估值技术与价值创造

1. 估值对象与普通股价值桥接#

估值分析以经营预测形成内在价值，再与同一估值日的市场价格比较。它与只用当期账面价值、盈利或价格比率排序的价值因子不同：价值因子把当前特征作为未来收益的代理变量，估值分析则显式预测未来经营路径；两者可能暴露于相同的价值风险，不能在 alpha 模型中无条件重复计数。

三类估值框架在现金流、增长、资本成本和资本结构口径完全一致时应得到相同价值：

• 股利折现模型（Dividend Discount Model, DDM）：把普通股股东未来可获得的股利折现，直接估计普通股价值；派息政策偏离可分配现金时，股利不能完整代表经营价值。
• 折现现金流（Discounted Cash Flow, DCF）：把与资本提供者口径匹配的未来自由现金流折现；本章以企业自由现金流口径为主。
• 经济利润估值（Economic Profit Valuation）：把已投入资本与未来超过资本成本的经济利润相加；它把“现有资本”和“未来价值创造”分开呈现。

经营价值（Operating Value） 是持续经营条件下，核心业务未来企业自由现金流的现值。由经营侧走到普通股侧的价值桥接为：

其中：

• $V_E$：普通股权益内在价值，单位为货币。
• $V_{OP}$：核心业务经营价值，单位为货币。
• $C_X$：不支持日常经营、可分配给资本提供者的超额现金及有价证券。
• $I_{NC}$：未并入经营现金流预测的非并表股权投资价值。
• $D_M$、$P_M$：债务与优先股在估值日的市场价值；市场价值不可得时使用账面价值属于估计近似。
• $MI$：已并表子公司中不归属于母公司普通股股东的少数股东权益价值。
• $N_{dil}$：考虑期权、可转换证券等潜在稀释后的股份数；$P^*$ 是每股内在价值。

所有项目必须使用同一估值日和一致的并表边界。经营所需现金不能计入 $C_X$，已在 $V_{OP}$ 中预测的子公司现金流不能再次计入 $I_{NC}$；养老金缺口、经营租赁、非经常负债和稀释工具应按其经济实质进入桥接。

2. FCFF、FCFE 与再投资#

• 税后净经营利润（Net Operating Profit After Tax, NOPAT）：不考虑融资结构时，核心经营活动在税后的利润，常写为 $EBIT(1-T)$。
• 净经营资产（Net Operating Assets, NOA）：经营性资产减经营性无息负债，表示业务占用的净资本；现金、计息债务等融资项目通常不在其中。
• 企业自由现金流（Free Cash Flow to the Firm, FCFF）：维持预测经营能力和增长所需再投资后，可供债权人、优先股股东与普通股股东共同分配的经营现金流。
• 股权自由现金流（Free Cash Flow to Equity, FCFE）：支付税后利息、偿还到期债务并计入新增借款后，可供普通股股东分配的现金流。

FCFF 可从经营利润或现金流量表项目得到：

其中：

• $EBIT_t$：第 $t$ 期息税前利润；$T_t$ 是与经营利润匹配的有效边际税率。
• $DA_t$：第 $t$ 期折旧与摊销，属于非现金费用。
• $CAPEX_t$：第 $t$ 期资本性支出。
• $\Delta NWC_t$：第 $t$ 期经营性净营运资本增加额；增加会占用现金。
• $\Delta OA_t$：未包含在资本开支和营运资本中的其他净经营资产增加额。
• $\Delta NOA_t=CAPEX_t-DA_t+\Delta NWC_t+\Delta OA_t$：第 $t$ 期净经营资产增加额，单位为货币。

在不含优先股现金流的简化口径下，两种自由现金流的关系为：

其中 $I_t$ 是利息费用，$NB_t$ 是新增借款减偿还本金的净借款。负 FCFF 表示当期再投资超过 NOPAT，需要减少现金或取得外部融资；它可能来自高回报扩张，也可能来自低效率投资，不能单凭正负判断企业质量。FCFF 应以加权平均资本成本折现，FCFE 应以股权资本成本折现。

