怎麼判斷股票估值高低？
又如何判斷是否跟估值背離
總結一下最為通用的企業估值分為兩類方法，絕對估值用折現現金流法，也就是DCF，相對估值用可比公司估值(trading comps)和可比交易估值(transaction comps)。DCF技巧太多完全可以寫一本書，而transaction comps由於信息壁壘對於大多一般投資者並不適用，所以在這裡我想多說一些關於可比公司估值的方法和技巧。希望能給一些股票投資者提供一些價值投資的方法和思路，也避免被一些江湖道士忽悠上當。
可比公司估值最直接的例子：當你買房的時候如果你會把周圍類似的房子放到一起進行比較，那麼你就在做可比公司估值了。在分析股票和公司時，我們也把一些因數類似的企業放在一起，通過比較相關倍數或比率來判斷估值對象的合理價值。由於很多國內市場參與者缺乏處理財務報表的分析能力，所以DCF的絕對估值準確率十分有限，往往傾向於運用可比公司估值的方法通過乘數為證券或公司定價。
但絕大多數時候，我們看到國內市場上做的相對估值是一種粗放型的操作方法(簡單粗暴的用平均乘數乘以利潤或其他參數)，反而忽略了可比公司估值的使用前提是估值者應當意識到：除了企業規模的標準化需求外，還要考慮可比企業之間的很多非營運性的區別，其中包括財務槓桿、會計處理、臨時偏離(一次性項目)、租賃行為、商業產品周期等等對估值方式所帶來的影響。在實際操作中，我們估值時會根據不同案例選取不同的參考比率，或在財務報表分析時根據盡職調查的結果進行參數調整，可比公司估值的結果往往當作DCF估值的市場檢驗，對最終的估值結果產生一定影響。
也許有人說這樣做是不是太不實用了，沒有人會相信財務數據的，但事實上海外市場的企業估值從來沒有靠拍腦門決定過，因為當賣方確定了自己的估值以後就要寫term sheet，給出offer，合同中還要寫之後談判議價的浮動區間，不得不承認最終談判桌上的起點真的就是靠這幾份excel表格決定的。至於財務數據準不準，我只能說大家耍的都是一套拳，但技巧上還是高下立判。
下面介紹一下我的個人經驗和一些華爾街常用的估值技巧，在運用comps進行可比公司估值時的常用的相對倍數包括P/E市盈率，PEG市盈增長率，P/B市凈率，EV/EBIT，EV/EBITDA, EV/收入等，之後再介紹在處理例如互聯網、通信、油氣、能源和不動產投資信託企業時的另外一套邏輯。P/E市盈率，股價/每股凈收益，股權價值/凈收入市盈率的問題在於每股凈收益只是某一階段的會計利潤，而會計利潤很可能因為當期的非現金和一次性項目不能反應一家企業真實的財務表現，另一方面，一些諸如關於成本的會計假設都存在人為操控的可能。最適合運用市盈率進行估值的企業應為處於成熟期，擁有盈利的公司，樣本應優先選擇相似的資本結構。EV/收入，企業價值/收入
一般用以對早期，高成長，盈利能力有限或虧損企業的估值。
這個比率的前提條件是比較的企業都擁有可比的成本結構，一般我們拿出這個方法時就表明基本上沒有別的方法可以對目標企業進行合理估值了，因為此方法主要是根據對公司未來的預期進行估值，也側面說明當前的營運表現很可能無法提供有效的參考。
EV/收入適用於EBITDA為負的企業(一般為高成長初期行業)，和擁有相似成本結構的行業(如零售商等)。
以上是我在進行企業估值時主要採用的基礎倍數，當然根據每次估值目標不同均會有所調整，下面談一下具體實戰中一些特種行業的處理方法。
