سود:
- امکان پیکربندی و اجرای مراحل جریان نقدی تخفیفی (DCF) و روش های چند برابری با هوش مصنوعی
- امکان آزمایش تأثیر مفروضات مهم مانند نرخ تنزیل، رشد و ارزش نهایی بر نتیجه با هوش مصنوعی
- توانایی زیر سوال بردن نتیجه ارزیابی تولید شده توسط هوش مصنوعی با کنترل حساسیت و قابل قبول بودن
ارزش گذاری این است که "ارزش این شرکت یا دارایی چقدر است؟" این یک جستجوی سیستماتیک برای پاسخ به سؤال است. این سوال در قلب تصمیم خرید، مشارکت، IPO یا سرمایه گذاری قرار دارد. دو خانواده بزرگ از ارزش گذاری وجود دارد: جریان نقدی تنزیل شده (DCF)، به این معنی که وجه نقدی که شرکت در آینده تولید می کند به ارزش فعلی آن می رسد. و چندگانه، یعنی انجام مقایسه بر اساس ارزش بازار شرکت های مشابه. هوش مصنوعی ارزش گذاری را به طور چشمگیری سرعت می بخشد: مراحل DCF را پیکربندی می کند، جریان های نقدی را تخفیف می دهد، ارزش پایانه را محاسبه می کند و جداول حساسیت را تولید می کند. اما واقعیت خشن ارزش گذاری این است که نتیجه به چند فرض مهم بسیار حساس است. تغییر نرخ تنزیل به اندازه یک امتیاز می تواند ارزش را ده ها درصد تغییر دهد. بنابراین این یک تعداد واحد نیست که AI تولید می کند، بلکه طیفی از مقادیر مبتنی بر فرضیات، خروجی واقعی است.
در این بخش، ما یاد میگیریم که مراحل روشهای DCF و ضربکننده را با هوش مصنوعی انجام دهیم، تأثیر مفروضات مهم را بر نتیجه آزمایش کنیم و نتیجه ارزیابی را از نظر منطقی بودن بررسی کنیم.
مفاهیم: DCF: روشی که جریان های نقدی آتی را با استفاده از نرخ تنزیل تنزیل می کند. نرخ تنزیل: نرخی که برای یافتن ارزش فعلی پول آتی استفاده می شود. خطر را منعکس می کند. ارزش پایانی: خلاصه تمام جریان های نقدی پس از دوره پیش بینی. ضریب: نسبت معیاری که ارزش بازار را بر یک مقدار مالی (سود، EBITDA، گردش مالی) تقسیم می کند. EBITDA: سود قبل از بهره، مالیات و استهلاک.
مراحل DCF
DCF پیچیده به نظر می رسد، اما منطق آن زنجیره ای است. ساختن گام به گام این زنجیره توسط هوش مصنوعی هم شفافیت را فراهم می کند و هم جداسازی خطا را آسان تر می کند.
گام
چه باید کرد
فرض انتقادی
1. پیش بینی جریان نقدی
جریان نقدی رایگان برای 5 سال آینده
رشد، حاشیه
2. نرخ تنزیل
نرخ منعکس کننده ریسک تعیین می شود
هزینه سرمایه
3. کاهش
پول نقد هر سال به امروز برداشت می شود
نرخ تنزیل
4. ارزش پایانی
پس از سال پنجم خلاصه شد
رشد پایانی
5. مجموع
مقادیر کاهش یافته + پایانه
ترکیبی از همه
واقعیت مهم: معمولاً بیش از نیمی از مقدار DCF از مقدار ترمینال می آید. ارزش پایانی به تفاوت اندک بین نرخ تنزیل و نرخ رشد پایانی بسیار حساس است. این دو فرض شکننده ترین نقطه DCF هستند و باید تحت تحلیل حساسیت قرار گیرند.
احتیاط: گفتن به هوش مصنوعی برای "ارزش دادن به این شرکت" و گرفتن یک عدد واحد بر خلاف روح ارزش گذاری است. اگر نرخ تنزیل به جای 11% 13% باشد، ارزش آن شاید 25% کاهش یابد. یک عدد فرد دقت گمراه کننده ای می دهد. خروجی صحیح باندی از مقادیر در یک محدوده فرضی معقول است.
