一、核心概念：估值到底在估什么
估值·给企业或资产定价的过程。表面是算数，实质是三个假设的博弈：未来能赚多少、能赚多久、风险有多大。
相对估值·拿可比公司的市场定价当尺子，用 PE、PB、PS 等倍数推算目标公司值多少。快、直观，但随行就市。
绝对估值·预测未来现金流并折现回今天（DCF、股利折现）。理论上最扎实，但对增长率和折现率极度敏感。
股价是市场投票的结果，价值是未来现金流的折现。价格围绕价值波动，但短期可以背离很久——理解这一点，就不会把估值当精确科学。
二、框架：两大估值流派对比
PE 市盈率
＋ 直观好懂，市场最常用
－ 盈利为负就失效，利润可被调节
适合 盈利稳定的成熟公司
PB 市净率
＋ 适合重资产和周期行业
－ 轻资产公司净资产失真
适合 银行、地产、制造业
PS 市销率
＋ 亏损期也能用
－ 完全不看盈利能力
适合 高增长、暂未盈利的公司
DCF 现金流折现
＋ 从第一性原理出发，逻辑最完整
－ 假设微动、结果剧变
适合 现金流可预测的成熟企业
两条路互为验证：相对估值告诉你市场现在愿意出多少，绝对估值告诉你它理论上值多少。两者差距过大时，先查自己的假设，再谈市场错没错。
三、怎么用：三步定出估值区间
选方法
盈利稳定用 PE，重资产用 PB，暂亏损用 PS，现金流扎实用 DCF——先问哪种尺子适合这门生意。
选可比
行业、规模、增速、资本结构要接近。倍数取中值比平均值更抗极端值干扰。
做敏感性
把增长率和折现率各上下浮动一档，看估值区间怎么变——结论稳健比结论精确更重要。
影响股东价值的因素里增长率最值钱：高增长的故事往往比当下的高盈利更受追捧。但增长的质量决定倍数成色——靠并购堆出来的增长，市场给的折扣很重。
四、AI 时代的新变化
数据可得性和处理能力的提升，让可比公司筛选、财务数据清洗、情景模拟的效率翻了好几倍。过去一份估值模型做一周，现在一天能跑完十套情景。
- 可比公司自动聚类：AI 按业务结构而非行业标签找同类。
- 另类数据进模型：客流、货运、招聘数据让预测更快落地。
- 情绪量化：市场情绪被折算成短期风险溢价的参考。
但 AI 加速的是计算，不是判断。估值里最难的部分——这门生意的护城河有多深、管理层靠不靠谱——仍然只能靠人想清楚。
五、补充视角：估值的三个陷阱
陷阱二：周期错位。周期股在利润顶峰时 PE 最低，看起来最便宜，实则最危险；反过来，亏损期 PE 失效，PB 和重置成本才更有意义。