Абсолютная и относительная оценка акций: научный взгляд и практика на реальных данных SEC EDGAR

Раздел 1. Два взгляда на стоимость компании: абсолютная и относительная оценка

1.1 Постановка проблемы

Любая методология фундаментальной оценки акций отвечает на один и тот же вопрос — «сколько стоит компания на самом деле» — но делает это принципиально разными способами. В финансовой теории эти способы принято делить на два больших класса:

• Абсолютная (intrinsic) оценка — стоимость компании выводится из её собственных будущих денежных потоков, дисконтированных с учётом риска. Сюда относятся модель дисконтированных денежных потоков (DCF), модель дисконтирования дивидендов (DDM), модель остаточного дохода (Residual Income Model). Теоретический фундамент заложен ещё Дж. Уильямсом в работе The Theory of Investment Value (1938): стоимость актива равна приведённой стоимости всех будущих выгод, которые он принесёт владельцу.
• Относительная (relative) оценка — стоимость компании выводится не из неё самой, а из того, как рынок оценивает сопоставимые компании. Сюда относятся мультипликаторы (P/E, EV/EBITDA, P/S), а также более широкий класс методов ранжирования и скоринга по фундаментальным метрикам относительно конкурентов или бенчмарка.
  
  

Важно подчеркнуть: это не конкурирующие «правильная/неправильная» школы, а два разных эпистемологических основания. Абсолютная оценка опирается на теорию приведённой стоимости и предполагает, что аналитик может реконструировать будущее компании лучше, чем это уже сделал рынок. Относительная оценка опирается на закон единой цены (law of one price) и слабую форму гипотезы эффективного рынка: если рынок в среднем корректно оценивает сопоставимые активы, то отклонение конкретной бумаги от группы сверстников само по себе несёт информацию.

1.2 Абсолютная оценка: сильные стороны и ограничения

Теоретическая строгость. DCF и его производные — единственный класс моделей, который выводит стоимость непосредственно из экономической сущности бизнеса: способности генерировать свободный денежный поток. Модель не зависит от текущих рыночных цен и в этом смысле застрахована от пузырей и коллективных заблуждений рынка — по крайней мере, теоретически.

Проблема входных данных. Асват Дамодаран в Investment Valuation и в серии эмпирических работ по «historical betas and forecast error» неоднократно показывает: итоговая оценка DCF крайне чувствительна к трём параметрам — темпу роста, ставке дисконтирования (WACC) и терминальной стоимости. Терминальная стоимость типично составляет 60–80% от итоговой оценки предприятия, при этом строится на одной точечной предпосылке о темпе роста в бесконечности. Это классический случай «garbage in, garbage out»: модель математически безупречна, но результат наследует всю неопределённость прогноза.

Иллюзия точности. DCF выдаёт единственное число с точностью до цента, создавая ложное ощущение объективности. Эмпирические исследования точности прогнозов аналитиков (например, работы по forecast bias в sell-side отчётах) стабильно показывают систематическое смещение прогнозов роста вверх, особенно на удалённых горизонтах.

Нечувствительность к рыночному сентименту. Это одновременно сила и слабость: DCF-модель может утверждать, что акция недооценена в течение многих лет, пока рынок продолжает её игнорировать (проблема «acting on a correct valuation with wrong timing»).

1.3 Относительная оценка: сильные стороны и ограничения

Простота и прозрачность.Мультипликаторы не требуют прогноза на 5–10 лет вперёд и предположений о темпах роста в бесконечности. Именно поэтому это доминирующий инструмент sell-side аналитики и быстрого скрининга.

Встроенная рыночная информация. Относительная оценка агрегирует коллективное мнение всех участников рынка о компании-аналоге, включая факторы, которые сложно формализовать в DCF (качество менеджмента, регуляторные риски, ожидания по отрасли).

Проблема циркулярности. Ключевое методологическое ограничение относительной оценки: она предполагает, что группа сравнения в среднем оценена справедливо. Если весь сектор переоценён (пузырь доткомов, 2000 год) — относительная оценка лишь подтвердит, что компания «дешевле аналогов», не заметив, что все они дороги.

