Применение методов интеллектуального анализа данных для оценки стоимости высокотехнологичных компаний на примере Uber
|
Введение 4
Глава 1. КОНЦЕПЦИЯ И МЕТОДЫ ОЦЕНКИ СТОИМОСТИ 11
1.1. Роль и методы оценки стоимости компании 11
1.2. Метод дисконтированных денежных потоков 13
1.3. Нейросетевое моделирование 15
1.4. Алгоритм Сугено в системе нечеткого вывода 17
Выводы по главе 19
Глава 2. СПЕЦИФИКА ОТРАСЛИ И ХАРАКТЕРНЫЕ ЧЕРТЫ КОМПАНИИ UBER 21
2.1. Sharing economy: мировая и российская практика 21
2.2. История создания,описание и продукты компании Uber 24
2.3. Анализ характеристик компании: модель генерации доходов и финансовые показатели 27
2.4. Возможные риски и перспективы бизнеса Uber 30
Выводы по главе 39
Глава 3. РАСЧЕТ ОЦЕНКИ СТОИМОСТИ КОМПАНИИ UBER 41
3.1. Метод дисконтированных денежных потоков 41
3.1.1. Прогнозирование денежных потоков компании 41
3.1.2. Расчет WACC 45
3.1.3. Расчет дисконтированных денежных потоков 49
3.2. Нейросетевое прогнозирование курса акций 51
3.3. Моделирование данных с помощью алгоритма нечеткого вывода Сугено 55
3.3.1. Факторы, влияющие на стоимость компании 55
3.3.2. Применение алгоритма нечеткого логического вывода 57
Выводы по главе 62
Заключение 64
Список использованных источников 67
Приложения 1 - 5 75
Глава 1. КОНЦЕПЦИЯ И МЕТОДЫ ОЦЕНКИ СТОИМОСТИ 11
1.1. Роль и методы оценки стоимости компании 11
1.2. Метод дисконтированных денежных потоков 13
1.3. Нейросетевое моделирование 15
1.4. Алгоритм Сугено в системе нечеткого вывода 17
Выводы по главе 19
Глава 2. СПЕЦИФИКА ОТРАСЛИ И ХАРАКТЕРНЫЕ ЧЕРТЫ КОМПАНИИ UBER 21
2.1. Sharing economy: мировая и российская практика 21
2.2. История создания,описание и продукты компании Uber 24
2.3. Анализ характеристик компании: модель генерации доходов и финансовые показатели 27
2.4. Возможные риски и перспективы бизнеса Uber 30
Выводы по главе 39
Глава 3. РАСЧЕТ ОЦЕНКИ СТОИМОСТИ КОМПАНИИ UBER 41
3.1. Метод дисконтированных денежных потоков 41
3.1.1. Прогнозирование денежных потоков компании 41
3.1.2. Расчет WACC 45
3.1.3. Расчет дисконтированных денежных потоков 49
3.2. Нейросетевое прогнозирование курса акций 51
3.3. Моделирование данных с помощью алгоритма нечеткого вывода Сугено 55
3.3.1. Факторы, влияющие на стоимость компании 55
3.3.2. Применение алгоритма нечеткого логического вывода 57
Выводы по главе 62
Заключение 64
Список использованных источников 67
Приложения 1 - 5 75
«Настоящего конца оценки стоимости не существует. Это просто точка, на которой вы остановили рассказ».
Асват Дамодаран
Порой бывает очень трудно определить, что делает компанию технологической, а что - нет. По определению, технологическая компания - это компания, которая в основном занимается разработкой и производством технологий, но с течением времени линия становится все более размытой. Справедливо, что технология больше не является синонимом только аппаратного обеспечения или производства. С появлением цифровых технологий в бизнес-среде, никогда не было так сложно пробиться сквозь шум, и отличить компании, являющиеся производителем, создателем передовых технологий, от пользователей, активно ее применяющих1.
По данным Национального научного фонда (National Science Foundation), не существует единого предпочтительного метода для выявления высокотехнологичной компании. Чаще всего предполагается, что сектор высоких технологий представляет отрасли, которые создаются на стыке науки и промышленности, и основаны на обработке результатов научных исследований2. Основным фактором, определяющим, относится ли данная компания или продукт к высокотехнологичному сектору, является оценка интенсивности затрат на НИОКР (R&D expenses intensity) согласно подходам ISIC / NACE (классификация видов деятельности), а так же SITC (продуктовая классификация). Европейская комиссия по оценке уровня инвестиций в R&D опубликовала рейтинг 2500 ведущих компаний, по итогам которого можно сделать вывод, что в исследования и разработки в 2019 году было вложено 823,4 млрд евро, увеличившись на 8,9% относительно предыдущего периода3.
Многие высокотехнологичные компании стремятся выйти на IPO (первое публичное размещение) в знак подтверждения своей успешности, для обретения публичности и возможности торговать своими акциями на бирже. Согласно подсчётам аналитиков Baker McKenzie, только за 2019 год было проведено 1242 первичных размещений акций в таких странах, как Китай, США, Саудовская Аравия, Германия, Гонконг, объем привлеченных средств которых составил $206,1 млрд 4.
