Session 2: The Bermuda Triangle of Valuation

• 所属系列：估值 · 2025 春季 MBA
• 视频：YouTube · 时长 1:20:52 · 字幕
• 内容判断：论证梳理｜画面依赖低：讲义以文字为主，百慕大三角图已转写｜从“为什么要估值”进入三种方法的框架，DCF 的适用人群是本讲的新增内容
• 处理方式与范围：全片论证梳理与提炼；课程项目要求只保留规则
• 讲义 / 资料：讲义 PDF · 课前测验 · 课后测验 · 测验答案 · 百慕大三角长版讲座
• 素材依据：英文字幕，仓库存档，2,062 行；字幕类型未核实，错字较多
• 核对范围：已读全片字幕 01:11–1:20:33，讲义第 2–10 页（本讲实际讲到的部分）和第 11–24 页（留给 Session 3），课前、课后测验及答案；视频画面和长版讲座未核对
• 发布日期：2025-01-29
• 数据截至：课堂当时（2025 年 1 月 29 日）；案例数字是口述近似值，部分是几十年前的旧事
• 状态：已提炼

估值为什么难，又为什么值得做？Damodaran 的回答是，估值失败很少是因为 beta 或资本成本算错了，而是败在偏差、不确定性和复杂性这三样东西上，他称之为估值的百慕大三角。偏差不可消除，只能承认；不确定性无法算掉，但回报恰恰藏在那里；复杂性是技术给的陷阱，模型越大越不可靠。认清这三点后，他把一切估值方法归为内在估值、定价和或有索取权三种，并说明 DCF 隐含的市场假设和最适合的人。他自己做估值的理由很朴素：放慢节奏，免得跟着人群跳崖。

视频总结

时间戳取自 YouTube 英文字幕，标题中的时间区间可点击跳转；讲义页码另行标注。

01:37–09:55 DeepSeek：估值就是跟着故事的变化思考

DeepSeek 的意义不在于它是否胜过 ChatGPT，而在于它打破了“AI 必须靠昂贵芯片和海量数据”的故事。

上周五之前的 AI 故事是：昂贵芯片和海量数据构成很高的进入壁垒，投入架构的公司能做出让人愿付溢价的产品（01:52）。市场为此增加了数万亿美元市值，受益的不只 Nvidia，还有电力和燃气公司等整个数据中心生态（02:46）。他认为 630 万美元的成本说法不可信，实际大概要几亿美元（04:03）；但即使花 10 亿美元，也远低于 Meta 今年约 650 亿、Microsoft 约 800 亿美元的 AI 架构投入（04:24）。

DeepSeek 的作用是揭穿了这个故事的一部分：很多 AI 产品不需要昂贵芯片，也不需要海量数据。规则明确的公允价值会计就是例子（05:01）。“为什么上周五之前我没想到这一点”，因为说话的人有学位和名望（05:34）。推论是，架构投入会减少，但不会消失，一部分产品市场仍然适用旧故事，问题是这部分有多大（07:42）；产品市场会变大，同时更商品化（08:25）。他要学生现在就给出最佳估计，因为等尘埃落定，机会也没了（08:00）。这正是估值的工作：故事演变时一路想下去（09:03）。

他本周的标普 500 估值高估 11.78%，表格里 55 位学生的中位数是 11.75%（09:25）。这种紧贴他的情况在预料之内，但他要学生以后做出自己的估值（09:49）。

10:43–26:05 偏差的三个来源：潜意识、暗示和钱

坐下来估值时，你的全部经历都跟着来了；其中最强的是钱：告诉我谁付钱、付多少，我就能说出偏差的方向和大小。

每节课开头有一个小测验，考的是接下来要讲的内容。他认为 95% 的时候直觉是对的，这样做是要帮学生信任直觉（10:18）。这节的测验是判断各种角色的估值偏向哪边。