Проблема сопоставимости. Формально похожие компании часто различаются по структуре капитала, стадии роста, учётной политике (амортизация, capex-интенсивность, признание выручки), что искажает сравнение простых мультипликаторов без нормировки.

Игнорирование идиосинкратического риска. Относительная оценка по определению не учитывает специфичный для конкретной компании риск (долговую нагрузку, качество прибыли, ликвидность), если только он не встроен в саму метрику сравнения.

1.4 Синтез: почему это дополняющие, а не взаимоисключающие подходы

Именно поэтому современная практика (и в этом ключевая идея статьи) движется в сторону гибридных моделей: относительная оценка используется для быстрого, объективного скрининга большого числа компаний по фундаментальным метрикам, а абсолютная — для получения точечной оценки «справедливой цены» с явными и проверяемыми допущениями. Точность выигрывает не от выбора одного метода, а от прозрачности предпосылок обоих.

1.5 Сравнительная таблица

Критерий	🎯 Абсолютная оценка (DCF / DDM / RIM)	⚖️ Относительная оценка (мультипликаторы / скоринг)
Теоретическая база	Приведённая стоимость будущих денежных потоков (Williams, 1938)	Закон единой цены, гипотеза эффективного рынка (слабая форма)
Источник данных	Прогноз будущих показателей самой компании	Текущие/исторические показатели группы сравнения
Зависимость от рынка	Независима — оценка не смотрит на текущую цену	Полностью зависима — оценка есть функция цен аналогов
Число ключевых допущений	Высокое (рост, WACC, терминальный рост, маржа)	Низкое (выбор группы сравнения, весов метрик)
Чувствительность к ошибке	Очень высокая — терминальная стоимость доминирует в EV	Умеренная — ошибка «размазана» по всей группе
Риск систематического смещения	Аналитический оптимизм в прогнозах роста	Циркулярность — риск переоценённого сектора целиком
Учёт специфического риска компании	Явный (через WACC, качество денежного потока)	Обычно неявный или отсутствует
Скорость / масштабируемость	Низкая — трудоёмкое построение модели на 1 компанию	Высокая — легко применить к десяткам компаний сразу
Прозрачность для конечного пользователя	Низкая без явного раскрытия допущений	Высокая — «дешевле/дороже конкурента» интуитивно понятно
Устойчивость к рыночным пузырям	Теоретически устойчива	Уязвима — наследует переоценку всего сектора
Типичный пользователь	Инвестбанки, оценщики, долгосрочные value-инвесторы	Sell-side аналитики, ритейл-скрининг, быстрое сравнение

 

Раздел 2. Как это реализовано на duelstocks.com: научный разбор применённых методов

2.1 Общая архитектура: гибрид двух подходов

Сервис DUEL (duelstocks.com) методологически интересен именно тем, что не выбирает одну школу, а явно разделяет два отчёта под два разных эпистемологических основания, обсуждённых в разделе 1:

 

1. Battle Report — относительная оценка: восемь фундаментальных метрик, посчитанных исключительно из данных SEC EDGAR (10-K/10-Q), сравниваются между двумя компаниями и агрегируются во взвешенный скоринг (0–100 с каждой стороны).
2. DCF Valuation Report — абсолютная оценка: полноценная многофакторная DCF-модель с прогнозом на T0/+1/+2/+3 года и явной формулой Enterprise Value → Equity Value → Fair Value per Share.
3. STR Resilience Report — третий, отдельный слой, который не относится строго ни к абсолютной, ни к относительной школе: это оценка финансовой устойчивости (Fundamental Resilience Index) через 4 метрики ликвидности и качества прибыли с «светофорной» матрицей согласованности.

Это разделение само по себе — методологически грамотное решение: оно не смешивает в одном числе рыночное сравнение и прогноз будущего, что является типичной ошибкой упрощённых аналитических инструментов.

 2.2 Относительный слой (Battle Report): что сделано интересно

Мультифакторность вместо одного мультипликатора. В отличие от классической относительной оценки (P/E, EV/EBITDA), модель DUEL использует восемь ортогональных по экономическому смыслу метрик: Revenue Growth, Op. Cash Margin, ROIC, Sloan Ratio, Asset Turnover, Receivables T/O, Operating Margin, FCF Margin. Это существенно снижает риск того, что сравнение «упрётся» в одну искажённую метрику (например, P/E, бессмысленный при отрицательной прибыли).