Рисунок 1.1 - Крупнейшие IPO 2019 года
Составлено по: CNBC, FactSet, iNews - 2019. - New York
Среди них нельзя не отметить IPO мега - стартапов Uber и Lyft, которые, к большому сожалению, не оправдали ожиданий и оказались не столь удачными. Это и не удивительно, ведь большинство технологических компаний - планово убыточные, и расходы некоторых из них почти в два раза превышают доходы.
Инвестирование в убыточные компании - это, как правило, рискованное, но потенциально выгодное предложение, от которого многие инвесторы, похоже, не готовы отказаться. В то время, как сотни публично торгуемых технологичных компаний сообщают о потерях квартал за кварталом, только несколько из них могут достичь больших успехов и стать именами нарицательных. Хитрость, конечно, заключается в том, чтобы определить, какой из этих компаний удастся сделать скачок к прибыльности и занять почетное место в списке лидеров NASDAQ - второй по размеру биржевой площадки мира. 4
На самом деле, доля компаний, сообщивших о потерях до первичного публичного размещения в Соединенных Штатах, является самой высокой с момента бума доткомов в 2000 г. В 2019 году 76 % таких компаний были убыточными за год до их IPO согласно данным, собранным Джеем Риттером, профессором Уоррингтонского колледжа бизнеса Университета Флориды. Это ниже, чем 81%, зарегистрированный в 2000 году, но все же намного выше, чем среднее значение за четыре десятилетия в 38 %5.
Рисунок 1.2 - Убыточные компании правят рынком IPO
Составлено по: Jay Ritter, University of Florida via CNBC - 2019. - San Francisco
Данные, представленные Риттером, показали, что из компаний, которые стали публичными в прошлом году, только 17 % технологических компаний были прибыльными по сравнению с 43% нетехнологических компаний 6.
Быстрый рост технологического сектора является одной из причин, по которой инвесторы хотят вкладывать свои деньги в убыточные компании. Ведь многие акционеры ценят рост, и, как правило, чувствуют себя вполне комфортно, даже если фирмы не получают огромную прибыль. Безусловно, именно прибыль имеет решающее значение для роста любой компании, но некоторые из крупнейших игроков бизнеса ее еще не заработали. Так, например, публичная компания Tesla, производитель электромобилей, или же гигант райд-хейлинга Uber теряют миллиарды долларов в год.
Фактически, эйфория рынка для так называемых «растущих компаний» заставила управляющего хедж-фонда, миллиардера Дэвида Эйнхорна, задаться вопросом: имеют ли смысл классические инвестиционные принципы, которые работали до сегодняшнего дня? В своих записках для инвесторов в 2017 году Эйнхорн сослался на свои ставки против Tesla и Amazon, и написал, что рынок «очень сложен для стратегий инвестирования в стоимость, поскольку акции роста продолжают опережать акции стоимости» 7. Но что, если стоимость капитала не имеет ничего общего с текущей или будущей прибылью , и вместо этого определяется способность компании обеспечивать социальные изменения, продвигать новые полезные технологии, даже если это приводит к текущим и будущим экономическим потерям?
Инвесторы часто готовы дожидаться прибыльности в компаниях с временными проблемами, но могут быть менее прощающими для компаний с долгосрочными проблемами. В первом случае оценки стоимости будут зависеть от степени временных проблем и от того, насколько длительными они могут быть. В последнем случае предельная оценка компании может отражать представление инвесторов о том, что на карту может быть поставлено само ее выживание. И здесь снова назревает вопрос: а какие методы подойдут для оценки убыточных технологичных компаний?
В поисках точных оценок, важных для инвесторов, мы находим, что некоторые устоявшиеся принципы работают очень хорошо даже для быстрорастущих компаний, таких как стартапы в сфере технологий. Оценка дисконтированных денежных потоков, хотя это может показаться традиционной и старой школой, работает там, где другие методы не работают, поскольку основные принципы экономики и финансов применяются даже на неизведанных территориях. Правда заключается в том, что альтернативы, как например мультипликатор P/E (цена / чистая прибыль) или EV/Sales (стоимость компании / выручка), мало полезны, когда прибыль отрицательна и нет хороших ориентиров для мультипликаторов продаж. Что еще более важно, эти сокращенные методы не учитывают уникальные характеристики каждой компании в быстро меняющейся среде, и они дают мало понимания того, что определяет стоимость8.
