"一家公司值多少钱"有五个截然不同的回答视角,每一个视角都对应一类估值方法。理解这五个视角比记住任何公式都重要——因为同一家公司,在不同视角下可能差 3 倍。这不是方法错,而是视角不同。
"公司 = 它未来产生的所有自由现金流,按风险折现到今天"。理论上最干净,实践上假设最多——增长率、折现率、终值三个变量都错的话,答案可以差 10 倍。适合能稳定产生 FCF 的成熟公司。
"同行 / 历史给 15×,所以这家也应该是 15×"。P/E、EV/EBITDA、EV/Sales、P/B——简单快,但依赖"对标对象合理"的假设。整体市场贵的话,所有同行都贵,相对估值把这个结构性偏差放大。
"股东实际拿到手的是股息,公司 = 未来所有股息的现值"。适合稳定分红、几乎不留存的公用事业、银行、烟草。对科技股、成长股基本失效。
"公司把所有资产变卖、还清债务后剩多少"。NAV / Liquidation Value。适合地产、航运、金融、资源类——这些公司账面资产"相对真实"。轻资产科技公司账面 = 一堆办公桌 + 软件,用 NAV 几乎没意义。
"多业务公司 = 各业务单独估值 + 净现金 - 控股溢价"。Alphabet = 搜索 + YouTube + Cloud + Waymo + Other Bets + 现金。分部信息披露质量直接决定 SOTP 可信度。
"公司有一项'可以选择做 / 不做'的未来项目,本身值钱"。Biotech 管线、自然资源勘探权、未开发土地。Black-Scholes 框架延伸,在高不确定性 + 大选择权的项目上超越 DCF。
专业估值师的做法是用 2-3 种方法 + 敏感性分析,输出一个 "$90-$130"的区间,而不是精确到小数的 "$104.73"。精确是幻觉,合理区间才是真相。任何给你"精确一个数字"的卖方报告,都要怀疑——这只是锚定。
DCF(Discounted Cash Flow)是估值的"理论原点"——公司内在价值 = 未来现金流按风险折现到今天。但同一个 DCF 框架下有三个不同口径,每个要求不同的折现率。搞混口径是 DCF 最常见错误之一。
FCFF(Free Cash Flow to Firm)——给全体资本提供者(股东 + 债权人)的现金流。计算:
FCFF = EBIT × (1 − Tax) + D&A − Capex − ΔNWC
用 WACC 折现,得到 Enterprise Value。推荐入门用这个口径,因为不受资本结构变化干扰。
FCFE(Free Cash Flow to Equity)——只属于股东的现金流。计算:
FCFE = FCFF − Interest × (1 − Tax) − Net Debt Repaid
用 Cost of Equity 折现,直接得到 Equity Value。适合资本结构稳定的公司。
三个变量决定 90% 的结果:
① 增长率——未来 10 年能多快?
② 折现率(WACC)——承担这家公司风险应该要求多少回报?
③ 终值(Terminal Value)——10 年后的永续价值是什么?
前两者见 §03,终值见 §04。
"EBITDA × 倍数 = 估值"是 PE 和某些报告的速算法,但EBITDA 不是现金流——它没扣 Capex、没扣营运资本、没扣税。一家 EBITDA $1B 但 Capex $800M 的公司,FCF 只有 $100M 左右。真实现金产生能力才值得折现,不是"准现金流"。
折现率是 DCF 里"最敏感 + 最容易被嘴炮"的参数。WACC 每变 1%,10 年 DCF 的估值可能变 20-30%。下面把标准公式和每个参数的实际估计方法拆清楚。
| 行业 | β 中位数 | D/V | WACC 区间 |
|---|---|---|---|
| 软件(应用) | 1.25 | 5% | 9-11% |
| 互联网(广告) | 1.30 | 5% | 9-11% |
| 半导体 | 1.45 | 10% | 10-12% |
| 零售 | 1.10 | 25% | 7-9% |
| 公用事业 | 0.60 | 55% | 5-6% |
| 银行 | 1.00 | N/A(用 Ke) | 9-11% Ke |
| 石油 & 天然气 | 1.15 | 30% | 7-9% |
| 航空 | 1.30 | 50% | 7-9% |
| 生物科技(无盈利) | 1.50 | 0% | 10-14% |
数据口径: Damodaran 2025 年行业表 · 粗略估计 · 实务应取公司自身数据。
DCF 里 10 年期预测,终值(Terminal Value)通常占总估值 60-80%。也就是说——你对"10 年后发生什么"的假设,比你对"明天一季度"的预测重要几倍。
两种方法应该互相验证——如果 Exit Multiple 算出的 TV 隐含增长率是 8%,而你用 Gordon 给的 g 是 3%,那中间差的 5% 需要解释。
常见错误:
① g > GDP — 数学上不可能永远,任何公司增速超过经济体必然被稀释。
② Year 10 FCF 暴涨 — 为了得到理想 TV,最后一年 FCF 虚高。应当在预测期结束时 FCF 已进入"稳态"(ROIC ≈ WACC)。
③ 资本支出=折旧 — 永续期 Capex 必须 ≥ D&A,否则公司资产在无限期内会逐渐"被折旧掉"。
Damodaran 黄金规则:TV/Enterprise Value > 80% = 警惕;> 90% = 重做模型。你其实在估"10 年以后",而不是这家公司现在。
