Normalisert inntjening er et begrep som brukes for å beskrive et selskaps inntjening som er justert for å fjerne effekten av engangs- eller engangsposter. Dette gir investorer et mer nøyaktig bilde av et selskaps sanne inntjening. Hva er normalisert FCF? Normalisert FCF er et mål på et selskaps frie kontantstrøm som er justert for å fjerne virkningen av engangsposter og endringer i arbeidskapital. Denne beregningen er nyttig for å sammenligne kontantstrømmene til selskaper med ulik regnskapspraksis eller for selskaper som har opplevd betydelige endringer i arbeidskapitalen.
Hva er normalisering og hvorfor er det viktig?
Normalisering er prosessen med å justere regnskapet for å være lett sammenlignbart. Dette gjøres ved å fjerne varer som er enganger, eller justere for varer som ikke forekommer i hver periode. Normalisering er viktig fordi det lar investorer lettere sammenligne selskaper, og se hvordan et selskap presterer over tid. Uten normalisering ville det vært svært vanskelig å sammenligne selskaper, og å få øye på trender.
Hva er et annet ord for normalisere?
Definisjonen av normalisere, ifølge Investopedia, er "å justere priser, renter, utbytte, etc. for å fjerne virkningene av inflasjon eller andre eksterne krefter, og gjøre sammenligninger mulig."
Et synonym for normalisere vil være "å justere."
Hva er de forskjellige typene normalisering?
Det er fire hovedtyper av normalisering: min-maks normalisering, z-score normalisering, desimalskaleringsnormalisering og gjennomsnittlig normalisering.
1. Min-maks-normalisering: også kjent som min-maks-skalering eller Reskalering, er den enkleste metoden for å skalere data. Den skalerer dataene til å passe innenfor et spesifikt område, vanligvis 0 til 1. For å omskalere dataene trekker du minimumsverdien fra hvert datapunkt og deler deretter på differansen mellom maksimums- og minimumsverdiene.
2. Z-score normalisering: også kjent som standardisering, middelfjerning eller gaussisk transformasjon, transformerer dataene slik at fordelingen er sentrert rundt 0, med et standardavvik på 1. For å standardisere dataene trekker du gjennomsnittet fra hvert datapunkt og del deretter på standardavviket.
3. Desimalskaleringsnormalisering: transformerer dataene slik at alle verdier skaleres med en faktor på 10, 100, 1000 osv. Denne typen normalisering brukes ofte når dataene er svært store eller svært små. For å desimalskalere dataene deler du hvert datapunkt med faktoren (10, 100, 1000 osv.).
4. Gjennomsnittlig normalisering: reskalerer dataene slik at gjennomsnittet av dataene er 0. For å bety normalisere dataene trekker du gjennomsnittet fra hvert datapunkt.
Hvorfor EV EBITDA er bedre enn EV EBIT?
EV/EBITDA brukes ofte i stedet for EV/EBIT fordi EBITDA er et mål på et selskaps inntjening før renter, skatter, avskrivninger og amortiseringer. Dette gjør det til en god proxy for et selskaps kontantstrøm.
Det er noen grunner til at bruk av EV/EBITDA kan være å foretrekke fremfor å bruke EV/EBIT. For det første er EBITDA mindre følsom for regnskapsvalg enn EBIT. Dette er fordi det ekskluderer elementer som avskrivninger og amortisering, som kan påvirkes av regnskapsvalg.
For det andre er EBITDA et bedre mål på et selskaps sanne kontantstrøm. Dette er fordi det ekskluderer elementer som renter og skatter, som kan variere mye fra år til år.
For det tredje er EV/EBITDA mer vanlig brukt enn EV/EBIT. Dette betyr at det er lettere å finne sammenlignbare selskaper ved bruk av EV/EBITDA.
Samlet sett er EV/EBITDA et bedre mål på et selskaps verdi enn EV/EBIT.