北京时间4月10日上午消息,摩根士丹利今天发布研究报告,维持雅虎股票“增持”(Overweight)评级,以及55美元的目标股价不变。报告称,大摩对雅虎的乐观预期是由于买入该股相当于廉价买入阿里巴巴,而雅虎的核心业务将继续萎缩。要想避免盈利的下滑,该公司需要裁员至少11%。
以下为报告概要:
我们55美元的目标价是假设雅虎的核心业务仍将继续萎缩,但如果该公司裁员11%,便有可能将令分拆阿里巴巴之后的雅虎核心业务价值增加每股3.9美元,增幅达到77%。
我们最近之所以对雅虎预期乐观,是认为投资雅虎股票是买入阿里巴巴股票的廉价方式。但我们也经常被问及雅虎的核心业务,以及2014年的 EBITDA(未计利息、税项、摊销及折旧前盈利)真的会成为雅虎管理层所说的“低点”吗?我们的基本模型并不这么认为(该模型预计雅虎2015和 2016年的EBITDA将分别减少21%和5%),但成本压缩的确可以带来实质性的机会,帮助雅虎改善核心盈利能力,并推动其股价上涨。
雅虎员工达到Facebook的1.4倍,但人均创收额只有后者的37%:以营收规模来看,雅虎的员工人数仍然过多,其人均创收额在14家同类企业中排名第11位。在数字广告行业中,雅虎的这一指标为37万美元,比Facebook低了74%,比谷歌低了70%,甚至比AOL还低了34%。要知道,雅虎的员工达到Facebook的1.4倍,达到AOL的2.8倍。在我们看来,这表明可以通过成本压缩获得机会。
裁员11%可以实现EBITDA同比持平:假设雅虎2015年的营收符合我们的预期(不计流量获取成本的营收同比减少2%),就需要将non- GAAP(非美国通用会计准则)营业费用降低约2.9亿美元才能实现EBITDA同比持平。按照20.8万美元的人均non-GAAP营业费用计算,雅虎 大约需要裁员1400人(约占员工总数的11%),才能实现EBITDA同比持平。这个要求并不过分,而且雅虎还有更大的成本压缩潜力。即使按照这一数字 压缩了成本,雅虎的人均创收额也只有42万美元,仍然比AOL低了25%。雅虎不会是第一家通过这种方式提升EBITDA的企业,AOL之前曾经通过裁员 2200人,在2009至2014年间将人均创收额提升7700美元。
剥离阿里巴巴资产后每股价值增长3.9美元?预计该公司将在2015年第四季度剥离阿里巴巴资产,而更加强大的核心业务显得非常重要,因为2015 年的EBITDA同比持平后,2016年的业绩将较我们目前的预期高出33%,按照基本的4.5倍EBITDA计算,相当于雅虎每股核心业务价值增长约 1.65美元。如果投资者愿意为更精简的核心业务支付6倍的2016年EBITDA(与AOL持平),就可以增加3.90美元,增幅达到77%。
雅虎计划于4月21日公布第一季度财报:我们的营收预期与华尔街平均预期持平,但EBITDA预期低了3%。我们不认为雅虎核心业务(目前估值 为每股1.5美元,对应2016年EBITDA的倍数约为1.5倍)将成为第一季度的重要动力,但只要业务改善或成本压缩方面的前景得到进一步明确(例如 通过传言中的中国办事处关闭计划和潜在的Tumblr重组计划),都将进一步上调我们55美元的目标价。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。