PERFORMANTIEVERSCHILLEN VAN

EENHOORNS PRE- EN POST-IPO EEN ANALYSE VAN VOORMALIGE EENHOORNS GEVESTIGD IN DE

VERENIGDE STATEN

Aantal woorden: 18.518

Jarno Claeys Stamnummer: 000140648077

Pauwel Wallaert Stamnummer: 000140756494

Promotor: Prof. Dr. Rudy Aernoudt

Masterproef voorgedragen tot het bekomen van de graad van:

Master in de handelswetenschappen: finance en risicomanagement

Academiejaar: 2018-2019

2

I

Verklaring inzake toegankelijkheid van de masterproef

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd

worden, mits bronvermelding.

Jarno Claeys Pauwel Wallaert

II

Algemeen voorwoord

Deze thesis werd opgesteld in het kader van onze afstudeerrichting Finance en risicomanagement van de

opleiding Handelswetenschappen aan de Universiteit Gent. Deze opleiding heeft ons enthousiast gemaakt

voor het succesvol uitvoeren van deze masterproef.

Dit onderzoek richt zich op de ‘invloed van financiële maatstaven op de performantie van eenhoorns’. Er

wordt met name onderzocht welke maatstaven een verschillende impact hebben op dit rendement in de

periode voor de beursgang in vergelijking met de periode na de beursgang. Onze interesse in dit onderwerp

is ontstaan tijdens de lessen van financieel management onderricht door Prof. Dr. Rudy Aernoudt, ook de

promotor van deze thesis.

Hierbij zouden we graag onze promotor Prof. Dr. Rudy Aernoudt bedanken voor de begeleiding tijdens deze

interessante en leerrijke ervaring. Ook onze vrienden en familie hebben recht op een uitgebreide bedanking

voor het verschaffen van feedback en morele steun. Zonder hen was het nooit mogelijk geweest om dit

eindresultaat te bekomen.

Jarno Claeys en Pauwel Wallaert

Gent, 13 augustus 2019

III

Inhoudsopgave

Verklaring inzake toegankelijkheid van de masterproef .............................................................................. I

Algemeen voorwoord .................................................................................................................................. II

Lijst van afkortingen .................................................................................................................................. VII

Lijst van tabellen ....................................................................................................................................... VIII

I. Inleiding .................................................................................................................................................... 1

II. Literatuurstudie ....................................................................................................................................... 3

1. Eenhoorns............................................................................................................................................. 3

1.1. Terminologie ................................................................................................................................. 3

1.2. De huidige eenhoorns ................................................................................................................... 4

1.3. Kenmerken .................................................................................................................................... 5

1.4. Waardering.................................................................................................................................... 7

1.4.1. Anorganische groei ................................................................................................................ 7

1.4.2. Overwaardering bij eenhoorns .............................................................................................. 8

1.4.3. Post-money waarderingsmethode ........................................................................................ 9

1.5. Financiering ................................................................................................................................. 10

1.5.1. Private IPO’s ......................................................................................................................... 11

1.5.2. Open-end beleggingsfondsen .............................................................................................. 13

1.5.3. Huidig financieringslandschap van eenhoorns .................................................................... 13

1.6. Regelgeving ................................................................................................................................. 14

1.7. Economische en sociale impact .................................................................................................. 15

1.8. Barst van de eenhoornbubbel..................................................................................................... 16

2. Venture capital ................................................................................................................................... 18

2.1. Terminologie ............................................................................................................................... 18

2.2. Evolutie venture capital markt in de Verenigde Staten .............................................................. 19

IV

3. Initial Public Offering .......................................................................................................................... 21

3.1. Terminologie ............................................................................................................................... 21

3.2. Voor- en nadelen van een IPO voor eenhoorns .......................................................................... 21

3.3. Evolutie van IPO’s door eenhoorns ............................................................................................. 22

4. Performantie van venture capital, IPO’s en eenhoorns ..................................................................... 24

4.1. Performantieverschil tussen venture capital en IPO’s ................................................................ 24

4.2. Performantie van eenhoorns ...................................................................................................... 25

5. Beursnoteringen van eenhoorns in de actualiteit .............................................................................. 25

5.1. Lyft ............................................................................................................................................... 26

5.2. Pinterest ...................................................................................................................................... 26

5.3. Zoom ........................................................................................................................................... 27

5.4. Uber ............................................................................................................................................. 27

5.5. Slack ............................................................................................................................................ 28

III. Onderzoek .......................................................................................................................................... 29

1. Data en methodologie ........................................................................................................................ 29

1.1. Methodologie .............................................................................................................................. 29

1.1.1. Hypothesen .......................................................................................................................... 30

1.1.2. Beschrijving van de data ...................................................................................................... 32

1.2. Beschrijving van de variabelen .................................................................................................... 33

1.2.1. De afhankelijke variabele ..................................................................................................... 33

1.2.2. De onafhankelijke variabelen .............................................................................................. 33

1.2.3. Beschrijving van het model .................................................................................................. 35

2. Beschrijvende statistiek ...................................................................................................................... 35

2.1. Gemiddelde ................................................................................................................................. 35

2.2. Correlatie ..................................................................................................................................... 37

3. Empirische resultaten ......................................................................................................................... 39

V

3.1. Enkelvoudige regressiemodellen ................................................................................................ 39

3.1.1. Hypothese 1 ......................................................................................................................... 40

3.1.2. Hypothese 2 ......................................................................................................................... 42

3.1.3. Hypothese 3 ......................................................................................................................... 44

3.1.4. Hypothese 4 ......................................................................................................................... 45

3.1.5. Hypothese 5 ......................................................................................................................... 46

3.2 Meervoudig regressiemodel ....................................................................................................... 48

3.3. Restricties en suggesties voor verder onderzoek ....................................................................... 52

4. Conclusie ............................................................................................................................................ 53

Bibliografie .................................................................................................................................................... 55

Bijlagen ............................................................................................................................................................. I

Bijlage 1: De stijgende trend in eenhoorns tussen maart 2009 en januari 2017 ......................................... I

Bijlage 2: De blijvende trend van stijgende eenhoorns tussen Q1 2013 en Q1 2018 ................................. II

Bijlage 3: Softwarebedrijven bereiken vaker de kaap van $10 miljard zonder publiek te gaan ................ III

Bijlage 4: Geboortes van US VC-backed eenhoorns tussen 2012 en 2018 ................................................. IV

Bijlage 5: Volledige lijst van eenhoorns ...................................................................................................... IV

Bijlage 6: Analyse huidige eenhoorns ........................................................................................................ XII

Bijlage 7: Technologiebedrijven halen meer kapitaal op voorafgaand aan een IPO ................................ XIII

Bijlage 8: Top 10 eenhoorn investeerders ................................................................................................ XIII

Bijlage 9: Top eenhoorn jagers volgens gecumuleerde waarde ............................................................... XIV

Bijlage 10: Evolutie VC in Silicon Valley en de 4 andere grootste regio's gecombineerd ......................... XV

Bijlage 11: Evolutie Venture Capital in de VS ............................................................................................ XV

Bijlage 12: Evolutie mega-financieringsrondes in de VS ........................................................................... XVI

Bijlage 13: De westkust van de VS staat in voor meer dan de helft van het geïnvesteerd VC ................ XVII

Bijlage 14: Toenemende populariteit in mega-financieringsrondes ten opzichte van tech IPO’s ......... XVIII

Bijlage 15: Nieuwe tech unicorns overstijgen het aantal tech IPO’s ....................................................... XVIII

VI

Bijlage 16: Evolutie eenhoorn IPO’s tussen 2016 en 2018 ....................................................................... XIX

Bijlage 17: Stormloop van eenhoorn IPO’s leidt tot historisch hoogtepunt in VC-exit waarde ............... XIX

Bijlage 18: Waarde-evolutie van Appdynamics tussen 2008 en 2017 ....................................................... XX

Bijlage 19: Overzicht van de grootste en verwachte tech IPO’s in 2019 in de VS ..................................... XX

Bijlage 20: Overzicht eenhoorns in steekproef......................................................................................... XXI

Bijlage 21: Formules van de gebruikte variabelen.................................................................................... XXI

VII

Lijst van afkortingen

IPO: Initial Public Offering

ROA: Return on Assets

IT: Informatietechnologie

PIPO: Private Initial Public Offering

VC: Venture capital

VIII

Lijst van tabellen

Tabel 1: Gemiddelden van de variabelen ...................................................................................................... 36

Tabel 2: Correlaties tussen de onafhankelijke variabelen en de afhankelijke variabele .............................. 38

Tabel 3: Model 1.1 en 1.2 over de volledige tijdsperiode ............................................................................. 40

Tabel 4: Model 1.1 verschil tussen pre- en post-IPO .................................................................................... 41

Tabel 5: Model 1.2 verschil tussen pre- en post-IPO .................................................................................... 42

Tabel 6: Model 2 over volledige tijdsperiode ................................................................................................ 43

Tabel 7: Model 2 verschil pre- en post-IPO ................................................................................................... 43

Tabel 8: Model 3 over volledige tijdsperiode ................................................................................................ 44

Tabel 9: Model 3 verschil pre- en post-IPO ................................................................................................... 45

Tabel 10: Model 4 over volledige tijdsperiode .............................................................................................. 46

Tabel 11: Model 4 verschil tussen pre- en post-IPO ..................................................................................... 46

Tabel 12: Model 5 over volledige tijdsperiode .............................................................................................. 47

Tabel 13: Model 5 verschil tussen pre- en post-IPO ..................................................................................... 47

Tabel 14: Hoofdmodel verschil tussen pre- en post-IPO .............................................................................. 49

1

I. Inleiding

Het begrip Unicorn of eenhoorn is tegenwoordig prominent aanwezig in zowel de bedrijfswereld als de

hedendaagse samenleving. De term omschrijft private bedrijven met een marktwaarde van 1 miljard dollar

of meer. Het zijn vaak bedrijven waarmee we dagelijks in contact komen en die een grote impact hebben

op de maatschappij. Enkele gekende voorbeelden zijn bedrijven als Uber, AirBnb, Epic Games en Pinterest.

De laatste jaren is het aantal eenhoorns sterk gestegen als gevolg van stijgende liquiditeiten op de private

financieringsmarkt. Deze liquiditeiten zijn voornamelijk afkomstig van durfkapitalisten, die de belangrijkste

financieringsbron vormen voor eenhoorns.

Sinds kort zijn de eenhoorns een veelbesproken onderwerp als gevolg van hun recente beursintroducties

of IPO’s1. Zo werd er met veel spanning uitgekeken naar de beursintroductie van Uber, die één van de

grootste in de IPO-geschiedenis moest worden. De stijgende aandacht voor deze unieke bedrijven heeft

ons aangezet tot het voeren van dit onderzoek.

Het onderzoek heeft betrekking op de performantieverschillen van eenhoorns tussen de periode vóór de

beursgang en de periode na de beursgang. De focus van het onderzoek gaat naar eenhoorns gevestigd in

de Verenigde Staten waar zij het meest frequent aanwezig zijn. De onderzoeksvraag in deze scriptie luidt

als volgt: “Wat is het verschil pre- en post-IPO van de impact van financiële maatstaven op het rendement

van de activa bij eenhoorns uit de Verenigde Staten?”. Het doel van het onderzoek is om inzichten te

verschaffen over de verschillen van performantiebepalende factoren van eenhoorns vóór en na hun IPO.

In deel II van deze scriptie wordt een overzicht gegeven van de bevindingen uit de literatuur in verband met

de kernelementen van dit onderzoek. Ten eerste zal er een duidelijke omschrijving worden gegeven van de

term eenhoorn gevolgd door enkele elementen die deze bedrijven typeren en vaak worden vermeld in de

literatuur. Vervolgens zal dieper worden ingegaan op de belangrijkste financieringsbron voor deze

bedrijven, zijnde venture capital. Ten derde wordt het begrip Initial Public Offering toegelicht, alsook de

evolutie van eenhoorn IPO’s. Een vierde sectie bespreekt de performantie van zowel venture capital, IPO’s

en eenhoorns, waarna in de laatste sectie de eenhoorn IPO’s uit de recente actualiteit worden toegelicht.

In deel III worden de data en werkwijze van het onderzoek besproken, alsook enkele hypothesen opgesteld.

Deze hypothesen zullen getest en geanalyseerd worden door middel van enkelvoudige regressiemodellen.

1 IPO staat voor Initial Public Offering

2

Vervolgens wordt het meervoudige regressiemodel opgesteld en geïnterpreteerd, waarna er enkele

restricties van het model worden toegelicht en suggesties voor verder onderzoek worden weergegeven. Als

laatste wordt er een algemeen besluit van het onderzoek geformuleerd.

3

II. Literatuurstudie

1. Eenhoorns

1.1. Terminologie

In 2013 werd de term “unicorn” of eenhoorn voor het eerst geïntroduceerd in de bedrijfswereld door Aileen

Lee, oprichtster van Cowboy Ventures. Een eenhoorn is een privaat bedrijf met een gerapporteerde

waardering van meer dan $1 miljard. De term moest de mythische en uiterst zeldzame kant van deze unieke

bedrijven voorstellen. In 2013 waren er in de Verenigde Staten 39 bedrijven die gecategoriseerd werden

als eenhoorn, wat op dat moment ongeveer 0,07% was van alle private startups (Lee, 2013).

Eenhoornbedrijven hebben elk het potentieel om onze dagdagelijkse dienstverlening, communicatie en

technologiegebruik sterk te beïnvloeden (Fan, 2016). De benamingen “decacorn” en “hectocorn” kunnen

we ook onder de noemer van eenhoorns plaatsen. Dit zijn bedrijven met een waardering van respectievelijk

meer dan $10 miljard en $100 miljard (CB Insights, The global unicorn club. Current private companies

valued at $1B+, 2019).

Op 8 mei 2019 hadden in totaal 346 bedrijven de status ‘eenhoorn’ verworven (CB Insights, The global

unicorn club. Current private companies valued at $1B+, 2019). De status van eenhoorn is dus niet zo

zeldzaam meer als bij het ontstaan van de term in 2013. In vergelijking met 2013 is het aantal bedrijven in

de Verenigde Staten die voor deze benaming in aanmerking kwamen, gestegen van 39 naar 172 (CB Insights,

The global unicorn club. Current private companies valued at $1B+, 2019). Een grafische voorstelling van

de opkomst van eenhoorns kan gevonden worden in bijlage 1 en 2.

Minder strenge markttoegangsbarrières in combinatie met een sterke toename van private

financieringsbronnen zoals traditionele durfkapitalisten, crowdfunding, private equity en open-end

beleggingsfondsen, zorgden voor een extra hoeveelheid beschikbaar kapitaal voor jonge niet-

beursgenoteerde bedrijven (Kenney & Zysman, 2019). Door dit extra kapitaal is er de mogelijkheid voor

grote bedrijven om langer privaat te blijven en de status van unicorn -of zelfs decacorn- te verwerven,

zonder dat er een beursintroductie vereist is (zie bijlage 3). Bedrijven zoals Dropbox, Twitter, Uber, Snapchat

en AirBnb zijn hiervan enkele gekende voorbeelden. In België zijn er momenteel twee bedrijven met de

eenhoornstatus, namelijk Collibra en Combell, die zich respectievelijk in de sectoren van databeheer en

webhosting bevinden.

4

1.2. De huidige eenhoorns

Volgens recent onderzoek van CB Insights op 8 mei 2019, waren er op dat moment reeds 346 private

bedrijven over de hele wereld met een waardering van meer dan $1 miljard. Samen hebben deze bedrijven

een gecumuleerde waarde van meer dan $1,1 triljard.2 In 2018 zijn er 119 nieuwe bedrijven toegetreden

tot de welbefaamde “Unicorn Club”. Dit is een stijging van 67% in vergelijking met de 71 eenhoorns die in

2017 toetraden. Ook blijkt dat in 2018, 53 van de 119 nieuwe eenhoorns in de wereld gevestigd zijn in de

Verenigde Staten. Voorbeelden hiervan zijn Epic Games (videogame ontwikkelaar), Samumed (biotech) en

Doordash (on-demand food delivery). Ook blijkt uit dit onderzoek dat de meeste eenhoorns zich bevinden

in de sectoren van internetsoftware en dienstverlening (12%), gevolgd door Fintech (11%) en E-commerce

(11%).

Specifiek voor de Verenigde Staten blijkt dat in het vierde kwartaal van 2018 meer nieuwe eenhoorns zijn

ontstaan dan in enig ander kwartaal. Hierdoor is 2018 momenteel het recordjaar op vlak van “geboortes

van eenhoorns” in de Verenigde Staten. Liefst 53 nieuwe bedrijven bereikten in 2018 de eenhoornstatus in

de VS, wat een stijging is met 83% ten opzichte van 2017 en 26% ten opzichte van het vorige recordjaar in

2015 (cfr. Bijlage 4). De drijvende factoren voor deze opmerkelijke stijging in geboortes van eenhoorns zijn

enerzijds de toename van het aantal groei- en late-stage financieringsrondes en anderzijds de meer

frequente aanwezigheid van zogenaamde mega-financieringsrondes. Een mega-financieringsronde duidt

op een kapitaalinjectie van meer dan $100 miljoen in één enkele financieringsronde. De toenemende trend

van deze financieringsvorm wordt in sectie 2.2. verder geanalyseerd.

De meest waardevolle eenhoorn op dit moment is het Chinese bedrijf Bytedance, die zich in de sector van

artificiële intelligentie bevindt. Het bedrijf bereikte een waardering van $75 miljard na een kapitaalinjectie

van Softbank in november 2018. Na Bytedance volgt het taxibedrijf Didi Chuxing ($56 miljard), co-working

bedrijf WeWork ($47 milard), e-cigarette fabrikant JUUL Labs ($38 miljard) en de accommodatie

marktplaats AirBnb ($29 miljard). De volledige lijst van eenhoorns is te vinden in bijlage 5 (CB Insights,

Unicorn Hunters: These investors have backed the most billion-dollar companies, 2019).

2 Volgens de meest recente cijfers van CB Insights (9 augustus 2019) is dit aantal nog verder gestegen tot 390 eenhoorns met een gecumuleerde waarde van $1,209 triljard (https://www.cbinsights.com/research-unicorn-companies).

5

In bijlage 6 wordt weergegeven waar deze 346 eenhoorns zich voornamelijk bevinden, wat de

gecumuleerde waarderingen zijn per land, alsook de procentuele verdeling van de eenhoorns overheen de

landen. De Verenigde Staten trekt nog steeds het voortouw qua eenhoorns in zowel aantal als

gecumuleerde waarde. China komt echter steeds dichter met bedrijven als Didi Chuxing en Bytedance die,

zoals hierboven vermeld, beiden de kaap van 50 miljard Dollar reeds overschreden hebben.

1.3. Kenmerken

Volgens Grillo (2016) zijn eenhoorns vooral IT-bedrijven die een sterke focus hebben op het aanbieden van

software en in sommige gevallen hardware (bv. Xiaomi). Het zijn voornamelijk relatief jonge bedrijven die

globaal opereren en een innovatieve dienstverlening aanbieden die de nieuwe en recente behoeften van

de klanten invult door middel van digitale platformen en innovatieve producten. Deze nieuwe noden zijn

tot stand gekomen door de mobiele internetgolf en werden voordien door nog geen enkele marktspeler

ingevuld. Daarnaast zijn deze bedrijven actief in gunstige bedrijfsomgevingen waarin zowel een sterke groei

van de nichemarkt aanwezig is, als een toenemend klantensegment. Tenslotte bezitten eenhoorns

voornamelijk immateriële vaste activa. Uber en Didi Chuxing zijn bijvoorbeeld de grootste taxi-

dienstverlenende bedrijven in de wereld, hoewel beiden in werkelijkheid geen enkele taxi in hun bezit

hebben. Daarnaast beschikt ook AirBnb, het bekende accommodatie verhuurbedrijf, over geen enkele

woning of pand. Slechts bij een klein aantal eenhoorns, zoals Xiaomi en SpaceX, zijn de

kernbedrijfsactiviteiten gebaseerd op vaste activa.

Eenhoorns zijn voornamelijk een Amerikaans fenomeen. In 2017 waren 64% van alle eenhoorns gevestigd

in de Verenigde Staten. Daarnaast bevonden 39% van alle eenhoorns in de wereld zich toen in San

Francisco, meer bepaald in Silicon Valley, wat wereldwijd beschouwd wordt als “het Mekka” van de

eenhoorns en technologie startups. Voor bedrijven zoals AirBnb, Uber, Twitter, Pinterest en Dropbox was

San Francisco de geboorteplaats van hun succesverhaal (Hogarth, 2017). Een belangrijke factor die deze

regio zo aantrekkelijk maakt, is de sterke aanwezigheid van Venture Capital of risicokapitaal. Veel

durfkapitaalbedrijven (verder vermeld als VC’s), zoals Sequoia Capital bevinden zich in de omgeving van San

Francisco (McNeill, 2016).

De Massis, Frattini en Quillico (2016) hebben een onderzoek uitgevoerd naar 146 eenhoorns en welke

kenmerken ze grotendeels gemeenschappelijk hebben waarmee hun succes verklaard kan worden. Een

eerste kenmerk is dat het bedrijf relatief weinig werknemers heeft in verhouding met zijn grootte. Pinterest

is hier een goed voorbeeld van. Eind 2012 was Pinterest het grootste sociale mediaplatform in termen van

6

aantal gebruikers per werknemer: 100 werknemers stonden op dat moment in voor liefst 40 miljoen

gebruikers. De kleine omvang zorgt ervoor dat het topmanagement snel en diep betrokken kan worden bij

belangrijke strategische beslissingen, waarna deze via een platte organisatiestructuur snel

geïmplementeerd kunnen worden.