Тем не менее, в современных условиях глобализации и высокой степени неопределенности как рыночной, так и внутренней среды компании, полагаться лишь на классический подход к оценке стоимости не стоит. В поисках правильного подхода обратим свое внимание на хорошие и эффективные системы прогнозирования для фондового рынка, которые помогают трейдерам, инвесторам и аналитикам прогнозировать его будущее направление. На данный момент насчитывается около 27 видов архитектуры нейронных сетей, и новые появляются постоянно. Эффективность многих видов (MLP, DFF, FFNN, RNN, LSTM) подтверждена практическими примерами, поэтому в работе рассмотрим возможность использования подхода FFNN для прогнозирования индексов фондового рынка. Помимо нейросетевого моделирования, существует класс адаптивных сетей, которые сочетают обработку нейронных сетей и принципы нечеткой логики. ANFIS, с одной стороны, позволяет использовать знания экспертов в рамках экспертной системы, а с другой стороны - строгую структуру и архитектуру сетей, где слои и нейроны выполняют определенные роли в соответствии с этапами системы нечеткого вывода .
В рамках данной работы будет представлен разработанный алгоритм (последовательность) расчета оценки стоимости высокотехнологичных компаний на примере Uber, который включает в себя следующие ключевые параметры:
1) будущие денежные потоки от основной деятельности, которые дисконтируются по ставке средневзвешенного капитала;
2) нейросетевая модель прогноза стоимости акций компании;
3) моделирование данных с помощью алгоритма нечеткого вывода Сугено.
Актуальность работы состоит именно в том, что в современном мире сектор информационных технологий, со всей своей неопределенностью будущего и высокими инвестиционными рисками, представляет глобальный интерес у инвесторов. Говорить о спокойной модели поведения биржевых индексов высокотехнологичных компаний не приходится - «масло в огонь» подливают множество факторов, таких как политические, экономические, технологические, и т.д. Несмотря на это, энтузиазм у инвесторов с каждым годом только прибавляется. Проанализировав специфику отрасли выбранной технологической компании, и проведя оценку согласно вышеуказанному алгоритму, инвестор сможет решить для себя, вложение средств на какой период времени он хочет осуществить - краткосрочный (покупка активов ради возможного изменения цены), среднесрочный (несколько месяцев) или долгосрочный (от 1 года).
Цель выпускной квалификационной работы заключается в проведении анализа методов оценки стоимости компаний высокотехнологичного сектора, разработке алгоритма оценки с использованием как основных подходов, так и интеллектуальных методов анализа данных.
Задачи исследования сформулированы следующим образом:
1. Проанализировать классические подходы к оценке стоимости компании;
2. Исследовать возможности применения интеллектуальных методов анализа данных в оценке компаний ИТ-сектора;
3. Выработать определенную последовательность оценки технологических компаний;
4. Провести обзор характеристик выбранной компании: финансовых показателей, продуктов, модели генерации доходов;
5. Выявить риски нарушения функционирования компании, а также риски инвестирования в акции Uber;
6. Провести оценку стоимости компании методом дисконтированных денежных потоков;
7. Выделить факторы, способствующие изменению стоимости акций на фондовом рынке;
8. Применить методы интеллектуального анализа данных для определения динамики стоимости акций.
9. Подвести итоги о возможности практического применения разработанного алгоритма для высокотехнологичных компаний.
В качестве объекта исследования работы выбрана ценность глобальной компании, предоставляющей услуги райд-хейлинга и райдшеринга на мировом рынке.
К предмету исследования можно отнести рыночную стоимость высокотехнологичных компаний, а также инвестиционные риски, которые присущи компаниям с высоким потенциалом роста акций.
Теоретической основой курсовой работы являются исследования зарубежных и российских ученых-экономистов в области корпоративных финансов, отраженные в труде Р. Брейли и С. Майерса «Принципы корпоративных финансов», Р. Паррино и Д. Кидвелла «Основы корпоративных финансов», инвестиций, систематизированные в постулате А. Дамодарана «Инвестиционная оценка», а также работы С. Николенко, А. Кадурина, А. Буркова, С. Сканси, Д. Перл, Ю. Хижнякова в области нейросетей, машинного обучения и нечетких множеств, законодательные акты, аналитические отчеты консалтинговых и аудиторских компаний, таких как Gartner, KPMG, BCG, PwC, Deloitte. Наряду с вышеперечисленными источниками в полной мере используются публикации журналов «Forbes», «HarvardBusinessReview», «FinancialTimes», «Финансовый директор», бизнес- данные платформ Statista, Euromonitor International, Yahoo finance, отчеты исследований, проведенных в Университете Регенсбурга (Германия), Калифорнийском Университете, а также в Уоррингтонском колледже бизнеса Университета Флориды. В качестве информационной базы об отчетности анализируемых компаний используются данные, полученные из открытых информационных источников, официальных сайтов.
Дипломная работа состоит из трёх глав, каждая из которых разделена на параграфы. Первая глава посвящена традиционным и интеллектуальным методам оценки стоимости компании, их преимуществам и недостаткам. Во второй главе раскрываются особенности мирового и российского рынка шеринговой экономики, проводится анализ основных характеристик компании Uber, учитываются возможные риски и перспективы развития такого бизнеса. В третьей главе разрабатывается определенный алгоритм и производятся расчеты оценки стоимости технологических компании на примере Uber. В качестве основных подходов выбраны: метод дисконтированных денежных потоков, нейросетевое моделирование с конфигурацией сети FFNN, адаптивная нейро-нечеткая система вывода (ANFIS - adaptive neuro-fuzzy inference system).
