Enheder
1. Introduktion til kunstig intelligens i finans og verifikationsdisciplinen 2. Læsning og fortolkning af årsregnskaber 3. Forholdsanalyse og præstationsevaluering 4. Budgettering og Cash Flow Management 5. Finansiel modellering, scenarie og følsomhedsanalyse 6. Værdiansættelsesstøtte: DCF og multipler 7. Investerings- og porteføljeanalyse 8. Risikoanalyse og tidlig advarselsrapportering 9. Finansiel prognose 10. Ledelsesberetning og præsentationsproduktion 11. Automatisering: Excel, Formel og Macro Generation 12. Grænser for AI i finans: Hallucination, privatliv og regulering
Enhed 6 / 12

Værdiansættelsesstøtte: DCF og multipler

Gevinster:

  • Evne til at konfigurere og udføre trin af diskonteret pengestrøm (DCF) og multiplikatormetoder med AI
  • Evne til at teste effekten af kritiske antagelser som diskonteringsrente, vækst og terminalværdi på resultatet med AI
  • Evne til at sætte spørgsmålstegn ved værdiansættelsesresultatet produceret af AI med følsomhed og plausibilitetskontrol

Værdiansættelse er "hvor meget er denne virksomhed eller aktiv værd?" Det er en systematisk søgen efter et svar på spørgsmålet. Dette spørgsmål ligger i hjertet af en opkøb, partnerskab, børsnotering eller investeringsbeslutning. Der er to store værdiansættelsesfamilier: tilbagediskonteret pengestrøm (DCF), det vil sige at tage de kontanter, som virksomheden vil generere i fremtiden, til dens nuværende værdi; og multipla, det vil sige at foretage sammenligninger baseret på markedsværdien af ​​lignende virksomheder. AI fremskynder værdiansættelsen dramatisk: den konfigurerer DCF-trin, diskonterer pengestrømme, beregner terminalværdi og producerer følsomhedstabeller. Men den barske virkelighed ved værdiansættelse er, at resultatet er ekstremt følsomt over for nogle få kritiske antagelser. Ændring af diskonteringsrenten med et point kan flytte værdien med titusindvis af procenter. Så det er ikke et enkelt antal værdier, som AI producerer, men en række værdier baseret på antagelser, der er det faktiske output.

I denne enhed lærer vi at udføre trinene i DCF- og multiplikatormetoderne med AI, teste virkningen af ​​kritiske antagelser på resultatet og kontrollere værdiansættelsesresultatet for rimelighed.

Begreber: DCF: Metode, der diskonterer fremtidige pengestrømme til nutiden ved hjælp af en diskonteringsrente. Diskonteringsrente: Kurs, der bruges til at finde nutidsværdien af ​​fremtidige penge; afspejler risikoen. Terminalværdi: Oversigt over alle pengestrømme efter prognoseperioden. Multiplikator: Benchmark ratio, der dividerer markedsværdien med en finansiel størrelse (profit, EBITDA, omsætning). EBITDA: Resultat før renter, skat og afskrivninger.

Trin af DCF

DCF ser kompleks ud, men dens logik er lænket. At lade AI bygge denne kæde trin for trin giver både gennemsigtighed og gør det lettere at isolere fejlen.

trin

hvad man skal gøre

kritisk antagelse

1. Pengestrømsprognose

Frit cash flow de næste 5 år

vækst, margin

2. Rabatsats

Den sats, der afspejler risikoen, bestemmes

kapitalomkostninger

3. Reduktion

Hvert års kontanter hæves til i dag

diskonteringsrente

4. Terminalværdi

Sammenfattet efter 5. år

terminal vækst

5. I alt

Reducerede værdier + terminal

kombination af alle

Kritisk kendsgerning: Normalt kommer mere end halvdelen af DCF-værdien fra terminalværdien. Terminalværdien er ekstremt følsom over for den lille forskel mellem diskonteringsrenten og terminalvækstraten. Disse to antagelser er det mest skrøbelige punkt i DCF og skal underkastes følsomhedsanalyse.

Forsigtig: At bede AI'en om at "værdisætte denne virksomhed" og få et enkelt tal strider imod værdiansættelsens ånd. Hvis diskonteringsrenten er 13 % i stedet for 11 %, falder værdien måske 25 %. Et ulige tal giver misvisende præcision; Det korrekte output er et bånd af værdier inden for et rimeligt antagelsesområde.

Opbygning af DCF med AI

DCF-rammeprompt: "Opsæt en 5-årig DCF for en virksomhed. Input: 1. års frie pengestrømme $20 millioner, 8% årlig vækst, diskonteringsrente 14%, terminalvækst 4%. Vis trin separat: (1) 5-årigt cash flow, (2) tilbagediskonteret værdi af hvert år, (3) terminalværdi plus diskonteret værdi, (4) indlejring af virksomhedens samlede værdi, (4) indlejring."

Følsomhedsmatrix-prompt: "Konstruer en to-variable følsomhedstabel for den samme DCF: diskonteringsrente i rækkerne (12%-16%, 1 point trin), terminal vækst i kolonnerne (2%-5%, 1 point step). Vis den samlede virksomhedsværdi i hver celle og kommenter, hvor følsom værdien er over for disse to antagelser."

Multiplikatorvurderingsprompt: "Vurdér en virksomhed med multiplikatormetoden. Dens EBITDA er 30 millioner TL. EV/EBITDA-multiplikatoren for lignende virksomheder er i intervallet 6x-8x (betragt dette interval som 'krævede ressourcer'). Beregn virksomhedens faste værdibånd med dette interval, og giv det i et format, der kan sammenlignes med DCF."

