本章内容
- 对投资领域的核心理解
- 帮助我们发现盈利性投资的指标
- 财报中该看什么
在第 1 章中，我们提出：程序员的特质常能让这些“比特与字节的巫师”成为出色的投资者。但光有特质（和大脑）还不够。想想你在任何股价分析里都可能遇到的一句话：“这只股票的市盈率（P/E）超过 25，看起来被高估了。 ” 对投资新手来说，这样的句子，或电影《华尔街》《大空头》里投资者的对白，听起来就像“外语”。2003 年，Eric Evans 出版了《领域驱动设计（DDD）》，为软件工程师在陌生领域里构建软件给出原则。其中一块基石是通用语言（ubiquitous language） ：每个领域都有专家专用的术语体系。学会理解并用这种语言沟通，是软件工程的重要组成部分。所以，让我们从更深入掌握投资领域语言开始下一段旅程。
理解了领域语言，上面的 P/E 句子就容易解读了：股份（share）是公司所有权的一部分。作为可交易资产，股票的交易价格可能低于或高于其内在价值。为了评估估值，我们会考察与公司经营相关的多个指标/比率。其中，市盈率（P/E）是与公司盈利密切相关的关键财务指标。
金融是个复杂领域；如果存在一条通吃策略能在短期内保证暴富，对冲基金就不必为业绩彼此竞争了。不过，聪明的价值投资者已经证明：通过研究基本面，发现被低估的股票是可行的。——如果你只对代码感兴趣，也可以直接跳到下一章，我们会演示如何用 Python 抓取并计算本章介绍的比率与指标。
2.1 会计学一览（Accounting in a nutshell）
把财务报表想象成一家公司的源代码。刚开始它们或许晦涩，但一旦学会阅读，你就能精确洞见企业的经营状况。本节我们先过一遍“财务代码”的基础：不懂起码的会计知识就去投资，就像零编程能力却要写应用一样。
企业遵循全球会计准则。若甲乙两家公司各报各的，那必然乱成一团。能强制公司以标准化方式披露数据的强力角色是政府——因为税收需要这些报表作为依据。
注意 正如程序员可能望文生义地误判同事的代码，投资者也可能误读财报。两种情形里，上下文都至关重要；一个看似简单的数字脱离语境就会误导。承认错误很难，但草率判断代码或数字的代价很高。
会计准则并非自证券交易所创立之初就存在。20 世纪 20 年代“自由放任”的资本主义也延伸到了公司披露：没有联邦法律强制披露财务信息。纽交所虽有部分上市要求，但执行不严，披露信息也无统一标准。1929 年股灾引发大萧条、带来普遍苦难，成因很多，缺失会计标准更是火上浇油。于是**公认会计准则（GAAP）**作为应对之策应运而生。
这些会计标准通过要求企业以一致的方法报告财务信息，建立了稳定基线。违反它们可能代价高昂，甚至威胁存续。除 GAAP 外，国际市场还使用 IFRS（国际财务报告准则） 。两者在细节上有差异，但对本书这样的“写给程序员的投资书”而言，核心不受影响：所有公司都必须提供三大报表——它们构成投资者讨论关键财务指标的基础：
- 利润表（Income statement） ：企业赚了多少、花了多少
- 资产负债表（Balance sheet） ：企业拥有什么、欠了什么
- 现金流量表（Cashflow statement） ：企业产生了多少现金
我们可以安全地假设：每家上市公司都会提供这三张表。无论是 Apple、Walmart、Coca-Cola，还是 Rolls-Royce、Deutsche Bank 这类非美公司，它们类似地计算收入与支出（当然，具体数字随商业模式而异）。每季度都会披露三大报表。
提示 本书面向程序员，对会计报表的描述尽量从简；但要做财务分析，基本知识仍不可缺。可参考 Investopedia（<www.investopedia.com/>）获取更详尽的财经术…
2.1.1 利润表（Income statement）
利润表展示公司在年度或季度内的经营表现。图 2.1 也示意了利润表与其他报表的关系。由于许多业务存在季节性，投资者通常将某一季度与往年同季度比较。比如零售公司受圣诞/假日季影响显著，因此部分公司 Q4（圣诞季所在季度）可能对全年成败至关重要。
图 2.1 会计报表间关系的简化示意
利润表的主要组成：
- 营业收入（Revenue） ：销售或服务带来的总收入