Использование Sloan Ratio как метрики качества прибыли. Включение Sloan Ratio (Sloan, 1996, The Accounting Review) — не тривиальный выбор для розничного инструмента. Это академически признанная метрика для выявления earnings management через накопленные начисления (accruals), и её присутствие поднимает модель на уровень выше простого сравнения «кто больше растёт».

Явная, настраиваемая система весов под инвестиционный профиль. Документ Custom Factor Weights by Investor Profile показывает попытку формализовать то, что в классической литературе называется «investment style» (growth / quality / value / dividend investing) через явные веса метрик, а не через субъективное «на глаз». Кейс AAPL vs MSFT (52:48 в базовой модели) — хорошая демонстрация ключевого тезиса из раздела 1: относительная оценка — функция выбранных весов, и смена профиля инвестора разворачивает победителя (Quality-профиль отдаёт победу AAPL 59:41, Growth-профиль — MSFT 52:48).

Прозрачная методология расчёта. Battle Report раскрывает формулы и сырые входные данные для каждой метрики — это редкость даже для платных аналитических сервисов и напрямую снимает часть критики «чёрного ящика», характерной для относительной оценки.

2.3 Абсолютный слой (DCF Report): что сделано интересно

Трёхслойная корректировка качества (quality-adjusted DCF). Ключевое методологическое отличие DUEL DCF от «учебникового» DCF — три множителя качества, применяемых к базовому темпу роста:

• Sloan Ratio penalty (снижение g на 3–6% при высоких accruals) — механизм защиты от переоценки роста компаний с агрессивным бухгалтерским учётом;
• ROIC multiplier (1.00×–1.10×) — рост «весит больше», если он подкреплён высокой отдачей на капитал, что отсылает к идее Damodaran о «quality of growth» (рост без ROIC выше стоимости капитала не создаёт ценности);
• FCF Margin multiplier — аналогичная логика для качества конвертации выручки в денежный поток.

Это прямой практический ответ на критику из раздела 1.2 («garbage in, garbage out»): вместо слепого переноса исторического роста в будущее модель штрафует рост низкого качества.

WACC, выведенный из ROIC-тира, а не из рыночной волатильности. Нестандартное решение: бета определяется тиром ROIC (0.85–1.35), а не исторической ценовой волатильностью акции (как в классическом CAPM). Это снимает зависимость от рыночного шума в оценке риска, но одновременно вводит собственное, менее валидированное в академической литературе допущение (см. критику ниже).

Ограничение роста и терминального роста. Явный кэп на рост (35% в год) и на терминальный рост (min(g/2, 3%)) — прямая защита от классической ошибки DCF, когда единичное экстремальное значение CAGR разгоняет терминальную стоимость до абсурдных величин.

Сравнение с четырьмя альтернативными школами DCF. Документ DCF Model Comparison демонстрирует зрелое понимание позиционирования: модель явно сравнивается с Classic DCF, Damodaran DCF, Reverse DCF и Multiples-adjusted DCF по 10 критериям, включая честное признание собственной слабости («Growth capped 35%, no macro inputs»).

2.4 Чего, с научной точки зрения, может не хватать

Ниже — не критика ради критики, а перечень тех элементов, которые в академической и профессиональной практике valuation считаются стандартом, но не просматриваются в описанных материалах:

