Bachelor Thesis Accounting Immateriële activa: de relatie tussen het activeren van spelerscontracten en beurskoersen Naam: Stefan Haverkate Administratienummer: 104179 Telefoonnummer: 06-18664061 Studierichting: Bedrijfseconomie Begeleider: Dhr. E. Cardinaels
Voorwoord Voor u ligt de bachelor thesis Accounting, geschreven ter afronding van de Bachelor Bedrijfseconomie aan de Universiteit van Tilburg. Ik kreeg de mogelijkheid om mijn onderzoek te doen op het gebied van voetbalclubs. Ik heb gekeken wat de waarde relevantie is van het activeren van spelerscontracten. Dit heb ik gedaan door van verschillende variabelen de invloed op de beurskoers te meten. Via deze weg wil ik graag mijn begeleider, dhr. E. Cardinaels, bedanken voor de begeleiding tijdens het schrijven van thesis. Ook wil ik alle anderen bedanken die mij van tips en aanwijzingen hebben voorzien. Stefan Haverkate, Tilburg, juni 2010 2
Management Summary In dit onderzoek staat de waarderelevantie van het activeren van spelerscontracten centraal. Om dit te kunnen onderzoeken is er gekeken naar de relatie tussen het activeren van spelerscontracten en de beurskoersen. Het onderzoek is uitgevoerd onder elf voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009. Al met al zijn er 44 datapunten gevonden waarop dit onderzoek is gebaseerd. De data is verzameld door het programma datastream en door de verschillende jaarrekeningen van de clubs handmatig door te lopen. Er is in de literatuur veel discussie over de informatieverschaffing van human capital. Deze studie kan bijdragen aan deze discussie door te kijken of de manier van het activeren en waarderen bij voetbalclubs wordt gewaardeerd door de investeerders. De literatuur geeft verschillende suggesties over de relatie tussen het activeren van spelerscontracten en beurskoersen. Zo zou deze kunnen lopen via investeringen in en verkopen van spelers. Een ander onderzoek suggereert dat juist de netto investeringen van belang zijn. Deze netto investeringen zouden de relatie tussen de gerapporteerde winsten en beurskoersen beïnvloeden. De resultaten van dit onderzoeken geven aan dat de relatie tussen spelerscontracten en beurskoersen moeilijk te verklaren is. Wel kan worden gesteld dat de netto investeringen van belang zijn. Om een goed beeld te krijgen van de relatie tussen het activeren van spelerscontracten en beurskoersen, zal nog veel meer onderzoek nodig zijn. 3
Inhoudsopgave Voorwoord... 2 Management Summary... 3 Inhoudsopgave....................................................................... 4 1. Introductie... 5 2. Literatuur... 7 2.1. Waarderelevantie van immateriële activa... 7 2.2. Waarderelevantie van software kapitalisatie... 8 2.3. Waarderelevantie van Intellectual Capital... 8 3. Onderzoeksvragen... 10 4. Methode... 12 4.1. Regressies... 12 4.1.1. Regressievergelijking eerste deelvraag... 12 4.1.2. Regressievergelijking tweede deelvraag... 13 4.2. Variabelen... 13 4.2.1. Afhankelijke variabele... 13 4.2.2. Onafhankelijke variabelen... 13 4.3. Data... 15 5. Resultaten... 16 5.1. Regressiemodel eerste deelvraag... 16 5.2. Regressiemodel tweede deelvraag... 17 6. Conclusie en discussie... 17 6.1. Conclusie eerste deelvraag... 17 6.2. Conclusie tweede deelvraag... 19 6.3. Conclusie hoofdvraag... 20 6.4. Discussie... 21 7. Referenties... 22 Bijlage 1: Lijst van clubs... 24 Bijlage 2: SPSS output beschrijvende statistieken... 24 Bijlage 3: SPSS output regressiemodel (1)... 25 Bijlage 4: SPSS output regressiemodel (2)... 26 4
1. Introductie In 1968 is de relatie tussen aandelenkoersen en informatie uit financiële verslaggeving voor het eerst gelegd door Ball en Brown. Nadien is er veel meer onderzoek gedaan naar de relatie tussen beurskoersen en financiële verslaggeving. Amir et al (1993) gebruikten voor het eerst de term value relevance. Zij gaven aan dat financiële cijfers waarde relevant zijn, wanneer deze een significante, sterke, voorspelde relatie hebben met beurskoersen. Uit onderzoek van Aboody en Lev (1998) blijkt dat het gecumuleerde bedrag van software, dat als activa is opgenomen op de balans, geassocieerd kan worden met de beurskoersen. De software die daar werd geactiveerd, is opgenomen onder de immateriële activa. In dit onderzoek zal er gekeken worden naar een andere soort immateriële activa. Een bijzondere vorm van immateriële activa is Intellectual Capital. Een onderzoek in opdracht van de Europese Unie stelde vast dat Intellectual Capital is opgesplitst in drie onderdelen 1 : human capital, organization capital en relational capital (Meritum Project, 2002). Voor voetbalclubs kan de component human capital van groot belang zijn; voetbalkenners stellen immers dat het kapitaal van een voetbalclub op het veld staat. Er is naar het kapitaliseren van Intellectual Capital nog niet veel onderzoek gedaan. (Marr, Gray en Neely, 2003; Royal en O Donnell, 2008; Sonnier, 2008) Dit onderzoek zal dan ook bijdragen aan de discussie over de waardering en informatieverschaffing van Intellectual Capital. Als blijkt dat de manier van waarderen van human capital in een speciale branch gewaardeerd wordt door de investeerders, zullen regelgevers hier rekening mee kunnen houden in de toekomst. Eerder waren er voor voetbalclubs verschillende manieren om de spelerscontracten in de boekhouding te verantwoorden, maar sinds 2005 zijn alle voetbalclubs die aan een Europese beurs genoteerd zijn, verplicht dezelfde manier te hanteren (Paananen en Lin, 2009). In dit onderzoek zal gekeken worden wat de waarde relevantie is van het opnemen van de spelerscontracten op de balans. Hierbij zal de beurskoers als maatstaf genomen worden voor waarde relevantie (Amir et al, 1993). De verwachting is dat investeerders het opnemen van de spelerscontracten, waarde relevant vinden. Hierdoor wordt een redelijke sterke regressie verwacht tussen de spelerscontracten en de beurskoers. 1 Een andere opvatting is dat Intellectual Capital juist een vorm is van Human Capital. De volgorde van verdieping is dan: Intangible Assets, Social Capital, Human Capital, Intellectual Capital en Knowledge Capital (Royal & O Donnell, 2008) 5