- 费用（Expenses） ：为取得收入而发生的成本
- 净利润（Net income） ：收入减费用，表示盈亏
货币的时间价值：今天的 1 美元比一年后的 1 美元更值钱，因为你可以立刻投资赚取利息。若年利率 5%，一年后变 1.05。通胀同样影响时间价值：一年的未投资美元能买到的东西往往更少。
设想一家公司连续 10 年净利润相同，其真实价值（考虑时间价值）在逐年递减。投资者通常期望成功的公司随时间推进提升收入与净利润。
纵向分析一家公司的报表有助于我们对其经营与运营形成假设。下面用一个基于汇总会计数据构建的虚拟咨询公司的简化财务模型来说明（见图 2.2）：
- 收入来自售卖服务
- 研发（R&D） 包括培训、人员认证、新技能开发
- 服务成本主要是可计费员工的薪酬
图 2.2 咨询公司简化模型：卖服务赚钱，主要花在员工薪酬
我们持续跟踪该公司的财务报表，关注这些数字是否出现显著变化。假设最新利润表显示 R&D 费用大增；公司通过举债来融资研发（见图 2.3）。
图 2.3 R&D 开支增多，增量由外部资本覆盖
仅从“R&D 增加”这一现象（不掌握更多细节）出发，我们可以提出多种理论，形成看多/看空假设：
- 看多：公司拿下了即将启动的新项目，正在培训新顾问；或准备向存量客户销售新服务。收益将显著提升。若市场因公司举债搞研发而恐慌、股价下跌，这可能是绝佳买点。
- 看空：公司不得不靠外部资本续命，可能有隐忧。若业务转坏，未必立刻体现在报表上。需要持续监控后续利润表：收入是否走低、是否开始削减费用。若推出新服务失败，则会新增负债、可能陷入流动性问题，最好不投。
再看另一种情境：公司同时压缩服务支出与研发支出，而收入不变（见图 2.4）。
图 2.4 公司减少在研究与服务上的支出
这表明公司可能认为增长空间有限。他们不是通过卖得更多来提利，而是盘活存量收入。专业人士会结合美联储/央行利率判断这是否与经济周期相关：很多公司在高利率、经济衰退期选择少投。但归根到底，我们仍只能提出假设：
- 看多：公司在不增加成本的情况下，为现有客户提供了相同数量的服务，意味着效率提升（可能受益于 AI/自动化）。若持续产出盈余，公司或许会成为分红股，带来被动收入机会。
- 看空：增长是公司价值提升的关键。若减少研发，公司大概率难以增长。有盈余固然不错，但若战略不明，不宜投资。
需要强调：这只是为了演示而构建的极简模型，且针对的是较易建模的行业。咨询公司的费用常与收入强相关：卖顾问时间赚取高于薪酬的价格差。而很多企业更难建模。例如 Alphabet 这样的综合体，需考虑诸多子公司（如 Waymo）与多元业务（广告、云等）。
另一重挑战在于：为演示，我们极度降维了模型参数；而现实更复杂。分析具体公司时，你会有更多外部资源（媒体报道、熟悉公司的分析师访谈等）。数据驱动的投资者可以自行建模，并围绕他们认为决定企业价值的要点设定优先级——而这些“要点”在不同行业之间也会差异很大。
注意 不同行业的商业模式大相径庭。科技公司如 Apple 在 R&D 上投入巨资，以打造少量高收入产品；而连锁零售如 Walmart 则靠多供应商的大规模销量取胜。对 Walmart 来说，创新更多体现在仓储与供应链优化与服务质量，而非自研新品。因此，直接拿 R&D 开支对比 Apple 与 Walmart 就像拿苹果比橙子，会误导。更有洞见的做法是同业比较，例如拿 Walmart 与其直接竞争对手 Costco 进行评估。
利润表告诉我们公司赚了多少、钱花在哪，帮助评估其战略选择。要完成财务报表之旅、获得全景视图，下一步必须弄清公司已经拥有什么——这就要看资产负债表（Balance sheet） 。
2.1.2 资产负债表（Balance sheet）
利润表通过列示收入与费用告诉我们企业在某一期间“赚了多少、花了多少”。但企业已经拥有什么与欠了什么，还需要补充。这正是资产负债表的要义，可归纳为一个简单公式：
资产（Assets） = 负债（Liabilities） + 股东权益（Shareholders’ equity）
- 资产：企业拥有的东西
- 负债：企业所欠的债务
- 股东权益：若将全部资产变现并偿清债务后，归股东所有的剩余价值
