Over-Valuation: Avoid Double Counting when Retaining Dividends in the FCFE Valuation
Notice bibliographique
Résumé
Valuation based on DCF (Discounted Cash Flow) has been the dominant valuation procedure during the last decades. In spite of this dominance, enterprise valuation using the discounted FCF (Free Cash Flow) model has some practical drawbacks, since there is often some confusion on how to effectively use it. Commonly, the valuation procedures start by estimating future FCF figures from historical data, such as mean FCF, growth and retention ratio, alongside many other variables. These FCF forecasts are discounted at the cost of equity (FCFE – FCF to Equity) or the Weighted Average Cost of Capital WACC (FCFF – FCF to Firm). Implicit in the above mentioned valuation procedures is the expectation that the company puts the retained free cash that is generating to good use, yielding a value capable of rewarding appropriately the level of risk inherent in the way it used. Some poorly performed valuation studies however tend to double count (Damodaran, 2006a) the retained cash’s interest in subsequent values of FCF, or include the accumulated cash build-up in the Terminal Value. This paper discusses how these two common double-counting mistakes are made and evaluates their weight in the final valuation figure for the particular case of retained FCFE (the case for the FCFF is analogous, but we focus on FCFE for simplicity) using projected figures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».