财务建模与综合估值：数据研磨、模型校准、动态估值

译者序

作者简介

致谢

引言

第一部分　利润演示表

第一章　第一阶段：利润表和利润率模型（一） / 4

第二章　第一阶段：利润表和利润率模型（二） / 35

第三章　第二阶段：收入的细分建模 / 56

第四章　第三阶段：细分营业利润和差异百分比建模 / 66

第五章　第四阶段：电子表单（一） / 75

第六章　第四阶段：电子表单（二） / 93

第七章　普通最小二乘数回归和标准化利润 / 109

第二部分　比率和估值电子表单

第八章　比率分析第一部分：内部流动性和经营效率 / 130

第九章　比率分析第二部分：收益比率和现金流比率 / 147

第十章　历史可比估值 / 166

第三部分　股票估值电子表单

第十一章　现值建模和股票估值电子表单 / 196

第十二章　贴现自由现金流估值：设置表格 / 206

第十三章　贴现自由现金流估值：两种方法 / 220

第四部分　关系估值：行业矩阵电子表簿与同行派生值

第十四章　价格及其表现分析 / 247

第十五章　简单平均数和市值加权平均数的比较 / 262

第十六章　同行派生值 / 286

结论　资产的货币价值 / 308

参考文献 / 312

吉姆·科勒尔（Jim Kelleher），特许金融分析师，研究总监，高级分析师，投资政策委员会成员，现任职于阿格斯研究公司（Argus Research）--一家总部位于纽约市具有75年历史的投资咨询公司。在金融服务行业工作了25年之后，吉姆于1993年加入阿格斯，一直致力于构建阿格斯的专有估值模型--阿格斯六点系统的核心部分。

吉姆以研究总监的身份帮助公司的新进分析师开发和完善投资分析方法及其"模板"； 负责与各个分析师沟通联系；主持公司每周的投资例会，以及每月多次的客户电话会议。吉姆还管理着几个模型组合账户，共同管理公司的重点客户，制作和监管阿格斯的日常技术分析产品。在设计并维系阿格斯的*一个品牌投资产品（与冯·坎彭联合推广）的过程中，他起到了积极的作用。最后，他还是阿格斯投资者顾问投资政策委员会（公司资金管理部门）成员。

作为高级分析师，吉姆是公司的技术研究总监，研究范围涵盖通信技术（设备和半导体）和电子制造服务板块。吉姆持有特许金融分析师证书，并且三次荣获《华尔街日报》全明星分析师调查的"华尔街*佳分析师"头衔。吉姆一直在为华尔街网站的投资专栏撰写文章，其观点经常被主要金融刊物引用。

译者简介

李必龙，经济学硕士，在金融和实业领域有着丰富历练，在股权投资领域有着较多的实战经验，在公司估值和风险管理领域也有一定的研究。曾经参与翻译《金融与投资术语词典》、《估值：难点、解决方案及相关案例》、和《巴菲特的估值之道》等书。

李羿，财务管理学学士，在著名的德勤会计师事务所和华为等公司历练多年。曾参与翻译《金融与投资术语词典》和《估值：难点、解决方案及相关案例》、《并购估值--为非上市公司培育价值》、和《巴菲特的估值之道》等书。

简介：黄诗原，清华大学2011级金融学硕士，现为工银瑞信债券投资经理。2100433B

评估和预测资产和股票的未来价值是一件艰辛的工作。成功的分析师和投资者是不会把时间花在令人生厌的、一做完就过时的事情上。

本书来自世界一流的独立股票研究机构--阿格斯研究公司。该书为有效的财报分析和建模，提供了一个综合指南。

位于该公司舵手位置的是本书作者吉姆.科勒尔。他二十多年的研究经历涵盖了几乎每个板块里的十几个行业，发展出了自己的系统方法和建模技术。通常，好的估值模型是一个能够在下述方面帮助谨慎投资者的无价工具：

能从10-K表和10-Q表挤出更多信息

预测意外的利润狂跌或令人惊喜的利润陡增

掌握"估值舞蹈"的艺术

当今，用估值模型做准确预测的*大挑战之一是应对相关数据快速持续的波动。《分析师和投资者的股票估值法》一书提供了一个试错求真的流程，可籍此创建一个有效且紧凑的模型，为估值带来新的指标和新的估值时期，并适应公司独特的数据表现方式和报告风格。

这本通用指南在财报数据建模上，不仅提供了严谨的流程，还给出了每一步骤的相关捷径，所以，分析师可以基于他们在价值链上的位置，裁量他们的数据焦点。在现实世界使用时，这种估值模型会利用Excel的强大功能，让投资者通过简单地输入调整过的数据，快速而准确地更新自己的估值和预测。

