企业估值中的风险因素分析

企业估值中的风险因素分析

关键词：企业估值、风险因素、财务风险、市场风险、经营风险、风险评估、估值模型

摘要：本文围绕企业估值中的风险因素展开深入分析。首先介绍了企业估值及风险因素分析的背景，包括目的、预期读者等内容。接着阐述了企业估值与风险因素的核心概念及联系，分析了核心算法原理与具体操作步骤。通过数学模型和公式对风险因素在估值中的影响进行了详细讲解，并举例说明。在项目实战部分，给出了实际案例及代码实现。探讨了风险因素分析在企业估值中的实际应用场景，推荐了相关的学习资源、开发工具框架以及论文著作。最后总结了未来发展趋势与挑战，解答了常见问题并提供了扩展阅读与参考资料，旨在帮助读者全面理解企业估值中风险因素的重要性及分析方法。

1. 背景介绍

1.1 目的和范围

企业估值是金融领域的重要环节，它对于投资者做出投资决策、企业进行并购重组以及管理者评估企业经营状况等都具有关键意义。然而，企业的实际价值往往受到众多风险因素的影响，这些风险因素可能导致企业的未来收益具有不确定性。本文的目的在于系统地分析企业估值中存在的各类风险因素，探讨如何将这些风险因素纳入估值模型，以提高估值的准确性和可靠性。

本文的范围涵盖了企业估值中常见的风险因素，如财务风险、市场风险、经营风险等。同时，将介绍分析这些风险因素的方法和技术，包括定性分析和定量分析，并结合实际案例进行说明。

1.2 预期读者

本文的预期读者包括金融投资者、企业管理者、财务分析师、学术研究人员以及对企业估值和风险分析感兴趣的人士。对于投资者来说，了解企业估值中的风险因素有助于他们做出更明智的投资决策；企业管理者可以通过本文的分析更好地评估企业面临的风险，从而制定相应的风险管理策略；财务分析师可以借鉴本文的方法提高估值的准确性；学术研究人员可以在本文的基础上进行更深入的理论研究。

1.3 文档结构概述

本文将按照以下结构进行组织：首先介绍企业估值和风险因素的核心概念及它们之间的联系；然后阐述分析风险因素的核心算法原理和具体操作步骤；接着通过数学模型和公式详细讲解风险因素在估值中的作用，并举例说明；之后给出项目实战案例，包括开发环境搭建、源代码实现和代码解读；再探讨风险因素分析在实际中的应用场景；推荐相关的学习资源、开发工具框架和论文著作；最后总结未来发展趋势与挑战，解答常见问题并提供扩展阅读与参考资料。

1.4 术语表

1.4.1 核心术语定义

企业估值：是指对企业的整体价值进行评估的过程，通常基于企业的未来预期收益、资产状况等因素，采用一定的估值方法计算得出。风险因素：是指可能影响企业未来收益和价值的不确定性因素，包括宏观经济环境、行业竞争、企业自身经营管理等方面的因素。估值模型：是用于计算企业价值的数学模型，常见的有现金流折现模型（DCF）、相对估值模型等。风险评估：是对企业面临的风险因素进行识别、分析和评价的过程，以确定风险的性质、程度和影响。

1.4.2 相关概念解释

财务风险：主要是指企业由于财务结构不合理、融资不当等原因导致的偿债能力下降、盈利能力不稳定等风险。市场风险：是指由于市场因素的变化，如利率波动、汇率变化、股票市场波动等，对企业价值产生的影响。经营风险：是指企业在生产经营过程中面临的各种不确定性，如原材料价格波动、产品销售不畅、技术创新不足等。

1.4.3 缩略词列表

DCF：现金流折现模型（Discounted Cash Flow）P/E：市盈率（Price-to-Earnings Ratio）P/B：市净率（Price-to-Book Ratio）

