DCF modeliavimo pagrindai: nuo nulio iki pirmo modelio
Pradėk nuo pagrindinių sąvokų. Sužinok, kaip nustatyti prognozavimo periodą ir d...
Žiūrėk, kaip DCF modelis naudojamas tikroms bendrovėms vertinti. Studijuojame tikrus atvejus iš skirtingų industrijų.
Teorija yra puiki pradžia. Bet jei nori iš tikrųjų suprasti, kaip DCF modelis veikia praktikoje, turite matyti, kaip jis taikomas tikriems versloams. Nėra gražesnio žinojimo šaltinio nei faktinės verslo vertinimo istorijos iš skirtingų sektorių.
Šiame straipsnyje žiūrėsime tris skirtingus verslo vertinimo scenarijus. Kiekvienas atskleidžia praktines problemas ir sprendimus, su kuriais susiduria analitikai. Nuo mažo maisto prekybos centro iki technologijos startupo — pamatysime, kaip principai pritaikomi realiame pasaulyje.
Pradėkime nuo paprasto. Lokalus maisto produktų tinklas, veikiantis 12 metų, norėtų išplėsti savo veiklą. Savininkai svarsčiuoja paskolą arba investuotoją. Jie nori žinoti, kiek iš tikrųjų yra jų verslas.
Pirmiausia rinkome istorinius duomenis. Paskutiniai keturi metai parodyti nuoseklų 8–12 proc. metinį augimą. Turėjome taip pat jų EBITDA maržas — vidutiniškai apie 15 proc. nuo pardavimų. Tai paprasta, bet svaru pradėti nuo to, ką turite.
Praktinis iššūkis: Savininkai buvo pesimistai. Jie tikėjosi, kad augimas sulėtės — o gal ir sustabdys. Tuomet nusprendėme naudoti 5 proc. augimą ateinančiais penkiais metais, ne 10 proc.
Diskonto norma buvo 9 proc. — WACC, atsižvelgus į mažą bendrovę ir riziką. Paskutinis dalykas buvo likutinė vertė. Čia buvo svarbu. Daugelis pradedančiųjų daro klaidą — manydami, kad verslas augės amžinai tokiu pat greičiu. Vietoj to, naudojome 2 proc. ilgalaikį augimo tempą — realų, konservatyvų skaičių.
Rezultatas? Verslas buvo vertas apie 1,8 mln. eurų. Jei būtume naudoję 10 proc. augimą ir 3 proc. ilgalaikę augimo normą, skaičius būtų buvęs 2,4 mln. Skirtumas didelis. Todėl konservativizmas čia dažnai geriau atneša rezultatą.
Šios straipsnio pavyzdžiai yra skirti švietimui ir demonstracijai. Jie nėra investicinės arba verslo patarimo. Tikros vertinimų situacijos gali skirtis dėl specifinių aplinkybių. Jei vertinate realų versą, konsultuokitės su sertifikuotu finansų analitiku arba verslo patarėju.
Technologijos startupo vertinimas — visai kitokia žaidima. Nėra šešerių metų istorijos. Nėra pastovios EBITDA maržos. Ką tu darai? Atsakymas: prognozuojate agresyviau ir naudojate scenarijų analizę.
Šis konkretus startupo turėjo produktą, kuris buvo pasiūlytas bėtą versijoje. Jų augimas buvo eksponencialus — 150 proc. metiniai per paskutinius du metus. Bet jie dar nebuvo pelningi. Jie degė grynąjį pinigą.
Modelyje panaudojome tris scenarijus. Pesimistinis: augimas sulėtėja iki 40 proc. per tris metus, tada iki 15 proc. Vidutinis: 70 proc. augimas, sulėtėjant iki 20 proc. Optimistinis: išlaiko 100 proc. augimą dar dvejus metus. Tikimybės buvo 20 proc., 50 proc., 30 proc.
