什么样的生意可以被 DCF

写于 2026-09-25

这篇文章把《我的投资原则》里"不长期持有周期股"讲清楚一些。

一、论 DCF 的前提

我们做投资，本质上就是在计算企业价值，DCF 估值是计算企业定价的基准模型，说起来很简单：将企业未来每一年的自由现金流，按一个折现率折回今天，加起来就是企业的现值。这里写一下DCF模型：

$V_0={\sum }_{t=1}^n\frac{FC{F}_t}{(1+r{)}^t}+\frac{T{V}_n}{(1+r{)}^n},T{V}_n=\frac{FC{F}_{n+1}}{r-g}$

其中：

• $V_0$：企业今天的价值（现值）
• $FC{F}_t$：第 t 年的自由现金流，大致等于经营现金流减去资本开支
• $r$：折现率，代表资金的机会成本加上这门生意的风险，常用 WACC
• $n$：显式预测期，一般 5–10 年，这几年逐年预测
• $T{V}_n$：终值，第 n 年以后所有现金流折算到第 n 年的价值，常用永续增长模型计算
• $g$：永续增长率，必须小于 r，一般不超过长期名义 GDP 增速

公式里藏着两个和本文有关的事实。一是远期现金流的分量很重：以 r = 10%、g = 3% 为例，第十年以后的现金流占了企业价值的一半以上，这门生意得活得够久，估值才有意义。二是终值对参数极其敏感：分母是 r − g，g 从 3% 调到 4%，终值就涨了近两成。

我们在对企业做DCF估值的时候，需要基于一些假设搭建财务模型，预测未来业绩、给折现率，最终计算出一个数值，很多人也确实是这么做的，但为什么估值估出来天差地别呢？

看起来是大家做的假设不同，导致参数相差太大，而 DCF 估值对参数设计非常敏感。但为什么大家做的假设是如此不同呢？本质上大多数生意本身太不稳定，所以根本无法被DCF，在芒格的评价体系中，这些问题属于“太难”。

以我个人的经验看，一个生意要可被 DCF，其商业模式至少要满足以下两个条件：

1. 久期够长：公司要活得够久。DCF 是一个对年限要求很高的估值工具，我们至少要确保十年后这门生意还在，否则就没必要使用 DCF 模型去折算未来价值。
2. 基数稳定：公司具有稳定的自由现金流。要能说清楚之后每一年的自由现金流大概是多少，如果企业现金流水平波动很大，今年流入一百亿、明年流出五十亿，那 DCF 的起点本身就不成立。

总结一下，有较长久期的稳定自由现金流，这是一个公司“可被 DCF”的前提，基于这个前提，我们再来看哪些生意其实是无法被 DCF 的。

二、论品牌商和渠道商

最早想这个问题是来源于一个朴素的观察，我在研究大消费行业的过程中，发现像Nike、Lululemon这样的公司，在前几年的研究里面，都是皇冠上的明珠，消费板块的大牛股，但这几年股价腰斩再腰斩，表现很差。于是我开始思考这些问题：这些企业到底发生了什么样的变化？是基本面的变化还是预期的变化？股价的驱动因素是什么？为什么有人愿意在高位买入（事后回看）？如何才能避免自己就是在周期顶部接盘的那个人呢？

图：Nike 上市以来股价，2026-09-25 收于 35.75 美元，较高点跌去约八成。数据：Stock Analysis

图：lululemon 上市以来股价，2026-09-25 收于 101.30 美元，较高点跌去约八成。数据：Stock Analysis

我自己其实也在“品牌商”工作，在接触业务的过程中，我逐渐对“产品”、“品牌”这些词有了更深入的理解，我先把企业简单地分成两类：一类是品牌商，一类是渠道商。一个朴素的直觉是——品牌商周期性很强，渠道商周期性相对弱一些。

我把这个直觉拆开，从一个定义和四条公理往下推。

定义：产品是对「某些用户在某些场景下的某些需求」的一次押注。用户需求本身不可观测，产品经理们通过代理变量反推用户需求，产品本身只是供给的一种表达形式，供需匹配本质上是：这种表达形式能够接得住某些需求。

