Category: Investering

Dit mechanische proces wordt weergegeven in de volgende tabel aan de hand van drie hypothetische investeringen. Hoe hoger de leverage ratio, hoe hoger het rendement op het eigen vermogen en de cash-on-cash multiple bij uitstap:

Tabel 1: Leverage’s effect op private equity-rendementen, in US $ 1.000

Het is begrijpelijk dat executives van private equity (PE) er niet aan zouden denken om hun prestaties op andere manieren te verbeteren zonder eerst te onderhandelen over het grootste en goedkoopste schuldenpakket dat mogelijk is. Nog een andere factor, de tijdswaarde van geld (TVM), staat centraal.

Dus waarom opereren PE-investeerders zoals ze doen? De volgende oefening zal de onderliggende redenering demonstreren. De onderstaande tabellen geven een overzicht van het rendement dat een leveraged buy-out (LBO) kan behalen. Er zijn acht scenario’s met drie variabelen:

• Variabele 1 is het bedrag van de hefboomwerking — de nettoschuld/eigen vermogen of nettoschuld/totaal kapitaal — bij aanvang. We hanteren twee verschillende scenario’s: 60% of 90% schuld.
• Variabele 2 is de timing van dividendherkapitalisaties tijdens de looptijd van de buy-out. Nogmaals, we bekijken twee mogelijkheden: het bereiken van herhalingen in jaar 2 en jaar 3, of jaar 3 en jaar 4, terwijl alle andere kasstromen ongewijzigd blijven.
• Variabele 3 is de timing van de uitgang. We gaan uit van een volledige verwijdering in jaar 5 of jaar 6.

Al deze scenario’s gaan ervan uit dat geen van de schulden wordt terugbetaald tijdens de looptijd van de transactie. Ervan uitgaande dat er geen terugbetaling plaatsvindt, zijn de scenario’s gemakkelijker te vergelijken.

De eerste scenario’s in Tabel 2 omvatten dividendoverzichten in Jaar 3 en Jaar 4 en een exit door de PE-eigenaar in Jaar 6. Beide scenario’s hebben dezelfde entry- en exit-ondernemingswaarden (EV’s). Deze twee scenario’s verschillen slechts op één manier: scenario A is gestructureerd met 90% schuld, scenario B met slechts 60%.

Tabel 2: Jaar 6 exit met dividenduitkeringen in jaar 3 en jaar 4, in US $1.000

In de volgende twee scenario’s, in Tabel 3, komen de dividenduitkeringen in Jaar 2 en Jaar 3 en een realisatie door het uitkoopbedrijf in Jaar 6. Nogmaals, het enige verschil in deze twee scenario’s is de hefboomwerking: Scenario C gebruikt 90% en Scenario D slechts 60%.

Tabel 3: Jaar 6 exit met dividenduitkeringen in jaar 2 en jaar 3, in US $1.000

Tabel 4 toont dividenduitkeringen in Jaar 3 en Jaar 4 en een verkoop door de financiële sponsor in Jaar 5. Nogmaals, deze twee scenario’s verschillen alleen op de schuld: Scenario E wordt gefinancierd met 90% schuld en Scenario F met slechts 60%.

Tabel 4: Jaar 5 exit met dividenduitkeringen in jaar 3 en jaar 4, in US $1.000

De laatste reeks scenario’s in tabel 5 kijkt naar dividendoverzichten in jaar 2 en jaar 3 en een exit in jaar 5. Het enige verschil tussen beide is wederom de hoeveelheid hefboomwerking.

