陈达美股投资 - 专栏学习笔记 - 05 Business Valuation & Reading Notes

本文为 陈达美股投资 - 专栏学习笔记的总结第5篇
这部分主要是陈达谈论如何为企业进行估值 同时还有一些他的读书笔记(keep learning 真的很重要啊)

估值真的是一门艺术 同时也是千人千面的 有些人觉得 PE=30 对于好企业就足够便宜了 有些人非要等到个位数才肯下注
这个东西没办法教 只能在实战中摸索

估值

估值是一门艺术:如何为亏损中的成长型公司估值
其实亏损的公司我一般是不愿意碰的 眼下标的唯一符合这个范围的大概只有 PDD 了吧

估值本来就是一门艺术

界定成长型公司也一样不是一个科学定量的过程,而大多数时候是一门艺术,是要走一个感觉的。
我们来试图提炼一下成长型公司的特征:

  1. 财务报表变脸如变天,营收、运营利润、EBITDA、EBIT、净利、现金流等等,都处于看似无止境的动荡之中。
  2. 公司权益的市场价值远远远高于账面价值。造一个性感点的词,叫规模背离。资产负债表上股东权益可能只有几亿几十亿,但是股票的市值可能是几百亿。
  3. 债务相对轻省。当然这事不绝对,有一些成长型公司也可能会上很高的杠杆。但是从总体上而言成长型公司相比同行业的成熟型债务杠杆一般要低很多。这倒不是他们不想借,只是因为太屌丝借不起,现金流不足以覆盖高杠杆带来的利息支出。
  4. 公司“市场历史”往往短小,即便公司可能已经成立多年并也已经成功上市,但可追溯的有数据记录的“市场历史”仍然很短。

估值成长型公司有可能遇到哪些难点
不盈利 历史短 无同类

相对估值法101: 你眼中天真无邪的PE的深深套路

相对估值法(relative valuation),有时也被称为乘数法(multiples)

PE 比较大的问题是 E 太容易修饰了

PE不反映一毛钱的资本结构,不太管你加了多少杠杆
PE易受非经常性损益 (Extraordinary Item)的影响
PE易受会计处理的影响,说白了就是E的结果受会计处理的影响非常大

对于这种周期性的公司就更不能用正常的眼光去看PE,你千万不要看到低PE的挖油公司就心花怒放。这个我在谈如何投资能源业的时候提到过多次了,周期性行业在PE高的时候或者没有PE(没有E了)的时候一般才是最销魂的插入时机,而PE低的时候就是请君入瓮啊。为啥?因为周期性股票虎的时候是往死里虎,经过几个好年头的积累,盈利达到人生巅峰(周期顶部),此时PE就会非常低;而当周期开始下行,对行业未来的悲观情绪又会进一步压抑股价,导致PE更低,你会有强烈的冲动要去买这些PE、PB低到让你失去理智的周期股——比如2015年初的OSD海洋钻井的那些个公司,当时PE普遍都是四啊五啊——你千万要克制住,不然2015年初投十块钱现在就剩两块了。彼得林奇就曾说过,在周期高峰后去买入低市盈的周期股被证明是一种行之有效的快速致穷行为。 (”Buying a cyclical after several years of record earnings and when the P/E ratio has hit a low point is a proven method for losing half your money in a short period of time.”)

也有很多变种 比如 CAPE - Ratio AKA 席勒 PE, 或者 PEG 等

PE本身固然有很多缺点,但并不是说改良版的PE就能完美无瑕,改良版也有改良版的不良之处。当然作为相对估值之王PE本身不可能一无是处,我个人认为在两种情况下PE挺好用:1. 当你对公司财务情况非常了解并能相应调整PE,同时你又有很详实可靠的行业PE和其他相关数据可以进行比较;2. 对大盘的估值而言PE挺靠谱,尤其是席勒PE,总体而言除了比较悲观以外,相当靠得住。会有很多人的研究告诉你PE也不能一尘不变地看呀(比如现在有人提倡高利率时期低PE,低利率时期高PE),但是事实上对于大盘而言PE总像地心引力一样孔武有力。这个我认为或许就像我曾经举例过的17000个人测奶牛的案例一样:对于个股的E而言我们往过去看很难甄辨而往未来看很难预测;但是对于一个大样本的群组而言E往往又有很好的预测性,所以在大盘的估值水平上PE就能发挥威力,尤其是席勒PE。

