下载掌阅APP，畅读海量书库
立即打开
在折现现金流估值中，在计算公司价值时，是按风险调整后的折现率对预期现金流进行折现后得到的结果。从这个估计值中扣除债务，即为股权价值。无法偿还债务的可能性和潜在成本仅在折现率中稍加提及。但是在现实中，不履行合同义务的成本可能是非常巨大的。在实践操作中，这些成本通常被归集为间接性破产成本，可以包括客户的丧失、供应商收紧信贷以及员工流失率提高等，而公司陷入危机的传闻甚至会带来更多的麻烦。采用模拟技术，我们可以在各种可能的情景下对企业价值与（而不仅是最可能的情况）未偿还债务进行对比，从而让我们不仅可以量化公司陷入危机的可能性，还可以将间接破产成本计入估值。实际上，我们完全可以针对性地对企业危机给预期现金流和折现率带来的影响进行建模。
最早以模拟技术进行投资分析的方式源于大卫·赫兹（David Hertz）在《哈佛商业评论》上发表的一篇文章。
他指出，使用输入变量的概率分布而非单一最佳估计值，可以生成信息量更大的结果。他采用模拟法对两笔投资的收益分布进行了比较。结果显示，预期收益率较高的投资也有较大的赔钱机会（这是衡量风险的指标之一）。随后，几位分析师乘兴开始研究模拟法，但结果良莠不齐。近年来，模拟法作为一种风险估值工具再次受宠，尤其是在衍生工具方面，使用颇多。但是在使用模拟法进行风险估值时，我们还需处理好几个关键问题：
· 输出结果的质量取决于输入参数 ：为确保模拟方法的实用性，为输入参数选择的分布应依赖于分析和数据，而不是猜测。需要注意的是，即使是对于随机性输入，模拟法也会得出漂亮的结果。因此，即使是对投资风险没有任何意义的结论，也会让毫无戒心的决策者欣然接受。同样需要提醒的是，仅仅对统计分布及其特征走马观花地了解，对于模拟技术来说显然是远远不够的。如果分析师无法区分一般正态分布和对数正态分布之间的差别，就不应该去做模拟分析。
· 实际数据可能并不服从分布函数 ：在现实世界中，最大的问题就是数据很少符合统计分布的严格要求。因此，使用与输入参数真实分布基础缺乏相似度的概率分布，只会得到误导性结果。
· 非稳态分布 ：即使数据符合统计分布或是可以取得历史数据的分布，市场结构的变迁也会导致分布规律发生变化。在某些情况下，这种变迁可以改变分布的形式；在另一些情况下，则有可能改变分布的参数。因此，依据参数历史数据的正常分布中估计的均值和方差，可能在下个时期就会出现变化。所以，我们真正希望能在模拟中使用但又很少能做出估计的，恰恰是前瞻性的概率分布。
· 改变输入参数之间的相关性 ：在本章前面的介绍中，我们提到过，可以把输入变量之间的相关性纳入模拟模型中。但前提是：只有相关性保持稳定且可预测，这种建模才是可行的。考虑到输入变量之间的相关性会随着时间的推移而变化，因此，要对它们进行建模是非常困难的。
在针对决策树的讨论中，我们曾提到一个常见的误解，即决策树已经过风险调整，因为它们已考虑到不良事件的可能性。这种误解在模拟技术中同样普遍存在。有观点认为，按模拟法得到的现金流因使用概率分布而进行了一定程度的风险调整，而且应采用无风险利率对这些现金流进行折现。但除了一种例外情况，这种说法都是站不住脚的。按模拟估值法，我们得到的现金流是预期现金流，而且是未经风险调整的，因此我们应该以风险调整后的利率折算这些现金流。
当我们以模拟估值结果的标准差用作投资或资产的风险考量指标并以此为基础制定决策时，上述的例外情况就出现了。在例外情况下，使用风险调整折现会导致风险被重复计量。不妨考虑一个简单的例子。假设你需要在两笔投资中做出选择，且这两笔投资分别使用模拟法和风险调整贴现率进行估值。表3-5归集了两种估值方法的结论。
表3-5 两笔投资的模拟结果
请注意，假设你认为资产B的风险较高，并使用较高的折现率来计算价值。如果你现在因为模拟法的标准差较高而放弃资产B，那么你实际上是在重复考虑它的风险。你可以无风险利率作为两种资产的折现率重新进行模拟，但仍有一点需要提醒。假如你根据模拟估值的标准差在两笔资产中进行选择，那么你就是在假定，所有风险都是在选择投资时需要考虑的，而不仅仅是无法通过多样化投资分散的风险。换言之，不管怎样，只要模拟值拥有较高的标准差，哪怕将这笔资产纳入投资组合中只会带来风险的少许增加（因为它的大部分风险可以分散的），你也会放弃这笔资产。
但这并不是说，模拟估值对我们理解风险没有任何意义。实际上，观察模拟值围绕期望值的变化，可以让我们从视觉上体会到，我们的估值本身就处于一种不确定的环境中。同样可以理解的是，我们可以把这种方法作为投资组合管理中的一种决策工具，在两个同样被低估但拥有不同价值分布规律的股票间进行选择。与价值分布波动性较强或出现负结果机会较大的股票相比，价值分布波动性较弱或出现正结果（正偏差）机会较大的股票，或许是更可取的投资。