В результате проведенного анализа будут сделаны выводы о возможностях применения данного алгоритма для оценки стоимости акций высокотехнологичных компаний, торгующихся на фондовом рынке.
Асват Дамодаран
Порой бывает очень трудно определить, что делает компанию технологической, а что - нет. По определению, технологическая компания - это компания, которая в основном занимается разработкой и производством технологий, но с течением времени линия становится все более размытой. Справедливо, что технология больше не является синонимом только аппаратного обеспечения или производства. С появлением цифровых технологий в бизнес-среде, никогда не было так сложно пробиться сквозь шум, и отличить компании, являющиеся производителем, создателем передовых технологий, от пользователей, активно ее применяющих1.
По данным Национального научного фонда (National Science Foundation), не существует единого предпочтительного метода для выявления высокотехнологичной компании. Чаще всего предполагается, что сектор высоких технологий представляет отрасли, которые создаются на стыке науки и промышленности, и основаны на обработке результатов научных исследований2. Основным фактором, определяющим, относится ли данная компания или продукт к высокотехнологичному сектору, является оценка интенсивности затрат на НИОКР (R&D expenses intensity) согласно подходам ISIC / NACE (классификация видов деятельности), а так же SITC (продуктовая классификация). Европейская комиссия по оценке уровня инвестиций в R&D опубликовала рейтинг 2500 ведущих компаний, по итогам которого можно сделать вывод, что в исследования и разработки в 2019 году было вложено 823,4 млрд евро, увеличившись на 8,9% относительно предыдущего периода3.
Многие высокотехнологичные компании стремятся выйти на IPO (первое публичное размещение) в знак подтверждения своей успешности, для обретения публичности и возможности торговать своими акциями на бирже. Согласно подсчётам аналитиков Baker McKenzie, только за 2019 год было проведено 1242 первичных размещений акций в таких странах, как Китай, США, Саудовская Аравия, Германия, Гонконг, объем привлеченных средств которых составил $206,1 млрд 4.
Рисунок 1.1 - Крупнейшие IPO 2019 года
Составлено по: CNBC, FactSet, iNews - 2019. - New York
Среди них нельзя не отметить IPO мега - стартапов Uber и Lyft, которые, к большому сожалению, не оправдали ожиданий и оказались не столь удачными. Это и не удивительно, ведь большинство технологических компаний - планово убыточные, и расходы некоторых из них почти в два раза превышают доходы.
Инвестирование в убыточные компании - это, как правило, рискованное, но потенциально выгодное предложение, от которого многие инвесторы, похоже, не готовы отказаться. В то время, как сотни публично торгуемых технологичных компаний сообщают о потерях квартал за кварталом, только несколько из них могут достичь больших успехов и стать именами нарицательных. Хитрость, конечно, заключается в том, чтобы определить, какой из этих компаний удастся сделать скачок к прибыльности и занять почетное место в списке лидеров NASDAQ - второй по размеру биржевой площадки мира. 4
На самом деле, доля компаний, сообщивших о потерях до первичного публичного размещения в Соединенных Штатах, является самой высокой с момента бума доткомов в 2000 г. В 2019 году 76 % таких компаний были убыточными за год до их IPO согласно данным, собранным Джеем Риттером, профессором Уоррингтонского колледжа бизнеса Университета Флориды. Это ниже, чем 81%, зарегистрированный в 2000 году, но все же намного выше, чем среднее значение за четыре десятилетия в 38 %5.
Рисунок 1.2 - Убыточные компании правят рынком IPO
Составлено по: Jay Ritter, University of Florida via CNBC - 2019. - San Francisco
Данные, представленные Риттером, показали, что из компаний, которые стали публичными в прошлом году, только 17 % технологических компаний были прибыльными по сравнению с 43% нетехнологических компаний 6.
Быстрый рост технологического сектора является одной из причин, по которой инвесторы хотят вкладывать свои деньги в убыточные компании. Ведь многие акционеры ценят рост, и, как правило, чувствуют себя вполне комфортно, даже если фирмы не получают огромную прибыль. Безусловно, именно прибыль имеет решающее значение для роста любой компании, но некоторые из крупнейших игроков бизнеса ее еще не заработали. Так, например, публичная компания Tesla, производитель электромобилей, или же гигант райд-хейлинга Uber теряют миллиарды долларов в год.
Фактически, эйфория рынка для так называемых «растущих компаний» заставила управляющего хедж-фонда, миллиардера Дэвида Эйнхорна, задаться вопросом: имеют ли смысл классические инвестиционные принципы, которые работали до сегодняшнего дня? В своих записках для инвесторов в 2017 году Эйнхорн сослался на свои ставки против Tesla и Amazon, и написал, что рынок «очень сложен для стратегий инвестирования в стоимость, поскольку акции роста продолжают опережать акции стоимости» 7. Но что, если стоимость капитала не имеет ничего общего с текущей или будущей прибылью , и вместо этого определяется способность компании обеспечивать социальные изменения, продвигать новые полезные технологии, даже если это приводит к текущим и будущим экономическим потерям?