PE之后仍有救星:浅谈企业价值乘数估值法

估值乘数 - valuation multiples

估值乘数就是公司价值(市值)与其某一个关键数据指标之间关系的一个表达式

我们所说的关键指标是指公司价值的老司机 (driver of the company’s value),一般就是收入、盈利、现金流等等。而估值乘数根据到底是采用企业价值还是市值又可以分为两种,一种是权益型乘数(equity multiples),我们的老街坊“市氏三杰”——市盈(PE ),市净(PB)和市销(PS)——就是权益型乘数的先进典型(虽然有明显缺陷),他们表达了对股东价值的诉求。但是另外一种相对而言养在深闺人不识、但我个人认为至少同等重要的是企业价值乘数(enterprise value multiples),其表达了对整个企业价值的诉求(包括股东、债东等等)。而企业价值乘数也是本文讲述的主题

企业价值 - enterprise value, EV

EV=普通股市值+优先股市值+负债市值+少数股东权益+退休金负债-现金及有价证券
用这个EV去比上各路有对应一致性的财务指标,这就是企业价值乘数估值法。这些财务指标包括但不限于:销售收入、EBITDA(税息折旧及摊销前利润)、EBIT(税息前利润)、NOPLAT(operating profit less adjusted taxes,税务调整净营运利润)、经营性现金流、企业自由现金流、投入资本等等。注意这些指标基本上都是股东与债东要分享的鲜肉,与企业价值概念一致
相对于权益型估值法,EV估值法的主要优点有这么几个:1. 全面,至少比权益型要全面,真正地做到巴菲特提倡的把股票当成整个生意来看,而不仅仅是通过一个股东狭隘的小眼睛来看估值。2. 受到杠杆扭曲的影响较小。3. 受不同的会计规则扭曲的影响较小。4. 受非核心业务扭曲的影响较小(如使用核心EV估值)

EBITDA - 税息折旧及摊销前利润, 不同行业的 EBITDA 几乎没有可比性

我们算了那么多个EV/XX 到底是为了啥?显然我们是为了比——货比三家辩贵贱。一个经典思路就是我们要用算出来的EV/XX 去跟行业水平进行反复蹂躏式的切磋

现金流折现模型(discounted cash flow model,DCF 模型)

资产的价值等于所有的未来现金流经过折扣后的现值的总和
DCF模型的思维逻辑其实是十分完美的,但是在实际运用中会有太多的假设与预测,会有太多的硝烟与纷争

以现金流折现模型为代表的绝对估值,她的优点很鲜明:逻辑框架完美,也很具有实践操作性;而她的缺陷也是同样明显:一、 做起来费劲嘛,当然这还是在其次;最主要的是:二、 模型中充满了假设和猜想,各个参数都身处于一种被质疑的动荡之中,以至于有人称其为“数学与财会伪装下的玄学”。当然这种说法我是不认的,但也说明了现金流折现模型所面临的尴尬。

举了一个实例 不过雪球上已经删掉了 但老虎社区还有
特斯拉与太阳城之间不可描述的事:华尔街投行到底有多恶?

