Risikostyring i forbindelse med investeringer i containerskibe - PURE

pure.au.dk

Risikostyring i forbindelse med investeringer i containerskibe - PURE

Erhvervsøkonomisk Institut Forfatter:

Cand. merc. afhandling i finansiering Kim N. Lomholt

k.lomholt@gmail.com

Studie nr.: 24 50 34

Vejleder

Risikostyring i forbindelse med

investeringer i containerskibe

Handelshøjskolen Århus Universitet

2007

Lektor cand. oecon.

Frank Pedersen


Risk management i forbindelse med investeringer i containerskibe

Executive summary

In recent years the shipping market seems to be a lucrative investment area compared to

other industrial markets. For example if one are looking at the value of the largest

container company in the world (Maersk), it has on a longer scale from its start in 1904

until 2005 had a yearly growth of 15%.

Though by having a high growth it usually also means higher risks in terms of a high

deviation. Therefore it would be interesting to investigate how high the risks are when

investing in the container ship markets. Futuremore what makes the risk? Does the

shipping market have a higher rate of income than other markets? Or is it only more

unpredictable? Will it be possible to hedge the investment for securing the future income?

The problem formulation can be formulated as follows: How high is the risk when

investing in container ships on a time charter basis.

The thesis is investigated by four sequentially linked questions; (1) Is the Time Charter

(T/C) income rates efficient on the market and will it have any effects on the risk

estimation? The question is answered by qualitative evaluations. (2) What net present

value (NPV) will a project simulation have, by investing in a container ship? By the

question the forecasting simulation will be evaluated by factors that have the most

influents on the NPV. (3) What deviation does the NPV have, following the simulation?

This gives estimation on how high the NPV at Risk (NPVaR) and how high a CF-deficit

the NPV can become. This is estimated on a 95% lower confidents interval on a one year

basis where the base currency is Danish Crowns (DKK). (4) How is it possible to

minimize the risk in the best possible way? The hedging opportunities for a shipping

company are then estimated in terms of securing its future NPV.

The setup for the thesis is based on data of a container ship with a capacity of 1.000 TEU.

The price value for the ship is estimated to be DKK 150 mio. In addition to the enterprise

there has been added a commission of DKK 5 mio. for establishing the project.

ii


Risk management i forbindelse med investeringer i containerskibe

The capital structure of the enterprise is targeted to be a 40% ownership on a basis of

1.000 parts. Therefore the equity will be DKK 62 mio. and the remaining DKK 93 mio. is

founded by bank loans.

The income is on behalf of Time charter. This means that the ship will be hired to a third

part, which needs transport capacity.

The cost of the enterprise is measured from benchmarking enterprises since no other

explicit information are available.

The method for solving the problem formulation are done by corporateMetrics (CM)

through analysing a 10 year discounted cash flow model (DCF), whereby the net present

value is estimated (NPV).

Monte Carlo simulations are generating the NPVaR and ziro-NPV. This has been done by

a five point procedure; (1) specifying the financial results, (2) exposure mapping, (3)

generating the scenarios, (4) valuation and (5) risk estimation.

The factors who have the most direct influence of the growth is estimated to consider the

T/C-rates, Copenhagen InterBank Offered Rates (CIBOR), the Danish gross domestic

product per capita (BNP), ship prices, the risk free interest rate and the market rate.

The rates have been estimated on behalf of different recognized databases. Following the

simulation analysis there are made a scenario analysis, and stress tests for fat tail

situations. The sizes of the fluctuations are estimated on behalf of historical figures,

whereby new simulations are made.

Following qualitative research the T/C rates have been found to be efficient in a semi

strong form. This is because of the spot rates, which seems to be more efficient. This has

been concluded even that the literature do not see the T/C rates to be efficient because the

rate are calculated on a periodic basis. But forward fright agreements (FFA) has emerge

that this is the best derivate to forecast the future price (Nomikos & Alizadeh, 2002). And

since the T/C is the FFA it confirms the efficiency of the T/C-rates.

The T/C rates will there for give useful information to calculate the risk since the future

costs will be included in the T/C-rates on behalf of the available market information.

iii


Risk management i forbindelse med investeringer i containerskibe

The opportunity cost of capital has been used to discount the CF back to present time.

The rate has been estimated on behalf of descriptive statistics and calculates a result of

7,7%. Tax is not included in the model since the taxes are stationary and the estimations

are made on the assets. Because the enterprise is estimated on assets the financial figures

are not included in the model, like the interest rate.

The result of the stationary DCF model showed a NPV of DKK 59 mio. This result is

then defined at the target result of the enterprise.

Following a stress test the NPV illustrates that the T/C-rates can have a decline of 20%

before the NPV gets negative. The simulation results are then estimated following the

target result and a zero-NPV. Crystal Ball is used as the simulation program where by

1.000.000 simulations have been done.

The result of the simulation shows a 35% risk for having a negative NPV. The negative

CF can get up to DKK 155 mio. Following the NPVaR is there a 45% risk for getting

below the budgeted target result at DKK 59 mio.

Following a simulation sensitive analyses it illustrates that the T/C has the largest

influence of the results. Because of this fact it was decided to use T/C as a prime

estimator when developing shocks in the scenario simulation.

Following the stress test the historical data had recognized the highest shock to bee a 20%

market movement. A simulation with a 20% change of the T/C has therefore been tested.

The rest of the dynamic variables were then changed in concerne to the correlation to the

T/C-variable. The result showed that a 20% fall of the T/C did not increase the risk but

lowered it. Ít then seems to be a win/win situation by investing in the enterprise.

When hedging shall be made it s recommended hedging the ship compare to T/C. This is

because the T/C already is defined as a hedge. The enterprise can use forwards where an

agreement is made between two associates.

The main conclusin in the thesis is therefore that investment in the container ship markets

can be estimated to be in the high risk area, but also possible to earn a high profit. A close

monitoring are needed for timing the investment in the best possible way.

iv


Risk management i forbindelse med investeringer i containerskibe

Indholdsfortegnelse

Executive summary .......................................................................................................ii

Indholdsfortegnelse....................................................................................................... v

1 Indledning................................................................................................................ 1

1.1 Problemformulering ............................................................................................ 2

1.2 Metode................................................................................................................. 3

1.3 Afgrænsning........................................................................................................ 6

1.4 Begrebsafklaring ................................................................................................. 6

1.5 Disposition .......................................................................................................... 7

2 Risikoteori ............................................................................................................... 8

2.1 Risikopåvirkning ................................................................................................. 8

2.2 Risikostyringsproces ........................................................................................... 9

2.3 Risikoteori ......................................................................................................... 10

2.3.1 Metode til risikovurdering......................................................................... 10

Metric Specifikation.............................................................................................. 10

Exposure mapping................................................................................................. 11

Simuleringsmetode................................................................................................ 11

Valuation ............................................................................................................... 12

Risk computation................................................................................................... 12

3 Investeringsentreprisens opbygning...................................................................... 13

3.1 Baggrundshistorie.............................................................................................. 13

3.2 Entreprisens opbygning..................................................................................... 14

3.2.1 Horisont og detaljering.............................................................................. 15

3.2.2 Rederiets struktur ...................................................................................... 16

Positionering.......................................................................................................... 16

Segmentering......................................................................................................... 17

Investering............................................................................................................. 17

Kapital ................................................................................................................... 18

Gældsrate............................................................................................................... 19

3.3 Inflow ................................................................................................................ 20

3.3.1 Chartertype................................................................................................ 20

3.3.2 Chartervalg................................................................................................ 21

3.4 Outflow.............................................................................................................. 22

3.4.1 Driftsomkostninger.................................................................................... 23

3.4.2 Administrationsomkostninger ................................................................... 24

3.4.3 Hensættelse til dokning ............................................................................. 25

3.4.4 Værditab.................................................................................................... 25

4 Datamateriale ........................................................................................................ 27

4.1 Time Charters efficiens og markedsforhold...................................................... 31

4.1.1 T/C raten.................................................................................................... 33

4.2 Skibspriser......................................................................................................... 34

4.3 Kapitalomkostninger ......................................................................................... 35

Markedsværdien af entreprisen ................................................................................. 35

Den rentebærende gæld............................................................................................. 35

v


Risk management i forbindelse med investeringer i containerskibe

Markedsværdien af aktiver........................................................................................ 36

Kapitalomkostninger af gæld .................................................................................... 36

Skatteraten................................................................................................................. 37

Kapitalomkostninger ................................................................................................. 38

Den risikofrie rente.................................................................................................... 39

Markedsrisikopræmien.............................................................................................. 40

Den systematiske risiko............................................................................................. 41

Kapitalomkostningsresultat....................................................................................... 42

5 Forecasting af exposure mapping.......................................................................... 43

5.1 Forecasting ........................................................................................................ 44

5.2 Følsomhedsanalyse............................................................................................ 45

6 Simulering ............................................................................................................. 46

6.1 Simuleringsfølsomhedsanalyse ......................................................................... 50

7 Stress test............................................................................................................... 51

7.1 Hedge ................................................................................................................ 56

8 Konklusion, diskussion og perspektivering .......................................................... 60

8.1 Konklusion ........................................................................................................ 60

8.2 Diskussion og perspektivering .......................................................................... 63

Litteraturliste ..................................................................................................................... 67

Begrebs- og ordforklaring ................................................................................................. 70

Ligningfortegnelse ............................................................................................................ 71

Figurfortegnelse ................................................................................................................ 71

Tabelfortegnelse................................................................................................................ 71

Bilagsfortegnelse............................................................................................................... 72

vi


Risk management i forbindelse med investeringer i containerskibe

1 Indledning

Inden for de sidste par år har containerbranchen været lukrativ for rederierne. Således har

nogle af de største Danske rederier kunnet berette om rekordhøje regnskabsresultater, for

eksempel har containerrederiet A.P. Møller-Mærsk (Mærsk) kunnet præsentere

danmarkshistoriens største regnskabsmæssige resultat nogensinde (Domino et al., 2005).

Benytter man Mærsks aktiekurs som en indikation for søbranchens potentielle udvikling

viser det sig, at aktiekursen har haft en gennemsnitlig geometrisk årlig vækst på 15%

siden virksomhedens start i 1904 1 . Dette kan ses ud fra at markedsafkastet ligger på små

9% 2 . Af andre eksempler har rederiet DS Torm de sidste 20 år haft en geometrisk vækst

på 20% om året 3 . Internationalt er der ligeledes en høj vækst, hvor nogle af de største

containerrederier har registreret en årlig vækst på over 20% (AXS, 2007). Investeringer

inden for branchen kunne derfor virke som et interessant og lukrativt investeringsområde

i forhold til andre brancher.

Investeringer i containerskibsbranchen foregår ikke uden risiko for tab, idet branchen

påvirkes af verdensmarkedernes udsving og en følsom ligevægt mellem udbud og

efterspørgsel (Stopford, 2002). Der er derfor behov for kontrol og overvågning af

risikoen ved investeringer i branchen. Risikostyring kan være et vigtigt værktøj til dette.

Der stilles derfor spørgsmål til omfanget og hvad der forsager risikoen ved investering i

containerskibsbranchen. Er det fordi der er et størrere afkast i søbranchen eller er den

bare mere uforudsigelig? Kan der hedges for den eventuelle usikkerhed?

For at undersøge om der er tale om et lukrativet marked som vil kunne give investorer et

nyt investeringsområde kan der simuleres til et estimat af investeringernes afkast og

risiko. Herved bestemmes det om der er et attraktivet investeringspotentiale.

1 Fra 1904 til 2005 er værdien af Mærsk steget fra DKK 150 tusinde til DKK 216 mia. (dr.dk, 2006). Dette

giver et geometrisk gennemsnit på r = (Yt/Y0)^(1/t) – 1 (216000000/150)^(1/100)-1 = 15,2% pa.

2 Bestemt ud fra senere beregninger i afhandlingen, under OMXCB som markedsafkast.

3 Geometrisk gennemsnit på den direkte spotkurs korrigeret for udbytte (BørsCustom, 2007)

(374/10)^(1/20)-1=20%

1


Risk management i forbindelse med investeringer i containerskibe

1.1 Problemformulering

Der er tale om en uvished om containerbranchen er et attraktivt investeringsområde. På

langt sigt har branchen vist et højt afkast, men hvordan vil risikoen være i forhold til et

sådant afkast.

Ud fra denne problemstilling kan det se ud som om der er overnormalt lukrative afkast

ved containerbranchen hvorfor der stilles sprøgsmål til om risikoen ligeledes vil være høj.

Derfor skal følgende problemformulering belyse om der kan være lukrativt afkast ved

investering i containerbranchen. Herunder skal det undersøges hvilke risici der er i

forbindelse med afkastet og med hvilket omfang risikoen kan forventes at have.

Denne problemstilling ønskes belyst efter følgende konkrete problemformulering:

• Hvor stor risiko er der ved at investere i et containerskib på basis af T/C-indtægter.

Ovenstående problemformulering skal bestemmes ud fra nedenstående firetrinsanalyse:

1. Er T/C-raterne efficient prisfastsat og hvad betyder det for risikobestemmelsen?

2. Hvad er den forventede NPV ved at investere i et containerskib?

3. Hvor stor er standardafvigelsen ved den simulerede NPV?

4. Hvordan minimeres risikoen ved investeringen og er der ekstraordinære

muligheder inden for skibsbranchen?

Essensen i afhandlingen er derfor, at bestemme hvor stor en risiko der er ved at investere

inden for et udvalgt område i skibsbranchen og herved vurdere om der kan være tale om

et overnormalt afkast og herved risiko i forhold til andre brancher.

Spørgsmålene yder et selvstændigt bidrag til besvaelsen hvor første spørgsmål har til

formål at vurdere i hvilken form for efficiens T/C raterne er prissat. Dette besvarer om et

rederi ville kunne forvente at chartre sine skibe ud til en efficient pris, og herved være

mere sikker på en fair value af indtægterne. Er T/C-raterne efficiente indikerer dette at

næste spørgsmål vil være mere pålideligt ved sin besvarelse i forbindelse med at

simuleringen af NPV.

Andet spørgsmål ligger op til en analyse af NPV, som skal forecastes på baggrund af

simuleringer i forhold til de risikomæssige faktorer, der har indflydelse på entreprisen.

2


Risk management i forbindelse med investeringer i containerskibe

Resultatet belyser om investeringen er rentabel over en valgt periode. Det simulerede

NPV-resultat estimerer dermed næste spørgsmål med hensyn til entreprisens risiko.

På baggrund af foregående kalkulationerer skal resultatet af tredje spørgsmål lede frem til

et estimat på entreprisens risiko. Risikoen operationaliseres og estimeres ud fra

standardafvigelsen af NPV resultatet hvorfor standardafvigelsen estimerer det maksimale

forventede tab over for targetbudgetteringen over et år. Derudover forholdes der til hvor

stor risiko der er for at NPV er negativ. Dermed er problemformuleringens

hovedspørgsmål besvaret i forhold til hvilken risiko der kan forventes ved at investere i et

containerskib.

Sidste spørgsmål har til formål at finde ud af hvilke muligheder der er, for at minimere

risikoen i form af hedging og herved sikre entreprisens investering mod tab og envidere

vurdere hvor gode disse muligheder er.

1.2 Metode

For at kunne gennemføre en måling er det besluttet, at opgaven skal bestemmes ud fra et

perspektiv, hvor der skal oprettes et nyt rederi. Det vil sige setupet for afhandlingen vil

være en oprettelse og vurdering af en investeringsentreprise, hvor der investeres i et

enkelt containerskib med en kapacitet på 1.000 TEU 4 .

Indtægten baseres på baggrund af time charter (T/C), som er den daglige lejeindtægt det

valgte skib kan indbringe. Udgifterne er derfor i forhold til driftsudgifterne i form af løn

vedligeholdelse osv. 5

Værdisetuppet er baseret på eksterne data bestemt via datafil. Skibets værdi er antages at

være DKK 150 mio. 6 Der tillægges et provenu for oprettelsen af investeringsentreprisen

på DKK 5 mio. Soliditetsgraden forudsættes til at være 40% af entreprisen, hvorfor der

grundlæggende skal indhentes investeringer for DKK 62 mio. og lån for DKK 93 mio.

Projektet opdeles i 1.000 andele, hvor hver andel er pålydende DKK 62.000.

Afhandlingen opbygges således ved, at selve setuppet for analysen først bliver

gennemgået. Derefter bliver datamaterialet testet og verificeret, hvor første delspørgsmål

kvalitativt besvares i forhold til T/C-ratens efficiens.

4 TEU er en tyve-fods container (Twenty equevalent unit)

5 Afsnint 3 og 4.3 redegør for valg af setup.

6 Jf. Clarkson-indekset for ”Liner Ship Newbuilding Prices” for 1.000 TEU ultimo 2005

3


Risk management i forbindelse med investeringer i containerskibe

Herefter besvares andet og tredje delspørgsmål gennem en risikostyringsprocess.

Risikostyring er hovedsageligt anvendt inden for den finansielle branche, ved for

eksempel porteføljestyring gennem Value-at-Risk (VaR) (Laubsch, 1999). Da

afhandlingen omhandler et rederi er der dermed tale om en non-financial virksomhed. En

non-financial virksomhed har typisk en længere tidshorisont for risikovurdering, ved for

eksempel et år (RMG, 1999). Derimod har VaR en kortere vurderingshorisont på for

eksempel en enkelt dag eller måned. Derfor benyttes en videreudviklet VaR-model i form

af CorporateMetrics (CM), som er baseret på vurderinger over længere perioder (RMG,

1999). I RMG (1999) beskrives tre metoder til, hvordan CM kan måles. Disse værende

Earnings-at-Risk (EaR), Earnings-per-Share-at-Risk (EPSaR) og Cash-Flow-at-Risk

(CFaR).

I afhandlingen vurderes resultatet gennem en Discounted Cash Flow model (DCF), som

resulterer i et Net Present Value (NPV) resultat. Dette gøres ud fra CFaR-metoden,

hvorfor der vil være tale om en NPV at Risk (NPVaR).

NPVaR-metoden bygges op på fem punkter i form af: (1) specificering af de finansielle

resultater, (2) exposure mapping, (3) genererering af scenarierne, (4) valuation og (5)

beregning af risiko.

Datagrundlaget simuleres og beskrives ved følgende variabler; T/C-rater, Copenhagen

InterBank Offered Rates (CIBOR), det danske bruttonationalprodukt per indbygger

(BNP), skibspriser, risikofri rente, og markedsafkastet. Variablerne er valgt ud fra en

vurdering af hvilke faktorer der genererer projektets omkostninger og indtægter, og

dermed har størst indflydelse på resultatet i forbindelse med CF estimatet.

Der er flere indekser som oplyser forskellige T/C-rater inden for samme kategori, alt efter

hvilke forudsætninger indeksbureauerne benytter. I afhandlingen benyttes nogle af de

mest anerkendte indekser, så som Baltic (www.balticexchange.com), Hamburg

Shipbrokers Association (www.vhss.de, 2005), Drewry, (1999, 2000) og Clarkson

Research Studies (www.clarkson.com) 7 .

7 På grund af mangelfuldt kildemateriale er der suppleret med data fra analyserapporter fra Drewry (1999,

2000). Der benyttes ligeledes materialer fra lignende investeringsprojekter for, at finde frem til

kapitalomkostninger.

4


Risk management i forbindelse med investeringer i containerskibe

Ved bestemmelsen af kapitalomkostningerne vurderes disse i forhold til markedsafkastet

gennem det danske benchmark aktieprisindeks, og den risikofrie rente, indhentet gennem

den Danske nationalbank (www.nationalbanken.dk) samt Datastream.

På baggrund af projektets pengestrømme bestemmes CF ud fra en 10 årig

beregningsperiode. CF forecastes på baggrund af en afvejning og vurdering af den

forventede udvikling i projektets udviklingsfaktorer. Herefter tilbagediskonteres

forecastingresultatet ved en DCF-model på baggrund af Kapitalomkostningerne som

tilbagediskonteringsfaktorer. Dette gøres for at kunne bestemme den nutidige værdi

(NPV) og risiko på baggrund af simuleringer. Simuleringerne er udarbejdet gennem

simuleringsprogrammet Crystall Ball. Forud for simuleringen udarbejdes en

følsomhedsanalyse af NPV. Dette gøres for at belyse hvor meget T/C kan falde før det

giver en negativ NPV.

Simuleringen gennemføres ved Monte Carlo simuleringer (MCS). Grunden til at MCS er

valgt som simuleringssværktøj, skyldes at modellen kan benyttes til alle typer af faktorer.

Det vil sige at modellen evaluerer faktorerne på baggrund af forandringer i

markedsraterne, som genererer tilfældige hypotetiske scenarier.

Fordelene ved MCS modellen er, at den er eksakt for alle faktorer, og giver en fuld

fordeling af potentielle porteføljeværdier. Ulempen er, at MCS kun kvantificerer ”fat-

tailed” 8 risiko, hvis markedsscenarierne er genererede ud fra de passende fordelinger.

Efter simuleringsanalysen vurderes den indflydelse, de forskellige variabler har på NPV,

idet der udarbejdes en simuleringsfølsomhedsanalyse over de benyttede variabler. På

baggrund heraf kan der derfor udarbejdes en stress test, der skal indikere, hvordan

situationen ser ud i værste/bedste fald. Dette gøres ud fra et historisk perspektiv, hvor der

evalueres i forhold til markante og uforudsigelige forandringer, som skibsbranchen har

været udsat for.

8 Fat tail er en approximeret normalfordeling, men hvor der i virkelighedens verden forekommer flere

yderliggående situationer, hvilket dermed ikke kommer med i simuleringerne.

5


Risk management i forbindelse med investeringer i containerskibe

1.3 Afgrænsning

Skibsbranchen er som helhed et stort område at afdække. Derfor fokuseres der alene på

containerbranchen i forbindelse med entreprisen. Skibstypen er et geared 9 fully cellar

containerskib, hvor størrelsen er valgt ud fra bedst tilgængeligt datamateriale.

Der tages ikke højde for transaktionsomkostninger i forhold til indkøb og salg af aktiver.

CFaR-model er den eneste model der benyttes til resultatbestemmelsen. Valget er sket ud

fra at CF-modellen er en hyppigt anvendt model som er almindeligt anerkendt til

vurdering af investeringsprojekter. Dette skyldes at CF beskriver de reelle likvide

kapaciteter som entreprisen vil være i besiddelse af, som teoribøerne udtrykker det som

”Cash is king” (Copeland, 2000).

Opgaven udarbejdes på baggrund af offentlig tilgængelig information. Dataindsamlingen

begrænses til anvendelse af offentligt tilgængeligt sekundært materiale (litteratur,

databaser, og rapporter mv.).

1.4 Begrebsafklaring

Afhandlingen benytter følgende centrale begreber:

Risiko: Defineres som sandsynligheden for tab. Dette er vurderet ud fra hvor stort et tab,

der kan forventes i forhold til investeringsentreprisens budgettarget. Der vurderes

ligeledes på sandsynligheden for, om projektet giver underskud.

Risk management (RM): Ferma (2003) angiver RM til at være en central del af enhver

organisations strategiske styring. Her defineres RM til at være den proces, der metodisk

varetager den risici, som er forbundet med en organisations aktiviteter. Ved at fokusere

på en identifikation og behandling af risikoen, kan organisationen opnå fordele for hver

enkelt aktivitet.

Efficient: Kan beskrives ud fra en svag-, semistærk- og stærk form, som beskriver hvor

meget information der er indberegnet i prisfastsættelsen. Ved stræk form er alt

information dermed indberegnet i prisen, semistærk, er insiderviden ikke indberegnet og

ved svag form er prisen kun baseret på historiske data (Myers, 2003).

9 Geared vil sige at skibet er udstyret med kraner.

6


Risk management i forbindelse med investeringer i containerskibe

Containerskibe: Defineres i afhandlingen til at omfatte geared Fully cellular container

skibe, hvilket vil sige et specialbygget skib, kun beregnet til transport af containere.

Time charter (T/C): Dagsprisen for at leje et skib. Kontraktformen er meget benyttet

inden for fragtbranchen. Rederen, som udchartrer skibet, fortsætter med at betale for de

operationelle omkostninger (Aflønning af besætning, vedligeholdelse og reparationer).

Chartertageren betaler for voyageomkostningerne (Bunker 10 , havnecharge, channeldues

samt T/C-afgiften til rederen) (Stopford, 1988).

1.5 Disposition

Afhandlingen er struktureret i otte kapitler, som udover indeværende kapitel, kan

beskrives som følger: Kapitel 2: Beskriver risikoteorien omkring risikostyring, og

modellen der er valgt til målingen af risikoen. Her vurderes, hvad der påvirker risikoen

og processen, hvor der kan udarbejdes en risikovurdering. I forhold til dette

risikoperspektiv fortsætter kapitel 3 med en gennemgang af investeringsentreprisens

opbygning med baggrundshistorie, horisont og hvilke faktorer, der genererer entreprisens

pengestrømme. Faktorer der benyttes, analyseres derefter i kapitel 4, hvor der er en

gennemgang af datamaterialet. Her testes der primært via beskrivende statistik, på

baggrund af at datamængden er begrænsede, hvorfor tidsserieanalyser ikke er mulige at

gennemføre på pålidelig vis. Derfor vil tidsserieanalysen blive behandlet som bilag. I

kapitlet redegøres der ligeledes for entreprisens kapitalomkostninger, idet der udarbejdes

en analyse af, hvor stor den gennemsnitlige kapitalomkostning vil være for entreprisen.

De gennemgåede data skal benyttes til simuleringsmodellen som udarbejdes på baggrund

af kapitel 5. Her beskrives entreprisens exposure mapping, som er modellen, der benyttes

til at tilbagediskontere det endelige resultat igennem projektets pengestrømme. Exposure

mapping-modellen benyttes dermed til at forecaste entreprisen på baggrund af de valgte

faktorer, som efterfølgende tilbagediskonteres til projektets NPV via

kapitalomkostningerne. Modellen benyttes igen til kapitel 6 til at generere simuleringerne

i hele beregningsmodellen, som dermed bestemmer projektets risiko. I forlængelse heraf,

udarbejdes en følsomhedsanalyse over de valgte faktorer, som dermed skal belyse

indflydelsen på entreprisens udvikling. Resultatet benyttes i kapitel 7 til bearbejdning af

10 Bunker er den olie der benyttes til et skibs fremdrift.

7


Risk management i forbindelse med investeringer i containerskibe

stresstest over simuleringen. Her udarbejdes der to scenarier i forhold til værste og bedste

tænkelige situation der kan forekomme. I forlængelse af kapitlet vurderes, hvilke

muligheder der eventuelt er for at minimere risikoen gennem hedging. Her vurderes der

hvilke muligheder der eventuelt er inden for skibsbranchen og om det kan vurderes til at

være et udbygget marked. Herefter er problemformulerings analyse gennemgået, hvorfor

kapitel 8. er udarbejdelse med en konklusion, diskussion og perspektivering.

2 Risikoteori

I afsnittet redegøres for teorien, som benyttes til at undersøge risikoen i forbindelse med

skibsinvesteringer. Afsnittet er bygget op ved først at se på, hvad der påvirker risikoen,

hvorefter processen for risikovurderingen illustreres. Herefter beskrives risikoteorien og

fremgangsmåden til vurdering af denne.

2.1 Risikopåvirkning

Variablerne som påvirker en virksomhed, kan overordnet illustreres på baggrund af

ferma’s (2003) risikopåvirkningsmodel (se Figur 1).

