Использование нелинейных комбинаций мультипликаторов в целях повышения точности оценки стоимости компании
Нелинейные конструкции при расчете рыночного мультипликатора. Выбор драйверов для мультипликаторов, характеристика нелинейных конструкций. Комбинирование оценок различных мультипликаторов. Плотности распределения ошибок при линейной комбинации оценок.
| Рубрика | Экономика и экономическая теория |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 04.12.2019 |
| Размер файла | 901,6 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Приложения
Распределение исходных данных по P/Norm.EPST12M.
Распределение исходных данных по EV/RevenueT12M.
Распределение исходных данных по EV/EBITDAT12M.
Распределение исходных данных по EV/EBITT12M.
Распределение исходных данных по P/Norm.EPSF+1.
Распределение исходных данных по EV/RevenueF+1.
Распределение исходных данных по EV/EBITDAF+1.
Распределение исходных данных по EV/EBITF+1.
Общие характеристики выборки
Приложение10. Покрытые индустрии.
Основной код, использованный в расчетах.
data_main=read.delim('clipboard')
#MARKET MULT#
marpe=matrix(1,nrow=3962,ncol=1)
colnames(marpe)="marpe"
marevrev=matrix(1,nrow=3962,ncol=1)
colnames(marevrev)="marevrev"
marevebitda=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda)="marevebitda"
marevebit=matrix(1,nrow=3962,ncol=1)
colnames(marevebit)="marevebit"
data=data.frame(data_main,marpe,marevebitda,marevebit,marevrev)
marfpe=matrix(1,nrow=3962,ncol=1)
colnames(marfpe)="marfpe"
marfevrev=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev)="marfevrev"
marfevebitda=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda)="marfevebitda"
marfevebit=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit)="marfevebit"
data=data.frame(data,marfpe,marfevebitda,marfevebit,marfevrev)
#COMPARABLES ALL - LINEAR MULT REGRESSION#
for (i in 1:3962)
{
#YEAR and INDUSTRY#
datac=data[(data$year==data$year[i]&data$indnumb==data$indnumb[i]),]
reg1=lm(datac$evrev~datac$de+datac$margin+datac$revenue)
coef1=coefficients(reg1)
reg2=lm(datac$evebitda~datac$de+datac$margin+datac$revenue)
coef2=coefficients(reg2)
reg3=lm(datac$pe~datac$de+datac$margin+datac$revenue)
coef3=coefficients(reg3)
reg4=lm(datac$evebit~datac$de+datac$margin+datac$revenue)
coef4=coefficients(reg4)
reg5=lm(datac$fpe~datac$de+datac$margin+datac$revenue)
coef5=coefficients(reg5)
reg6=lm(datac$fevrev~datac$de+datac$margin+datac$revenue)
coef6=coefficients(reg6)
reg7=lm(datac$fevebitda~datac$de+datac$margin+datac$revenue)
coef7=coefficients(reg7)
reg8=lm(datac$fevebit~datac$de+datac$margin+datac$revenue)
coef8=coefficients(reg8)
fact=data[i,c("de","margin","revenue")]
data$marpe[i]= coef3[1]+coef3[2]*fact[1]+coef3[3]*fact[2]+coef3[4]*fact[3]
data$marevebit[i]=coef4[1]+coef4[2]*fact[1]+coef4[3]*fact[2]+coef4[4]*fact[3]
data$marevrev[i]=coef1[1]+coef1[2]*fact[1]+coef1[3]*fact[2]+coef1[4]*fact[3]
data$marevebitda[i]=coef2[1]+coef2[2]*fact[1]+coef2[3]*fact[2]+coef2[4]*fact[3]
data$marfpe[i]=coef5[1]+coef5[2]*fact[1]+coef5[3]*fact[2]+coef5[4]*fact[3]
data$marfevrev[i]=coef6[1]+coef6[2]*fact[1]+coef6[3]*fact[2]+coef6[4]*fact[3]
data$marfevebitda[i]=coef7[1]+coef7[2]*fact[1]+coef7[3]*fact[2]+coef7[4]*fact[3]
data$marfevebit[i]=coef8[1]+coef8[2]*fact[1]+coef8[3]*fact[2]+coef8[4]*fact[3]
}
#ERRORS-SINGLE's LR-mult#
errsearnlm=(data$earnings*data$marpe-data$marcap)/data$marcap
errsebitlm=(data$ebit*data$marevebit-data$ev)/data$ev
errsrevenuelm=(data$revenue*data$marevrev-data$ev)/data$ev
errsebitdalm=(data$ebitda*data$marevebitda-data$ev)/data$ev
errsfearnlm=(data$fearnings*data$marfpe-data$marcap)/data$marcap
errsfrevenuelm=(data$frev*data$marfevrev-data$ev)/data$ev
errsfebitdalm=(data$febitda*data$marfevebitda-data$ev)/data$ev
errsfebitlm=(data$febit*data$marfevebit-data$ev)/data$ev
#MARKET MULT - nonlinear 1#
marpe2=matrix(1,nrow=3962,ncol=1)
colnames(marpe2)="marpe2"
marevrev2=matrix(1,nrow=3962,ncol=1)
colnames(marevrev2)="marevrev2"
marevebitda2=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda2)="marevebitda2"
marevebit2=matrix(1,nrow=3962,ncol=1)
colnames(marevebit2)="marevebit2"
data=data.frame(data,marpe2,marevebitda2,marevebit2,marevrev2)
marfpe2=matrix(1,nrow=3962,ncol=1)
colnames(marfpe2)="marfpe2"
marfevrev2=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev2)="marfevrev2"
marfevebitda2=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda2)="marfevebitda2"
marfevebit2=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit2)="marfevebit2"
data=data.frame(data,marfpe2,marfevebitda2,marfevebit2,marfevrev2)
#NLR data#
revenue2=data$revenue*data$revenue
colnames(revenue2)="revenue2"
