructuur constant houden.
58
De variabele solvabiliteit staat als ratio in de dataset en is niet uitgedrukt in percentage. Deze werd bijgevolg vermenigvuldigd worden met 100 om de variabele als een percentage te presenteren.
69
4. Methodiek, model en resultaten 4.1.
Methodiek
In het vorige hoofdstuk werden de determinanten voor de modellen besproken. Er wordt gebruik gemaakt van het statistisch programma Gretl om de modellen op te stellen. Via tijdreeksanalyse (OLS-regressie), bèta-analyse (OLS-regressie) en panel data-analyse (Pooled model) worden de koersdeterminanten van de drie maritieme aandelen geanalyseerd. De resultaten worden onderling vergeleken en in relatie gebracht met de literatuurstudie. Bij de tijdreeksanalyse wordt de impact van 10 determinanten op het individuele aandelenrendement gemeten via een meervoudige regressie-analyse. Dit wordt voor elke rederij afzonderlijk uitgevoerd. Vervolgens worden via een panel data-analyse de 3 maritieme bedrijven gezamenlijk opgenomen in een meervoudige regressie-analyse. Hierbij wordt de tijdsdimensie en de cross-sectionele dimensie samen genomen. Op deze wijze wordt de individuele heterogeniteit van elk maritiem bedrijf gevat en kunnen de resultaten voor de sector worden veralgemeend. Tot slot wordt het CAPM (Sharpe, 1964) voor elke rederij individueel opgesteld. Uit de literatuurstudie blijkt dat het CAPM ondanks alle kritiek, nog steeds zijn belang heeft in de financiële wereld.
4.2.
Tijdreeksanalyse
In het vorige hoofdstuk werd de stationariteit van de variabelen besproken. Na de doorgevoerde transformaties zijn de variabelen uitsluitend stationaire variabelen. Vervolgens wordt de residuele autocorrelatie via de Durbin-Watson-test nagegaan. Eénmaal het model bepaald is, wordt het op pitfalls als multicollineariteit (VIF-test), outliers en heteroscedasticiteit (White-test) getest. Omitted variabele bias (OVB) is niet van toepassing op deze multifactor modellen, omdat er op basis van de literatuurstudie en de bedrijvenstudie tien significante determinanten werden bepaald. Om een zuiver en efficiënt model te verkrijgen, dient deze grens best niet overschreden te worden. Er is een trade-off tussen OVB en een accuraat model.
70
Hieronder worden de geschatte modellen één voor één letterlijk geïnterpreteerd. De onderlinge vergelijking, de vergelijking met de literatuur en ex-ante verwachting komen onder één gezamenlijk hoofdstuk na de tijdreeksanalyse van Euronav. Om de coëfficiënten van de variabelen VGDP, d_MTB, d_YLTGB, VINFLATION, d_VROE te interpreteren, dienen deze eerst met honderd vermenigvuldigd te worden. Dit is noodzakelijk aangezien dan pas de verklaarde en verklarende variabelen in dezelfde eenheid staan. Alle determinanten zijn uitgedrukt op maandbasis,
waardoor
de
relaties
logischerwijze
op
maandbasis
dienen
geïnterpreteerd te worden. Deze twee opmerkingen gelden ook bij de panel dataanalyse.
4.2.1. Model CMB 𝑙𝑑_𝐶𝑀𝐵_𝑇𝑅𝐼 = 0,036 + 1,097 ∗ 𝑙𝑑_𝑀𝑆𝐶𝐼𝑊𝑂𝑅𝐿𝐷 + 0,184 ∗ 𝑙𝑑_𝐺𝐵𝐼 − 0,839 ∗ 𝑙𝑑_𝑊𝐾$€ Tabel 19: Tijdreeksanalyse maandrendementen CMB
X-variabelen Constante VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK$€ d_VROE_CMB d_Vsolva_CMB
R² p-waarde Durbin-Watson
Coëfficiënt
Standaardfout
t-ratio
p-waarde
0,036
0,084
0,425
0,672
0,076
0,081
0,940
0,350
0,040
0,043
0,925
0,358
-0,010
0,044
-0,231
0,818
1,097
0,207
5,293
0,000***
-0,162
0,262
-0,617
0,539
0,184
0,040
4,640
0,000***
-0,080
0,093
-0,860
0,392
-0,839
0,266
-3,150
0,002***
0,006
0,006
0,941
0,349
2,056
1,437
1,431
0,156
52,34% 0,000 2,054
Output Gretl: Tijdreeksanalyse
71
De variabelen ld_MSCIWORLD, ld_GBI en ld_WK$€, respectievelijk maandelijks marktrendement, vrachttarief en wisselkoers hebben een significante 59 impact op het rendement van CMB. De andere 7 verklarende variabelen hebben geen significant verband met het rendement van CMB. Onderstaande hypothese toetst e significantie van de verklarende variabelen: 𝐻0 : 𝛽 = 0 ; |𝑡| ≤ 1,96 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 ≥ 0,05 𝐻1 : 𝛽 ≠ 0 ; |𝑡| > 1,96 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 < 0,05
Een stijging van het wereldwijde marktrendement met 1% leidt, ceteris paribus, tot een stijging van het maandrendement van CMB met 1,097%. Een stijging van de gemiddelde Baltic Indices met 1% leidt, ceteris paribus, tot een stijging van het maandrendement van CMB met 0,184%. Tot slot heeft de wisselkoers een negatieve impact op het rendement van CMB. Een stijging van de wisselkoers met 1% leidt, ceteris paribus, tot een daling van het maandrendement van CMB met 0,839%. Een sterkere dollar heeft bijgevolg een negatieve impact op het rendement van CMB.
Pitfalls: 𝐻0 : 𝑐𝑜𝑣(𝑒𝑡 , 𝑒𝑡−1 ) = 0; 𝜌 = 0: 𝑔𝑒𝑒𝑛 𝑟𝑒𝑠𝑖𝑑𝑢𝑒𝑙𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑒 𝐻1 : 𝑐𝑜𝑣(𝑒𝑡 , 𝑒𝑡−1 ) ≠ 0; 𝜌 ≠ 0: 𝑟𝑒𝑠𝑖𝑑𝑢𝑒𝑙𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑒
Met behulp van de Durbin-Watson (DW) test, kan de bovenstaande nulhypothese voor geen residuele autocorrelatie worden aanvaard. De D-W waarde bedraagt 2,054 en bevindt zich in het interval van de nulhypothese ( dU = 1,8919 ; 4-dU = 2,1081). 𝐻0 : 𝑉𝑎𝑟(𝑒𝑖 ) = 𝜎 2 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 ≥ 0,05 ∶ 𝐻𝑜𝑚𝑜𝑠𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑡𝑒𝑖𝑡 𝐻1 : 𝑉𝑎𝑟(𝑒𝑖 ) = 𝜎𝑖2 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 < 0,05 ∶ 𝐻𝑒𝑡𝑒𝑟𝑜𝑠𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑡𝑒𝑖𝑡
59
*** Significant op niveau van 1% ** Significant op niveau van 5% * Significant op niveau van 10%
72
Met een p-waarde van 0,076 wordt de bovenstaande nulhypothese aanvaard, er is geen probleem omtrent heteroscedasticiteit.
