Local EPUB Text
分析性测试
在进行相对估值时，其所做的假定毫不亚于贴现现金流估值，只不过相对估值中的假定是隐含的、未予阐述的，而贴现现金流中的估值是明确阐述的。在内在估值章节，我们注意到，一家公司的价值实际上是3个变量之间的函数，即产生现金流的能力、这些现金流的预期增长率，以及与这些现金流相关的不确定性。任何一个倍数，无论是关于收益的、收入的还是关于账面价值的，都是这3个变量的函数——风险、增长率和产生现金流的潜力。直观上讲，增长率高、风险低且现金流产生潜力大的公司的交易倍数应该高于增长率低、风险高且现金流产生潜力小的公司。就股权和公司价值倍数而言，我们可以回到针对股权和公司价值的简单贴现现金流模型中，并利用它们得出倍数。
在最简单的股权贴现现金流模型中，即稳定增长股息贴现模型中，股权价值为：
两边同时除以净收入，我们可以得到针对稳定增长公司市盈率的贴现现金流等式。
这里的支付率是指股息对净收入的比率。
市盈率的关键决定因素是每股收益的预期增长率、股权成本和支付率。在其他条件不变的情况下，就交易的收益倍数而言，我们期望那些高增长率、低风险和高支付率的公司高于那些不具备这些特征的公司。两边同时除以股权账面价值，我们可以估算稳定增长公司的股价/账面价值比。
这里的ROE是指股权回报率（净收入/股权账面价值）。除决定市盈率的三个变量（增长率、股权成本和支付率）外，它是影响股权账面价值的唯一变量。
所有的这些计算，都是建立在稳定增长股息贴现模型之上的。在对具有高增长潜力的公司进行考察时，我们发现这与其他估值模型所得的结论是一致的。
我们可以通过类似的分析得出公司价值倍数。稳定增长公司的价值可以表示为：
由于公司自由现金流是税后运营收入减除净资本开支和公司所需的营运资本，所以这还可以表示为：
等式两边同时除以销售，并将税后运营利润率定义为税后运营收入除以销售，结果如下：
表4-3对倍数以及决定每一个倍数的关键变量进行了总结，并在每个变量一侧的括号内加了一个关系符号：在其他所有条件都保持不变的情况下，↑表示该变量增加后，倍数也会增加，而↓则表示该变量增加后，倍数会下降。
表4-3 倍数的基本决定因素
尽管每一个倍数都是由很多变量决定的，但在解释一个倍数时，占主导地位的变量却只有一个（就此而言，并不是所有的倍数都是同一个变量）。这个变量被称为“姊妹变量”，同时也是寻找被低估股票的一个关键。在表4-4中，我们列出了6个倍数的“姊妹变量”和错配情况。
表4-4 估值错配
应用性测试
倍数通常用于可比公司之间的比较，以确定一家公司或其股权的价值。可比公司是指现金流、增长潜力和风险与被估值公司相似的公司。照此定义，这与公司所属的行业或领域并无任何关系。由此，一家电信公司和一家软件公司也可以进行比较，只要这两家公司的现金流、增长率和风险是一样的。然而，在大多数分析中，分析师对可比公司的定义是与该公司处于同一业务领域的公司。举例来说，如果你想对饮料公司托德亨特国际和汉森天然估值，那么就要将它们与其他饮料公司相比，一是价格（市盈率），一是基本面（增长率和风险）。
如果行业中有足够多的可比公司，那么这个清单可以通过其他标准予以筛选；比如说，仅考虑那些规模相似的公司。在建立可比公司清单时，不管我们多么细心，最终总会出现一些与所估值公司不同的公司。对此，我们可以通过3种方式予以排除。我们以饮料行业为例进行说明。
第一种方法，分析师会将某公司交易时的倍数与其所在领域的平均倍数相比较；如果两者之间存在巨大差异，分析师会转而考察该公司的个体特征（增长率、风险或现金流），看能否解释这种差异。比如说，在表4-5中，托德亨特的市盈率为8.94倍，远低于其他饮料公司的平均值，但它的预期增长率也很低。汉森天然看起来也便宜，市盈率为9.70倍，但它的股价波动很大。按照分析师的判断，如果市盈率上面这种差异没法通过基本面（低增长率或高风险）来解释，那么该公司将会视作被低估。这一方法的不足之处并不在于分析师的主观判断，而在于这些判断通常都建立在臆测之上。
表4-5 美国饮料公司，2009年3月
第二种方法，我们对倍数进行修正，并将最重要的决定性变量——“姊妹变量”纳入考量。举例来说，在对具有不同增长率的公司进行市盈率分析时，分析师通常会用市盈率除以每股收益的预期增长率，以确定一个按增长率调整后的市盈率，即市盈率对赢利增长比率（PEG）。回到表4-5中，我们看一下托德亨特和汉森相对于其他饮料公司的情况：
相对于行业比率来看，现在汉森看起来依然很便宜，而托德亨特看起来就贵了。
在使用这些修正的倍数时，我们已经做出了两个不言而喻的假设。其一，所有这些公司的风险都是相当的，就汉森而言，它的风险看起来要比同行业中其他公司的风险高。其二，增长率和市盈率要成比例的变动；当增长率翻一番时，市盈率也应翻一番。如果这一假设不成立，市盈率没有随增长率成比例增长，那么按PEG比率，高增长率的公司看起来就会便宜。
在对公司进行横向比较时，如果可调整的变量超过一个，那么可以使用统计方法。比如说，在多元回归中，我们利用我们认为会影响因变量的自变量（如增长率和风险）来解释因变量（如市盈率或企业价值/EBITDA）。相对于主观法，回归法具有两大优势。第一，回归的输出结果可以让我们判定倍数和所用变量之间关系的紧密程度。第二，不同于修正倍数法（仅限于控制一个变量的差异），回归法可以让我们控制多个变量的差异，甚至还可控制这些变量之间的关系。将该方法应用于表4-5的饮料公司数据中，相对于预期增长率和风险（股价的标准差）的市盈率回归可以表示为：
市盈率=20.87-63.98×标准差+183.24×预期增长率×R2 =51%
R2 表明，饮料公司中51%的市盈率差异可以用我们所使用的增长率和风险这两个指标的差异来解释。最后，回归本身可用来计算清单中公司的预期市盈率。由此一来，托德亨特和汉森基于其预期增长率和风险指标的预期市盈率可表示如下：
托德亨特的市盈率=20.87-63.98×（0.2574）+183.24×（0.03）=9.90
汉森的市盈率=20.87-63.98×（0.6245）+183.24×（0.17）=12.06
这可以视为按风险和增长率调整后的预测，而且两家公司看起来都被低估了，尽管调整后的市盈率低于我们先前比较时的结果。