Sổ tay Mô hình Chiết khấu Cổ tức: Định giá Cổ phiếu Chi trả Cổ tức từng bước

Thực hiện các phép tính định giá DDM, Mô hình Tăng trưởng Gordon và định giá đa giai đoạn bằng cách sử dụng các mẫu có cấu trúc, bảng độ nhạy và các bài tập tình huống công ty thực tế.

⏱ 1 giờ 14 phút 📚 12 bài

Về khóa học này

Xây dựng các định giá DDM mà bạn có thể tin cậy đòi hỏi phải thực hiện các phép tính số học lặp đi lặp lại, kiểm tra các giả định của bạn và hiểu mức độ nhạy cảm của kết quả đối với từng đầu vào. Sổ tay này cung cấp chính xác điều đó — các bài tập số học có cấu trúc, các mẫu phân tích độ nhạy và các nghiên cứu tình huống sử dụng các công ty chi trả cổ tức tiêu biểu. Khi kết thúc khóa học này, bạn sẽ có thể hoàn thành một định giá Mô hình Tăng trưởng Gordon đầy đủ từ đầu, xây dựng một DDM hai giai đoạn với giai đoạn tăng trưởng cao và ổn định, tạo ra một bảng độ nhạy cho thấy định giá thay đổi như thế nào trên một loạt các giả định về tăng trưởng và tỷ lệ chiết khấu, và đánh giá sự an toàn của cổ tức bằng cách sử dụng tỷ lệ chi trả và khả năng chi trả dòng tiền tự do. Những gì bạn sẽ học: - Tính toán giá trị nội tại của một cổ phiếu cổ tức ổn định bằng cách sử dụng Mô hình Tăng trưởng Gordon, từng bước - Ước tính tỷ suất sinh lời yêu cầu bằng cách sử dụng CAPM: beta, lãi suất phi rủi ro và các đầu vào phần bù rủi ro vốn chủ sở hữu - Tính toán tỷ lệ tăng trưởng bền vững bằng cách sử dụng lợi nhuận trên vốn chủ sở hữu và tỷ lệ giữ lại - Xây dựng mô hình DDM hai giai đoạn với dự báo cổ tức rõ ràng cho năm 1–5 và giá trị cuối kỳ - Xây dựng bảng độ nhạy trên các chiều tỷ suất sinh lời yêu cầu (±1%) và tỷ lệ tăng trưởng (±0.5%) - Phân tích sự an toàn của cổ tức: tỷ lệ chi trả, khả năng chi trả thu nhập và bảng tính khả năng chi trả dòng tiền tự do - So sánh giá trị nội tại DDM với giá thị trường hiện tại và mô tả biên độ an toàn ngụ ý - Áp dụng DDM cho hai công ty tương phản: một công ty tiện ích ổn định và một công ty hàng tiêu dùng tăng trưởng Mỗi mô-đun cung cấp một ví dụ số học đã được giải đầy đủ, sau đó là một mẫu trống để bạn tự thực hành. Các mẫu phân tích độ nhạy được định dạng để sử dụng trực tiếp. Các danh sách kiểm tra đảm bảo bạn đã kiểm tra tất cả các đầu vào trước khi chấp nhận một kết quả định giá. Khóa học này được thiết kế cho sinh viên tài chính và nhà đầu tư muốn xây dựng kỹ năng mô hình hóa DDM thực tế. Kiến thức cơ bản về đại số và giá trị thời gian của tiền được giả định. Nội dung này hoàn toàn mang tính giáo dục và thông tin; nó không cấu thành lời khuyên tài chính.

Bạn sẽ nhận được

  • 📜 Chứng chỉ hoàn thành
    Thêm vào hồ sơ LinkedIn
  • 💬 Personal AI tutor
    Stuck on a lesson? Ask your built-in tutor anything, any time.
  • ♾️ Truy cập trọn đời
    Quay lại bất cứ lúc nào, không hết hạn
  • 📱 Điện thoại hoặc máy tính
    Hoạt động mọi nơi, mọi thiết bị
  • 💸 Hoàn tiền 30 ngày
    Không cần lý do
  • Ngắn gọn, đi vào trọng tâm
    1 giờ 14 phút nội dung thực hành

Đánh giá

Chưa có đánh giá — hãy là người đầu tiên chia sẻ.

Viết đánh giá

Sau khi gửi, chúng tôi sẽ yêu cầu đăng nhập — bản nháp được lưu.

Học viên cũng học

Câu hỏi thường gặp

Tôi cần gì để học khóa này? +

Chỉ cần điện thoại hoặc máy tính có kết nối internet. Không cần cài đặt hay thiết bị đặc biệt.

Tôi thanh toán bằng cách nào? +

Bằng thẻ qua Stripe, hoặc tiền điện tử. Chúng tôi không lưu thông tin thẻ — Stripe xử lý an toàn.

Tôi có thể được hoàn tiền không? +

Có — hoàn tiền đầy đủ trong 30 ngày, không cần lý do.

Tôi sẽ có quyền truy cập trong bao lâu? +

Mãi mãi. Sau khi mua, khóa học là của bạn để xem lại bất cứ lúc nào.

Tôi có nhận được chứng chỉ không? +

Có. Sau khi hoàn thành, bạn sẽ nhận được chứng chỉ và có thể thêm vào hồ sơ LinkedIn.

Dành cho người học trong
Công nghệ Thiết kế Tài chính Marketing Y tế Giáo dục Khách sạn-Dịch vụ Sản xuất