成为VIP
DCF估值法我们或多或少都有接触过。其采用两阶段或者三阶段估计公司未来现金流，并使用加权平均资本成本对未来现金流进行贴现，从而得到公司的绝对价值。
很多人说DCF只是理论上的估值模型，因为现实生活中很多参数没法准确估计，尤其是现金流，几乎不可能估准，所以用DCF方法计算的估值是不可能准确的。也因此得出DCF估值法没用的结论。
的确，别说分析师，就算让公司自己去预估未来10年dcf估值，甚至2-3年的现金流都没法做到。
如果现金流都没法估准，那DCF是不是就没用了呢？
也许是被教科书上的定义——绝对估值法这几个字给框定了，让大家以为他就应该是一个绝对的数，如果这个绝对的数估不准，那就没用。
但事实可能恰恰相反，我认为它非常有用，并且它可以解决前面相对估值法中遇到的问题。前提就是，我们不要被绝对估值法中“绝对”这两个字给框住了。其实DCF这个绝对估值法，应该相对的来看。
那么我们首先来研究一下，在无法准确预估未来现金流的二级市场投资中，如何使用DCF来给公司估值。
先从DCF估值的公式出发：
这个公司想必大家都不陌生，标准的二阶段模型。分子是未来各期的自由现金流，分母是加权平均资本成本的函数。对于永续期，我们需要预估永续增长率。
我们的第一个问题是如何预估未来各期的现金流。面对如此多的上市公司，这的确是个难题。为了解决这个问题及讨论方便，我们先引进以下假设，并在随后的讨论中逐步放松假设：
1、 每家公司第一期的现金流均为1（现金流标准化）；
2、 公司净利润与自由现金流的比值在预测期不变；
3、 由第二条假设，可得公司每年自由现金流的增速与净利润增速相同；
4、 显性期为10年。
第一条假设的目的是为了方便对不同公司进行比较，且后续处理较为方便；第二条假设方便我们将日常看净利润的视角转换到现金流的视角，当然，我们隐含假设了公司的业务模式没有发生重大改变，资本开支按照公司的经营规模同步扩大，这在短期是没有问题的，对于长期，公司的业务模式可能会发生变化，但从预测的角度，我们依然可以将其认为是基本不变的；而由第二条假设推导，第三条假设也是容易得出的。第四条假设是为我们的讨论确定范围。
有了这四条假设，我们的现金流模型就可以做了。
现金流：现在，所有公司第一期的现金流已标准化为1。如果我们知道公司1-10年自由现金流的增速g1 – g10，每年标准化的自由现金流就可以算出来了，分别是：
那么，未来10年的自由现金流增速如何计算呢？目前券商研报并没有预测这个。
但前面我们已经假设了公司自由现金流的增速与净利润增速相同，而券商通常会预测公司未来3年的净利润增速，所以，g1 – g3我们可以使用券商一致预期的未来三年增速来替代。（当然，如果券商没有覆盖，或者我们认为有更精确的增速预测，也可以使用我们认为更合理的预测，这里只是提供一种思路）
关键是g4-g10，如何取值。
还是根据假设三，我们可以只考虑净利润增速。那么核心就是如何预估第四到第十年的净利润增速。而这就是仁者见仁，智者见智的地方了。
这个时候，我们可以将上一篇PE估值法中碰到的问题，如业绩增长的稳定性、确定性、竞争格局、远期空间拿到这里。这些因素无法在PE估值法中量化（给多少倍溢价通常只能拍脑袋决定），但在这里，我们可以切实的将其转化为盈利增速的大小及趋势。
比如，对于成长股，我们可以在未来三年增速的基础上，预测达到行业均衡的时间从而得出未来业绩的复合增速；对于周期股，由于市场空间基本确定，短期业绩波动后，中长期的合理增速预期可在0%；对于格局稳定的消费龙头，可以给予未来较为稳定的略高于行业平均的增速。这一部分是在公司研究中核心需要解决的问题，相比相对估值法，它给了一个更可靠的锚。
最后就是永续增长率，这依然是一个需要深入思考的问题。因为永续期的价值占公司整体价值很高，因此对永续增长率的取值就显得尤为关键，1%的差距对最终估值可能就是天壤之别。
这依然是个见仁见智的地方。我给的一个参考是：
即对于周期股，保守起见，我们依然给予0%的增速；对于成熟制造业和公用事业板块，保守起见，我们给予略低于平均通胀率的1%的增速；对于医药和消费板块，由于其刚需属性及受益通货膨胀的原因，我们给予接近长期通胀率的增速2%；对于处于行业爆发期的新兴行业，如新能源产业，我们可以根据情况给予更高的永续增速。
至此，DCF方法中最困难的部分：现金流的问题基本解决了。
接下来就是分母了。
分母的问题相看起来对简单，从WACC的计算公式到资本资产定价模型，都有一套成熟的理论支撑。我们可以直接在万得中获取公司的有息负债比率、财务费用率等财务比率。对于权益成本，根据资本资产定价模型，我们分别需要知道无风险收益率Rf、贝塔系数β和市场回报溢价MRP。但是对于参数的取值，依然有许多值得讨论的地方。
首先需要注意，资本资产定价模型的取值也有别于教科书中的定义：并非对所有公司、所有人都取相同的数值。
