piotroski f-score คืออะไร
Piotroski F-score คือ ตัวชี้วัดประสิทธิภาพการลงทุนในหลักทรัพย์ ตัวชี้วัดนี้ถูกสร้างขึ้นเพื่อช่วยวิเคราะห์บริษัทที่มีศักยภาพในการปรับปรุงผลการดำเนินธุรกิจและสร้างผลกำไรในอนาคต โดย Piotroski F-score จะใช้ตัวชี้วัดทางการเงิน 9 ตัว ที่เกี่ยวข้องกับการดำเนินธุรกิจของบริษัท เพื่อประเมินความสามารถในการสร้างผลกำไรในอนาคต และจะให้คะแนนตามผลลัพธ์การประเมินโดยรวมของตัวชี้วัดเหล่านี้
ตัวชี้วัด Piotroski F-score มักถูกนำมาใช้ในการวิเคราะห์หลักทรัพย์ของบริษัทที่มีตลาดหลักทรัพย์เปิดเผยข้อมูลการเงินโดยกว้างขวาง เนื่องจาก Piotroski F-score สามารถช่วยในการจัดอันดับบริษัทที่มีลักษณะการเงินและธุรกิจที่ดี เพื่อเป็นแนวโน้มของผลกำไรในอนาคต โดยประเมินการให้คะแนนในการวิเคราะห์การเงินและธุรกิจของบริษัทด้วยตัวชี้วัดที่เป็นเชิงปริมาณ แล้วนำผลรวมของคะแนนทั้งหมดมาใช้ในการวิเคราะห์ด้วยเกณฑ์ เพื่อสรุปผลการวิเคราะห์ของบริษัทนั้น ๆ
ความเป็นมา piotroski f-score
Piotroski F-score ถูกพัฒนาโดย Joseph Piotroski ซึ่งเป็นศูนย์วิจัยในวิทยาลัยวิศวกรรมศาสตร์และวิทยาศาสตร์ของธุรกิจวิทยาลัยชื่อดัง (The University of Chicago Booth School of Business) ในปี พ.ศ. 2545
Joseph Piotroski เป็นนักเศรษฐศาสตร์และธุรกิจศึกษาชื่อดัง ที่ศึกษาวิเคราะห์สมการทางการเงิน เพื่อหาแนวโน้มของผลกำไรของบริษัท พบว่าบริษัทที่มีการปรับปรุงด้านการเงินและธุรกิจสามารถสร้างผลกำไรที่มีประสิทธิภาพได้มากขึ้น Piotroski จึงพัฒนาตัวชี้วัด Piotroski F-score ขึ้นเพื่อช่วยวิเคราะห์บริษัทที่มีศักยภาพในการปรับปรุงผลการดำเนินธุรกิจและสร้างผลกำไรในอนาคต โดยตัวชี้วัดนี้ใช้ตัวชี้วัดทางการเงิน 9 ตัว ที่เกี่ยวข้องกับการดำเนินธุรกิจของบริษัท เพื่อประเมินความสามารถในการสร้างผลกำไรในอนาคต และจะให้คะแนนตามผลลัพธ์การประเมินโดยรวมของตัวชี้วัดเหล่านี้ โดยคะแนนสูงสุดที่ Piotroski F-score ให้คือ 9 คะแนน Piotroski F-score จะใช้การตรวจสอบข้อมูลทางการเงินของบริษัทจากงบการเงิน เพื่อตรวจสอบว่าบริษัทมีลักษณะการเงินและธุรกิจในเกณฑ์ที่ดีพอสำหรับการลงทุนหรือไม่ โดยประกอบไปด้วยตัวชี้วัด 9 ตัว ดังนี้
ส่วนต่างของกำไรสุทธิ: เปรียบเทียบกำไรสุทธิของปีปัจจุบันกับปีก่อนหน้า หากมีความเพิ่มสูงขึ้น จะได้คะแนน 1 คะแนน แต่ถ้ามีการลดลงหรือเปลี่ยนแปลงไม่ได้ จะได้ 0 คะแนน