公理

• 公理一：需求满足不完。 人的欲望满足之后会生出新的欲望，所以需求永远不会被完全满足。
• 公理二：需求是分层的。 最底层是少数几种跨越时间和文化永恒不变的需求，比如生存、快乐、创造、被认同等等，马斯洛的需求层级理论也是类似的划分框架之一；往上，则是在具体的技术和文化条件下派生出来的需求。而产品能够满足的需求，只是其中某一层的某一部分。
• 公理三：需求不可观测。 需求是“精神”的，并无实体，但在物理世界有投射，所以我们可以也只能通过价格、销量、用户行为等代理变量去归纳需求。
• 公理四：用户的认知容量有限。 人记不住太多东西，一个品牌往往只靠少数几个符号被记住。

推论

1. 底层需求稳定，但派生层在流动。派生需求依赖技术和文化，而这两样一直在变，所以用什么去满足底层需求，也就是偏好，一直在变。供给能塑造的，也正是偏好这一层。（公理二）
2. 押中需求是概率事件，所以产品创新具有偶然性。（公理三 + 推论 1）
3. 押中了也不会一直中，所以产品天然有生命周期，只是长短不同。（推论 1）
4. 旗舰产品定义品牌，品牌的命运绑在旗舰产品的生命周期上。（公理四 + 推论 3）
5. 品牌商是单点匹配：押中时独占一种偏好，有定价权，短期有超额利润；周期一过，利润就掉下来。所以品牌商有周期，不稳定。（推论 2、3、4）
6. 渠道商不押单一的满足方式，而是站在底层需求上组合很多供给。偏好在流动，但流动发生在渠道内部：用户从 A 换到 B，还是在同一个货架上买。所以渠道商周期性弱。（公理二 + 推论 1）
7. 渠道商卖的是匹配效率。效率能不能被模仿，决定了它是不是苦生意：零售商的效率来自规模和运营，对手学得会，竞争激烈，省下来的钱大多让给了消费者，所以零售是苦生意；平台的效率来自网络效应，买家越多、卖家越多，后来者学得会功能、学不会网络，所以平台是好生意。（推论 6）
8. 两者的命脉性质不同。品牌商的命脉是用户偏好，这是外生变量，方向一直在漂移，自己控制不了，只能押注，命中率很难提高。渠道商的命脉是匹配效率：消费者对匹配的要求无非多、快、好、省，方向永远不变。既然方向已知，比的只是程度，效率就能一年年积累下来，这是内生变量，Costco、沃尔玛等公司把选品和成本做好，就能活很久。（公理三 + 推论 7）

基于这个简单的二元分类，我直接不买传统的“品牌商”了，事实上这个决定也确实帮我避开了投资中很多“看起来像长期复利、实际上是顺周期”的坑。

但这个二元分类框架比较简单，它有一些无法解释清楚的边界，比如：

• 可口可乐和 Hermès 为什么是例外？ 看起来它们明明是品牌商，但却这么稳定，如果我们认为他们是某种“跨周期的社会共识”，这种共识的本质是什么？
• 奈飞到底是品牌商还是渠道商？ 奈飞有内容产品周期，看起来像是个品牌商；但订阅和用户心智又让它像一个分发长视频的渠道商。我们到底应该把奈飞放在哪一边呢？

这两个疑问指向同一个底层问题——这个二分法框架隐含了品牌商站在偏好层，押的是单一的满足方式；渠道商站在底层需求上，靠组合很多供给来做匹配——事实上大多数公司确实是这样分类的，所以它好用。但有些公司就套不进去了：可口可乐、Hermès，甚至茅台，明明都是品牌商，却稳定得像渠道商；至于奈飞，按这个二分法就更没法归类了。

我们需要更进一步，从价值、供给和需求出发。

三、论供给和需求问题

先说清楚本文说的“价值”是什么。这个词有很多种说法，本文只关心一种：交易创造的价值。一笔交易里，买方最多愿意付的价钱，减去卖方最少愿意接受的价钱，中间这段差额就是这笔交易创造出来的“价值”。价格在供需匹配过程中决定，价格也隐含我们刚刚提到的价值怎么分配——价格越高，卖方分得越多，买方越少。