Outliers kunnen de resultaten ongunstig beïnvloeden. Bij tijdreeksanalyses worden de outliers niet uit de dataset verwijderd. Daarnaast is het voor dit toegepast onderzoek relevant om de outliers te detecteren. De dataset van de rendementen van CMB bevat slechts twee outliers, januari 2009 en juni 2012.
De VIF-test geeft weer dat er geen multicollineariteit tussen de variabelen aanwezig is. De VIF-waarden bevinden zich allemaal tussen 1 en 2, waardoor ze ruimschoots onder de multicollineariteitsdrempel van 10 blijven.
Verklaringskracht van het model: 𝐻0 : 𝑅2 = 0 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 ≥ 0,05 ∶ 𝑔𝑒𝑒𝑛 𝑣𝑒𝑟𝑘𝑙𝑎𝑟𝑖𝑛𝑔𝑠𝑘𝑟𝑎𝑐ℎ𝑡 𝐻0 : 𝑅 2 ≠ 0 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 < 0,05: 𝑣𝑒𝑟𝑘𝑙𝑎𝑟𝑖𝑛𝑔𝑠𝑘𝑟𝑎𝑐ℎ𝑡
Met een p-waarde van 0,000 wordt de bovenstaande nulhypothese duidelijk verworpen. Het model heeft verklaringskracht. De R² bedraagt 52,34%. Dit impliceert dat 52,34% van de variatie in de maandrendementen van CMB worden verklaard door de opgenomen verklarende variabelen.
73
4.2.2. Model Exmar 𝑙𝑑_𝐸𝑥𝑚𝑎𝑟_𝑇𝑅𝐼 = −0,060 + 0,171 ∗ 𝑉𝐺𝐷𝑃 + 1,073 ∗ 𝑙𝑑_𝑀𝑆𝐶𝐼𝑊𝑂𝑅𝐿𝐷 + 0,237 ∗ 𝑙𝑑_𝑂𝑙𝑖𝑒𝑝𝑟𝑖𝑗𝑠
Tabel 20: Tijdreeksanalyse maandrendementen Exmar
X-variabelen Constante VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK$€ d_VROE_Exmar d_Vsolva_Exmar
R² p-waarde Durbin-Watson
Coëfficiënt
Standaardfout
t-ratio
p-waarde
-0,060
0,108
-0,555
0,580
0,171
0,092
1,869
0,065*
0,046
0,046
0,986
0,327
0,058
0,048
1,203
0,232
1,073
0,224
4,785
0,000***
0,002
0,306
0,006
0,995
-0,032
0,043
-0,756
0,452
0,237
0,100
2,374
0,020**
0,289
0,284
1,017
0,312
0,005
0,008
0,666
0,507
2,151
2,768
0,777
0,439
40,87% 0,000 2,044
Output Gretl: Tijdreeksanalyse
Het OLS-model geeft weer dat het maandelijks marktrendement en de olieprijs een significante impact hebben op het maandrendement van Exmar. Ook de economische groei heeft impact op het maandrendement van Exmar, maar op een lager significantieniveau. Een stijging van het marktrendement met 1% leidt, ceteris paribus, tot een stijging van het rendement van Exmar met 1,073%. Vervolgens leidt een stijging van de olieprijs met 1% tot een stijging van het maandrendement van Exmar met 0,237%, ceteris paribus. Tot slot leidt een stijging van de maandelijkse economische groei met 1% tot een stijging van het rendement van Exmar met 17,12%, ceteris paribus.
74
Pitfalls:
Net zoals bij de tijdreeksanalyse van CMB is er geen sprake van residuele autocorrelatie. De DW-waarde bedraagt 2,044 en bevindt zich vervolgens in het interval van de nulhypothese ([1,8919; 2,1081] ; [dU ; 4-dU]). De maandrendementen van Exmar bevatten twee outliers op december 2009 en januari 2013. Alle VIFwaarden bevinden zich tussen 1 en 3,3. Dit impliceert dat er geen multicollineariteit aanwezig is. De nulhypothese wordt bij de White-test met een p-waarde van 0,491 aanvaard, er is bijgevolg sprake van homoscedasticiteit. Verklaringskracht van het model:
Bij de F-test wordt de nulhypothese opnieuw duidelijk met een p-waarde van 0,000 verworpen. Het model heeft dus verklaringskracht. De R² bedraagt 40,87% wat opnieuw impliceert dat 40,87% van de variatie in de maandrendementen van Exmar worden verklaard door de opgenomen verklarende variabelen. De verklaringskracht (R²) bij het model van Exmar is echter lager dan de verklaringskracht bij het model van CMB.
75
4.2.3. Model Euronav 𝑙𝑑_𝐸𝑢𝑟𝑜𝑛𝑎𝑣_𝑇𝑅𝐼 = 0,096 + 0,952 ∗ 𝑙𝑑_𝑀𝑆𝐶𝐼𝑊𝑂𝑅𝐿𝐷 + 0,407 ∗ 𝑙𝑑_𝑂𝑙𝑖𝑒𝑝𝑟𝑖𝑗𝑠 − 0,620 ∗ 𝑙𝑑_𝑊𝐾$€ Tabel 21: Tijdreeksanalyse maandrendementen Euronav
X-variabelen Constante VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK$€ d_VROE_Euronav d_Vsolva_Euronav
R² p-waarde Durbin-Watson
Coëfficiënt
Standaardfout
t-ratio
p-waarde
0,096
0,144
0,667
0,507
0,019
0,083
0,225
0,823
0,013
0,057
0,225
0,822
-0,048
0,117
-0,410
0,683
0,952
0,295
3,228
0,002***
-0,323
0,457
-0,708
0,480
0,003
0,054
0,059
0,953
0,407
0,092
4,433
0,000***
-0,620
0,271
-2,289
0,024**
0,015
0,010
1,404
0,164
-6,920
5,215
-1,327
0,189
34,86% 0,000 1,565
Output Gretl: Tijdreeksanalyse
Het OLS-model geeft weer dat het maandelijks marktrendement, de olieprijs en de wisselkoers een significante impact hebben op het maandrendement van Euronav. Een stijging van het marktrendement met 1% leidt, ceteris paribus, tot een stijging van het maandrendement van Euronav met 0,952%. Vervolgens leidt een stijging van de olieprijs met 1% tot een stijging van maandrendement Euronav met 0,407%, ceteris paribus. Een stijging in de wisselkoers met 1%, leidt, ceteris paribus, tot een daling van het maandrendement van Euronav met 0,620%.
