在所有倍數中,本益比(price earnings ratio, PE)是最廣為使用、也最容易被誤用的一個。本章先檢視本益比的定義與計算細節,再用折現現金流模型推導其決定因素,最後說明如何在跨時間、跨市場、跨公司三個層次上使用它。章末則轉向公司價值倍數中最常見的企業價值對 EBITDA 倍數(EV/EBITDA)。
本益比的定義#
本益比是每股市價除以每股盈餘:
PE = 每股市價 / 每股盈餘(EPS)分子單純,分歧全在分母。同一家公司可以算出三種本益比:
| 名稱 | 分母 | 說明 |
|---|---|---|
| 當期 PE(current) | 最近一個會計年度的 EPS | 隨財報年度更新,資訊最舊 |
| 移動 PE(trailing) | 最近四季(trailing 12 months)的 EPS | 最常見的實務定義 |
| 預估 PE(forward) | 下一年度的預估 EPS | 內含分析師預測,成長已部分反映 |
橫斷面分布#
2024 年 1 月美國上市公司的本益比分布呈現強烈右偏——少數超高 PE 的公司把平均數往上拉,平均數遠高於中位數:
| 定義 | 平均數 | 中位數 |
|---|---|---|
| 當期 PE | 121.65 | 14.95 |
| 移動 PE | 52.28 | 17.08 |
| 預估 PE | 31.98 | 16.85 |

圖表 18-1:美國公司的本益比分布(2024 年 1 月)
另一個隱形偏誤:盈餘為負的公司算不出本益比,直接從樣本中消失。存活下來的都是有獲利的公司,樣本本身已被篩選過。
本益比的決定因素#
本益比不是憑空存在的數字,它由與折現現金流模型完全相同的基本面決定:成長、風險、現金流創造能力。
從穩定成長的股利折現模型出發,兩邊同除以盈餘,即可得到內在本益比:
移動 PE = 股利支付率 × (1 + g) / (k_e − g)
預估 PE = 股利支付率 / (k_e − g)
= (1 − g / ROE) / (k_e − g)其中 g 為預期成長率、k_e 為股權資金成本、ROE 為股東權益報酬率。最後一式最能說明本質:支付率不是自由參數,它由成長率與 ROE 綁定。
三條鐵律,是本章其餘所有討論的基礎:
- 預期成長率越高 → 本益比越高
- 風險(股權資金成本)越高 → 本益比越低
- 相同成長率下,ROE 越高(達成成長所需的再投資越少)→ 本益比越高
第三條最常被忽略:兩家成長率同為 20% 的公司,若一家 ROE 40%、另一家 ROE 20%,前者理應享有明顯較高的本益比。成長本身沒有價值,超額報酬才有。
若公司處於高成長期,本益比要拆成高成長期與穩定期兩段:
Payout_hg × (1 + g) × [1 − (1 + g)^n / (1 + k_hg)^n]
移動 PE = ───────────────────────────────────────────────────────────
(k_hg − g)
(1 + g)^n × (1 + g_st) × Payout_st
+ ─────────────────────────────────────
(k_st − g_st) × (1 + k_hg)^n範例 18.1:以基本面估計高成長公司的本益比
假設一家公司具有以下特徵:
- 前五年成長率 20%,支付率 20%
- 五年後成長率 4%,支付率 60%
- Beta = 1.0,無風險利率 4.5%,股權風險溢酬 5% → 股權資金成本 9.5%
代入兩階段公式:
移動 PE = 0.20 × 1.20 × [1 − (1.20)^5 / (1.095)^5] / (0.095 − 0.20)
+ (1.20)^5 × 1.04 × 0.60 / [(0.095 − 0.04) × (1.095)^5]
= 19.26這家公司的內在本益比為 19.26。
敏感度:若把高成長期成長率從 20% 調到 25%,本益比會顯著上升;若把 Beta 從 1.0 調到 1.5(股權資金成本升至 12%),本益比會大幅下滑。成長率與折現率越接近,本益比對兩者的敏感度越高——高成長、低利率的環境下,本益比的估值最不穩定。

