估值的艺术

精读全文

第 1 章 · 为什么估值不是一道数学题

你有没有见过这样的人——用密密麻麻的 Excel 表格，算出一家公司"精确到小数点后两位"的估值，然后满怀信心地买入，结果亏得一塌糊涂？问题出在哪里？不是数学错了。是方向错了。

有一句话，我想先说在最前面。

估值，从来不是一道数学题。

你可能会疑惑——不对啊，估值不就是算数吗？市盈率、现金流折现、EV/EBITDA……这些不都是公式？

停。

公式是工具。工具本身没有对错。但拿着锤子的人，如果以为所有问题都是钉子，那才是真正的危险。

今天我们要读的这本书，叫《估值的艺术》，作者是德国基金经理尼古拉斯·施密德林。这本书在欧洲价值投资圈颇有口碑。施密德林不是学院派，他是真刀真枪在市场里摸爬滚打过的人。他写这本书，不是为了教你算数，而是为了告诉你：估值这件事，既需要方法，更需要判断力。

**这本书，我们分四章来读。**

第一章，也就是今天，我们从最根本的问题切入——为什么估值不是一道数学题？施密德林在开篇就打破了很多人对"精确估值"的迷信，他提出了一个核心概念：**模糊的正确，胜过精确的错误**。

第二章，我们深入最著名也最容易被误用的工具——DCF 模型，也就是现金流贴现法。我们会看它的真实使用边界在哪里，折现率和永续增长率的细微变动，会让结果差到什么程度。

第三章，我们聊另一套估值体系——可比公司法和历史估值带。市盈率、市净率、EV/EBITDA，这些指标怎么组合使用，行业之间能不能直接类比？

第四章，我们落脚到最难的问题：什么时候该相信估值，什么时候应该放下估值？周期股陷阱、成长溢价、心理纪律——这一章是整本书的灵魂。

好，现在我们正式进入第一章。

---

**先问一个问题。**

什么叫"精确的错误"？

我给你还原一个场景。

二零零七年，全球金融危机爆发前夕。华尔街的分析师们，正在用最先进的模型为各大银行做估值。模型里有利率、有违约率、有相关性系数，精确到小数点后三位。报告厚达几百页，图表密密麻麻。

花旗银行的 CEO，查克·普林斯，在那一年说了一句后来被反复引用的话——

"只要音乐还在响，你就得继续起舞。"