margin2=data$margin*data$margin
colnames(margin2)="margin2"
de2=data$de*data$de
colnames(de2)="de2"
data=data.frame(data,revenue2,margin2,de2)
#COMPARABLES ALL - NONLINEAR MULT REGRESSION 1#
for (i in 1:3962)
{
#YEAR and INDUSTRY#
datac=data[(data$year==data$year[i]&data$indnumb==data$indnumb[i]),]
reg1=lm(datac$evrev~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef1=coefficients(reg1)
reg2=lm(datac$evebitda~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef2=coefficients(reg2)
reg3=lm(datac$pe~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef3=coefficients(reg3)
reg4=lm(datac$evebit~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef4=coefficients(reg4)
reg5=lm(datac$fpe~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef5=coefficients(reg5)
reg6=lm(datac$fevrev~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef6=coefficients(reg6)
reg7=lm(datac$fevebitda~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef7=coefficients(reg7)
reg8=lm(datac$fevebit~datac$de+datac$margin+datac$revenue+datac$revenue2)
coef8=coefficients(reg8)
fact=data[i,c("de","margin","revenue","revenue2")]
data$marpe2[i]= coef3[1]+coef3[2]*fact[1]+coef3[3]*fact[2]+coef3[4]*fact[3]+coef3[5]*fact[4]
data$marevebit2[i]=coef4[1]+coef4[2]*fact[1]+coef4[3]*fact[2]+coef4[4]*fact[3]+coef4[5]*fact[4]
data$marevrev2[i]=coef1[1]+coef1[2]*fact[1]+coef1[3]*fact[2]+coef1[4]*fact[3]+coef1[5]*fact[4]
data$marevebitda2[i]=coef2[1]+coef2[2]*fact[1]+coef2[3]*fact[2]+coef2[4]*fact[3]+coef2[5]*fact[4]
data$marfpe2[i]=coef5[1]+coef5[2]*fact[1]+coef5[3]*fact[2]+coef5[4]*fact[3]+coef5[5]*fact[4]
data$marfevrev2[i]=coef6[1]+coef6[2]*fact[1]+coef6[3]*fact[2]+coef6[4]*fact[3]+coef6[5]*fact[4]
data$marfevebitda2[i]=coef7[1]+coef7[2]*fact[1]+coef7[3]*fact[2]+coef7[4]*fact[3]+coef7[5]*fact[4]
data$marfevebit2[i]=coef8[1]+coef8[2]*fact[1]+coef8[3]*fact[2]+coef8[4]*fact[3]+coef8[5]*fact[4]
}
#ERRORS-SINGLE's NLR-mult#
errsearnnlm=(data$earnings*data$marpe2-data$marcap)/data$marcap
errsebitnlm=(data$ebit*data$marevebit2-data$ev)/data$ev
errsrevenuenlm=(data$revenue*data$marevrev2-data$ev)/data$ev
errsebitdanlm=(data$ebitda*data$marevebitda2-data$ev)/data$ev
errsfearnnlm=(data$fearnings*data$marfpe2-data$marcap)/data$marcap
errsfrevenuenlm=(data$frev*data$marfevrev2-data$ev)/data$ev
errsfebitdanlm=(data$febitda*data$marfevebitda2-data$ev)/data$ev
errsfebitnlm=(data$febit*data$marfevebit2-data$ev)/data$ev
x11()
plot(density(errsearnlm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsearnnlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsebitdalm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsebitdanlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsebitlm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsebitnlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsrevenuelm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsrevenuenlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfearnlm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsfearnnlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfebitdalm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsfebitdanlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfebitlm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsfebitnlm),col="red",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfrevenuelm), col="blue",lwd=2, xlim=c(-5,5))
lines(density(errsfrevenuenlm),col="red",lwd=2, xlim=c(-5,5))
#MARKET MULT - LOG 2#
marpe3=matrix(1,nrow=3962,ncol=1)
colnames(marpe3)="marpe3"
marevrev3=matrix(1,nrow=3962,ncol=1)
colnames(marevrev3)="marevrev3"
marevebitda3=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda3)="marevebitda3"
marevebit3=matrix(1,nrow=3962,ncol=1)
colnames(marevebit3)="marevebit3"
data=data.frame(data,marpe3,marevebitda3,marevebit3,marevrev3)
marfpe3=matrix(1,nrow=3962,ncol=1)
colnames(marfpe3)="marfpe3"
marfevrev3=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev3)="marfevrev3"
marfevebitda3=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda3)="marfevebitda3"
marfevebit3=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit3)="marfevebit3"
data=data.frame(data,marfpe3,marfevebitda3,marfevebit3,marfevrev3)
#LOG data#
evrevlg=log(data$evrev)
evebitlg=log(data$evebit)
evebitdalg=log(data$evebitda)
pelg=log(data$pe)
fevrevlg=log(data$fevrev)
fevebitlg=log(data$fevebit)
fevebitdalg=log(data$fevebitda)
fpelg=log(data$fpe)
revlg=log(data$revenue)
delg=log(data$de)
marginlg=log(data$margin)
data=data.frame(data,evrevlg,evebitlg,evebitdalg,pelg,fevrevlg,fevebitdalg,fevebitlg,fpelg,revlg,delg)
data=data.frame(data,marginlg)
data2=data[data$de>0,]