Tabel 5: Jaar 5 exit met dividenduitkeringen in jaar 2 en jaar 3, in US $1.000

Uit deze scenario’s kunnen we verschillende conclusies trekken:

1. Het is beter om de balans zoveel mogelijk als hefboom te gebruiken, aangezien – ervan uitgaande dat alle andere parameters constant blijven – een kapitaalstructuur met 90% schuld aanzienlijk hogere IRR’s oplevert voor de aandeelhouders dan een 60/40 schuld / eigen vermogen-ratio: Scenario A verslaat B, C verslaat D, E verslaat F en G verslaat H.
2. Dividenduitkeringen kunnen het beste zo vroeg mogelijk in het leven van de LBO worden uitgevoerd. Een uitbetaling in jaar 2 genereert een hoger gemiddeld jaarrendement dan in jaar 4: scenario C verslaat A, D verslaat B, G verslaat E en H verslaat F.
3. Hoe eerder de exit, hoe groter de winst – als we uitgaan van een constante EV tussen Jaar 5 en Jaar 6 en dus geen waardecreatie gedurende het extra jaar – die uiteraard niet alle real-life situaties weerspiegelt. Toch genereren scenario’s met eerdere exits een hoger rendement dan die met latere realisaties, vandaar de populariteit van “quick flips”: scenario E verslaat A, F verslaat B, G verslaat C en H verslaat D.

• Het tweede voordeel betreft belastingen. In de meeste landen zijn terugbetalingen van schuldrenteaftrek van de belasting aftrekbaar, terwijl dividenduitkeringen dat niet zijn. als een “tijdelijke” maatregel ter compensatie van een te hoge winstbelasting die is ingesteld na de Eerste Wereldoorlog. De maas in de wet is nooit gedicht en is sindsdien door veel andere rechtsgebieden overgenomen.

Lenen helpt een bedrijf zijn belastingplicht te verminderen. In plaats van belasting te betalen aan regeringen en te zien dat deze belastingen infrastructuur, openbare scholen en ziekenhuizen financieren, zou de lener liever crediteuren terugbetalen en zijn financiële positie verbeteren. De enige plicht van de PE-fondsbeheerder is jegens hun investeerders, niet jegens andere belanghebbenden, of dat nu de samenleving is of de belastingdienst. Althans, zo zien financiële sponsors het.

Eerder verwezen we naar het begrip TVM. Ondanks hun protesten van het tegendeel, willen PE-fondsbeheerders hun geld het liefst zo snel mogelijk terug. Er zijn tegenstrijdige belangen tussen de financiële sponsor – voor wie een vroege exit meevallers betekent dankzij een hogere IRR – en het lopende management van de onderneming waarin wordt belegd en de werknemers die begaan zijn met de levensvatbaarheid van het bedrijf op lange termijn.

Dat gezegd hebbende, kunnen financiële sponsors gemakkelijk senior corporate executives – en belangrijke werknemers – overtuigen door hen te stimuleren met levensveranderende aandelenbelangen in de leveraged business.

Om kapitaal aan te trekken, gebruiken PE-fondsbeheerders veel tools om hun prestaties te benadrukken. De waardebruggen die door fondsbeheerders zijn ontwikkeld om hun capaciteiten als vermogensproducent te demonstreren, zijn zeer gebrekkig, zoals geïllustreerd in deel 1, en leggen alleen de nadruk op operationele efficiëntie en strategische verbeteringen in de winstgevende deals van de fondsbeheerder.

Dat hefboomwerking volledig is uitgesloten van waardebruggen is een andere grote tekortkoming. Zoals KPMG uitlegde:

De complexiteit van het bepalen hoe LBO’s economische waarde creëren, verklaart de grote discrepanties in het onderzoek naar de bijdrage van leverage aan de beleggingsprestaties.

De studie “Waardecreatie in Private Equity” vond dat, maar de impact van leverage was maar liefst 33% tijdens de pre-boom jaren.

Andere analyses hebben aangetoond dat hefboomwerking een grotere rol speelt bij het leveren van outperformance, analyseerden de auteurs de waardebruggen van 395 PE-transacties en ontdekten dat het hefboomeffect bijna de helft van de totale IRR bedroeg. Een andere studie, gaf aan dat het gebruik van schuld voor meer dan de helft van de waardecreatie zou kunnen uitmaken.