他不是不懂风险。他懂。但模型告诉他，风险可控。

结果呢？

花旗，几乎倒闭。

美国政府注资——

四百五十亿美元。

那些模型，精确吗？极其精确。正确吗？彻底错误。

这就是施密德林在书中开篇就想敲打你的东西：**精确，有时候是一种幻觉。它让你感到安全，但安全感本身是假的。**

---

施密德林在书中写道，估值的本质是对未来的判断，而未来是不确定的。所有的估值模型，都建立在假设之上。假设本身，才是最大的变量。

这句话听起来很简单，但真正理解它，需要经历。

我们来拆解一下。

一个 DCF 模型，需要输入什么？未来十年的自由现金流预测，加一个折现率，再加一个永续增长率。

听起来很合理。

但问题是——

你真的知道一家公司未来十年的现金流吗？

没有人知道。

你只是在猜。一个经过包装的、看起来很有依据的猜测。

施密德林的核心观点是：模型的精度，远远超过了输入数据的可靠度。你把一个不确定的假设，放进一个精确的公式，得出的结果，精确得毫无意义。

这就是他说的——

**精确的错误。**

---

那什么是"模糊的正确"？

举个例子。

假设你在评估一家超市连锁企业。你不需要精确算出它未来每一年的现金流。你只需要判断几件事：

这家超市，护城河够深吗？它的客户黏性如何？它的成本控制能力在行业里处于什么位置？它的扩张逻辑是否可持续？

这些判断，没有一个可以量化成精确数字。但它们加在一起，能给你一个方向感——这家公司，大概值多少倍的利润？是偏贵还是偏便宜？

这就是模糊的正确。

你不知道它精确值二十三点七倍市盈率，还是二十四点二倍。但你知道，当它跌到十二倍的时候，大概率是便宜的。

施密德林在书中强调，**好的估值师，追求的不是精确答案，而是正确的方向感。**

---

这里有一个很重要的思维转换。

大多数人学估值，是从工具开始的。先学 DCF，再学可比公司法，再学各种乘数。学完之后，以为自己掌握了估值。

但施密德林告诉你，工具只是手段。真正的估值能力，是**判断力**。

判断力从哪里来？

从对商业本质的理解。从对行业逻辑的积累。从一次次犯错之后的反思。

这也是为什么，这本书叫《估值的**艺术**》，而不是《估值的**方法**》。

艺术，意味着有技巧，但技巧之上还有感知力。感知力，是练出来的，不是算出来的。

---

我们再来聊一个概念，施密德林在第一章里反复强调的——

**安全边际。**

这个词，最早来自本杰明·格雷厄姆，价值投资的鼻祖。他的意思是：买入价格，要低于内在价值，留出足够的缓冲空间。

