DCF modeliavimo pagrindai: nuo nulio iki pirmo modelio
Pradėk nuo pagrindinių sąvokų. Sužinok, kaip nustatyti prognozavimo periodą ir diskonto normą pirmame žingsnyje.
Jautrumas analizė rodo, kaip jūsų modelio rezultatai keičiasi, kai pasikeičia pagrindinės prielaidos. Naudinga priemonė rizikos suprasti ir modelio patikimumui vertinti.
Kai kuriate DCF modelį, darysite šimtus prielaidų. Bet realybė yra tokia — jūs negalite žinoti tikslaus diskonto normos, augimo tempų ar išlaidu lygio. Šitai yra problema.
Jautrumas analizė parodo, kurie skaičiai iš tikrųjų turi reikšmės. Jei modelio rezultatas beveik nesiskiria, kai diskonto norma keičiasi 0,5%, tai nereikšminga. Bet jei tada jis staigiai pakrypsta 20%, turite žinoti apie tai prieš priimant sprendimą.
Paprastas paaiškinjimas: jūs keičiate vieną prielaidą, žiūrite kaip pasikeitė galutinis vertės skaičius, tada keičiate kitą. Štai ir viskas. Bet šitas procesas rodo tikrai daug.
Tarkime, jūsų modelis sako, kad bendrovė verta 50 mln. eurų. Diskonto norma yra 8%. Ką jei iš tikrųjų yra 9%? O jei 7%? Jautrumas analizė jums sako greitai — pvz., kiekvienas 1% pokytis diskonto normoje keičia vertę apie 6 mln. eurų. Tada žinote, jog diskonto norma yra kritinė prielaida.
Tai nėra baisus procesas. Tai išmintinga praktika.
Yra keletas būdų tai daryti. Nuo paprasto iki išmaniau. Pasirinkite tai, kas tinka jūsų poreikiams.
Paprasčiausias būdas. Keičiate vieną skaičių — diskonto normą, augimo tempą ar EBITDA maržą. Stebite, kaip keičiasi vertė. Greit, paprasta, ir dažnai to pakanka. Dėl to pradėkite nuo šito.
Keičiate du skaičius vienu metu — pvz., diskonto normą ir terminalinio augimo tempą. Matote visą matricą rezultatų. Tai tiksliau nei vieno kintamojo, bet reikalinga šiek tiek daugiau darbo Excel arba panašiame įrankyje.
Sukuriate tris scenarijus: pesimistiniu, bazinį ir optimistiniu. Kiekviename scenarijuje keičiate kelias prielaidas vienu metu. Tada palyginote rezultatus. Tai realistiškiau, nes prielaidos nėra atskirtos.
Jautrumas analizė yra edukacinė priemonė, skirta padėti suprasti, kaip jūsų modelis reaguoja į prielaidų pokyčius. Tai nėra investicinė rekomendacija. Realūs verslo vertinimai reikalauja profesionalios konsultacijos. Šios medžiagos tikslas — suteikti pagrindinę žinią apie DCF modeliavimo procesą.
Sakykime, jūs vertinate nedidelę gamybos bendrovę. Bazinis scenarijus — 35 mln. eurų vertė. Diskonto norma 9%, augimas 3%. Bet ką jei augimas bus tik 2%? O jei diskonto norma pasirodys 10%?
Jauslumas analizė greitai parodytų: jei augimas nukrenta iki 2%, vertė gali būti 31 mln. eurų. Jei diskonto norma pakyla iki 10%, vertė gali būti 28 mln. eurų. Staiga matote tikrąjį rizikos spektrą — ne tik vieną skaičių, bet diapazoną. To dažnai pakanka investuotojams suprasti, ar verslas vertas to pinigo.
Klasika. Paprasta sukurti lentelę su keliomis formulėmis. Jei žinote, kaip naudoti IF arba DATA TABLE funkcijas, viskas labai greitai. Dauguma analitikų vis dar naudoja šitą metodą.
Kai kurie finansiniai modeliavimo įrankiai — pvz., Python su pandas, arba specialized valuation software — gali automatizuoti šitą procesą. Tai naudinga, kai darote daug modelių.
Jei norite bendradarbiavimo ir debesies saugojimo, Sheets veikia gerai. Šiek tiek lėtesnis nei Excel su dideliais modeliais, bet visai pakankamai daugeliui scenarijų.
Jautrumas analizė nėra sudėtinga. Keičiate prielaidas, žiūrite rezultatus, matote kurie skaičiai turi reikšmę. Tai padeda jums ir kitiems suprasti modelio stiprybes ir silpnybes. Naudingiausia pradėti nuo vieno kintamojo — diskonto normos ar augimo tempo. Kai to supratote, galite patikslinti su dviejų kintamųjų lentelėmis ar scenarijų analize.
Nepabūkite jei rezultatai jus nustebins. Tai yra vertingas žingsnis. Geras analitiker žino ne tik kokia vertė, bet ir kaip ta vertė gali keistis. Jauslumas analizė jums sako tiksliai tai. Tai nėra žingsnis kurio turėtumėte praleisti.
Redakcinis Tiamas
Parengta Pinigų Srautai redakcinio timo, kuris siekia aiškaus ir praktinio finansinio modeliavimo paaiškinio.