其次，对于公司本身的性质，大多数时候公司作为产品的供给方，比如 Nike，直接向终端消费者供给产品，满足某种需求；也可能提供某种“渠道”，比如 Meta 向广告主提供投放广告的渠道，它不直接参与商品交换，但让买卖双方更便宜地找到彼此，省下了交易成本，也创造价值。公司最终赚到的利润，来源于它在这块价值里分到的那一部分，而分多少，则取决于它在链条上有多不可替代。

回到账面上，一门生意的利润就是（价格 − 成本）× 数量。事实上，由于成本本质上也是一种价格——是公司向上游买东西时付的价格，所以我们研究的对象主要是商品的价格和数量。而价格和数量都由需求曲线和供给曲线决定，所以本质上我们研究的是这两条曲线。

（注：实际上需求曲线和供给曲线本身无法被观测，我们只能通过观测价格和数量这些代理变量，反向推导一些曲线性质。）

本文聚焦对需求曲线的研究，不把供给曲线作为主线的原因主要是以下三点：

1. 供给是响应，需求是牵引。 按照公理一和推论 1，欲望在先，供给能塑造的只是偏好这一层。需求决定供给往哪里走，供给决定能跟得多快。
2. 供给看得见，需求看不见。 公司自己的供给，比如产能、成本、效率，大多是可控变量，写在财报和资本开支计划里；一座矿、一座晶圆厂从动工到投产要好几年，提前就能看到。而需求本身不可观测（公理三）。
3. 供给的难题，总是在需求摆动时才暴露。 行业里其他玩家的供给决策是一场博弈，能分析，但很难预测；而这场博弈的触发点往往是需求：需求上来时大家一起扩产，需求回落时比谁更扛得住亏损。

我们对需求曲线的研究聚焦以下两个问题：

1. 这条需求曲线会不会消失？
2. 这条需求曲线会不会剧烈摆动？

这两个问题刚好对应第一节提到的“可被 DCF”的两个必要条件：企业现金流的久期和基数问题。

四、需求曲线的 %问题

先看第一个问题，需求曲线是否消失。这里先做个重要区分：底层需求和对某个产品的需求，是截然不同的两条需求曲线。

人总要喝点好喝的水、穿衣服、打发时间、买点让自己开心的小东西，这些底层需求不会消失（公理一）；但对某一个品牌、某一个系列、某一款产品的需求，则随时可能消失。

两者之间隔着一条派生链（公理二）。以饮料为例：

图：需求的派生链。“健康”是健康观念派生出来的一层，每往下走一层，都要乘一个可能会挪动的 p

每往下走一层，就要问一次：这一层在上一层里占多少？这个占比会不会挪？所以一个产品的需求可以写成：

$D_{\text{产品}}=D_{\text{底层}}\times p_1\times p_2\times \cdots \times p_k$

链条上的每一个 p，都是一个 % 问题，也可以理解为“命中率”问题。我们做一个产品，本质上是想抓住一个需求池里面的需求。弱水三千，选一瓢饮——从产品定义到产品运营，每一个环节，任何动作可能都会影响最终捕获的需求池大小，所以做产品过程中的各种决策本质上是一个又一个的 % 问题。

与 % 问题相对的是总量问题，也就是底层需求有多大、会不会摆动。这是纯粹的规模波动，和产品押没押中需求没关系。

要注意，% 问题说的不是占比小（占比大小是总量问题），而是占比不稳定问题。可口可乐在所有“好喝的水”里占比其实不大，但这个占比一百年都很稳定；一款网红新品眼下也许涨得很猛，但只要它依赖的那一层需求发生迁移，它的需求曲线就随时可能消失。

（注：至于大家常说的“品类”，比如碳酸饮料、无糖茶等等，这些只是这条链上某一层的名字，怎么切并没有科学标准，所以本文不拿它当参照系。）

为了阐述的准确性，我用一个数学模型来描述这个框架。

做产品，本质上先选定一个需求池，押它在上一层里大概占多少，记作 $\bar{p}$；真实的占比会在这个预期附近偏离，记作 $\epsilon$：

$p_i={\bar{p}}_i(1+{\epsilon }_i)$

代回去，得到产品的总需求：

$D_{\text{产品}}=\underset{\text{总量}}{\underbrace{D_{\text{底层}}}}\times \underset{\text{需求池大小}}{\underbrace{{\bar{p}}_1\cdots {\bar{p}}_k}}\times \underset{\%\text{问题}}{\underbrace{(1+{\epsilon }_1)\cdots (1+{\epsilon }_k)}}$

