Local EPUB Text
第五章 危险的现金流折现估值法
JZTZDSXHXYZ-9
第五章 危险的现金流折现估值法
理论上，现金流折现估值法（DCF）是评估资产价值的正确方法。然而，正如约吉·贝拉所指出的那样，在理论上，理论与实践之间没有区别；但在实践中，两者却是有区别的。 DCF在实际应用中存在诸多问题。首先，我们无法预测哪种方式会让整个过程失效。即使我们选择忽略这个麻烦的事实，折现率的问题仍然使DCF的整体想法成为无稽之谈。难怪DCF如此声名狼藉。而好消息是，我们有几种替代方案。我们探索出3种完全避开了预测的方法！
● 尽管DCF的代数简单、清晰并令人信服，但实现起来却雷区遍布。这些问题可以分为两类：现金流的估算问题和折算率的确定问题。
● 在我的研究中，反复出现的主题是我们无法预测。迄今为止，尚无丝毫证据表明我们可以进行预测。当然，这并不能阻止人们的尝试。去年，我们股票分析团队的瑞·安图尼斯对分析师们的短期预测能力进行了研究。而研究结果对分析师们很不利。分析师们24个月的平均预测误差在94%左右， 12个月的平均预测误差在45%左右。据我的研究，分析师们在长期预测方面也表现欠佳：他们预测长期增长的能力并不比预测短期增长的能力强。
● 即使我们忽略了我们无法进行预测这一麻烦的事实，我们仍然会因为折现率的问题而不知所措。股票风险溢价令人头痛，因为就其定义，似乎人们并未达成共识。然后，我们有了贝塔这个有趣的游戏。在处理了时间间隔、市场、时间段等问题后，我们会得到一个贝塔。然而，不幸的是，该贝塔与回报率之间完全没有任何关系（这与经典理论形成了鲜明反差）。
● 这些问题似乎还不够糟，当涉及终值计算时，这些问题还存在耦合关系。在大多数现金流折现估值模型中，这些问题是终值计算的主要考虑因素。如果我们假设永续增长率为5%，资本成本为9%，那么终值倍数则为25。然而， 如果我们把其中一个或者两个变量减去1%，那么终值倍数的取值范围则变为16到50之间！
● 好消息是我们不必一定以这种方式去使用DCF，我们还有其他选择。例如，使用逆向工程DCF可以有效避免预测（也可以避免对当前市场价格的锚定）。当然，折现率问题依然存在。
● 本杰明·格雷厄姆为我们提供了两种计算内在价值的方法。一种基于资产价值，另一种则基于盈利能力（正常化每股收益）。这两种方法实现起来都相对容易，而且不存在DCF固有的问题。相对于基于预测的方法，这两种方法更简单、更清晰，也更基于当下，因此也更有助于我们去发现市场中的机会。我们应该把DCF连同有效市场假说和CAPM一起扔进理论的垃圾箱。
自从约翰·伯尔·威廉姆斯所著的《投资估值理论》问世后，我们便已知道可以通过贴现现金流折现的方法来估算正确的资产价值。也就是说，一项资产的价值无非是它所能提供的现金流的总和（考虑到时间影响，显然已打折）。当然，这在理论上是正确的。然而，正如约吉·贝拉所指出的那样，“在理论上，理论与实践之间没有区别；但在实践中，两者却是有区别的”。
在具体运用方面， DCF存在诸多问题。虽然DCF的代数运算简单而清晰，但实现起来却雷区遍布。
在我看来，基于DCF的估值存在以下两类问题：现金流的估值问题和折算率的估算问题。下面，我们将逐一对这两类问题进行探讨。
现金流的估值问题
我的固定读者都知道，我一直认为预测是在浪费时间（详见《行为投资学》第九章）。从DCF的角度来看，预测是核心。大多数现金流折现估值模型都基于未来年度的相关现金流。然而，我们根本没有任何证据可以表明，分析师能够预测短期或长期增长。
去年，我们股票分析团队的瑞·安图尼斯对分析师们的短期预测存在的平均误差规模进行了研究。她没有从总体层面进行分析，而是从个股层面进行了分析。
图5-1显示了随时间而变化的分析师预测误差的平均规模。该研究开始于实际报告形成前的两年左右，在此期间，研究团队对分析师们预测的变化情况进行了持续追踪。
在2000—2006年间的美国， 24个月的平均预测误差为93%， 12个月的平均预测误差为47%。你可能会认为，这仅仅是前些年经济衰退所造成的结果，但事实并非如此。将那些年份的数据排除在外，结果也基本未受影响。