Ten tweede worden eenhoorns voornamelijk opgericht door ervaren ondernemers die al heel wat

mislukkingen en moeilijke uitdagingen doorstonden. Een voorbeeld hiervan zijn de oprichters van Snapchat,

namelijk Evan Spiegel en Bobby Murphy. Deze ondernemers hebben 34 projecten zien falen alvorens ze de

app Picaboo ontwikkelden, die vervolgens de naam Snapchat kreeg en later de status van eenhoorn

verkreeg. De vele ervaringen die deze ondernemers hebben opgedaan, leiden tot een bedrijfscultuur waarin

veel belang wordt gehecht aan het snel anticiperen op eventuele bedrijfsproblemen en

marktveranderingen. Door de ervaring van deze ondernemers kan er op een relatief korte tijdspanne een

innovatieve oplossing gevonden worden voor deze moeilijkheden (De Massis, Frattini, & Quillico, 2016).

Een volgend kenmerk is dat deze bedrijven grotendeels gefinancierd worden door venture capital, wat in

sectie 2 van de literatuurstudie nog uitgebreid besproken wordt. De sterke aanwezigheid van venture

capital maakt het mogelijk voor de oprichters om de groeiopportuniteiten van hun bedrijf zo efficiënt

mogelijk te benutten en eventueel een lucratieve exit te bekomen. De technologiebedrijven die door deze

VC’s ondersteund worden, hebben de intentie om snel innovaties te ontwikkelen en deze in een zo kort

mogelijke tijdspanne op de markt te introduceren. Het ultieme doel is een monopoliepositie of een zo groot

mogelijk marktaandeel te bekomen (De Massis, Frattini, & Quillico, 2016).

Een laatste kenmerk is dat er een sterke focus aanwezig is op specifieke marktontwikkelingen binnen een

nichemarkt. Dit impliceert dat het topmanagement zich kan toewijden op de kerncompetenties van het

bedrijf die zich distantiëren van de concurrentie. Daarnaast zorgt deze sterke focus ervoor dat deze

strategische beslissingen doelgerichter kunnen worden genomen bij eventuele marktschokken. Deze

kerncompetenties, voornamelijk digitale innovaties, vormen het succesverhaal van de eenhoorns en maken

het mogelijk om de markten en doelgroepen van het bedrijf sneller en goedkoper te bereiken (De Massis,

Frattini, & Quillico, 2016).

Samengevat kunnen we stellen dat eenhoorns IT-geconcentreerd zijn (voornamelijk software, maar soms

ook hardware). Daarnaast zijn het vaak relatief jonge, globale bedrijven die inspelen op een onbevredigde

vraag via innovatieve en meestal betaalbare diensten en producten. Deze bedrijven maken vaak deel uit

van de mobiele internetgolf en vertrouwen op een toenemende connectiviteit en het ontwikkelen van

7

nieuwe technologieën. Daarnaast zijn ze afhankelijk van een gunstig ondernemingsklimaat en een snelle

penetratie van groeiende marktsegmenten. Tenslotte worden ze veelal gefinancierd door durfkapitaal en

kunnen ze een disruptief effect teweegbrengen in andere sectoren en bedrijven (Simon, 2016).

1.4. Waardering

De waardering van eenhoorns wordt in de literatuur beschouwd als een complexe aangelegenheid.

Enerzijds is het zeer moeilijk om snelgroeiende bedrijven correct te waarderen. Eenhoorns hebben namelijk

de gemeenschappelijke kenmerken dat ze snel groeien, relatief jong zijn en een negatieve cashflow hebben.

Daarnaast is de beschikbaarheid aan financiële informatie beperkt. Traditionele waarderingsmethodes zijn

volgens Lomheim en Øritsland (2018) niet geschikt voor de waardering van eenhoorns. Anderzijds zijn de

financiële structuren vaak zeer complex opgesteld, wat het bijna onmogelijk maakt om een correcte

waardering op te stellen.

Bovendien kunnen contractuele voorwaarden of features, waarin bevoorrechte investeerders bescherming

verkrijgen in geval van een liquiditeitsevent, de waardering van een eenhoorn sterk beïnvloeden. Kramer,

Patrick & Harper (2015) resulteerden dat nieuwe investeerders neerwaartse liquiditeitsbeveiligingen3

implementeren binnen de contracten van een recente financieringsronde. In geval van een exit-event

(overname of IPO) behalen deze investeerders dus een bevoorrechte positie ten opzichte van vroegere en

traditionele aandeelhouders. Deze bevoorrechte positie zorgt ervoor dat investeerders hogere

aandeelprijzen sneller accepteren en bijgevolg de bedrijfswaardering in totaliteit zal toenemen.

1.4.1. Anorganische groei

Aangezien eenhoorns vaak niet actief zijn in de traditionele economie worden de groeikenmerken gezien

als anorganisch. Kenmerkend hierbij is dat er niet alleen in de beginfase maar ook in latere fases nog

verliezen opgestapeld worden. Daarnaast is er een beperkte aanwezigheid van activa in de beginfase,

aangezien er vooral gefocust wordt op het aantrekken van personeel en onderzoek. De negatieve

kasstromen moeten uiteraard ook gefinancierd worden. Dit is het moment waar men hoopt een

durfkapitalist te overtuigen en de nodige financiering te verkrijgen om deze kasstromen te dekken. Het al

3 Een voorbeeld van een liquiditeitsbeveiliging is een IPO-ratchet. Hierbij verkrijgt een bevoorrechte

aandeelhouder een gegarandeerde return wanneer het bedrijf een IPO ondergaat (Beck, 2019).

8

dan niet vinden van een investeerder bepaalt dus de overlevingskansen voor tal van startende bedrijven.

In zulke gevallen, waar de activa en falingskansen moeilijk in te schatten zijn, er negatieve kasstromen zijn

en er dus geen winst gemaakt wordt, is het niet nuttig om traditionele waarderingsmethodes te gebruiken

(Aernoudt, 2012).

1.4.2. Overwaardering bij eenhoorns

Uit recente studies blijkt dat het merendeel van de eenhoorns overgewaardeerd is (Gornall & Strebulaev,

2019; Lomheim & Øritsland, 2018). Dit impliceert dat tal van eenhoorns eigenlijk een werkelijke waarde of

fair value hebben van minder dan $1 miljard en bijgevolg onterecht de eenhoornstatus hebben. Brown en

Wiles (2016) verklaren dat de overwaardering van de eenhoorns mogelijk gemaakt wordt door de recente

veranderingen in kapitaalmarkten voor private bedrijven. Een toenemende liquiditeit en beschikbaarheid

van kapitaal in de zogenaamde late-stage financieringsrondes kan een oorzaak zijn voor de overwaardering

van eenhoorns. Deze financieringsmarkt wordt ook wel de “private-IPO-markt” genoemd, wat in sectie

1.5.1 nog verder aan bod komt. De resultaten uit de studie van Zörgiebel (2016) tonen dan weer aan dat de

toenemende media-aandacht voor eenhoorns, een overreactie op vlak van waardering kan teweegbrengen.

Gornall en Strebulaev (2019) bevonden dat 65 van de 135 eenhoorns uit hun steekproef, de status van

eenhoorns verliezen indien de waardering wordt opgesteld op basis van de fair value en niet op basis van

de post-money waarderingsmethode (cfr. 1.4.3). Bedrijven waarbij sommige investeerders sterke

liquiditeitsrechten hebben verkregen tijdens de laatste financieringsronde, blijken het meest

overgewaardeerd te zijn. Verder volgt uit hun steekproef van 135 eenhoorns uit de Verenigde Staten, dat

de gemiddelde eenhoorn 50% overgewaardeerd is. De mate van overwaardering varieert echter sterk: de

tien minst overgewaardeerde bedrijven hebben een gemiddelde overwaardering van 13%, terwijl dit bij de

tien meest overgewaardeerde eenhoorns gemiddeld 170% bedraagt. Daarnaast blijkt dat

overwaarderingen een goede voorspeller kunnen zijn voor een onsuccesvolle beursintroductie of overname

van eenhoorns (Gornall & Strebulaev, 2019).

Tenslotte volgt uit het onderzoek van Brown en Wiles (2016) dat 38 van de 142 eenhoorns uit hun

steekproef een exacte waarde hebben van $1 miljard. Het is dus duidelijk dat het voor vele bedrijven uiterst

belangrijk is om deze waarderingsbenchmark te behalen. Wanneer de benchmark van $1 miljard wordt

bereikt, kan dit tal van voordelen met zich meebrengen op vlak van marketing, naambekendheid en

aantrekken van talent. Om deze waarderingsbenchmark te bereiken wordt er gebruik gemaakt van de

implementatie van bevoorrechte contractuele voorwaarden tijdens een nieuwe financieringsronde.

9

(1)

1.4.3. Post-money waarderingsmethode

De meest gebruikelijke methode bij de waardering van eenhoorns is de post-money waarderingsmethode.

Men bekomt deze waardering door de aandelenprijs van de laatste financieringsronde te vermenigvuldigen

met het aantal uitstaande aandelen. Om te illustreren met een voorbeeld: een bedrijf haalt $300 miljoen

op bij nieuwe investeerders door uitgifte van 10 miljoen nieuwe aandelen, dit komt overeen met een

waarde van $30 per aandeel. Voordien bestond het bedrijf uit 40 miljoen aandelen. Door het nieuwe

huidige aantal uitstaande aandelen, namelijk 50 miljoen, te vermenigvuldigen met de aandelenprijs

afkomstig uit de laatste financieringsronde ($30), bekomt met een post-money waardering van $1,5 miljard.

$1,5 𝑚𝑖𝑙𝑗𝑎𝑟𝑑 = $30 𝑝𝑒𝑟 𝑎𝑎𝑛𝑑𝑒𝑒𝑙 𝑥 50 𝑚𝑖𝑙𝑗𝑜𝑒𝑛

De functionaliteit van deze waarderingsmethode kan echter in vraag gesteld worden aangezien er enkel

rekening wordt gehouden met de aandelenwaarde van de laatste financieringsronde. Een eenhoorn

ondergaat echter verschillende financieringsrondes, die telkens nieuwe aandelenklassen met zich

meebrengen. Deze waarderingsmethode kan een goede benadering zijn voor bedrijven met een beperkt

aantal aandeelklassen, zoals publieke bedrijven, maar niet voor eenhoorns. Uit het onderzoek van Gornall

en Strebulaev (2018) blijkt dat eenhoorns gemiddeld acht aandeelklassen hebben. Elke klasse beschikt

telkens over verschillende contractuele voorwaarden in geval van liquidatie. Dit betekent dat niet alle

aandeelklassen dezelfde waarde hebben, waardoor de formule zoals in vergelijking (1) niet als correct

beschouwd kan worden bij de waardering van eenhoorns. De post-money waarderingsmethode komt

bijgevolg niet overeen met de fair value van de eenhoorn. Indien de fair value van de eenhoorn daalt,

Post-money

waardering

Aandelenprijs

laatste

financieringsronde

Totale aantal

uitstaande

aandelen

10

bestaat er toch de mogelijkheid om de post-money waardering te laten toenemen, mits er extra features

worden verleend aan de investeerders. Deze features worden verschaft tijdens een nieuwe

financieringsronde en verhogen de aandelenprijs in vergelijking met de vorige financieringsronde. De

waardering van de eenhoorn kan bijgevolg als biased beschouwd worden.

1.5. Financiering

De laatste jaren vond er een verandering plaats omtrent het ontstaan van nieuwe financieringsbronnen

voor snelgroeiende startups. Een lagere financieringskost, hogere penetratiesnelheid en minder strenge

toegangsbarrières door de aanwezigheid van open-source software, digitale platformen en de cloud,

zorgden ervoor dat het aantal bedrijven met de eenhoornstatus sterk steeg. De lage toetredingsbarrières

gingen gepaard met een toename van private financieringsbronnen, waardoor snelgroeiende bedrijven niet

meer genoodzaakt werden om een IPO te ondergaan indien een grote hoeveelheid kapitaal vereist was.

Verschillende financieringsbronnen zoals crowdfunding, business angels, micro-investeerders, VC’s en later

ook investeringsfondsen, waren allemaal bereid om te investeren in jonge en snelgroeiende private

bedrijven met als doel de status van eenhoorn te verwerven (Kenney & Zysman, 2019).

Door een sterke toename in de terbeschikkingstelling van kapitaal konden startende bedrijven ondanks

grote verliezen toch concurreren met nieuwe en bestaande marktspelers. Het resultaat is dat de bedrijven

die toegang verkrijgen tot kapitaalkrachtige investeerders meer kans hebben te overleven en bestaande

concurrenten uit de markt te elimineren. Het behalen van een zo groot mogelijk marktaandeel speelt hierin

een cruciale rol. Er kan geconcludeerd worden dat niet alleen het beschikbaar kapitaal gestegen is voor

deze jonge ondernemingen, maar ook de variëteit in financieringsbronnen (Kenney & Zysman, 2019).

Eenhoornbedrijven halen nu ook regelmatig financiering op bij investeerders die traditioneel belegden in

publieke bedrijven. Open-end beleggingsfondsen zijn hier een goed voorbeeld van. Sinds 2010 zijn hun

investeringen in eenhoorns significant gestegen (Chernenko, Lerner, & Zeng, 2017). Dit komt in sectie 1.5.2.

nog verder aan bod. Volgens CB Insights (2019) halen technologiebedrijven vandaag de dag ook veel meer

kapitaal op vooraleer ze een IPO ondergaan. In vergelijking met 2012, toen er gemiddeld $64 miljoen

kapitaal werd opgehaald voorafgaand aan een IPO, is dit in 2018 gestegen tot gemiddeld $239 miljoen (zie

bijlage 7).

De eerste financiering die een jonge startup ontvangt is vaak afkomstig van zogenaamde business angels.

Dit zijn kapitaalkrachtige investeerders die toekomst zien in een bepaald business concept en vervolgens

actief deelnemen in het bedrijf om de verdere groei te stimuleren. Deze initiële investeringen worden ook

11

wel “zaaikapitaal” genoemd. Dit kapitaal wordt voornamelijk aangewend om het businessidee te

ontwikkelen en eventueel toekomstig kapitaal aan te trekken. Indien het bedrijf vervolgens hoopvolle

resultaten levert en er nieuw kapitaal vereist is voor de verdere ontwikkeling, gaat men op zoek naar een

risicokapitalist. Wanneer men een investeerder kan overtuigen worden er “Serie A” aandelen uitgegeven

in ruil voor kapitaal. De “Serie A” aandelen verwijzen naar de aandelen uitgegeven in de eerste

financieringsronde. Tegenwoordig worden er tot “Serie E+” aandelen uitgegeven, wat betekent dat een

bedrijf enerzijds een groot aantal financieringsrondes heeft ondergaan en anderzijds een grote hoeveelheid

privaat kapitaal heeft opgehaald (Grillo, 2016).

1.5.1. Private IPO’s

Historisch gezien hebben groeiende bedrijven altijd beroep gedaan op verschillende financiële rondes

vooraleer ze genoodzaakt werden om een IPO te ondergaan. Vandaag de dag bestaat er echter de

mogelijkheid een hoeveelheid kapitaal op te halen in de private markt die voordien alleen maar beschikbaar

was op de publieke markt. Deze gigantische niet-publieke kapitaalinjecties worden in de literatuur ook wel

“PIPO’s” genoemd, namelijk private IPO’s. Ondernemingen hebben hierdoor de mogelijkheid om langer

privaat te blijven, ook wanneer ze de mijlpaal van $1 miljard reeds bereikt hebben (Brown & Wiles, 2015).

Deze financieringsvorm deed zijn intrede in 2012 en is sindsdien alleen maar populairder geworden bij

snelgroeiende technologiebedrijven. Op heden overtreft de PIPO-markt de IPO-markt in zowel frequentie

als hoeveelheid opgehaald kapitaal. Enkel in de baai van San Francisco werd gedurende de eerste drie

maanden van 2015 bijna $5 miljard privaat kapitaal opgehaald (Fan, 2019). Strenge IPO-regelgeving, hoge

IPO-kosten, dure vergoedingen aan analisten, lage intrestvoeten, zwak presterende kleine IPO’s en de

algemene aanvaarding van eigen vermogen financiering zijn de drijvende krachten achter deze

toenemende populariteit van de PIPO-markt (Zörgiebel, 2016). Verder is er door de verdere ontwikkeling

van communicatiemiddelen, technologieën en globale markten een “winners-take-it-all” principe ontstaan.

Kleine technologiebedrijven zijn hierdoor genoodzaakt om sneller te groeien dan voordien. Enkel de snelst

groeiende bedrijven, die door een grote hoeveelheid opgehaald kapitaal hun concurrenten uit de markt

kunnen elimineren, zullen overleven (Brown & Wiles, 2015).

Het grote voordeel van een PIPO-financiering is dat een bedrijf met hoge kapitaalbehoeften niet meer

genoodzaakt is om naar de publieke markt te trekken. Hierdoor kan men enkele nadelen van een IPO

omzeilen. Zo kunnen bijvoorbeeld beleidsuitdagingen voor publieke bedrijven, die vaak een negatieve

invloed uitoefenen op zowel de bedrijfswaardering als de operationele efficiëntie, vermeden worden

12

(Brown & Wiles, 2015). In sectie 3.2. worden deze IPO-nadelen verder besproken. Een tweede voordeel is

dat een PIPO zorgt voor extra waardecreatie op korte termijn. Hierdoor is er voor investeerders meer kans

op hogere returns. De publieke markten zullen pas de mogelijkheid krijgen om aandelen te verwerven nadat

de waardecreatie heeft plaatsgevonden. Dit komt vooral de initiële investeerders ten goede in termen van

behaalde rendementen. Ten derde kan een geslaagde PIPO-financiering een voorbode zijn van een

succesvolle IPO (Brown & Wiles, 2015).

Uit het onderzoek van Brown en Wiles (2015) blijkt dat er in 2015, 142 eenhoorns gebruik gemaakt hebben

van een PIPO-financiering. De gemiddelde grootte van de kapitaalinjectie in de meest recente

financieringsronde bedroeg $228,6 miljoen. Verder varieerden deze financieringsrondes van minimaal $5,0

miljoen tot maximaal $1,1 miljard. Het is ook niet verwonderlijk dat in de steekproef de internetbedrijven

het meeste kapitaal opgehaald hebben, aangezien deze het grootste deel van de eenhoorns

vertegenwoordigen. Deze internetbedrijven stonden in voor bijna 2/3e van het totaal opgehaalde kapitaal

via een PIPO-financiering.

Met de aanwezigheid van deze financiering is de duurtijd van deze bedrijven, alvorens ze een IPO ondergaan

of overgenomen worden, gestegen van minder dan vijf jaar naar ongeveer tien jaar. Gemiddeld blijven deze

bedrijven na hun meest recente financieringsronde nog zeven jaar privaat. Gedurende deze periode hebben

ze de mogelijkheid om hun groeiopportuniteiten volop te benutten en zo de status van eenhoorn te

verwerven (CB Insights, Unicorn Hunters: These investors have backed the most billion-dollar companies,

2019).

Ondanks de vele voordelen van een PIPO kan deze ook gevaren met zich meebrengen. Zoals hierboven

vermeld maakt een private investering het mogelijk om de waardering van het bedrijf te manipuleren.

Gezien de aandacht die de eenhoornstatus met zich meebrengt, kan bijvoorbeeld een waardering van $975

miljoen in plaats van $1 miljard grote gevolgen hebben, zoals het missen van talent en naambekendheid.

Uiteindelijk zal de bekwaamheid van de bedrijven om hun waardering te behouden of te laten toenemen,

vooral afhangen van hun bedrijfsresultaten en het al dan niet genereren van een positieve toekomstige

cashflow. Indien de vooropgestelde bedrijfsresultaten niet worden behaald, zal dit de waardering

reduceren en zal het moeilijker en kostelijker worden om nieuw kapitaal aan te trekken in de toekomst

(Brown & Wiles, 2015).

13

1.5.2. Open-end beleggingsfondsen

Chernenko, Lerner en Zeng (2017) stelden vast dat er een significante opwaartse trend is in investeringen

van open-end beleggingsfondsen4 in eenhoorns. In vergelijking met de VC’s die meer geïnteresseerd zijn in

de early-stage investering, zijn open beleggingsfondsen vooral bereid om te investeren in latere

financieringsrondes. Hieruit blijkt dat de investeringsvoorkeur voor deze fondsen gaat naar eenhoorns die

dicht bij een IPO of overname staan, waardoor hun portfolioprestaties exponentieel kunnen groeien bij een

eventuele beursintroductie. Verder blijkt dat deze fondsen vooral geïnteresseerd zijn in eenhoorns die in

de sectoren van gezondheidszorg of IT gevestigd zijn. Open-end fondsen hebben in vergelijking met VC’s

minder cashflowrechten en zijn minder betrokken bij de bedrijfsvoering.

De laatste jaren hebben open-end beleggingsfondsen meer en meer geïnvesteerd in converteerbare

voorkeursaandelen (convertible preferred shares), uitgegeven door eenhoorns. Ze doen dit zowel indirect

via de secundaire markt als direct door deel te nemen in financieringsrondes. Het aantal beleggingsfondsen

dat geïnvesteerd heeft in eenhoorns is tussen 2010 en 2016 gestegen van minder dan 10 naar meer dan

140. Verder is in deze periode de gecumuleerde waarde van deze fondsen gestegen van minder dan $1

miljard tot meer dan $8 miljard (Chernenko, Lerner, & Zeng, 2017).