第一项是总量问题；第二项是押注那一刻就定下的常数，你选的是一瓢还是一桶，它决定生意的规模；第三项才是 %问题，代指每一层实际占比的偏离。

取对数，把乘法变成加法，再假设各层的偏差互不相关，产品需求的波动大致可以拆成：¹

${\sigma }_{\text{产品}}^2\approx {\sigma }_{\text{底层}}^2+{\sigma }_{{\epsilon }_1}^2+\cdots +{\sigma }_{{\epsilon }_k}^2$

从这个式子能直接读出几件事：

1. $\bar{p}$ 不在式子里，所以 %问题和占比大小无关。
2. 层数越多，加的项越多，这就是下面要讲的“底层通用性”；每一项的 σ 越大，这就是“时间稳定性”。
3. 偏差是会累积的：离现在越远，越难看清需求的变化。而第一节曾提到，十年以后的现金流占了企业价值的一半以上，所以 %问题恰好卡在 DCF 里权重最重的那一段。
4. 只要有一个 ε 跌到 −1，乘积就归零，这就是“需求曲线消失”现象。

我们的结论是：由于 % 问题过于复杂，所以最好的生意只有总量问题，没有 % 问题，用上面的式子说，就是每一个 ${\sigma }_{\epsilon }$ 都接近零，只剩 ${\sigma }_{\text{底层}}$。

%问题的两个维度

%问题的多少，取决于两个维度：需求的底层通用性，也就是产品离底层需求隔着几层、链条上有几个 p；和产品的时间稳定性，也就是每个 p 变化得有多快、多久需要重新押中一次。

先看第一个维度。回到公理二，需求是分层的。举个例子，可口可乐满足的需求是“喝好喝的水”，这个需求已经很接近底层了，因为再往下挖也挖不出别的。但这个世界上同时也有很多派生需求，我们以录音笔举例子（可见《对Plaud的一些研究》）：最早用户要的是录得清、转得准，后来要的是摘要准不准、能不能直接用；再往下，用户真正想要的是有人帮自己把工作做完。“转得准”只是技术不够的时候，底层需求的一个映射，属于派生需求，本质上人的需求是少花精力和时间在工作上。

那什么样的需求算底层需求？我用三个检验：

1. 追问为什么，问到问不下去为止。 为什么要转得准？为了整理纪要。为什么要整理纪要？为了把工作做完。问到“就是想要”，基本上就到底了。
2. 看描述里有没有手段。 底层需求描述的是人的状态：不渴、省力、被认同；一旦描述里出现了工具的属性，比如转得准、续航长、像素高，就是派生需求。
3. 往回看一千年，找寻不变量。 一千年前的人有没有这个需求？有，大概率是底层的；没有，多半是被某种技术或文化派生出来的。

当然，这三条是必要条件，不是充分条件，一般情况下当个排除法够用了。

我们判断“底层”与否，是为了回答一个问题：这个产品解决的需求究竟是哪一层，还有没有更本质的需求？ 举个例子，可口可乐解决的需求是较为底层的——解渴又好喝；而录音笔解决的需求就没有这么本质了，一旦外部供给达到新产品出现所需的条件，新产品承接了新需求，这些老产品就被降维打击，需求曲线整条消失。

总结起来，如果一个产品解决的派生需求离底层需求太远，至少有两个脆弱性：

1. 技术：有的底层需求很难通过目前的技术解决，所以我们只能退而求其次解决派生需求。这是被技术条件卡住的映射：技术一进步，更深的那一层能被直接满足，停在浅层的需求曲线就会整个消失（整个品类都消失了）。
2. 文化：还有的产品承接的不是需求本身，而是一种被塑造出来的偏好（推论 1）。供给能塑造一个偏好，下一个供给者也能塑造出下一个，把用户带走（护城河不够）。