In het huidige voetbal zijn de inkomsten van clubs flink aan het teruglopen. In Nederland staat een flink aantal Betaald Voetbal Organisaties (BVO s) onder curatele van de KNVB. HFC Haarlem is zelfs onlangs failliet verklaard en uit de competitie gehaald. Inmiddels is bekend geworden dat meerdere clubs zich op het randje van een faillissement bevinden. BVO s kunnen eventueel overwegen om voor een beursgang te kiezen, om zo extra vermogen te genereren. In Nederland is op dit moment Ajax Amsterdam de enige club die zijn aandelen verhandelt aan de Amsterdamse Beurs. Mocht blijken dat de beurskoersen beïnvloed kunnen worden door het opnemen van de spelerscontracten op de balans, dan zou dit mogelijkerwijs een hulpmiddel kunnen zijn om clubs, in de toekomst, uit de problemen te houden. Als de BVO s op dit moment nog niet de spelerscontracten op de balans hebben staan, of wellicht tegen een andere (lagere) waarde, dan zou bij een eventuele beursgang deze waardering aangepast moeten worden. Door deze verbeterde weergave van de spelerscontracten zal er meer Eigen Vermogen gegenereerd worden, waardoor de club er financieel gezien beter voor zal staan. 2 Overigens heeft een werkgroep die het licentiesysteem evalueerde onlangs, bij monde van voorzitter Vermeend, geconcludeerd dat BVO s te weinig transparant zijn met betrekking tot de financiële verslaggeving. Nu ook de Koninklijke Nederlandse Voetbal Bond (KNVB) het rapport van dit onderzoek zal analyseren, kan het goed zijn dat de regelgeving, vanuit de KNVB, aangepast wordt. Niet alleen voor voetbalclubs is het van belang om hun human capital te meten. Marr et al. (2003) stellen dat er vijf hoofdredenen zijn om human capital te meten. Voor bedrijven die in grote mate afhankelijk zijn van hun human capital; zoals IT-specialisten, accountancy kantoren en consultancy bedrijven, zal de informatie over human capital van groot belang kunnen zijn. In het vervolg van de scriptie zal er dieper op deze vijf redenen ingegaan worden. In hoofdstuk twee zullen de verschillende voorgaande onderzoeken met elkaar in verband worden gebracht. Al deze verschillende theorieën leiden in hoofdstuk drie tot de onderzoeksvragen, waarna in hoofdstuk vier de onderzoeksmethode uiteengezet zal worden. De resultaten zullen volgen in hoofdstuk vijf. Het zesde hoofdstuk bestaat uit de conclusie, met beantwoording van de deelvragen en hoofdvraag, en een discussie, met beperkingen van dit onderzoek en aanbevelingen voor verder onderzoek. 2 In eerste instantie zal de solvabiliteit van de club verbeteren. De laatste tijd komen clubs echter steeds vaker in acute financiële problemen. Deze liquiditeitsproblemen zullen in eerste instantie niet opgelost worden door een eventuele beursgang. 6
2. Literatuur In dit hoofdstuk zullen de verschillende onderzoeken die in het onderzoeksgebied al gedaan zijn, uiteengezet worden. Er is hier gekozen om eerst de onderzoeken naar immateriële activa te behandelen. Vervolgens wordt gekeken naar een onderzoek over software kapitalisatie en als laatste wordt gekeken naar onderzoeken op het gebied van human capital. 2.1. Waarderelevantie van immateriële activa Zoals in de inleiding al gesteld werd, waren het Amir et al (1993) die de term value relevance voor het eerst gebruikten. Zij stelden dat financiële cijfers waarde relevant zijn als ze een significante, sterke, voorspelde relatie hebben met de beurskoersen. Het onderzoek van Ely en Waymire (1999) wilde de relatie leggen tussen immateriële activa en beurskoersen, aannemend dat managers enige flexibiliteit hebben wat betreft het kapitaliseren van kosten. De eerste optie die zij onderzochten, was of immateriële activa een directe positieve invloed hebben op de beurskoersen. Zij verwachtten deze positieve relatie omdat zij stellen dat wanneer investeerders vinden dat de immateriële activa correct zijn weergegeven, dit terug te vinden moet zijn in de beurskoersen. Een tweede optie die onderzocht werd, is dat immateriële activa van invloed zijn op de beoordeling van de gerapporteerde winsten, door de investeerders. Als er namelijk kosten gekapitaliseerd zijn, die eigenlijk direct als kosten genomen hadden moeten worden, dan is de gerapporteerde winst te hoog. Als investeerders dit waarnemen zal dit zijn weerslag hebben op de beurskoers. Daarom verwachten zij dat de interactie tussen immateriële activa en gerapporteerde winsten, zich negatief verhouden tot de beurskoersen. In hun onderzoek vinden Ely en Waymire (1999) geen bewijs voor een directe relatie tussen immateriële activa en beurskoersen. Er werd wel bewijs gevonden dat de relatie tussen gerapporteerde winsten en beurskoersen afneemt, als de immateriële activa in verhouding groter zijn (Ely& Waymire, 1999). Durst (2008) deed ook onderzoek naar immateriële activa. Hij vond dat immateriële activa een gemiddelde relevantie heeft, maar dat er verwacht wordt dat deze relevantie in de toekomst verder zal toenemen. Ook kwam in het onderzoek naar voren dat immateriële activa van groot belang is bij het nemen van beslissingen door investeerders (Durst, 2008). Doordat er na dit onderzoek nog steeds ruimte is voor discussie over de waarde relevantie van immateriële activa, is het interessant om te onderzoeken 7
