玖、情境式預測與機率分布
一、情境式預測的本質
一份高品質的企業分析報告，必須包含 3 種情境的 G 預測：
| 情境 | 假設 | 用途 |
|---|---|---|
| 樂觀假設 | 信貸成長 70% / 1P 電商成長 70% | 上限 |
| 高機率假設 | 信貸成長 50% / 1P 電商成長 50% | 主軸（PEG 用這個） |
| 悲觀假設 | 信貸成長 30% / 1P 電商成長 30% | 下限（風險評估） |
為什麼樂觀假設通常不會發生？
「根據我們團隊長年的經驗，三個假設裡通常都不會發生樂觀假設。因為當你研究企業的時候，你已經把檯面上的好消息都看完了。所以除非真的有特殊法規政策，不然你真的很難發生樂觀假設。通常發生的是悲觀假設。」
二、MercadoLibre 三情境 EPS 預估表
Allen 在 L02 課堂提供的真實數據
| 情境 | EPS K 格 |
|---|---|
| 樂觀 | 35% |
| 高機率 | 31%（中間灰色帶） |
| 悲觀 | 25% |
「這個就是我們針對 MercadoLibre 未來幾年 EPS 的預估。EPS 101 穩定性很好，K 的 31%。所以你得到了什麼東西？G。 而且如果你肯做三個假設，你還會得到樂觀的 G 跟悲觀的 G。」
三、機率分布圖（情境式預測的視覺化）
機率
↑
│ ╭─╮
│ ╭─╯ ╰─╮ ← 高機率（中間）
│ ╭─╯ ╰─╮
│ ╱ ╲
│ ╭─╯ ╰─╮
│ ╱ 高機率: 31% ╲
│ ╭─╯ ╰─╮
│ ╱ 悲觀: 25% 樂觀: 35% ╲
│_╱_______________________________╲___→ EPS K 格 (G)
25% 31% 35%
解讀
- 中間：高機率假設 G = 31%
- 左尾：悲觀 G = 25%（可能性中等）
- 右尾：樂觀 G = 35%（可能性低）
機率分布的實戰意義
- 設定買入區間：股價假設能反應「悲觀 G」就出現便宜價
- 設定停損區間：如果 G 連悲觀都達不到 → 殺業績/殺邏輯
- PEG 微調：用 SAM 做空間期間補正
四、能做到這個程度的，全世界只有三類組織
「我跟大家講，全世界只有三種類型組織會把企業分析做到這個程度：
- 全球最主流的預測機構：Bloomberg、FactSet、IBES
- 全球最主要的投資銀行：大摩（摩根士丹利）、小摩（摩根大通）、高盛、花旗
- 全球最強大的私募基金：老虎基金、紅杉基金
唯有這三個組織類型，會把一份企業分析報告做到有情境式預測跟機率分布。所以當你做到這，你的企業價值分析就已經全部結束了。」
五、有了機率分布之後，估值就變簡單
估值流程（最終版）
graph TD
A[五大商業邏輯<br/>+商業模式縱向橫向分析] --> B[算出三情境 G]
B --> C[高機率 G = 31%]
B --> D[悲觀 G = 25%]
B --> E[樂觀 G = 35%]
C --> F[PEG = 1 為基礎合理值]
F --> G[用 SAM 微調]
G --> H{SAM 剩餘空間/期間}
H -->|普通| I[PEG = 1]
H -->|大| J[PEG = 1.5]
H -->|超大| K[PEG = 2]
style I fill:#90EE90
style J fill:#90EE90
style K fill:#90EE90
為什麼有了 G 之後估值很簡單？
「估值只有一個重點：你算不算得出那個 G？你對那個 G 有沒有把握？你有沒有把那個 G 拆成樂觀、高機率、悲觀？ 如果你有，你基本上已經完成了企業價值的分析。」
六、完整的企業分析報告架構
一份高品質報告的 5 大構成
1. 企業價值分析
├── 經營團隊分析
├── 產業趨勢分析
├── 商業模式分析
├── 競爭優勢分析
└── 成長動能分析（→ G）