技术让品类消失，文化让用户迁移，这两种情况我们屡见不鲜。

第二个维度是时间稳定性，也就是每个 p 变动得有多快。它和底层通用性有较强的相关性，但仍有明显差异。相关性体现在，越往上的派生层，越依赖会变的技术和文化，p 往往变动得越快；差异体现在，就算离底层的层数差不多，但底层需求间的性质各有不同，有的产品押中一次能吃几十年老本（吃的口味），有的每一季都要重新押注（衣服样式）。

把两个维度放在一起看，大致有三档：

• 产品几十年不变、需求是基础需求（可口可乐、Hermès）——%问题接近零，哪怕它是品牌商。
• 产品需要定期升级换代（iPhone）——有%问题，但核心品类稳定。
• 产品每季、每年都要新爆品，过去的成功不保证下一次命中——%问题很多。

几个 % 问题多的例子

我们再看几个例子。

泡泡玛特通过卖潮玩起家，这个商业模式至少有四个 %问题：审美方向会不会变？下一个爆品是什么？竞争会不会更激烈？潮玩这个赛道本身会不会被别的东西替代？毕竟潮玩是被培育出来的审美偏好，并不是大众的底层需求，所以它面对的不只是“分蛋糕”的问题，还可能是“蛋糕本身消失”的问题。

大疆走的是技术创新的那条路线，更危险一些，靠技术领先的公司，总是站在被技术条件卡住的那一层，往往是四五个%问题叠在一起，比如下一代产品方向、长期技术路线、竞争对手追赶速度、地缘政策等等，整体市场总量还十分有限。

Zara 和 SHEIN 做服装，这个行业天然时间稳定性差，所以它们都想尽办法降低时间稳定性带来的 %问题。Zara 靠垂直整合的供应链，新款几周就能上架，一年推出上万个款式，单款押错也不要紧，靠大数定律平滑；SHEIN 小单快反，用算法测款，首单几十件试水，让市场投票，把“猜趋势”变成了“响应趋势”。

再聊聊茶饮，霸王茶姬的 %问题压在少数几款大单品上。招股书显示，2022 到 2024 年，它中国市场 GMV 里来自前三款鲜奶茶的占比从 44% 升到 57%，再到 61%，这正是推论 4：旗舰产品定义品牌，品牌的命运绑在旗舰产品上。而新中式奶茶本身是被塑造出来的偏好，事实上，外卖大战一卷，同行一降价，品牌粘性立刻遭受考验——2025 年它的同店 GMV 连续几个季度同比下滑两成以上，最深的一季跌了 27.8%，股价一度比发行价跌去六成多。而同样做加盟的古茗则成了个对照组：产品线更宽，门店密集铺在几个省里，冷链和供应链自己做，更像一个用渠道方式经营的品牌，所以反而在外卖大战中获益。

关键在于，这些%问题不是相加，是相乘的，就是前面那个式子：链条上每一层的 p 乘在一起。就算每一层我们都有七八成把握，但四层乘下来，也就三四成命中率。所以——变量越多，命中率越低。

回到品牌商和渠道商

我们把 % 问题这个框架描述清楚之后，再回头看第二节的问题。

为什么可口可乐和 Hermès 的业绩如此稳定？

图：可口可乐营业利润（它的营收因收购、又出售装瓶业务，口径变动很大，这里不用）和 Hermès 营收。数据：可口可乐 10-K、Hermès 年报

可口可乐不需要担心 % 问题，我们只需要考虑人们对“好喝的水”的需求总量问题。Hermès 也类似，本质上它是唯一的“顶奢”，其需求曲线和“顶级身份符号”这个需求贴得很紧密——它们和底层需求之间几乎没有会挪的层，几乎不可替代，也就是说，品牌做到极致，就是让自己的需求曲线和底层需求贴在一起，继承了底层需求的持久性——而这往往是渠道商的“特权”。