互聯網/有限電視等用戶導向型的企業，估值時還需要用到的倍數還有，EV/每月訂閱量或EV/網頁點擊量，EV/活躍用戶量等等。早期的互聯網企業由於沒有收入或缺乏盈利能力，所以通過網頁點擊量這些信息作為未來盈利能力的參考進行相對估值。不過在具體操作中主要的問題在於由於每月的用戶、訂閱或點擊量不一定都會轉化為可能的收入或利潤，而不同的商業模式所帶來的轉化率也有所不同，如微信活躍用戶轉化為利潤的速度必然與微博不同，所以在估值的時候要盡量謹慎選取性質相似的比照組。
油氣/能源企業，常用倍數包括：
EV/DACF, 企業價值/債務調整後現金流(DACF，營運現金流加稅後利息支出)
EV/EBITDAX，X為勘探花費，企業價值/息稅折舊攤銷勘探前利潤
EV/無槓桿自由現金流(EBITDA-資本性支出-營運資本-稅負)
我們這樣做的原因是因為對於油氣企業來說，勘探活動的相關支出屬於其最大規模的投資之一，而在會計處理時，勘探活動有完全成本和成功成本兩種方法。完全成本資本化一切勘探支出，之後逐年消耗、折舊、攤銷這筆費用，而成功成本則只資本化成功的勘探活動，失敗活動計入當期花費。所以不同的會計選擇導致了完全不同的財務表現。
DACF和EBITDAX倍數通過忽略折舊攤銷花費和當期勘探投資，標準化了這樣的會計差異，而無槓桿自由現金流則通過計算所有勘探支出後的凈現金流來標準化這些會計差異以實現準確估值。
下一個比較有代表性的典型例子就是不動產投資信託(REITs)的估值模型，這類企業因為存在不斷地資產銷售和資本性支出，所以常用的倍數為P/FFO和P/AFFO，FFO類似營運現金流，等於凈利潤+折舊與攤銷+資產出售收益，而AFF為調整後FFO，等於FFO-資本性支出+一次性項目。
選擇這兩種比率的主要考慮在於不動產高額折舊與攤銷的特性對真實營運盈利能力的影響，不過P/FFO和P/AFFO屬於槓桿後倍數，所以在比較估值時應選擇相似的槓桿REITs更有意義。
以上這些其實只解決了可比估值操作中選用的工具問題，材料加工的問題還沒有提到，比如如何換算企業價值與股票價值、挑選可比公司、處理私有企業、低流通股票、LTM(12個月歷史數據)與預期數據的取捨，甚至中位數與平均數的選擇邏輯等等。以上介紹估計會把多數人心目中可比估值的難度往上推了一個層級，但花下時間追求完美之後，那種運用邏輯和事實說服談判桌另一方的成就感將會無以言表，尤其在當今這個凡事都講求合理依據的商業社會中。
總之，可比估值尋求的是市場本對與估值目標相似企業的利潤，現金流，凈資產，資產或其他特點的賦值，並運用這些不同的財務比率或倍數來評估目標的財務表現或運用它們估算目標企業的市場價值。國內市場中，可比估值是否能夠反映一家企業的絕對價值我個人持保留意見，因為個人認為整個資本市場的價格都存在不理性的成分，但這種方法的確能夠發現一家企業與市場相比相對價值的高估或低估。
最後辛苦大家一下如果有時間的話幫我們完成一下最近正在做的一個A股股民投資行為的問卷調查，一共15道選擇題，5分鐘左右，謝謝大家！好人一生平安……
股民投資行為大調查
金融市場最基本的功能之一是價格發現，落實到股票市場，就是給上市公司發行的股份定價，其核心就是估值。目前較常見的有PE法、現金流貼現模型估值法、NAV凈資產折價估值法等。
因A股上市公司估值計算量過於龐大與複雜，大多數股民只能望而卻步，估值機器人的出現，將徹底改變這一切，帶動估值法的興起。
ValueGo估值機器人可自動提取A股3000多家上市公司的優劣勢和內在價值，計算出各個公司的估值(每周更新)。根據2017年11月17日的計算結果，A股共發現414隻被低估的股票，其中低估超過一倍的有44隻。