data2=data2[data2$margin>0,]
#COMPARABLES ALL - LOG MULT REGRESSION 3#
for (i in 1:3739)
{
#YEAR and INDUSTRY#
datac=data2[(data2$year==data2$year[i]&data2$indnumb==data2$indnumb[i]),]
reg1=lm(datac$evrevlg~datac$delg+datac$marginlg+datac$revlg)
coef1=coefficients(reg1)
reg2=lm(datac$evebitda~datac$delg+datac$marginlg+datac$revlg)
coef2=coefficients(reg2)
reg3=lm(datac$pe~datac$delg+datac$marginlg+datac$revlg)
coef3=coefficients(reg3)
reg4=lm(datac$evebit~datac$delg+datac$marginlg+datac$revlg)
coef4=coefficients(reg4)
reg5=lm(datac$fpe~datac$delg+datac$marginlg+datac$revlg)
coef5=coefficients(reg5)
reg6=lm(datac$fevrev~datac$delg+datac$marginlg+datac$revlg)
coef6=coefficients(reg6)
reg7=lm(datac$fevebitda~datac$delg+datac$marginlg+datac$revlg)
coef7=coefficients(reg7)
reg8=lm(datac$fevebit~datac$delg+datac$marginlg+datac$revlg)
coef8=coefficients(reg8)
fact=data2[i,c("delg","marginlg","revlg")]
data2$marpe3[i]= coef3[1]+coef3[2]*fact[1]+coef3[3]*fact[2]+coef3[4]*fact[3]
data2$marevebit3[i]=coef4[1]+coef4[2]*fact[1]+coef4[3]*fact[2]+coef4[4]*fact[3]
data2$marevrev3[i]=coef1[1]+coef1[2]*fact[1]+coef1[3]*fact[2]+coef1[4]*fact[3]
data2$marevebitda3[i]=coef2[1]+coef2[2]*fact[1]+coef2[3]*fact[2]+coef2[4]*fact[3]
data2$marfpe3[i]=coef5[1]+coef5[2]*fact[1]+coef5[3]*fact[2]+coef5[4]*fact[3]
data2$marfevrev3[i]=coef6[1]+coef6[2]*fact[1]+coef6[3]*fact[2]+coef6[4]*fact[3]
data2$marfevebitda3[i]=coef7[1]+coef7[2]*fact[1]+coef7[3]*fact[2]+coef7[4]*fact[3]
data2$marfevebit3[i]=coef8[1]+coef8[2]*fact[1]+coef8[3]*fact[2]+coef8[4]*fact[3]
}
#ERRORS-SINGLE's LOG-mult#
errsearnlg=(data2$earnings*data2$marpe3-data2$marcap)/data2$marcap
errsebitlg=(data2$ebit*data2$marevebit3-data2$ev)/data2$ev
errsrevenuelg=(data2$revenue*data2$marevrev3-data2$ev)/data2$ev
errsebitdalg=(data2$ebitda*data2$marevebitda3-data2$ev)/data2$ev
errsfearnlg=(data2$fearnings*data2$marfpe3-data2$marcap)/data2$marcap
errsfrevenuelg=(data2$frev*data2$marfevrev3-data2$ev)/data2$ev
errsfebitdalg=(data2$febitda*data2$marfevebitda3-data2$ev)/data2$ev
errsfebitlg=(data2$febit*data2$marfevebit3-data2$ev)/data2$ev
x11()
plot(density(errsearnlm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,1))
lines(density(errsearnnlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsearnlg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsebitdalm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,1.7))
lines(density(errsebitdanlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsebitdalg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsebitlm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,1.5))
lines(density(errsebitnlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsebitlg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsrevenuelm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,2))
lines(density(errsrevenuenlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsrevenuelg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfearnlm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,2))
lines(density(errsfearnnlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsfearnlg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfebitdalm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,2))
lines(density(errsfebitdanlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsfebitdalg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfebitlm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,2))
lines(density(errsfebitnlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsfebitlg),col="green",lwd=2, xlim=c(-5,5))
x11()
plot(density(errsfrevenuelm), col="blue",lwd=2, xlim=c(-5,5), ylim=c(0,2))
lines(density(errsfrevenuenlm),col="red",lwd=2, xlim=c(-5,5))
lines(density(errsfrevenuelg),col="green",lwd=2, xlim=c(-5,5))
###TREND PREDICTION###
marpe_diff=matrix(1,nrow=3962,ncol=1)
colnames(marpe_diff)="marpe_diff"
marevrev_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevrev_diff)="marevrev_diff"
marevebitda_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda_diff)="marevebitda_diff"
marevebit_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevebit_diff)="marevebit_diff"
data=data.frame(data,marpe_diff,marevebitda_diff,marevebit_diff,marevrev_diff)
marfpe_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfpe_diff)="marfpe_diff"
marfevrev_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev_diff)="marfevrev_diff"
marfevebitda_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda_diff)="marfevebitda_diff"
marfevebit_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit_diff)="marfevebit_diff"
data=data.frame(data,marfpe_diff,marfevebitda_diff,marfevebit_diff,marfevrev_diff)