但施密德林给这个概念加了一层理解。

他说，安全边际不只是价格上的折扣，更是**认知上的谦逊**。

你要承认，你的估值可能是错的。你对未来的判断，可能偏差很大。正因为如此，你需要在价格上留出足够的余地，来容纳自己的错误。

这个逻辑，和工程师建桥是一样的。

一座桥，设计承重一百吨，但工程师会把它造成能承重三百吨。不是因为他觉得会有三百吨的车过来，而是因为他知道，现实总有意外，模型总有局限。

安全边际，是对不确定性的尊重。

---

说到这里，我想做一个当下的映射。

近几年，新能源赛道在资本市场火得一塌糊涂。很多分析师用 DCF 模型，给某些新能源公司算出了极高的估值。模型里，他们假设这些公司未来十年会保持百分之三十甚至更高的增速。

然后呢？

市场泡沫破裂。

很多公司股价腰斩，再腰斩。

问题不是公司不好。有些公司确实是好公司。问题是——那些精确的模型，建立在过于乐观的假设之上。永续增长率设得太高，折现率设得太低，算出来的估值，看起来精确，但方向早就偏了。

这就是施密德林警告的那个陷阱。

**模型越精确，越容易给人虚假的安全感。**

---

好，我们来做一个阶段性的整理。

第一章的核心，施密德林想告诉我们三件事：

第一，估值是对未来的判断，未来是不确定的，所以估值本质上是不精确的。

第二，模糊的正确，胜过精确的错误。方向感比精确数字更有价值。

第三，安全边际，不只是价格折扣，更是对自身判断局限性的承认。

这三点，听起来都不复杂。但真正内化，需要你在市场里摔过跤之后，才会有感觉。

---

还有一个细节，我觉得值得单独说一下。

施密德林在书的前言里提到，他观察到一个现象——

越是初学者，越喜欢用复杂的模型。越是经验丰富的投资者，越倾向于用简单的框架做判断。

为什么？

因为初学者需要模型来建立信心。复杂的模型，给他们一种"我做了功课"的感觉。

但经验丰富的人知道，复杂模型里藏着太多假设，而每一个假设都是一个风险点。简单的框架，反而更容易暴露问题的本质。

这个观察，我觉得对普通投资者来说，尤其值得深思。

你有没有遇到过这种情况——花了很多时间做研究，做了很多分析，但买入之后还是亏了？

有时候，不是你研究不够。是研究的方向错了。你在追求精确，但你应该追求的，是正确。

---

最后，我想用一个比喻来结束这一章。

估值，像是给一栋房子估价。

你可以测量每一块砖的尺寸，计算每一平方米的造价，精确到小数点后两位。但如果你忽略了这栋房子在哪条街、周边配套怎么样、未来这个区域的发展方向——那些精确的数字，一点意义都没有。