ValueGo估值機器人採用的核心方法叫做剩餘收益模型(最早由美國學者愛德華茲和貝爾於1961年提出)，剩餘收益就是公司賺取的實際收益，減去投資佔用的資本成本後剩下的收益。
感興趣的朋友，可以試試這個小程序。
企業是有生命周期的，很多人把企業的興衰成敗和人的生命歷程作比，這是很貼切的。企業的初創好比一個嬰兒呱呱墜地，從爬到走，逐漸成長，這段最艱難的時期是與我們普通投資者無緣的。直到企業被輔導上市，正式成為一個少年，我們才得以見其真容，其中還有很多我們見到的時候已經是個青年人或者大叔了。但是不管我們見到它的時候時候是什麼樣子，總歸是走過兒童、少年、青年、中年大叔、再到老年人並最終走向衰亡這五個時期，而基本上普通投資者最關注也能持續觀察到的就是企業的青年和中年時期。對於青年人和中年大叔的觀察評價角度自然不能一樣。就好比足球圈買球員一樣，皇馬高價買嶄露頭角的J羅是根據之前靈光閃現的時刻推斷其可能具有成為巨星的潛質，看重的是其未來大好的長期發展前景，所以覺得不虧。曼聯想高價續約伊布，是依據茲拉坦的長期的進球數據和穩定的狀態，認為其還能幫助球隊一個賽季，而絕不是奢望伊布能更上一層樓。所以我們看，曼聯免費得到伊布加盟，就是一筆好生意，而如果花8000萬歐元買就不一定值嘍。期望值不同，自然所用的估值方法就不會一樣。
所以對成熟期企業的估值，第一步就是辨別成熟期企業。可能很多人都覺得不以為然，但是事實上正是這種分辨不清讓很多投資者吃了大虧。最經典就是中國中車的整合上市，為什麼那麼多人賠得哭爹喊娘，此生解套無望。深究起來，潛意識裡恐怕他們是盼望著中國中車還能做點什麼大事出來，但是這家公司一上市就已經是一家成熟期企業了，已經沒有了大的發展的空間，如果沒有中國龐大的基礎設施建設支撐，甚至很快就可能步入老年期。所以失去了成長性的企業是不可能持續享受青年期企業的高溢價的。那茅台呢？它算成熟期企業嗎？什麼時候它失去漲價的權利它就變成了成熟期企業，需要注意的是我們討論的是成熟期企業的辨識，至於現時茅台的股價那還是有可能過高的。
那麼對於這類企業的辨識從哪幾個方面著手呢？
第一，必須看宏觀經濟和國家政策。典型的辨識有時候只需要大致了解國策就可以瞭然了，對於的大型企業，從這一點開始切入是非常理想的。比如說煤炭、鋼鐵行業過剩，國家整體去產能，那麼這類行業裡面大概率都是成熟期企業，很難有成長期企業。而與之相反，新能源鋰電池等新興產業，國家進行大力政策扶持，那麼這裡可能就是成長期企業的天下。所以如果是成熟期企業，投資於周期反轉是可以的，但是一直持有並巴望著哪家鋼鐵巨無霸或者中石油漲到天上去是不現實的，到了行業景氣度頂部之前就應該放手了。
第二、要細細考慮行業環境。這對於中型企業是否處於成熟期尤其適用。比如我們看已經上市的幾家第三方獨立醫學檢測企業達安基因和迪安診斷以及未來即將上市的廣州金域和華大基因，整體市場佔比已經超過70%，看起來已經是很成熟的寡頭割據性行業，但是當你知道他們幾家加在一起占醫學檢測市場還不到10%，你就會很感興趣地去研究一下這個行業的發展前景，結論會讓你大吃一驚，很快你就會意識到這個行業里根本沒有成熟期企業，估值方向和方法都要做相應調整。另外的一面，我們可以看看證券公司，未來去散戶化是一定的趨勢，那麼人口紅利還有嗎？傭金能不降反漲嗎？這個行業會出現一家獨有的創新嗎？所以這類行業很明顯基本都是成熟期企業，也是很難給予高溢價的。所以看一家公司是不是成熟期企業還可以退後一步觀察這個行業整體的天花板，而不是僅僅局限於個體。