of een bepaalde vorm van immateriële activa, human capital, meer duidelijkheid kan geven over de waarde relevantie. Het onderzoek van Stolowy en Jeny-Cazavan (2001) laat zien dat er veel verschillen zijn tussen landen, over hoe om te gaan met immateriële activa. Al deze verschillen zijn aanleiding geweest voor verschillende wijzigingen in de regelgeving hieromtrent (Stolowy & Jeny-Cazavan, 2001). 2.2. Waarderelevantie van software kapitalisatie Omdat er weinig onderzoek is gedaan naar human capital, is het zinvol om ook informatie over andere vormen van immateriële activa mee te nemen. Omdat software activering wel redelijk veel onderzocht is, wordt verwacht dat dit een redelijk goede inschatting kan geven van andere vormen van immateriële activa. Aboody en Lev (1998) onderzochten wat de relevantie is van het activeren van software. Omdat managers, onder SFAS 86, de mogelijkheid hebben om de ontwikkelingskosten voor software te kapitaliseren (op balans) of direct als kosten te nemen (op winst- en verliesrekening), was er veel twijfel over wat het beste beeld geeft van de onderneming. Ook kwam er kritiek op het kapitaliseren, omdat iets pas als een asset gezien mag worden, wanneer de toekomstige inkomsten hiervan met redelijke zekerheid kunnen worden vastgesteld en dit was bij software vaak onduidelijk, zo stelde de Software Publishers Association (SPA). Aboody en Lev (2008) toonden aan dat er een sterke relatie is tussen de geactiveerde ontwikkelingskosten en de beurskoers van de onderneming. Ook toonden zij aan dat investeerders pas op termijn reageren als de kosten direct als kosten worden genomen. Al met al concluderen zij dat geactiveerde ontwikkelingskosten relevante informatie verschaffen aan investeerders (Aboody& Lev 1998). 2.3. Waarderelevantie van Intellectual Capital In begin jaren 90 is begonnen met het onderzoek naar Intellectual Capital en het aantal onderzoeken nam en neemt snel toe. Onderzoek van Sonnier (2008) toonde aan dat bedrijven die actief zijn in de Hightech sector meer informatie verschaffen over hun Intellectual Capital dan bedrijven in de traditionele sectoren. Dit impliceert dat wanneer bedrijven in een sterke mate afhankelijk zijn van persoonlijke kwaliteiten, zoals in de Hightech sector en ook bij voetbalclubs, deze bedrijven de informatie hierover als waardevol 8
beschouwen. Dit wordt verklaard doordat de assets van de traditionele bedrijven, zoals gebouwen, machines en voorraden, op de balans worden opgenomen, omdat deze waarde genereren voor de bedrijven. Bij bedrijven in bijvoorbeeld de Hightech sector wordt deze waarde juist gecreëerd door het Intellectual Capital binnen deze bedrijven. De belangrijkste asset voor bedrijven in de Hightech sector zijn de personeelsleden met hun kennis en dit zal de toekomstige inkomsten van de bedrijven sterk beïnvloeden (Sonnier, 2008). Marr et al (2003) stellen er vijf hoofdredenen zijn voor het verzamelen van informatie over human capital. Als eerste reden noemen zij dat human capital kan helpen bij het bepalen van de strategie. Aangezien een strategie niet alleen gebaseerd is op externe krachten, maar ook op interne krachten, is het voor bedrijven van groot belang te weten wat de waarde van hun interne krachten is. Bij sommige bedrijven bestaan deze krachten vooral uit human capital en zal een nauwkeurige meting hiervan nodig zijn. Een tweede reden die genoemd wordt, is dat het meten van human capital kan helpen bij het ontwikkelen van indicatoren voor evaluatie van de strategie. Ten derde wordt gesteld dat bedrijven human capital meten om beslissingen over fusies en overnames te maken. Omdat voor sommige bedrijven human capital van groot belang is voor de waardebepaling van de bedrijven, is een nauwkeurige bepaling hiervan nodig. Als vierde worden compensatie systemen genoemd als reden voor het meten van human capital. Marr et al (2003) stellen dat compensaties niet alleen hoeven af te hangen van financiële informatie, maar dat ook niet-financiële informatie een belangrijke maatstaf kan zijn. Een vijfde reden is de communicatie met de stakeholders. Zij beschouwen deze informatie steeds meer als relevante informatie. Daardoor zijn bedrijven niet alleen door de regelgeving genoodzaakt om informatie te verschaffen over human capital. Financiële analisten, banken en accountancy kantoren zijn ook erg geïnteresseerd in deze informatie. In hetzelfde onderzoek stellen ze dat er voor het bepalen van de waarde van human capital nog geen vaste methoden zijn vastgesteld en dat de bedrijven de informatie vrijwillig verschaffen (Marr et al., 2003). Inmiddels zijn voetbalclubs verplicht hun human capital op te nemen en hier zijn ook regels voor vastgesteld. 9