估值的艺术，在于你能不能看清那条街，那个区域，那个方向。

数字，只是辅助工具。

---

但是，光有这个方向感，还不够。

你还需要一套具体的工具，来把这个判断落地。

最常被提到的工具，是 DCF——现金流贴现模型。很多人把它奉为估值圣经。但施密德林对 DCF 的看法，远比你想象的复杂。

它到底能用在哪里？它的边界在哪里？一个微小的假设变动，会让结果偏差多大？

下一章，我们来好好拆解这个问题。

第 2 章 · 现金流贴现：DCF 的真实使用边界

一个模型，两个人用，能算出差三倍的估值结果。这不是玄学，这是DCF的日常。今天这一章，我们来拆开这个被奉为圭臬的工具，看看它的边界究竟在哪里。

上一章我们说了一件事：估值不是数学题，是判断题。施密德林的核心观点是，所谓"精确的错误"，远比"模糊的正确"危险。工具可以很精密，但拿工具的人，必须先搞清楚工具的边界在哪里。

今天，我们就来看估值工具里最"高大上"的那一个。

DCF。

现金流贴现模型。

---

**它是什么？**

DCF的逻辑，其实很朴素。

一家公司值多少钱？它未来能赚多少钱，折算成今天的价值，就是它的价值。

听起来无懈可击，对吧？

未来的钱，不如今天的钱值钱——这是常识。你今天拿到一百块，和十年后拿到一百块，能一样吗？不一样。所以要"折现"，把未来的钱，用一个折现率，换算回今天的价值。

公式本身，没有问题。

问题在哪里？

问题在于：未来，没有人知道。

---

**一九九九年，硅谷**

让我们回到一九九九年。

互联网泡沫最疯狂的那一年。

华尔街的分析师们，手里拿着DCF模型，对着一家家烧钱的科技公司，一本正经地算估值。

他们怎么算的？

很简单。把未来五年的增长率，填成百分之四十、百分之五十，甚至百分之八十。把永续增长率，填成百分之五。把折现率，填得尽量低。

然后，一个天文数字就出来了。

然后，他们说：你看，这个估值是合理的。

停。

这不是分析，这是反推。他们先有了一个想要的结论，再去调整假设，让模型输出那个结论。

施密德林在书中写道，DCF模型最大的危险，不是公式错了，而是使用者用它来"证明"自己已经相信的事情，而不是用它来"检验"自己的判断。

这句话，值得反复想。

---

**假设敏感度：差一点，差很多**

好，我们来做一个思想实验。

假设你在给一家公司做DCF估值。

你预测未来十年，自由现金流每年增长百分之十。

折现率，你用百分之八。

永续增长率，你用百分之三。

算出来，这家公司值一百块。

现在，我只改一个数字。

永续增长率，从百分之三，改成百分之四。

你猜结果差多少？

不是差一点点。

可能差百分之二十到三十。

再改一个数字。折现率，从百分之八，改成百分之七。

又差了百分之二十以上。

两个数字，一共差了将近百分之五十。

五十。

同一家公司，同一套现金流预测，只是两个假设稍微动了一下，估值就能差出一半。

这就是施密德林反复强调的"假设敏感度"问题。DCF不是一个计算器，它是一个放大镜。你的假设有多大的偏差，它就给你放大多少倍的错误。

---

**折现率：你凭什么选这个数字？**

折现率，在DCF里，通常用WACC——加权平均资本成本。

听起来很科学，对吧？

但施密德林的核心观点是，WACC本身就是一堆假设的堆叠。

股权成本怎么算？用CAPM模型。CAPM模型里有个贝塔值，贝塔值是用历史股价波动率算出来的。

等等。

历史波动率，能代表未来的风险吗？

一家公司，过去三年股价很稳，贝塔值很低，折现率就低，估值就高。但如果这家公司正在面临行业颠覆，它的真实风险，根本没有体现在历史波动率里。

这就像你开车，只看后视镜。

施密德林在书中直接说，折现率的选取，本质上是一个主观判断，而不是一个客观计算。你选百分之八还是百分之十，背后是你对这家公司风险的理解，不是公式给你的答案。

所以，当你看到一个DCF估值报告，第一个要问的问题不是：现金流预测合不合理？

而是：这个折现率，是怎么来的？

---

**永续增长率：最危险的那个假设**

如果说折现率是DCF的陷阱，那永续增长率就是DCF里最深的那个坑。

为什么？

因为在DCF模型里，永续增长率对应的是"终值"——也就是预测期结束之后，公司永远持续创造的价值。

你知道终值通常占整个DCF估值的多少吗？

