Oceňování 2020, 13(3):51-64 | DOI: 10.18267/j.ocenovani.254

K problému výběru porovnatelné skupiny podniků pro ocenění a nástin budoucího výzkumu s využitím strojového učení

Veronika Staňková1, Miloš Mařík2
1 Ing. Veronika Staňková, doktorand, Katedra financí a oceňování podniku VŠE Praha
2 Prof. Ing. Miloš Mařík, CSc., Katedra financí a oceňování podniku VŠE Praha, ředitel Institutu oceňování majetku VŠE Praha

Tento článek se zabývá problematikou výběru porovnatelné skupiny podniků pro ocenění tržním porovnáním. Akademická odborná veřejnost se neshoduje na optimálním přístupu k výběru. V článku proto nejprve uvádíme syntézu literatury k tomuto tématu, včetně popisu a diskuze ke třem hlavním přístupům: (i) agregované skupiny podle odvětvové klasifikace, (ii) hledání fundamentálních ukazatelů a (iii) alternativní metody využívající big data. Dále se zabýváme tématem strojového učení aplikovaného ve financích a přinášíme nástin budoucího výzkumu, ve kterém chceme ověřit potenciál využití strojového učení při výběru porovnatelné skupiny podniků.

Klíčová slova: Ocenění tržním porovnáním; Porovnatelná skupina společností; Strojové učení
Granty a financováni:

Článek je zpracován jako jeden z výstupů výzkumného projektu IG104020, který je realizován na Fakultě financí a účetnictví VŠE Praha.

JEL classification: G12

Zveřejněno: 28. prosinec 2020  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Staňková, V., & Mařík, M. (2020). K problému výběru porovnatelné skupiny podniků pro ocenění a nástin budoucího výzkumu s využitím strojového učení. Oceňování, 13(3-4), 51-64. doi: 10.18267/j.ocenovani.254
Sdílet...
Stáhnout citaci
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Zobrazit celý článek