1.5.3. Huidig financieringslandschap van eenhoorns

Volgens CB Insights (2019) hebben in de loop der jaren meer dan 2.000 beleggers geïnvesteerd in

eenhoorns. Voor ongeveer 72% van deze eenhoornbeleggers was dit een éénmalige investering. Anderen

hebben dan weer 10, 20 of zelfs meer dan 40 eenhoorns financieel ondersteund. In termen van aantal

investeringen in eenhoorns staat het New Yorkse Tiger Global Management op de eerste plaats, met maar

liefst 42 eenhoorns in hun portfolio. Tiger Global Management wordt gevolgd door het Chinese Tencent

Holdings met 40 deelnames in eenhoornbedrijven en het Japanse Softbank met 38 deelnemingen. De top

10 wordt vervolledigd met Sequoia Capital China (35), Sequoia Capital (33), Kleiner Perkins (30), DST Global

(29), Fidelity Investments (28), Andreessen Horowitz (28) en Wellington Management (26).

Een aantal bekende eenhoorns hebben financiering ontvangen van verschillende grote

investeringsgroepen. AirBnb heeft bijvoorbeeld financiering ontvangen van maar liefst acht investeerders

4 Een open-end beleggingsfonds is een investeringsfonds waarbij het aantal aandelen kan variëren over tijd naargelang er investeerders toetreden of uitstappen (Chernenko, Lerner, & Zeng, 2017).

14

uit deze top 10. Verder hebben zes van de bovenstaande tien investeerders een deelname in Uber en wordt

het online betalingsplatform Slipe ondersteund door vijf van deze investeerders. Bijlage 8 geeft een

gedetailleerd overzicht van deze investeerders (CB Insights, Unicorn Hunters: These investors have backed

the most billion-dollar companies, 2019).

Op vlak van de gecumuleerde waardering van de eenhoorns die investeerders in hun portfolio hebben,

staat SoftBank op de eerste plaats met een totale waarde van $389 miljard. Verder komt Tiger Global

Management op de tweede plaats met $269 miljard, gevolgd door Fidelity Investments op de derde plaats

met $231 miljard. Van de top tien eenhoornbeleggers zoals ut supra vermeld, heeft Andreessen Horowitz

de laagste cumulatieve waarde van eenhoorninvesteringen in hun portfolio, namelijk $134 miljard. Een

grafische voorstelling is beschikbaar in bijlage 9 (CB Insights, Unicorn Hunters: These investors have backed

the most billion-dollar companies, 2019).

1.6. Regelgeving

Aangezien de wetgeving in de Verenigde Staten voor eenhoorns dezelfde is als voor kleine en traditionele

private ondernemingen, blijft essentiële informatie enkel in handen van gelimiteerde aandeelhouders. De

paper van Fan (2016) betoogt dat dit one-size-fits-all raamwerk ontoereikend is, aangezien eenhoorns een

sterke invloed uitoefenen op zowel aandeelhouders en werknemers, als regionale en nationale

economieën. Uber is hiervan een goed voorbeeld: het bedrijf was in 2015 actief in 6 continenten, 45 landen

en 300 steden (Fan, 2016). Fan (2016) pleit dat bedrijven met de eenhoornstatus zouden moeten voldoen

aan strengere verplichtingen omtrent het beschikbaar stellen van bedrijfsgegevens. Dit zou moeten zorgen

voor meer transparantie en bescherming van minderheidsaandeelhouders. Eenvoudig gezegd zijn, volgens

de paper van Fan (2016), eenhoorns te groot om onder het huidig wetgevend kader te vallen. Dit wetgevend

kader zorgt ervoor dat eenhoorns niet onderworpen zijn aan minimale openbaarmakingsvereisten, hoewel

ze invloed uitoefenen op internationale economieën en miljoenen werknemers.

Fan (2016) stelt voor dat extra transparantie kan bekomen worden op verschillende manieren, zoals de

vernieuwde oprichtingscertificaten gemakkelijker beschikbaar maken, het publiek voorzien van de

belangrijke elementen in de certificaten van oprichting en het verschaffen van periodieke financiële

gegevens zoals bij publieke bedrijven. Op heden zijn private bedrijven in de Verenigde Staten enkel verplicht

om informatie te verschaffen aan meerderheidsaandeelhouders betreffende de financiële situatie,

bedrijfsactiviteiten, prospecten en bedrijfsaangelegenheden.

15

De voorstellen in de paper van Fan (2016) kunnen echter in vraag gesteld worden. Zullen evenveel

investeerders nog geneigd zijn om financiering te bieden aan private bedrijven indien deze transparanter

zouden worden? Wat zal de invloed zijn op de waarderingen van eenhoorns? Is het niet onwenselijk om

het fundamentele concept van private bedrijven zomaar te laten vallen?

1.7. Economische en sociale impact

We kunnen daarnaast ook in vraag stellen of eenhoorns sociale en economische voordelen teweegbrengen

ondanks het feit dat velen enorme verliezen genereren. De enorme competitiedruk tussen startups en een

growth-at-all-costs mentaliteit kan het overtreden van reeds gemaakte markt- en sociale regels

aanmoedigen. Dit wordt in het werk van Taplin (2017) “Move fast and break things” uitgebreid besproken.

De toenemende competitiedruk heeft niet alleen invloed op de investeerders, maar ook op verschillende

samenlevingen. Hoe deze bedrijven met elkaar concurreren kan bijvoorbeeld een sterke invloed hebben op

de arbeidsmarkten. Daarnaast hebben eenhoorns zoals Uber en AirBnb wereldwijd veel rumoer opgewekt

in verband met de regelgeving omtrent taxidienstverlening en accommodatieverhuur (Kenney & Zysman,

2019).

In San Francisco en meer specifiek Silicon Valley, hebben deze technologiebedrijven verschillende publieke

beleidsproblemen teweeggebracht. Zo zouden shuttlebussen van Google het openbaar vervoer in San

Francisco verstoren en gentrificatie promoten. Met dit laatste bedoelt men een opwaardering van een

bepaald gebied op economisch, sociaal en cultureel vlak door kapitaalkrachtige bewoners aan te trekken

en bijgevolg minder kapitaalkrachtige mensen uit de regio of het stadsdeel weg te drukken. Ook AirBnb zou

mensen met lage lonen uit de steden verdringen doordat verhuurders eerder kapitaalkrachtige mensen

verkiezen. Uber zorgde dan weer voor een ineenstorting van de traditionele taxidienstverlening. Verder

zorgden de hoge lonen van werknemers ervoor dat huisvestigingskosten voor zowel de aankoopmarkt als

verhuurmarkt enorm toenamen. Een onderzoek van de Silicon Valley Joint Venture toonde aan dat, sinds

de techboom, de sociale en spatiale ongelijkheid sterk is toegenomen in Silicon Valley (McNeill, 2016).

Zoals al eerder vermeld blijven eenhoorns tegenwoordig langer privaat aangezien ze niet meer afhankelijk

zijn van een IPO-event om een grote hoeveelheid financiering op te halen. Een liquiditeitsevent wordt

bijgevolg uitgesteld voor de aandeelhouders; namelijk de oprichters, investeerders en eventuele

werknemers met aandelenopties. Deze aandelenopties maken het mogelijk voor werknemers om te

kunnen meegenieten van de eventuele groei van het bedrijf, zonder dat er grote kapitaalhoeveelheden

vereist zijn. De kans bestaat echter dat deze werknemers de waarde van hun aandelen aanzienlijk zien dalen

16

wanneer een liquiditeitsevent wordt uitgesteld en het aantal nieuwe bevoorrechte investeerders steeds

toeneemt (Beck, 2019). Toen Square in 2015 een IPO onderging, lag de waardering lager dan toen het

bedrijf nog privaat was. De investeerders van de laatste financieringsronde verworven zoals vaak een

beschermde positie. Ze behaalden een gegarandeerde return (ook wel IPO-ratchet genoemd) van 20% op

hun investering wanneer het bedrijf publiek ging. Doordat de definitieve waardering lager lag dan initieel

gedacht, moest Square extra aandelen uitgeven aan deze bevoorrechte investeerders. Hierdoor daalde de

waarde van de aandelen van de minderheidsaandeelhouders zoals werknemers nog verder (Fan, 2016).

Daarnaast blijkt dat technologiebedrijven in de Verenigde Staten zich in een “war for talent” bevinden.

Voornamelijk eenhoornbedrijven ondervinden moeilijkheden in het aantrekken en behouden van

talentvolle medewerkers. Het personeelsverloop van hoogopgeleide werknemers bij Uber was zeer hoog

ondanks het feit dat ze gemiddeld de hoogste jaarsalarissen aanboden. Een software ingenieur bij Uber

wordt gemiddeld beter gecompenseerd dan bij bedrijven als Apple, Google, Microsoft en Amazon. Het

probleem is echter de extreem hoge illiquiditeit en capital lock-in van de aandelenopties van deze

medewerkers. Capital lock-in verwijst naar het feit dat aandeelhouders hun aandelen niet kunnen

terugtrekken of “verzilveren” wanneer ze dit willen. Uber is echter niet de enige eenhoorn met deze

personeelsproblemen, maar heeft met 1,2 jaar wel de laagste personeelsretentie (Beck, 2019).

Eenhoorns kunnen echter ook de economische ontwikkeling stimuleren. Door de grote vraag naar hun

diensten en/of producten creëren ze een nieuwe behoefte aan ondersteunende dienstverlening en

infrastructuur. Bedrijven die deze behoeften aanvullen kunnen hiervan profiteren en hierdoor wordt de

groei van bedrijven in andere sectoren ook gestimuleerd. Het aantal startups die bedrijven zoals Uber en

AirBnb helpt bij het vervullen van hun behoeften is hierdoor sterk gestegen (Fan, 2016). Verder zijn VC-

backed startups en eenhoorns de voornaamste bron van jobcreatie en economische groei in de Verenigde

Staten (Beck, 2019).

Over de economische en sociale impact van eenhoorns kan nog veel verder onderzoek gevoerd worden. Ut

supra zijn slechts enkele elementen besproken. We kunnen besluiten dat eenhoorns een grote invloed

uitoefenen op de hedendaagse samenleving. De omvang en reikwijdte van deze unieke bedrijven zullen

zowel voor- als nadelen teweegbrengen voor de verschillende actoren in de samenleving.

1.8. Barst van de eenhoornbubbel

Men spreekt van het ontstaan van een bubbel wanneer de marktwaarde van het onderliggend actief de

werkelijke waarde van het actief overschrijdt. Dit kan een gevolg zijn van een niet-gerechtvaardigde euforie

17

op de markt of een grote beschikbaarheid van financiering. Wanneer de marktwaarde van het onderliggend

actief te ver boven de werkelijke waarde stijgt, verandert deze euforie van de investeerders in pessimisme

en leidt dit tot een barst van de bubbel. De prijzen van het onderliggend actief zullen bijgevolg tot onder de

fair value dalen. Dit brengt ten eerste verliezen met zich mee voor de investeerders, maar kan ten tweede

ook zorgen voor een negatieve impact op de samenleving op zowel korte-, middellange- als lange termijn,

afhankelijk van de ernst van de bubbel (Grillo, 2016).

De eenhoornmarkt vertoont dezelfde symptomen van een bubbel als ut supra besproken. Wanneer een

eenhoorn een beursintroductie ondergaat, is er de mogelijkheid tot discrepantie tussen de private en

publieke waardering van het bedrijf. Volgens Grillo (2016) zouden er zich twee scenario’s kunnen voordoen.

Een eerste scenario is dat eenhoorns hun aandelenwaarde bij een nieuwe financieringsronde laten dalen

in vergelijking met de vorige ronde. De nieuwe waarde van de eenhoorn zal dan in mindere mate de fair

value overstijgen. Het tweede scenario is dat eenhoornwaarderingen blijven stijgen en er op het moment

van de beursintroductie een drastische daling van de aandelenprijzen zal plaatsvinden ten gevolge van de

extreme overwaardering.

Een ander bezorgdheid is dat de kans bestaat dat vele eenhoorns nooit winstgevend zullen worden en

bijgevolg een ineenstorting van deze bubbel onvermijdelijk lijkt. Indien de kapitaalhoeveelheid van de

eenhoorn is uitgeput en investeerders niet meer bereid zijn om de opgestapelde verliezen te subsidiëren,

zullen verlieslatende eenhoorns uit het marktlandschap verdwijnen. Vele investeerders zullen in dit geval

verplicht zijn om enorme verliezen te erkennen (Kenney & Zysman, 2019).

Volgens Gurley (2016) zijn, door de veranderingen in het financieringslandschap van eenhoorns,

investeringen in deze bedrijven een gevaarlijke en ingewikkelde aangelegenheid geworden. Ondanks het

feit dat eenhoorns een enorme hoeveelheid kapitaal kunnen ophalen aan een hoge prijs, is dit geen garantie

dat het bedrijf goede prestaties levert. Gurley (2016) beweert dat de extra cashflowrechten die

geïmplementeerd worden tijdens nieuwe financieringsrondes en zorgen voor de overwaardering van

eenhoorns, zullen leiden tot het barsten van de eenhoornbubbel. Ten eerste maken deze contractuele

voorwaarden het uiterst moeilijk om toekomstige returns te voorspellen. Ten tweede zorgt de complexiteit

van de financiële structuren ervoor dat het in de toekomst bijna onmogelijk wordt om nieuw kapitaal op te

halen. Door dergelijke clausules te implementeren wordt de toekomst van eenhoorns in een risicovolle

positie gebracht.

18

Tenslotte blijkt uit een artikel van Molla, Mark en Northrop (2019) dat maar liefst 84% van de US-

technologiebedrijven die in 2018 publiek zijn gegaan, nog geen winsten gegenereerd hebben. Het is geleden

van de Dot.com bubbel dat het percentage van niet-winstgevende technologiebedrijven die naar de beurst

trokken zo hoog was. Dit kan een indicatie zijn dat de eenhoornmarkt op hetzelfde fiasco lijkt af te stevenen.

2. Venture capital

Venture capital of risicokapitaal is van groot belang voor de groei van de economie en speelt tot op heden

een prominente rol op de kapitaalmarkten. In de Verenigde Staten werd sinds de jaren zeventig 43% van

de IPO’s voordien gefinancierd met risicokapitaal. De meest succesvolle VC-backed bedrijven deden een

beursintroductie tussen de drie en acht jaar na de eerste kapitaalronde. Vandaag de dag blijven VC-backed

bedrijven steeds langer privaat en bereiken een enorme grootte zonder gebruik te maken van publieke

financieringsbronnen (PitchBook & National Ventue Capital Association, 2019).

2.1. Terminologie

Venture Capital is de Engelstalige term voor risicokapitaal. Deze financieringsbron is vooral van belang voor

startende en groeiende ondernemingen. Hierbij wordt financiering door derden aan de onderneming

verleend, in ruil voor aandelen. Het is dus een eigen vermogensfinanciering met als initieel doel het

groeipotentieel van start-ups, die zich in nieuwe en risicovolle merkten bevinden, te stimuleren. Doordat

risicokapitaal een deel van het eigen vermogen wordt, onderscheidt het zich op deze manier van de

klassieke kredietfinanciering. Met een toename in het eigen vermogen kan het nadien ook eenvoudiger

worden voor een startende onderneming om nieuwe financieringsmiddelen aan te trekken, aangezien de

solvabiliteitsbuffer toeneemt. Bij VC wordt er niet alleen financiering ter beschikking gesteld aan de

onderneming, maar ook de ervaring, het netwerk, de technische knowhow en de managementcapaciteiten

van de risicokapitalist kunnen toegevoegde waarde bieden aan de onderneming (Aernoudt, 2012).

De term ‘risicokapitaal’ verwijst naar de gelden die, in vorm van eigen vermogen, door

investeringsvennootschappen of investeringsfondsen te tijdelijken titel ter beschikking

worden gesteld van ondernemingen uit de meest uiteenlopende bedrijfstakken, in mate

dat er meer dan gemiddeld groeipotentieel aanwezig is. (Aernoudt, 2012, p. 202)

19

Zodra de waarde-creatie na de kapitaalinjectie voldoende is volgens de durfkapitalist, zal deze proberen

zijn aandelen te verkopen. Een IPO is voor vele risicokapitalisten vaak de meest geprefereerde manier om

uit de onderneming te stappen. Daarnaast is het ook mogelijk een exit te bekomen door de aandelen te

verkopen aan derden of via een management buy-out5 (Aernoudt, 2012).

2.2. Evolutie venture capital markt in de Verenigde Staten

Elke nieuwe fase van digitale transformatie leidt tot een massale uitstroom van venture

capital door het geloof dat startende ondernemingen nieuwe groeiende markten zullen

domineren en zo enorme kapitaalwinsten zullen genereren. (Zysman en Kenney, 2019, p.

2)

Tijdens en na de Dot.com bubbel vonden er enkele mutaties plaats in de competitieve structuur van de VC-

markt. Ten eerste was er tijdens de technologiebubbel een sterke toename in het financieringsaanbod voor

nieuwe marktspelers. Investeerders waren bereid om startende bedrijven grote kapitaalinjecties te

verschaffen in de hoop een nieuwe Amazon of Ebay te ontwikkelen. Door de sterke toename in

geïnvesteerd kapitaal, stegen ook de waarderingen van bedrijven die weinig of geen competitief voordeel

hadden ten opzichte van hun concurrenten. Ten tweede schakelden een groot deel van early-stage

investeerders over naar investeringen in latere fases van de investeringscyclus. De reden hiervoor is dat

men besefte dat een overschatte waardering in een vroege investeringsfase, in de toekomst kan leiden tot

een onderwaardering en een vertraging van eventuele exits. Na de barst van de technologiebubbel in 2000

was er een sterke daling in de aanwezigheid van VC. Hetzelfde fenomeen deed zich voor -echter in mindere

mate- na de financiële crisis in 2008. De effecten van het barsten van de technologiebubbel waren

gelijklopend in zowel de VS als Europa, ondanks het feit dat de VC-markt in de Verenigde Staten meer

ontwikkeld is dan in Europa (Grillo, 2016).

Bijlage 10 toont aan de VC-markt pas herstelde in 2014 na de financiële crisis in 2008. Een sterke toename

in bedrijven met de eenhoornstatus was onder andere een gevolg van de toenemende aanwezigheid van

5 Management buy-out beslaat de verkoop van de aandelen aan de bedrijfsleider, die dan eigenaar wordt van de onderneming (Aernoudt, 2012).

20

VC in Silicon Valley. In Silicon Valley wordt er recent meer VC geïnvesteerd dan in de andere vier grootste

regio’s in de VS gecombineerd (Kenney & Zysman, 2019) 6.

Na de Dot.com bubbel waren het niet meer de traditionele en kleine VC’s die investeerden in startende

technologiebedrijven, maar waren het voornamelijk de grote en bekende VC-bedrijven die successen

behaalden met het beheren van investeringsfondsen die over een vermogen van meer dan $1 miljard

beschikten. In 2018 waren zelfs deze megafondsen niet meer voldoende, zo richtte Sequoia Capital

bijvoorbeeld een fonds op van maar liefst $8 miljard. Deze immense fondsen zijn echter niet meer geschikt

voor early-stage investeringen, aangezien een investering van ongeveer $1 miljoen vaak al voldoende kan

zijn voor een startend technologiebedrijf. Microfondsen deden hierdoor hun intrede en specialiseerden

zich in kleinere early-stage investeringen. Zij maken vandaag de dag een groot deel uit van de VC-industrie,

waarin ze tijdens de periode van 2006 tot 2017 tussen de 40% en 50% van alle VC-investeringen hebben

uitgevoerd (Kenney & Zysman, 2019).

Uit een rapport van The National Venture Capital Association en PitchBook (2019) blijkt dat in de eerste

helft van 2019 $66 miljard geïnvesteerd werd door VC’s in de Verenigde Staten. Als deze trend zich

verderzet in de tweede helft van 2019, zou dit het tweede opeenvolgende jaar zijn dat de kaap van $100

miljard geïnvesteerd risicokapitaal overschreden wordt. Bijlage 11 illustreert duidelijk een opwaartse trend

van VC-investeringen sinds 2009 met 2018 als recordjaar. In 2018 vonden er maar liefst 9.845 VC-deals

plaats met een gecumuleerde waarde van $134,7 miljard. Verder kunnen we ook vaststellen dat ondanks

een recente toename in geïnvesteerd kapitaal sinds 2016, het aantal deals relatief stabiel gebleven is.

Hieruit blijkt dat er in de VC-markt een sterke verandering plaatsvond omtrent de mogelijkheid voor

bedrijven om in een enkele financieringsronde meer dan $100 miljard op te halen. Het aantal zogenaamde

megarondes steeg van 26 in 2013 tot 208 in 2018. In de eerste helft van 2019 vonden reeds 123 megarondes

plaats, goed voor 44,6% van de totale VC-investeringen. Het is dus duidelijk dat deze megadeals de VC-

markt in de Verenigde Staten domineren en steeds frequenter aanwezig zijn (zie bijlage 12). Tenslotte blijkt

dat tijdens de eerste helft van 2019 meer dan de helft van het geïnvesteerd risicokapitaal afkomstig is van

de westkust. Deze regio stond in voor 58,0% van het totale geïnvesteerd VC (cfr. bijlage 13).

