AI 估值：拟合历史，但预测不了未来

估值这活儿，老手新人一碰都头疼。研报里的目标价，我基本直接跳过——参数全是人拍脑袋定的，屁股决定脑袋，结论永远偏向乐观。

大模型到底能不能替代人工？我拿一家熟透的公司实测了一把。AI 几秒就吐出整套估值表和基准参数，数据整理、搭模型、批量制表这些苦力活，效率确实碾压人工。但最后给出的那串目标价数字，我还是改了大半。

现在我的态度很明确：AI 能替掉七成苦力活，但剩下三成的核心判断，还得投资人自己扛。

具体怎么用？先让 AI 筛查财务质量，剔除一次性损益等噪音，把杜邦分析和现金流指标拉出来；接着让它搭建利润表、资产负债表、现金流量表这三张基本面脚手架。

重头戏是绝对估值。算完 WACC，再基于预测现金流搭 DCF 模型，做敏感度和情景分析。说白了，就是把一个死数字变成合理区间。最后再叠上相对估值交叉比对。

不过有个问题一直卡在我心里：如果未来模型吃下全市场所有主体的定价行为，它拟合出来的概率分布，会不会演变成一种新的主观偏见？