圖表 18-3:本益比與預期成長率

圖表 18-4:本益比與預期成長率:不同利率情境

圖表 18-5:本益比與 Beta:不同成長率情境
範例 18.2:P&G 的內在本益比
以寶僑(Procter & Gamble)2024 年的基本面估計其應有的本益比:高成長期五年、成長率與再投資率由 ROE 推導,穩定期成長率設為無風險利率水準。計算得出的內在移動本益比約為 18.04。
若市場給予的實際本益比高於此數,代表市場對 P&G 的成長或報酬率預期比模型假設更樂觀(或該股被高估)。這正是「內在倍數」的用途——它把倍數變成一個可以檢驗的假設,而不是一個拿來抄的數字。
跨時間比較:本益比會隨利率變動#
分析師常說「市場的本益比是 22 倍,遠高於歷史平均 15 倍,所以股市太貴」。這個推論忽略了本益比的決定因素會隨時間改變——尤其是利率。

圖表 18-6:盈餘殖利率與利率(1960–2023)
由於 PE ≈ 支付率 / (k_e − g),而 k_e 隨無風險利率同向移動,利率上升本益比就該下降。用盈餘殖利率(EP,本益比的倒數)對利率做迴歸,可以量化這個關係:
EP = 0.0350 + 0.5576 × T-bond利率 − 0.1161 × (T-bond利率 − T-bill利率)
R² = 0.478這條迴歸式的用法:把當期利率代入,得到「基本面允許的」盈餘殖利率,再取倒數得預測本益比,與實際本益比比較。2024 年初代入的結果是預測 PE 17.40 對上實際 PE 21.71——市場確實偏貴,但幅度遠小於「22 倍 vs 歷史 15 倍」給人的印象。
跨市場比較#
不同國家的本益比差異極大,但這些差異多半可用基本面解釋:利率水準、預期成長、風險與政治穩定度。用一國的本益比直接對比另一國,等於假設所有基本面相同。
正確作法是把各國本益比對其基本面(利率、預期 GDP 成長、國家風險溢酬)做迴歸,看哪些市場偏離迴歸線。偏離者才是真正的「相對便宜/昂貴」。

