Analiza wskaźnika F-Score dla spółek giełdowych z branż IT i gier wideo

Bartłomiej Pilch

Streszczenie w języku polskim


Uzasadnienie teoretyczne: F-Score jest modelem opartym na metodzie skoringowej. Jego wysokie wartości wskazują na solidne fundamenty finansowe danej spółki oraz w uproszczony sposób pozwalają wyróżnić jednostki atrakcyjne pod kątem wyboru do portfela inwestycyjnego. Od czasu opublikowania pierwotnej wersji tego modelu przez Piotroskiego w 2000 roku przeprowadzono wiele badań weryfikujących jego skuteczność na różnych rynkach. W znakomitej większości przypadków ich wyniki wskazały na celowość stosowania tego modelu. Nieczęsto jednak brano w tym kontekście pod uwagę polską giełdę papierów wartościowych, w związku z czym wydaje się, że badanie takie może dostarczyć cennych informacji dla polskich inwestorów.

Cel artykułu: Główną przesłanką podjęcia badań w zakresie oceny skuteczności modelu F-Score było istnienie niewielkiej liczby opracowań, które skupiają się na polskim rynku giełdowym w tym zakresie. Poza tym specyficzny dobór spółek reprezentujących dwie branże, na jaki się zdecydowano, może istotnie wpłynąć na wyniki takiego badania, dostarczając także informacji o skuteczności modelu F-Score w odniesieniu do wybranych sektorów gospodarczych. Wobec tego celem badania uczyniono weryfikację efektywności działania wskaźnika F-Score na przykładzie przedsiębiorstw z branży IT i gier wideo notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW).

Metody badawcze: Głównymi metodami, jakimi posłużono się w ramach niniejszej analizy, są statystyki opisowe (średnia arytmetyczna, mediana, odchylenie standardowe, współczynnik zmienności). Użyto ich w celu analizy zróżnicowania wartości F-Score zarówno pomiędzy branżami, jak i w czasie, a także pod kątem oceny skuteczności tytułowego modelu (w postaci porównania stóp zwrotu z danymi finansowymi za rok poprzedni). Badanie przeprowadzono na podstawie danych finansowych spółek notowanych na Głównym Rynku GPW i NewConnect z branż gier wideo i IT. Analizą objęto okres 2017–2019.

Główne wnioski: Na podstawie przeprowadzonego badania wysunięto następujące wnioski: 1) występuje zróżnicowanie wartości F-Score zarówno pomiędzy branżami gier wideo a IT, jak i w czasie; 2) wyższe wartości wskaźnika B/M nie wpływały na wyższe stopy zwrotu z akcji w kolejnym roku; 3) wyższe wartości modelu F-Score wpływały na wyższe przeciętne stopy zwrotu z akcji w kolejnym roku. Tym samym na podstawie spółek notowanych na GPW potwierdzono skuteczność modelu F-Score. Wskazano również na konieczność uwzględnienia zróżnicowania pod względem branż. Wnioski te mogą być użyteczne w procesie decyzyjnym dla inwestorów – spółki o wysokich wartościach F-Score jawią się jako atrakcyjne pod względem inwestycyjnym, mogące przynieść potencjalne zyski przewyższające benchmark.


Słowa kluczowe


wskaźnik F-Score; skoring; stopy zwrotu; branża gier; branża IT

Pełny tekst:

PDF

Bibliografia


Agrawal, K. (2015). Default prediction using Piotroski’s F-Score. Global Business Review, 16(5). doi:10.1177/0972150915601261

Bülow, S. (2017). The Effectiveness of Fundamental Analysis on Value Stocks – an Analysis of Piotroski’s F-score. Lund: University Sweden (Bachelor thesis in Financial Economics Department of Economics).

Gimeno, R., Lobán, L., & Vicente, L. (2020). A neural approach to the value investing tool F-Score. Finance Research Letters, 37. doi:10.1016/j.frl.2019.101367

Gray, W.R. (2015). Simple Methods to Improve the Piotroski F-Score. American Association of Individual Investors Journal, (May).

Hyde, Ch. (2013). An Emerging Markets Analysis of the Piotroski F-Score. SSRN Electronic Journal. doi:10.2139/ssrn.2274516

Korir, Ch.J. (2019). Applicability of Piotroski F-Score model in predicting financial distress of listed companies at the Nairobi Securities Exchange 20 Share Index, Kenya. A Research Project Presented to the Institute of Postgraduate Studies of Kabarak University in Partial Fulfillment of the Requirements for the Award of the Master of Business Administration (Finance Option).

Mehta, N., Pothula, V.K., & Bhattacharyya, R. (2019). A Value Investment Strategy that Combines Security Selection and Market Timing Signals. WorldQuant University MScFE Working Paper. doi:10.2139/ssrn.3451859

Mohanram, P.S. (2005). Separating Winners from Losers among LowBook-to-Market Stocks using Financial Statement Analysis. Review of Accounting Studies, 10, 133–170. doi:10.1007/s11142-005-1526-4

Mohr, J.-H.M. (2012). Utility of Piotroski F-Score for predicting Growth-Stock Returns. Working Paper, MFIE Capital.

Nast, T.K. (2017). Transforming Piotroski’s (binary) F-score into a real one. A research project submitted to the Gordon Institute of Business Science, University of Pretoria, in partial fulfilment of the requirements for the degree of Master of Business Administration.

Piotroski, J.D. (2000). Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers. Journal of Accounting Research, 38, 1–41. doi:10.2307/2672906

Rathjens, H., & Schellhove, H. (2011). Simple Financial Analysis and Abnormal Stock Returns – Analysis of Piotroski’s Investment Strategy. Stockholm: Stockholm School of Economics (Master Thesis in Accounting and Financial Management).

Tikkanen, J., & Äijö, J. (2018). Does the F-score improve the performance of different value investment strategies in Europe? Journal of Asset Management, 19(3), 495–506. doi:10.1057/s41260-018-0098-3

Tripathy, T., & Pani, B. (2017). Effect of F Score on Stock Performance: Evidence from Indian Equity Market. International Journal of Economics and Finance, 9(2), 89–99. doi:10.5539/ijef.v9n2p89

Walkshäus, Ch. (2020). Piotroski’s F-Score: International Evidence. Journal of Asset Management, 21, 106–118. doi:10.1057/s41260-020-00157-2

Wasyłkowska, M. (2013). Ocena sytuacji finansowej przedsiębiorstwa przy zastosowaniu metod analizy fundamentalnej. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 59, 363–372.

Wycinka, E. (2013). Uniwersalność zastosowań modeli skoringowych. Warszawa: StatSoft Polska.




DOI: http://dx.doi.org/10.17951/h.2021.55.1.41-50
Data publikacji: 2021-05-11 08:57:00
Data złożenia artykułu: 2021-01-01 10:59:35


Statystyki

Widoczność abstraktów - 331
Pobrania artykułów (od 2020-06-17) - PDF - 0

Wskaźniki



Odwołania zewnętrzne

  • Brak odwołań zewnętrznych


Prawa autorskie (c) 2021 Bartłomiej Pilch

Creative Commons License
Powyższa praca jest udostępniana na lcencji Creative Commons Attribution 4.0 International License.