当一家企业负债大于资产时，可能陷入严重困境。
流动性（Liquidity）描述资产变现为现金的难易程度。设想一家制造企业将一座工厂及其设备挂牌出售——找到买家可能需要时间；而诸如存货之类的资产通常流动性更好。
注意 你是否以“经济学家”的方式思考？把你拥有的一切——电脑、汽车、衣物——都视作非流动资产来统计净值？抑或只把金融资产计入净值？若从经济学角度衡量，你的一切财物都可视作财富的一部分。
程序员常参与为客户或雇主降低资本性支出（CapEx）的项目。典型如上云：企业选择租用而非自购硬件。一些投资者也认为软件公司因资本开支较低而更受青睐。低 CapEx常被视为低风险（初始投入少），尽管**运营开支（OpEx）**可能更高。
注意 工程师与经营管理者对“经济健全性”的感知有时不同。想象一个本地部署平台以极低的 OpEx解决业务问题——工程师或许因长期 ROI 可观而认为合理；但经营者可能更谨慎，指出高额前期 CapEx会压低流动性，并提出机会成本与**总体拥有成本（TCO）**的问题。
不同行业的资产负债表差异显著。软件公司几乎没有存货，而超市连锁必须维持大量存货以快速供货。销售硬件的企业（如 NVIDIA）也会在流动资产中列示存货。
此前已提到，“负债超过资产”是警讯。但还需留意另一点：资产负债表中的应收账款（Accounts receivable）与应付账款（Accounts payable）仅说明账面将入或将出的资金，并非已到手或已付出。因此，即使账面为正，企业仍可能付不出账单。第三张报表——现金流量表（Cash flow statement） ——能帮助我们进一步评估偿债能力（Solvency） 。
2.1.3 自由现金流（Free cash flow）
显然，并非所有形式的资产都能用来及时付账。自由现金流（FCF）指企业在覆盖经营性开支与资本性支出之后剩余的现金。其简化公式为：
自由现金流 = 经营性现金流（Operating cash flow） − 资本性支出（CapEx）
其中，经营性现金流是企业日常经营活动产生的现金流。相比其他报表，现金流量表更能揭示企业是否财务稳健、能否自有资金进行新投资、以及是否无需新增负债即可按时支付账单。
为什么现金流重要（Why cash flow matters）
设想 Eugene 经营一家老爷车买修卖的知名商铺。他投入大量资金购置车库与厂房，并囤积了稀有零件。车库里停着 Studebaker、Packard、Chevy Impala 等经典车型，仿佛穿越时空。
某天他发现现金见底。此前他以低价从一位去世藏家的继承人手里收来一大批稀有车辆，确信未来能高利润卖出。但为购买这些车，他耗尽现金储备，还向银行贷款。工资与其他账单即将到期，他只能继续借新钱维持运营。当地银行已发放过一笔贷款，对再次放贷犹豫，并要求抵押品。
尽管 Eugene 的车辆与设备可能价值不菲，且有客户欠款未付，但他无法用一辆车或客户欠条去支付修厕所的水管工。也就是说，库存车辆不是高流动性的资产。
如果 Eugene 能证明业务前景良好，银行很可能会放贷。但这个例子提示我们可用算法评估的一个风险：企业可能资不抵债（insolvent） 。
若你没有商科背景，三大报表中仍会出现许多陌生术语。本书无法逐一解释，遇到不熟悉的概念，请检索并查阅。
就像程序员在Web、数据处理、嵌入式等不同领域写代码，各需因资源条件采用不同最佳实践；企业也是如此：并非所有最佳实践都适用于所有公司。公司彼此不同，若想投资，理解这种差异至关重要。
2.2 行业分类（Industry classification）
在讨论财务指标与比率之前，先看看行业与板块的可能划分，以理解公司收入来源与支出配置方式的差异。图 2.5 给出了标普的 GICS（Global Industry Classification Standard，全球行业分类标准） 所定义的板块分类（www.spglobal.com/spdji/en/la… 商业模式 对公司进行归类。
图 2.5 基于 GICS 的各板块（许多金融平台采用此标准；图标来源：www.msci.com/our-solutio…
