שיעורי בסיס

פוסט שלישי בסדרה: כמה שווה עסק תוכנה

הערכת קצב הצמיחה בהכנסות

בפוסט ״הארביטראז׳ של פאלו אלטו״, הראיתי דוגמא פשטנית למודל DCF של עסק דמיוני שכרגע מפסיד כסף (על בסיס GAAP) אבל למעשה משקיע בצמיחה עתידית. ראינו למה הכוונה באמירה ש״כמעט כל הערך של העסק נמצא עמוק בעתיד״, ואת הרגישות של הערך הנוכחי של התזרים העתידי לשינוי בשיעורי ההנחה (שמתפקדים כמו מגנט שמושך למטה את השווי הנוכחי).

הפעם אני רוצה להתעמק ברגישות של הערכת השווי לפרמטר אחר: קצב הצמיחה בהכנסות. ההנחה במודל הוא שקצב הצמיחה דועך בהדרגה מ-40% בשנה 2 עד ל 4.17% בשנה מספר 9 (ומשם ממשיך בקצב של 3% ״לנצח״). התנהגות מהסוג הזה היא די אופיינית לחברה שעוברת מהשלב שפרופ׳ אסאוואת דאמודאראן מכנה ״צמיחה גבוהה״, דרך שלב ״הצמיחה הבוגרת״ ומגיעה ל״בגרות יציבה״. כמובן שמשך הזמן שכל חברה תבלה בכל שלב משתנה מחברה לחברה (אמזון, עליה דיברנו בפוסט הקודם, מסרבת לעבור לשלב הבוגר והאיטי יותר כבר 25 שנים, בהתאם לקביעה המפורסמת של בזוס שעליהם להיות חברת "day 1" ולא להפוך לחברת "day 2״. אבל אמזון הם כנראה דוגמא בקצה הקיצוני של הסקאלה).

(מתוך: מחזור החיים של הקורפורייט, אסאוואת דאמודאראן)

עד כמה תשתנה הערכת השווי אם נשתמש בהנחות אחרות? למשל אם נפחית את שיעור הצמיחה ב-5% כל שנה, עם אותה דעיכה עד ל-4% צמיחה בשנה 9, ואותם שולי רווח בשנים הבוגרות:

הצמיחה האטה ״רק״ ב-5% לכל שנה, וה terminal value ירד כמעט בשליש! (הסכום של השורה התחתונה הוא 975 מיליון במודל המקורי, לעומת 670 מיליון במודל השני). זה מסביר הרבה מהתופעות שנראות בשוק כשחברה מעדכנת למטה את התחזית לרבעון הבא, האנליסטים עושים אקסטרפולציה במודל לקצב הצמיחה האיטי יותר, ומחיר המניה יכול לרדת בצורה דרמטית. לפעמים זה נראה מגוחך, למה שהמניה תרד ב-10% רק כי החברה צופה שתצמח בשנה הבאה ב-30% במקום ב-33% (שהרי גם 30% זה קצב צמיחה גבוה)? הסיבה היא הרגישות הגבוהה של המודל לשינויים בשיעור הצמיחה, והקושי של אנליסטים להעריך את העתיד ולקבוע בביטחון הערכה של רווחים 5 או 6 שנים לתוך העתיד (ולכן השימוש הנפוץ בגישת הצמיחה הדועכת).

דרך נפוצה לעשות ״הערכת שווי על מפית״ (או בהרבה מקרים: הערכת שווי ב-280 תווים) לחברת צמיחה היא לקחת הנחות לגבי שיעור הצמיחה בשנים הקרובות והרווחיות שיוכלו להגיע אליה, למשל ״נניח שהחברה תגדיל הכנסות בקצב 35% במשך 4 שנים ואז תשיג 20% רווחיות, ותקבל מכפיל 30״. בחישוב זריז, המכירות יצמחו פי 3.3 מהיום, כפול 20% רווחיות ומכפיל 30 על הרווח מקבלים בעוד 4 שנים שווי שמייצג כמעט מכפיל 20 על ההכנסות (!) של היום. זו לכאורה הצדקה לשלם מכפיל 10 או 12 על המכירות של היום, ועדיין לקבל תשואה של 15-20 אחוז במשך 4 שנים.