百分之六十到八十。

是的，你没听错。

一家公司今天的估值，有将近八成，来自于一个你对"永远"的假设。

这个假设，差零点五个百分点，估值就能差出百分之二十以上。

更荒谬的是什么？

没有任何一家公司，能真正"永续"。柯达消失了，诺基亚衰落了，百年老店也会倒闭。但DCF模型，默认你的公司可以永续经营，永续增长。

施密德林的态度很清楚：永续增长率，不应该超过长期经济增长率。大多数情况下，用百分之二到百分之三，已经足够乐观了。

如果有人告诉你，他用百分之五的永续增长率做了一个DCF，然后说这个估值"很保守"——

小心。

---

**当下映射：新能源的故事**

这不只是历史教训。

就在过去几年，新能源赛道最火热的时候，市场上流传着大量DCF估值报告。

某些电动车企业，当时还在亏损，但分析师用DCF算出了惊人的目标价。

怎么算的？

未来五年，假设营收每年增长百分之五十。第六年到第十年，增长百分之三十。之后永续增长百分之四。折现率用百分之七。

一套下来，估值高得离谱。

然后呢？

然后行业竞争加剧，补贴退坡，增长率根本没有达到预期。股价腰斩，再腰斩。

那些DCF模型，没有算错。公式是对的。

但假设，是错的。

而假设，从来不是模型告诉你的。假设，是你自己填进去的。

---

**DCF的真实使用边界**

那么，DCF到底能用在哪里？

施密德林给出了一个很务实的答案。

DCF最适合的场景，是现金流稳定、可预测的公司。比如公用事业、成熟期的消费品企业、有长期合同保障的基础设施资产。

这类公司，未来五到十年的现金流，你能大致算清楚。永续增长率也不会有太大争议。这时候，DCF是一个有效的工具。

但如果是高速成长的科技公司，或者处于行业剧变中的企业，DCF的误差范围，会大到失去意义。

他的建议是：把DCF当作一个"范围估算"工具，而不是一个"精确定价"工具。

做悲观假设，算出一个低值。做乐观假设，算出一个高值。然后问自己：在这个范围内，当前价格在哪里？

如果当前价格，连悲观假设下的估值都没有到，那可能值得关注。

如果当前价格，已经超过了乐观假设下的估值，那要小心了。

这，才是DCF的正确打开方式。

---

**一个检验标准**

最后，施密德林给了一个非常实用的自我检验方法。

当你做完一个DCF，问自己三个问题：

第一，如果我把增长率降低五个百分点，估值变化超过百分之三十吗？

第二，我的折现率，是基于对这家公司真实风险的理解，还是只是用了行业平均值？

第三，我的永续增长率假设，有没有超过长期GDP增速？

如果第一个问题的答案是"是"，说明你的模型对增长率极度敏感，要格外谨慎。

如果第二个问题你说不清楚，说明你的折现率可能是随手填的。

如果第三个问题的答案是"超过了"，说明你在假设这家公司可以永远跑赢整个经济，这需要非常强的理由。

三道题，没有标准答案。但问完这三个问题，你对自己估值的把握，会清晰很多。

---

DCF是一把好刀。

但好刀，也会伤手。

关键不在于刀，在于你有没有搞清楚，这把刀能切什么，不能切什么。

---

但等等，DCF只是估值工具箱里的一件。

还有另一类方法，更直接，更依赖市场共识——

用可比公司来定价。

PE、PB、EV/EBITDA，这些倍数，看起来简单，但里面的坑，一点都不比DCF少。

同一个行业，为什么有的公司估值高，有的低？历史估值带，真的能告诉我们"便宜"还是"贵"吗？

这些问题，我们下一章来谈。

第 3 章 · 可比公司与历史估值法

你有没有想过，一家公司到底值多少钱？

不是算出来的——是比出来的。

市场上每天都有人在用一个看起来简单、用起来却暗藏陷阱的方法给公司定价。

它叫"可比估值法"。

今天，我们就来拆开看看。

上一章我们聊了DCF。

现金流贴现，听起来科学，用起来却像在沙地上建楼——永续增长率差零点五个百分点，估值可以差出去一半。施密德林的核心观点是：DCF不是不能用，但它的精度是假的，你对假设的每一个选择，都在悄悄决定答案。

那今天，我们换一条路。

不算未来，比当下。

---

**先从一个场景说起。**

二零零七年，美国信贷市场还在狂欢。

花旗集团的CEO，查克·普林斯，说了一句后来被反复引用的话。

他说："只要音乐还在响，你就得站起来跳舞。"