2. 核心概念与联系

核心概念原理

企业估值的核心原理是基于企业未来的预期收益，将其折现到当前时刻来确定企业的价值。常见的估值方法有现金流折现模型（DCF）、相对估值模型等。

现金流折现模型的基本原理是将企业未来各期的自由现金流按照一定的折现率折现到当前时刻，其计算公式为：

其中，VVV 表示企业的价值，FCFtFCF_tFCFt​ 表示第 ttt 期的自由现金流，rrr 表示折现率，nnn 表示预测期数。

相对估值模型则是通过比较同行业类似企业的估值指标，如市盈率（P/E）、市净率（P/B）等，来确定目标企业的价值。

风险因素是影响企业未来收益和折现率的重要因素。财务风险可能导致企业的自由现金流不稳定，市场风险会影响折现率的大小，经营风险则会对企业的未来收益产生直接影响。

架构的文本示意图

企业估值
|-- 估值方法
|   |-- 现金流折现模型（DCF）
|   |   |-- 自由现金流预测
|   |   |-- 折现率确定
|   |-- 相对估值模型
|       |-- 可比企业选择
|       |-- 估值指标计算
|-- 风险因素
|   |-- 财务风险
|   |   |-- 偿债能力
|   |   |-- 盈利能力
|   |-- 市场风险
|   |   |-- 利率风险
|   |   |-- 汇率风险
|   |-- 经营风险
|       |-- 原材料价格波动
|       |-- 产品销售风险

Mermaid 流程图

3. 核心算法原理 & 具体操作步骤

核心算法原理

在企业估值中，考虑风险因素的核心算法主要围绕现金流折现模型展开。为了将风险因素纳入估值，我们需要对自由现金流和折现率进行调整。

自由现金流调整

自由现金流（FCF）是企业在满足了所有运营成本和资本支出后剩余的现金流量。风险因素会影响企业的营业收入、成本和资本支出，从而影响自由现金流。我们可以通过建立风险调整系数来调整自由现金流。

假设原始自由现金流为 FCF0FCF_0FCF0​，风险调整系数为 αalphaα，调整后的自由现金流为 FCFFCFFCF，则有：

风险调整系数 αalphaα 可以根据风险评估的结果来确定，风险越高，αalphaα 值越小。

折现率调整

折现率反映了投资者对投资风险的要求回报。风险因素会增加投资的不确定性，因此需要提高折现率。我们可以使用资本资产定价模型（CAPM）来确定折现率，并根据风险因素进行调整。

资本资产定价模型的公式为：

其中，rrr 表示折现率，rfr_frf​ 表示无风险利率，βetaβ 表示企业的贝塔系数，rmr_mrm​ 表示市场平均收益率。

考虑风险因素后，折现率调整为：

其中，γgammaγ 表示风险调整溢价，根据风险评估的结果来确定，风险越高，γgammaγ 值越大。

具体操作步骤

步骤 1：风险因素识别

首先，需要对企业面临的风险因素进行全面识别，包括财务风险、市场风险和经营风险等。可以通过查阅企业的财务报表、行业研究报告、宏观经济数据等资料，结合专家意见和经验进行识别。

步骤 2：风险评估

对识别出的风险因素进行评估，确定其发生的可能性和影响程度。可以采用定性和定量相结合的方法，如风险矩阵法、蒙特卡罗模拟法等。

步骤 3：风险调整系数和风险调整溢价确定

根据风险评估的结果，确定风险调整系数 αalphaα 和风险调整溢价 γgammaγ。可以通过建立风险评估指标体系，对不同风险因素进行量化评分，然后根据评分结果确定 αalphaα 和 γgammaγ 的值。

步骤 4：自由现金流和折现率调整

根据确定的风险调整系数 αalphaα 和风险调整溢价 γgammaγ，对自由现金流和折现率进行调整。

步骤 5：企业估值计算

使用调整后的自由现金流和折现率，代入现金流折现模型计算企业的价值。

Python 源代码实现

import numpy as np

# 定义原始自由现金流
FCF_0 = np.array([100, 120, 130, 140, 150])

# 定义风险调整系数
alpha = 0.9

# 调整自由现金流
FCF = FCF_0 * alpha

# 定义无风险利率、贝塔系数、市场平均收益率
r_f = 0.03
beta = 1.2
r_m = 0.1

# 计算原始折现率
r = r_f + beta * (r_m - r_f)

# 定义风险调整溢价
gamma = 0.02

# 调整折现率
r_prime = r + gamma

# 定义预测期数
n = len(FCF)

# 计算企业价值
V = 0
for t in range(n):
    V += FCF[t] / ((1 + r_prime) ** (t + 1))

print(f"调整后的自由现金流: {FCF}")
print(f"调整后的折现率: {r_prime}")
print(f"企业价值: {V}")