ส่วนต่างของการลงทุน: เปรียบเทียบยอดรวมของเงินลงทุนและทรัพย์สินทางตลาดในปีปัจจุบันกับปีก่อนหน้า หากมีการเพิ่มขึ้นจะได้ 1 คะแนน แต่ถ้ามีการลดหรือไม่มีการเปลี่ยนแปลงจะได้ 0 คะแนน
ส่วนต่างของความหนี้: เปรียบเทียบค่าหนี้สินและค่าหนี้สินทางตลาดในปีปัจจุบันกับปีก่อนหน้า หากมีการลดหนี้หรือไม่มีการเปลี่ยนแปลงจะได้ 1 คะแนน แต่ถ้ามีการเพิ่มหนี้จะได้ 0 คะแนน
ค่าสัมประสิทธิ์ของการเงิน: เปรียบเทียบกำไรสุทธิและยอดขายในปีปัจจุบัน โดยหารกันแล้วคูณด้วยกำไรสุทธิและยอดขายในปีก่อนหน้า หากมีค่ามากกว่า 1 จะได้คะแนน 1 คะแนน แต่ถ้ามีค่าน้อยกว่าหรือเท่ากับ 1 จะได้ 0 คะแนน
การเพิ่มขึ้นของส่วนของส่วนเงินต่างประเทศ: เปรียบเทียบยอดรวมของส่วนของส่วนเงินต่างประเทศในปีปัจจุบันกับปีก่อนหน้า หากมีการเพิ่มขึ้นจะได้ 1 คะแนน แต่ถ้ามีการลดหรือไม่มีการเปลี่ยนแปลงจะได้ 0 คะแนน
การเพิ่มขึ้นของอัตราผลตอบแทนของมูลค่าหุ้น: เปรียบเทียบค่าผลตอบแทนของหุ้นในปีปัจจุบันกับปีก่อนหน้า หากมีการเพิ่มขึ้นจะได้ 1 คะแนน แต่ถ้ามีการลดหรือไม่มีการเปลี่ยนแปลงจะได้ 0 คะแนน
การซื้อหุ้นโดยเจ้าของ: หากมีการซื้อหุ้นโดยเจ้าของของบริษัทในปีปัจจุบันจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
การออกข่าวที่เป็นที่น่าพอใจ: หากบริษัทมีการออกข่าวเชิงบวกเกี่ยวกับธุรกิจในปีปัจจุบันจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
ขนาดของบริษัท: หากบริษัทมีขนาดเล็กกว่ากฎหมายในประเทศที่เกี่ยวข้องจะได้ 1 คะแนน แต่ถ้ามีขนาดใหญ่เกินไปจะได้ 0 คะแนน
piotroski f-score มีวิธีคิดอย่างไร
วิธีคิดของ Piotroski F-score นั้นใช้การเปรียบเทียบผลการเงินและธุรกิจของบริษัทในช่วงเวลา 2 ปีก่อนหน้ากับปีปัจจุบัน โดยแบ่งเป็น 9 ตัวชี้วัด ดังนี้
- การเพิ่มรายได้: หากบริษัทมีการเพิ่มรายได้จากปีก่อนหน้าจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
- การเพิ่มกำไรขั้นต้น: หากบริษัทมีการเพิ่มกำไรจากปีก่อนหน้าจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
- การเพิ่มอัตรากำไรขั้นต้น: หากบริษัทมีการเพิ่มอัตรากำไรจากปีก่อนหน้าจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
- การลดรายการหนี้สิน: หากบริษัทมีการลดรายการหนี้สินจากปีก่อนหน้าจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
- การเพิ่มขึ้นของส่วนของส่วนเงินต่างประเทศ: เปรียบเทียบยอดรวมของส่วนของส่วนเงินต่างประเทศในปีปัจจุบันกับปีก่อนหน้า หากมีการเพิ่มขึ้นจะได้ 1 คะแนน แต่ถ้ามีการลดหรือไม่มีการเปลี่ยนแปลงจะได้ 0 คะแนน