圖表 18-2:全球公司的本益比分布(2024 年 1 月)
範例 18.8:全球電信公司的本益比迴歸
對全球電信公司做橫斷面迴歸,得到:
PE = 13.12 + 121.22 × g − 13.85 × 新興市場虛擬變數
R² = 66%解讀:
- 每增加 1 個百分點的預期成長率,本益比增加約 1.21 倍
- 位於新興市場,本益比平均低 13.85 倍——這反映的是國家風險,不是折價機會
把個別公司的成長率與所在市場代入,可得預測本益比;實際值遠低於預測值者,才是值得深究的標的。
跨公司比較:從同業對比到市場迴歸#
直接比較的陷阱#
最常見的做法是找出同業的平均本益比,低於平均者稱為低估。這隱含一個幾乎不可能成立的假設:同業公司的成長、風險、支付率都相同。
「本益比低於同業平均 → 便宜」是相對評價中最常見的錯誤推論。低本益比也可能正確反映了較低的成長、較高的風險,或較差的股東權益報酬率。便宜與應該便宜,是兩件事。
市場迴歸法#
更嚴謹的作法是把本益比對決定因素做迴歸,讓資料告訴你市場如何為成長與風險定價。這套方法從 1960 年代就開始使用:
| 期間 | 迴歸結果 |
|---|---|
| Kisor–Whitbeck(1963) | PE 對成長、支付率、股價標準差迴歸 |
| Cragg–Malkiel(1961–65) | 同一組變數,係數逐年變動 |
| 1987–1991 | 成長係數隨市場環境明顯改變 |
2024 年 1 月,以全體美股(n = 1,755)迴歸的結果為:
PE = −2.11 + 69.57 × g + 20.76 × Beta + 11.38 × 股利支付率
R² = 33.4%成長率係數的長期變化與各區域迴歸
成長係數 vs 股權風險溢酬(2000–2024):成長率的迴歸係數會隨股權風險溢酬變動。當風險溢酬低(市場樂觀)時,市場願意為成長付出更高溢價,成長係數上升;風險溢酬升高時,成長溢價收斂。這意味著用去年的迴歸式評價今年的公司會產生系統性偏誤。
各區域迴歸:美國、歐洲、日本、新興市場的本益比迴歸式,其截距、係數與 R² 皆不同。做跨區域比較時應使用該區域自己的迴歸式,不可把美國的係數套到新興市場。
迴歸法的三個限制#
- 多重共線性:成長、風險、支付率彼此高度相關(成長高的公司通常支付率低),係數的個別解讀不可靠
- 非線性:本益比與成長率的真實關係並非直線,強行用線性迴歸會在極端值處失真
- 不穩定性:係數隨時間大幅變動,一期的迴歸式不能沿用到下一期
範例 18.9:用市場迴歸評價 P&G(2024)
把 P&G 的預期成長率、Beta 與股利支付率代入 2024 年市場迴歸式:
預測 PE = 26.35
實際 PE = 26.50兩者幾乎一致,顯示 P&G 相對於整體市場的定價方式屬合理區間。注意:這個結論的前提是整體市場定價正確——市場迴歸法永遠只能告訴你「相對於市場」的貴賤。
盈餘正常化:當最近一年的盈餘不具代表性
若公司最近一年的盈餘因景氣循環、一次性費用或特殊事件而異常偏低(甚至為負),直接用它算本益比會得到毫無意義的數字。處理方式:
- 歷史平均法:用過去若干年的平均盈餘(或平均 ROE 乘上目前帳面權益)
- 產業利潤率法:以產業正常利潤率乘上公司營收
- 改用其他倍數:如股價營收比或 EV/EBITDA,避開盈餘的波動
正常化的目的是還原可持續的獲利能力,不是美化數字。
PEG 比率#
**PEG 比率(PEG ratio)**把本益比除以預期盈餘成長率(以百分比數字表示),試圖在比較時「調整掉」成長的差異:
PEG = PE / 預期每股盈餘成長率計算的一致性要求#
- 成長率必須是每股盈餘的成長率,不是營業利益的成長率(PEG 是股權倍數)
- 分子的 PE 定義必須與成長率的計算基期一致:成長率若以當期盈餘為基期,就用當期 PE;以移動盈餘為基期,就用移動 PE
- 絕對不可使用預估 PE——會造成成長率的重複計算
為什麼預估 PE 會重複計算成長
假設某公司股價 $30、當期 EPS $1.50,預期明年 EPS 倍增至 $3.00,之後四年每年成長 5%。以當期盈餘為基期的五年複合成長率為:
g = [(1 + 1.00) × (1.05)^4]^(1/5) − 1 = 19.44%若誤用預估 PE:
PEG = ($30 / $3.00) / 19.44 = 0.51 ← 看起來極便宜第一年的成長被算了兩次:預估盈餘因倍增而變高,使預估 PE 變低;同時成長率也因倍增而變高。分子變小、分母變大,PEG 被雙重壓低。
一致的算法有兩種:
用當期 PE: ($30 / $1.50) / 19.44 = 1.03
用預估 PE 搭配第 2–5 年成長率: ($30 / $3.00) / 5 = 2.00若採第二種,樣本內所有公司都必須用同一種算法。
PEG 的決定因素#
把高成長期的內在本益比公式兩邊同除以成長率 g,即得 PEG 的內在值:
Payout_hg × (1 + g) × [1 − (1 + g)^n / (1 + k_hg)^n]
PEG = ──────────────────────────────────────────────────────────────
(k_hg − g) × g
(1 + g)^n × (1 + g_st) × Payout_st
+ ────────────────────────────────────────
g × (k_st − g_st) × (1 + k_hg)^n這推翻了 PEG 最主要的使用理由。成長率上升時,PEG 先下降、在高成長區間趨平、之後又回升——低成長與極高成長的公司都會有較高的 PEG,中段成長的公司 PEG 最低。這種非單調關係讓「PEG 低就是便宜」的判斷完全站不住腳。

圖表 18-8:PEG、預期成長率與利率
除成長外,PEG 還受兩個因素影響:
- 風險:Beta 越高,PEG 越低。風險高的公司看起來永遠比較「便宜」
- 支付率/ROE:相同成長率下,支付率(或 ROE)越高,PEG 越高。因為那是品質較好的成長

