炙手可热 华尔街热捧网络安全IPO

简介: 本文讲的是炙手可热 华尔街热捧网络安全IPO,网络安全行业爆发式增长,只要看看华尔街的投资者如何疯抢Rapid7公司的股票,你很快就能明白这一点。

本文讲的是 炙手可热 华尔街热捧网络安全IPO,网络安全行业爆发式增长,只要看看华尔街的投资者如何疯抢Rapid7公司的股票,你很快就能明白这一点。随着网络安全初创企业Rapid7进行公开募股(IPO),它很快就成为了金融业最新的掘金目标。

image

Rapid7(RPD),这家被视为下一代网络安全的企业,当其在上周五的纳斯达克首次亮相时,股价暴涨67%。

投资需求强劲

Rapid7于上周四下午进行IPO,发行定价为16美元一股,超过预期价格13-15美元,并在当天很快募集到了1亿美金。IPO让这家公司的价值上涨到6亿美元,尽管它从未盈利。Rapid7的股价盘中峰值为27.45美元,华尔街给它的估值在10亿美元之上。

Rapid7CEO科里·托马斯对媒体表示:“投资者看到了基本面:网络安全是当今社会巨大的待解决问题”。

更多入侵=更多现金

投资者们相信,随着各大公司的CEO越来越担心黑客带来的威胁,Rapid7和其它信息安全初创企业会持续从“公司美国”(Corporate America,指美国的大企业群体)手中拿到利润丰厚的订单。

近年来发生的一系列大规模网络攻击事件,让安全行业人员对塔吉特、家得宝、索尼、摩根大通等名字耳熟能详,甚至美国联邦政府(OPM)都遭到了攻击。最新的一次大规模攻击发生在上周五:CVS被迫将网络照片服务下线,并发布一份警告称,用户的信用卡信息可能已被泄露。黑客事件加重了公众对网络安全状况的担忧。

大量的网络安全IPO

Rapid7加入了近几年的安全公司上市大潮,成为2015年上市的首家网络安全企业。已经上市的网络安全公司包括CyberArk(CYBR)、Barracuda Networks(CUDA)、FireEye(FEYE)和Palo Alto Networks(PANW)。CyberArk是安全领域火爆的最佳例证,自从去年八月上市,它的股价已经翻了三倍。

公募市场上的网络安全企业已经相当多了,甚至出现了两支网络安全ETF:PureFunds ISE Cyber Security ETF(NYSEARCA:HACK)和First Trust Nasdaq CEA Cybersecurity EFT(NYSEARCA:CIBR)。前者的基金代码是HACK,它的上线日期十分具有戏剧性,正是纽交所遇到技术故障停摆后的第二天。尽管这次停摆并非黑客所为,还是立刻引发了公众对网络攻击的恐惧。

私募机构复兴资本(Renaissance Capital)的法定代表人凯思琳·史密斯认为,公众喜欢快速成长的信息安全企业。总体来看,这个领域一直处于白热化状态。复兴资本也是IPO ETF的管理方之一。

image

尽管在网络安全产业上下注属于明智之举,也并不是全无风险。业内竞争非常激烈,各方需要在研究和发展(R&D)上大量投资,以跑赢其它企业,以及黑客。

Barracuda公司在2013年上市,但其股价已经在今年下挫了16%,因为公司的毛账单收入并不理想。这也可能为那些购买该公司安全产品的人亮起了红灯。

史密斯说:“每次发生网络入侵,各大公司就都开始到处寻找最棒最新潮的玩意。人们都觉得,你必须得有这个领域里最顶尖的产品。”

次世代网络安全:这正是Rapid7声称自己拥有的东西。通过推销自己的次世代安全模型,Rapid7已经签约了超过4000家客户,其中30%属于财富排行榜前1000。和一些安全公司类似,Rapid7使用的是主动型、分析驱动的技术,高度面向数据。

网络安全是企业愈发乐于消费的领域。Rapid7引用魔力象限(Gartner)的预测称,到2020年,企业预算的60%将花费在能提供快速检测和响应的安全技术上。

盈利过程是漫长的:尽管有顶尖技术创造收入,Rapid7还是没能盈利。这家公司的大量现金都花费在了研发和市场推广上,而现在这些花费都和IPO挂上了钩。

托马斯拒绝预测Rapid7的盈利时刻,不过他表示,管理层正致力于创建“可持续发展的公司”。

我们帮助的客户数量将越来越多,到时候我们会找到盈利方式的。

史密斯则表示,大体上讲,Rapid7在几年之内都很难盈利,而盈利正是投资者应该关心的问题。“这些没有盈利的公司可能会很脆弱”。

目前来看,投资者确实关心公司的脆弱性,但他们只针对那些没有采用像Rapid7一样复杂的网络安全保护方案的公司。

原文发布时间为:七月 21, 2015
本文作者:Venvoo
本文来自云栖社区合作伙伴安全牛,了解相关信息可以关注安全牛。
原文链接:http://www.aqniu.com/industry/8788.html

相关文章
|
机器学习/深度学习 人工智能 大数据