4. 数学模型和公式 & 详细讲解 & 举例说明

自由现金流调整模型

自由现金流调整模型的公式为：

其中，FCF0FCF_0FCF0​ 是原始自由现金流，αalphaα 是风险调整系数。风险调整系数 αalphaα 的取值范围在 000 到 111 之间，αalphaα 越接近 111，表示风险越小；αalphaα 越接近 000，表示风险越大。

例如，某企业的原始自由现金流为每年 100100100 万元，经过风险评估，确定风险调整系数 α=0.9alpha = 0.9α=0.9，则调整后的自由现金流为：

折现率调整模型

折现率调整模型的公式为：

其中，rrr 是原始折现率，γgammaγ 是风险调整溢价。原始折现率 rrr 可以通过资本资产定价模型（CAPM）计算得到：

例如，假设无风险利率 rf=0.03r_f = 0.03rf​=0.03，企业的贝塔系数 β=1.2eta = 1.2β=1.2，市场平均收益率 rm=0.1r_m = 0.1rm​=0.1，则原始折现率为：

经过风险评估，确定风险调整溢价 γ=0.02gamma = 0.02γ=0.02，则调整后的折现率为：

现金流折现模型

现金流折现模型的公式为：

其中，VVV 表示企业的价值，FCFtFCF_tFCFt​ 表示第 ttt 期的自由现金流，r′r'r′ 表示调整后的折现率，nnn 表示预测期数。

例如，某企业未来 555 年的调整后自由现金流分别为 909090 万元、959595 万元、100100100 万元、105105105 万元、110110110 万元，调整后的折现率 r′=0.134r' = 0.134r′=0.134，则该企业的价值为：

import numpy as np

FCF = np.array([90, 95, 100, 105, 110])
r_prime = 0.134
n = len(FCF)

V = 0
for t in range(n):
    V += FCF[t] / ((1 + r_prime) ** (t + 1))

print(f"企业价值: {V}")

5. 项目实战：代码实际案例和详细解释说明

5.1 开发环境搭建

操作系统

可以选择 Windows、Linux 或 macOS 操作系统。

编程语言

使用 Python 编程语言，推荐使用 Python 3.7 及以上版本。

开发工具

可以使用 PyCharm、Jupyter Notebook 等开发工具。

安装必要的库

在命令行中使用以下命令安装必要的库：

pip install numpy pandas matplotlib

5.2 源代码详细实现和代码解读

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 读取企业财务数据
data = pd.read_csv('company_financial_data.csv')

# 提取自由现金流数据
FCF_0 = data['FCF'].values

# 风险评估：假设通过风险矩阵法确定风险调整系数
# 这里简单假设风险调整系数为 0.8
alpha = 0.8

# 调整自由现金流
FCF = FCF_0 * alpha

# 无风险利率、贝塔系数、市场平均收益率
r_f = 0.02
beta = 1.1
r_m = 0.08

# 计算原始折现率
r = r_f + beta * (r_m - r_f)

# 风险评估：假设通过专家评估确定风险调整溢价
# 这里简单假设风险调整溢价为 0.03
gamma = 0.03

# 调整折现率
r_prime = r + gamma

# 预测期数
n = len(FCF)

# 计算企业价值
V = 0
for t in range(n):
    V += FCF[t] / ((1 + r_prime) ** (t + 1))

# 绘制自由现金流变化图
plt.plot(range(1, n + 1), FCF_0, label='Original FCF')
plt.plot(range(1, n + 1), FCF, label='Adjusted FCF')
plt.xlabel('Year')
plt.ylabel('Free Cash Flow')
plt.title('Free Cash Flow before and after Risk Adjustment')
plt.legend()
plt.show()

print(f"调整后的自由现金流: {FCF}")
print(f"调整后的折现率: {r_prime}")
print(f"企业价值: {V}")