Waardecreatie in PE is onmogelijk af te breken, wat betekent dat managers vrij zijn om grootse claims te maken over hun operationele vaardigheden. Dat is begrijpelijk. We staan ​​allemaal liever bekend als vermogensgeneratoren dan louter financiële ingenieurs. Desalniettemin is de door schulden gevoede verhoging van het beleggingsrendement een onontkoombare truc van de PE-handel, zoals de bovengenoemde onderzoeken oor de cruciale rol van hefboomwerking te bagatelliseren, overdrijft de waardebrug de operationele vaardigheden van een fondsbeheerder om toezeggingen van kapitaalverschaffers veilig te stellen.

Delen van dit artikel zijn aangepast van door Sébastien Canderle.

Als je dit bericht leuk vond, vergeet je dan niet te abonneren op de Ondernemende belegger.

Alle berichten zijn de mening van de auteur. Als zodanig mogen ze niet worden opgevat als beleggingsadvies, en evenmin weerspiegelen de geuite meningen noodzakelijkerwijs de standpunten van CFA Institute of de werkgever van de auteur.

Afbeelding tegoed: © Getty Images/aluminium

Professioneel leren voor leden van het CFA Institute

Leden van het CFA Institute zijn bevoegd om verdiende credits voor professioneel leren (PL) zelf te bepalen en te rapporteren, inclusief inhoud op Ondernemende belegger. Leden kunnen gemakkelijk credits opnemen met hun.

“Ik denk dat de belangrijkste belemmeringen [to international coordination of monetary policy] zijn dat het in theorie goed klinkt, maar wanneer de wisselkoersdoelstelling in strijd lijkt te zijn met de binnenlandse urgentie, wint de binnenlandse urgentie. Het is politiek heel moeilijk om te lijken alsof het binnenlands beleid ondergeschikt is aan internationale wisselkoersstabiliteit, ook al is dat op de lange termijn misschien wenselijk.” — Paul Volcker

De agressieve monetaire verkrapping van de Amerikaanse Federal Reserve is van een omvang die de wereld sinds het begin van de jaren tachtig niet meer heeft gezien. Het afgelopen jaar hebben de Amerikaanse effectenmarkten aanzienlijke verliezen geleden, maar de Amerikaanse economie en het financiële systeem blijven redelijk stabiel. In het buitenland is de situatie precair. Hogere Amerikaanse rentetarieven en een sterke dollar verstoren de grensoverschrijdende kapitaalstromen en belasten de financiën van landen die grote hoeveelheden in dollars luidende schulden aanhouden.

De impact van het Fed-beleid op het wereldwijde financiële systeem is nog een ander kenmerk van de COVID-19-pandemie die beleggers overrompelde. Maar net als post-pandemische inflatie is het nauwelijks ongekend. Sinds het einde van de Eerste Wereldoorlog heeft het Amerikaanse monetaire beleid vorm gegeven aan grensoverschrijdende kapitaalstromen, het beleid van de centrale bank en de houdbaarheid van de schuldendienst over de hele wereld. Dit is een macht die de Verenigde Staten op zich namen toen ze na de Eerste Wereldoorlog de grootste schuldeiser ter wereld werden en na de Tweede Wereldoorlog de belangrijkste uitgever van reservevaluta’s.

Het beleid van de Fed zal de wereld de komende maanden ongetwijfeld weer opschudden. In feite heeft de Conferentie van de Verenigde Naties over handel en ontwikkeling eerder deze maand een onheilspellend rapport uitgebracht waarin werd gewaarschuwd voor mogelijk ernstige gevolgen in enkele van de meest kwetsbare landen. Afgezien van deze algemeenheden is het echter moeilijk te voorspellen hoe het Fed-beleid wereldwijd zal uitpakken. Maar één vraag is het overwegen waard: zal de Fed haar beleid aanpassen in het belang van de wereldwijde financiële stabiliteit?

Er zijn twee scenario’s uit de geschiedenis die kunnen helpen bij het beantwoorden van deze vraag.

