Fairvalue-Calculator Fairvalue-Calculator
EN DE

AXLM (AXLM) Fair Value & Analyse

Consumer Non-Cyclicals · PH · Marktkap. 10.9B PHP

Kurs2.57 PHP
Fair Value2.33 PHP
Potenzial-9.3%
Qualität92/100
Evidenz: Hoch Spanne 1.40 PHP – 3.55 PHP

Fair Value Stand: 24.06.2026

Analyse

AXLM (AXLM) notiert aktuell bei 2.57 PHP, während unser modellbasierter Fair Value bei 2.33 PHP liegt — das entspricht einer Einschätzung von 9.3% überbewertet. Die Geschäftsqualität bewerten wir mit 92/100 (hohe Qualität), Sektor Consumer Non-Cyclicals. 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: hoch).

Vollständige interaktive Analyse öffnen →

Ähnliche Aktien

FB (FB) +13% URC (URC) -38% MONDE (MONDE) -80% CNPF (CNPF) +76% DNL (DNL) +40% RFM (RFM) +60%

Häufige Fragen

Ist AXLM (AXLM) unterbewertet?
Stand 24.06.2026 schätzt unser Modell den Fair Value auf 2.33 PHP gegenüber einem Kurs von 2.57 PHP — rund −9% (überbewertet). Modellbasierte Schätzung, keine Anlageberatung.
Was ist der Fair Value von AXLM?
Unser aus 21 Modellen berechneter Fair Value für AXLM liegt bei 2.33 PHP (Stand 24.06.2026), basierend auf geprüften Fundamentaldaten. Aktueller Kurs: 2.57 PHP.
Wie hoch ist der Qualitäts-Score von AXLM?
AXLM hat einen Qualitäts-Score von 92/100 — er misst Profitabilität, Wachstum und Bilanzstärke aus nicht-bewertungsbezogenen Faktoren.

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.