Fairvalue-Calculator Fairvalue-Calculator
EN DE

RIOCF (RIOCF) Fair Value & Analyse

Real Estate · US · Marktkap. $4.7B

Kurs$15.92
Fair Value$5.52
Potenzial-65.3%
Qualität95/100
Evidenz: High Spanne $2.13 – $7.60

Analyse

RIOCF (RIOCF) notiert aktuell bei $15.92, während unser modellbasierter Fair Value bei $5.52 liegt — das entspricht einer Einschätzung von 65.3% überbewertet. Die Geschäftsqualität bewerten wir mit 95/100 (hohe Qualität), Sektor Real Estate. 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

RioCan Real Estate Investment Trust meets the everyday shopping needs of Canadians through the ownership, management and development of necessity-based retail properties in densely populated communities. As at March 31, 2026, our portfolio is comprised of 167 properties with an aggregate net leasable area of approximately 32 million square feet (at RioCan's interest). RioCan Real Estate Investment Trust was established and incorporated on November 30, 1993 in Ontario, Canada.

Vollständige interaktive Analyse öffnen →

Ähnliche Aktien

Simon Property Group (SPG) -48% Realty Income Corporation (R1IN34) -45% Unibail-Rodamco-Westfield SE (UNBLF) -2% Kimco Realty Corporation (KIM) -19% Scentre Group (STGPF) -12% CapitaLand Integrated Commercial Trust (CICT or the Trust) (CPAMF) -45%

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.