Een onderzoek van Royal en O Donnell (2008) toont aan dat human capital waardevolle informatie bevat en nu nog te verschillend wordt gebruikt. Verder blijkt uit het onderzoek dat human capital een goede indicatie kan geven van de toekomstige waarde van de aandelen. Ook kan informatie over human capital goed gebruikt worden voor risico management, vooral in een markt waar immateriële activa de meeste toekomstige inkomsten zal genereren (Royal& O Donnell, 2008). Amir en Livne (2005) vonden dat de regelgeving omtrent het opnemen van de investeringen in immateriële activa, vanaf 1998, met de invoering van FRS 10 en IAS 38, op eenzelfde lijn zitten. Zij vonden in de onzekerheid die spelerscontracten met zich mee brengen, een reden om onderzoek te doen naar de regelgeving hieromtrent. Er wordt aangenomen dat de prijs die betaald wordt voor spelers een betrouwbaar beeld geeft van de fair value van deze speler. Om deze reden moeten voetbalclubs de spelerscontracten dan ook waarderen op basis van de aanschafwaarde. Hier kan vervolgens op worden afgeschreven. Amir en Livne (2005) tonen aan dat er maar een zwakke relatie is tussen investeringen in spelers en toekomstige inkomsten. Zij vinden echter wel een sterke relatie tussen de bedragen van de transfers van spelers en de beurskoersen (Amir& Livne, 2005). 3. Onderzoeksvragen Al de resultaten uit vorige onderzoeken, zoals in het voorgaande hoofdstuk genoemd, laten meerdere vragen achter. Een van de vragen is wat nu de waarde is van het rapporteren van human capital. Om hier enig onderzoek naar te doen, is gekozen om te kijken naar voetbalclubs 3, waar human capital al enige tijd wordt gekapitaliseerd. Zoals in hoofdstuk 2.1 al is verteld, kan waarde relevantie gemeten worden aan de hand van de beurskoersen. In dit onderzoek zal er geprobeerd worden de volgende onderzoeksvraag te beantwoorden: Wat is de relatie tussen het activeren van spelerscontracten en de beurskoersen van voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009? Deze vraag zal beantwoord worden aan de hand van verschillende deelvragen. 3 In dit onderzoek zal gekeken worden naar voetbalclubs uit Groot-Brittannië. 10
Amir en Livne (2005) stellen in hun onderzoek dat de waarde relevantie van spelerscontracten gemeten kan worden aan de hand van de investeringen in nieuwe spelers en de verkoop van eigen spelers. De eerste deelvraag zal dan ook gaan over de investeringen en verkopen: Zijn de investeringen in nieuwe spelers en de verkopen van eigen spelers van invloed op de beurskoersen van voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009? In dit onderzoek is ook de variabele gerapporteerde winst opgenomen. Volgens Ely en Waymire (1999) loopt de relatie tussen gerapporteerde winsten en beurskoersen niet rechtstreeks maar via de variabele netto investeringen. Dit komt omdat de bedragen die zijn geïnvesteerd in immateriële activa minus de bedragen ontvangen uit immateriële activa, in de ogen van sommige investeerders, de winst direct zouden moeten drukken. Door deze bedragen te kapitaliseren, zullen ze over meerdere jaren verdeeld worden op de winst- en verliesrekening en dus zullen ze invloed hebben op de hoogte van de gerapporteerde winst. Ely en Waymire (1999) deden onderzoek naar de relatie tussen immateriële activa en de beurskoersen. Omdat spelerscontracten een onderdeel zijn van immateriële activa wordt er verwacht dat de relatie die Ely en Waymire (1999) vaststellen, ook bij spelerscontracten geldt. In dit onderzoek zal onderzocht worden of dit interactie effect ook van toepassing is bij de waardering van spelerscontracten van voetbalclubs. De tweede deelvraag luidt dan ook: Zijn de netto investeringen in spelers van invloed op de relatie tussen gerapporteerde winsten en beurskoersen voor voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009. In het volgende hoofdstuk zal besproken worden hoe deze vragen beantwoord gaan worden. 11
4. Methode De onderzoeksvraag zal beantwoorden worden door te kijken naar de financiële gegevens van de beursgenoteerde voetbalclubs in het Groot-Brittannië. Het kan zijn dat voetbalclubs niet over de gehele onderzoeksperiode aan de beurs genoteerd staat. Dit wordt niet als een probleem beschouwd, aangezien de waardering van de spelers voor beursgenoteerde bedrijven en dus de clubs in de dataset, gelijk is. Helaas zijn er uiteindelijk maar een gering aantal datapunten gevonden. Dit komt doordat de data uit de toelichting op de jaarrekening gehaald moesten worden en deze jaarrekeningen waren niet voor iedere club en voor elk jaar beschikbaar. In eerste instantie is begonnen met 140 beurskoersen van achttien verschillende clubs. Uiteindelijk zijn er elf voetbalclubs overgebleven in de dataset. Dit leverde 44 datapunten op, verdeeld over de jaren 2000 tot en met 2009. 4.1. Regressies Om de eerste deelvraag te beantwoorden is gekozen voor de regressievergelijking zoals uiteengezet is in hoofdstuk 4.1.1. Voor de tweede deelvraag is de regressie gebruikt zoals is uitgelegd is hoofdstuk 4.1.2. 4.1.1. Regressievergelijking eerste deelvraag Het onderzoek van Amir en Livne (2005) gebruikt het vermogen en de gerapporteerde winst als onafhankelijke variabelen. Zij stellen dat met deze variabelen de overige invloeden vanuit de jaarrekening worden samengevat. Om de invloed van de spelerscontracten te meten, hebben zij in eerste instantie de investeringen in spelers en verkopen of beëindigen van de contracten van spelers opgenomen in het model. Deze variabelen worden in een regressie vergeleken met de beurskoers van 3 maanden na afloop van het boekjaar. Dit is uiteraard omdat de financiële cijfers eerst openbaar gemaakt moeten worden. In dit onderzoek zal ook de variabele immateriële activa opgenomen worden. Ely en Waymire (1999) hebben dit onderzocht omdat zij verschil verwachtten tussen immateriële en materiële activa. Dit verschil verklaren zij door het feit dat immateriële activa, bijvoorbeeld in het geval van software kapitalisatie, meer waarde relevant is dan materiële activa, doordat het meer toekomstige kasstromen zal genereren. Bij de voetbalclubs zal deze immateriële activa voornamelijk uit spelerscontracten bestaan, vooral als er gekeken wordt naar de immateriële activa die toekomstige kasstromen zal genereren. Door 12