ساخت DCF با هوش مصنوعی
اعلان چارچوب DCF: "یک DCF 5 ساله برای یک شرکت تنظیم کنید. ورودی ها: جریان نقدی رایگان سال اول 20 میلیون دلار، 8٪ رشد سالانه، نرخ تنزیل 14٪، رشد پایانه 4٪. نمایش مراحل جداگانه: (1) جریان نقدی 5 ساله، (2) ارزش تخفیف شده هر سال، (3) ارزش پایانه (ارزش نهایی به علاوه فرمول تخفیف کل). تعبیه کردن."
درخواست ماتریس حساسیت: "یک جدول حساسیت دو متغیره برای همان DCF بسازید: نرخ تنزیل در ردیفها (12%-16%، 1 گام امتیاز)، رشد پایانه در ستونها (2%-5%، 1 مرحله).
اعلان ارزشیابی ضریب: "شرکت را با روش ضریب ارزش گذاری کنید. EBITDA آن 30 میلیون لیره لیره است. ضریب EV/EBITDA شرکت های مشابه در محدوده 6x-8x است (این محدوده را به عنوان "منابع مورد نیاز" در نظر بگیرید). باند ارزش شرکت را با این محدوده محاسبه کنید و آن را با فرمت DC ارائه دهید."
اعلان بررسی معقول بودن: "مقدار DCF را که پیدا کردید به صورت زیر بررسی کنید: (1) مقدار حاصل از EBITDA سالانه شرکت چند برابر است و آیا این ضریب با توجه به بخش معقول است؟ (2) چند درصد از ارزش کل ارزش پایانی است؟ اگر بیش از 80٪ است، توضیح دهید که چرا این رقم بسیار خطرناک است.
اعلان ضعیف / اعلان قوی
ضعیف: "این شرکت چقدر ارزش دارد؟" (نتیجه: یک رقم تکی پشتیبانی نشده؛ کدام فرض، کدام روش نامشخص است.) قوی: "DCF را با جریان نقدی آزاد 5 ساله، 14٪ تخفیف و 4٪ فرضیات رشد پایانه راه اندازی کنید، مراحل را نشان دهید؛ سپس یک ماتریس حساسیت برای رشد تخفیف و ترمینال اضافه کنید، و باند ارزش پایانه را به عنوان سهمی از عدد کل گزارش نکنید."
موارد کوچک
مورد 1 - وزن ارزش پایانی. یک تحلیلگر یک شرکت را با DCF 240 میلیون لیره ارزش گذاری می کند. هنگامی که اعلان معقولیت را اجرا می کند، ترمینال می بیند که مقدار 86٪ از کل است. بنابراین تقریباً تمام ارزش بر اساس یک فرض رشد 5 سال آینده است. وقتی تحلیلگر رشد ترمینال را از 4 درصد به 3 درصد کاهش می دهد، ارزش آن از 240 به 205 میلیون کاهش می یابد. تصمیم با گزارش واضح این آسیب پذیری گرفته می شود.
مورد 2 - دو روش در یک. در ارزشگذاری خرید، DCF 180 میلیون لیره و روش ضربکننده (6x-8x EBITDA) باندی بین 180-240 میلیون لیره را میدهد. همپوشانی دو روش مستقل باعث افزایش اعتماد به نفس می شود. این واقعیت که DCF در انتهای پایین باند قرار دارد نشان می دهد که مفروضات DCF نسبتا محافظه کارانه هستند. با مقایسه این دو روش، تحلیلگر محدوده واقع بینانه ای را برای مذاکره ارائه می کند.
مورد 3 - تفاوت غیرممکن. در DCF، هوش مصنوعی نرخ تنزیل را 5% و رشد ترمینال را 4.5% در نظر گرفت. از آنجایی که تفاوت بسیار کوچک است، ارزش نهایی منفجر می شود و ارزش شرکت به طرز عجیبی بالا می رود. در بررسی معقولیت خود، تحلیلگر متوجه می شود که این تفاوت بسیار محدود است: اگر نرخ تنزیل فقط اندکی بالاتر از رشد باشد، ارزش نهایی از نظر ریاضی بیش از حد افزایش می یابد. زمانی که مفروضات واقعی شوند، مقدار به حالت عادی باز می گردد.