אני רוצה להתעכב הפעם דווקא על החלק של ההנחות, ולא על החלק של ״תקבל מכפיל 30״. אני הולך לעבור על עוד טבלה עם מספרים כי חשוב לי להמחיש להמחיש את הרגישות הגבוהה לשינוי קל בהנחות האלה, ולנסות לשכנע אתכם שחשוב להתייחס אליהן ברצינות גבוהה כשמנסים להעריך את הביצועים העתידיים של עסק.

שתי ההנחות כאן הן לגבי שיעור הצמיחה במשך 4 השנים הקרובות ולגבי שיעור הרווחיות. קודם כל חשוב לשים לב שהערכת השווי מאוד רגישה להנחות האלה, ושינוי קל בהן יגרור שינוי גדול בשווי. בואו נבחן את זה - נדמיין עסק שמכניס 100 מיליון דולר במכירות שנתיות, ונבחן מה יהיה הרווח בעוד 4 שנים תחת הנחות שונות של קצב צמיחה ושולי רווח. הנה טבלה שמראה את זה (כל הערכים במיליוני דולרים):

האינטואיציה האנושית לא טובה בלזהות את האפקט של ריבית דריבית (compounding), אבל הערכת השווי מאד מושפעת ממנו! סימנתי בירוק כהה את ההנחות בדוגמא הספציפית שלנו. כמובן שאם קצב הצמיחה יהיה מהיר יותר ו/או שולי הרווח גדולים יותר, הרווח הסופי יהיה אפילו יותר גדול (ירוק בהיר). אבל שימו לב שוב כמה מהר הרווח צונח אם מפספסים כמה אחוזים בשיעור הצמיחה, עם צמיחה שנתית של ״רק״ 30% (עדיין קצב גבוה), הרווח השנתי הצפוי פוחת ב-14%. עם קצב צמיחה שנתי של 20%, הרווח הצפוי פוחת בכמעט 40%. כמובן שאם נהיה אופטימיים מדי גם בהערכת שולי הרווח, יכול להיות שבעוד 4 שנים נגלה שהחברה מרוויחה חצי (או אפילו פחות) ממה שהמודל (או המפית, או הטוויט) שלנו העריכו, והציפיה שלנו לתשואה שנתית ממוצעת של 15-20 אחוז עלולה להפוך להפסד! וזה למרות שהחברה עדיין צמחה בקצב גבוה של 25% והשיגה רווחיות יפה.

Base Rates

בחלק הזה ניקח הפסקה מעסקי SaaS ונדבר על מאמר שעמוס טברסקי ודניאל כהנמן פרסמו בשנת 1973 (השנה שבילו באוניברסיטת סטנפורד עד שמלחמת יום כיפור פרצה באוקטובר והם מיהרו למצוא דרך לחזור לישראל כדי להצטרף למלחמה). במאמר שנקרא "On the Psychology of Prediction״ הם מתארים הטיה קוגניטיבית שנוצרת בשל היוריסטיקת היציגות (Representativeness Heuristic) - אתחיל מדוגמא שתמחיש את זה.

נניח שבקבוצה של 100 אנשים, 80 הם אנשי מכירות ו-20 הם ספרנים. מתוך הספרנים 80% הם ביישנים (16 מתוך 20), ומבין אנשי המכירות רק 30% הם ביישנים (24 מתוך 80).

סטיב הוא אדם אקראי מהקבוצה, והוא אומר לכם שהוא ביישן. האם אתם מנחשים שסטיב הוא איש מכירות או ספרן?