in dit onderzoek de boekwaarde van de spelerscontracten op te nemen, zal deze veronderstelling ook worden opgenomen. Al met al ziet de eerste regressievergelijking er als volgt uit: (1) 0 1 2 3 4 5 4.1.2. Regressievergelijking tweede deelvraag Ely en Waymire (1999) stellen in hun onderzoek dat er sprake zal zijn van interactie tussen netto investeringen en gerapporteerde winst. Dit zal komen doordat kosten gekapitaliseerd worden die, volgens sommige investeerders, de winst in dat jaar zouden moeten drukken. Daardoor wordt gesteld dat de relatie tussen gerapporteerde winst en beurskoers wordt beïnvloedt door de netto investeringen in spelers. Om deze variabele in het onderzoek mee te nemen is besloten om de investeringen en verkopen samen te voegen tot netto investeringen. Verder zijn wederom gerapporteerde winst en vermogen opgenomen als controle variabelen. Ook de boekwaarde van de spelerscontracten is in deze regressie weer opgenomen. Deze tweede regressievergelijking ziet er als volgt uit: (2) 0 1 2 3 4 5 4.2. Variabelen In deze paragraaf zullen de variabelen die gebuikt worden in de regressievergelijkingen nader worden toegelicht. 4.2.1. Afhankelijke variabele Zoals al eerder vermeld, zal in dit onderzoek de beurskoers als afhankelijke variabele gebruikt worden. Deze beurskoers is genomen op 1 oktober van ieder jaar, dit omdat de clubs de jaarrekeningen ieder jaar per 1 juli vaststellen en eerst de jaarrekening openbaar moeten maken. Clubs die de jaarrekening op een andere datum vaststelden zijn verwijdert uit de dataset. De beurskoersen zijn verkregen met het programma datastream. 4.2.2. Onafhankelijke variabelen Investeringen (INVEST) staan voor bedragen die gepaard zijn gegaan met het aantrekken van nieuwe spelers. Hierin bevinden zich niet alleen de transfer fees, maar ook de makelaarskosten en tekengelden voor de spelers. Al deze bedragen zullen worden afgeschreven over de looptijd van het contract met de speler. Mocht de speler tussentijds zijn contract verlengen dan worden de nog resterende bedragen 13
afgeschreven over de nieuwe duur van het contract. Deze gegevens zijn gehaald uit de jaarrekeningen van de clubs. Bij verkopen (VERK) zijn de bedragen van de verkochte spelers te vinden. Dit zijn enkel de bedragen die de club ontvangt bij de transfer. Ook deze data zijn verkregen uit de jaarrekeningen. De boekwaarde van de gekapitaliseerde spelerscontracten (BWSpel) is ook opgenomen als variabele. Hiertoe is ook in de jaarrekeningen van de clubs gekeken. In de meeste gevallen waren de spelerscontracten de enige immateriële activa van de club. In enkele gevallen vielen hier nog wat andere posten, zoals goodwill, onder. Deze konden er eenvoudig uitgefilterd worden. Netto investeringen (NETINVEST) is een nieuw gecreëerde variabele die de verkopen van de investeringen aftrekt. Zo krijgt men het netto bedrag dat is geïnvesteerd in spelers in het jaar. Een interactievariabele (INTER) die stelt dat de relatie tussen gerapporteerde winst en de beurskoers wordt beïnvloedt door de netto investeringen is opgenomen in vergelijking (2). Deze variabele is met behulp van de logische formule gecreëerd. Gerapporteerde winst (RapWinst) is in beide regressies opgenomen. Dit is de winst voor belastingen, zoals verkregen is uit de jaarrekeningen van de voetbalclubs. Het vermogen (VERM) geeft het vermogen van de onderneming minus de kortlopende schulden weer, zoals ook in het onderzoek van Amir en Livne (2005) is opgenomen. Deze data is verkregen uit de jaarrekening. Er is nog overwogen om dummyvariabelen voor de verschillende clubs en jaartallen op te nemen, om zo te controleren voor club specifieke of jaar specifieke gebeurtenissen. Door de geringe data punten is besloten om deze dummyvariabelen toch niet op te nemen in het onderzoek. 14
4.3. Data Nadat alle data verzameld is uit de verschillende jaarrekeningen en datastream, is deze samengevoegd in een databestand van het programma SPSS. De ontbrekende gegevens zijn berekend en vervolgens zijn er wat algemene cijfers uitgerekend. Zo is berekend dat de gemiddelde gerapporteerde winst 2.347.000 is. Tegelijkertijd dient opgemerkt te worden dat hier wel grote verschillen in zitten aangezien het minimum -16.765.000 is en het maximum 45.512.000 bedraagt. Ook zijn er flinke verschillen bij de boekwaarde van de spelerscontracten geconstateerd. Het gemiddelde ligt bij deze variabele op 25.580.000 terwijl het minimum 36.000 is en het maximum 128.432.000 is. In de volgende tabel 4 zijn de gemiddelden, standaard deviaties, minima en maxima van de variabelen af te lezen. Beurskoers RapWinst Verm BWSpel INVEST VERK NETINVEST Gemiddelde 76,83 2347,91 105989,50 25579,68 17461,86 14627,50 2834,36 Standaard deviatie 144,55 13504,42 127901,33 26125,55 21602,86 14257,97 21283,39 Minimum 3,56-16765,00 7269,00 36,00 60,00 150,00-59651,00 Maximum 731,39 45512,00 519313,00 128432,00 119336,00 76373,00 76044,00 Tabel 1: Overzicht beschrijvende statistieken De data is verzameld onder elf clubs verdeeld over de jaren 2000 tot en met 2009. In onderstaande kruistabel zijn de 44 datapunten verdeeld onder de clubs en de jaren. Voor een overzicht van de verschillende clubs in de dataset wordt verwezen naar bijlage 2. Bedrijf Jaar 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Totaal 1 0 0 1 1 1 0 0 0 0 0 3 2 0 0 0 0 0 1 1 0 1 1 4 3 0 0 0 0 1 1 1 1 1 0 5 4 0 0 0 1 1 1 1 1 1 1 7 5 0 0 0 0 0 0 0 1 0 0 1 6 0 0 0 1 1 1 0 0 0 0 3 7 0 0 0 0 0 1 0 0 0 0 1 8 0 0 0 0 0 0 1 1 1 1 4 9 0 0 0 0 0 1 0 0 0 0 1 10 0 0 0 0 0 1 1 1 1 1 5 11 1 1 1 1 1 1 1 1 1 1 10 Totaal 1 1 2 4 5 8 6 6 6 5 44 Tabel 2: Kruistabel datapunten 4 Voor de originele SPSS output wordt verwezen naar bijlage 1. 15
