Глубокий анализ данных о том, как Баффет и Мангер превратили 31 миллиард в 161 миллиард.
Почему Apple (NASDAQ:AAPL) выделяется среди всех четырех крупных холдингов Berkshire Hathaway?
Причина в том, что это единственный холдинг, которым Berkshire не владеет полностью. На самом деле Berkshire владеет только 5,55% акций Apple.
В этой статье я использую свои навыки стоимостного инвестирования и науки о данных, чтобы попытаться объяснить, почему Berkshire владеет 161 155 000 долларов США (рыночная стоимость акций) акций Apple.
Убедитесь, что вы дочитали до конца, чтобы увидеть идеи машинного обучения.
Высокодоходный маржинальный бизнес
Berkshire Hathaway впервые начала покупать акции еще в 2016 году. Это было, когда цена продавалась по 28 долларов за акцию в сентябре 2016 года — намного раньше, чем 140 долларов за акцию, которые мы наблюдаем сегодня.
Как Баффету удалось увидеть эту сделку еще в 2016 году?
Возможно, первое, что он увидел, была высокая прибыль Apple. Вот график для демонстрации:
Меня удивила высокая маржа операционной прибыли Apple*. В каждый отчетный год она значительно превышала 20-процентный ориентир сильной компании.
Заинтригованный такими ценностями, я прочитал управленческий анализ и обсуждение, чтобы понять, почему. Кажется, что продажи Apple работают на удивление хорошо. С каждым годом продажи продуктов и услуг Apple растут, и Apple пропорционально нанимает больше сотрудников, больше занимается исследованиями и разработками и совершенствует инфраструктуру для удовлетворения спроса. Другими словами, это удивительно хорошее управление для поддержания такой высокой прибыли.
Итак, что вы можете вынести из этого?
Поверьте, что Apple — это высокодоходный бизнес.
Другими словами, люди готовы платить больше только за продукты Apple. Если у вас есть iPhone, зачем вы его купили? Почему вы не купили Samsung или Google Pixel, которые, как известно, так же хороши?
Есть что-то желательное в том, чтобы иметь iPhone в руке — я не знаю, что это? Но, поскольку у меня самого был iPhone, я знаю, что горжусь им.
Готов выкупить акции
Вот что Уоррен Баффет говорит о выкупе акций:
Все наши крупные холдинги имеют отличные экономические показатели, и большинство из них использует часть своей нераспределенной прибыли для выкупа своих акций. Нам это очень нравится: если мы с Чарли считаем, что акции объекта инвестиций недооценены, мы радуемся, когда руководство использует часть своих доходов для увеличения доли владения Berkshire. — Письмо акционерам Berkshire за 2018 г.
Как вы можете прочитать, Баффету очень нравятся компании, которые выкупают акции за лишние деньги. Причина довольно проста: это увеличивает стоимость акций, а когда выплачиваются дивиденды, вы получаете больше прибыли.
Чтение управленческого анализа показывает, что Apple просто выкупает акции, потому что это институциональный императив. В годовых отчетах указывается, что каждый год Apple проводит общую политику выкупа акций, поскольку считает, что их внутренняя стоимость выше текущей запрашиваемой цены. Похоже, Баффет тоже верит в это, поскольку продолжает покупать акции Apple и сегодня.
Если вы можете что-то извлечь из этого, то поверьте, что руководство Apple имеет интерес акционеров. Это, вероятно, трудно проглотить, поскольку акционеры не слишком заинтересованы в последней зарплате Кука, но если стоимость компании продолжит расти, имеет ли это значение?
Высокая рентабельность инвестированного капитала (ROIC)
Удивительно, но Apple каждый год удается повышать рентабельность вложенного капитала*. Это удивительно только потому, что компании обычно придерживаются стабильного ROIC, но Apple удалось его улучшить. Я не думаю, что Баффет мог предсказать это, но он, должно быть, был впечатлен большим ROIC изначально, когда он начал активно инвестировать с 2016 года.
Исследование баланса вместе с отчетом о собственном капитале объясняет, почему. Поскольку Apple использовала большую часть своих денежных средств для выкупа собственных акций, это уменьшило общий капитал компании. Таким образом, даже если долг немного увеличился, тот факт, что общий капитал компании сократился практически вдвое за последние 6 лет, привел к очень аккуратному возврату на инвестированный капитал.
Опять же, главный вывод здесь заключается в том, что руководство Apple делает то, что делает в интересах своих акционеров. Если Apple продолжит выкупать акции, вы можете увидеть, как Apple станет еще более ценной компанией.