第三、大致上了解成熟期企業的幾個特徵有助於清晰辨識。中年大叔什麼樣成熟期企業就什麼樣兒。代謝變慢，儘管努力減肥還是很難減掉多少；注重養生和鍛煉，可是再怎麼養怎麼跑也恢復不了年輕的模樣，搞大了還容易閃著腰；努力賺錢，可是已經不可能產生上班頭十年的那種跨度，維持並略有增加是主基調；新知識體系接受慢，能力多來自於多年的工作經驗。大體上成熟期企業的幾個特徵也是這麼鮮明，歷史數據詳實可靠，經驗豐富，行業地位穩固，營收和利潤趨於穩定，增長緩慢，負債率不突變，經營風險不大。埃斯瓦斯·達莫達蘭則給出了更加有趣的說法，「成熟公司的特徵：收入增長率接近其所在經濟體的經濟增長率。許多公司會出現收入增長率和利潤增長率的高低差距較大的情況。對於成熟公司，會由於效率的改善，使其利潤的增長率較高，但收入的增長率很難改變。對於大多數而言，成熟公司的收入增長率會靠攏於(如果不是等於)經濟體的GDP名義增長率。成熟公司的另一個共同特徵是，它們通常有一個穩定的利潤率。例外主要出現在周期性和大宗商品類公司，它們利潤的變化取決於整體經濟，是整體經濟的函數。」
經過從大到小的幾次觀察與思考，基本上就可以辨識出一家公司是不是成熟期企業了。也正是對這一初始辨識的輕視使得很多投資者在開始就弄錯了方向，後面自然就越搞越亂，賠錢是在所難免的，因為成長期企業與成熟期企業的估值特點相差甚遠，而且對於成長期企業的評估是要難於成熟期企業的。
如果辨識結論是確定的，接下來就可以按照成熟期企業的定位對其進行估值。
無論怎樣變幻，對企業進行具體的估值根本上就是絕對估值法和相對估值法。從規矩上講，絕對估值用折現現金流法DCF，相對估值用可比公司估值和可比交易估值。但是我想說的是這兩種方法如果按照模型來，經過我自己的實踐都不咋可靠。當然我們偶爾拿來裝裝門面，唬唬人，吹吹牛還是可以的。為啥這麼說呢？首先，不管啥模型，要是管用，智商140以上的那幫傢伙早就用量化投資把我們都幹掉了，我哪還有心情在這裡寫文章，但是沒發生；第二，模型參數可調變數太多，置信度太差；第三，這些模型用得最好的應該是金融專業人士，比如張口閉口阿波呲的的基金專業群體，可是看看整體收益，很一般。於是我初步推斷這些模型用來給金融繫上課當教材是很好的，用來避開一些陷阱也是極好的，但是拿來賺錢是不行的。總體上能用的也就是P/E市盈率，PEG市盈增長率，P/B市凈率，EV/EBIT，EV/EBITDA等幾種，有些重要的參數前面幾章裡面曾經講過。
複雜建模方法我們不喜歡，但是概念還是可以用的。由於成熟期企業具有上面我們提到過的那些特徵，所以兩種估值方法是可以並用的。絕對估值簡單講就是從生意角度現在投資合不合算，值不值得接受報價，這時候那些簡單實用的參數就派上了用場，作用就是避開陷阱，在現價基礎上使我們找到一門好生意。而相對估值就是差不多的東西能不能拿到便宜貨。這過程有點像買房子，你先去網上學習怎樣買到好房子，什麼格局的什麼地段的什麼樓層的。然後就是在房地產中介或者售樓員的引領下不停的看房子，等你看過同地段百十套房子，你早就成了專家，房子的狀況瞭然於胸，不需要什麼高深的公式，自然能夠做出明智選擇。從這角度講，也許林奇的一些理念更貼近普通投資者。
大部分人投資成熟期企業都喜歡比較長時間持有，由此，成熟期企業就具體估值策略來說，是要看清楚幾件事。