data$marpe_diff=data$marpe-data$pe
data$marfpe_diff=data$marfpe-data$fpe
data$marevrev_diff=data$marevrev-data$evrev
data$marfevrev_diff=data$marfevrev-data$fevrev
data$marevebitda_diff=data$marevebitda-data$evebitda
data$marfevebitda_diff=data$marfevebitda-data$fevebitda
data$marevebit_diff=data$marevebit-data$evebit
data$marfevebit_diff=data$marfevebit-data$fevebit
marpe2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marpe2_diff)="marpe2_diff"
marevrev2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevrev2_diff)="marevrev2_diff"
marevebitda2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda2_diff)="marevebitda2_diff"
marevebit2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevebit2_diff)="marevebit2_diff"
data=data.frame(data,marpe2_diff,marevebitda2_diff,marevebit2_diff,marevrev2_diff)
marfpe2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfpe2_diff)="marfpe2_diff"
marfevrev2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev2_diff)="marfevrev2_diff"
marfevebitda2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda2_diff)="marfevebitda2_diff"
marfevebit2_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit2_diff)="marfevebit2_diff"
data=data.frame(data,marfpe2_diff,marfevebitda2_diff,marfevebit2_diff,marfevrev2_diff)
data$marpe2_diff=data$marpe2-data$pe
data$marfpe2_diff=data$marfpe2-data$fpe
data$marevrev2_diff=data$marevrev2-data$evrev
data$marfevrev2_diff=data$marfevrev2-data$fevrev
data$marevebitda2_diff=data$marevebitda2-data$evebitda
data$marfevebitda2_diff=data$marfevebitda2-data$fevebitda
data$marevebit2_diff=data$marevebit2-data$evebit
data$marfevebit2_diff=data$marfevebit2-data$fevebit
marpe3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marpe3_diff)="marpe3_diff"
marevrev3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevrev3_diff)="marevrev3_diff"
marevebitda3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda3_diff)="marevebitda3_diff"
marevebit3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marevebit3_diff)="marevebit3_diff"
data=data.frame(data,marpe3_diff,marevebitda3_diff,marevebit3_diff,marevrev3_diff)
marfpe3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfpe3_diff)="marfpe3_diff"
marfevrev3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev3_diff)="marfevrev3_diff"
marfevebitda3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda3_diff)="marfevebitda3_diff"
marfevebit3_diff=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit3_diff)="marfevebit3_diff"
data=data.frame(data,marfpe3_diff,marfevebitda3_diff,marfevebit3_diff,marfevrev3_diff)
data2$marpe3_diff=data2$marpe3-data2$pe
data2$marfpe3_diff=data2$marfpe3-data2$fpe
data2$marevrev3_diff=data2$marevrev3-data2$evrev
data2$marfevrev3_diff=data2$marfevrev3-data2$fevrev
data2$marevebitda3_diff=data2$marevebitda3-data2$evebitda
data2$marfevebitda3_diff=data2$marfevebitda3-data2$fevebitda
data2$marevebit3_diff=data2$marevebit3-data2$evebit
data2$marfevebit3_diff=data2$marfevebit3-data2$fevebit
##ESTIMATION##
marpe_est=matrix(1,nrow=3962,ncol=1)
colnames(marpe_est)="marpe_est"
marevrev_est=matrix(1,nrow=3962,ncol=1)
colnames(marevrev_est)="marevrev_est"
marevebitda_est=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda_est)="marevebitda_est"
marevebit_est=matrix(1,nrow=3962,ncol=1)
colnames(marevebit_est)="marevebit_est"
data=data.frame(data,marpe_est,marevebitda_est,marevebit_est,marevrev_est)
marfpe_est=matrix(1,nrow=3962,ncol=1)
colnames(marfpe_est)="marfpe_est"
marfevrev_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev_est)="marfevrev_est"
marfevebitda_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda_est)="marfevebitda_est"
marfevebit_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit_est)="marfevebit_est"
data=data.frame(data,marfpe_est,marfevebitda_est,marfevebit_est,marfevrev_est)
data$marpe_est=data$marpe*data$earnings
data$marfpe_est=data$marfpe*data$fearnings
data$marevrev_est=data$marevrev*data$revenue
data$marfevrev_est=data$marfevrev*data$frev
data$marevebitda_est=data$marevebitda*data$ebitda
data$marfevebitda_est=data$marfevebitda*data$febitda
data$marevebit_est=data$marevebit*data$ebit
data$marfevebit_est=data$marfevebit*data$febit
marpe2_est=matrix(1,nrow=3962,ncol=1)
colnames(marpe2_est)="marpe2_est"
marevrev2_est=matrix(1,nrow=3962,ncol=1)
colnames(marevrev2_est)="marevrev2_est"
marevebitda2_est=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda2_est)="marevebitda2_est"
marevebit2_est=matrix(1,nrow=3962,ncol=1)
colnames(marevebit2_est)="marevebit2_est"
data=data.frame(data,marpe2_est,marevebitda2_est,marevebit2_est,marevrev2_est)