不过两家把 p 钉住的方式不太一样。可口可乐靠的是无处不在：全球铺货，伸手就能买到，再加上一百多年养成的饮用习惯，这其实是一种渠道式的机制，它是一个用渠道方式经营的品牌。Hermès 靠的是时间：它满足的是“被认同”这个底层需求，而身份符号的价值恰恰在于难以复制，历史又是最难复制的东西，所以它存在得越久，越不可替代。普通品牌的 p 会随时间衰减，这就是生命周期；Hermès 的 p 反而随时间沉淀，这大概就是“跨周期社会共识”的本质。它们一定程度上是一种“货币”——可口可乐是“好喝的水”的通用等价物，Hermès 的包是“身份地位”的通用等价物。可乐像零钱，拿到哪都能用，不需要谁相信什么；Hermès 更像黄金，拿来储值，价值要靠共识撑着。

当然，并不是说渠道就没有 % 问题了，只是渠道的 % 问题往往是内生变量，一定程度上可被控制。

举个例子，拼多多站在“省钱”这个需求上，省钱是几千年没变过的需求，非常稳定。拼多多自己不拥有商品，只连接买卖双方，不承担单个产品的命中率，自然没有产品周期问题，理论上可以高枕无忧了，但仍然有很多竞争对手，“想省钱就打开拼多多”这个默认入口，抖音、淘宝都在抢，渠道商的竞争也非常激烈。

入口可以理解成效率优势攒下的存量，再加上用户的习惯；而真正会让渠道丢掉入口的，往往不是同一种形态里的对手，而是渠道形态本身的迭代：百货、超市、电商、内容电商，每一次新形态出来，都会改写多快好省的组合方式。拼多多自己，就是作为一种新形态从淘宝手里抢到了入口——渠道商们一直在进行形态之争。

总结起来，品牌商和渠道商，只是 %问题在商业模式上的投影：投出来的，一是 %问题有多少，二是这些 % 自己控不控制得住。 品牌商的 ε 是外生的，偏好往哪漂，自己管不了；渠道商的 ε 大多是内生的，份额取决于自己的效率，只有形态之争是例外。再看那几个例外，恰好都是把控制不住的 p 变成了控制得住的：可口可乐靠铺货，SHEIN 把“押”变成“响应”，奈飞靠组合。

这也是为什么我不投资品牌商的原因，因为它们很危险——大多数品牌的生命周期太短了，一轮爆款过后，价值就毁灭了，不会再回来。需求曲线会消失，而这意味着资本的永久损失。

五、需求曲线的波动问题

我们再看第二种情况：需求曲线不会消失，但会剧烈波动。

这是上游周期股的典型处境。铜、铝、黄金、硅料、存储芯片——需求本身是稳定存在的，但需求在一定周期内的波动很大，受到各种外生因素的影响。

而供给端的产能响应往往有时滞：比如一座矿从勘探到投产要好几年，一座晶圆厂从动工到量产也要一两年。需求上来的时候，供给跟不上，价格暴涨，全行业大赚，于是都去扩产；等产能落地的时候，需求可能已经回落了，价格暴跌，全行业亏损，于是都去减产。

这种供需错配，是上游厂商们周期性的核心来源。

而且这类公司往往只能接受价格，不能决定价格——因为他们生产的几乎是标准品，没有定价权。但好处也来源于此，因为是标准品，所以它们面对的需求曲线就是整个行业的需求曲线，所以上游厂商们几乎没有 %问题——铜就是铜，不存在押错下一个爆款的问题——但与此同时，它的利润可以短时间从暴利一路跌到亏损。

帕伯莱投资美光是一个很好的例子：他的逻辑是从供给侧出发，存储三寡头学会了供给纪律，行业会从周期变成稳定寡头格局，结果需求回落的时候，三星并没有跟着减产，价格战一来，美光从年盈利八十多亿美元变成亏损五十多亿美元，2023 年上半年，帕伯莱和一起研究美光的李录先后清仓。奇妙的是，后来 AI 带来了 HBM 的需求井喷，两年后美光的利润又回到八十多亿。

同一家公司，底层的需求曲线和供给格局没有本质变化（存储芯片的需求一直都在，三寡头的格局也没变），变的主要是需求在周期里的位置，就导致短短几年内，利润在大幅亏损和暴利之间摇摆。

