Shanghai Kaytune Industrial Co (301001) Fair Value & Analyse
Consumer Cyclical · CN · Marktkap. 2.0B CNY
Fair Value Stand: 24.06.2026
Analyse
Shanghai Kaytune Industrial Co (301001) notiert aktuell bei ¥23.97, während unser modellbasierter Fair Value bei ¥7.98 liegt — das entspricht einer Einschätzung von 66.7% überbewertet. Die Geschäftsqualität bewerten wir mit 95/100 (hohe Qualität), Sektor Consumer Cyclical. Bär-Case: Da der Kurs über unserer Schätzung liegt, preist der Markt bereits hohe Erwartungen ein. Bull-Case: Eine überdurchschnittliche Qualität kann einen Aufpreis rechtfertigen — entscheidend bleibt der Einstiegskurs (Evidenz: mittel).
Über das Unternehmen
Shanghai Kaytune Industrial Co.,Ltd provides e-commerce and customer relationship management services to enterprises in China and internationally. It also offers customer management, brand marketing, visual design, store operation, logistics distribution, system development, and member management services, as well as operates customer service center. The company was formerly known as Shanghai Kaiyi Industrial Co., Ltd. and changed its name to Shanghai Kaytune Industrial Co.,Ltd in October 2016. Shanghai Kaytune Industrial Co.,Ltd was founded in 2008 and is headquartered in Shanghai, China.
Vollständige interaktive Analyse öffnen →
Ähnliche Aktien
Häufige Fragen
Ist Shanghai Kaytune Industrial Co (301001) unterbewertet?
Was ist der Fair Value von 301001?
Wie hoch ist der Qualitäts-Score von 301001?
Wie wir den Fair Value berechnen
Jedes Unternehmen wird durch einen Stapel unabhängiger Intrinsic-Value-Modelle bewertet (DCF-Varianten, Residual-Income, Multiples u. a.), die zu einem familienausgewogenen Konsens verschmolzen und nach der Datenqualität gewichtet werden. Eine separate Qualitäts-Ebene bewertet die Fundamentaldaten. Alle Eingaben sind real gemeldete Daten — nichts geschätzt.
Nur zu Bildungs- und Recherchezwecken · keine Anlageberatung · keine Kauf-/Verkaufsempfehlung. Modellbasierte Schätzungen sind keine Gewissheiten; ihre Verlässlichkeit hängt von Datenqualität und Annahmen ab.