6 De vier andere grootste regio’s zijn Massachusetts, Zuid-California, New York en Texas (Kenney & Zysman, 2019).

21

3. Initial Public Offering

De publieke financieringsmarkten spelen tot op heden een cruciale rol binnen de economie van de

Verenigde Staten en zullen dit in de toekomst ook blijven doen, ondanks dat het financieringslandschap in

de Verenigde Staten gedomineerd wordt door private financieringsbronnen (Beck, 2019).

3.1. Terminologie

Zoals reeds aangehaald is een Initial Public Offering, of IPO, de meest geprefereerde exit voor

durfkapitalisten. Het kan omschreven worden als de eerste maal dat een niet-beursgenoteerd bedrijf een

beursnotering aanvraagt. Door deze notering kan het bedrijf geld ophalen bij het ‘grote publiek’ door

nieuwe aandelen te verkopen via een nationale beurs (Aernoudt, 2012).

Een IPO opent opportuniteiten voor het aantrekken van financieringsmiddelen die kunnen gebruikt worden

om het bedrijf exponentieel te laten groeien. Daarnaast verhoogt een IPO enerzijds de visibiliteit van de

onderneming en anderzijds de liquiditeit voor aandeelhouders. Een ander kenmerk is dat aandelen van

publieke bedrijven gebruikt kunnen worden als betaalmiddel bij overnames en andere transacties. Ten

slotte verhoogt een IPO de exit-mogelijkheden van de investeerders aangezien het bedrijf zich na de IPO

op een zeer liquide markt bevindt (Fattoum-Guedri, Delmar, & Wright, 2018).

Een IPO is echter wel een complexe en dure aangelegenheid. Deze kosten zijn de laatste jaren gestegen

door onder andere toenemende vergoedingen voor bankiers en advocaten, alsook dure

regelgevingsvereisten. Daarnaast brengt een IPO ook recurrente kosten met zich mee die voor

ondernemingen zeer hoog kunnen oplopen. Alvorens een bedrijf beslist om een IPO te ondergaan, is het

belangrijk om de voor- en nadelen die verbonden zijn aan het uitgifteproces tegen elkaar af te wegen

(Harris, Jenkinson, & Kaplan, 2015).

3.2. Voor- en nadelen van een IPO voor eenhoorns

Wanneer de voor- en nadelen van een IPO worden vergeleken, lijkt het volgens Steinbach (2018) duidelijk

dat de voordelen van een beursintroductie voor eenhoorns sterker doorwegen. Ut infra enkele voorbeelden

van de voor- en nadelen van een IPO voor eenhoorns volgens Steinbach (2018).

Ten eerste kan een IPO dienen als katalysator voor een versnelde groei, wat vooral tot stand komt door

extra merkherkenning, het toetreden tot nieuwe markten en het verruimen van het klantenbestand. De

toenemende aandacht die een eenhoorn IPO met zich meebrengt, kan er ook voor zorgen dat talentvolle

22

werknemers behouden worden en nieuwe hoogopgeleide werknemers kunnen aangetrokken worden.

Daarnaast biedt een IPO een liquide markt voor de exit van initiële investeerders, werknemers en

oprichters. Ten slotte zorgt een IPO voor meer publieke transparantie waardoor de eenhoorn zich kan

profileren als correcte en betrouwbare marktspeler (Steinbach, 2018).

Een nadeel van een beursintroductie voor eenhoorns is dat de toenemende transparantie van de IPO ervoor

zorgt dat er meer aandacht vereist is voor de regelgeving in de publieke kapitaalmarkt. De onderneming is

na de IPO verplicht om te voldoen aan de strenge voorwaarden op vlak van de openbaarmaking van

bedrijfsgegevens. Daarnaast zorgt een IPO voor een toenemende volatiliteit van de bedrijfswaarde,

aangezien deze onderhevig wordt aan conjunctuurschommelingen. Ten laatste brengt een IPO ook extra

druk met zich mee om de vooropgestelde beloftes waar te maken. (Steinbach, 2018). In onderstaande

sectie wordt de evolutie van IPO’s door eenhoorns besproken, alsook de achterliggende reden voor deze

stijgende trend.

3.3. Evolutie van IPO’s door eenhoorns

Ondanks de recente toename in venture capital en de introductie van de JOBS act7 in 2012, die bedoeld

was om het aantal IPO’s voor kleine en startende bedrijven te stimuleren, is er een opmerkelijke daling in

IPO’s sinds de Dot.com crash (Kenney & Zysman, 2019).

Tijdens deze internetboom kozen technologiebedrijven ervoor om sneller naar de beurs te trekken dan ooit

tevoren. Netscape is hier een goed voorbeeld van. Ze trokken naar de beurs met slechts één ontwikkeld

product, wat instond voor 100% van de inkomsten. Voordien was het ondenkbaar dat een bedrijf met

slechts één geoptimaliseerd product publiek kon gaan (Grillo, 2016). Ter verduidelijking van deze dalende

IPO-trend: tijdens de piek van de Dot.com bubbel in 1996 stonden meer dan 8.000 bedrijven genoteerd op

een nationale beurs in de Verengde Staten, terwijl dit aantal in 2016 slechts op 3.618 stond (Beck, 2019).

Tussen 2014 en 2016 stellen we een sterke daling vast van het aantal IPO’s voor technologiebedrijven. In

2014 waren er nog 33 technologiebedrijven die publiek gingen, terwijl dit aantal in 2015 daalde naar 16. De

voornaamste reden voor deze daling in IPO’s is zoals eerder vermeld de toenemende populariteit van de

mega-financieringsrondes. In bijlage 14 zien we dat het aantal mega-financieringsrondes sterk gestegen is,

7 JOBS is een afkorting voor de US Jumpstart Our Business Start-up Act van 2012. Het zorgt ervoor dat een onderneming 2000 aandeelhouders mag hebben in plaats van 500 alvorens ze verplicht worden om hun financiële gegevens openbaar te maken (Grillo, 2016).

23

terwijl het aantal IPO’s relatief laag en stabiel blijft. Hieruit volgt ook dat het aantal nieuwe technologie

eenhoorns sterker stijgt dan het aantal VC-backed IPO’s van technologiebedrijven (CB Insights, The 2019

Tech IPO Pipeline, 2019). Zie bijlage 15.

Sedert 2016 zien we dan weer een stijging van eenhoorn IPO’s. In 2018 zijn er 20 eenhoorns publiek gegaan,

dit is een stijging met 54% ten opzichte van 2017 toen dit aantal op 13 stond en 300% ten opzichte van de

vijf IPO’s in 2016. De beursintroductie van Snap in maart 2017 was echter niet zo succesvol. Zes maanden

na de publiekmaking daalde de waarde van het aandeel met maar liefst 48%. Sommige eenhoorns stelden

-uit angst voor eenzelfde desastreuze afloop als bij Snap- hun IPO-plannen uit. Door de succesvolle

beursgang van Dropbox in maart 2018 herleefden de IPO-activiteiten van eenhoorns enigszins (Clabaugh &

Peters, 2019). Een overzicht van de evolutie van het aantal eenhoorn IPO’s tussen 2016 en 2018 is

beschikbaar in bijlage 16.

Uit een rapport van CB Insights (2019) blijkt dat de IPO-aanvragen door VC-backed technologiebedrijven

sinds 2018 opnieuw stijgen. In 2018 dienden 87 bedrijven een aanvraag in, een stijging met 64 aanvragen

ten opzichte van 2017 en 49 ten opzichte van 2016 (CB Insights, 2018 was the best year on record for new

US Unicorns, 2019). In de eerste twee kwartalen van 2019 was er een groot aantal eenhoorns die een

beursintroductie ondergingen. Meer specifiek bereikte de totale exit-waarde van VC-backed bedrijven in

het tweede kwartaal van 2019 een historisch hoogtepunt door de IPO’s van onder andere Uber en Pinterest

(PitchBook & National Ventue Capital Association, 2019). In bijlage 17 is er een grafische voorstelling van

deze recente evolutie beschikbaar.

Vervolgens kan de recente beursintroductie van Uber op 10 mei 2019 ervoor zorgen dat andere eenhoorns

sneller naar de beurs zullen trekken. Niettegenstaande dat de beursgang van Uber mogelijks één van de

slechts presterende zou kunnen worden in de IPO-geschiedenis, kan deze toch voor een positief effect

zorgen op het aantal eenhoorn IPO’s. Ook voor Lyft, marktconcurrent van Uber, was de beursgang geen

succesverhaal. De waarde van de aandelen daalde met ongeveer 35% sinds de publiekgang in maart 2019.

Deskundigen lijken echter niet afgeschrikt te worden door deze gebeurtenissen en geloven dat deze slechte

prestaties toch een positieve impact zullen hebben op de IPO-markt voor eenhoorns. Deze specialisten

beweren dat de wens van eenhoorns om publiek te gaan sterker is dan ooit (Crabb, 2019).

Volgens Steinbach (2018) zijn er twee reden waarom er een stijgende trend is van eenhoorn IPO’s. Een

eerste reden is dat eenhoornbedrijven voordeel willen halen uit de sterke aanwezigheid van liquiditeiten

op de publieke kapitaalmarkten alvorens deze opdrogen. Onder de huidige omstandigheden, waarin er

24

enerzijds een overvloed is aan kapitaal en liquiditeiten op de private financieringsmarkten en waar

anderzijds de intrestvoeten laag blijven, zouden eenhoorns in het algemeen niet geneigd zijn om een IPO

te ondergaan. Toch is er reden voor bezorgdheid aangezien aanhoudende politieke spanningen tussen

wereldeconomieën de IPO-markt negatief kunnen beïnvloeden. Een mogelijke vertraging van de

economische groei in combinatie met een stijging van de rentevoeten kan namelijk liquiditeiten uit de

markten halen en bijgevolg de IPO-waarderingen van eenhoorns aanzienlijk doen verminderen. Eenhoorns

willen dus hun successen verzilveren op een publieke markt vooraleer deze is uitgedroogd. Een tweede

reden is dat de oprichters graag deel willen uitmaken van de exclusieve groep van succesvolle eenhoorn

IPO’s en de erkenning willen krijgen die een dergelijke beursintroductie met zich meebrengt. Naast de

voordelen van het ondergaan van een IPO, zoals extra naambekendheid, aantrekken van talent en

financiering, mag ook de persoonlijke drijfveer van de oprichters niet onderschat worden.

4. Performantie van venture capital, IPO’s en eenhoorns

4.1. Performantieverschil tussen venture capital en IPO’s

De prestatieverschillen tussen privaat en publiek vermogen hebben in de literatuur al heel wat debatten

opgewekt. Dit is een gevolg van een inconsistente en moeilijk verkrijgbare datakwaliteit (Harris, Jenkinson,

& Kaplan, 2015). De prestaties van private fondsen zijn namelijk moeilijk te beoordelen omdat: 1) de

gerapporteerde gegevens over fondsactiviteiten vaak beperkt zijn; 2) de beschikbare gegevens niet

consistent raadpleegbaar zijn; en 3) fondsen vermijden om gegevens over de kasstromen bekend te maken

(Brown & Wiles, 2015).

In de studie van Harris, Jenkinson en Kaplan (2015) wordt onderzocht hoe private vermogensinvesteringen

presteren ten opzichte van publieke. Hun bevindingen suggereren dat de prestatieverschillen variëren over

verschillende tijdspannes. Tijdens de jaren ‘90 overtroffen de rendementen van de private markt die van

de publieke markt. Na 1999 stelde men echter de omgekeerde beweging vast door een sterke daling van

de rendementen op de private markt (cfr. Dot.Com bubbel). De meest recente bevindingen tonen aan dat

de rendementen op de private markt een teken tonen van herstel, maar nog niet het rendement behalen

van tijdens de jaren ‘90. Verder blijkt dat de returns van VC’s in bepaalde sectoren toenemen wanneer er

minder hoeveelheden kapitaal in de desbetreffende sectoren geïnvesteerd worden.

25

4.2. Performantie van eenhoorns

Het blijkt dat tussen 2004 en 2014 slechts 27% van de late-stage investeringen gemaakt door VC’s in

eenhoornbedrijven “fund makers” zijn. Dit zijn fondsen die de volledige initiële waarde van de investering

kunnen terugbetalen. Hieruit volgt dat de VC’s die investeren in eenhoorns vaak geen uitzonderlijke

resultaten behalen (Fan, 2016).

Volgens Wichmann (2018) kunnen eenhoorns nochtans voor zeer hoge returns zorgen. Een voorbeeld

hiervan is Appdynamics: het bedrijf deed er tien jaar over om de waardering te doen stijgen van $12 miljoen

tot $3,7 miljard bij de exit in 2017. Een vroege investering in “Serie A” aandelen leverde zo een return van

88 keer de initiële kapitaalinbreng op. Voor een investering in “Serie B” en “Serie D” aandelen was de return

respectievelijk 22 en 3,3 keer hoger dan de initiële investering. Een grafisch overzicht van de waarde-

evolutie van Appdynamics kan gevonden worden in bijlage 18.

Op datum van de beursintroductie vertonen eenhoorns in het algemeen een positieve evolutie van de

aandeelprijzen met een gemiddelde toename tussen 15% en 30%. Op lange termijn kan het succes van de

IPO gemeten worden door enerzijds te kijken of de initiële persoonlijke objectieven van de oprichters

behaald zijn. Anderzijds kan gekeken worden of de beursgang waarde heeft gecreëerd voor de stakeholders

van het bedrijf. Het evalueren van deze waardecreatie is mogelijk op basis van het al dan niet vervullen van

de vooropgestelde prestatiebeloftes en het effectieve gebruik van de IPO-opbrengsten. Daarnaast bepaalt

ook het verdere vertrouwen in het management en hun prestaties de evoluties van de aandeelprijzen.

Aanvullende factoren zoals een toename van merkherkenning, het gemakkelijker aantrekken van talent en

een eventuele internationale doorbraak zullen het succes van de IPO mede bepalen (Steinbach, 2018).

5. Beursnoteringen van eenhoorns in de actualiteit

Na het beschrijven van eenhoorns en hun IPO’s zal nu gekeken worden naar enkele recente IPO’s van

eenhoorns in 2019. Zoals hierboven vermeld in sectie 3.3. is het aantal eenhoorn IPO’s in 2019 sterk

gestegen. Bovendien keken investeerders uit naar de IPO’s van deze immense bedrijven, waaronder deze

van Uber verwacht werd de grootste te worden in de IPO-geschiedenis van de Verenigde Staten. Een

overzicht van de grootste, reeds doorgevoerde, alsook de in 2019 verwachte IPO’s in de VS, wordt

weergegeven in bijlage 19 (CB Insights, The 2019 Tech IPO Pipeline, 2019). Ut infra worden enkele

voorbeelden gegeven van recente eenhoorn IPO’s die veel aandacht kregen in de actualiteit.

26

5.1. Lyft

Lyft is een onderneming die zich net als Uber specialiseert in taxidienstverlening. Ze zijn de grootste

concurrent van Uber in de Verenigde Staten en werken op een zeer gelijkaardige manier. Het bedrijf is

gevestigd in San Francisco en is actief in meer dan 600 steden, verspreid over de Verenigde Staten en

Canada.8

Lyft is de eerste eenhoorn die in 2019 zijn IPO heeft doorgevoerd, namelijk op 29 maart. Deze introductie

zou de benchmark vormen voor alle komende introducties van eenhoorns in 2019. De hoge verwachtingen

van de eerste eenhoorn IPO in 2019 zorgden voor de sterke initiële waardering van 24 miljard dollar. Deze

waardering wordt door vele analisten kritisch bekeken. De onderneming noteerde in 2018 namelijk een

verlies van $911 miljoen op een totale omzet van $2,16 miljard (Van Hamme, 2019). Deze verliezen zijn

zoals eerder aangehaald een typisch kenmerk voor dit soort bedrijven. Bij de opening op de beurs steeg het

aandeel tot $87,24, wat zo’n 21% boven de initiële uitgifteprijs lag en zorgde voor een waardering van $29

miljard. Lyft sloot zijn eerste beursdag af op $78,29, ruim 8% boven de initiële uitgifteprijs van $72 (De

Rijcke & Verrycken, 2019). Vandaag (11 augustus 2019) noteert de onderneming een koers van $53,57 en

is dus sterk gedaald ten opzichte van de initiële uitgifteprijs.

5.2. Pinterest

Pinterest is een sociaal netwerk dat zich specialiseert in het delen en ontdekken van ideeën die vervolgens

op een virtueel prikbord kunnen worden bewaard. Het verdienmodel van Pinterest is puur gebaseerd op

advertenties die inkomsten genereren elke keer deze worden aangeklikt.9

Pinterest maakte als tweede eenhoorn, op dezelfde dag als Zoom, op 18 april 2019 zijn intrede op de beurs

met een intekenprijs van $19 per aandeel. Het aandeel noteerde op de introductiedag 25% boven de

intekenprijs, wat de waardering van de onderneming op ongeveer $13 miljard bracht. De financiële cijfers

van Pinterest zijn een typisch voorbeeld van een eenhoorn, met een groei van meer dan 50% in het eerst

kwartaal van 2019 vergeleken met dezelfde periode in 2018. Nog een typisch kenmerk van een eenhoorn

zijn de grote verliezen die deze bedrijven met zich meedragen. Pinterest tekende in 2018 nog een verlies

aan van ongeveer $63 miljoen, dit daalde echter wel sterk in vergelijking met het genoteerde verlies in 2017

8 https://www.lyft.com/

9 https://www.pinterest.com/

27

van ongeveer $130 miljoen (van der Hout, PInterest kwart hoger bij beursdebuut, 2019). Het aandeel

noteert vandaag (11 augustus 2019) op $33,43 per aandeel, wat zorgt voor een waardering van $19 miljard.

5.3. Zoom

Zoom is de marktleider in videoconferenties en werkt op basis van een betrouwbaar cloud platform voor

alle mogelijke vormen van videocommunicatie op mobiele apparaten, laptops en telefoons. Ze helpen

ondernemingen en organisaties om hun team samen te brengen in een rustige omgeving. Het bedrijf is

gevestigd in San Jose, California.10

Zoom ging net als Pinterest op 18 april 2019 naar de beurs. De intekenprijs was gezet op $36 per aandeel,

maar deze stond na de eerste dag reeds op $65. Deze laatste prijs zorgde voor een waardering van $16

miljard. Zoom onderscheidt zich van andere eenhoorns door het feit dat zij in 2018 reeds een winst

noteerden van $7,6 miljoen op een omzet van $330,5 miljoen. Het feit dat Zoom deze cijfers kon voorleggen

is mogelijk ook de reden waarom het bedrijf zo hoog boven de initiële intekenprijs noteert (Haeck, 2019).

Vandaag (11 augustus 2019) staat het aandeel op $94,20, wat een waardering met zich meebrengt van $25

miljard.

5.4. Uber

Uber is een bedrijf dat zich initieel specialiseerde in het aanbieden van taxiritten met het gebruik van

privéwagens. Ondertussen heeft de onderneming zijn portfolio sterk uitgebreid met diensten als food

delivery (Uber Eats), Logistics (Uber Freight) en business transportation (Uber for Business)11.

Uber onderging op 10 mei 2019 zijn beursintroductie. Na vele speculaties in verband met de intekenprijs

werd deze vastgesteld op $45, wat een waardering van ruim $80 miljard met zich meebracht. Deze

waardering lag echter sterk onder de initiële verwachting die zich tussen $100 en $120 miljard bevond. De

beursgang van Uber was voor tal van investeerders een belangrijke gebeurtenis aangezien het één van de

grootste IPO’s is in de geschiedenis. De week waarin Uber zijn IPO had gepland, was tot op dat moment de

beroerdste week van het jaar voor de Amerikaanse beurs als gevolg van de handelsoorlog tussen de VS en

China. Dit is de reden waarom het aandeel debuteerde onder de vooropgestelde introductieprijs

10 https://zoom.us/about

11 https://www.uber.com/be/en/

28

(Mampaey, 2019). Het aandeel van Uber noteert vandaag (11 augustus 2019) op $40,05 met een

marktkapitalisatie van $67,9 miljard.

5.5. Slack

Slack is een samenwerkingsplatform die het mogelijk maakt voor bedrijven om de juiste personen,

informatie en tools bij elkaar te brengen. Ze specialiseren zich in het bieden van een platform waarop

collega’s eenvoudig met elkaar kunnen communiceren.12

Slack onderging op 21 juni 2019 zijn beursintroductie, maar onderscheidt zich op het vlak van hun

beursnotering van de andere IPO’s omdat ze, net als Spotify in 2018, opteerde voor een direct listing13. Bij

een direct listing wordt geen intekenprijs vooropgesteld, maar wordt er een referentieprijs medegedeeld

door de beurs waarop het aandeel zal genoteerd worden, in dit geval de NYSE (New York Stock Exchange).

De NYSE gaf een referentieprijs van $26 per aandeel aan, maar deze lag echter ver onder de werkelijke

eerste koers van $38,5. Deze laatste prijs waardeerde Slack op ongeveer $23 miljard. Het bedrijf noteert,

zoals de meeste eenhoorns, nog sterke verliezen. In 2018 draaide de onderneming een verlies van $182

miljoen. Ze kenden echter wel een stijging in de omzet van meer dan 80% ten opzichte van het voorgaande

jaar (van der Hout & Van Hamme, Slack schiet bijna 50 procent hoger bij beursdebuut, 2019). Het aandeel

noteert vandaag (11 augustus 2019) op $30,78 met een marktkapitalisatie van ongeveer $16 miljard.

12 https://slack.com/intl/en-be/about

13 Bij een direct listing worden er in tegenstelling tot een normale IPO geen nieuwe aandelen uitgegeven. Maar worden de bestaande aandelen aangeboden op de publieke markt (Nickerson, 2019).

