數據不是愈多愈好、多數估值都會出錯！華爾街大師教你3點找出賺錢公司

摘要

1.偏見難以避免

在評估公司或個股時，心中不可能沒有絲毫成見。通常，你對公司或個股的看法，早在你將數字放入分析模型和指標前即已形成，因此得出的結論往往會反映出偏見，也就不足為奇。

偏誤從何開始？就從你的選擇開始。要針對哪些公司進行估值，並非一個隨機選擇的過程。你選擇某檔個股的原因，可能是因為在報紙上讀到了有關該公司的某些報導（無論好、壞），或是聽到財經名嘴提到，特定公司的價值受到低估或高估。當你在蒐集估值所需的資訊時，偏誤持續存在。年報和其他財務報表包括的不僅僅是會計數字，還包含了管理階層對公司表現的解釋，而他們當然就是盡力美化囉。

時時刻刻誠實面對自己的偏見：為何挑選這家公司進行估值？你喜不喜歡這個公司的管理階層？你是不是已經買了這家公司的股票？在開始估值之前，盡可能在紙上列出這些偏見。此外，針對公司所進行的背景研究，要以資訊為來源依據，不可依賴意見；也就是說，要把時間花在查看公司的財務報表上，而不是閱讀與該公司有關的股票研究報告。當你在閱讀別人對某家公司的評估時，一定要記得思考形成這份估值背後的原因，也要考慮可能影響分析師判斷的潛在偏見。一般來說，估值的過程中存在愈多偏見，該估值判斷就愈不值得重視。

2.大多數的估值都會出錯

從很小的時候開始，大人就告訴你，只要遵循正確步驟，就能得到正確答案，如果得到的答案不精確，那一定就是你做錯了什麼。雖然在數學和物理的世界中，精確是衡量過程的一個好指標，但就衡量估值的品質來說，就不是那麼回事了。即使對未來做出了最佳估算，還是無法與實際數字吻合，原因如下。首先，就算資料來源無可挑剔，你還是得將原始資料轉換為預測，在這個階段所犯下的任何錯誤都將導致估值錯誤。其次，你為某公司所設想的道路，有可能根本窒礙難行。有鑒於企業特有的不確定性（firm-specific uncertainty），公司的實際表現可能比你預期的要好，也可能更差，實際產生的盈餘和現金流，也因此和你所估算的不同。舉個例子，當我在2001年對思科（Cisco）進行估值時，我嚴重的低估了該公司在未來持續以收購帶動公司成長的難度，導致我最後高估了它的價值。最後，就算公司朝著你所預期的方向發展，但是宏觀經濟環境也會發生難以預料的變化。利率可能上升，也可能調降：經濟表現可能比預期來得好，當然也可能比預期來得差。事後看來，我在2008年8月份對高盛（Goldman Sachs）的估值似乎太過樂觀，因為我沒能預見2008年金融危機所帶來的損害。

3.估值的方法太複雜反而無用

過去這20年來，估值變得益發複雜，主要是因為2個發展。一方面，電腦運算能力較以往更為強大，也更容易操作，於是數據分析也就變得更為簡單了。另一方面，資訊不僅更多，在取得和使用上也更便利。

估值有一個根本問題：在估值的過程中該帶入多少細節。該如何權衡這個問題的答案其實不複雜，資訊愈詳細，就愈可能透過運用特定的資訊，做出更棒的預測，但這麼做的同時，你必定會輸入更多數據，每一筆數據都潛藏著錯誤的風險，也會產生更複雜且更不透明的模型。將物理學的簡約性原則套用在估值上：當評估資產時，盡可能採用最簡單的模型，倘若只輸入3項數據就能評估資產，就不要輸入5項。如果靠著預估公司未來3年的發展，就能完成該公司的估值，那麼硬要預測公司未來10年的現金流，根本就是自找麻煩。別忘了少即是多。

評估一家公司價值，會有失準或局限，那為什麼還要做？因為估值能減少出錯！大多數投資人不願意對公司進行估值，而且理由一大堆：「估值模型太複雜啦」、「資訊不夠啊」、「不確定性太高了」。雖然這些理由也是有點道理，但你不該因此不願意嘗試。估值模型可以簡化，只靠手上現有的數據也行。當然，未來永遠具有不確定性，你會不會偶爾犯錯呢？當然有可能，但其他人也會啊。成功的投資不在於你做對了什麼，而在於犯錯的頻率比別人低。