മൂല്യനിർണ്ണയ പിന്തുണ: DCF, മൾട്ടിപ്പിൾസ്

നേട്ടങ്ങൾ:

• AI ഉപയോഗിച്ച് ഡിസ്കൗണ്ട് ക്യാഷ് ഫ്ലോ (DCF), മൾട്ടിപ്ലയർ രീതികൾ എന്നിവയുടെ ഘട്ടങ്ങൾ ക്രമീകരിക്കാനും നടപ്പിലാക്കാനുമുള്ള കഴിവ്
• കിഴിവ് നിരക്ക്, വളർച്ച, ടെർമിനൽ മൂല്യം തുടങ്ങിയ നിർണായക അനുമാനങ്ങളുടെ ഫലം AI ഉപയോഗിച്ച് പരിശോധിക്കാനുള്ള കഴിവ്
• സെൻസിറ്റിവിറ്റിയും പ്ലാസിബിലിറ്റി നിയന്ത്രണവും ഉപയോഗിച്ച് AI നിർമ്മിച്ച മൂല്യനിർണ്ണയ ഫലത്തെ ചോദ്യം ചെയ്യാനുള്ള കഴിവ്

മൂല്യനിർണ്ണയം "ഈ കമ്പനിയുടെയോ ആസ്തിയുടെയോ മൂല്യം എത്രയാണ്?" ചോദ്യത്തിനുള്ള ഉത്തരത്തിനായുള്ള ചിട്ടയായ അന്വേഷണമാണിത്. ഈ ചോദ്യം ഒരു ഏറ്റെടുക്കൽ, പങ്കാളിത്തം, ഐപിഒ അല്ലെങ്കിൽ നിക്ഷേപ തീരുമാനത്തിൻ്റെ ഹൃദയഭാഗത്താണ്. മൂല്യനിർണ്ണയത്തിൽ രണ്ട് വലിയ കുടുംബങ്ങളുണ്ട്: ഡിസ്കൗണ്ട് ക്യാഷ് ഫ്ലോ (ഡിസിഎഫ്), അതായത്, കമ്പനി ഭാവിയിൽ സൃഷ്ടിക്കുന്ന പണം അതിൻ്റെ നിലവിലെ മൂല്യത്തിലേക്ക് കൊണ്ടുപോകുക; ഗുണിതങ്ങൾ, അതായത് സമാന കമ്പനികളുടെ വിപണി മൂല്യത്തെ അടിസ്ഥാനമാക്കി താരതമ്യപ്പെടുത്തൽ. AI മൂല്യനിർണ്ണയം നാടകീയമായി വേഗത്തിലാക്കുന്നു: ഇത് DCF ഘട്ടങ്ങൾ ക്രമീകരിക്കുന്നു, പണത്തിൻ്റെ ഒഴുക്ക് കുറയ്ക്കുന്നു, ടെർമിനൽ മൂല്യം കണക്കാക്കുന്നു, സെൻസിറ്റിവിറ്റി പട്ടികകൾ നിർമ്മിക്കുന്നു. എന്നാൽ മൂല്യനിർണ്ണയത്തിൻ്റെ പരുഷമായ യാഥാർത്ഥ്യം, ചില നിർണായക അനുമാനങ്ങളോട് ഫലം വളരെ സെൻസിറ്റീവ് ആണ് എന്നതാണ്. കിഴിവ് നിരക്ക് ഒരു പോയിൻ്റ് കൊണ്ട് മാറ്റുന്നത് മൂല്യത്തെ പതിനായിരക്കണക്കിന് ശതമാനം മാറ്റും. അതിനാൽ, AI നിർമ്മിക്കുന്നത് മൂല്യങ്ങളുടെ ഒരു സംഖ്യയല്ല, മറിച്ച് അനുമാനങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള മൂല്യങ്ങളുടെ ഒരു ശ്രേണിയാണ്, അതാണ് യഥാർത്ഥ ഔട്ട്പുട്ട്.

ഈ യൂണിറ്റിൽ, AI ഉപയോഗിച്ച് DCF, മൾട്ടിപ്ലയർ രീതികൾ എന്നിവയുടെ ഘട്ടങ്ങൾ നടപ്പിലാക്കാനും ഫലത്തിൽ നിർണായക അനുമാനങ്ങളുടെ സ്വാധീനം പരിശോധിക്കാനും മൂല്യനിർണ്ണയ ഫലം യുക്തിസഹമായി പരിശോധിക്കാനും ഞങ്ങൾ പഠിക്കും.