29

III. Onderzoek

1. Data en methodologie

1.1. Methodologie

In het voorgaande stuk werden de bevindingen uit de literatuur in verband met eenhoorns, risicokapitaal

en IPO’s uitvoerig besproken. Dit onderdeel focust zich op de verschillende invloeden, zowel voor als na de

beursgang, van financiële maatstaven op de performantie van eenhoorns, voorgesteld als Return on Assets

(ROA). Het doel van het onderzoek is om aan te tonen welke financiële maatstaven eventuele

veranderingen in het rendement op activa kunnen teweegbrengen, alsook de verschillen pre- en post-IPO.

De onderzoeksvraag luidt als volgt: “Wat is het verschil pre- en post-IPO van de impact van financiële

maatstaven op het rendement van de activa bij eenhoorns uit de Verenigde Staten?”. Tot op heden is er nog

geen literatuur beschikbaar over vergelijkbare onderzoeken. Dit is waarschijnlijk te wijten aan het gebrek

aan financiële gegevens van eenhoorns alvorens zij naar de beurs trekken. Door deze reden is dit onderzoek

beperkt tot een periode van vijf jaar, die wordt opgesplitst in een eerste tijdspanne van de laatste twee jaar

voor de beursintroductie en een tweede tijdspanne van de eerste drie jaar na de beursintroductie.

De keuze van de variabelen is een moeilijk en tijdrovend proces geweest. Er werd namelijk eerst geopteerd

voor een model op basis van de shareholders’ equity ratio. Deze ratio toont aan hoeveel van de

bedrijfsactiva wordt gefinancierd door vermogensaandelen. De ratio wordt berekend als de verhouding van

het totale eigen vermogen op de totale activa van de onderneming. Na verschillende testen te hebben

doorgevoerd met deze afhankelijke variabele werd besloten om deze ratio te laten vallen en een volledig

nieuw model op te stellen op basis van een nieuwe te verklaren variabele, namelijk return on assets. De

reden hiervoor is dat de financiële maatstaven geen teken van significantie vertoonden ten opzichte van de

shareholders’ equity ratio. Het nieuwe model, gebaseerd op ROA, geeft enerzijds een goed beeld over de

performantie van de onderneming en kan anderzijds meer waarde bieden dan het model gebaseerd op de

shareholders’ equity ratio.

Alvorens verder te gaan met het analyseren van de onderzoeksvraag, zullen eerst enkele hypothesen

geformuleerd worden. Deze hypothesen zullen worden getest aan de hand van de verzamelde data, waarna

getracht wordt een duidelijker beeld te vormen van de impact van enkele financiële variabelen op de return

on assets van eenhoorns. In wat volgt worden eerst de hypothesen geformuleerd en toegelicht, waarna

een beschrijving wordt gegeven van de verzamelde data en de gebruikte variabelen.

30

1.1.1. Hypothesen

De hypothesen worden opgebouwd aan de hand van variabelen die volgens de literatuur een invloed

uitoefenen op de ROA van de onderneming. Daarnaast zullen de vooropgestelde hypothesen getest worden

over de volledige periode van vijf jaar, waarna een onderscheid wordt gemaakt tussen pre- en post-IPO. De

literatuur bevat echter geen onderzoek naar het verschil in impact tussen pre- en post-IPO. Bij het opstellen

van de hypothesen wordt bijgevolg geen onderscheid gemaakt tussen beide periodes.

De eerste hypothese baseert zich op de relatie tussen ROA en de bedrijfsgrootte, die zowel gemeten wordt

op basis van de totale verkopen als op basis van de totale activa. Beide relaties blijken uit de literatuur vaak

significant en positief gecorreleerd te zijn. Ten eerste vonden Doğan (2013) en Donduran (2008) een

positieve correlatie tussen ROA en verkopen (sales). Ten tweede vonden Doğan (2013) en Pouraghajan,

Mansourinia, Bagheri, Emamgholipour M. en Emamghoulipour B. (2013) eveneens een positieve relatie

tussen de totale activa en de ROA. Wanneer de literatuur gevolgd wordt kan de eerste hypothese als volgt

worden geformuleerd:

Hypothese 1:

H0: De grootte van de verkopen of de totale activa van de onderneming heeft geen effect op de

ROA van de onderneming.

H1: Hoe hoger de verkopen of de totale activa van een eenhoorn, hoe hoger de ROA.

Er wordt verwacht dat er voor beide periodes een positieve relatie aanwezig zal zijn en dat deze sterker

wordt na de beursintroductie.

Voor de tweede hypothese wordt gekeken naar de relatie tussen ROA en de financiële hefboomratio

(Leverage). In de literatuur blijkt er een significant verband te bestaan tussen deze variabelen, over de

richting van deze relatie bestaat er echter geen eenduidige conclusie. Zo zijn er studies die aantonen dat er

een positief verband bestaat tussen beide variabelen (Burja, 2011), alsook studies die het

tegenovergestelde resultaat bekomen (Doğan, 2013). We verwachten dat deze laatste assumptie van

toepassing zal zijn bij eenhoorns, aangezien zij grotendeels gefinancierd worden door eigen vermogen.

Hypothese 2:

H0: De leverage ratio heeft geen invloed op de ROA van een eenhoorn.

H1: Hoe lager de leverage ratio van een eenhoorn, hoe hoger de ROA.

Er wordt verwacht dat de relatie na IPO zal afzwakken en zijn significantie zal verliezen.

31

In de derde hypothese wordt de relatie tussen ROA en de liquiditeitsratio onderzocht. Doğan (2013) en

Khidmat en Rehman (2014) resulteerden dat er een positief significant verband bestaat tussen deze

variabelen. Hierdoor wordt de hypothese als volgt geformuleerd:

Hypothese 3:

H0: De liquiditeitsratio heeft geen invloed op de ROA van een eenhoorn.

H1: Hoe hoger de liquiditeitsratio van een eenhoorn, hoe hoger de ROA.

We verwachten dat deze relatie sterker zal worden na de beursintroductie.

Vervolgens zal worden gekeken naar wat de impact is van de groei in verkopen op de ROA. Voor deze relatie

werd in vorige studies reeds een positief significant verband gevonden door Safarova (2010) en Delen,

Kuzey en Uyar (2013), wat ons leidt tot de vierde hypothese.

Hypothese 4:

H0: De groei in verkopen heeft geen invloed op de ROA van een eenhoorn.

H1: Hoe sterker de groei in verkopen van een eenhoorn, hoe hoger de ROA.

De relatie tussen groei in verkopen en het rendement van de activa zal zowel voor als na de beursgang

positief zijn, hoewel er na de beursgang wel wordt verwacht dat deze relatie een zwakkere coëfficiënt zal

hebben.

Als laatste zal er nog getest worden wat de relatie is tussen de operationele marge en het rendement van

de activa. In de literatuur wordt operationele marge regelmatig gebruikt als maatstaf voor

winstgevendheid. Daarnaast blijkt er een positief significant verband te bestaan tussen beide variabelen

(Jiraporn, Miller, Yoon & Kim, 2008; Delen, Kuzey & Uyar, 2013; Heikal, Khaddafi & Ummah, 2014). Om deze

reden werd operationele marge gekozen om het model te vervolledigen en luidt de laatste hypothese als

volgt:

Hypothese 5:

H0: De operationele marge heeft geen invloed op de ROA van een eenhoorn.

H1: Hoe hoger de operationele marge van een eenhoorn, hoe hoger de ROA.

We verwachten dat het verband positief en significant zal zijn in beide periodes en sterker wordt na de

beursintroductie.

32

Hieronder worden de hypothesen nog kort opgesomd om het overzicht te bewaren en nadien zal worden

overgegaan op de bespreking van de data en de gebruikte variabelen.

Hypothese 1: Hogere verkopen of meer totale activa zal leiden tot een hogere ROA.

Hypothese 2: Een lagere schuldgraad zal leiden tot een hogere ROA.

Hypothese 3: Een hogere liquiditeitsgraad zal leiden tot een hogere ROA.

Hypothese 4: Een stijgende groei in verkopen zal leiden tot een hogere ROA.

Hypothese 5: Een hogere operationele marge zal leiden tot een hogere ROA.

1.1.2. Beschrijving van de data

Om het overzicht van deze scriptie niet te verliezen, wordt de onderzoeksvraag nogmaals herhaald: “Wat

is het verschil pre- en post-IPO van de impact van financiële maatstaven op het rendement van de activa bij

eenhoorns uit de Verenigde Staten?”. Om hierop een antwoord te kunnen formuleren, werd data verzameld

van 26 voormalige eenhoorns uit de Verenigde Staten (VS). Aangezien eenhoorns zich voornamelijk

manifesteren in de VS en er recent enkele bekende Amerikaanse eenhoorns een IPO ondergingen, werd

ons onderzoek gebaseerd op eenhoorns uit de Verenigde Staten. Daarnaast is de data van deze bedrijven

toegankelijker dan deze van eenhoorns uit andere werelddelen. De volledige dataset is afkomstig uit de

database FactSet. Dit is een Amerikaans bedrijf dat zich specialiseert in het verschaffen van financiële

informatie van zowel private als publieke bedrijven. Er kan worden besloten dat dit onderzoek weldegelijk

relevant is aangezien eenhoorn IPO’s steeds talrijker aanwezig zijn en er nog geen gelijkaardig onderzoek

werd gevoerd in de literatuur.

De sample van het onderzoek bestaat uit panel data, opgebouwd uit 13 bedrijven (N=13, zie bijlage 20) over

een periode van vijf jaar (T=5). De keuze voor deze steekproef is tweeledig: enerzijds is ze gelinkt aan de

hoeveelheid data die van deze bedrijven ter beschikking staat, anderzijds wordt er ook rekening gehouden

met het tijdstip waarop het bedrijf zijn beursgang onderging. Zoals reeds aangehaald wordt de data

bekeken over een periode van vijf jaar opgesplitst in twee datasets. De eerste dataset bevat de laatste twee

jaar voor de beursgang en de tweede bevat de eerste drie jaar na de beursgang. Deze opsplitsing maakt het

mogelijk om de verschillen tussen beide periodes vast te stellen en te analyseren. De analyses worden

uitgevoerd aan de hand van het statistisch programma Gretl.

33

1.2. Beschrijving van de variabelen

1.2.1. De afhankelijke variabele

De performantie zal gemeten worden aan de hand van de boekhoudkundige ratio return on assets (ROA).

Om deze ratio te beschrijven wordt gebruik gemaakt van dezelfde formule als Peristiani en Hong (2004) en

Doğan (2013), zijnde het netto-inkomen14 gedeeld door totale activa. De return on assets geeft aan of een

bedrijf voldoende inkomsten kan genereren uit het totale gebruik van de activa (Hagel, Brown, & Davison,

2010). De ratio geeft met andere woorden een beeld over de winstgevendheid en de algemene

performantie van een onderneming (Soininen, Martikainen, Puumalainen, & Kyläheiko, 2012). Het gebruik

van ROA als afhankelijke variabele heeft echter enkele beperkingen. Zo moet er gesteld worden dat deze

data enkel gebaseerd is op historische gebeurtenissen. Dit betekent dat het eerder een beeld geeft over

het verleden en geen rekening houdt met de verwachte groei van het bedrijf (Richard, Devinney, Yip, &

Johnson, 2009). Aangezien andere economische methoden om performantie te meten, zoals present value

methoden en relatieve waarderingsmethoden (Lomheim & Øritsland, 2018), niet mogelijk waren aan de

hand van de beschikbare data, is er geopteerd om ROA te gebruiken als afhankelijke variabele.

1.2.2. De onafhankelijke variabelen

Als eerste onafhankelijke variabele werd grootte op basis van verkopen (Size1) gekozen. Om deze variabele

te bekomen, wordt gewerkt met dezelfde definitie als Titman en Wessels (1988), Doğan (2013) en

Donduran (2008) die bedrijfsgrootte meten als de natuurlijk logaritme van de totale verkopen. De keuze

voor de natuurlijk logaritme zorgt voor meer duidelijkheid bij de coëfficiënten, wat voor de volgende de

variabele ook geldt.

Een tweede onafhankelijke variabele is opnieuw een maatstaf voor de grootte van het bedrijf, maar ditmaal

op basis van totale activa (Size2). Deze variabele wordt op dezelfde manier berekend als bovenstaande

variabele, hier wordt echter de natuurlijk logaritme genomen van totale activa. Deze methode wordt

gebruikt door zowel Doğan (2013) als Dalbor, Kim en Upneja (2004), die beiden onderzoek uitvoerden naar

14 Netto-inkomen wordt berekend door omzet min kosten van verkochte goederen, verkoopkosten, algemene en administratieve kosten, bedrijfskosten, afschrijvingen, rente, belastingen en andere kosten. (Ooghe, Vander Bauwhede, & Van Wymeersch, 2012)

34

de invloed van de grootte van een bedrijf op respectievelijk de performantie van een bedrijf en het gebruik

van schulden.

Ten derde wordt de financiële hefboomratio of leverage ratio (LEV) gebruikt als onafhankelijke variabele.

Deze zal berekend worden als de verhouding van totale schulden over totale activa en wordt uitgedrukt als

een percentage (Doğan, 2013; Delen, Kuzey & Uyar, 2013). Deze solvabiliteitsratio toont aan hoeveel van

de activa gefinancierd wordt door vreemd vermogen. Een hoge ratio toont aan dat de organisatie veel

gebruik maakt van schuldfinanciering om de bedrijfsactiviteiten te financieren.

Een vierde onafhankelijke variabele is de liquiditeitsratio in ruime zin of current ratio (LIQ) die aantoont in

hoeverre een onderneming in staat is om zijn korte termijnschulden te betalen. Het is de procentuele

verhouding van de vlottende activa over het vreemd vermogen op minder dan 1 jaar. Hoe hoger de ratio,

hoe beter een bedrijf in staat is om aan haar korte termijnverplichtingen te voldoen (Ooghe, Vander

Bauwhede, & Van Wymeersch, 2012).

Vervolgens wordt groei (growth) gedefinieerd als de procentuele verandering in verkopen (Gill, Biger, &

Mathur, 2011). Deze verhouding geeft aan in welke mate de verkopen van de onderneming geëvolueerd

zijn.

Als laatste onafhankelijke variabele wordt operationele marge (OM) toegevoegd aan het model. Deze ratio

wordt door Filer en Golbe (2003) gebruikt als indicator voor performantie. De operationele marge wordt

gedefinieerd als de procentuele verhouding van operationele inkomsten (EBIT)15 over de totale verkopen

en toont aan hoeveel procent winst een bedrijf genereert ten opzichte van het bedrijfsresultaat uit de

gewone bedrijfsvoering.

In bijlage 21 worden de formules van de gebruikte variabelen weergegeven.

15 Earnings Before Interest and Taxes.

35

1.2.3. Beschrijving van het model

Het model zal worden opgebouwd als een meervoudig regressiemodel en zal de volgende vorm aannemen:

𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽1𝑆𝑖𝑧𝑒1𝑖𝑡+ 𝛽2𝑆𝑖𝑧𝑒2𝑖𝑡

+ 𝛽3𝐿𝑒𝑣𝑖𝑡 + 𝛽4𝐿𝑖𝑞𝑖𝑡 + 𝛽5𝐺𝑟𝑜𝑤𝑡ℎ𝑖𝑡 + 𝛽6𝑂𝑀𝑖𝑡 + 𝜀𝑖𝑡

Met:

ROAit = Return on assets van bedrijf i in periode t

Size1it = Grootte, op basis van verkopen, van bedrijf i in periode t

Size2it = Grootte, op basis van activa, van bedrijf i in periode t

Levit = Financiële hefboomratio van bedrijf i in periode t

Liqit = Liquiditeitsratio van bedrijf i in periode t

Growthit= Groei van verkopen van bedrijf i in periode t

OMit = Operationele marge van bedrijf i in periode t

εit = Error term van bedrijf i in periode t

Hierna zullen eerst de beschrijvende statistieken worden besproken en vervolgens zullen de empirische

resultaten van zowel de hypothesen als het algemene model worden geanalyseerd. Vervolgens zal er een

besluit gevormd worden, waarna nog enkele suggesties worden meegegeven voor eventueel verder

onderzoek.

2. Beschrijvende statistiek

Nu de verschillende variabelen werden besproken en het econometrische model werd opgesteld, zullen

enkele beschrijvende statistieken worden geanalyseerd. Eerst wordt er gekeken naar de gemiddelden van

de variabelen, nadien zullen de correlaties tussen de verklarende variabele en de te verklaren variabele

worden geanalyseerd. De tabellen bestaan steeds uit vier kolommen, de eerste kolom bevat de naam van

de variabelen, de tweede bevat de gegevens bekeken over de volledige sample, de derde bevat de gegevens

van de periode voor de notering en de vierde en laatste kolom bevat de gegevens na de beursgang. De

variabelen zullen steeds kort worden toegelicht en geanalyseerd.

2.1. Gemiddelde

In onderstaande tabel worden de gemiddelden van de variabelen weergegeven. De afhankelijke variabele

ROA vertoont gemiddeld gezien een stijging na de beursintroductie. Deze eerste bevinding is een

interessant resultaat in het onderzoek, aangezien de onderzoeksvraag de performantieverschillen wenst te

36

onderzoeken voor en na de beursgang. Het feit dat de ratio gemiddeld stijgt is een interessant gegeven om

te betrekken bij het meervoudige regressiemodel later in deze scriptie.

De eerste onafhankelijke variabele is Size1. Deze volgt de verwachtingen en stijgt doorheen de tijd. De

variabele wordt berekend als de natuurlijk logaritme van de totale inkomsten, waarvan de waarden

overeenkomen met respectievelijk $212,3 miljoen en $726,2 miljoen. Dit toont aan dat de verkopen na de

beursnotering gemiddeld gestegen zijn met $513,9 miljoen, wat overeenkomt met een stijging van

ongeveer 242%. Deze variabele kent dus een positieve ontwikkeling na de beursintroductie.

De tweede onafhankelijke variabele is opnieuw de grootte van de onderneming, ditmaal berekend op basis

van de totale activa. Deze variabele wordt opnieuw gemeten als de natuurlijk logaritme van de totale activa

waarvan de waarden overeenkomen met een gemiddelde totale activa van $355,5 miljoen pre-IPO en

$1.202,3 miljoen post-IPO. Deze verandering toont aan dat de activa van de eenhoorns gemiddeld met

$846,8 miljoen stijgt, wat overeenkomt met een stijging van ongeveer 238%.

De volgende variabele is de leverage ratio. Deze ratio meet hoeveel schulden de ondernemingen hebben

ten opzichte van hun activa. Hier valt duidelijk op dat de gemiddelde ratio sterk afneemt na de

beursintroductie. Er kan worden geconstateerd dat de bedrijven in onze sample, alvorens zij naar de beurs

trekken, een schuld hebben die zo’n 58% van hun totale activa bedraagt. Dit cijfer bedraagt na de beursgang

nog slechts 41%, wat aantoont dat de bedrijven na hun beursgang minder vreemd vermogen zullen

gebruiken om hun activa te financieren.

Tabel 1: Gemiddelden van de variabelen

37

Vervolgens kunnen we constateren dat de liquiditeitsratio stijgt doorheen de tijd. In de periode voor de IPO

zijn de vlottende activa gemiddeld 337% groter dan de korte termijnschulden. Na de beursgang stijgt deze

verhouding naar gemiddeld 372%. De redenering achter deze grote gemiddelde percentages kan zijn dat

deze bedrijven voornamelijk gefinancierd worden door risicokapitaal en dus weinig schulden hebben op

korte termijn. Na de introductie krijgt de onderneming zeer veel cash binnen waardoor de vlottende activa

sterk zullen stijgen en zo ook de liquiditeitsratio.

De vijfde onafhankelijke variabele is de procentuele groei in verkopen. Hier valt op dat de ondernemingen

voor zij naar de beurs trekken reeds het grootste deel van hun groeifase voorbij zijn en een uitgebreid

klantenbestand hebben opgebouwd. Dit is te merken aan de daling in de gemiddelde groeivoeten. Zo is de

groei voor de IPO gemiddeld 22% terwijl dit na de IPO nog slechts 10% bedraagt. Het feit dat bedrijven

langer privaat blijven brengt met zich mee dat de groei zich voornamelijk voor de beursgang ontwikkeld,

wat uitvoerig besproken werd in de literatuurstudie.

De laatste onafhankelijke variabele is de operationele marge. Deze wordt gemeten als EBIT gedeeld door

de verkopen. Dit geeft met andere woorden weer in welke mate er winst of verlies wordt gegenereerd uit

de verkopen. Uit tabel 1 is af te leiden dat deze marge gemiddeld gezien toeneemt en dat de verliezen dus

worden afgebouwd na de beursintroductie. Hoewel deze verliezen weldegelijk afnemen, bestaat er geen

zekerheid dat deze bedrijven ooit winstgevend zullen worden, zoals eerder werd vermeld in de

literatuurstudie. Er kan worden geconstateerd dat de gemiddelde operationele marge toeneemt van -46%

in de periode voor de beursgang naar -21% in de periode na de IPO.

2.2. Correlatie

Na het bespreken van de gemiddelden zullen nu de correlaties tussen de onafhankelijke variabelen en de

afhankelijke variabele worden geanalyseerd. In tabel 2 worden alle correlaties weergegeven voor zowel de

volledige tijdsperiode, als de periode vóór IPO en de periode na IPO. Bij het analyseren van correlaties zijn

er drie belangrijke waarden, zo wijst een correlatiecoëfficiënt van +1 op een perfect positieve samenhang

van de variabelen en een coëfficiënt van -1 op een perfect negatieve samenhang. Een coëfficiënt die dicht

bij 0 ligt, toont dan weer aan dat er nagenoeg geen samenhang is tussen beide variabelen. Een positieve

coëfficiënt geeft aan dat de onafhankelijke variabele een positief effect heeft op de afhankelijke variabele

en het tegenovergestelde geldt voor een negatieve coëfficiënt.

