估值技术与价值创造

1. 内在价值与价值因子#

第五章“价值比率的股权与企业口径”用利润或现金流相对价格比较便宜程度，但单个比率没有完整描述产出的期限。两家公司今年现金流相同，一家可以长期维持，另一家必须投入大量资金才能维持，合理价值就可能不同。要把这些差异显式纳入比较，需要预测何时产生、能分配给谁以及为取得这些现金必须承担何种风险。

内在价值（Intrinsic Value）：在给定信息集、经营预测与风险定价假设下，资产未来可分配经济利益的现值。它是模型估计，不是直接可观测的市场价格。

折现现金流（Discounted Cash Flow, DCF）：将未来各期现金流按其风险承担者对应的资本成本折现并加总的估值方法。企业现金流对应全部资本提供者的价值，股权现金流对应股东价值，二者不能混用折现率。¹

折现把复利计算反过来使用：当前投入 $V_0$、每年取得收益率 $w$，经过 $t$ 年形成 $V_0(1+w)^t$；对应地，第 $t$ 年的一笔现金 $F_t$ 的现值为 $F_t/(1+w)^t$。例如，确定的一年后现金 109 元，在匹配的无风险年利率 9% 下现值为 100 元。对风险现金流，能否按无风险利率折现其均值取决于风险定价条件，不能仅因算出了均值就这样处理；改用匹配的资本成本折现时，已经加入了关于机会成本和风险定价的模型假设。

资本成本（Cost of Capital）：资本提供者为承担与目标资产相匹配的时间和风险所要求的收益率，是资金的机会成本，不只是公司实际支付的利息。DCF 将各期匹配口径的现金现值相加，把增长、利润率、再投资和这一要求收益率连接起来。价值比率也可以使用预测分子，但通常不显式展开这些跨期关系；两类方法都可能包含风险补偿或误定价信息，经营预测本身不等于已验证的 alpha。

2. 从经营价值到普通股价值#

经营价值（Operating Value）：持续经营条件下，纳入预测的业务未来企业自由现金流的现值。经营资产之外的价值与优先索取权通过价值桥接处理：

$V_{OP,0}$、$V_{E,0}$ 分别为估值日的经营价值与普通股价值，$P_0^*$ 为每股内在价值。其余项目均取同一估值日与并表边界：

• $C_X$：经营不需要的超额现金与有价证券；经营必需现金不能再加一次。
• $I_{NC}$：未纳入经营预测的非并表股权投资价值；已预测子公司全部经营现金流时，不再加计其股权价值。
• $D_M$、$P_M$、$MI$：债务、优先股及已并表子公司少数股东权益的市场或估计公允价值。
• $A$：尚未在现金流或其他桥接项目中反映的额外负担；$N_{dil}$ 为与权益扣减口径一致的潜在稀释后股份数。

债务账面价值仅在其接近经济价值时才是合理近似。少数股东权益应对应已经计入的子公司价值，不能机械按整家公司盈利比例分摊。租赁、养老金缺口和期权等项目需要逐项对照现金流、债务与股份处理；同一索取权既扣价值又完整计入股份稀释，会重复扣减。

“企业价值”在不同语境中可能指包含超额现金的总企业价值，也可能指由股权市值加债务、减现金得到的经营资产市场价值。估值比较应先列明桥接，而非仅凭 EV 标签认定口径相同。

3. 利润、再投资与可分配现金#

税后净经营利润（Net Operating Profit After Tax, NOPAT）：排除融资决策影响、扣除经营所得税后的经营利润。记第 $t$ 年的该项利润为 $N_t$，在税率与税基匹配的简化模型中，$N_t=EBIT_t(1-\tau_t)$。

净经营资产（Net Operating Assets, NOA）：经营性资产减经营性无息负债形成的净资本占用，记年末存量为 $K_t$。经营必需现金可纳入经营资产；超额现金与计息融资项目单独处理。

企业自由现金流（Free Cash Flow to the Firm, FCFF）：满足预测经营能力与增长所需再投资后，可供全部资本提供者分配的经营现金流。以 $J_t$ 表示第 $t$ 年净再投资，现金流为

$EBIT_t$ 为息税前经营利润，$\tau_t$ 为匹配经营税基的税率；$CAPEX_t$ 为资本性支出，$DA_t$ 为折旧摊销，$\Delta NWC_t$ 为经营性净营运资本增加额，$J_t^{other}$ 为尚未计入前述项目的其他净经营投资。各流量单位均为货币/年。经营性净营运资本包含存货、应收款等经营流动资产，减应付款等经营无息流动负债，不直接采用含全部现金与短期借款的“流动资产减流动负债”。

利润按会计期间确认，不等于本期可以拿走的现金。折旧摊销已在利润中扣除，却不是本期付款，所以要加回；购置设备的资本开支实际用了现金，要扣除；应收款和存货增加、扣去供应商等提供的经营融资后，仍需要企业垫付的营运资本也要扣除。把这些项合在一起，才得到 $N_t-J_t$。

例如，自拟企业当年 $NOPAT=100$ 百万元，资本开支 25、折旧摊销 10、净营运资本增加 5，无其他投资，则净再投资为 $25-10+5=20$，FCFF 为 80 百万元。直接折现 100 会把维持和扩张经营所需的 20 也当成可分配现金；仅扣资本开支得到 75，又遗漏折旧加回与营运资本占用的净影响。