76
Pitfalls:
Voor de Durbin-Watson-test bij Euronav worden er 107 observaties in rekening gebracht. De oorzaak hiervan werd eerder in het onderzoek aangegeven. De DWwaarde bedraagt 1,565 en valt vervolgens niet binnen het interval van de nulhypothese ( [1,8926; 2,1074] ; [dU , 4-dU]) maar in een onbesliste zone ([1,4867 ; 1,8926], [dL, dU]). In deze zone kan de nulhypothese noch aanvaard, noch verworpen worden. Een alternatieve test voor het detecteren van residuele autocorrelatie test wordt gehanteerd, namelijk de Breusch-Godfrey test. De p-waarde voor deze test bedraagt 0,28. Dit impliceert dat de onderstaande nulhypothese voor geen residuele autocorrelatie kan worden aanvaard. 𝐻0 : 𝜌1 = 𝜌2 … 𝜌𝑛 = 0 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 ≥ 0,05 ∶ 𝑔𝑒𝑒𝑛 𝑟𝑒𝑠𝑖𝑑𝑢𝑒𝑙𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑒 𝐻1 : 𝜌1 ≠ 0 𝑜𝑓 éé𝑛 𝑣𝑎𝑛 𝑑𝑒𝜌′ 𝑠 ≠ 0 ; 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 < 0,05 ∶ 𝑟𝑒𝑠𝑖𝑑𝑢𝑒𝑙𝑒 𝑎𝑢𝑡𝑜𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑒
De maandrendementen van Euronav bevatten twee outliers: een negatieve uitschieter op november 2011 en een positieve uitschieter op juni 2013. De VIF-test wijst op geen probleem van multicollineariteit. De waarden van de VIF-test blijven lager dan 10. De p-waarde voor White-test voor heteroscedasticiteit bedraagt 0,015. Dit betekent dat de alternatieve hypothese voor heteroscedasticiteit wordt aanvaard. Om deze pitfall op te lossen wordt het OLS-model met ‘White’s heteroskedasticity consistent standard errors’ (HAC) geschat. De nauwkeurigheid van het model stijgt omdat er meer significante bèta’s worden behaald. Het gebruik van deze aangepaste standaardfouten zorgt ervoor dat de wisselkoers significant is op een hoger niveau60. Verklaringskracht van het model: Bij de F-test wordt de nulhypothese duidelijk verworpen met een p-waarde van 0,000. Het model heeft dus verklaringskracht. De R² bedraagt 34,86%; wat impliceert dat 34,86% van de variatie in de maandrendementen van Euronav worden verklaard door de opgenomen verklarende variabelen. De verklaringskracht bij het model van
Het significantieniveau van de variabele ld_WK$€ is na de toepassing van HAC van 10% naar 5 % gestegen. 60
77
Euronav is lager dan zowel de verklaringskracht bij het model van Exmar als CMB. Het opgestelde OLS-model verklaart het rendement van CMB het best.
4.2.4. Vergelijking resultaten Onderstaande tabel vat de significante determinanten uit de drie tijdreeksanalyses samen. De resultaten worden onderling in relatie gebracht, gelinkt met ex-ante verwachtingen en vergeleken met de literatuur. Tabel 22: Vergelijking significante determinanten tijdreeksanalyses
ld_CMB_TRI
ld_Exmar_TRI
ld_Euronav_TRI
1,097***
1,073***
0,952***
(0,207)
(0,224)
(0,295)
Niet significant
0,237**
0,407***
(0,100)
(0,092)
ld_GBI
0,184***
Niet significant
Niet significant
ld_WK$€
-0,839***
Niet significant
-0,620**
VGDP
Niet significant
0,171*
Niet significant
R²
52,34%
40,87%
ld_MSCIWORLD
ld_Olieprijs
(0,040)
(0,266)
(0,092)
(0,271)
34,86%
Output Gretl: Tijdreeksanalyses
Ten eerste kan worden besloten dat er vijf determinanten zijn die geen enkel verband vertonen met de maritieme rendementen. Dit resultaat stemt niet overeen met de exante voorspellingen. De relatief kleine dataset kan een mogelijk argument vormen voor dit verschijnsel. Er wordt wel opgemerkt dat de verklaringskracht (R²) van de modellen hoger is, indien alle determinanten worden opgenomen. Als enkel een model met bovenstaande significante determinanten wordt opgesteld, daalt de verklaringskracht.
78
Kavussanos, Marcoulis en Arkoulis (2002) bevestigen deze resultaten. Aanvullend besloten zij dat het marktrendement de meest significante impact had op de industriële rendementen (Kavussanos et al., 2002). De resultaten van Kavussanos et al. (2002) zijn sterk gelijklopend met deze van dit onderzoek, want het globale marktrendement blijkt een zeer significante impact op het rendement van de drie maritieme aandelen te hebben. Deze determinant is voor de maritieme rendementen significant op het niveau van 1%. Dit valt gemakkelijk te verklaren door de wereldwijde activiteiten van de rederijen. Kavussanos en Marcoulis (2004) beschreven reeds dat de maritieme sector de cyclus van wereldwijde economie volgt. De bèta voor de maritieme sector uit de studie van Kavussanos en Marcoulis (1997) bedraagt 0,94 met een standaardfout van 0,019. Dit resultaat is vergelijkbaar met de bèta uit de multifactor modellen maar om statistisch juist te kunnen vergelijken, worden de resultaten best met resultaten uit het CAPM vergeleken. Dit wordt dan ook in een volgend stuk uitgevoerd. De marktbèta’s uit de drie tijdreeksanalyses bevinden zich rond 1, waardoor dit best overeen komt met het resultaat van Kavussanos en Marcoulis (1997) en de ex-ante verwachtingen.
Olieprijs blijkt enkel een relevante variabele voor Exmar en Euronav te zijn. Er blijkt geen significante relatie te bestaan tussen het rendement van CMB en de olieprijs. Dit valt te verklaren uit de activiteiten van de bedrijven. Euronav heeft van de drie rederijen de sterkste blootstelling aan de olieprijs omdat het, naast een brandstofkost, ook de getransporteerde lading is. Net zoals Stopford (in Kavussanos&Alizadeh-M, 2001) de vraag naar maritiem transport als afgeleide vraag beschrijft, impliceert dit resultaat dat de vraag naar olie, en in gevolg de vraag naar maritiem transport, afhankelijk is van de olieprijs. Voor Exmar geldt in principe dezelfde redenering, maar hun getransporteerde lading bestaat slechts voor een deel uit olieproducten. Dit verklaart waarom de coëfficiënt lager is. Voor CMB is olie slechts een kostencomponent. Dit verklaart waarom er geen significant verband bestaat. Dit bevestigt de ex-ante voorspellingen.
Het positief teken tussen de olieprijs en de maritieme rendementen daarentegen stemt niet overeen met wat ex-ante werd verwacht. Kavussanos, Marcoulis en Arkoulis (2002), Shi, Yang en Li (2013) en Chen et al. (1986) vonden hier wel een 79
negatief
verband.
Anderzijds
vonden
Kavussanos
en
Marcoulis
(in
Kavussanos&Marcoulis, 2004) net zoals deze studie een positief verband. Dit onverwacht resultaat kan aan de kleine dataset te wijten zijn. Daarbovenop besloten Cunado en Perez de Gracia (2013) dat er uiteenlopende verbanden tussen maritieme rendementen en de olieprijs mogelijk zijn.