周期股是典型的靠天吃饭行业，这也是它们没办法使用 DCF 估值的核心原因——现金流极其不稳定，我们说不清楚它“正常”的现金流是多少，于是 DCF 就没有起点。

要注意的是，需求曲线不会消失，不代表周期股不会产生资本永久损失的风险：

1. 买在顶部。 周期顶部利润最高，PE 反而最低，看起来最便宜。在这里买入，可能十年都回不了本。
2. 死在底部。 需求没有消失，但公司扛着负债熬不过低谷，或者在底部大幅增发，把股东权益稀释掉。

所以我把周期股也归为“太难”的问题，下一节详细说明。

六、人之道，损不足以奉有余——论资本市场的估值周期

天之道，其犹张弓与？高者抑之，下者举之；有余者损之，不足者补之。天之道，损有余而补不足。人之道，则不然，损不足以奉有余。

这一节我们回到投资上来，从之前的结论看，周期股好像也没有那么可怕？大不了我们等一等，总会回来，但为什么这里我仍然把它归类为“太难”的问题呢？

这也源于我的亲身经历——资本市场的波动性往往比人能想象的最极端的情况还要剧烈。让大多数人亏钱的，往往不是公司基本面的周期性，而是叠在上面的另一层周期：资本市场的估值周期。

这里我以奈飞举例。按上面的框架，奈飞的%问题其实不算严重。尽管奈飞的内容有命中率问题，但它一年几十上百部作品，大数定律平滑了单部作品的方差；订阅是自动续费，某一季没有爆款，大部分用户也不会取消，只是看得少一点。所以它的基本面周期性并不强，尽管随着体量变大，收入增速从十七八个点降到十一二个点，但仍有两位数的增速，且运营利润率还在三成以上。

但如果我们把股价和利润放在一起看，会发现股价的周期性仍然非常剧烈。

图：奈飞股价与滚动四个季度营业利润，均以 2021 年初为 100。利润涨了两倍多，股价却两次大跌，两条线之间的落差就是估值。数据：Yahoo Finance，奈飞 10-K / 10-Q

最近的这一轮，2025 年 6 月见顶，股价从最高点约 134 美元跌到 67 美元，正好腰斩。我之前按滚动四个季度的口径拆过：PE 压缩贡献了 -59.2%，EPS 反而贡献了 +22.5%。EPS 里含 2026 年一季度那笔 28 亿美元的合同终止费（华纳兄弟探索终止收购的分手费），是一次性收入，去掉它，EPS 基本持平。也就是说，奈飞股价的下行，全是估值杀，杀了一半。

人的大脑是线性的，由人组成的资本市场，自然天然有线性外推的倾向。增长好的时候，把一轮高峰外推成永续增长，给很高的估值；增长一放缓，又把放缓外推成衰退，把估值打到另一个极端。于是就有了戴维斯双击和戴维斯双杀：利润涨、估值也涨，股价涨得远远多于利润；利润跌、估值也跌，股价跌得远远多于利润。

所以对周期股来说，这两层周期是叠在一起的：

股价的波动 ≈ 基本面的周期 × 资本市场的估值周期

基本面在顶部，市场把顶部利润线性外推，估值也在顶部；基本面在底部，市场把底部亏损线性外推，估值也在底部。两个周期同向放大，导致股价的振幅远超公司基本面的变化本身。

而大部分人在顶部买入周期股的时候，往往对周期抱有美好的幻想（否则怎么会在顶部买入周期股呢），没有做好应对周期回摆的准备，当周期逆转，残酷的回摆开始，大部分人是坚持不到下一个周期来临的——毕竟有没有下一个周期都不知道，于是只能选择底部割肉。

用数学一些的话来说，周期股的回报分布是极其长尾的，大部分收益集中在非常短暂的时间段内发生。而人性有弱点，我们往往无法承受这样极端的分布函数，以至于做出一些看似“不理智”的举动，这是大部分人持有周期股亏损的核心原因。

七、驾驭周期实在是太难

这篇文章洋洋洒洒写了这么多，就先到这里吧，总结一下全文。

一门生意要能被 DCF，需要两个前提：久期够长、基数稳定。我们从需求曲线看，这两个前提分别对应需求曲线的两种特性：

• 一是需求曲线会消失，对应估值久期，也是公司面临的 %问题，在品牌商身上体现最多。
• 二是需求曲线有波动，对应估值基数，这是供需错配问题，典型的就是上游的资源品、标准品。