代码解读与分析

数据读取

使用
pandas 库的
read_csv 函数读取企业的财务数据，提取自由现金流数据。

风险调整

通过假设的风险调整系数 αalphaα 和风险调整溢价 γgammaγ 对自由现金流和折现率进行调整。

企业价值计算

使用现金流折现模型计算企业的价值。

可视化

使用
matplotlib 库绘制自由现金流变化图，直观展示风险调整前后自由现金流的变化。

6. 实际应用场景

投资决策

在进行股票投资、私募股权投资等决策时，投资者需要对企业的价值进行评估。考虑风险因素的企业估值可以帮助投资者更准确地判断企业的真实价值，避免因忽视风险而导致的投资失误。例如，在评估一家高科技企业的价值时，需要考虑技术创新风险、市场竞争风险等因素，通过调整自由现金流和折现率，得到更合理的估值结果，从而决定是否投资以及投资的金额。

企业并购重组

在企业并购重组过程中，准确评估目标企业的价值是关键。风险因素分析可以帮助并购方了解目标企业面临的各种风险，确定合理的并购价格。例如，当一家传统企业并购一家新兴互联网企业时，需要考虑互联网行业的市场波动性、技术更新换代快等风险因素，对目标企业的估值进行调整，以避免过高的并购成本。

企业战略规划

企业管理者在制定战略规划时，需要了解企业的自身价值和面临的风险。通过对企业估值中的风险因素进行分析，管理者可以识别企业的优势和劣势，制定相应的风险管理策略。例如，如果企业面临较高的原材料价格波动风险，可以通过签订长期合同、套期保值等方式降低风险；如果企业的市场份额受到竞争对手的威胁，可以加大研发投入、拓展市场渠道等。

银行信贷决策

银行在发放贷款时，需要评估企业的还款能力和信用风险。企业估值中的风险因素分析可以帮助银行更全面地了解企业的财务状况和经营风险，确定合理的贷款额度和利率。例如，对于一家财务杠杆较高、经营风险较大的企业，银行可能会提高贷款利率或减少贷款额度，以降低信贷风险。

7. 工具和资源推荐

7.1 学习资源推荐

7.1.1 书籍推荐

《公司金融》（Corporate Finance）：作者是斯蒂芬·罗斯（Stephen A. Ross）等，这本书系统地介绍了公司金融的基本理论和方法，包括企业估值、资本预算、风险管理等内容，是学习企业估值和风险分析的经典教材。《估值：难点、解决方案及相关案例》（Valuation: Measuring and Managing the Value of Companies）：作者是蒂姆·科勒（Tim Koller）等，该书详细介绍了各种企业估值方法，并结合实际案例分析了估值中的难点和解决方案，对实际应用具有很强的指导意义。《风险投资与私募股权：案例、教学与研究》（Venture Capital and Private Equity: A Casebook）：作者是保罗·冈珀斯（Paul Gompers）等，这本书通过大量的案例分析了风险投资和私募股权投资中的估值和风险评估问题，适合对投资领域感兴趣的读者。

7.1.2 在线课程

Coursera 平台上的“公司金融基础”（Fundamentals of Corporate Finance）课程：由宾夕法尼亚大学的教授授课，系统地介绍了公司金融的基本概念和方法，包括企业估值、资本结构等内容。edX 平台上的“金融风险管理”（Financial Risk Management）课程：由哥伦比亚大学的教授授课，深入讲解了金融风险管理的理论和实践，包括市场风险、信用风险、操作风险等方面的内容。Udemy 平台上的“企业估值实战”（Business Valuation in Practice）课程：该课程结合实际案例，详细介绍了企业估值的方法和技巧，适合想要快速掌握企业估值技能的学习者。

7.1.3 技术博客和网站

Seeking Alpha：这是一个知名的金融投资博客网站，提供了大量关于企业估值、投资分析、市场趋势等方面的文章和研究报告，适合投资者和分析师参考。Value Line：该网站提供了丰富的企业财务数据和分析报告，包括企业估值、盈利预测、风险评估等内容，对企业估值和风险分析具有重要的参考价值。Bloomberg：作为全球知名的金融信息服务提供商，Bloomberg 提供了实时的金融市场数据、新闻资讯和分析工具，是金融从业者获取信息和进行分析的重要平台。