Er kan geconstateerd worden dat er geen extreme correlaties aanwezig zijn. Dit toont aan dat er geen

sprake is van multicollineariteit. De eerste onafhankelijke variabele (Size1) heeft zowel voor als na de

38

beursgang een positieve coëfficiënt, maar daalt echter van 0,4527 pre-IPO naar 0,3594 post-IPO. Dit wil

zeggen dat de invloed van de totale verkopen minder effect heeft op de ROA eens het bedrijf publiek wordt.

De tweede variabele (Size2), zijnde de totale activa, vertoont een tegenovergestelde evolutie. Hier wordt

de coëfficiënt groter eens het bedrijf zich op de beurs vestigt. Deze stijgt namelijk van 0,4987 pre-IPO naar

0,5263 post-IPO.

De derde correlatie is deze tussen de leverage ratio en ROA. Deze coëfficiënt maakt een opmerkelijke

beweging van positief (0,3141) vóór de IPO, naar negatief (-0,2436) na de IPO. Dit betekent dat de ratio

vóór de IPO een positieve invloed had op de ROA en deze invloed negatief wordt na de beursintroductie.

Deze verandering kan verklaard worden door de afzwakking van de leverage ratio als gevolg van een stijging

in het eigen vermogen.

De volgende ratio die wordt bekeken is de liquiditeitsratio. Deze coëfficiënt zwakt, net zoals bij Size1, af

eens de onderneming publiek wordt. Deze waarde daalt van 0,2981 vóór IPO naar 0,1253 na IPO.

Vervolgens ondergaat de groeivoet in verkopen ook een sterke verandering in de overgang van pre- naar

post-IPO. De correlatiecoëfficiënt bedraagt pre-IPO -0,1619 en post-IPO 0,0143. Deze laatste ligt zeer dicht

bij 0, wat aantoont dat er post-IPO geen correlatie tussen beide variabelen aanwezig is. Dit betekent dat de

groei in verkopen een negatieve impact heeft op de performantie van de bedrijven in onze sample wanneer

zij nog privaat zijn. Eens zij hun beursintroductie doen, wordt deze invloed grotendeels geneutraliseerd.

De laatste variabele die wordt bekeken is de operationele marge. Deze vertoont volgens de coëfficiënten

de sterkste correlatie met het rendement van de activa. De coëfficiënt blijft relatief stabiel, namelijk 0,5723

voor de beursgang en 0,5694 na de beursgang.

Tabel 2: Correlaties tussen de onafhankelijke variabelen en de afhankelijke variabele

39

Er kan uit deze analyses geconcludeerd worden dat er weldegelijk een verschil bestaat tussen de correlaties

vóór en na de beursgang. Zo is het belangrijkste verschil de tegenovergestelde correlatie van de leverage

ratio. Ook is er de neutralisering van de correlatie tussen ROA en de groei eens de bedrijven publiek gaan.

Verder valt op dat de coëfficiënten van vier variabelen dalen eens de onderneming naar de beurs trekt.

Enkel de totale activa en de groei van de onderneming evolueren in stijgende lijn, hoewel bij de groei reeds

werd aangegeven dat deze correlatie nagenoeg onbestaand is in de periode na de IPO. Het lijkt er dus op

dat tussen de meervoudige regressiemodellen pre- en post IPO volgende veranderingen in de coëfficiënten

zullen plaatsvinden: 1) Size1 wordt verwacht te dalen; 2) Size2 wordt verwacht te stijgen; 3) de leverage

ratio wordt verwacht van teken te veranderen, namelijk van positief naar negatief; 4) de liquiditeitsratio

wordt verwacht om licht te dalen; 5) de groei wordt verwacht van teken te veranderen, namelijk van

negatief naar positief; en 6) de operationele marge wordt verwacht nagenoeg gelijk te blijven.

3. Empirische resultaten

In dit onderdeel zullen alle bevindingen op basis van regressie output worden besproken. Eerst zullen alle

hypothesen worden getoetst op basis van een enkelvoudig regressiemodel dat steeds de relatie aantoont

tussen de onafhankelijke variabele en de afhankelijke variabele, zijnde return on assets. Nadien wordt een

meervoudig regressiemodel geschat die de relatie dient weer te geven tussen alle gekozen verklarende

variabelen en de te verklaren variabele. Als laatste sectie van deze scriptie wordt een conclusie

geformuleerd, alsook enkele suggesties voor verder onderzoek.

3.1. Enkelvoudige regressiemodellen

Alvorens het hoofdmodel kan worden besproken, zullen eerst de hypothesen getoetst worden aan de

verwachtingen. De hypothesen zullen bekeken worden over de volledige periode van vijf jaar en nadien

zullen de verschillen onderzocht worden pre- en post-IPO. Het is belangrijk om de onafhankelijke variabelen

te toetsen op hun significantie. Dit betekent dat er zal worden getest of de coëfficiënten al dan niet

significant verschillen van nul. Deze test zal worden uitgevoerd aan de hand van de onderstaande

hypothesen.

H0: β = 0 → de coëfficiënt is niet significant verschillend van nul

H1: β ≠ 0 → de coëfficiënt is wel significant verschillend van nul

40

Wanneer de nulhypothese wordt aanvaard, toont dit aan dat de desbetreffende variabele geen significante

invloed heeft op de afhankelijke variabele. Is dit niet het geval dan kan de coëfficiënt worden

geïnterpreteerd.

3.1.1. Hypothese 1

De eerste hypothese luidt als volgt: “Een bedrijf met hogere verkopen of meer totale activa zal een hogere

ROA hebben”. Er wordt dus verwacht dat er een positieve relatie zal bestaan tussen de grootte van het

bedrijf en de performantie. Deze hypothese zal getoetst worden op basis van de twee onafhankelijke

variabelen: Size1, die de grootte van de onderneming meet op basis van de verkopen, en Size2, die de

grootte meet op basis van de totale activa. Om bovenstaande hypothese te toetsen worden volgende

regressiemodellen opgesteld:

Model 1.1 (Size1): 𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽𝑆𝑖𝑧𝑒1𝑖𝑡 + 𝜀𝑖𝑡

Model 1.2 (Size2): 𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽𝑆𝑖𝑧𝑒2𝑖𝑡 + 𝜀𝑖𝑡

Er wordt verwacht dat er over de volledige periode een positieve en significatie relatie zal bestaan tussen

beide onafhankelijke variabelen en de afhankelijke variabele ROA. Deze positieve relatie wordt verwacht

zich ook te manifesteren in de aparte periodes, maar een sterker effect te hebben na de beursgang. De

redenering voor model 1.1 is dat beursgang zal leiden tot een stijging van de verkopen door de toegenomen

naambekendheid, wat zorgt voor een sterkere stijging van het netto-inkomen in vergelijking met deze voor

de beursgang. Voor model 1.2 wordt geredeneerd dat een stijging van de totale activa post-IPO zal zorgen

voor een sterkere stijging van het netto-inkomen in vergelijking met de periode voor de beursintroductie.

Er wordt met andere woorden verwacht dat een stijging in de grootte van de onderneming, zowel op basis

van de verkopen als van de activa, een sterkere invloed zal uitoefenen op het rendement van de activa na

de beursgang. De resultaten van de modellen worden weergegeven in onderstaande tabellen.

Tabel 3: Model 1.1 en 1.2 over de volledige tijdsperiode

Test op significantie: *: 10%; **: 5%; ***: 1%

41

De resultaten uit bovenstaande tabel tonen aan dat er zowel voor model 1.1 als model 1.2 een positief

significant verband bestaat tussen de grootte van de onderneming en het rendement op activa. Er kan

gesteld worden dat deze relatie sterker is bij de totale activa (β = 7,77) ten opzichte van de totale verkopen

(β = 6,94). Hoewel dit verschil relatief klein is zou de oorzaak kunnen zijn dat de totale activa rechtstreeks

wordt gebruikt in de ratio van ROA, terwijl dit bij verkopen slechts indirect is. De verwachting dat een

‘groter’ bedrijf beter presteert wordt dus bevestigd. Wanneer de verkopen stijgen met 1% zal de ROA van

de onderneming stijgen met 0,0694%. Tevens leidt een stijging van de totale activa met 1% tot een stijging

van ROA met 0,0777%. Beide variabelen vertonen een sterke verklaringskracht van respectievelijk 19,5%

en 26,9% in de variantie in ROA.

Wanneer de verschillen vóór en na de beursgang van model 1.1 worden vergeleken (tabel 4 ut supra), kan

worden vastgesteld dat de verkopen in beide periodes een significante impact hebben op ROA, met p-

waarden kleiner dan 0,05 (ppre=0,020; ppost=0,025). Daarnaast heeft de variabele een sterkere invloed op

ROA in de periode pre-IPO (βpre = 9,70) in vergelijking met de periode post-IPO (βpost = 4,63). De interpretatie

van de coëfficiënten gaat als volgt: een stijging in de verkopen met 1% zal leiden tot een stijging in ROA met

0,097% voor IPO en 0,0463% na IPO. Een mogelijke oorzaak kan zijn dat na de beursgang, een stijging in het

netto-inkomen eerder afhankelijk wordt van een daling in de kosten16 dan van een stijging in de verkopen.

Deze redenering wordt ook ondersteund door de daling van de verklaringskracht van 20,5% pre-IPO naar

12,9% post-IPO.

16 We verwachten dat kosten zoals R&D en capital expenditures zullen afnemen na de IPO.

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 4: Model 1.1 verschil tussen pre- en post-IPO

42

Het tweede model binnen de eerste hypothese komt met een gelijkaardige output als model 1. Zie tabel 4

ut supra. De variabele is sterk significant (ppre = 0,010; ppost = 0,001) voor beide periodes, met een hogere

coëfficiënt in de periode voor de beursgang (βpre = 10,77; βpost = 6,26). Er kan op een gelijkaardige manier

als bij model 1 geredeneerd worden, namelijk dat na de beursintroductie andere factoren, zoals een daling

van de kosten, een sterkere invloed gaan uitoefenen op het rendement van de activa. In het pre-IPO-model

zal een stijging in de totale activa met 1% leiden tot een stijging van ROA met 0,1077% en in de periode

post-IPO tot een stijging met 0,0626%. Bij deze variabele stellen we een daling vast van de verklaringskracht

(R2): post-IPO heeft het model een verklaringskracht van 27,7% terwijl dit pre-IPO 24,9% was.

3.1.2. Hypothese 2

De tweede hypothese beschrijft de relatie tussen de financiële hefboomratio en het rendement op het

totaal actief en luidt als volgt: ‘Een lagere schuldgraad zal leiden tot een hogere ROA’. Er wordt in eerste

instantie een negatieve relatie verwacht tussen de return on assets en de leverage ratio. Eenhoorns zijn

namelijk bedrijven die grotendeels gefinancierd worden door eigen vermogen en daarom weinig en relatief

constante schulden hebben. De leverage ratio is daarom voornamelijk afhankelijk van een verandering in

de activa. Een stijging in de activa zal enerzijds leiden tot een daling van de leverage ratio en anderzijds,

zoals bij hypothese 1 reeds gesteld werd, tot een sterkere stijging van het netto-inkomen. Bijgevolg wordt

een stijging van ROA verwacht. Deze relatie zal getoetst worden aan de hand van de derde onafhankelijke

variabele (Lev) op basis van het volgende model:

Model 2 (LEV): 𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽𝐿𝐸𝑉𝑖𝑡 + 𝜀𝑖𝑡

Over de volledige tijdspanne van het onderzoek wordt een negatieve relatie verwacht tussen beide

variabelen. Hier wordt verwacht dat de ratio zijn significantie zal verliezen na de beursgang. Enerzijds leidt

een beursintroductie tot een sterke stijging van de totale activa en anderzijds blijven de totale schulden

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 5: Model 1.2 verschil tussen pre- en post-IPO

43

relatief constant. Dit impliceert dat de verhouding tussen de totale schulden over de totale activa sterk zal

dalen, waardoor de hefboom minder effect zal hebben op de ROA dan in de periode voor de

beursintroductie. De resultaten van model 3 worden weergegeven in onderstaande tabel.

Het model geeft geen significant verband (p = 0,728) weer tussen de onafhankelijke variabele en de

afhankelijke variabele. De nulhypothese kan bijgevolg niet worden verworpen, wat impliceert dat de

financiële hefboomratio geen invloed uitoefent op de ROA. Daarnaast valt op dat de verklaringskracht van

dit model bijzonder laag is, namelijk 0,19%, wat aantoont dat dit een onvolkomen model is. De

vooropgestelde hypothese, namelijk dat een lagere leverage ratio leidt tot een stijging van ROA, kan dus

niet worden bevestigd door het model. Een mogelijke redenering kan zijn dat eenhoorns voornamelijk door

risicokapitaal gefinancierd worden, waardoor de leverage ratio in het algemeen weinig invloed uitoefent

op het rendement van de eenhoorn.

Bij de vergelijking tussen beide periodes, zie tabel 7 ut supra, wordt tweemaal de nulhypothese in verband

met de coëfficiënten aanvaard. Dit geeft aan dat de financiële hefboomratio in beide periodes geen invloed

uitoefent op het rendement van de activa (ROA), wat ook bij de bevindingen over de volledige periode werd

vastgesteld. Wat hier wel opvalt is een stijging van de verklaringskracht wanneer de volledige tijdsperiode

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 6: Model 2 over volledige tijdsperiode

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 7: Model 2 verschil pre- en post-IPO

44

wordt opgesplitst in pre- en post-IPO. Over de volledige vijf jaar had het model een verklaringskracht van

slechts 0,19%, terwijl deze voor pre- en post-IPO respectievelijk 9,87% en 5,90% bedraagt.

3.1.3. Hypothese 3

In de derde hypothese wordt de relatie tussen de liquiditeitsratio (Liq) en het rendement van de activa

besproken. De hypothese werd als volgt geformuleerd: ‘Een hogere liquiditeitsgraad zal leiden tot een

hogere ROA’. Het model wordt ut infra weergegeven.

Model 3 (Liq): 𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽𝐿𝑖𝑞𝑖𝑡 + 𝜀𝑖𝑡

Er wordt verwacht dat deze relatie zowel positief significant is over de volledige periode, als in de periodes

pre- en post-IPO. Van de relatie wordt wel verwacht dat zij na de beursintroductie zal versterken. We

verwachten dat, door de kosten verbonden aan de IPO, de korte termijnschulden sterk zullen stijgen en

bijgevolg de liquiditeitsratio zal dalen. Een toename in korte termijnschulden leidt ook tot een daling van

de netto-inkomsten en bijgevolg tot een daling van de ROA. Om deze reden verwachten we dat er een

sterker positief verband zal bestaan tussen de liquiditeitsratio en de ROA na de beursintroductie. Er wordt

met andere woorden verwacht dat de relatie na de beursgang nog steeds positief zal zijn, maar dat de

coëfficiënt groter zal zijn na de IPO. De resultaten van bovenstaand regressiemodel worden weergegeven

in tabel 8 ut infra.

Zoals wordt weergegeven in bovenstaande tabel bestaat er een positieve relatie tussen de liquiditeitsratio

en het rendement van de activa. De invloed van de liquiditeitsratio op ROA is echter beperkt en kan als

volgt worden geïnterpreteerd. Wanneer de liquiditeitsratio toeneemt met 1%, dan zal de ROA stijgen met

slechts 0,016%. Dit bevestigt de vooropgestelde hypothese, hoewel de relatie minder sterk is dan verwacht

werd. Ook wordt aangetoond dat het model een verklaringskracht heeft van 5,29%.

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 8: Model 3 over volledige tijdsperiode

45

Bovenstaande tabel geeft de verschillen weer tussen de beide tijdsperiodes, twee jaar voor IPO en drie jaar

na IPO. Deze bevindingen impliceren dat het model zijn significantie verliest als gevolg van de opsplitsing.

Dit kan enerzijds te wijten zijn aan de korte tijdspannes van beide periodes, anderzijds werd er over de

volledige tijdspanne evenzeer geen sterke significantie bekomen. De verwachting dat de IPO-kosten een

negatieve relatie hebben met het netto-inkomen, wordt derhalve niet bevestigd. Er dient dus te worden

geconcludeerd dat de liquiditeitsratio geen effect uitoefent op de return on assets pre- en post-IPO.

3.1.4. Hypothese 4

De vierde hypothese bespreekt het verband tussen de groei in verkopen enerzijds en het rendement van

de activa anderzijds. In sectie 1.1.1. werd de hypothese op volgende wijze geformuleerd: ‘Een sterkere groei

in verkopen zal leiden tot een hogere ROA’. Het model wordt hieronder weergegeven.

Model 4 (Growth): 𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽𝐺𝑟𝑜𝑤𝑡ℎ𝑖𝑡 + 𝜀𝑖𝑡

Ut supra werd reeds aangehaald dat er een positieve relatie wordt verwacht wanneer de volledige

tijdsperiode van vijf jaar wordt bekeken. Na opsplitsing van de tijdsperiode wordt verwacht dat de impact

van de groei op de ROA zal afnemen. De redenering hierachter is dat eenhoorns intussen hun groeifase

voorbij zijn, waardoor de groei in verkopen zal afnemen. Dit zal leiden tot een daling van de impact van de

groei op het rendement van de activa. Onderstaande tabel geeft de bevindingen weer in verband met de

hypothese over de volledige periode.

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 9: Model 3 verschil pre- en post-IPO

46

De resultaten van het vooropgestelde model zijn anders dan verwacht. Eerst en vooral is de relatie tussen

beide variabelen niet significant, wat wil zeggen dat de groei van de onderneming geen invloed uitoefent

op de ROA. Van dit model werd een sterke relatie verwacht, maar deze assumpties worden niet bevestigd.

Hoewel de relatie niet significant is, kan opgemerkt worden dat de coëfficiënt negatief wordt geschat. Dit

strookt met de bevindingen uit de literatuur (Safarova, 2010; Delen, Kuzey & Uyar, 2013) en de eigen

verwachtingen. Ook in dit model is er een zwakke verklaringskracht (2,31%), wat opnieuw wil zeggen dat

dit een onvolledig model is.

De analyse van de verschillen tussen beide periodes geeft ons gelijkaardige resultaten, namelijk geen

significantie tussen de variabelen met opnieuw een zeer lage verklaringskracht van 2,62% voor de

beursgang en 0,02% na de beursgang. Er dient opnieuw te worden gesproken over een onvolkomen model.

3.1.5. Hypothese 5

De vijfde en laatste hypothese bespreekt de relatie tussen de operationele marge en het rendement van

de activa. Op basis van de literatuur klinkt deze hypothese als volgt: ‘Een hogere operationele marge zal

leiden tot een hogere ROA’. Het model via welke de hypothese zal worden getest wordt ut infra

weergegeven.

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 10: Model 4 over volledige tijdsperiode

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 11: Model 4 verschil tussen pre- en post-IPO

47

Model 5 (OM): 𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽𝑂𝑀𝑖𝑡 + 𝜀𝑖𝑡

Voor eenhoorns wordt een positieve en significante relatie verwacht tussen de operationele marge en ROA.

Deze relatie wordt verwacht zich ook te manifesteren in de periodes vóór en na de beursgang. We

verwachten dat de coëfficiënten weinig zullen veranderen, aangezien beide ratio’s een indicator zijn van

winstgevendheid. Tabel 12 geeft de resultaten weer van het geschatte regressiemodel over de gehele

tijdsperiode.

De output van het model volgt de verwachtingen uit de literatuur (Jiraporn, Miller, Yoon & Kim, 2008; Delen,

Kuzey & Uyar, 2013; Heikal, Khaddafi & Ummah, 2014). Uit bovenstaande tabel kan geconcludeerd worden

dat de operationele marge een positief significant (pβ = 0,000) effect heeft op het rendement van de activa

bij eenhoorns. Een stijging in operationele marge met 1% zal leiden tot een stijging in ROA met 0,27%, dit

is een relatief hoge coëfficiënt. Bovendien heeft de variabele een verklaringskracht van 35%, wat impliceert

dat de operationele marge een groot deel van de verandering in ROA verklaart. De vooropgestelde

hypothese wordt dus bevestigd en de operationele marge heeft zoals verwacht een sterke invloed op het

rendement op activa.

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 12: Model 5 over volledige tijdsperiode

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 13: Model 5 verschil tussen pre- en post-IPO

48

Uit bovenstaande resultaten kan vastgesteld worden dat aan de verwachtingen betreffende pre- en post-

IPO wordt voldaan. Beide coëfficiënten zijn sterk significant, met respectievelijke p-waarden van 0,002 en

0,000. Zo zal de impact van een stijging van de operationele marge met 1% pre-IPO leiden tot een stijging

in ROA met 0,25% en post-IPO tot een stijging van 0,30%. De verklaringskracht van beide regressiemodellen

is te vergelijken met de verklaringskracht van 35% uit tabel 12 en bedraagt 32,8% pre-IPO en 32,4% post-

IPO.

