• Định giá tương đối là phương pháp so sánh giá trị một doanh nghiệp với các công ty cùng ngành thông qua chỉ số như lợi nhuận, doanh thu, mức nợ; tuy nhiên, quá trình chọn công ty so sánh bị ảnh hưởng bởi tính chủ quan, dẫn tới sai lệch kết quả.

• Việc phân loại ngành nghề không thống nhất giữa các hệ thống như GICS và NAICS khiến một công ty như Google có thể bị xếp vào nhóm truyền thông hoặc hạ tầng điện toán – tạo ra rủi ro khi chọn doanh nghiệp so sánh.

• Tác giả đề xuất phương pháp mới kết hợp AI (đặc biệt là Gradient Boosting Machines – GBMs) vào định giá, sử dụng dữ liệu lịch sử để tìm ra mô hình, mối quan hệ phức tạp mà phương pháp truyền thống bỏ sót.

• Thuật toán sẽ phân tích hàng loạt thông số tài chính như doanh thu, lợi nhuận, hệ số nợ… để xác định mức độ tương đồng giữa các công ty, loại bỏ phần lớn yếu tố cảm tính.

• Mỗi công ty so sánh được gán một "peer weight" – trọng số minh bạch cho thấy mức độ đóng góp của từng công ty vào kết quả định giá cuối cùng, giúp chuyên gia tài chính dễ dàng truy xuất nguồn gốc và lý giải kết quả.

• Ứng dụng thực tế với Mastercard, AI đã chọn ra 5 công ty có mức so sánh cao nhất là Apple, S&P Global, Eli Lilly and Company, Lockheed Martin và United Parcel Service – đều không phải công ty tài chính truyền thống.

• Yếu tố ảnh hưởng mạnh nhất đến định giá của Mastercard là lợi nhuận trên vốn chủ sở hữu (return on equity), tiếp theo là lợi nhuận trên tài sản hàng quý.

• Quan hệ giữa các công ty được minh họa bằng mạng lưới, nơi Mastercard nằm gần các công ty công nghệ như Nvidia, Apple, Microsoft, Texas Instruments và Tesla, thay vì các ngân hàng hoặc tổ chức tài chính lớn.

📌 Phương pháp định giá ứng dụng AI tạo sinh bằng thuật toán GBMs giúp giảm chủ quan, tăng minh bạch và phát hiện các doanh nghiệp so sánh bất ngờ, như trường hợp Mastercard kết nối chặt với nhóm công nghệ thay vì các công ty tài chính truyền thống. Dữ liệu lịch sử và trọng số minh bạch là điểm nhấn giúp cải thiện độ tin cậy khi định giá doanh nghiệp.