Zoals werd vermeld, rapporteren de drie rederijen hun resultaten in Amerikaanse dollar. De ex-ante verwachtingen werden in een vorig hoofdstuk als dubbel opgesteld, terwijl de correlatiematrix hier een negatief verband vertoonde. De resultaten wijzen op een negatief verband tussen de wisselkoers en de rendementen van CMB en Euronav. Dit effect is het sterkst voor CMB. Een sterkere dollar zorgt dus voor lagere maritieme rendementen en een sterkere euro zorgt voor hogere rendementen.
Het vrachttarief was een volgende maritieme determinant. De resultaten bij deze determinant zijn wat teleurstellend, aangezien het enkel significant is voor CMB. Het positief teken komt wel overeen met de ex-ante verwachtingen. De grafiek in bijlage 3.2 geeft het verloop van de Baltic Indices weer. Op die grafiek is duidelijk dat de Baltic Dry index en Baltic indices van de drogebulkschepen het meest volatiel zijn. Dit kan een verklaring vormen waarom de vrachttarieven enkel een significante impact hebben bij CMB. Een andere reden kan opnieuw de kleine dataset zijn.
Een opmerkelijk resultaat wordt gevonden bij Exmar, waarbij het als enige rederij een positief significant verband met de economische groei blijkt te hebben. Weliswaar kent deze relatie een significantieniveau van 10%, maar toch is het belangrijk om met deze bevinding rekening te houden in het verdere verloop van dit onderzoek. Het exante positief verband wordt voor Exmar bevestigd. Het is dus opmerkelijk dat de economische groei slechts op 10% niveau significant is en enkel voor Exmar. Kavussanos en Marcoulis (in Kavussanos&Marcoulis, 2004) vonden in tegenstelling tot dit onderzoek een negatief verband tussen industriële productie en de maritieme aandelenrendementen. De beperkte omvang van de dataset kan ook een reden zijn voor dit opmerkelijk resultaat.
80
De verklaringskracht van de drie tijdreeksanalyse ligt, in vergelijking met de literatuur, hoog. Terwijl in de bestaande literatuur van Kavussanos en Marcoulis (in Kavussanos&Marcoulis, 2004) een verklaringskracht van 23% wordt bereikt, hebben de tijdreeksanalyses een gemiddelde verklaringskracht van 42,66%. Dit is uiteraard een gunstig resultaat. Het hoofddoel van dit onderzoek wordt hiermee bereikt.
4.3.
Panel data-analyse
Voor de panel data-analyse wordt gebruik gemaakt van een Pooled OLS model. CMB, Exmar en Euronav hebben éénzelfde alfa, aangezien geen enkele toegevoegde dummy in het Pooled model significant was. Bijgevolg wordt onderstaande nulhypothese aanvaard en het Pooled model gehanteerd. Aangezien de studie handelt over drie specifieke bedrijven en geen willekeurige steekproef is, werd het Random Effects model meteen uitgesloten. Er wordt een ‘stacked timesseries’ dataset opgesteld zodat dit model alle data van de drie bedrijven bevat. 𝐻0 : 𝛼1 = 𝛼2 = 𝛼3 = … = 𝛼𝑛 ∶ 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 ≥ 0,05 ∶ 𝑃𝑜𝑜𝑙𝑒𝑑 𝑚𝑜𝑑𝑒𝑙 𝑖𝑠 𝑏𝑒𝑠𝑡𝑒 𝑚𝑜𝑑𝑒𝑙 𝐻1 : 𝛼1 ≠ 𝛼2 ≠ 𝛼3 ≠ … ≠ 𝛼𝑛 ∶ 𝑝 − 𝑤𝑎𝑎𝑟𝑑𝑒 < 0,05 ∶ 𝐹𝑖𝑥𝑒𝑑 𝑚𝑜𝑑𝑒𝑙 𝑖𝑠 𝑏𝑒𝑠𝑡𝑒 𝑚𝑜𝑑𝑒𝑙
81
4.3.1. Model 𝑙𝑑_𝑇𝑅𝐼 = 0,039 + 0,071 ∗ 𝑉𝐺𝐷𝑃 + 0,032 ∗ 𝑑_𝑀𝑇𝐵 + 1,067 ∗ 𝑙𝑑_𝑀𝑆𝐶𝐼𝑊𝑂𝑅𝐿𝐷 − 0,186 ∗ 𝑉𝐼𝑁𝐹𝐿𝐴𝑇𝐼𝑂𝑁 + 0,201 ∗ 𝑙𝑑_𝑂𝑙𝑖𝑒𝑝𝑟𝑖𝑗𝑠 + 0,003 ∗ 𝑑_𝑉𝑅𝑂𝐸 Tabel 23: Panel data-analyse maritieme rendementen
X-variabelen Constante
Coëfficiënt
Standaardfout
t-ratio
p-waarde
0,039
0,016
2,445
0,015**
0,071
0,037
1,918
0,056*
0,032
0,010
3,363
0,001***
-0,007
0,026
-0,289
0,773
1,067
0,037
29,13
0,000***
-0,186
0,024
-7,838
0,000***
0,052
0,056
0,937
0,350
0,201
0,115
1,751
0,081*
-0,365
0,276
-1,325
0,186
0,003
0,00058
4,446
0,000***
0,361
0,642
0,562
0,574
VGDP d_MTB d_YLTGB ld_MSCIWORLD VINFLATION ld_GBI ld_Olieprijs ld_WK$€ d_VROE d_Vsolva
R² p-waarde Durbin-Watson
34,08% 0,000 1,831
Output Gretl: panel data-analyse
Een stijging van de maandelijkse economische groei61 met 1% leidt, ceteris paribus, tot een stijging van het maritieme maandrendement met 7,07%. De stijging van het maritiem maandrendement is erg hoog, maar dit zou het effect zijn als de economische groei in één maand tijd met 1% stijgt. De kortetermijnrente heeft een positieve invloed op het maritieme rendement. Een stijging van de maandelijkse kortetermijnrente met 1% leidt, ceteris paribus, tot een stijging van het maritiem maandrendement met 3,20%. Het globaal marktrendement blijft een positieve significante invloed uitoefenen op de maritieme rendementen. Een stijging van het
61
Significant op niveau 10%
82
maandelijks marktrendement met 1% leidt tot een stijging van het maritiem maandrendement met 1,067%, ceteris paribus. Inflatie blijkt in de panel data-analyse een significante rol te spelen. Een stijging van de maandelijkse inflatie met 1% leidt tot een daling van het maritiem maandrendement met 18,55%, ceteris paribus. Dit is opnieuw een extreem effect. Dit effect is verklaarbaar, omdat het ondenkbaar is dat de inflatie op één maand met 1% zou stijgen. Ook de olieprijs is hier significant, maar het significantieniveau ligt fors lager (10% niveau) dan dat bij de tijdreeksanalyses. Een stijging van de olieprijs met 1%, leidt tot een stijging van het maritiem rendement met 0,201%; ceteris paribus. Tot slot wordt geconstateerd dat de micro-economische variabele rendabiliteit een belangrijke rol speelt voor het maritiem rendement. Een stijging van de rendabiliteit met 1% leidt tot een stijging van het maritiem maandrendement met 0,26%, ceteris paribus. De Durbin-Watson waarde ligt in het interval van de nulhypothese ([dU; 4-dU]; [1,8813; 2,1187]), waardoor er geen residuele autocorrelatie zal optreden. De VIFwaarden bevinden zich allemaal tussen 1 en 2, waardoor er geen sprake is van multicollineariteit. Dit is statisch verklaarbaar, aangezien een panel data-analyse relatief meer datapunten omvat. Met een p-waarde van 0,000 bevestigt de White test dat er heteroscedasticiteit aanwezig is. Dit is enerzijds te verklaren doordat een panel data-analyse een grotere variatie in de verklarende variabelen heeft. Hierdoor kunnen de fouttermen een grotere variatie vertonen. Het model wordt geschat met de HAC standaardfouten.