偏差有三个来源（课前测验第 2 页）。第一是潜意识：看到市场下跌，这周估的 Nvidia 就会被压低，这是羊群行为（11:10），在原始社会反而是理性的（11:21）；事后偏差则让人觉得自己早就看到了（11:38）。第二是暗示：某投行董事总经理抱怨分析师总是证实他的初始数字，而他自己先报了一个数（12:05）。他教过两个随机分组的 MBA 班，估同一个 IPO，第一组估值集中在约 21 美元，第二组多听到一句“传闻发行价约 35 美元”，结果就变了（13:06）。第三是钱，也是最强的（13:52）。

测验的情景都在说明这一点：

角色	口述的偏向	机制
创业者卖股权给风投	高	用高增长和高退出倍数（15:09）
风投	低	目标倍数和 50% 折现率是谈判工具（15:25）
离婚诉讼中的企业主	低	最好是零，一半的零还是零（16:11）
业主方税务评估师	低	非上市公司估值约 80% 用于离婚和税务，所以层层打折（16:44）
美国国税局评估师	高	目标相反，但专家证人的报酬偏低，常常输（17:18）
卖方分析师	高	买入建议约是卖出的 10 倍，1990 年代是 25 倍（20:45）
买方分析师，基金经理已持有	高	基金经理想听到可以继续持有（21:46）
买方分析师，基金经理已做空	低	同理（22:08）
并购中收购方和目标方的银行	高	交易完成才有 1 亿美元费用（23:59）

卖方分析师还有一层压力：公开信息谁都能拿到，他们的小优势是能跟管理层交谈，发一个卖出建议，公司就不接电话了（20:07）。基金经理也不一定想要真相，他们要的是确认，正如《A Few Good Men》那句“你承受不了真相”（22:57）。

并购是最严重的。问银行这笔交易好不好，就像问整形医生你的脸有没有问题（23:45）。目标公司的价值总是比你愿意付的价格高 10 美元（24:16），房间里每个人都希望交易完成，只有出钱的股东不在场，董事会也在打瞌睡（24:46）。敌意收购更微妙：收购方要向自己的股东说明价格低于价值，这又给目标方提供了弹药，于是拿“协同效应”来圆场（25:25）。

26:26–31:04 课程项目专门把难题交给学生

项目要求覆盖亏损、高增长、非美国这三类公司，因为只选成熟公司就白上这门课了。

每组 4–8 人（26:34），各人选一家公司（27:53）。组内至少有一家经营亏损的公司，一家以收入衡量的高增长公司，一家非美国公司，并尽量用本币估值，还有一家服务业公司（28:05）。收入增长的要求避开了靠成本削减做出来的盈利增长（28:23）。这些条件都是为了让学生面对难估的公司（28:54）。上市公司的一个好处是可以用市场价校验：估出 1,500 美元而股价 150 美元，多半是哪里单位错了（30:24）。

31:04–37:27 他做估值，是为了对抗心里的旅鼠

估值的作用是放慢节奏，让理性有时间提出论证，而不是预言悬崖在哪里。

很多以估值为业的人并不相信估值，私下问他们 Nvidia 为什么是 125 美元，答案是市场这么想（31:39）。Damodaran 说自己做估值是为了对抗心里的旅鼠（31:56）。最后一只旅鼠看着全族跳崖，理性喊停，但脑后有个声音说：“They must know something that you don't.”（33:22）去年 9 月他把 Nvidia 估到 89 美元，股价跌到 108 美元时，这句话就出现了：增长率开始上调，折现率开始下调，89 变成 95、97（33:47）。市场价格就像磁铁（34:30）。

他把投资者分成三类旅鼠（34:43）。骄傲的旅鼠就是动量投资者，别人买就买（34:50）；Yogi Bear 旅鼠自认聪明，要跑到悬崖边再转身（35:13），但他说自己从来不知道悬崖在哪，既没看到 DeepSeek，也没看到新冠（35:48）。第三类是穿救生衣的旅鼠，这就是他想做的：情绪难免，但估值让过程慢下来（36:15）。他持有 2018 年买的 Nvidia，周一也想跟着卖，所以重新估值，这是为了自己（36:47）。

37:27–49:51 误区一：估值是客观的

每个估值都有偏差，只有大小和方向之分；你消除不了它，只能对自己诚实。

讲义第 3 页把三个误区并列，第一个是“估值是客观地寻找真实价值”。他的亲身例子是 Microsoft：从 1986 年上市起，他连续 28 年估值，年年都显示高估（37:56）。表格里找不到原因，原因在他的办公室：他是 Apple 用户，把 Microsoft 看成科技界的 Darth Vader，选增长和风险时总是选不利的一边（38:46）。约 2013 年 Apple 把 Microsoft 甩开后，他开始同情它，买入了，最好的投资决定有时来自最糟的动机（41:05）。估 Apple 则相反，他爱得太深，所以 2010 年那篇估值用半篇告诉读者别信他（41:50）。

常见建议是多读资料，多见管理层，他认为这是最差的建议（43:24）。40 年里他从未和管理层交谈：他们是公关，而且会给你戴上手铐（43:37）。

Lin Cable 的例子最能说明问题。约 30 年前，AT&T 有权按评估价买入 Lin Cable 49% 的股权（44:51）。买方 AT&T 请的 Morgan Stanley 和卖方请的 Lehman Brothers 用同样的财务数据，一个得出每股 105 美元，一个得出 155 美元（45:44）。结果完全可以预见：谁付钱就偏向谁，200 页的风险溢价和 beta 只是表演（46:06）。第三家 Wasserstein Perella 夹在中间，得出 127.52 美元（47:04）。他附带传授了一个秘诀：别给整数，38.88 美元比 40 美元更能吓住提问的人（47:08）。多数估值都是价值在前，估值在后（47:41）。

对付偏差没有办法，只能对自己诚实（47:50）。他的实操建议是选完公司就写下先验判断（48:01）。这类似贝叶斯统计：先说明你对疫苗有效的先验判断，如果结果证实了先验，就要打些折扣；如果结果和先验相反，研究的分量就大得多（48:19）。

49:51–57:38 误区二：好估值是精确的

估值错了往往不是你的错；难估的公司回报更大，因为大多数人早已放弃。

“做对就有对的答案”是从一年级开始灌输的（50:03），带到估值上就是在折磨自己，因为世界不受你控制（51:03）。上周五估了 Nvidia 的人没有义务预见 DeepSeek（51:14）。公允价值会计的问题是把精确当目标（51:29），他区分了两个词：精确是一百个人得到同样的答案，准确是接近正确答案（51:46）。可以准确而不精确；反过来，反复得到同样的错误答案算不上好做法（51:58）。

2019 年 3 月同周上市的两家公司说明了这一点（52:17）。Levi Strauss 有 150 年历史，一望即知怎么赚钱（53:10）；Lyft 能扩张却不知道怎么赚钱（53:28）。Levi 肯定估得更准，但如果按准确度打分，人人都只估 Levi（54:02）。问题是回报在哪里：回报来自发现市场的错误，Levi 对谁都好估，ChatGPT 估出来也差不多（54:28）；Lyft 则有太多人因不确定而放弃（54:46）。讲义的说法是，估值最不精确的时候回报最大（第 3 页）。所以他的建议是“去最暗的地方”（55:15），想买 Nvidia 就趁现在不确定性最大（55:43）。

有学生问能否用 15 种情景求期望值（56:11）。理论上如此，但多数公司没有离散的情景，世界是连续的（56:13）。他只在监管这类结局差别很大的情形下用情景法，例如 2019 年估 EasyJet 时的三种脱欧结局（57:08）；更好的工具后面再讲。

57:38–1:03:55 误区三：模型越大越好

数据和软件让复杂变得很便宜，但模型会因此变成黑箱，人也会因输入疲劳而乱填。

1981 年他第一次估值时，要写信索取年报，用账页、铅笔和计算器，每多一行就多算一批格子，所以估值只能简约（58:01）。现在一分钟就能从 Capital IQ 下载 Nvidia 26 年的全部财务数据（59:48），加一行毫不费力，于是有了 10 个工作表、500 行的银行估值模型（1:00:33）。

复杂性有两个后果。一是黑箱：报告写“模型把公司估值为……”，好像是模型半夜干的，分析师成了为模型工作的人（1:01:12）。二是输入疲劳：周六晚 11 点，分析师输入到第 75 项，懒得查 5 年前的营运资本，就随便填一个，而结果复杂到没人看得出来（1:02:33）。

讲义第 3 页的结论是，对模型的理解和所需输入的数量成反比，简单模型比复杂模型好得多。第 4 页的三角图把三个陷阱和症状列在一起，中间是估值的第一性原理和常识：

三角的边	症状
偏差与先入之见	否认、欺骗、自欺
不确定性与未知	瘫痪、外包、从众、心理账户
复杂性与细节	困惑、恐吓、盲信模型

估值失败靠这三样，不靠 beta 或资本成本（1:03:27）。百慕大三角是好判断力消失的地方（1:03:45）。

1:04:02–1:05:45 估值方法只有三种

估值方法看上去有几百种，实际只有内在估值、定价和实物期权三种，其余都是其中的选择。

内在估值基于现金流、增长和风险，DCF 只是它的现代形式：他说 DCF 约有 85 年历史，但 15 世纪威尼斯的玻璃匠卖生意时想的也是这些（1:04:09）。定价看别人付多少（1:04:44）。第三种针对现金流取决于某事发生的资产，例如年轻药企的新药，获批可值 10 亿美元，否则一文不值（1:04:57）。这个领域很窄，不要到处套用（1:05:23）。

1:05:54–1:08:09 三种方法对应对市场错误的不同假设

做估值就等于声明市场会犯错、你能找到错误，而且错误会被纠正；三种方法的差别在于对这些错误的看法。

有效市场里，价格就是对价值的最佳估计（1:06:51）。一旦打开估值或定价模型，你就在暗示市场会犯错、你能找到它（1:07:02）。还要加上一条：市场会纠错，否则发现错误也可能破产，因为市场保持非理性的时间可能比你保持偿付能力的时间更长（1:07:15）。讲义第 6 页补充说，投资哲学之间的差别，就在于它们看到什么样的低效、又怎样被纠正。

1:08:09–1:11:26 DCF 的本质和隐含假设

不管模型多复杂，DCF 只有三个部分：资产寿命、这段寿命内的预期现金流、反映风险的折现率。

DCF 是最基础的现值思想的延伸（1:08:56）。内在价值就像圣杯，永远见不到，但要继续寻找（1:09:08）。无论模型多复杂，拆开后都是三样东西（1:09:36）：寿命、预期现金流和折现率。

它假设市场会犯错，你能用 DCF 找到错误，而且错误会被纠正（1:09:50）。多数人无法控制纠错，所以他用“信念”这个词（1:10:32）。好消息是，时间跨度越长，价格向价值靠拢的概率越大（1:10:42）。真正的时间跨度要看客户多久来追问一次：如果是每 3 个月，就别做内在估值了，去做定价（1:11:02）。

1:11:26–1:20:14 DCF 的利弊，以及谁最适合用

DCF 逼你理解业务，但费时、暴露假设，并且可能得出全部高估；最适合长周期、能当催化剂、不受同伴影响的投资者。

优点是它要求理解公司和业务：不懂 AI 市场就估不了 Nvidia（1:11:26）。这和 Buffett 所说的“买的是一门生意，不是股票”一致（1:12:29）。缺点有两个。一是工作量大，还把假设摆在明处；定价也隐含这些假设，但不用写出来，所以不会因此被批评（1:12:46）。二是结论可能不合职业要求：15 家公司可能全部高估，分析师和基金经理却不能全部卖出或全仓现金（1:13:17）。

适用范围是产生现金流的投资。Bitcoin 不能估值，这不是因为它是加密货币，而是因为它是货币：美元也只能相对其他货币定价，Picasso 也只能相对其他 Picasso 定价（1:14:54）。

适合的投资者有三个特征（讲义第 10 页）：

• 时间跨度长（1:15:25）。替别人管钱时这不由你决定，管自己的钱则由你决定（1:15:36）。
• 能充当催化剂（1:18:29）。Carl Icahn、Bill Ackman 这样的激进投资者可以自己触发纠错（1:19:03）。
• 不受同伴影响（1:19:19）。内在估值常常与人群相反，周一上午买 Nvidia 就是这种处境（1:20:02）。

Buffett 的优势就是第一条。Berkshire Hathaway 是一家由最著名的价值投资者管理的保险公司，而保险资金的时间跨度由精算表决定，精算表不会恐慌（1:16:56）。2008 年 11 月，他能买入 Bank of America 和 Goldman Sachs，别的基金经理即使看好也无法向客户交代（1:17:36）。他认为最大的优势就是在危机中能提供流动性（1:18:14）。

提炼

概念与公式

精确（precision）和准确（accuracy）常被混用，这节课的区分值得保留：前者看结果是否一致，后者看结果是否接近真值。估值规则追求前者，投资回报来自后者。讲义在这一点上更进一步：回报和精确度反向，这不是说越粗糙越好，而是说对手少的地方才有定价错误。

方法与判断依据

一次估值开始之前，可以依次检查：

1. 谁付钱，付多少，对哪个结果有利？我自己有持仓吗？
2. 选定公司后写下先验判断：我预计它高估还是低估，为什么？
3. 是否已经看到别人的目标价或市场价？看到了就要警惕磁铁效应。
4. 模型里有没有我说不清含义的输入？有的话就是黑箱或输入疲劳的信号。
5. 我的时间跨度有多长？客户或自己多久查看一次？如果短于纠错所需的时间，内在估值不是合适工具。

使用 DCF 结论时还要问：错误由谁纠正，我能否成为催化剂？

复算与实操

Lin Cable 的三个数字：155 比 105 高 47.6%，两者的中点是 130，第三家的 127.52 比中点低 1.9%。课上的讽刺在于小数位：同一资产的两份报告相差近一半，第三份却报到分。这个例子的数字均来自口述，未查原始材料。

自测与复习

待自测。课后测验有两题结论值得记住：相对估值的假设并不比内在估值少，只是隐含着不说；资产基础估值不是第四种方法，因为单项资产的价值仍要靠内在估值或定价得到。

关联

• 延续：Session 1 的第二、五条主线在这里变成了对市场假设的具体陈述。
• 延续：课上提到的 DeepSeek 文章和 Nvidia 重估见 DeepSeek 冲击 AI 行情。
• 补充：定价和实物期权的利弊在 Session 3 继续，对应讲义第 11 页起。

疑问与待核实

• 04:03 字幕为 630 万美元，通常引用的 DeepSeek 训练成本约为 560 万美元，本次未核对原文。
• 13:27 第二组的估值在字幕里缺失（“The valuation is M”），只知第一组约 21 美元；暗示组的数字要看原片。
• 26:34 口述每组 4–8 人，Session 1 讲义第 16 页写 4–7 人。
• 28:03 提到 3 月 29 日，与 Session 1 讲义的 4 月 4 日不同，字幕不足以判断含义。
• 39:50 字幕称第一台 Mac 是 1982 年的 Mac 128K，又说 1981 年起用 Apple。Mac 128K 印象中 1984 年才发售，可能是口误或字幕错误，Apple 用户的年份不受影响。
• 45:00 Lin Cable 的股比和价格凭记忆讲述（“I think 52”），未查原始交易材料。
• 1:04:28 口述 John Williams 的书出版于 1937 年。印象中《The Theory of Investment Value》是 1938 年，本次未核对。
• 课前测验的“敌意收购”两题，字幕只讲了收购方的两难，没有逐题报答案，所以表中未列。