5. Resultaten 5 In dit hoofdstuk zullen de resultaten van het onderzoek worden gepresenteerd. De regressiemodellen zijn met behulp van het programma SPSS verkregen. Er is in dit onderzoek uitgegaan van α=0,05. Dit leidt bij de regressies tot een t-waarde van 2,024 6. 5.1. Regressiemodel eerste deelvraag Wanneer de variabelen van vergelijking (1) in het programma SPSS worden gezet, leidt dat tot de volgende significatieniveaus 7. Variabele Test waarde Sig. Niv. (Constant) -0,327,74522 RapWinst 2,150,03795 Verm 2,321,02574 BWSpel 4,485,00007 INVEST -4,226,00014 VERK -1,028,31029 Tabel 3: Resultaten regressiemodel (1) Voor gerapporteerde winst en vermogen zijn de resultaten niet heel verassend. Beiden zijn positief significant. Voor de boekwaarde van de spelers geldt dat deze ook een positieve significante invloed heeft op de beurskoers. De variabelen die antwoord moeten geven op de eerste deelvraag zijn investeringen in en verkopen van spelers. De investeringen hebben hier een negatieve significante (test waarde -4,226) invloed op de beurskoers. De verkopen hebben geen significante invloed, maar er wordt wel een negatieve relatie gesuggereerd (test waarde -1,028). Verder wordt in de SPSS output nog gesproken over een R 2 van 0,743. Hiermee wordt gesuggereerd dat het model 74,3% van de variatie in beurskoersen verklaard. De F-waarde van deze regressie is 21,976. In hoofdstuk zes zullen de resultaten verder worden bekeken. 5 Voor de statistische regels in dit hoofdstuk is gebruik gemaakt van het boek Statistical Methods for Business and Economics van Gert Nieuwenhuis. 6 In het programma Excel uitgerekend met de formule TINV(0.05;38) 7 Voor de originele SPSS output tabellen wordt verwezen naar bijlage 3. 16
5.2. Regressiemodel tweede deelvraag Vergelijking (2) geeft de onderstaande significantie niveaus van de verschillende variabelen 8. Variabele Test waarde Sig. Niv. (Constant) -1,386,17377 RapWinst 1,390,17265 Verm 3,129,00337 BWSpel 2,561,01454 NETINVEST 0,054,95715 INTER -2,592,01347 Tabel 4: Resultaten regressiemodel (2) In deze vergelijking is vermogen wederom positief significant (test waarde 3,129). Hetzelfde geldt voor de boekwaarde van de spelerscontracten. Deze variabele is net als in de eerste vergelijking positief significant (test waarde 2,561). Gerapporteerde winst en netto investeringen in spelers zijn in deze tweede vergelijking niet significant. Aangezien er hier een interactie effect wordt verondersteld tussen beide variabalen is dit geen probleem. De interactie variabele heeft namelijk wel een significante invloed op de beurskoersen, waardoor de beide hoofdeffecten ook thuis horen in de regressie. De interactie variabele heeft een negatieve invloed op de beurskoers(test waarde -2,592). De R 2 van deze regressie is 0,685. Ook de F-waarde is iets afgenomen naar 16,529. De resultaten van deze regressie zullen in hoofdstuk zes verder worden besproken. 6. Conclusie en discussie In dit hoofdstuk zullen de resultaten besproken worden, zoals deze in het vorige hoofdstuk zijn genoemd en uiteraard zullen hier de deelvragen beantwoord worden. Verder zullen deze resultaten gelinkt worden aan de, in hoofdstuk drie besproken, literatuur. Het laatste deel van dit hoofdstuk zal bestaan uit beperkingen van dit onderzoek en aanbevelingen voor eventueel verder onderzoek. 6.1. Conclusie eerste deelvraag Zoals gemeld in hoofdstuk 5.1 zijn de resultaten van de variabelen gerapporteerde winst en vermogen niet heel verrassend. Beiden hebben een positieve significante invloed op de beurskoersen, zoals ook in de eerdere literatuur naar voren komt (Amir en Livne, 2005). Ook de boekwaarde van de 8 Voor de originele SPSS output wordt verwezen naar bijlage 4. 17
spelerscontracten heeft een significante invloed op de beurskoersen. Dit is in strijd met het eerdere onderzoek van Ely en Waymire (1999). Zij stelden in hun onderzoek dat immateriële activa geen directe invloed hebben op de beurskoers. Een mogelijke oorzaak voor deze verschillende resultaten kan zijn dat bij voetbalclubs, de spelerscontracten het grootste deel van de immateriële activa op zich nemen. Ely en Waymire (1999) zijn in hun onderzoek uitgegaan van andere vormen van immateriële activa, zoals goodwill. Deze zullen waarschijnlijk minder belangrijk zijn geweest voor de investeerders, waardoor in het onderzoek geen relatie gevonden is tussen immateriële activa en beurskoersen. Durst (2008) echter vond in de Duitse markt wel een gemiddelde relevantie van immateriële activa. Op basis van het onderzoek van Amir et al (1993), waarin invloed op de beurskoers wordt genoemd als indicatie voor waarderelevantie, zou dus gesteld kunnen worden dat zij wel een gemiddelde invloed vinden van immateriële activa op de beurskoersen. Investeringen in en verkopen van spelers zijn opgenomen om een goed antwoord te kunnen geven op de eerste deelvraag. In dit onderzoek blijken de investeringen een negatieve significante invloed te hebben op de beurskoersen. In het onderzoek van Amir en Livne (2005) blijken de investeringen ook een significante invloed te hebben. Deze