Métodos de valoración de empresas: aplicación de un modelo estocástico al sector industrial.

Abstract

El objetivo principal del proyecto es analizar el impacto de la estadística y modelos estocásticos en metodologías tradicionales de valoración de empresas, específicamente en el dinámico sector industrial. El proyecto se centró en la valoración de Audax Renovables, empresa de generación y comercialización de energía 100% renovable, utilizando un modelo DCF determinista y un modelo estocástico mediante simulaciones de Monte Carlo.

La metodología incluyó análisis cualitativos y cuantitativos. Se realizó un análisis PESTEL para estudiar factores macroambientales, las 5 Fuerzas de Porter para las dinámicas del mercado y un análisis DAFO de la empresa, además de los estados financieros y la eficiencia operativa.

Primero, se realizó una valoración financiera con un modelo DCF determinista, proyectando flujos de caja futuros con hipótesis fijas. Este método proporcionó un valor de empresa de 1.232,27 millones de euros y un precio por acción de 2,14€/acción, comparado con el precio de mercado de 1,90€/acción a 16 de mayo de 2024.

Luego, se implementó un modelo DCF estocástico con simulaciones de Monte Carlo. Las variables clave se modelaron con distribuciones de probabilidad basadas en datos históricos, realizando 10,000 iteraciones para generar una distribución de posibles resultados. Se utilizó un código Python para identificar las distribuciones de mejor ajuste mediante pruebas de Kolmogorov-Smirnov.

El modelo estocástico arrojó valores medianos de 1.521,70 millones de euros para el valor de empresa y 2,77€/acción. Estos resultados mostraron una evaluación más completa del riesgo e incertidumbre, ofreciendo una visión detallada de futuros escenarios.

Sin embargo, se observó alta variabilidad en los resultados, subrayando la necesidad de datos históricos de alta calidad y la inclusión de análisis cualitativos para reflejar la realidad de la industria y la empresa. La comparación entre modelos demostró que las simulaciones de Monte Carlo proporcionan una visión más robusta y realista del valor empresarial, crucial para decisiones estratégicas en entornos volátiles y complejos.The main objective of the project is to analyse the impact of statistics and stochastic models on traditional company valuation methodologies, specifically in the dynamic industrial sector. The project focused on the valuation of Audax Renovables, a 100% renewable energy generation and commercialisation company, using a deterministic DCF model and a stochastic model through Monte Carlo simulations.

The methodology included qualitative and quantitative analyses. A PESTEL analysis was performed to study macro-environmental factors, Porter's 5 Forces for market dynamics and a SWOT analysis of the company, as well as financial statements and operational efficiency.

First, a financial valuation was performed with a deterministic DCF model, projecting future cash flows with fixed assumptions. This method provided an enterprise value of 1,232.27 million euros and a price per share of 2.14 euros/share, compared to the market price of 1.90 euros/share as of 16 May 2024.

A stochastic DCF model was then implemented with Monte Carlo simulations. Key variables were modelled with probability distributions based on historical data, performing 10,000 iterations to generate a distribution of possible outcomes. Python code was used to identify best-fit distributions using Kolmogorov-Smirnov tests.

The stochastic model yielded median values of €1,521.70 million for enterprise value and €2.77/share. These results showed a more complete assessment of risk and uncertainty, providing a detailed view of future scenarios.

However, high variability in the results was observed, underlining the need for high quality historical data and the inclusion of qualitative analysis to reflect the reality of the industry and the company. The model comparison showed that Monte Carlo simulations provide a more robust and realistic view of business value, crucial for strategic decisions in volatile and complex environments.