Я предпочитаю рассчитывать ROIC как EBIT/(долг + собственный капитал), потому что я предпочитаю согласованность EBIT, а не NPAT, что непоследовательно, поскольку налоговая ставка Apple меняется каждый год.
Анализ машинного обучения
Чтение годовых отчетов иногда может быть немного скучным — полезным, но скучным.
Итак, я провел эксперимент по науке о данных.
Что, если мы проанализируем данные годового отчета, чтобы узнать, как рынок относится к Apple?
Здесь не так много данных, поэтому я упростил. Я использовал линейную регрессию с ценой акций в качестве целевой переменной. Я также опустил количество акций в обращении, поскольку оно не измеряется миллиардами долларов, в отличие от всех других переменных.
Вы можете увидеть график ниже результатов, которые были найдены как значения Шепли после обработки данных с помощью модели линейной регрессии.*
Мы предполагаем, что именно так рынок отреагировал на финансовые показатели Apple, поскольку целью является цена акций. Мы можем отметить следующее:
- Рынок положительно отреагировал на увеличение доходов Apple. Это не должно удивлять, поскольку доходы часто являются мерилом принятия инвестиционных решений многими людьми.
- Общий капитал и выкуп акций играют важную роль в цене акций. Опять же, это также не должно быть удивительным фактором, как упоминалось ранее, выкуп акций уменьшает собственный капитал, и с такими высокими доходами это делает рентабельность инвестированного капитала удивительно хорошей.
- Увеличение продаж в Америке и услуг также привело к росту стоимости акций Apple. Эти факторы были отмечены в обсуждении с руководством, но мы не знали, что их влияние окажет значительное влияние на цену акций.
Можем ли мы доверять этим выводам машинного обучения?
Эти идеи не являются причинно-следственными. Они просто предполагают влияние переменных на модель машинного обучения. Тем не менее, модель была точна в отношении выкупа акций и общего капитала, хотя они взаимосвязаны, поэтому на самом деле это могло создать ложную картину причинно-следственной связи.
В любом случае, интересно посмотреть, что могло привести Apple к такой высокой цене, которую мы наблюдаем сегодня.
*Значения Шепли измеряют влияние переменной на модель машинного обучения путем сравнения отдельных прогнозов со средним прогнозом, основанным на влиянии каждой переменной.
Вывод: знал ли Баффет, что цена Apple вырастет в пять раз?
Он этого не сделал.
Как видно из анализа, Apple всегда имела в виду высокую прибыль и интересы акционеров, обеспечивая акции избыточными денежными средствами.
Баффет, будучи великим мудрецом, знал, что это сочетание управленческих навыков и способности компании зарабатывать через несколько лет приведет к созданию ценной компании, но он, конечно же, не знал, что цена подскочит так высоко.
И мы даже можем видеть из идей машинного обучения, что даже рынок согласился — во всяком случае, со временем. Но все это ретроспективно.
Что действительно важно, так это выводы из этого тематического исследования.
Будем надеяться, что в будущем мы также сможем найти такую выгодную компанию, как Apple.
Если вам понравилась эта статья, почему бы не присоединиться к Medium? Вы получаете доступ к множеству других статей от других замечательных писателей. Зарегистрируйтесь по моей ссылке ниже, и да, я получу небольшую комиссию.
Приложение
import pandas as pd
import numpy as np
from google.colab import auth
auth.authenticate_user()
import gspread
from google.auth import default
creds, _ = default()
gc = gspread.authorize(creds)
ws = gc.open('NASDAQ: AAPL').sheet1
df = pd.DataFrame(ws.get_all_records())
df1 = df.head(28)
df2 = df1.T
df2. columns = df2.iloc[0]
df3 = df2.reset_index()
df3 = df3.iloc[1: , :]
df3.rename(columns={ df3.columns[0]: "Year" }, inplace = True)
df4 = df3[df3.Year!=""]
df4 = df4.apply(pd.to_numeric, errors='coerce', axis=1)df4 = df4.fillna(0)
y = df4.pop("Share Price")
df5 = df4.drop(columns={"Year"})
X = df5
X.pop("Shares Outstanding")
import sklearn
import shap
X100 = shap.utils.sample(X, 100)
model = sklearn.linear_model.LinearRegression()
model.fit(X, y)
explainer = shap.Explainer(model.predict, X100)
shap_values = explainer(X)
shap.plots.waterfall(shap_values[0], max_display=30)
Подпишитесь на DDIntel Здесь.
Присоединяйтесь к нашей сети здесь: https://datadriveninvestor.com/collaborate