Rimelighedskontrolprompt: "Tjek den DCF-værdi, du fandt som følger: (1) hvor mange gange virksomhedens årlige EBITDA svarer den resulterende værdi til, og er denne multiplikator rimelig i henhold til sektoren? (2) hvor stor en procentdel af den samlede værdi er terminalværdien? Hvis den er over 80 %, forklar hvorfor det er risikabelt. (3) hvor meget desto meget højere er vækstraten;

Svag prompt / stærk prompt

SVAG: "Hvor meget er dette firma værd?" (Resultat: et enkelt ikke-understøttet tal; hvilken antagelse, hvilken metode er uklar.) STÆRK: "Sæt DCF op med 5-årigt frit cash flow, 14 % rabat og 4 % terminalvækstforudsætninger, vis trinene; tilføj derefter en følsomhedsmatrix for rabatten og terminalvæksten, og rapporter terminalværdien som en andel af totalen, så jeg ikke får et enkelt værdibånd."

Mini sager

Tilfælde 1 — Vægt af terminalværdi. En analytiker vurderer en virksomhed til 240 millioner TL med DCF. Når den kører plausibilitetsprompten, ser terminalen, at værdien er 86 % af totalen. Så næsten hele værdien er baseret på en vækstantagelse 5 år frem. Når analytikeren reducerer terminalvæksten fra 4 % til 3 %, falder værdien fra 240 til 205 mio. Beslutningen træffes ved tydeligt at rapportere denne sårbarhed.

Tilfælde 2 — To metoder i én. I en købsvurdering giver DCF 180 millioner TL, og multiplikatormetoden (6x-8x EBITDA) giver et bånd på 180-240 millioner TL. Overlapningen af ​​to uafhængige metoder øger tilliden; Det faktum, at DCF er i den nedre ende af båndet, indikerer, at DCF-antagelserne er relativt konservative. Ved at sammenligne de to metoder giver analytikeren en realistisk rækkevidde til forhandling.

Tilfælde 3 — Umulig forskel. I en DCF tog AI diskonteringsrenten som 5 % og den terminale vækst som 4,5 %; Fordi forskellen er så lille, eksploderer terminalværdien, og virksomhedens værdi bliver absurd høj. I sit plausibilitetstjek finder analytikeren, at denne forskel er meget snæver: Hvis diskonteringsrenten kun er lidt over væksten, er terminalværdien matematisk overoppustet. Når først antagelserne er gjort realistiske, vender værdien tilbage til normal.

Tip: Sørg for at bruge DCF sammen med en multiplikatormetode, ikke alene. Hvis to uafhængige metoder konvergerer, øges din selvtillid; Hvis de er meget langt fra hinanden, er der noget tvivlsomt i antagelserne hos mindst én af dem.

Den gyldne regel for vurdering

Værdiansættelse er ikke et spørgsmål om præcision, men et spørgsmål om vurdering og rækkevidde. Overhold tre principper, når du bruger AI:

  • Bånd, ikke enkelt tal: Konverter hver værdiansættelse til et bånd inden for et rimeligt antagelsesområde.
  • Ejer antagelsen: Lad ikke AI’en vælge diskonteringsrenten og væksten; Du bestemmer og begrunder det.
  • Krydsvalidering: sammenlign DCF og multiplikator; Den store divergens er en advarsel.

Almindelige fejl

  • Værdiansættelse med et enkelt tal. Den angivne værdi uden følsomhed er misvisende nøjagtig.
  • Ignorerer tælleren for terminalværdien. Hvis det meste af værdien kommer fra terminalen, er risikoen der.
  • Efterlader rabat-vækstgabet snævert. Den lille forskel puster matematisk terminalværdien op.
  • Overlader gætværket til AI. Diskonteringsrenten er en dom; Der skal være en kilde og begrundelse.
  • At være tilfreds med én metode. Ikke at sammenligne DCF og multiplikator gør fejlen usynlig.

Sammenfattende

Værdiansættelse er et spørgsmål om vurdering, der trækker fremtidige kontanter ind i nutiden (DCF) eller sammenligner dem med peers (multiplikatorer). AI etablerer hurtigt trinene, men resultatet er ekstremt følsomt over for flere kritiske antagelser, især diskonteringsrenten og terminal vækst. Fremstil et bånd af værdier med en følsomhedsmatrix, ikke et enkelt tal; kontrollere andelen af ​​terminalværdien i totalen; Sørg for at krydsvalidere DCF med en multiplikatormetode. Undgå illusionen om sikkerhed i værdiansættelsen.

Ansøgningsopgave

Få AI til at installere en 5-årig DCF; Du angiver antagelserne om cash flow, diskonteringsrente og terminalvækst og får trinene vist separat. Bed derefter om en bivariat følsomhedsmatrix for diskonteringsrenten og terminal vækst. Kør prompten til plausibilitetstjek, og vurder andelen af ​​terminalværdien i totalen og rabat-vækstforskellen. Til sidst skal du evaluere den samme virksomhed med et EBITDA-multiplikatorbånd og sammenligne det med DCF-resultatet.

tjekliste

  • [ ] Jeg viste DCF-trinene (cash flow, rabat, terminal, total) separat.
  • [ ] Jeg har selv fastsat og begrundet diskonteringsrenten og terminalvæksten.
  • [ ] Jeg konstruerede en to-variabel følsomhedsmatrix.
  • [ ] Jeg tjekkede andelen af ​​terminalværdien i totalen.
  • [ ] Jeg bekræftede, at forskellen mellem rabat og vækst er rimelig.
  • [ ] Jeg krydsvaliderede DCF med en multiplikatormetode.
  • [ ] Jeg præsenterede resultatet som et værdibånd, ikke et enkelt tal.
Tidligere Næste