Применение методов интеллектуального анализа данных для оценки стоимости высокотехнологичных компаний на примере Uber

Предмет. Рыночная стоимость высокотехнологичных компаний, а также инвестиционные риски, которые присущи компаниям с высоким потенциалом роста акций.
Цель. Проведение анализа методов оценки стоимости компаний высокотехнологичного сектора, разработка алгоритма оценки с использованием как основных подходов, так и интеллектуальных методов анализа данных.
Методология. В поисках точных оценок, важных для инвесторов, находим, что некоторые устоявшиеся принципы работают очень хорошо даже для оценки стоимости быстрорастущих компаний, таких как стартапы в сфере технологий. Тем не менее, в современных условиях глобализации и высокой степени неопределенности как рыночной, так и внутренней среды компании, полагаться лишь на классические методы к оценке стоимости не стоит. В поисках правильного подхода обратим свое внимание на хорошие и эффективные системы прогнозирования стоимости акций технологических компаний – нейросетевое моделирование, и адаптивные сети на основе системы нечеткого вывода. В рамках данной работы представлен разработанный алгоритм (последовательность) расчета оценки стоимости высокотехнологичных компаний на примере Uber, который включает в себя следующие ключевые параметры:
1) будущие денежные потоки от основной деятельности, которые дисконтируются по ставке средневзвешенного капитала;
2) нейросетевая модель прогноза стоимости акций компании;
3) моделирование данных с помощью алгоритма нечеткого вывода Сугено.
Результаты. Результатом работы являются алгоритм, собравший воедино разные подходы к оценке. Для того, чтобы ивестору облегчить принятие инвестиционных решений, и у него получилось выработать определенную стратегию к выбору срока вложения денежных средств – краткосрочный, среднесрочный или долгосрочный период, использованы разные методы определения цены акции, которые могут помочь ему в принятии верного решения.
Выводы. Исторические, эмпирические и статистические данные позволили сделать глубинный анализ практически полезных и доступных интерпретации знаний, которые нашли свое применение в данном алгоритме оценки. В работе подтверждена возможность его практического использования для высокотехнологичных компаний в рамках выбора срока инвестирования: краткосрочные, среднесрочные или долгосрочные вложения.

В данной работе исследована проблема проведения оценки стоимости
высокотехнологичных компаний. Поскольку многие современные технологические компании
убыточны, и расходы зачастую превышают доходы, то риск инвестирования в них слишком
высок. Исходя из таких условий, в исследовании раскрыты и выявлены особенности
проведения оценки с помощью классического подхода и интеллектуального метода анализа
данных на примере компании Uber. Реалии таковы, что купить технологические акции столь
же эйфорично, сколь модно, как это было в конце 1990-х годов, когда даже таксисты в Нью-
Йорке говорили, какие call – опционы и у каких высокотехнологичных компаний они
покупали, при этом не имея ни малейшего представления, выйдут ли компании на путь
прибыльности или нет. Фактически, единственная разница между прошлым и настоящим
состоит в том, что водители такси теперь являются инвестициями, а не инвесторами.
Многие же инвесторы свято верят, что убыточность сама по себе не является причиной,
чтобы избежать инвестиций, ибо многие технологические компании до недавнего времени
делали убытки – Amazon, Facebook, а их акции в то время агрессивно покупали, не видя за
этим опасности. С другой стороны, прежде чем слепо инвестировать, важно грамотно
проанализировать краткосрочную и долгосрочную доходность этих компаний, при этом
оценки должны показать адекватную норму отдачи. Следовательно, правильная оценка
убыточных технологических стартапов и достаточное количество информации об их
стоимости позволит стать индикатором для вложения в него денежных средств и дальнейшего
развития компании, поэтому актуальность проблемы оценки таких компаний является
небезосновательно важной.
Для достижения цели работы особое внимание было уделено методологии подхода к
оценке стоимости компаний с помощью дисконтирования денежных потоков, а также
нейросетевому и нейро-нечеткому моделированию, раскрыты специфика шеринговой
экономики и характерные черты развития выбранной для анализа компании Uber. Что
немаловажно, выделены основные риски и перспективы бизнеса Uber, ключевые факторы,
которые прямо или косвенно могут влиять на стоимость акций на фондовом рынке. Компания
относится к отрасли экономики совместного потребления, и является ее представителем в
секторе райд-хейлинга и райдшеринга. Ее годовая выручка растет от года к году, и уже
составляет $ 14,1 млрд, а сам сервис в 2019 году насчитывал более 99 млн активных
пользователей, в то время как в 2015 году эта цифра была почти в два раза меньше – 43 млн.
