63
0有这么一些特别认真的朋友，买股票之前恨不得把估值模型做到小数点后四位。DCF折现率精确到8.27%，未来十年现金流预测精确到个位数，增长率精确到百分之零点几。花了大量时间算出了一个“精确”的数字，但这个数字本质上仍然是个区间。
这就是今天我们想聊的主题：估值不是精确计算，模糊的正确胜过精确的错误。
为什么我们总想算出一个精确的数字？
这种对精确度的执念，有很深的心理根源。
第一是控制感。 投资市场瞬息万变，一只股票今天涨5%明天跌8%，让人感觉非常失控。而一个精确的数字，像是给了我们一根救命稻草。哪怕这个数字本身可能偏差20%，但“精确”本身带来了虚假的安全感。
第二是伪确定性。 人类大脑天然厌恶不确定性。但事实是，估值模型里每一个假设都充满不确定性，把这些不确定性都包装成一个点估计，恰恰是最大的误导。
第三是对“科学感”的崇拜。 公式和模型看起来很专业、很科学。但模型只是工具， garbage in, garbage out（垃圾进垃圾出）。假设错了，模型越精确，错误越大。
凯恩斯早就说过：“宁要模糊的正确，不要精确的错误。” 这句话点透了估值的本质。
估值的本质是一个区间，不是一个点
一个模拟：用同一家公司的同一套商业模式，只是把增长率假设从“保守的8%”改成“乐观的12%”，折现率从“9%”改成“8.5%”，终值永续增长率从“3%”改成“4%”——你猜结果怎么着？
估值从60元直接跳到了180元。同一个公司，同一套方法，只是假设稍微乐观一点点，估值就翻了三倍。
这不是估值模型的bug，这是估值模型的本质——它就是一个敏感性极强的工具，你的输入决定了你的输出。
真正懂估值的人，不会给你一个点估计，而是会给你一个区间。
哪些因素对估值影响最大？
估值模型里最敏感的变量就那么几个。
第一个是增长率假设。 这也是水分最大的地方，预测未来10年的增长率本身就是极其困难的事。
第二个是折现率。 折现率本质上是你的机会成本和对风险的补偿，不同的人对风险的感知不同，给出的折现率也不同。
第三个是终值占比。 在DCF模型里，终值（Terminal Value）往往占整个估值的50%甚至70%以上。也就是说，你对“公司永续经营时的价值”的假设，其实比你预测的十年现金流还要重要。而永续增长率假设——比如是2%还是4%——对终值的影响是指数级的。
“精确的错误”长什么样？
第一种表现是过度依赖模型，忽视定性因素。
第二种表现是数据拟合，而非商业分析。
第三种表现是把估值结论当成决策的唯一依据。
“模糊的正确”怎么做？
第一步：确定大致的价值区间，而不是精确的数值。
第二步：永远留安全边际。
第三步：定性分析和定量分析结合。
多种估值方法交叉验证
前面我们说估值是一个区间，那么如何确定这个区间是否合理呢？
答案是：用多种方法交叉验证。
每种估值方法都有自己的适用范围和局限性：
PE 适合盈利平稳、弱周期、没有强景气波动的消费类成熟公司
PB 最适配银行保险等金融机构，以及钢铁基建这类重资产、盈利波动大的行业
DCF 更适合业务简单、现金流稳定、未来可预测性强的成熟公司
PS 适合尚处成长早期、尚未盈利或盈利不稳，但营收增速高的扩张型企业
当你能用三到四种方法给同一家公司估值，如果它们得出的结论比较接近（比如PE算出来合理价位是50-60元，DCF算出来是55-65元），那你对自己判断的信心就会强很多。
交叉验证不是为了找到一个统一的数字，而是为了确认你的估值区间是否合理，以及理解为什么不同方法会给出不同的答案。
实战中如何建立”估值区间”思维？
第一，遇到任何估值结论，先问“如果假设变了会怎样？”
第二，把“值多少钱”改成“值什么区间”。
第三，把精力放在理解生意上，而不是建模上。
结语
我们未来做估值时，在走向追求精确的道路之前，可以先问自己三个问题：
这家公司大概值什么区间？
当前价格在这个区间里是什么位置？
我需要多大的安全边际才愿意买入？
估值不是精确计算，而是一种思维框架。 它帮助你建立对价值的感知，帮助你在不确定性中做出理性的选择。
下次当你面对一只股票，准备打开Excel建模的时候，不妨先停下来问自己：我是在追求模糊的正确，还是在制造精确的错误？
思考题
1. 试着用”估值区间”的思维重新审视你曾经买过的一只股票：如果不用精确的目标价，而是给自己设定一个“明显低估”和“明显高估”的区间，你的投资决策会有什么不同？
2. 大家都知道“模糊的正确胜过精确的错误”，而很多量化投资基金却依靠精确的模型在赚钱。你觉得这两种方法论的根本分歧在哪里？价值投资者应该如何借鉴量化思维，同时保持自己的核心原则？