只有在资本化范围一致、非现金重估等调整已剔除时，才可写 $J_t=K_t-K_{t-1}$。汇兑、减值、资产重分类或企业合并带来的账面存量变化，不自动等于现金再投资。并购若计入未来利润与资产，收购代价及新增索取权也须同步处理。

股权自由现金流（Free Cash Flow to Equity, FCFE）：企业现金流经过债务收付及其他优先索取权调整后，可供普通股股东分配的现金流。在无优先股、税盾可实现的简化口径下，

其中 $Int_t$ 为利息费用，$NB_t$ 为新增借款减偿还本金。FCFF 不扣债务本金或股利，FCFE 也不能漏掉新增借款。

经营与融资的现金收付最终反映在现金余额中。令 $FinIn_t$ 为新增借债和发行权益取得的融资流入，$Dist_t$ 为税后利息、偿债、回购和股利等对资本提供者的分配金额，则简化的现金勾稽为

这里将融资流入与分配分别列示，不沿用第五章已经扣除偿债、回购和股利的净融资符号 $XF$；否则再次扣减这些分配会重复计量。

继续使用 $FCFF=80$ 百万元的企业，另设现金利息为 8、税率 25%、新增借款 10、偿还本金 5，无其他优先索取权，则净借款为 5，股权自由现金流为 $80-8(1-25\%)+5=79$ 百万元。若实际支付股利 40，且无股权融资与回购，融资流入为 10、分配额为 $6+5+40=51$，现金余额增加 $80+10-51=39$；这也等于可分配给股东的 79 减实际分红 40。由此可以核对现金留在企业还是已经交给投资者，不能把二者重复计入价值。

股利折现模型（Dividend Discount Model, DDM）：以未来股利及最终向股东的分配为现金流的股权估值模型。上例当年股利 40 与 FCFE 79 不同：改用股利估值时，留存的 39 所支持的后续经营或最终分配也必须进入预测，而不能直接将 40 替换 79 后断言公司价值下降。两种方法只有在现金使用、融资与终端分配假设一致时才可比较；本章后面的完整计算采用 FCFF，先估经营价值再桥接至股权。

负 FCFF 表示再投资超过经营内部现金供给，需要减少现金或取得外部融资；它既可能来自高回报扩张，也可能来自无效投资。正 FCFF 若源于削减必要投资，同样不能直接解释为经营质量提高。

4. 预测输入的可得性与经营解释#

预测销售、利润率和再投资时，应先统一财报口径，并区分历史实现、分析师预测和管理层指引。财报采用实际公开日及当时版本，预测采用发布时点与对应财政年度；不能把财报期末日当作信息可用日，也不能用后来修订的预测回填历史。周期高点利润、一次性收益、税损结转与暂时性税收优惠分别处理，不能机械永久化。

销售增长要有销量、价格或业务扩张依据；利润率变化要能回到成本、定价与竞争；资本开支和营运资本要支持所预测的产能与销售。历史均值、同行资本效率和当时可得的一致预期可提供交叉检查，但预测一致不等于预测正确。

管理层可能高估需求、低估资本占用或延迟确认损失。存货上升既可能支持销售扩张，也可能反映滞销或费用资本化。对同一经营现象保留竞争解释，并将治理、应计项目和融资可得性纳入情景，才能避免所有估值路径共享同一个乐观偏差。

1. 增量回报与投资时点#

增量资本回报（Return on Incremental Capital, RIC）：一单位新增经营资本在相应产出期间带来的增量税后经营利润率。它衡量新增投资的生产率，不等于整个存量资本的平均回报。

采用“年末投资支持下一年利润”的时点约定，令 $N_t$ 为第 $t$ 年 NOPAT，$J_t$ 为第 $t$ 年末净再投资，$q_{t+1}$ 为对应的 RIC：

分子、分母均为相同币种的金额，$q_{t+1}$ 为年度回报率。该关系假定能把下一年增量利润归属于本次投资；新产能存在多年建设与爬坡时，应改用分批投产模型。历史的同期差分比率不能直接充当这一前瞻参数。

经济价值创造（Economic Value Creation, EVC）：新增经营投资的预期回报超过匹配资本机会成本的利差，记为 $q-w$，其中 $w$ 为企业资本成本。利差以百分点计量，不是股票收益率。

2. 盈利能力与可扩展性#

增量盈利能力（Incremental Profitability）：每单位新增销售形成的增量税后经营利润，记为 $p^{inc}_{t+1}$。

可扩展性（Scalability）：每单位净再投资支持的新增销售金额，记为 $s_{t+1}$，其倒数为新增销售的资本需求。

在新增销售与新增资本非零时，将销售增量引入 RIC 可得到

$S_t$ 为年度销售收入，$\Delta S_{t+1}=S_{t+1}-S_t$，$\Delta N_{t+1}=N_{t+1}-N_t$。

销售利润率 $p_t=N_t/S_t$ 是存量经营的平均比率。只有利润率在相邻期间保持不变时，才有 $p^{inc}_{t+1}=p_t$；利润率变化会作用于原有销售，不能只乘新增销售。成本优势、产品差异化与议价能力影响可保留的利润；产能利用、营运资本效率与资产强度影响扩张所需资本。高利润率和高可扩展性是不同维度，固定成本低也不保证扩张无需再投资。