marfpe2_est=matrix(1,nrow=3962,ncol=1)
colnames(marfpe2_est)="marfpe2_est"
marfevrev2_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev2_est)="marfevrev2_est"
marfevebitda2_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda2_est)="marfevebitda2_est"
marfevebit2_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit2_est)="marfevebit2_est"
data=data.frame(data,marfpe2_est,marfevebitda2_est,marfevebit2_est,marfevrev2_est)
data$marpe2_est=data$marpe2*data$earnings
data$marfpe2_est=data$marfpe2*data$fearnings
data$marevrev2_est=data$marevrev2*data$revenue
data$marfevrev2_est=data$marfevrev2*data$frev
data$marevebitda2_est=data$marevebitda2*data$ebitda
data$marfevebitda2_est=data$marfevebitda2*data$febitda
data$marevebit2_est=data$marevebit2*data$ebit
data$marfevebit2_est=data$marfevebit2*data$febit
marpe3_est=matrix(1,nrow=3962,ncol=1)
colnames(marpe3_est)="marpe3_est"
marevrev3_est=matrix(1,nrow=3962,ncol=1)
colnames(marevrev3_est)="marevrev3_est"
marevebitda3_est=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda3_est)="marevebitda3_est"
marevebit3_est=matrix(1,nrow=3962,ncol=1)
colnames(marevebit3_est)="marevebit3_est"
data=data.frame(data,marpe3_est,marevebitda3_est,marevebit3_est,marevrev3_est)
marfpe3_est=matrix(1,nrow=3962,ncol=1)
colnames(marfpe3_est)="marfpe3_est"
marfevrev3_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev3_est)="marfevrev3_est"
marfevebitda3_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda3_est)="marfevebitda3_est"
marfevebit3_est=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit3_est)="marfevebit3_est"
data=data.frame(data,marfpe3_est,marfevebitda3_est,marfevebit3_est,marfevrev3_est)
data$marpe3_est=data$marpe3*data$earnings
data$marfpe3_est=data$marfpe3*data$fearnings
data$marevrev3_est=data$marevrev3*data$revenue
data$marfevrev3_est=data$marfevrev3*data$frev
data$marevebitda3_est=data$marevebitda3*data$ebitda
data$marfevebitda3_est=data$marfevebitda3*data$febitda
data$marevebit3_est=data$marevebit3*data$ebit
data$marfevebit3_est=data$marfevebit3*data$febit
marpe_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marpe_dumm)="marpe_dumm"
marevrev_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevrev_dumm)="marevrev_dumm"
marevebitda_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda_dumm)="marevebitda_dumm"
marevebit_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevebit_dumm)="marevebit_dumm"
data=data.frame(data,marpe_dumm,marevebitda_dumm,marevebit_dumm,marevrev_dumm)
marfpe_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfpe_dumm)="marfpe_dumm"
marfevrev_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev_dumm)="marfevrev_dumm"
marfevebitda_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda_dumm)="marfevebitda_dumm"
marfevebit_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit_dumm)="marfevebit_dumm"
data=data.frame(data,marfpe_dumm,marfevebitda_dumm,marfevebit_dumm,marfevrev_dumm)
marpe2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marpe2_dumm)="marpe2_dumm"
marevrev2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevrev2_dumm)="marevrev2_dumm"
marevebitda2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda2_dumm)="marevebitda2_dumm"
marevebit2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevebit2_dumm)="marevebit2_dumm"
data=data.frame(data,marpe2_dumm,marevebitda2_dumm,marevebit2_dumm,marevrev2_dumm)
marfpe2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfpe2_dumm)="marfpe2_dumm"
marfevrev2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev2_dumm)="marfevrev2_dumm"
marfevebitda2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda2_dumm)="marfevebitda2_dumm"
marfevebit2_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit2_dumm)="marfevebit2_dumm"
data=data.frame(data,marfpe2_dumm,marfevebitda2_dumm,marfevebit2_dumm,marfevrev2_dumm)
marpe3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marpe3_dumm)="marpe3_dumm"
marevrev3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevrev3_dumm)="marevrev3_dumm"
marevebitda3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevebitda3_dumm)="marevebitda3_dumm"
marevebit3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marevebit3_dumm)="marevebit3_dumm"
data=data.frame(data,marpe3_dumm,marevebitda3_dumm,marevebit3_dumm,marevrev3_dumm)
marfpe3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfpe3_dumm)="marfpe3_dumm"
marfevrev3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevrev3_dumm)="marfevrev3_dumm"
marfevebitda3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevebitda3_dumm)="marfevebitda3_dumm"