我在这里再强调“周期”一词的几种内涵：

• 品牌商的“周期”往往是生命周期，这是单向的，一轮走完结束，需求曲线就此消失；
• 周期股的“周期”是往复的供需错配周期，需求曲线一直在那里，只是来回摆动。

前者是生意本身出了问题，长期持有没有意义，只能从一开始就少碰；后者长期持有是可以获得回报的，只是需要有极强的投资纪律和心理准备。

在这两者基础上，“周期”还叠加着第三层：资本市场的估值周期。资本市场的周期与生意无关，和人性有关，奈飞尽管有一点内容周期带来的波动，但业绩整体稳定，照样在估值周期里被腰斩过；叠在周期股上，更是把振幅放大好几倍。应对估值周期没有其他办法，只能靠价格纪律——别买太贵。

总结一下，不持有品牌商的理由其实很明朗了，不长期持有上游周期股的理由主要有两个：

第一，长期持有拿不到周期股的超额收益。 周期股的利润会回归均值，长期持有赚到的，基本就是这个行业的长期平均回报，而大宗商品这类生意，长期回报往往会被竞争压到接近资本成本。周期股真正的超额收益，大部分来源于择时，所以长期持有等于放弃了唯一的超额来源，波动却一分不少全扛着。

第二，收益分布太长尾。 周期股的收益往往集中在一小段时间里爆发，其余大部分时间在震荡或者下跌，这种分布让人很难坚持——拿了三年没动静，可能就在爆发前夜卖掉了；一旦遇上戴维斯双杀，腰斩又腰斩，很容易在低点止损出去。

我们都想驾驭周期，但实在是太难，人生在世何必自讨苦吃，所以我选择需求曲线既不会消失、也不会剧烈摆动的生意长期持有。可口可乐、Google、Meta 等占住了稳定需求，成为默认入口的公司，都属于这一类。但找到了这一类生意，也只是回答了“可以被 DCF”——能不能买，也要看价格。好生意在贵的价格买入，一轮估值压缩下来可能对投资者来说也是毁灭性的，当然这是另外的话题了，这里不再赘述。

八、Future Work

这个框架我还在完善中，还有一些没想清楚的地方，在这里列成几个待研究的问题：

1. 需求曲线消失的速度能不能观测？ 品牌衰退往往不是一夜之间，但等财报上看出来，通常已经晚了。难点在于我们只能看到投影：价格和销量，要等曲线已经挪了才会变。可能的方向是找领先于财报的信号，比如复购率、搜索热度、二手溢价、渠道库存？身在趋势中如何判断趋势，确实是比较困难。
2. 管理能力能不能压缩%问题？ 皮克斯、吉卜力这样的内容公司，如果有系统性的方法论把命中率压到可接受的范围，它算不算降低了预测复杂度？要回答这个问题，得先分清命中率里有多少是方法、多少是运气，人力到底可以做到什么程度？但我们样本数量太少，确实难以分解。
3. 大数定律的临界点在哪？ 奈飞一年几十部作品，方差被平滑了；宝洁、LVMH 押很多个品牌，也是同一个道理。有没有一个“临界产量”，让品牌商变得接近渠道商？另外，组合平滑了方差，会不会也把回报摊薄成平庸呢？从“能不能被 DCF”到“值不值长期持有”还有一段距离。
4. AI 会不会改变需求和供给的结构？ AI 本质上是在一层层跨过技术映射。我几乎可以确定，AI 会是下一次渠道形态之争，但不知道它会长成什么样子——方向可观测，形状不可观测。Meta、Google 这些大厂都在拼命探索、试图重新定义自己，这本身就是一个信号。如果它大幅降低内容制作成本，那么流媒体的行业结构，奈飞的 % 问题，都需要重新判断；有很多过去我们习以为常的产品会被现有技术颠覆，这意味着需求曲线可能会成片消失。
5. 垂类还是通用？ 产品是先抓住特定用户的特定需求，还是一开始就追求泛化？这是产品在需求深度上的另一种押注，留给另一篇文章。

等我想清楚一部分，就写一部分，今天就到这里吧。

Footnotes

1. 严格说是对数增速的方差。 ↩