С учетом дополнительных данных результаты у Finish Line уступали случайным (для подбрасывания монеты), но лишь чуть-чуть. У Werner, HMI и Hubbell вероятности получения ложноположительного результата тоже увеличились, причем даже в абсолютном выражении, но не до уровня, соответствующего качественным изменениям. Вполне возможно, мы смогли бы найти несколько новых троек, поскольку для совокупности в целом мы предпочли бы сохранить вероятность получения ложноположительных результатов, возможно, несколько ближе к нашему значению отсечки 10 %. Мы не считаем, что эти смещения могли существенно повлиять на наши выводы, тем не менее приводим здесь соответствующие данные, чтобы вы могли сами оценить, так это или нет.
Мы также обновили свой анализ по периодам. Доверительные интервалы показывают, насколько мы уверены в том, что данный период относительной эффективности закончился. Поэтому чем выше значение доверительного интервала, тем либеральнее оцениваются периоды за пределами диапазона целевых 10-балльных оценок (перед объявлением об окончании периода).
В 2006 г., когда мы впервые подготовили свою выборку, мы охарактеризовали траектории наших выдающихся компаний с использованием 90 %-го доверительного интервала. После обновления анализа для наших компаний с учетом данных до 2010 г. траектории у некоторых из них для уровня доверия 90 % изменились. Но при использовании 99 %-го доверительного интервала ни у одной компании тип траектории не изменился, хотя в некоторых точках изменились параметры.
Например, при использовании 90 %-го доверительного интервала при добавлении к данным до 2006 г. данных за 2007–2010 гг. траектории у A&F and Heartland изменились, превратившись из траекторий удержания НЦКП в траектории ослабления НЦКП. Однако при использовании 99 %-го доверительного интервала обе компании сохранили устойчивую траекторию удержания НЦКП, оставшись в категории «чудотворцев» (нетривиальная особенность этого вида статистического анализа – возможность из будущего изменить прошлое: добавив еще несколько лет с 9-балльными оценками, обе компании можно снова вернуть на траектории удержания НЦКП даже с 90 %-м доверительным интервалом).
Таблица 47. Анализ категорий
Источники: Compustat; анализ Deloitte.
Таблица 48. Анализ траекторий
Источники: Compustat; анализ Deloitte.
Таблица 49. Анализ эр[7]
Источник: анализ Deloitte.
Для выделения таких эр тоже использовался вероятностный метод, упомянутый в примечаниях в главе 2{187}. При этом вероятности привязываются к годам, по которым мы идентифицируем эры. Поскольку это так называемый метод Байеса, мы считаем началом периода год, следующий за любым годом, для которого вероятность того, что это последний год (предыдущего) периода, превышает 50 %. Компании, в базе данных которых нет ни одного года, соответствующего этому критерию, имеют только одну эру абсолютной рентабельности.
Вот разбивка нашей полной совокупности выдающихся компаний по эрам и типам траекторий.
Таблица 50. Зависимости между эрами и траекториями
Источник: анализ Deloitte.
Приложение Е. Диаграммы изменений рентабельности
Рис. 3. Linear Technology («чудотворец»)
1. Годовые значения ФР (данные Compustat).
2. Изменение ФР для каждой эры абсолютной рентабельности. Эры выделяются с помощью метода, упомянутого в главе 2. Линии изменения рассчитывались с помощью метода наименьших квадратов (МНК).
3. Верхний контрольный предел (ВКП) для каждой эры абсолютной рентабельности. ВКП устанавливается на уровне +1,5 стандартного отклонения от ожидаемого значения для каждого годового значения ФР, определенного с помощью МНК-регрессии, используемой для построения линии изменения.
4. Нижний контрольный предел (НКП) для каждой эры абсолютной рентабельности НКП устанавливается на уровне –1,5 стандартного отклонения от ожидаемого значения для каждого годового значения ФР, определенного с помощью МНК-регрессии, используемой для построения линии изменения.
5. Годовые оценки по 10-балльной шкале отражают относительную рентабельность. Ежегодные абсолютные значения ФР преобразуются в оценки по 10-балльной шкале по методу, описанному в главе 2. Эти оценки можно сравнивать между собой во времени, по отрасли и между компаниями.
6. Выделены целевые оценки для каждой компании. У «чудотворцев» выделены все 9-балльные оценки, у «стайеров» выделены все 6-, 7– и 8-балльные оценки. У «середнячков» выделенные целевые оценки отсутствуют.
7. Полоса оценок относительной рентабельности, которые ниже целевых оценок по 10-балльной шкале для данной компании. Периоды относительной рентабельности выделяются с помощью метода, описанного в главе 2.
