How to solve the case study? - The 50 minute speedrun

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška ukazuje, ako postupne vypracovať záverečnú prípadovú štúdiu v Exceli a vo worde na príklade spoločnosti vyvíjajúcej raketové nosiče. Začína vízou, názvom, členmi skupiny a úvodným problémom (nízka ziskovosť, návrh produktu, počty štartov, hodnota firmy a pravdepodobnosť zlyhania). Pravdepodobnosť zlyhania sa odhaduje novým hárkom s modelom Ohlson O-score z aktív, záväzkov, pracovného kapitálu a zmeny zisku. Ďalej sa prechádzajú trhové parametre, nový dizajn produktu (motory, palivo metán, cena štartu pod 60 mil. eur, marža) a prepočet tržieb, EBIT a zisku bez zaistenia kurzového rizika. Nakoniec sa porovnáva vplyv financovania akciami, dlhopismi a leasingom na cenu akcie.

  • - Do štúdie patrí vízia, názov, členovia skupiny a úvodný problém vrátane ziskovosti a pravdepodobnosti zlyhania.
  • - Pravdepodobnosť zlyhania sa počíta modelom Ohlson O-score z aktív, záväzkov, pracovného kapitálu, čistého zisku a jeho zmeny.
  • - Trhové parametre (úroky, výmenné kurzy, inflácia) sa preberajú z výkazu ziskov a strát a z externých dát.
  • - Nový dizajn produktu upravuje počet motorov, materiál a palivo (metán) a cena štartu musí zostať pod 60 mil. eur.
  • - Marža sa kalibruje tak, aby sa pokryl čo najväčší trh a maximalizovali tržby.
  • - Pri tržbách, EBIT a zisku za rok sa upravuje len to, čo sa zmenilo; zaistenie kurzu sa nepoužíva.
  • - Vplyv akciového, dlhopisového a leasingového financovania na cenu akcie sa porovnáva v samostatných verziách Excelu.

Zhrnutie pripravené s pomocou AI z prepisu videa.