# 定价与估值模型 ## 目录 - [DCF（现金流折现）](#dcf现金流折现) - [相对估值法](#相对估值法) - [梅特卡夫定律（网络价值）](#梅特卡夫定律网络价值) - [定价权的应用](#定价权的应用) ## 概览 本文档提供定价与估值的核心模型，是掌握定价权的基础工具。 ## DCF（现金流折现） ### 核心公式 ``` 价值 = Σ [CF_t / (1 + r)^t] ``` 其中： - CF_t = 第t年的现金流 - r = 折现率（加权平均资本成本，WACC） - t = 年份 ### DCF的步骤 1. 预测未来现金流（CF_t） 2. 确定折现率（r） 3. 计算折现后的现金流 4. 求和得到现值 ### 实例 假设一个项目： - 第1年现金流：100万 - 第2年现金流：120万 - 第3年现金流：150万 - 折现率：10% 计算： ``` PV = 100/(1.1)^1 + 120/(1.1)^2 + 150/(1.1)^3 PV = 90.9 + 99.2 + 112.7 = 302.8万 ``` ### DCF与骗局识别 #### 骗局如何利用DCF **策略1：夸大未来现金流** - 骗局预测不切实际的增长 - 假设100%甚至更高的增长 - 忽略竞争和市场饱和 **策略2：低估折现率** - 骗局使用过低的折现率（如5%） - 低估风险 - 夸大现值 **策略3：忽略风险** - 骗局假设"确定性现金流" - 忽略失败概率 - 忽略市场风险 #### 反收割策略 **策略1：质疑现金流预测** - 问"增长可持续吗？" - 问"竞争会加剧吗？" - 问"市场会饱和吗？" **策略2：使用合理折现率** - 折现率应该反映风险 - 高风险 = 高折现率（15%-25%） - 低风险 = 低折现率（8%-12%） **策略3：情景分析** - 做三个情景：乐观、中性、悲观 - 使用悲观情景进行决策 - 如果悲观情景下期望值为负 → 拒绝 **策略4：敏感性分析** - 改变关键参数（增长率、折现率） - 观察价值变化 - 如果价值对参数极其敏感 → 高风险 ### DCF的局限性 - 依赖预测，预测可能错误 - 对折现率敏感 - 不适用于没有现金流的项目 - 不适用于短期投机 ## 相对估值法 ### 核心原理 通过比较相似公司的估值倍数来估值。 ### 常用倍数 #### PE（市盈率） ``` PE = 股价 / 每股收益 ``` **意义**：多少年收回成本 **适用场景**：盈利稳定的公司 **合理范围**：10-30（行业差异大） #### PB（市净率） ``` PB = 股价 / 每股净资产 ``` **意义**：股价是净资产的多少倍 **适用场景**：资产密集型公司 **合理范围**：1-5 #### PS（市销率） ``` PS = 股价 / 每股营收 ``` **意义**：股价是营收的多少倍 **适用场景**：未盈利公司 **合理范围**：2-10 #### EV/EBITDA ``` EV/EBITDA = 企业价值 / EBITDA ``` **意义**：企业价值是EBITDA的多少倍 **适用场景**：资本密集型公司 **合理范围**：5-15 ### 实例 假设目标公司： - 股价：100元 - 每股收益：5元 - 每股净资产：20元 - 每股营收：25元 计算： ``` PE = 100 / 5 = 20 PB = 100 / 20 = 5 PS = 100 / 25 = 4 ``` 与同行对比： - 行业平均PE：15 - 行业平均PB：3 - 行业平均PS：2.5 结论：目标公司估值偏高 ### 相对估值法与骗局识别 #### 骗局如何利用相对估值 **策略1：选择不合适的对标** - 骗局选择"不相关"的公司对标 - 选择"高估值"的公司对标 - 制造"低估"的假象 **策略2：忽略行业差异** - 不同行业的倍数差异巨大 - 骗局混用不同行业的数据 - 误导估值 **策略3：使用异常数据** - 使用"异常高"的历史数据 - 使用"非经常性"收益 - 夸大倍数 #### 反收割策略 **策略1：检查对标公司** - 对标公司是否相关？ - 对标公司是否正常？ - 对标数据是否可靠？ **策略2：多维度对比** - 不仅看PE，也看PB、PS - 查看多个倍数 - 综合判断 **策略3：历史对比** - 与公司历史倍数对比 - 与行业历史倍数对比 - 识别异常 **策略4：质疑异常值** - 如果倍数异常高 → 问为什么 - 如果倍数异常低 → 问是否有问题 - 不轻易接受异常 ## 梅特卡夫定律（网络价值） ### 核心公式 ``` 价值 = k × n^2 ``` 其中： - n = 用户数 - k = 常数（每个连接的价值） ### 变体公式 ``` 价值 = k × n × log(n) ``` 更符合实际网络效应的公式。 ### 实例 假设一个社交网络： - 用户数100万时，价值10亿 - k = 10亿 / (100万 × log(100万)) = 10亿 / (100万 × 13.82) = 72.3 计算用户数1000万时的价值： ``` 价值 = 72.3 × 1000万 × log(1000万) = 72.3 × 1000万 × 16.12 = 1165亿 ``` ### 梅特卡夫定律与骗局 #### 骗局如何利用梅特卡夫定律 **策略1：夸大网络效应** - 骗局承诺"指数级增长" - 夸大用户数 - 夸大网络价值 **策略2：假设每个连接都有价值** - 实际上很多连接是"僵尸连接" - 实际上很多用户不活跃 - 实际上很多连接没有商业价值 **策略3：忽略网络效应的门槛** - 网络效应需要达到临界点 - 在临界点之前，网络效应为负 - 骗局忽略这个门槛 #### 反收割策略 **策略1：验证用户数** - 用户数是否真实？ - 用户是否活跃？ - 用户是否有商业价值？ **策略2：验证网络效应** - 是否真的有网络效应？ - 网络效应是否已经形成？ - 网络效应是否可持续？ **策略3：验证变现模式** - 网络价值如何变现？ - 变现是否可行？ - 变现是否可持续？ **策略4：计算临界点** - 网络效应的临界点在哪里？ - 是否已经达到？ - 如果未达到，风险多大？ ## 定价权的应用 ### 定价权的三层 #### 层级1：接受价格 - **特征**：被动接受市场价格 - **行为**：按市场价格交易 - **结果**：被定价权主导 #### 层级2：影响价格 - **特征**：通过交易影响价格 - **行为**：大额交易、做市商 - **结果**：局部定价权 #### 层级3：定义价格 - **特征**：定义什么是"合理价格" - **行为**：制定规则、主导叙事 - **结果**：全局定价权 ### 定价权的来源 #### 来源1：信息垄断 - **核心**：你知道别人不知道的信息 - **方法**：深度研究、独家数据、内部信息 - **效果**：你能更准确估值 #### 来源2：资源控制 - **核心**：你掌握关键资源 - **方法**：控制资金、控制渠道、控制技术 - **效果**：你能影响供需 #### 来源3：规则制定 - **核心**：你制定游戏规则 - **方法**：设计交易机制、制定评估标准 - **效果**：你定义"合理价格" #### 来源4：叙事主导 - **核心**：你的故事被接受为"真相" - **方法**：建立权威、掌握传播、控制信息 - **效果**：你塑造价格预期 ### 定价权的应用实例 #### 实例1：投资银行的定价权 **来源**：信息垄断 + 规则制定 **行为**： - 掌握公司内部信息 - 制定估值模型 - 主导定价过程 **结果**：定义"合理价格" #### 实例2：做市商的定价权 **来源**：资源控制 + 信息优势 **行为**： - 提供流动性 - 双向报价 - 控制点差 **结果**：局部定价权 #### 实例3：KOL的定价权 **来源**：叙事主导 **行为**： - 推荐项目 - 影响预期 - 塑造价格 **结果**：影响价格 ### 构建定价权 #### 步骤1：信息优势 - 深度研究 - 独家数据 - 理解结构 #### 步骤2：资源积累 - 资金 - 渠道 - 人脉 #### 步骤3：规则参与 - 参与标准制定 - 参与机制设计 - 参与规则优化 #### 步骤4：叙事能力 - 建立权威 - 掌握传播 - 主导解释 ### 定价权与骗局识别 #### 骗局如何模拟定价权 - 假装有"内部信息" - 假装有"权威地位" - 假装有"独家渠道" - 实际上只是包装 #### 反收割策略 - 验证信息来源 - 验证资源真实性 - 验证叙事逻辑 - 不被"权威"迷惑 ### 定价权的终极洞察 **核心真相**： > 定价权 = 解释权 = 收益分配权 **定价权的层级**： - **没有定价权**：接受价格，被收割 - **局部定价权**：影响价格，套利 - **全局定价权**：定义价格，收割 **从被动到主动**： - 从接受价格 → 到影响价格 → 到定义价格 - 从被定价权主导 → 到拥有局部定价权 → 到拥有全局定价权 **顶级玩家的目标**： - 不是"发现价格"，而是"塑造价格" - 不是"参与市场"，而是"设计市场" - 不是"接受规则"，而是"制定规则"