Инвесторы часто готовы дожидаться прибыльности в компаниях с временными проблемами, но могут быть менее прощающими для компаний с долгосрочными проблемами. В первом случае оценки стоимости будут зависеть от степени временных проблем и от того, насколько длительными они могут быть. В последнем случае предельная оценка компании может отражать представление инвесторов о том, что на карту может быть поставлено само ее выживание. И здесь снова назревает вопрос: а какие методы подойдут для оценки убыточных технологичных компаний?
В поисках точных оценок, важных для инвесторов, мы находим, что некоторые устоявшиеся принципы работают очень хорошо даже для быстрорастущих компаний, таких как стартапы в сфере технологий. Оценка дисконтированных денежных потоков, хотя это может показаться традиционной и старой школой, работает там, где другие методы не работают, поскольку основные принципы экономики и финансов применяются даже на неизведанных территориях. Правда заключается в том, что альтернативы, как например мультипликатор P/E (цена / чистая прибыль) или EV/Sales (стоимость компании / выручка), мало полезны, когда прибыль отрицательна и нет хороших ориентиров для мультипликаторов продаж. Что еще более важно, эти сокращенные методы не учитывают уникальные характеристики каждой компании в быстро меняющейся среде, и они дают мало понимания того, что определяет стоимость8.
Тем не менее, в современных условиях глобализации и высокой степени неопределенности как рыночной, так и внутренней среды компании, полагаться лишь на классический подход к оценке стоимости не стоит. В поисках правильного подхода обратим свое внимание на хорошие и эффективные системы прогнозирования для фондового рынка, которые помогают трейдерам, инвесторам и аналитикам прогнозировать его будущее направление. На данный момент насчитывается около 27 видов архитектуры нейронных сетей, и новые появляются постоянно. Эффективность многих видов (MLP, DFF, FFNN, RNN, LSTM) подтверждена практическими примерами, поэтому в работе рассмотрим возможность использования подхода FFNN для прогнозирования индексов фондового рынка. Помимо нейросетевого моделирования, существует класс адаптивных сетей, которые сочетают обработку нейронных сетей и принципы нечеткой логики. ANFIS, с одной стороны, позволяет использовать знания экспертов в рамках экспертной системы, а с другой стороны - строгую структуру и архитектуру сетей, где слои и нейроны выполняют определенные роли в соответствии с этапами системы нечеткого вывода .
В рамках данной работы будет представлен разработанный алгоритм (последовательность) расчета оценки стоимости высокотехнологичных компаний на примере Uber, который включает в себя следующие ключевые параметры:
1) будущие денежные потоки от основной деятельности, которые дисконтируются по ставке средневзвешенного капитала;
2) нейросетевая модель прогноза стоимости акций компании;
3) моделирование данных с помощью алгоритма нечеткого вывода Сугено.
Актуальность работы состоит именно в том, что в современном мире сектор информационных технологий, со всей своей неопределенностью будущего и высокими инвестиционными рисками, представляет глобальный интерес у инвесторов. Говорить о спокойной модели поведения биржевых индексов высокотехнологичных компаний не приходится - «масло в огонь» подливают множество факторов, таких как политические, экономические, технологические, и т.д. Несмотря на это, энтузиазм у инвесторов с каждым годом только прибавляется. Проанализировав специфику отрасли выбранной технологической компании, и проведя оценку согласно вышеуказанному алгоритму, инвестор сможет решить для себя, вложение средств на какой период времени он хочет осуществить - краткосрочный (покупка активов ради возможного изменения цены), среднесрочный (несколько месяцев) или долгосрочный (от 1 года).
Цель выпускной квалификационной работы заключается в проведении анализа методов оценки стоимости компаний высокотехнологичного сектора, разработке алгоритма оценки с использованием как основных подходов, так и интеллектуальных методов анализа данных.
Задачи исследования сформулированы следующим образом:
1. Проанализировать классические подходы к оценке стоимости компании;
2. Исследовать возможности применения интеллектуальных методов анализа данных в оценке компаний ИТ-сектора;
3. Выработать определенную последовательность оценки технологических компаний;
4. Провести обзор характеристик выбранной компании: финансовых показателей, продуктов, модели генерации доходов;
5. Выявить риски нарушения функционирования компании, а также риски инвестирования в акции Uber;
6. Провести оценку стоимости компании методом дисконтированных денежных потоков;
7. Выделить факторы, способствующие изменению стоимости акций на фондовом рынке;
8. Применить методы интеллектуального анализа данных для определения динамики стоимости акций.
9. Подвести итоги о возможности практического применения разработанного алгоритма для высокотехнологичных компаний.
В качестве объекта исследования работы выбрана ценность глобальной компании, предоставляющей услуги райд-хейлинга и райдшеринга на мировом рынке.