那时候，银行股的市净率，也就是PB，普遍在两倍到三倍以上。

分析师们打开可比公司表格，一看——

同行都是这个价格。

行业平均PB，两点五倍。

没毛病。

估值合理。

继续买。

然后呢？

然后金融危机来了。

银行股的PB，跌到了零点三倍、零点四倍。

那些用"行业可比"算出来的"合理估值"，全部变成了废纸。

---

这个故事，施密德林在书中反复提到一个核心警告：

**可比估值法的最大陷阱，不是工具本身，而是"同行都贵，所以我也贵"这种逻辑。**

等等。

这句话，值得停一下。

如果整个行业都在泡沫里，你用行业内部做比较，得出的结论只有一个——

泡沫是合理的。

这不是估值。

这是集体幻觉。

---

**那可比估值法，到底是什么？**

说白了，就是找同类公司，看它们的定价，再来判断目标公司贵不贵。

最常用的指标，有三个。

第一个：PE。

市盈率。

股价除以每股盈利。

直白翻译：你为这家公司每赚一块钱，愿意付多少钱。

PE二十倍，意思是你愿意付二十块，买它未来每年赚的一块钱。

第二个：PB。

市净率。

股价除以每股净资产。

直白翻译：你为这家公司的账面资产，愿意付几倍的溢价。

PB一倍，意思是你按账面价值买入。

PB三倍，意思是你认为它能创造出远超账面的价值。

第三个：EV/EBITDA。

这个名字有点长，拆开来看。

EV，是企业价值，等于市值加上净债务。

EBITDA，是息税折旧摊销前利润。

简单说，就是不管税、不管利息、不管折旧，公司的经营层面赚了多少。

为什么要用这个？

因为不同公司的资本结构不一样，有的负债多，有的负债少；折旧政策也不一样。

EV/EBITDA，能让不同公司站在更公平的起跑线上比较。

---

**那怎么用？**

施密德林的核心观点是，这三个指标，不能单独用，要组合用。

为什么？

因为每一个指标，都有盲区。

PE的盲区：盈利可以被操纵。

折旧政策、应收账款确认方式，都能让利润数字变得"好看"。

你看到的PE十五倍，也许真实的PE是二十五倍。

PB的盲区：账面资产不等于真实资产。

一家重资产的钢铁厂，账面净资产几百亿，但如果行业产能过剩，这些资产根本卖不出去。

PB一倍，看起来便宜，实际上可能是个陷阱。

EV/EBITDA的盲区：它忽略了资本支出。

有些行业，比如航空、电信，每年赚的钱，大部分都要再投回去买设备、维护基础设施。

EBITDA看起来很高，但真正能落到股东口袋里的，少得可怜。

---

所以，施密德林在书中写道：

估值指标的价值，不在于它们有多精确，而在于它们能从不同角度照亮同一家公司。

一个角度，是光。

三个角度，才是立体的像。

---

**现在来说历史估值带。**

这是可比估值法里，我认为最容易被忽视、也最有用的一个工具。

什么是历史估值带？

就是一家公司，或者一个行业，过去十年、二十年，PE或者PB的波动范围。

比如，某消费品公司，过去十五年的PE，最低十二倍，最高三十五倍，中位数大概二十二倍。

那现在，它的PE是多少？

如果是十四倍，你就要问：为什么这么低？是公司出了问题，还是市场过度悲观？

如果是三十八倍，你就要问：为什么这么高？是公司真的发生了质变，还是市场在狂欢？

历史估值带，给了你一把尺子。

不是说超出历史区间就一定错，但它会让你多想一步。

停一下。

多想一步，这件事，在投资里值多少钱？

值很多。

---

**来一个当下的案例。**

就说新能源汽车行业吧。

二零二一年，某些新能源车企的PS——注意，不是PE，是市销率，因为根本没有盈利——高达几十倍。

分析师们怎么说？

"看可比公司。"

"特斯拉的PS是多少？"

"行业就是这个定价逻辑。"

