关于估值的一些真相

在深入研究估值之前，你需要注意一下有关估值的一些真相。基于这些真相，你不仅可以评价他人的估值，而且在自己估值时也可以做到心安理得。

所有的估值结果都存在偏见

你几乎不可能从一开始就毫无偏见地评估一家公司。通常，在将数据输入你所使用的模型和矩阵之前，你已经对一家公司或一只股票有了自己的看法。因此，你的结论常常反映出你的偏见，也就不足为奇了。

这种偏见始于你对公司的选择。这些选择并不是随机性的。这或许是因为你在报纸上看到关于该公司的信息（好的或坏的），或在电视上看到有人讲某一家公司被低估或被高估。在收集评估该公司所需的信息时，这种偏见会进一步加深。通常而言，包含会计数据及管理层绩效审议的年度报告和其他财务报表所给出的都是一些尽可能好的数据。

对职业分析师来说，机构因素会进一步加深这种早已存在的严重偏见。比如说，股权研究分析师发出的“买入”推荐要多于“卖出”推荐，这是因为他们需要维持与其所追踪公司的良好关系，同时也是因为他们面临着所在机构的压力，因为他们的机构与这些公司还有其他的业务合作。除了这些机构因素外，还有一个与寻找被低估或被高估公司相挂钩的赏罚机制。对于那些薪酬依赖于能否找到股价过低或过高的分析师来说，他们将会制造偏见。

你在估值时使用的输入数据，将会反映你的乐观和悲观倾向；因此，对于你所喜欢的公司，你更愿意使用更高的增长率，并尽可能地忽视风险。此外，投资后的估值“慰藉”也会起到推波助澜的作用，你会通过增加有利因素（协同、控制和管理素质）来提升预估的价值，或通过过滤不利因素（非流动性和风险）来减少预估的价值。

一定要正视你的偏见：为什么你会选择评估这家公司？你是否喜欢这家公司的管理层？你是否已经持有这家公司的股票？如果可能的话，自一开始就把这些偏见写在纸上。此外，在对公司进行背景研究时要着眼于信息而非观点，将更多的时间用于考察公司的财务报表，而不是关于该公司的股权研究报告。如果你看其他人对某一家公司的估值，你一定要考虑这种估值的原因，以及可能影响分析师判断的潜在偏见。一般来说，估值过程中的偏见越多，你就越应减少对估值判断的重视。

大多数估值（即便是合理估值）都是错误的

自孩提时代就有人告诉你，如果你遵循正确的步骤，那么你将会得到正确的答案，而如果答案不精确，那么肯定是你某一步做错了。虽然精确度在数学或物理中是一个很好的过程衡量指标，但在估值中，它却是一个很差的质量衡量指标。你对未来的最佳预计将难以与实际数字相吻合，这其中涉及多个原因。首先，即便你的信息源是毫无瑕疵的，你也必须要将原始资料转化为预测，而在这一阶段你犯的任何错误都将会导致估算误差。其次，你所预想的公司的发展路径可能会完全背离实际。该公司的业绩表现可能会大大高于你的预期，也可能会大大低于你的预期，而由此导致的收益和现金流将会有别于你的预计；要考虑这种公司特有的不确定性。比如说，在对思科进行估值时，我严重低估了该公司在未来继续维持并购驱动式增长的难度，高估了它的价值。再次，即便一家公司会完全按照你所预期的轨迹发展，宏观经济环境也会发生不可预测的变化。利率有可能上升也有可能下调，而经济增长可能高于预期，也可能低于预期。事后来看，我在2008年8月对高盛的估值太过于乐观了，因为我并没有预料到2008年银行业危机所造成的破坏。

不确定性的程度和类型因公司而异，且对投资者影响甚大。这其中的一个隐性含义就是，对于估值的评判，你不能以精确度为标准，相对于成熟型公司的估值，你在对成长型公司估值时会面临更多的不确定性。另外一点就是，避开不确定性并不意味着你完全放弃不确定性。你不能因为一家公司存在太多的不确定性就拒绝对其进行估值，因为其他所有人都面临着同样的不确定性。最后一点，收集更多的信息并进行更多的分析，并不意味着一定会减少不确定性。颇具讽刺意味的是，在有些情况下这还会产生更多的不确定性。

越简单越好

过去的20年里，估值已经变得越来越复杂。这与两个方面的发展是分不开的：一方面，计算机和计算器的性能比以前更高，而且也更便于使用，从而使数据的分析越来越容易；另一方面，信息也越来越多，而且越来越容易获得和使用。

在估值中，一个根本的问题是，你会在这一过程中纳入多少细节，而这种平衡是很容易理解的。细节越多，你利用特定信息做出更好预测的概率就越大，但同时，这也需要更多的数据输入，而更多的输入则意味着可能会出现更多的误差，进而导致更复杂和更难以理解的模型。我们可以从自然科学的简约性原则中得出这样一个简单的规则：在对一项资产进行估值时，使用最简单的模型。如果你只需要用3个数据就能评估一项资产，那么就不要用5个数据。如果你可以用3年的预测来评估一家公司，那么使用10年的预期现金流就是自找麻烦。正所谓，少就是多。

开动引擎

大多数投资者都不愿意对公司进行估值，并会给出诸多理由：估值模型过于复杂，没有足够的信息，或者存在太多的不确定性。虽然所有这些理由都成立，但他们真不应该放弃尝试。估值模型可以很简单，而且你也可以处理所拥有的信息，当然，未来永远都是不确定的。你有时会犯错吗？当然，其他所有人也都会犯错。成功的投资并不是因为判断准确，一切都在于你所犯的错误经常少于其他人所犯的错误。