Эмбрионную стадию развития компания оставила за плечами уже давно, расширив поля своей
деятельности до 8 собственных продуктов, и сделав ставку на беспилотный транспорт,
который готовится произвести на рынке перевозок глобальную революцию. В этой гонке
«моторов» Uber планирует занять одну из лидирующих позиций на формирующемся рынке
беспилотных автомобилей. Следовательно, компания представляет собой наглядный пример
активного игрока рынка, который представляет собой интерес для инвестирования.
С помощью первого звена заявленного в работе алгоритма – метода дисконтированных
денежных потоков – была проведена оценка стоимости компании и справедливой цены акции.
Для проведения расчета использованы исторические данные, источники аналитической
информации и экспертные обзоры ведущих мировых компаний. Итогом расчета является
полученная справедливая стоимость акции – $ 15,54. На начало исследования цена акции на
фондовой бирже составляла $ 14,82, и во время проведения расчетов достигла отметки в
$ 33,89, что говорит нам о следующем:
1) значительной волатильности акций компании;
2) попадании в определенный ценовой интервал и самодостаточности метода даже в
отношении оценки компании из столь высокорисковой отрасли экономики.
Тем не менее, полученный результат позволяет сделать вывод о переоцененности акций
рынком, и дает сигнал инвестору внимательнее отнестись к отбору таких акций в свой
долгосрочный портфель. Также можно заметить, что фактические значения довольно близко
находятся по отношению к расчетным, поэтому компания очень приближена к понятию
«развитый рынок». С каждым годом Uber все больше относится к категории развитой
компании, поскольку она подчиняется определенному математическому анализу.
Второй метод алгоритма – нейросетевое моделирование – позволил вычислить близость
реальных значений к значениям, спрогнозированным нейронной сетью, и показал направление
движения стоимости акций в краткосрочной перспективе. В то время, как реальные значения
цены либо уменьшались, либо увеличивались, выходы нейронной сети изменялись в том же
направлении, отражая истинную динамику стоимости акций. Таким образом, для
краткосрочного периода был применен эффективный инструмент моделирования
прогнозирования котировок стоимости акций. Был получен прогноз с точностью до дня,
безошибочно показывающий вероятностные направления изменений стоимости акций
компании Uber Technologies, и позволяющий инвесторам и экономическим аналитикам
принимать обоснованные и своевременные решения об их покупке или продаже.
Завершающее звено оценки – дообученная модель нечеткого вывода – также подтвердила
свою эффективность, и показала достаточно высокую степень своей адекватности. Гибридные
системы позволили выявить основные тенденции в колебаниях стоимости акций,
обусловленные не случайными, а обоснованно подобранными факторами, скорректировать
слишком оптимистичные экспертные представления о динамике котировок в среднесрочной
перспективе. Таким образом, разработанный мною алгоритм оценки стоимости
высокотехнологичных компаний подтвердил возможность практического применения для
краткосрочного, среднесрочного и долгосрочного инвестирования.
Слишком радикально утверждать, что под акции Uber не должен выделяться процент в
инвестиционном портфеле. Однако факт состоит в том, что пока такие компании, как Uber и
Lyft, смогли лишь извлечь выгоду из многолетнего венчурного капитала путем «сжигания»
миллиардов долларов на завоевание лидерских позиций, но оставили вопросительные знаки о
своей долгосрочной прибыльности. Стоит заметить, что в выпускной работе не проводилось
стресс-тестирование, которое могло бы обеспечить оценку потенциальных потерь компании
в случае возможных глобальных спадов в экономике. За несколько месяцев COVID-19
потряс весь мир, и, учитывая эволюционирующую природу этого вируса и неопределенность,
которую он вызвал для всех отраслей в каждой части мира, невозможно точно предсказать
совокупное влияние пандемии на будущие финансовые результаты любых компаний, в том
числе и для высокотехнологичного сектора.