在貼現現金流 (DCF) 估值技術中,股票的價值是根據某種現金流衡量標準的現值來估計的。權益自由現金流(FCFE)通常被描述為在向債務持有人付款後以及允許維持公司資產基礎的支出後,股權持有人可用的現金流量。
內在股票價值(估值摘要)
| 年 | 價值 | FCFEt 或終端值 (TVt) | 計算 | 現值 19.01% |
|---|---|---|---|---|
| 01 | FCFE0 | 4,060,103 | ||
| 1 | FCFE1 | 4,793,809 | = 4,060,103 × (1 + 18.07%) | 4,027,904 |
| 2 | FCFE2 | 5,403,596 | = 4,793,809 × (1 + 12.72%) | 3,814,868 |
| 3 | FCFE3 | 5,801,812 | = 5,403,596 × (1 + 7.37%) | 3,441,586 |
| 4 | FCFE4 | 5,918,930 | = 5,801,812 × (1 + 2.02%) | 2,950,098 |
| 5 | FCFE5 | 5,721,699 | = 5,918,930 × (1 + -3.33%) | 2,396,165 |
| 5 | 終端值 (TV5) | 24,750,500 | = 5,721,699 × (1 + -3.33%) ÷ (19.01% – -3.33%) | 10,365,150 |
| 普通股 Supermicro 內在價值 | 26,995,770 | |||
| Supermicro普通股的內在價值(每股) | $45.22 | |||
| 當前股價 | $29.42 | |||
根據報告: 10-K (報告日期: 2025-06-30).
1 查看詳情 »
免責聲明!
估值基於標準假設。可能存在與股票價值相關的特定因素,此處省略。在這種情況下,實際股票價值可能與估計值有很大差異。如果您想在投資決策過程中使用估計的內在股票價值,請自行承擔風險。
所需回報率 (r)
| 假設 | ||
| LT Treasury Composite 的回報率1 | RF | 4.76% |
| 預期市場回報率投資組合2 | E(RM) | 15.13% |
| 普通股 Supermicro 系統性風險 | βSMCI | 1.37 |
| Supermicro 普通股所需的回報率3 | rSMCI | 19.01% |
1 在不到10年的時間內,所有未償還的固定息票美國國債的未加權平均買入收益率,既未到期也不可贖回(無風險收益率代理)。
2 查看詳情 »
3 rSMCI = RF + βSMCI [E(RM) – RF]
= 4.76% + 1.37 [15.13% – 4.76%]
= 19.01%
FCFE 增長率 (g)
根據報告: 10-K (報告日期: 2025-06-30), 10-K (報告日期: 2024-06-30), 10-K (報告日期: 2023-06-30), 10-K (報告日期: 2022-06-30), 10-K (報告日期: 2021-06-30), 10-K (報告日期: 2020-06-30).
2025 計算
1 公司不支付股息
2 獲利率 = 100 × 淨收入 ÷ 淨銷售額
= 100 × 1,048,854 ÷ 21,972,042
= 4.77%
3 資產周轉率 = 淨銷售額 ÷ 總資產
= 21,972,042 ÷ 14,018,429
= 1.57
4 財務槓桿比率 = 總資產 ÷ Super Micro Computer, Inc. 股東權益合計
= 14,018,429 ÷ 6,301,693
= 2.22
5 g = 留存率 × 獲利率 × 資產周轉率 × 財務槓桿比率
= 1.00 × 5.43% × 1.66 × 2.00
= 18.07%
單階段模型隱含的FCFE增長率(g)
g = 100 × (股票市值0 × r – FCFE0) ÷ (股票市值0 + FCFE0)
= 100 × (17,562,891 × 19.01% – 4,060,103) ÷ (17,562,891 + 4,060,103)
= -3.33%
哪裡:
股票市值0 = Supermicro普通股的當前市場價值 (以千美元計)
FCFE0 = 去年Supermicro自由現金流與股本比 (以千美元計)
r = Supermicro 普通股所需的回報率
| 年 | 價值 | gt |
|---|---|---|
| 1 | g1 | 18.07% |
| 2 | g2 | 12.72% |
| 3 | g3 | 7.37% |
| 4 | g4 | 2.02% |
| 5 及之後 | g5 | -3.33% |
哪裡:
g1 由 PRAT 模型暗示
g5 由單階段模型隱含
g2, g3 和 g4 使用 g1 和 g5
計算
g2 = g1 + (g5 – g1) × (2 – 1) ÷ (5 – 1)
= 18.07% + (-3.33% – 18.07%) × (2 – 1) ÷ (5 – 1)
= 12.72%
g3 = g1 + (g5 – g1) × (3 – 1) ÷ (5 – 1)
= 18.07% + (-3.33% – 18.07%) × (3 – 1) ÷ (5 – 1)
= 7.37%
g4 = g1 + (g5 – g1) × (4 – 1) ÷ (5 – 1)
= 18.07% + (-3.33% – 18.07%) × (4 – 1) ÷ (5 – 1)
= 2.02%