圖表 18-9:PEG 與 Beta:不同成長率情境

圖表 18-10:PEG 與股利支付率
範例 18.10:以基本面估計 PEG
沿用範例 18.1 的公司(前五年成長 20%、支付率 20%;之後成長 4%、支付率 60%;Beta 1.0、股權資金成本 9.5%):
PEG = 0.20 × 1.20 × [1 − (1.20)^5 / (1.095)^5] / [(0.095 − 0.20) × 0.20]
+ (1.20)^5 × 1.04 × 0.60 / [0.20 × (0.095 − 0.04) × (1.095)^5]
= 0.96基於基本面,這家公司的合理 PEG 為 0.96——恰好落在市場慣用的「PEG < 1 即便宜」門檻附近,但這只是巧合,不是通則。
PEG 的實務使用#
2024 年初,軟體業與整體市場的 PEG 對照:
| 產業 | PE | 未來五年預期成長 | PEG |
|---|---|---|---|
| 軟體(娛樂) | 27.58 | 31.53% | 0.87 |
| 軟體(網路) | 33.60 | 37.52% | 0.90 |
| 軟體(系統與應用) | 42.07 | 24.30% | 1.73 |
| 整體市場 | 21.45 | 13.02% | 1.65 |
乍看之下娛樂與網路軟體業「打對折」,但這很可能只反映了風險差異——依前述,高風險本來就會壓低 PEG。
PEG 還有一個樣本偏誤:它需要分析師的長期成長預估才能計算。沒有分析師追蹤的小型與新興市場公司直接被排除在樣本外,使 PEG 的橫斷面比較從一開始就偏向大型、成熟、被高度覆蓋的公司。

圖表 18-7:美國與全球公司的 PEG 分布(2024 年 1 月)
同樣可以用迴歸控制差異。由於 PEG 與成長率高度非線性,實務上會先對成長率取自然對數:
| 區域 | 迴歸式 | R² |
|---|---|---|
| 美國 | PEG = 0.24 + 0.87 Payout − 0.58 ln(g) − 1.28 Beta | 8.6% |
| 歐洲 | PEG = 0.42 + 0.96 Payout − 0.92 ln(g) − 0.12 Beta | 19.5% |
| 日本 | PEG = −0.31 Payout − 1.06 ln(g) + 0.16 Beta | 23.2% |
| 澳洲、紐西蘭與加拿大 | PEG = 0.05 + 0.32 Payout − 1.64 ln(g) − 0.54 Beta | 46.2% |
| 新興市場 | PEG = 1.06 + 0.20 Payout − 0.43 ln(g) − 0.12 Beta | 9.0% |
| 全球 | PEG = 1.21 + 0.17 Payout − 0.70 ln(g) + 0.001 Beta | 8.0% |

圖表 18-11:PEG 對預期成長率(2024 年 1 月)