我们每个人在投资一家公司的时候，所需要的回报来自每个人的机会成本——放弃另一投资机会所能带来的收益。而这个机会成本，对于每个人来说是不同的。资本资产定价模型给了我们一个计算框架，然而参数的取值仍然是每个人独自面对的问题。
比如无风险收益率Rf，通常，教科书告诉我们十年期国债到期收益率是一个合适的替代。但其实现实中很少有人会真的考虑将其作为无风险收益最佳指标，在国内，十年期政金债收益率较国债收益率平均高50bp左右，且违约风险极低，基本可认为是无风险的。不论是出于保守起见还是真实投资的替代，活跃的十年期政金债收益率相较十年期国债作为Rf都是更优的选择。当然，如果有人有更高回报的低风险固定收益产品的选择，也可以将其收益率作为这里的Rf。是否真的无风险其实不重要，重要的是那是你的机会成本。
贝塔系数要考虑的情况更复杂一些，由于涉及回归，我们需要考虑标的指数回报率、回归周期和时间跨度。具体一点来说，有效市场假说告诉我们，长期来看，有效市场的投资回报约等于投资指数的回报，那么主动投资的机会成本就是相应的市场指数。但是，市场指数的回报同样千差万别：
下图是A股主要市场指数过去十年的年度回报率：
从平均的角度来看：
截至2020年末，最高的是创业板三年平均回报率和十年平均回报率，均达到了18.5%；最低的是五年平均的中证1000，平均回报率为-5.8%。其余表现较为稳定的是上证50、沪深300、深证综指和万得全A。
由于指数回报率作为机会成本出现在DCF公式的分母，故数值越大得到的现金流现值越低。从投资的角度，我们应当选取最大值作为我们的机会成本（否则不如投资相应指数），而若以18.5%作为Rm，则最终的折现率WACC可能在15%以上，导致可能只有足够便宜的公司才值得买入。但这不就是价值投资所倡导的安全边际吗？所谓安全边际，在DCF框架下的表述就是，投资者需要一个合理的预期指数回报作为投资某只具体股票的机会成本，否则，我们不如投资指数。
如果面对不同指数回报选择困难，作者认为还有一个更简单的方法，就是直接指定一个对于投资者来说满意的回报率，比如10%作为Rm。一方面可以让投资者对投资回报有一个合理的预期dcf估值，另一方面可以在选择标的时计算对于其个人来说合适的安全边际。
回归周期考虑的是投资者在投资时的持股周期。如日线、周线、月线等。本质上与投资者个人的持股周期、波动的承受能力相关。更长的持股周期和更大的波动承受能力意味着选择更长的周期，反之则选择较短的周期进行回归。
贝塔的最后一个参数是时间跨度。这也是一个值得好好思考的问题：本质上，在以一只股票的历史表现推演未来的时候，隐含了一个假设，就是公司的业务模式、产品结构、成本结构、行业格局与空间等在相应期间没有发生很大的变化。我们看到有些公司的股价常年波动较小，但突然在某个时间点大爆发，核心就是公司的业务、运营或者其所处的行业发生了很大的变化。这时，考虑过早的历史就会有问题。所以，在考虑回归时间跨度的时候，通常时间不宜太长，如果是以日线、周线作为周期，则1-3年可能是一个合适的时间跨度，具体要看公司的经营状况是否发生了重大变化。
到这里，DCF参数的部分就讲完了。最后，我们来看这样算出来的估值究竟是什么。
还记得在第一步的时候，我们将所有公司的第一期自由现金流标准化为1。这里，我们将其还原至真实的现金流，也就是在算出的标准化DCF估值基础上，乘以第一期的自由现金流，就得到了一家公司真实的估值。（可自行推导，在假设三的基础上不难得出）
又根据假设二，公司自由现金流/净利润的比值固定，假定为a。那么，可以得到如下推导：
公司市值
= 静态PE*第一期净利润
= 静态PE*第一期自由现金流/a （假设二）
= 静态PE*(公司市值/标准化DCF估值)/a （标准化DCF估值*第一期自由现金流=公司市值）
= [静态PE /(标准化DCF估值*a)] *公司市值 （上式整理）
两边消去公司市值并整理，得到：
静态PE=标准化DCF估值*a
我们再假设a=1，即公司自由现金流=当期净利润的情况下，可得：
静态PE=标准化DCF估值
没错。PE的锚有了！
我们在第一篇文章中指出的相对估值法找不到锚的问题，在DCF估值法中完美的得到了解决，而且这个锚不依赖任何一家其他公司的估值水平，完全由公司本身的业绩增速和投资者自身的机会成本决定，与其他因素无关。
至此，我们了解了DCF估值如何计算，并证明了标准化DCF估值就是PE的锚这个重要结论。接下来的一篇文章我将会讨论逐步放松假设时结论的适用性、介绍由这个结论得到的推论以及可以解释投资当中遇到的哪些问题。
往期回顾：
专注上市公司财务报表分析、业绩排雷、财务欺诈研究。
本文作者刺猬君是资深财务会计专家，CPA、ACCA，曾任职四大会计师事务所8年，现专注上市公司财务研究。
限时特惠：本站每日持续更新海量设计资源，一年会员只需29.9元，全站资源免费下载
站长微信：ziyuanshu688
htebazile