7.2 开发工具框架推荐

7.2.1 IDE和编辑器

PyCharm：是一款专门为 Python 开发设计的集成开发环境（IDE），具有强大的代码编辑、调试、自动完成等功能，适合开发复杂的 Python 程序。Jupyter Notebook：是一个基于网页的交互式开发环境，支持多种编程语言，特别适合进行数据探索、分析和可视化。在企业估值和风险分析中，可以使用 Jupyter Notebook 进行数据处理、模型构建和结果展示。Visual Studio Code：是一款轻量级的代码编辑器，支持多种编程语言和插件扩展，具有丰富的功能和良好的用户体验。可以安装 Python 相关的插件，用于 Python 代码的开发和调试。

7.2.2 调试和性能分析工具

pdb：是 Python 自带的调试工具，可以在代码中设置断点，逐步执行代码，查看变量的值和程序的执行流程，帮助开发者定位和解决问题。cProfile：是 Python 标准库中的性能分析工具，可以统计代码中各个函数的执行时间和调用次数，帮助开发者找出代码中的性能瓶颈。Py-Spy：是一个轻量级的 Python 性能分析工具，可以实时监控 Python 程序的运行状态，分析函数的调用栈和执行时间，无需修改代码即可进行性能分析。

7.2.3 相关框架和库

NumPy：是 Python 中用于科学计算的基础库，提供了高效的多维数组对象和各种数学函数，在企业估值和风险分析中可以用于数据处理和计算。Pandas：是 Python 中用于数据处理和分析的库，提供了强大的数据结构和数据操作功能，如数据读取、清洗、转换等，适合处理企业的财务数据。Scikit-learn：是 Python 中用于机器学习的库，提供了各种机器学习算法和工具，如回归分析、分类算法、聚类算法等，可以用于风险评估和预测模型的构建。

7.3 相关论文著作推荐

7.3.1 经典论文

Modigliani, F., & Miller, M. H. (1958). The Cost of Capital, Corporation Finance and the Theory of Investment. The American Economic Review, 48(3), 261-297. 这篇论文提出了著名的 MM 定理，对企业资本结构和估值理论产生了深远的影响。Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. The Journal of Finance, 19(3), 425-442. 该论文提出了资本资产定价模型（CAPM），为计算资产的预期收益率和风险提供了重要的理论基础。Black, F., & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-654. 这篇论文提出了布莱克 – 斯科尔斯期权定价模型，为期权定价和风险管理提供了重要的工具。

7.3.2 最新研究成果

Damodaran, A. (2020). The Dark Side of Valuation: Valuing Young, Distressed, and Complex Businesses. This book by Aswath Damodaran focuses on the challenges of valuing young, distressed, and complex businesses, and provides practical solutions and case studies.Fama, E. F., & French, K. R. (2015). A Five-Factor Asset Pricing Model. Journal of Financial Economics, 116(1), 1-22. 这篇论文提出了五因子资产定价模型，对传统的资本资产定价模型进行了扩展和改进。

7.3.3 应用案例分析

McKinsey & Company. (2019). Valuation: Measuring and Managing the Value of Companies. This book by McKinsey & Company provides a comprehensive guide to business valuation, including detailed case studies and practical tools for valuation analysis.Koller, T., Goedhart, M., & Wessels, D. (2015). Valuation: Measuring and Managing the Value of Companies. This book by McKinsey & Company provides a comprehensive guide to business valuation, including detailed case studies and practical tools for valuation analysis.

8. 总结：未来发展趋势与挑战

未来发展趋势

数据驱动的风险评估

随着大数据、人工智能等技术的发展，企业可以获取更多的内外部数据，通过数据分析和挖掘技术，可以更准确地识别和评估风险因素。例如，利用机器学习算法对企业的财务数据、市场数据、社交媒体数据等进行分析，建立风险预测模型，提前预警潜在的风险。

综合风险评估模型的应用

未来的企业估值将越来越注重综合考虑各种风险因素，建立综合风险评估模型。除了传统的财务风险、市场风险和经营风险外，还将考虑环境风险、社会风险、治理风险等因素。例如，在评估一家能源企业的价值时，需要考虑碳排放政策、环境污染治理等环境风险因素。

实时估值和动态风险管理

随着金融市场的快速变化和企业经营环境的不确定性增加，实时估值和动态风险管理将成为未来的发展趋势。企业需要实时监控风险因素的变化，及时调整估值模型和风险管理策略。例如，利用实时数据和算法模型，实现对企业价值的实时评估和风险的动态管理。