注 GICS 只是多种官方行业分类标准之一。像 Peter Lynch 等投资者也提出过非官方体系。建议你自行对比研究，这些标准提供不同视角，有助于更好地理解公司。本文因 GICS 的全球普及度与认可度而采用之。
GICS 将公司分为四级：自上而下为板块（如 Utilities 公用事业）→ 行业组 → 行业 → 子行业（最细）。不同的分类有助于按商业模式区分公司；不同模式会影响需要关注的财务指标/比率。某些板块受政府监管更严，法律变动对其影响也更大；另一些板块则更易受利率或经济周期影响。
2.2.1 影响 GICS 各板块的因素（Influences on GICS sectors）
本章目标是找出影响公司的因素，以便后续建模。比如，若已知某板块受利率、经济周期、原材料成本影响，我们就可尝试把这些变量作为机器学习模型的特征来预测股价。下表介绍各 GICS 板块及可能影响其资产价格的关键因素。
表 2.1 GICS 板块及其影响因素
| 板块 | 业务概述 | 主要影响因素 |
|---|---|---|
| Utilities（公用事业） | 提供电、水、天然气等基础服务 | 利率、能源价格、监管、债券收益率 |
| Consumer Staples（必需消费） | 食品、饮料、家庭用品等必需品 | 利率、通胀、消费者信心、原材料成本 |
| Consumer Discretionary（可选消费） | 汽车、服饰、休闲等非必需品与服务 | 居民消费、失业率、可支配收入 |
| Communication Services（通信服务） | 电信与媒体等通信服务 | 监管、激烈竞争、技术变迁、宏观环境、消费与企业信心/支出、偏好变化 |
| Real Estate（房地产） | 不动产开发、管理与运营 | 人口结构、利率、经济周期、政策、住房需求、经济增长 |
| Information Technology（信息技术） | 软件、硬件、半导体设备与互联网相关服务 | 创新、网络安全威胁、监管变化 |
| Energy（能源） | 化石燃料的勘探、炼制与供应 | 油价、地缘政治、可再生能源趋势 |
| Health Care（医疗保健） | 医疗服务、医疗器械、制药 | 疫情、监管、药价、人口结构 |
| Financials（金融） | 银行、保险、投行/资管等金融服务 | 利率、经济周期、监管变化 |
| Industrials（工业） | 建造与制造所用的各类机器设备等 | 制造业产出、贸易政策、大宗商品价格 |
| Materials（原材料） | 制造所需的原材料（如金属、化工） | 大宗商品价格、供应链稳定性、环保法规 |
有时分类会让人产生误解。很多人会把 Amazon、Tesla、Google 归为信息技术；但 GICS 将 Amazon、Tesla 归为可选消费，Google（Alphabet） 归为通信服务。因此在查比率时，先确认公司板块以获得正确语境是有意义的。
只投资你能看懂的公司
巴菲特建议：只投资你理解的业务。超市连锁（如 Walmart）与科技公司截然不同。科技公司一款爆品（如 iPhone 之于 Apple）可能显著影响其年度业绩；但超市的“爆款产品”很难在财报中单独体现。阅读并理解公司的三大报表、能解释数字变化，不一定让你成为会计，但足以为明智决策打下基础。
2.2.2 板块与经济周期（Sectors and economic cycles）
在伴随高失业或高通胀等副作用的经济危机中，不同业务受影响程度不同。为展示经济周期对股价的影响，我们选取 Microsoft、Coca-Cola、Walmart、Ford，考察2008 年金融危机（房地产市场崩盘）期间股价的高/低/均值（区间：2008-01-01 至 2010-01-01）。
表 2.2 2008–2010 年部分个股股价高低点
| Microsoft (MSFT) | Coca-Cola (KO) | Walmart (WMT) | Ford (F) | |
|---|---|---|---|---|
| High | 35.95 | 32.79 | 21.28 | 10.37 |