De panel data-analyse heeft verklaringskracht. Dit wordt met behulp van de F-test bevestigd. Een p-waarde van 0,000 leidt tot het verwerpen van de nulhypothese. De opgenomen variabelen verklaren 34,08% van de variatie in de maritieme maandrendementen.
4.3.2. Vergelijking resultaten: tijdreeks- en panel data-analyse De resultaten uit de panel data-analyse kunnen voor de maritieme sector worden veralgemeend. Dit levert interessante resultaten op en kan tevens met de tijdreeksanalyses worden vergeleken. Het marktrendement, de kortetermijnrente, de inflatie
en
de
rendabiliteit
oefenen
een
significante
impact
uit
op
de 83
maandrendementen van de rederijen op niveau van 1%. De economische groei en de olieprijs hebben een significant verband op niveau van 10% met de maritieme rendementen.
In tegenstelling tot de resultaten uit de tijdreeksanalyses oefenen de wisselkoers en de vrachttarieven geen significante invloed uit op het maritiem rendement. De rendabiliteit, inflatie en kortetermijnrente hebben in de panel data-analyse wél een significant impact op de rendementen, terwijl geen van deze determinanten een impact had bij één van de tijdreeksanalyses. De verklaringskracht (R²) bij de panel data-analyse is lager dan die bij de tijdreeksanalyses.
De economische groei is, net zoals bij de tijdreeksanalyse van Exmar, positief significant op niveau van 10%. De coëfficiënt bij die tijdreeksanalyse ligt wel een stuk hoger dan bij de panel data-analyse. De ex-ante voorspelling wordt hier bevestigd. De kortetermijnrente blijkt enkel positief significant te zijn bij de panel data-analyse, terwijl de ex-ante voorspellingen voor dit verband dubbel waren. De inflatie heeft ook een significante negatieve impact op de maritieme maandrendementen. Dit verband is in lijn met de ex-ante verwachting.
De olieprijs is hier slechts op niveau van 10% significant. In vergelijking met het significantieniveau bij de tijdreeksanalyses is dit redelijk zwak. De olieprijs was bij Exmar en Euronav respectievelijk significant op het niveau van 5% en 1%. De coëfficiënt van de panel data-analyse is ook positief, maar lager dan bij elk van de tijdreeksanalyses.
Tot slot blijkt de rendabiliteit van de maritieme bedrijven een significante verklarende variabele voor de maritieme aandelenrendementen te zijn. Bij geen enkele van de tijdreeksanalyses was deze determinant significant. In de panel data-analyse vertoont deze verklarende variabele een positief verband met de rendementen. Dit gunstig resultaat bevestigt de ex-ante voorspellingen.
84
4.4.
Maritiem CAPM
4.4.1. Modellen In dit hoofdstuk worden de bèta’s uit onderstaande CAPM’s vergeleken met de marktbèta’s uit de multifactor modellen (de tijdreeksanalyses en de panel dataanalyse). De maritieme marktbèta uit de literatuur wordt hiermee vergeleken.
Het CAPM wordt via onderstaande formule voor elk van de rederijen opgesteld: 𝐸𝑅𝑖 = 𝛼𝑖 + 𝛽𝑖 (𝐸𝑅𝑀) Waarbij: MTBM62= MTB/100 Excess rendement (ERBEDRIJF) = ld_BEDRIJF_TRI - MTBM(-1) Excess marktrendement (ERM) = ld_MSCIWORLD - MTBM (-1)
Aangezien er bewust een CAPM wordt opgesteld, wordt er niet opgetreden tegen omitted variable bias. Multicollineariteit is niet van toepassing op het CAPM-model, aangezien er enkel één verklarende variabele is opgenomen. Voor het CAPM van CMB en Euronav werd opgetreden tegen de heteroscedasticiteit via het gebruik van HAC standard errors. Alle drie Capital Asset Pricing Modellen hebben een significante verklaringskracht. Tabel 24: Maritieme CAPM's
ER (CMB)
ER (Exmar)
ER (Euronav)
ERM
1,215*** (0,324)
1,317*** (0,182)
1,242*** (0,393)
R²
26,96%
32,99%
19,91% Output Gretl: CAPM
62
Aangezien het maandrendement en de kortetermijnrente niet in dezelfde eenheid staan, wordt deze laatste gedeeld door 100.
85
Tabel 25: Vergelijking coëfficiënten marktrendement uit multifactor modellen
ld_CMB_TRI
ld_EXMAR_TRI
ld_EURONAV_TRI
Panel
ld_MSCIWORLD
1,097*** (0,207)
1,073*** (0,224)
0,952*** (0,295)
1,067*** (0,037)
R² (gehele model)
52,34%
40,87%
34,86%
34,08%
Output Gretl: multifactor modellen
4.4.2. Vergelijking resultaten: tijdreeksanalyse, panel data-analyse en CAPM
De gemiddelde verklaringskracht van de CAPM’s bedraagt 26,6%. Dit impliceert dat 26,6% van de variatie in het maritiem rendement verklaard wordt door de variatie in het globale marktrendement. De verklaringskracht (R²) van de CAPM’s ligt in vergelijking met die van de multifactor modellen fors lager. Dit is consistent met de resultaten uit het onderzoek van Kavussanos, Marcoulis en Arkoulis (2002). Dit resultaat toont duidelijk aan dat het multifactor model een grotere verklaringskracht heeft dan het CAPM. Dit kan statistisch gestaafd worden door te kijken naar het aantal opgenomen verklarende variabelen. Daarnaast is het vanuit economisch standpunt vanzelfsprekend dat er naast het marktrendement, ook andere verklarende variabelen bestaan die relevant zijn voor de maritieme rendementen.