若税率 $\tau$ 恒定，利润的会计分类完整，则增量盈利能力可继续拆解：

$COGS$ 为销售成本，$SGA$ 为销售、一般与管理费用，$DA$ 为折旧摊销。税率变化时还需计入税负变化项。与下一年销售对应的再投资分解为

$CAPEX_t$、$\Delta NWC_t$、$J_t^{other}$ 分别为资本开支、经营性净营运资本增加和其他净经营投资。减少营销或研发可能暂时提高利润率，却同时削弱未来增长；降低存货可能改善现金流，也可能破坏交付能力。改变一个驱动时，须判断其他驱动是否还能保持不变。

3. 从经营驱动预测 FCFF#

增长和再投资不能分别自由指定。由 $N_{t+1}-N_t=q_{t+1}J_t$，希望下一年多赚多少利润，就要按每单位新资本的产出倒推本年投入。存量资本回报再高，也不能代替这项新增投资效率；老业务的优势未必能够复制到新项目。

在 $N_t>0$ 且 $q_{t+1}>0$ 时，定义下一年利润增长率 $g_{t+1}=(N_{t+1}-N_t)/N_t$。把增量关系两侧除以 $N_t$，得到 $g_{t+1}=q_{t+1}(J_t/N_t)$；再求出必须留在企业内的利润比例，即再投资率：

若销售利润率固定为 $p$，销售与利润以相同的 $g_{t+1}$ 增长，且 $q_{t+1}=ps_{t+1}$，则

这里的 $g_{t+1}$ 以 $S_t$ 为基数，即 $(S_{t+1}-S_t)/S_t$；$(S_t-S_{t-1})/S_t$ 不是同一个增长率。资本支出发生在 $t$ 年，支持的是 $t+1$ 年销售，不能混用同期增量。

自拟例：增长所需的资金。 继续第一节 $N_t=100$、净再投资 20 百万元的企业。令当年销售收入为 1,000，下一年计划增长 4%，税后利润率保持 10%；新增销售 40、新增利润 4，所以增量盈利能力为 $4/40=10\%$，可扩展性为 $40/20=2$，新增资本回报为 $10\%\times2=20\%$。反过来按目标增长和回报估计，再投资为 $4/20\%=20$，恰好回到第一节的 FCFF=80。这组经营输入继续用于第三节完整估值，不是另一家公司。

若增长目标提高至 24% 而回报率不变，再投资增至 120 百万元，FCFF 为 -20 百万元。资本成本若为 9%，两种方案的新增投资都有 11 个百分点的正利差，但第二种方案不能只靠当年经营产出供资；在不动用既有现金时，至少还需 20 百万元外部资金。第一节的现金核对因此决定该增长路径能否实施，而不是仅凭正利差接受预测。

直接估计 $CAPEX_t/\Delta S_{t+1}$ 在销售增量接近零时不稳定。若固定资产容量按 $K_t^{PPE}=\kappa S_{t+1}$ 配置，且每期折旧率口径为 $DA_t=dS_t$，则恒定的资本强度 $\kappa$ 给出

$K_t^{PPE}$ 为年末支持下一年生产的净固定资产，$d$ 为折旧占当年销售比例。在前述企业中，取 $d=1\%$、$\kappa=0.375$，则折旧为 $0.01\times1{,}000=10$，为新增 40 销售配置的净固定资产为 $0.375\times40=15$，资本开支为 $10+15=25$ 百万元；再加营运资本占用 5，得到原来的净再投资 20。这个金额计算使资本强度真正进入现金流预测，而不是只留下一个不稳定的比率。

若将增长改为零、其他设定保持不变，新增固定资产需求为零，但资本开支仍需 10 以抵补折旧。此时 $CAPEX/\Delta S$ 不可用，金额式却仍可计算。收入收缩、利润亏损或净资产处置时，也应优先用直接现金流预测，而非强行解释不稳定的增量比率。

4. 增长何时增加企业价值#

固定下一年税后利润 $N_1$，假定此后的利润增长率 $g$、增量回报 $q$ 与资本成本 $w$ 恒定，且 $q>0$、$-1<g<w$。年末再投资支持下一年增长，则

等式第二步使用等比级数：第一笔折现现金流为 $N_1(1-g/q)/(1+w)$，此后每项相对前一项都乘以 $(1+g)/(1+w)$。在所列条件下，这一比值介于 0 与 1；用首项除以“1 减公比”，便得到分母 $w-g$。它来自增长与折现的共同作用，不是另行假定的估值倍数。

增长一方面增加远期利润，另一方面通过 $g/q$ 减少当期可分配现金。固定 $N_1,q,w$，对 $g$ 求导：

在 $N_1>0$ 时，$q>w$ 对应增长增值，$q=w$ 对应增长价值中性，$q<w$ 对应增长损值。比较以同一个 $N_1$ 为起点；若提高 $g$ 的同时把 $N_1$ 也提高，却漏掉实现这部分利润所需的估值日前投资，就改变了比较条件。