欧洲的数据同样令人感到不安。 24个月的平均预测误差为95%， 12个月的平均预测误差为43%。坦率地说，存在如此巨大误差的预测是毫无价值的。
长期预测也不尽如人意。我之前曾多次提到，分析师对长期增长的预测一无所知。如图5-2和图5-3所示，对成长型股票而言最为重要的准确评估，分析师在此方面的能力不足也尤为显著。
据分析师预测，在美国，基于市净率的最廉价的股票投资组合（在图5-2中，被标注为“价值股”）的年化收益预计将增长10%左右。这比前5年平均7%的增长率要高。就实际实现的增长而言，这些股票的平均涨幅略高于9%——与分析师的预测相当接近。
然而，对于成长型股票而言，情况却全然不同。分析师预测成长股的年化收益率将在17%左右（此前为年化16%）。然而，最终实现的年均增长率只有7%！
欧洲的情况看起来与美国非常相似。据分析师预测，从长期来看，最廉价的股票投资组合的年化收益将增长9%左右。又一次，这比过去5年平均6%的增长率要高。就在收益兑现方面的实际表现而言，价值型股票几乎完全符合预期——其长期年增长率约为9%。
成长型股票的情况却截然不同。分析师预测成长型股票的年化增长率约为16% （接近年化17%的历史表现）。就实际实现的增长而言，从长期来看，最昂贵的股票的年化增长率约为5%。因此，无论在哪个市场，分析师们总是表现得盲目乐观，结果却大错特错！
正如布鲁斯·格林威尔在其精彩的著作《价值投资：从格雷厄姆到巴菲特》中所言，“利润率和所需投资水平是现金流估算的基础，但我们同样难以对其在遥远未来的表现做出准确预测”。
折算率的确定问题
不仅对现金流的估计近乎不可能，对折现率的估计也问题重重。无风险利率是折现率中争议最小的一个元素——它可由长期债券收益率之类的利率近似替代，这一点为大多数人所认同。然而，在此之后，江河日下。
股票风险溢价是一个存在着巨大分歧的领域。教科书一般使用的是事后股票风险溢价（ERP），它要比以任何一种方法所衡量的事前ERP高许多。早在2001年，安迪·拉普索恩和我曾就我们的客户对ERP数值的看法进行了一项调查。总体而言，他们所给出的结果在3.5%－4%之间。
我曾见过分析师使用一种毫无意义的ERP度量——实际上是一种隐含ERP。使用隐含ERP来评估整体市场的吸引力并没有什么错，但是将此作为股票估值模型的输入变量没有意义，因为你最终会得到一个循环的结果。
即使每个人都认同ERP，（按照经典方法）我们还需要估计贝塔。然而，贝塔本身就问题重重。关于贝塔，我们至少需要解决5个问题。第一，贝塔本质上是不稳定的。 2004年，费尔南德斯使用12月1日至1月2日期间每天的60个月滚动收益率计算了大约3813家公司的贝塔。所记录的最大贝塔的中位数居然是最小贝塔中位数的3倍！即使以行业为基础（而不是以个股为基础）来衡量，一个行业的最大贝塔几乎是最小贝塔的3倍。贝塔值移动100个基点的情况并不罕见！第二，贝塔在很大程度上取决于计算过程中所选用的指数。第三，贝塔还取决于进行估计时所选取的时间段，也就是说，我们是使用6个月的还是52周的或是36个月的历史数据。第四，收益估计区间也会对贝塔的估计产生很大影响。基于日收益率所估计的贝塔值通常与基于月度或季度数据所估计的贝塔值有很大不同（图5-4）。第五，使用贝塔的最大障碍是它根本就不起作用。正如我之前所展示的那样，尽管据理论预测，贝塔与收益率之间存在正相关关系，但在现实中，贝塔与收益率之间是不（也许甚至是负）相关的（关于CAPM的无用性的更多信息，请参阅第二章）。
耦合问题
在我看来，在DCF计算中存在的最后一个问题是前两组问题的相互作用。几乎所有的DCF都是用终值计算得到的。这涉及对未来10年数据的预测，并需要估计从第10年开始的永续增长率，然后通过倍数将其资本化。
基本假设的细微变化就会形成差异巨大的结果。如果未来的永续增长率是5%、未来的资本成本为9%，那么终值倍数则为25。如果资本成本和增长率其中之一或两者一起沿任一方向变动1%，那么终值倍数的范围则变为16－50。考虑到终值通常是影响到DCF结果的最大因素，这些问题是不容忽视的（图5-5）。