Na het overlopen van de enkelvoudige regressies over de volledige periode kan worden vastgesteld dat vier

variabelen, zijnde verkopen, totale activa, liquiditeitsratio en operationele marge, een significante impact

hebben op de afhankelijke variabele. Wanneer de volledige tijdsperiode wordt opgedeeld in een periode

pre- en post-IPO, kan worden vastgesteld dat er nog slechts drie variabelen een significante invloed hebben

op de ROA, namelijk verkopen, totale activa en operationele marge. In de volgende sectie zullen alle

variabelen worden samengebracht in een meervoudig regressiemodel om op deze manier meer inzicht te

kunnen verwerven op de beïnvloedende factoren van het rendement op activa van eenhoorns.

3.2 Meervoudig regressiemodel

Het meervoudig regressiemodel werd opgesteld op basis van de literatuur en de eigen bevindingen. Zoals

reeds werd aangehaald bij het opstellen van de hypothesen, wordt over de volledige periode steeds een

significante relatie verwacht tussen de verklarende variabelen en de te verklaren variabele. Hierdoor wordt

het model op volgende manier opgesteld:

Hoofdmodel:

𝑅𝑂𝐴𝑖𝑡 = 𝛼 + 𝛽1𝑆𝑖𝑧𝑒1𝑖𝑡 + 𝛽2𝑆𝑖𝑧𝑒2𝑖𝑡 + 𝛽3𝐿𝐸𝑉𝑖𝑡 + 𝛽4𝐿𝐼𝑄𝑖𝑡 + 𝛽5𝐺𝑟𝑜𝑤𝑡ℎ𝑖𝑡 + 𝛽6𝑂𝑀𝑖𝑡 + 𝜀𝑖𝑡

In dit model zal worden nagegaan in hoeverre de verklarende variabelen de veranderingen in de ROA

verklaren. Door de resultaten uit de enkelvoudige regressies wordt er verwacht dat de drie variabelen,

zijnde verkopen, totale activa en operationele marge, een significante invloed zullen uitoefenen op de ROA.

Dit model heeft tot doel een algemene conclusie te formuleren op de onderzoeksvraag uit deze scriptie. Er

dient dus te worden nagegaan indien een stijging of daling in de verklarende variabelen een verandering

teweegbrengt op het rendement van de activa. De verwachtingen werden gebaseerd op de bevindingen uit

de literatuur, alsook op de resultaten van de reeds uitgevoerde analyses. Ut infra worden de resultaten van

het model weergegeven, besproken en geanalyseerd. Ditmaal wordt er geen rekening gehouden met de

volledige tijdsperiode, aangezien dit geen onderdeel is van de onderzoeksvraag. Tenslotte wordt gekozen

49

om het pooled OLS-model te gebruiken aangezien de testen voor panel data aantonen dat dit het meest

geschikt is voor deze dataset.

Uit tabel 14 is af te leiden welke impact een verandering in de verklarende variabele heeft op de

afhankelijke variabele, alsook de significantie van deze variabelen. De verklaringskracht van het model

bedraagt 62,61% in de periode voor de beursgang en 69% na de beursgang. Deze verklaringskrachten zijn

relatief hoog, wat aantoont dat beide modellen een goede verklaring bieden voor de verandering in ROA.

Belangrijk om op te merken is dat de Durbin-Watson statistiek in beide gevallen laag is, respectievelijk 1,059

en 1,019. Dit kan wijzen op het probleem van positieve residuele autocorrelatie van de eerste orde.

Bijgevolg bestaat de mogelijkheid dat de opeenvolgende resttermen gecorreleerd zijn met elkaar. De

resttermen kunnen beschreven worden als schokken in het rendement van de activa die niet kunnen

worden verklaard door de variabelen in het model. Aangezien de data zich slechts strekt over periodes van

twee en drie jaar, kan er geen analyse van de resttermen worden gedaan. De restricties van het onderzoek

komen in de volgende secties nog aan bod.

Test op significantie: *: 10%; **: 5%; ***: 1%

Tabel 14: Hoofdmodel verschil tussen pre- en post-IPO

50

In het pre-model blijken drie variabelen een positieve significante impact te hebben op de veranderingen

in de ROA van eenhoorns. Deze significante variabelen zijn de totale activa (p = 0,043), de leverage ratio (p

= 0,042) en de operationele marge (p = 0,010). De coëfficiënten bij deze variabelen zijn 10,117 voor de

totale activa, 0,273 bij de leverage ratio en 0,327 voor de operationele marge. De interpretatie van deze

coëfficiënten gaat als volgt: 1) wanneer de totale activa van de onderneming stijgt met 1%, dan zal het

rendement op de activa stijgen met 0,10%; 2) een stijging van de financiële hefboomratio met 1% heeft als

gevolg een stijging van de ROA met 0,27%; en 3) een stijging van de operationele marge met 1% leidt tot

een stijging van ROA met 0,33%.

Bovenstaande resultaten bevestigen deels de bevindingen uit de literatuur. In het pre-model zijn drie

variabelen significant, zijnde totale activa, leverage ratio en operationele marge. Deze variabelen

bevestigen steeds de bevindingen uit de literatuur. Zo concludeerden Dalbor, Kim en Upneja (2004) en

Doğan (2013) dat de totale activa een positieve invloed heeft op het rendement van de activa. Daarnaast

vond Burja (2011) een positieve relatie tussen de leverage ratio en de ROA, hoewel onze verwachtingen

echter het tegenovergestelde waren. De laatste significante variabele is de operationele marge, die ook de

bevindingen uit de literatuur bevestigt. Zo vonden Jiraporn, Miller, Yoon en Kim (2008), Delen, Kuzey &

Uyar (2013) en Heikal, Khaddafi en Ummah (2014) telkens een sterke en positieve relatie.

Vervolgens zal de periode post-IPO geanalyseerd worden. Eerst en vooral toont het model opnieuw drie

significante variabelen. Opnieuw wordt voor de totale activa (p = 0,000) en operationele marge (p = 0,000)

een positief significant verband bekomen. Opvallend is dat de leverage ratio (p = 0,684) niet langer

significant is, en er een nieuwe variabele significant is geworden in vergelijking met het pre-model, namelijk

de verkopen (p = 0,000). Eerst zullen de variabelen bekeken worden die in beide modellen significant zijn

en nadien zullen de verschillen worden besproken.

De impact van de totale activa en operationele marge kunnen als volgt worden geïnterpreteerd. In de post-

IPO-model zal een stijging in de totale activa met 1% leiden tot een stijging van ROA met 0,13%. Daarnaast

zal een stijging in de operationele marge met 1% het rendement van de totale activa met 0,45% doen

toenemen. Deze coëfficiënten vertonen een relatief kleine toename in vergelijking met het model voor de

beursgang. De grootste verandering bevindt zich in de coëfficiënt van de operationele marge, die een

toename kent van ongeveer 0,12% in vergelijking met het pre-IPO-model.

Daarnaast is de leverage ratio in het pre-model significant, maar verliest deze zijn significantie in het post-

model. De totale verkopen maken de omgekeerde beweging en worden significant in het post-model. De

51

leverage ratio heeft in het pre-model een significante coëfficiënt van 0,273, maar verloor zijn significantie

in het post-model (p = 0,684). Dit kan te wijten zijn aan het feit dat een IPO voor extra kapitaal zorgt en de

onderneming hierdoor minder behoefte heeft aan schuldfinanciering. De leverage ratio heeft bijgevolg voor

de bedrijven in de steekproef geen significant effect meer op het rendement van de activa na de

beursnotering. Een daling van de leverage ratio pre- en post-IPO werd reeds geconstateerd in de sectie van

de beschrijvende statistiek (2.1).

Vervolgens is er de variabele verkopen die niet significant was in het pre-model, maar dit wel wordt in het

post-model. De coëfficiënt bij deze variabele is in beide gevallen negatief, wat de bevindingen uit de

literatuur tegenspreekt (Doğan, 2013; Donduran, 2008). Dit is ook in tegenstrijd met de coëfficiënten van

de variabele totale activa welke een positief verband vertoont en ook de grootte meet van de onderneming.

De interpretatie van deze coëfficiënt post-IPO is de volgende: wanneer de verkopen stijgen met 1%, zal het

rendement op de activa dalen met 0,117%. Een mogelijke verklaring hiervoor kan zijn dat na de

beursintroductie de kosten veel hoger oplopen en een stijging in verkopen zorgt voor een nog sterkere

stijging in de kosten, wat op zijn beurt weer zal leiden tot een daling in het netto-inkomen.

Op basis van bovenstaande analyse kan er een antwoord gevormd worden op de onderzoeksvraag, die voor

de duidelijkheid nog eenmaal wordt herhaald: “Wat is het verschil pre- en post-IPO van de impact van

financiële maatstaven op het rendement van de activa bij eenhoorns uit de Verenigde Staten?”.

Er kan weldegelijk geconcludeerd worden dat er verschillen zijn in de impact van de variabelen op het

rendement van de activa. Zo zal de omvang van de totale activa meer invloed hebben op de ROA eens de

onderneming publiek is. Hetzelfde geldt voor de operationele marge die ook een positief verband vertoont.

Vervolgens valt op dat de leverage ratio zijn significantie verliest na de beursgang, wat betekent dat deze

variabele niet langer een impact heeft op het rendement van de activa na de beursintroductie. Verder kan

uit het bovenstaande regressiemodel nog opgemaakt worden dat de totale verkopen een negatieve impact

hebben op het rendement van de activa eens de onderneming een IPO heeft ondergaan. Dit impliceert dat

een stijging in de verkopen zal zorgen voor een daling in het rendement van de activa. Tot slot kunnen we

vaststellen dat in beide periodes zowel de groei in verkopen als de liquiditeitsratio geen significante invloed

hebben op de performantie van de onderneming

In de volgende en laatste sectie zal een algemeen besluit worden geformuleerd en zullen de restricties van het onderzoek worden besproken alsook enkele suggesties voor verder onderzoek.

52

3.3. Restricties en suggesties voor verder onderzoek

Hoewel het model enkele interessante bevindingen kan aantonen, is het belangrijk om de beperkingen van

het onderzoek te bespreken en eventuele suggesties voor verder onderzoek te overlopen. Door de beperkte

beschikbaarheid van data bestaat onze steekproef slechts uit 13 voormalige eenhoorns. Voor verder

onderzoek lijkt het interessant om gebruik te maken van een grotere steekproef opdat het model een

sterkere waarde kan verkrijgen en de resultaten veralgemeend kunnen worden. Een tweede beperking is

de beschikbaarheid van data vóór de beursnotering. In dit onderzoek kon slecht beroep worden gedaan op

de laatste twee jaar vóór de beursnotering aangezien private bedrijven niet verplicht zijn om financiële

informatie te verschaffen. Voor verdere studies wordt sterk aangeraden om te beschikken over meerdere

datapunten. Een derde restrictie van het onderzoek is het feit dat er enkel gefocust wordt op voormalige

eenhoorns die gevestigd zijn in de Verenigde Staten. Hier kan in verder onderzoek eventueel een uitbreiding

worden gedaan met bedrijven uit andere werelddelen. In de literatuurstudie werd reeds vermeld dat het

aantal eenhoorns in China sterk toeneemt, waardoor het interessant kan zijn om een vergelijking te maken

tussen deze wereldmachten. Een vierde restrictie is de beperking van de variabelen tot boekhoudkundige

ratio’s. Voor verder onderzoek wordt aangeraden om gebruik te maken van andere

performantiemaatstaven, voorbeelden hiervan zijn de DCF-methode of de Economic Value Added-methode.

Een laatste restrictie van dit onderzoek is opnieuw een gevolg van het gebrek aan datapunten en heeft te

maken met de residuele autocorrelatie. Door een tekort aan datapunten was het in dit onderzoek niet

mogelijk om een analyse te doen van de resttermen. Dit kan als gevolg hebben dat het probleem van

residuele autocorrelatie optreedt. Voor verder onderzoek wordt nogmaals aangeraden om de tijdsperiodes

uit te breiden.

We verwachten dat er in de toekomst nog menig onderzoek zal worden gevoerd omtrent eenhoorns. De

reden hiervoor is dat de eenhoornbubbel mogelijks zal barsten in de nabije toekomst, wat nog meer

aandacht zal trekken naar deze ondernemingen. Daarnaast kan het, zoals eerder vermeld, ook interessant

zijn om dieper in te gaan op de sociale en economisch impact van eenhoorns. Ten slotte lijkt het ons ook

interessant om de succesfactoren van de Belgische eenhoorns te proberen achterhalen.

53

4. Conclusie

Eenhoorns zijn een belangrijk fenomeen geworden in de wereldeconomie. De laatste jaren is het aantal

bedrijven met een marktwaarde van meer dan $1 miljard sterk gestegen. Deze zijn actief in verschillende

sectoren over de hele wereld: van het beheer van data tot het regelen van een taxirit en het ter beschikking

stellen van een verblijfplaats. Kortom zijn deze bedrijven niet meer weg te denken uit het dagdagelijkse

leven. Daarnaast blijven deze bedrijven langer privaat en trekken ze pas in een latere levensfase naar de

beurs. Dit wordt mogelijk gemaakt door zowel een toename in risicokapitaal, als door een stijging van de

variëteit in financieringsbronnen op de private markt. Door middel van mega-financieringsrondes en PIPO’s

zijn deze bedrijven niet meer genoodzaakt om naar de beurs te trekken wanneer er een grote

kapitaalvereiste is. Het langer privaat blijven van deze bedrijven kan echter een overwaardering met zich

meebrengen, wat zowel tot sociale als economische problemen kan leiden en uiteindelijk eenzelfde

scenario kan veroorzaken als bij de technologiebubbel.

Sinds 2019 is het aantal eenhoorn IPO’s sterk gestegen. De investeerders en oprichters willen hun inbreng

op de publieke markt verzilveren alvorens deze opdroogt. Daarnaast spoorden de geruchten in verband

met de beursgang van Uber, die verwacht werd één van de grootste in de IPO-geschiedenis te worden,

andere eenhoorns aan om zelf een beursaanvraag in te dienen. Zo volgden bijvoorbeeld Lyft, Pinterest en

Zoom het voorbeeld van Uber en gingen zij in 2019 -al dan niet succesvol- naar de beurs.

Het doel van deze scriptie was een model te ontwerpen dat aantoont welke variabelen een verschillende

impact hebben op de performantie van eenhoorns pre- en post-IPO. Deze performantie wordt gemeten op

basis van de boekhoudkundige ratio Return on Assets. Er kan eerst en vooral worden geconcludeerd dat er

een stijging is in de gemiddelde performantie van eenhoorns na de beursintroductie. Vervolgens stellen we

vast dat er verschillen zijn tussen de impact van de variabelen op de performantie vóór en na de beursgang.

Uit het meervoudige regressiemodel blijkt dat de totale activa en de operationele marge zowel vóór als na

de IPO een positieve impact hebben op de performantie van de onderneming. De impact van deze

variabelen wordt sterker eens deze bedrijven op de beurs noteren. Vooral de operationele marge blijkt een

sterke invloed uit te oefenen op de performantie van eenhoorns, en dit zowel pre- als post-IPO. Verder kan

worden opgemerkt dat de leverage ratio een positieve impact heeft vóór de beursgang en dat deze ratio

na de introductie geen invloed meer uitoefent op de performantie. Daartegenover blijkt dat de verkopen

vóór de beursgang geen effect uitoefen op de performantie, terwijl deze na de beursintroductie een

negatief verband met de performantie vertonen, wat een merkwaardig resultaat is.

54

Er dient bij het analyseren van de bekomen resultaten rekening gehouden te worden met het feit dat deze

betrekking hebben op een relatief korte periode en een beperkt aantal eenhoorns. Deze resultaten zijn

bijgevolg niet te veralgemenen voor alle eenhoorns. Wel geven ze een eerste indicatie over de verschillen

in performantie van eenhoorns pre- en post IPO. Deze verschillen werden in de literatuur tot op heden nog

niet onderzocht, wat nog veel ruimte laat voor verder onderzoek.

55

Bibliografie

Aernoudt, R. (2012). Financieel management toegepast. Hoe financier ik mijn onderneming? Intersentia.

Beck. (2019). Unicorn Stock Options - Golden Goose or Trojan Horse. Colum. Bus. L. Rev.,107.

Brown , & Wiles. (2015). In search of Unicorns: Private IPOs and the changing markets for private equity

investments and corporate control. Journal of Applied Corporate Finance, 27(3), 34-38.

Burja, C. (2011). Factors Influencing the Companies' Profitability. Annales Universitatis Apulensis Series

Oeconomica, 13(2), 10. Opgehaald van

https://www.researchgate.net/profile/Camelia_Burja/publication/227356867_FACTORS_INFLUE

NCING_THE_COMPANIES'_PROFITABILITY/links/004635256686cc483f000000.pdf

CB Insights. (2017, januari 31). The increasingly crowded unicorn club in one infographic. Opgehaald van

www.cbinsights.com: https://www.cbinsights.com/research/increasingly-crowded-unicorn-club/

CB Insights. (2018, mei 29). Has the market stopped making new unicorns? Not really. Opgehaald van

www.cbinsights.com: https://www.cbinsights.com/research/new-tech-unicorns-crypto/

CB Insights. (2019, Juni 12). $1B+ Market Map: The world's 360 unicorn companies in one infoghraphic.

Opgehaald van www.cbinsights.com: https://app.cbinsights.com/research/unicorn-startup-

market-map/

CB Insights. (2019, februari). 2018 was the best year on record for new US Unicorns. Opgehaald van

cbinsights.com: https://www.cbinsights.com/research/us-unicorn-births-venture-capital-2018/

CB Insights. (2019, Juni 12). The 2019 Tech IPO Pipeline. Opgehaald van www.cbinsights.com:

https://www.cbinsights.com/research/report/tech-ipo-report-2019/

CB Insights. (2019, mei 8). The global unicorn club. Current private companies valued at $1B+. Opgehaald

van www.cbinsights.com: https://www.cbinsights.com/research-unicorn-companies

CB Insights. (2019, mei). Unicorn Hunters: These investors have backed the most billion-dollar companies.

Opgehaald van CB Insight: https://app.cbinsights.com/research/best-venture-capital-unicorn-

spotters-2/

Chernenko, Lerner, & Zeng. (2017). Mutual funds as venture capitalist? Evidence from unicorns. National

Bureau of Economic Research.

56

Clabaugh, A., & Peters, R. (2019). The Unicorn IPO Report. Harvard Law School.

Crabb, J. (2019). Uber's botched IPO could propt unicorns to go public sooner. International Finacial Law

Review .

Dalbor, M. C., Kim, A., & Upneja, A. (2004). An Initial Investigation of Firm Size and Debt Use by Small

Restaurant Firms. Journal of Hospitality Financial Management, 12(1), 9. Opgehaald van

https://scholarworks.umass.edu/jhfm/vol12/iss1/5

De Leus, K. (2019, April 2). Lyft en het betere nattevingerwerk. De Tijd, 1. Opgehaald van

https://www.tijd.be/opinie/algemeen/lyft-en-het-betere-nattevingerwerk/10113078.html

De Massis, Frattini, & Quillico. (2016). What big companies can learn from the succes of the unicorns.

Harvard Business Review.

De Rijcke, C., & Verrycken, R. (2019, March 29). Taxiapp Lyft 29 miljard dollar waard na beursgang. De Tijd,

1. Opgehaald van https://www.tijd.be/markten-live/nieuws-aandelen/Taxiapp-Lyft-29-miljard-

dollar-waard-na-beursgang/10112368

Delen, D., Kuzey, C., & Uyar, A. (2013). Measuring firm performance using financial ratios: A decision tree

approach. Expert Systems with Applications, 40, 3970-3983. doi:10.1016/j.eswa.2013.01.012

Doğan, M. (2013). Does Firm Size Affect The Firm Profitability? Evidence from. Research Journal of Finance

and Accounting, 4(4), 8. doi:ISSN 2222-2847

Donduran, M. (2008). Firm Size, Firm Growth and Persistence of Profits: An Firm-Level Analysis of Turkish

Manufacturing Industry. 19. Opgehaald van

http://www.yildiz.edu.tr/~donduran/papers/persistence.pdf

Erdogan, Kant, Miller, & Sprague. (2016, mei). Grow fast or die slow: why unicorns are staying private.

Opgehaald van McKinsey.com: https://www.mckinsey.com/industries/high-tech/our-

insights/grow-fast-or-die-slow-why-unicorns-are-staying-private

Fan. (2016). Regulating unicorns: disclosure and the new private economy. BCL Rev.

Fattoum-Guedri, A., Delmar, F., & Wright, M. (2018). The best of both worlds: Can founder‐CEOs overcome

the rich versus king dilemma after IPO? Strategic Management Journal, 3382-3407.

57

Filer, R. K., & Golbe, D. L. (2003). Debt, Operating Margin, And Investment in Workplace Safety. The Journal

Of Industrial Economics, 51(3), 359-381. doi:10.1111/1467-6451.00205

Gill, A., Biger, N., & Mathur, N. (2011). The Effect of Capital Structure on Profitability: Evidence from the

United States. International Journal of Management, 28(4), 15. Opgehaald van

https://www.researchgate.net/profile/Amarjit_Gill/publication/281004540_The_effects_of_capit

al_structure_on_profitability_Evidence_from_United_States/links/578768ee08ae78057de18ede.

pdf

Gornall, & Strebulaev. (2019). Squaring venture capital valuations with reality . Journal of Financial

Economics.

Grillo. (2016). An investigation on the economics of unicorns and their valuations as a signal of a new

technological bubble.

Gurley, B. (2016, April 21). On the road to recap: Why the unicorn financing market just became dangerous

for all involved. Opgehaald van abovethecrowd.com: http://abovethecrowd.com/2016/04/21/on-

the-road-to-recap/

Haeck, P. (2019, April 18). Videobelbedrijf Zoom knalt 80 procent hoger bij beursdebuut. De Tijd.