若改以当前销售收入 $S_0$ 为起点，给定稳定利润率 $p$、可扩展性 $s$，并令 $N_1=pS_0(1+g)$、$q=ps$，则同一估值式写为

此时改变 $g$ 也改变第一年利润，不能与固定 $N_1$ 的比较混为一谈。

自拟参数取 $N_1=10$ 百万元、$w=9\%$，改变恒定增长率及新增资本回报。图中不含竞争衰减，用于隔离增长与资本回报的关系。

增长从 0 提高到 4% 时，$q=18\%$ 的价值从 111.11 升至 155.56 百万元；$q=9\%$ 时保持 111.11；$q=6\%$ 时降至 66.67。单纯提高增长预测并不必然提高估值。

5. 现有经营与增长机会的两种分解#

若以某个可持续年度自由现金流 $F_0$ 为参照，可作纯代数分解：

这一分解把每期现金流拆成相同的参照金额与超出参照的部分，用于检查估值有多少依赖未来现金相对这一水平的变化。它不是另一笔新增价值；若 $F_0$ 已扣除扩张再投资，$F_0/w$ 也不能直接解释为“停止增长后的经营价值”。第三节会用完整估值与第一年现金流检验这个区别，而不把参照项机械命名为存量业务价值。

经济增加值（Economic Value Added, EVA）：当期经营利润扣除期初经营资本机会成本后的金额，即 $EVA_t=N_t-wK_{t-1}$；$K_{t-1}$ 为期初净经营资本。它把已投入资本要求赚取的利润扣掉，剩余才是本期超过资本机会成本的经营所得。EVA 是金额，前面判断新增投资的 $EVC=q-w$ 则是回报利差，不能直接相加。

经济利润估值（Economic Profit Valuation）：将估值日投入资本与未来经济利润的折现值相加的估值表示。它不是与 DCF 并列相加的第二份价值；要验证两者何时相等，将 $N_t=EVA_t+wK_{t-1}$ 代入现金流式。在 $J_t=K_t-K_{t-1}$ 的一致资本核算下，

代入 $EVA_t=N_t-wK_{t-1}$，右侧便是 $N_t-(K_t-K_{t-1})$，所以它与现金流式同源。折现后，资本项成为 $K_{t-1}/(1+w)^{t-1}-K_t/(1+w)^t$：第一年的负 $K_1/(1+w)$ 与第二年的正项相消，其余年份依次相消，只留下 $K_0-K_T/(1+w)^T$。若远期折现资本 $K_T/(1+w)^T\to0$，得到

$K_0$ 为估值日净经营资本，$EVA_t=N_t-wK_{t-1}$。若所有存量及新增资本的预期回报均等于资本成本，每期经济利润为零，经营价值等于一致计量的投入资本。只有新增投资的 $RIC=w$，并不足以推出整个公司价值等于账面资本；存量业务仍可能创造经济利润。

1. WACC 的构成与匹配条件#

加权平均资本成本（Weighted Average Cost of Capital, WACC）：企业各类资本提供者要求收益率按匹配资本结构的市场价值加权后的机会成本。记普通股、债务和优先股市场价值为 $E,D,P$，则

$w$ 为年度 WACC，$r_E,r_D,r_P$ 分别为股权、债务和优先股资本成本，$\tau_D$ 为利息税盾可实现的边际税率。债务成本应反映匹配期限和信用风险的新融资机会成本，不直接采用历史票息；税盾受限时不能机械使用完整抵税比例。

股权成本可以采用资本资产定价模型等定价框架估计。风险模型提供的协方差本身不等于要求收益率，仍需风险价格或资本成本假设。不能为了获得预定目标价而反向调低资本成本，也没有跨公司通用的“股权成本固定高于债务成本若干百分点”规则。

自拟例：资本成本。 为前述企业的三阶段估值设定目标融资结构：普通股与债务市场价值权重分别为 80% 和 20%，股权成本 10.5%、税前债务成本 4%、可实现税盾税率 25%。每一元经营资本的股权部分要求 $0.8\times10.5\%=8.4\%$，债务部分要求税后 $0.2\times4\%\times(1-25\%)=0.6\%$，所以 $w=9\%$。

后面的逐年现值和长期增量回报均采用这个 9%，而不是算完资本成本后另换一个未说明的折现率。这里假定企业长期维持目标市场价值权重；它们不是由后文估值日的债务和模型股权桥接数倒推所得，目标结构也可能不同于当前结构。

FCFF 匹配 $w$，FCFE 匹配 $r_E$；现金流与折现率还须统一币种、名义或实际、税前或税后以及风险口径。长期资本结构显著变化时，应采用分阶段资本成本或另行处理税盾，不在全预测期机械沿用当前权重。

2. 显式期、衰减期与稳定期#

逐年预测越往后越难可信，但把最近一年的高速增长直接延伸到无限期，又可能让企业规模和回报脱离竞争条件。三阶段方法把近期可具体解释的经营计划，与远期较简化的长期假设分开，并在中间安排过渡，避免经营参数在某一年无解释地跳变。

按经营可预测程度和竞争状态，将预测期分为三个连续阶段：

• 显式预测期（Explicit Forecast Period）：逐项预测销售、成本、再投资与融资约束的期间。
• 衰减期（Fade Period）：显式期之后，超常增长与超额资本回报向长期状态过渡的期间。
• 稳定期（Stable Period）：经营增长、再投资、资本回报与资本成本形成可持续长期关系的期间。

