查看全文
购成本大厂不会打折（这里我跳步了，只放结论），且客户采购决策是基于广告效应，价格提不上去；
运营能力不错：毕竟能够调查出背后是行业 PR 头部公司；
财务能力：按照广告公司标准是不错的，融资纯粹为了资本市场定价；
增长能力：无法做到 SAAS 企业增长模型，还是一个广告、PR 公司增长的特性；
如果是上市公司年报，建议：从财报几个指标汇总真假（前几步已经做过了）→从上下游企业进行验证（网络信息+打几个电话）
2）对管理层业务讨论判断真假
管理层的讨论我们在一开始曾经粗略的阅读过，当我们深入分析各类数据后，要返回这一部分再次审视。
分几种可能：
管理层讨论与我们已经进行的分析是一致的：更放心地得到本次阅读结论并开始估值模型制作；
管理层与我们已经进行的分析不一致：
管理层比我们更乐观：返回前面的分析，针对不同的点深入分析（其他专家佐证、更深入的上下游调查）。1）是否非故意乐观。2）管理层故意乐观。对后者我们要更加小心；
管理层比我们更悲观：1）是不是我们自己的分析漏掉了什么重要风险；2）是否管理层故意保守。对后者，我们要思考可能的目的——调节业绩、资本市场动作等等。
上市时间比较久，高管又都是行业专家，我们就更应该去第二遍审视他们的判断。
2）纵向分析，为 DCF 做准备
如果不需要做估值模型，可略过本部分。
我们做绝对估值法时，基于两个重要假设：
上市公司年报信息大部分能够进行量化（否则 DCF 的参数假设就是有问题的）；
过去一段时间如果公司没有显著业务变化，业务与财务的历史数据对未来有指引作用（做过企业的都熟悉，每年 KPI 制定都在一定程度上参考历史）；
在纵向分析中我们要做的也是以上两项工作。
量化：
将我们的行业判断、4 大能力、管理层分析量化为你所使用模型、或分析框架中的参数。（转化为参数、打分、打√打×、排名，等等）
如果你有老板需要汇报，转化过程需要有说明，以备汇报之用。（比如明年房价和你给定的销量增长，是如何对应的）
回归：
用各种统计学手法预测，举几个例子：
收入增长回归；
大宗商品价格对业绩影响的回归；
GDP 对消费升级和产品销量的回归；
etc，只要有分析逻辑即可；
在此，就不详细介绍后面 DCF 的方法了，又是一篇很长的文章。
示意一下，我之前折腾着玩的一个
3）横向分析，为比较估值法做准备
如果不需要做估值模型，可略过本部分。
我们做相对估值法时，基于两个重要假设：
没有两家完全相似的公司；
类似的资产应该有相似的价值（注意是