marfevebit3_dumm=matrix(1,nrow=3962,ncol=1)
colnames(marfevebit3_dumm)="marfevebit3_dumm"
data=data.frame(data,marfpe3_dumm,marfevebitda3_dumm,marfevebit3_dumm,marfevrev3_dumm)
avup=matrix(1,nrow=3962,ncol=1)
colnames(avup)="avup"
avdown=matrix(1,nrow=3962,ncol=1)
colnames(avdown)="avdown"
trend=matrix(1,nrow=3962,ncol=1)
colnames(trend)="trend"
data=data.frame(data,avup,avdown,trend)
###Earnings 1###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$marcap[(y-2)]+datatest$marcap[(y-1)])/2
datatest$avdown[y]=(datatest$marcap[(y+2)]+datatest$marcap[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfpe_dumm[z]=sign(sign(datatest$marfpe_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###Earnings 2###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$marcap[(y-2)]+datatest$marcap[(y-1)])/2
datatest$avdown[y]=(datatest$marcap[(y+2)]+datatest$marcap[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfpe2_dumm[z]=sign(sign(datatest$marfpe2_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###Earnings 3###
z=1
for (i in 1:482)
{
datatest=data2[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$marcap[(y-2)]+datatest$marcap[(y-1)])/2
datatest$avdown[y]=(datatest$marcap[(y+2)]+datatest$marcap[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data2$marfpe3_dumm[z]=sign(sign(datatest$marfpe3_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###Rev 1###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$ev[(y-2)]+datatest$ev[(y-1)])/2
datatest$avdown[y]=(datatest$ev[(y+2)]+datatest$ev[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfevrev_dumm[z]=sign(sign(datatest$marfevrev_diff[y])*datatest$trend[y])+1
z=z+1
}
}}
###Rev 2###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$ev[(y-2)]+datatest$ev[(y-1)])/2
datatest$avdown[y]=(datatest$ev[(y+2)]+datatest$ev[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfevrev2_dumm[z]=sign(sign(datatest$marfevrev2_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###Rev 3###
z=1
for (i in 1:482)
{
datatest=data2[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$marcap[(y-2)]+datatest$marcap[(y-1)])/2
datatest$avdown[y]=(datatest$marcap[(y+2)]+datatest$marcap[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data2$marfevrev3_dumm[z]=sign(sign(datatest$marfevrev3_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###EBITDA 1###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$ev[(y-2)]+datatest$ev[(y-1)])/2
datatest$avdown[y]=(datatest$ev[(y+2)]+datatest$ev[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfevebitda_dumm[z]=sign(sign(datatest$marfevebitda_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###EBITDA 2###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$ev[(y-2)]+datatest$ev[(y-1)])/2
datatest$avdown[y]=(datatest$ev[(y+2)]+datatest$ev[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfevebitda2_dumm[z]=sign(sign(datatest$marfevebitda2_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###EBITDA 3###
z=1
for (i in 1:482)
{
datatest=data2[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$marcap[(y-2)]+datatest$marcap[(y-1)])/2
datatest$avdown[y]=(datatest$marcap[(y+2)]+datatest$marcap[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data2$marfevebitda3_dumm[z]=sign(sign(datatest$marfevebitda3_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###EBIT 1###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$ev[(y-2)]+datatest$ev[(y-1)])/2
datatest$avdown[y]=(datatest$ev[(y+2)]+datatest$ev[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfevebit_dumm[z]=sign(sign(datatest$marfevebit_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###EBIT 2###
z=1
for (i in 1:482)
{
datatest=data[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$ev[(y-2)]+datatest$ev[(y-1)])/2
datatest$avdown[y]=(datatest$ev[(y+2)]+datatest$ev[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data$marfevebit2_dumm[z]=sign(sign(datatest$marfevebit2_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
###EBIT 3###
z=1
for (i in 1:482)
{
datatest=data2[(data$compid==i),]
datatest=datatest[!is.na(datatest$compname),]
len=nrow(datatest)
up=3
down=len-2
if (len>=5)
{
for (y in 3:(down))
{
datatest$avup[y]=(datatest$marcap[(y-2)]+datatest$marcap[(y-1)])/2
datatest$avdown[y]=(datatest$marcap[(y+2)]+datatest$marcap[(y+1)])/2
datatest$trend[y]=sign(datatest$avup[y]-datatest$avdown[y])
data2$marfevebit3_dumm[z]=sign(sign(datatest$marfevebit3_diff[y])*datatest$trend[y])+1
z=z+1
}
}
}
Списоклитературы
1. Alford A.W., “The Effect of the set of comparable firms on the accuracy of the price-earnings valuation method”, Journal of Accounting Research, 1999.