| Low | 14.87 | 18.72 | 14.37 | 1.01 |
| Avg. | 24.82 | 25.65 | 17.60 | 5.42 |
仅看数字也能看出：Ford 的跌幅远大于 Walmart，最低仅为先前价值的十分之一。图 2.6 的柱状图更直观地凸显了这种差异。
图 2.6 用柱状图可更直观看到部分公司价值的下滑幅度
这很合理：消费者更容易推迟购买 Ford 与 Microsoft 的产品；资源紧张时，延后购车可行，但不去超市买必需品却不行。接着看 2008 年危机中各板块的表现。
一种改进方法是比较板块指数（由同一板块多家公司组成，通常以 ETF 代码表示）。图 2.7 比较了 XLK（科技） 、XLP（必需消费） 、XLY（可选消费） 。结果印证常识：日常必需品相关公司受冲击更小。
图 2.7 2008 年地产危机对 XLK/XLP/XLY 的影响
公司的表现与经济周期（扩张—峰值—收缩—低谷）根本相关：扩张期，就业与可支配收入上升，非必需消费提升；收缩期，消费者优先必需品、压缩可选消费。因此，一些公司强周期，成败高度依赖宏观环境；另一些则非周期/防御性，在下行期更稳健。除此之外，财政政策、利率、通胀、大宗商品价格、汇率等宏观力量也会以截然不同的方式影响各行业。
2.3 市值（Capitalization）
既然我们已经了解，不同行业与板块的公司对市场环境的反应可能不同，就有人会提出一种假设： “投资于大到不能倒”的公司。小公司或许会在危机中倒下、投资血本无归；而我们可以押注那些足以穿越所有周期、长期平均持续增长的大公司。
在检验这一想法前，先明确此处“大”与“小”的含义。员工人数常常不能准确反映公司规模。对投资者而言，更合适的度量是市值（capitalization）。简言之，市值就是市场当下愿意为这家公司支付的价格总和：流通在外股票总数 × 当前股价。
虽然许多小市值公司（如初创与中小企业）是非上市的，但上市公司之间的体量差异依旧巨大。常见的市值分组（不同市场略有差异）如下：
- 超大盘（Mega-cap） ：≥ $2000 亿
- 大盘（Large-cap） ： 2000 亿
- 中盘（Mid-cap） ： 100 亿
- 小盘（Small-cap） ： 20 亿
- 微盘（Micro-cap） ：＜ $2.5 亿
超大盘公司的破产风险通常低于小体量公司。与此同时，寻找 “十倍股（tenbagger）” （彼得·林奇提出，指回报达买入价 10 倍的投资）在微盘股中更有可能，因为它们的成长空间更大。
注 内在价值（intrinsic value）指资产的“真实价值”，可用贴现现金流（DCF）等基本面方法估算。即便分析严谨，内在价值的估计仍带有不确定性。市值与估算内在价值之间的差距越大，潜在的投资机会可能越大。
像 NVIDIA、Apple、Microsoft 这样的超大盘公司，与低得多市值的公司大相径庭。持有超大盘公司的投资者往往更愿意熬过危机，因为其破产概率较低。只要商业模式可行，公司终将回归之前更高的股价区间。小公司股东则更需要担心最坏情形：公司越小，风险越高，但收益机会也越大。正因如此，许多有经验的投资者乐于研究小公司，并通过更深入的尽职调查与研究来缓释风险。
回望历史，观察每个年代市值排行居前企业的结局，你会发现不少昔日“王者”已然式微甚至消失。就连 Jeff Bezos 也坦言：Amazon 未来某天也可能失败（mng.bz/pZR0）。迷信“市场巨头永不倒”有点像在侏罗纪押注某些巨型爬行动物“大到不会灭绝”。股市更像是适者生存的舞台，因而研究基本面才是更明智的做法。
2.4 指标与比率（Metrics and ratios）
在了解了公司的行业分类与市值之后，我们就有了基本参照，可以在自己熟悉的板块中挑选标的并做出投资选择。接下来需要评估一家公司的“体质”。指标（metric）是对公司经营表现的度量，例如股息率表示每股分红的水平；多数指标来源于三大财务报表。比率（ratio）则刻画两个独立指标之间的关系，如市盈率（P/E）衡量股价相对于**每股收益（EPS）**的水平。