    Reference

    1. Alford, A.W. (1992): The Effect of the Set of Comparable Firms on the Accuracy of the Price-Earnings Valuation Method. Journal of Accounting Research 30, 94-108. https://doi.org/10.2307/2491093 Přejít k původnímu zdroji...
    2. An, J., Bhojraj, S., Ng, D.T. (2010): Warranted Multiples and Future Returns. Journal of Accounting, Auditing & Finance 25, 143-169. https://doi.org/10.1177/0148558X1002500201 Přejít k původnímu zdroji...
    3. Bhojraj, S., Lee, C.M.C., (2002): Who Is My Peer? A Valuation-Based Approach to the Selection of Comparable Firms. J Accounting Res 40, 407-439. https://doi.org/10.1111/1475-679X.00054 Přejít k původnímu zdroji...
    4. Bhojraj, S., Lee, C.M.C., Oler, D.K., (2003): What's My Line? A Comparison of Industry Classification Schemes for Capital Market Research. J Accounting Res 41, 745-774. https://doi.org/10.1046/j.1475-679X.2003.00122.x Přejít k původnímu zdroji...
    5. Cheng, C.S.A., McNamara, R., (2000): The valuation accuracy of the Price/Earnings and Price-Book Benchmark Valuation methods. Review of Quantitative Finance and Accounting 15, 349-370. https://doi.org/10.1023/A:1012050524545 Přejít k původnímu zdroji...
    6. Damodaran, A., (2002): Multiples: First Principles.
    7. De Franco, G., Hope, O.-K., Larocque, S., (2015): Analysts' choice of peer companies. Rev Account Stud 20, 82-109. https://doi.org/10.1007/s11142-014-9294-7 Přejít k původnímu zdroji...
    8. Ding, K., Peng, X., Wang, Y., (2019): A Machine Learning-Based Peer Selection Method with Financial Ratios. Accounting Horizons 33, 75-87. https://doi.org/10.2308/acch-52454 Přejít k původnímu zdroji...
    9. Ding, K., Lev, B.I., Peng, X., Sun, T., Vasarhelyi, M.A., (2019b): Machine Learning Improves Accounting Estimates. Presented at the Review of Accounting Studies Conference, Singapore. Přejít k původnímu zdroji...
    10. Dittmann, I., Weiner, C., (2005): Selecting Comparables for the Valuation of European Firms. SSRN Journal 25 stran. https://doi.org/10.2139/ssrn.644101 Přejít k původnímu zdroji...
    11. Fang, F., Dutta, K., Datta, A., (2013): LDA-based industry classification. Presented at the Thirty Fourth International Conference on Information Systems, Milan.
    12. Hoberg, G., Phillips, G., (2016): Text-Based Network Industries and Endogenous Product Differentiation. Journal of Political Economy 124, 1423-1465. https://doi.org/10.1086/688176 Přejít k původnímu zdroji...
    13. Hoberg, G., Phillips, G., (2010): Product Market Synergies and Competition in Mergers and Acquisitions: A Text-Based Analysis. Rev. Financ. Stud. 23, 3773-3811. https://doi.org/10.1093/rfs/hhq053 Přejít k původnímu zdroji...
    14. Janda, K., (2019): Earnings stability and peer company selection for multiple based indirect valuation. Finance a Uver - Czech Journal of Economics and Finance 69, 37-75.
    15. Knudsen Overgaard, J., Kold, S., Plenborg, T., (2017): Stick to the fundamentals and discover your peers. Financial Analysts Journal 73, 85-105. Přejít k původnímu zdroji...
    16. Lee, C.M.C., Ma, P., Wang, C.C.Y., (2015): Search-based peer firms: Aggregating investor perceptions through internet co-searches. Journal of Financial Economics 116, 410-431. https://doi.org/10.1016/j.jfineco.2015.02.003 Přejít k původnímu zdroji...
    17. Mařík, M., (2011) Metody oceňování podniku: proces ocenění - základní metody a postupy. Ekopress, Praha.
    18. Mejzlík, L., Ištvánfyová, J., (2006): Vykazování podnikových dat v elektronické podobě - XBRL. Český finanční a účetní časopis, 2006.2: p. 124-129. https://doi.org/10.18267/j.cfuc.157 Přejít k původnímu zdroji...
    19. Müller, A.C., Guido, S., (2016): Introduction to machine learning with Python: a guide for data scientists, First edition. ed. O'Reilly Media, Inc, Sebastopol, CA.
    20. Nel, S., Bruwer, W., le Roux, N., (2014): An emerging market perspective on peer group selection based on valuation fundamentals. Applied Financial Economics 24, 621-637. https://doi.org/10.1080/09603107.2014.894629 Přejít k původnímu zdroji...
    21. Plenborg, T., Pimentel, R.C., (2016): Best Practices in Applying Multiples for Valuation Purposes. JPE 19, 1-10. https://doi.org/10.3905/jpe.2016.19.3.055 Přejít k původnímu zdroji...
    22. Sellhorn, T., (2020): Machine Learning und empirische Rechnungslegungsforschung: Einige Erkenntnisse und offene Fragen. Schmalenbachs Z betriebswirtsch Forsch 72, 49-69. https://doi.org/10.1007/s41471-020-00086-1 Přejít k původnímu zdroji...
    23. Staňková, V., (2019): Electronic data format XBRL: recent development and prospects in the EU. Presented at the The 20th Annual Conference on Finance and Accounting, Praha.
    24. Vydržel, K., Soukupová, V., (2012): Empirical examination of valuation methods used in private equity practice in the Czech Republic. Journal of Private Equity 16, 83-99. https://doi.org/10.3905/jpe.2012.16.1.083 Přejít k původnímu zdroji...
    25. Xu, X., Qian, H., Ge, C., Lin, Z., (2019): Industry classification with online resume big data: A design science approach. Information & Management 103182. https://doi.org/10.1016/j.im.2019.103182 Přejít k původnímu zdroji...
    26. Yang, S.Y., Liu, F., Zhu, X., Yen, D.C., (2019): A Graph Mining Approach to Identify Financial Reporting Patterns: An Empirical Examination of Industry Classifications. Decision Sciences 50, 847-876. https://doi.org/10.1111/deci.12345 Přejít k původnímu zdroji...

    Tento článek je publikován v režimu tzv. otevřeného přístupu k vědeckým informacím (Open Access), který je distribuován pod licencí Creative Commons Attribution 4.0 International License (CC BY 4.0), která umožňuje distribuci, reprodukci a změny, pokud je původní dílo řádně ocitováno. Není povolena distribuce, reprodukce nebo změna, která není v souladu s podmínkami této licence.


    Zpět na obsah