令显式期末为 $T$，第 $T+n$ 年的增量回报与利润增长率分别为 $q_{T+n}$、$g_{T+n}$。一种以半衰期 $h_f$ 描述竞争衰减的设定为

$n$ 是进入衰减期后的整数年数，$g_\infty$ 为稳定利润增长率；$F_n$ 表示相对初始超额水平的剩余比例。它不是每一年继续乘到上一年差额上的递减系数；递推时应使用固定的一期保留率 $2^{-1/h_f}$。

下图采用自拟年度参数 $q_T=18\%$、$g_T=8\%$、$w=9\%$、$g_\infty=3\%$、$h_f=4$ 年。折线只连接整数年份，不代表年内经营轨迹。

第 4 年的增量回报为 13.5%、增长率为 5.5%，减半的是各自高于长期水平的差额，而非整个回报率或增长率。指数路径在有限年份仍有剩余超额回报；转入稳定期时须交代截断或过渡规则。

$q\to w$ 是竞争消除新增投资超额回报的终端假设，不是对所有企业的必然预测。稳定增长应与可服务市场、规模和计价口径相容，且满足折现收敛条件。长期无风险利率可以作为校准参考，但不是经济增长率的恒等式，也不是其无条件无偏估计。

3. 三段现金流与终值#

令显式期为第 1 至 $T$ 年，衰减期为第 $T+1$ 至 $L$ 年，稳定期从 $L+1$ 年开始。固定年度资本成本为 $w$，所有现金流在年末发生，则

终值（Terminal Value）：在估值截点对其后全部现金流的现值。$TV_L$ 位于第 $L$ 年末，只包含第 $L+1$ 年及以后现金流，不能与已经逐年预测的衰减期重复计入。

设稳定期利润增长率为 $g_\infty$，新增投资回报为 $q_\infty>0$，第 $L+1$ 年税后经营利润为 $N_{L+1}$，则

稳定期的再投资支持的是再下一年的利润增长，因此使用长期一致的 $q_\infty$，而非误把过渡年的回报代入。若 $q_\infty=w$，分子中的再投资比例与分母相消，得到 $TV_L=N_{L+1}/w$。这与保持同一下一年利润、以后不再增长的价值相同，并不意味着有增长时再投资可以设为零。即便增长为零，净再投资为零也不等于总资本开支为零；维护投资可能仍需抵补资产耗损。

终值占比较高说明估值依赖远期假设，不说明估值更可靠。稳定增长越接近折现率，越应检查再投资、资本回报与竞争假设；显式期短暂高增长可以高于 $w$，永续增长却不能沿用该设定。

4. 完整计算：FCFF、经营价值与每股价值#

沿用前述自拟企业，把第一节的现金流计算放在预测第 1 年：销售收入 1,000、税后经营利润率 10%，故 $N_1=100$；净再投资 20、FCFF 80 均与经营驱动一致。显式期共 2 年，初始利润增长率 4%、可扩展性 2、增量回报 $q=20\%$，资本成本采用刚算出的 9%。金额单位为百万元，股份单位为百万股；本例逐年折现的是企业现金流，不是第一节另列的股利分配方案。

用 2 年线性衰减演示有限期过渡：第 3 年的增长率与增量回报为 3% 和 14.5%，第 4 年及以后为 2% 和 9%。这里采用有限线性过渡，不沿用图 6-2 的指数衰减参数。

第 1 年末的再投资支持第 2 年利润，第 2 年末的再投资已经支持进入衰减期的第 3 年利润：

后续按 $N_{t+1}=N_t(1+g_{t+1})$、$J_t=N_tg_{t+1}/q_{t+1}$ 递推：

稳定期从第 5 年开始，$N_5=109.2624\times1.02=111.447648$。于是

三项分别为显式期现金流现值、衰减期现金流现值与终值现值。计算使用未舍入值，表格只展示两位小数。

第二节的现金流参照分解现在也有了实际对象：取 $F_0=80$，参照项为 $80/9\%=888.8889$ 百万元，其余为 $1{,}144.6048-888.8889=255.7159$。后者表示后续现金超过 80 这一水平的折现贡献，不等于“新增投资的全部价值”。若另设第一年利润 100 可永续维持、停止增长且净再投资为零，无增长价值反而为 $100/9\%=1{,}111.1111$。由于 80 已扣除扩张投资，把 $80/9\%$ 称为停止增长后的业务价值会低估这个对照情景。

再设超额现金 60、非并表投资 40、债务 200、少数股东权益 50，无优先股和额外调整，稀释后股份数为 100，则

市场价取 10 元，估值差为 $9.9460/10-1=-0.5395\%$。这只是当前假设下的估值结果，不是未来一年收益预测。

若资本成本同时决定折现率与长期增量回报，并随情景同步调整，其余输入不变，结果为：

这一比较同时改变折现与稳定期再投资需求，不应称为“现金流固定时的纯折现率效应”。对资本成本作何种扰动，必须与所检验的经济问题一致。

1. 局部斜率、曲率与单位#

估值敏感性（Valuation Sensitivity）：在明确其他输入如何处理的条件下，估值随某项输入变化的响应。单变量敏感性识别局部方向，不能提供情景发生概率。²

