热点滚动 :
当前位置 主页 > 行业动态 >

则采用Facebook的计算方式

  【摘要】自人类步入互联网时代以来,不仅科技取得巨大突破,金融市场也赋予互联网企业高估值的光环。本文为上海国家会计学院2018届校级专业硕士优秀论文摘要,作者方璇荣获上海市2018届优秀毕业生,指导教师为单喆慜副教授。

  本文以梅特卡夫法则为理论基础,探究用户如何为互联网公司创造价值。一方面本文运用实际案例,分析用户数量(MAU)和单用户收入(ARPU)如何推动销售额和市值增长,来验证梅特卡夫法则的解释力,并对各参数之间的关系进行分析,来检测估值模型中包含的参数及其关系。另一方面,利用分析结论建立以梅特卡夫为基础的估值模型,并根据案例数据分析,对模型的显著性进行验证。

  过去5年里,美国社交网络公司的表现较标准普尔指数高出170%。2017年全球市值前十的企业中,互联网企业占比一半。2007年到2011年,Twitter的估值从8000万美元到80亿美元;2012年到2014年,Instagram估值翻了35倍;2017年Snapchat上市,P/S高达70倍,这些都体现了互联网时代,金融市场对互联网企业的青睐。但光环似乎并未一直笼罩,2018年,Twitter的市值仅仅180亿美元,而Facebook市值高达5430亿,互联网公司为何享有高估值,估值的差异因何而起,引人深思。

  互联网企业估值一直众说纷纭,很多互联网企业在上市时净利润和净现金流均为负,传统财务估值模型不再适用。他们最大的资源是用户,资源的价值体现在用户创造的网络效应中。研究互联网公司的获客方式、商业模式、规模效应,把互联网企业的经济活动规律抽象出来,设立参数、建立模型、检验参数和模型的有效性,并用以解释估值现象,是本文的意义。

  1973年,计算机网络先驱罗伯特梅特卡夫(Robert Metcalfe)提出了著名的梅特卡夫法则,即:网络的价值与网络节点的平方成正比。

  任何估值模型都必须关注企业的生命周期。由于品牌辐射力、替代品产生、用户兴趣转移等原因,在用户数N达到一定数量的时候,再想获取新的用户就变得较困难,当用户不再线性增长时,单用户价值也会有下降的可能,N也许不能在企业的整个生命周期内对市值保持平方级别的推动力。

  第一层次,假设互联网企业的收入(Revenue)与单用户收入(ARPU)和月活跃用户(MAU)相关,并且这种关系是可以被量化的,其中假设是:

  第二层次,假设互联网企业的收入是公司价值的推动力,销售额会线性推动市值的增长。

  1、通过分解销售额,研究ARPU和MAU如何推动销售额的增长,不同企业之间是否存在差异,差异的原因是什么。

  2、研究销售额如何推动市值增长,不同企业之间是否存在差异,差异的原因是什么。

  3、试图利用梅特卡夫法则进行估值建模,并根据案例数据验证模型的适用性,分析模型参数的解释意义。

  本文选择Facebook、腾讯、Twitter三家公司作为建模案例,通过分析三个公司的的ARPU和MAU如何作用于销售收入,销售收入如何作用于股票市值,并分析了同行业不同企业的差异。

  2、收入与ARPU趋于正向线、通过观察收入、成本与MAU、ARPU之间的关系,可以判断验证一家公司是否属于严格意义上的第三类具有互联网公司属性,并可以通过拟合曲线来判断网络效应的强弱。如果拟合曲线函数次数越高,网路效应越强;如果次数相同,R^2越高,网络效应越强。

  4、在用户数持续线性增长的前提下,互联网公司市值和收入一般呈正向线性关系。

  根据前文的实验结论,搭建互联网公司估值的定量模型,并使用统计中的回归思想验证模型的适用性。

  单用户收入,自变量2。V与ARPU存在相关关系。如果实验对象在季度报告中公布了相应数据,则直接采用;如果未公布,则采用Facebook的计算方式,ARPU=季度收入*2/(本季度MAU+上季度MAU)。

  随机误差项。代表模型中省略的对因变量不重要的影响因素,或者无法控制、不易度量的随机因素。

  (3)R Square:可决系数R(亦称确定系数),用以度量拟合优度,R的值越接近1,说明回归直线对观测值的拟合程度越好。

  (5)的DW值:杜宾-瓦特森检验的结果,可用于判断随机项是否存在一阶序列相关,如果DW=2,则完全不相关;如果DW值接近0,则存在完全一阶正相关;如果DW值接近。

相关文章