К предмету исследования можно отнести рыночную стоимость высокотехнологичных компаний, а также инвестиционные риски, которые присущи компаниям с высоким потенциалом роста акций.
Теоретической основой курсовой работы являются исследования зарубежных и российских ученых-экономистов в области корпоративных финансов, отраженные в труде Р. Брейли и С. Майерса «Принципы корпоративных финансов», Р. Паррино и Д. Кидвелла «Основы корпоративных финансов», инвестиций, систематизированные в постулате А. Дамодарана «Инвестиционная оценка», а также работы С. Николенко, А. Кадурина, А. Буркова, С. Сканси, Д. Перл, Ю. Хижнякова в области нейросетей, машинного обучения и нечетких множеств, законодательные акты, аналитические отчеты консалтинговых и аудиторских компаний, таких как Gartner, KPMG, BCG, PwC, Deloitte. Наряду с вышеперечисленными источниками в полной мере используются публикации журналов «Forbes», «HarvardBusinessReview», «FinancialTimes», «Финансовый директор», бизнес- данные платформ Statista, Euromonitor International, Yahoo finance, отчеты исследований, проведенных в Университете Регенсбурга (Германия), Калифорнийском Университете, а также в Уоррингтонском колледже бизнеса Университета Флориды. В качестве информационной базы об отчетности анализируемых компаний используются данные, полученные из открытых информационных источников, официальных сайтов.
Дипломная работа состоит из трёх глав, каждая из которых разделена на параграфы. Первая глава посвящена традиционным и интеллектуальным методам оценки стоимости компании, их преимуществам и недостаткам. Во второй главе раскрываются особенности мирового и российского рынка шеринговой экономики, проводится анализ основных характеристик компании Uber, учитываются возможные риски и перспективы развития такого бизнеса. В третьей главе разрабатывается определенный алгоритм и производятся расчеты оценки стоимости технологических компании на примере Uber. В качестве основных подходов выбраны: метод дисконтированных денежных потоков, нейросетевое моделирование с конфигурацией сети FFNN, адаптивная нейро-нечеткая система вывода (ANFIS - adaptive neuro-fuzzy inference system).
В результате проведенного анализа будут сделаны выводы о возможностях применения данного алгоритма для оценки стоимости акций высокотехнологичных компаний, торгующихся на фондовом рынке.
В данной работе исследована проблема проведения оценки стоимости высокотехнологичных компаний. Поскольку многие современные технологические компании убыточны, и расходы зачастую превышают доходы, то риск инвестирования в них слишком высок. Исходя из таких условий, в исследовании раскрыты и выявлены особенности проведения оценки с помощью классического подхода и интеллектуального метода анализа данных на примере компании Uber. Реалии таковы, что купить технологические акции столь же эйфорично, сколь модно, как это было в конце 1990-х годов, когда даже таксисты в Нью- Йорке говорили, какие call - опционы и у каких высокотехнологичных компаний они покупали, при этом не имея ни малейшего представления, выйдут ли компании на путь прибыльности или нет. Фактически, единственная разница между прошлым и настоящим состоит в том, что водители такси теперь являются инвестициями, а не инвесторами.
Многие же инвесторы свято верят, что убыточность сама по себе не является причиной, чтобы избежать инвестиций, ибо многие технологические компании до недавнего времени делали убытки - Amazon, Facebook, а их акции в то время агрессивно покупали, не видя за этим опасности. С другой стороны, прежде чем слепо инвестировать, важно грамотно проанализировать краткосрочную и долгосрочную доходность этих компаний, при этом оценки должны показать адекватную норму отдачи. Следовательно, правильная оценка убыточных технологических стартапов и достаточное количество информации об их стоимости позволит стать индикатором для вложения в него денежных средств и дальнейшего развития компании, поэтому актуальность проблемы оценки таких компаний является небезосновательно важной.
Для достижения цели работы особое внимание было уделено методологии подхода к оценке стоимости компаний с помощью дисконтирования денежных потоков, а также нейросетевому и нейро-нечеткому моделированию, раскрыты специфика шеринговой экономики и характерные черты развития выбранной для анализа компании Uber. Что немаловажно, выделены основные риски и перспективы бизнеса Uber, ключевые факторы, которые прямо или косвенно могут влиять на стоимость акций на фондовом рынке. Компания относится к отрасли экономики совместного потребления, и является ее представителем в секторе райд-хейлинга и райдшеринга. Ее годовая выручка растет от года к году, и уже составляет $ 14,1 млрд, а сам сервис в 2019 году насчитывал более 99 млн активных пользователей, в то время как в 2015 году эта цифра была почти в два раза меньше - 43 млн. Эмбрионную стадию развития компания оставила за плечами уже давно, расширив поля своей деятельности до 8 собственных продуктов, и сделав ставку на беспилотный транспорт, который готовится произвести на рынке перевозок глобальную революцию. В этой гонке «моторов» Uber планирует занять одну из лидирующих позиций на формирующемся рынке беспилотных автомобилей. Следовательно, компания представляет собой наглядный пример активного игрока рынка, который представляет собой интерес для инвестирования.