现在，你可以依据自己的研究和分本书提供的股票估值法，来管理自己的投资，掌控自己的投资命运！

估值是一切投资决策的灵魂！本书是一个基于财报分析和建模的独特股票估值工具！本书作者三次荣获"华尔街*佳投资人"奖 ！

监管部门正在关注、研究并准备针对自动估值模型的弱点提出指引政策。在国际上该模型已被广泛使用了五年，使用者评价是积极的，AVMs已经被视为是一种先进、科学的风险管理模型。

水质模型参数估值是确定水质模型各待定参数值的方法和过程。是建立和应用水质模型的关键。其方法可分为单参数估值法和多参数估值法两类。前者可由实测数据或经验公式对各参数分别估值；后者一般以水质的实测值与模拟值两者所构成的误差平方和为评价目标，通过最优化技术求解出最佳参数值的结合。由若干组实测数据估得的参数值，应进行标定误差的检验，并应用另外若干组实测数据进行模型预测误差的验证。当从事战略性水质规划而又缺乏实测水质数据时，也可直接采用类比数据确定参数值。

水质模型单参数估值

水质模型单参数估值是分别确定水质模型中各待定参数值的方法和过程。单参数估值时。可以利用水质模型参数变量中之间的关系，在已知其他参数值和必要的水质现场实测数据（或室内模拟数据）条件下，求得有关参数值；也可以利用已有的经验统计关系式来粗略的估算。单参数估值法比较简便，可以根据数据的支持条件灵活应用，但由于它是对各参数分别进行计算和估值的，并未很好综合考虑参数值之间的相互制约关系，因此对参数估值的准确性有较大的影响；特别是利用一般的统计经验公式进行参数估值时，有时误差可能很大。

水质模型多参数估值

水质模型多参数估值是应用多变量参数最优估值法同时确定水质模型各待定参数值的方法和过程。此法是从水质模型的整体性出发，考虑了各参数变量之间的相互关系，原则上比单参数法可提高水质模型的可靠性。但由于多变量最优估值是一个非线性最优解搜索问题，它不能保证搜索到的是全局最优解，会造成相当大的误差，因此对常用的水质模型多参数梯度搜索估值法，已提出了更为可靠而实用的网格搜索估值法来替代。

水质模型多参数梯度估值法　水质模型多参数梯度估值法采用梯度搜索法确定水质模型中各待定参数值。一般以实测水质序列与模型计算水质序列值两者的偏差值（通常取片差平方之和）为评价目标J，以一阶梯度法（又称最速下降法）从某个起点在负梯度的方向，按一定步长搜索误差目标值最小时的各待定参数值，即J → Jmin (ai≤Ki≤bi){Ki} {Ki*}式中：Ki*为误差最小值的参数值；ai和bi为参数值的上、下限。由于水质模型多参数目标函数的非凸性，对不同的搜索起点或参数初始值，将有不同的局部最优解，因此，随采用的给定初始参数值的不同，将有不同求解参数值，从而会引起较大的误差。

水质模型多参数网格法估值　 水质模型多参数网格法估值又称水质模型多参数计算机扫描搜索法估值。利用网格法扫描搜索确定水质模型各待定参数值。其基本原理是将各参数变量值的可行区间（可从大到小），划分为一系列的小区，由计算机顺序算出相应各参数变量值结合，所对应的误差目标（即实测和计算水质序列值的偏差平房和）值，并逐一比较择优，从而求得该区间内最小目标值与其对应的最佳待定参数值。这种估值方法可保证所得的搜索解基本是全局最优解，避免了重大误差，在机时利用上也是可行的。

自动估值模型（AVMs）有三种主要类型：指数模型、偏好模型和混合模型。简介如下：

指数模型，也叫价格指数模型，只需提供销售数据，不需要物业特征。需要采用“重复销售”的回归分析，并需要一个先前的“价格点”来启动运行。这些模型可靠性令人怀疑，因为它们对物业设定了众多的假设条件，却没有提供依据。例如，假设物业的特征自上次销售后保持不变。

偏好模型决定于物业特征。它们针对具体物业（取决于物业位置）；需要物业的特征数据以及比较数据；提供了假设的依据；以规则为基础；并提供了统计评估。像指数模型一样，它们也需要有一个先前的价格点来启动运行。这些模型的局限性在于，依赖于一个严格限定的地理区域内的最近销售的数据，而在某些国家只有部分有限的数据。它们也有指数模型同样的弱点——包括假设物业特征保持不变。

混合模型把指数模型和偏好模型的特征结合起来，涵盖了销售数据、物业特征分析、可比销售、以及估税模型。许多卖者，包括房利美都向使用多种手段的AVMs模型转换。

以上是AVMs的简要介绍，有一种说法认为：使用AVMs的主要目的是要设计一种解决方法，并使其服务于所有的贷款发放人的业务和竞争需要，并有利于客户。这样才能更好地解决困难，减低费用，并帮助所有人拥有自己的房屋和租住可负担房屋的机会。