Figur 1: Risikopåvirkninger

Økonomiske risici

Rente

Valuta

Kredit

T/C

Reguleringer

Kultur

Bestyrelsesmix

Økonomiske risici

Kilde: ferma, 2003

Likviditet & CF

Bogføringskontrol

Informationssystem

Eksterne årsager

Interne årsager

Eksterne årsager

Strategiske risici

Konkurrence

Kundeændringer

Industriforandringer

Kundekrav

Forsikring & udvikling

Intellektuel kapital

Kontrakter

Naturkatestrofer

Leverandører

Miljø

Strategiske risici

Modellen beskriver de eksterne/interne risikopåvirkninger for en virksomhed. De

overordnede eksterne årsager er økonomiske og strategiske risikoer, der for det

8


Risk management i forbindelse med investeringer i containerskibe

økonomiske vedkommende omhandler, hvad der foregår på verdensmarkedet. Dette kan

for eksempel være renter, valuta, kreditter, reguleringer, kultur og bestyrelsesmiks. Den

strategiske risiko omhandler de industrielle og miljømæssige faktorer, i form af

konkurrenceparametrene eller de vejrmæssige forhold i forbindelse med skibe.

De interne faktorer påvirker risikoen ud fra udviklingen af en virksomheds likviditet, CF,

bogføringskontrol, informationssystemer og intellektuelle kapaciteter.

2.2 Risikostyringsproces

I forbindelse med belysningen af risiko beskriver ferma (2003) en risikostyringsproces,

som er aktuel for en virksomheds risikostyring (se Figur 2).

Figur 2: Risikostyringsproces

Ændringer

Kilde: ferma, 2003

Strategiske mål

Risikovurdering

Risikoanalyse

Risikoidentifikation

Risikobeskrivelse

Risikokvantificering

Risikoevaluering

Risikorapportering

Trusler og muligherder

Risikostrategi

Eksekvering af risikostrategi

Fortsat risikorapportering

Overvågning

Audit

På baggrund af de strategiske mål udarbejdes en risikostrategi, der skal kunne minimere

en virksomheds risikable virke. I risikovurderingen indgår en risikoanalyse, -

identifikation, -beskrivelse og -kvantificering, hvorefter en risikoevaluering skal

gennemføres. På baggrund af dette kan der udarbejdes risikorapporteringer over de trusler

og muligheder, der er på markedet. Dermed kan der udarbejdes en risikostrategi, som skal

implementeres med en kontinuerlig overvågning og rapportering.

9


Risk management i forbindelse med investeringer i containerskibe

I afhandlingen redegøres der kun for selve risikovurderingsområdet, ligesom der

fokuseres på de økonomiske risikofaktorer gennem CF’et (er gennemgået i kap. 3). Til

vurderingen benyttes risikoteori udviklet af RiskMetric Group (RMG, 2005).

2.3 Risikoteori

Risikostyring er mest kendt inden for den finansielle branche ved for eksempel

porteføljestyring gennem Value-at-Risk procedurer (VaR). Da det er en non-financial

virksomhed der skal undersøges, fokuseres der på andre faktorer. Dette skyldes, at non-

financielle virksomheder generelt vurderer situationen over en længere periode - for

eksempel horisont på et år. Problemet med VaR er forudsætningen om ingen tidsmæssig

variation i eksempelvis indtægterne. Denne forudsætning er svær at overholde, hvorfor

CorporateMetrics (CM) er udviklet til længerevarende vurderinger (Laubsch, 1999).

2.3.1 Metode til risikovurdering

Lee (1999) har beskrevet en fempunktsmodel til vurdering af CMK værende: (1) Metric

specifikation: Vurdering af hvilken form for målingskriterier der skal benyttes, hvor det

besluttes om der eksempelvis måles på virksomheds resultat eller CF og horisont. (2)

Exposure mapping: Udvikling af modellen som simulerer forretningsplanen og

budgetteringsmodellen. (3) Scenario Generereringen: Simuleringen af markedsdata i

econometrimodellen. (4) Valuation: Sandsynlighedsfordeling som bruges til (5)

risikoberegningen.

Metric Specifikation

Under første punkt nævner Laubsch (1999) tre modeller til vurdering af risiko.

Modellerne er alle baseret på VaR-teorien, hvor de benævnes som; (a) Earnings-at-Risk

(EaR), (b) Earnings-Per-Share-at-Risk (EPSaR) og (c) Cash-Flow-at-Risk (CFaR).

(a) EaR omhandler den risikobetonede indtægt på baggrund af et forudbestemt

konfidensinterval, der beskriver det maksimale tab i en bestemt periode. (b) EPSaR er det

samme som Ear, men hvor resultatet er delt med antallet af aktier for at gøre det mere

forståelsesvenligt for investorerne. (c) CFaR omhandler derimod virksomhedens

risikobetonede CF, der ligeledes bestemmes på baggrund af et konfidensniveau, der

typisk er på 95%. Dermed kan man, med det valgte signifikansniveau bestemme, hvor

10


Risk management i forbindelse med investeringer i containerskibe

stort tab projektets CF kan give. Derudover skal det besluttes, hvilken horisont

estimeringen skal vurderes over, hvilket typisk er 1 år.

Exposure mapping

Denne del kvantificerer hvordan markedsraterne opererer på det finansielle resultat, der

er valgt i forrige step. Det vil sige at der udarbejdes ligninger, som kan sammensættes i

en pro forma statement, for eksempel i form af et sæt ligninger, der repræsenterer det

finansielle statement.

Simuleringsmetode

Simuleringsmetoden kan foretages ud fra tre hovedmetoder; (a) Parametrisk, (b) historisk

simulering og (c) MCS (Laubsch, 1999).

(a) Den Parametriske model vurderer VaR gennem volatiliteten, korrelationen, delta 11 og

gamma 12 . Denne model kan benyttes til traditionelle aktiver og lineære derivater.

Fordelen ved VaR er, at modellen benytter simple kalkulationer, hvorfor den er hurtig at

beregne. Derudover er der ikke brug for vidtrækkende historiske data, idet der kun skal

benyttes volatilitets- og korrelationsmatrix.

Ulempen ved modellen er, at den er mindre præcis i forhold til nonlineære porteføljer

eller skæve fordelinger, hvilket kan være et problem for et nonfinancial

undersøgelsesområde. Ved nonfinancielle virksomheder skal der oftest beregnes

estimater på lange perioder, hvilket kollidere med nogle af VaR-forudsætningerne. For

eksempel når VaR er beregnet over en kort periode i form af en dag eller måned. Herved

forudsættes det, at afkastet og volatiliteten er af mindre betydning, hvilket det næppe er

over en længere periode (Stern, 2001).

(b) Den historiske model vurderer VaR ved markedsforandringer igennem tiden,

illustreret ved scenarier hvor de historiske data rates, så positionerne kan revalueres for

forandring på markedet. Modellen kan benyttes til alle type af instrumenter, lineær som

non-lineær.

11 Delta (∆): raten af prisforandringen af optionen i forhold til det underliggende aktivs pris (Hull, 2003).

12 Gamma (Γ)er forandringsraten af en portefølje i forhold til de underliggendes aktivers priser (Hull,

2003).

11


Risk management i forbindelse med investeringer i containerskibe

Fordelene er, at den er eksakt for alle instrumenter, og giver en fuld fordeling af

potentielle porteføljeværdier – der er ligeledes ikke brug for at udarbejde forudsætninger.

Kravet til antallet af scenarier er ikke højt, hvorfor det mindsker kapacitetskravet til

beregningerne.

(c) MCS-modellen simulerer tilfældige scenarier og revaluerer positionerne i porteføljen.

Denne model kan ligesom den historiske model benyttes til alle typer af faktorer, da de

mekanisk er identiske med hinanden på den måde, at de begge revaluerer faktorerne på

baggrund af forandringer i markedsraterne.

Fordelene ved MCS-modellen er derfor, at den er eksakt for alle instrumenter, og giver en

fuld fordeling af potentielle porteføljeværdier. Desuden er der ikke brug for omfattende

historisk materiale. Ulemperne er, at det er en tung og tidsslugende beregningsmodel,

som kræver en revaluering af porteføljen ved hvert scenarie. Derudover kvantificerer den

kun ”fat-tailed” 13 risiko, hvis markedsscenarierne er genererede ud fra de passende

fordelinger.

På baggrund af ovenstående betragtninger vurderes, at anvendelse af MCS-modellen vil

være mest passende, idet den vurderes til at give den mest optimale besvarelse af opgaven

(Laubsch, 1999).

For at understøtte MCS-modellens resultat kan der udarbejdes scenarier med forskellige

yderliggående situationer. Dette gøres derfor i afhandlingen, hvor to scenarier bliver

estimeret i forhold til et valgt niveau på baggrund af bedste- og værste forhold.

I forbindelse med udarbejdelsen af simuleringen benyttes de faktorer, som har mest

indflydelse på entreprisens forløb.

Valuation

For at kunne bestemme risikoen simuleres/adderes scenarierne et valgt antal gange.

Risk computation

Det sidste punkt i RMG's (2005) fempunktsmodel er at bestemme risikoen på baggrund

af simuleringsværdisættelsen ud fra valgte exposure mappingmodel.

13 Fat-tail er hvor fordelingen er ”federe” i halerne, hvorfor ekstreme fænomener forekommer i højere grad

end teoriens normalfordelte estimering.

12


Risk management i forbindelse med investeringer i containerskibe

Med ovenstående modelbeskrivelse og valg opstilles entreprisen.

3 Investeringsentreprisens opbygning

Afsnittet vil først belyse containerbranchens historiske udvikling, hvorefter

investeringsentreprisens økonomiske opbygning beskrives. Projektbeskrivelsen er delt op

i tre dele, hvor der først redegøres for den (1) overordnede detaljering, dernæst (2) inflow

og til sidst (3) outflow. Den overordnede detaljering beskriver hvilken horisont,

konfidensniveau og basevaluta der vælges. Inflow beskriver chartertyperne og valget

heraf. Outflow beskriver rederiets omkostninger i forhold til CF.

3.1 Baggrundshistorie

Containerrederibranchens udvikling set i historisk perspektiv er relativ ny i forhold til den

traditionelle skibsbranche. Fundamentalt set kan containerdriftens udvikling tilskrives to

hovedbegivenheder (Harlaftis & Theotokas, 2002). Den ene er industrialiseringen af den

vestlige verden i det 19. århundrede og dennes dominans af resten af verden. Den anden

del, er et stort boom af godstransport og services inden for denne periode. Introduktionen

af motordrevne skibe har medført en mulighed for at tilbyde en regulær skematisk

planlagt rutedrift ved liniefart (Brooks, 2000).

Selve containerskibsdriften blev introduceret omkring 1956 (Alderton, 2004). Herefter

har skibsstørrelsen udviklet sig støt gennem tiden, hvor første generation af

containerskibe på op til 1.000 TEU 14 blev benyttet indtil 1970. Ca. hvert femte år

udvikles en ny generation af skibe med en forøgelse af skibskapaciteten på ca. 2.000 TEU

per interval (se Tabel 1).

Tabel 1: Containerskibenes størrelsesmæssige forøgelse gennem tiderne.

Periode Generation TEU Skibstype*

1960-70 1. < 1.000 Feeder

1970-80 2. 1.000-2.999 Handy

1980-87 3. 3.000-4.000 Panamax

1987-88 4. 4.000-6.000 Postpanamax

1988-96 5. 6.000-8.000 Deep see

1996-01 6. 8.000-10.000 Deep see

2006-08 7. 10.000-12.000 Deep see

Kilde: Alderton, 2004 og egen tilvirkning.

*Tilnærmelsesvist beskrevet via Kavussanos, 2002

14 TEU = Twenty equevalent unit , 20 fods container

13


Risk management i forbindelse med investeringer i containerskibe

Globaliseringen har haft en stor indflydelse på efterspørgslen af fragtkapacitet, hvor der

siden 80’erne er kommet en stigende transport af gods over landegrænserne. Ligeledes

har skibsbranchen været efficient med hensyn til omkostninger, hastighed og logistik, og

har det dermed gjort det attraktivt og billigt at transportere gods. Dette har været

medvirkende til at gøre globaliseringen rentabel, hvilket igen forøger efterspørgslen på

transport (Stopford, 1988).

I 2004 15 kunne verdens containerflåde opgøres til at bestå af 3.489 skibe, med en total

kapacitet på 7,55 mio TEU. Væksten af nye containere er estimeret til 11,2% i 2005 16 .

Her vil det globale supply/demandindeks være på 102, hvilket vil sige, der er en højere

efterspørgsel end der er udbud. Dette får priserne til at stige, indtil der er ligevægt igen -

dette skønnes at finde sted i år 2010, hvor indekset falder tilbage til omkring 99

(Clarkson, 2005b).

3.2 Entreprisens opbygning

Rederiet er vurderet som en nyoprettelse, hvor der på baggrund af tilrådighedshavende

materiale skal opbygges et estimeret investeringsprojekt (entreprise). Her bliver risikoen

vurderet på baggrund af exposure mapping modellen (EMM) under simuleringsanalysen.

EMM bestemmes ud fra beregningsopsætningen for CF-analysen, som samtidig er target

for entreprisen. Tabel 2 illustrer nogle af de overvejelser som indgår i forbindelse med

drift af skibe.

Tabel 2: Rederiet

• Structure of company • Outflows:

• Inflows: • Operationg Costs

• Choice of Charterers o Administrative

• Quality of Charterers o Technical

• Contracts with Charterers o Insurance

• Forms of Employment o Crew

• Effective Utilisation of ships • Voyage Costs

• Capital costs

• Markets of Operation

Kilde: Grammenos (2002) kriditrisikoanalysemodel

15 opgjort for juli 2004

16 Den globale containerhandel forventes at stige ca. med 10% i år 2005 og 2006 (Clarkson, 2005b), hvilket

stemmer meget overens med de sidste par års historik, hvor væksten har været fra 8 til 10% (Berlingske,

2005a).

14


Risk management i forbindelse med investeringer i containerskibe

Tabel 2 indgår dermed som en del af de faktorer, der vurderes til at have indflydelse på

entreprisen. Der foretages et estimat på, hvordan udviklingen inden for disse faktorer kan

udvikle sig i forhold til, hvilken risiko der kan forventes. Dette gøres ud fra Tabel 3, der i

hovedtræk opstiller cash CF-modellen til forecastingen.

Tabel 3: Cash flow Genererering

Time charter marked

Revenue Charter hire

Fixed costs Less:operating costs

Variable costs -

Operating earnings

Fixed costs Less: fixed capital costs

Capital gain

Asset play Plus: Profit/loss from buying and selling the ship

Cash flow

Kilde: Kavussanus (2002)

Der fokuseres dermed på charter- og skibsprisrater, som de primære faktorer i forbindelse

med CF-beregningen 17 .

3.2.1 Horisont og detaljering

Beregningen af NPVaR bestemmes ud fra følgende parametre; (1) konfidensniveau, (2)

forecast horisont og (3) den valuta, der skal benyttes som beregningsgrundlag.

(1) Første punkt er valget af konfidensniveau, hvor der i afhandlingen benyttes et 95%

nedre konfidensinterval (KI) 18 . (2) Den horisontmæssige periode skal betragtes ud fra et

CFaR perspektiv og ikke ud fra en mere almindelig CF-værdisætningsperiode, hvor

Copeland (2000) anbefaler en 10 til 20 årig vurderingsperiode ved high growth faser eller

cyklikale forhold. Da der netop er tale om, at skibsbranchen er cyklikal (Thanopoulou,

2002), er forudsætningen om en stabil continuing periode svær at overholde.

Projektets horisont vil kun strække sig over en 10 årig periode, idet det

tilrådighedshavende datamateriale kun dækker over tilsvarende periode. Det vil sige at

data på skibspriser har en horisont på 10 år, hvorfor entreprisen løber over denne periode.

Denne vurderingshorisont ligger inden for Copelands (2000) anbefalinger.

17 Beskrives yderligere ved chartervalg under kap 3.3.2.

18 Alment benyttes et 95% KI, som i det nedre KI ville være et 97,5%

15


Risk management i forbindelse med investeringer i containerskibe

(3) I forbindelse med valg af basisvaluta, forudsættes det, at entreprisen drives med base i

Danmark, hvorfor resultat af diverse indtægter/omkostninger konverteres til DKK fra

USD. Dette gøres ud fra kursen 600 DKK/USD 19 ved fastsættelse af entreprisens værdi.

Derudover konverteres tidsserierne ind til DKK hvis de forefindes i udenlandsk valuta.

Herefter bestemmes entreprisens økonomiske struktur med hensyn til, hvilken position og

segmentering der skal investeres i. Derefter vurderes, hvordan gælden fordeles.

3.2.2 Rederiets struktur

Første del omhandler selve entreprisens økonomiske struktur, hvor der dermed fokuseres

på valg af skibstype samt kapitalstruktur.

Positionering

Et containerskib fortolkes ikke til at være et differentierende produkt i sig selv. Derfor er

det relevant at se på, hvilke kernesuccesfaktorer 20 (KSF) kunderne lægger størst vægt på

ved valget af transportskib.

Jævnfør Alderton & Rowlinson (2002) er der sket et paradigmeskift. Branchen har

traditionelt vægtet kvaliteten gennem service og store aktivporteføljer, men priserne har

efterhånden fået større indflydelse. Dette stemmer overens med Brooks (2000) udtalelser

om, at efterspørgslen af nonconference 21 medlemmer forøges, hvilket hovedsageligt har

prisen som konkurrenceparameter. Lindegaard & Hvid (1997) har ligeledes undersøgt

KSF’erne i forbindelse med nærsøfart og kommet frem til, at parametrene inden for pris,

tid/efficiens, ”door to door”-service 22 , kvalitetsstyring og produktudvikling er de vigtigste

faktorer i forbindelse med valg af fragt. Dette fortolkes til, at branchen er gået fra en

differentiering til cost leader ved de generiske strategier (Porter, 1980).

19

Kursen er en tilnærmet beregningskurs som er den afrundede kurs i april 2006 (nationalbanken, 2006)

20

Beskrives gennem Grants (2001) kernekompetencemodel for strategisk virksomledelse.

21

Conferencer er en sammenslutning af rederier som i fællesskab bestemmer prisen og transportudbudet på

den enkelte rute.

22

”Door to door” service er hvor speditøren varetager en fuld administration af leverancen, også ved

transport med fx lastbil. Benyttes under multi modal transport hvor flere transporttyper, så som lastbil, skib,

tog etc. indgår i transporten af det enkelte gods (Panayides, 2001).

16


Risk management i forbindelse med investeringer i containerskibe

Idet der er tale om et nyoprettet rederi vil der ikke være oparbejdet kompetencer i

virksomheden, som kan opfylde en del af KSF’erne. Derfor anses det som en fordelagtig

mulighed at outsource de kapabilitetsområder, hvor der vil være kapacitetsmæssige

mangler. For eksempel vil det ikke være muligt at kunne udbyde ”door to door”-service.

Ligeledes vil rederiet ikke have en salgsorganisation, som vil være gearet til at kunne

varetage detailsalget af skibets containerkapacitet. Derfor vil en outsourcing af

administrationen være tilrådeligt. Dette kan foregå ved at udleje skibet på baggrund af

charterkontrakter, hvilket dermed er grundlaget for valget af charter som indtægtskilde.

Positioneringsmæssigt vurderes rederiet til at skulle have en prispolitik på linie med

andre rederier, men hvor kvaliteten er bedre på baggrund af skibets unge alder og dermed

teknologi. Dermed vil et nystartet rederi på forhånd opfylde nogle KSF, som kan give

rederiet nogle konkurrencemæssige fordele.

Segmentering

Da charter er indtægtskilden, begrænses størrelsen af skibet der skal erhverves. Dette

skyldes, at størrelsesordenen for chartrede skibe typisk ligger i intermediate- eller

feederklassen 23 og ikke deep see 24 (Drewry, 1999).

Ligeledes tolkes det som værende mindre sandsynligt, at et nyt rederi kan indhente ny

investeringskapital i miliardklassen, når der ikke er opbygget en referenceramme. Derfor

antages det, at investeringsstørrelsen vil være af mindre karakter i form af

intermediate/feederstørrelsen op til ca. 3.000 TEU.

For at forøge afsætningsmulighederne fokuseres der på et skib, som kan give

chartertageren mulighed for en effektiv og rentabel drift. Derfor vælges der et nyt skib,

for bedre at kunne opfylde KSF’erne på baggrund af den nyeste erhvervede teknologi.

Investering

Kapacitetsmæssigt beregnes analysen på baggrund af et enkelt skib. Dette gøres på trods

af at de faste administrationsomkostninger mere eller mindre er de samme for et som for

ti skibe (Alderton, 2004). Derfor forudsættes det, at et enkelt skib vil være repræsentativt

23 Intermediate (handy) ligger i størrelsesordnen 1.000 til 3.000 TEU og Feeder ca. fra 350 til 1.000 TEU,

hvor deep sea er fra 3.000 og opefter (Clarkson, 2005).

24 Deep see er betegnelsen for skibe som sejler på hovedruterne, Asien, USA og Europa, hvor feeder er

betegnelsen for skibe som sejler de mindre ruter fra hovedruterne og intermediate er for det hele.

17


Risk management i forbindelse med investeringer i containerskibe

for en portefølje af skibe. Der vil derfor ikke blive taget højde for

diversificeringsmuligheden, hvor den usystematiske risiko minimeres.

Til estimeringen vælges en skibsstørrelse med en kapacitet på 1.000 TEU. Denne

skibsstørrelse er der flest sammenlignelige data på inden for rammen af det

tilrådighedshavende datamateriale (se Bilag 6). Prisen på et 1.000 TEU containerskib er i

størrelsesordenen USD 25 mio. (DKK 150 mio.) 25 .

Når der benyttes et nyt skib, mindskes risikoen ved nedgangsperioder på markedet idet

skibet vil være mere attraktivt og bedre rentabelt. Timingen for investeringen har stor

betydning for resultatet (Domino, 2006), hvor der er eksempler på rederier, som har tjent

mere på at spekulere i køb/salg af skibe end på deres forretning (Alderton, 2004). 26

Kapital

Entreprisens kapital skal indhentes både gennem investorer og banklån. Der vil ikke blive

indhentet andre former for kapitalindhentning - for eksempel i form af skibsobligationer.

Belåningshorisonten fastsættes til at løbe inden for skibets brugsperiode, og hvad der er

kutyme på skibsmarkedet. I dette tilfælde vælges der en tiårig periode på baggrund af

sammenlignelige entrepriser, som bestemmes senere.

Det er vigtigt at have et robust cash flow, hvis et rederi skal overleve en nedgangsperiode,

hvor kun de stærkeste overlever (Stopford, 1988). Derfor er det vigtigt at time

investeringen i entreprisen på det bedst tænkelige tidspunkt, hvorfor en forecasting af

udviklingen i markedet er essentiel. Stopford (1988) mener ikke at forecastingsanalyser

har givet et retvisende billede af, hvordan markedet ville udvikle sig. Han finder det mere

anvendeligt at forholde sig til verdensøkonomiens og shippingmarkedets udvikling i

detaljer, for herved at appreciere hvordan de forskellige faktorer korreliderer med

hinanden. Dette kræver forståelse for de vigtigste faktorer, der har indflydelse på

25 Prisen er gennemsnitsprisen i august måned 2005, hvor kursen er bestem til at være 600 DKK/USD

26 Der tages ikke stilling til om skibet skal registreres under bekvemlighedsflag eller i Danmark, hvor

rederiet forudsættes at skulle have domicil. På trods af arbejdskraften generelt kan anskaffes billigere under

bekvemlighedsflag er der stadigvæk fordele ved, at have skibet registeret i Danmark. Her kan der forventes

et højrere uddannet personale, med et støre efficiens, blandt andet ved vedligeholdelse og

arbejdsprocedurer (Simonsen, 1992).

18


Risk management i forbindelse med investeringer i containerskibe

supply/demand effekten. Området falder uden for afhandlingens omfang, da det ikke

undersøges, hvornår timingen er bedst, og i hvilket stadie markedet befinder sig i.

Gældsrate

Det kollaterale område omhandler de belånte aktiver i form af skibet der er nybygget, og

dermed har en længere levetid end lånets længde på 10 år. Det vil sige at der ikke

fokuseres på skibets fulde økonomiske operationelle horisont, men i stedet på andelen af

gælden i forhold til skibets værdi. Dette betegnes ved Hull-to-debt raten (HDR) (se

Ligning 1).

Ligning 1: Hull-to-debt rate

MV

HDR =

D

Kilde: Grammenos, 2002

MV er den nuværende markedsværdi af skibet og D beskriver det udestående lån.

Grænsen for, hvor meget HDR må stige, er typisk under grænsen på 130-150%

(Grammenos, 2002). Overskrides denne grænse, kræver kreditgiver sandsynligvis ekstra

sikkerhed, frasalg eller likvidation. Med en target gældsrate på 60% og en skibspris på

150 millioner DKK, vil markedsværdien af skibet dermed kunne falde til ca. 60-70

millioner DKK. Dermed kan nyprisen ved investeringens start falde med 53 - 60% før

kreditgiveren intervenerer.

Værditabet på et skib kan måles ved en sammenligning af splittet mellem nyprisen og et

tiårigt gammelt skib. Her svinger brugtprisen til at være mellem 16-48% mindre end

nyprisen. Det vil sige at når der projekteres med at skibet betales over en tiårig periode

forudsættes det, at der ikke er en høj risiko for at HDR overskrides.

Der tages ikke stilling til, hvilke lånetyper der skal indtages. I forhold til

kapitalomkostnigerne vurderes rente kun ud fra CIBOR adderet to procentpoint. Dette

skyldes at kreditgiverne typisk udlåner kapital til rederier med en lånerente der tilsvarer

CIBOR adderet med 1 til 2 procentpoint (Stopford, 2000). Heraf vurderes det at

entreprisen skal betale en højeste rente på baggrund af, at det er et helt nyt projekt uden

referencer. Derudover medregnes der ikke kurtageomkostninger.

19


Risk management i forbindelse med investeringer i containerskibe

I forhold til forsikringer og garantier for personalet og virksomheden forudsættes det, at

det ikke er noget der får betydning for beregningerne. Derudover tillægges et vederlag på

5 mio. DKK. for oprettelsen af entreprisen, hvorfor følgende investeringsoplæg opsættes i

Tabel 4.

Tabel 4: Projektopbygning

DKK*

Købspris 150.000.000

Udbudsvederlag 5.000.000

Projektpris i alt 155.000.000

*Kurs = 600 USD/DKK

Kilde: Egen tilvirkning

3.3 Inflow

Idet det ikke er spotrater men charterkontrakter, der er valgt som indtægtskilde, mindskes

kompleksiteterne for rederen. Det vil sige at charterudbyderen dermed ikke konfronteres

med problemstillinger i forhold til valg af ruter og forhandlingen af disse, i forbindelse

med indsættelse af nye kapaciteter på nye ruter. Dette er især tilfældet, hvis rederen er i

alliance med andre rederier (bearbay, 2005).

Dette giver en større fleksibilitet for rederiet, idet investeringerne ikke bliver så fastlåste

til den enkelte liniefart. Desuden sorterer kravet om en portefølje af skibe med henblik på

at kunne yde en konkurrencedygtig service ikke under rederen 27 .

Herunder skal det besluttes hvilken form for charter der skal benyttes. Dette vurderes ud

fra forskellige satser i forhold til, hvor megen service der skal indbefattes.