然后到了二零二二年、二零二三年，估值大幅回落。

那些用"行业可比"支撑起来的高估值，开始松动。

问题出在哪里？

出在，行业内部的可比，是横向比较。

但如果你只做横向比较，就会忽略一个问题——

整个行业的估值，有没有脱离历史常识？

这就是施密德林反复强调的：

**可比估值法，必须同时做两件事。**

第一，横向比：和同行比，找相对的贵贱。

第二，纵向比：和历史比，找绝对的高低。

两者缺一，都是瘸腿走路。

---

**再来说说行业差异。**

不是所有行业，都适合用同样的指标。

银行，通常用PB。

为什么？

因为银行的核心资产，就是它的资产负债表。

净资产的质量，决定了银行的价值。

消费品，通常用PE或者EV/EBITDA。

为什么？

因为消费品的价值，在于它稳定的盈利能力，而不是它拥有多少固定资产。

科技公司，有时候PE没有意义——因为根本没有盈利。

这时候，也许要看PS，也许要看用户增长，也许要看其他更前瞻的指标。

施密德林的核心观点是：

**选错了指标，比没有指标更危险。**

因为错误的指标，会给你一种虚假的确定感。

你以为你在做分析，其实你只是在为自己的判断找理由。

---

**那组合使用，具体怎么做？**

施密德林给出了一个思路，不是公式，是框架。

第一步，选对指标。

根据行业特性，选择最能反映公司价值的一到两个核心指标。

第二步，找对可比。

可比公司，不是随便找几个同行就行。

要找商业模式相近、规模相当、所处周期相似的公司。

差异太大的可比，是噪音，不是信号。

第三步，加入历史维度。

把当前估值，放进历史区间里看。

高于历史中位数多少？低于历史中位数多少？

第四步，问自己一个问题：

**这个估值，反映的是什么预期？**

如果市场给了这家公司高估值，它隐含的假设是什么？

这个假设，你相信吗？

如果市场给了低估值，市场在担心什么？

这个担心，你认为是真实的，还是过度的？

---

这最后一步，是最难的。

也是估值从"工具"变成"判断"的地方。

数字，任何人都能算。

但数字背后的假设，需要你真的理解这家公司、这个行业、这个时代。

这也是施密德林这本书叫《估值的艺术》，而不是《估值的公式》的原因。

---

好。

今天我们聊了三个指标，PE、PB、EV/EBITDA。

聊了行业可比的横向逻辑，和历史估值带的纵向逻辑。

聊了组合使用的框架，和它背后的核心问题——

**估值，是在照亮预期，不是在计算答案。**

但这里有一个问题，我们还没有回答。

这些工具，什么时候该相信？

什么时候，应该放下？

你有没有遇到过这种情况——

一家公司，看起来很便宜，PE很低，历史估值也在低位，可比公司也都更贵。

但它就是不涨。

甚至越来越跌。

这是为什么？

是估值失灵了吗？

还是，有些时候，估值本身就不是答案？

下一章，我们来谈一件更难的事：

**什么时候相信估值，什么时候放下估值。**

周期股的陷阱在哪里？成长溢价到底该不该付？

还有那个最难回答的问题——

当数字说"便宜"，但你的直觉说"不对劲"，你，听谁的？

第 4 章 · 什么时候相信估值，什么时候放下估值

你学会了 DCF，学会了可比法，学会了历史估值带——然后呢？

估值工具都在手了，是不是就能稳赢了？

等等。

施密德林在书的最后说了一句让人不舒服的话：有时候，最危险的时刻，恰恰是你觉得自己估值估得最准的时候。

上一章我们聊了可比公司和历史估值法。

核心是什么？

是"比较"。

用同行业的公司互相参照，用同一家公司的历史估值带做锚点。市盈率、市净率、企业价值倍数——这些工具不是用来算出一个精确数字的，而是用来告诉你：贵了，还是便宜了。

但今天，我们要收尾了。

而收尾这件事，施密德林选了一个最难的话题——

**估值，什么时候该信？什么时候该放下？**

---

先从一个场景说起。

二零零七年。

美国信贷市场还在狂欢。

花旗集团的 CEO，查克·普林斯，说了一句后来被反复引用的话。他说：

"只要音乐还在响，你就得站起来跳舞。"

停。

你听懂这句话的意思了吗？

这不是一个无知者的冒进。

查克·普林斯不是傻瓜。他身边有一整个团队的分析师，有模型，有估值，有风控。

但他们都知道风险。

他们只是选择了继续跳。

为什么？

因为估值，在那个时刻，已经不再是决策的核心变量了。

市场的节奏，同行的压力，短期的排名——这些东西，把估值挤到了角落里。

一年后，音乐停了。

花旗的股价，从最高点跌去了将近

九成。

---

施密德林在书中写道，估值是一门艺术，而不是一门科学。

这句话，前三章我们一直在理解"艺术"二字。

但到了最后这几章，他要说的是另一件事：

艺术，是有边界的。

**第一个边界：周期股陷阱。**

什么是周期股？

钢铁、煤炭、航运、化工——这些行业的利润，随经济周期大幅波动。

好年景，赚得盆满钵满。

坏年景，亏得一塌糊涂。

问题来了。

当一家钢铁公司，在景气高峰期赚了很多钱，市盈率看起来只有六倍、七倍——

你会怎么想？

"便宜啊！"