invloed is echter positief in plaats van negatief. Het is uiterst opmerkelijk dat er in dit onderzoek een negatieve invloed wordt gemeten. Een mogelijke verklaring voor dit negatieve effect kan zijn dat de investeerders de investeringen in spelers niet verantwoord vinden. Zij zullen dan niet verwachten dat de investeringen tot betere prestaties en financiële resultaten zullen leiden. De invloed van het verkopen van spelers is in dit uitgevoerde onderzoek niet significant. In het onderzoek van Amir en Livne (2005) komen zij tot dezelfde conclusie dat verkopen van spelers geen significante invloed hebben op beurskoersen. Wel wordt er in dat onderzoek een negatieve relatie gesuggereerd, welke ook wordt gesuggereerd in dit onderzoek. Het gehele model wordt als voldoende significant beschouwd met een F-waarde van 21,976 (het significantie niveau is 0.000). Dit houdt in dat het model als geheel als significant wordt beschouwd voor het verklaren van de variatie in de beurskoersen. De R 2 van 0,743 stelt dan ook dat 74,3% van de variatie in de beurskoersen te verklaren valt door het beschreven model. 18
Met de bovenstaande bevindingen kan een antwoord gegeven worden op de eerste deelvraag: Zijn de investeringen in nieuwe spelers en de verkopen van eigen spelers van invloed op de beurskoersen van voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009? De investeringen lijken wel van invloed te zijn op de beurskoersen. Het gaat hier echter om een negatieve invloed en niet om een positieve invloed, zoals in de literatuur wordt verondersteld. De verkopen lijken niet van invloed te zijn op de beurskoersen. 6.2. Conclusie tweede deelvraag In de tweede vergelijking zijn, net als in de eerste vergelijking, vermogen en boekwaarde van de spelerscontracten positief significant. Zoals genoemd zijn gerapporteerde winst en netto investeringen in deze vergelijking niet significant. De interactie term die is opgenomen in dit onderzoek is echter wel significant, waardoor de twee hoofdvariabelen, gerapporteerde winst en netto investeringen ook opgenomen dienen te worden in het model. Het interactie effect houdt in dat de relatie tussen gerapporteerde winsten en beurskoersen anders is voor elke waarde van de netto investeringen. Ely en Waymire (1999) vonden dit negatieve effect al in hun onderzoek naar de immateriële activa. In de theorie die hieraan ten grondslag ligt, wordt gesteld dat investeerders winsten als te hoog beschouwen wanneer er kosten zijn gekapitaliseerd die eigenlijk direct als kosten post opgenomen had moeten worden. Deze theorie kan men nu dus ook toepassen op human capital bij voetbalclubs. Ook dit model is significant met een F-waarde van 16,529 (en een significantie niveau van 0.000). De lagere F-waarde suggereert echter dat dit moment de variatie in de beurskoersen net iets minder verklaard. Dit wordt ook bevestigd door de R 2 van dit model, die met 0,685 iets lager ligt dan de R 2 van vergelijking (1). Op basis van de bovenstaande conclusies kan antwoord gegeven worden op de tweede deelvraag: Zijn de netto investeringen in spelers van invloed op de relatie tussen gerapporteerde winsten en beurskoersen voor voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009. 19
Volgens het uitgevoerde onderzoek zijn de netto investeringen in spelers wel degelijk van invloed op de relatie tussen gerapporteerde winsten en beurskoersen. Afzonderlijk zijn beide variabelen niet significant van invloed op de beurskoersen. De boekwaarde van de spelers is ook significant positief, waardoor de invloed van de spelerscontracten op de beurskoersen nog steeds, ook direct aanwezig is. 6.3. Conclusie hoofdvraag Voor de beantwoording van de hoofdvraag is gekozen om eerst de bovenstaande twee deelvragen te beantwoorden. Met de antwoorden op deze deelvragen kan ook een antwoord gegeven worden op de hoofdvraag: Wat is de relatie tussen het activeren van spelerscontracten en de beurskoersen van voetbalclubs in Groot-Brittannië in de jaren 2000 tot en met 2009? Op basis van de eerste deelvraag zou gesteld kunnen worden dat de relatie loopt via de investeringen. Er wordt hier echter een negatieve relatie verondersteld, wat niet overeenkomt met de bestaande literatuur. De boekwaarde van de spelerscontracten heeft ook een significante positieve invloed op de beurskoersen. Uit de tweede regressie blijkt dat de relatie tussen de gerapporteerde winsten en beurskoersen wordt beïnvloed door de netto investeringen. De afzonderlijke variabele netto investeringen is in dit model niet significant, maar door het significante interactie effect is het wel noodzakelijk deze op te nemen in het model. Als gekeken wordt naar de modellen als geheel, kan gesteld worden dat vergelijking (1) een betere verklaring geeft voor de variatie in de beurskoersen dan vergelijking (2). Zoals eerder gemeld zijn de individuele bèta s van de, in dit onderzoek belangrijk geachte, variabelen niet allemaal significant of logisch te verklaren. Daarom blijft het nog steeds lastig om te verklaren hoe beurskoersen precies beïnvloed worden door spelerscontracten. Al met al is er dus niet met zekerheid te zeggen hoe de relatie tussen spelerscontracten en beurskoersen precies loopt. Wel is duidelijk dat deze relatie bestaat, gezien het telkens significante effect van de boekwaarde van de spelerscontracten. Hierdoor kan men stellen dat informatie over spelerscontracten als relevant beschouwd wordt. Ook kan met redelijke zekerheid worden aangenomen dat netto 20