2. Arzac, E.R., “Valuation for Mergers Buyouts, and Restructuring”, Wiley Hoboken, NJ, 2005.
3. Baker M., Ruback R.S., “Estimating Industry Multiples”, Woring Paper, Harvard University.
4. Beatty, Riffe, Rex Thompson, “The Method of Comparables and Tax Court Valuations of Private Firms: an Empirical Investigation”, 1999.
5. Brahmana R., Chee-Wooi Hooy, “The Equity Valuation Accuracy among Multiple Screening Models: a Study from an Emerging Stock Market”, International Business Management, 2011.
6. Cheng C.S.A., McNamara R., “The Valuation Accuracy of Price-Earnings and Price-Book Benchmark Valuation Methods”, Review of Quantitative Finance and Accounting, 2000.
7. Copeland T., Coller T., Murrin J., “Valuation: Measuring and Managing the Value of Companies”, Willey Hobken, NJ, 2000.
8. Damodaran A., “Investment Valuation: Tools and Techniques for Determination the Value of Any Asset”, 2006.
9. Damodaran A., “The Dark Side of Valuation: Valuing Old Tech, New Tech, and New Economy Companies”, 2001.
10. Kang J., “New Insights into Equity Valuation Using Multiples”, University of Neuchatel, Working Paper, 2016.
11. Lie E., Lie H., “Multiples used to Estimate Corporate Value”, Financial Analyst Journal, 2002.
12. Nissim D., Liu J., Thomas J. “Equity Valuation Using Multiples”, Journal of Accounting Research, 2002.
13. Nissim D., Liu J., Thomas J.„Is Cash flow king in valuations?”, Financial Analysts Journal, 2007.
14. Palepu K.G., Healy P.M., Bernard V.L., “Business Analysis and Valuation Using Financial Statements”, Cincinnati OH, 2000.
15. Schreiner A., Spremann K., “Multiples and their valuation accuracy in European equity market”, Working Paper, SSRN, 2007.
16. Saputro J.A., Hartono J. “Improved Accuracy of Ratio Multiple Valuation”, FourA, 2016.
17. Yee K.K., “A Bayesian Framework for combining valuation estimates”, Review of Quantitative Finance and Accounting, 2008.
18. Yee K.K., “Combining Value Estimates to Increase Accuracy”, Financial Analyst Journal, 2004.
19. Yoo Y.K., “The Valuation Accuracy of Equity Valuation Using a Combination of Multiples”, Review of Accounting and Finance, 2006.
Размещено на Allbest.ru
...Подобные документы
Сущность понятия и классификация мультипликаторов. Схема действия мультипликационного эффекта. Инвестиции и национальный доход в России. Концепция мультипликатора совокупных расходов. Применение принципов мультипликации в экономику различных инноваций.
курсовая работа [393,8 K], добавлен 05.01.2017Основание для проведения оценки рыночной стоимости привилегированной акции ОАО "Газпром нефть" методом рынка капитала в рамках сравнительного подхода. Сведения о заказчике оценки и об оценщике. Выбор и расчет ценовых мультипликаторов по аналогам.
дипломная работа [98,4 K], добавлен 25.03.2013Теоретические аспекты оценки стоимости бизнеса сравнительным подходом. Используемые методы и условия их применения. Основные принципы отбора предприятий-аналогов. Характеристика ценовых мультипликаторов. Формирование итоговой величины стоимости бизнеса.
курсовая работа [97,5 K], добавлен 18.10.2014Общая характеристика сравнительного подхода. Теоретические основы, доказывающие возможность его применения и объективность (обоснованность) результативной величины. Характеристика ценовых мультипликаторов. Этапы формирования итоговой величины стоимости.
