假設思科（Cisco）以 17 倍盈餘交易、蘋果（Apple）本益比 21、微軟（Microsoft）11 倍——哪一檔最划算？思科比蘋果便宜嗎？微軟相對於另外兩家是不是撿到便宜？它們甚至算不算同類公司？
**相對估值（relative valuation）**的核心，就是比較市場如何為不同公司定價，目的在於找出便宜貨。
相對估值的三步驟#
相對估值是依「市場如何為類似資產定價」來為一項資產定價。就像買房者看社區裡類似房子的成交價，2013 年 Twitter 的 IPO 投資者也可以參考其他社群媒體公司的市場定價。三個必要步驟是：
- 找到市場已定價的可比資產
- 把市價標準化——除以一個共同變數，產生跨資產可比的「標準化價格」
- 調整資產間的差異——較新、設施較佳的房子應比同坪數待整修的舊屋貴；同業中高成長公司應比低成長公司貴
定價所需資訊較少、速度遠快於內在估值，也更能反映「當下的市場情緒」。投資銀行與投資組合管理裡多數被稱為「估值」的工作，其實是定價。
標準化價值與乘數#
要比較不大相同的資產，必須先標準化。就像比較同地點兩棟不同大小的建築，較小的看起來較便宜，除非用「每平方英尺單價」來控制大小差異。
衡量市值有三種選擇：
- 股權市值：每股價格或市值（market capitalization）
- 公司市值：負債與股權市值之和
- 營運資產市值（企業價值，enterprise value, EV）：負債與股權市值之和，再扣除現金
分母（盈餘、帳面值）同樣可從股東或公司角度衡量。常見的標準化乘數：
- 本益比（PE ratio）：股權市值 ÷ 淨利——股東為每一元盈餘付多少
- EV/EBITDA：企業價值 ÷ 稅息折舊攤銷前盈餘——營運資產市值相對於營運現金流
Figure 4.1：定價流程（The Pricing Process）
善用乘數的四把鑰匙#
乘數易用，也易被誤用。明智運用乘數（並識破他人的誤用）有四個檢驗：定義一致性、分配特性、決定因子、跨公司比較。
一、定義檢驗（一致性）#
即使最簡單的乘數，不同分析師也會算出不同結果。本益比可用上一會計年度（current）、過去四季（trailing）或未來四季（forward）的盈餘，也可用稀釋或基本每股盈餘，結果差異極大。
第一個檢驗：分子與分母必須定義一致。
- 分子是股權價值，分母也要是股權價值（如本益比：每股價格 ÷ 每股盈餘）
- 分子是企業價值，分母也要是企業價值（如 EV/EBITDA）
- 股價營收比、股價/EBITDA 並不一致（股權市值除以營運指標）——用它們會讓任何負債沉重的公司看起來很便宜
跨公司比較時，乘數必須對所有公司統一定義；不同會計準則或裁量性會計選擇，會讓類似公司的盈餘與帳面值差很多。
二、描述檢驗（分配特性）#
用乘數時，我們往往缺乏「多少算高、多少算低」的概念。先看彙總統計：
乘數的分配嚴重正偏（最低為零、最高可極大），用平均數比較非常危險，應聚焦於中位數。
2023 年 1 月美股本益比中位數約 13.92，遠低於平均的 109.25。一檔 18 倍盈餘的股票，即使低於平均，也不算便宜。
Figure 4.2：美股本益比分配（PE Ratio Distribution: US Stocks in January 2023）
兩個重要陷阱：
- 負盈餘公司被剔除：本益比無法對虧損公司計算，這些公司被剔出樣本後，群組平均本益比會向上偏。任何導致樣本大幅縮減的乘數，都該抱持懷疑
- 乘數隨時間變動：本益比 15 在 2008 年算便宜、在 2009 年卻算貴。變動部分來自基本面（利率、經濟成長），部分來自市場風險認知（衰退時投資者更避險，乘數下降）
由此引申的實務後果：
- 跨時間比較乘數充滿風險——用「今日本益比 vs. 歷史本益比」判斷市場高估或低估，在利率異於歷史常態時會誤導
- 相對估值的「賞味期」很短——今日相對便宜的股票，幾個月後評價可能劇變
- 絕對值固定的「高低本益比」經驗法則，會在分配隨時間改變時失效
三、分析檢驗（決定因子）#
做相對估值時，你做的假設和 DCF 一樣多，差別只在相對估值的假設是「隱含、未明說」的。
每個乘數——無論基於盈餘、營收或帳面值——都由同樣三個變數決定：風險、成長、創造現金流的潛力。直覺上，高成長、低風險、現金流潛力大的公司，應交易在更高的乘數。
