杨川，上海金融与发展实验室特聘高级研究员

序言：没有共同语言的估值巴别塔

金融史上有一个被长期忽视的真相：估值理论从未建立起一套真正通用的“共同语言”。

从格雷厄姆的净资产折扣，到DCF的“精确计算”，从彼得·林奇的PEG到EV/EBITDA，每一代方法都声称找到了资产定价的通用语法。但每一代在实践中都暴露出无法自圆其说的裂缝——裂缝被忽视，因为所有人都已熟稔这门语言。路径依赖制造了一种共识的幻觉：不是因为它正确，而是因为所有人都在用它。这正是估值领域的巴别塔困境。

试看特斯拉——估值巴别塔的最刺眼标本。

2025年末，特斯拉股价约425美元，同一时刻，主流估值工具给出的“合理价格”却天差地别：Simply Wall St的DCF算出138美元，A.L. Capital给出316美元，stock-analysis-on.net得出348美元——DCF阵营内部先打了起来，差异超150%。更荒诞的是ARK Invest的乐观情景：3000美元。同一个特斯拉，从138到3000美元，差距超20倍。

正是这种共识真空，让特斯拉股价从2020年初的约$28一路飙涨至2021年11月的$410，不到两年涨14倍，又在2022年底至2023年初跌至$102，一年多跌去75%。这不是企业基本面的波动，这是估值共识真空中的自由落体：当PE、P/S、PEG，以及各自机构不对外公开的方法，各自述说各自的估值语言时，市场价格就完全由叙事和情绪驱动——涨时无人敢言顶，跌时无人敢言底。

因为没有共同尺度，就没有对错的标准。

这种估值语言之间的不可翻译，是导致科技股市场无效性的制度性根源。当市场参与者无法就估值逻辑与方法形成共识时，就根本无法知晓估值差异产生的根源——比如业绩预期、风险预期、里程碑事件预期的差异。结果价格便脱离了基本面的引力，完全由叙事和情绪驱动。2020-2021年的科技股泡沫中，Snowflake以亏损状态上市却一度被炒至$429（市销率超100倍），回撤幅度达73%。Rivian市值冲破1500亿美元，回撤幅度更高达85%。ARKK ETF从$159峰值回撤81%——这些不是投资，而是在估值真空中的集体狂欢。ARKK的AUM从峰值$255亿跌至$60亿，蒸发超过四分之三——它们的共同死因只有一个：估值锚的缺失让价格脱离了所有可验证的基本面引力。

更深层的问题在于：DCF——这个被机构投资者奉为圭臬的“黄金标准”——本身就是巴别塔困境的始作俑者。它的数学外壳足够精致，足以让使用者忘记追问一个根本问题：估值的基础，究竟是对未来的合理预测，还是对一个永远无法验证的假设的盲目信仰和集体妥协？

数据不会说谎。1976至2019年间，美国上市的13,800家公司中，82%最终退市或被并购，中位上市存续期仅6.8年（数据引自摩根士丹利Counterpoint Global 2026年4月研究报告《The Competitive Advantage Period: The Neglected Value Driver》亚利桑那州立大学Hendrik Bessembinder教授的数据库）。Bessembinder的数据还显示，约9%的上市公司能活过50年——这意味着"永续增长"假设即使对那9%的幸存者也是严重误导，对91%的公司则完全是数学幻觉。把存续期中位数不足7年的企业以“永续价值”作为估值主依据，在逻辑上是彻底荒谬的。以此DCF方法更似一种信仰，而非科学。当信仰替代了科学，估值就变成了各说各话的宗教战争。

PEGR（Price-Earnings-Growth-Required Return，成长性驱动的价值模型）的提出，正是对这一困境的系统性解构与重建。它不仅提供了一套新的计算工具，更在更深的层面上重新定义了“估值”这件事的本质边界——从“假定永续”到“划定有效期”，从“无法证伪的数学”，到“可以验证的科学”，从“各说各话的巴别塔”到“统一尺度的共同语法”。

这不是对DCF的修补，而是一场范式革命。

一、传统估值的集体盲区：从PE到DCF的系统性失灵

要理解PEGR的必要性，需要先看清既有工具的盲区有多大。

1、PE与PEG：增长率的单维暴政

市盈率（P/E）是市场最广泛使用的估值锚点，但它先天残缺——只捕捉了当期盈利水平，对决定价值的另外三个维度视而不见。彼得·林奇的PEG（P/E ÷ g）试图弥补这一缺陷。但PEG仍然是一个"伪等价"框架：招商银行PE 8倍、增速10%；某科技股PE 80倍、增速80%。两者PEG都是1.0，但等式根本不成立——PEG压制了两个决定性维度：风险（R），科技股的技术路线风险、竞争颠覆风险远高于银行股，必须匹配更高的必要收益率；时间（n），银行的10%增长可持续15年，科技股的80%高增长窗口往往只有4-5年。没有R和n，增长率只是一个孤立数字，PE的高低就失去了可比性。