8. Полоса оценок относительной рентабельности, соответствующих целевым оценкам по 10-балльной шкале для данной компании. Периоды относительной рентабельности выделяются с помощью метода, описанного в главе 2.
9. Значения ФР. Для облегчения сравнения мы старались по возможности сохранять оси неизменными на всех этих диаграммах. На тех диаграммах, на которых диапазон пришлось изменить, чтобы захватить большие экстремальные значения, относительный масштаб был сохранен, так что наклон линий изменения (тренда) по-прежнему легко сравнивать.
10. Год. Для облегчения сравнения разбивка по этой оси одинаковая на всех этих диаграммах.
Условные обозначения, соответствующие этой сводке объяснений, повторяются на всех диаграммах.
Рис. 4. Micropac Industries («стайер»)
Рис. 5. International Rectifier («середнячок»)
Краткая сводка данных для тройки производителей полупроводников
Полупроводники
Источники: Compustat; анализ Deloitte.
Рис. 6. Medtronic («чудотворец»). Медицинское оборудование
Рис. 7. Stryker («стайер»). Медицинское оборудование
Рис. 8. Invacare («середнячок»). Медицинское оборудование
Краткая сводка данных для тройки производителей медицинского оборудования
Медицинское оборудование
Источники: Compustat; анализ Deloitte.
Рис. 9. Thomas & Betts («чудотворец»). Электропроводка
Рис. 10. Hubbell («стайер»). Электропроводка
Рис. 11. Emrise («середнячок»). Электропроводка
Краткая сводка данных для тройки производителей электропроводки
Электропроводка
Источники: Compustat; анализ Deloitte.
Рис. 12. Abercrombie & Fitch («чудотворец»). Одежда для семьи
Рис. 13. Finish Line («стайер»). Одежда для семьи
Рис. 14. Syms («середнячок»). Одежда для семьи
Краткая сводка данных для тройки розничных продавцов одежды
Одежда для семьи
Источники: Compustat; анализ Deloitte.
Рис. 15. Wm. Wrigley Jr. Company («чудотворец»). Кондитерские изделия
Рис. 16. Tootsie Roll Industries («стайер»). Кондитерские изделия
Рис. 17. Rocky Mountain Chocolate Factory («стайер»). Кондитерские изделия
Краткая сводка данных для тройки производителей кондитерских изделий
Кондитерские изделия
Источники: Compustat; анализ Deloitte.
Рис. 18. Weis Markets («чудотворец»). Продовольственные товары
Рис. 19. Publix Supermarkets («стайер»). Продовольственные товары
Рис. 20. Whole Foods Markets («середнячок»). Продовольственные товары
Краткая сводка данных для тройки продавцов продовольственных товаров
Продовольственные товары
Источники: Compustat; анализ Deloitte.
Рис. 21. Merck & Co. («чудотворец»). Фармацевтика
Рис. 22. Eli Lilly & Co. («стайер»). Фармацевтика
Рис. 23. KV Pharmaceutical («середнячок»). Фармацевтика
Краткая сводка данных для тройки фармацевтических компаний
Фармацевтика
Источники: Compustat; анализ Deloitte.
Рис. 24. Heartland Express («чудотворец»). Автомобильные грузоперевозки
Рис. 25. Werner Enterprises («стайер»). Автомобильные грузоперевозки
Рис. 26. P.A.M. Transportation Services («середнячок»). Автомобильные грузоперевозки
Краткая сводка данных для тройки грузоперевозчиков. Автомобильные грузоперевозки
Источники: Compustat; анализ Deloitte.
Рис. 27. Maytag («чудотворец»). Бытовая техника
Рис. 28. HMI Industries («стайер»). Бытовая техника
Рис. 29. Whirlpool («середнячок»). Бытовая техника
Краткая сводка данных для тройки производителей бытовой техники
Бытовая техника
Приложение F. Анализ согласованности
Поскольку в качестве переменной для оценки эффективности мы используем годовые значения ФР, при анализе любого промежутка времени более одного года как единого, недифференцированного промежутка возникает риск маскировки существенных годовых колебаний. Периоды и эры, которые мы используем для идентификации релевантных различий в поведении, были бы чрезвычайно зыбкой основой, если бы имели место сильные колебания наших независимых переменных (РП и ОСА как составляющих преимущества по ФР за определенные промежутки времени), которые мы сопоставляем с относительно плавно меняющимися или вообще неизменными различиями в поведении в течение тех же периодов времени.