第一件事，行業的衰退潛質。汽車替馬車，必然伴隨著相關行業的消亡。大幅減少門診輸液，科倫葯業們必然經歷疼痛期。這個就要需要投資者保持足夠的敏銳了。如果出現了這類明顯的潛質其估值就不能按現時情況平均，而要大打折扣。比如客車行業已經逐漸進入新能源車時代，如果一家公司只能生產傳統客車而不具備新能源車開發能力，或者能力很弱，那麼有可能其進入衰退的速度會突然加快，此時，見便宜就上的毛病就要改改了。
第二件事，企業的優勢地位保持。成熟期企業的估值得以維持有賴於其優勢地位的保持。比如那一年中國平安對國外投資栽了一個大跟斗，估值眼看著就往下掉，但是它的優勢地位並沒有喪失，突發的事件被輿論放大後直接驅動了短期估值的下降，那麼如果你看懂了平安的生意模式，你的機會就來了。
第三件事，企業的經營風險確認。很多成熟期企業的負債經營理念和成長期大相徑庭，這個時候就要關注企業的債務和經營策略等風險。前幾年沖的很猛的興業銀行，現在的各項指標增長也都趨於了平均。當年長虹大量囤積彩色顯像管，使用非常原始的競爭手段，明顯的與當時的社會環境、經營現狀以及技術發展不匹配，這就不能只看眼前而要注意企業長期的經營風險，對於這類明顯不符合成熟期企業特徵的不理智行為是要反映在自己的估值體系里的。而好的成熟期企業往往在債務管理上是要略優於同行業企業的，但不是越少越好，因為不同行業負債經營的特徵是差別極大的。
第四件事，企業分紅。大部分成熟期企業能夠依靠現有資產創造出比其經營投入所需要的投資大得多的現金流，如果沒有好的資金投向，也就只好制定連續穩定的分紅政策，這對於投資者是很重要的。上面提到過，對於成熟公司，會由於效率的改善，使其利潤的增長率較高，但收入的增長率很難改變，因此獲得高額的股息收益也許就是唯一的持有理由，比如架子投資者最喜歡的招商銀行，假如你09年買入一直持有五年，除了股息你一無所獲，難熬的時光里股息也許會是你堅持下去的動力。
第五件事，企業的轉型升級。根據伊查克·愛迪思的生命周期理論，成熟期是企業生命周期曲線中很理想的位置，在這一位置，企業的管控能力和靈活性達到了平衡。在一個浸潤多年的行業里，它們清晰地知道自己在做什麼，以及如何才能達到目的。但是成熟期並非一定是生命周期的最高點，利用自己的經驗和現金儲備，正確的進行轉型創新，內部重塑，或者外部重組，向外輸出管理能力，甚至二次創業，有可能使企業重新煥發青春，繼續增長。風險就是大規模的變革如果失敗就會對企業傷筋動骨甚至加速走向衰退。這一點往往是投資者在這類企業投資中可能獲得比暫時低估值收益大得多的關鍵點。比如格力收購銀隆，本來是格力碰到天花板後最好的轉型機會之一，地域性，裝備領域的協同性非常好，但是小股東就是不同意，除了糊塗之外，根本原因是貪戀股息，不願冒失敗的風險。而同為家電行業的美的集團就順利跳出了民營企業家族化陷阱，實現了換擋，並且完成了企業轉型升級的大動作。還是在這個行業里，海爾採用的是組織內部變革的方式來實現企業的二次創業。可以認為好的成熟期企業都會想盡辦法來打破固化的經營模式行業天花板甚至是商業模式，而且由於它們相對充足的資金，良好的組織架構和優異的管理能力，使得它們轉型升級的風險比成長期公司小得多。所以如果有這種大型的機會是可以考慮參與投資的，而且由於成熟期企業的規模化和股價變化緩慢，投資切入的機會在整個變化過程中一定會有。
上面提到的幾件事大致就是我能想到的對成熟期企業進行估值的幾個要素。基本上在長期估值(具體內容見「第六章 長期估值」)有所考慮的基礎上，是可能大致知道成熟期企業的合理定位的，不過也僅僅是在確定方向，就像每個中年大叔都會遇到危機，雖然可以分析大致類型，但是具體到每個個體，其所遇到的問題是差異極大的，不可能一味葯治百病的。企業也是如此，面對的問題可能是接班人，產品問題也可能是資金，監管這類的障礙不一而足。所以，有一點是肯定的，在實際對成熟期企業投資過程中並沒有一勞永逸的答案，只能是一事一議，那些在股票市場中聲稱找到規律而停止思考的人最終會被淘汰。沃爾特·列文有句話講的非常好：任何誤差未知的測量都毫無意義。