Diskonto norma? 22 proc. Startupo rizika reikalinga premijos. Rezultatas — vidutinė vertė buvo 12 mln. eurų. Bet pesimistinis scenarijus davė tik 4 mln. Tai parodo, kaip jautrūs yra startupai augimo prielaidoms.
Paskutinis pavyzdys — tai brandžia, pelningas gamybos bendrovė. Šios bendrovės pelnas buvo stabilus. Jie vertė jų versą dėl potencialios pardavimo galimybės. Jie norėjo žinoti teisingą kainą.
Čia naudojome konservatyvų modelį. Augimas — 3–5 proc. per penkis metus. EBITDA marža buvo stabili apie 22 proc. Diskonto norma — 7 proc. Kodėl žemiau nei kiti pavyzdžiai? Nes verslas yra žemas-rizikas. Jis turi grynąjį pinigą srautą. Jis yra pelningas šiandien.
Likutinė vertė čia buvo kritinis skaičius. Kadangi tai brandus verslas, jis turėjo toliau veikti daug laiko. Mes naudojome 2,5 proc. ilgalaikį augimą. Tai davė verslo vertę apie 185 mln. eurų. Pirkėjai ir pardavėjai galiausiai sutarė artimoje kainoje — tai geras ženklas, kad modelis buvo tikslus.
Jei tavo duomenys blogi, tavo modelis bus blogas. Praleisk laiko suprasti šaltinį. Ar tai yra audituota finansinė ataskaitą? Ar tai yra grynoji patikra? Skirtumas didelis.
Agresyvios prielaidosom dažnai klaidina. Naudok konservatius augimo tempus. Naudok aukštesnes diskonto normas. Geriau būti konservatyvus ir teisus nei optimistas ir nustebinti.
Niekada nepateiki vieno skaičiaus. Visada parodyk, kas atsitinka, jei augimas keičiasi 2 proc. arba diskonto norma keičiasi 1 proc. Tai parodo, kur yra tikra rizika.
Dažnai 60–80 proc. vertės ateina iš likutinės vertės. Todėl turėtum ypač svarbu ją suprasti. Naudok realistišką ilgalaikį augimo normą, ne fantazines idėjas.
Vienas skaičius nepasakoja viso pasakojimo. Naudok pesimistinį, vidutinį ir optimistinį scenarijus. Tai parodo tikrąją rizikų ir galimybių diapazoną.
Kai jūsų modelis parodo vertę, kuri arti to, ką pasakė rinka, jūs žinote, kad jūs esate teisūs. Tai gera ženklas. Jei skaičiai labai skiriasi, paklausyk kodėl.
DCF modelis nėra magija. Tai yra disciplinuota mąstymo sistema. Žiūrėdami į tikrus pavyzdžius, matote, kaip šis modelis veikia įvairiose situacijose. Maža prekybos bendrovė reikalinga konservativumo. Startupo reikalinga scenarijų analizė. Brandžia bendrovė reikalinga stabilumo.
Svarbiausias dalykas yra suprasti savo prielaidosy. Jei tu žinai, kokius augimo tempus naudai ir kodėl, jei tu žinai, iš kur ateina tavo diskonto norma, jei tu žinai, kokia yra jūsų likutinė vertė — tada jūs galite paaiškinti savo modelį. Ir tai yra iš tikrųjų svarbu verslo vertinime.
Ar nori daugiau praktinių pavyzdžių? Žiūrėk kitą straipsnį apie jautrumą analizę ir kaip modeliuoti skirtingus scenarijus.
Skaityti apie jautrumą analizę
Redakcinis Tiamas
Parengta Pinigų Srautai redakcinio timo, kuris siekia aiškaus ir praktinio finansinio modeliavimo paaiškinio.
Pradėk nuo pagrindinių sąvokų. Sužinok, kaip nustatyti prognozavimo periodą ir d...
Diskonto norma yra kritinė modelio dalis. Išmok skaičiuoti WACC ir suprasti, kod...
Jautrumas analizė rodo, kaip jūsų modelio rezultatai keičiasi, kai pasikeičia pa...