Catatan Penilaian: Pembangunan Model Penilaian DCF Otomatis - Platform Pertukaran Cryptocurrency Digital yang Aman dan Sesuai Regulasi

Satu tahun yang lalu,

Saya menyusun sebuah template penilaian DCF lengkap berdasarkan pemikiran dari dua master valuasi investment banking, JOSHUA ROSENBAUM dan JOSHUA PEARL.

Tanpa berlebihan,

Model penilaian ini secara akurat memprediksi sebagian besar tren perusahaan yang dimasukkan selama satu tahun ini.

Tentu saja model ini tidak sempurna,

Yang terpenting adalah asumsi di dalamnya perlu disesuaikan dengan penilaian pribadi,

Berdasarkan kondisi industri,

Bisnis, dan situasi nyata perusahaan.

1.0 Model dapat dilihat di catatan valuasi: Penjelasan lengkap tentang pembuatan template penilaian DCF

Salah satu masalah dari model 1.0 adalah,

Data di dalamnya harus diinput secara manual.

Ini sangat tidak ramah untuk perusahaan yang sudah terdaftar dalam jangka waktu yang panjang,

Lebih penting lagi, setiap kali harus membuka laporan keuangan,

Mencari akun,

Mengisi angka,

Setiap langkah memakan waktu dan tenaga,

Juga rawan kesalahan,

Belum lagi harus melihat berbagai perusahaan

Oleh karena itu,

Saya memperbarui ke model 2.0,

Masih menggunakan Excel,

Dengan fokus utama pada otomatisasi: cukup masukkan kode saham,

Maka semua data akan terkumpul,

Dibersihkan,

Dan dihitung valuasinya secara otomatis.

Tentu saja,

Parameter di dalamnya bisa disesuaikan sesuai penilaian subjektif masing-masing,

Tanpa mempengaruhi fungsi otomatisasi #估值分析# #DCF#

Berikut penjelasan singkat tentang cara penggunaannya:

1. Lembar utama penilaian

Di sini saya menggunakan China Jushi sebagai contoh,

Cukup ganti kode saham di tempat yang disediakan,

Semua data laporan keuangan historis akan otomatis terupdate.

Dua rumus penting yang digunakan:

1. FCFF = EBIT×(1-t) + D&A - CapEX - ΔNWC
2. EBIT = Pendapatan operasional - Biaya operasional - Pajak dan tambahan - Beban operasional (biaya penjualan,

biaya manajemen,

biaya R&D,

pendapatan lain,

kerugian penurunan nilai kredit,

kerugian piutang tak tertagih,

kerugian penurunan nilai persediaan)

Berdasarkan data historis tersebut,

otomatis dihitung indikator utama yang dibutuhkan untuk prediksi,

termasuk tingkat pertumbuhan pendapatan,

biaya,

total pengeluaran operasional,

penyusutan dan amortisasi,

proporsi pengeluaran modal terhadap pendapatan,

dan tarif pajak penghasilan.

Indikator historis ini dapat menjadi referensi untuk asumsi prediksi selanjutnya.

Selain itu, dua bagian yang diberi warna kuning juga perlu disesuaikan sendiri,

Di sini saya asumsikan WACC adalah 12%,

Tingkat pertumbuhan abadi 2.5%.

2. Halaman perhitungan modal kerja bersih NWC

Dalam rumus arus kas di atas,

NWC adalah komponen penting,

Oleh karena itu perlu dibuat sheet terpisah untuk perhitungan detailnya.

Rumus utama di sini adalah: NWC = Aset lancar - Kewajiban lancar = (Piutang dan wesel + Persediaan + Uang muka dan lainnya) - (Hutang dagang + Beban akrual + Kewajiban lancar lainnya)

Sama seperti sebelumnya,

Berdasarkan data historis,

di sini akan otomatis dihitung indikator utama yang dibutuhkan untuk memprediksi NWC,

termasuk DSO,

DIH,

DPO,

dan proporsi uang muka,

beban akrual,

kewajiban lancar lainnya terhadap pendapatan.

3. Halaman asumsi: Laporan laba rugi & laporan arus kas & neraca

Dua halaman asumsi ini adalah bagian paling subjektif dari model ini,

dan juga yang paling menentukan akurasi prediksi.

Tentu saja,

Jika tidak percaya pada penilaian subjektif sendiri,

bisa juga menggunakan rata-rata dari beberapa tahun terakhir sebagai standar prediksi masa depan.

Kedua halaman ini tidak banyak yang perlu dijelaskan,

Hanya saja dibagi menjadi tiga skenario: baseline,

optimis,

dan pesimis,

Supaya memudahkan pengujian sensitivitas.

4. Kesimpulan penilaian

Setelah data di atas lengkap,

Kembali ke lembar utama penilaian untuk melihat hasilnya.

Misalnya, prediksi arus kas saya di sini adalah:

Selain itu,

Untuk penarikan kesimpulan,

disediakan dua hasil perhitungan EV/EBITDA dan EV implisit.

Benar-benar otomatis,

Tidak perlu diubah sendiri (kecuali pengali keluar).

Terakhir,

tambahkan analisis sensitivitas.

Itulah kerangka model penilaian DCF V2.0,

Menghemat waktu mencari laporan keuangan,

Menginput data,

Sehingga fokus bisa dialihkan ke penilaian indikator utama di masa depan.

Selanjutnya saya akan terus memperbarui model penilaian yang lebih cerdas,

lebih praktis,

misalnya antarmuka interaktif,

fungsi OCR, dan lain-lain,

untuk mengatasi masalah basis data.

**$HTX $SLN $AVA **