- การเพิ่มขึ้นของอัตราผลตอบแทนของมูลค่าหุ้น: 1 คะแนน หากมีการเพิ่มขึ้น 0 คะแนน หากไม่เปลี่ยนแปลงหรือลดลง
- การลดจำนวนหุ้นที่ออก: หากบริษัทมีการลดจำนวนหุ้นที่ออกจากปีก่อนหน้าจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
- การเพิ่มความสามารถในการเงิน: เป็นการเช็คว่าบริษัทมีการเพิ่มจำนวนบัญชีเงินฝากหรือไม่ หากมีจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
- การลดความหนี้สินในส่วนที่ไม่ได้ใช้งาน: หากบริษัทมีการลดความหนี้สินในส่วนที่ไม่ได้ใช้งานจากปีก่อนหน้าจะได้ 1 คะแนน แต่ถ้าไม่มีจะได้ 0 คะแนน
จากการนำเอาคะแนนที่ได้จากแต่ละตัวชี้วัดมารวมกัน จะได้คะแนนรวม ซึ่งรวมอยู่ในช่วง 0 – 9 คะแนน โดยบริษัทที่ได้คะแนนมากกว่าหรือเท่ากับ 7 คะแนน ถือว่าเป็นบริษัทที่มีความเหมาะสมและมีความเป็นไปได้ในการลงทุนในอนาคต ในขณะที่บริษัทที่ได้คะแนนต่ำกว่า 3 คะแนนอาจจะไม่เหมาะสมกับการลงทุนหรือมีความเสี่ยงสูง
F1-Score คืออะไร
F1-Score คือ ตัวชี้วัดประสิทธิภาพของการจัดกลุ่ม (classification) ซึ่งสามารถนำไปใช้ในการประเมินความถูกต้องของการทำนายหรือจัดกลุ่มของข้อมูล โดยใช้ค่า Precision และ Recall เป็นตัวบ่งชี้ การคำนวณ F1-Score เป็นการเฉลี่ยค่า Precision และ Recall เข้าด้วยกันโดยใช้สูตรดังนี้
- F1-Score = 2 * (Precision * Recall) / (Precision + Recall)
- Precision หมายถึง จำนวนที่จัดกลุ่มถูกต้อง / (จำนวนที่จัดกลุ่มถูกต้อง + จำนวนที่จัดกลุ่มผิด)
- Recall หมายถึง จำนวนที่จัดกลุ่มถูกต้อง / (จำนวนที่เป็นจริงที่จัดกลุ่มถูกต้อง + จำนวนที่เป็นจริงที่จัดกลุ่มผิด)
โดยทั่วไปแล้ว F1-Score มีค่าอยู่ระหว่าง 0 ถึง 1 โดยค่ามากถือว่าดี และค่าน้อยถือว่าไม่ดี โดย Precision เป็นอัตราส่วนของจำนวนที่เราทำนายถูกต้องทั้งหมดกับจำนวนที่ทำนายว่าถูกต้องแต่ตอบผิด (false positive) ในขณะที่ Recall เป็นอัตราส่วนของจำนวนที่ทำนายถูกต้องทั้งหมดกับจำนวนที่จริงต้องเป็นถูกต้องแต่ตอบว่าผิด (false negative) การใช้ F1-Score ช่วยให้สามารถประเมินความถูกต้องของการจัดกลุ่มได้แม่นยำ โดยเฉพาะในงานที่มีการจัดกลุ่มหลายหมวดหมู่ หรือมีความสำคัญต่อความถูกต้องของการจัดกลุ่มในหมวดหมู่ที่แตกต่างกัน
ยกตัวอย่างการคิด F1-score
F1-score เป็นตัวชี้วัดการประเมินผลในงานประมวลผลภาษาธรรมชาติ โดยใช้เป็นตัวชี้วัดเพื่อวัดประสิทธิภาพของการจัดกลุ่ม (classification) โดยคำนวณจากค่า precision และ recall ของโมเดลที่ใช้ในการจัดกลุ่ม โดยสามารถคำนวณได้ดังนี้
