한국어

데이터 및 스프레드시트 · DCF 계산기

최종 가치를 할인하여 예측 기간에 추가하는 방법

· 작동 방식

dcf 평가 현금 흐름

5개의 할인 기간을 거쳐 뒤로 이동하는 5년차의 최종 가치 블록
원본 ToolAcre 벡터 일러스트레이션

최종 가치는 오늘이 아닌 예측 종료를 기준으로 계산되므로 자체 할인 단계가 필요합니다. 이 게시물에서는 어떤 지수를 사용해야 하는지, 모델이 종종 1년씩 차이가 나는 이유, 조각이 어떻게 합쳐지는지 보여줍니다.

할인 없이 모델에 붙여넣은 최종 가치 — 이 단 하나의 실수가 가치를 두 배로 늘릴 수 있는 이유

터미널 값은 DCF 페이지에서 가장 큰 숫자일 수 있으며, 이로 인해 두 번째 단계를 잊어버리는 것이 특히 해로울 수 있습니다. 영속성 공식은 오늘이 아닌 예측 기간의 값을 나타냅니다. 현재 가치 예측 행에 미래 덩어리를 직접 추가하면 날짜가 하나의 합계로 혼합되어 반올림 차이보다 모델이 훨씬 더 부풀려질 수 있습니다.

타임라인에서 최종 가치가 나타나는 위치 — 영속 공식이 오늘이 아닌 최종 예측 연도 기준의 가치를 제공하는 이유

N년 말에 모델은 명시적 예측을 마쳤으며 첫 번째 영구 현금 흐름이 한 기간 전입니다. 고든 성장은 분자에 N년에 현금 흐름 1개를 더한 값을 사용하지만 최종 최종 가치는 N년 말에 위치합니다. 이 두 레이블은 두 할인 기간이 아니라 현금 흐름 시기와 가치 평가 시기를 나타냅니다.

지수 선택 — 최종 예측 연도를 사용하여 (1+r)^N만큼 할인하고 N년과 N+1 현금 흐름 간의 일대일 혼동

엔진의 연말 규칙에 따라 최종 가치는 1에 N으로 올린 할인율을 더한 값으로 나눕니다. Gordon 분자가 이미 다음 현금 흐름을 나타내더라도 N에 1을 더한 값을 사용하면 N 연도에서 N + 1 연도까지 두 번 할인됩니다. 테스트에서는 이러한 일대일 오류를 정확하게 포착하기 위해 10년 동안 지수 10을 주장합니다.

명시적 예측의 현재 가치 - 최종 부분이 추가되기 전 할인된 연간 현금 흐름을 합산합니다.

명시적인 측면은 별도로 계산됩니다. 각 예측 현금 흐름은 지수 1부터 시작하여 자체 요소로 나누어지고 현재 가치가 합산됩니다. 해당 금액이 존재한 후에만 할인된 단말기 금액이 추가됩니다. 엔진의 현금 흐름은 활용되지 않고 모든 자본 제공자에게 속하기 때문에 결과는 기업 가치입니다.

실제 사례 — 최종 가치가 계산되어 올바른 지수로 할인된 후 추가되고 잘못된 지수가 함께 표시된 5년 예측

5개의 가상 연말 현금 흐름이 100, 10% 이율, 2.5% 영구 성장률을 가정하면 명시적 현재 가치는 379.08입니다. 5년차 최종 가치는 1,366.67이고 현재 가치는 848.59이므로 총 1,227.67이 생성됩니다. 대신 지수 6을 사용하면 771.45이 제공되며 77.14에 의한 동일한 터미널 주장을 축소합니다.

분할 읽기 — 최종 가치를 전체의 일부로 표현하고 해당 공유가 주목할만한 가치가 있는 이유

해당 예에서 터미널 점유율은 기업 가치의 약 69.1%입니다. 이 비율은 통과 또는 실패 표시가 아니지만 모델의 무게가 어디에 있는지를 나타냅니다. ToolAcre은 이 분수를 직접 반환하며 해당 인터페이스는 최종 금액이 하나의 헤드라인 합계 내에서 사라지는 것을 허용하지 않고 과도한 의존성에 주의를 환기시킵니다.

여기서 다루지 않는 내용 — 연중 관례, 출구 다중 방법 및 성장 가정이 합리적인지에 대한 판단

이 예에서는 연말 시기와 영구 성장을 사용합니다. 제공된 도구는 연도 중반 지수 및 종료 다중 터미널 방법도 지원합니다. 둘 다 계산을 변경하므로 동일한 용어로 비교해야 합니다. 2.5% 또는 기타 최종 가정이 실제 비즈니스에 합리적인지 여부를 판단하지 않습니다.

최종 가치는 할인이 필요한 또 다른 현금 흐름입니다. ToolAcre DCF 계산기를 사용하여 직접 계산한 단계와 비교하여 단계를 확인할 수 있는 방법

최종 가치를 또 다른 날짜의 현금 흐름으로 간주합니다. 먼저 이를 찾은 다음 평가 날짜로 할인합니다. ToolAcre는 최종 연도 현금 흐름, 다음 연도 현금 흐름, 지수, 요소 및 현재 가치를 노출하므로 산술을 재구성할 수 있습니다. 그 투명성은 예측의 진실이 아니라 메커니즘을 확인하는 것입니다.