替代方案
敏感性分析通常被用作解决DCF在实际应用中固有问题的方案。然而，尽管这有着令人艳羡的好处——可以使DCF的不确定性变得透明，但它也有可能使DCF变得毫无用处，因为敏感性分析的输出能够轻而易举地证明，任何建议都是合理的。
逆向工程DCF
所以，如果我们不能使用DCF，那么我们应该如何进行估值呢？长期以来，我一直钟爱一种解决方案——使用逆向工程DCF。这种方法不用试图估计未来10年的增长，而是以当前的股价为基础，对当前隐含的情况进行回溯。由此得出的隐含增长率估值可以由分析师进行评估，也可以通过比较估值与一段时间以来已实现的增长率的经验分布来进行评估，如图5-6和图5-7所示。这样一来，我们就可以对所估计的隐含增长率的合理性进行评估了。
当然，这个模型解决了无法预测未来的问题，但是它并未解决上面提到的折现率问题。我们仍然需要估算资金成本。我自己的方法是将ERP设置在4%左右，并对股票的贝塔进行猜测——这仅反映了我自己对商业基本风险的主观判断。
当我在教授有关行为偏差的课程时，我经常使用逆向工程DCF这一方法作为成功避免评估过程中固有常见陷阱的一个例子。我经常看到，分析师们在公司会议结束后对其管理层赞不绝口，并对该公司股票所呈现的买入机会感到兴奋不已。然后，他们就会去着手创建一个符合买入建议的DCF （比如， 15%的上涨）。实际上，估值已被锚定在当前价格上。但若我们使用逆向工程DCF的话，这种对当前价格的依赖就会被消除，因为我们现在所讨论的内容已经转变为增长潜力。
资产价值
与以往一样，当我们在投资问题上感到困惑时，我们总能通过回顾本杰明·格雷厄姆的至理名言而有所受益。他提出了两种估值方法。第一种方法基于资产，并有效地体现了公司的清算价值。格雷厄姆写道，“计算清算价值的首要原则是，负债是真实的，但资产价值却存在疑问”。为了反映这一原则，格雷厄姆提出了一些大体上的经验法则（见表5-1）。
当然，严格来讲，如果这是一场减价大甩卖，诸如无形资产之类的东西就毫无价值了。然而，如果企业被当作持续经营的企业出售，那么无形资产就存在一定价值。显然，格雷厄姆更倾向于认为流动资产才是有效资产，然后用其减去所有负债，便可以得到为他所钟爱的著名“净营运资本价值”。请注意，资产价值方法不需要进行预测。
盈利能力
第二种为格雷厄姆所青睐的方法是他所谓的“盈利能力”。他认为，“投资者最想知道的是……一个公司在特定条件下显示出的盈利能力，即如果在一定时期内该公司的运营条件持续保持不变，那么其预期的未来年化收益为多少”。他继续说：
它将一段时期内的损益情况和对未来的合理预期相结合，除非有特殊情况发生。这一记录必须持续数年，原因如下：首先，持续或重复的表现总是比单独事件更令人印象深刻；其次，较长时期的平均表现往往可以吸收和平衡商业周期的扭曲影响。
一旦计算出盈利能力，我们就可以在资本成本下将其资本化以得到估值，或者我们可以将它与价格进行比较来计算出市盈率（PE）。格雷厄姆认为这一市盈率不应该超过“16倍”，因为这“在普通股的投资买入中的价格实在是过高了……在这种典型的情况下， 10倍的市盈率才较为合适”。
这种方法相对操作简便。我使用的方法是，先在合理的时间段内（5－10年）获取平均息税前利润，然后将所得结果乘以过去5年的平均销售额。由此，我们可以得到一个正常化的EBIT。之后，我再通过减去利息支出并扣除税收来估计最终的盈利能力——所有计算过程都不会受到预测的干扰！
这些方法历经多年的扩展和改进。若是读者们想全面了解以价值为导向的资产评估方法，我只能再次向大家力荐布鲁斯·格林威尔充满真知灼见的著作——书中详细介绍了这些历经时间考验的方法在现代的应用，并将其扩展到了特许经营权的价值评估领域。
因此，我们至少有3种股权估值的方法，其中任何一种方法都不需要我们去跨越在运用DCF时所遇到的那样的障碍。虽然DCF是唯一在理论上正确的估值方法，但其实现所需的假设和预测却令人难以企及。所以，更简单、更清晰、更基于当下（与预测相反）的方法显然更有可能引导我们去发现市场中的机会，或者至少可以防止我们因盲目乐观而成为牺牲品。