Bij Exmar heeft het CAPM de hoogste verklaringskracht en is de bèta het hoogst. Een stijging van het maandelijks marktrendement met 1% impliceert, ceteris paribus, een stijging van het maandrendement van Exmar met 1,317%. Dit is best een hoge bèta, wat wijst op een relatief agressief aandeel. De bèta’s voor CMB en Euronav bedragen respectievelijk 1,215 en 1,242.
De marktbèta’s uit de multifactor modellen liggen aanzienlijk lager dan de bèta’s uit het CAPM. Dit is een opmerkelijk resultaat, maar komt voornamelijk door de pitfall OVB. Het marktrendement in het CAPM is een proxy voor andere verklarende 86
variabelen. Deze andere variabelen zijn wel in de multifactor modellen opgenomen, waardoor de verklaringskracht hoger ligt. In de tijdreeksanalyses heeft Euronav een bèta lager dan 1. Dit wijst op een defensief karakter.
De bèta van het marktrendement uit het panel data-model bedraagt 1,07. Dit vormt ongeveer het gemiddelde van de bèta’s uit de individuele tijdreeksanalyses (1,04). Ex-ante werd verwacht dat de bèta’s van de drie rederijen in dezelfde lijn zouden liggen. Bij de CAPM’s bevinden de bèta’s zich dit tussen 1,22 en 1,32 en bij de tijdreeksanalyses tussen 0,95 en 1,10.
Kavussanos en Marcoulis (1997) vinden voor Amerikaanse maritieme bedrijven een marktbèta van 0,94; terwijl Drobetz en Schröder (2014) hier een bèta van 0,804 vinden. Daarnaast onderzochten deze laatste ook Europese maritieme aandelen, wat een betere vergelijkingsbasis is voor dit onderzoek. Zij vonden een markbèta van 0,779. Deze bevindingen stemmen duidelijk niet overeen met de resultaten uit dit onderzoek. Een mogelijke oorzaak van deze uiteenlopende resultaten kan de dataset zijn. De empirische studie van Drobetz en Schröder (2014) gaat over een periode van 1984 tot 2013. Dit onderzoek beslaat slechts negen jaar en er worden enkel drie bedrijven geanalyseerd.
87
5. Conclusie en aanbevelingen De opzet van dit toegepast onderzoek was het zo goed mogelijk verklaren van maritieme
aandelenrendementen.
De
drie
tijdreeksanalyses
behaalden
een
gemiddelde verklaringskracht van 42,69%. Met deze relatief hoge verklaringskracht is de hoofddoelstelling bereikt. De opgenomen verklarende variabelen verklaren het maandrendement van CMB het best (52,34%). De significante variabelen in de tijdreeksmodellen waren het marktrendement, de olieprijs, de vrachttarieven, de wisselkoers en de economische groei. Hiervan zijn er drie variabelen maritiemspecifiek. Iedere tijdreeksregressie had drie significante verklarende determinanten. Er waren dus per model zeven determinanten die niet significant waren. Dit verschijnsel is vooral te wijten aan de korte onderzoeksperiode.
Uit de panel data-analyse kunnen er conclusies over de maritieme sector getrokken worden. Het model heeft ook een relatief hoge verklaringskracht (34,08%) maar ligt lager dan die van de tijdreeksanalyses. De significante variabelen in het panel model verschillen met die van de tijdreeksanalyses. Van de zes significante variabelen in het panel model zijn de economische groei, het marktrendement en de olieprijs gemeenschappelijk significant met de tijdreeksanalyses. Hierbij valt op dat het significantieniveau van olieprijs daalt van 1% naar 10%.
Het marktrendement is op het niveau van 1% significant bij de drie tijdreeksmodellen en het panel model. Dit is een consistent resultaat doorheen het volledig onderzoek.
Verder onderzoek naar het verklaren van maritieme rendementen is noodzakelijk. Onderzoek met een hoger aantal bedrijven die geografisch gespreid zijn, zou tot een beter overzicht van het gedrag van de maritieme sector leiden. De oprichting van Euronav in 2004 beperkte de dataset tot negen jaar. Een onderzoek over een langere periode is aan te raden.
88
Lijst geraadpleegde werken Bakshi, G., Panayotov, G., & Skoulakis, G. (2011).The Baltic Dry Index as a Predictor of Global Stock Returns, Commodity Returns, and Global Economic Activity. Geraadpleegd via http://www.researchgate.net/profile/Georgios_Skoulakis/publication/228553908_The _Baltic_Dry_Index_as_a_Predictor_of_Global_Stock_Returns_Commodity_Returns_ and_Global_Economic_Activity/links/09e4150dc8683242f4000000.pdf Banz, R.W. (1980).The Relationship between Return and Market Value of Common Stocks. Journal of Financial Economics, 9, 3-18. Basu, S. (1977). Investment Performance of Common Stocks in Relation to their Price-Earnings Ratios: A Test of the Efficient Market Hypothesis. Journal of Finance, 32(3), 663-682. Bhandari, L.C. (1988). Debt/Equity Ratio and Expected Common Stock Returns: Empirical Evidence. Journal of Finance, 43(2), 507-528. Campbell, J.Y., & Ammer, J. (1993). What Moves the Stock and Bond Markets? A Variance Decomposition for Long-Term Asset Returns. The Journal of Finance, 48(1), 3-37. Chen, N.-F., Roll, R., & Ross, S.A. (1986).Economic Forces and the Stock Market. The Journal of Business, 59(3), 383-403. Christiansen, M., Fagerholt, K., Nygreen, B., & Ronen, D. (2007). Maritime Transportation. In Barnhart, C., & Laporte, G. (Eds.), Handbook in Operations Research and Management Science (pp.189-284). Onbekend: Elsevier.
Chung, Y., Johnson, H., & Schill, M., (2006). Asset pricing when returns are nonnormal: Fama-French factors versus higher-order systematic co-moments. Journal of Business, 79(2), 923-940.
