数据加载中…
数据加载中…
以后每次复盘、学习、推演、实战腾讯或同类资产，必须严格沿用本次推导顺序：不许浅层估值、不许单一 PE 估值、不许忽略边际 ROE、不许忽略 r 的构成、不许忽略市场定价矛盾。
后续所有估值学习、模型深化、实战论证，全部基于本次 90 分钟完整思考体系迭代。
标准 DCF 不假设公司立刻进入稳态，它只是把每一年可分配现金流逐年折回。Gordon 永续模型是它的单阶段稳态特例：当现金流从第 1 年后以恒定 g 永续增长时，求和才塌缩成 CF₁ / (r - g)。
正常结构是：高增长阶段 → 过渡阶段 → Gordon 终值阶段。要清醒看到：绝大多数 DCF 的价值并不在前面几年 EPS，而集中在终值；终值本质上还是 Gordon 那部分，所以它仍然受 r、g、b、ROEₘ 支配。
如果市场直接跳到悲观 Gordon 稳态（g→0），相当于主动抹掉了一段可能的过渡期：AI 边际 ROEₘ 即便不惊艳，只要 ROEₘ > r，这段过渡期就该有正价值，而不是直接被折成零。
多阶段 DCF 增加的是路径自由度：允许前高后低、允许 ROEₘ 衰减、允许 CAPEX 先投入后收获。它没有消解 r、b、ROEₘ、尾部溢价 s 的争议；不确定性依然主要集中在终值假设，而不是前面几年 EPS 的精确预测。
5) 二重计价在完整 DCF 里同样会发生：既下调未来现金流期望（把 AI 内卷、资本浪费、政策压力全扣进 CF），又抬高中长期折现率 r（把同一批风险再塞进 s）。所以完整 DCF 也必须配一张风险记账表：每个风险只进现金流或折现率一次。
市场相信 高 b + 高 ROEₘ > r：每多留一块钱再投资，都能创造超过必要回报的价值。估值由 g 主导，市场愿意为未来资本扩张付高倍数。
AI 迫使大厂新增资本开支，但市场开始怀疑这些新增资本的 ROEₘ：不是利润不涨，而是“再投资是否仍为正 NPV”的信心塌陷。估值锚从 g 滑向 r。
当市场预期 g → 0，估值不再奖励留存利润，转而锚定 1 / r 与真实股东返还现金流：分红 + 回购注销。
关键表述：成长股→股息股不是“企业老化”的道德判断，而是市场对永续再投资收益的预期发生迁移；迁移一旦完成，价格会提前反映极度悲观的 g。
真正股息估值的分母是年度自由现金流 FCF，不是净利润；净利润会被折旧口径、营运资本与资本开支节奏扭曲。实战要区分维持性 CAPEX 与扩张性 AI CAPEX，避免把成长投入全当成价值毁灭。
只认现金分红与回购且注销；回购不注销、用于股权激励对冲的部分不算真正返还。还要补三条：回购价格是否低于内在价值、是否扣足 SBC 稀释、是否举债回购。
真实返还率 =（分红 + 注销式回购）/ FCF；真实再投资比例 b ≈ 1 - 真实返还率。用它反推市场隐含 g，但必须和 ROEₘ、SBC、回购价格一起校验。
FCF 口径备注：AI 资本开支要分成「维持现有业务的维持性投入」与「争夺未来期权扩张性投入」。前者进稳态 FCF 扣减；后者要单独跟踪 ROEₘ，不能在第一年折旧高峰里直接判死刑。
赌“资本开支持续发生”：GPU、服务器、光模块、PCB、液冷、电源、IDC 的订单被市场外推成长期高景气；隐含买方（大厂）会持续把钱砸进 AI。
赌“资本开支长期 ROEₘ 偏低、内卷打水漂”：同样一笔 CAPEX，在硬件端被计成高确定性收入，在大厂端却被计成低回报甚至价值毁灭。
长期经济学要求闭环：硬件收入来自大厂 CAPEX，而大厂 CAPEX 的持续性来自 ROEₘ > r。不能同时相信“卖铲人永远丰收”和“买铲人永远挖不到金子”；但短期可被供给约束、国产化/政策溢价、库存周期、客户集中度与不同投资期限解释，所以实战要统一期限和口径后再判谁错。
腾讯还在 AI 再投资期，正确结构是：显性投资期现金流/CAPEX → ROEₘ 逐步衰减或兑现 → 稳态才用 Gordon。终值 g 必须显著低于 r；当 g 接近 r 时，模型只用于反推市场预期，不用于给点估值。
ROEₘ = 增量税后经营利润 / 增量投入资本。要调整：AI/RD 费用化 vs 资本化、GPU 折旧年限、云产能利用率、广告/内容/办公效率提升、SBC 稀释与投资资产波动。没有计量口径，ROEₘ>r 只是口号。
建一张风险登记表：政策、内卷、资本浪费、技术路线、汇率/流动性/治理分别标记「进现金流情景」或「进 r」。可情景化且可分散的下行进现金流概率；与市场下跌同频的系统性尾部才进 r。
统一假设后跟踪 4-8 个季度：大厂 CAPEX 指引、GPU/服务器交期与库存、云收入与利润率、AI 广告指标、硬件 backlog/议价、出口管制与电力约束。大厂 CAPEX 不降且硬件仍强 → 腾讯端更可能错；CAPEX 下修且硬件库存恶化 → 硬件端更可能错。
这套公式不能只服务当前叙事。每形成一个结论，都要拿 1-2 个不相关资产冷启动验证：成熟消费股、周期股、高 CAPEX 制造/公用事业都可以。若框架只在腾讯和 AI 上成立，那不是体系，只是为单一故事找理由。
任何估值结论前，先反推当前价格隐含预期：隐含 r、g、b、ROEₘ、payout、终值假设分别是什么；再写「市场隐含假设 vs 我的假设 vs 差异来源 vs 证伪指标」。没有反推，不允许说贵/便宜。
缺的不是更多理论，而是三个硬工具：几何级数、FCF/投入资本口径、反推市场价格隐含预期。这三个补牢，Gordon、DCF、r、二重计价都会顺。
当 ROEₘ 接近 r，P/B 应回到 1 附近；当 ROEₘ 持续高于 r，P/B 才配扩张。用它交叉检查 Gordon/DDM：不要只看 D/(r-g)，还要看账面资本上是否真创造了超过 r 的利润。
每个理论必须按同一顺序走：先学原理 → 再公式推演 → 再腾讯实战 → 再市场纠错。禁止浅层科普、禁止教科书空话、禁止只讲利润增速。每次结束前必须留一张反推卡：当前价格隐含什么 r/g/b/ROEₘ/payout，我的假设差在哪，什么数据会证伪我。
记录来源：2026-09-18 阿澈给出的「专属估值体系学习 + 实战落地提示词（腾讯 + AI 行业定价矛盾）」。已设提醒：2026-11-18 09:00 回到该框架继续系统化学习与实战落地。
版本记录：v1 原始框架 → v2 边界修正 → v3 DCF 补充 → v4 外部样本校验 + 强制反推 → v5 实战模板/指标源/Residual Income/口径 checklist。