3.3.1 Chartertype

Der udbydes flere forskellige typer charterkontrakter. Stopford (1988), Nielsen &

Ramsby (1995) og Alderton & Rowlinson (2002)) inddeler disse i fire kategorier: (1)

Voyage-, (2) Contract of affreightment-, (3) Time- og (4) bareboat charter.

(1) Voyage charter er en kontrakt på basis af en enkelt rejse, hvor chartertageren, benytter

skibet for en enkelt opgave. Rederen påtager sig dermed alle forpligtelser i forbindelse

med administration og drift af skibet. Betalingen foregår typisk ud fra en fast fragtrate per

27 Et rederi kan dog konsolidere med andre konkurrenter inden for branchen og herved blandt andet indgå

alliancer med andre rederier i form af samarbejde med de forskellige ruter. Dette er et udbredt fænomen,

hvor mange af de stører rederier benytter sig af hinandens skibstonnager ved at rederierne også fragter egne

containere på konkurrenternes skibe, hvilke benævnes som pooling.

20


Risk management i forbindelse med investeringer i containerskibe

ton. Denne kontraktform er det nærmeste man kommer spot rate priser, idet det i

princippet er de samme forhold der gør sig gældende, som ved spot rate handel. Voyage

charter benyttes sjældent til containerfragt (Nielsen, 1995).

(2) Contract of affreightment voyage er stort set det samme som voyage charter, hvorfor

den ligeledes sjældent benyttes ved containerdrift. Ved denne kontraktform har rederen

ikke forpligtet sig til at benytte et fast skib til at transportere den aftalte transportenhed.

(3) Time charter formen (T/C) er i modsætning til voyage charter baseret på tid i stedet

for opgaven. Denne form for kontrakt er meget benyttet inden for containerbranchen,

hvilket vil være en anvendelig kontraktform for et nystartet rederi, som ikke vil være i

besiddelse af store kapaciteter og kapabiliteter. Rederen betaler for de operationelle

omkostninger af skibet (besætning, service, reparationer mv.) og chartertageren betaler

for voyageomkostningerne (bunker, havnecharge, channel dues) (Stopford, 1988).

(4) Ved bareboat charter påtager chartertager sig alle forpligtelser. Det vil sige at rederen

kun har med selve investeringen at gøre, og chartertager betaler en kontraktpris over en

aftalt periode. Kontraktformen antages, at ville give den mindste indtægt for rederen.

3.3.2 Chartervalg

T/C vurderes til at være det mest lukrative for entreprisen. Afhandlingen benytter derfor

T/C-kontrakter som indtægtskilde. Niveauet for T/C-raten bestemmes ud fra de offentligt

tilgængelige gennemsnitlige databaser. Beslutningstræet for ovenstående illustreres i

nedenstående Figur 3.

Figur 3: Beslutningstræ for erhvervelse og indtægtsmuligheder

Erhvervelse

Kilde: Egen tilvirkning

Nyt skib

Brugt skib

Spot indtægt

Charter indtægt

Et containerskib på 1.000 TEU har en daglig T/C-rate på DKK 127.400 målt over

gennemsnittet af et helt år. Beløbet svinger meget fra år til år, hvor T/C i november

Voyage

Affreightment

T/C

Bareboat

21


Risk management i forbindelse med investeringer i containerskibe

måned er nede på DKK 91.600 om dagen. Sidste beløb er det som benyttes til den videre

beregning i afhandlingen (se Bilag 3).

T/C-raten på DKK 91.600 om dagen er vurderet til at være tilnærmelsesvis korrekt

værdiansat, på baggrund af T/C resultatet. Dette stemmer stort set overens med den årlige

T/C-rate jævnfør Bilag 3, hvor det årlige T/C beløbet på DKK 32.977.000 kun er DKK

1.585.000 mere end fragthyreberegningen på DKK 31.392.000 (se Bilag 7). Dette beløb

vurderes til at være tilfredsstillende i forhold til, at der er tale om et gennemsnitsbeløb. 28

3.4 Outflow

Rederiets outflow fordeles på de operationelle omkostninger under følgende punkter:

operating cost, fixed capital costs og profit/tab fra køb og salg af skibet.

Omkostningsafdækningen er lige så problematisk at bestemme som fragtraterne. Ethvert

skib har sit eget niveau af omkostninger, alt efter størrelse, besætningssammensætning,

forsikringsaftaler, administration mv. Jævnfør Danmark (2000) er de samlede

personaleomkostninger for et linieskib på 4.150 TEU, 6,28% af omsætningen, hvorimod

personaleomkostningerne ved et mindre skib på ca. 500 TEU ligger på omkring 29,67%

af omsætningen.

Sammenlignes der med Difko (2005, 2005b), som investerer i mindre skibe på ca. 500

TEU, budgetteres der med en personaleomkostning på 2,5% af omsætningen. Ved CS&P

(2005), der benytter nogenlunde samme størrelse skibe, kommer

personaleomkostningerne op på 32% (se datafil under omk-estimering).

Estimeringen af omkostningerne er derfor bestemt på baggrund af de tre projekter fra

Difko (2005, 2005b) og CS&P (2005) gennem en middelværdi pr. TEU. Beløbet er

herefter multipliceret med 1.000 29 . Herved er der på baggrund af Bilag 7 fundet følgende

out-/inflow for et skib i størrelsen af 1.000 TEU (se Tabel 5).

28 Beregnet ud fra en kurs på 600 USD/DKK

29 Størrelsen på målingskibet på 1.000 TEU

22


Risk management i forbindelse med investeringer i containerskibe

Tabel 5: Omkostningsandele og fordeling

Resultat USD DKK

T/C indtægt 31.392

Driftsomk.

Hyreomkostninger 5.227

Forsikringer 1.232

Vedligeholdelse 3.095

Diverse 366

Driftsomk i alt 9.920

Administration

Adm. (honorar) 382

Kommacielt management 628*

Teknisk management 1.833

Bestyrelsesvederlag 19

Revision 29

diverser adm omk 13

Adm. i alt 3.226

Hensættelse til dokning 1.680

Samlede driftsomk. 14.827

Resultat 16.565

* 2% af T/C

Kilde: Difko, (2005, 2005b) & CS&P, (2005) efter Bilag 7

Omkostningerne er bestemt på baggrund af benchmarkprojekterne (2005, 2005b) og

CS&P (2005). Benchmarkprojekterne er ligeledes estimerede entrepriser på erhvervelse

af skibe, hvorfor der er sandsynlighed for bias eller fejl i dataene. Dette skyldes, at det

ikke er faktuelle regnskabsdata. Dog er projekterne bygget på baggrund af erfaringer fra

andre faktuelle investeringsentrepriser (Bilag 7) 30 .

På baggrund af resultatet i Tabel 5, redegøres der dermed for de fremfundne data, som

hovedsageligt er bestemt på baggrund af investeringsentrepriserne; Danmark (2000),

Difko (2005, 2005b) og CS&P (2005).

3.4.1 Driftsomkostninger

Driftsomkostningerne er forskellige alt efter hvilket investeringsprojekt der

sammenlignes med. Herved er der valgt omkostninger, der er sammenlignelige og som

dækker afhandlingensentreprises driftsmæssige omkostninger. Omkostningerne er delt op

i (1) hyreomkostninger, (2) forsikringer, (3) vedligeholdelse og (4) diverse.

Som følger: (1) Hyreomkostninger er lønningerne til besætningen, hvor gennemsnittet

beløber sig til DKK 5,227 mio. I forbindelse med (2) forsikringer formodes det, at et

nyetableret rederi skal betale en højere risikopræmie end et i forvejen etableret rederi, der

30 Dataene er beregnet på baggrund af datasæt-fil under ”Omk-estimering”.

23


Risk management i forbindelse med investeringer i containerskibe

kan præsentere en referenceramme. Alderton (2004) beregner præmien til almindeligt

lastskib gennem Ligning 2.

Ligning 2: Forsikringspræmie

f = 1 , 5*

d + 0,

003*

v

Hvor f er forsikringspræmien, d er skibets tonnagevægt (dwt) og v er skibets værdi.

Satsen ved Difko (2005, 2005b) og CS&P (2005) er betydeligt mindre end Ligning 2.

Derfor tolkes formlen til ikke at være passende til mindre skibe, hvorfor Difko og

CS&P’s forsikringspræmierate benyttes. Det vil sige at præmien er 1,5% af skibets

værdi 31 , hvor resultatet er DKK 1.232 pro anno.

(3) Vedligeholdelsesomkostninger omfatter reparationer og vedligeholdelse, der angives

som Off hire dage 32 , hvor skibet ikke er i drift. Der forventes at ville være 5 off hire dage

om året, hvorfor skibet vil blive benyttet 360 dage om året. Vedligeholdelsen løber i

gennemsnit op på DKK 3.1 mio. (4) Ligeledes er diverse omkostninger estimeret til et

beløb på DKK 1,680 mio.

3.4.2 Administrationsomkostninger

Den administrative omkostning opdeles i (1) administrationshonorar, (2) kommerciel

management, (3) teknisk management, (4) bestyrelsesvederlag, (5) revision og (6) diverse

administrationsomkostninger.

(1) Administrationshonorar er ud fra kilden afsat til komplementarselskabet. I

afhandlingen forudsættes honoraret til, at være det samme for oprettelsen af

investeringsentreprisen, hvorfor beløbet fastsættes til at være det samme gennemsnitlige

beløb på DKK 382.000. (2) Ved kommerciel management forståes, at et andet selskab

outsorces til at disponere skibets kapacitet. Dette stemmer godt overens med rederiets

behov. Der betales 2% af T/C-indtægterne i kommission, som dermed løber op i DKK

628.000. (3) Teknisk management er den tekniske drift af skibene, hvilket også bliver

outsourcet til et eksternt managementfirma. Beløbet er et fast honorar, som reguleres med

31

Forretningsmodellen risikomæssigt forudsættes, at ligge på linie med markedets andre sammenlignelige

rederier.

32

For eksempel til dokning under vedligeholdelse.

24


Risk management i forbindelse med investeringer i containerskibe

2%. (4) Bestyrelsesvederlag er sat til et gennemsnitligt beløb på DKK 19.000 og (5)

revision til DKK 29.000. (6) Diverse administrationsomkostninger er DKK 13.000.

3.4.3 Hensættelse til dokning

Der er to standardiserede eftersyn som skal overholdes på et containerskib, der benævnes

special- og intermediate survey. Special survey er hovedeftersynet, der skal foretages

hver 5. år og intermediated survey er et mindre eftersyn, som skal foretages imellem hver

Special survey (Difko, 2005). I datasættet vurderes at prisen for Special survey til ca.

DKK 1,9 mio fra det første år og DKK 1,4 mio for intermediate survey, som starter i det

4. år.

3.4.4 Værditab

Priser på nye skibe varierer meget mellem udbyderne, ligesom der er høje prisudsving.

Ved brugte skibe er volatiliteten endnu større (Alderton, 2004).

Værditabet på skibet benyttes til at beskrive den faktuelle værdi af aktivet, hvor der ikke

er taget højde for transaktionsomkostninger ved køb og salg.

Sammenlignes værditabet ved de tre benchmarkentrepriser viser Tabel 6 følgende

resultat.

Tabel 6: Værditab for skibe

Difko

Difko

CS&P

Exp.

Passat ($) Vergi (€)

($)

Værditab

Exponentiel værditab p.a. 12,4% 26,4% 11,1% 16,7%

Skibets nypris (mio.) 20,9 5,2 21,2

Skibets gensalgsværdi (mio.) 6,5 0,5 12,5

Kilde: Egen tilvirkning på baggrund af Difko (2005, 2005b) og CS&P (2005)

Beregningen er foretaget med et gennemsnitligt værditab pro anno ved Ligning 3.

Ligning 3: Gennemsnitlige værditab

⎛ Y ⎞ t r = ⎜


⎝ Y0


⎛ 1 ⎞

⎜ ⎟

⎝ t ⎠

−1

Kilde: Blake, 2000 (3.35)

Hvor r er årlig værditab, Yt er skibets nypris, Y0 er prisen for det gamle skib, hvor t er

alderen på det gamle skib.

25


Risk management i forbindelse med investeringer i containerskibe

Det kan se ud som om Vergi projektet i Bilag 7 ikke er pålideligt på grund af en stor

værdiafskrivning. Dette kan skyldes, at skibets alder på 25 år er relativ høj, hvor

gennemsnitsalderen ligger på et lavere niveau på omkring 10 år (Stopford, 2002). Hvis

der kun vurderes på de resterende to projekter, kommer det gennemsnitlige værditab ned

på 11,8%, hvilket vurderes til at være mere nøjagtigt.

Sammenlignes der med skibsprisdataene fra Bilag 6 viser det sig, at det årlige værditab er

langt mindre (se Tabel 7) 33 .

Tabel 7: Procentafskrivning pa.

End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu

2002 5,7% 8,0% 6,2% 6,7% 7,2% 5,7% 3,9%

2003 7,1% 9,1% 5,8% 5,1% 6,0% 5,1% 4,8%

2004 4,6% 5,4% 1,2% 2,3% 1,3% 2,2% 2,5%

2005 3,1% 3,6% 1,4% 1,9% 1,6% 1,9% 1,8%

Average 5,1% 6,6% 3,6% 4,0% 4,0% 3,7% 3,3%

Std. 1,7% 2,5% 2,7% 2,3% 3,0% 2,0% 1,4%

Kilde: Egen tilvirkning på baggrund af www.clarkson.comm, Bilag 6

Her er den gennemsnitlige værdi på 3,5%. At 2004 og -05 er nede på godt 1% årligt

værditab på 10 år skyldes sandsynligvis, at skibspriserne befinder sig i en peakperiode af

cyklusen. Dette indikeres ved, at priserne på brugte skibe er tæt på - hvis ikke højere -

end nyprisen (Kavussanos, 2002).

Over en 10 årig periode vil det dermed sige at afskrivningen har et gennemsnitsfald på

28%, med en standardafvigelse på 18,5% (se Tabel 8).

Tabel 8: Procentafskrivning pa.

End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu

2002 43% 54% 45% 48% 50% 42% 32%

2003 50% 59% 43% 39% 44% 39% 38%

2004 36% 41% 11% 20% 12% 19% 22%

2005 27% 30% 13% 17% 15% 17% 17%

Average -39% -46% -28% -31% -30% -29% -27%

Std. 9,4% 12,7% 18,6% 14,7% 19,5% 13,2% 9,5%

Kilde: Egen tilvirkning på baggrund af www.clarkson.comm, Bilag 6

På grund af at dataene er mangelfulde, er det vanskeligt at vurdere, hvordan værditabet

udvikler sig på længere sigt. Derfor foretages der et intuitivt estimeret valg af værditabet.

Således vælges det gennemsnitlige værditab over 10 år at være på 28% med en

standardafvigelse på 18,6%.

33 Fra ligning 3: Årlige værditab = (nypris/salgspris)^(1/alder)-1 = (15,5/8,5)^(1/10)-1= 6,2%

26


Risk management i forbindelse med investeringer i containerskibe

For at kunne simulere modellen skal der til selve CF-analysen benyttes vækstrater og

standardafvigelser. Derfor vil følgende afsnit analysere datamaterialet til brug for den

videre analyse.

4 Datamateriale

De faktorer som vurderes til at have størst indflydelse for entreprisen, skal hermed

vurderes og testes med henblik på bestemmelse af vækstraten til CF-modellen.

Derfor tages der udgangspunkt i Kavussanus (2002) CF-Generereringsmodel, hvor

områderne, der influrerer mest er; (1) T/C-rater, (2) faste/variable omkostninger og (3)

afskrivningen på skibet. Ligeledes har valutakursen en indflydelse på de områder, som

bestemmes i udenlandsk valuta.

Ved tilbagediskonteringsfaktoren benyttes kapitalomkostningerne, som bestemmes på

baggrund af den danske tiårsrente, markedsafkastet på Københavns Fondsbørs og

Copenhagen InterBank Offered Rates (CIBOR). Data der benyttes til analysen består af

årlige gennemsnitlige data (se Tabel 9).

Tabel 9: Datagrundlag

År

Skibs-

Priser 1

10 års renten 2

Cibor 3

OMXCB 4

1987 56.117

1988 63.374

1989 71.688

1990 61.699

1991 0,09 69.316

1992 0,09 67.204

1993 0,07 71.602 911.809

1994 0,08 68.605 976.945

1995 0,08 63.340 1.019.545

1996 0,07 0,04 111,40 62.851 1.069.488

1997 0,06 0,04 158,79 60.620 1.125.641

1998 0,05 0,04 193,72 48.998 1.163.616

1999 0,05 0,04 187,76 50.071 1.213.473

2000 0,06 0,05 255,12 81.692 1.293.964

2001 0,05 0,05 251,27 67.474 1.335.611

2002 122.140 0,05 0,04 198,32 58.854 1.372.737

2003 121.915 0,04 0,02 183,74 70.883 1.400.689

2004 134.775 0,04 0,02 192,83 103.785 1.459.399

2005 150.000 0,03 0,02 246,76 127.471 1.551.967

Kilder: 1: Skibspriser; clarkson.com

2: 10 obligationsrenten; Den Danske Nationalbank

3: Copenhagen InterBank Offered Rates (CIBOR); Den Danske Nationalbank

4: Københavns Fondsbørs Benchmark Prisindeks;

5: Time Charter; Clarkson Research Studies (2005), Hamburg Shipbrokers´ Association, (2005), Dewry (1999, 2000),

Den Danske Nationalbank

6: De Danske Brutto National Produkt: Den Danske Nationalbank

T/C 5

BNP 6

27


Risk management i forbindelse med investeringer i containerskibe

Antallet af observationer er mindre anvendeligt idet der er relativt få årlige observationer.

I forbindelse med simuleringen skal det sikres, at der er tale om normalfordelinger, og om

forudsætningerne herved opfyldes.

Til supplering af analysen er der udarbejdet en individuel beskrivende statistik af dataene

(se Tabel 10).

Tabel 10: Individuel Beskrivende statistik

DLOG(x) SKIB_DKK RENTE CIBOR TC_DKK OMXCB BNP

Mean 0,068 0,062 0,037 0,046 0,088 0,044

Median 0,100 0,057 0,039 0,007 0,048 0,042

Maximum 0,107 0,093 0,055 0,489 0,354 0,069

Minimum -0,002 0,034 0,024 -0,213 -0,237 0,020

Std. Dev. 0,061 0,018 0,010 0,189 0,198 0,015

Skewness -0,697 0,299 -0,106 0,769 -0,121 0,162

Kurtosis 1,500 1,841 2,005 3,099 1,838 2,023

Jarque-Bera 0,524427 1,062414 0,430755 1,782848 0,528684 0,529367

Probability 0,769347 0,587895 0,806237 0,410071 0,767711 0,767449

Sum 0,205467 0,929034 0,374036 0,820448 0,795266 0,531848

Sum Sq. Dev. 0,007443 0,004720 0,000978 0,606071 0,315047 0,002532

Observations 3 15 10 18 9 12

*Renten er bestemt til at være dlog i forvejen pga. det oplyste er det årlige afkast.

** Observansen er fortaget på baggrund af 3 observationer hvilket ikke giver et korrekt billede af udviklingen.

Kilde: Egen tilvirkning fra Bilag 1

Beregningerne er logistisk differentieret, hvilket er vurderet på afkastet for de respektive

gennemsnitlige årstal (Ligning 4).

Ligning 4: Differenslogaristisk afkast

⎛ t

d log = ln


⎝ tn

Kilde: Eviews

n

−1




Hvor dlog er afkastet ud fra en logistisk beregning af nutiden tn divideret med en enkelt

lagged periode tilbage t n−1

.

Resultatet rekapituleres gennem Tabel 11, hvor det vurderes i hvilken grad dataene er

normalfordelte.

28


Risk management i forbindelse med investeringer i containerskibe

Tabel 11: Fordelingsvurdering af beskrivende statistik

Log(x) SKIB RENTE CIBOR T/C OMXCB BNP

Median>mean Medianmean Median


Risk management i forbindelse med investeringer i containerskibe

OMXCB er relativ symmtresk og højreskæv, hvor den har en flad fordeling jævnfør

kurtosistallet. Det vil sige at fordelingen har en lang højrehale, som er relativt fladt

fordelt. Det kan på baggrund af Jarque-Bera tallet ikke forkastes, at der ikke er en

normalfordeling.

BNP er relativ symmetrisk og højreskæv fordelt, hvor fordelingen er fladt fordelt. Heller

ikke ved denne variabel kan hypotesen forkastes om, at der skulle være en

normalfordeling.

Herefter bestemmes korrelationen mellem faktorerne (Ligning 5). Dette benyttes til

simuleringen for hvad de enkelte variabler har af indflydelse på hinanden.

Ligning 5: Korrelation

*

* Cov

( )

( P0

, P0

)

ρ P0

, P0

= *

σ ( P0

) , σ ( P0

)

*

Hvor ( , P ) P

Cov er covariansen mellem de to variabler, σ ( P ) er standardafvigelsen

0

0

for den ene variabel ligesom σ ( P 0 ) er standardafvigelsen for den modsatte variabel (se

Tabel 12).

Tabel 12: Korrelation

DLOG(DKK) DLOG(OMXCB) RENTE DLOG(SKIB) DLOG(TC)

DLOG(DKK) 1,000 0,996 -0,891 -0,212 -0,624

DLOG(OMXCB) 0,996 1,000 -0,926 -0,294 -0,688

RENTE/100 -0,891 -0,926 1,000 0,632 0,911

DLOG(SKIB) -0,212 -0,294 0,632 1,000 0,896

DLOG(TC) -0,624 -0,688 0,911 0,896 1,000

Kilde: Egen tilvirkning

På trods af, at skibsprisernes TS kun er på fire observationer forudsættes det, at resultatet

vil være anvendeligt i opgaven, hvilket anses som værende muligt, idet variablen

korreliderer T/C med ca. 90%, og er resultatmæssigt sammenligneligt med T/C.

Efterfølgende skal T/C-raten kvalitativt vurderes, for at anskue om den kan anses som

værende en efficient indikator.

*

0

30


Risk management i forbindelse med investeringer i containerskibe

4.1 Time Charters efficiens og markedsforhold

T/C-raten vurderes kvalitativt i forhold til om den kan estimeres til at være efficient.

Dette skal indikere reliabiliteten i forhold til simuleringerne bestemt ud fra

normalfordelingen.

Sammenhængen i forhold til, i hvilket efficiensniveau T/C-raten befinder sig, kan bedst

forklares ud fra en vurdering af, hvordan spot-fragtraten er prisfastsat. Stopford (1988,

2002) beskriver, hvordan udbud og efterspørgsel prisfastsætter fragtraterne, og samtidig

får raten til at fluktuere når der ikke er overensstemmelse om ligevægtsniveauet.

Efterspørgslen er dermed bestemt på baggrund af diverse faktorer, som for eksempel

oliepriser, verdensøkonomien og politiske situationer.

Efterspørgslen sættes i forhold til udbudet, som bestemmes ud fra flådekapaciteten

multipliceret op i performance, hvor henholdsvis udbud og efterspørgsel er gjort op i

miles. Ved en division af faktorerne indikeres det, om niveauet er over-/under- eller

ligevægtigt repræsenteret i branchen. Dette afspejles dermed i fragtraterne, der svinger

cirkulært - hovedsageligt på baggrund af søbranchens cobweb-situation (Grammonos,

2002 [Chiang, 1974 34 ]). Dette vil sige sige, at der er et lag fra det øjeblik, at udbuddet kan

dække efterspørgslen (Stopford, 1988, 2002).

Fragtraternes cyklusser kan beskrive ud fra Hampton (1986, [Stopford, 1988]): 35

Growing economy and a depressed shipping market, freight rates rise with an increase in

transport demand. Rising freight rates increase the earnings of shipowners who respond

to a more favourable investment climate by bidding up the price of second hand ships and

by ordering new ships. The orderbook builds until rates crest. At the peak there is a

slowing of economic growth and freight rates decline. The delivery of ships into a falling

market helps to depress rates further. Low freight rates discourage ordering and

encourage layup and demolition of ships. Eventually, the excess supply reduces until it

approaches a balance with demand. Then the cycle is ready to begin again.

34 Chiang, A.C. (1974) “Fundamental Methods of Mathematical Ecopnomics”, Tokyo, McGraw Hill

35 Hampton, M. (1986) “hipping cycles”, Seatrade, January

31


Risk management i forbindelse med investeringer i containerskibe

Ud over søbranchens egne primære cyklusser på udbudssiden, er der også faktorer på

efterspørgselssiden, som påvirker T/C-raten på baggrund af verdensøkonomiens

udvikling.

Da cyklusser ikke ligner hinanden er starten/slutningen svær at forudsige. Siden 1869 har

der været 15 cyklusser, hvor der i perioden mellem 1949 til 2000, har været et statistisk

gennemsnit på 7,2 år med en standardafvigelse på 2,3 år (Stopford, 2002). Med et 95%

konfidensinterval betyder det, at cyklusserne kan variere imellem 2,6 til 10,6 år

(Stopford, 2002) 36 .

T/C-raten følger fragtraterne, hvorfor T/C følger de samme cyklusser som fragtraterne.

Med hensyn til sæsonaliteter er der flere rederier, som har et ekstra tillæg til fragtraterne

om sommeren. Denne regulering forudsættes ikke at være til stede ved T/C, idet det

forudsættes, at der er tale om længerevarende kontrakter over flere år.

Cyklusser er vanskelige at forudsige på grund af, at der er mange faktorer, som har

indflydelse på udviklingen. Derfor kan det være lukrativt for investorerne at spekulere i

forhold til, at investere i skibe på det rette tidspunkt.

I forhold til T/C-ratens efficiens kan efficiencen beskrives ud fra tre niveauer; en (1)

svag- (2) semistærk- eller (3) stærk form (Myers, 2003). (1) Den svage efficiens

reflekterer de historiske priser i en random walk. (2) Den semistærke form reklektere de

historiske priser og alle offentligt tilgængelige informationer og finansielle statementdata.

(3) Den stærke form er, hvor priserne reflekterer alle informationer på markedet fuldt ud,

inklusiv insiderinformation.

Idet shippingbranchen er en af verdens mest internationale industrier, agerer

virksomheder på de lokale markeder med en international adfærd. Derfor kan det alene

heraf vurderes, at T/C-raterne er efficiente i en semistærk form.

T/C-rater er beskrevet ud fra dagspriser og vurderes på daglig basis, men aftales som

regel på kontrakt over en længere periode - for eksempel over en måned, et halvt år eller

over flere år.

36 KI passer ikke i forhold til 2 standardafvigelser gang 2,3 år adderet/subtraheret gennemsnittet på 7,2 år.

32


Risk management i forbindelse med investeringer i containerskibe

Der findes ikke et egentligt officielt T/C-rateindeks, der kan give et fyldigt billede af T/C-

raterne. Der er derfor forskellige analysebureauer, som har udarbejdet indekser, der

indikerer en gennemsnitsbetragtning af T/C-raten. En af de mest anerkendte er Baltic

Freight Indekset (www.balticexchange.com). De forskellige analysebureauer, der

publicerer T/C-rateindeksene, kan have forskellige estimater, hvilket skyldes, at der

benyttes forskellige forudsætninger i form af ruter og des lige. Det vurderes at T/C-

kontrakter tegnes på baggrund af forhandlinger og ikke ud fra et decideret indeks, hvorfor

det på sin vis er en individuel forhandling, som bestemmes ud fra kontrakt til kontrakt.