理解财务指标很像评估软件质量：在软件开发里，代码可读性等指标很重要；但如果崩溃率极高，无论代码多“优雅”，团队都必须立刻处理。同样地，财务上某家公司也许整体看起来不错，但只要有一个关键比率亮起红灯（例如无法按期付款），管理层就必须采取行动。
反过来说，正如没有任何单一软件指标能保证产品质量，仅凭几项“好看”的财务比率也无法证明公司健康或前景稳妥。常见错误是盯住一个漂亮数字而忽略其他短板。两者的要义都是整体评估：通过多指标分析并与同业可比公司对照，才能形成对企业综合表现更可靠的判断。
注 本章不可能覆盖金融业内的全部比率，以下选取的一组比率更适合做入门评估。你也可参考 FullRatio 的术语页（fullratio.com/terms）了解不同行业中各比率的含义差异。
为了评估一家公司的总体状况，我们需要同时考虑多类因素。正如第 3 章将演示的，具有股票筛选器（screener）的平台（如 Finviz）能提供公司数据的良好概览。下表给出 NVIDIA 与 Walmart 的若干比率示例（Beta 衡量相对大盘的波动性/系统性风险）。
表 2.3 NVIDIA 与 Walmart 的部分比率
| Company | Market cap | Sales | Employees | P/E | Beta |
|---|---|---|---|---|---|
| NVIDIA | 3,457.97B | 148.51B | 36,000 | 45.65 | 2.12 |
| Walmart | 779.85B | 685.09B | 2,100,000 | 41.81 | 0.69 |
数据来源：Finviz，2025-06-08（最新数据见 finviz：NVDA/WMT 页面）
可见二者差异显著：Walmart 的营收远高于 NVIDIA，但其员工数约为后者的 60 倍，意味着费用更高；同时超市连锁还需维持庞大基础设施与库存。不过，如前述行业与经济周期所言，下行期消费者仍会去超市买食物。相对地，一些个人与企业在资金紧张时会推迟技术类采购。低 Beta（如 Walmart 的 0.69）反映其抗风险能力更强；NVIDIA 的 2.12 则波动更大。跨 GICS 板块比率的期望值差异很大，其他比率亦然。
2.4.1 流动性（Liquidity）
最朴素地说，流动性衡量公司付账的能力。若你把多家公司数据放入一个 DataFrame，很快就能发现问题离群值。本节考察两项比率：流动比率（current ratio）与速动比率（quick ratio） 。
- 流动比率＝流动资产 / 流动负债（均来自资产负债表），衡量以短期资产覆盖短期负债的能力。
- 速动比率更为严格，只计入现金、可出售证券、应收账款等立即可用来还短债的资产，不计入存货。
表 2.4 Walmart、Altria、NVIDIA、Salesforce 的流动性比率
| Company | Sector | Industry | Current ratio | Quick ratio |
|---|---|---|---|---|
| Walmart (WMT) | Consumer Defensive | Discount Stores | 0.780 | 0.185 |
| Atria (MO) | Consumer Defensive | Tobacco | 0.571 | 0.468 |
| NVIDIA (NVDA) | Technology | Semiconductors | 3.388 | 2.857 |
| Salesforce (CRM) | Technology | Software - Application | 1.069 | 0.899 |
数据来源：yfinance，2025-06-08
表中可见板块特征：科技公司往往拥有更高的流动性比率，这与其业务模型相关。像 Walmart 这样的折扣商店，其大量库存占用资金——若只为提高流动性就“清空货架”，显然不现实。
因此跨板块对比意义有限。表 2.5 将 Walmart / Costco / Target / Dollar Tree 同业对比，更适合讨论“谁更优”。
表 2.5 Walmart、Costco、Target、Dollar Tree 的流动性比率