האינטואיציה של רוב האנשים דוחפת אותם לנחש שסטיב הוא ספרן כי רוב הספרנים הם ביישנים בעוד שפחות משליש אנשי המכירות הם ביישנים, זה מתעלם מכך שחלקם של אנשי המכירות בקבוצה הוא כל כך יותר גדול, שגם בהינתן שסטיב ביישן יש לו יותר סיכוי להיות איש מכירות מאשר ספרן: מבין סך 40 הביישנים בקבוצה, 60% (24) הם אנשי מכירות.

כהנמן וטברסקי ערכו סדרה של ניסויים כדי לזהות ולאפיין את ההטיה הקוגניטיבית הזו. המשתתפים בניסוי שמעו את הסיפור הבא:

״ועדה של פסיכולוגים ערכה מבחני אישיות ל-100 נבדקים, 70 מהם מהנדסים ו-30 עורכי דין (כולם מצליחים בתחומם) וכתבה סיכום קצר על כל אחד. את/ה תקבל/י חמישה סיכומים אקראיים ותצטרכ/י להעריך עבור כל אחד מה ההסתברות שמדובר בעורך דין ולא במהנדס. קבוצה של מומחים בהערכת הסתברויות ביצעה את אותו תרגיל, והבונוס שאת/ה תקבל/י ייקבע על סמך כמה קרובים תהיו להערכות של קבוצת המומחים״.

(הסיפור על קבוצת המומחים כנראה נועד לדחוף את המשתתפים בניסוי להימנע מאינטואיציה ולשאול את עצמם ״מה מומחה להסתברות היה מעריך כאן״).

בפועל כל המשתתפים קיבלו בדיוק את אותם חמישה פרופילים, עם תיאורים כמו ״ג׳ק נשוי עם ארבעה ילדים, שמרן, זהיר, ושאפתן. אין לו עניין בנושאים פוליטיים והוא מבלה את זמנו הפנוי בתחביבים ובעיקר נגרות וחידות מתמטיות. ההסתברות שג׳ק הוא אחד מ-70 המהנדסים מתוך 100 הנבדקים היא %__״. 

כמובן שהמשתתפים העריכו בהסתברות גבוהה שג׳ק הוא מהנדס. העניין הוא שאותו ניסוי חזר על עצמו עם עוד קבוצת משתתפים, ולהם נאמר שבמדגם יש רק 30 מהנדסים ואילו 70 האחרים הם עורכי דין. זה לא השפיע על ההסתברות שבה העריכו המשתתפים (בניסוי השני) שג׳ק הוא מהנדס.

ההבדל בין שני הניסויים הוא בשיעורי הבסיס. בניסוי הראשון ההסתברות של אדם אקראי במדגם להיות מהנדס היא 70%, בעוד ששיעור הבסיס של מהנדס במדגם השני הוא 30%. המשתתפים בניסוי לא לקחו בחשבון את שיעורי הבסיס בהערכות שלהם (למרות שהמשימה הייתה לנחש מה מומחה להסתברות היה מעריך). האינטואיציה שלהם הסתמכה על דמיון של מאפיינים - האם האדם נשמע יותר כמו מהנדס או יותר כמו עורך דין. זוהי היוריסטיקת הייצוגיות, בהינתן נתונים על אינדיבידואל (״נציג״) כלשהו, אנחנו מחפשים לאיזה קבוצה נשמע לנו שהנציג הזה יותר ״מתאים״, ואנחנו מתעלמים משיעורי הבסיס (מה בכלל ההסתברות להיות שייכים לקבוצה הזו). הדבר הנכון הוא להתייחס גם לאינדיבידואל וגם לשיעורי הבסיס כשעושים הערכה.