Ben Strong en de brullende jaren ’20

De Fed verstrakte in 1920 het monetaire beleid agressief om een ​​bekende reden: om de inflatie te beteugelen. Dat leidde tot een scherpe maar relatief korte depressie. De economie herstelde zich in 1922, maar begon halverwege de jaren twintig oververhit te raken. Dit bracht de Fed in een moeilijke positie. Gedeeltelijk beschuldigd van het veroorzaken van de depressie van 1920 tot 1921, vreesden de leiders van de Fed hun fout te herhalen en waren ze bevooroordeeld tegen het voortijdig verhogen van de rente. Om de zaken nog ingewikkelder te maken, stond de Fed onder intense druk van Europese centrale bankiers om de rente laag te houden. Waarom? Want als de Fed de rente zou verhogen, zou er goud van Europa naar de Verenigde Staten stromen, omdat beleggers hogere rendementen op kapitaal zochten. Dit zou de wederopbouw in gevaar brengen door de Europese geldhoeveelheid te verminderen en de Europese centrale banken te dwingen de rente te verhogen om de uitstroom van goud tegen te gaan.

De inzet van de Fed voor de Europese wederopbouw werd voor het eerst getest door het Verenigd Koninkrijk in 1925. Na de Eerste Wereldoorlog had het pond sterling zijn status als reservevaluta grotendeels verloren aan de Amerikaanse dollar. Maar het politieke leiderschap van het VK wilde het herstellen. Te midden van oproepen van leiders van de Bank of England en zijn conservatieve partij om de goudstandaard te herstellen, bezweek Winston Churchill, die als kanselier van de schatkist fungeerde, voor de druk. Het pond, zo kondigde hij aan, zou terugkeren naar de vooroorlogse vaste wisselkoers van $ 4,86. Dit zorgde voor een aanzienlijke overwaardering van het pond, waardoor de Britse export onmiddellijk onconcurrerend werd. Dat zorgde voor meer goudtransporten van het VK naar de Verenigde Staten en zorgde voor problemen voor beide landen: het VK kreeg een pijnlijke recessie, terwijl de Amerikaanse geldhoeveelheid een snelle en ongewenste expansie doormaakte.

In het voorjaar van 1927 reisden centrale bankiers uit het Verenigd Koninkrijk, Duitsland en Frankrijk, uit angst dat de Fed de rente opnieuw zou verhogen te midden van toenemende inflatie en speculatie, naar de Verenigde Staten om te lobbyen voor een soepel monetair beleid. Ben Strong, de gouverneur van de Federal Reserve Bank van New York, hielp zijn mede-Fed-leiders te overtuigen om in te gaan op de eisen van de Europeanen. Maar ze gingen nog een stap verder: in plaats van de rente stabiel te houden, verlaagden ze ze. De Federal Reserve Bank of New York verlaagde het herdisconteringspercentage van 4,0% naar 3,5%. De snit werd goedgekeurd met slechts één dissident, Adolph C. Miller, wiens woorden vooruitziend bleken. Hij omschreef de beslissing als “De grootste en meest gedurfde operatie ooit ondernomen door het Federal Reserve System, en. . . een van de duurste fouten die door haar of enig ander banksysteem in de afgelopen 75 jaar zijn begaan!”

Dit was niet overdreven. Het overdreven soepele monetaire beleid van de Fed voedde eind jaren twintig ongebreidelde speculatie. Dit eindigde met de catastrofale crash in oktober 1929, die de Grote Depressie veroorzaakte. De depressie creëerde op zijn beurt de barre economische omstandigheden die de opkomst van de nazi-partij en Japanse militaristen mogelijk maakten.

Paul Volcker en de grote inflatie

Fed-voorzitter Paul Volcker kondigde op 6 oktober 1979 zijn beroemde monetaire verkrappingsprogramma aan. Volcker begreep dat het buiten de Verenigde Staten enorme gevolgen zou hebben. Maar hij liet dat geen invloed hebben op zijn beleidsbeslissingen. Zijn prioriteit was eerst de Amerikaanse inflatie temmen en vervolgens de gevolgen, zowel de buitenlandse als de binnenlandse, aan te pakken zoals die zich aandienden.