- F1-score = 2 * (precision * recall) / (precision + recall)
เมื่อ precision และ recall มีค่าเท่ากัน ค่า F1-score จะมีค่าสูงสุดที่ 1 และค่าน้อยสุดที่ 0 โดย F1-score ที่มีค่าสูงแสดงว่าโมเดลมีประสิทธิภาพในการจัดกลุ่ม และ F1-score ที่มีค่าต่ำแสดงว่าโมเดลไม่มีประสิทธิภาพในการจัดกลุ่ม เพื่อให้เข้าใจและสามารถนำ F1-score ไปใช้งานได้อย่างถูกต้อง ดังนั้นเราจะให้ตัวอย่างการคำนวณ F1-score จากตารางที่แสดงผลการจัดกลุ่มของสัตว์ดังต่อไปนี้
ชนิดของสัตว์ |
จำนวน |
จำนวนที่จัดกลุ่มถูกต้อง |
จำนวนที่จัดกลุ่มผิด |
หมา |
50 |
40 |
10 |
แมว |
30 |
25 |
5 |
กระต่าง |
20 |
10 |
10 |
จากตารางดังกล่าว เราสามารถคำนวณ precision และ recall ของแต่ละชนิดสัตว์ได้ดังนี้
สำหรับชนิดของสัตว์ “หมา”
- Precision = จำนวนที่จัดกลุ่มถูกต้อง / (จำนวนที่จัดกลุ่มถูกต้อง + จำนวนที่จัดกลุ่มผิด) = 40 / (40 + 10) = 0.8
- Recall = จำนวนที่จัดกลุ่มถูกต้อง / จำนวนทั้งหมดของสัตว์ประเภท “หมา” = 40 / 50 = 0.8
สำหรับชนิดของสัตว์ “แมว”
- Precision = จำนวนที่จัดกลุ่มถูกต้อง / (จำนวนที่จัดกลุ่มถูกต้อง + จำนวนที่จัดกลุ่มผิด) = 25 / (25 + 5) = 0.8333
- Recall = จำนวนที่จัดกลุ่มถูกต้อง / จำนวนทั้งหมดของสัตว์ประเภท “แมว” = 25 / 30 = 0.8333
สำหรับชนิดของสัตว์ “กระต่าย”
- Precision = จำนวนที่จัดกลุ่มถูกต้อง / (จำนวนที่จัดกลุ่มถูกต้อง + จำนวนที่จัดกลุ่มผผิด) = 2 / (2 + 3) = 0.4
- Recall = จำนวนที่จัดกลุ่มถูกต้อง / จำนวนทั้งหมดของสัตว์ประเภท “กระต่าย” = 2 / 4 = 0.5
จากนั้นเราสามารถคำนวณ F1-score ของแต่ละชนิดสัตว์ได้ดังนี้
สำหรับชนิดของสัตว์ “หมา”
- F1-score = 2 * (Precision * Recall) / (Precision + Recall) = 2 * (0.8 * 0.8) / (0.8 + 0.8) = 0.8
สำหรับชนิดของสัตว์ “แมว”
- F1-score = 2 * (Precision * Recall) / (Precision + Recall) = 2 * (0.8333 * 0.8333) / (0.8333 + 0.8333) = 0.8333
สำหรับชนิดของสัตว์ “กระต่าย”
- F1-score = 2 * (Precision * Recall) / (Precision + Recall) = 2 * (0.5 * 0.5) / (0.5 + 0.5) = 0.5
ดังนั้น โมเดลการจัดกลุ่มสัตว์ทั้งสามชนิดมี F1-score ดังนี้
สัตว์ประเภท “หมา”: F1-score = 0.8
สัตว์ประเภท “แมว”: F1-score = 0.8333
สัตว์ประเภท “กระต่าย”: F1-score = 0.5