所以一定要做敏感性矩阵——WACC 8%-10% × g 1%-3% 的 3×3 表,展示估值区间而非一个数字。
相对估值是市场上 90% 卖方报告用的方法——简单、快、直观。但"简单 = 容易错"。下面把主流倍数 + 适用场景 + 对标选择 + 常见陷阱一次说清。
最常见。成长股 30-50×,成熟股 15-20×,周期股 8-15×。亏损公司失效;跨国公司要调整汇率和税率差异。
跨资本结构更公平。PE 并购领域最常用,LBO 退出倍数口径。但剔除了折旧 → 资本密集公司被高估。
亏损高增公司常用。SaaS IPO 常见 10-30×,平台型 5-15×。不看盈利能力 → 高增低毛利公司会被"高估"。
银行、保险、REIT 核心。与 ROE 联动:P/B = (ROE − g)/(Ke − g)。高 ROE 公司可以 > 1.5-3×,低 ROE 的公司可能跌破 1×。
EV/Sales 的股东口径版本。同行业之间公允比较时更稳定。
成熟科技股估值关键。> 5% 合理;< 2% 意味高成长已定价。可以直接和债券比较。
PEG < 1 = 成长被低估,> 2 溢价过高。但增速假设的时间窗口极其关键。
电商平台看 EV/GMV(1-3×);SaaS 看 EV/ARR(10-30×)。比 EV/Sales 更干净地衡量规模。
不是"同一行业"就能对比。要商业模式 + 规模 + 增速 + 地理 + 盈利阶段都相似。Shopify 对标 Amazon 不如对标 BigCommerce;Tesla 对标 Toyota 不如对标 BYD + Rivian。
不同公司的 "EBITDA" 可能差 30%(SBC 是否加回?租赁如何处理?一次性是否剔除?)。用同一来源(Damodaran / CapIQ / Bloomberg)的调整后数据,或自己统一口径重算。
一两家异常值会把均值拉偏。中位数更稳定。更好的做法是取 25%-75% 四分位区间,而不是一个点。
同行 15×,如果目标公司增速更高 20% → 可以给 18×;如果增速更低 → 给 12×。用 PEG 或"增速与利润率调整"把差异量化,不要拍脑袋 "+/- 10%"。
除了对比同行,也对比公司自己的历史中位数。当前 P/E 相对自身过去 5 年中位数的 z-score 是便宜 / 贵的一个客观信号。
单靠 P/E 容易被一次性项目误导。P/E + EV/EBITDA + P/S + FCF Yield 四个一起看,如果都指向同向 = 结论更可靠;互相矛盾 = 深入看为什么。
股息贴现是 DCF 的"原始版本"——1938 年 John Burr Williams 在 The Theory of Investment Value 里提出。核心逻辑:股东唯一实际拿到手的是股息,那公司就值未来所有股息的现值。
当公司主要价值在于它拥有的资产(不在于未来现金流)时,资产估值是最直接的。典型场景:房地产、航运、资源采矿、特定金融控股。
当一家公司有多个业务线 + 每个业务的增长 / 估值逻辑不同,强行用一个整体倍数会"平均掉"差异。SOTP(Sum-of-the-Parts)就是按业务分别估值,然后加总 + 调整。
早期公司用 DCF 几乎没意义——没稳定现金流、没可比对标、连增长都是臆想。VC 行业发展出一套完全不同的估值方法,核心思想是"倒推退出估值 + 折算风险"。
把理论落地:拿到一家公司的 10-K,如何在 4-8 小时内输出一个可信的估值区间?下面是一套标准流程。
你其实在估"永远以后",而不是这家公司。要么延长预测期到稳态、要么调低永续 g。
任何公司长期增速不可能超过经济体本身。g 最高 3%(美国长期名义 GDP ~4%)。
"过去 5 年 30% CAGR,未来 10 年继续 30%" → 得到荒谬估值。任何公司增速必然衰减——S 曲线是规律。
"资产在磨损但没投钱替换"。永续期 Capex ≥ D&A。
股权激励不花现金但稀释股东,是真实成本。用 FCF 估值时不要加回 SBC,或把稀释算进股数。
Tesla 对标 Toyota 还是 NIO 还是 Amazon?选什么对标直接决定结果。同行选择必须可辩护。
TTM Net Income 有 $10B 一次性税收返还,但外推永续 = 严重高估。用 Normalized / Adjusted 数字。
"科技股 10% 差不多"——但该用多少必须从 CAPM 推。WACC 每差 1%,DCF 变 20-30%。
WACC 公式里的 E/V、D/V 是市值权重,不是账面。用最新股价 × 股数。
早期高风险应该高折现,稳态应该正常折现。整个模型只用一个 WACC 会低估早期风险。
EV = Market Cap + Net Debt + Minority − Associates。用 Total Debt 或忘了算 Minority 是常见错。
ASC 842 后长期经营租赁表内化。算 EV 时把 Operating Lease Liability 计入 Net Debt,否则零售 / 航空公司会显著低估 EV。
用"行业历史倍数"决定 Exit Multiple → 反向证明"它值这个倍数"。需要和 Gordon 交叉验证。
"Fair value = $127.83" 是荒谬的。合理输出是"$100-$145,中位 $120"。精确是幻觉。
卖方最大的原罪:先有"$300 目标价",再反推 assumptions。模型先行,判断后来,反过来就变魔术。