令 $V(x)$ 为输入 $x$ 对应的价值，$x_0$ 为基准，$h>0$ 为扰动步长。对可微的估值函数，中心有限差分给出一阶与二阶导数的近似：

$\delta_x$ 的单位为“价值单位/输入单位”，$\gamma_x$ 的单位为“价值单位/输入单位平方”。利率以小数输入时，增加 1 个百分点对应 $\Delta x=0.01$，而不是 1。不同量纲下的导数绝对值不能直接排名；比较研究优先级可用共同经济冲击，或使用 $|\delta_x|\sigma_x$ 衡量一倍输入波动对应的局部价值变化。

对固定下一年销售收入 $S_1>0$ 的稳态模型，令 $p$ 为税后利润率、$s>0$ 为可扩展性、$g$ 为恒定增长率、$w>g$ 为资本成本，现金流利润率为 $a=p-g/s>0$，价值为 $V=S_1a/(w-g)$。各输入的相对价值敏感性为

利润率提高增加现金流，可扩展性提高减少相同增长的资本需求；增长的作用同时包含利润扩张与再投资挤占。销售项是弹性，其余项对应输入的绝对变化。若固定的是 $S_0$ 而非 $S_1=S_0(1+g)$，增长敏感性还要增加 $1/(1+g)$，不能漏掉预测起点变化。

若基准附近光滑且扰动足够小，可用二阶泰勒近似：

融资约束、破产或业务关闭会形成非光滑边界，跨越这些边界时应重算整个情景，不能依靠局部展开。

2. 终值对资本成本的凸性#

为单独考察折现效应，固定下一年现金流 $F=10$ 百万元和其后的永续增长率 $g=3\%$。终值关于资本成本 $w$ 的函数及导数为

定义域为 $w>g$。基准 $w_0=8\%$ 时，价值为 200 百万元，一阶、二阶导数分别为 -4,000 与 160,000。下图把价值除以 200 后乘 100，比较真实曲线与基准切线。

资本成本从 8% 降至 7% 时，真实价值为 250，一阶近似为 240，加入二阶项后为 248；从 8% 升至 9% 时，真实价值为 166.67。对称的利率变化产生不对称的价值变化，不能把局部敏感性写成任意幅度下的精确比例。

固定其他输入时的凸性，不等于增加不确定性对投资者总有利。风险可能同时降低现金流、提高资本成本或改变融资可得性；更高的模型平均价值也不等于更高的风险调整后收益。

3. 联合变动与均值情景偏差#

敏感性计算已经显示，对称的输入变化可能产生不对称的价值变化。若为这些变化指定概率，应该先算每种情景的价值，再按概率加权；先平均参数、只算一次价值，可能遗漏曲率的影响。这个差别可以直接沿用前面的终值函数检验，无需再引入一种新的估值方法。

沿用上一小节的终值函数，另设资本成本以相等概率为 7% 或 9%，其他参数不变。资本成本均值为 8%，均值参数估值得到 200 百万元；两条路径的估值均值却为 $(250+166.6667)/2=208.3333$ 百万元。二阶近似增加的均值项为 $160{,}000\times0.01^2/2=8$ 百万元，得到 208。这个受控比较显示了曲率修正从何而来；扰动更大或接近终值不收敛边界时，应回到逐情景完整重算。

1. 随机输入与完整经营路径#

多路径折现现金流（Multipath Discounted Cash Flow, MDCF）：为关键经营与估值输入指定联合概率模型，将每组输入转换为完整现金流路径及对应价值，再汇总价值分布的估值方法。²

在估值日信息集 $\mathcal F_0$ 下，设

$\boldsymbol z\in\mathbb R^k$ 为 $k$ 项输入组成的列向量，$\mathcal D$ 为条件联合分布，$G$ 包含经营预测、衰减、终值及股权桥接，$M$ 为情景数。输入可以是经营参数，也可以是一整条年度扰动序列；“每次抽取一组长期参数”与“每年重新抽取经营冲击”是不同模型，后者还需时间依赖假设。

利润率、增长率、资本效率与融资成本往往受共同经营状态影响。多变量模拟不能只指定每个变量的范围而忽略相关性；不同股票还可能受共同宏观冲击影响，单股估值离散度不能替代股票收益协方差。

2. 联合分布的估计与信息边界#

设在决策时点已经可得的历史输入依次为 $\boldsymbol z_s$，其指数加权均值与中心协方差为 $\boldsymbol\mu_s$、$\boldsymbol C_s$。给新观测权重 $0<\eta\leq1$，记 $\boldsymbol d_s=\boldsymbol z_s-\boldsymbol\mu_{s-1}$。将旧分布整体赋权 $1-\eta$、新观测赋权 $\eta$，可得

$\boldsymbol\mu_s,\boldsymbol d_s$ 均为 $k\times1$，$\boldsymbol C_s$ 为 $k\times k$。指数加权让较近观测占更大比重，但更新均值后，旧观测和新观测都要相对新中心重新计算偏离。先看一个变量，记新值相对旧均值的差为 $d$：旧分布的中心移动了 $\eta d$，新值相对新中心只偏离 $(1-\eta)d$。两部分新增的中心平方项为 $(1-\eta)(\eta d)^2+\eta[(1-\eta)d]^2=\eta(1-\eta)d^2$；多个变量把平方换成外积，就得到上述矩阵更新。