نکته: مطمئن شوید که از DCF در ارتباط با روش ضرب کننده استفاده کنید، نه به تنهایی. اگر دو روش مستقل همگرا شوند، اعتماد به نفس شما افزایش می یابد. اگر خیلی از هم دور باشند، در فرضیات حداقل یکی از آنها چیزی مشکوک وجود دارد.
قانون طلایی ارزش گذاری
ارزش گذاری یک موضوع دقیق نیست، بلکه یک موضوع قضاوت و محدوده است. هنگام استفاده از هوش مصنوعی سه اصل را رعایت کنید:
- باند، نه عدد واحد: هر ارزیابی را به یک باند در محدوده فرضی معقول تبدیل کنید.
- این فرض را داشته باشید: به هوش مصنوعی اجازه ندهید نرخ تنزیل و رشد را انتخاب کند. شما آن را تعیین و توجیه می کنید.
- اعتبار سنجی متقابل: مقایسه DCF و ضرب. واگرایی بزرگ یک هشدار است.
اشتباهات رایج
- ارزش گذاری با یک عدد مقدار داده شده بدون حساسیت به طور گمراه کننده ای دقیق است.
- نادیده گرفتن شمارنده ارزش پایانی. اگر بیشتر ارزش از ترمینال باشد، خطر وجود دارد.
- کم کردن شکاف کاهش-رشد. تفاوت کوچک از نظر ریاضی ارزش پایانی را افزایش می دهد.
- سپردن حدس و گمان به هوش مصنوعی. نرخ تنزیل یک قضاوت است. باید منبع و توجیهی داشته باشد.
- راضی بودن به یک روش مقایسه نکردن DCF و ضریب خطا را نامرئی می کند.
به طور خلاصه
ارزش گذاری یک موضوع قضاوتی است که پول نقد آتی را به زمان حال (DCF) می کشد یا آن را با همتایان (ضریب کننده ها) مقایسه می کند. هوش مصنوعی به سرعت مراحل را تعیین می کند، اما نتیجه به چندین فرض مهم، به ویژه نرخ تنزیل و رشد پایانه بسیار حساس است. باندی از مقادیر را با ماتریس حساسیت تولید کنید، نه یک عدد واحد؛ سهم ارزش ترمینال را در کل بررسی کنید. مطمئن شوید که DCF را با روش ضربدری تأیید کنید. از توهم اطمینان در ارزش گذاری دوری کنید.
وظیفه کاربردی
از هوش مصنوعی بخواهید یک DCF 5 ساله نصب کند. شما جریان نقدی، نرخ تنزیل و مفروضات رشد پایانه را ارائه می دهید و مراحل را جداگانه نشان می دهید. سپس یک ماتریس حساسیت دو متغیره برای نرخ تنزیل و رشد پایانه بخواهید. اعلان بررسی معقولیت را اجرا کنید و سهم ارزش پایانی را در کل و تفاوت کاهش رشد را ارزیابی کنید. در نهایت، همان شرکت را با باند ضریب EBITDA ارزیابی کنید و آن را با نتیجه DCF مقایسه کنید.
چک لیست
- [ ] من مراحل DCF (جریان نقدی، تخفیف، ترمینال، کل) را جداگانه نشان دادم.
- [ ] من خودم نرخ تنزیل و رشد پایانه را تعیین و توجیه کردم.
- [ ] من یک ماتریس حساسیت دو متغیره ساختم.
- [ ] من سهم ارزش ترمینال را در کل بررسی کردم.
- [ ] تأیید کردم که تفاوت کاهش-رشد معقول است.
- [ ] من DCF را با روش ضریب تایید متقابل کردم.
- [ ] من نتیجه را به عنوان یک باند ارزش ارائه کردم، نه یک عدد.