G12 - Asset Pricing; Trading Volume; Bond Interest RatesNávrat zpět

Výsledky 1 až 9 z 9:

Výpočet rizikové prémie kapitálového trhu na základě evropských dat

Jan Marek

Oceňování 2025, 18(1):33-46 | DOI: 10.18267/j.ocenovani.299

Článek se věnuje odhadu rizikové prémie kapitálového trhu pro ocenění společností v České republice a rizikově srovnatelných evropských zemích. Upozorňuje na klíčové výzvy při použití tradičních zdrojů dat, zejména z amerického trhu, které mohou vést ke zkreslení výsledků. Článek představuje vlastní výpočet implikované rizikové prémie založený na aktuálních datech evropských společností s podobným rizikovým profilem. Tento výpočet, prováděný bottom-up přístupem, odstraňuje potřebu dodatečných přirážek za riziko země a velikost společnosti. Odhady implikované rizikové prémie pro skupinu velkých a středních společností jsou pravidelně aktualizovány a zveřejňovány na stránkách European Valuation Institute (www.evalin.org).

Diskontní míra a její parametry v České republice

Jakub Říha

Oceňování 2025, 18(1):47-60 | DOI: 10.18267/j.ocenovani.300

Tento článek pojednává o hlavních parametrech pro odvozování diskontních měr na úrovni WACC pomocí CAPM v České republice pro ocenění společnosti výnosovým přístupem. Článek nejprve shrnuje pozorovanou praxi v České republice, dále popisuje vybrané parametry diskontní míry, včetně modelových příkladů různých předpokladů u daných parametrů. Poslední kapitola článku obsahuje stručné zamyšlení ohledně diskontních měr pro ocenění start-up společností.

Analýza historického vývoje na evropském trhu fúzí a akvizic a identifikace faktorů, které na daném trhu působí

Štěpán Kohoutek, Pavla Maříková

Oceňování 2024, 17(1):16-33 | DOI: 10.18267/j.ocenovani.292

Trh fúzí a akvizic v Evropě prošel v posledním desetiletí významnou proměnou, která byla způsobena různými ekonomickými, sociálními a politickými faktory. V letech 2010 až 2023 zažíval evropský trh fúzí a akvizic období trvalého růstu, přičemž došlo k výraznému nárůstu přeshraničních transakcí a posunu v trendech specifických pro jednotlivá odvětví. Tento článek se zabývá analýzou historického vývoje na evropském trhu fúzí a akvizic za období let 2010 až 2023 a identifikace faktorů, které mohou mít vliv na evropský trh fúzí a akvizic z pohledu hodnoty transakcí.

Přístupy a metody ocenění nehmotných aktiv - porovnání Směrnice OECD k převodním cenám a Mezinárodních oceňovacích standardů

Pavel Svačina

Oceňování 2022, 15(4):44-60 | DOI: 10.18267/j.ocenovani.286

Tento článek diskutuje rozdíly v přístupech a metodách ocenění nehmotných aktiv zakotvených ve Směrnicí OECD pro převodní ceny mezi spřízněnými osobami a v Mezinárodních oceňovacích standardech. Článek identifikuje určité překrytí, ale i významné rozdíly jak na úrovni konceptu (kategorie) hodnoty, tak na úrovni samotných hlavních metod ocenění. Na úrovni samotných metod je porovnávána typologie hlavních metod a jejich vnitřní principy. Speciální pozornost je dána podstatně odlišnému pojetí a užití konceptu/metody rozdělení zisku mezi IVS a OECD.

Metodický postup při ocenění podniku tržními násobiteli

Štěpán Kohoutek, Pavla Maříková

Oceňování 2022, 15(1):3-16 | DOI: 10.18267/j.ocenovani.271

Oceňování tržními násobiteli lze považovat za jednu z nejoblíbenějších a nejpoužívanějších oceňovacích metod podnik u. Tento článek se zabývá návrhem metodického postupu při ocenění podniku tržními násobiteli. Hlavním zdrojem informací tohoto článku byla rešerše literatury z oblasti osvědčených praktických aplikací a vědeckých studií. Hlavní pozornost byla zaměřena na jednotlivé dílčí části postupu ocenění od výběru skupiny srovnatelných podniků až po kontrolní prémii. Výstupem tohoto článku je tak souhrn nejdůležitějších faktorů, které by měl oceňovatel při ocenění podniku tržními násobiteli zohlednit.

Může být strojové učení užitečné ve financích podniku a jeho ocenění? Přehled současného výzkumu

Veronika Staňková

Oceňování 2021, 14(4):53-66 | DOI: 10.18267/j.ocenovani.270

Predikce finančních časových řad je v centru zájmu vědeckého výzkumu po dlouhou dobu. Nedávno se k tomu přidaly široké možnosti aplikovat metody strojového učení. V současné době se publikuje tak velké množství vědeckých článků v oblasti aplikace strojového učení ve financích, že je velmi obtížné se v nich zorientovat. Cíl tohoto článku je poskytnout základní přehled o tom, jaký je současný stav poznání v této oblasti, konkrétně pro finance podniku a jeho ocenění, a pomoci se zorientovat v metodách strojového učení těm, kteří se doposud strojovým učením nezabývali.

Stručný přehled literatury k základnímu vztahu nelikvidnosti a cen akcií

Tomáš Buus

Oceňování 2021, 14(1):3-24 | DOI: 10.18267/j.ocenovani.256

Řada studií i učebnic v oblasti oceňování podniků a podnikových financí považuje či prokazuje likvidnost podílů v korporacích za významný faktor hodnoty, resp. ceny akcií. Přes palčivost tohoto problému jsou v české literatuře k oceňování podniku k dispozici o principech aplikace diskontu za nelikvidnost (angl. zkratka DLOM) a jeho výši pouze kusé informace. Tento článek přináší přehled literatury popisující základní vztah mezi likvidností (přesněji veřejnou obchodovatelností) a cenou podílu na vlastním kapitálu. Kritický pohled na výsledky empirických studií a teoretické modely tohoto tzv. diskontu za nelikvidnost ukazuje řadu výzev pro jeho další zkoumání a také to, že při jeho aplikaci nejen v českých podmínkách, z nichž většina DLOM studií nepochází (a tedy není místně obvyklá), ale dokonce i v domovské USA lze mít silné pochybnosti o tom, zda prezentované diskonty zahrnují pouze vliv nelikvidnosti. V neposlední řadě ukazuje vývoj teorie i empiricky pozorovaných hodnot diskontu.

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

Veronika Staňková, Miloš Mařík

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

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.

Hádanka akciové rizikové prémie

Petr Musílek

Oceňování 2020, 13(1):65-79 | DOI: 10.18267/j.ocenovani.247

Příspěvek diskutuje problematiku akciové rizikové prémie (označovaná za rizikovou prémii kapitálového trhu), která byla zahájena článkem Maříka a Maříkové (2019a, 2019b). Úvodní část článku se zaměřuje na podstatné závěry z výše uvedeného článku. Dále je v příspěvku věnována pozornost prohloubení výkladu modelu CAPM. V následující části příspěvku je diskutováno omezení přístupu, který je založen na implikované rizikové prémii. V závěrečné části příspěvku jsou pak rozebrány alternativní způsoby stanovení akciové rizikové prémie.