错了。

这是周期股最经典的陷阱。

施密德林的核心观点是：对于强周期行业，用当期利润算出来的市盈率，几乎没有参考价值。

为什么？

因为那个"E"——那个盈利数字——是峰值，不是常态。

你买入的时候，觉得只付了六倍市盈率。

但两年后，行业下行，利润腰斩，甚至归零。

你的六倍，变成了无穷大。

正确的做法是什么？

看**穿越周期的平均盈利**。

用五年、十年的盈利均值来估值，而不是用当期的高点。

这个方法有个名字，叫席勒市盈率，或者周期调整市盈率。

核心逻辑只有一句话：

**不要用景气顶点的利润，去判断一个公司的真实价值。**

---

**第二个边界：成长溢价的陷阱。**

这个陷阱，方向完全相反。

周期股的陷阱，是高峰时看起来便宜，其实贵了。

成长股的陷阱，是任何时候看起来都贵，但你总觉得有理由。

你猜这意味着什么？

它意味着，成长股的估值，永远有一个"故事溢价"。

施密德林在书中写道，对于高速成长的公司，市场愿意给出远超历史均值的估值倍数——

理由是：未来的增长，值得今天多付钱。

这没有错。

但问题在于——

**增长能持续多久？**

**增长能持续到什么程度？**

这两个问题，没有人能精确回答。

来看一个当下映射的案例。

过去几年，人工智能浪潮席卷全球。

某些科技公司的市盈率，轻松超过一百倍，甚至两百倍。

市场的逻辑是：AI 会改变一切，这些公司会成为未来的基础设施，现在的高估值是合理的。

也许是对的。

但施密德林会问你一个问题：

你有没有把"也许"，当成了"一定"？

成长溢价本身不是错误。

错误是：你在为一个你无法验证的假设，付出了一个你无法承受的价格。

当故事破裂的那一天——

不是公司倒闭，仅仅是增速从百分之五十降到了百分之三十——

股价可以跌去一半。

停。

再想想。

公司还在赚钱。

只是增速慢了一点。

但估值体系，已经崩塌了。

这就是成长溢价的双刃剑。

---

**第三个边界：市场先生的情绪。**

格雷厄姆有一个著名的比喻。

他说，市场是一个叫"市场先生"的神经质合伙人。

有时候他极度亢奋，愿意用天价买你的股份。

有时候他极度悲观，愿意用地板价卖给你。

你的工作，是利用他的情绪，而不是被他的情绪带着走。

道理大家都懂。

但施密德林想说的是：

**懂道理，不等于做得到。**

这里有一个真实的心理现象，叫做"锚定效应"。

当你第一次看到一只股票，它的价格就成了你的锚。

从一百块跌到六十块——你觉得便宜了。

但也许，它本来就只值四十块。

还有一种陷阱，叫"叙事谬误"。

一家公司讲了一个好故事，你的大脑会自动帮它补全所有的细节，让故事变得更完整、更可信。

然后你开始相信这个故事，而不是相信数字。

施密德林的核心观点是：估值分析，最终是一场对抗自己大脑的战争。

模型是工具。

数字是工具。

但使用工具的人，是有情绪的、有偏见的、会犯错的人类。

**心理纪律，才是估值的最后一道防线。**

---

那么，具体怎么做？

施密德林给了几个可操作的建议。

**第一：永远先问"我可能错在哪里"。**

在你得出一个估值结论之前，先花同等的时间，去找反驳自己的理由。

这不是软弱。

这是专业。

**第二：区分"我不懂"和"市场错了"。**

很多时候，一只股票的估值看起来不合理，不是因为市场错了，而是因为你有信息盲区。

在说"市场先生疯了"之前，先问自己：

我有没有可能，是那个信息不对称的那一方？

**第三：设定"足够的安全边际"。**

这是格雷厄姆留给我们最重要的概念之一。

你的估值，本来就是不精确的。

所以你需要一个缓冲带。

如果你估算一家公司值一百块，不要在九十块买入。

等到六十块、五十块。

这个缓冲，不是保守，而是对自己估值误差的诚实承认。

**第四：知道什么时候放下估值。**

这是最难的一条。

有些情况，估值工具会彻底失效。

比如：公司处于颠覆性变革中，历史数据完全失去参考价值。

比如：宏观环境发生根本性变化，所有的折现率假设都要重写。

比如：你根本看不懂这门生意。

在这些时候，施密德林的建议是：

放下。

不参与，也是一种决策。

---

现在，我们来做整书的收束。

回头看这本书，我们走了一条完整的路。

第一章，施密德林告诉我们：估值不是数学，是艺术。精确的错误，比不上模糊的正确。这是整本书的底色。

第二章，我们进入 DCF。这个工具看起来最科学，但它的每一个假设，都在悄悄塑造答案。永续增长率差一点点，结论可以天差地别。

第三章，我们换了一条路——可比法和历史估值带。不算未来，比当下。用行业横截面和历史纵深，给估值找到参照系。

第四章，也就是今天，我们终于触碰到了估值的极限。周期股陷阱、成长溢价、心理偏见——这些，才是真正让投资者亏钱的地方。

施密德林写这本书，不是要给你一个公式。

他是要告诉你：

**工具，是用来辅助判断的。判断，永远需要人来做。**

学会估值，是第一步。

知道估值的边界在哪里，才是真正的开始。

模糊的正确，胜过精确的错误。—— 尼古拉斯·施密德林，估值的艺术核心观点