相对估值

内在价值估值的目标是在给定资产的现金流、增长速度和风险特征的前提下，找出市场价格低于其应有价值的资产。而在相对估值中，关注点是找出与市场上类似资产的定价相比，定价偏低或偏高的资产。因此，完全有可能出现按照内在价值估值定价过高，而按照相对估值定价偏低的资产。

标准化价值和乘数

为了比较市场上类似资产的价值，我们需要以某种方法对价值进行标准化。这种标准化可以是相对于资产所创造的利润，相对于资产本身的账面价值或重置价值，或相对于资产所带来的收入。上述每一种方法都被广泛使用，并有众多的支持者。

盈利乘数

对衡量资产的价值来说，更直观的方法是将其视为所产生的盈利的乘数。在购买股票时，我们可以将所支付的价格视为公司每股盈利的乘数。市盈率（价格/盈利）可以用当前的每股盈利（历史市盈率）或随后一年的预期每股盈利（预期市盈率）计算得出。在购买一家公司时（相对于仅仅购买公司的股份），我们可以将公司经营资产的价值视为营业收入（息税前利润）或者经营现金流（息税折旧摊销前利润）的乘数。对投资者来说，乘数低比乘数高更有利，但这些乘数也会受到潜在增长率和公司所面临的风险的影响。

账面价值或重置价值乘数

市场为公司的价值提供一个估值，而会计师通常会对同一家公司给出非常不同的估值。后一个估值，即账面价值，取决于会计准则的规定，同时也会受到购入资产时支付的原始价格和随后进行的会计调整（如折旧）的影响。投资者经常将他们在购买股票时支付的价格与股权的账面价值（或净值）进行比较，作为判断股票价格被低估或高估的依据之一。由此得到的市净率（价格/账面价值）在不同行业间的差别非常大，它同样取决于公司的增长潜力和投资的质量。在衡量整个公司的价值时，这一比率通过公司价值和公司经营资产（而不仅仅是股权）的账面价值进行估算。对那些认为账面价值不能有效衡量资产真实价值的人来说，另一个可供选择的方法是资产重置成本，公司价值与重置成本的比率就是托宾Q。

收入乘数

盈利和账面价值都是会计指标，因此受会计准则和原则的影响。另一种方法受这些因素的影响非常小，即比较资产的价值和资产创造的收入。对股权投资者来说，这一比率是市销率（价格/销售收入），即用每股价格除以每股所创造的收入。当衡量公司价值时，这一比率可以修改为价值/销售收入，在这里分子为公司的总价值。这一比率在不同的行业也不尽相同，在很大程度上取决于每个行业的利润率。使用这些乘数的优点在于，它们使得比较在不同市场使用不同会计准则的公司变得更加容易。

乘数背后的基本原理

支持相对估值的一个常见原因是，与现金流折现模型估值相比，前者基于的假设少得多。在我看来，这是一种错误的认识。现金流折现模型估值和相对估值之间的区别在于，分析师所做的假设在前一种估值方式中是需要予以明确的，而在后一种估值方式中是可以被隐含的。因此，重要的是我们需要了解哪些变量决定了乘数的差异，因为这些变量正是我们在比较不同公司的乘数时需要控制的因素。

要想看出股权价值和公司价值乘数的本质，我们需要回到简单的股权估值和公司估值的现金流折现模型，并使用它们来推导出乘数。因此，根据股权估值最简单的现金流折现模型，即股息固定增长折现模型，可知股权价值的公式如下：

其中，DPS ₁ 为随后一年的预期股息， k _e 为权益成本， g _n 为预期固定增长率。将等式两边除以每股收益（EPS），我们就得到了固定增长公司市盈率的现金流折现模型：

将等式两边除以股权的账面价值（BV），我们就能估算出固定增长公司的市净率（PBV）：

其中，ROE为净资产收益率。再除以每股销售额，我们就能得到固定增长公司的市销率，我们可以看到市销率是利润率、派息率和预期增长率的函数：

我们也可以从公司估值的角度进行相似的分析。固定增长公司的价值可以写成如下形式：

除以预期公司自由现金流，我们就可以得到固定增长公司的价值/公司自由现金流的乘数：

由于公司自由现金流使用的是扣除净资本支出和公司所需流动资金后的税后销售收入，所以息税前利润、息前税后利润和息税折旧摊销前利润的乘数也可以用相似的方法加以估算。例如，价值/息税折旧摊销前利润可以表示为：

其中Depr为折旧，CEx为资本支出。

上述分析的目的不是要我们回到使用现金流折现模型，而是为了让我们了解可能导致同一行业不同公司的这些乘数各不相同的变量。不了解这些变量的分析师可能会得出结论，认为市盈率为8的股票比市盈率为12的股票更便宜，而真正的原因可能是后者有着更高的预期增长率。或者分析师可能会认为市净率为0.7的股票比市净率为1.5的股票更便宜，而真正的原因可能是后者有着更高的股权收益率。表4.6列出了被广泛使用的乘数以及影响这些乘数的变量；我们将对乘数影响最大的变量加粗显示。这些变量就是我们所说的乘数伴随变量，即为了使用这些乘数找出定价过低或过高的资产，我们需要了解的变量。

使用可比公司

大多数分析师对乘数的分析都会与可比公司相结合，以判断公司的估值是否合理。冒着把问题简单化的风险，乘数分析通常始于两个决策：选择在分析中使用的乘数，以及选择作为分析对象的一组可比公司。计算每家可比公司的乘数，然后计算出这组公司的平均乘数（或中位数）。对某家公司进行估值时，分析师会将其乘数与计算所得的平均乘数相比较，如果差别显著，分析师就会对该公司的个体特征（增长率、风险等）是否能解释这种差异做出主观判断。因此，如果某家公司的市盈率为22，而该行业的平均市盈率仅为15，分析人员就可能得出结论，由于该公司的潜在增长率高于行业的增长率，所以这样的差别是合理的。当分析师认为乘数的差异无法用基本面来解释时，该公司的价格就会被认为是被高估（公司乘数高于平均值）或低估（公司乘数低于平均值）了。