挑战

数据质量和可用性

虽然大数据为风险评估提供了更多的数据源，但数据质量和可用性仍然是一个挑战。企业需要解决数据不准确、不完整、不一致等问题，同时需要获取合法、合规的外部数据。此外，数据的隐私和安全问题也需要得到重视。

模型复杂性和解释性

随着综合风险评估模型的应用，模型的复杂性将不断增加。复杂的模型可能会导致计算效率低下，同时也增加了模型解释的难度。企业需要在模型的准确性和解释性之间找到平衡，确保模型的结果能够被决策者理解和接受。

风险因素的不确定性

风险因素本身具有不确定性，未来的风险事件可能无法准确预测。例如，宏观经济环境的变化、政策法规的调整、技术创新的突破等都可能对企业的价值产生重大影响。企业需要建立灵活的风险管理机制，应对不确定性带来的挑战。

9. 附录：常见问题与解答

问题 1：如何确定风险调整系数和风险调整溢价？

风险调整系数和风险调整溢价的确定需要综合考虑多种因素，包括风险评估的结果、行业特点、企业自身情况等。可以采用定性和定量相结合的方法，如风险矩阵法、专家评估法、蒙特卡罗模拟法等。在实际应用中，可以参考同行业类似企业的经验数据，并结合企业的具体情况进行调整。

问题 2：现金流折现模型中的预测期数如何确定？

预测期数的确定需要考虑企业的发展阶段、行业特点和市场环境等因素。一般来说，对于处于稳定发展阶段的企业，可以预测 5 – 10 年的自由现金流；对于处于快速发展阶段的企业，预测期数可以适当缩短。同时，需要考虑企业的可持续发展能力，在预测期结束后，可以采用永续增长模型计算企业的终值。

问题 3：如何处理企业估值中的非财务风险因素？

非财务风险因素如环境风险、社会风险、治理风险等虽然难以直接量化，但可以通过定性分析和间接量化的方法纳入估值模型。例如，可以通过建立风险评估指标体系，对非财务风险因素进行评分，然后根据评分结果调整自由现金流或折现率。此外，还可以通过情景分析和敏感性分析等方法，评估非财务风险因素对企业价值的影响。

问题 4：企业估值中的风险因素分析与风险管理有什么关系？

企业估值中的风险因素分析是风险管理的重要基础。通过对企业估值中风险因素的识别、评估和分析，可以帮助企业管理者了解企业面临的风险状况，制定相应的风险管理策略。风险管理则是在风险因素分析的基础上，采取措施降低风险、转移风险或接受风险，以实现企业价值的最大化。

10. 扩展阅读 & 参考资料

扩展阅读

《金融炼金术》（The Alchemy of Finance）：作者是乔治·索罗斯（George Soros），这本书探讨了金融市场的运作规律和投资者的心理行为，对理解市场风险和企业估值具有重要的启示作用。《聪明的投资者》（The Intelligent Investor）：作者是本杰明·格雷厄姆（Benjamin Graham），这本书是价值投资的经典著作，介绍了价值投资的理念和方法，对企业估值和投资决策具有重要的指导意义。《黑天鹅：如何应对不可预知的未来》（The Black Swan: The Impact of the Highly Improbable）：作者是纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb），这本书探讨了极端事件（黑天鹅事件）对金融市场和企业的影响，提醒人们要重视不确定性和风险。

参考资料

Damodaran, A. (2020). The Dark Side of Valuation: Valuing Young, Distressed, and Complex Businesses.Fama, E. F., & French, K. R. (2015). A Five-Factor Asset Pricing Model. Journal of Financial Economics, 116(1), 1-22.Modigliani, F., & Miller, M. H. (1958). The Cost of Capital, Corporation Finance and the Theory of Investment. The American Economic Review, 48(3), 261-297.Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. The Journal of Finance, 19(3), 425-442.Black, F., & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-654.McKinsey & Company. (2019). Valuation: Measuring and Managing the Value of Companies.Koller, T., Goedhart, M., & Wessels, D. (2015). Valuation: Measuring and Managing the Value of Companies.