Fairvalue-Calculator Fairvalue-Calculator
EN DE

DFNN (DFNN) Fair Value & Analyse

Technology · PH · Marktkap. 962M PHP

Kurs0.7600 PHP
Fair Value1.15 PHP
Potenzial+51.3%
Qualität92/100
Evidenz: Niedrig Spanne 0.8700 PHP – 1.44 PHP

Fair Value Stand: 23.06.2026

Unterbewertete Qualitätsaktien finden — 34.000+ analysiert Aktien finden →

Analyse

DFNN (DFNN) notiert aktuell bei 0.7600 PHP, während unser modellbasierter Fair Value bei 1.15 PHP liegt — das entspricht einer Einschätzung von 51.3% unterbewertet. Die Geschäftsqualität bewerten wir mit 92/100 (hohe Qualität), Sektor Technology. Bull-Case: Notiert die Aktie unter unserer Schätzung, könnte sich bei bestätigten Fundamentaldaten Aufwärtspotenzial ergeben. Bär-Case: Ein scheinbar günstiger Kurs kann eine Value-Falle sein, wenn die Qualität schwach ist oder die Datenlage dünn ist (Evidenz: niedrig).

Vollständige interaktive Analyse öffnen →

Ähnliche Aktien

Häufige Fragen

Ist DFNN (DFNN) unterbewertet?
Stand 23.06.2026 schätzt unser Modell den Fair Value auf 1.15 PHP gegenüber einem Kurs von 0.7600 PHP — rund +51% (unterbewertet). Modellbasierte Schätzung, keine Anlageberatung.
Was ist der Fair Value von DFNN?
Unser aus 21 Modellen berechneter Fair Value für DFNN liegt bei 1.15 PHP (Stand 23.06.2026), basierend auf geprüften Fundamentaldaten. Aktueller Kurs: 0.7600 PHP.
Wie hoch ist der Qualitäts-Score von DFNN?
DFNN 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.