Grunden til dette er, at et skib har mange forskellige vurderingsvariabler, som skal indgå i

vurderingen af T/C. Der skal for eksempel tages højde for T/C-tagerens omkostninger og

risiko. Desuden er skibets bunkerforbrug og hastighed afgørende for den konkurrence- og

miljømæssige differentiering i forhold til konkurrenterne.

Nomikos & Alizadeh (2002) nævner at liner shipping er vurderet ud fra fragttariffer, som

anses for at være inefficiente fordi de revideres periodisk.

På trods af disse forhold vurderes det at T/C-kontrakterne er efficiente i en semi-stærk

form på baggrund af spot-fragtraterne. I forbindelse hermed beskrives, hvordan dataene

er frembragt og bearbejdet.

4.1.1 T/C raten

Der findes ikke mange fyldestgørende offentliggjorte data over T/C-raten. Herunder har

det kun været muligt at finde sporadiske tabeller med en relativ kort historik, hvorfor den

manglende datamængde gør, at databasen ikke er specielt fyldestgørende med henblik på

historiske data. Derfor er de tilrådighedshavende data sammensat med det mål at have en

så lang historik som mulig. Der er således samlet data fra tre hovedkilder, hvor det var

muligt at finde en relativ fællesnævner for skibstypen (Clarkson, 2006; Hamburg, 2005;

Drewry, 1999, 2000, BFI www.balticexchange.com)). Dataene er dermed beregnet ud fra

en middelværdi, hvorfra værdien af de samlede data benyttes til den videre beregning (se

Bilag 3).

At der er valgt et relativt mindre skib på 1.000 TEU i forbindelse med containerfragt

vurderes til ikke at have en større betydning for resultatestimeringen. Dette skyldes at

33


Risk management i forbindelse med investeringer i containerskibe

korrelationen mellem andre størrelser af skibe mere eller mindre følger hinandens

volatilitet. Der er dog en tendens til, at jo større et skib er, des mere volatilt er T/C-raten

(se Figur 4). Dette stemmer også overens med Kavussanos (2002) observationer.

Figur 4: T/C-rater fra 350 til 2750 TEU

50,0

40,0

30,0

20,0

10,0

-

Fragtrater 1000$/dag

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

350

725

1000

1700

2000

2750

Kilde: Egen tilvirkning på baggrund af A = Clarkson Research Studies (2005), www.clarkson.com ,

B = Hamburg Shipbrokers´ Association, (2005), www.vhss.de/englisch/hax.html, C = Dewry (1999, 2000)

For at undgå problemer med cyklusserne på en kort sigt, kan det forudsættes, hvordan

væksten vil udvikle sig på lang sigt. Denne metode vil ikke blive benyttet i afhandlingen,

da den skønnes at være for dristig. Det forudsættes derfor, at der ikke er afhængighed,

mean reversion, trending og autocorrelation, hvilket sandsynligvis ikke er i 100%

overensstemmelse med virkeligheden, men data benyttes i afhandlingen da de er de bedst

opnåelige ud fra de givne forhold.

4.2 Skibspriser

Data vedrørende skibspriser er endnu mere begrænset end T/C idet, at der kun er

fremfundet fire års gennemsnit. Derfor forudsættes det, at skibspriser vil følge T/C i

forhold til de bestemte beregninger fra Bilag 1. Dette gøres på baggrund af, at de fire

observationer har en logistisk korrelation på 98% i forhold til T/C-raten (se datafil:

valuedrivers).

Ovenstående to variabler benyttes som hovedfaktorer i beregningsmodellen ved

forecastingen af CF. Derudover skal tilbagediskonteringen foretages på baggrund af

kapitalomkostningerne, hvorfor dette skal bestemmes.

34


Risk management i forbindelse med investeringer i containerskibe

4.3 Kapitalomkostninger

Kapitalomkostningerne bestemmer entreprisens gennemsnitlige omkostninger.

Kapitalomkostningerne benyttes til at tilbagediskontere CF-forecastningsberegningerne 37

til nutidsværdi (Bendall, 2002). Kapitalomkostningerne beskrives gennem Ligning 6.

Ligning 6: Opportunity cost of capital

⎛ D ⎞ ⎛ E ⎞

kop = kd

* ⎜ ⎟ + ke

* ⎜ ⎟

⎝ V ⎠ ⎝V


Kilde: Copeland et. al. (2000)

Hvor rd er cost of debt, D er markedsværdien af virksomhedens gæld, V er

markedsværdien af hele entreprisen, ke er cost og equity og E er markedsværdien af

virksomhedens egenkapital.

DCF forudsætter at have samme kapitalstrukturfordeling og cost of capital gennem hele

den estimerede periode. Kapitalstrukturen benytter ikke historiske data, men targetdata.

Dette gøres på baggrund af, at rederiet kun er et planlagt projekt, og dermed ikke har

nogen historik. Ved targetdata undgår man derudover mulige misfit i forhold til, om de

fremtidige strategier passer med historikken (Copeland et. al., 2000). Desuden undgår

man cirkulariteter, hvor værdisættelsen af aktiverne kan blive biaset på grund af

cirkulariteternes uforudsigelige mønstre (Copeland, 2000).

Markedsværdien af entreprisen

Markedsværdien af entreprisen vurderes ud fra oplysningerne om en nybygning, der er

bestemt til DKK 155 mio. (se Bilag 11).

Den rentebærende gæld

Ved bestemmelsen af strukturen på target kapital, benchmarkes der med sammenlignelige

rederier, som er registreret på fondsbørsen (www.cse.dk). Bilag 8 beskriver de vægtede

soliditetsgrader, hvor den gennemsnitlige kapitalstruktur kan estimeres til ca. 58% af

virksomhedernes markedsværdi. Mærsk er dog overrepræsenteret i benchmarket, hvilket

kan være problematisk på grund af, at rederiet ikke kan anses for at være sammenligneligt

37 Discounted Cash Flow (DCF)

35


Risk management i forbindelse med investeringer i containerskibe

med et nystartet rederi og på baggrund af, at virksomheden har stordriftsfordele ved at

råde over 1.000 skibe. Selvom undersøgelsen skal repræsentere investeringsrisikoen på

hele markedet, medregnes der ikke stordriftsfordele, som større rederier kan udnytte.

Desuden har mindre rederier generelt en mindre soliditetsgrad, hvilket indikerer at der er

en større risiko.

Dette bekræftes ligeledes, hvis der benchmarkes med sammenlignelige mindre

skibsinvesteringsprojekter hvor det fremgår, at soliditetsgraden er lavere end

gennemsnittet på markedet (Bilag 8).

Fremmedkapitalens andelsmæssige gældsstørrelser anses for at være høje i forhold til,

hvis der er tale om nyoprettede rederier. Derfor vurderes det, at kreditgiveren vil forlange

en vis form for sikkerhed i form af et større indskud. Bodie et al. (2000) nævner, at en

virksomheds optimale gearing er omkring 60% i gæld. Og har et rederi en gældsandel på

mindre end 50% kan der komme ekstra beskatninger (www.skat.dk). Derfor vurderes den

optimale targetgældsandel i investeringsprojektet til at være statisk på 60%.

Med hensyn til rederiets gældstype kan den, på baggrund af T/C indtægterne, anses for at

være relativt stabil i forhold til spotpriser, der er mere volatile (Thanopoulou, 2002).

Markedsværdien af aktiver

De resterende 40% af markedsværdien er egenkapitalen. Der bliver tale om andele, som

bliver udbudt til salg efter en forudbestemt værdi. Den bogførte værdi sættes lig med

markedsværdien idet det forudsættes, at rederiet ikke har nogen goodwill, hvor

markedsværdien vil være højere end den bogførte værdi.

Med hensyn til optioner, som generelt er en stor post inden for skibsbranchen, spekuleres

der meget i skibsprisernes fluktureringer. Denne post omtales kort i sidste afsnit ved en

hedgetilgang for minimering af risiko.

Kapitalomkostninger af gæld

Omhandler kun Straight investmentgrade debt, som er de direkte omkostninger rederiet

har til gælden. Her evalueres der kun på de enkelte skibes investeringsomkostninger idet

det forudsættes, at det vil være den eneste form for investering der skal foretages. Det vil

36


Risk management i forbindelse med investeringer i containerskibe

sige at rederiet forventer, at skulle have direkte faste renter 38 . Renteniveauet hentes

gennem den danske nationalbanks oplysninger om 10 års renten, som på baggrund af

beskrivende statistik er på 6,2% (Bilag 1 og Tabel 10).

Grunden til at der benyttes en dansk rente skyldes, at entreprisens hovedsæde og

administration forudsættes at skulle eksistere i Danmark. Derfor vurderes der ikke på

udenlandske rentesatser, hvilket på sin vis måske ville være mere korrekt, hvis lån inden

for skibsbranchen foretages uden for Danmarks grænser. Desuden er der ikke benyttet

skibsrenter på baggrund af Stopford (1988) nævner at det er CYBER der normalt

benyttes.

Skatteraten

Skatteraten inden for skibsbranchen er ikke helt den samme som ved almindelige

virksomheder. Rederierne kan vælge mellem to forskellige skatteformer, enten ved

almindelig selskabsskat eller tonnageskat (www.skat.dk). I Danmark er selskabsskatten

på 30%, hvilket forudsættes ikke, at blive væsentligt forandret inden for

beregningsperioden 39 . Tonnageskatteloven beregnes ud fra en fast rate per 100 ton Netto

Tonnage (NT) af skibet. Når rederiet vælger denne skatteform er den bindende i 10 års

intervaller. Et skib på 1.000 TEU 40 har en NT på 14.000 NT 41 . Dermed skal der betales

følgende skat ifølge Tabel 13.

Tabel 13: Beregning af nettotonnageskat

Beregningsgrundlag Beregning Resultat

≤ 1.000 NT = 7 kr. pr. 100 NT pr. dag 1000/100*7*365 25.550,-

Fra 1.001 NT til og med 10.000 NT = 5 kr. pr. 100 NT pr. dag 9000/100*5*365 164.250,-

Fra 10.001 NT til og med 25.000 NT = 3 kr. pr. 100 NT pr. dag 4000/100*3*365 43.800,-

Sum af til nettotonnagebeskatning 233.600,-

Virksomhedsskat 30% 70.080,-

Kilde: www.skat.dk

38

Normalt belånes et skib på baggrund af den variable LIBOR tillagt en margin (spead) alt efter bankens

kunderelationer (Grammenos, 2002).

39

Regeringen har bebudet en nedsættelse af selskabsskatten. Dette ville ikke have stor betydning pga. det er

tonnageskatten der benyttes.

40

En standard TEU er godkendt til 14 ton (Alderton, 2004)

41

Tonnagen er anslået ud fra andre linieskibe og vil dermed kun være et gæt, på grund af forfatteren ikke

er i besiddelse af, hvor meget nettotonnage et skib besidder. Det vil dog ikke få stor indflydelse på

beregningerne, hvis der skulle være store afvigelser, på grund af skatteraten er meget lille i forhold til

beregningerne. Ligeledes er det beregnet sikkert i form af, at tonnagen er højere end den vil være i

virkeligheden, set ud fra de sammenlignelige projekter fra Difko, 2005, 2005b og CS&P, 2005.

37


Risk management i forbindelse med investeringer i containerskibe

Tonnageskatten kan ikke fratrækkes i regnskabet (skat.dk), hvilket samtidigt fortolkes til

at være størrelsesmæssigt negligibelt. Desuden er det en fast skat hvorfor det ikke

medtages i CF-beregningerne. På baggrund af, at der dermed skal måles på entreprisen

før skat, bliver der dermed målt på aktivet og ikke den finansielle del, hvorfor der i stedet

for en WACC-model vil være tale om at benytte en Kapitalomkostningsmodel 42

Kapitalomkostninger

Estimeringen af Opportunity cost of equity financing kan være besværlig at bestemme, da

det ikke kan vurderes direkte på markedet. Til estimeringen kan blandt andet Capital

asset pricing modellen (CAPM) eller arbitrage pricing modellen (APM) benyttes.

Det er besluttet at anvende CAPM da det er en meget benyttet model, hvorfor det

forventes, at være en pålidelig beregningsmetode (se Ligning 7).

Ligning 7: Capital Asset Pricing model (CAPM)

[ E r ) r ] * β

ke = rf

+ ( m − f

Kilde: Copeland et. al. (2000)

Beregningerne foregår på baggrund af den risikofrie rente plus virksomhedens

systematiske risiko (beta) der er multipliceret med markedsrisikopræmien (RP).

Variablerne beskrives ved følgende; ke er egenkapitalomkostningerne, rf er den risikofrie

rente, E(rm) er den forventede markedsafkast for den overordnede markedsportefølje, β

beskriver den systematiske risiko af aktivet, ks er omkostningsraten til egenkapitalen og

E(rm)-rf er markedsrisikopræmien (RP)

Bestemmelsen af afkastet kan bestemmes ex post eller ex ante, hvor ex post repræsenterer

den fremtidige udvikling gennem de historiske data og ex ante repræsenterer, hvordan

man forventer fremtiden vil udvikle sig i form af et estimat (Copeland, 2000).

Det antages, at en lang historisk dataperiode vil give det bedste estimat af den fremtidige

udvikling, under forudsætning af, at dataene er random (Copeland et al., 2000). Det kan

overvejes om ex ante vil kunne give et brugbart estimat på basis af argumentet om, at det

42 WACC uden skat

38


Risk management i forbindelse med investeringer i containerskibe

ikke er muligt at korrigere for cyklikale udsving. Derfor er en kvalitativ vurdering

muligvis det bedste estimat. Det forudsættes dog, at de fremskaffede data til afhandlingen

vil være brugbare.

Benyttes i stedet et aritmetisk gennemsnit af det gennemsnitlige afkast, kan der forventes

det bedste estimat, idet alle muligheder er vægtet lige – Dette under forudsætning af, at

hvert afkast er af uafhængige observationer fra en stationær underliggende

sandsynlighedsfordeling (Copeland et al., 2000).

På grund af survivorship 43 i renten vil den altid være biased opad, hvorfor den i

princippet skal korrigeres med 1,5 til 2 procentpoint (Copeland et al., 2000).

Den risikofrie rente

Copeland et al. (2000) anbefaler, at den risikofrie rente bestemmes ud fra en 10 års

obligationsrente på grund af, at den lange rente sædvanligvis kommer tættere på et match

af durationen i CF’et. 10 års renten er et geometrisk vægtet gennemsnitligt estimat af den

forventede korte statsobligationsrente. 10 års-renten approximerer durationen på

aktiemarkedets indeks portefølje, og er dermed konsistent med beta og markeds

risikopræmie (Copeland et al., 2000). 10 års-renten er mindre følsom over for uforudsete

forandringer i inflationen, og har en mindre beta end den 30-årige rente. Den

toneangivende 10-årige danske statsobligation er med en effektiv rente på 3,71% 44

(www.nationalbanken.dk).

Renten vurderes ikke til at være cyklikal, som det forventes af markedsafkastet. Her

beskrives branchen netop for at være kendt for sæsonmæssige udsving, hvorfor

kildedataene må betragtes for værende for korte, i forhold til at få betydelige korrektioner

med i modellen.

43

Hvis RP = 0, er der en opadgående bias, som bevares over århundrede og som aldrig går væk (Copeland,

2000).

44

Målt den 27-3-06 hvor den effektive rente, på en 10 årig statsobligation, stående lån.

39


Risk management i forbindelse med investeringer i containerskibe

Markedsrisikopræmien

Ved bestemmelsen af markedsrisikopræmien skal markedsrenten findes. Denne

markedsrente er vigtig i forhold til, hvilket marked der skal repræsenteres. I forbindelse

med, at entreprisen skal oprettes i Danmark er det nærliggende, at benytte sig af afkast,

der er genereret i Danmark. Derfor kan aktieindekset for ultralikvide aktier blandt andet

benyttes (OMXC20).

Ved analyseprogrammet Datastream benyttes i stedet benchmarkindeksets prisindeks

(OMXCB), 45 selv om OMXC20 indekset er mere likvidt. Forfatteren finder OMXCB

mest formålstjeneligt at benytte. Det kan overvejes, om der skulle benyttes et amerikansk

aktieindeks, for herved at få et mere internationalt indeks, som vil repræsentere det

internationale marked, og er mere likvidt. OMXCB er imidlertidig valgt til analysen, idet

det danske marked fortolkes som værende et likvidt marked, integreret i det globale

marked.

Ud fra en aritmetisk beregning kan markedsrenten bestemmes til at være 9,17%. Ifølge

Copeland vil den sande markedsrente være den aritmetiske substraheret med 1,5 til 2%.

Dette skulle dermed give et resultat på ca. 7%. For at kontrollere dette resultat kunne der

have været brugt kvantitative statistiske tidsserie analyser. Dermed ville det på baggrund

af OLS være muligt, at regresseres en koefficiens som beskriver væksten og risikoen.

Ved starten af 2005 var fragtraterne steget betydeligt, hvilket har haft en positiv

indflydelse på rederiernes aktiekurser. I løbet af året har der dog været analysebureauer,

som forventede, at fragtraterne ville falde inden for den nærmeste fremtid, hvilket også

stemmer overens med udviklingen på markedet, hvor rederiernes aktiekurser på det

globale marked generelt har været faldende siden starten af 2006.

Igen må det siges, at der er for få data til at kunne korrigere for disse udsving, hvorfor det

forudsættes, at OMXCB vil være anvendeligt. Herudover dækker rederibranchen ikke

45 OMX Copenhagen-benchmarkindeks er et investeringsbart indeks og er Fondsbørsens eneste free float

justerede indeks. Det betyder, at kun den del af aktiekapitalen, som er tilgængelig på markedet, indgår i

indekset. Aktieposter over 5 pct., der ejes af staten, kontrollerende ejere, selskabets insidere og krydsejere

er ikke tilgængelige på markedet og indgår derfor ikke i OMX Copenhagen Benchmark-indekset. OMX

Copenhagen Benchmark har basisværdien 100,00 pr. 31.december 1995. (www.cse.dk)

40


Risk management i forbindelse med investeringer i containerskibe

hele aktieindekset, hvorfor der branchemæssigt vil være udviklinger, som ikke er sket i

søbranchen - Dette også selv om at der stadig er andre aktier, for eksempel Vestas, der er

mindst lige så meget volatile og sæsonfølsomme.

Alternativt til ex postperspektivet, kan ex ante estimatet benyttes, men metoden

overestimerer RP, hvorfor DCF vil overvurdere projektet (Copeland, 2000). Derfor

benyttes denne metode ikke.

Den systematiske risiko

Idet rederiet ikke eksisterer og der dermed ikke er historiske data for, hvordan værdien af

rederiet udvikler sig i forhold til markedet, benyttes en anden metode til at finde frem til

rederiets beta. Metoden foregår gennem benchmarking af andre rederier i Danmark, som

dermed forventes at være sammenlignelige. Selv om det tidligere er nævnt, at Maersk

med sine stordriftsfordele har nogle synergieffekter, som er svære at sammenligne med et

nystartet rederi, finder forfatteren det stadig brugbart til en benchmarking af den

systematiske risiko (beta). Det vil sige at betaværdien bestemmes ud fra et antal udvalgte

rederiers gennemsnitlige beta over for OMXCB (se Bilag 9). For at begrænse omfanget af

analysen, er der kun valgt følgende danske rederier; Maersk B 46 , Norden, Orion og Torm,

hvor dataene er trukket ud fra datastream. Når rederiernes beta er bestemt, trækkes deres

gæld ud (unlevered) jævnfør Ligning 8.

Ligning 8: Unlevering Beta

β U =


⎜1+


β

L

D ⎞

( 1−

T ) * ⎟

E ⎠

Ligningen forklares ud fra, at β U er det unlevered beta, ligesom β L er den gennemsnitlige

levered beta, der estimeres til 0,98. T er skatten, der estimeres til 0,05% (se note tre under

noter i datasætfil). D/E er gældsandelen som er entreprisens gældstarget på 60%. Denne

sats er benchmarket ud fra gennemsnitlige soliditetsgrader fra Københavns Fondsbørs

som kom frem til 58% (www.cse.dk) (se Bilag 8).

46 Det er kun B-aktierne der benyttes da de er mest likvide og alligevel korreliderer højt med A-aktierne,

hvorfor det ikke giver nogen større værdi, andet end at det giver en større overvægt i benchmarkindekset.

41


Risk management i forbindelse med investeringer i containerskibe

Gennemsnittet af den unlevered beta, re-levereds igen i forhold til entreprisens

gældstarget. Resultatet af beta er dermed 1,57, hvilket anses for rimeligt i forhold til

andre rederier, som generelt er positivt volatile i forhold til OMXCB (se datafil, under

betaværdier). Dermed er alle data bestemt for at kunne beregne kapitalomkostningsraten.

Kapitalomkostningsresultat

Ud fra forudsætningerne der benyttes kan resultatet af kapitalomkostningerne illustreres i

Tabel 14 og Tabel 15 (fra Bilag 10).

Tabel 14: Capital asset pricing modellen (CAPM)

Nøglebegreber

Beskrivende

Statistik

Aritmetisk

rf 3,40% 6,00%

E(rm) 8,84% 11,90%

Β (note 2) 1,57 1,57

E(rm)-rf 5,44% 4,83%

ke 11,9% 13,9%

* Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer

**korrigeret for trends, seasonalitet- cyclical variation og irregular aktivitater

Kilde: Egen tilvirkning gennem datasætfil

Tabel 15: Kapitalomkostninger

Nøglebegreber

Beskrivende

statistik

Aritmetisk

kd 4,40% 6,00%

K/V (Note 1) 60,00% 60,00%

V 155.000 155.000

ke 11,90% 13,90%

E/V 40,00% 40,00%

Opp.cost. of capital 7,40% 9,17%

* Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer

**Korrigeret for trends, seasonalitet- cyclical variation og irregular aktiviteter

Kilde: Egen tilvirkning gennem datasætfil

Gennem den beskrivende statistik er resultatet på kapitalomkostningerne 7,4%. Foretages

samme beregningsgrundlag på baggrund af aritmetiske data (se datasæt) kommer

kapitalomkostningerne op på 9,17%.

Umiddelbart vurderes den aritmetiske værdi at give en for høj kapitalomkostning, hvorfor

forfatteren har valgt at benytte den beskrivende statistiks resultat.

Havde der været mere datamængde, kunne der foretages OLS-regressioner. Foretages der

alligevel en OLS beregning på baggrund af den tilrådighedshavende data-mængde

kommer beregningerne frem til et resultat på 7,4% (se Bilag 2). Men da der ikke er belæg

for at kunne udføre tidsserieanalyser på dataene, er det valgt at kapitalomkostningerne

42


Risk management i forbindelse med investeringer i containerskibe

benyttes på baggrund af den beskrivende statistik. Derfor benyttes en kapitalomkostning

på 7.4% i resten af afhandlingen.

Ved at have kortlagt indtægterne/udgifterne skal beregningsmodellen for simuleringen

hermed bestemmes i form af en exposure mapping.

5 Forecasting af exposure mapping

Exposure mapping kortlægger beregningsmodellen for simuleringen, hvor det på

baggrund af den valgte beregningsmetode vises, hvordan resultatet fremkommer. Det vil

sige, at der udarbejdes en pro forma statement på baggrund af NPV-modellen (se Tabel

16).

Tabel 16: Exposure mapping

Forkortet Resultat USD Pro forma statement

T T/C indtægt T/C x (USD/DKK)

Driftsomk.

DH Hyreomkostninger DH * (USD/DKK)

DF Forsikringer DF * (USD/DKK)

DV Vedligeholdelse DV * (USD/DKK)

DD Diverse DD * (USD/DKK)

D Driftsomk. i alt DH + DF + DV + DD

Administrationsomk.

AA Adm. (honorar) AA (DKK)

AK Kommacielt management AK (DKK)

AM Teknisk management AM (DKK)

AB Bestyrelsesvederlag AB (DKK)

AR Revision AR (DKK)

AD diverser adm omk AD (DKK)

A Adm. omk. i alt AA + AK + AM + AB + AR + AD

R Resultat af primær drift T – D – A

HD Hensættelse til dokning HD * (USD/DKK)

R Resultat R – HD

WC Working Capital Se noter

KOM Kommission Se noter

IOMK Investeringsomkostninger Nyprisen på skibet *(USD/DKK) * (1 + værditab)

CF Net Cash flow (CF) R – WC – IOMK

PV PV CF / (1- kapitalomkostninger)^-år

NPV NPV Sum af årlig PV

Kilde: Egen tilvirkning

Modellen er bygget over Bilag 7, hvor det på baggrund af T/C-aftalen ikke vil være

voyageomkostningerne. T/C og driftsomkostningerne konverteres fra USD til DKK.

Administrationsomkostningerne bliver udbetalt i DKK. Resultatet af den primære drift

findes således ved at fratrække T/C-indtægten med drifts- og

administrationsomkostninger. Fratrækkes dokning herefter fra resultat af den primære,

drift bestemmes resultatet.

Herefter fratrækkes/tillægges working capital og kommission for opretteslse af

entreprisen og profitten fra salg af skibet.

43


Risk management i forbindelse med investeringer i containerskibe

Dette giver det endelige CF, som dermed kan tilbagediskonteres med

Kapitalomkostningerne, hvorfra netto nutidsværdien (NPV) kan bestemmes ved at

summere de 10 års PV.

På baggrund af ovenstående exposure mapping er det herved muligt at forecaste

resultatet.

5.1 Forecasting

Til forecastingen benyttes exposure mapping fra Tabel 15. Væksten og

standardafvigelsen indregnes for det enkelte år, hvor resultatet skal indikere det

fremtidige budgetterede resultat. Dette er dermed tilbagediskonteret til nutidsværdi

gennem en discounted cash flow (se Tabel 17).

Tabel 17: Forecasting

Resultat USD Growth Std. 0 1 2 til 9 10

T/C indtægt 4,56% 18,88% 34.479.061 ………….. 51.495.885

Driftsomk.*

Hyreomkostninger 4,43% 1,52% 5.459.075 ………….. 8.065.387

Forsikringer 4,43% 1,52% 1.286.746 ………….. 1.901.073

Vedligeholdelse 4,43% 1,52% 3.232.445 ………….. 4.775.703

Diverse 4,43% 1,52% 381.905 ………….. 564.236

Driftsomk. i alt 10.360.171 ………….. 15.306.399

Administrationsomk.*

Adm. (honorar) 4,43% 1,52% 398.931 ………….. 589.391

Kommacielt management 4,43% 1,52% 655.834 ………….. 968.946

Teknisk management 4,43% 1,52% 1.914.240 ………….. 2.828.151

Bestyrelsesvederlag 4,43% 1,52% 19.842 ………….. 29.315

Revision 4,43% 1,52% 30.285 ………….. 44.744

diverser adm omk 4,43% 1,52% 13.576 ………….. 20.058

Adm. omk. i alt 3.032.708 ………….. 4.480.606

Resultat af primær drift 21.086.182 ………….. 31.708.881

Hensættelse til dokning 4,43% 1,52% 1.888.000 …………..

Resultat 19.198.182 ………….. 31.708.881

Working Capitla 4,56% 18,88% (2.248.000) (102.465) ………….. 3.357.480

Kommission (5.000.000)

Investeringsomkostninger -28,09% 18,63% (150.000.000) ………….. 107.857.570

Net Cash flow (CF) (157.248.000) 19.095.717 ………….. 142.923.931

PV 7,40% (157.248.000) 17.683.343 ………….. 66.280.990

NPV 59.056.451

* Væksten i driftsomkostninger er bestemt ud fra det danske BNP årlige vækst fra 1994 til 2005

Kilde: Egen tilvirkning fra datafil: Forecasting. Tabellen kan ses i fulde størrelse under Bilag 12

Væksten og standardafvigelsen er bestemt ud fra Tabel 10 (p. 28) som oplyser den

beskrivende statistik over vækstfaktorerne. Resultatet af forecastingen illustreres til fulde

i Bilag 12 og datafil under forecasting.