טברסקי למרבה הצער מת מסרטן ב-1996, אבל כהנמן המשיך את המחקר בתחום. הוא זכה בפרס נובל ב- 2002 וב-2011 פרסם את הספר המכונן "Thinking Fast and Slow" (את שניהם הקדיש לזכרו של טברסקי). בספר הוא מתאר את המח האנושי כמורכב משתי מערכות: מערכת 1 מקבלת החלטות מאד מהר, מתבססת על אינטואיציות, לא דורשת הרבה אנרגיה. מערכת 2 יכולה לנתח מצבים הרבה יותר לעומק ולקבל החלטות מבוססות, אבל היא דורשת הרבה משאבים ואיטית יותר. ההסבר שלו לכשל של בני האדם להתייחס לשיעורי הבסיס כשהם מבצעים הערכות היא סביב צורת החשיבה הזו: מערכת 1 מקבלת החלטות באמצעות היוריסטיקת הייצוגיות: מה שמייצג את קבוצת הספרנים הוא שכמעט כולם ביישנים. לכן כשניתקל באדם אקראי ביישן, נניח שהוא שייך לקבוצה הזו. מערכת 2 אולי הייתה יכולה לבצע ניתוח סטטיסטי ולשים לב שלמעשה ההסתברות להשתייך לקבוצת הספרנים הוא מאד נמוך, גם לביישנים. אבל ההיוריסטיקה שמערכת 1 מפעילה לא מתייחסת לשיקולים האלה. כהנמן קורא לתופעה הזו WYSIATI¹ (״מה שאתה רואה זה כל מה שיש״).

ההמלצה של כהנמן היא לזכור ששיעורי בסיס הם חשובים, ולזכור שהאינטואיציה שלנו נוטה להתייחס יתר על המידה לניתוח של האובייקט הספציפי. לכן כשאנחנו מבצעים הערכה חשוב לשאול את עצמנו מהם שיעורי הבסיס, ולפקפק במסקנה שלנו.

מעניין, אבל למה אנחנו מדברים על זה? להערכתי הרבה משקיעים סובלים מהנטיה להתעלם משיעורי בסיס כשהם מעריכים את הביצועים העתידיים של חברות. הם שוקעים בהמון נתונים לגבי החברה, ההנהלה, המוצרים, השוק, קצב הצמיחה ההיסטורי וכו׳ ואז נופלים קורבן להיוריסטיקת היציגות. ״לחברה הזו יש פאונדר תותח שמזכיר את ג׳ף בזוס, הם אגרסיביים ושולטים בנישה שלהם ובונים תשתיות לקלאוד ועושים ניסויים וזזים מהר לתוך נישות נוספות, הם בטח יצמחו כמו אמזון״. או ש״החברה הזו עושה רכישות מוצלחות בתחום שלהם ויש להם מנוע מכירות משומן, הם הולכים להיות סיילספורס״. הבעיה היא שהקביעות האלה בעיקר מתייחסות לכמה החברה הספציפית מזכירה את אמזון או סיילספורס בימיהם הראשונים, ולא לוקחת בחשבון מהו באמת שיעור החברות שמצליחות באותו קצב ועל פני תקופה ארוכה כמו אמזון.

המשקיע האגדי ג׳ואל גרינבלאט ניסח את זה בצורה מאוד טובה כבר בזמן אמת. בריאיון משותף עם הווארד מארקס בפברואר 2021, כשהמחירים של חברות SaaS עוד המשיכו לעלות בחדות ובאופטימיות, הוא הסביר שלדעתו הרבה מהעסקים האלה מתומחרים כאילו שהם הולכים להיות מייקרוסופט או אפל, ושהוא מתקשה להאמין שהולכים להיות עוד מאות חברות עם הצלחה בסדר גודל כזה. אני פירשתי את זה כמו כשל בהערכה של ההסתברויות בגלל התעלמות משיעורי בסיס. על כל חברה אינדיבידואלית היה אפשר אולי להציג תסריט שאם הוא יתממש, הוא יצדיק הערכת שווי מאוד גבוהה. אבל השוק תימחר קבוצה גדולה של חברות על בסיס התסריט שכל אחת ואחת מהן תחווה הצלחה פנומנלית, וזה כבר היה תסריט בלתי אפשרי.