圖表 18-12:PEG 對 ln(預期成長率)(2024 年 1 月)
範例 18.11:飲料業的 PEG(2001)
前一章曾以本益比檢視飲料業,Andres Wines 因低本益比(8.96)而看似便宜。改看 PEG:
| 公司 | 移動 PE | 預期成長 | 標準差 | PEG |
|---|---|---|---|---|
| Coca-Cola Bottling | 29.18 | 9.50% | 20.58% | 3.07 |
| Molson “A” | 43.65 | 15.50% | 21.88% | 2.82 |
| Anheuser-Busch | 24.31 | 11.00% | 22.92% | 2.21 |
| Andres Wines “A” | 8.96 | 3.50% | 24.70% | 2.56 |
| Brown-Forman “B” | 10.07 | 11.50% | 29.43% | 0.88 |
| PepsiCo | 33.00 | 10.50% | 31.35% | 3.14 |
| Coca-Cola | 44.33 | 19.00% | 35.51% | 2.33 |
| Boston Beer “A” | 10.59 | 17.13% | 39.58% | 0.62 |
| Hansen Natural | 9.70 | 17.00% | 62.45% | 0.57 |
| 平均 | 22.66 | 13.00% | — | 2.00 |
Andres Wines 不再便宜——它的低成長率(3.5%)把 PEG 推高到 2.56,接近平均。Hansen Natural 的 PEG 僅 0.57,仍屬最低。
但 Hansen 的標準差(62.45%)幾乎是同業的兩倍。用迴歸控制成長與風險:
PEG = 3.61 − 2.86 × 預期成長率 − 3.38 × 標準差
[6.86] [0.75] [2.04]
預測 PEG(Hansen) = 3.61 − 2.86(0.1700) − 3.38(0.6245) = 1.01實際 PEG 0.57 仍遠低於預測值 1.01,控制風險後 Hansen 依然顯著低估。
注意成長率係數的 t 統計量僅 0.75,並不顯著——這再次呼應 PEG 與成長之間的非線性關係。
本益比的其他變形#
相對本益比#
**相對本益比(relative PE ratio)**把公司的本益比除以市場平均本益比:
相對 PE = 公司當期 PE / 市場當期 PE依定義,市場的平均相對本益比為 1。它同樣由成長、風險、ROE 決定,只是全部改以「相對於市場」表達:相對成長率高、相對股權資金成本低、相對 ROE 高的公司,應有較高的相對本益比。
兩種用途:
- 與自身歷史比較:某公司今天的相對本益比低於其長期歷史水準 → 可能被低估
- 跨市場比較:各國本益比水準差異大時,改比相對本益比可消除市場層級的差異
結果是:低成長股在市場高成長時看起來便宜、在市場低成長時看起來昂貴——而公司本身什麼都沒變。
範例 18.12:汽車股的相對本益比(2011 年 5 月)
由於汽車業龍頭分散在不同市場,將各公司本益比除以其主要上市市場的整體本益比:
| 公司 | 移動 PE | 主要市場 | 市場 PE | 相對 PE |
|---|---|---|---|---|
| Porsche Automobile Holding | 2.81 | 德國 | 16.82 | 0.17 |
| Renault SA | 3.25 | 法國 | 15.86 | 0.21 |
| General Motors | 5.65 | 美國 | 19.16 | 0.30 |
| Volkswagen AG | 6.71 | 德國 | 16.82 | 0.40 |
| Ford Motor | 7.87 | 美國 | 19.16 | 0.41 |
| Toyota Motor | 26.10 | 日本 | 17.50 | 1.49 |
| Suzuki Motor | 22.42 | 日本 | 17.50 | 1.28 |
Porsche 與 Renault 在兩種基準下都最便宜,Toyota 與 Suzuki 都最貴——因為各市場本益比差距不大,排序幾乎不變。十年前日股本益比遠高於他國時,結論就會截然不同。
Ford 過去四十年的平均相對本益比為 0.50,目前的 0.41 顯示其相對便宜。GM 也是,但 2009 年瀕臨破產後的 GM 已與過去數十年的 GM 是完全不同的公司——與自身歷史比較的前提是公司本質未變。
股價對未來盈餘比#
盈餘為負的公司算不出本益比。變通做法是用未來某一年的預估 EPS當分母——例如以今天的股價除以五年後的預估 EPS。
使用前提:同業所有公司都必須用同一未來年度的預估盈餘計算,否則等於在比較不同時間點的公司。這種作法擴大了本益比的適用範圍,但也讓「控制公司間差異」變得更加困難。
扣除研發前的本益比#
會計準則要求研發(R&D)費用化而非資本化,導致研發密集公司的盈餘被低估、本益比被高估。有分析師主張把研發加回:
PE(扣除研發前) = 股權市值 / (淨利 + 研發費用)調整後 PE = 股權市值 / (淨利 + 研發費用 − 研究資產攤銷)而且這個調整只解決了「研發費用化」一個問題,本益比原有的其他毛病——盈餘波動、會計選擇、成長與風險差異——一個都沒少。此外,分析師不會提供「扣除研發前盈餘」的成長預估,你必須自己估。
範例 18.13:Amylin Pharmaceuticals(2011 年 5 月)
Amylin 股價 $13.28,過去 12 個月每股虧損 $1.05,分析師預估 2011、2012 年仍將虧損約每股 $0.90。傳統本益比無法計算,兩種變通:
1. 未來本益比:分析師預期 2013 年起獲利、2016 年 EPS 達 $1.25。
未來 PE = $13.28 / $1.25 = 10.62這個數字不能拿去和其他公司「今天的」本益比比較。 說「Amylin 的 10.62 低於 Amgen 的 12.42,所以便宜」是錯的——Amgen 的分母是 2010 年盈餘,Amylin 的是 2016 年。以 2016 年預估 EPS 計算,Amgen 的本益比其實只有 7.45。
2. 扣除研發前本益比:把研發加回後,每股盈餘約 $0.15。
PE(扣除研發前) = $13.28 / $0.15 = 88.53同樣地,同業所有公司都必須用相同定義重算才有可比性。
企業價值對 EBITDA 倍數#
前面討論的都是股權倍數。**企業價值對 EBITDA 倍數(EV/EBITDA)**則是公司價值倍數,近二十年來廣受採用,原因有三:
- EBITDA 為負的公司遠少於淨利為負的公司,樣本流失少
- 不受折舊方法影響——直線法或加速折舊會改變營業利益與淨利,但不影響 EBITDA
- 可跨財務槓桿比較——分子是公司價值、分母是償債前盈餘,兩者一致
因此它特別適合基礎建設投入龐大、建設期長的產業,如電信、機場、收費道路。
定義#
EV/EBITDA = (股權市值 + 債務市值 − 現金) / EBITDA實務上多以債務帳面價值代替市值(健全公司兩者接近)。為什麼要扣現金? 因為現金產生的利息收入不計入 EBITDA;不扣現金會高估這個倍數。