由穩定成長 DCF 模型可推導出各乘數的基本面決定因子：
| 乘數 | 基本面決定因子 |
|---|---|
| 本益比 | 預期成長（＋）、配息率（＋）、風險（−） |
| 股價淨值比 | 成長、配息、風險、ROE（＋） |
| 股價營收比 | 成長、配息、風險、淨利率（＋） |
| EV/EBITDA | 成長、再投資率（−）、風險、ROC（＋）、稅率（−） |
| EV/資本 | 成長、再投資率、風險、ROC（＋） |
| EV/營收 | 成長、再投資率、風險、營業利潤率（＋） |
雖然每個乘數由多個變數決定，但總有一個變數主導，稱為伴隨變數（companion variable）——這是找出被低估股票的關鍵。
乘數 伴隨變數 「被低估」的訊號 本益比 預期成長 低本益比＋高每股盈餘成長 股價淨值比 ROE 低股價淨值比＋高 ROE 股價營收比 淨利率 低股價營收比＋高淨利率 EV/EBITDA 再投資率 低 EV/EBITDA ＋低再投資需求 EV/資本 資本報酬率 低 EV/資本＋高 ROC EV/營收 稅後營業利潤率 低 EV/營收＋高營業利潤率
四、應用檢驗（跨公司比較）#
「可比公司」是指現金流、成長潛力、風險與待估公司相似的公司——這個定義裡並沒有「同產業」這一項。理論上，若現金流、成長、風險完全相同，電信公司也能拿來和軟體公司比較。但實務上，分析師多以「同業」作為可比公司。
無論多謹慎挑選，可比公司終究會與待估公司有差異。控制差異有三種方法（以飲料業為例）：
- 主觀判斷：比較個股乘數與群組平均，若差異顯著，再判斷公司特性（成長、風險、現金流）能否解釋。例如 Todhunter 本益比 8.94 遠低於同業，但其預期成長也低；Hansen Natural 本益比 9.70 看似便宜，但股價極為波動。弱點不在於需主觀判斷，而在於判斷常流於猜測
- 修正乘數（用伴隨變數）：例如把本益比除以預期成長率，得到 PEG 比。Hansen 在 PEG 上仍便宜，但 Todhunter 的 PEG 達 2.98 反而變貴了。隱含假設有二——所有公司風險相當、本益比與成長成比例變動；若高成長公司的本益比未按比例上升，它們在 PEG 上會顯得便宜
- 迴歸（多變數）：用成長、風險等自變數解釋本益比等應變數。相較主觀法的優勢有二：能量化乘數與變數關係的強度（如 R 平方顯示飲料業 51% 的本益比差異可由成長與風險解釋）、能同時控制多個變數。據迴歸算出的「風險與成長調整後」預測本益比，Todhunter 與 Hansen 仍顯得被低估，只是幅度小於初步比較
以資產為基礎的定價#
有人把「逐項評估公司擁有的資產、再加總得出整體價值」當成另一種估值途徑（例如為五處房產各自估值後加總，或按地理／業務拆分後加總）。
本書不認為這是獨立的估值途徑——因為你賦予每項資產或業務部門的價值，仍須來自對它的「內在估值」或「相對定價」。它只是把前述兩種途徑套用在更小的單位上。
內在估值 vs. 相對估值（定價）#
對同一家公司、同一時點，兩種途徑通常得出不同的價值估計，甚至一個說低估、一個說高估。例如 2000 年初，對 Amazon.com 做 DCF 顯示嚴重高估，但相對於其他網路公司卻得出相反結論。
差異源自對市場效率的不同假設：
- DCF：假設市場會犯錯，且這些錯誤會隨時間修正，錯誤甚至可能橫跨整個產業或市場
- 相對估值：假設市場對個股會犯錯，但「平均而言」是對的——若拿來比較的同業全被市場高估，一檔股票可能在 DCF 上高估、卻在相對基礎上低估
「哪種途徑更好」其實問錯了問題，答案取決於你的投資哲學：
- 若你相信每項會產生現金流的資產都有內在價值、市價遲早會修正到該價值，你是投資者（investor），該估計內在價值
- 若你認為內在價值是幻象、市場未必會調整到它，你是交易者（trader），焦點應在定價
市場同時需要兩者：投資者搜尋資訊、尋找市場錯誤；交易者提供流動性。
愛因斯坦是對的#
在相對估值中，我們透過「類似資產如何被定價」來估計一項資產的價值。乘數的魅力在於簡單，但明智運用的關鍵，始終是找到真正可比的公司，並針對成長、風險、現金流的差異加以調整。
愛因斯坦（Albert Einstein）的相對論是對的——但即使是他，恐怕也難以在今日的股市裡套用「相對估值」。