De monetaire verkrapping van Volcker hield bijna twee jaar aan. Toen de inflatie afnam en de Amerikaanse economie de bezuinigingen niet langer kon volhouden, begon de Fed in juli 1981 de rente te verlagen. De VS kwamen langzaam uit de ernstige recessie van 1981 tot 1982, en de daaropvolgende prijsstabiliteit droeg bij aan bijna twee decennia van welvaart.

Andere landen deden het niet zo goed. Vooral de situatie in Latijns-Amerika was pijnlijk. Inderdaad, de jaren tachtig worden vaak beschouwd als het verloren decennium van Latijns-Amerika. De scherpe en plotselinge stijging van de Amerikaanse rente zorgde ervoor dat de dollar aanzienlijk in waarde steeg ten opzichte van veel vreemde valuta. Veel Latijns-Amerikaanse landen hadden in de loop van de jaren zeventig schulden in Amerikaanse dollars, vaak met variabele rente, volgebouwd. Nu kregen ze te maken met hogere rentebetalingen in dollars, net toen hun eigen valuta in waarde kelderde. Mexico werd bijzonder hard getroffen en kwam in augustus 1982 in gebreke met zijn buitenlandse schuld.

Hoewel de Fed onder meer Mexico aanzienlijke hulp verleende, weerhield de internationale pijn Volcker er niet van zijn koers te varen. Binnenlandse zorgen in de VS kregen duidelijk prioriteit. Dit element van Volckers filosofie onderscheidt het het meest van Strong’s.

Wat betekent dit buiten de Verenigde Staten?

Het is onduidelijk in hoeverre de Fed haar beleid zal aanpassen en herijken op basis van hun wereldwijde impact. Maar we verwachten dat de Fed het model van Volcker meer zal volgen dan dat van Strong. De huidige politieke sfeer in de Verenigde Staten is gericht op binnenlandse aangelegenheden. Als al het andere gelijk is, zal de Fed waarschijnlijk het perspectief van het Amerikaanse volk weerspiegelen.

Dus als het gaat om het Amerikaanse monetaire beleid, zouden buitenlandse regeringen er verstandig aan doen zich voor te bereiden op veel Volcker en te hopen op een beetje Strong.

Als je dit bericht leuk vond, vergeet je dan niet te abonneren op de Ondernemende belegger.

Alle berichten zijn de mening van de auteur. Als zodnig mogen ze niet worden opgevat als beleggingsadvies, en evenmin weerspiegelen de geuite meningen noodzakelijkerwijs de standpunten van CFA Institute of de werkgever van de auteur.

Afbeelding tegoed: © Getty Images/Douglas Rissing

Professioneel leren voor leden van het CFA Institute

Leden van het CFA Institute zijn bevoegd om verdiende credits voor professioneel leren (PL) zelf te bepalen en te rapporteren, inclusief inhoud op Ondernemende belegger. Leden kunnen gemakkelijk credits opnemen met hun online PL-tracker.

Mark J. Higgins, CFA, CFP

Digital assets form a new and distinct asset class that despite considerable volatility is rapidly maturing. Bitcoin, the first and largest cryptoasset, laid the foundation for enormous innovation across decentralized finance (DeFi), the metaverse, and various other crypto sectors.

To analyze this nascent asset class, we apply the lens of traditional finance, or what some in the crypto space call “TradFi.” By combining this framework — informed by decades of experience in equities, bonds, hedge funds, and capital markets — with a deep understanding of token technologies and structures, we hope to identify attractive opportunities.

Here we’ll walk through three approaches to crypto analysis: sector classification, valuation methodologies, and risk management techniques.

1. Organize Crypto into Sectors

According to CoinMarketCap, there are 9,749 liquid tokens as of this writing. That’s quite a large universe. To capture the breadth, depth, and evolution of equity market sectors, MSCI and S&P Dow Jones Indices developed the Global Industry Classification Standard (GICS). Digital asset markets have yet to coalesce around a GICS equivalent.