จากค่า F1-score ดังกล่าว สัตว์ประเภท “แมว” มีประสิทธิภาพในการจัดกลุ่มมากที่สุด โดย F1-score มากกว่าเท่ากับ 0.8 ถือว่ามีประสิทธิภาพในการจัดกลุ่มได้ดี
ข้อดีของ Piotroski F-score
ข้อดีของ Piotroski F-score คือช่ วยให้นักลงทุนสามารถวิเคราะห์และประเมินค่าของบริษัทได้ทำให้มีความเชื่อมั่นมากขึ้น โดยเฉพาะเมื่อมีข้อมูลการเงินจากงบการเงินของบริษัทที่มีการเปิดเผยอย่างรวมถึงประวัติศาสตร์การเงินในอดีต ซึ่งจะช่วยให้นักลงทุนสามารถทำความเข้าใจในความเสี่ยงและโอกาสของการลงทุนได้มากขึ้น อีกทั้งPiotroski F-score ยังมีข้อดีอีกหลายอย่างเช่น
- เป็นตัวชี้วัดที่ใช้ง่ายและความถูกต้องสูง
- ช่วยลดความเสี่ยงในการลงทุนโดยประเมินความเสี่ยงและโอกาสของบริษัท
- ช่วยในการตัดสินใจเกี่ยวกับการลงทุนในบริษัทในระยะยาว
- ช่วยในการตัดสินใจของผู้ลงทุนในการซื้อหุ้นบริษัทในขณะที่ตลาดกำลังเปิดให้ซื้อขาย
ดังนั้น Piotroski F-score เป็นเครื่องมือที่มีประโยชน์และน่าสนใจสำหรับนักลงทุนที่ต้องการศึกษาและวิเคราะห์บริษัทที่มีการเปิดเผยข้อมูลการเงินอย่างละเอียดและถูกต้อง ในการตัดสินใจลงทุนในบริษัทในอนาคต
ข้อเสีย Piotroski F-score
ข้อเสียของ Piotroski F-score คือ ไม่สามารถใช้วิเคราะห์บริษัทที่ไม่มีการเปิดเผยข้อมูลการเงินหรือข้อมูลการเงินไม่ครบถ้วนได้ อีกทั้งยังมีความเป็นไปได้ที่บริษัทที่มีคะแนนสูงใน Piotroski F-score อาจไม่ใช่บริษัทที่ดีในด้านธุรกิจหรือในด้านการลงทุนเนื่องจากตัวชี้วัดนี้ไม่ได้พิจารณาปัจจัยอื่นๆ เช่น ความสามารถในการแข่งขันในตลาด ศักยภาพในการเติบโต ความต้านทานต่อวิกฤติการเงิน และปัจจัยอื่นๆ ที่ส่งผลต่อธุรกิจของบริษัทในอนาคต และยังมีความเสี่ยงที่ Piotroski F-score อาจไม่สามารถใช้งานได้ในสถานการณ์ที่มีการเปลี่ยนแปลงภายในบริษัทเร็วมาก เช่น การเปลี่ยน CEO หรือกรรมการผู้จัดการ การเข้าร่วมการค้าอื่นๆ การเปลี่ยนแปลงในอุตสาหกรรม หรือเหตุการณ์ทางการเมืองที่ส่งผลต่อธุรกิจ ซึ่งอาจทำให้คะแนน Piotroski F-score ของบริษัทเปลี่ยนแปลงไปตามด้วย
Piotroski F-score เหมาะสำหรับนักลงทุนที่มีความสนใจในการวิเคราะห์และประเมินค่าของบริษัทที่มีตลาดหลักทรัพย์เปิดเผยข้อมูลการเงินอย่างกว้างขวาง และเป็นหลักทรัพย์ระดับกลางถึงแนวโน้มในอนาคตของผลกำไรของบริษัท และ Piotroski F-score ยังมีประโยชน์ต่อผู้ที่ต้องการศึกษาและวิเคราะห์บริษัทที่มีการเปิดเผยข้อมูลการเงินอย่างละเอียดและถูกต้อง ในการตัดสินใจลงทุนในบริษัทในอนาคต