2、P/S：营收幻象与PE收敛铁律

市销率（P/S）在科技成长股中被广泛使用，但它遮蔽了一条铁律：P/S最终必须收敛于P/E。P/S = P/E × 净利润率。当净利率仅为2%时，一家4倍P/S的公司隐含PE高达200倍。在内卷薄利时代，光伏、电动车赛道的估值泡沫，正是对这一收敛定律的集体遗忘。

3、DCF与FCF：价值源泉的根本混淆

 DCF及自由现金流（FCF）折现是机构投资者最信赖的"精密工具"，但它们共享一个根本性概念错误：混淆了资金宽裕度与股东可分配回报。FCF的"自由"受限于会计利润的法律约束——当保留盈余为负时，即便FCF为正，企业也无法向股东分红。亚马逊2014年的数据是最有力的实证：FCF 19.5亿美元，净利润-2.41亿美元。这说明自由现金流比净利润更容易操纵和更有迷惑性。相比净利润指标，如果采用经营性现金利润+12个月或更短期应收账款利润，会更能准确地表达企业的真实盈利能力。

永续假设：数学上优雅，经济学上荒谬。 DCF最大的软肋藏在它的数学结构里。通常80%以上的企业价值来自终值，而终值公式——现金流×(1+g)/(R-g)——背后叠加了三个假设：企业永远增长、增长率恒定、折现率不变。没有一个真实企业满足这些条件。但市场上的许多投资者甚至大机构依然把这种假设信仰作为估值依据。

二、PEGR的理论基础：一个四维度的完整坐标系

PEGR的核心命题是——企业的股权价值由且仅由四个要素共同决定：

E（Earnings）：净利润（经合理化处理后的主营业务现金净利润），是估值的折现标的。PEGR选择净利润而非FCF，基于两个理由：净利润是投资者最终可分配的法定盈余；经营性现金净利润比FCF更不容易被管理层操控。

G（Growth）：企业盈利的增长速度与可持续性，是价值创造的驱动力。注意这里的G不是简单的复合增长率g，而是净利润的现值累计在动态回收期内形成的有效增长率G。

R（Required Return）：投资人的必要收益率（也是最低收益率或折现率），是本金安全的门槛约束。R不是静态的常数，而是随时间递增的函数——时间越长，信息可预测性越低，不确定性越大，要求的风险补偿（期限溢价）越高。

n（Dynamic Payback Period）：在R的折现下，收回全部初始投资所需的动态回收期。这是PEGR区别于所有传统框架的核心创新。n不是人为主观设定的预测年限，而是由内部收益率IRR曲线与折现率R曲线相交所内生的边界。

图1. 内部收益率IRR与折现率R曲线示意图

如图1所示，一个估值或价格，都有多个动态回收期（取决于投资人的风险偏好或折现率大小），但所有动态回收期都在有效价值期（t3）内。

PEGR的核心公式（CPV模型）表述为：

公式含义：人们在选择高市盈率股票时，并不是看中了更长时间的投资回收期，而是其背后的高增长率。正是高增长率，才使投资高市盈率股票投资的回报率高于投资低市盈率股票。因此，市盈率中的估值 P 应该等于动态投资回报期n内的净利润累计现值CPV（Cumulative Present Value）。

随着资本市场中科技企业的数量越来越多，企业的成长性已成为资本关注焦点，上述公式中并无增长率，因此要将这个公式转化为有增长率的估值模型，以方便不同项目的比较：

其中，E为预测期第一年净利润的现值，G为n内净利润现值增长率，n为动态回收期（Discounted Payback Period，DPP）

PEGR 公式是是估值水平（市盈率P/E）与盈利能力（现值增长率G）、风险水平（折现率R）以及资本耐心（投资回报期n）之间的量化关系。

PEGR方法相对于DCF方法在三个维度上实现了本质上的突破：①折现标的从FCF替换为净利润；②估值终点从永续假设替换为内生的有效价值期；③终值处理从外生假设替换为隐含终值的市场经验提取（隐含终值动态回收期理论）。

