在贴现现金流(DCF)估值技术中,股票的价值是根据某种现金流量的现值来估计的。公司的自由现金流(FCFF)通常被描述为扣除直接成本和向资本供应商支付任何款项之前的现金流。
内在股票价值(估值摘要)
年 | 价值 | FCFFt 或终值 (TVt) | 计算 | 现值在 15.53% |
---|---|---|---|---|
01 | FCFF0 | 7,478 | ||
1 | FCFF1 | 9,190 | = 7,478 × (1 + 22.90%) | 7,954 |
2 | FCFF2 | 11,043 | = 9,190 × (1 + 20.17%) | 8,274 |
3 | FCFF3 | 12,970 | = 11,043 × (1 + 17.44%) | 8,411 |
4 | FCFF4 | 14,878 | = 12,970 × (1 + 14.71%) | 8,351 |
5 | FCFF5 | 16,661 | = 14,878 × (1 + 11.98%) | 8,095 |
5 | 终端价值 (TV5) | 525,914 | = 16,661 × (1 + 11.98%) ÷ (15.53% – 11.98%) | 255,519 |
Adobe资本的内在价值 | 296,603 | |||
少: 债务,包括流动部分(公允价值) | 3,880 | |||
Adobe普通股的内在价值 | 292,723 | |||
Adobe普通股的内在价值(每股) | $642.92 | |||
当前股价 | $509.90 |
基于报告: 10-K (报告日期: 2022-12-02).
1 查看详情 »
免責聲明!
估值基于标准假设。可能存在与股票价值相关的特定因素,此处省略。在这种情况下,实际股票价值可能与估计值有很大差异。如果您想在投资决策过程中使用估计的内在股票价值,请自行承担风险。
加权平均资本成本 (WACC)
价值1 | 重量 | 所需回报率2 | 计算 | |
---|---|---|---|---|
权益(公允价值) | 232,157 | 0.98 | 15.75% | |
债务,包括流动部分(公允价值) | 3,880 | 0.02 | 2.26% | = 2.67% × (1 – 15.54%) |
基于报告: 10-K (报告日期: 2022-12-02).
1 百万美元
权益(公允价值) = 已发行普通股股数 × 当前股价
= 455,300,000 × $509.90
= $232,157,470,000.00
债务,包括流动部分(公允价值)。 查看详情 »
2 所需的股本回报率是使用 CAPM 估计的。 查看详情 »
所需的债务回报率。 查看详情 »
所需的债务回报率为税后回报率。
估计(平均)有效所得税率
= (20.84% + 15.48% + 21.00% + 7.90% + 7.27% + 20.76%) ÷ 6
= 15.54%
WACC = 15.53%
FCFF增长率 (g)
基于报告: 10-K (报告日期: 2022-12-02), 10-K (报告日期: 2021-12-03), 10-K (报告日期: 2020-11-27), 10-K (报告日期: 2019-11-29), 10-K (报告日期: 2018-11-30), 10-K (报告日期: 2017-12-01).
1 查看详情 »
2022 计算
2 利息支出,税后 = 利息支出 × (1 – EITR)
= 112 × (1 – 20.84%)
= 89
3 EBIT(1 – EITR)
= 净收入 + 利息支出,税后
= 4,756 + 89
= 4,845
4 RR = [EBIT(1 – EITR) – 利息支出(税后)和股息] ÷ EBIT(1 – EITR)
= [4,845 – 89] ÷ 4,845
= 0.98
5 ROIC = 100 × EBIT(1 – EITR) ÷ 总资本
= 100 × 4,845 ÷ 18,180
= 26.65%
6 g = RR × ROIC
= 0.97 × 23.55%
= 22.90%
单阶段模型隐含的FCFF增长率(g)
g = 100 × (总资本,公允价值0 × WACC – FCFF0) ÷ (总资本,公允价值0 + FCFF0)
= 100 × (236,037 × 15.53% – 7,478) ÷ (236,037 + 7,478)
= 11.98%
哪里:
总资本,公允价值0 = Adobe债务和权益的当前公允价值 (百万美元)
FCFF0 = 去年Adobe公司自由现金流 (百万美元)
WACC = Adobe资本的加权平均成本
年 | 价值 | gt |
---|---|---|
1 | g1 | 22.90% |
2 | g2 | 20.17% |
3 | g3 | 17.44% |
4 | g4 | 14.71% |
5 及以后 | g5 | 11.98% |
哪里:
g1 由PRAT模型暗示
g5 由单阶段模型暗示
g2, g3 和 g4 使用线性插值法计算 g1 和 g5
计算
g2 = g1 + (g5 – g1) × (2 – 1) ÷ (5 – 1)
= 22.90% + (11.98% – 22.90%) × (2 – 1) ÷ (5 – 1)
= 20.17%
g3 = g1 + (g5 – g1) × (3 – 1) ÷ (5 – 1)
= 22.90% + (11.98% – 22.90%) × (3 – 1) ÷ (5 – 1)
= 17.44%
g4 = g1 + (g5 – g1) × (4 – 1) ÷ (5 – 1)
= 22.90% + (11.98% – 22.90%) × (4 – 1) ÷ (5 – 1)
= 14.71%