3. RIC 把增长连接到现金流#

增量资本回报（Return on Incremental Capital, RIC） 是一个预测区间内新增 NOPAT 相对于新增 NOA 的收益率，衡量一单位新增经营资本带来的增量经营利润。它不等于用期末利润除以期末资本的平均资本回报。

引入增量销售后，RIC 可拆成增量盈利能力与可扩展性：

其中：

• $\Delta NOPAT$：预测区间内税后净经营利润增加额。
• $\Delta Sales$：同一区间的销售收入增加额。
• $\Delta NOA$：为产生该增量销售而新增的净经营资产。
• $p$：增量税后经营利润率，即每单位新增销售转化为多少新增 NOPAT。
• $s$：可扩展性，即每单位新增经营资本带来多少新增销售；$s$ 越大，资本占用越少。

在税率近似稳定且会计分类一致时，两项经营驱动还可继续拆解：

其中：

• $\Delta COGS$：销售成本增加额，反映原料、直接人工等直接成本。
• $\Delta SGA$：销售、一般与管理费用增加额，反映获客和总部管理等间接成本。
• $\Delta DA$：折旧与摊销增加额。
• $1/s$：每单位新增销售所需的新增经营资本，也称资本密集度；它与可扩展性方向相反。

增长率、再投资率与 RIC 的关系说明“增长”为什么不能脱离资本效率评价。若第 $t$ 期的新增投资支持下一期利润增长，则：

其中：

• $b_t$：第 $t$ 期再投资率。

• $g_{t+1}=\Delta NOPAT_{t+1}/NOPAT_t$：下一期 NOPAT 增长率。

• $RIC_{t+1}=\Delta NOPAT_{t+1}/\Delta NOA_t$：第 $t$ 期新增资本在下一期产生的增量回报率。

• 经济价值创造（Economic Value Creation, EVC）：增量资本回报相对资本机会成本的收益率差，$EVC=RIC-WACC$；单位为百分比或百分点。

• 经济增加值（Economic Value Added, EVA）：某期经营利润扣除期初经营资本费用后的金额，$EVA_t=NOPAT_t-WACC\times NOA_{t-1}$；它与收益率差不能互换。

例：同样增长，不同价值

假设企业本期 NOPAT 为 10，下一期计划增长 5%，故所需增量 NOPAT 为 0.5。若 $RIC=20\%$、$WACC=9\%$，则新增资本为 $0.5/20\%=2.5$，再投资率为 25%，本期 $FCFF=10-2.5=7.5$，EVC 为 11 个百分点。若增长仍为 5% 而 $RIC$ 降至 5%，则需新增资本 10，本期 FCFF 降至 0，EVC 为 -4 个百分点。增长率相同，资本效率低于资本成本的方案会损害价值。

1. WACC 必须与现金流口径匹配#

加权平均资本成本（Weighted Average Cost of Capital, WACC） 是债权人、优先股股东与普通股股东要求收益率按目标资本结构市场价值加权后的税后机会成本。令 $w=WACC$，则：

其中：

• $w_E$、$w_D$、$w_P$：普通股、计息债务和优先股的目标市场价值权重。
• $r_E$：与权益现金流风险匹配的股权资本成本，可由风险模型估计，但不是股东未来实现收益率的保证。
• $r_D$：债务税前边际融资成本，应优先反映估值日、匹配期限和信用风险下的新融资收益率。
• $r_P$：优先股资本成本。
• $\tau$：利息税盾适用的边际税率；若税盾不能实现，机械使用 $(1-\tau)$ 会低估资本成本。

现金流与折现率必须在币种、名义或实际、税前或税后、期限和风险承担者上匹配。名义 FCFF 配名义 WACC，实际 FCFF 配实际 WACC；FCFE 配 $r_E$。权重应反映可持续的目标资本结构，不能因为账面债务数据易得就忽略债务市场价值和资本结构将随情景变化。

2. 显式期、淡化期与稳定期#

• 显式预测期（Explicit Forecast Period）：分析者可逐项预测销售、利润率、再投资与资本成本的区间，通常覆盖一个完整经营周期。
• 淡化期（Fade Period）：显式期之后，超常增长和超额资本回报按可解释路径向稳定状态收敛的区间。
• 稳定期（Stable Period）：增长、再投资、资本回报和资本成本满足长期一致关系的持续经营状态。

