绝对估值法在实际使用中有哪些常见错误

绝对估值法在实际使用中最常见的错误，是把模型输出的精确数字当成客观事实。绝对估值本质上是一套基于假设的推算框架，而非对内在价值的精确测量。 常见问题集中在三处：增长率假设偏乐观、折现率选取随意、终值占比过高而未被审视。这些偏差往往被最终那个"每股价值"的数字掩盖，让使用者误以为结论足够可靠。

一、基本框架与错误的来源

绝对估值（以现金流折现 DCF 为代表）的核心逻辑是：把未来各期现金流按一定折现率换算成现值，再加上终值现值。整个链条中有三类输入——现金流预测、折现率、终值假设。

问题在于，模型对输入高度敏感，而输入本身带有主观性。现金流预测依赖对行业与公司经营的判断，折现率涉及风险溢价的估计，终值则隐含了"永续增长"这类长期假设。任何一环偏一点，结果就会明显偏移，但输出形式却是一个看似确定的数值。

二、增长率与折现率的典型偏差

增长率方面，常见错误是线性外推高增长。把过去几年的收入增速直接延伸到未来多年，忽略了行业竞争、市场容量与基数效应。企业规模越大，维持同一增速越困难，这一点在假设中常被淡化。

折现率方面，常见错误是"随手取一个数"。折现率反映资金的时间价值与风险补偿，应与企业所处行业、资本结构、经营稳定性相匹配。不同风险特征的公司套用同一折现率，等于把风险差异抹平。此外，折现率与增长率若同时被调高，结果会朝同一方向放大，形成叠加偏差。

三、终值占比与敏感性检验

在多数 DCF 模型中，终值现值占总价值的比重往往很高。终值占比越高，模型结论就越依赖那个最遥远的假设，可靠性随之下降。 一个实用的自查动作是：先看终值占比，再对增长率、折现率做区间测试，观察结果波动范围。

敏感性分析不是为了让数字更好看，而是为了暴露脆弱点。如果折现率上下小幅变动就让估值翻倍或腰斩，说明结论本身不稳定，此时应结合相对估值、行业可比公司交叉验证，并留出安全边际，而不是直接采信单一模型的输出。

绝对估值的价值在于梳理逻辑，而非给出精确价格。 把它当作思考工具，明确哪些假设最关键、哪些情形下结论会失效，比追求小数点的精确更有意义。

常见问题

绝对估值算出的价格可以直接当买卖依据吗？

不建议。模型输出依赖假设，不同假设会得到不同结果。它更适合用来理解价值区间与关键变量，实际决策还需结合市场环境、相对估值和自身风险承受能力综合判断。

折现率应该怎么选才合理？

折现率应反映资金时间价值与对应风险补偿，通常与无风险利率、风险溢价及企业资本结构相关。具体口径可参考权威金融教材或专业机构的方法说明，关键是保持前后一致，并说明取值理由。

终值占比多高算偏高？

不存在统一的通用阈值，不同行业与生命周期阶段差异较大。判断重点是：若终值占比明显主导整体价值，就应重点检验永续增长率与折现率假设是否过于乐观，并做区间测试。