Illikvide aktiver og AI – værdiansættelse af unoterede investeringer 2026

En børsnoteret aktie har en pris hvert sekund. En ejerandel i en unoteret virksomhed, en private equity-fond eller en direkte ejendom har kun en vurderet værdi, indtil en handel faktisk gennemføres. Forskellen er ikke kosmetisk. Den påvirker formuens risikoniveau, lånemuligheder, arve- og skatteplanlægning, rapportering og den pris, investoren realistisk kan få, hvis kapitalen skal frigøres.

Det centrale spørgsmål er derfor: Hvordan værdiansætter man illikvide aktiver, når markedet ikke leverer en daglig pris? Det korte svar er, at man kombinerer relevante markedsdata, fremtidige cashflows, aktivets rettigheder og en dokumenteret vurdering af risiko. AI kan behandle flere datapunkter og opdatere scenarier hurtigere, men den kan ikke fjerne usikkerheden eller skabe et marked, hvor intet marked findes.

For formuende danskere er disciplinen særlig vigtig. Illikvide investeringer kan se stabile ud i en formueoversigt, netop fordi de ikke prissættes dagligt. Den glatte kurve er ikke det samme som lav risiko. Den kan blot være et resultat af kvartalsvise modeller, forsinkede data og forvalterens skøn.

Hvad gør et aktiv illikvidt?

Likviditet handler både om tid, pris og sikkerhed. Et aktiv er illikvidt, når det ikke kan omsættes hurtigt uden en betydelig risiko for prisnedslag eller høje transaktionsomkostninger. Årsagen kan være få potentielle købere, begrænset information, juridiske salgsbegrænsninger, kompliceret finansiering eller en lang due diligence-proces.

Illikviditet er ikke nødvendigvis en fejl. Investoren kan få adgang til virksomheder, ejendomme og projekter med et langsigtet afkastpotentiale, som ikke findes på børsen. Men en eventuel illikviditetspræmie er betaling for reelle begrænsninger. Den bør ikke behandles som gratis merafkast.

Tre grundlæggende værdiansættelsesmetoder

IFRS 13 beskriver tre brede tilgange: markedsmetoden, indkomstmetoden og omkostningsmetoden. I praksis bruges ofte mere end én metode. Forskellen mellem resultaterne er nyttig information, fordi den viser, hvilke antagelser der bærer vurderingen.

1. Markedsmetoden

Markedsmetoden sammenligner aktivet med børsnoterede selskaber eller gennemførte handler. For en virksomhed kan det være multipler som enterprise value i forhold til EBITDA eller omsætning. For en ejendom kan det være kvadratmeterpriser eller afkastkrav på lignende ejendomme.

Metoden ser enkel ud, men sammenlignelighed er hele arbejdet. En mindre dansk softwarevirksomhed er ikke automatisk sammenlignelig med en global børsnoteret platform. Vækst, margin, kundekoncentration, gæld, geografi og skalerbarhed skal justeres. Børsmultipler indeholder desuden likviditet, mens den unoterede ejerandel ikke gør.

2. Indkomstmetoden

Indkomstmetoden omregner forventede fremtidige cashflows til en nutidsværdi. I en DCF-model afhænger resultatet især af omsætningsvækst, marginer, investeringer, arbejdskapital, terminalværdi og diskonteringsrente. Små ændringer i de sidste to kan flytte værdien dramatisk.

Metoden tvinger investoren til at gøre forventningerne eksplicitte, men detaljer er ikke det samme som præcision. En tiårig prognose for en tidlig venturevirksomhed kan være matematisk imponerende og økonomisk meningsløs. Brug i stedet flere scenarier, tydelige sandsynligheder og en følsomhedsanalyse.

3. Omkostningsmetoden

Omkostningsmetoden tager udgangspunkt i, hvad det vil koste at erstatte aktivets kapacitet. Den kan være relevant for visse fysiske aktiver eller specialanlæg, men siger mindre om en virksomheds indtjeningsevne, immaterielle rettigheder og netværkseffekter. Historisk kostpris er heller ikke et gulv under værdien: kapital kan være brugt uden at skabe et salgbart aktiv.

Seneste handel er et datapunkt – ikke et facit

En ny kapitalrunde eller handel mellem uafhængige parter er ofte stærk evidens. Men prisen skal læses sammen med vilkårene. En ventureinvestor kan have likvidationspræference, antidilution, vetoret eller andre rettigheder, som en almindelig ejerandel ikke har. En overskrift om en virksomhedsværdi siger derfor ikke nødvendigvis, hvad alle aktier er værd.

Tiden siden handlen betyder også noget. Har renter, vækstforventninger, omsætning eller markedets multipler ændret sig, kan den gamle pris være forældet. En intern medarbejderhandel, en tvungen handel eller en meget lille transaktion er desuden ikke nødvendigvis et pålideligt markedsbevis.

For fondsinvesteringer er den rapporterede NAV tilsvarende et udgangspunkt. Den kan være baseret på data fra forrige kvartal, og investoren skal lægge ikke-indkaldte kapitaltilsagn, valuta, omkostninger og eventuelle sekundærmarkedsrabatter oveni analysen. NAV og kontant realisationsværdi på kort sigt er to forskellige størrelser.

Fra virksomhedsværdi til værdien af din ejerandel

Først estimeres ofte virksomhedsværdien, enterprise value. Derefter fratrækkes nettogæld og andre krav med højere prioritet for at nå egenkapitalværdien. Endelig fordeles værdien mellem aktieklasser og ejere. Her opstår mange fejl.

• Gæld og gældslignende poster: Bankgæld er oplagt, men leasing, udskudte betalinger, garantier og normalisering af arbejdskapital kan også påvirke provenuet.
• Præferencer: Ventureaktier kan have ret til at få investeret kapital tilbage før ordinære aktier og i nogle tilfælde deltage yderligere i resten.
• Udvanding: Optioner, warrants, konvertible lån og fremtidige kapitalbehov kan reducere den nuværende ejers andel.
• Kontrol: En kontrollerende post kan have andre rettigheder end en minoritetspost, men en kontrolpræmie er ikke automatisk berettiget.
• Omsættelighed: Forkøbsret, samtykkekrav, lock-up og manglen på et sekundært marked kan reducere den realiserbare værdi.

Det er derfor forkert blot at gange selskabets seneste annoncerede værdi med ejerprocenten. Investoren skal forstå kapitalstrukturen og fordelingen af provenu ved forskellige exitpriser. En waterfall-model viser, hvem der får hvad i et salg – og kan afsløre, at to aktier med samme nominelle ejerandel har meget forskellig økonomisk værdi.

Sådan kan AI forbedre processen

Dokumentanalyse og datarum

AI kan udtrække nøgletal, gældsvilkår, kundekoncentration, aktieklasser og væsentlige klausuler fra regnskaber, bestyrelsesmateriale, låneaftaler og ejeraftaler. Det reducerer manuelt arbejde og gør det lettere at sammenholde perioder. Hvert udtrukket datapunkt bør dog have en kildehenvisning, så en analytiker kan gå tilbage til originaldokumentet.

Normalisering af regnskaber

Unoterede virksomheder har ofte engangsposter, ejerløn, nærtstående transaktioner eller aktiverede udviklingsomkostninger, der gør rapporteret EBITDA mindre sammenlignelig. AI kan foreslå justeringer og markere afvigelser, men ledelsen eller valuaren skal beslutte, hvad der reelt er tilbagevendende. En model må ikke stille en aggressiv justering ind som et faktum.

Sammenlignelige selskaber og handler

Maskinlæring og sprogmodeller kan søge bredere end traditionelle branchekoder og finde virksomheder med lignende produkter, kundetyper, forretningsmodeller og geografi. Det giver en bedre kandidatpulje. Den endelige peer group skal fortsat kurateres, fordi den algoritmisk mest lignende virksomhed ikke nødvendigvis har samme risiko eller økonomi.

Scenarier og følsomheder

AI kan opdatere tusindvis af kombinationer af vækst, margin, rente, exitmultipel og tidspunkt. Det er nyttigt til at vise et interval frem for et enkelt tal og til at identificere, hvilke antagelser der betyder mest. Resultatet bør præsenteres som scenarier – ikke som sandsynlighedsvidenskab, hvis sandsynlighederne blot er subjektive skøn.

Løbende overvågning

En værdimodel kan kobles til nye regnskaber, budgetafvigelser, branchedata, renteændringer og transaktioner. AI kan markere hændelser, som bør udløse en ny vurdering. Det mindsker risikoen for en “stale NAV”, hvor værdien kun flytter sig på kalenderdatoer, selv om virksomheden eller markedet har ændret sig.

AI-risici: falsk præcision er den farligste

AI gør det billigt at producere en detaljeret model. Det gør ikke inputdata bedre. Private markeder har få handler, skæve datasæt og store forskelle mellem aktiver. Historiske exits overrepræsenterer ofte succeser, mens nedskrivninger og fejlslagne virksomheder er dårligere dokumenteret. En model kan derfor lære optimismen i datasættet.

Sprogmodeller kan desuden opfinde transaktioner, blande valutaer, overse ændringer i regnskabspraksis eller læse en klausul forkert. Fortrolige datarum skaber en ekstra risiko: dokumenter med personoplysninger, forretningshemmeligheder og prisfølsomme oplysninger må ikke uden videre uploades til en ekstern model.

Den robuste model har menneskelig kontrol og en revisionssti. Input, kilder, modelversion, ændringer, antagelser og godkendelser dokumenteres. Den person eller komité, der godkender værdien, skal kunne forklare den uden at pege på algoritmen. EU's AI-forordning ændrer ikke det grundlæggende ledelsesansvar.

