DCF 的骨架：不追求精确，追求逻辑自洽

骨架很简单

逻辑是：钱有时间价值，明年的 100 块不如今天的 100 块值钱，所以未来的现金流要用一个折现率换算回今天。把未来所有年份的现金流都折回来再加总，就是估值。

为什么算出来的数字不可靠

因为三个输入里，每一个都有巨大的不确定区间，而它们的误差会相乘放大：

• 自由现金流预测：需要对未来 5–10 年的收入、利润率、资本开支分别做假设。
• 折现率：通常用加权平均资本成本（WACC），由无风险利率、风险溢价、Beta、资本结构共同决定——每个都能差几个百分点。
• 永续增长率：终值往往占总估值的 60%–80%，而它只是一个 1%–3% 的假设。

结果是：同一个模型，把假设稍微一动，估值就能翻倍或者腰斩。所以拿到一个精确到小数点的 DCF 结果，第一反应应该是怀疑，而不是相信。

那它还有什么用

第一个用处：逼你把假设写清楚。做 DCF 的过程中，你被迫回答「我认为它未来五年能增长多少、为什么」。这个过程本身就有价值——不写成数字，这些判断往往一直模糊着。

第二个用处：反向 DCF。这个用法比正向计算更有意思——不去算它值多少钱，而是拿现在的股价反推：市场当前的价格，隐含了什么样的增长假设？

然后你只需要判断一件事：这个隐含假设，是偏乐观还是偏保守？这比预测未来要容易得多，也可靠得多。

第三个用处：敏感性分析。与其给出一个数字，不如给出一个区间：在悲观/中性/乐观三种假设下，估值分别是多少。这样你看到的是一张地图，而不是一个点。

三个常见错误

错误一：把终值当成主要来源。如果终值占了估值的 80% 以上，说明这个模型其实什么都没算——它只是把「长期会很好」这个假设换了个形式写出来。

错误二：折现率用得太随意。折现率是风险的体现。用同一个折现率去折现一家稳定公用事业和一家早期科技公司，等于假设它们的风险是一样的。

错误三：把 DCF 用在周期股上。周期股的现金流本身在剧烈波动，用一条平滑的预测曲线去套它，几乎必然失效。周期股该用正常化盈利那一套。

和其他方法的关系

DCF 给出的是「绝对估值」——这家公司本身值多少。相对估值（PE、PB、EV/EBITDA）给出的是「相对于别人」的位置。

两者应该互相印证：如果 DCF 算出来很便宜，但相对估值显示很贵，那说明要么你的假设有问题，要么市场对这个行业的定价逻辑和你不同。矛盾本身就是信息，值得追下去。