淡化不是把 FCFF 任意拉成一条直线，而是让经营驱动共同收敛。一种可审计的半衰期写法为：

其中：

• $T$：显式预测期末；$n$ 是进入淡化期后的年数。
• $F_n$：淡化权重，从 1 向 0 收敛。
• $H$：半衰期，单位为年；每经过 $H$ 年，剩余超额水平减半。
• $g_\infty$：与企业规模、币种和长期经济环境相容的稳定名义增长率。

该路径是模型假设，不是会计事实。竞争通常压低 $RIC-w$，但网络效应、监管壁垒或品牌资产可能延长半衰期；反垄断、技术替代或治理失误可能加快淡化。$g_\infty$ 必须低于 $w$，且不能长期高于其所在经济体可支持的名义增长。

3. 经营价值与终值#

在折现率固定为 $w$ 的简化模型中，经营价值由显式现金流与期末剩余价值组成：

其中：

• $V_{OP,0}$：估值日的经营价值。
• $FCFF_t$：第 $t$ 期末可供全部资本提供者分配的现金流。
• $TV_T$：显式期末对第 $T+1$ 期及以后现金流的价值，仍需折现回估值日。
• $w-g_\infty$：稳定期折现率与增长率之差，必须严格为正。

稳定期现金流仍需满足再投资恒等式：

直接让利润保持高增长而把资本开支或营运资本增量设为零，会高估终值。终值占经营价值比例较高，表示价值主要依赖远期假设，不表示估计更可靠；退出倍数法若没有与稳定增长、利润率和资本成本交叉核验，只是把终值假设换了表达形式。

例：终值对利差敏感

假设 $FCFF_{T+1}=10$、$w=8\%$、$g_\infty=3\%$，则 $TV_T=10/(8\%-3\%)=200$。若只把 $w$ 降至 7%，终值升至 250，折现率减少 1 个百分点使终值增加 25%。这是分母接近时的数学敏感性，不表示内在价值能被精确估计到个位数。

4. 一阶敏感性与二阶曲率#

令 $x$ 为某项 DCF 输入，$x_0$ 为基准值，$h$ 为对称扰动步长，$V(x)$ 为对应价值。有限差分可估计局部斜率和曲率：

其中：

• $\delta_x$：输入增加一个单位时价值的局部一阶变化，正负表示方向。
• $\gamma_x$：斜率随输入变化的二阶变化；绝对值越大，线性近似离开基准点后失真越快。
• $h$：与输入单位一致的小扰动；利率输入必须说明按小数、百分点还是基点变化。

基准点附近可用二阶泰勒式快速检查新情景：

逐项敏感性识别“哪个输入最值得研究”和“方向是否符合经济关系”，但一次只改变一个输入会忽略联动。格点也没有概率权重，不能把“最好情景”当成上涨概率，更不能从局部导数推出真实世界结果的置信度。

1. 从随机输入到估值分布#

多路径折现现金流（Multipath Discounted Cash Flow, MDCF） 是把关键 DCF 输入建模为具有联合分布的随机向量，并把每组输入映射成一个经营价值的概率估值方法。它把“预测只有一条路径”改为“给定模型下存在多条相互关联的路径”。

其中：

• $\mathbf z\in\mathbb R^k$：包含销售增长、增量利润率、可扩展性、资本成本等 $k$ 个关键输入的列向量。
• $\mathcal D$：输入的联合分布，不必是正态分布。
• $\boldsymbol\mu\in\mathbb R^k$：条件均值向量。
• $\boldsymbol\Omega\in\mathbb R^{k\times k}$：对称半正定的协方差矩阵，决定输入波动与联动方向。
• $\mathbf z^{(m)}$：第 $m$ 条模拟或离散情景路径；$M$ 是路径数。
• $V^{(m)}$：把第 $m$ 条输入路径代入完整 DCF 后得到的价值。

若要给近期观测更高权重，可采用指数加权估计：

其中 $0<\eta\leq1$ 是新观测权重，$\eta$ 越大表示记忆越短。财务历史、分析师预测与管理层指引具有不同信息时点和偏差，不能在同一序列中无标记拼接；短样本协方差还需检查收缩、正定性和状态变化。下图以销售增长率 $g$ 与增量税后经营利润率 $p=\Delta NOPAT/\Delta Sales$ 为两个输入，重新定义本节使用的符号。