选择可比公司

相对估值过程的关键在于选择具有可比性的一组公司。从估值的角度看，具有可比性的公司应拥有相似的现金流、增长潜力和风险。从理论上说，分析公司的价值应该看就风险、增长率和现金流而言与该公司完全一样的公司的定价情况。然而，在大多数分析中，可比公司被定义为与被分析公司处于同一行业的公司。如果该行业有足够多的公司，那么可以用其他标准对这些公司进行筛选，比如只考虑规模相似的公司。这里隐含的假设是，同一行业的公司都具有相似的风险、增长率和现金流，因此相互比较更具合理性。但在以下两种情况下，这一方法会变得更加难以应用：

1. 同一行业中的公司相对较少。 在美国之外的大多数市场中，单个行业中的上市公司数量一般较少，特别是对小行业来说。

2. 同一行业中不同公司的风险、增长率和现金流差异很大。 在美国有数百家上市交易的计算机软件公司，但是这些公司之间的差别非常大。

这里的权衡取舍很简单。将行业定义得更宽泛一些就能增加可比公司的数量，但这么做也会加大可比公司之间的差异性。

控制公司之间的差异

由于我们不可能找到与被估值公司完全一样的公司，我们必须想办法控制公司之间的差异。之前讨论的现金流折现模型的一个优点是，它能让我们清楚地知道每个乘数背后的决定因素是什么，我们也就知道了需要控制哪些变量。表4.6为我们总结过这些变量。

对变量的控制可以是简单地对乘数进行调整，从而将某个关键变量的差异考虑进去，也可以是比较复杂的调整，以考虑多个变量的差异。

我们先从简单的方法开始，即根据乘数最重要的决定变量对基本乘数进行调整。比如，将市盈率除以每股盈利的预期增长率就可以得到公司经增长调整后的市盈率。同样，可以将市净率除以股权收益率，将市销率除以净利润。这些经过调整的比率可以在同一行业的不同公司之间进行比较。这里隐含的假设是，除了控制因素，这些公司在价值的其他所有方面都具有可比性。

表4.7显示了相对估值的过程，列出了被选中的软件公司的市盈率和分析师一致认同的随后5年的预期增长率。

单独比较这些公司的市盈率并不能反映这些公司预期增长率的不同，但是表中最后一列可以被视为经增长调整后的市盈率，这意味着喝彩娱乐公司是这些公司中股价最便宜的公司，而明尼苏达州教育公司是股价最贵的公司。但是这个结论只有在这些公司风险相同的情况下才成立。

当公司在多个方面存在差异时，根据公司间的差异来调整乘数就会变得比较困难。但是，用这些变量对乘数进行回归，然后利用回归结果预测每家公司的价值是可行的。当可比公司的数量很多且乘数和变量之间的关系很强时，这个方法相当有用。如果不能满足这些条件，若干异常值就会导致系数发生巨大变化，使得预测结果的可靠性大大降低。

为了举例说明，表4.8列出了一些石油公司的市净率及它们的股权收益率、预期增长率。

由于这些公司在增长率和股权收益率方面存在差异，我们可以用两个变量对市净率进行回归：

中括号中的数字是 t 统计量，它们说明市净率和两个回归变量的关系在统计上是显著的。 R ² 表示自变量能在多大程度上（百分比）解释这些公司市净率的差异。最后，回归结果能用来预测表4.8中公司的市净率。例如，雷普索尔石油公司的预测市净率为：

由于雷普索尔公司真正的市净率为2.2，这个值说明公司的股价大约被低估了25%。

上述两种方法都假设乘数与影响价值的变量之间的关系是线性的。这一假设未必正确，因此你也可以在这些回归中使用非线性模型。

扩大可比公司的范围

在公司所在的同一行业中寻找可比公司是相当受限的，特别是当该行业中的公司相对较少或该公司跨行业经营时。可比公司的定义不是指与被分析公司具有相同的业务，而是指与被分析公司具有相同的增长率、风险和现金流等特征，因此，我们也不太清楚为何要以行业来限制可比公司。如果我们能够对基本面的差别进行控制，那么一家计算机软件公司与一家汽车制造公司就应该具有可比性。

前面介绍的回归方法允许我们控制那些能对公司之间的乘数差异产生影响的变量。因此我们可以使用回归方程的极简版本，基于变量对市盈率、市净率和市销率进行回归：

但是，我们用于风险（β）、增长率（预期增长率）和现金流（派息率）的代理变量有可能是不完美的，而且它们之间的关系也并非线性的。为了处理这些局限性，我们可以在回归中加入更多变量（如公司的规模可以作为风险的代理变量），并使用变量的转换来处理非线性关系。

与本章前面讨论的同一行业不同公司之间的“主观”比较相比，这种方法的第一个优点在于，它建立在实际市场数据的基础上，对增长率或风险对乘数的影响程度进行了量化分析。虽然由此得到的估计值可能存在噪声，但是这些噪声恰好反映出许多分析师在进行主观判断时不面对现实的情况。第二个优点在于，通过观察市场上所有的公司，分析师能跳出公司数量较少的某一行业，从而在进行分析时进行更准确的比较。最后一个优点是，当整个行业的价值都被低估或被高估时，它可以使分析师摆脱视野盲区。 HUcXujj3+b5OgRjxbpFH14/VO0hDtVpMwguCpw6RdCUdAvV+3uwtjhAMPSv/YqJ9