Research on the Investment Value of Guangzhou Baiyun International Airport Based on Multiples Valuation Method
Notice bibliographique
Résumé
Aviation has been an industry that has been widely watched by investors. As the upstream of the civil aviation industry chain, the airport industry is an important core asset of the entire industry chain, providing relevant services for global air transport companies and passengers. In recent years, China's aviation industry has been in a state of steady development. Until the outbreak of COVID-19 in 2020, the market focus turned to the impact of the speed of passenger traffic recovery during the epidemic on the recovery of airport performance. For core hub airports, the priority is whether asset values have changed. This paper analyzes Guangzhou Baiyun International Airport in China, and studies whether the investment value of the airport is fair through financial analysis, peer comparison, and multiple valuation methods. The study found that the airport's overall revenue decline in the past two years was mainly due to the epidemic, but it has performed better compared to industry players. Through multiples valuation, the theoretical stock value of Baiyun Airport in 2021 is 16.19 CNY higher than the actual value. The result indicated that the company's stock was undervalued and has good room for growth in the future, suggesting a purchasing opportunity. It is hoped that the research in this paper can expand the research on related aspects of the private airport industry, and also provide some help and reference for the valuation research of Guangzhou Baiyun International Airport.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».