ആശയങ്ങൾ: DCF: ഒരു കിഴിവ് നിരക്ക് ഉപയോഗിച്ച് വർത്തമാനത്തിലേക്കുള്ള ഭാവി പണമൊഴുക്ക് കിഴിവ് നൽകുന്ന രീതി. കിഴിവ് നിരക്ക്: ഭാവിയിലെ പണത്തിൻ്റെ ഇപ്പോഴത്തെ മൂല്യം കണ്ടെത്താൻ ഉപയോഗിക്കുന്ന നിരക്ക്; അപകടസാധ്യത പ്രതിഫലിപ്പിക്കുന്നു. ടെർമിനൽ മൂല്യം: പ്രവചന കാലയളവിനു ശേഷമുള്ള എല്ലാ പണമൊഴുക്കുകളുടെയും സംഗ്രഹം. ഗുണനം: ഒരു സാമ്പത്തിക അളവ് (ലാഭം, EBITDA, വിറ്റുവരവ്) കൊണ്ട് വിപണി മൂല്യത്തെ ഹരിക്കുന്ന ബെഞ്ച്മാർക്ക് അനുപാതം. EBITDA: പലിശയ്ക്കും നികുതികൾക്കും മൂല്യത്തകർച്ചയ്ക്കും മുമ്പുള്ള വരുമാനം.

ഡിസിഎഫിൻ്റെ ഘട്ടങ്ങൾ

DCF സങ്കീർണ്ണമാണെന്ന് തോന്നുന്നു, പക്ഷേ അതിൻ്റെ യുക്തി ചങ്ങലയിലാണ്. AI ഈ ചെയിൻ ഘട്ടം ഘട്ടമായി നിർമ്മിക്കുന്നത് സുതാര്യത നൽകുകയും പിശക് ഒറ്റപ്പെടുത്തുന്നത് എളുപ്പമാക്കുകയും ചെയ്യുന്നു.

പടി

എന്ത് ചെയ്യണം

വിമർശനാത്മക അനുമാനം

1. പണമൊഴുക്ക് പ്രവചനം

അടുത്ത 5 വർഷത്തേക്ക് സൗജന്യ പണമൊഴുക്ക്

വളർച്ച, മാർജിൻ

2. കിഴിവ് നിരക്ക്

അപകടസാധ്യത പ്രതിഫലിപ്പിക്കുന്ന നിരക്ക് നിർണ്ണയിക്കപ്പെടുന്നു

മൂലധന ചെലവ്

3. കുറയ്ക്കൽ

ഓരോ വർഷത്തെയും പണം ഇന്നുവരെ പിൻവലിക്കുന്നു

കിഴിവ് നിരക്ക്

4. ടെർമിനൽ മൂല്യം

അഞ്ചാം വർഷത്തിനു ശേഷം സംഗ്രഹിച്ചു

ടെർമിനൽ വളർച്ച

5. ആകെ

കുറച്ച മൂല്യങ്ങൾ + ടെർമിനൽ

എല്ലാത്തിൻ്റെയും സംയോജനം

നിർണായക വസ്തുത: സാധാരണയായി ഡിസിഎഫ് മൂല്യത്തിൻ്റെ പകുതിയിലധികം ടെർമിനൽ മൂല്യത്തിൽ നിന്നാണ് വരുന്നത്. കിഴിവ് നിരക്കും ടെർമിനൽ വളർച്ചാ നിരക്കും തമ്മിലുള്ള ചെറിയ വ്യത്യാസത്തോട് ടെർമിനൽ മൂല്യം വളരെ സെൻസിറ്റീവ് ആണ്. ഈ രണ്ട് അനുമാനങ്ങളും ഡിസിഎഫിൻ്റെ ഏറ്റവും ദുർബലമായ പോയിൻ്റാണ്, അവ സംവേദനക്ഷമത വിശകലനത്തിന് വിധേയമാക്കണം.

മുന്നറിയിപ്പ്: "ഈ കമ്പനിയെ വിലമതിക്കാൻ" AI-യോട് പറയുകയും ഒരൊറ്റ നമ്പർ നേടുകയും ചെയ്യുന്നത് മൂല്യനിർണ്ണയ മനോഭാവത്തിന് എതിരാണ്. കിഴിവ് നിരക്ക് 11%-ന് പകരം 13% ആണെങ്കിൽ, മൂല്യം 25% കുറയും. ഒറ്റ സംഖ്യ തെറ്റിദ്ധരിപ്പിക്കുന്ന കൃത്യത നൽകുന്നു; ന്യായമായ അനുമാന ശ്രേണിയിലുള്ള മൂല്യങ്ങളുടെ ഒരു ബാൻഡാണ് ശരിയായ ഔട്ട്പുട്ട്.

