自由现金流折现模型（DCF）对长期预测误差的容忍度非常低，尤其是超过5年后的预测，微小偏差会被折现因子和终值假设放大，导致估值大幅偏离真实价值。核心原因在于：DCF模型依赖远期现金流预测，而时间越长，不确定性呈指数级增长；同时，终值往往占估值总值的70%以上，其假设的微小变化会直接左右最终结果。
误差随时间累积的机制
DCF模型对长期预测的容忍度低，根源在于复利折现的放大效应。假设折现率为10%，第10年的现金流折现系数仅为0.385——这意味着第10年的预测误差会被放大近2.6倍。具体表现为：
- 短期误差（1-3年）：通常影响有限，因为折现系数较高（如第1年为0.909），且预测依据相对可靠。
- 中期误差（4-7年）：误差开始显著累积，折现系数降至0.5以下，任何增长率或利润率的误判都会产生约20%-30%的估值波动。
- 长期误差（8年以上）：容忍度极低，折现系数低于0.4，此时预测偏差几乎等同于直接改变终值假设。
终值假设与资本成本的双重影响
终值假设是DCF模型最敏感的变量。通常终值采用永续增长模型（Gordon Growth Model）或退出倍数法。以永续增长模型为例：
- 若假设永续增长率为3%，折现率为10%，终值贡献占比可达70%-80%。
- 若永续增长率从3%降到2%，终值会下降约14%，整体估值下降约10%。
- 若折现率从10%升到11%，终值下降约17%，整体估值下降约12%。
资本成本（WACC）的微小变化同样影响巨大。WACC每变动0.5个百分点，在典型成长型公司中可能导致估值波动15%-25%。这是因为折现率同时作用于每一期现金流和终值，形成双重放大。
如何提升预测可靠性
由于DCF模型对长期预测误差容忍度低，必须结合其他指标交叉验证。常见做法包括：
- 情景分析：分别测试乐观、基准、悲观三种情景下的估值区间，而非依赖单一点估计。
- 敏感性分析：列出增长率、WACC、终值增长率等关键变量变化对估值的影响表格，识别最敏感的假设。
- 相对估值法：用市盈率（P/E）、企业价值/息税折旧摊销前利润（EV/EBITDA）等倍数与DCF结果对比，若差异超过30%，需重新审视假设。
- 历史回测：将模型对前几年的预测与实际结果对比，检验预测偏差方向。
DCF模型的价值不在于给出精确数字，而在于揭示估值背后的关键假设是否合理。当长期预测误差超出10%-20%时，模型结果已不适合作为唯一决策依据。
常见问题
为什么DCF模型对长期预测那么敏感？
因为折现率随时间呈指数级放大误差。第10年的现金流折现系数仅为第1年的40%左右，所以第10年的预测误差对估值的影响是第1年的2.5倍以上。同时，终值通常占估值70%以上，其假设直接决定结果。
终值假设中，永续增长率取多少比较合理？
通常不应超过GDP长期增长率或通胀率，常见范围在2%-4%之间。对于成熟行业，取2%-3%；对于高增长行业，可适当提高但需谨慎，因为永续增长率超过5%在现实中极少持续。建议以所在国家长期名义GDP增长率为上限。
如果DCF结果与市盈率估值差异很大，该怎么办？
首先检查DCF中的长期增长率、WACC和终值假设是否合理。如果差异超过30%，通常意味着某个假设偏离实际（如增长率过高或折现率过低）。建议同时参考多个估值方法，并优先采用相对保守的假设。