CoinDesk and Wilshire, among other players, are developing what may become industry standard crypto sector classifications, and we have constructed our own proprietary framework. Let us explain.

There is a common misconception that every liquid token is a “cryptocurrency” and thus a competitor to bitcoin. While that might once have been the case, the crypto space has expanded beyond just digital currency. We have identified six investable crypto sectors:

1. Currencies are digital forms of money used for peer-to-peer (P2P) transactions without the need for a trusted third party.
2. Protocols are assets native to “smart contract”-enabled blockchains.
3. Decentralized Finance (DeFi) applications are built on smart contract platforms that perform P2P transactions without a bank or other trusted third party.
4. Utilities are used in the service and infrastructure networks that are constructing the middleware layer of blockchain economies.
5. Gaming/Metaverse applications are built on smart contract platforms that are disrupting the entertainment sector, including gaming, metaverse, social networking, and fan-related applications.
6. Stablecoins have values pegged to other assets, most commonly the US dollar.

These sectors each have subsectors within them. For example, DeFi can be further broken down into decentralized exchanges, borrowing and lending, yield aggregators, insurance, liquid staking, on-chain asset management, and more. Stablecoins are fiat-backed, crypto-backed, and algorithmic.

Why use a sector approach to cryptoassets? First, sector diversification can bring value to long-only crypto investing strategies. Market capitalization in crypto markets is concentrated in Currencies and Protocols. (As of 30 March 2022, 58% and 38% of the top 100 digital assets were either Currencies or Protocols, respectively, though Stablecoins, centralized exchange tokens, and certain other assets were not included in this analysis.) Indeed, many major digital asset indices have little exposure beyond these two sectors. For example, as of 31 March 2022, the Bloomberg Galaxy Crypto Index had no exposure to the Gaming/Metaverse sector and less than 2% each to DeFi and Utilities.

But exposure to some of the smaller, more “up-and-coming,” sectors can be worthwhile. The following table shows that sector correlations in 2021 ran as low as 55%, with Gaming/Metaverse exhibiting the lowest relative to other sectors. (Correlations in 2022 are higher amid a crypto bear market.)

Crypto Sector Correlations, 31 Dec. 2020 to 31 Dec. 2021

This sector approach brings several benefits. First, as the crypto space matures and is driven more by fundamentals than narratives, and as investors better understand the differences among the various sectors, these correlations should decline.

Second, cross-sectional analysis across different projects within the same sector yields more “apples-to-apples” comparisons. For example, the same fundamental metrics can be deployed to evaluate DeFi exchanges like Uniswap and Sushiswap. But they may not work as well for Utilities like the distributed file storage networks Arweave and Filecoin. The economic sensitivities and the drivers of risk, revenues, and customer demand just vary too much between crypto sectors. Indeed, the preferred tools an equity analyst deploys to value financial companies like JP Morgan or Goldman Sachs are not likely to work as well for automobile manufacturers like General Motors and Ford.

Of course, unlike equity markets, digital assets are novel, immature, and evolving quickly. After all, DeFi wasn’t much of a sector until the DeFi Summer of 2020, and the Gaming/Metaverse sector became much more important with the rising popularity of non-fungible tokens (NFTs). Digital asset sectors are not something that investors and analysts can “set and forget.” As new sectors emerge, sector frameworks need to adapt with the asset class.

2. Identify Value in Crypto

There is meaningful turnover in the top ranks of digital assets. Additionally, there is real “go-to-zero” risk. Projects can and do fail, sometimes with a bang but often with a whimper, fading in value over time. For example, of the top 300 crypto assets by market cap at year-end 2016, only 25 remained in the top 300 five years later, according to CoinGecko.