Det er ikke lykkedes at finde historiske data, som kan beskrive drifts- og

administrationsomkostningernes vækst og standardafvigelse. Derfor benyttes vækstraten

på baggrund af det danske bruttonationalprodukt (BNP). Renteomkostningen er bestemt

44


Risk management i forbindelse med investeringer i containerskibe

ud fra den 10 årige rente, som ved beskrivende statistik er på 4,4%, og -markedsrenten på

8,8%. Her er kapitalomkostningen beregnet til at være på 7,4% (se Bilag 10). Værditabet

for skibet er bestemt til at være på 28% af skibes nypris over den 10 årige periode.

Dermed kommer forecastingen i Bilag 12 frem til et positivt NPV-resultat på 59 mio.

DKK 47 . NPV-resultatet bestemmes derfor til at være targetresultatet for entreprisen.

For at se på hvor robust resultatet er i forhold til en eventuel positiv eller negativ

udvikling i T/C, skal der udarbejdes en følsomhedsanalyse for at vurdere hvornår NPV

bliver negativ. Herved viser det hvor meget T/C kan falde med, før entreprisen giver

underskud.

5.2 Følsomhedsanalyse

Følsomhedsanalysen er opbygget ved at teste en 10% intervaludvikling op til +/- 50% på

T/C. Her indsættes de forskellige forandringer i T/C forecast-modellen, hvor følgende

resultat kan illustreres i Tabel 18.

Tabel 18: Følsomhedsanalyse

T/C T/C*

NPV

forandring (mio)

(mio)

50% 49,46 197,80

40% 46,17 170,07

30% 42,87 142,34

20% 39,57 114,61

10% 36,27 86,88

0% 32,98 59,14

-10% 29,68 31,41

-20% 26,38 3,68

-30% 23,08 (24,05)

-40% 19,79 (51,78)

-50%

Kilde: Egen tilvirkning

*Årlig T/C indtægt i mio

16,49 (79,52)

Resultat i tabellen viser at T/C vil kunne falde med 20% før det giver et negativt CF-

resultat i entreprisen. Dette kan umiddelbart vurderes til at være højrisikabelt på grund af

historisk erfaring ved 20% udsving 48 . Jævnfør kilde data hører det dog til yderlighederne,

hvorfor en 20% nedgang over hele den 10 årige periode fortolkes til at være mindre

47

I investeringsøjemed ville dette resultat medføre et ”go” til investeringerne på grund, da CF-afkastet

ligger på ca. 8 / 155 = 5%

48

Dette udsving på 20% benyttes senere under stress test analysen.

45


Risk management i forbindelse med investeringer i containerskibe

sandsynligt. Desuden er der kun testet på udviklingen af en enkelt variabel. Det vil sige

det kun er T/C der forandrer sig og ikke de andre variabler. Dette vil der tages højde

under stress testen i forhold til faktorer som correlederende med T/C.

På baggrund af ovenstående forecastmodel skal der i det følgende afsnit testes for

usikkerheden, hvor der simuleres frem til entreprisens NPVaR. På baggrund af den

gennemgåede forecastmodel er det dermed muligt at udarbejde simuleringerne, som skal

kunne besvare spørgsmålet omkring risiko.

6 Simulering

Simuleringen skal bestemme, hvilken risiko entreprisen vil have. Dette gøres igennem

exposure mapping- og forecastmodellen fra forrige afsnit (Evans, 1998, 2000).

Risikoen kan måles ud fra forskellige metoder, hvor RMG (2005) nævner fire

muligheder: (1) standardfordelingen, (2) konfidensniveau, (3) maksimum fald i forhold til

targetresultat og (4) det gennemsnitlige fald af CF.

Ved (1) standardfordelingen forudsættes en kendt fordeling der karakteriserer

middelværdien og standardafvigelsen, hvor konfidensniveauet bestemmes ud fra et valgt

konfidensinterval, som multipliceres op i standardafvigelsen. Hvis fordelingen ikke er

stationær og dermed ikke følger den valgte fordeling, kan der være problemer med at

vælge et konfidensniveau som passer, på baggrund af at det kun er standardafvigelsen der

benyttes til måling. (2) Konfidensniveaumetoden skal beskrive sandsynligheden for, at et

resultat vil falde under et specifikt konfidensniveau. Denne metode er mere intuitiv i

forhold til standardfordelingsmetoden, hvor konfidensniveauet vælges ud fra forfatterens

egen overbevisning for, hvad der er bedst.

(3) Maksimum fald i forhold til targetresultat er i relation til et specificeret

konfidensinsniveau, som CF maksimalt vil kunne falde til. Det er nødvendigt at

undersøge, hvilket konfidensniveau der er behov for. Undersøgelsen kan foregå ved

kontroller, hvor resultatet af simuleringen rangordnes. Værdien af det valgte

konfidensniveau skal stemme overens med resultatet. (4) Det gennemsnitligt forventede

fald af CF bestemmes ud fra et udspecificeret niveau, men denne metode er mere intuitiv

46


Risk management i forbindelse med investeringer i containerskibe

på grund af at den giver et mindre konkret risikomæssigt resultat i forhold til

konfidensmetoden.

I forhold til at kunne illustrere en risiko ved entreprisen findes maksimumfaldet i forhold

til targetresultatet mest anvendeligt. Derudover vil det sættes i forhold til et negativt

resultat, hvor CF sættes lig nul.

Til beregning af simuleringen benyttes Crystal Ball simuleringsprogram. 49 Estimatet er

beregnet over entreprisens NPV, hvor de dynamiske variabler, der har størst direkte

indflydelse på NPV, er bestemt til at være; T/C, værditabet af skibet og drifts-

/administrationsomkostninger.

For at give et så klart resultat som muligt foretages der 1.000.000 simuleringer af NPV,

hvilket er beregnet på baggrund af tre dynamiske variabler. Dette giver et samlet

beregningsgrundlag på 3.000.000 beregninger. Dermed antages det valgte

konfidensniveau at stemme overens med det reelle konfidensniveau.

Resultatet af simuleringen viste et tilfredsstillende anvendeligt resultat på baggrund af, at

simuleringsresultatet ikke forandredes ved gentagende simuleringer. Simuleringen er

kommet frem til følgende resultat i Figur 5 (se Bilag 13).

Figur 5: Forecast af NPV

Kilde: Egen tilvirkning gennem Crystal ball

49 Student version ver. 7.2.2

47


Risk management i forbindelse med investeringer i containerskibe

Simuleringen viser et resultat med en middelværdi på DKK 59 mio. og en

standardafvigelse på DKK 575. mio.

Inden for et 90% konfidensinterval er resultatet inden for et spænd på DKK -155 mio. til

DKK 1.196 mio.

Måles der på hvor stor sandsynlighed der er for at CF er negativt, er der 35%

sandsynlighed for at NPV vil være negativt 50 . Det vil sige, hvis der investeres i en

portefølje af entrepriser, med en enslydende risikostruktur, vil der med 55%

sandsynlighed kunne forventes en positiv NPV.

I forhold til targetresultat på DKK 59 mio. er risikoen for et negativt resultat på 45%,

hvor der modsat er 45% sandsynligheden for et positivt resultat.

Den samlede simuleringsfordeling er blevet højreskæv, hvor der er en kurtosis på 65,

hvilket er et betydeligt højt til i forhold til en normalfordeling ved 3. Analyseres

fordelingen via CB viser det at NPV følger en Gammafordeling.

Simuleringsmodellen er dog foretaget ud fra en normalfordelingsforudsætning, hvorfor

det kan være uoverensstemmelser i forhold til forudsætningerne i simuleringsmodellen.

På grund af at der desværre ikke er ret mange observationer i tidsserien, har CB

problemer med at foretage en fordelingstest 51 . Testes der alligevel på NPV, viser

fordelingsfittet en Weibullfordeling. Køres der en simulering i forhold til at T/C følger

denne fordeling, resultere dette i et mere ekstremt opadgående resultat. Resultatet på en

nedre 90% KI er på DKK -129 mio. hvor den øvre er på DKK 2,6 mia.

I forhold til risikoen for et negativt NPVaR kommer resultatet frem til 40% (se Figur 6).

50 Set i forhold 95% nedre KI

51 skal minimum være 15 observationer

48


Risk management i forbindelse med investeringer i containerskibe

Figur 6: NPVaR ved Weibullfordelingen

Kilde: Egen tilvirkning via CB-beregninger fra datasæt

Figuren illustrerer også at det i hovedtræk kun er T/C som står for udviklingen i CF-

modellen. Dettes ses ud fra sensitivitetskurven, hvor T/C står for 98% af bidraget til

variansen (se Bilag 14).

Dette fortolker forfatteren til ikke at være korrekt i forhold til, at skibets værdi har en

betydelig effekt på entreprisens udvikling. Derfor vil resultatet, der er beregnet på

baggrund af normalfordelinger, fortolkes til at være den mest korrekte beregningsmodel

til analysen.

På baggrund af ovenstående kan NPVaR derfor vurderes til at have følgende maksimale

fald i forhold til targetresultat eller nulpunkts CF (se Tabel 19).

Tabel 19: NPV at Risk (NPVaR)

Confidensniveau

Nedre

Confidens

Middel

værdi

Target

Værdi

NPVaR

Værdi

NPVaR

Risk

Targetresltat (155.441.760) 235.333.581 59.144.241 214.586.001 44,99%

Nul-CF (155.441.760) 235.333.581 0 155.441.760 34,94%

Kilde: Egen tilvirkning fra datafil: Risk-results.

Tabellen viser, at der er en sandsynlighed for, at CF vil kunne blive negativt, hvorfor

investorerne skal kunne forvente, at der skal indskydes ekstra kapital for at vedholde et

”go” for entreprisen. I forhold til et nul-CF kan resultatet falde med så meget, at hele

entreprisens værdi vil være tabt - inklusiv gæld, hvilket vurderes til at være et tabt projekt

– et ”no go”.

49


Risk management i forbindelse med investeringer i containerskibe

I forhold til target resultatet er der derfor 45% risiko for at entreprisen går tabt, og ved et

nul-CF er der 35% risiko.

Ved at have beregnet risikoen for entreprisen er det interessant at kortlægge følsomheden

ved de forskellige variabler, for herved at kunne påvise, hvilke variabler der skal

fokuseres på ved scenarieanalysen.

6.1 Simuleringsfølsomhedsanalyse

Følsomhedsanalysen rangordner de forskellige dynamiske variabler, som simuleres i

projektet. Testen er et udtræk fra CB, hvor det beskrives, med hvilken følsomhed

variablerne påvirker udviklingen.

CB beregner følsomheden ved rangen af korrelationskoefficienten mellem hver

forudsætning og forecast, mens simuleringen kører (Werckman et. al., 2004).

Korrelationskoefficienten giver en måling af forandringsgraderne over forudsætningerne

og forecasten. Hvis en forudsætning og forecast har en høj korrelationskoefficiens, vil det

sige, at forudsætningen har en signifikant indflydelse på forecastingen - både ved

usikkerhed og modelfølsomhed. Positive koefficienter indikerer, at en forøgelse i

forudsætningen er associeret med en forøgelse i forecastingen. Negative koefficienter er

det modsatte. Jo større den absolutte værdi er af korrelationskoefficienten, des stærkere er

relationen (se Figur 7).

Figur 7: Følsomhedsanalyse

Kilde: Egen tilvirkning på baggrund af Crystal Ball

50


Risk management i forbindelse med investeringer i containerskibe

Følsomhedstesten viser, at T/C er den variabel der har mest indflydelse på variansen, idet

den står for 62% af følsomheden. Dernæst har skibspriser og omkostninger nogenlunde

samme indflydelse, hvor skibspriser står for 23% og omkostninger for 15% af variansen.

Jævnfør Stopford (1988) har skibspriser en stor indflydelse på rederiers resultat, hvorfor

det vurderes at skibspriserne sandsynligvis er for lavt i forhold til simuleringens resultat.

På baggrund af følsomhedsanalysen undersøges derfor, hvad konsekvensen kan være ved

yderligtgående situationer, som ikke er medregnet i simuleringerne.

Derfor vil efterfølgende afsnit omhandle stresstests, hvor der på baggrund af scenarier

testes for uforudsete situationer.

7 Stress test

Stresstesten skal estimere CF i afvigende situationer eller markeder. Werckman et. al.

(2004) nævner, at der er mange flere situationer der forekommer ekstreme end, hvad

konfidensniveauet beskriver. Derfor vil det i forbindelse med Risk management være

formålstjenligt, at inkludere choks i risikoen på baggrund af for eksempel terror, krige,

naturkatastrofer mv. Dette ligger dog stadig uden for rækkevidden i almindelige

risikostyringsmodeller, hvorfor stresstesting benyttes til at kompensere for denne

manglende risikoviden (Werckman et. al., 2004). Herved forsøger man stadig at få et

holistisk billede af risikoen.

Jævnfør Werckman et. al. (2004) er der to centrale spørgsmål, som kan stilles ved en

stress stest: (1) Hvor meget kan der tabes hvis et stress scenarie forekommer? (2) Hvilken

event kunne være skyld i, at der tabes mere end et defineret beløb?

Første spørgsmål er normalt stillet ved en top-down tilgang for at teste, hvor meget der

maksimalt kan tabes ved chok. Andet spørgsmål er mere en buttom-up situation, hvor det

hovedsageligt er på operationelt eller taktisk plan.

På grund af, at afhandlingens fokus er lagt i et mere overordnet perspektiv, forholdes der

dermed til det første spørgsmål (Hvor meget kan der tabes hvis et stress scenarie

forekommer?). Dermed fokuseres der på, hvilken risiko der er ved at investere i

51


Risk management i forbindelse med investeringer i containerskibe

entreprisen. Dette gøres ud fra en vurdering om, hvilken beløbsmæssig størrelse der kan

tabes, og med hvilken risiko tabet kan forekomme.

Dette giver mulighed for at vurdere, om der eventuelt er tale om høj/lav-risiko i forhold

til sammenlignelige aktiviteter.

I en organisation skal risikoanalysen udarbejdes over en løbende proces, som skal udføres

kollektivt. Dermed gives bedre muligheder for at finde og vurdere situationer/scenarier,

som ikke umiddelbart synes mulige, men alligevel sandsynlige.

Samtidig er det vigtigt at forholde sig til, at stresstesten skal være anvendelig, realistisk

og tidsmæssig korrekt. Spørgsmålet om, hvad der måles skal være relevant for den

nuværende position – alle relevante markedsrater skal overvejes med de forskellige

potentielle politiske skift, og hvordan de forskellige variabler har indflydelse på

hinanden. Det skal dog holdes for øje, at der ikke skal stresstestes på alt, men kun på de

vigtigste og mest forklarende variabler.

For at få et bindeled til beslutningsprocessen, skal der fokuseres på det relevante

positionsspecifikke stress. Det vil sige, at der i dette tilfælde vil blive fokuseret på de

variabler, som er dynamiske i opgaven. Da der er tale om en corporated vurdering, vil en

årlig horisont være den mest relevante for stresstest-undersøgelsen.

Der er fire hovedtilgange til at genere stresstests; (1) Brugen af historiske scenarier

baseret på dage, hvor markedet flyttede sig skadeligt over for de implicerede. (2) choks

fra markedsrater. (3) Vurdering af hypotetiske fremtidsscenarier baseret på nuværende

markedsforhold og (4) en opsætning af specifikke porteføljestresstests, som er baseret på

svaghederne af porteføljen.

Første del af testen foregår ved at genere det værst tænkelige scenarie, i forhold til en

relevant porteføljeposition. Scenarierne retter sig både mod mønsteret af forandringen af

de individuelle markedsvariabler, såvel som interrelationerne af variablerne (for

eksempel korrelationen). Herefter revalueres porteføljen gennem stresstest-resultater, der

udregnes i nutidsværdier. Til sidst rekapituleres resultatet af stresstest-scenarierne, som

skal vise det forventede niveau af market-to-market loss (eller gain), og i hvilke

forretningsområder tabene vil være koncentreret.

52


Risk management i forbindelse med investeringer i containerskibe

Der vælges 2 scenarier, som skal implementere choks i beregningsmodellen - enten i

markedsfaktoren, volatiliteten og eller korrelationerne. Da der ikke besiddes statistiske

data, som indeholder perioder med chok, vælges det at benytte litteraturens empiriske

erfaringer. Her har Nomikos & Alizadeh (2002) beskrevet følgende hovedforandringer på

Baltic Freight Index (se Tabel 20).

Tabel 20: Baltic Freight Index Major Changes in its composition since its inception

Vessle size

(dwt)

Linie

1990-

1991

1991-

1993

1993-

1993

1993-

1998

1998-

1999

1999-

70.000 Trans-Atlantic round 10% 10% 10% 10% 10% 20%

70.000 Skaw-Gibraltar to Taiwan-Japan 10% 10% 10% 10% 12,5%

70.000 Trans-Pacific Round 7,5% 7,5% 7,5% 10% 10% 20%

70.000 Japan-Korea to Skaw Passero 5% 10% 10% 15%

Kilde: Nomikos & Alizadeh (2002)

Gennemsnit 9% 9% 8% 10% 10% 17%

Jævnfør tabellen har det største udsving fundet sted i 1999, hvor et gennemsnit af alle

målingslinierne havde en stigning på 17%. Herunder var der et enkeltstående peak med

20% stigning. For at få et scenarie med det største udsving, fokuseres der med 20% i

forhold til T/C. Dette tal benyttes både i forhold til op-/nedadgående udsving i

scenarierne.

Der vurderes på T/C som chokkatalysator, hvor de resterende variabler vil udvikle sig i

forhold til deres korrelation til T/C. Benyttes et fald på 20% i T/C, kommer

beregningerne frem til følgende resultat i Tabel 21.

Tabel 21: NPV target scenario

20% forandring af T/C*

Target stress senarios Negative Positive

T/C raten -20,0% 20,0%

Skibspriser -19,1% 19,1%

Omkostninger -19,4% 19,4%

NPV target scenario 2.606.461 115.682.022

* Bestem ved nedre konfidensnivau ved både up og down side

Kilde: Egen tilvirkning

Resultatet viser, at der er gode muligheder for at entreprisen er rentabel i hele perioden.

Ved et fald på 20% af T/C, falder NPV med ca. DKK 57 mio. fra DKK 59 til DKK 2

mio. Entreprisen giver stadigvæk et overskud, hvorfor entreprisen kan fortolkes til at

53


Risk management i forbindelse med investeringer i containerskibe

være relativ robust. Dette skyldes at der historisk set jvf. Tabel 20 ikke har været større

fald end 20%.

I forhold til scenariet, hvor der i stedet er en 20% stigning, stiger resultatet med det

samme beløb som ved faldet - med DKK 57 mio., hvor resultatet ender på DKK 115 mio.

På baggrund af simuleringen, hvor der er tilnærmet en højreskæv gammafordeling, vil det

dermed være interessant at finde ud af, hvordan resultatet vil udarte sig, hvis der

simuleres på scenarierne. Derfor testes der i forhold til fald/stigning på 20%, hvor det

vurderes, hvad det har af effekt i forhold til det nedre KI. Bilag 15 illustrerer resultatet af

simuleringen, som i hovedtræk gengives i Tabel 22.

Tabel 22: Simulerede scenario af choks

20% forandring af T/C

Fald

(mio. DKK)

Risiko Stigning

(mio. DKK)

Mean 143 330

Std. dev. 454 690

Risiko

Nul-NPV (168) 44,2% (142) 27,2%

NPVaR (170) 44,7% (258) 44,8%

Kilde: Egen tilvirkning på baggrund af simuleringer

Tabellen illustrerer konsekvensen af 20% fald/stigning. I forhold til et 20% fald kan NPV

ved et nulpunkt have et negativt fald på DKK -168 mio. Dette giver et NPVaR på DKK

-170 mio. Dette må anses for at være højrisikabelt, idet ejerne kan risikere at skulle

indskyde et beløb på DKK 168 mio., hvilket er mere end det dobbelte af entreprisen på

DKK 150 mio. I forhold til NPVaR har det dermed kun en lille korrigering på grund af, at

targetresultatet kun var på DKK 2 mio., hvorfor NPVaR er på DKK 170 mio. Resultatet

af nedre scenarie kan illustreres jvf Figur 8.

Figur 8: Nedre simulering af Nul-NPV og NPVaR

Kilde: Egen tilvirkning via CB og datasæt

54


Risk management i forbindelse med investeringer i containerskibe

I forhold til middelværdien er den faldet fra den oprindelige forecast på DKK 235 mio. til

DKK 143 mio. Dette fortolkes til stadigvæk at være relativt højt i forhold til

targetresultatet, som faldt til kun DKK 2 mio. Dette skyldes den kraftige højreskæve

fordeling, hvor medianen kun er på DKK 59 mio. Stadigvæk synes dette beløb at være

højt, hvorfor entreprisen må anses for at være lukrativ.

I forhold til et positivt scenarie, hvor T/C stiger med 20%, viser resultatet et NPV

targetresultat på DKK 115 mio. I forhold til simuleringen, resulterer dette i en

middelværdi på DKK 330 mio. I forhold til et nul-NPV ender det nedre KI på et negativt

resultat på DKK 142 mio. Dette giver et NPVaR på DKK -258 mio. Dette anses ligeledes

for at være højrisikabelt i forhold til den potentielle volatile NPV. Resultatet er betydeligt

bedre end hvis T/C falder, hvor der kun er 27% sandsynlighed for, at NPV er negativ.

Resultatet af det øvre scenarie kan illustreres jvf Figur 9.

Figur 9: Øvre Scenarie af nul-NPV og NPVaR

Kilde: Egen tilvirkning via CB og datasæt

I stedet for at benytte sig af en en-sidet simulering, kan der benyttes en tosidet simulering.

Jævnfør Werckman et. al. (2004) skulle dette generelt være en bedre metode at benytte.

Metoden går ud på, at målingsvariablerne deles op i to variationsformer, hvor den ene er

(1) usikkerheden med utilstrækkelig information omkring den sande, men ukendte værdi

(For eksempel usikkerheden om, hvad renten vil være om 12 måneder). (2) Den anden er

variabiliteten af forandringer ved populationens forskellige værdier (For eksempel ved

variationen af prisen for det enkelte skib i forhold til populationen).

Metoden, som simuleringen er baseret på, er løkkeberegninger, hvor

variabilitetsvariablerne køres igennem modellen, mens usikkerhedsvariablen holdes

55


Risk management i forbindelse med investeringer i containerskibe

statisk. Efter simulering af variabilitetsvariablerne, rekalkuleres usikkerhedsvariablerne,

hvorefter der foretages en ny simuleringsrunde på variabilitetsvariablerne.

Da variablerne alle vurderes til at være af variationsformen på grund af usikkerheden

omkring den sande værdi, vil det dermed ikke give noget nyt i simuleringen. Derfor

forsøges anvendelse af forskellige tests, hvor kun én eller flere af de fire vælges som

variabilitetsvariablen. Dermed er det muligt at se, hvad der sker med modellen, når nogle

af de andre variabler på sin vis fastlåses (se Bilag 16).

Simuleringen udføres over 10.000 gange, men hvor usikkerhedsvariablerne gennemføres

10 gange - det vil sige, at simuleringen gentages 10 gange 52 .

Først isoleres en enkelt variabel som en variabilitetsvariabel for herved at se, hvordan

fordelingen falder ud. Det vil sige at two-way simuleringen måles enkeltvis med T/C,

skibspriser og omkostninger som dynamiske variabilitetsvariabler. Bilag 16 viser

resultaterne, hvor det ses, at variablerne isoleret set kommer frem til et svingende resultat.

Dog skiller T/C sig ud ved at illustrere, at det er denne som har den højreskæve fordeling

i simuleringen.

Opdeles variablerne ved T/C og Skibspriser kontra omkostninger, er resultatet

nogenlunde det samme som ovenstående. Derfor fortolkes dataene til, at det er T/C som

giver udsvingene i simuleringsresultatet, da den følger en gamma-fordeling. Det er dog

stadig i opadgående retning at det store udsving er, hvorfor der er chance for ekstra

gevinst.

På baggrund af ovenstående vil det være interessant at se på, hvilke muligheder der er for

at sikre sig mod tab i investeringen. Derfor vil sidste del af afsnitet kort behandle,

hvordan der skal hedges ved en skibsinvestering.

7.1 Hedge

Ved hedging forsøges det at sikre en fremtidig indtægt ved at fastlåse den. Dette kan

foregå via derivater, såsom forwards-, futures-, options- eller SWAP kontrakter. Disse

kontrakter er som regel bygget på et underliggende aktiv i form af obligationer, aktier

52 Sammenholdes med exposure mapping modellen, hvor der er ca. 140 beregninger kommer det op på et

beregningsgrundlag på 140*2.000.000=280. mio. beregninger for hver setup. Heraf er der udført seks setup,

hvorfor den samlede beregning løber op i 6 *280=1,68 mia. beregninger.

56


Risk management i forbindelse med investeringer i containerskibe

eller lignende. Derudover er der futures, som også kan være baseret på indekser, hvilket i

skibsbranchen hovedsagligt betegnes gennem Forward Freight Agreement (FFA), der

blandt andet er baseret på Baltic Freight Index (BFI) 53 .

I forbindelse med hedging af entreprisen er det muligt at hedge direkte på flere områder

(fx T/C-raten eller skibsprisen). Hvis det ikke er muligt at hedge direkte på det

underliggende aktiv, er det muligt at benytte korreliderende derivater. Til dette er

bunkeroptioner ofte benyttet på grund af at bunkerpriserne har en høj korrelation i forhold

til skibsbranchens udvikling (Nomikos & Alizadeh, 2002).

Da entreprisen er mest følsom i forhold til T/C-rater, vil det derfor være mest

nærliggende at fokusere på dette område. T/C-raten kan i forvejen betegnes som et hedge,

da den er på periodisk kontraktbasis, hvorfor choks på markedet er mindre risikable ved

en T/C-kontrakt end på spotmarkedet 54 . Umiddelbart anses det således ikke for værende

nødvendigt at hedge på dette område. Dog kan der være behov for at hedge hvis en

kontrakt står over for en fornyelse.

Derfor kan der i stedet fokuseres på skibsinvesteringen, for at sikre skibets salgspris i

fremtiden. Dette kan gøres på baggrund af forwardsderivater, hvor to parter indgår en

aftale om en fremtidig pris. Herved låses prisen på for eksempel skibet, hvor det kun er

kurtagen der ”tabes” på.

Hvis der ikke er rentable muligheder for at tegne forwards på skibet, kan andre

korreliderende derivater benyttes. Her kan de standardiserede futurekontraktformer i form

af FRA’er bruges, hvor prisen kan bestemmes ved Ligning 9.

Ligning 9: Future pris

F = S e

0 0

rT

Kilde: Hull, 2003

53 Læs mere herom i Bilag 17. FFA er samtidig empirisk målt til, at være det mest efficiente forecast i

forhold til spotprisen, frem for VAR-, ARIMA-, Random Walk og andre modeller (Nomikos & Alizadeh,

2002).