2. 市場估值分析
├── PEG 基礎
└── SAM 微調
3. 安全邊際分析
└── 未來企業股價 - 目前股價
4. 投資風險分析
└── 悲觀情境的 G
5. 投資報酬分析
└── 樂觀/高機率情境
1. 企業價值分析的 6 個子模塊
- 企業生命週期分析
- 經營團隊分析
- 產業趨勢分析
- 商業模式分析
- 競爭優勢分析
- 成長動能分析
2-5：估值與決策層
企業價值（包含 6 子模塊）→ 市場估值 → 安全邊際 → 風險 → 報酬
七、邏輯貫穿的最終形式
Allen 的結論（必背完整版）
「真正一份高品質的企業分析報告，一定是從企業價值分析開始。而你能不能算出那個 G，直接決定了：
- 你要用逆向長期投資思維 （能算出 G）
- 還是要用順向波段投資思維 （算不出 G）
這個就是一個很重要的分界點。
如果你沒有做到這個程度，建議大家波段投資就好。
如果你可以做到這個程度，或者說你可以理解 IBES 為什麼可以做到這個程度，你就可以長期投資。」
八、波段 vs 長期 — 用 G 判斷
| 你的 G 質量 | 投資策略 | 課程對應 |
|---|---|---|
| 算不出 G | 波段投資 | L04、L05 |
| 能算 3 年 G | 長期投資 | L02、L03 |
| 能算 3 年 G + 三情境 + SAM 微調 | 頂級長期投資 | L02 + L03 + 持續優化 |
九、實戰流程：從 0 到 1 完成一份分析報告
Step 1：選股 — 站在巨人肩膀
打開 Bloomberg / FactSet / IBES，看市場給的 G。
- 用 PEG 快速判斷「值不值得深入研究」
Step 2：產業 Top-Down
- 找市場規模報告（Statista、TrendForce、企業年報）
- 確認大 M 成長空間、成長期間
- 找企業生命週期表，鎖定產業 Alpha
Step 3：商業模式深掘（佔 60% 時間）
- 看經營團隊近 8 季法說會（言行一致性）
- 畫商業模式九宮格
- 拆 KPI（縱向 + 橫向分析）
- 算商業模式含金量（5 大指標）
Step 4：競爭優勢驗證
- 找 ROE、毛利率長期趨勢
- 對應 6 大護城河
- 找參與程度、貢獻程度等競爭優勢量化指標
Step 5：算 G（三情境）
- 縱向：拆出每個 KPI
- 橫向：每個 KPI 找變化原因，預測未來
- 推營收 → 毛利率 → 營業費用率 → 稅後淨利率 → EPS
- 做樂觀/高機率/悲觀三組
Step 6：估值
- 用 G 算 PEG
- 用 SAM 微調
Step 7：完成 5 區塊報告
企業價值 → 市場估值 → 安全邊際 → 風險 → 報酬
十、藏鋒團隊的實踐示範
Allen 在 L02 課堂展示了什麼
「我大概從 2022 年開始研究 MercadoLibre，回溯歷史 8-10 年，每一季的法說會都看，每一個 KPI 都列出來、跨期數據比對。每一個 KPI 我都這樣分析。」
「一季一季核對，一季一季看他說的東西有沒有實現，一季一季嚴整數據為什麼會這樣變化。 唯有這樣，我才可以推導未來幾季甚至幾年的 1P 電商數據。」
結論：這就是真正的長期投資
一個 1P 電商 KPI
└── 20 季的歷史數據
└── 20 段法說會關鍵字摘錄
└── 跟未來幾季的預測對照
└── 每次有事件 → 重新調整 G
└── 重新評估 PEG → 加碼/減碼/建倉/清倉
十一、本章總結
- 三情境假設：樂觀 / 高機率 / 悲觀
- G 也有機率分布（不是單一數字）
- 5 大區塊報告：企業價值 → 估值 → 安全邊際 → 風險 → 報酬
- 能算 G ≠ 能長期投資；能算三情境 G + SAM 微調 = 頂級長期投資
- 能不能算出 G = 「波段 vs 長期」的分界點
「波段投資 vs 長期投資的分界點 = 你能不能算出未來 3 年的 G。」