第四部分 · 组装 DCF 与相对估值

敏感度与量化的安全边际：DCF 是望远镜，不是显微镜

终值常占估值大头，而 (r−g) 是两个接近数之差；小幅假设变化可能造成显著、但并非必然翻倍的价值变化。本课示例中单独移动 1 个百分点约改变 18%，两项同向约 44%。因此 DCF 的产品应是情景区间与敏感度，而不是小数点后一位的真值。

本课路线

(1) 量化 (r−g) 敏感度；(2) 区分敏感度表、离散情景与统计置信区间；(3) 把安全边际写成相对保守情景的模型缓冲，而非买入规则；(4) 标注未建模尾部；(5) 用股权口径热力图验证。

一、戈登分母 (r−g)：为什么微调就天翻地覆

回到第 08 课那个把「从此到永远」打包成一个数的终值公式——它是这门课里最脆的一块骨头：

终值＝ FCFₙ₊₁ /(r − g)

问题全出在那个分母 (r − g)。举个数：设某生意明年的自由现金流 FCF₁ ＝ 10，你填永续增长 g ＝ 2.5%、折现率 r ＝ 9%，戈登公式给出价值 10 /(9% − 2.5%) ＝ 154。现在只把 g 抬 1 个百分点到 3.5%——价值跳到 10 / 5.5% ＝ 182（+18%）；只把 r 降 1 个百分点到 8%，同样得 182。若两件事一起发生（g ＝ 3.5%、r ＝ 8%），价值冲到 10 / 4.5% ＝ 222（+44%）。再乐观一档（g ＝ 4.5%、r ＝ 7%），价值直接 10 / 2.5% ＝ 400——翻了一倍还多。你并没有胡乱假设，每一步都只动了「1 个百分点」，而这在预测十年后的未来时，几乎是噪音级的误差。

为什么杠杆这么猛？因为 (r − g) 是两个体量相近的数之差。分母本身只有区区 6.5%，可 r 和 g 各自的不确定性动辄一两个百分点；一个小小的绝对变化，落到这个瘦小的分母上，就是巨大的相对变化，再被除法放大进价值里。第 08 课那颗终值炸弹，引信就是这个分母。这不是 DCF 坏了——恰恰相反，它在诚实地告诉你：未来本来就看不清。

二、于是：不做点估计，做区间与情景（熊·基·牛）

既然价值对假设这么敏感，那么报出「这公司精确值 154 元」就是一种伪精确——它假装你对 g、r 的把握精确到了小数点，而你并没有。诚实的输出不是一个点，而是一段区间。把它量出来有两件配套的手艺：

敏感度分析：把某一个假设（比如 g）在合理范围内上下拨，看价值摆多大。做成一张二维表，就是你待会儿要玩的那张热力图。
情景分析：不是各个假设独立乱拨，而是把它们捆成几套自洽的故事——熊市（增长慢、风险溢价高，r 大 g 小）、基准（你的最佳判断）、牛市（增长快、风险低，r 小 g 大）。三套故事各算一个价值，就框出了区间的下沿、中枢、上沿。

于是价值不再是「154」，而是「在熊到牛的合理假设下，大约落在 105 到 285 之间，中枢 154」。这正是主线二要你记住的姿势：估值是一段带误差棒的区间，不是一个点。而且区间的宽窄本身就是信息——区间越宽，说明你对这门生意越没把握。

三、模型安全边际：价格相对保守情景的缓冲

有了区间，才谈得上怎么用它去面对一个市场价格。这里请出格雷厄姆那三个字——安全边际。

经典 · 安全边际

「安全边际，永远取决于你付出的价格。」格雷厄姆的意思是：同一家公司，60 元买有厚厚的缓冲，120 元买几乎没有——边际不是公司的属性，是价格相对于价值的属性。而这门课要补上的，是把这道边际量化：不是模糊地「便宜点买」，而是明确地「只在市价远低于我最悲观（熊市）的那个估值时才动手」，缓冲的宽窄由你对假设的把握程度决定。—— Benjamin Graham《The Intelligent Investor（聪明的投资者）》，安全边际章

价格相对一个有证据支持的保守情景越低，模型缓冲越厚；但「熊市下沿」是你设的情景，不是统计置信下限，更不是损失地板。未建模尾部、流动性、融资和基本面断裂仍可能穿透它。因此 widget 只计算相对所选情景的模型缓冲，不发出买入信号。

四、它防的是「你算错」，不是「公司变坏」

这里有一个新手极易混淆、却决定生死的区别。安全边际到底在防什么？

它防的是你的估算会出错——你的 g 可能太乐观、r 可能太低、明年的 FCF 可能没那么高。第一节已经让你看到，这些输入只要各错一两个百分点，价值就天翻地覆。安全边际，就是为你自己分析的易错性留的一道缓冲垫：即便你从一开始就把假设都估偏了，只要买得足够便宜，仍不至于亏大钱。↗ 投资的逻辑 · 03 安全边际把这层意思讲成心性，这里把它落成算术——你越没把握（区间越宽），就该要求越大的折扣。

但它不防的是另一件事：公司基本面真的永久变坏。护城河被填平、行业被颠覆、管理层毁掉资本——这些不是「你算错了区间」，而是「那门生意本身塌了」，区间会整体向下平移到你买入价以下。安全边际是给「测量误差」上的保险，不是给「东西烂掉」上的保险。所以它要配着对生意质地的判断一起用：缓冲能救你于「看走眼一点点」，救不了你于「押错了整个故事」。