реферат [38,4 K], добавлен 25.04.2010Доходный, затратный и сравнительный подход к оценке рыночной стоимости ООО "Лидер-Групп". Метод дисконтирования денежных потоков. Расчёт поправки на риск инвестирования. Оценка дебиторской и кредиторской задолженности. Расчёт оценочных мультипликаторов.
курсовая работа [43,8 K], добавлен 17.02.2011Исследование финансового состояния предприятия по производству сарделек и определение стоимости его бизнес-линии доходным (анализ расходов, оценка ставки дисконта методом кумулятивного построения) и сравнительным (расчет мультипликаторов) подходами.
курсовая работа [45,1 K], добавлен 18.05.2010Понятие и основные цели фискальной политики. Классический и кейнсианский подходы к ней. Механизм действия фискальной политики и эффект вытеснения. Существующие методы оценки фискальных мультипликаторов. Взаимодействие фискальной и монетарной политик.
дипломная работа [202,7 K], добавлен 26.03.2015Увеличение сектора "имущество". Матричная форма представления национального хозяйственного комплекса. Экономическая помощь от сектора "заграница" сектору "государство". Промежуточный отрезок совокупного предложения. Показатели фискальных мультипликаторов.
контрольная работа [317,0 K], добавлен 13.10.2015Анализ экспертной информации на базе расчета непараметрических показателей связи. Вычисление рангового коэффициента корреляции Кендалла. Обзор зависимости между балансовой прибылью и объемом реализованной продукции. Использование данных экспертных оценок.
курсовая работа [68,6 K], добавлен 28.11.2014Понятие, цели и значение оценки стоимости компании. Основные методы и подходы к оценке стоимости компании. Факторы влияния на оценку стоимости компании: риск и время. Юридические лица, выступающие в качестве оценщиков. Цели проведения оценки компании.
реферат [22,1 K], добавлен 06.08.2014Основные принципы работы в MathCAD. Типовые статистические функции. Функции вычисления плотности распределения вероятности. Функции и квантили распределения. Функции создания векторов с различными законами распределения. Функции для линейной регрессии.
курсовая работа [684,3 K], добавлен 19.05.2011Недвижимость и правовые основы ее оценки. Необходимость оценки недвижимости при оформлении прав аренды. Использование общепринятых подходов при расчете рыночной стоимости объекта недвижимости. Затратный и доходный подходы к оценке стоимости объекта.
курсовая работа [32,6 K], добавлен 25.11.2014Теоретические основы оценки стоимости компании. Законодательство в сфере оценки стоимости бизнеса. Доходный, затратный и сравнительный подход в оценке стоимости. Краткая характеристика ПАО "ВымпелКом". Оценка стоимости организации методом чистых активов.
дипломная работа [2,4 M], добавлен 03.05.2018Плановый и экономический расчет опытно-конструкторской разработки аналитического газового хроматографа. Использование метода экспериментальных оценок при расчете трудоемкости; определение состава исполнителей, квалификации. Расчет бюджета затрат на ОКР.
контрольная работа [30,4 K], добавлен 08.03.2011Результаты вычисления интервальных оценок для математического ожидания и дисперсии. Вычисление выборочных характеристик по заданной выборке. Результаты ранжирования выборочных данных и вычисление моды и медианы. Оценка функции плотности распределения.
курсовая работа [215,7 K], добавлен 07.02.2016Изучение алгоритма интерполяционного метода, используемого при анализе нелинейных автоматических систем. Алгоритм нахождения и построения функции, используя интерполяционный полином Лагранжа. Аппроксимации зависимости интерполяционными полиномами.
курсовая работа [294,2 K], добавлен 19.04.2017Анализ порядка проведения оценочных работ, основных видов стоимости объекта оценки, инспекции имущества. Обзор затратного и сравнительного подходов к оценке автотранспортных средств. Изучение шкалы экспертных оценок для определения коэффициента износа.
отчет по практике [65,5 K], добавлен 08.03.2012Методы экспертных оценок и их характеристика. Интервью (беседа прогнозиста с экспертом), аналитический, метод написания сценария, дерево целей, коллективных экспертных оценок, комиссии. Сущность "мозговой атаки", синектики, метода 635, принципа Дельфи.
презентация [331,7 K], добавлен 10.06.2015Порядок проведения проверки статистических гипотез. Проверка однородности результатов эксперимента в целях исключения грубых ошибок. Расчет теоретических частот для нормального распределения. Уравнение линейной регрессии и метод наименьших квадратов.
курсовая работа [349,5 K], добавлен 09.01.2011Оценка долгосрочного бизнеса методом дисконтированных денежных потоков и методом капитализации. Расчёт рыночной стоимости одной акции с помощью ценового мультипликатора. Расчёт обоснованной рыночной стоимости оцениваемой компании методом рынка капитала.
практическая работа [31,1 K], добавлен 22.09.2015