С помощью первого звена заявленного в работе алгоритма - метода дисконтированных денежных потоков - была проведена оценка стоимости компании и справедливой цены акции. Для проведения расчета использованы исторические данные, источники аналитической информации и экспертные обзоры ведущих мировых компаний. Итогом расчета является полученная справедливая стоимость акции - $ 15,54. На начало исследования цена акции на фондовой бирже составляла $ 14,82, и во время проведения расчетов достигла отметки в $ 33,89, что говорит нам о следующем:
1) значительной волатильности акций компании;
2) попадании в определенный ценовой интервал и самодостаточности метода даже в отношении оценки компании из столь высокорисковой отрасли экономики.
Тем не менее, полученный результат позволяет сделать вывод о переоцененности акций рынком, и дает сигнал инвестору внимательнее отнестись к отбору таких акций в свой долгосрочный портфель. Также можно заметить, что фактические значения довольно близко находятся по отношению к расчетным, поэтому компания очень приближена к понятию «развитый рынок». С каждым годом Uber все больше относится к категории развитой компании, поскольку она подчиняется определенному математическому анализу.
Второй метод алгоритма - нейросетевое моделирование - позволил вычислить близость реальных значений к значениям, спрогнозированным нейронной сетью, и показал направление движения стоимости акций в краткосрочной перспективе. В то время, как реальные значения цены либо уменьшались, либо увеличивались, выходы нейронной сети изменялись в том же направлении, отражая истинную динамику стоимости акций. Таким образом, для краткосрочного периода был применен эффективный инструмент моделирования прогнозирования котировок стоимости акций. Был получен прогноз с точностью до дня, безошибочно показывающий вероятностные направления изменений стоимости акций компании Uber Technologies, и позволяющий инвесторам и экономическим аналитикам принимать обоснованные и своевременные решения об их покупке или продаже.
Завершающее звено оценки - дообученная модель нечеткого вывода - также подтвердила свою эффективность, и показала достаточно высокую степень своей адекватности. Гибридные системы позволили выявить основные тенденции в колебаниях стоимости акций, обусловленные не случайными, а обоснованно подобранными факторами, скорректировать слишком оптимистичные экспертные представления о динамике котировок в среднесрочной перспективе. Таким образом, разработанный мною алгоритм оценки стоимости высокотехнологичных компаний подтвердил возможность практического применения для краткосрочного, среднесрочного и долгосрочного инвестирования.
Слишком радикально утверждать, что под акции Uber не должен выделяться процент в инвестиционном портфеле. Однако факт состоит в том, что пока такие компании, как Uber и Lyft, смогли лишь извлечь выгоду из многолетнего венчурного капитала путем «сжигания» миллиардов долларов на завоевание лидерских позиций, но оставили вопросительные знаки о своей долгосрочной прибыльности. Стоит заметить, что в выпускной работе не проводилось стресс-тестирование, которое могло бы обеспечить оценку потенциальных потерь компании в случае возможных глобальных спадов в экономике. За несколько месяцев COVID-19 потряс весь мир, и, учитывая эволюционирующую природу этого вируса и неопределенность, которую он вызвал для всех отраслей в каждой части мира, невозможно точно предсказать совокупное влияние пандемии на будущие финансовые результаты любых компаний, в том числе и для высокотехнологичного сектора.
Многие же инвесторы свято верят, что убыточность сама по себе не является причиной, чтобы избежать инвестиций, ибо многие технологические компании до недавнего времени делали убытки - Amazon, Facebook, а их акции в то время агрессивно покупали, не видя за этим опасности. С другой стороны, прежде чем слепо инвестировать, важно грамотно проанализировать краткосрочную и долгосрочную доходность этих компаний, при этом оценки должны показать адекватную норму отдачи. Следовательно, правильная оценка убыточных технологических стартапов и достаточное количество информации об их стоимости позволит стать индикатором для вложения в него денежных средств и дальнейшего развития компании, поэтому актуальность проблемы оценки таких компаний является небезосновательно важной.
Для достижения цели работы особое внимание было уделено методологии подхода к оценке стоимости компаний с помощью дисконтирования денежных потоков, а также нейросетевому и нейро-нечеткому моделированию, раскрыты специфика шеринговой экономики и характерные черты развития выбранной для анализа компании Uber. Что немаловажно, выделены основные риски и перспективы бизнеса Uber, ключевые факторы, которые прямо или косвенно могут влиять на стоимость акций на фондовом рынке. Компания относится к отрасли экономики совместного потребления, и является ее представителем в секторе райд-хейлинга и райдшеринга. Ее годовая выручка растет от года к году, и уже составляет $ 14,1 млрд, а сам сервис в 2019 году насчитывал более 99 млн активных пользователей, в то время как в 2015 году эта цифра была почти в два раза меньше - 43 млн. Эмбрионную стадию развития компания оставила за плечами уже давно, расширив поля своей деятельности до 8 собственных продуктов, и сделав ставку на беспилотный транспорт, который готовится произвести на рынке перевозок глобальную революцию. В этой гонке «моторов» Uber планирует занять одну из лидирующих позиций на формирующемся рынке беспилотных автомобилей. Следовательно, компания представляет собой наглядный пример активного игрока рынка, который представляет собой интерес для инвестирования.