五、诚实话：DCF 真正的用处，是逼你写下假设

最后说句诚实话，也是这门课最想让你带走的态度。你可能已经隐隐不安：既然结果这么容易被假设推来推去，那我费半天劲搭一个 DCF，图什么？

图的不是那个数字，是搭它的过程。要跑完一个 DCF，你被迫把一堆平时含含糊糊的乐观，翻译成白纸黑字的假设：这门生意能年增长几个点、这样的增长能持续几年、利润率多少、该用多高的 r。这些假设一旦写下，就能被质疑、被证伪、被同行对照、被未来的事实打脸。DCF 真正的产品，是这张假设清单；那个价值数字，几乎只是副产品。

所以标题说，DCF 是望远镜，不是显微镜：它帮你在很远的距离上判断一个大致方向——这门生意大概是便宜还是贵、贵或便宜到什么量级——却永远看不清小数点后的细节。想用它读出「精确值 153.7 元」，就像想用望远镜数清对面山头上的蚂蚁：工具没坏，是你用错了。一句老话把这层意思说尽了——宁要模糊的正确，不要精确的错误。

六、动手：g×r 敏感度热力图

widget 采用股权口径：FCFE₁=10、r=kₑ，输出同单位的股权价值。它只移动 g 与 kₑ，没有从经营驱动、再投资或概率分布生成情景。

把情景幅度往大里拨，看「熊」「牛」两点在地形上越拉越开、区间越来越宽——这就是「你越没把握，价值区间越宽」。
移动当前价格那条白线：只有当它整条都跑到你的熊点下方（KPI 显示「低于下沿 · 有安全边际」），你才真正握着格雷厄姆说的那道缓冲。
把价格抬到牛点之上，看 KPI 变红——那时候，只有比你能想象的最好情景还要好，这个价才说得通。

g×r 敏感度热力图 · 价值是一片起伏的地形，不是一个点

模型卡：FCFE₁=10、r=kₑ，输出股权价值；单阶段永续、现金流直接增长，未显式建模再投资。熊/基/牛是人为选取的三点，不是概率区间或损失下限；白线只表示模型价值=同单位观察股权价格。r≤g 时公式失效。

基准增长 g：基准折现率 r：情景幅度 ±：当前价格：

中枢价值（基准）

—

区间下沿（熊）

—

区间上沿（牛）

—

观察价相对模型区间

—

拨动 g、r 看价值地形起伏；移动当前价，看它落在熊—牛区间的哪一段。

玩过之后，「估值是区间不是点」就不再是一句口号，而是眼前一整片会随假设起伏的地形。你也会明白安全边际的几何含义：它就是那条白线与你的熊点之间、往便宜一侧的距离。可这套 DCF 既要逐年预测、又要拨假设做区间，实在慢。有没有一条捷径——不用自己吭哧吭哧写十年假设，直接借用市场对同类生意已经给出的定价？

七、接回主线

这一课在主线上的位置

敏感度表显示局部输入影响，离散情景检验成套叙事；二者都不是统计置信区间。安全边际是观察价格相对保守价值情景的模型缓冲，不能覆盖未建模尾部，也不能单独决定交易。

八、常见误解

误解：DCF 算出 153.7 元，就说明它精确值 153.7。 （澄清：那是伪精确——换一组同样合理的 g、r，就能算出 110 或 250。诚实的输出是区间，不是点；报到小数点后一位，是在假装你没有的把握。）
误解：安全边际就是「便宜一点买」。 （澄清：它是量化的缓冲，而且要对着区间下沿比、不是对着中枢；缓冲该有多大，取决于你的区间有多宽——你越没把握，就该要求越大的折扣。）
误解：有了安全边际，公司再差也亏不了。（澄清：它防的是你「算错」，不防公司「变坏」。基本面永久恶化时，区间整体下移到你买价之下，任何折扣都救不了错误的论点，第四节、投资的逻辑 03。）
误解：g、r 动 1 个百分点就必然令价值翻倍。 （澄清：影响取决于原始 r−g 距离；本例单项是约 18%、两项是约 44%，更接近奇点时才会更极端。）
误解：把 g、r 调到让价值刚好高于股价，就「证明」了便宜。 （澄清：那是先射箭再画靶——反着自欺。诚实的做法是先定合理的假设区间，再看价格落在哪；第 14 课会把这个动作正式反过来做。）
误解：情景分析就是把每个数都上下拨 10% 看看。 （澄清：情景要「成套」且自洽——衰退里增长慢、风险溢价还同时上升，所以熊市往往是「g 低 r 高」一起发生，不是各变量独立乱拨。）

一句话带走

(r−g) 对假设可能高度敏感，幅度取决于离奇点多远；不要把「1 个百分点必然翻倍」当口诀。估值应输出带误差棒的情景区间、终值占比和关键变量敏感度，而不是一个精确点。安全边际缓冲模型误差，却不能替代对业务恶化和尾部风险的重新判断。

下一步

假设这么脆、逐年预测又这么慢，有没有一条捷径——不用自己吭哧吭哧写十年假设，直接借用市场对同类生意已经给出的定价？有，那就是倍数（市盈率、EV/EBITDA……）。但别被它「一个数」的简洁骗了：倍数不是 DCF 的替代品，而是一台被压缩、打包好的 DCF——所有关于 g 和 r 的假设，都被塞进了地毯底下。 → 第 10 课《相对估值：倍数是打包好的 DCF》会把这只「打包箱」拆开，让你看清一个市盈率背后到底藏着怎样的增长与回报假设，以及怎样把它反推出来。