1. Отсутствие анализа чувствительности и сценариев. Классический DCF на выходе всегда сопровождается таблицей чувствительности (WACC × g) и/или Monte Carlo симуляцией диапазона fair value. DUEL DCF выдаёт единственное точечное значение на T0/+1/+2/+3 без доверительного интервала — это усиливает именно ту «иллюзию точности», о которой предупреждал Дамодаран.
2. Нет странового и макроэкономического риска в WACC. Cost of equity строится как Risk-Free (4.5%) + Beta × Market Premium (5.5%) без явной country risk premium — в отличие от Damodaran DCF, где это стандартный компонент. Для не-US компаний (если сервис планирует расширяться за пределы американских тикеров) это существенный пробел.
3. Relative-модель сравнивает только пару компаний, а не полноценную peer-группу. Формально «относительная оценка» в академическом смысле подразумевает сравнение с широкой группой сопоставимых компаний (сектор/индустрия), а не с одним произвольно выбранным оппонентом. Дуэль «CRM vs NOW» интересна как контент-формат, но методологически это скорее парное сравнение (paired comparison), чем классическая relative valuation против медианы сектора.
4. Базовые веса метрик заданы экспертно, а не эконометрически. Важная оговорка: в PRO-версии сервиса пользователь может самостоятельно задать любые веса под собственный инвестиционный профиль — базовые значения (в т.ч. в примерах Growth/Quality/Value/Dividend из PDF-гайда) являются лишь отправной точкой, а не жёстко зашитой моделью. С научной точки зрения это скорее сильная сторона (прозрачность и контроль пользователя над предпосылками), чем недостаток — но методологически честно отметить, что ни базовые, ни пользовательские веса пока не откалиброваны через регрессию на исторические доходности или систематический бэктест. Это открытый вопрос для дальнейшего развития модели, а не критика конкретной реализации.
5. Отсутствует явное сопоставление DCF fair value с текущей рыночной ценой в терминах margin of safety. Отчёт показывает fair value T0/+1/+2/+3, но не показывает explicit % upside/downside к текущей цене на графике — хотя это тривиально вычисляется и является стандартным элементом любого DCF-отчёта.
6. Смешение периодов (Quarter vs Annual) в Battle Report — сам сервис честно об этом предупреждает в отчёте («Sloan Ratio [Q]» против остальных метрик «[Y]»), но с научной точки зрения смешение квартальных и годовых данных без аннуализации вносит систематическое искажение в скоринг, особенно для метрик с сезонностью.
7. Нет учёта разводнения (dilution) и buyback-эффекта в прогнозе Fair Value per Share. Shares Outstanding берётся как фиксированное число на T0 и не прогнозируется вперёд — для компаний с активной SBC-эмиссией (типично для tech, включая CRM/NOW) это может завышать fair value per share на длинном горизонте.

Эти пункты — не недостатки в смысле «сервис сделан плохо»; наоборот, они показывают зрелость модели, потому что перечисленные ограничения типичны даже для профессиональных sell-side моделей и являются известными компромиссами между простотой инструмента и полнотой академической модели.

Раздел 3. Практический пример: NVIDIA против AMD — когда три метода расходятся во мнениях

3.1 Почему именно этот кейс

Для практической иллюстрации взят кейс NVDA vs AMD — не только потому что это одна из самых обсуждаемых пар на рынке, но и потому что на ней особенно наглядно проявляется главный тезис статьи: относительная оценка, абсолютная оценка и оценка устойчивости — это три разных вопроса, которые дают три разных ответа, и ни один из них по отдельности не даёт полной картины. Для проверки, что это не случайность одного примера, ниже кейс NVDA/AMD дополнен кросс-проверкой на двух других дуэлях того же дня (GOOGL/META*, AMZN/WMT), рассчитанных по идентичной методологии.

3.2 Слой 1 — относительная оценка (Battle Report): «NVIDIA раздавила AMD»

Взвешенный скоринг по восьми метрикам даёт счёт 92: 8 — категория «Dominant». Разрыв формируется практически по всем компонентам:

Метрика	NVDA	AMD	Вес
Revenue Growth (3Y CAGR)	100.05%	13.64%	16%
Op. Cash Margin	47.57%	22.26%	15%
ROIC	51.01%	4.46%	15%
Operating Margin	60.38%	10.66%	12%
FCF Margin	47.50%	19.44%	12%
Asset Turnover	0.83x	0.43x	10%
Receivables T/O	5.30x	5.74x	8%

Это ровно тот сценарий, в котором относительная оценка выполняет свою прямую функцию: она агрегирует множество разнородных, но экономически значимых сигналов в один интуитивно понятный вывод — NVIDIA прямо сейчас операционно превосходит AMD практически по всем фронтам. ROIC 51% против 4.46% — разрыв на порядок, который невозможно списать на округление или временный эффект.

