Fairvalue-Calculator Fairvalue-Calculator
EN DE

RLT (RLT) Fair Value & Analyse

Real Estate · PH · Marktkap. 1.1B PHP

Kurs0.0990 PHP
Fair Value0.2465 PHP
Potenzial+149.0%
Qualität92/100
Evidenz: Niedrig Spanne 0.1851 PHP – 0.3623 PHP

Fair Value Stand: 26.06.2026

Unterbewertete Qualitätsaktien finden — 34.000+ analysiert Aktien finden →

Analyse

RLT (RLT) notiert aktuell bei 0.0990 PHP, während unser modellbasierter Fair Value bei 0.2465 PHP liegt — das entspricht einer Einschätzung von 149.0% unterbewertet. Die Geschäftsqualität bewerten wir mit 92/100 (hohe Qualität), Sektor Real Estate. 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 RLT (RLT) unterbewertet?
Stand 26.06.2026 schätzt unser Modell den Fair Value auf 0.2465 PHP gegenüber einem Kurs von 0.0990 PHP — rund +149% (unterbewertet). Modellbasierte Schätzung, keine Anlageberatung.
Was ist der Fair Value von RLT?
Unser aus 21 Modellen berechneter Fair Value für RLT liegt bei 0.2465 PHP (Stand 26.06.2026), basierend auf geprüften Fundamentaldaten. Aktueller Kurs: 0.0990 PHP.
Wie hoch ist der Qualitäts-Score von RLT?
RLT 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.