EPN-V2

ØABED3700 Valuation - Equity Research Course description

Course name in Norwegian
Valuation - Equity Research
Study programme
Bachelor Programme in Business Administration and Economics
Weight
7.5 ECTS
Year of study
2022/2023
Curriculum
SPRING 2023
Schedule
Course history

Introduction

The course covers advanced valuation techniques used for thorough modeling of a firm's value. The aim is to provide students with advanced knowledge and in-depth understanding of the concepts behind fundamental value, and the underlying assumptions to sensibly apply their existing theoretical understanding of valuation. The goal is no longer to calculate a price, but to build a model to understand how different assumptions or potential future events impact the value of the firm. The course will be relevant for students seeking a career in equity research, investment banking, management consulting, and larger corporations in Norway and internationally.

Required preliminary courses

ØABED3000/4000 Corporate Finance

Learning outcomes

Emnet gir en innføring i hvordan kvantitative analyser kan brukes som verktøy for verdiskaping i en virksomhet. Vi analyserer flere forskjellige typer bedriftsøkonomiske beslutningsproblemer ved hjelp av matematiske modeller og dataverktøy. Vi vil hele tiden vektlegge tolkning av analyseresultater, samt implikasjoner for økonomisk styring og planlegging.

Eksempler på typer beslutningsproblem:

*Hvordan sette opp en effektiv bemanningsplan når behovet for arbeidskraft varierer over tid?

*Hvordan utforme en optimal transportplan for en forsyningskjede?

*Hvordan velge lokalisering av produksjon og lager i en forsyningskjede?

*Hvordan sette opp en investeringsplan med krav til forventet avkastning og diversifisering?

*Hvordan lage etterspørselsprognoser basert på historiske data?

*Hvordan sesongjusterer vi en boligprisindeks?

*Hvordan kan vi bruke simulering for å bedre forstå variasjonen i et prosjekts kontantstrøm over forskjellige mulige scenario?

*Hvordan du kan bruke statistikkverktøy til å identifisere mønstre i store datamengder («Big Data»).

Teaching and learning methods

Ingen forkunnskapskrav.

Course requirements

Studenten skal etter å ha fullført emnet ha følgende totale læringsutbytte definert i kunnskaper, ferdigheter og generell kompetanse:

Kunnskaper

Studenten har

  • kunnskap om grunnleggende anvendelse av metodene Beslutningsteori, Lineær Programmering, Simulering, Prediksjonsmodeller, og Data Mining (klassifisering og assosiasjon)
  • kunnskap om hvordan kvantitative metoder og optimering kan brukes for å løse bedriftsøkonomiske beslutningsproblemer

Ferdigheter

Studenten kan

  • utføre analyser av beslutningsproblemer og treffe beslutninger basert på maximin, minimax, minimax og alternativkostnad
  • tegne beslutningstrær og treffe beslutninger basert på disse
  • utføre enkel og multippel regresjonsanalyse ved hjelp av relevant programvare og fortolke resultater
  • utarbeide prognoser ved hjelp av f.eks. bevegelig gjennomsnitt, eksponensiell glatting og regresjonsanalyse
  • formulere problemstillinger som lar seg løse ved hjelp av lineær programmering, samt vurdere skyggepriser og verdien av økt kapasitet
  • formulere og løse transportproblemer
  • bruke relevant dataverktøy for å løse bedriftsøkonomiske beslutningsproblemer
  • implementere enkle simuleringsmodeller i relevant dataverktøy
  • gjennomføre data mining (klassifisering og assosiasjonsmetoder) i relevant dataverktøy

Generell kompetanse

Studenten

  • har økt numerisk og analytisk kompetanse
  • kan reflektere rundt etiske problemstillinger knyttet til bedriftsøkonomiske beslutningsproblem
  • kan løse problemer i grupper

Assessment

Ingen arbeidskrav. Ingen obligatorisk aktivitet.

Permitted exam materials and equipment

Eksamen i emnet er:

Skoleeksamen på 4 timer avholdes i slutten av semesteret.

Grading scale

Ingen hjelpemidler er tillatt.

Examiners

Gradert skala A-F.