系列走到这里,研究的活基本齐了:找到公司、读完文件、查过对手、指标过关。但还差最后一公里——好公司不等于好股票,价格是你付出的,价值是你得到的(内在价值那一课的原话)。这一篇讲怎么用 AI 做散户够用的估值。
先管理预期,两盆冷水:第一,估值是毛估,不是精算——任何声称算出"目标价 187.4 美元"的模型都是在用精确的错误代替模糊的正确;第二,AI 不能替你估值,因为估值的核心不是计算(计算恰恰是最简单的部分),是假设——增速给多少、折现率给多少,这些判断是你的。AI 真正的贡献:把假设摆上台面、把计算变成免费、把敏感性测试变成一句话的事。
方法一:简化 DCF——三个假设,一张敏感性表
DCF(现金流折现)的原理一句话:公司值多少钱,等于它未来所有自由现金流折到今天的总和。散户版只需要三个假设:
- 未来 5-10 年的 FCF 增速:从历史增速出发,砍一刀(未来通常比过去难);
- 折现率:无风险利率加风险补偿,粗略区间 8%-12%——利率篇讲过,这就是利率影响估值的那个分母;
- 终值假设:第 10 年之后按永续低增长(2%-3%)处理。
Prompt 模板 ①(简化 DCF + 敏感性):"XX 公司最近一年自由现金流为 X 亿美元。请做简化 DCF:假设未来 10 年 FCF 增速 X%,之后永续增长 2.5%,折现率 10%,算出每股价值(流通股数 X)。然后做敏感性表:增速取(低/中/高三档)、折现率取 8%/10%/12%,九宫格里每格的每股价值各是多少?"
重点是那张九宫格,不是任何单一数字。如果九宫格里最悲观和最乐观的格子差了五倍,说明这家公司的价值高度依赖假设——这本身就是重要结论(意味着你需要更大的安全边际);如果九宫格挤在一个窄带里,估值反而可信。
方法二:可比倍数——快,但要会挑尺子
倍数法(PE、PS、EV/EBITDA)是市场用得最多的快尺,要点只有两个:
挑对尺子:盈利稳定的公司用 PE;亏损或早期成长公司用 PS(注意烧钱换收入的公司 PS 会骗人);重资产、折旧大的用 EV/EBITDA。周期股专属陷阱:景气顶部利润巨高、PE 显得极低——低 PE 的周期股往往是最贵的时候,这个反直觉必须刻死。
比对参照:倍数没有绝对高低,只有相对——和自己的历史区间比(现在处于五年分位的哪里),和同行比(贵有贵的理由吗?差距是护城河还是泡沫?)。
Prompt 模板 ②(倍数体检):"XX 公司当前 PE 为 X、PS 为 X(数字自己查了贴入)。请体检:①按它的商业模式,哪个倍数最合适、哪个会失真?②当前倍数处于它自己五年区间的什么位置?③与主要同行(列名)相比溢价/折价多少,可能的原因是什么?④如果用 PEG 视角(倍数除以增速),结论有变化吗?"
方法三:反向 DCF——AI 时代最实用的估值姿势
前两种方法都是"我算出价值,再和价格比"。反向 DCF 把问题倒过来:不算价值,而是问——现在的价格,隐含了什么假设?然后你只需判断这个假设靠不靠谱。这个方法特别适合配 AI,因为它把估值从"预测未来"变成了"审查预期":
Prompt 模板 ③(反向 DCF):"XX 公司当前市值 X 亿美元,最近一年 FCF 为 X 亿。请反向求解:在折现率 10%、永续增长 2.5% 的假设下,当前市值隐含未来 10 年的 FCF 年增速是多少?然后评估:这个隐含增速,对比它过去五年的实际增速、所在市场的天花板、竞争格局,是保守、合理还是激进?历史上有多少同等体量的公司做到过这个增速?"
最后一问最诛心。英伟达实战篇说的"叙事切换对应估值逻辑不同",用反向 DCF 一句话就能量化:市场现在给的价格,是按哪个叙事在定价?你信不信这个叙事?——信,就买得踏实;不信,就是别人的故事,与你无关。
收口:安全边际,给"我可能错了"留位置
三种方法殊途同归后,最后一步不是"算出的价值 vs 现价"的简单比大小,而是打折:只在价格明显低于你的保守估值时出手——因为你的假设可能错、财报可能有你没看出的问题、行业可能突变。安全边际不是让你赚更多的技巧,是你所有分析错了一半时还能不亏大钱的保险。折扣打多少,取决于九宫格的离散度:估值越依赖假设的公司,要求的折扣越深。
顺手把结论接回工作流:估出的"值得出手的价格区间"写进观察名单当触发价——估值的产出不是观点,是挂在名单上的一个数,到价才研究着手,不到价继续等。
边界三条
- 估值决定"值不值",不决定"何时涨"——便宜的可以更便宜很多年,估值给你的是赔率,不是时机;
- 别让 AI 自己找数字——FCF、市值、股数全部自己从财报和行情软件核对后贴给它,老规矩在估值上错一个数就是错一倍结论;
- 每季重估一次就够——估值是慢变量,天天算是自我安慰,财报后跟着档案更新一起做。
金豆划重点
- 估值是毛估:AI 负责计算和敏感性,假设永远是你的——这是不能外包的部分;
- 简化 DCF 看九宫格不看单点:离散度大 = 价值依赖假设 = 要求更深的安全边际;
- 倍数法先挑对尺子:盈利稳定用 PE、亏损成长用 PS、重资产用 EV/EBITDA——低 PE 的周期股常是最贵的时候;
- 反向 DCF 是 AI 时代最实用姿势:不预测未来,只审查现价隐含的预期靠不靠谱;
- 产出是一个数:把"值得出手的价格"挂上观察名单当触发价——估值不是为了发表观点,是为了等到你的球。
下一篇补全最后一块:研究、估值、买入都讲了,怎么卖?——AI 如何辅助卖出决策。
本文仅为个人研究方法分享,不构成任何投资建议,市场有风险,入市需谨慎。
— 金豆