AI ഉപയോഗിച്ച് DCF നിർമ്മിക്കുന്നു

DCF ഫ്രെയിംവർക്ക് പ്രോംപ്റ്റ്: "ഒരു കമ്പനിക്ക് 5-വർഷ DCF സജ്ജമാക്കുക. ഇൻപുട്ടുകൾ: ആദ്യ വർഷത്തെ സൗജന്യ പണമൊഴുക്ക് $20 ദശലക്ഷം, 8% വാർഷിക വളർച്ച, കിഴിവ് നിരക്ക് 14%, ടെർമിനൽ വളർച്ച 4%. ഘട്ടങ്ങൾ പ്രത്യേകം കാണിക്കുക: (1) 5-വർഷത്തെ പണമൊഴുക്ക്, (2) ഓരോ വർഷവും കിഴിവുള്ള കമ്പനി മൂല്യം, (3) കമ്പനിയുടെ മൊത്തം മൂല്യം (3) ഡിസ്കൗണ്ട് മൂല്യം. സൂത്രവാക്യങ്ങൾ, നിരന്തരമായ ഉൾച്ചേർക്കൽ."

സെൻസിറ്റിവിറ്റി മാട്രിക്സ് പ്രോംപ്റ്റ്: "ഒരേ DCF-നായി രണ്ട് വേരിയബിൾ സെൻസിറ്റിവിറ്റി ടേബിൾ നിർമ്മിക്കുക: വരികളിലെ കിഴിവ് നിരക്ക് (12%-16%, 1 പോയിൻ്റ് ഘട്ടം), നിരകളിലെ ടെർമിനൽ വളർച്ച (2%-5%, 1 പോയിൻ്റ് ഘട്ടം). കമ്പനിയുടെ മൊത്തം മൂല്യം ഓരോ സെല്ലിലും കാണിച്ച് ഈ രണ്ട് മൂല്യങ്ങൾ എത്ര സെൻസിറ്റീവ് ആണെന്ന് അഭിപ്രായമിടുക."

മൾട്ടിപ്ലയർ മൂല്യനിർണ്ണയ പ്രോംപ്റ്റ്: "മൾട്ടിപ്ലയർ രീതിയിലുള്ള ഒരു കമ്പനിയുടെ മൂല്യം. അതിൻ്റെ EBITDA 30 ദശലക്ഷം TL ആണ്. സമാന കമ്പനികളുടെ EV/EBITDA ഗുണിതം 6x-8x പരിധിയിലാണ് (ഈ ശ്രേണി 'വിഭവങ്ങൾ ആവശ്യമാണ്' എന്ന് പരിഗണിക്കുക). ഈ ശ്രേണിയുമായി താരതമ്യപ്പെടുത്താവുന്ന ഒരു കമ്പനിയുടെ സ്ഥിരമായ മൂല്യ ബാൻഡ് കണക്കാക്കി DCmat ഫലത്തിലേക്ക് നൽകുക."

ന്യായയുക്തത പരിശോധിക്കുന്നതിനുള്ള നിർദ്ദേശം: "നിങ്ങൾ കണ്ടെത്തിയ DCF മൂല്യം ഇനിപ്പറയുന്ന രീതിയിൽ പരിശോധിക്കുക: (1) കമ്പനിയുടെ വാർഷിക EBITDA-യുടെ ഫലമായുണ്ടാകുന്ന മൂല്യം എത്ര തവണ പൊരുത്തപ്പെടുന്നു, ഈ ഗുണനം ഈ മേഖലയ്ക്ക് അനുസരിച്ച് ന്യായമാണോ? (2) മൊത്തം മൂല്യത്തിൻ്റെ എത്ര ശതമാനമാണ് ടെർമിനൽ മൂല്യം? ഇത് 80% ത്തിൽ കൂടുതലാണെങ്കിൽ, വളർച്ചാ നിരക്കിനേക്കാൾ വളരെ കൂടുതലാണ്, കാലയളവിലെ വ്യത്യാസം എത്ര ഉയർന്നതാണെന്ന് വിശദീകരിക്കുക. (3) ചെറുത്, മുന്നറിയിപ്പ് നൽകുക."