ang=??VO&
這取決於你自己如何建立自己的體系在我看來股票估值等於自己認為而要賺錢需要研究的其實是別人如何認為
我這裡有一個20多年入市經歷的老股民的經驗，簡單粗暴，這位老股民常年穩定盈利，是價值投資的追隨者。具體是誰我不能說，方法簡單粗暴，就是 每股凈收益×動態市盈率=實際股票價格。夠粗暴吧，哈哈。但是呢，專業一些的是用peg指標（最適合成長股，周期股不適合），即動態pe/近幾年平均凈利潤（個人建議五年）。如何估值是很泛寬的問題，一句兩句說不完，要不斷的學習與改進，我答的都是很基礎的，方法用不用的好就看造化了。
分三個方面
1市場大環境的估值高低來判斷
2行業普遍的估值水平
3個股成長能力與股價結合估值
現在的估值方法一般通過對現在的數據行業對比等等得到的股票估值，但很寬范，范化能力不強，能否通過機器學習多數據比對的方法得到股票估值呢。肯請大神們判斷其可行性
1如我們用12年末的財報等數據（基礎因子A1B1C1D1E1F1）通過12年當時行業比對等公式函數，算出股票估值Y1.再通過13年14年15年16年等已經發生的數據（結果因子）判斷12年末這個Y1 是被高估了還是被高估了 記為Y1正或Y1負 那麼我們得到一組數據 A1B1C1D1E1F1和（Y1正或負）
2再取出13年第一季度的基礎因子A2B2C2D2E2F2 通過當時行業比對等公式函數，算出股票估值Y2.再通過13年第一季度後發生的數據（結果因子）判斷出Y2正負，得到第二組數據A2B2C2D2E2F2和（Y2正或負）.重複計算得這樣的多組數據
3通過這樣的多組數據，擬合改變原來函數的參數-得到比較準確的參數函數，計算股票估值
但這樣也不準 因為
1 行業不同基本因子和結果因子 注重點完全不同 如我們說園林行業注重利潤高利潤股票就漲，但研發行葯企，利潤0，但研發新葯市場價值高，研發速度快且實驗進度跟結果都很好，有可能屬於低估，股票有可能再漲。兩种放在一起機器學習就會亂掉
2行業一樣，類型不一樣的企業 結果因子也不一樣。如研髮型葯企跟非研髮型也不一樣
3這裡的結果因子不是只有股票漲跌幅，或者說我個人覺得股票漲跌幅這個結果因子佔比不高）。如 樂視 股票一直漲 可能是外在資金跟很多跟風資金一起架起來的結果
4結果因子的選擇 需要專業人士去選擇 選擇錯 機器學習和公式算出來的結果不同
5（先不考慮大戶跟風等的資金注入或流出和大盤的影響）
綜合5點 我們可以做這樣的機器學習軟體出來
1，把所有的數據都放在一軟體上 然後讓機構或投資專家自己去選取某支股或同類型股 的基礎因子和結果因子 得到擬合函數 算出估值Y 預測未來漲跌 回測 擬合 給做參考
2通過選擇結果因子不同 算出的結果不同 也就是機構裡面專家自己的判斷選取的結果因子不同，得到數據不同
3回測--得到結果-結果不好--重新選擇基礎結果因子---最後得到最好的回測結果---最後看去泛化能力
希望大神評論其演算法的可行性
估值是對未來收益和風險的貼現，因人而異，機器整不來的
推薦閱讀：
※除了 Dividend Discounted Model (DDM) 之外還有哪些股票價格估算方法？
※如何通過書本自學價值投資中估值的方法？