自拟两变量例中，明确输入依次为税后利润率 $p$ 与显式期增长率 $g$，均以小数计量。给定某个历史窗口的旧均值 $(0.10,0.04)'$，旧中心协方差的对角项均为 $0.0002$、非对角项为 $-0.000104$。新观测为 $(0.12,0.02)'$，权重 $\eta=0.25$，故偏离为 $(0.02,-0.02)'$，新均值为 $(0.105,0.035)'$；更新后的对角项为 $0.75(0.0002)+0.1875(0.02)^2=0.000225$，非对角项为 $0.75(-0.000104)+0.1875(0.02)(-0.02)=-0.000153$。

若采用这组更新后的矩作为下一步正态输入模型的参数，两项标准差均为 $\sqrt{0.000225}=0.015$，相关系数为 $-0.000153/0.000225=-0.68$。这一步把均值与协方差转成抽样所需的中心、尺度和相关性；下面直接使用它们生成输入并重新估值。用历史经营水平的矩预测未来参数分布，是另一个需要验证的假设，不能由更新公式本身保证。

在旧矩阵半正定时，更新仍保持半正定，因为它是旧矩阵与一个外积的非负加权和。该对象是归一化权重下的描述性中心二阶矩，不是自动无偏的协方差估计，也不是把预测误差平方指数平滑得到的另一种波动滤波器。

初始化只能使用当时可得的训练数据。盈利能力改善与增长放缓产生的负相关，可能来自企业成熟过程而非可重复的随机冲击；历史水平波动也不等于预测误差波动。应根据建模对象区分趋势、状态和残差，并用当时发布的预测与后来实现的经营结果，检验误差分布的校准。

分析师预测可以影响条件均值与情景，但不能与实现值无标记拼接后直接当作同一种随机样本。短样本还需检查协方差矩阵的半正定性、条件数和参数稳定性，必要时收缩相关结构；选择窗口和收缩强度不能使用最终测试期信息。

3. 抽样、格点与不适用情景#

指定联合协方差以后，还要让生成的输入实际具有这一共同变化结构。独立地抽取利润率和增长率会把两者相关性设为零，不能仅在表格中另写一个非零相关系数。

两个变量时，可以从独立标准正态量 $\varepsilon_1,\varepsilon_2$ 出发，设 $z_1=\mu_1+\sigma_1\varepsilon_1$、$z_2=\mu_2+\sigma_2[\rho\varepsilon_1+\sqrt{1-\rho^2}\varepsilon_2]$，其中 $\sigma_1,\sigma_2>0$，$|\rho|<1$。共享的第一项产生协方差 $\rho\sigma_1\sigma_2$，独立的第二项补足剩余方差；第二个变量的总方差仍为 $\sigma_2^2[\rho^2+(1-\rho^2)]=\sigma_2^2$。这说明相关抽样来自明确的线性组合，而不是抽样后随意配对。

推广到多元正态输入，若协方差 $\boldsymbol\Omega$ 正定，可作 Cholesky 分解 $\boldsymbol\Omega=\boldsymbol L\boldsymbol L'$，即寻找一个把独立单位方差扰动转换为目标共同变动的下三角矩阵，再抽取

$\boldsymbol\mu$ 为 $k\times1$ 均值，$\boldsymbol\Omega$ 为 $k\times k$ 输入协方差，$\boldsymbol L$ 为相同维度的下三角矩阵，$\boldsymbol I_k$ 为单位矩阵。本例把上一小节的更新结果代入，即 $\boldsymbol\mu=\boldsymbol\mu_s$、$\boldsymbol\Omega=\boldsymbol C_s$。半正定但奇异的协方差需要秩降低的分解，不能强行执行严格正定的 Cholesky。

为展示一次输入转换，固定教学扰动 $(\varepsilon_1,\varepsilon_2)=(1,0)$，并不将其称为一次已经运行的随机模拟。更新后的参数给出 $p=0.105+0.015=0.12$、$g=0.035+0.015(-0.68)=0.0248$。把这两个数送入第三节相同的三阶段规则：第一年利润为 120、初始 $RIC=2p=24\%$，所以 $J_1=120\times0.0248/0.24=12.4$、$FCFF_1=107.6$；随后利润为 $N_2=122.976$，依同一衰减规则逐年计算，经营价值为 1,364.0034 百万元。桥接净减 150、除以 100 百万股后，每股价值为 12.14003 元。

若保持均值、方差和这组扰动不变，只把相关系数设为零，增长率就变成 $g=0.035$，第一年 FCFF 变为 102.5，完整重算的每股价值为 12.24611 元。两次结果不同，是因为联合结构改变了与较高利润率配对的增长；不是抽样算法凭空创造价值，也不能用这一条路径推断平均估值或低估概率。真正模拟时应固定随机种子、抽取多条扰动，并让每条路径经过同一套投资时点、衰减和权益桥接规则。

普通独立蒙特卡洛抽样用等权 $1/M$ 近似期望；确定性格点枚举则给每个输入组合分配其代表区域的概率，两者不是同一种数值方法。连续变量在单一精确点的概率为零，概率密度也不是概率质量；若只保留有限区域，须记录遗漏的尾部质量，以及归一化后所得的条件分布。