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലം: "ഈ കമ്പനിയുടെ മൂല്യം എത്രയാണ്?" (ഫലം: ഒരു പിന്തുണയില്ലാത്ത കണക്ക്; ഏത് അനുമാനം, ഏത് രീതി വ്യക്തമല്ല.) STRONG: "5 വർഷത്തെ സൗജന്യ പണമൊഴുക്ക്, 14% കിഴിവ്, 4% ടെർമിനൽ വളർച്ച അനുമാനങ്ങൾ എന്നിവ ഉപയോഗിച്ച് DCF സജ്ജീകരിക്കുക, ഘട്ടങ്ങൾ കാണിക്കുക; തുടർന്ന് ഡിസ്കൗണ്ടിന് ഒരു സെൻസിറ്റിവിറ്റി മാട്രിക്സ് ചേർക്കുകയും ടെർമിനൽ വളർച്ചയുടെ മൂല്യമായി റിപ്പോർട്ട് ചെയ്യുകയും, ടെർമിനൽ വളർച്ചയുടെ മൂല്യമായി റിപ്പോർട്ട് ചെയ്യുക. ഒരു സംഖ്യയല്ല."

മിനി കേസുകൾ

കേസ് 1 - ടെർമിനൽ മൂല്യത്തിൻ്റെ ഭാരം. ഒരു അനലിസ്റ്റ് DCF ഉള്ള ഒരു കമ്പനിയെ 240 ദശലക്ഷം TL വിലമതിക്കുന്നു. പ്ലാസിബിലിറ്റി പ്രോംപ്റ്റ് പ്രവർത്തിപ്പിക്കുമ്പോൾ, മൂല്യം മൊത്തത്തിൻ്റെ 86% ആണെന്ന് ടെർമിനൽ കാണുന്നു. അതിനാൽ മിക്കവാറും എല്ലാ മൂല്യവും 5 വർഷം മുമ്പുള്ള വളർച്ചയുടെ അനുമാനത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. അനലിസ്റ്റ് ടെർമിനൽ വളർച്ച 4% ൽ നിന്ന് 3% ആയി കുറയ്ക്കുമ്പോൾ, മൂല്യം 240 ൽ നിന്ന് 205 ദശലക്ഷമായി കുറയുന്നു. ഈ അപകടസാധ്യത വ്യക്തമായി റിപ്പോർട്ട് ചെയ്താണ് തീരുമാനം.

കേസ് 2 - ഒന്നിൽ രണ്ട് രീതികൾ. ഒരു വാങ്ങൽ മൂല്യനിർണ്ണയത്തിൽ, DCF 180 ദശലക്ഷം TL നൽകുന്നു, മൾട്ടിപ്ലയർ രീതി (6x-8x EBITDA) 180-240 ദശലക്ഷം TL ബാൻഡ് നൽകുന്നു. രണ്ട് സ്വതന്ത്ര രീതികളുടെ ഓവർലാപ്പ് ആത്മവിശ്വാസം വർദ്ധിപ്പിക്കുന്നു; ബാൻഡിൻ്റെ താഴത്തെ അറ്റത്താണ് DCF എന്നത് DCF അനുമാനങ്ങൾ താരതമ്യേന യാഥാസ്ഥിതികമാണെന്ന് സൂചിപ്പിക്കുന്നു. രണ്ട് രീതികളും താരതമ്യം ചെയ്യുന്നതിലൂടെ, അനലിസ്റ്റ് ചർച്ചകൾക്കായി ഒരു യഥാർത്ഥ ശ്രേണി നൽകുന്നു.

കേസ് 3 - അസാധ്യമായ വ്യത്യാസം. ഒരു DCF-ൽ, AI കിഴിവ് നിരക്ക് 5% ആയും ടെർമിനൽ വളർച്ച 4.5% ആയും എടുത്തു; വ്യത്യാസം വളരെ ചെറുതായതിനാൽ, ടെർമിനൽ മൂല്യം പൊട്ടിത്തെറിക്കുകയും കമ്പനി മൂല്യം അസംബന്ധമായി ഉയരുകയും ചെയ്യുന്നു. തൻ്റെ പ്ലാസിബിലിറ്റി പരിശോധനയിൽ, ഈ വ്യത്യാസം വളരെ ഇടുങ്ങിയതാണെന്ന് വിശകലന വിദഗ്ധൻ കണ്ടെത്തുന്നു: കിഴിവ് നിരക്ക് വളർച്ചയ്ക്ക് അൽപ്പം മുകളിലാണെങ്കിൽ, ടെർമിനൽ മൂല്യം ഗണിതശാസ്ത്രപരമായി അമിതമായി വർദ്ധിപ്പിക്കും. അനുമാനങ്ങൾ യാഥാർത്ഥ്യമാക്കിയാൽ, മൂല്യം സാധാരണ നിലയിലേക്ക് മടങ്ങുന്നു.