| Company | Sector | Industry | Current ratio | Quick ratio |
|---|---|---|---|---|
| Walmart (WMT) | Consumer Defensive | Discount Stores | 0.780 | 0.185 |
| Costco (COST) | Consumer Defensive | Discount Stores | 1.015 | 0.472 |
| Target (TGT) | Consumer Defensive | Discount Stores | 0.935 | 0.152 |
| Dollar Tree (DLTR) | Consumer Defensive | Discount Stores | 1.044 | 0.122 |
数据来源：yfinance，2025-06-08
当我们在同一板块的微观层面比较时，需要以不同心态深入解读这些数字。也许单一维度不足以决定是否投资，但它能影响你的判断。比如熟悉折扣商店业务的投资者，可能会读出 Costco 的比率优于 Walmart。
注 价值型投资者深知“什么造就某个板块里的好公司”，并在数字中寻找印证。他们常花大量时间比较基于业务理解筛选出的指标与比率；一张精心设计的评分卡往往就是关键的决策工具。
2.4.2 负债（Debt）
财务意义上的债务指计息负债。资产负债率/杠杆的常用衡量是债务股本比（D/E） ＝总负债 / 股东权益，反映公司用债务相对权益为资产融资的比例。比率越高，财务风险通常越大。见表 2.6。
表 2.6 Apple、Walmart、NVIDIA 的杠杆对比（D/E）
| Company | Sector | Industry | Debt-to-equity |
|---|---|---|---|
| Apple (AAPL) | Technology | Consumer Electronics | 146.994 |
| Walmart (WMT) | Consumer Defensive | Discount Stores | 74.138 |
| NVIDIA (NVDA) | Technology | Semiconductors | 12.267 |
数据来源：yfinance，2025-06-08
这提醒我们不要只看表面：表面上 Apple 的 D/E 似乎比 NVIDIA 差 10 倍，但这反映的是主动的资金策略，并不必然代表健康状况不佳。Apple 借助超低利率发行高评级公司债来为研发与增长融资；若债券利率接近或低于通胀率，这种低成本杠杆反而是精细资本管理的体现，而非红旗。
另一个债务分析中应重点关注但未在表中展示的指标是利息保障倍数＝息税前利润（EBIT）/ 利息支出。该值低于 1.0是通用红线：意味着当前利润不足以覆盖利息，公司财务压力显著，无论行业都需谨慎。
2.4.3 盈利（Earnings）
我们从利润表收集原始盈利数据以计算比率。其中的每股收益（EPS）是许多关键比率的基础，度量每一股对应的利润：
EPS =（净利润 − 优先股股息）÷ 流通在外普通股数
企业会在财报电话会中向股东披露季度成绩，并对下一季度作出指引。结果高/低于预期都会影响股价。
每股自由现金流（FCF per share）衡量一年内公司创造的自由现金流分摊到每股的额度，反映公司扩大经营、降债或回馈股东的能力：
- FCF per share = FCF ÷ 流通股数
- FCF = 经营性现金流 − CapEx
盈利类比率多用于估值，因为盈利常作为估值基准，所以下节继续。
2.4.4 估值（Valuation）
假设某初创自称估值 1 亿收购它是合理价格。但是否真有人愿意出手则另当别论。这类估值多半基于初创提交的数据粗略推算；潜在买家经深入尽调后可能给出截然不同的数字，甚至无意收购。
可靠的估值（如 DCF）需要多年规范的财务记录。问题在于：初创是否具备足够年限与透明度？评估方是否存在高估激励（例如以“普遍给高估值”来吸引更多初创）？
