老唐估值法 Pro

要解决的问题

把一家公司丢给 AI 做估值，最常见的结果是给一个静态 PE 倍数，然后套用市盈率公式。这种输出有两个硬伤：一是它不判断生意质量，茅台和一家利润靠应收账款堆出来的公司会拿到同一套算法；二是它对资本开支沉重的企业天然失灵，利润很好但每年都要把钱再投回去的生意，按净利润算估值会系统性高估。

老唐在《价值投资实战手册》里给出的解法是先过三道闸：利润为真（经营现金流能覆盖净利润）、利润可持续、少投入（维持生意不需要持续再投钱）。全过才用老唐法，不过就按老唐法的逻辑算不出有意义的买点。问题是，很多公司——尤其是科技股和重资产周期股——恰恰卡在这三道闸之外，直接套用就得到「无法估值」的结论，而这通常是偷懒，不是结论。

这个技能怎么工作

老唐估值法 Pro 用双轨并行解决这个问题，两条轨道跑同一套基础数据，但适用条件和折扣逻辑不同：

• 老唐法：先做三大前提检验，每项给出 ✅ / ❌ / ⚠️ 加分析。检验结论取该前提下最差的结果，不靠平均数蒙混。
• 新唐法：用折扣系数把不满足前提的企业拉回可估值区间。系数同时看三个维度——资本开支 / 净利润 比值、行业特征、企业生命周期。
• PE 来源：合理 PE = 1 ÷ 无风险收益率，取 10 年国债和 AAA 企业债两个口径，保守取 40 倍、乐观取 50 倍，不凭印象写 25 或 30。

执行流程是 Pipeline + Gate 结构，7 个 Phase 顺序推进，每个 Phase 出口有硬门槛，不过就退回重查：

1. Phase 0-1 初始化与取数：读 mx-data 的机构一致预期（1 行实际 + 3 行预测）和最新财务指标。年份由返回数据的列动态判定，不硬编码。
2. Phase 2-3 双轨估值：三大前提检验 → 老唐估值；定折扣系数 → 新唐估值。每轨都产出保守和乐观两套买点卖点。
3. Phase 4-7 收敛与输出：双轨对比决定以哪条为主，买点差超过 30% 要额外解释；生成投资建议等级（⭐⭐⭐ / ⭐⭐ / ⭐ / 等待 / 不建议）；调用巴菲特、芒格、段永平三位大师的第一人称分析，末尾汇总共识与分歧；更新估值对比汇总表；按模板出报告并逐项 checklist 自检。

关键细节：买点百分比的正负号方向容易搞反——买点% > 0 表示当前市值已经低于买点，是已到买点，不是还没到。

适用边界与注意点

• 依赖 mx-data 技能与 MX_APIKEY 环境变量，取不到机构预测数据时整套流程跑不起来。
• 数据必须从 mx_data.py 的真实输出读取，xlsx 转文本用现成的一行命令，不要自己写转换脚本，也不要凭印象填数字。
• 新唐法的卖点取消了「当年净利润 × 50 倍」的上限，因为它服务的对象（科技制造、周期股）当年净利润可能极低甚至亏损，套这个上限会让卖点失真。
• 三道前提检验的每一项都会给出详细分析，只给 ✅❌ 不给理由视为不合格。
• 双轨差异大于 30% 时，结论不能只选一个数字了事，要说明差异来源。
• 输出是分析框架的执行结果，不是投资建议。财务数据滞后、机构预期偏差、折扣系数主观性都会影响结论，需要自己判断。