54 Under forudsætning af at kontrakten er på fast aftalt pris, og ikke variabel.

57


Risk management i forbindelse med investeringer i containerskibe

Hvor F0 er futureprisen, S0 er den nuværende spotpris, r er den risikofrie rente og T er

tiden til kontrakten udløber, målt i år. Imperisk set har det vist sig at FFA er de bedste

derivat til at forecaste en fremtidig prisfastsættelse (Nomikos & Alizadeh, 2002), hvorfor

disse fortolkes til at være bedst ved hedging af entreprisen.

Dog skal hedgingen ikke foregå ved at tegne FRA’er 1:1 i forhold til det underliggende

aktiv, da det ikke er efficient (Nomikos & Alizadeh). Derfor skal der benyttes en Hedge-

ratio i forbindelse med, i hvor stor grad der skal hedges i forhold til det underliggende

aktiv.

Formlen for den optimale hedge-ratio vurderes ud fra spot- og futureprisen, der kan

beskrives ud fra Ligning 10:

Ligning 10: Hedge ratio

Q

h* = ρ

Q

S

F

Kilde: Hull, 2003

Hvor h* er hedgeratioen, QS er standardafvigelsen af afkastet for spotprisen, QF er

standardafvigelsen af afkastet for futureprisen og ρ er korrelationen af afkastet mellem

spot- og futureprisen.

Variablerne bestemmes på baggrund af historiske regresserede data. Intervallet af dataene

er idelt set af samme længde som hedgingperioden, hvilket kan være problematisk ved

længere hedgingperioder, idet der ikke er observationer nok. Derfor kan mindre

intervaller benyttes (Hull, 2003).

På baggrund af hedgeratioen kan antallet af kontrakter derfor bestemmes ved Ligning 11:

Ligning 11: Optimal anfal futurekontrakter for hedging

h * N

N*

=

Q

F

Kilde: Hull, 2003

A

Hvor N* er det optimale antal futurekontrakter for hedgingen, h* er hedgeratioen, NA er

størrelsen af positionen der skal hedges, og QF er størrelsen af en futurekontrakt.

58


Risk management i forbindelse med investeringer i containerskibe

Typisk er det dog på kortere sigt inden for et år, at FFA benyttes, hvorfor det igen ikke vil

være en tilstrækkelig lang periode, i forhold til at hedge på et skib over flere år. Derfor

synes forwards umiddelbart at være den bedst passende derivatmetode på langt sigt, hvor

rederiet skal sælge en forward kontrakt til en fremtidig periode.

I forholdt til at FFA handles på OTC, hvor fra pricipal til principal, er der ingen garanti

fra et uafhængigt ”clearing house”, hvilket vil være et fremtidigt krav hvis risikopræmien

skal mindskes. Desuden Handles FFA som euripæiske optionen på den måde at de ikke

kan handles før de løber ud (Nomikos & Alizadeh, 2002).

Et eksempel på et hedge kan illustreres jf. Nomikos & Alizadeh (2002) i forhold til en

T/C-hedging (se Tabel 23 og datafil under Hedge).

Tabel 23: Hedge

1 års hedge

Fysisk marked Futures market

2004

Rente 4,3%

Spot T/C-rate kr 103.785 T/C FFA kr 108.251

Freight cost kr 37.881.349 Freight cost kr 39.511.534

2005

Rente 3,4%

Spot T/C-rate kr 127.471 T/C FFA kr 131.802

Freight cost kr 46.527.079 Freight cost kr 48.107.602

Tab/fortjeneste kr 7.015.545 kr (8.596.068)

Netto resultat kr (1.580.523)

Kilde: Nomikos & Alizadeh, 2002 og egen tilvirkning

Hedgen viser at der er solgt en FFA for at hedge imod spotmarkedet. De

Eksemplet viser en hedge imod spotmarkedet, hvor der er solgt en FFA. Hedgeratioen er

beregnet til 1,01, hvoraf der skal hedges med 369 kontrakter.

Kontraktstørrelsen kendes ikke, hvorfor det forudsættes at dere tales om en enkelt

kontrakt pr. dag, hvorfor 365 kontrakter er lig et år. Et enkelt år multipliceret med 1,01

giver 369 kontrakter.

Resultatet er beregnet på baggrund af den benyttede T/C-rate i afhandlingen, hvor

futureprisen er fundet ved at benytte Ligning 9, hvor der er benyttet de gennemsnintlige

59


Risk management i forbindelse med investeringer i containerskibe

resultater fra årene 2004 og 2005. Der er dermed ikke benyttet officielle futurepriser fra

BFI.

Resultatet giver et underskud på godt DKK 2 mio. hvilket ikke ser tilfredsstillende ud i

forhold til en potentiel fortjeneste på DKK 7 mio. Men havde sitionen været modsat med

modsat fortegn havde hedgen været effektiv mod for store tab.

Hermed er afhandlingens problemformulering blevet undersøgt, hvorfor følgende afsnit

omhandler diskussion og konklusionen samt perspektivering af afhandlingens resultat.

8 Konklusion, diskussion og perspektivering

Følgende kapitel indeholder en konklusion, diskussion og perspektivering af

afhandlingens proces og resultat.

8.1 Konklusion

Afhandlingen fire trinanalyse er forsøgt testet med nedenstående model (se Tabel 24).

Tabel 24: Problemformuleringsbesvarelse

SP Delspørgsmål Delkonklusion Vurdering

1 T/C-raternes

Efficiente

2 Simuleret

gennemsnitsafkast

• T/C-raten er kun delvist oplyst

• Benytter kun et udvalg af ruter

• Er kun gennemsnit af div. skibe

• Periodebaseret værdiansættelse

• Cykluspræget

• Konferenceaftaler styrer prisen

• Problematisk datamateriale

• Højreskæv fordeling af T/C

• Stort udsving

• Kan ikke afvise Normalfordelinger

3 Risiko • T/C-priser er mest volatile og

højreskæve

• Monte Carlo robust model

• Scenarierne viste en robust

investering

T/C-raten er efficient i en

semistærk form

T/C har størst indflydelse

på resultatet.

Maksimum negativt CF =

DKK 155 mio.

NPVaR er på

DKK 214 mio.

Stor volitilitet =

mulighed for sort afkast

Risiko for et

negativt CF = 35%

Risiko ved NPVaR

= 45%

60


4 Sikring af

Investeringen

Kilde: Egen tilvirkning

Risk management i forbindelse med investeringer i containerskibe

• FFA er mest sikkert forecast

• Mest brug for at hedge på skibet

• Forward mest benyttet ved skibe

• Derivater er relativt nyt for

søbranchen og dermed ikke så

udbygget som den finansielle

branche

Strategisk hedge

nødvendig ved

nedgangsperioder

Bedst muligt gennem T/C

eller korreliderende

FFA’er

Individuel forward på

skibe

Første spørgsmål omhandler T/C-ratens efficiensstadie, der behandles ud fra en kvalitativ

vurdering. På trods af, at litteraturen har indikeret et inefficient marked, da

prisfastsættelsen foregår periodisk, har forfatteren fundet dataene efficiente i en

semistærk form, og dermed anvendelige for den videre analyse. Der kan dog sættes

spørgsmålstegn ved denne efficiens, idet der ikke findes betydelig information omkring

T/C, hvorfor markedet ikke er optimalt transparent for analyse. Det blev dog vurderet, at

T/C-markedet er efficient på baggrund af, at den er baseret på spotmarkedets

prisfastsættelse, som vurderes til at være mere likvidt.

At der satses på et nyt skib indebærer, at man er ”up-to-date” i forhold til regler og krav

på markedet. Dette fortolkes til at give de bedste konkurrencemæssige styrker for

entreprisen og dermed rederiet. Det er vigtigt at time investeringen i skibet, hvilket kan

være problematisk på grund af de cykliske forhold. Derfor indikerer analysen en

overfølsom branche, hvorfor man som investor skal være opmærksom på de forskellige

kriteriers udvikling. Herved kan rederiet bedre agere på det globale marked ved at

opretholde en konkurrencemæssig fordel gennem hedging og timing af investeringerne.

Gennemsnitsafkastet er besvaret ved 2. spørgsmål på trods af et problematiske

datamateriale. NPV er bestemt selv om T/C bidrager med en højreskæv fordeling, hvilket

giver en upside indtægtsmulighed ved resultatet. På baggrund af 95% koinfidensinterval

giver NPVaR et resultat på DKK 214 mio. Ved måling af et negativt NPV giver det et

resultat hvor der kan tabes op til DKK 155 mio. ud fra gældende forudsætninger.

61


Risk management i forbindelse med investeringer i containerskibe

I forhold til risiko der besvares ved 3. spørgsmål viser det, at NPVaR kan falde under

targetresultatet med 45% risiko. Testes der for, når NPV er negavit, falder risiko for

underskud til 35% (se Tabel 25).

Tabel 25: NPV at Risk (NPVaR) og det negative NPV

Confidensniveau

Maks. tab

(mio. DKK)

Risiko

NPVaR 214 mio 45%

Negativt NPV 155 mio. 35%

Kilde: Egen tilvirkning fra datafil: Risk-results.

Stress testen viser, at up side volatiliteten giver risiko for store tab, der med relativ stor

sandsynlighed kan eliminere entreprisen, såfremt der ikke indskydes yderligere

investeringskapital.

Dog vurderes det at historiske shocks ikke har et udsving som overgår entreprisens NPV.

For at sikre investeringen, vurderes det ved spørgsmål 4, at det ved direkte hedging er

mest effektivt at hedge på T/C eller skibet. Dette skyldes, at det er disse to variabler der

har størst indflydelse på entreprisens resultat. Det vurderes, at entreprisen i forvejen kan

betegnes som værende hedged på baggrund af, at der benyttes T/C. At skibspriserne og

T/C har en høj korrelation kan give en dobbelteffekt ved et fald i T/C, og dermed

skibsprisen. Denne risiko kan mindskes ved, at der hedges på den ene faktor for at

udligne faldet på den anden.

Derivater er et relativt nyt område, som er under udvikling i skibsbranchen. Markedet er

udbygget i begrænset omfang i forbindelse med, hvilke aktiver der effektivt kan hedges.

Derfor kan alternative hedges benyttes på baggrund af korreliderende og mere likvide

aktiver. Monte Carlo-modellen vurderes til at være et effektivt værktøj i forhold til

opstilling af beregningsmodellen. Det er dog vigtigt, at benytte fordelinger og

standardafvigelser korrekt, så de repræsenterer markedet.

På baggrund af ovenstående analyse kan det derfor konkluderes, at de beregnede

scenarier viser at entreprisens risiko er på et relativt højt niveau. Dette skyldes til dels det

idiosynkratisk sykliske forhold, som gør forecastningen uforudsigelig og investeringerne

risikable.

62


Risk management i forbindelse med investeringer i containerskibe

Et nystartet rederi vil ikke have opbygget de office-funktioner, som kan servicere

kundepotentialet - for eksempel door-to-door service. Derfor skal der i stedet for

spotmarked satses på det mindre volatile, og det dermed mere sikre time charter marked.

Et skibs værdi kan være en betydelig del af et rederis afkast ved handel af disse, hvorfor

spekulationer til tider har bidraget med støre resultat end rederiernes core business.

At der er benyttet T/C giver en bedre sikring og stabilitet i rederiets indtægt, hvorfor

hedging vil være mindre nødvendigt. Dog vil der med fordel kunne vurderes, om der skal

hedges på skibet ved for eksempel tegninger af forwards.

I forlængelse af konklusionen vil følgende kapitel diskutere proceduren og resultatet af

afhandlingen for kritisk at vuredere, om der kunne være foretaget bedre tiltag.

8.2 Diskussion og perspektivering

Generelt har det været svært at finde databaser på T/C og skibspriser, da der kun

forefindes begrænsede registre i branchen. Dette har bevirket, at faktorerne der måles på,

har været mindre robuste.

Stopford (1988) hævder at det er bedre, at benytte andre faktorer end statistiske forecasts,

på grund af at disse sjældent viser et korrekt resultat. Det vil sige, at der i stedet skal

fokuseres på markedsudviklingen på makroplan.

Derudover kunne der også benyttes variabler på mikroplan, som korreliderer med T/C-

raten. I den forbindelse benyttes bunker-raterne ofte på baggrund af, at de er mere likvide,

og dermed mere efficiente i forhold til prisfastsættelsen. Herved skulle det være nemmere

at udarbejde en mere korrekt forecast.

De benyttede data vurderes til at være anvendelige til forecasting, på grund af at data er

sammenlignelige med andre undersøgelser. Der har været mangel på datamængder for at

kunne udføre kvantitative økonomiske tidsserieestimeringer, hvorfor der benyttes

beskrivende statistik.

Derudover er skibsbranchen som helhed et komplekst marked. Dette kunne måske have

været afhjulpet ved en branchekendt fokusgruppeundersøgelse, for herved at få besvaret

nogle af de basale spørgsmål i forbindelse med skibsbranchen. At der ikke har været

udarbejdet en fokusgruppe skyldes en antagelse om problematikken med, at finde

63


Risk management i forbindelse med investeringer i containerskibe

deltagere med denne viden og heraf en forbeholdenhed om at give følsomme oplysninger

om deres virke. Det vil sige informationerne til undersøgelsen vil være fortrolige for en

investeringsvirksomhed.

Der er udarbejdet en vurdering om simuleringsmodellens fourudsætninger ville kunne

forbedres. Det vil sige i stedet for at vækstvariabler vurderes på en enkelt estimering ved

hver simulering, hvorefter væksten ganges ud i hele periode, uearbejdes en individuel

fordeling på hvert enkelt år. Det vil sige der er en net vækstestimat ved hvert år. Derfor er

der testet om der er forskel ved at udarbejde en løbende årlig forudsætning pr. årlig CF.

Det vil sige, at væksten forandrer sig med standardafvigelsen hvert år gennem NPV-

analysen. Simuleringen forudsætter dog ikke nogen indbyrdes afhængighed eller

heteroskedasitet, hvor variansen af afkastet forandre sig, hvorfor årene ikke korreliderer

med hinanden (Se datasæt under ”Report - Modificeret simulering”). Dermed forudsættes

der ligeledes, at der ikke er nogen mean reversion, hvis volatiliteten er mindre på langt

sigt end på kort sigt – hvorfor der dermed ville kunne være en random walk i stedet

(Exley, Metha & Smith, 2004).

Fordelingsmæssigt er det nogenlunde det samme resultat som den oprindeligt benyttede

model, men resultatet er ikke det samme (se datafil under ”Report – Modificeret

simulering”).

Resultatet viser en mindre risiko i forhold til en negativ NPV, hvor risiko for tab falder

fra 35% til 21%. I forhold til NPVaR stiger risikoen fra 45% til 47%, hvilket indikerer at

resultatet inden for dette interval er mere stabilt, idet det er i den mindre følsomme del af

fordelingen.

Desuden er resultatet ikke så ekstremt som det fremkommende NPV resultat. I forhold til

at minimum og maksimum er intervallet på det oprindelige resultat på DKK -268 mio. til

DKK 30 mia., hvilket fortolkes som ude af proportion. Ved den nye model er intervalltet

mellem DKK -185 mio. til DKK 848 mio, hvilket vurderes til at være mere realistisk.

Modellen som er brugt i afhandlingen vurderes dog stadig til at være anvendelig i

forbindelse med simuleringen, idet konfidens intervalet holder sig inden for et

nogenlunde realistisk resultat på DKK -155 mio. til DKK 1,2 mia.

64


Risk management i forbindelse med investeringer i containerskibe

Forecastingsmodellen kunne have været kontrolleret ved at lave backward test i forhold

til at tage en ældre periode og dermed teste på disse data. Herved skulle forecastresultatet

passe til de data som findes i dag. Dette er dog ikke blevet udført på baggrund af

kapacitetsmæssige hensyn og datamangel.

Den skærpede konkurrence vil være en fordel for rederier der ikke er med i en

conferenceaftale, på grund af konferencerne er under stigende pres for at ophæve pris-

/kapacitetsaftalerne på deres linier. Modsat får mindre rederier ikke gavn af

stordriftsfordele, som er en af de store styrker på liniefarten. Dermed vil et mindre rederi

være stærkest på intermediate- eller feederområdet, hvilket også stemmer overens med

afhandlingens valg af indtægt.

Overordnet set har afhandlingen forsøgt at afdække problemformuleringen på et relativt

tilfredsstillende niveau for forfatteren, hvorfor følgende perspektivering kan udarbejdes.

Overordnet set er skibsbranchen en af de ældste brancher at investere i. Det kan godt

virke som om den er fastlåst i ældre traditioner, som er opbygget gennem århundreder i

deres globale virke. Den generelle globalisering er med til at øge væksten, som dermed

oparbejder en mere konkurrencepræget situation, og dermed efficient prissætning.

Konferenceaftaler, som prisfastsætter fragtraterne, kommer derfor i stigende grad under

pres af verdensmarkedet for at blive afskaffet, hvorfor det vil øge den frie samhandel,

hvilket fører til mere likvide og efficiente priser. Derfor vil situationen for mindre

rederier stadig være gunstig i fremtiden på trods af den globale konsolidering.

Det vil sige for, at udnytte stordriftsfordelene vil skibsbranchen opleve en konsolidering

af rederierne, hvorfor mindre rederier er nødt til, at udbygge et større konkurrencedygtigt

samarbejde i forhold til de større udbydere på markedet (Ryoo & Thanopoulou, 1999 og

Slack et al, 2002).

Globalt set indikerer de miljømæssige, politiske og økonomiske forhold på

verdensmarkedet, at kravene til skibsbranchen bliver skærpet. Modsat kan den globale

samhandel kun fortsat forventes forøget, hvorfor containertransport kun kan forventes at

vedblive med at være et gunstigt forretningspotentiale.

65


Risk management i forbindelse med investeringer i containerskibe

Ved det risikomæssige aspekt er markedet p.t. ikke i så stor grad så transparent, hvorfor

det skaber en større usikkerhed og dermed en højere risikopræmie. Ved udbygning af

bedre og mere åben prispolitik af diverse ruter, skiber etc., vil markedet dermed kunne

tiltrække mere investeringskapital og mindse risikoen i form af et mere likvidt og dermed

mere efficient marked.

66


Risk management i forbindelse med investeringer i containerskibe

Litteraturliste

Alderton, Patrick M., (2004), “Reeds Sea Transport, Operation and economics”, Adlard

Coles Nautical, 5. udgave

Alderton, Patrick M. & Marv Rowlinson, (2002), “The Economics of Shipping Freight

Markets”, I: Grammenos, Costas Th., (2002) “The handbook of maritime

economics and business”, LLP, London Hong Kong

AXS, (2007), “AXS-Alphaliner – Liner Shipping Report – January 2007”,

www.axsliner.com

Bendall, Helen, (2002), “Valuing maritime investments using real options analysis”, I:

Grammenos, Costas Th., (2002) The handbook of maritime economics and

business, LLP, London Hong Kong

Berlingske, (2005), ”Skibsinvesteringer i fremgang”, www.berlingske.dk mandag den 25.

april 2005 kl. 11:10

Bjørnvik, Lars, (2005), ”APM oversolgt” Forum på Euroinvestor, oprettet 07-10-2005:

10:36:16, Indlæg nr. 114188.1

Blake, David, (2000), “Financial Markets Analysis”, 2. ed. John Wiley & Sons Ltd.

England, ISBN 978-047187728-X

Bodie, Zvi, Robert & Merton, (2000), “Finance”, Prentice-Hall

Brooks, Mary, (2000), ”Sea change in liner shipping in regulation and managerial

decisionsmaking in a global industry” Pergamon ISBN: 0080434282

Clarkson, 2005, “Container Intelligence Monthly”, Vol. 7, no. 6, June 2005. ISSN:1467-

0488, Clarkson Research Studies

Clarkson, 2005b, “Container Intelligence Quarterly – A comprehensive quarterly review

and outlook for the container shipping market from Clarkson Research

Studies”¸ 1. quarter 2005. ISBN: 1478-9779”, Clarkson Research Studies

Copeland, Tom, Koller, Tim & Jack Murrin (2000), “Valuatio; Measuring and Managing

the Value of Companies”, 3. ed. University ed. McKinsey & Company, Inc.

ISBN 0471361917

CS&P, (2005) ”CS&P SKIBE AS tilbyder eksklusiv investeringsmulighed i MV CITY OF

HAMBURG”, Investeringsprojekt fra CS&P, www.cspartnere.dk

Difko, (2005), ”Passat”, investeringsprojekt fra KS Difko, www.difko.dk

Difko, (2005b), ”Vergi”, investeringsprojekt fra KS Difko, www.difko.dk

Domino, S., Wichmann, S. & L.O. Andersen, (2005), ”A.P. Møller bremser op efter

rekordregnskab”, Berlingske Tidende, fredag den 1. april

Domino, Søren, (2006), ”Torm opjusterer på skibssalg”, 28. juli, Berlingske

Drewry, (1999), ”Containership Charter Market: A Positive Course for the New

Millennium?”, Drewry shipping Consultants Ltd. July 1999.

Drewry, (2003), ”The Drewry Container Market Quarterly”, Drewry shipping

Consultants Ltd. Vol. 4, 1. edition, March 2003.

Drewry, (2004), “The ‘super-cycle’ nears its end – Executive Summary” The Drewry

Container Market Quarterly, Drewry Shipping Consultants Ltd.

Drewry, (2005), “The Drewry Container Market Quarterly – Executive Summary”,

Drewry shipping Consultants Ltd

67


Risk management i forbindelse med investeringer i containerskibe

Evans, James R. & Olson, David L., (1998), Introduction to Simulation & risk analysis,

Prentice Hall, ISBN 0136216080

Evans, James R., & Olson, David L., (2000), Statistics, data analysis, and decision

modelling, Prentice Hall, ISBN 0130205451

Eview, (2002), “Eviews 4 User’s Guide”, Quantitative Micro Software, LLC, ISBN

1880411288

Exley, J., Metha, S., & Smith, A., (2004), “Mean Reversion”, Pesentet to: Faculty &

Institute of Actuaries, Finance and Investment Conference, Brussels, June

Ferma, (2003), ”Standarden for risikostyring”, Airmic, Alarm, IRM: 20002

(ferma:Federation of European Risk Management Associations)

Grammenos, Costas Th., (2002) “Credit risk, analysis and policy in bank shipping

finance”, I: Grammenos, Costas Th., (2002) “The handbook of maritime

economics and business”, LLP, London Hong Kong

Hamburg Shipbrokers´ Association, (2005) Hamburg Index – Containership T/C-rates,

www.vhss.de/englisch/hax.html

Harlaftis, Gelina & Theotokas, John, (2002), “Maritime Business During The 20th

Century: Countinuity and chage”, I: Grammenos, Costas Th., (2002) “The

handbook of maritime economics and business”, LLP, London Hong Kong

Hull, John C., (2003), “Options, Futures, and Other Derivatives”, 5. udgave, Printice

Hall

Kavussanos, Manolis G., (2002), “Business Risk Measurement and Management in the

Cargo Carrying Sector of the Shipping Industry”, Athen University of

Economics and Business, Greece, I: Grammenos, Costas Th., (2002) “The

handbook of maritime economics and business”, LLP, London Hong Kong

Laubsch, Alan J., 1999, “Risk Management, A Practical Guide”, RiskMetrics Group, 1.

edition, August.

Lee, Alvin Y., (1999), ”CorporateMetrics: The Benchmark for Corporate Risk

Management – Technicla dokument”, RiskMetric Group 1. ed. April 1999,

CorporateMetrics TM

Lindegaard, Camilla og Ulrik Hvid, (1997), ”KSF for Nærsøfarten – en afdækning af de

fremtidige muligheder”, Hovedopgave ved HD-studiet i Logistik,

Handelshøjskolen i København

Myers, Brealey, (2003); Principles of copporate finance, 7. udgave, McGraw-Hill,

ISBN:9790071151443

Nielsen, Henning V. & Flemming Ramsby, (1995), ”Skibsføreren, befragtning,

havneanløb og ladningsekspedition”, Søfartsstyrelsen, Iver C. Weibach & Co.

A/S, 2. udgave

Nomikos, N.K. & Alizadeh, A.H., (2002), “Risk management in the shipping Industry:

Theory and practice” , I: Grammenos, Costas Th., (2002) “The handbook of

maritime economics and business”, LLP, London Hong Kong

Porter, Michael E. (1980), “Competitive Strategy: Techiques for Analyzing Industies and

Competitors”, Pree Press

Ryoo & Thanopoulou, (1999), “Liner alliances in the globalization area: a strategic tool

for Asian container carriers”, Marit. Pol MGMT., Vol. 26, nr. 4, pp348-367

Slack, Brian, (2002), “Strategic alliances in the container shipping industry: a global

perspectgive”, Marit. Pol. MGMT., Vol. 29, nr. 1, pp. 65 til 76

68


Risk management i forbindelse med investeringer i containerskibe

Stern, Eugene, (2001) “Risk management for non-financial corporations”, Risk Metrics

Group

Stopford, Martin (2002) “Shipping Market Cycles”, Clarkson Research, H. Clarkson &

Co. Ltd, London, I: Grammenos, Costas Th., (2002) “The handbook of maritime

economics and business”, LLP, London Hong Kong

Stopford, Martin (1988), “Maritime Economics”, Unwin Hyman, London, ISBN 0-04-

623016-5

Thanopoulou, Helen, (2002), “Investing in Ships: An Essay on Constraints, Risk and

Attitudes”, Cardiff Business School, University of Cardiff, UK, I: Grammenos,

Costas Th., (2002) “The handbook of maritime economics and business”, LLP,

London Hong Kong

Werckman, C., Hardy, T., Wainwright, E., Harris, C. & B. Gentry, (2004), Crystal ball -

User Manual, Decisioneering Inc. Denver, Colorado

Wooldridge, Jeffrey M., (2003), Introductory Econometrics, A modern approach,

Thomson, south western, 2. edition, ISBN: 0780324113648

Blake, David, (2000), Financial Market Analysis, 2 e., Wiley, ISBN 978047187728

Corporate web-sites:

(Baltic) www.balticexchange.com, Fragtrater, opdateret: daglig

BørsCustom, (2007), “DS Torm”, http://www.aktiesiden.dk/dk/1028146.htm

BørsCustom, (2007b), “DS Orion”, www.aktiesiden.dk/dk/1024604.htm

www.clarkson.com, Clarkson Research Studies, Fragtrater, opdateret: daglig

www.cse.dk, Københavns fondsbørs, regnskabstal, opdateret: dagligt

www.dr.dk/Nyheder/Temaer/Penge+temaer/2005/maersk/artikler/20051213151737.htm

A.P.Møller – Mærsk – Danmarks største virksomhed, opdateret 2006

www.nationalbanken.dk, Nationalbankens database for oplysning af renter og

markedsindkes, opdateret dagligt

www.shiplink.info, ships for sale/purchase opdateret: daglig

www.skat.dk, Lov om beskatning af rederivirksomehd (tonnageskatteloven), opdateret: 8.

maj. 2002,

www.vhss.de, Vereinigung Hamburger Schiffsmakler und Schiffsagenten e.V

(Hamburgerindekset), for indhentning af T/C-rater, opdateret dagligt.

www.riskmetrics.com/corpovv.html, Risk Metrics Group, “The standard in Financial

Risk Management”, opdateres dagligt

69


Risk management i forbindelse med investeringer i containerskibe

Begrebs- og ordforklaring

Alliance: Samarbejde mellem forskellige rederier.

B/B: Bareboatcharter - Et chartrearrangement, hvor chartrelejeren er

ansvarlig for alle omkostninger og risiko forbundet med skibets

drift.