圖表 18-13:美國公司的 EV/EBITDA 倍數分布(2024 年 1 月)
- 少數股權投資(未合併):營業利益不含被投資公司的盈餘,但股權市值已反映其價值 → EV/EBITDA 偏高,看起來被高估
- 多數股權投資(合併報表):EBITDA 含子公司 100%,但分子只反映母公司持有的部分 → EV/EBITDA 偏低,看起來被低估
修正方式繁瑣,子公司若為未上市公司更難處理。
範例 18.14:有交叉持股時的 EV/EBITDA
Segovia 持有 Seville Television 51%(多數主動,需合併)與 LatinWorks 15%(少數被動)。已知:
- Segovia 股權市值 $1,529M,合併債務 $500M,合併 EBITDA $500M
- 其中 Seville 貢獻 EBITDA $180M、債務 $150M
- Seville 為上市公司,股權市值 $459M;LatinWorks 股權價值估計 $370.25M
- 各公司皆無顯著現金
未調整(污染值):
EV/EBITDA = (1,529 + 500 − 0) / 500 = 4.06方法一:只算母公司——從分子扣除持股價值與合併子公司債務,分母只留母公司 EBITDA:
EV/EBITDA(母公司) = [(1,529 − 0.51 × 459 − 0.15 × 370.25) + (500 − 150)] / (500 − 180) = 5.70方法二:調整分母——EBITDA 只計 51% 的合併子公司、加回 15% 的少數持股:
EV/EBITDA = [1,529 + (500 − 150 × 0.49)] / (500 − 0.49 × 180 + 0.15 × 120) = 4.55方法三:調整合併層級——分子加回子公司 49% 的股權市值、扣除少數持股價值,分母不動:
EV/EBITDA(合併) = [(1,529 + 0.49 × 459 − 0.15 × 370.25) + (500 − 150)] / 500 = 3.40三種算法差異極大(3.40 vs 4.55 vs 5.70)。哪一個對?取決於你要拿它跟誰比:
- 三家公司分屬不同產業 → 用方法一,各自與其同業比
- 找得到持股結構相似的合併公司 → 用方法二
- Segovia 與 Seville 同產業 → 用方法三
決定因素#
從公司自由現金流模型出發:
EV = FCFF₁ / (資金成本 − 預期成長率)
FCFF = EBITDA(1 − t) − DA(1 − t) − 再投資兩邊同除以 EBITDA:
EV (1 − t) − (DA / EBITDA)(1 − t) − (再投資 / EBITDA)
──────── = ─────────────────────────────────────────────────────
EBITDA (資金成本 − 預期成長率)五個決定因素一目了然:
| 因素 | 方向 |
|---|---|
| 稅率 | 稅率越低 → 倍數越高 |
| 折舊攤銷佔 EBITDA 比重 | 比重越高 → 倍數越低 |
| 再投資需求 | 再投資佔 EBITDA 越高 → 倍數越低 |
| 資金成本 | 越低 → 倍數越高 |
| 預期成長率 | 越高 → 倍數越高 |