三、两大"0-1"突破：从数学上证伪永续假设

突破一：R-IRR双曲线相交——有效价值期的发现。

PEGR最重要的理论贡献，是通过R-IRR双曲线相交，从数学上证明了DCF永续价值假设的不成立。

IRR曲线（递减）：在给定期初定价的条件下，企业的内部收益率随时间推移不可避免地下降。高增速无法无限持续，基数效应和技术周期使得投资回报率逐步走低。当然，只有持续创新，不断涌现增长的“第二曲线”可以保持IRR曲线高于R曲线的趋势，这也是科技企业估值的重点：观察“第二曲线”。美国科技上市公司经常通过并购优质“技术资产”（早期科创企业）来培育“第二曲线”。

R曲线（递增）：投资人的实际折现率随时间上升。时间越长，信息可预测性越低，不确定性越大，要求的风险补偿（期限溢价）越高。

两条曲线必然相交。交点定义了一个关键时刻：IRR = R。在此刻，投资的内部收益率恰好等于投资人要求的必要收益率，价值创造归零。交点之前，IRR > R，投资创造正NPV；交点之后，IRR < R，NPV为负——期初投资如继续持将有不再创造价值（投资收益低于资本成本）。如图1所示，IRR与R曲线交点之前的区间，就是"有效价值期"（Effective Value Period，EVP）。

这一框架的关键突破在于：竞争优势期（CAP）和衰减率（Fade Rate）理论同样认识到超额收益的有限性，但它们的处理方式是在DCF内部缩短可预测期、之后仍接永续终值。有效价值期则从DCF外部证明——交点之后的永续价值在数学上不存在。这是从"修补"到"终结"的范式跳跃。

可以用一个类比理解这一发现的意义：Macaulay久期之前，债券投资者也知道"长期债券风险更大"，但只能用到期日粗略估计；久期之后，时间成为精确的风险度量工具。同理，有效价值期之后，时间成为股权价值的硬边界。永续假设的破产从此可以被图示化、定量化，而非仅仅被主观质疑。

突破二：隐含终值DPP——市场定价的"压缩编码"。

PEGR的第二个原创性贡献，是提出了此前从未被系统阐述的命题：任何盈利企业的市场价格下的动态回收期DPP，都内嵌了市场对其远期终值的预期。

这一命题可以这样理解：当市场以某一价格为一家企业定价时，如果仅凭可预测期内的净利润折现无法收回本金，那么价格中必然包含了对可预测期之外远期价值的预期，这就是"隐含终值"。它不是分析师外生假设出来的，而是从市场价格中内生提取出来的。

DPP因此被分解为两部分：可预测期DPP（以合理增长预测为基础的回收期）和隐含终值期（超出可预测期、由市场情绪和对远期不确定性的"拥抱"所定价的部分）。通过历史数据提取不同行业的隐含终值定价规律，结合R-IRR交点对模拟结果进行约束验证——这与DCF没有依据任意设定永续增长率的做法有着本质区别。

图2. 基于隐含终值动态回收期判断估值合理性示意图

如图2所示，采用市场平均动态回收期（隐含终值），可以对不同估值或价格的合理性进行分析。如果估值或价格被低估，其可预测期的CPV在估值和价格中的比重就会较高，相应的，隐含终值的比重就会较低，如图中的绿虚线；反之亦然，如图中的红虚线。前者除了业绩真实表现不好外，一般会是被市场低估的潜力股，2010年苹果公司的股价就是这种情况。

四、PEGRn/D/F：面向科技企业的三系数估值体系

对于科技企业，PEGR进一步扩展为三系数体系。这不是简单的"添加变量"，而是对科技企业估值中三个不可还原的独立维度的分别处理。

R（折现率）：处理"风险溢价"——多一点风险，估值打九折。R是连续平滑的，适用于所有企业。

U（成功率）：UNIT+RC评价模型中U维度的技术成功率。TRL（技术就绪度）决定U的基础值——TRL 5对应约40%-60%成功率，TRL 8对应约80%-90%。U回答的是"给定资金，技术能否成功"。（UNIT+RC模型详见上海金融与发展实验室公众号《科创企业的评价与估值方法》一文）

D（Dynamic Share Base Adjustment，动态股本调整）：处理股数变动——增发稀释、回购缩股、员工期权行权。D回答的是"PEGRn算出的企业总价值，分摊到每股是多少"。对于早期公司，D还覆盖从Seed到IPO的多轮稀释路径。

