1. 为什么市场需要相对估值法？
在金融分析领域，估值从来都不是一道简单的数学题。记得2015年那会儿，我在一家投行做TMT行业分析，当时有个做直播的创业公司来找我们融资。用DCF模型算下来，这家公司估值撑死3个亿，但市场上同类公司都按10倍PS在交易。最后我们不得不放弃传统估值方法，改用市场比较法给出了8亿估值——三个月后，这家公司被收购的价格是9.5亿。
这就是相对估值法的魔力所在。它不像绝对估值法那样试图计算企业的"内在价值"，而是承认市场本身就是最好的定价者。通过观察可比资产的交易价格，我们能捕捉到那些难以量化的市场情绪和行业趋势。
1.1 相对估值 vs 绝对估值的本质区别
绝对估值法（如DCF）像是个理想主义的物理学家，试图用现金流折现公式计算出企业的"真实价值"。而相对估值法则像个精明的商人，它只关心："在当下市场环境中，类似的资产正在以什么价格交易？"
这两种方法的差异主要体现在：
- 数据依赖：DCF需要预测未来5-10年的现金流，而相对估值只需要当前市场数据
- 市场有效性假设：相对估值默认市场定价总体合理，绝对估值则认为市场可能犯错
- 适用场景：早期公司、周期性行业更适合相对估值，成熟稳定企业更适合DCF
提示：在实际操作中，我通常会同时计算两种估值，当差异超过30%时，就需要深入分析是市场情绪过热还是模型假设有问题。
2. 相对估值法的四大核心方法解析
2.1 PE比率：最经典的估值标尺
PE（市盈率）就像股票市场的BMI指数。去年帮一家食品企业做IPO时，我们发现行业平均PE是25倍，而这家公司按23倍定价仍然被超额认购5倍——这就是PE比率的市场魔力。
计算PE时要注意：
- 使用TTM（过去12个月）EPS还是forward PE（预测EPS）
- 非经常性损益的调整（比如一次性资产出售）
- 资本结构差异的影响（高负债公司PE通常偏低）
2.2 EV/EBITDA：跨资本结构的比较工具
当比较杠杆率差异大的公司时，EV/EBITDA就派上用场了。去年分析两家航空公司时，A公司PE是8倍，B公司是15倍，看似B公司更贵。但用EV/EBITDA计算后发现，其实A公司的企业价值倍数更高——因为它的负债是B公司的3倍。
2.3 PB-ROE框架：金融机构的黄金组合
对于银行、保险这类资产负债特殊的行业，我特别推荐PB（市净率）结合ROE（净资产收益率）的分析框架。记得2019年分析城商行时，发现某银行PB只有0.7倍，看似便宜，但其ROE已从15%下滑到8%，实际上估值很合理。
2.4 PS比率：成长型公司的救命稻草
对于尚未盈利的科技公司，PS（市销率）往往是唯一可用的指标。但这里有个坑：不同商业模式的PS可比性极差。比如SaaS公司的PS通常能达到10-20倍，而传统软件公司可能只有3-5倍。关键要看：
- 客户获取成本（CAC）
- 客户生命周期价值（LTV）
- 收入留存率（NDR）
3. 可比公司选择的艺术与科学
3.1 行业分类的陷阱
表面看，选择同行业公司即可。但实操中，行业分类常常误导人。比如：
- 格力电器和美的集团都算家电，但前者空调占比超70%
- 腾讯算互联网还是传媒？游戏收入占比超30%
我的经验是：先看收入结构，再看业务模式，最后看行业分类。
3.2 增长率的匹配原则
增长率差异是估值差异的最大来源。我常用这个经验公式：
合理PE ≈ 行业平均PE × (1 + 公司超额增长率)^2
比如行业平均PE20倍，公司增长率比行业高50%，则合理PE≈20×1.5^2=45倍
3.3 规模效应的非线性影响
大公司通常享有估值溢价，但这种关系是非线性的。根据我的观察：
- 营收100亿以下：每增加10亿，PE提升约0.5倍
- 100-500亿区间：规模效应最明显，每10亿提升1倍PE
- 500亿以上：规模溢价趋于平缓
4. 相对估值法的实战调整技巧
4.1 流动性折价的量化处理
对于非上市公司，我通常会在可比公司估值基础上打7-8折。但具体折扣要考虑：
- 资产周转率（低流动性资产折扣更大）
- 股权结构（大股东持股比例超50%需额外折扣）
- 交易限制（锁定期越长折扣越大）
4.2 控制权溢价的反向验证
当标的涉及控股权变更时，我有个小技巧：先用上市公司数据计算估值区间，再用最近6个月的控股权交易价格验证。通常控股权溢价在20-30%之间，但以下情况可能更高：
- 战略协同效应显著
- 行业整合窗口期
- 牌照等稀缺资源
4.3 季节性因素的平滑处理
很多行业的估值呈现明显季节性。比如：
- 零售业Q4估值通常比Q1高15-20%
- 旅游公司暑期前估值会有季节性高点
我的做法是取最近12个月移动平均值，而不是简单用最新季度数据。
5. 特殊场景下的变通应用
5.1 亏损公司的估值思路
对于亏损企业，我常用这些替代方案：
- EV/Revenue + 毛利率调整
- 用户价值法（每用户估值×用户数）
- 对标公司发展阶段调整（比如对标公司盈利前2年的PS倍数）
5.2 新兴行业的跨市场对标
当本土市场缺乏可比公司时，我会：
- 选择3-5个海外市场对标公司
- 根据GDP增速差异调整增长率假设
- 考虑流动性差异（通常新兴市场公司估值低20-40%）
- 加入本土政策风险调整
5.3 周期行业的低谷估值法
对于钢铁、航运等强周期行业，我的经验是：
- 取最近一个完整周期的平均估值
- 当前PB低于历史20%分位时，可能进入买入区间
- 结合库存周期和产能利用率判断拐点
6. 常见误区与验证方法
6.1 可比公司样本不足的解决之道
当行业上市公司少于5家时，我会：
- 扩大地域范围（加入港股、美股同类公司）
- 延长时间维度（看过去5年估值区间）
- 向上游/下游延伸（比如半导体设备公司可参考芯片公司估值）
6.2 异常值的识别与处理
去年分析教育行业时，发现一家公司PS高达50倍，远高于行业平均8倍。深入分析发现：
- 其预收款占比超70%（财务处理特殊）
- 采用直营模式（不同于行业主流加盟模式）
最后决定将其排除在可比公司列表外。
6.3 多重验证的黄金准则
我始终坚持三重验证原则：
- 至少使用两种不同倍数（如PE+EV/EBITDA）
- 交叉检查不同时间点估值（当前vs.历史平均）
- 与DCF估值结果对比（差异>30%需重新审视假设）
在实际操作中，我发现很多分析师容易陷入"数字游戏"的陷阱——过度依赖计算而忽视商业本质。有次看到一份估值报告，用蒙特卡洛模拟出了小数点后四位的精确估值，却完全忽略了行业正在发生的技术变革。好的相对估值应该是数字与商业判断的结合体，就像老练的古玩鉴定师，既要懂市场行情，更要识得器物本身的成色。