שיעורי בסיס לקצב צמיחה בהכנסות

בהקשר לדוגמא מהחלק הראשון (״אם החברה תצמח 35% במשך 4 שנים ותגיע ל 20% רווחיות״), אני חושב שחייבים לקחת בחשבון גם את שיעורי הבסיס של צמיחה כזו ורווחיות כזו. ואם ההערכה שלנו היא רחוקה מאוד משיעורי הבסיס, אנחנו צריכים לתת לעצמנו תשובה טובה למה הביטחון הגבוה שדווקא החברה הזו תהיה האחת מתוך עשרים או מתוך חמישים שתצליח בצורה כזו.

אבל מהם שיעורי הבסיס? למזלנו מייקל מובוסין בנה את ספר שיעורי הבסיס, שמתאר את ההתפלגות בנתונים כמו גידול במכירות, שולי רווחיות, תשואה על השקעה וכו׳. אני חושב שזה מאוד שימושי להחזיק אותו פתוח ולהיעזר עליו כשבונים מודלים או עושים הערכות, כדי להימנע מלהעריך באופן אופטימי מדי תסריטי הצלחה שההסתברות האמיתית שלהם עלולה להיות יותר נמוכה ממה שאנחנו משכנעים את עצמנו.

בואו נסתכל על כמה דוגמאות מהספר, למשל ההתפלגות של שיעורי הצמיחה בהכנסות לחברות עם הכנסות שנתיות סביב 1 מיליארד דולר:

אפשר לראות שההסתברות לצמוח 35% או יותר במשך 4 שנים כמו שהנחנו היא בין 3%-4%, די בשוליים של ההתפלגות (וההסתברות כמעט זהה גם לחברות עם 500 מיליון דולר בהכנסות). כנראה שבערך אחת מבין 30 חברות עם שיעור הכנסות דומה יצמחו ככה. האם דווקא החברה שאנחנו מסתכלים עליה היא האחת מבין 30?

כמה דברים חסרים כאן אבל. החברה שאנחנו מסתכלים עליה אינה סתם חברה אקראית. ראשית, לעסקי תוכנה קל יותר לצמוח מהר מאשר לרשת קמעונאית או לחברת ייצור. העלות השולית של תוכנה היא אפסית.

שנית, שיעורי הצמיחה ההיסטוריים בעסק שלנו היו הרבה יותר גבוהים מ-35%, והחברה הזו כבר הוכיחה לנו שהיא הרבה מעל לממוצע. איך משקללים את הדברים האלה?

נתחיל משיעורי הצמיחה ההיסטוריים: היא כבר הוכיחה שהיא יכולה לצמוח מאוד מהר (והיא כבר הרבה מעל הממוצע/חציון), זה בטח נותן איזשהו מידע נוסף מעבר לשיעורי הבסיס. אם ניזכר במודל מחזור החיים של הקורפורייט, כנראה שתהיה התכנסות לממוצע בסופו של דבר, השאלה היא על פני איזה טווח זמן. מובוסין בדק ומצא שבאופן כללי יש קורלציה חיובית חלשה בין קצב הצמיחה הנוכחי לקצב הצמיחה בשנים הבאות:

לגבי המאפיינים הייחודיים ששמים חברות תוכנה ביתרון: מובוסין למעשה פירסם עדכון ביוני 2021, שסקר את ההשפעה של נכסים לא מוחשיים על שיעורי הבסיס של צמיחה. תחת הכותרת ״חברות עם נכסים לא מוחשיים״ הוא חילק לחברות טכנולוגיה וחברות בתחום הבריאות, וכמובן מצא שחברות עם נכסים לא מוחשיים צומחות מהר יותר מהממוצע. הנה ההתפלגות בשיעורי הצמיחה לחברות עם הכנסות מתחת למיליארד דולר:

מחצית מחברות הטכנולוגיה יצמחו בערך מעל 9.7% על פני 4 שנים. הממוצע הוא בערך 11.4% צמיחה שנתית, ו-35% הוא בערך במרחק סטיית תקן אחת. לפי החוק האמפירי אפשר בחישוב מהר להעריך שכ-16% מהחברות צומחות 35% או יותר במשך 4 שנים. זה סיכוי הרבה יותר גבוה מאשר 3-4 אחוז במדגם של כלל החברות, אבל עדיין צריך להתחשב בכך ש-5 מתוך כל 6 חברות טכנולוגיה לא יצליחו לצמוח כל כך מהר.

