Localiza Rent a Car S.A (RENT3) Fair Value & Analyse
Industrials · BR · Marktkap. R$44.5B
Fair Value Stand: 24.06.2026
Analyse
Localiza Rent a Car S.A (RENT3) notiert aktuell bei R$41.78, während unser modellbasierter Fair Value bei R$37.33 liegt — das entspricht einer Einschätzung von 10.7% überbewertet. Die Geschäftsqualität bewerten wir mit 95/100 (hohe Qualität), Sektor Industrials. 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).
Über das Unternehmen
Localiza Rent a Car S.A. ist zusammen mit seinen Tochtergesellschaften im Autovermietungsgeschäft in Brasilien und international tätig. Es ist an der Flottenverwaltung und -verwaltung beteiligt. Verkauf und Betreuung von Gebrauchtwagen; Gewährung von Franchises; Verwaltung von Kfz-Schaden; Bereitstellung von Tracking- und Telemetrielösungen; Dienstleistungen einer Reise- und Tourismusagentur; und andere Kfz-Dienstleistungen. Das Unternehmen bietet auch Zarp an, ein App-basiertes Netzwerk speziell für Fahrer zur Autovermietung. Es bedient natürliche und juristische Personen. Das Unternehmen wurde 1973 gegründet und hat seinen Hauptsitz in Belo Horizonte, Brasilien.
Vollständige interaktive Analyse öffnen →
Ähnliche Aktien
Häufige Fragen
Ist Localiza Rent a Car S.A (RENT3) unterbewertet?
Was ist der Fair Value von RENT3?
Wie hoch ist der Qualitäts-Score von RENT3?
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.