第五章 第二节预测增长率..pptVIP

第五章 第二节 如何预测增长率 一家公司的价值最终不是决定于公司当前的现金流，而是公司预期的未来现金流，因此，估计收益和现金流增长率是公司合理估价的关键。 第一 使用历史增长率 一、使用历史增长率的平均值 此方法使用公司历史增长率的平均值作为预期未来增长率。 1、算术平均值与几何平均值 增长率平均值是使用算术平均值还是几何平均值，结果是不一样的。算术平均值是历史增长率的中值，而几何平均值则考虑了复利计算的影响。显然后者更加准确地反映了历史盈利的真实增长，尤其是当每个增长是无规律的时候 A公司1995年至2000年间的每股盈利(假设股本不变)： 算术平均值=（36.36%+1.11%+39.56%-11.02%+12.39%）/5=15.68% 几何平均值=（1.27元/0.66元）1/5-1=13.99% 几何平均值小于算术平均值，并且这一差值将随着盈利水平波动方差的增加而增大。 一种替代使用简单算术平均值的方法是使用加权平均值，即较近年份的增长率赋予较大的权数，而较远年份的增长率给予较小的权重。 采用平均值估计企业的增长率，过去5年盈利增长率的估计结果与过去6年增长率的估计结果会一致吗？ 2、估计时段 增长率平均值对预测的起始和终止时间非常敏感。过去5年盈利增长率的估计结果可能与过去6年增长率的估计结果大相径庭。 预测时段的长度取决于分析人员的判断，但是应根据历史增长率对估计时段长度的敏感性来决定历史增长率在预测中的权重。 算术平均值=13.32% 几何平均值=（1.27元/0.65元）1/6-1=11.81% 请思考：算术平均数与几何平均数在预测企业增长率时有何缺陷？ 3、线性和对数线性回归模型 不同时期的盈利水平在算术平均值中的权重是相等的，并且忽略了盈利中的复利影响。而几何平均值考虑了复利的影响，但它只使用了收益时序数据中的第一个和最后一个盈利观察值——忽略了中间观察值反映的增长率在整个时期内的发展趋势。这些问题至少可通过对每股盈利和时间运用普通最小二乘法（OLS）进行回归分析部分得到解决。 这一模型的线性形式为： EPSt=a+bt 其中：EPSt=t时期的每股盈利 t=时期t 时间变量的系数是度量每一时期盈利水平变化的指标。该线性模型虽然考虑了复利计算的影响，但是因为它是用以元为单位的每股净收益（EPS）来解释增长率的，所以在预测未来增长率方面该模型的效果并不理想。 这一模型的对数线性形式把系数转化成度量百分比变化的指标。 In(EPSt)=a+bt 其中：In(EPSt)=t时期每股盈利的自然对数。 时间变量的系数b变成了度量单位时间内盈利的百分比变化量的指标。 线性回归方程：EPS=0.517+0.1132t 对数线性回归方程：In（EPS）=-0.55536+0.1225t 对数线性回归模型的斜率（0.1225）给出了盈利增长率的预测值为12.25%，线性回归模型得到的斜率是以元为单位的。对于两个回归方程，2001年公司每股净收益的预测值为： 预期EPS（2001）：线性回归方程=0.5171+0.1132×8=1.42元 预期EPS（2001）：对数线性回归方程＝e(-0.55536+01225×8)=1.5３元 使用历史增长率预测未来增长率时如果盈利时序数据中出现负值会如何？ ４、对负盈利的处理 使用历史增长率预测未来增长率的方法会由于盈利时序数据中出现负值而失真。以年为时间单位的盈利百分比变化定义为： t时期每股净收益（ＥＰＳ）的百分比变化＝（ＥＰＳt-EPSt-1）/EPSt-1 如果EPSt-1为负，则计算的结果是没有意义的。 这种情况也存在于几何平均值的计算中。如果初始时期的EPS是负值或Ｏ，则几何平均值是没有意义的。 同样的问题也出现在对数线性回归模型中，因为每股净收益（ＥＰＳ）只有大于０，其对数才存在。 一种方法是使用前面定义的每股净收益（EPS）对时间的线性回归方程： EPS＝a+bt 则增长率可近似表示为： EPS的增长率＝b／整个回归时间区间的平均EPS 这里假定整个回归时间区间的平均EPS为正值。 另一种估计该种类型公司增长率的方法是由Arnott于１９８５年提出的，他使用的公式是： EPS的百分比变化＝（EPSt-EPSt-1）/EPSt-1的最大值 为什么这里我们采用的是每股净收益，能采用净收益总额吗？ ５、每股净收益和净收总额 对于在估计时期内发行大量新股的公司，净收益的增长率可能会产生误导，发行股票获得的资金将产生收益，相应的将增加总的净收入，因而应根据发行股票的数量对收入进行调整，这使得考察 每股净收益而不是净收益总额会更有意义。 二、在预测未来增长率时，历史增长率的价值 在预测未来增长率时，历史增长率的价值是由许多因素决定的，它们包括：