מצד אחד אפשר לטעון שגם החלוקה הזו אינה מספיקה. ״טכנולוגיה״ היא עדיין הגדרה די רחבה, מה לגבי שיעורי צמיחה ספציפית לחברות תוכנה או אפילו SaaS? והייתי רוצה אולי אפילו פילטר יותר ספציפי, כמו Enterprise SaaS עם מודל תמחור שמתבסס על ווליום למשל. מצד שני, בקטגוריה הזו היו כמה אלפי חברות, שמספקות מידה של ביטחון בשיעורי הבסיס. ככל שנמקד את הקטגוריה, אנחנו עלולים להישאר עם מדגם קטן מדי כדי להסיק ממנו מסקנות מספיק יציבות. 

כמובן שהייתי שמח אם היה לי ספר שיעורי בסיס שממוקד בחברות תוכנה (עם תת-קטגוריות שונות), אבל אני חושב שגם כמו שהוא זהו כלי מאוד שימושי וחשוב.

מה עושים עם ספר שיעורי הבסיס?

נפעל לפי ההמלצה של כהנמן. החשש העיקרי כשמנסים להעריך ביצועים עתידיים של חברה הוא שמערכת 1 תבצע את ההערכה, ותשתמש בהיוריסטיקות בסגנון ״כמה העסק דומה לעסק אחר שהצליח מאוד״ כדי לקבוע את ההערכות. כמובן שאני לא מציע גם להעריך עסקים רק על סמך שיעורי הבסיס, להניח שכל אחת ואחת מחברות הטכנולוגיה מתחת למיליארד דולר הכנסות יצמחו בדיוק ב 18.4% בשנה הקרובה. אני חושב שהערכה מבוססת צריכה לשלב הסתכלות סטטיסטית וגם הערכה איכותית.

כשאנחנו קובעים ״נניח שהחברה תצמח 35% במשך 4 שנים״ אנחנו כמובן גם צריכים לשאול את עצמנו איזו הסתברות אנחנו מייחסים לתסריט הזה. הנטיה האנושית היא לחשוב בצורה דטרמיניסטית (״בואו נבין בכמה החברה הולכת לצמוח״), אבל אנחנו חיים בעולם אקראי. כשמנסים להעריך את העתיד, צריך לחשוב על כמה תסריטים, ומה ההסתברות שאנחנו מייחסים לכל תסריט.

נניח שתסריט הבסיס שלנו הוא צמיחה של 35% במשך 4 שנים, ואנחנו מייחסים לו הסתברות של 60% בעוד ששיעור הבסיס הוא 16%. עצם הבדיקה הזו תביא למודעות שלנו את הצורך לענות על השאלה למה דווקא החברה הזו תצליח ליפול מעל סטיית תקן אחת מהממוצע. אולי כי אנחנו חושבים שיש לה מנכ״לית תותחית? כי יש לה מוצר קריטי עם עלות החלפה גבוהה? הנקודה היא שזה ידחוף אותנו לבצע מחקר יותר מעמיק כדי לבסס את התיזה הלא-טריוויאלית הזו. נצטרך גם לשאול את עצמנו על איזה פרמטרים אנחנו צריכים לעקוב כדי לוודא שהתיזה נכונה.