So, how can we identify those tokens that will stand the test of time? In equity markets, the Gordon Growth Model, a variant of the dividend discount model, is a textbook valuation method that determines a stock’s price based on the company’s future dividend growth.

g = y rearranging the formula and solving for r, the rate of return, we get:

The first term in the formula is current dividend yield, and the second is growth potential. We can adapt the concept behind this model to evaluate a crypto token’s value: The current dividend yield is the economics of the project today, and growth represents the project’s potential. We can quantify the former by using traditional asset valuation principles and techniques. The latter term is more intangible, but there are two ways to think about it: optionality and network effects.

Runa’s Token Valuation Framework

Value of a Token Today = Value of Its Existing Business + Value of Its Potential

Let’s apply this framework to value a digital asset from our Utilities sector. The Ethereum Name Service (ENS) is a domain name registry protocol built on top of the Ethereum blockchain. It allows anyone to register a domain, such as alex.eth, that has various use cases, such as a human-readable wallet address, decentralized website, and email address, among others.

The first term in the framework is the value of the protocol’s existing business. To calculate this for ENS, we use two methods: discounted cash flow (DCF) modeling and price multiples.

The DCF model simply adds up the present value of the company’s future cash flows and works well with certain revenue-generating digital assets. ENS charges an annual fee to register domains. This is our proxy for ENS’s revenues. By applying growth expectations to the number of domains registered for the next 10 years — based either on historical trends for Web2 email addresses or the expected growth rate from total registrations today — we can calculate expected ENS revenue by year. We can also factor in the costs of further developing the ENS protocol, which is financed through grants from the ENS treasury. These are ENS’s expenses. Revenues minus expenses equals ENS’s expected profit in each of the next 10 years as well as a terminal value — all of which we can discount back to the present to come up with a fair value estimate of ENS, both its fully diluted market capitalization and token price.

Ethereum Name Service DCF Model: Screenshot

So, what about price multiples? How can they inform our ENS valuation? Price-to-sales and price-to-equity ratios help analysts determine whether a stock is over- or undervalued relative to its peers. Similar metrics can work for crypto.

Since the ENS protocol generates revenue, we can compare its price-to-sales multiples with those of other protocols through the website Token Terminal. In other cases, the multiple’s denominator may be more crypto-specific. Tokens within the Protocol sector have a Total Value Locked (TVL) metric, for example, that values all the assets held in the protocol in US dollars or the protocol’s native coin. TVLs and price-to-TVL multiples for various protocols are available on DefiLlama.

The project’s potential value is the second term in our framework. Digital asset valuations today are determined by what the future could hold for each protocol. As such, they are call options on innovation and are rather difficult to value. But considering optionality and network effects can yield insight.

Optionality

What role does optionality play? Imagine valuing Amazon in the late 1990s when it was an online book retailer. We could have built a DCF model estimating future book sales and discounting those cash flows back to the present to come up with a valuation. But that would have completely missed Amazon’s true potential. It wouldn’t have anticipated the company’s eventual dominance of online retail or its entry into cloud computing, the streaming wars, etc.

Ethereum offers similar lessons. The first blockchain to enable smart contracts, Ethereum has rapidly evolved since its 2015 launch. Now, Ethereum has DeFi applications — exchanges, lenders, and insurance providers — built on top of it as well as NFT-related apps such as marketplaces, games, and metaverses. These developments could hardly have been predicted at Ethereum’s initial release.

The principal use case of ENS domain names today is to make Web3 wallet addresses human-readable. But they could also be used for decentralized websites and email addresses, or to provide on-chain identity. Two promises of Web3 are personal data ownership and interoperability. The ability to own our online identities and control our data is extremely powerful — and valuable. What if we could carry that data around the web in a “digital backpack”? That would give us more control and make applications vying for our business more competitive. Imagine being able to move our social media data from one Web2 platform to another, say Twitter to Instagram. Our online identities are not entirely portable today: We need to build them more or less from scratch on each platform. But our ENS domain name could store all that information for us and allow us to share it and transport it how we like. These considerations suggest that ENS’s potential value may be more than its price multiples indicate.