几乎所有经典估值模型在计算出"企业总价值"之后，都将"除以总股本"视为一个机械的算术步骤。这种处理方式隐含了一个致命假设：总股本是一个静态常数。然而，2011年至2021年间，S&P 500成分股的流通股数量总体减少了约12%，Russell 3000指数中最小的三个十分位公司年均稀释率却高达6%。大公司通过回购持续"缩股"，小公司因融资需求和股权激励不断"扩股"。将这两种截然相反的动力机制用同一个"静态股本"假设来处理，本质上是对估值精确性的系统性破坏。

D_net = 1 / (1 + 累计净稀释率)，其中累计净稀释率 = 累计增发率 - 累计回购率 + 累计SBC行权率。D_net不是一个静态折让系数，而是一个随时间演化的路径函数。对于早期科技公司，D_net可能从1.0逐步降至0.3-0.5；对于成熟公司如苹果，D_net可能从1.0升至1.5-2.0。

F（Financing/Capital Force Factor，资本动力因子）：这是三系数体系中最具原创性、也最容易被误解的维度。

传统估值框架试图把"融资风险"放进R维度——融资困难？提高折现率2-3个百分点。但R是连续平滑的，无论调到多高，模型都会给出正估值。R永远算不出"归零"。

但科技企业的现实是：融资失败=项目归零。这不是风险折让，这是整个增长路径的断裂。F因素的作用机制与R完全不同——R是斜坡，F是台阶。

SpaceX 2008年：F=0→1的跃迁。 账上现金仅够数周，第四次发射是"全或无"。在R维度中，R从25%提高到35%——估值从2亿美元可能降到1.2亿美元。但现实是：如果Elon没有砸进最后的3500万美元，Space X就会破产，估值化为零。3500万美元到位后，NASA 16亿美元合同随之而来——从Falcon 9到Dragon到火箭回收到Starlink到Starship的整个期权链被解锁。3500万美元撬动了3500亿美元。这不是R维度的平滑折让能解释的——这是F因素的0-1跃迁。

Open AI与软银：AI大赛中的F因素。 2025年，软银向Open AI投资400亿美元，估值从1570亿美元跃至3000亿美元。R维度最多解释230亿美元涨幅。实际涨幅1430亿美元来自F因素——软银改变了市场对Open AI融资成功概率的判断（F从0.6跃迁到0.9），解锁了GPT-5到Stargate到AGI的整个期权链。

F因素不是永远存在的——它是随企业成熟度自动调整的阶段开关。 一旦企业进入TRL 8+，F因素关闭（F=1），企业可以通过经营现金流和公开市场融资维持运转，融资成为中性事件，只通过D维度影响每股价值。

五、五层估值框架：结构化解析价格泡沫

PEGR为科技成长股提供了五层结构化估值框架，将价值的不同来源清晰分离：

以特斯拉为例：第一层基础价值166-184美元（汽车+储能第一曲线的确定性价值）；加入40% LCP后第二层276-307美元；第三层307-368美元（FSD/机器人第二曲线早期验证）；第四层368-414美元（橙色预警区，远期线性外推）；第五层414-469美元（红色警报区，不可验证叙事）。当股价469美元时，市场为"不可验证的远期故事"支付了超过280美元的溢价。

2021–2022年科技股泡沫破裂的复盘展示了增长率分层模型的解释力：处于Tier 3的NVIDIA回撤66%，Tier 4的Tesla回撤73%，Tier 5的Snowflake回撤72%、Rivian回撤92%。层级越高，估值中叙事期权占比越大，这使得高Tier标的在流动性逆转时呈现更剧烈的估值收缩。这不是巧合，而是估值结构非线性的脆弱性。

六、投资效率：从"值多少钱"到"赚多少钱"

PEGR框架进一步将估值升维为投资决策体系。这个投资体系将关注两个效率目标：

安全效率——多长时间回本？安全效率用1/DPP表示，即每年回本率。

回报效率——多长时间，净赚多少钱？投资净回报率为ROR，回报效率用ROR/T表示，即每年能净赚多少钱。

ROR（Return over Recovery）：回收后回报是动态回收期n后，在企业继续增长的情况下（确保IRR＞R），t时间内获得的IRR-R的累计折现值÷P（期初投资额）的比率，即超额投资回报率，T=n+t。其公式如下：

ROR也称为YERF（杨氏超额回报预测 / Yang's Excess Return Forecast），也是"认知差回报率"（Cognitive Differential Return, CDR），用于投资决策型估值。

