پاورپوینت ارزش گذاری (pptx) 31 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 31 اسلاید
قسمتی از متن PowerPoint (.pptx) :
بنام خدا
Logo
ارزش گذاری
Logo
تعریف ارزش (Value):
ارزش ، متغیری است که دارای بار معنایی گسترده ایی می باشد که دامنه آن با تعداد رشته ها و تخصص ها مرتبط است مانند ارزش اجتماعی، ارزش اقتصادی، ارزش مالی و ....
ارزش یک دارایی مالی معادل ارزش فعلی جریانات نقدی مورد انتظار آتی می باشد(ارزش ذاتی).
ارزشهای مالی در حقیقت بهای دارایی هستند که به صورتهای مختلف و با عنوان
ارزش اسمی
ارزش دفتری
ارزش با فرض تداوم فعالیت
ارزش با فرض انحلال شرکت ( ارزش تسویه)
ارزش منصفانه ( ارزش بازار ، ارزش روز)
ارزش ذاتی( ارزش فعلی یا جاری)
ارزش جایگزینی
ارزش سرقفلی
ارزش سرمایه گذاری
Logo
تفاوت ارزش با قیمت ؟
عوامل تاثیر گذار بر ارزش هر دارایی :
محیط اقتصادی
هدف ارزشگذاری
زمان برآورد ارزش
ارزش جایگزینی و کمیابی دارایی
گستردگی دامنه مالکیت
شرایط بازاری دارایی
فرآیند ارزشگذاری شامل مراحل زیر است:
1- شناخت شرکت:
2- پیش بینی عملکرد آتی شرکت
3- انتخاب مدل ارزشیابی
4- محاسبه ارزش شرکت
تئوری ارزش : چهارچوب مشترکی برای ارزش گذاری تمام سرمایه گذاری فراهم می نماید.
اصول تئوری ارزشگذاری
Logo
1- اصل رویکردها:
این اصل بیان می کند که در هر انتقال مالکیت، هر دو طرف معامله یعنی خریدار و فروشنده رویکردهایی برای انجام معامله دارند.
این اصل می گوید که یک فروشنده اجباری برای فروش به یک خریدار خاص ندارد و خریدار نیز مجبور به خرید از یک فروشنده خاص نیست
2- اصل جایگزینی:
این اصل بیان می کند که خریدار عاقل در زمان خرید دارایی هیچ گونه وجهی اضافه تر بر بهای تمام شده تولید مجدد آن یا تسهیلات مشابه آن پرداخت نمی کند. مبنای اصل جایگزینی استفاده از رویکرد هزینه در ارزشیابی است
3- اصل جانشینی:
این اصل بیان می کند که تعیین ارزش دارایی براساس بهای تمام شده دارایی که جانشینی مشابه و مطلوب برای آن است صورت می گیرد.
4- اصل منافع آینده:
اصلی است که ارزش دارایی را براساس مزایای اقتصادی آینده پیش بینی پذیر یا کنترل پذیر برای مالکان بیان می کند.
5- اصل تفاوت در ارزش گذاران:
به دلیل مفروضات متفاوت و اعمال قضاوت ارزش یک دارایی از سوی دو نفر می تواند کاملا متمایز باشد.
تئوری های ارزشگذاری
Logo
تئوری آشوب
Logo
آشوب در لغت به معنی در هم ریختگی، آشفتگی و بی نظمی است.
بنیان نظریه آشوب توسط ریاضی دانانی چون ادوارد لورنز و جیمز یورک در دهه 1960 و 1970 شکل گرفت.
از نظر ”هیلز ” آشوب نوعی بی نظمی منظم یا نظم در بی نظمی است. بی نظم از آن رو که نتایج آن غیر قابل پیش بینی است و منظم بدین جهت که از نوعی قطعیت برخوردار است.
از مهمترین کاربردهای نظریه آشوب در اقتصاد پیش بینی روند متغیرهای اصلی ( قیمت – مقدار ) در بازارهای پولی و مالی می باشد.
برای نشان دادن رفتار آشوبناک در بازار سهام از مدل دی و هانگ استفاده می شود.این مدل تلاش می کند که توضیح دهد چگونه بازارهای پررونق ناگهان تنزل می یابد و رفتار آنها تصادفی به نظر می رسد.
دو گروه سرمایه گذاران در این مدل دخیل هستند. گروه اول سرمایه گذاران مطلع یا گروه a این گروه منابعی از اطلاعات را در اختیار دارند که می توانند ارزش ذاتی یک سهم را تعیین کنند.
گروه دوم سرمایه گذاران گروه b هستند این گروهها برخلاف گروه اول درگیر جمع آوری اطلاعات از شرکتها نمی شوند. این گروهها براساس اطلاعات افشا شده از طریق گروه a و تخمینی که از اختلاف بین قیمت حال و ارزش ذاتی می زنند قیمت آینده اوراق بهادار را برآورد می کنند.
دی و هانگ با بررسی جز به جز رفتار دو گروه سرمایه گذاران a و b هیچ جزتصادفی را مشاهده نمی کنند و اثبات می کنند که تغییرات قیمت سهام کاملا تعیین شده است.
تئوری های ارزش گذاری
Logo
بکارگیری هوش مصنوعی :
در دوره اخیر کاربرد تکنیک های هوش مصنوعی و ابزارهای مدل سازی به طور فزاینده ای افزایش یافته است و سیستم های خبره جایگاه ویژه ای یافته اند بخصوص دو عنوان شبکه های عصبی و الگوریتم ژنتیک به عنوان ابزاری نیرومند در حل مسایلی که توسط دیگر متدولوژی ها و روش های سنتی گذشته قابل حل نبودند ، شناخته و مورد استفاده قرار گرفتند.
چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آن ها در بهبود تصمیم گیری توسط پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف براساس تجربه عملی شده است که شبکه های عصبی یکی از پویاترین حوزه های تحقیق در دوره اخیر می باشد.
تئوری های ارزش گذاری
Logo
شبکه عصبی : شبکه های عصبی یکی از متدهای هوش مصنوعی در پیش بینی بازار سهام می باشد.این شبکه یک تکنیک پردازش اطلاعات مبتنی بر روش سیستم های عصبی بیولوژیک مانند مغز و پردازش اطلاعات است.
در اینجا نورون یا واحد سازنده سیستم عصبی است که ورودی های متعددی را پذیرا می باشد که با یکدیگر به طریقی جمع می شوند و اگر تعداد ورودی های فعال نورون به حد کفایت برسد نورون فعال می گردد و به دنبال آن یک خروجی ایجاد می گردد.
2) الگوریتم ژنتیک : این الگوریتم روش قدرتمندی را برای توسعه اکتشافی مسایل بهینه سازی ترکیبی مقیاس بزرگ فراهم می نماید و یکی از کاربرد های آن به عنوان یک تکنیک جستجوی عمومی مبادله ساختارمند و تصادفی اطلاعات می باشد.
یک الگوریتم ژنتیک مساله را به صورت مجموعه ای از رشته ها که شامل ذرات ریز هستند کد گذاری می نماید سیس برای تحریک فرآیند تکامل تدریجی ، تغییراتی را بر روی رشته ها اعمال می دارد و به دنبال کشف راه حل کارآمد تر می گردد.