A carregar...
Publicação
The 2022 repricing of public SaaS : cohort-specific margin reweighting and a duration-driven level shift
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 799.33 KB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
This paper studies the repricing of publicly traded Software-as-a-Service (SaaS) firms in 2022. Recent practitioner research has framed the repricing in generative-AI terms, either as a tailwind that deepens recurring-revenue moats or as a substitution risk under which AI agents commoditize per-seat pricing. I examine these explanations against a more standard asset-pricing mechanism in which firms with long-duration cash flows respond more strongly to changes in discount rates.The analysis uses quarterly data for 90 U.S. SaaS firms from 2014Q1 through 2024Q4. Three results emerge. First, the structural break in valuations occurs in 2022Q1, at the start of the Federal Reserve tightening cycle and before the release of ChatGPT in November 2022. Second, the cross-sectional valuation function shifts toward operating margins, although thiseffect appears mainly among firms whose margins were already informative before 2022. Third, the decline in valuations is larger for firms with longer cash-flow duration.The cross-sectional patterns are difficult to reconcile with the main AI-based explanations. Repricing differences are more closely related to pre-existing growth and profitability characteristics than to measures of AI exposure. Overall, the evidence is more consistent with the duration-based mechanism commonly documented in the broader asset-pricing literature.
Este artigo estuda a reavaliação das empresas de Software-as-a-Service (SaaS) cotadas em bolsa em 2022. A literatura prática recente enquadrou-a como IA generativa, quer como vento favorável que aprofunda os fossos da receita recorrente, quer como risco de substituição em que os agentes de IA banalizam o preço por utilizador. Confronto estas explicações com um mecanismo mais convencional de precificação de ativos, segundo o qual empresas com fluxosde caixa de longo prazo reagem mais fortemente a variações nas taxas de desconto.A análise utiliza dados trimestrais de 90 empresas SaaS dos EUA, de 2014T1 a 2024T4. Emergem três resultados. Primeiro, a quebra estrutural ocorre em 2022T1, no início do aperto da Reserva Federal e antes do ChatGPT em novembro de 2022. Segundo, a função de valoração transversal reorienta-se para a margem operacional, sobretudo nas empresas cujas margens já eram informativas antes de 2022. Terceiro, a queda é maior em empresas com fluxos de caixa de maior duração.Os padrões transversais são difíceis de conciliar com explicações baseadas em IA. As diferenças relacionam-se mais a características pré-existentes de crescimento e rentabilidade do que a medidas de exposição à IA. No conjunto, a evidência é mais consistente com o mecanismo baseado em duração documentado na literatura mais ampla sobre precificação de ativos.
Este artigo estuda a reavaliação das empresas de Software-as-a-Service (SaaS) cotadas em bolsa em 2022. A literatura prática recente enquadrou-a como IA generativa, quer como vento favorável que aprofunda os fossos da receita recorrente, quer como risco de substituição em que os agentes de IA banalizam o preço por utilizador. Confronto estas explicações com um mecanismo mais convencional de precificação de ativos, segundo o qual empresas com fluxosde caixa de longo prazo reagem mais fortemente a variações nas taxas de desconto.A análise utiliza dados trimestrais de 90 empresas SaaS dos EUA, de 2014T1 a 2024T4. Emergem três resultados. Primeiro, a quebra estrutural ocorre em 2022T1, no início do aperto da Reserva Federal e antes do ChatGPT em novembro de 2022. Segundo, a função de valoração transversal reorienta-se para a margem operacional, sobretudo nas empresas cujas margens já eram informativas antes de 2022. Terceiro, a queda é maior em empresas com fluxos de caixa de maior duração.Os padrões transversais são difíceis de conciliar com explicações baseadas em IA. As diferenças relacionam-se mais a características pré-existentes de crescimento e rentabilidade do que a medidas de exposição à IA. No conjunto, a evidência é mais consistente com o mecanismo baseado em duração documentado na literatura mais ampla sobre precificação de ativos.
Descrição
Palavras-chave
SaaS valuation EV/revenue Rule of 40 Duration channel Structural break Cohort heterogeneity ChatGPT Cross-sectional pricing Avaliação SaaS EV/receita Canal de duração Quebra estrutural Heterogeneidade de coortes Precificação transversal
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC