Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Using regression analysis to determine the enterprise value of a company: A Regression Analysis on the Enterprise Value of Companies within the Industry Manufacturing of Chemicals and Chemical Products
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2016 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Regressionsanalys för företagsvärdering (Swedish)
Abstract [en]

Valuing a company is a difficult task. At the same time it is also a very important task for a number of reasons, namely when an investor wants to see if a company is under- or overvalued and when a company is to be acquired or sold. The aim of this dissertation is to evaluate which covariates that, in a multiple regression analysis, has significant explanatory value for the enterprise value of a company within the manufacturing of chemicals and chemical products industry. The regression model that is built up is also going to be compared to comparable companies analysis, one of the most common valuation techniques. Furthermore, the usefulness of the regression model within the investment banking industry is going to be evaluated.

To do this, financial data from 93 companies is collected and a regression is run on the data. The regression model is then built up based on this and through step-wise elimination of covariates and improvements on the model. Then, the regression model is compared to comparable companies analysis.

The results from this indicate that the regression model is marginally better than the EV/EBIT-multiple, and significantly better than the EV/Sales- multiple.  This is not entirely in line with previous studies that have shown that the regression model is significantly better than both the EV/EBIT and EV/EBITDA-multiple, as well as the EV/Sales multiple. The reasons to this could be that non-optimal covariates are used in the study, that the regression model does not work well within the chosen industry, and that too few companies were analyzed.

The study shows that the regression model is not very useful within the investment banking industry. The two most important reasons for this are complexity and non-adoptability.  Simplicity and adoptability are two very important words for investment bankers as the client-driven industry is dependent on that the client understands the valuation, and that the valuation can easily be adjusted for company-specific differences. The regression model does not fulfil this. There is, however, a possibility that the regression model could be of better use in more institutional circumstances, such as in in-house corporate finance divisions and for institutional investors.

Abstract [sv]

Att värdera ett företag korrekt är en svår, för att inte säga omöjlig, uppgift. Samtidigt är det en väldigt viktig uppgift av en rad anledningar – investerare som vill undersöka om ett företag är under- eller övervärderat och företag som ska köpas eller säljas är två exempel på de många användningsområden som finns. Syftet med denna uppsats är att undersöka vilka kovariat som i en multipel regressionsanalys har signifikant förklaringsvärde för ett företags värde (Enterprise value) inom produktionen av kemiska ämnen. Regressionsmodellen som byggs upp ska också jämföras med comparable companies analysis, en av de mest populära värderingsmetoderna. Dessutom ska användningsmöjligheter för regressionsmodellen inom investment banking analyseras.

För att göra detta hämtas data från 93 företag och en multipel regression körs på datan. Regressionsmodellen som byggs upp genom detta och genom stegvis eliminering av kovariat och förbättring av modellen jämförs sedan med comparable companies analysis.

Resultatet indikerar att regressionsmodellen fungerar marginellt bättre än EV/EBIT-multipeln, men inte signifikant. Regressionsmodellen fungerar signifikant bättre än EV/Sales-multipeln. Detta är inte helt i linje med tidigare studier, som visar att regressionsmodellen är signifikant bättre än EV/EBIT och EV/EBITDA-multiplarna. För få kovariat är en möjlig anledning till detta, att regressionsanalys inte fungerar särskilt bra inom den valda branschen en annan, och att för få företag analyserades en tredje.

Studien visar att regressionsmodellen inte har speciellt stor användning inom investment-banking. De två främsta anledningarna till detta är att den är mer komplex än de för närvarande förhärskande metoderna och att den är svårare att påverka. Enkelhet och förändringsbarhet är två viktiga ledord inom investment banking, då mycket är klientfokuserat och klienten som inte alltid har speciellt mycket kunskap bör kunna förstå värderingen. Det finns dock en möjlighet att regressionsmodellen kan användas i mer institutionella sammanhang där alla parter är kunniga inom värdering och regression, såsom inom in-house corporate finance avdelningar och vid institutionell investering.

Place, publisher, year, edition, pages
2016.
Series
TRITA-MAT-K, 2016:12
National Category
Mathematics
Identifiers
URN: urn:nbn:se:kth:diva-189008OAI: oai:DiVA.org:kth-189008DiVA: diva2:942663
Subject / course
Applied Mathematical Analysis
Educational program
Master of Science in Engineering - Industrial Engineering and Management
Supervisors
Examiners
Available from: 2016-06-26 Created: 2016-06-26 Last updated: 2016-06-26Bibliographically approved

Open Access in DiVA

fulltext(2663 kB)1052 downloads
File information
File name FULLTEXT01.pdfFile size 2663 kBChecksum SHA-512
d32eaa824cf0f300a6f0581e22fa46dd33c7bf3a0ea429aadfc58cbf4a92613eb0f55be6d43bfe762921407edb489664ee59564b27e8380270fd9d2839e0f687
Type fulltextMimetype application/pdf

By organisation
Mathematical Statistics
Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 1052 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 536 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf