レベル: 応用 ／ 読了目安: 約30分 ／ 前提知識: 第1〜2章の理論価値とCAGR、第8章相当の正常化の考え方。百分率の複利計算ができればよい。
学習目標
- 売上高をbit出荷量×ASPに分解し、数量成長と金額成長を区別できる
- ASP下落率と単位コスト下落率のレースでマージン方向を判定できる
- 正常化EBITDAとExit EV/EBITDAで10年後株主価値を組み立てられる
理論の起源
A. Damodaran, The Dark Side of Valuation, FT Prentice Hall, 2010。サイクル企業や需給変動産業の価値評価で陥りやすい誤りを体系化した文献。Koller, Goedhart, Wessels, Valuation, Wiley, 2020 のサイクル企業章も併読する。
本文
単位経済から始める
半導体メモリ(DRAM・NAND型フラッシュ)の売上は、売上 = bit出荷量 × ASP(ビットあたり平均販売単価) という積でほぼ完全に分解できる。汎用品であり市場価格が形成されるため、数量と単価に切り分けて考えることが可能だ。bit出荷量は「デバイス一台あたり搭載容量 × 出荷台数」で決まる。AIサーバー需要で一台あたり容量が跳ね上がるとき、台数が横ばいでもbit出荷は大きく伸びる。まずこの分解を行うことで、成長・マージン・設備投資のすべての議論が同じ土台に載る。
ASP低下とコスト低下のレース
メモリ産業の宿命として、ASPは長期趨勢として下落し続ける。これは需要側の問題ではなく、微細化と三次元積層により同一ビットあたり製造コストが下がり続ける供給側構造の帰結である。したがってメモリベンダーの存続条件は、「ASPの下落速度」と「単位コストの下落速度」のレースに勝ち続けることにある。
数値例で確認する。初年度のASPを1Gbあたり100円、単位原価を60円とすると、ビットあたり利益は40円、利益率は40%である。翌年、ASPが15%下落して85円、原価が学習曲線に沿って18%下落して49.2円になったとする。ビットあたり利益は35.8円、利益率は 35.8 ÷ 85 ≈ 42.1% となり改善する。ところが原価低下が10%にとどまれば原価54円で、利益率は 31 ÷ 85 ≈ 36.5% に圧縮される。同じASP下落でも、コスト側の勝敗次第でマージンの方向は正逆どちらにも振れる。これが「レース」の比喩の正確な意味である。
売上金額の伸びも両者の積で決まる。bit出荷量が年20%増、ASPが年15%減なら、売上変化率は 1.20 × 0.85 = 1.02、すなわち年2%増である。「数量は伸びているのに金額は停滞する」のはこの合成のためで、この状態が5年続けば売上指数は 1.02^5 ≈ 1.104 倍にとどまる。検算すると 1.02^2 = 1.0404、1.02^4 = 1.08243…、×1.02 で 1.10408 となり一致する。
サイクルと正常化
メモリは強いサイクルを持つ。供給過剰期にはASPが原価割れ水準まで落ち、在庫評価損と減産で赤字に陥る。典型的な失敗は二種類ある。ピーク時の営業利益率40%を恒常的とみなして倍率を掛ける上方バイアスと、底値時の赤字に無理やりPERを掛ける計算不能な操作である。現行サイトは、bit出荷10×ASP10で売上10を作り、単位原価があれば bit10×(ASP10−cost10)−売上10×その他費用率、なければ売上10×中間EBITDAマージンで正常化EBITDA10を求め、株主価値10=max(0, EBITDA10×Exit EV/EBITDA−純負債10)とする。正常化EPS×PERは外部cross_checkであってサイト主経路ではなく、両者を平均しない。正常化の基準には「直近3〜5年の稼働率・価格の平均」「業界全体の設備利用率が均衡する需給点」などがあり、どれを使ったかを明記しなければならない。
設備投資も見逃せない。メモリの設備投資は売上の30〜40%に達することがあり、FCFは営業利益よりはるかに薄い。しかも増産投資の意思決定自体が需給とサイクルを形成するため、モデルには自社の投資スケジュールと競合の増産計画を明示的に置き、整合させるべきである。
反例・失敗パターン
第一の失敗は頂点EPSの恒常化。第二は数量成長と金額成長の混同、すなわちASP下落の無視である。第三は需給予測を自社都合で描くこと。需給は業界全体の出荷能力の合計で決まり、単社の楽観シナリオでは数学的に整合しない。第四として、スポット価格の急騰を契約価格に即座に反映させるところから売上急増を読むのも誤りである。契約価格の改定には四半期以上のラグがあることが多い。
メリットとデメリット
メリットは、ドライバー分解によりニュース(AIサーバー需要、減産合意)を価値影響へ即座に翻訳できること、ASP±5%などの感度分析が直接計算できること、競争優位をコスト曲線上の位置で語れることである。デメリットは、サイクル位置判断そのものが主観的で予測精度が出ないこと、技術世代交代のタイミング誤差が価値を大きく動かすこと、DRAM/NAND比率といった製品ミックス差が企業横断比較のノイズになることである。
適用条件・非適用条件
適するのはDRAMやNANDのように市場価格と出荷統計が公開され、ビット単位の分解が実務的に可能な標準品メーカーである。非適用は、製品ごとに単価が異なり単価の定義自体が曖昧なカスタムロジック事業、設計中心のファブレス企業、装置・材料など単位経済の異なるサプライヤーである。これらには通常のFCFモデルや受注ベース分析が向く。
本サイトの思想との接続
「bit×ASP」「ASPとコストのレース」という視点は、価値を一つの数字ではなく構造式と相対速度という形で捉える姿勢そのものである。現行のquantity×rate×margin×Exit EV倍率−純負債は conditional / cross_checkであり、設備投資サイクルはFCF診断へ一度だけ反映する。監査者が最初に確認すべき三点は、(1)ASP下落率と原価下落率の根拠、(2)サイクル中期マージン、(3)投資スケジュールと需給前提の整合である。総額（億円）と1株価値を混同せず、1株化には同じyear10の希薄化後株数が必要である。
補論: 監査メモの書式
投資メモには必ず「前提の所有者」を書く。売上成長率は会社ガイダンス(観測)、マージンは過去5年平均からの回復仮定(推定)、Exit PERは同業中央値×0.9(仮定)のように、値ごとに出所と性質を一行で添える。後日、結果が外れたときに検証すべきは予測ではなくこの分類である。どの層の判断が誤っていたかを特定できるメモだけが、次の判断を改善する。
変数辞書
| 変数 | 意味 |
|---|---|
| Q | bit出荷量。デバイスあたり搭載容量×出荷台数 |
| ASP | ビットあたり平均販売単価。需給と技術世代で決まる |
| c | ビットあたり単位原価。学習曲線で低下する |
| gQ | bit出荷量の成長率 |
| gP | ASPの変化率。メモリでは恒常的にマイナス |
| m | ビットあたり利益率 = (ASP − c) / ASP |
| capex比 | 設備投資÷売上高。メモリでは30〜40%になりうる |
推定方法
正常化売上はサイクル中期の稼働率と数量トレンドから、正常化マージンはASP下落率と原価下落率の差分から推定する。必ず感度表を作り、需給前提は業界全体で整合させる。
数値例
出荷+20%、ASP−15% → 売上係数 1.20×0.85 = 1.02(年2%増)、5年で約1.104倍。ASP100→85円、原価60→49.2円なら利益率 35.8/85 ≈ 42.1%。原価低下が10%なら54円で 31/85 ≈ 36.5%。
反例
ピーク時の営業利益率40%を恒常的なものとみなし、そのままPERを掛けて理論株価を出す使い方。サイクル反転時に利益率が半分以下になる構造を無視した過大評価の典型例である。
利点／欠点
- 利点: ドライバー分解によりニュースを価値影響へ翻訳しやすい
- 利点: ASP・出荷量の感度分析が直接計算できる
- 利点: 競争優位をコスト曲線上の位置で説明できる
- 欠点: サイクル位置判断が主観的で精度が出ない
- 欠点: 技術世代交代のタイミング誤差が価値を大きく動かす
- 欠点: 製品ミックスの違いが横断比較のノイズになる
適用条件・非適用条件
適用できる場面: DRAM・NANDなど市場価格と出荷統計が整備された標準メモリ事業。需給とコスト曲線のデータが手に入る場合。
適用できない場面: カスタムロジック、ファブレス設計会社、装置・材料サプライヤー。単価の定義や単位経済が異なるため通常のFCFモデルが妥当。
本サイト入力との対応
現行詳細式はbit出荷×ASP→単位原価控除後の正常化EBITDA×Exit EV/EBITDA−純負債でcross_check。正常化EPS×PERは外部検算で自動平均しない。CAPEXはFCF診断へ一度だけ反映する。 AI Protocol 1.10.0（更新日 2026-08-30）: sector_id=memory_semiconductor、strategy=operating_ev、theory_status=conditional、simple_role=cross_check、detailed_role=cross_check、primary_value_eligible=false（主値へ昇格不可）。 詳細式: year10_quantity × year10_rate × matching_margin × matching_exit_multiple − year10_net_debt（業種固有の費用・単位調整を先に反映） 式の門番: 倍率の分母と利益指標を一致。CAPEX・リース・希薄化を二重控除しない 適用門番: ASPはサイクル中位ですか？（底値や頂値の固定禁止）（期待回答=はい、理由=メモリは強いサイクル業種） / ビットコスト低減（歩留まり・微細化）を反映しましたか？（期待回答=はい、理由=コスト曲線が競争力の源泉） / ASPと単位コストは同じ出荷単位で入力しましたか？（期待回答=はい、理由=ASP−単位コストで粗利を作り、利益率を二重計上しない） / 在庫評価損の影響を正常化しましたか？（期待回答=はい、理由=一時損失を利益水準に残さない） / CAPEXサイクル（増産投資）をFCF診断に含めましたか？（期待回答=はい、理由=設備投資が資本回收を左右） 拒否条件: サイクル頂点のASPとマージンを同時に固定しない 出力: value_at=year10、basis=total、unit=億円。現在価値への橋渡し=today_theoretical_value = applicable_year10_value ÷ (1 + present_value_discount_rate)^10 + applicable_interim_distribution_PV。1株換算できる場合はbasis=per_share、総額のままならbasis=total_equity。年次配当・分配を0とする場合は過小評価警告。現在の理論価値と10年後価値は別欄・別キーで返す。主値ではなくクロスチェック。ASP・単位コストから組み立てたサイクル比較倍率ブリッジ。需給・歩留まり・CAPEXの一次資料照合なしに主値へ昇格しない。 整合検査: ASPと単位原価を同じ基準数量で予測して粗利益を再計算 / CAPEXをEBITDA倍率へ混ぜず、詳細倍率はクロスチェックに限定
精度の読み方
マージンは±3ポイント動く前提でレンジ表示にする。ASP下落率の1ポイント差が数年で利益率を一桁%動かすことを感度表で示し、表示桁数より2桁少ない精度しかないと心得る。
よくある誤り
- ピーク時のEPSやマージンを恒常的なものとして扱う
- bit出荷の数量成長だけを見て金額成長と混同する
- 競合の増産計画を無視して需給を自社都合で描く
技術付録
学習曲線とは累積生産量が2倍になるごとに単位コストが一定率低下する経験則であり、原価下落率の推定根拠として使われる。またスポット価格と契約価格の乖離幅と収束ラグを確認すると、売上への反映タイミングの誤りを防げる。
一次資料
- A. Damodaran, The Dark Side of Valuation, FT Prentice Hall, 2010
- Koller, Goedhart, Wessels, Valuation: Measuring and Managing the Value of Companies, 7th ed., Wiley, 2020
章末要約
- 売上はbit出荷量×ASPの積として分解する
- ASP下落率と原価下落率の相対速度(レース)がマージンを決める
- 現行サイトは正常化EBITDA×Exit EV/EBITDA−純負債のcross_check。EPS×PERは外部検算
理解度クイズ
未回答の設問があります（0/3問回答済み）。