有一个完整的例子 也是删掉了=.=
估值是一门艺术:现金流折现模型下的Nevro估值实

为什么要为现金流进行折扣,因为现金有时间价值,因为我将来拿到的现金流有机会成本。之前也说到了从折扣率最朴素的表达方式是=无风险收益率+风险溢价
要是你对某家公司信心满满,而你自己又很能扛风险,你可以给个低的折扣率;如果你对某家公司充满了偏见,你也大可以把这个偏见加入折扣率中,让计算结果趋于保守。从某种意义上而言,对折扣率的挣扎不已往往是一个选择的问题,而并不是一个对错是非的问题。

关于折扣率,大致有以下几个注意事项, 一定要有一致性:

  1. 之前说过求公司的权益价值有FCFF(对公司整体估值)和FCFE(直接对股权部分估值)两条路可以走,如果你走FCFF,那折扣率就要包括“权益资金成本”(costofequity)和“债务资金成本“(costofdebt),统称“资本成本”(costofcaptial),一般会表示为WACC(weightedaveragecostofcapital,加权平均资本成本);如果你走FCFE,那就直接使用权益资金成本即可。
  2. 折扣率要与是名义现金流还是真实现金流一致,意思是说如果如果你的现金流是经过通胀调整的,那么你的折扣率也要剔除掉通胀的因素。
  3. 由于折扣率体现机会成本,所以我们的折扣率一定要与资产风险的高低相一致,高风险资产就要匹配高折扣率,不然对不起我无数个辗转反侧失眠的夜晚。我听说一般风投给的折扣率一般是30%到70%,算进了无数个挂掉的可能性,杀价起来确实心狠手辣。
  4. 公司在不同发展阶段的折扣率应该是不同的,比如风险较高的成长阶段应该对应较高的折扣率,风险较低的成熟阶段应该对应较低的折扣率。
  5. 风险一定要与回报一致,你要高回报就要承担高风险,你承担了高风险就一定是为了更高的回报。有人可能会说你在瞎说什么大废话,但其实这里有一碗心灵硫酸:虽然你知道这个道理,你其实未必在如此行

接下来就是一系列的模型和假设分析 仿佛回到研究生课程😂
附上一个充满回忆的 WACC 参考
http://people.stern.nyu.edu/adamodar/New_Home_Page/datafile/wacc.htm

总而言之 这种模型分析感觉 操作起来既困难 主观性又很强
有时候真的很难处理 (不过回头想想我对百度的判断可能也是这样的吧哈哈哈哈)

因为模型输入参数对输出结果有我妈对我一般的影响,为了尽量能避免辣鸡进辣鸡出(garbage-ingarbage-out),我们对输入参数就要进行冗长琐碎的反复亵玩,还要各种各样的分情况讨论,以至于一切都好像非常非常滴不确定耶。当然这个也很正常,如果光靠估值模型就能得到一个个确定的答案,那福布斯榜上应该全都是数学家和经济学家。

读书会

达哥这点还是很优秀的 不但坚持看研报学习
还坚持读书 lol

乌合之众 无何之用

勒庞的《乌合之众》这本书,爱其者如云,厌其者如织,始爱后厌者如鲫,唯独缺少对其无所谓的人。只要你读了,你就必须对它或爱或恨,皆由于此书所开的脑洞又多又深,大段大段鲜明无码的骇人观点与学术上不严谨但催人意淫的论证(如果有论证的话)。你要么膜拜到抄断笔,你要么鄙夷到捏断鼻

首先第一个观点,勒庞认为一个个体在成为群体的一员时,他就会意识到人数赋予他的力量,这足以让他生出杀人劫掠的念头,并且会立刻屈从于这种诱惑。
当一个人与人群站在一起时,就会产生自己不可战胜的幻觉,这我深有体会

+1

勒庞的另外一个观点,是认为聪明人根本不值得跟人群为伍浪费时间
任何人哪怕再理性滔天,当有一天你早上起床后发现身边所有人都在以同一个姿势操作同一个动作,你难道不会产生强烈的模仿冲动?尽管对意义一无所知仍然情不自禁地要去模仿,这是我们身上动物精神的一部分。前面说过,多数研究证明“被抛弃的恐惧”(踏空的恐惧)要远大过“被割韭菜的恐惧”(本金损失的恐惧)。如果你身边没有人投机比特币,你可能会比较有抵抗力,(我认为)短期或许是不幸但长期来看是你的幸运;然而你一旦涉足“币圈”,抵抗力很可能立马土崩瓦解——因为你怕再不追你就要被这圈人给北京折叠了。叠到了另一个阶级的空间

讲故事其实是个很重要的能力

还有一个观点让我很有共鸣:“影响大众想象力的,并不是事实本身,而是它扩散和传播的方式。” 勒庞举例“最能打动各种群体想象力的莫过于戏剧表演”,群体缺乏推理能力,但是有活跃而强大的想象力,而最能打动群体的莫过于离奇的故事,能“唤起头脑中栩栩如生的想象”
如果你说“我投资就看坚挺而干净的资产负债表,和十分有限的行业竞争”,你肯定吸引不到读者的呀。你肯定要讲讲沙丁鱼罐头的故事,或者是打棒球的故事,当然这仍然很不够——克拉曼的《安全边际》一开始就是出版方的一场梦魇。你还要讲讲不会半句英文的白俄罗斯大妈 Rose(Mrs. B)在内布拉斯加创业的故事、你还要讲护城河、城堡与骑士的故事、你还要讲讲与对冲基金打一个100万美金的赌的故事。这么多有血有肉的故事给你讲个一千零一夜,再 tough的 crowd 也会为你沦陷为你土崩瓦解。
“必须把事例摆在作为一个整体的群体面前,而来源则隐藏起来不必告诉他们。”

达里奥谈决策:给靠谱度加个权

达叔认为他之所以能如此飞黄腾达,不外乎于借助了这么一个决策模型:思考(thinking)→ 原则(principles)→ 算法(algorithms)

  1. 个体性决策

    《原则》里主要讲了如何处理信息,并降低情绪对于决策的影响。有两个重点要划:
    一是毛估估(by-and-large),不求精确;
    二是捕捉重要关系,对情境进行合成(synthesize the situation),

这个说的很有道理 侧面反映了为什么研报结论是区间 而不是固定价格

在大多数情况下这种精确没有意义,是我们决策的噪音,是猪队友。而毛估估却反而是个能carry我们的好队友,因为你在做一个重要决策的时候需要去弄懂的东西实在太多了,毛估估能帮尽可能去弄清更多方面,而不是在某一方面弄得更清

对于大多数人而言,通过时间轴将情境合成起来其实并不算是本能,需要多加练习(在大数据软件的帮助下),而这一招能对决策的有效性带来攻玉之助

  1. 群体性决策

    同票同权是政治正确;不过你在经营公司的时候就没必要搞这种单细胞的民主。比如桥水用的制度是“创见上的贤人政治”(idea meritocracy)。用达叔自己的语言来组织,就是将一帮冰雪聪明、独立思考的 人拉拢起来让他们互相不同意,搞出各种创见,然后最后通过靠谱度加权( believability-weighted)的方式进行表决。追求的是“极端真相”(radical truth)和“极端透明”(radical transparency)

举了桥水内部相互打分的例子 坦白说看起来有点魔幻了 很像黑镜里面的一集

很多人会说,那我买指数基金就是分散多样化了。其实,非也。首先,分散≠多样化,分散就是篮子多,但篮子仍然在一辆车上,一般人风控最多就做到这种程度;而多样化就是你篮子多,且篮子在不同车上、车在不同道上、道在不同大陆上、大陆在不同星球上。真正的多样化是一个资产分散的且彼此相关性极低的组合
达里奥认为投资的圣杯就是,你要有15笔或更多的投资,能带来彼此没有相关性的优质现金流。其中的数学含义是这样的:如果你将风险等同于波动,假设你的初始状态是一个波动(标准差)为10%的资产A,那么如果你加入等额的与资产A没有相关性的资产B,即便资产B的波动(标准差)也是10%,你整个组合的波动(标准差)可以一下子降低到7%

谈概率,快与慢

快与慢讲的是那本书的读后感 就是系统1 系统2 的差异和运用
概率问题则有趣的多 有些也很难解释或者说 反直觉

主要有以下几个

  1. 三门问题(Monty Hall Problem)-> 别问 问就是 换门 2/3
  2. 彭尼的游戏(Penney’s Game)-> 这个我是有点被绕进去了 比较有意思
  3. 星期二的男娃问题(Tuesday Boy Problem)-> 这个感觉更玄乎了
  4. 起诉者谬误(Prosecutor’s Fallacy)-> 这个感觉一般

关于产品“上瘾模型”的一些粗浅感想

然而大麻股已经崩了 呵呵哒
我倒觉得不一定非得利用人性弱点 但能够满足人类各种需求的 确实都是不错的赛道

到底什么是好的赛道。有一个思路就是黄赌毒。利用人性弱点,提供成瘾的产品或服务,或用文雅的字眼来说,叫培养用户习惯。巴菲特说,看一个企业牛不牛逼,就看她在产品提价上痛不痛苦。越成瘾的产品,越有定价权,提价越不痛苦。这么来说,烟酒、直播、游戏、博彩,都应该是好赛道。卖白粉自然也是好赛道,可惜公序良俗与成文法典都不太支持;一旦支持,参考北美大麻概念股的表现

机器成瘾的最好案例是老虎机。我美国的基友很多都乐衷于去掰老虎机,我会自作聪明地加以规劝:老虎机背后都是代码,程序会让你赢上几次,但时间玩久你必属无疑,这是个简单的期望问题。他们都会回答我——这老子当然知道。后来我才发现不是他们不懂老虎机,而是我不懂他们。纽约大学的Natasha Dow Schüll 研究了拉斯维加斯的老虎机15年,她发现成瘾于老虎机的赌徒们真的是想赢钱吗?——其实不然,大多数只是为了进入一种状态,Schüll称之为进入machine zone(机器区)。在machine zone里短时间内不断重复上述“触发-行为-奖励-沉淀”的过程,让你爽比嗑药、无比舒适、欲罢不能
玩老虎机不是为了赢钱,虽然偶尔赢钱是个很好的奖励机制,但大多数时候这仅仅是上瘾模型里的一环。上陌陌看直播是为了把妹吗?上微信刷圈是为了交更多朋友吗?吃鸡是为了全服排位吗?都不是。虽然妹子献媚、交友点赞、排名虚荣都是很好的奖赏机制,但关键是要让用户在machine zone里全身舒坦、麻痹得忘记了时间流逝。互联网产品创新,不是让客群能去做什么新的事,而是换一个方式让他们做他们喜欢做的事。因为让一个走出舒适区往往最难,做产品要尊重人性

羊毛出在猪身上? 有流量就永远有能变现的东西

有人说“上瘾了又怎么样,我对微信现在就很上瘾一日不碰如隔三秋,但我不让他赚一分钱”。在一个杀猪局里,如果你找不到猪仔,那你就是那个猪仔。而如果你不知道谁在赚谁的钱,那么无疑是你的钱被赚走。当然某些情况下科技巨头并不直接染指你钱包,时间、精力(用户心智)、个人数据、关系网络(社会资本),虚拟人格,这些都是最后都是能变现能货币化的硬货

评论区优秀

@宁静的冬日M: 再比如缅甸的朋友讲,在他们这个大小军阀割据的国家里,各路军阀玩成瘾性产业搞军费的多了,但最赚钱的其实不是黄赌毒~他们有一句俗话叫做:“三流的军阀开赌场,二流的军阀种鸦片,一流的军阀玩水电。”水电没啥成瘾性,但它能以低价格满足基本需求,因此能稳定赚钱。

谢谢投食 _(:з」∠)_