Network Value

Network value is another way to think about a crypto project’s potential. The success of Web3 projects hinges on network effects. The concept is simple: The more users in a network, the more valuable the network. Web2 companies leveraged network effects too, but the benefits tended to accrue to the companies themselves. Web3 value creation is primarily retained by participants: the miners, validators, governance providers, customers, and other token-specific roles.

The engineer and entrepreneur Robert Metcalfe formulated what came to be known as Metcalfe’s law to quantitatively describe network effects. We believe it explains much of the stock price movement of Web2 leaders like Meta as well as digital asset leaders like bitcoin.

Adoption and user growth are among the key fundamental indicators we track for existing and prospective investments. As digital assets are increasingly adopted, their network effects are growing.

To be sure, optionality and network effect considerations may not deliver a perfect valuation to base our trades, but analyzing investments from these angles can help us triangulate toward what a potential long-term fair value might be.

3. Manage Portfolio Risks

Constructing digital asset portfolios is not much different from building stock portfolios. How the assets and their weightings influence each other and constitute a whole portfolio are key considerations. Though diversified across several assets, there could be shared risks. Knowing what those risks are and whether they are acceptable is critical, especially for a volatile asset class like crypto. Here are three TradFi investment risk management techniques that can help assess digital assets.

Correlations are one of the primary building blocks of portfolio construction. They describe the relationships among all portfolio assets and whether there is potential exposure to a single sector, ecosystem, or theme.

Risk factor models can also help quantify a portfolio’s elemental risk drivers. In equity markets, the capital asset pricing model (CAPM) includes a single factor — the market — to explain a particular stock’s systematic vs. idiosyncratic risk. The latter can be diversified away, the former cannot.

Can a similar model be applied to digital assets? We found compelling evidence for a shared risk factor in digital assets that might form the foundation of a digital asset-specific risk model as well as the core of a digital asset portfolio allocation, similar to equity beta’s role in equity risk models and portfolio allocations.

We have expanded that initial factor model research to include two macro factors — equities and inflation — in addition to a crypto market factor. This three-factor model can determine which factors — macro or crypto-specific — are responsible for portfolio risk. Why is this important? Because crypto markets periodically become entangled with macro markets, and this model measures and monitors that shared exposure over time.

Finally, we tend to think of a token’s portfolio weight in dollar terms. In the classic 60/40 portfolio, 60% of the dollars are held in stocks and the rest in bonds. But given their higher volatility, stocks account for much more than 60% of portfolio risk. It is probably closer to 90%.

Digital assets’ risk profiles have enormous variation. Bitcoin has the least volatility, with an annualized rate in the 70% to 90% range. Other tokens, even some in the top 100 by market cap, have exhibited annualized volatilities in excess of 200%. Imagine we allocate half our dollars to low-volatility assets like bitcoin and the rest to higher risk tokens like Filecoin. The risk allocation is not even close to 50/50.

Bitcoin-Filecoin Portfolio: Dollar vs. Risk Allocation

Of course, while traditional finance’s risk metrics can help us better understand the risk profile of cryptoassets and our larger portfolio, they do not reveal the full picture. These metrics must be deployed alongside qualitative, token-specific, and crypto-native risks, including smart contract and regulatory risks.

Conclusion

While not all traditional investment management techniques are applicable to digital assets, sector breakdowns, DCF models, and risk factor modeling, among other timeless investment principles, are solid starting points. There is tremendous value in bringing these tools to bear on this emerging asset class. They can help construct digital asset portfolios with the best chance of surviving and thriving over the long-term.

If you liked this post, don’t forget to subscribe to the Enterprising Investor

All posts are the opinion of the author. As such, they should not be construed as investment advice, nor do the opinions expressed necessarily reflect the views of CFA Institute or the author’s employer.

Image credit: ©Getty Images/ D-Keine

Professional Learning for CFA Institute Members

CFA Institute members are empowered to self-determine and self-report professional learning (PL) credits earned, including content on Enterprising Investor. Members can record credits easily using their.

Alex Botte, CFA