VII
Coto-Millán, P., Bãnos-Pino, J., & Castro, J.V. (2004). Determinants of the demand for maritime imports and exports. Transportation Research Part E: Logistics and Transportation Review, 41(4), 357-372. Cullinane, K. (2005). Editorial: Key Themes in Shipping Economics Research. Shipping Economics: Research in Transportation Economics, 12, 1-17. Cunado, J., & Perez de Gracia, F. (2013). Oil price shocks and stock market returns: Evidence for some European countries. Energy Economics, 42, 365-377. Driesprong, G., Jacobsen, B., & Maat, B. (2008). Striking oil: another puzzle? Finance Economics. 89, 307-327. Drobetz, W., & Schröder, H. (2014). Systematic Risk and the Cost of Equity Capital in the Shipping Industry. Hamburg: University of Hamburg (Business School). Erdogan, O., Tata, K., Karahasan, B.C., & Sengoz, M.H. (2013). Dynamics of the comovement between stock and maritime markets. International Review of Economics and Finance, 25, 282-290. Fama, E. (1970). Efficient Capital Markets: A Review of Theory and Empirical work. The Journal of Finance, 25(2), 383-417. Fama, E., & French, K.R. (1992). The cross-section of expected stock returns. The Journal of Finance, 47(2), 427-465. Fama, E., & French, K.R. (1996). Multifactor Explanations of Asset Pricing Anomalies. The Journal of Finance, 51(1), 55-84. Glen, D.R., & Martin, B.T. (2005). A Survey of the Modelling of Dry Bulk and Tanker Market. Shipping Economics: Research in Transportation Economics, 12, 19-64. Huang, R.D., Masulis, R.W., & Stoll, H.R. (1996). Energy shocks and financial markets. Journal Future Market, 16, 1-27. Hung, C,-H D., Fang, V., & Azad, S. (2014). Determinants of Stock Returns: Factors or Systematic Co-moments? Crisis versus Non-Crisis Periods. Geraadpleegd via http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2380592
VIII
Jensen, M.C., Black, F., & Scholes, M.S. (1972). The Capital Asset Pricing Model: Some Empirical Tests. Geraadpleegd via http://papers.ssrn.com/sol3/papers.cfm?abstract_id=908569 Kavussanos, M.G., & Alizadeh-M, A.H. (2001). Seasonality patterns in dry bulk shipping spot and time charter freight rates. Transportation Research Part E, 37, 443467. Kavussanos, M.G., & Marcoulis, S.N. (1997). The stock market perception of industry risk and microeconomic factors: The case of the US water transportation industry versus other transportation industries. Transportation Research Part E: Logistics and Transportation Review, 33(2), 147-158. Kavussanos, M.G., & Marcoulis, S.N. (2004). 4. Cross-Industry Comparisons Of The Behaviour Of Stock Returns In Shipping, Transportation And Other Industries. Shipping Economics: Research in Transportation Economics, 12, 107-142. Kavussanos, M.G., Marcoulis, S.N., & Arkoulis, A.G. (2002). Macroeconomic factors and international industry returns. Financial Economics, 12, 923-931. MacKinlay, A.C. (1997). Event Studies in Economics and Finance. Journal of Economic Literature, 35, 13-39. Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77-91. Markowitz, H. (1959). Portfolio Selection: Efficient Diversification of Investments. Geraadpleegd via http://cowles.econ.yale.edu/P/cm/m16/m16-all.pdf Merikas, A., Gounopoulos, D., & Nounis, C. (2009). Global shipping IPO's performance. Maritime Policy & Management: The flagship journal of international shipping and port research, 36(6), 481-505. Merton, R.C. (1973). An Intertemporal Capital Asset Pricing Model. Econometrica, 41(5), 867-887. Mulligan, R.F., & Lombardo, G.A. (2003). Maritime businesses: volatile stock prices and market valuation inefficiencies. The Quartly Review of Economics and Finance, 44, 321-336.
IX
Nasseh, A., & Strauss, J. (2000). Stock prices and domestic and international macroeconomic activity: a cointegration approach. The Quartly Review of Economics and Finance, 40, 229-245. Ramaswamy, K., & Litzenberger, R.H. (1979). The effect of personal taxes and dividends on capital asset prices: Theory and empirical evidence. Journal of Financial Economics, 7(2), 163-195. Roll, R. (1977). A critique of the asset pricing theory's test Part I: On past and potential testability of the theory. Journal of Financial Economics, 4(2), 129-176. Ross, S. A. (1976). The arbitrage theory of capital asset pricing. Journal of Economic Theory 13, 341-360. Sharpe, W.F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance, 19(3), 425-442. Shi, W., Yang, Z., & Li, K. X. (2013). The impact of crude oil price on the tanker market. Maritime Policy & Management, 40(4), 309-322. Ye, Q., & Turner, J. D. (2014). The cross-section of stock returns in an early stock market. International Review of Financial Analysis, 34, 114-123.
Jaarverslagen:
CMB (2004). CMB jaarverslag 2004. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen CMB (2005). CMB jaarverslag 2005. Geraadpleegd via http://bib.kuleuven.be/ebib/jaarverslagen CMB (2006). CMB jaarverslag 2006. Geraadpleegd via http://www.cmb.be/ CMB (2007). CMB jaarverslag 2007. Geraadpleegd via http://www.cmb.be/ CMB (2008). CMB jaarverslag 2008. Geraadpleegd via http://www.cmb.be/ CMB (2009). CMB jaarverslag 2009. Geraadpleegd via http://www.cmb.be/ CMB (2010). CMB jaarverslag 2010. Geraadpleegd via http://www.cmb.be/ CMB (2011). CMB jaarverslag 2011. Geraadpleegd via http://www.cmb.be/ CMB (2012). CMB jaarverslag 2012. Geraadpleegd via http://www.cmb.be/ CMB (2013). CMB jaarverslag 2013. Geraadpleegd via http://www.cmb.be/ X