נצטרך גם לשאול את עצמנו מה יקרה אם אנחנו טועים? מה אם החברה תצמח ״רק״ בשיעור קרוב יותר לממוצע, או אפילו מתחת לממוצע (כמו שיקרה לחצי מהחברות)? כמה הסתברות אנחנו מייחסים לתסריט כזה, ומה תהיה ההשפעה על ההשקעה שלנו? שאלות כאלה יכולות לעזור לנו לוודא שאנחנו מקפידים להימנע מהשקעות שכרוכות באופטימיות יתר, לא משלמים מחירים שמציגים סיכונים גבוהים מדי, או אפילו לוודא שאנחנו לא מקצים חלק גדול מדי מהתיק להשקעות שעלולות להסתיים בהפסד.

אני חושב שנכון גם להיעזר בספר שיעורי הבסיס בשביל הסתכלות רחבה יותר על כלל הפורטפוליו. אם יש לי בתיק 5 או 10 חברות שאני מעריך או מקווה שיצמחו בקצב גבוה - מה ההסתברות שכולן יצליחו? מה אם הביצועים של החברות בתיק שלי ייראו כמו ההתפלגות של שיעורי הבסיס, האם כמכלול התיק שלי הולך להניב תשואה מספקת (כלומר, האם החברות שכן יצליחו מאוד יפצו על החברות שייפלו בצד השני של ההתפלגות)? יכול להיות שהתשובה היא לא, אבל אני מעריך שהחברות בתיק שלי יציגו ביצועים יותר טובים מההתפלגות הכללית. אבל במקרה הזה אני אצטרך הסבר משכנע להאמין בכך. ההסתכלות על שיעורי הבסיס יכולה למנוע ממני לשקר לעצמי.

בפוסט הזה דיברנו רק על קצב הצמיחה, אבל ספר שיעורי הבסיס מכסה עוד נושאים כמו שולי רווח, מינוף תפעולי, תשואה על השקעה ועוד. אני מעודד אתכם לקרוא גם את הפרקים האלה, ומקווה להגיע להסתכל עליהם יחד בפוסטים עתידיים.

כשמסתכלים על ההתפלגויות בספר שיעורי הבסיס אפשר גם להבין יותר טוב את הנקודה של ג׳ואל גרינבלאט מתחילת 2021 - חלק (קטן) מהחברות כמובן יזכו להצלחה אדירה, אבל כנראה שעל פני תקופה של כמה שנים, שיעורי הצמיחה שנראה על פני כלל החברות יתיישרו בהתאם להתפלגות הזו. בפברואר 2021 הציפיות שהשתקפו בתמחור של השוק היו שחלק הרבה יותר גדול מהחברות יצליחו לצמוח ככה מאשר מה שרואים בשיעורי הבסיס ההיסטוריים.

הפרשנות שלי היא שבמצב של אופוריה מערכת 1 שולטת בקבלת ההחלטות. גם במצב רגיל המח האנושי נוטה להתעלם משיעורי הבסיס במסגרת הערכת תחזיות עתידיות, ועוד יותר כשמערכת 1 היא זו שבשליטה.

חשוב לציין שיש הרבה סוגים של טעויות בהשקעות שאנחנו עושים מעצם היותנו בני אדם ובגלל ההטיות הקוגניטיביות של מערכת 1. אנחנו לא מותאמים מבחינה אבולוציונית להעריך ביצועים עתידיים של עסק תחת תרחישים שונים. אנחנו מחווטים בצורה מאד יעילה להחליט האם לברוח כשאנחנו שומעים רשרוש בשיחים, והאם להימנע (או לנסות) לאכול פרי חדש שמצאנו על עץ. מערכת 1 טובה מאד בשביל קבלת החלטות מהסוג הזה.

ספר שיעורי הבסיס הוא דוגמא טובה לכלי שיכול במקרים מסויימים למנוע ממערכת 1 לדחוף אותנו לעשות טעויות בהשקעות שנובעות מאופטימיות יתרה או התמקדות יתר בנאראטיב, ולדחוף את מערכת 2 להיות מעורבת בקבלת ההחלטות במקרים האלה.

1. “What You See Is All There Is”