investeringen in spelers de relatie tussen de gerapporteerde winst en beurskoersen beïnvloeden. Hierdoor zou gesteld kunnen worden dat investeerders deze manier van activeren van spelerscontracten niet altijd als even goed beoordelen. 6.4. Discussie Bovenstaand onderzoek laat nog een aantal vragen onbeantwoord en roept wellicht nieuwe vragen op. Dit kan onder andere komen doordat er gebruik is gemaakt van een zeer gering databestand. Ook het feit dat er grote spreiding zat tussen de verschillende bedragen die in het onderzoek zijn meegenomen, kan hebben geleidt tot minder nauwkeurige resultaten. Voordat er een duidelijk beeld komt over de relatie tussen het activeren van spelerscontracten en beurskoersen moet er nog meer onderzoek verricht worden. Dit uitgevoerde onderzoek kan eventueel bijdragen aan de discussie over de informatieverschaffing van human capital. In dit gebied is nog veel meer onderzoek nodig om tot een duidelijk en helder beeld te komen. Voor de regelgevers is het van belang een goede manier te vinden voor het waarderen van human capital. De manier waarop dat nu gebeurt bij voetbalclubs vinden investeerders niet altijd even goed, zo blijkt uit het onderzoek. Het interactie effect waarmee dit is aangetoond, moet daarom ook verder onderzocht worden. Door meer diepgaand onderzoek kan worden gevonden waarom investeerders deze manier niet goed vinden en kunnen hierdoor verbeteringen en verfijningen plaatsvinden in de regelgeving. 21
7. Referenties Aboody, D. & Lev, B. (1998). The Value Relevance of Intangibles: The Case of Software Capitalization. Journal of Accounting Research (36) Amir, E., Harris, T.S. & Venuti, E.K. (1993). A Comparison of the Value Relevance of U.S. versus non-u.s. GAAP Accounting measures using Forms 20-F reconciliations. Journal of Accounting Research (31) Amir, E. & Livne, G. (2005) Accounting, Valuation and Duration of Football Player Contracts. Journal of Business Finance & Accounting, 32(3) & (4), Ball, R. & Brown, P. (1968). An empirical evaluation of accounting income numbers. Journal of accounting research Durst, S. (2008). The relevance of intangible assets in German SMEs. Journal of Intellectual Capital, 9 (3) Ely, K. & Waymire, G. (1999). Intangible Assets and Stock Prices in the Pre-Sec Era. Journal of Accounting Research (37) Marr, B., Gray, D. & Neely, A. (2003). Why do firms measure their intellectual capital? Journal of Intellectual Capital (4), 441 Nieuwenhuis, G. (2009). Statistical Methods for Business of Economics. Maidenhead, McGraw-Hill. Paananen, M. & Lin, H. (2009). The Development of Accounting Quality of IAS and IFRS over Time: The Case of Germany. Journal of International Accounting Research 1 (8), 31-55 Royal, C. & O Donnell, L. (2008) Differentiation in financial markets: the human capital approach. Journal of Intellectual Capital, 9 (4) Sonnier, B. M. (2008) Intellectual capital disclosure: high-tech versus traditional sector companies. Journal of Intellectual Capital. 9 (4) 22
Stolowy, H. & Jeny-Cazavan A. (2001). International accounting disharmony: the case if intangibles. Accounting, Audititing & Accountability Journal (14) Vishnani, S. & Shah, B. (2008). Value Relevance of Published Financial Statements- with Special Emphasis on Impact of Cash Flow Reporting. International Research Journal of Finance and Economics (17) Internetbron: http://www.telegraaf.nl/telesport/voetbal/6606493/ Vermeend Clubs_niet_transparant.html?sn=v oetbal 23
Bijlage 1: Lijst van clubs Nummer Club 1 Aberdeen 2 Arsenal 3 Birmingham City 4 Celtic 5 Charlton Athletic 6 Manchester City 7 Manchester United 8 Millwall 9 Newcastle United 10 Rangers FC 11 Tottenham Hotspur Bijlage 2: SPSS output beschrijvende statistieken Descriptive Statistics N Minimum Maximum Mean Std. Deviation Beurskoers 44 3,56 731,39 76,8334 144,54552 RapWinst 44-16765,00 45512,00 2347,9091 13504,41659 Verm 44 7269,00 519313,00 105989,5000 1,27901E5 BWSpel 44 36,00 128432,00 25579,6818 26125,55407 INVEST 44 60,00 119336,00 17461,8636 21602,85558 VERK 44 150,00 76373,00 14627,5000 14257,97298 NETINVEST 44-59651,00 76044,00 2834,3636 21283,39346 Valid N (listwise) 44 24
Bijlage 3: SPSS output regressiemodel (1) Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1,862 a,743,709 77,94459 a. Predictors: (Constant), VERK, RapWinst, INVEST, Verm, BWSpel ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 667552,819 5 133510,564 21,976,000 a Residual 230863,643 38 6075,359 Total 898416,462 43 a. Predictors: (Constant), VERK, RapWinst, INVEST, Verm, BWSpel b. Dependent Variable: Beurskoers Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) -7,103 21,700 -,327,745 RapWinst,003,001,291 2,150,038 Verm,000,000,322 2,321,026 BWSpel,007,002 1,352 4,485,000 INVEST -,008,002-1,193-4,226,000 VERK -,001,001 -,094-1,028,310 a. Dependent Variable: Beurskoers 25
Bijlage 4: SPSS output regressiemodel (2) Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1,828 a,685,644 86,29384 a. Predictors: (Constant), INTER, Verm, NETINVEST, RapWinst, BWSpel ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 615444,667 5 123088,933 16,529,000 a Residual 282971,795 38 7446,626 Total 898416,462 43 a. Predictors: (Constant), INTER, Verm, NETINVEST, RapWinst, BWSpel b. Dependent Variable: Beurskoers Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant) -32,207 23,234-1,386,174 RapWinst,002,002,203 1,390,173 Verm,001,000,455 3,129,003 BWSpel,002,001,449 2,561,015 NETINVEST 5,258E-5,001,008,054,957 INTER -1,155E-7,000 -,401-2,592,013 a. Dependent Variable: Beurskoers 26