Euronav (2004). Euronav jaarverslag 2004. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2005). Euronav jaarverslag 2005. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2006). Euronav jaarverslag 2006. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2007). Euronav jaarverslag 2007. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2008). Euronav jaarverslag 2008. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2009). Euronav jaarverslag 2009. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2010). Euronav jaarverslag 2010. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2011). Euronav jaarverslag 2011. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2012). Euronav jaarverslag 2012. Geraadpleegd via http:// http://www.euronav.com/ Euronav (2013). Euronav jaarverslag 2013. Geraadpleegd via http:// http://www.euronav.com/ Exmar (2004). Exmar jaarverslag 2004. Geraadpleegd via http://www.exmar.be/; Exmar (2005). Exmar jaarverslag 2005. Geraadpleegd via http://www.exmar.be/; Exmar (2006). Exmar jaarverslag 2006. Geraadpleegd via http://www.exmar.be/; Exmar (2007). Exmar jaarverslag 2007. Geraadpleegd via http://www.exmar.be/; Exmar (2008). Exmar jaarverslag 2008. Geraadpleegd via http://www.exmar.be/; Exmar (2009). Exmar jaarverslag 2009. Geraadpleegd via http://www.exmar.be/; Exmar (2010). Exmar jaarverslag 2010. Geraadpleegd via http://www.exmar.be/; Exmar (2011). Exmar jaarverslag 2011. Geraadpleegd via http://www.exmar.be/; Exmar (2012). Exmar jaarverslag 2012. Geraadpleegd via http://www.exmar.be/; Exmar (2013). Exmar jaarverslag 2013. Geraadpleegd via http://www.exmar.be
XI
Bijlagen Bijlage 1.1: Evolutie productie wereldwijd van ruwe olie in miljoen bpd (bron – IEA)
Bron: Jaarverslag Euronav 2013
XII
Bijlage 1.2: Evolutie olievraag wereldwijd in miljoen bpd (bron – IEA)
Bron: Jaarverslag Euronav 2013
XIII
Bijlage 2.1: Deelactiviteit CMB: Bocimar In duizenden euro
2004
2005
2006
2007
2008
2009
2010
2011
2012 (USD)
2013 (USD)
Totale opbrengsten
520.839
462.105
408.692
452.892
452.592
286.026
302.118
292.270
411.915
445.437
EBIT
191.313
182.072
143.370
250.851
251.923
132.857
104.308
80.009
26.292
31.940
Nettoresultaat
170.561
146.640
130.667
243.018
244.566
122.209
94.918
76.740
51.950
3.467
Vaste Activa
359.734
395.858
528.570
538.829
678.803
668.571
1.009.330
1.165.996
1.661.719
1.598.199
Eigen vermogen
139.387
189.157
190.374
228.675
189.597
305.478
361.528
412.053
328.203
220.593
XIV
Bijlage 2.2: Deelactiviteit CMB: ASL Aviation In duizenden euro
2004
2005
2006
2007
2008
2009
2010
2011
2012 (USD)
2013 (USD)
Totale opbrengsten
/
/
/
/
169.565
151.392
175.818
213.886
260.649
219.573
EBIT
/
/
/
/
11.814
14.087
15.088
23.064
30.960
19.679
Nettoresultaat
/
/
/
/
6.161
8.003
7.401
15.578
18.234
12.686
Vaste Activa
/
/
/
/
88.065
84.843
170.303
158.359
188.308
177.027
Eigen vermogen
/
/
/
/
31.431
39.279
46.277
63.935
101.491
111.759
XV
Bijlage 2.3: Deelactiviteit CMB: Overige activiteiten In duizenden euro
2004
2005
2006
2007
2008
2009
2010
2011
2012 (USD)
2013 (USD)
Totale opbrengsten
46.099
46.227
74.312
73.443
35.882
27.932
34.478
19.593
37.416
58.982
EBIT
-2.194
-44
21.187
17.948
-5.311
-9.525
-9.480
-10.862
-13.528
-11.292
Nettoresultaat
124.512
8.072
3.714
266
-38.870
-10.450
18.645
5.402
60.690
33.541
Vaste Activa
176.519
256.086
161.547
140.744
139.194
111.630
125.099
73.287
88.670
80.049
Eigen vermogen
156.843
202.340
207.254
314.614
330.325
318.065
436.747
359.205
629.810
749.620
XVI
Bijlage 2.4: Deelactiviteit Exmar: LPG In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
305.223
314.322
362.289
312.949
305.283
193.736
186.766
206.023
205.533
140.066
EBIT
36.105
76.866
65.912
26.165
36.936
7.210
5.514
-19.688
27.482
73.528
Nettoresultaat
20.173
57.154
59.448
3.453
-4.335
-2.565
-12.869
-43.622
16.223
68.666
Vaste Activa
360.581
444.829
417.796
713.767
726.771
815.851
608.426
509.894
459.612
282.861
XVII
Bijlage 2.5: Deelactiviteit Exmar: LNG In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
40.085
55.334
71.772
85.264
98.819
109.580
160.452
94.269
92.692
91.140
EBIT
21.339
30.633
31.901
32.513
38.820
43.069
92.972
30.739
30.272
26.539
Nettoresultaat
4.300
10.353
7.760
-12.237
-50.463
50.896
55.030
-15.508
7.099
31.572
Vaste Activa
390.696
417.205
571.939
648.017
842.845
809.358
5260.261
504.970
531.409
531.299
XVIII
Bijlage 2.6: Deelactiviteit Exmar: Offshore In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
33.019
37.655
52.931
57.497
55.918
60.053
61.880
130.837
98.929
109.215
EBIT
7.199
2.416
8.624
4.549
6.133
-2.099
-10.292
25.458
29.683
1.357
Nettoresultaat
2.029
-810
4.310
-1.088
-10.461
-1.529
-22.324
21.894
27.655
180
Vaste Activa
84.208
69.793
84.628
155.621
306.757
355.202
340.419
273.471
30.283
24.443
XIX
Bijlage 2.7: Deelactiviteit Exmar: Diensten In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
26.365
44.377
45.988
66.237
71.854
62.850
69.428
82.299
79.069
80.537
EBIT
-2.702
-4.390
4.362
-2.519
-2.498
-3.691
2.506
3.323
2.588
208
Nettoresultaat
-1.674
8.635
4.810
10.366
2.669
-3.352
868
2.526
719
-793
Vaste Activa
19.417
119.160
314.793
379.616
581.262
669.171
20.544
18.518
17.298
17.393
XX
Bijlage 2.8: Koersevolutie CMB – Exmar - Euronav
Plot Gretl: Data uit Datastream
XXI
Bijlage 2.9: Deelactiviteit Euronav: Tankers In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
/
/
/
/
/
/
507.436
372.854
377.524
349.147
EBIT
/
/
/
/
/
/
79.636
-60.339
-81.531
-61.973
Nettoresultaat
/
/
/
/
/
/
29.332
-103.306
-135.065
-117.867
Vaste Activa
/
/
/
/
/
/
2.336.374
2.178.256
2.100.055
1.922.035
Deelactiviteit Euronav: FSO In duizenden USD
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Totale opbrengsten
/
/
/
/
/
/
38.566
50.026
53.925
64.031
EBIT
/
/
/
/
/
/
8.516
20.183
24.737
33.055
Nettoresultaat
/
/
/
/
/
/
-9.652
7.320
16.469
28.184
Vaste Activa
/
/
/
/
/
/
293.588
276.578
260.784
244.138
XXII
Bijlage 3.1: ADF: Unit-root test
Deterministische trend
Stationair
Unit-Root
(p-waarde < 0.05)
(zonder Det. Trend: t-stat < -2.89) (met Det. Trend : t-stat < -3.45)
(zonder Det. Trend: t-stat > -2.89) (met Det. Trend: t-stat > -3.45)
MTB
SIGNIFICANT
/
-2,622
YLTGB
SIGNIFICANT
/
-2,704
NIET SIGNIFICANT
/
-1,472
SIGNIFICANT
/
-3,214
GBI
NIET SIGNIFICANT
/
-1,595
WK$€
NIET SIGNIFICANT
/
-2,779
VGDP
NIET SIGNIFICANT
-3,040
/
VINFLATION
NIET SIGNIFICANT
-3,370
/
VROE_CMB
SIGNIFICANT
-7,028
/
VROE_Exmar
NIET SIGNIFICANT
/
-2,664
VROE_Euronav
NIET SIGNIFICANT
/
-0,367
SIGNIFICANT
/
-3,113
NIET SIGNIFICANT
/
-1,992
SIGNIFICANT
/
-2,001
MSCIWORLD
Olieprijs
Vsolva_CMB
Vsolva_Exmar
Vsolva_Euronav
XXIII
Bijlage 3.2: Grafiek Baltic Indices
XXIV
Bijlage 3.3: Plot CMB maandrendementen
Plot Exmar maandrendementen
Plot Euronav maandrendementen
XXV
Plot VGDP
Plot d_MTB
Plot d_YLTGB
XXVI
Plot marktrendement
Plot ld_GBI
Plot ld_Olieprijs
XXVII
Plot ld_WK$€
Plot CMB: d_solva en d_VROE
XXVIII
Plot Exmar: d_solva en d_VROE
XXIX
Plot Euronav: d_solva en d_VROE
XXX