Ratchthani Leasing Public Company (THANI) Fair Value & Analyse
Financial Services · TH · Marktkap. 10.1B THB
Fair Value Stand: 26.06.2026
Analyse
Ratchthani Leasing Public Company (THANI) notiert aktuell bei 1.71 THB, während unser modellbasierter Fair Value bei 2.40 THB liegt — das entspricht einer Einschätzung von 40.4% unterbewertet. Die Geschäftsqualität bewerten wir mit 95/100 (hohe Qualität), Sektor Financial Services. 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: hoch).
Über das Unternehmen
Ratchthani Leasing Public Company Limited, together with its subsidiary, provides hire-purchase and leasing services in Thailand. The company offers hire purchase loans for new and used cars; refinance and car title loans; financial lease; loans for solar panel installation; and loans to car dealerships. It also provides auto and property insurance products, as well as annual tax registration, auctions, and truck to you services. The company was founded in 1988 and is headquartered in Bangkok, Thailand. Ratchthani Leasing Public Company Limited is a subsidiary of Thanachart SPV1 Co., Ltd.
Vollständige interaktive Analyse öffnen →
Ähnliche Aktien
Häufige Fragen
Ist Ratchthani Leasing Public Company (THANI) unterbewertet?
Was ist der Fair Value von THANI?
Wie hoch ist der Qualitäts-Score von THANI?
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.