Governance: adskil interesse fra vurdering

Værdiansættelsen kan påvirke forvalterhonorar, performance fee, lånevilkår, solvens, generationsskifte og investorens oplevelse af afkast. Det skaber interessekonflikter. En forvalter kan have incitament til at holde værdierne oppe; en køber ønsker det modsatte; og en familie kan have forskellige interesser afhængigt af skat og fordeling.

God governance omfatter:

• en skriftlig værdiansættelsespolitik med metodehierarki og opdateringsfrekvens,
• adskillelse mellem investeringsteamets anbefaling og den endelige godkendelse,
• uafhængig kontrol eller ekstern vurdering ved væsentlige og komplekse poster,
• konsekvent brug af metoder fra periode til periode – eller dokumentation af ændringer,
• backtesting af tidligere vurderinger mod faktiske exits, og
• rapportering af både punktestimat, interval og væsentlige antagelser.

IPEV's retningslinjer er en central international reference for private capital og understreger brugen af markedsdeltageres forudsætninger og passende kalibrering. De kan støtte en proces, men erstatter ikke gældende regnskabsregler, fondsdokumenter eller en konkret dansk juridisk og skattemæssig vurdering.

Et konkret dansk eksempel

Forestil dig en familie, der efter et virksomhedssalg har 25 procent af sin investerbare formue i tre unoterede fonde og en direkte ejerandel i en dansk B2B-softwarevirksomhed. Den seneste kapitalrunde i softwarevirksomheden er 18 måneder gammel, og fondenes rapporterede NAV er mellem to og fire måneder forsinket.

Familien begynder med at skelne mellem rapporteret værdi og planlægningsværdi. For softwarevirksomheden bygges tre scenarier på normaliseret omsætning, margin, cash burn og aktuelle multipler for sammenlignelige selskaber. Kapitalstruktur og præferencer modelleres i en waterfall. For fondene justeres NAV for kapitalindkaldelser og distributioner siden rapporteringsdatoen, valuta og kendte hændelser i de største porteføljeselskaber.

AI gennemgår rapporter og datarum, udtrækker ændringer og opdaterer følsomheder. En rådgiver validerer peer group, cashflows og juridiske rettigheder. Til familiens likviditetsplan bruges ikke det højeste værdiestimat, men et konservativt realisationsscenario med længere salgstid og mulige rabatter. Dermed bliver vurderingen et værktøj til beslutninger – ikke et pynteligt tal i formueoversigten.

Syv trin til en robust værdiansættelse

1. Definér formålet. En værdi til intern porteføljeopfølgning, regnskab, skat, arv, belåning eller salg kan kræve forskellige standarder og dokumentation.
2. Kortlæg rettighederne. Indsaml ejeraftale, aktieklasser, gæld, optioner, kapitaltilsagn, restriktioner og relevante fondsvilkår.
3. Rens data. Afstem regnskaber, normalisér engangsposter og spor alle væsentlige input tilbage til en kilde.
4. Vælg flere metoder. Brug den metode, der passer til aktivets økonomi, og kontrollér resultatet mod mindst én alternativ tilgang, hvor det er muligt.
5. Modellér intervallet. Vis base-, downside- og upside-scenarier samt følsomhed over for de antagelser, der driver værdien.
6. Indbyg kontrol. Lad et uafhængigt blik udfordre sammenlignelige selskaber, diskonteringsrente, kapitalstruktur og AI-genererede forslag.
7. Opdatér ved hændelser. Fast kalender er minimum; ny finansiering, kundeafgang, covenant-brud, ændret rente eller et exitbud kan kræve en ny vurdering straks.

Illikviditet i den samlede formue

Den vigtigste beslutning er ikke altid, om en enkelt værdi er 100 eller 110. Det er, om formuen kan bære, at kapitalen er bundet og usikker. Likviditetsplanen bør medtage privatforbrug, skat, ejendomsudgifter, nye kapitalindkaldelser og mulige kriser i de børsnoterede dele af porteføljen. Illikvide aktiver må ikke tvinge investoren til at sælge likvide aktiver på det værst tænkelige tidspunkt.

Se også på koncentration på tværs. Tre forskellige fonde kan alle eje de samme teknologiselskaber eller være afhængige af det samme exitmarked. En direkte virksomhed, en venturefond og en private credit-fond kan se diversificerede ud, men alle være følsomme over for højere renter og vanskelig refinansiering. AI kan kortlægge overlap, men kræver adgang til tilstrækkelige look-through-data.

Kilder og videre læsning

• IFRS Foundation: IFRS 13 Fair Value Measurement
• IFRS Foundation: Measuring unquoted equity instruments at fair value
• IPEV: International Private Equity and Venture Capital Valuation Guidelines
• EUR-Lex: AIFMD artikel 19 om værdiansættelse
• EUR-Lex: EU-forordning 2024/1689 om kunstig intelligens