联合正态输入可能产生不适用的利润率、非正资本效率或不收敛的终值。可采用有界变换、分状态分布或经济一致的联合情景，但变换会改变实际均值和相关性。拒绝抽样会改变分布，必须报告规则与拒绝比例；不能把异常值悄悄删除后仍声称使用原分布。$w\leq g_\infty$ 的永续公式应判为不适用，显式期短暂的 $g_t>w$ 却不是同一错误。

负 FCFF 不是可随意删除的坏样本；它要求检查资金来源。若路径无法融资，或已经进入困境和清算状态，应改用对应的融资、违约或清算模型，不再沿用无条件持续经营的股权桥接。用固定 WACC 对不同路径折现属于情景估值近似，也不能自动等同于风险中性定价。

4. 可复算的联合情景与估值分布#

沿用第三节完整算例，仅改变显式期利润率 $p$ 与增长率 $g$，其余参数和三阶段规则不变。每个情景的初始 $RIC=2p$；进入衰减期后，利润增长与增量回报依照各自路径收敛，不再把显式期的利润率和可扩展性同时固定到永续期。

为完整展示从联合概率到估值分布的计算，另行指定以下九个离散情景。它们不是上一小节更新后正态模型的抽样结果，也不是历史频数；表内每项是该情景的概率：

概率合计为 1。两项输入的边际权重均为 $\{25\%,50\%,25\%\}$，均值分别为 10% 和 4%，标准差均为 1.4142 个百分点，相关系数为 -0.52。低增长与高利润率的组合比“双低”或“双高”更有权重，这是明确的建模假设。

对每个情景独立重算 FCFF、经营价值与股权桥接，得到以下每股价值，单位为元：

例如 $p=8\%,g=2\%$ 的路径得到经营价值 900.29795 百万元；桥接净减 150 百万元、除以 100 百万股后，每股价值为 7.50298 元。

估值空间（Valuation Upside）：每股模型价值相对当前市场价格的比例差。令市场价格 $P_0=10$ 元，第 $m$ 个情景每股价值为 $P_m^*=V_E^{(m)}/N_{dil}$，则 $U_m=P_m^*/P_0-1$。若情景概率为 $\pi_m$，且 $\pi_m\geq0$、$\sum_m\pi_m=1$，可计算

$\bar U$ 为模型内平均估值空间，$\sigma_U$ 为模型情景离散度，$\pi_+$ 为模型内低估概率。下图的阶梯累计概率由上述九条路径逐一计算、排序和加权而来，离散情景之间不作平滑插值。

本例 $\bar U=-0.6770\%$、$\sigma_U=16.0940\%$、$\pi_+=33\%$。平均估值空间不同于均值参数对应的 -0.5395%；累计概率在零处为 67%，所以正估值空间的概率是 33%。

若保持相同边际分布，只将联合概率改为边际概率乘积，输入相关性变为零，估值空间标准差变为 16.6597%。相关性改变了输入组合的权重，也改变了估值分布；其方向不是对所有估值函数都相同。

还可对任意经营指标采用相同的概率加权，例如计算 $P(FCFF_1>0)$、$P(RIC_2>w)$ 或现金缺口分位数。本例两项概率均为 100%，但股票低估概率只有 33%。这说明“经营投资创造价值”“第一年内部资金覆盖计划再投资”和“股票值得按当前价格买入”是不同命题；这里的 100% 仅反映有限情景中未加入相反状态。

5. 情景离散度、数值误差与 alpha#

离散度调整的估值分数（Dispersion-adjusted Valuation Score）：将平均估值空间按模型情景离散度缩放的无量纲指标，记为 $Z_U=\bar U/\sigma_U$，要求 $\sigma_U>0$。本例 $Z_U=-0.0421$，表示负的平均估值差只有情景标准差的约 $0.0421$ 倍；结合已有 33% 的正估值空间概率，不能只凭略低于市场价的平均值认定所有合理经营情景都支持高估。这里实际比较的是估值差相对模型内离散程度有多大，不是检验均值显著性。

该分数没有使用均值估计的标准误，不是经典 $t$ 统计量，也不能据此给出显著性水平；若离散度接近零，应检查情景支持范围，而非直接生成极端分数。

若采用独立同分布的随机路径且二阶矩有限，模拟均值的数值标准误近似为 $s_U/\sqrt M$，其中 $s_U$ 是模拟样本标准差。它不是 $\sigma_U$；本例采用确定性离散枚举，也不使用这一蒙特卡洛标准误。改变参数与分布假设进行压力测试，和增加同一模型下的抽样次数，解决的是不同问题。

估值空间比较的是当前模型价值与当前价格，未指定市场多久修正价格，也未包含未来分红、增发、估值基准移动或新的信息冲击。它首先是一个特征或排序信号。形成指定期限的收益预测时，应以滚动历史中当时可得的估值信号校准其与随后总回报的关系，固定训练、验证和测试边界，并与简单价值比率比较样本外增量信息。

进入多因子 alpha 模型前，应检查它与盈利收益率、账面市值比及行业、规模、杠杆暴露的重叠。模型内的 $\sigma_U$ 不能直接代替收益波动率或组合风险模型；持仓仍需由收益预测、收益协方差、约束、换手与成本共同决定。经营假设失效、融资不可得或估值差长期不收敛时，应降低信号权重或停用，不能仅凭较大的估值空间追加头寸。