3.3 Слой 2 — абсолютная оценка (DCF Report): счёт в деньгах, а не в баллах

DCF-модель переводит операционное превосходство в конкретную денежную величину:

Параметр	NVDA	AMD
Enterprise Value (T0)	$4 285.24 B	$108.03 B
Fair Value per share (T0)	$176.47	$67.72
WACC (риск, выведенный из ROIC-тира)	8.95%	11.56%
Fair Value +3 года	$202.24 (+14.6%)	$83.98 (+24.0%)

Здесь начинается первое расхождение, важное методологически: несмотря на счёт 92:8 в пользу NVIDIA, модельный апсайд к цене на 3-летнем горизонте у AMD выше — 24.0% против 14.6% у NVIDIA. Причина видна из формулы: NVIDIA уже торгуется по мультипликатору, отражающему её лидерство (EV почти $4.3 трлн), поэтому даже кэпированный на 35% рост создаёт меньший относительный апсайд от уже высокой базы, чем умеренный 13.6%-й рост AMD от низкой базы. Это ключевая иллюстрация тезиса из раздела 1.4: относительная оценка отвечает на вопрос «кто сейчас лучше», а абсолютная — «сколько ещё стоит заплатить за это преимущество». Это разные вопросы, и здесь ответы буквально расходятся местами лидера и аутсайдера.

3.4 Слой 3 — устойчивость (STR Report): контринтуитивный поворот

Это самый «хайповый» элемент кейса. Fundamental Resilience Index:

Метрика	NVDA	AMD
FRI (итог)	🟡 64 — MODERATE RESILIENCE	🟢 100 — HIGH RESILIENCE
Cash-to-Debt Coverage	12.24x (100 баллов)	4.12x (100 баллов)
Investment Self-Sufficiency (FCF/CAPEX)	739.39x (100 баллов)	6.91x (100 баллов)
Earnings Quality (CFO/Op.Income)	🔴 0.79x — 49 баллов	2.09x — 100 баллов
Liquidity Runway (Cash/Annual Burn)	🔴 0.5 года — 8 баллов	Inf — 100 баллов

Компания, которая только что выиграла дуэль со счётом 92:8 и чья DCF-модель оценивает её в $4.28 трлн Enterprise Value, получает по индексу устойчивости лишь 64 из 100— против идеальных 100 у аутсайдера дуэли. Два компонента тянут NVIDIA вниз: Earnings Quality Ratio ниже 1.0 (операционная прибыль превышает операционный денежный поток — сигнал, обратный тому, что обычно считается «хорошим»), и Liquidity Runway всего 0.5 года по метрике Cash/Annual Burn.

Здесь необходима научная осторожность в интерпретации: при CFO $102.7 млрд и FCF $102.6 млрд ни о какой реальной угрозе банкротства для NVIDIA речи не идёт — низкий Liquidity Runway в данном случае, вероятнее всего, отражает специфику формулы метрики (соотношение кэша на балансе к некоторому расчётному «burn rate»), а не операционную слабость компании. Это хорошая демонстрация ограничения №5–7 из раздела 2.4: метрика, разработанная для выявления жгущих кэш убыточных компаний, может давать контринтуитивный результат на прибыльном гиганте с иной структурой баланса. Тем не менее сам факт, что один и тот женабор данных SEC EDGAR даёт три разных вывода в зависимости от того, какой вопрос мы задаём — это ровно тот методологический урок, ради которого написана эта статья.

3.5 Кросс-проверка: тот же паттерн на GOOGL/META* и AMZN/WMT

 Чтобы не строить вывод статьи на одном эффектном, но потенциально случайном примере, тот же тип расхождения проверяется на двух других дуэлях того дня:

GOOGL vs META* — счёт дуэли 10:90, категория Dominant в пользу META*. Но по устойчивости разрыва почти нет: FRI 85 (GOOGL) против 83 (META*) — обе компании в категории HIGH RESILIENCE с разницей в 2 балла, статистически незначимой на таком индексе. При этом DCF-апсайд на 3 года: GOOGL +18.2%, META* +16.2% — то есть у номинального проигравшего дуэли модельный апсайд выше, чем у победителя. Ровно тот же паттерн, что и в NVDA/AMD: относительный разгром 10:90 не транслируется ни в разгром по устойчивости, ни в преимущество по абсолютному апсайду.