BT: Brutto tonnage, omfatter skibets samtlige rummål.

Bulk carrier: Skib til transport af fx løst gods i form af fx kul.

Bunker: Brændstof til et skibs hovedmotorer.

Conference: Sammenslutning af rederier, som bl.a. har til formål at fastsætter

udbuddet af fragtkapacitet og og fragtpriser.

Door to door service: Total service hvor al fragt indgår.

DWT: Dødvægtstonnage, et skibs fragtkapacitet

FEU: Forty equevalent unit, 40 fods container

Fully cellular

Container ship: Containerskib bygget specielt og kun til containerfragt

General Cargo: Stykgods.

GT: Gross tonnage, brutto tonnage (BT)

Konference: Sammenslutning af rederier. Ved lukkede konferencer reguleres

priserne og kapaciteten på en rute, hvorimod ved åbne

konferencer reguleres kapaciteten ikke.

Liniefart: Operering af skibstransport mellem udvalgte havne med faste

tider.

Loading speed: Lastehastigheden.

Load factor: Kapacitetsudnyttelse.

NT: Net tonnage.

Off-hire dage: Tabte chartreindtægtsdage fx ved service-dogning.

Pool: En gruppe rederier som deler deres skibskapacitet sammen.

TDW: Dead waitght tonnage, (dødvægtstonnage) et skibs maksimale

lasteevne inkl. brændstof.

TEU: Twenty equevalent unit, 20 fods container.

T/C: Time chartre, lejeprisen for et skib i en periode, hvor ejeren er

ansvarlig for besætningen og skib men hvor chartre skal betale

for bunker- og havneomkostniger (variable omk.).

Tripcharter: Lejeprisen for en aftalt rejse.

70


Risk management i forbindelse med investeringer i containerskibe

Ligningfortegnelse

Ligning 1: Hull-to-debt rate .............................................................................................. 19

Ligning 2: Forsikringspræmie........................................................................................... 24

Ligning 3: Gennemsnitlige værditab................................................................................. 25

Ligning 4: Differenslogaristisk afkast............................................................................... 28

Ligning 5: Korrelation....................................................................................................... 30

Ligning 6: Opportunity cost of capital .............................................................................. 35

Ligning 7: Capital Asset Pricing model (CAPM) ............................................................. 38

Ligning 8: Unlevering Beta............................................................................................... 41

Ligning 9: Future pris........................................................................................................ 57

Ligning 10: Hedge ratio .................................................................................................... 58

Ligning 11: Optimal anfal futurekontrakter for hedging .................................................. 58

Ligning 12: Standardafvigelse .......................................................................................... 75

Ligning 13: Estimator for standardafvigelsen................................................................... 75

Ligning 14: Skewness ....................................................................................................... 75

Ligning 15: Kurtosis.......................................................................................................... 75

Ligning 16: Jarque-Bera.................................................................................................... 75

Ligning 17: Første ordens autoregressive model .............................................................. 78

Ligning 18: Højere ordens autoregressive model ............................................................. 78

Ligning 19: Årlig procentvis afskrivning.......................................................................... 90

Figurfortegnelse

Figur 3: Beslutningstræ for erhvervelse og indtægtsmuligheder ...................................... 21

Figur 4: T/C-rater fra 350 til 2750 TEU............................................................................ 34

Figur 5: Forecast af NPV .................................................................................................. 47

Figur 6: NPVaR ved Weibullfordelingen.......................................................................... 49

Figur 7: Følsomhedsanalyse.............................................................................................. 50

Tabelfortegnelse

Tabel 1: Containerskibenes størrelsesmæssige forøgelse gennem tiderne........................ 13

Tabel 2: Rederiet ............................................................................................................... 14

Tabel 3: Cash flow Genererering ...................................................................................... 15

Tabel 4: Projektopbygning................................................................................................ 20

Tabel 5: Omkostningsandele og fordeling ........................................................................ 23

Tabel 6: Værditab for skibe............................................................................................... 25

Tabel 7: Procentafskrivning pa. ........................................................................................ 26

Tabel 8: Procentafskrivning pa. ........................................................................................ 26

Tabel 9: Datagrundlag....................................................................................................... 27

Tabel 10: Individuel Beskrivende statistik........................................................................ 28

Tabel 11: Fordelingsvurdering af beskrivende statistik .................................................... 29

Tabel 12: Korrelation ........................................................................................................ 30

Tabel 13: Beregning af nettotonnageskat.......................................................................... 37

71


Risk management i forbindelse med investeringer i containerskibe

Tabel 14: Capital asset pricing modellen (CAPM) ........................................................... 42

Tabel 15: Kapitalomkostninger......................................................................................... 42

Tabel 16: Exposure mapping............................................................................................. 43

Tabel 17: Forecasting........................................................................................................ 44

Tabel 18: Følsomhedsanalyse ........................................................................................... 45

Tabel 19: NPV at Risk (NPVaR) ...................................................................................... 49

Tabel 20: Baltic Freight Index Major Changes in its composition since its inception ..... 53

Tabel 21: NPV target scenario .......................................................................................... 53

Tabel 22: Simulerede scenario af choks............................................................................ 54

Tabel 23: Hedge ................................................................................................................ 59

Tabel 24: Problemformuleringsbesvarelse........................................................................ 60

Tabel 25: NPV at Risk (NPVaR) og det negative NPV.................................................... 62

Bilagsfortegnelse

Bilag 1: Datasæt ................................................................................................................ 73

Bilag 2: Tidsserieanalyse og test for stationaritet ............................................................. 78

Bilag 3: Bestemmelse af T/C-raten ................................................................................... 85

Bilag 4: Supply/demandligevægte .................................................................................... 86

Bilag 5: Verdens containerkapaciteter .............................................................................. 87

Bilag 6: Skibspriser ........................................................................................................... 89

Bilag 7: Omkostningsbenchmark ...................................................................................... 91

Bilag 8: Soliditetsgrad for danske rederier........................................................................ 92

Bilag 9: Betaværdier.......................................................................................................... 93

Bilag 10: Kapitalomkostninger ......................................................................................... 94

Bilag 11: Regnskabsanalyse.............................................................................................. 95

Bilag 12: Forecasting ........................................................................................................ 97

Bilag 13: Simulering med normalfordelinger ................................................................... 98

Bilag 14: Simulering med Weibull- og normalfordelinger ............................................. 103

Bilag 15: Stress test analyse af scenarier ........................................................................ 104

Bilag 16: Two-Way simulering....................................................................................... 110

Bilag 17: What are freight derivatives?........................................................................... 112

Bilag 18: Hedge............................................................................................................... 113

72


Risk management i forbindelse med investeringer i containerskibe

Bilag 1: Datasæt

Rådata

Obs SKIB_DKK* RENTE%** Cibor** OMXCB*** TCDKK**** BNP**

1987 NA NA NA NA 56.117 NA

1988 NA NA NA NA 63.374 NA

1989 NA NA NA NA 71.688 NA

1990 NA NA NA NA 61.699 NA

1991 NA 0,09 NA NA 69.316 NA

1992 NA 0,09 NA NA 67.204 NA

1993 NA 0,07 NA NA 71.602 911.809

1994 NA 0,08 NA NA 68.605 976.945

1995 NA 0,08 NA NA 63.340 1.019.545

1996 NA 0,07 0,04 111,40 62.851 1.069.488

1997 NA 0,06 0,04 158,79 60.620 1.125.641

1998 NA 0,05 0,04 193,72 48.998 1.163.616

1999 NA 0,05 0,04 187,76 50.071 1.213.473

2000 NA 0,06 0,05 255,12 81.692 1.293.964

2001 NA 0,05 0,05 251,27 67.474 1.335.611

2002 122.140 0,05 0,04 198,32 58.854 1.372.737

2003 121.915 0,04 0,02 183,74 70.883 1.400.689

2004 134.775 0,04 0,02 192,83 103.785 1.459.399

2005 150.000 0,03 0,02 246,76 127.471 1.551.967

Kilde: Egen tilvirkning

* Kilde: Clarkson Research Studies (2005), www.clarkson.com

** Danmarks Nationalbank

*** Clarkson Research Studies (2005), Hamburg Shipbrokers´ Association, (2005), Dewry (1999, 2000)

Liniegrafer af rådata

1600000

1400000

1200000

1000000

800000

0.10

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.06

0.05

0.04

0.03

0.02

84 86 88 90 92 94 96 98 00 02 04

GDP

84 86 88 90 92 94 96 98 00 02 04

RE NTE

84 86 88 90 92 94 96 98 00 02 04

CIB OR

140000

120000

100000

80000

60000

40000

280

240

200

160

120

80

155000

150000

145000

140000

135000

130000

125000

120000

84 86 88 90 92 94 96 98 00 02 04

TCDK K

84 86 88 90 92 94 96 98 00 02 04

OMX CB

84 86 88 90 92 94 96 98 00 02 04

S K IB _DK K

73


Risk management i forbindelse med investeringer i containerskibe

Series expressions

CIBOR

RENTE

DLOG(SKIB_DKK)

DLOG(TCDKK)

DLOG(OMXCB)

DLOG(GDP)

Beskrivende statistik af afkastdata

DLOG(x) CIBOR RENTE SKIB_DKK TC_DKK OMXCB BNP

Mean 0,037 0,062 0,068 0,046 0,088 0,044

Median 0,039 0,057 0,100 0,007 0,048 0,042

Maximum 0,055 0,093 0,107 0,489 0,354 0,069

Minimum 0,024 0,034 -0,002 -0,213 -0,237 0,020

Std. Dev. 0,010 0,018 0,061 0,189 0,198 0,015

Skewness -0,106 0,299 -0,697 0,769 -0,121 0,162

Kurtosis 2,005 1,841 1,500 3,099 1,838 2,023

Jarque-Bera 0,430755 1,062414 0,524427 1,782848 0,528684 0,529367

Probability 0,806237 0,587895 0,769347 0,410071 0,767711 0,767449

Sum 0,374036 0,929034 0,205467 0,820448 0,795266 0,531848

Sum Sq. Dev. 0,000978 0,004720 0,007443 0,606071 0,315047 0,002532

Observations 10 15 3 18 9 12

*Renten er bestemt til at være dlog i forvejen pga. det oplyste er det årlige afkast.

** Observansen er fortaget på baggrund af 3 observationer hvilket ikke giver et korrekt billede af udviklingen.

Kilde: Egen tilvirkning fra Bilag 1

Differenslogaristisk afkast

⎛ n

D log = ln ⎜

⎝ nt

t

−1




Fordelingsvurdering af beskrivende statistik

Log(x)

Median

Skewness*

Kurtosis**

Jarque-Bera

Probability***

SKIB RENTE CIBOR T/C OMXCB BNP

Median>mean Medianmean Median


Risk management i forbindelse med investeringer i containerskibe

Ligningerne til beregning af ovenstående tabel beskrives via eview (2002)s:

Ligning 12: Standardafvigelse

N

⎛ ⎞

⎜∑ i ⎟

⎝ i=

1 ⎠

2

( ) / ( 1)

s = y − y N −

Hvor N er antallet af observationer og y er middelværdien af serien

Ligning 13: Estimator for standardafvigelsen

( )

Qˆ = s N − 1 / N

Ligning 14: Skewness

3

N 1 ⎛ yi − y ⎞

S = ∑ ⎜

N ˆ ⎟

i=

1 ⎝ Q ⎠

Hvor Q-hat er estimatoren for standardafvigelsen som er baseret på den biased estimator

of variansen. En symetrisk fordeling, i forhold til en normalfordeling er lig nul. En positiv

skæv beskriver en ”long right tail”. En negative skewness beskriver en ”long leftt tail”

fordeling.

Ligning 15: Kurtosis

4

N 1 ⎛ yi − y ⎞

K = ∑ ⎜

N ˆ ⎟

i=

1 ⎝ Q ⎠

Hvor Q er baseret på den biased estimator for variansen. Ved normalfordeling visr

Kurtosis 3. Stiger Kurtosis over 3 er frodelingen leptokurtic (flad) fordelt. Er Kurtosis

under 3 er fordelignen platykurtic (smal) fordelt i forhold til en normalfordeling.

Ligning 16: Jarque-Bera

( ) 2

K − 3

N − k ⎛

2

Jarque − Bara = ⎜ S +

6 ⎜


4




Hvor S er skewness, K er kurtosis, k er antallet af coefficienter udset til at skabe serien.

JB er en statistisk test for om serien er normalfordelt. Testen måler differencen melle

skewness og kurtosis.

Beregningerne er som flg.: Under en nulhypotese om normalfordeling, er JB distribueret

som chi-2 med 2 frihedsgrader. Den oplyste sandsynlighed er sandsynligheden for at JB

overgår de observerede værdiger under nul-hypotesen. En lille sandsynlighedsværdi leder

til at forkaste nul-hypotesen om en normalfordeling.

75


Scatterdiagram

Logistic Quantile

Logistic Quantile

4

2

0

-2

Risk management i forbindelse med investeringer i containerskibe

-4

-0.2 -0.1 0.0 0.1 0.2

4

2

0

-2

DLOG(DKK)

-4

-0.4 -0.2 0.0 0.2 0.4 0.6

DLOG(TC)

Logistic Quantile

Logistic Quantile

4

2

0

-2

-4

-0.4 -0.2 0.0 0.2 0.4

2

1

0

-1

DLOG(OMXCB)

-2

0.0 0.2 0.4 0.6 0.8

DLOG(SKIB)

Logistic Quantile

4

2

0

-2

-4

-0.3 -0.2 -0.1 0.0 0.1 0.2

DLOG(RENTE)

76


Variansen

Varians(

r

Risk management i forbindelse med investeringer i containerskibe

1

N

m ) = ∑ ( r mt − rm

N −1

t=

1

)

2

Kovarians

n 1

COV [ X , Y ] = ∑ ( xi

n i=

1

Kovarians

− xn

)( yi

− yn

)

SKIB RENTE CIBOR OMXCB T/C BNP

SKIB 0,0073 (0,0107) (0,0092) 0,0084 0,0248 0,0345

RENTE (0,0107) 0,0201 0,0207 (0,0124) (0,0385) (0,0437)

CIBOR (0,0092) 0,0207 0,0380 (0,0040) (0,0452) (0,0298)

OMXCB 0,0084 (0,0124) (0,0040) 0,0128 0,0238 0,0407

TCDKK 0,0248 (0,0385) (0,0452) 0,0238 0,0929 0,1128

BNP

Logistisk beregnet

0,0345 (0,0437) (0,0298) 0,0407 0,1128 0,1765

Kilde: egen tilvirkning via Eviews (2002)

Korrelation

*

* Cov P0

, P0

ρ ( P0

, P0

) = *

σ P , σ P

( )

( ) ( )

0

0

Correlation

SKIB_DKK RENTE% Cibor OMXCB TCDKK BNP

SKIB_DKK 1,00 (0,89) (0,56) 0,87 0,95 0,99

RENTE% (0,89) 1,00 0,75 (0,78) (0,89) (0,95)

Cibor (0,56) 0,75 1,00 (0,18) (0,76) (0,67)

OMXCB 0,87 (0,78) (0,18) 1,00 0,69 0,84

TCDKK 0,95 (0,89) (0,76) 0,69 1,00 0,97

BNP

Logistisk beregnet

0,99 (0,95) (0,67) 0,84 0,97 1,00

Kilde: egen tilvirkning via Eviews (2002)

77


Risk management i forbindelse med investeringer i containerskibe

Bilag 2: Tidsserieanalyse og test for stationaritet

Tidsserierne (TS) bliver testet på baggrund af Eview og Wooldridge (2003).

For at se som TS ikke correledere med sin egen lagged værdier og dermed går imod en af

OLS forudsætningerne for at kunne være stationær, skal der derfor testes herfor. Herved

vil OLS blive biaset hvis der er lagged afhængige variabler på den forklarende (højre)

side af formlen.

Først vurderes om tidsserien er stationær på baggrund af om der er unit roots 55 . TS testes

gennem en Augmented Dickey-Fuller Test, hvor det på baggrund af en hypotesetest skal

forkastes, om der er en eller flere Unit root i TS’en. Er der Unit roots som der forklarer

om TS’en er stationær. Stationariteten kontrolleres en ekstra gang under anvendelse af

korrelogrammer i forhold til om TS’erne er autoregressive, og om der er partial

correlation. Heraf kan det vurderes om TS er stationær, hvoraf der korrigeres herved ved

at benytte en tilpasset statistiske ARIMA-model.

Første ordens autoregressive (benævnes AR(1)) kan beskrives med Ligning 17:

Ligning 17: Første ordens autoregressive model

u = ρu + ε

t t−1 t

Kilde: Eviews

Hvor ρ er første ordens serielle korrelation koefficiens. AR(1) modellen inkorporer

residualerne fra forrige observation i regressionsmodellen til den nuværende observation.

Hvis der er tale om en nonstationær TS på baggrund af at der er en unit root i TS’en.

Derfor korrigeres der ved en AR(1) model.

Er der flere unit roots er der tale om en højere ordens autoregressiv model (se Ligning 18)

Ligning 18: Højere ordens autoregressive model

ut = 1ut −1 + 2ut −2 + ... + put − p + t

Kilde: Eviews

ρ ρ ρ ε

Her dør autocorrelationen gradvist ud i imod nul imens den partielle autocorrelation for

lages størrere end p er nul

Generelt vurderes der ikke til at være nogen mean reversion på baggrund af at afkastet

ikke er negativt autocorreladeret.

55 Hvis der er en Unit root siges TS at have en stokastis trand eller være integrerede i x antal unit roots

(Wooldridge, 2003).

78


Risk management i forbindelse med investeringer i containerskibe

Ved en gennemgang af variablerne kan følgende correlogrammer identificeres:

Correlogram

79


Risk management i forbindelse med investeringer i containerskibe

80


Risk management i forbindelse med investeringer i containerskibe

*Corrologram for DLOG(skib) er ikke muligt pga. der er for få data

Umiddelbare vurdering af TS

SKIB RENTE CIBOR OMXCB T/C BNP

Correlogram**

ARIMA (0,1,0)

Hvid støj

ARIMA (1,0,0)

Unit root

ARIMA (1,0,1)

Med god vilje

Unit root

ARIMA (0,1,0)

Hvid støj

ARIMA(1,0,1)

Med god vilje

UR = unit root

Kilde: Egen tilvirknin genem Eviews

I forhold til ovenstående foretages test på modellen for at se om TS er stationær.

ARIMA(1,0,0)

Unit root

81


Risk management i forbindelse med investeringer i containerskibe

82


Risk management i forbindelse med investeringer i containerskibe

Bortset fra skibsvariablen og OMXCB som udgangspunkt var vurderet til at være

integreret er alle modellerne blevet bekræftet i vurderingen.

Der blev ført test på skibs- og OMXCBvariable i 1. differens, hvoraf det viste sig at

modellen var en AR(1) proces.

For at teste hvor mange unit roots der måske er i TS’erne kunnne der være lavet lavet unit

root test for at se hvornår det med en valgt signifikans kan forkastes at der er en unit root.

Det vil sig det kan estimeres hvor mange unit roots der er ud fra i hvilken differens TS

skal testes i før den bliver differens stationær. Det vurderes dog at ovenstående har været

tilfredsstillende at teste da corrologrammet viser at der kun er tale om første ordens

autoregressive modeller.

I forhold til valgte modeller kan afkastet for den enkelte TS dermed bestemmes. Da der

ikke er en decideret overensstemmelse af TS’erne over hvilken ARIMA model de følger,

kan der på separat vist regresseres frem til de for skellige afkast.

83


Risk management i forbindelse med investeringer i containerskibe

Resultat af OLS i forhold til estimerede modeller er hermed:

Umiddelbare vurdering af TS

SKIB RENTE CIBOR OMXCB T/C BNP

Correlogram ARIMA (1,1,0) ARIMA (1,0,0) ARIMA (1,0,1) ARIMA (1,1,0) ARIMA(1,0,1) ARIMA(1,0,0)

Vækst 10,75% -7,2% -6,75% 5,23% 4,13% 4,2%

Std.afv. NA 2,8% NA 8,3% NA 0,48%

Kilde: Egen tilvirknin genem Eviews

På baggrund af at der ikke er data nok til at kunen gennemføre fyldsgørende

databehandling af TS benyttes det gennemarbejde datamateriale derfor ikke.

Afhandlingen vil derfor kun gøre brug af den beskrivende statistik som omtales i kapittel

4 under datamateriale.

84


Risk management i forbindelse med investeringer i containerskibe

Bilag 3: Bestemmelse af T/C-raten

Middelværdi for Time Charter (1000 TEU)

Kilde A B B C

TEU-class 1000 700-1000 1000-1300 1000 Average

1983 5,4 5,4

1984 6,6 6,6

1985 6,7 6,7

1986 7,1 7,1

1987 8,2 8,2

1988 9,4 9,4

1989 9,8 9,8

1990 10,0 10,0

1991 10,8 10,8

1992 11,2 11,2

1993 11,0 11,0

1994 10,8 10,8

1995 11,3 11,3

1996 11,0 10,7 10,8

1997 9,2 9,1 9,2

1998 7,5 7,2 7,3

1999 6,1 8,2 7,2

2000 8,3 11,9 10,1

2001 7,4 8,8 8,1

2002 6,4 9,1 6,9 7,5

2003 8,6 12,1 11,6 10,8

2004 14,5 18,4 19,1 17,3

2005 18,1 22,4 23,2 21,2

Spotpris

dec-05 13,0 17,9 14,9 15,3

Kilde: Egen tilvirkning på baggrund af A = Clarkson Research Studies (2005), www.clarkson.com,

B = Hamburg Shipbrokers´ Association, (2005), www.vhss.de/englisch/hax.html, C = Dewry (1999, 2000)

25

20

15

10

5

84 86 88 90 92 94 96 98 00 02 04

_999T EU100001

AVERAGE

T EU1000_1299HAMB

T EU1000CLARK

T EU700_999HAMB01

85


Risk management i forbindelse med investeringer i containerskibe

Bilag 4: Supply/demandligevægte

(model: p. 62 (Stopford, 1988)).

86


Risk management i forbindelse med investeringer i containerskibe

Bilag 5: Verdens containerkapaciteter

Quarterly container growth by region

(Year-on-year change in total port handling)

2004 2005* 2004

Q1

2004

Q2

2004

Q3

2004

Q4

2005

Q1

North America 8.9% 8.8% 5.9% 5.9% 10.1% 13.3% 10.4% 10.3%

West Europe 11.6% 8.7% 13.3% 7.8% 11.5% 13.8% 7.8% 10.6%

2005

Q2

North Europe 11.8% 8.9% 9.6% 8.6% 11.4% 17.4% 10.0% 10.6%

South Europe 11.2% 8.2% 18.7% 6.6% 11.6% 8.5% 4.8% 10.5%

Far East 17.9% 12.9% 18.4% 19.1% 18.7% 15.5% 12.6% 12.3%

South East Asia 12.9% 11.4% 19.0% 22.0% 15.0% -2.9% 8.5% 7.2%

Mid-East 19.5% 15.3% 26.2% 17.1% 18.1% 17.3% 12.2% 16.5%

Latin America 14.5% 12.3% 16.7% 14.9% 11.2% 15.6% 11.0% 12.1%

Caribs/C.America 11.7% 9.3% 16.2% 12.6% 4.9% 13.3% 7.2% 8.8%

S.America 17.9% 15.7% 17.5% 17.7% 18.1% 18.1% 15.9% 15.8%

Oceania 11.6% 3.9% 7.5% 14.9% 11.0% 13.0% 5.9% 2.4%

South Asia 11.8% 7.1% 20.1% 19.8% 4.4% 4.3% 3.4% 3.5%

Africa 10.1% 13.4% 6.4% 10.6% 14.3% 9.2% 15.3% 13.1%

Eastern Europe 23.2% 19.4% 20.7% 12.8% 30.2% 29.8% 20.6% 24.9%

World 14.2% 11.2% 15.7% 14.8% 14.6% 11.9% 10.4% 10.9%

* Forecast

Source: Drewry Shipping Consultants Ltd, Table 1.1

Forecast development of the container market supply/demand balance

(End period)

Estimated

Effective Capacity*

(‘000 Teu)

Net Cargo

Slot Moves

(‘000 Teu)

Moves per

Effective

Slot

Drewry Global

Supply/Demand

Index**

2002 7,244 108,950 15.04 93.6

2003 8,008 124,787 15.58 97.0

2004 8,619 142,673 16.55 103.0

2005 9,676 158,882 16.42 102.2

2006 11,027 175,943 15.96 99.3

2007 12,193 193,484 15.87 98.8

2008 13,355 211,284 15.82 98.5

2009 14,396 230,230 15.99 99.5

2010 15,578 249,947 16.04 99.9

* After adjustments for market factors (i.e. box supply, differential ship productivity, deadweight/slot ratio, ship routing factors, ship

speed and port productivity

** Index, 1980=100

Source: Drewry Shipping Consultants Ltd, Table 1.9

87


Risk management i forbindelse med investeringer i containerskibe

World containership fleet by size range

(At July 2004)

Size Range

(Teu)

No. of

Ships %

Total Capacity

(teu) %

Average Speed

(Knots)

Average Age

(Years)

< 500 446 12.8% 137,781 1.8% 14.0 20.0

500-999 642 18.4% 458,424 6.1% 16.7 11.2

1,000-1,499 531 15.2% 629,649 8.3% 18.4 12.6

1,500-1,999 427 12.2% 725,153 9.6% 19.6 10.8

2,000-2,499 287 8.2% 654,083 8.7% 20.7 10.2

2,500-2,999 262 7.5% 711,296 9.4% 21.6 10.7

3,000-3,999 284 8.1% 971,305 12.9% 22.5 12.1

4,000-4,999 283 8.1% 1,246,436 16.5% 23.9 6.7

5,000-5,999 180 5.2% 984,962 13.0% 25.3 3.8

6,000-6,999 85 2.4% 549,686 7.3% 25.2 3.9

7,000-7,999 34 1.0% 250,685 3.3% 25.0 3.9

8,000+ 28 0.8% 230,755 3.1% 25.9 0.6

Total 3,489 100.0% 7,550,215 100.0% 19.4 11.4

Source: Drewry Shipping Consultants Ltd, Table 1.5

88


Risk management i forbindelse med investeringer i containerskibe

Bilag 6: Skibspriser

Table 36 Liner Ship Newbuilding Prices $ mill.

300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu

Yr/Yr

%

End FCC FCC FCC FCC FCC FCC FCC Index Change

2002 7,5 13,0 15,5 21,0 27,0 29,5 33,0 71,1 -1,8%

2003 8,5 17,5 18,5 25,5 30,5 37,0 42,5 86,3 20,2%

2004 10,5 19,5 22,5 35,0 37,0 46,5 53,0 105,9 18,2%

aug-04 10,0 19,0 22,0 31,5 35,0 45,0 50,0 100,9 23,5%

sep-04 10,0 19,0 22,0 31,5 35,0 45,0 51,0 101,1 23,5%

okt-04 10,0 19,0 22,0 31,5 35,0 45,5 51,5 101,3 17,8%

nov-04 10,0 19,0 22,0 31,5 35,0 45,5 51,5 101,3 17,4%

dec-04 10,5 19,5 22,5 35,0 37,0 46,5 53,0 105,9 18,2%

jan-05 11,0 20,0 24,0 38,0 40,0 49,0 56,5 112,0 24,4%

feb-05 11,0 20,0 25,0 39,0 41,0 50,0 57,0 113,8 23,9%

mar-05 12,5 22,0 26,0 41,0 43,0 52,0 59,0 122,1 23,8%

apr-05 13,0 23,0 27,0 43,0 45,0 54,0 62,0 127,4 28,5%

maj-05 13,0 23,0 27,0 44,0 46,0 54,0 63,0 128,4 29,4%

jun-05 12,5 22,5 26,5 42,0 44,0 52,0 59,0 123,7 22,6%

jul-05 12,5 22,5 26,0 42,0 44,0 52,0 59,0 123,3 22,2%

aug-05 12,5 22,0 25,0 40,0 42,0 50,0 55,0 119,4 18,1%

2005 12,3 21,9 25,8 41,1 43,1 51,6 58,8

kilde: www.clarkson.com

Table 35 Liner Ship Secondhand (10 yr old) Prices $ mill.