圖表 18-14:EV/EBITDA 倍數與稅率

圖表 18-15:EV/EBITDA 與淨資本支出比率
範例 18.15:分析 EV/EBITDA 倍數
Castillo Cable 是一家有線與無線業者:資金成本 10%、稅率 36%、資本支出佔 EBITDA 45%、折舊佔 EBITDA 20%、無營運資金需求、穩定成長 5%。
再投資 / EBITDA = 0.45 − 0.20 − 0 = 0.25
EV/EBITDA = [(1 − 0.36) − 0.20 × (1 − 0.36) − 0.25] / (0.10 − 0.05) = 5.24這個倍數對稅率與再投資率都很敏感,但在固定成長率下調整再投資率,等於在暗中調整資本報酬率。以上述數字反推,隱含的資本報酬率為 10.24%,僅略高於 10% 的資金成本。
結論:資本報酬率低、再投資需求高的公司,本來就該以較低的 EBITDA 倍數交易。

圖表 18-16:EV/EBITDA 與超額報酬
應用#
EV/EBITDA 最常用於資本密集、基礎建設投入龐大的產業。但常見的理由——「EBITDA 就是公司的營業現金流」——其實站不住腳,因為這類公司往往同時有龐大的資本支出在耗用現金。
使用 EV/EBITDA 的正當理由是:同業間折舊方法差異大,且主要基礎建設投資已經完成。這兩個條件成立時,EBITDA 才是一個公平的比較基礎。
範例 18.16:鋼鐵業的 EV/EBITDA(2001)
2001 年 3 月美國鋼鐵公司的 EV/EBITDA 差異極大(1.72 至 9.26)。多家公司的淨資本支出為負(折舊大於資本支出),反映產業成熟與再投資的間歇性;許多公司因虧損而不繳稅。
以稅率與折舊佔 EBITDA 比重做迴歸:
EV/EBITDA = 8.64 − 8.07 × 稅率 − 7.19 × (DA / EBITDA) R² = 35.1%
(6.36) (3.44) (2.35)(未納入成長率與資金成本,因為這些公司在這兩項上差異極小。)
以 Birmingham Steel 為例(稅率 0%、DA/EBITDA = 51.92%):
預測 EV/EBITDA = 8.64 − 8.07(0.00) − 7.19(0.5192) = 4.91實際為 5.60,高估約 14.26%。
注意此處用折舊佔 EBITDA 比重而非資本支出作為再投資需求的代理變數——實證上前者的解釋力較佳,後兩者在統計上並不顯著。
公司價值倍數的其他變形
EV/EBITDA 之外,還有 EV/EBIT、EV/稅後 EBIT、EV/FCFF。對穩定成長公司:
EV / FCFF = 1 / (資金成本 − 預期成長率)
EV / EBIT(1 − t) = (1 − 再投資率) / (資金成本 − 預期成長率)
EV / EBIT = (1 − t)(1 − 再投資率) / (資金成本 − 預期成長率)- 資金成本越高、預期成長越低 → 三者皆下降
- 再投資率上升 → 後兩者下降,但不影響 EV/FCFF(FCFF 已扣除再投資)
- 稅率只影響最後一個(前兩者的分母已是稅後)
結論#
本益比與其他盈餘倍數之所以容易被誤用,是因為使用者往往忘記:它們最終由與折現現金流模型完全相同的基本面決定——預期成長、風險、現金流創造能力。其他條件相同時,成長越高、風險越低、支付率(或 ROE)越高的公司,就應該以更高的盈餘倍數交易。
因此,跨國家、跨時間、跨公司的倍數差異,多半有基本面上的理由。不控制這些差異就直接比較倍數,只會得到錯誤的結論。
使用盈餘倍數有兩條路徑:
- 窄樣本+主觀調整:在定義嚴格的同業群組中比較,用判斷去修正成長、風險與現金流的差異
- 寬樣本+統計控制:把可比公司擴大到整個產業甚至整個市場,用迴歸控制基本面差異
至於 PEG 比率,它並沒有真的把成長「消掉」——成長反而更深地嵌進倍數裡,且與風險、ROE 糾纏在一起。跨區域迴歸普遍偏低的 R²,就是最直接的警訊。
本章最後從股權倍數轉向營業盈餘倍數。EV/EBITDA 避開了負盈餘、折舊方法與財務槓桿的干擾,但它的決定因素同樣是成長(營業利益)、再投資與風險——換了分子分母,邏輯不變。