2. 估值上涨空间及其离散度#

令 $P_0$ 为估值日市场价格对应的每股权益价值，第 $m$ 条路径的估值上涨空间为：

对路径赋予满足 $p_m\geq0$ 且 $\sum_{m=1}^{M}p_m=1$ 的模型权重，可计算：

其中：

• $V_E^{(m)}$：第 $m$ 条路径的普通股权益价值；必须先完成经营价值到权益价值的桥接。
• $N_{dil}$：估值日口径下的潜在稀释后股份数。
• $U_m$：第 $m$ 条路径相对当前价格的估值差，单位为收益率。
• $p_m$：离散情景概率；独立同分布的普通蒙特卡洛抽样可取 $p_m=1/M$。
• $\bar U$：模型内期望上涨空间，不对应某一条具体经营路径。
• $\sigma_U$：经营情景在模型内产生的上涨空间离散度。
• $\pi_+$：给定输入分布、参数和估值结构时，模型认为 $U>0$ 的条件概率。

比率 $Z_U=\bar U/\sigma_U$ 可作为误差调整后的估值信号，但不是经典 $t$ 统计量：路径不是从真实世界重复抽取的独立公司样本。若模拟路径独立，$\sigma_U/\sqrt M$ 只衡量有限模拟次数造成的均值计算误差；增加 $M$ 会降低这项数值误差，却不会缩小企业经营不确定性、参数误差或模型误差。

3. 模型概率不是真实概率#

MDCF 输出至少含三层不同的不确定性：

• 路径不确定性（Path Uncertainty）：在参数和模型固定时，经营状态变化造成的 $V^{(m)}$ 离散；$\sigma_U$ 主要衡量这一层。
• 参数不确定性（Parameter Uncertainty）：$\boldsymbol\mu$、$\boldsymbol\Omega$、淡化速度与资本成本由有限且可能有偏的样本估计；可用参数重抽样、分层模型或压力区间体现。
• 模型不确定性（Model Uncertainty）：遗漏竞争反应、融资约束、业务重组、会计口径变化或尾部状态，使所有路径共享错误结构；增加模拟次数不能修复这一层。

联合正态分布便于估计，却可能生成不可能的利润率、资本成本或增长率。截断分布会改变均值和相关性，对数或逻辑变换会改变变量解释，状态情景会依赖人为边界；采用任何方法都应记录支持区间、相关结构和校准样本。管理层与卖方预测还可能受代理问题和选择性披露影响，理性经营路径不自动消除行为偏差。

4. 从估值分布到 alpha#

RIC>WACC 说明新增经营投资创造价值，不说明股票相对当前价格便宜；高质量企业也可能因价格已充分反映甚至过度反映其优势而产生负主动收益。相反，$\bar U>0$ 只是给定模型下的估值差，不是已经实现的成本后 alpha。

教材级补充：组合映射模板。 若忽略预测期内现金分配，并假设估值差在持有期 $H_q$ 内有比例 $q_{i,H_q}$ 收敛，可把个股估值信号先转为相对基准的收缩预测：

其中：

• $\widetilde\alpha_{i,H_q}^{val}$：股票 $i$ 在持有期 $H_q$ 上、相对指定基准的估值型条件预期主动收益。
• $q_{i,H_q}\in[0,1]$：估值差在该期限内预期收敛的比例；它必须由样本外证据估计，不能默认为 1。
• $\kappa_i\in[0,1]$：对路径、参数和模型不确定性实施的可靠性收缩系数。
• $w_{b,j}$：基准中股票 $j$ 的权重；括号内第二项把绝对估值差转为基准相对口径。

进入组合优化前，还要统一预测期限，剔除与账面市值比、盈利收益率等既有因子重复的暴露，并检验行业、规模、杠杆和流动性风险。目标持仓须同时受协方差、持仓边界、换手、交易成本与容量约束；当经营数据时点错误、淡化机制失效、资本结构突变或估值差长期不收敛时，应降低或停止使用该信号。