350 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu

Yr/Yr

%

End FCC FCC FCC FCC FCC FCC FCC Index Change

2002 4,3 6,0 8,5 11,0 13,5 17,0 22,5 60,9 1,6%

2003 4,3 7,3 10,5 15,5 17,0 22,5 26,5 73,0 20,5%

2004 6,7 11,5 20,0 28,0 32,5 37,5 41,5 124,8 74,5%

aug-04 5,0 8,5 16,0 24,0 26,0 32,0 36,0 100,1 41,4%

sep-04 5,3 9,0 16,0 26,5 28,5 32,0 36,0 104,8 48,2%

okt-04 5,3 9,0 16,0 26,5 28,5 32,0 36,0 104,8 48,2%

nov-04 6,4 11,0 19,0 26,5 31,0 37,5 41,5 120,3 67,2%

dec-04 6,7 11,5 20,0 28,0 32,5 37,5 41,5 124,8 74,5%

jan-05 6,7 11,5 20,0 28,0 32,5 37,5 41,5 124,8 66,2%

feb-05 7,0 12,0 22,0 32,0 36,5 43,0 47,5 137,4 67,3%

mar-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 95,5%

apr-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 85,1%

maj-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 70,0%

jun-05 9,7 16,5 23,5 36,5 38,0 45,0 52,0 161,0 70,0%

jul-05 9,7 16,5 22,0 33,0 36,0 41,5 47,5 153,3 62,5%

aug-05 9,7 16,5 22,0 33,0 36,0 41,5 47,5 153,3 54,4%

2005 9,0 15,3 22,5 34,0 36,6 42,9 49,0

kilde: www.clarkson.com

89


Risk management i forbindelse med investeringer i containerskibe

Brugtprisen procentvis lavere end nyprisen (10 yr old)

End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu

2002 43% 54% 45% 48% 50% 42% 32%

2003 50% 59% 43% 39% 44% 39% 38%

2004 36% 41% 11% 20% 12% 19% 22%

aug-04 50% 55% 27% 24% 26% 29% 28%

sep-04 47% 53% 27% 16% 19% 29% 29%

okt-04 47% 53% 27% 16% 19% 30% 30%

nov-04 36% 42% 14% 16% 11% 18% 19%

dec-04 36% 41% 11% 20% 12% 19% 22%

jan-05 39% 43% 17% 26% 19% 23% 27%

feb-05 36% 40% 12% 18% 11% 14% 17%

mar-05 23% 25% 10% 11% 12% 13% 12%

apr-05 26% 28% 13% 15% 16% 17% 16%

maj-05 26% 28% 13% 17% 17% 17% 17%

jun-05 23% 27% 11% 13% 14% 13% 12%

jul-05 23% 27% 15% 21% 18% 20% 19%

aug-05 23% 25% 12% 18% 14% 17% 14%

kilde: egen tilvirkning

Årlig skibspriser for et 1000 TEU skib

år Ny Gl dlog.gl log

2002 15,50 8,5 -45% 0,929419

2003 18,50 10,5 -43% 0,211309 1,021189

2004 22,50 20 -11% 0,644357 1,30103

2005 25,81 22,5 -13% 0,117783 1,352183

std 4,5165711 6,9086299 0,1863787 0,2809382 0,1781778

kilde: egen tilvirkning

Procentafskrivning pa.

End 300 teu 725 teu 1000 teu 1700 teu 2000 teu 2750 teu 3500 teu

2002 5,7% 8,0% 6,2% 6,7% 7,2% 5,7% 3,9%

2003 7,1% 9,1% 5,8% 5,1% 6,0% 5,1% 4,8%

2004 4,6% 5,4% 1,2% 2,3% 1,3% 2,2% 2,5%

2005 3,1% 3,6% 1,4% 1,9% 1,6% 1,9% 1,8%

kilde: egen tilvirkning

Ligning 19: Årlig procentvis afskrivning

⎛ 1 ⎞



⎝ y ⎠

⎛ p ⎞

A = ⎜ ⎟ −1

⎝ s ⎠

Hvor A er årlig afskrivning, p er nyprisen, s er prisen for det gamle skib, hvor y er alderen

på det gamle skib.

90


Risk management i forbindelse med investeringer i containerskibe

Bilag 7: Omkostningsbenchmark

Omkostningsberegninger (efter exceldokumentet ”driftresultatudregning”)

Kilde: Difko, (2005)

Projekt: Passat Vergi CS&P Gns. Pris v. 1000 Teu

kapacitet 922 438 2228

DWT 16.200 5850 31628

NT 6.304 1853 10304

Personer 32 13 24

Skat 0,28 0,28 0,28

Periode 10 10 5

Udstyr geared gearless gearless

Investering (aktiver) DKK/TEU DKK/TEU DKK/TEU DKK/TEU DKK

Skibspris 136,0 88,9 58,5 94,5 94.454

finansiering 1,2 1,8 0,2 1,1 1.078

udbudsvederlag (undersøgelse etc.) 6,8 4,4 0,8 4,0 4.015

Likviditet 7,9 2,1 0,0 3,4 3.358

Aktiver i alt 152,0 97,3 59,5 102,9 102.904

Finansiering (passiver)

Stamkapital 21,7 4,8 14,6 13,7 13.677

lån 104,1 92,2 44,9 80,4 80.410

Kassekredit 26,0 0,0 0,0 8,7 8.677

Lån fra komplementar selsk. 0,1 0,3 0,0 0,1 140

Passier i alt 152,0 97,3 59,5 102,9 102.904

T/C (Hyreindtjeningen) 42,9 35,3 15,9 31,4 31.392

Driftsomk.

Besætning 7,8 6,3 1,5 5,2 5.227

Forsikring 1,8 1,4 0,5 1,2 1.232

Reparation og vedl. 5,3 2,9 1,1 3,1 3.095

Div. 0,0 1,0 0,1 0,4 366

Driftsomk. I alt 15,0 11,6 3,2 9,9 9.920

Administationsomk

Adm. (honorar) 0,4 0,4 0,4 0,4 382

Kommacielt management 2% af T/C 0,9 0,8 1,2 1,0 950

Teknisk management 1,1 0,9 3,5 1,8 1.833

Bestyrelsesvederlag 0,0 0,1 0,0 0,0 19

Revision 0,0 0,1 0,0 0,0 29

diverser adm omk 0,0 0,0 0,0 0,0 13

Adm. i alt 2,4 2,2 5,1 3,2 3.226

Dokning og klasningsomk. 2,3 2,6 0,2 1,7 1.680

Samlet omk. 19,6 16,4 8,5 14,8 14.827

EBITDA 23,3 18,9 7,4 16,6 16.565

Renter/kursregulering/låneomk 6,7 4,4 2,1 4,4 4.379

EBA 16,6 14,6 5,4 12,2 12.185

Afsk 10,1 8,6 3,1 7,3 7.257

Netto res. 6,5 6,0 2,3 4,9 4.928

91


Risk management i forbindelse med investeringer i containerskibe

Bilag 8: Soliditetsgrad for danske rederier

Soliditetsgrad for danske rederier

Navn Solidit

et

%

A.P. Møller - Mærsk B

EPS BVPS Egen-

kapital

58,9 5540,1 25992 114.261.000

D/S Norden 64,7 114,5 147,3 N/A

Vægt-

ning %

Forde-

ling %

97,3 57,3

D/S Orion 1,5 2,4 0,4 932 0,0 0,0

DFDS 33,1 22,9 350,3 2.802.231 2,4 0,8

Mols-Linien 46 1,4 134,9 382.176 0,3 0,1

D/S Torm 50 8,2 23,7 N/A

Kilde: www.cse.dk den. 21/3/2006

117.446.339

100,00 58,2

Soliditetsgrad for projekter

1000kr Projektværdi

Belånings-

Lånetagning grad

Soliditetsgr.Vægtning

%

Fordeling

%

passat dkk 140.125 120.000 86% 14% 45% 6%

Vergi dkk 41.669 40.394 97% 3% 13% 0%

hamburg usd 132.500 100.000 75% 25% 42% 10%

314.294 100% 17%

Gennemsnitlig vægted kapitalstruktursfordeling på baggrund af soliditeten = 17%

Kilde: difko, 2005, 2005b, CS&P, 2005

Soliditetsgraden for de mindre projekter er generelt meget lavere end de mere

veletablerede rederier. Ser man på den individuelle soliditet har projekterne generelt en

soliditetsgrad mindre end 25%, hvor rederierne som har med containerdrift ligger meget

højere på 50% og opefter.

92


Risk management i forbindelse med investeringer i containerskibe

Bilag 9: Betaværdier

Rederiet MAERSK NORDEN ORION TORM OMXCB

N 2667

Gns 0,0007 0,0011 (0,0002) 0,0009 0,0005

Standardafv 0,0214 0,0228 0,0669 0,0198 0,0098

Varians 0,0005 0,0005 0,0045 0,0004 0,0001

Geometriskafk. Pa 0,1714 0,2799

Aritmetriskafk pa.

Iteration afkast

0,4664 1,6114

(0,0444) 0,2400 0,1331

(0,0357) 1,0393 0,2836

Covar

0,000119 0,000001 0,000004 0,000031

Correlatio 0,877 0,659 0,142 0,688

Beta 1,916843 1,537840 0,974858 1,396307

Beta(Lev.) (datastream) 1,457 0,668 0,69 0,96

Market-value d/eq ratio 60% 41% 35% 99% 50%

Tax tatio 0,047% 0,047% 0,047% 0,047% 0,047%

Beta unlevered 1,36 1,14 0,49 0,93

Beta unlev. Ave. 0,98

Beta re-levered 1,57

93


Risk management i forbindelse med investeringer i containerskibe

Bilag 10: Kapitalomkostninger

Capital asset pricing modellen (CAPM)

Nøglebegreber

Beskrivende regression Aritmetisk

Statistik

ar(1)

rf 3,40% 4,77% 6,00%

E(rm) 8,84% 6,48% 11,90%

Β (note 2) 1,57 1,57 1,57

E(rm)-rf 5,44% 1,71% 4,83%

ke 11,9% 7,4% 13,9%

* Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer

**korrigeret for trends, seasonalitet- cyclical variation og irregular aktivitater

Kilde: Egen tilvirkning gennem datasætfil

Kapitalomkostninger

Nøglebegreber

Beskrivende regression Aritmetisk

statistik

ar(1)

kd 4,40% 4,77% 6,00%

K/V (Note 1) 60,00% 60% 60,00%

V 155.000 155.000 155.000

ke 11,90% 7% 13,90%

E/V 40,00% 40% 40,00%

Opp.cost. of capital 7,40% 5,84% 19,17%

* Direkte observeret ud fra 10 års korte obligationer og 30 års lange obligationer

**Korrigeret for trends, seasonalitet- cyclical variation og irregular aktivitater

Kilde: Egen tilvirkning gennem datasætfil

Opportunity Cost of Capital

⎛ D ⎞ ⎛ E ⎞

= rd

* ⎜ ⎟ + r * ⎜ ⎟

⎝ V ⎠ ⎝ V ⎠

rop e

kd = Expected yield to maturity on noncallable, nonconvertible debt (før skat)

B = den rentebærende gæld

V = markedsværdien af entreprisen

ke = cost of equity capital

S = markedsværdien af aktiver

Kilde: Copeland et. all. (2000); Myers, (2003)

Capital asset pricing modellen (CAPM)

[ E r ) r ] * β

ks =

rf

+ ( m − f

rf = den risikofrie rente

E(rm) = forventede rate of retur non the overall market portfolio

Β = den systematiske risiko af aktiverne

ke = cost of equity

E(rm)-rf = markeds risiko præmie (RP)

Kilde: Copeland et. all. (2000); Myers, (2003)

94


Risk management i forbindelse med investeringer i containerskibe

Bilag 11: Regnskabsanalyse

Noter Noter

Notebeskrivelse 1000 DKK

1 Incomestatement Rederiet

Beskrivelse Estimeret

2

T/C indtægt 32.976

Driftsomk.

Hyreomkostninger 5.227

Forsikringer 1.232

Vedligeholdelse 3.095

Diverse 366

Hensættelse til dokning 1.190

Driftsomk i alt (cost of good sold) 11.111

Administration

Adm. (honorar) 382

Kommacielt management 950

Teknisk management 1.833

Bestyrelsesvederlag 19

Revision 30

diverser adm omk 13

Adm. i alt 3.227

Samlede driftsomk. 14.338

EBITDA 18.638

3 Tonnageskat DKK

Nettotonnage Enheder kr døgn skattegrundlag

1000 10 7 365 25.550

9000 90 5 365 164.250

4000 40 3 365 43.800

Tonnageskat i alt 233.600

Skat 30% 70.080

Skatteandel af 1000 TEU

Skibspris USD 25.000.000

kurs 6,00

Skibspris DKK 150.000.000

Skatteandel 0,156%

Skat 0,047%

Povision for income taxes

Taxes on EBITA 70.080

Provision for income taxes 0

95


Risk management i forbindelse med investeringer i containerskibe

Tax shield on interest expense, net 0

Tax on non-operating

income 0

Taxes on EBITA DKK 70.080

6 Lånestørrelse

Size of loan 60%

Lånestørrelse 90.000 (obl.omk medregnes)

Length of loan 10 år

Moratorium

Currency DKK

Kurs 600

Source of loan 2,0 Skibe INK St. 2015

Kurs 84,75

Market interest rate 3,93% Kilde: www.cse.dk

Terms of loan Annuitet

Effektiv. Rente 1. år 3.537

Afdrag 1. år 7.521

ydelse 1. år 11.058

Cargo capacity 1000 TEU

Ship size 1.000

Ship productivity

Backhauls

Operationg speed

Off hire time (dage) 5

Dwt Utilization

9 Kurs

DKK/USD 600

Projektopbygning (entreprisen)

DKK* USD

Købspris 150.000.000 25.000.000

Udbudsvederlag 5.000.000 833.333

Købs- og låneomkostninger 21.039 3.507

Projektpris i alt 155.021.039 25.836.840

*Kurs = 600 USD/DKK

Kilde: Egen tilvirkning

96


Risk management i forbindelse med investeringer i containerskibe

Bilag 12: Forecasting

Kilde: datafil: forecasting

97


Risk management i forbindelse med investeringer i containerskibe

Bilag 13: Simulering med normalfordelinger

Kilde: Egen tilvirkning gennem Crystal ball

98


Risk management i forbindelse med investeringer i containerskibe

Run preferences:

Number of trials run 1.000.000

Monte Carlo

Random seed

Precision control on

Confidence level 95,00%

Forecast: NPV

Summary:

Run statistics:

Total running time (sec) 4380,73

Trials/second (average) 228

Random numbers per sec 685

Crystal Ball data:

Assumptions 3

Correlations 3

Correlated groups 1

Decision variables 0

Forecasts 1

ForecastsWorksheet: [Hovedopgave datasæt 3.0.1.xls]Simulering

Certainty level is 90,0000%

Certainty range is from (155.441.760) to 1.196.327.387

Entire range is from (268.692.519) to 30.123.999.171

Base case is 59.144.241

After 1.000.000 trials, the std. error of the mean is 575.897

Statistics: Forecast values

Trials 1.000.000

Mean 235.333.581

Median 59.185.054

Mode (52.587.646)

Standard Deviation 575.897.291

Variance 331.657.689.982.010.000

Skewness 5,32

Kurtosis 64,98

Coeff. of Variability 2,45

Minimum (268.692.519)

Maximum 30.123.999.171

Range Width 30.392.691.690

Mean Std. Error 575.897

99


Risk management i forbindelse med investeringer i containerskibe

Forecast: NPV (cont'd)

Percentiles: Forecast values

0% (268.692.519)

10% (131.040.717)

20% (89.878.538)

30% (47.617.686)

40% 294.065

50% 59.185.054

60% 135.203.844

70% 242.454.261

80% 412.590.475

90% 763.272.207

100% 30.123.999.171

Assumption: OMKOSTNINGER

Normal distribution with parameters:

Mean 4,43%

Std. Dev. 1,52% (=F8)

Correlated with: Adjusted Coefficient

(='Samlet

SKIBSPRIS (E26) -0,27 -0,56 datasaet'!$F$78)

(='Samlet

T/C (E6) 0,55 0,97 datasaet'!$H$83)

Assumption: SKIBSPRIS

Normal distribution with parameters:

Mean -27,97%

Std. Dev. 18,55% (=F26)

100


Risk management i forbindelse med investeringer i containerskibe

Correlated with: Adjusted Coefficient

(='Samlet

OMKOSTNINGER (E8) -0,27 -0,56 datasaet'!$F$78)

(='Samlet

T/C (E6) 0,54 0,95 datasaet'!$H$78)

Assumption: T/C

Normal distribution with parameters:

Mean 4,56%

Std. Dev. 18,88% (=F6)

Correlated with: Adjusted Coefficient

Trend Charts

OMKOSTNINGER

(='Samlet

(E8)

0,55 0,97 datasaet'!$H$83)

(='Samlet

SKIBSPRIS (E26) 0,54 0,95 datasaet'!$H$78)

101


Sensitivity

Charts

Risk management i forbindelse med investeringer i containerskibe

102


Risk management i forbindelse med investeringer i containerskibe

Bilag 14: Simulering med Weibull- og normalfordelinger

Kilde: Egen tilvirkning gennem Crystal ball

103


Risk management i forbindelse med investeringer i containerskibe

Bilag 15: Stress test analyse af scenarier

Downside med 20% T/C-nedgang

Kilde: Egen tilvirkning gennem Crystal ball

104


Risk management i forbindelse med investeringer i containerskibe

Crystal Ball Report - Full

Simulation started on 3/21/2007 at

22:10:07

Simulation stopped on 3/21/2007 at

22:15:55

Run preferences:

Number of trials run 100.000

Monte Carlo

Random seed

Precision control on

Confidence level 95,00%

Run statistics:

Total running time (sec) 348,46

Trials/second (average) 287

Random numbers per

sec 861

Crystal Ball data:

Assumptions 3

Correlations 3

Correlated groups 1

Decision variables 0

Forecasts 1

Forecasts

Worksheet: [Hovedopgave datasæt 3.0.1.xls]Simulering

Forecast: NPV

Cell: G29

Summary:

Certainty level is 44,779%

Certainty range is from (168.602.067) to 2.606.461

Entire range is from (245.861.749) to 11.760.614.547

Base case is 2.606.461

After 100.000 trials, the std. error of the mean is 1.436.894

Statistics: Forecast values

Trials 100.000

Mean 143.575.554

Median 3.790.415

Mode 1.175.587

Standard Deviation 454.385.644

Variance ###############

Skewness 5,09

Kurtosis 55,36

Coeff. of Variability 3,16

Minimum (245.861.749)

Maximum 11.760.614.547

105


Risk management i forbindelse med investeringer i containerskibe

Range Width 12.006.476.296

Mean Std. Error 1.436.894

Forecast: NPV (cont'd)

Cell: G29

Percentiles: Forecast values

0% (245.861.749)

10% (148.727.216)

20% (115.806.393)

30% (81.930.986)

40% (43.606.571)

50% 3.790.415

60% 64.359.786

70% 150.516.741

80% 287.068.826

90% 567.337.316

100% 11.760.614.547

106


Risk management i forbindelse med investeringer i containerskibe

Upside med 20% T/C-opgang

Kilde: Egen tilvirkning gennem Crystal ball

107


Risk management i forbindelse med investeringer i containerskibe

Crystal Ball Report - Full

Simulation started on 3/21/2007 at

22:21:45

Simulation stopped on 3/21/2007 at

22:26:42

Run preferences:

Number of trials run 100.000

Monte Carlo

Random seed

Precision control on

Confidence level 95,00%

Run statistics:

Total running time (sec) 297,06

Trials/second (average) 337

Random numbers per

sec 1.010

Crystal Ball data:

Assumptions 3

Correlations 3

Correlated groups 1

Decision variables 0

Forecasts 1

Forecasts

Worksheet: [Hovedopgave datasæt 3.0.1.xls]Simulering

Forecast: NPV

Summary:

Certainty level is 44,848%

Certainty range is from (142.105.832) to 115.682.022

Entire range is from (248.727.603) to 21.131.797.503

Base case is 115.682.022

After 100.000 trials, the std. error of the mean is 2.181.174

Statistics: Forecast values

Trials 100.000

Mean 329.737.648

Median 116.956.238

Mode ---

Standard Deviation 689.747.822

Variance ###############

Skewness 5,16

Kurtosis 59,36

Coeff. of Variability 2,09

Minimum (248.727.603)

108


Risk management i forbindelse med investeringer i containerskibe

Maximum 21.131.797.503

Range Width 21.380.525.106

Mean Std. Error 2.181.174

Forecast: NPV (cont'd)

Percentiles: Forecast values

0% (248.727.603)

10% (112.656.168)

20% (62.514.590)

30% (11.596.908)

40% 46.579.633

50% 116.956.238

60% 208.038.362

70% 337.901.383

80% 547.683.500

90% 967.244.172

100% 21.131.797.503

109


Risk management i forbindelse med investeringer i containerskibe

Bilag 16: Two-Way simulering

Kilde: Egen tilvirkning gennem Crystal ball

Two-way simulering med T/C, skibspriser, renter og valutakursen måles som dynamiske

forudsætninger. Resultatet er svingende hvoraf det ses, at når T/C, renten eller valutaen

(USD) sioleres kommer resultatet frem til noget svingende resultat

Variabilitetsvariable er resultatet et spredet resultat. Når

1. stress test viser en middelværdi på -115 mio DKK, hvor henholdsvis T/C falder med

23% og skibspriser med 22%.

T/C

Skib

Omkostninger

110


Skib/omk.

T/C / omk.

T/C / Skib

Risk management i forbindelse med investeringer i containerskibe

111


Risk management i forbindelse med investeringer i containerskibe

Bilag 17: What are freight derivatives?

Kilde: www.balticexchange.com

Freight derivatives provide a means of hedging exposure to freight market risk through

the trading of specified time charter and voyage rates for forward positions.

Settlement is effected against a relevant route assessment, usually one published by the

Baltic Exchange.

FFA’s

Forward Freight Agreements (FFAs) are 'over the counter' products made on a principalto-principal

basis. As such, they are flexible and not traded on any exchange.

Contracts traded will normally be based on the terms and conditions of the FFABA

standard contracts amended as agreed between the principals.

The main terms of an agreement cover:

(a) The agreed route.

(b) The day, month and year of settlement.

(c) Contract quantity.

(d) The contract rate at which differences will be settled.

Settlement is between counter parties in cash within five days following the settlement

date. Commissions will be agreed between principal and broker. The broker, acting as

intermediary only, is not responsible for the performance of the contract.

Cleared contracts

Cleared contracts, also known simply as futures, are settled on a daily basis through a

clearinghouse and settlements are based on a close-of-play trading price. At the end of

each day, traders pay or receive the difference between the price of the paper contract and

the market index.

The International Maritime Exchange (IMAREX) in Norway is an exchange dedicated to

shipping freight derivatives, and uses the Norwegian Futures and Options Clearinghouse

(NOS) to clear its transactions. NOS relies on the Baltic Exchange to provide it with

independent freight market assessments. Clearing services are also provided by NYMEX

and the London Clearing House

112


Risk management i forbindelse med investeringer i containerskibe

Bilag 18: Hedge

Y X

År RENTE%** T/Cspot' T/CFuture dlog(y) dlog(x) dlog(y)^2 dlog(x)^2

1991 0,09 69.316 76.047

1992 0,09 67.204 73.528 -0,031 -0,034 0,001 0,001

1993 0,07 71.602 77.008 0,063 0,046 0,004 0,002

1994 0,08 68.605 74.211 -0,043 -0,037 0,002 0,001

1995 0,08 63.340 68.801 -0,080 -0,076 0,006 0,006

1996 0,07 62.851 67.537 -0,008 -0,019 0,000 0,000

1997 0,06 60.620 64.535 -0,036 -0,045 0,001 0,002

1998 0,05 48.998 51.528 -0,213 -0,225 0,045 0,051

1999 0,05 50.071 52.607 0,022 0,021 0,000 0,000

2000 0,06 81.692 86.453 0,490 0,497 0,240 0,247

2001 0,05 67.474 70.997 -0,191 -0,197 0,037 0,039

2002 0,05 58.854 61.903 -0,137 -0,137 0,019 0,019

2003 0,04 70.883 74.005 0,186 0,179 0,035 0,032

2004 0,04 103.785 108.348 0,381 0,381 0,145 0,145

2005 0,03 127.471 131.876 0,206 0,197 0,042 0,039

sum 0,609 0,551 0,577 0,584

sum x & y 1,1597

Std. 0,2059 0,2080

korrelationen 0,999

T/C spot er ikke de officielle BIF-ruter, hvorfor dette kun er et eksempel i forhold til at

beregne en hedge.

Der er benyttet alm. gennemsnitlige priser på T/C i forhold til spotprisen. Futureprisen er

beregnet ud fra Ligning 9r benyttet alm. gennemsnitlige priser på T/C i forhold til

spotprisen. Futureprisen er beregnet ud fra Ligning 9 ved beregning af futurepris.

rT

( F0 = S0e )

Renten er den 10 årige obligationsrente.

Hedgeratio

h* 1,01

Kontrakt størrelse 1

Futurekontrakter

N* kontrakter 369

Q

h* = ρ

Q

S

F

h*

N

N*

=

Q

F

A

113


Risk management i forbindelse med investeringer i containerskibe

Charterdage 365

1 års hedge

Fysisk marked Futures market

2004

Rente 4,3%

Spot T/C-rate kr 103.785 T/C FFA kr 108.251

Freight cost kr 37.881.349 Freight cost kr 39.511.534

2005

Rente 3,4%

Spot T/C-rate kr 127.471 T/C FFA kr 131.802

Freight cost kr 46.527.079 Freight cost kr 48.579.814

Tab/fortjeneste kr 7.015.545 kr (9.068.280)

Netto resultat kr (2.052.735)

Kilde: Nomikos & Alizadeh, 2002 og egen tilvirkning

Se datafil under Hedge

Eksemplet viser en hedge imod spotmarkedet, hvor der er hedget med 369 kontrakter, på

baggrund af at hedgeraten er på 1,01.

Det kendes ikke hvor store kontrakterne lyder på, så det forudsættes at dere rtale om en

enkelt kontrktp pr. dag, hvorfor 365 kontrakter er lig et år.

et enkelt år multipliceret med 1,01 giver 369 kontrakter.

Resultatet giver et underskud på godt DKK 2 mio. hvilket ikke ser tilfredsstillende ud i

forhold til at der kunne være tjent DKK 7 mio. Men havde sitionen været modsat med

modsat fortegn havde hedgen været effektiv mod for store tab.

114

More magazines by this user
Similar magazines