നുറുങ്ങ്: ഒറ്റയ്ക്കല്ല, മൾട്ടിപ്ലയർ രീതിയുമായി ചേർന്ന് DCF ഉപയോഗിക്കുന്നത് ഉറപ്പാക്കുക. രണ്ട് സ്വതന്ത്ര രീതികൾ ഒത്തുചേരുകയാണെങ്കിൽ, നിങ്ങളുടെ ആത്മവിശ്വാസം വർദ്ധിക്കുന്നു; അവർ വളരെ അകലെയാണെങ്കിൽ, അവരിൽ ഒരാളുടെയെങ്കിലും അനുമാനങ്ങളിൽ സംശയാസ്പദമായ എന്തെങ്കിലും ഉണ്ട്.

മൂല്യനിർണയത്തിൻ്റെ സുവർണ്ണ നിയമം

മൂല്യനിർണ്ണയം കൃത്യതയുടെ കാര്യമല്ല, മറിച്ച് വിധിയുടെയും പരിധിയുടെയും കാര്യമാണ്. AI ഉപയോഗിക്കുമ്പോൾ മൂന്ന് തത്വങ്ങൾ പാലിക്കുക:

• ബാൻഡ്, ഒറ്റ സംഖ്യയല്ല: ഓരോ മൂല്യനിർണ്ണയവും ന്യായമായ അനുമാന പരിധിക്കുള്ളിൽ ഒരു ബാൻഡാക്കി മാറ്റുക.
• അനുമാനം സ്വന്തമാക്കുക: കിഴിവ് നിരക്കും വളർച്ചയും തിരഞ്ഞെടുക്കാൻ AI-യെ അനുവദിക്കരുത്; നിങ്ങൾ അത് നിർണ്ണയിക്കുകയും ന്യായീകരിക്കുകയും ചെയ്യുന്നു.
• ക്രോസ് മൂല്യനിർണ്ണയം: DCF ഉം ഗുണിതവും താരതമ്യം ചെയ്യുക; വലിയ വ്യത്യാസം ഒരു മുന്നറിയിപ്പാണ്.

സാധാരണ തെറ്റുകൾ

• ഒരൊറ്റ നമ്പർ ഉപയോഗിച്ച് മൂല്യനിർണ്ണയം. സെൻസിറ്റിവിറ്റി ഇല്ലാതെ നൽകിയ മൂല്യം തെറ്റിദ്ധരിപ്പിക്കുന്ന കൃത്യമാണ്.
• ടെർമിനൽ മൂല്യത്തിൻ്റെ ന്യൂമറേറ്റർ അവഗണിക്കുന്നു. മൂല്യത്തിൻ്റെ ഭൂരിഭാഗവും ടെർമിനലിൽ നിന്നാണ് വരുന്നതെങ്കിൽ, അപകടസാധ്യതയുണ്ട്.
• കിഴിവ്-വളർച്ചാ വിടവ് ഇടുങ്ങിയതാക്കുന്നു. ചെറിയ വ്യത്യാസം ഗണിതശാസ്ത്രപരമായി ടെർമിനൽ മൂല്യത്തെ വർദ്ധിപ്പിക്കുന്നു.
• ഊഹം AI-ക്ക് വിടുന്നു. കിഴിവ് നിരക്ക് ഒരു വിധിയാണ്; ഒരു ഉറവിടവും ന്യായീകരണവും ഉണ്ടായിരിക്കണം.
• ഒരു രീതി കൊണ്ട് തൃപ്തനാണ്. DCF ഉം ഗുണിതവും താരതമ്യം ചെയ്യാത്തത് പിശക് അദൃശ്യമാക്കുന്നു.