杨氏超额回报预测（Yang's Excess Return Forecast, YERF）定义为YERF = IRR - R，即在必要回收期之后，项目继续产生的内部收益率（IRR）与必要收益率（R）之间的差额现值累计。这一概念与传统框架中的超额回报有本质区别：传统Alpha（Jensen, 1968）基于CAPM的静态超额回报，不考虑时间维度，也不考虑资本成本；YERF则是基于DPP边界的动态超额回报，明确考虑投资时间延长后的价值创造。具体而言，当投资者在DPP时刻收回本金后，如果继续持有一段时间，就可以获得超过本金和资本成本的净回报率。这个差额就是投资者通过"认知差"获得的超额回报。

ROR的经济学含义：ROR衡量的是，在已经回本（DPP=n）之后，继续持有t年，所获得的超额收益（IRR-R）的累计折现值，相对于初始投资P的比率。它回答了一个关键问题："我不仅拿回了本金，还额外赚了多少？"。获得ROR的时间段为图1中的t1-t3阶段。

由于效率指标都是时间的函数，因此ROR/T就是“单位时间（年）净投资回报率”。

每一个投资品都有与其公开信息匹配的均衡ROR/T。 当出现"高增长、低风险、短DPP"项目时，资本涌入会迅速推高价格、拉长DPP，直至ROR/T回归均衡。这一均衡机制解释了为什么低ROR的美国国债和高ROR的科技股可以在同一市场中共存：它们的经不确定性（不可度量的不确定性，而非可度量的风险R）调整后的ROR/T会趋向一致。

七、结语：不是终点，而是更诚实的起点

从1938年Macaulay发明久期，到2025年PEGR提出有效价值期，金融理论走过了87年。久期让时间成为债券风险的精确度量；有效价值期让时间成为股权价值的硬边界。

PEGR的核心贡献可以概括为四个"替代"：用有限期替代永续、用净利润替代FCF、用隐含终值替代假设终值、用R-IRR交点替代主观预测年限。在此基础上，PEGRn/D/F三系数体系进一步将资本动力（F）从技术成功率（U）和经营风险（R）中独立出来——因为对于科技企业而言，能否拿到关键资金不是"风险溢价"问题，而是"生死开关"问题。

但这只是开始。PEGR框架的完整拼图还包括若干关键专题：

D因素专题：股权变动对估值的影响

从增发稀释到回购缩股，从SAFE（未来股权简单协议，硅谷种子轮/天使轮的标准化融资方式）的"堆叠效应"到SBC（股权薪酬/股份支付，科技公司，尤其是未盈利公司吸引人才的核心手段）的费用化处理，如何将企业总价值精确分摊到每股？PEGRn/D/F中的D因子提供了从"企业层面"翻译到"股东层面"的精确工具。

估值分层专题：共同尺度下的泡沫预警

如何用增长率作为跨公司、跨行业直接可比的五级分层体系？2020-2021年科技股泡沫的复盘已验证了分层模型的预警能力——Tier 3的股票回撤50-70%，Tier 4-5的股票回撤70-92%。

投资效率专题：从本金回收到超额回报的完整闭环

DPP与YERF的结合如何构建"IRR+R曲线→DPP→YERF"的三维决策链条？ROR/T均衡如何指导资产配置？Kelly公式如何将认知差转化为具体仓位？

风险与不确定性专题：可度量与不可度量不确定性的区分

弗兰克·奈特（Frank Knight）在1921年《风险、不确定性与利润》中对不确定性做出如下区分：

风险与不确定性的关键区别：

风险是"我知道我不知道什么"（我知道骰子有6面，每面1/6，但不知道下一次是几点）；

不确定性是我不知道我不知道什么"（我不知道这项技术有没有市场，我甚至不知道市场应该长什么样）。

还有介于二者之间的模糊认知（比如某技术的成功率无法靠历史经验度量，成功率置信区间可能是[5%, 30%]，因过范围宽而无法采用）。

PEGR方法将剔除对"信息黑箱"不确定性的理性僭越式的定价，并对不可测度的模糊认知做单独说明，而不再将容易产生巨大分歧主观风险度量（宽范围的折现率和成功率）纳入估值。

真正的估值共识，从来不是找到一个所有人都接受的数字，而是找到一套所有人都能理解其局限性的语言。PEGR比它之前的任何估值框架都更诚实地面对了这门学问的本质：它是艺术，也是科学，但首先是对不确定性的诚实承认。

估值的巴别塔已经矗立了太久。PEGR的目的不是成为另一座高塔，而是为这座废墟提供一套共同语法——让说不同语言的人，至少能就"边界在哪里"达成一致。

注：

本文基于杨川《估值革命：从自由现金流到成长性驱动的价值模型》系列研究及PEGR框架最新理论拓展整理。原系列登载于"上海金融与发展实验室"公众号。

来源：上海金融与发展实验室