С помощью первого звена заявленного в работе алгоритма - метода дисконтированных денежных потоков - была проведена оценка стоимости компании и справедливой цены акции. Для проведения расчета использованы исторические данные, источники аналитической информации и экспертные обзоры ведущих мировых компаний. Итогом расчета является полученная справедливая стоимость акции - $ 15,54. На начало исследования цена акции на фондовой бирже составляла $ 14,82, и во время проведения расчетов достигла отметки в $ 33,89, что говорит нам о следующем:
1) значительной волатильности акций компании;
2) попадании в определенный ценовой интервал и самодостаточности метода даже в отношении оценки компании из столь высокорисковой отрасли экономики.
Тем не менее, полученный результат позволяет сделать вывод о переоцененности акций рынком, и дает сигнал инвестору внимательнее отнестись к отбору таких акций в свой долгосрочный портфель. Также можно заметить, что фактические значения довольно близко находятся по отношению к расчетным, поэтому компания очень приближена к понятию «развитый рынок». С каждым годом Uber все больше относится к категории развитой компании, поскольку она подчиняется определенному математическому анализу.
Второй метод алгоритма - нейросетевое моделирование - позволил вычислить близость реальных значений к значениям, спрогнозированным нейронной сетью, и показал направление движения стоимости акций в краткосрочной перспективе. В то время, как реальные значения цены либо уменьшались, либо увеличивались, выходы нейронной сети изменялись в том же направлении, отражая истинную динамику стоимости акций. Таким образом, для краткосрочного периода был применен эффективный инструмент моделирования прогнозирования котировок стоимости акций. Был получен прогноз с точностью до дня, безошибочно показывающий вероятностные направления изменений стоимости акций компании Uber Technologies, и позволяющий инвесторам и экономическим аналитикам принимать обоснованные и своевременные решения об их покупке или продаже.
Завершающее звено оценки - дообученная модель нечеткого вывода - также подтвердила свою эффективность, и показала достаточно высокую степень своей адекватности. Гибридные системы позволили выявить основные тенденции в колебаниях стоимости акций, обусловленные не случайными, а обоснованно подобранными факторами, скорректировать слишком оптимистичные экспертные представления о динамике котировок в среднесрочной перспективе. Таким образом, разработанный мною алгоритм оценки стоимости высокотехнологичных компаний подтвердил возможность практического применения для краткосрочного, среднесрочного и долгосрочного инвестирования.
Слишком радикально утверждать, что под акции Uber не должен выделяться процент в инвестиционном портфеле. Однако факт состоит в том, что пока такие компании, как Uber и Lyft, смогли лишь извлечь выгоду из многолетнего венчурного капитала путем «сжигания» миллиардов долларов на завоевание лидерских позиций, но оставили вопросительные знаки о своей долгосрочной прибыльности. Стоит заметить, что в выпускной работе не проводилось стресс-тестирование, которое могло бы обеспечить оценку потенциальных потерь компании в случае возможных глобальных спадов в экономике. За несколько месяцев COVID-19 потряс весь мир, и, учитывая эволюционирующую природу этого вируса и неопределенность, которую он вызвал для всех отраслей в каждой части мира, невозможно точно предсказать совокупное влияние пандемии на будущие финансовые результаты любых компаний, в том числе и для высокотехнологичного сектора.
Заказать работу
Заявка на оценку стоимости
Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы
Каталог работ (149577)
- Бакалаврская работа (38342)
- Диссертация (978)
- Магистерская диссертация (22138)
- Дипломные работы, ВКР (60355)
- Главы к дипломным работам (2138)
- Курсовые работы (10522)
- Контрольные работы (6265)
- Отчеты по практике (1357)
- Рефераты (1481)
- Задачи, тесты, ПТК (631)
- Ответы на вопросы (155)
- Статьи, Эссе, Сочинения (942)
- Бизнес-планы (51)
- Презентации (106)
- РГР (84)
- Авторефераты (РГБ) (1692)
- Диссертации (РГБ) (1882)
- Прочее (458)
Новости
06.01.2018
Помощь студентам и аспирантам в выполнении работ от наших партнеров
Помощь студентам и аспирантам в выполнении работ от наших партнеров
Помощь в выполнении учебных и научных работ на заказ ОФОРМИТЬ ЗАКАЗ
дальше»» Все новости
Статьи
- Где лучше заказывать диссертации и дипломные?
- Выполнение научных статей
- Подготовка диссертаций
- Подводные камни при написании магистерской работы
- Помощь в выполнении дипломных работ
»» Все статьи
Заказать работу
Заявка на оценку стоимости
Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы
