Session 20: Pricing Closure and Asset-based Valuation/Pricing

• 所属系列：估值 · 2025 春季 MBA
• 视频：YouTube · 时长 1:19:36 · 字幕
• 内容判断：方法说明与案例计算｜画面依赖低：回归和分部表已转写｜新增亏损公司的定价、全市场回归、基于资产的估值和私有公司的切入
• 处理方式与范围：全片论证梳理与提炼
• 讲义 / 资料：Valuation Packet 2 第 79–132 张 · 课后测验 · 测验答案 · 简介没有课前测验
• 素材依据：英文字幕，仓库存档，2,068 行；字幕类型未核实
• 核对范围：已读全片字幕 01:18–1:19:15，Packet 2 第 79–132 张（图片页看了第 79、82、87、88、92、94–98、124、125 张，其余区域回归页未读），课后答案；已重算 Amazon、Twitter、Disney、United Technologies 和 GE；Box 链接和文中博客未打开，视频画面未核对
• 发布日期：2025-04-14
• 数据截至：各例的当时时点（2000–2025 年）；市场回归为 2025 年 1 月
• 状态：已提炼

这节课收尾定价，转向基于资产的估值。亏损公司没有好用的倍数，Damodaran 给出两个办法：换成市场真正在看的变量，或者用未来的倍数并一步步折回今天。第二条主线是把比较范围扩大到全市场，用回归给任何股票一个预测值，他还追踪这个回归里的增长价格。之后的问题是，何时要按资产逐项估值。United Technologies 的三层估值（中位数倍数、受控倍数、分部 DCF）说明“分部加总”这个词可以有多大的差异。最后他提出私有公司估值的四个难题，以及最要紧的一条：动机决定价值。

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；讲义页码指 Packet 2 的张号。

01:18–09:18 上一讲的两个回顾

上一讲投影失效，所以放的是本科班的录像；两个例子值得重讲：回归线和新物种。

上一讲投影仪没开成，他只能凭记忆讲，并给大家放了内容相近的本科班录像（02:26）。所以这次先重讲最后两个例子。

他再次展示 2025 年初 100 家大公司的 P/B 对 ROE 图。Mastercard、Apple、Eli Lilly、Palantir、CrowdStrike 在线上方，可能是高估，也可能是高增长（04:20）。Oracle 是唯一明显低估的（06:30）。Micro Strategy 已经没有业务，只是比特币的交易工具（04:59）。Home Depot 的 P/B 约 5,000%，因为回购让账面值几乎消失，这样的公司越来越多，P/B 越来越难用（06:43）。

Whole Foods 从高估到低估，再回到线上。业内出现新物种时分析师会定错，这时你的内在价值分析更有分量（08:33）。

09:20–16:15 亏损公司：换变量

市场不是按过去的亏损定价；可以先假设它在看什么，再让数据检验。

亏损公司只有收入倍数可用（09:41）。2000 年的互联网公司，P/S 对净利率是一片散点（10:18）。回归 R² 只有 0.04，系数 −7.54，好像亏得越多越贵（10:58，第 80 张）。这看起来就是非理性繁荣，但这是危险的起点，因为市场定价时看的本来就不是去年的亏损（11:18）。

他换了三个变量（11:53，第 81 张）：

• 收入增长：增长高，倍数高；
• 收入规模：规模变大，倍数下降，取自然对数；
• 现金：年轻公司倒闭多半是现金用完了（12:37）。

$$\text{PS}=30.61-2.77\ln (\text{Rev})+6.42\times \text{增长}+5.11\times \text{现金/收入}$$

R² 31.8%。差异太大时取自然对数是个有用的办法（13:18）。讲义说 Amazon 预测 30.42，实际 25.63，所以低估（14:18）。

可是内在价值刚说它高估。两者不矛盾：内在价值问的是这只股票值多少，定价问的是相对其他互联网股票如何（15:09）。交易者听定价的，投资者听内在价值的（16:01）。

16:18–20:28 亏损公司：用未来的倍数

未来的价值要逐项折回今天：时间、风险、稀释、失败、债务和期权。

第二个办法是看 5–10 年后的倍数，比如第 10 年 EBITDA 5 亿美元，乘以成熟公司的 10 倍（17:22）。同样的处理要用于全部可比公司（17:03）。

这个数不能直接和今天的市值比。多数分析师最多折现，却不处理负现金流和失败风险，所以会高估（18:16）。第 82 张是他 2013 年的 Tesla：

调整	价值（百万美元）
第 10 年价值	68,271
按无风险利率 2.75% 折现	52,050
按风险调整后的 10.03% 折现	27,750
新股融资的稀释	12,814
10% 失败概率	12,174
债务和现金	11,797
期权	8,152

不用 DCF 时，稀释不会自动进入，必须显式处理（19:58）。

20:28–27:17 市场看什么

定价是数据驱动的问题，不是理论问题；用户数之后，迟早要回到收入。

定价就是按市场的规则玩（20:31）。2013 年 Twitter 上市时，他收集社交媒体公司的数据（第 84–85 张），市值和用户数的相关系数是 0.98，高过收入和 EBITDA（21:54）。EV/用户中位数约 97 美元，乘以 2.4 亿用户，约 240 亿美元，接近它的上市定价（22:19）。

年轻生物技术公司看的是药物瞄准的市场（23:13）。用户指标也会演变：从用户到活跃用户，再到月活，最终要过渡到收入（24:36）。

不同平台的用户价值不同，要加入解释变量，比如用户每天在平台上花多少分钟，这和广告模式相关（26:54）。

27:20–36:42 全市场回归

控制了增长、风险和现金流，就可以和全市场比；系数怪异时，预测仍可用。

投资者买的不是行业，而是现金流，所以如果能控制差异，公用事业可以和软件比（27:42）。PE 对增长的散点图本身就很散（28:40，第 87 张）。他用三十年来一直做的回归（28:54，第 88 张）：

$$\text{PE}=16.09+51.92\times g+7.53\times \text{派息率}+9.30\times \beta$$

R² 24.6%。增长每高 1 个百分点，PE 高 0.52 倍（29:39）。

beta 的符号是错的：风险高，PE 反而高（30:09）。回归有三个假设：线性、平稳、自变量互不相关（30:58）。违反最后一条就是多重共线性，电脑只看到四列数据，beta 可能成了增长的代理（34:12）。他的处理是不改模型，只是不要过度解读单个系数（34:44）。

t 值不显著的变量应该拿掉（31:51）。截距为负时可以强制过零点，避免出现负的预测值（32:44）。

Disney：16.09 + 51.92 × 0.15 + 7.53 × 0.20 + 9.30 × 0.90 = 33.75，实际 40.4，所以高估（35:51）。这种回归加上更多数据和非线性方法，就是量化投资：做多低估的 10%，做空高估的 10%，然后祈祷（36:15）。

36:42–38:14 增长的价格

增长系数和 ERP 是市场情绪的两个读数。

他每年追踪增长的系数，这就是增长的价格，和风险的价格 ERP 放在一起看（36:48，第 94 张）。2000 年增长的价格极高，ERP 只有 2%，高增长高风险的公司处于天堂（37:15）。2008–2009 年风险的价格飙升，增长的价格下跌（37:41）。2025 年的风险价格较高，增长价格不算离谱（37:45）。

38:14–41:45 PEG 和其他市场回归

散点图弯曲时取对数；PE 和 PEG 是最难解释的倍数。

PEG 对增长的图呈弯曲形，取对数后可以画直线（38:35，第 95–96 张）。回归里 ln(增长) 为负：高增长公司的 PEG 更低（39:45，第 97 张）。

PE 和 PEG 的 R² 一直最低，P/B、EV/Sales 好一些（39:57）。第 98–103 张是 2025 年各地区、各倍数的回归，可以用来给自己的公司算第三个数：内在价值、行业定价、市场定价，答案不同是因为问题不同（40:43）。

41:45–45:38 定价的总结

没有最好的倍数，只要一致并控制差异；说便宜时要说和谁比。

选择（第 104 张）是：

• 价值：银行用股权，其他公司如果杠杆差异大，用 EV（42:02）；
• 标尺：没有最好的倍数（42:26）；
• 时点：当前、滚动、远期或正常化，但所有公司要一致（42:35）；
• 可比组：美国公司够多，土耳其公司要跨国（43:05）。

如果选定的倍数让你丢掉三分之二的公司，就换一个（43:33）。

底线有两条（第 105 张）：便宜要说相对谁（43:56）；世上没有可比公司，差异只能被控制或被忽略（44:06）。定价不是坏事，只是另一种游戏，市场约 90% 都在玩这个（44:37）。

45:38–49:22 基于资产的估值

资产估值不是第四种方法，只是把前面的方法用到单个资产上；可分离时才好做。

三种需要估资产的场景是清算、公允价值会计、激进投资者拆分公司（46:10，第 109 张）。方法还是内在价值、定价或账面值（46:54）。

好不好做取决于三点（47:42，第 111 张）：

1. 资产是否可分离：7 栋楼容易，Disney 难，电影带动主题公园（48:09）；
2. 收益能否独立归属：很多分部的利润是费用分摊的结果（48:36）；
3. 同类资产是否有活跃市场（48:55）。

49:22–53:00 清算和公允价值

清算和公允价值都是定价，而不是估值。

清算是今天能卖多少，所以应该定价，再加上急售折扣（49:41）。Weight Watchers 濒临破产，银行家在给它算清算价值，但你能卖什么？名字已经不受欢迎了（50:12）。

公允价值会计的 FAS 157 要求写市场参与者愿意付的价格（51:39）。他告诉他们，这应该叫公允价格会计，而对方问这有什么区别（51:53）。会计师接到定价任务，却要用 DCF 来支持，这就是挫败感的来源（52:02）。

53:02–1:04:08 分部加总：United Technologies

同叫分部加总，粗略定价、受控定价和分部 DCF 差得很远；最大的障碍是信息。

分部加总是他唯一有兴趣的资产估值，它可以找到折价，也可以用来拆分公司（53:09）。难点是信息：要有各分部的完整财务（54:14）。United Technologies 把分部数据披露得很细（55:23）。

方法	做法	经营资产（百万美元）
粗略定价	分部 EBITDA × 行业中位倍数	61,661
受控定价	每行业选最优倍数，代入分部的回归	74,230
分部 DCF 减总部费用	六个 DCF 相加，减 4,587	75,663
公司整体 DCF		71,410
市场 EV		52,261

粗略定价假设每个分部都是行业平均，并忽略总部费用（56:50）。受控定价更高，是因为这些分部比同行更赚钱（58:36）。

分部 DCF 需要分部的资本成本，这靠自下而上的 beta 才做得到，用回归 beta 就不行（59:26）。他用分部的再投资率乘以 ROC 得到增长（1:00:09）。消防安防的 ROC 6.03% 低于资本成本，增长期设为 0（1:00:53，第 121 张）。

总部费用不会消失，408 × 0.62 × 1.03 ÷ (8.68% − 3%) = 4,587（1:02:42，第 123 张）。

他不建议把这种差距都当成错价。人们说的集团折价，多数基于最粗略的定价（1:03:21）。

分部之间的内部交易不用单独处理，它们已经在收入和费用里，除非价格不公平（1:04:21）。

1:04:08–1:10:48 GE 和其他分部问题

分部加总能显示好业务和坏业务，但金融部门会把它们绑在一起。

2018 年的 GE 是一团乱麻（1:05:26，第 124 张）。他把业务标成绿、黄、粉：航空、医疗、运输的回报高于资本成本，电力、油气、可再生能源接近，照明和金融应该退出（1:05:43）。

GE Capital 拖累了价值，而且和其他业务绑在一起：航空业的合约几乎都由它承保（1:06:48），所以 GE 很晚才能拆开（1:07:00）。

说分部加总时，要问是估值还是定价（1:07:53）。Tesla 的机器人和自动驾驶还不是业务，只是期权（1:08:33）。Nvidia 他分开估过 AI 和其他，线要自己画（1:08:53）。按地理分部也可以，如果贸易战让跨国公司回到 1980 年代的本地子公司模式，这就有必要（1:09:32）。

1:10:48–1:19:09 私有公司：动机决定价值

过程和上市公司相同；区别是没有市场价格、账目不全，以及价值取决于你问的原因。

私有公司的流程一样，但有两类问题（1:11:14）。

没有市场价值：权重和 beta 没有来源，估完也没有东西可比（1:11:59）。你估出 2 美元而股价 2,000 美元时，至少知道哪里算错了，私有公司没有这个提示（1:12:27）。

现金流有四个问题（1:13:06，第 130 张）：

1. 历史短，虽然也有 Bacardi 这样的长寿家族企业（1:13:18）；
2. 会计标准不同：有位学生要估母亲的花店，结果收入和费用都是墙上的便利贴（1:14:39）；
3. 个人和公司开支混在一起：公司车每天下午三点去接孩子（1:15:37）；
4. 店主不给自己发工资，所以利润不是真利润（1:16:03）。这是《鲨鱼坦克》上最好笑的部分（1:16:27）。

最后是目的（1:17:03）。有人闯进办公室要他估公司，他先问为什么：好奇，离婚，税务，还是交易？离婚时你想要接近零的数（1:17:56）。如果是交易，卖给谁？个人、上市公司还是私募？（1:18:17）所以 AI 估私有公司比估上市公司更难（1:18:34）。下一讲估一家餐厅（1:18:53）。

提炼

概念与公式

同一只股票有三个问题，答案可以都不同：

问题	工具	用途
它值多少？	DCF	投资
相对同行如何？	行业回归	交易
相对全市场如何？	全市场回归	选股、量化

方法与判断依据

亏损公司的定价：

1. 先想投资者为什么买，写出假设变量。
2. 用散点图看形状，差异大或呈曲线时取对数。
3. 跑回归，用预测值比较。
4. 或者用未来倍数，再逐步调整时间、风险、稀释、失败、净债务和期权。

分部加总的检查：

1. 分部的收入、利润、资本和资本开支是否披露？
2. 用哪个倍数，是否控制了差异？
3. 总部费用是否按永续减掉？
4. 金融部门是否和经营业务绑在一起？

复算与实操

• Twitter：240 × 97.41 = 23,378 百万美元，课堂取整为约 240 亿美元。
• Disney：33.75，与讲义一致。
• 粗略定价：六项乘积合计 61,661，与讲义一致。
• 总部费用：408 × 0.62 × 1.03 ÷ 0.0568 = 4,587，与讲义一致。
• 折价：1 − 52,261 ÷ 75,663 = 31%。
• 课后第 4 题：150 × (1 − 3/9) ÷ 5% + 100 × (1 − 3/12) ÷ 6% + 50 × (1 − 3/15) ÷ 10% = 3,650。

自测与复习

待自测。课后测验第 2–3 题的答案都是相对估值，这正好是“清算和公允价值都是定价”这一判断；第 4–5 题练习分部加总。

关联

• 延续：Session 19 的行业回归在这里扩展到全市场。
• 对照：Session 15 的 Amazon 内在估值和这里的相对定价得到相反结论。
• 待续：私有公司、IPO 和风投见 Session 21。

疑问与待核实

• 第 81 张：30.61 − 2.77 × 7.1039 + 6.42 × 1.9946 + 5.11 × 0.3069 = 25.31，不是讲义和 14:18 的 30.42。按 25.31，Amazon 实际 25.63 接近公平，“低估”的结论不成立。“价值和定价可以相反”的论证本身不受影响，但这个例子要谨慎看待。
• 第 92 张的相关系数很低（beta 与增长 0.09，派息与增长 0.006），34:02 口述高增长股票派息更低，表里没有体现。多重共线性能否解释 beta 的符号，值得怀疑；另一个可能是样本按市值加权。
• 29:16 第 88 张标明是市值加权的最小二乘，回归中只有约 4,200 家公司有增长率，这是 Session 17 说的样本偏差。
• 39:32 口述 PEG 回归 R² 约 0.5，第 97 张是 0.151。
• 第 118 张：六项估值合计 74,340，讲义 74,230，差 110。
• 1:02:10 字幕是 48 百万美元，第 115、123 张是 408 百万美元，字幕应为听写错误。
• 1:03:34 口述 33% 的折价，讲义数字算出 31%。
• 1:06:15 口述 GE Capital 价值 27 亿、债务 85 亿（他自己改成 −58）。第 125 张是 27,081 百万美元和 51,023 百万美元，另有 GE 债务 83,568 百万美元，所以净额约 −239 亿美元。口述的量级和单位都不准。
• 07:42 口述 Whole Foods 当时刚上市。印象中它 1990 年代就上市了，见 Session 19 的同一条。
• 第 82 张标题写 2013 年，18:32 口述约 10 年前、69 亿美元（字幕的 billion 应指 690 亿，讲义 682.7 亿）。
• 1:14:07 口述 Bacardi 有 300 年历史。印象中约 160 年，本次未核对，正文未写年数。
• 第 134–138 张属于下一讲。