ചുരുക്കത്തിൽ

മൂല്യനിർണ്ണയം എന്നത് ഭാവിയിലെ പണം വർത്തമാനത്തിലേക്ക് (DCF) ആകർഷിക്കുന്നതോ സമപ്രായക്കാരുമായി (മൾട്ടിപ്ലയറുകൾ) താരതമ്യം ചെയ്യുന്നതോ ആയ വിധിയുടെ കാര്യമാണ്. AI വേഗത്തിൽ ഘട്ടങ്ങൾ സ്ഥാപിക്കുന്നു, പക്ഷേ ഫലം നിരവധി നിർണായക അനുമാനങ്ങളോട്, പ്രത്യേകിച്ച് കിഴിവ് നിരക്കും ടെർമിനൽ വളർച്ചയും വളരെ സെൻസിറ്റീവ് ആണ്. ഒരു സെൻസിറ്റിവിറ്റി മാട്രിക്സ് ഉപയോഗിച്ച് മൂല്യങ്ങളുടെ ഒരു ബാൻഡ് നിർമ്മിക്കുക, ഒരൊറ്റ സംഖ്യയല്ല; മൊത്തം ടെർമിനൽ മൂല്യത്തിൻ്റെ പങ്ക് പരിശോധിക്കുക; ഒരു മൾട്ടിപ്ലയർ രീതി ഉപയോഗിച്ച് DCF ക്രോസ്-വാലിഡേറ്റ് ചെയ്യുന്നത് ഉറപ്പാക്കുക. മൂല്യനിർണയത്തിൽ ഉറപ്പുണ്ടെന്ന മിഥ്യാധാരണ ഒഴിവാക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

AI-യെ 5 വർഷത്തെ DCF ഇൻസ്റ്റാൾ ചെയ്യൂ; നിങ്ങൾ പണമൊഴുക്ക്, കിഴിവ് നിരക്ക്, ടെർമിനൽ വളർച്ചാ അനുമാനങ്ങൾ എന്നിവ നൽകുകയും ഘട്ടങ്ങൾ പ്രത്യേകം കാണിക്കുകയും ചെയ്യുന്നു. തുടർന്ന് കിഴിവ് നിരക്കിനും ടെർമിനൽ വളർച്ചയ്ക്കും ഒരു ബൈവാരിയേറ്റ് സെൻസിറ്റിവിറ്റി മാട്രിക്‌സ് ആവശ്യപ്പെടുക. പ്ലാസിബിലിറ്റി ചെക്ക് പ്രോംപ്റ്റ് പ്രവർത്തിപ്പിച്ച് ടെർമിനൽ മൂല്യത്തിൻ്റെ മൊത്തത്തിലുള്ള വിഹിതവും ഡിസ്കൗണ്ട്-ഗ്രോത്ത് വ്യത്യാസവും വിലയിരുത്തുക. അവസാനമായി, ഒരു EBITDA മൾട്ടിപ്ലയർ ബാൻഡ് ഉപയോഗിച്ച് അതേ കമ്പനിയെ വിലയിരുത്തുകയും DCF ഫലവുമായി താരതമ്യം ചെയ്യുകയും ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ DCF ഘട്ടങ്ങൾ (പണത്തിൻ്റെ ഒഴുക്ക്, കിഴിവ്, ടെർമിനൽ, ആകെ) പ്രത്യേകം കാണിച്ചു.
• [ ] കിഴിവ് നിരക്കും ടെർമിനൽ വളർച്ചയും ഞാൻ തന്നെ നിർണ്ണയിക്കുകയും ന്യായീകരിക്കുകയും ചെയ്തു.
• [ ] ഞാൻ രണ്ട് വേരിയബിൾ സെൻസിറ്റിവിറ്റി മാട്രിക്സ് നിർമ്മിച്ചു.
• [ ] ഞാൻ ആകെ ടെർമിനൽ മൂല്യത്തിൻ്റെ വിഹിതം പരിശോധിച്ചു.
• [ ] കിഴിവ്-വളർച്ച വ്യത്യാസം ന്യായമാണെന്ന് ഞാൻ പരിശോധിച്ചു.
• [ ] ഞാൻ ഒരു മൾട്ടിപ്ലയർ രീതി ഉപയോഗിച്ച് DCF ക്രോസ്-വാലിഡേറ്റ് ചെയ്തു.
• [ ] ഞാൻ ഫലം ഒരു വാല്യൂ ബാൻഡ് ആയി അവതരിപ്പിച്ചു, ഒരൊറ്റ സംഖ്യയല്ല.