AMZN vs WMT — здесь дуэль, напротив, близкая (55:45, Moderate), но по устойчивости разрыв заметный: FRI 100 (AMZN) против 71 (WMT), из-за низкой Investment Self-Sufficiency у Walmart (FCF/CAPEX 0.56x — компания вынуждена больше финансировать капвложения извне, в отличие от AMZN с 19.03x). При этом DCF-апсайд почти идентичен: AMZN +18.6%, WMT +18.7%. Здесь три метода снова расставляют акценты по-разному: относительная оценка видит умеренное превосходство AMZN, устойчивость — существенное превосходство AMZN, а абсолютная оценка — практически ничью в апсайде.

Пара	🎯 Duel Score (относительная)	🛡️ FRI (устойчивость)	📈 DCF Upside +3Y (абсолютная)
NVDA vs AMD	92: 8 (Dominant, NVDA)	64 vs 100 AMD выше!	NVDA +14.6% vs AMD +24.0%
GOOGL vs META*	10: 90 (Dominant, META*)	85 vs 83 почти равны	GOOGL +18.2% vs META* +16.2%
AMZN vs WMT	55: 45 (Moderate, AMZN)	100 vs 71 AMZN выше	AMZN +18.6% vs WMT +18.7% почти равны

Закономерность видна невооружённым глазом: счёт относительной дуэли не предсказывает ни ранжирование по устойчивости, ни ранжирование по модельному апсайду. Во всех трёх парах хотя бы один из двух других методов даёт вывод, прямо противоречащий или существенно не совпадающий с итогом Battle Report.

  Общий вывод

 Что даёт каждый метод по отдельности

 Возвращаясь к «техническим характеристикам» каждого подхода, зафиксированным в таблице раздела 1: относительная оценка (Battle Report) — это моментальный снимок операционного превосходства здесь и сейчас, взвешенный по выбранным пользователем приоритетам. Она быстро отвечает на вопрос «кто сейчас сильнее как бизнес» и хорошо справляется с этой задачей: счёт 92:8 для NVDA vs AMD — это не ошибка модели, а корректное отражение реального разрыва в ROIC, марже и росте.

 Абсолютная оценка (DCF Report) отвечает на принципиально другой вопрос — «сколько это стоит и сколько ещё можно заработать, купив сейчас». Она явно учитывает, что превосходство уже частично отражено в цене (через размер EV и WACC), и поэтому может присудить более высокий модельный апсайд аутсайдеру дуэли. Это не противоречие, а разделение труда: одна метрика измеряет качество бизнеса, другая — соотношение цены и качества.

Слой устойчивости (STR Report)отвечает на третий, ещё более узкий вопрос — «что будет, если условия ухудшатся». Это единственный из трёх слоёв, который в кейсе NVDA/AMD прямо предупреждает: лидер дуэли не гарантированно является более безопасным выбором с точки зрения структуры баланса и качества прибыли.

Практическое преимущество

Ключевой практический вывод для инвестора, использующего подобный инструмент: ни один из трёх отчётов не должен читаться в отрыве от двух других. Если бы существовал только Battle Report, инвестор видел бы лишь тотальное превосходство NVIDIA. Если бы существовал только DCF, он не увидел бы такого явного разрыва в операционном качестве. Если бы существовал только STR, он мог бы ошибочно решить, что AMD — более безопасная ставка, чем NVIDIA, без учёта того, что счёт 92:8 всё же отражает реальное и устойчивое операционное превосходство. Только комбинация всех трёх линз — относительной, абсолютной и качества/устойчивости — даёт непротиворечивую и практически применимую картину, что и является методологическим преимуществом гибридного подхода, реализованного в связке трёх отчётов DUEL, перед изолированным использованием любого из классических методов оценки по отдельности.

* -  дисклеймер: «Meta Platforms Inc. признана экстремистской организацией и её деятельность запрещена на территории Российской Федерации»

Не является инвестиционной рекомендацией. Все данные — из публичных отчётов SEC EDGAR (10-K/10-Q), обработанных сервисом duelstocks.com.