Research on the Corporate Value of Ferrari Based on the Valuation Method
Notice bibliographique
Résumé
Ferrari as one of the main brands of luxury cars, the company's earnings, has been in focus, according to data show that in 2021, the net loss from a year earlier, the company continued to expand, some investors want to assess the value of the company to evaluate whether to continue to invest, however, the evaluation of some researchers is the lack of a large number of reliable data, the lack of a detailed explanation of the assessment. Therefore, the research topic of this paper is to evaluate the value of Ferrari Company according to its own profit and debt financial situation, and whether investors can get the ideal return. The research method of this paper is as follows: first, the earnings per share and average stock price from 2019 to 2021 are collected, and then the data are analyzed by P/E ratio. In addition, the net profit and revenue data of Ferrari and its competitors from 2019 to 2021 were collected and EV/E valuation analysis was performed on their data. The results of the two research methods show that in terms of valuation, Ferrari is overvalued, enterprise value and P/E ratio are too high. That means investing in Ferrari shares won't necessarily pay off. This may be because Ferrari is not a new automobile brand, but an old one. Secondly, its product types make it difficult for Ferrari to continue to enter a new level. The Fed raised interest rates to ease inflation caused by geopolitical crises and the COVID-19 pandemic. The policy not only affects investors, but also affects Ferrari's borrowing.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».