Hagel, J. I., Brown, J. S., & Davison, L. (2010). The Best Way to Measure Company Performance. Harvard

Business Review, 3. Opgehaald van https://hbr.org/2010/03/the-best-way-to-measure-compan

Harris, R., Jenkinson, T., & Kaplan, S. (2015). How do private equity investments perform compared to public

equity? Journal of Investment Management.

Heikal, M., Khaddafi, M., & Ummah, A. (2014). Influence Analysis of Return on Assets (ROA), Return on

Equity (ROE), Net Profit Margin (NPM), Debt To Equity Ratio (DER), and current ratio (CR), Against

Corporate Profit Growth In Automotive In Indonesia Stock Exchange. International Journal of

Academic Research in Business and Social Sciences, 4(12), 14. doi:10.6007/IJARBSS/v4-i12/1331

Hogarth, S. (2017). Valley of the unicorns: consumer genomics, venture capital and digital disruption. New

Genetics and Society, 250-272.

Jensen, J., Marshall, B., & Jahera , J. (2017). What is the best exit strategy for for a private firm: IPO or Sale.

International Journal of Business Management and Commerce .

58

Jiraporn, P., Miller, G. A., Yoon, S. S., & Kim, Y. S. (2008). Is Earnings Management Opportunistic of

Beneficial? An Agency Theory Perspective. International Review of Financial Analysis, 17, 622-634.

doi:10.1016/j.irfa.2006.10.005

Kenney, & Zysman. (2019). Unicorns, Chesire cats, and the new dilemmas of entrepreneurial finance.

Venture Capital, 21(1), 35-50.

Khidmat, W. B., & Rehman, M. U. (2014). Impact of Liquidity & Solvency on Profitability Chemical Sector

Pakistan. Ekonomika Management Innovation, 6(3). doi:ISSN: 1805-353X

Kramer , Patrick, & Harper. (2015). The terms behind unicorn valuations. Fenwick & West LLC.

Lee, A. (2013). Welcome tot the unicorns club: Learning from Billion-Dollar Startups. Opgehaald van

TechcrunCh.

Lomheim, K. H., & Øritsland, O. T. (2018). Can European Unicorns Defend the High Valuations? 121.

Opgehaald van https://openaccess.nhh.no/nhh-

xmlui/bitstream/handle/11250/2560255/masterthesis.PDF?sequence=1&isAllowed=y

Mampaey, S. (2019, Mei 11). 'Teleurstellend beursdebuut Uber is check met realiteit'. De Tijd.

McKenzie , M., & Janeway , W. (2011). Ventur capital funds and the public equity market. Accounting &

Finance, 764-786.

McNeill. (2016). Governing a city of unicorns: technology capital and the urban politics of San Francisco .

Urban geography, 37(4), 494-513.

Molla , R., Mark, R., & Northrop, A. (2019, Junie 20). How the tech unicorns of 2019 are doing on the stock

market. Opgehaald van vox.com: https://www.vox.com/recode/2019/6/20/18650993/tech-ipo-

tracker-uber-lyft-slack-zoom

Nickerson, B. J. (2019). The underlying underwriter: an analysis of the Spotify direct listing . The University

of Chicago Law Review, 985-1025.

Ooghe, H., Vander Bauwhede, H., & Van Wymeersch, C. (2012). Handboek Financële Analyse Van De

Onderneming: Theorie En Toepassing Op De Jarrekening Volgens Belgian GAAP En IFRS (4 ed.).

Antwerpen: Intersentia. Opgehaald van http://hdl.handle.net/1854/LU-3136005

Øritsland, & Lomheim. (2018). Can European Unicorns Defend the High Valuations?

59

Peristiani, S., & Hong, G. (2004). Pre-IPO Financial Performance and Aftermarket Survival. FEDERAL RESERVE

BANK OF NEW YORK, 8. Opgehaald van https://www.researchgate.net/publication/5050209_Pre-

IPO_financial_performance_and_aftermarket_survival

Peters, R., & Clabaugh, A. (2019). Analysis of Initial Public Offerings for Companies Valued at $1 Billion or

Higher. LexisNexis company.

PitchBook, & National Ventue Capital Association. (2019). Venture Monitor 2Q 2019.

Pouraghajan, A., Mansourinia, E., Bagheri, S. M., Emamgholipour, M., & Emamgholipour, B. (2013).

Investigation the Effect of Financial Ratios, Operating Cash Flow on Earnings Per Share: Evidence

from the Tehran Stock Exchange. International Research Journal of Applied and Basic Sciences, 4(5),

1026-1033. doi:ISSN 2251-838X

Richard, P. J., Devinney, T. M., Yip, G. S., & Johnson, G. (2009, June). Measuring Organizational Performance:

Towards Methodological Best Practice. Journal of Management, 35(3), 87.

doi:10.1177/0149206308330560

Safarova, Y. (2010). Factors That Determine Firm Performance of New Zealand Listed Companies. 36.

Opgehaald van https://core.ac.uk/download/pdf/56361591.pdf

Simon, J. (2016). How to catch a unicorn. European Commission.

Soininen, J., Martikainen, M., Puumalainen, K., & Kyläheiko, K. (2012). Entrepreneurial orientation: Growth

and profitability of Finnish small- and medium-sized enterprises. International Journal of Production

Economics, 140, 614-621. doi:10.1016/j.ijpe.2011.05.029

Steinbach, M. (2018, December 3). More unicorn companies are choosing IPOs. Why? Why now? And what

should they be doing to prepare? Opgehaald van ey.com: https://www.ey.com/en_gl/ipo/ipo-

strategic-option-for-unicorns

Taplin. (2017). Move fast and break things: How Facebook, Google, and Amazon have concerned culture

and what it means for all of us. Pan Macmillan.

Titman, S., & Wessels, R. (1988). The Determinants of Capital Structure Choice. The Journal Of Finance,

43(1), 19. Opgehaald van https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1540-

6261.1988.tb02585.x

60

van der Hout , B., & Van Hamme, K. (2019, Juni 21). Slack schiet bijna 50 procent hoger bij beursdebuut. De

Tijd.

van der Hout, B. (2019, April 18). PInterest kwart hoger bij beursdebuut. De Tijd.

Van Hamme, K. (2019, March 28). Lyft leidt golf van technieuwkomers naar de beurs. De Tijd, 1. Opgehaald

van https://www.tijd.be/markten-live/nieuws/aandelen-buitenlandse-beurzen/lyft-leidt-golf-van-

technieuwkomers-naar-de-beurs/10111976.html

Wichmann, K. (2018). Unicorns: legendary returns, harsh realities. UBS Asset Management.

Zörgiebel, S. (2016). The rise of the unicorns - How media affects start-up valuations.

I

Bijlagen

Bijlage 1: De stijgende trend in eenhoorns tussen maart 2009 en januari 2017

Bron: CB Insights. (2017, januari 31). The increasingly crowded unicorn club in one infographic.

II

Bijlage 2: De blijvende trend van stijgende eenhoorns tussen Q1 2013 en Q1 2018

Bron: CB Insights. (2018, mei 29). Has the market stopped making new unicorns? Not really.

III

Bijlage 3: Softwarebedrijven bereiken vaker de kaap van $10 miljard zonder publiek te gaan

Bron: Erdogan, Kant, Miller, & Sprague. (2016, mei).

IV

Bijlage 4: Geboortes van US VC-backed eenhoorns tussen 2012 en 2018

Bijlage 5: Volledige lijst van eenhoorns

Bedrijfsnaam Waardering in miljard $

1 Toutiao (Bytedance) 75,00

2 Uber 72,00

3 Didi Chuxing 56,00

4 WeWork 47,00

5 JUUL Labs 38,00

6 Airbnb 29,30

7 Stripe 22,50

8 SpaceX 18,50

9 Epic Games 15,00

10 GrabTaxi 14,00

11 Bitmain Technologies 12,00

12 Samumed 12,00

13 Global Switch 11,08

14 Palantir Technologies 11,00

15 DJI Innovations 10,00

16 One97 Communications (operates Paytm) 10,00

17 Go-Jek 10,00

18 Infor 10,00

19 Guazi (Chehaoduo) 9,00

20 Coupang 9,00

21 Coinbase 8,00

22 Instacart 7,60

23 DoorDash 7,10

24 Slack Technologies 7,10

Bron: CB Insights. (2019, februari). 2018 was the best year on record for new US Unicorns.

V

25 Snapdeal 7,00

26 Tokopedia 7,00

27 Roivant Sciences 7,00

28 UiPath 7,00

29 Tanium 6,70

30 Magic Leap 6,30

31 Manbang Group 6,00

32 Lianjia (Homelink) 5,80

33 EasyHome 5,70

34 Vice Media 5,70

35 Robinhood 5,60

36 Intarcia Therapeutics 5,50

37 Hellobike 5,00

38 UBTECH Robotics 5,00

39 United Imaging Healthcare 5,00

40 BYJU'S 5,00

41 Bluehole 5,00

42 Machine Zone 5,00

43 Outcome Health 5,00

44 Meizu Technology 4,58

45 SenseTime 4,50

46 Fanatics 4,50

47 Social Finance (SoFi) 4,50

48 Compass 4,40

49 Olacabs 4,30

50 Oyo Rooms 4,30

51 Peloton Interactive 4,20

52 Nubank 4,00

53 Yello Mobile 4,00

54 Houzz 4,00

55 Niantic 4,00

56 Snowflake Computing 3,95

57 OpenDoor Labs 3,80

58 XPeng Motors 3,65

59 Samsara 3,60

60 Auto1 Group 3,54

61 Otto Bock HealthCare 3,50

62 Klarna 3,50

63 Credit Karma 3,50

64 Indigo Agriculture 3,50

65 Youxia Motors 3,35

66 Cloudwalk 3,32

67 Swiggy 3,30

68 Rubrik 3,30

69 The Hut Group 3,25

VI

70 Flexport 3,20

71 Oscar Health Insurance Co. 3,20

72 SmileDirectClub 3,20

73 Zoox 3,20

74 Ziroom 3,10

75 Horizon Robotics 3,00

76 Kuaishou 3,00

77 Royole Corporation 3,00

78 SouChe Holdings 3,00

79 UCommune 3,00

80 VANCL 3,00

81 Vipkid 3,00

82 Xiaohongshu 3,00

83 Yuanfudao 3,00

84 BGL Group 3,00

85 Circle Internet Financial 3,00

86 ContextLogic (dba. Wish) 3,00

87 CrowdStrike 3,00

88 Procore Technologies 3,00

89 Unity Technologies 3,00

90 luckin coffee 2,90

91 Shanghai Henlius 2,90

92 Affirm 2,90

93 ESR Cayman (e-Shang Redwood) 2,80

94 Meicai 2,80

95 N26 2,70

96 Databricks 2,70

97 Toast 2,70

98 Plaid Technologies 2,65

99 Woowa Brothers 2,60

100 Automation Anywhere 2,60

101 Zhihu 2,50

102 VistaJet 2,50

103 Confluent 2,50

104 GRAIL 2,46

105 Lime 2,40

106 Medallia 2,40

107 YITU Technology 2,37

108 Dadi Cinema 2,30

109 ACORN OakNorth 2,30

110 Uptake 2,30

111 Zume Pizza 2,25

112 MINISO Life 2,20

113 NuCom Group 2,20

114 Zomato Media 2,18

VII

115 benevolent.ai 2,10

116 Cambricon 2,00

117 Eggshell Apartment 2,00

118 Huimin 2,00

119 Trendy Group International 2,00

120 ReNew Power Ventures 2,00

121 Traveloka 2,00

122 Preferred Networks 2,00

123 Checkout.com 2,00

124 Deliveroo 2,00

125 Improbable 2,00

126 Aurora 2,00

127 Avant 2,00

128 Bird Rides 2,00

129 Discord 2,00

130 LegalZoom 2,00

131 Lemonade 2,00

132 Tempus Labs 2,00

133 Zenefits 2,00

134 HashiCorp 1,90

135 InVision 1,90

136 Postmates 1,85

137 Afiniti 1,80

138 Devoted Health 1,80

139 Quora 1,80

140 reddit 1,80

141 Sprinklr 1,80

142 Zocdoc 1,80

143 L&P Cosmetic 1,78

144 Graphcore 1,70

145 Revolut 1,70

146 23andMe 1,70

147 Buzzfeed 1,70

148 Carbon3D 1,70

149 Carta 1,70

150 Insidesales.com 1,70

151 Pax Labs 1,70

152 Pony.ai 1,70

153 Squarespace 1,70

154 Jusfoun Big Data 1,65

155 CureVac 1,65

156 Darktrace 1,65

157 ServiceTitan 1,65

158 CAOCAO 1,60

159 Gan & Lee Pharmaceuticals 1,60

VIII

160 BlaBlaCar 1,60

161 Delhivery 1,60

162 Infinidat 1,60

163 TransferWise 1,60

164 Dataminr 1,60

165 Looker 1,60

166 AIWAYS 1,59

167 Quanergy Systems 1,59

168 Promasidor Holdings 1,58

169 Oxford Nanopore Technologies 1,55

170 DouyuTV 1,51

171 Aihuishou 1,50

172 GuaHao (We Doctor) 1,50

173 Tujia 1,50

174 ironSource 1,50

175 Asana 1,50

176 Chime 1,50

177 Desktop Metal 1,50

178 Freshworks 1,50

179 Mu Sigma 1,50

180 Nextdoor 1,50

181 Segment 1,50

182 STX Entertainment 1,50

183 Tuandaiwang 1,46

184 Coocaa 1,45

185 CGTZ 1,40

186 Koudai Gouwu 1,40

187 Hike 1,40

188 Gett 1,40

189 Cabify 1,40

190 Allbirds 1,40

191 AppLovin 1,40

192 AvidXchange 1,40

193 C3 IoT 1,40

194 Wemakeprice 1,33

195 Docker 1,30

196 Zeta Interactive 1,30

197 Intercom 1,29

198 Monzo 1,27

199 Starry 1,27

200 Atom Bank 1,25

201 Butterfly Network 1,25

202 ezCater 1,25

203 4Paradigm 1,20

204 Yiguo (易果生鲜) 1,20

IX

205 Viva Republica (Toss) 1,20

206 Clover Health 1,20

207 Glossier 1,20

208 Human Longevity 1,20

209 KeepTruckin 1,20

210 OfferUp 1,20

211 Ten-X 1,20

212 Thumbtack 1,20

213 Warby Parker 1,20

214 HeartFlow 1,19

215 Logic Show (Luojisiwei) 1,17

216 Tuhu 1,16

217 Deezer 1,16

218 Automattic 1,16

219 LIfeMiles 1,15

220 BrewDog 1,15

221 Doctolib 1,14

222 Yijiupi (易久批) 1,10

223 OVH 1,10

224 Shopclues 1,10

225 Global Fashion Group 1,10

226 Actifio 1,10

227 Airtable 1,10

228 Brex 1,10

229 Casper 1,10

230 GitLab 1,10

231 Outreach 1,10

232 Proteus Digital Health 1,10

233 TangoMe 1,10

234 Tradeshift 1,10

235 TuSimple 1,09

236 Radius Payments Solutions 1,07

237 Formlabs 1,06

238 Jiuxian 1,05

239 Jumia 1,04

240 AppDirect 1,04

241 Avaloq Group 1,01

242 Airwallex 1,00

243 Canva 1,00

244 iFood 1,00

245 Kik Interactive 1,00

246 17zuoye 1,00

247 58 Daojia 1,00

248 9f Group 1,00

249 Aijia Life 1,00

X

250 Apus Group 1,00

251 BeiBei 1,00

252 Ding Xiang Yuan 1,00

253 Dt Dream 1,00

254 Face++ (Megvii) 1,00

255 Fanli 1,00

256 Geek+ 1,00

257 Huike Group (Uniquedu Corporation) 1,00

258 HuJiang 1,00

259 iCarbonX 1,00

260 iTutorGroup 1,00

261 JOLLY Information Technology 1,00

262 LinkDoc Technology 1,00

263 LinkSure Network 1,00

264 Medlinker 1,00

265 Mia.com 1,00

266 Mofang Gongyu 1,00

267 Momenta 1,00

268 New Dada 1,00

269 Nxin (农信互联) 1,00

270 Poizon 1,00

271 Shansong Express (FlashEx) 1,00

272 Tongdun Technology 1,00

273 Unisound 1,00

274 XiaoZhu 1,00

275 YH Global 1,00

276 Yidian Zixun 1,00

277 Yixia 1,00

278 Zhaogang 1,00

279 Rappi 1,00

280 Bolt 1,00

281 About You 1,00

282 Celonis 1,00

283 Omio 1,00

284 Klook 1,00

285 Lalamove 1,00

286 BigBasket 1,00

287 Dream11 1,00

288 InMobi 1,00

289 PolicyBazaar 1,00

290 Udaan 1,00

291 Bukalapak 1,00

292 OrCam Technologies 1,00

293 Revolution Precrafted 1,00

294 OutSystems 1,00

XI

295 Cell C 1,00

296 Yanolja 1,00

297 MindMaze 1,00

298 10X Genomics 1,00

299 Adaptive Biotechnologies 1,00

300 Age of Learning 1,00

301 Bill.com 1,00

302 Calm 1,00

303 CloudFlare 1,00

304 Cohesity 1,00

305 Collibra 1,00

306 Convoy 1,00

307 Coursera 1,00

308 Ginkgo BioWorks 1,00

309 GoodRx 1,00

310 Gusto 1,00

311 Health Catalyst 1,00

312 Hims 1,00

313 Illumio 1,00

314 JFrog 1,00

315 Kabbage 1,00

316 Katerra 1,00

317 Kendra Scott Jewelry 1,00

318 letgo 1,00

319 Liquid 1,00

320 Lookout 1,00

321 MarkLogic 1,00

322 MediaMath 1,00

323 Netskope 1,00

324 Pat McGrath Labs 1,00

325 Red Ventures 1,00

326 Rent the Runway 1,00

327 Roblox 1,00

328 Rocket Lab 1,00

329 Root Insurance 1,00

330 Rubicon Global 1,00

331 Seismic 1,00

332 Sila Nanotechnologies 1,00

333 SMS Assist 1,00

334 Soundhound 1,00

335 Supreme 1,00

336 Sweetgreen 1,00

337 Symphony Communication Services

Holdings

1,00

338 TalkDesk 1,00

339 TechStyle Fashion Group 1,00

XII

340 Tresata 1,00

341 TripActions 1,00

342 Vlocity 1,00

343 Vox Media 1,00

344 WalkMe 1,00

345 Zhangmen 1,00

346 Zip Recruiter 1,00

Bron: CB Insights. (2019, mei 8). The global unicorn club. Current private companies valued at $1B+

Bijlage 6: Analyse huidige eenhoorns

Bron: CB Insights. (2019, mei 8). The global unicorn club. Current private companies valued at $1B+

XIII

Bijlage 7: Technologiebedrijven halen meer kapitaal op voorafgaand aan een IPO

Bijlage 8: Top 10 eenhoorn investeerders

Bron: CB Insights. (2019, Juni 12). The 2019 Tech IPO Pipeline.

Bron: CB Insights. (2019, mei). Unicorn Hunters: These investors have backed the most billion-dollar companies.

XIV

Bijlage 9: Top eenhoorn jagers volgens gecumuleerde waarde

Bron: CB Insights. (2019, mei). Unicorn Hunters: These investors have backed the most billion-dollar companies.

XV

Bijlage 10: Evolutie VC in Silicon Valley en de 4 andere grootste regio's gecombineerd

Bijlage 11: Evolutie Venture Capital in de VS

Bron: Kenney, & Zysman. (2019). Unicorns, Chesire cats, and the new dilemmas of entrepreneurial finance. Venture Capital

Bron: PitchBook, & National Ventue Capital Association. (2019). Venture Monitor 2Q 2019.

XVI

Bijlage 12: Evolutie mega-financieringsrondes in de VS

Bron: PitchBook, & National Ventue Capital Association. (2019). Venture Monitor 2Q 2019.

XVII

Bijlage 13: De westkust van de VS staat in voor meer dan de helft van het geïnvesteerd VC

Bron: PitchBook, & National Ventue Capital Association. (2019). Venture Monitor 2Q 2019.

XVIII

Bijlage 14: Toenemende populariteit in mega-financieringsrondes ten opzichte van tech

IPO’s

Bijlage 15: Nieuwe tech unicorns overstijgen het aantal tech IPO’s

Bron: CB Insights. (2019, Juni 12). The 2019 Tech IPO Pipeline.

Bron: CB Insights. (2019, Juni 12). The 2019 Tech IPO Pipeline.

XIX

Bijlage 16: Evolutie eenhoorn IPO’s tussen 2016 en 2018

Bijlage 17: Stormloop van eenhoorn IPO’s leidt tot historisch hoogtepunt in VC-exit waarde

Bron: Clabaugh, A., & Peters, R. (2019). The Unicorn IPO Report.

Bron: PitchBook, & National Ventue Capital Association. (2019). Venture Monitor 2Q 2019.

XX

Bijlage 18: Waarde-evolutie van Appdynamics tussen 2008 en 2017

Bijlage 19: Overzicht van de grootste en verwachte tech IPO’s in 2019 in de VS

Bron: Wichmann, K. (2018). Unicorns: legendary returns, harsh realities.

Bron: CB Insights. (2019, Juni 12). The 2019 Tech IPO Pipeline.

XXI

Bijlage 20: Overzicht eenhoorns in steekproef

Bijlage 21: Formules van de gebruikte variabelen