相比之下，有效市场理论认为公开市场股价反映了所有已知信息，因此上市公司的定价更贴近真实（股价 × 流通股数 = 市值）。但也有投资者挑战这一假设，尝试用估值比率寻找被低估的公司。我们也可如此做：先快速掌握估值比率，再用实操例子对比。
前文已见 EPS 的重要性：若 EPS 与前次报告大幅背离，常是强烈的买/卖信号。
注 本例中忽略了 EPS 公式里对优先股股息的扣减细节。
P/E ＝ 股价 / EPS，是判断高估/低估的基础。但不同公司 P/E 差异甚大。若 NVIDIA P/E = 47.61、Pfizer P/E = 10.43（以 1 月 31 日为例），是否必然说明前者高估、后者低估？并非如此。需要与基准对比：一类基准是 S&P 500 的整体 P/E（当时约 30）；但更有效的是与同业中位数比较。例如，本例中板块中位数为 25.31，则 NVIDIA 看似偏贵。不过 P/E 未包含增长。以 P/E 除以 EPS 增速可得 PEG。下表给出 2025-06-08 时点 NVIDIA 的估值快照。
表 2.7 NVIDIA 估值快照
| 指标 | 等级 | NVIDIA | 板块中位 | 与板块差异 | NVDA 5Y 均值 | 与 5Y 均值差异 |
|---|---|---|---|---|---|---|
| P/E 非 GAAP（TTM） | D | 44.43 | 22.20 | 100.10% | 63.09 | 29.59 |
| P/E 非 GAAP（FWD） | C- | 33.14 | 22.64 | 46.38% | 47.38 | 30.05 |
| P/E GAAP（TTM） | C- | 45.71 | 28.17 | 62.22% | 83.84 | 45.49 |
| P/E GAAP（FWD） | C | 35.04 | 29.14 | 20.24% | 62.08 | 43.56 |
| PEG GAAP（TTM） | B | 0.56 | 0.91 | -38.45% | — | NM |
| PEG 非 GAAP（FWD） | B+ | 1.15 | 1.73 | -33.48% | 1.80 | 36.21 |
FWD = 未来预期；TTM = 过去 12 个月；NM = 无意义值；数据来源：Seeking Alpha，2025-06-08
你想讲哪种故事？
2024 年 6 月，NVIDIA 以 $3 万亿+ 的总市值成为全球最有价值公司。上述快照显示，我们可以用数据讲出不同的故事。
- P/E 视角：截至 2025-01-31，股价 $124.65，P/E 47.61，行业中位约 25，且远高于同侪——据此可得出“别买，太贵”的结论。
- 增长视角：看前瞻 P/E（FWD）会接近同侪；结合 PEG（TTM/FWD） ，又能讲出另一种故事：盈利显著提升，把这一增长外推后，PEG 较行业大幅占优，说明“高 P/E 有增长作支撑”。回看历史，NVDA 的 P/E 长期高于同侪，股价仍显著上行，或许仍具性价比。
市销率（P/S）反映为每 1 净资产要付多少钱”，对重资产**行业尤其有参考意义。
最后看一个混合示例：两家科技（Apple、NVIDIA）、一家公用事业（Sempra）、一家超市（Walmart）、一家饮料公司（Coca-Cola）。
表 2.8 NVIDIA、Apple、Sempra、Walmart、Coca-Cola 的盈利相关比率
| Company | Forward P/E | Trailing P/E | PEG | P/S | P/B | Beta |
|---|---|---|---|---|---|---|
| NVIDIA (NVDA) | 34.40 | 45.72 | 1.76 | 23.27 | 41.22 | 2.122 |
| Apple (AAPL) | 24.54 | 31.76 | 1.85 | 7.61 | 45.10 | 1.211 |
| Sempra (SRE) | 14.95 | 16.89 | 2.03 | 3.76 | 1.63 | 0.656 |
| Walmart (WMT) | 35.83 | 41.65 | 3.72 | 1.14 | 9.32 | 0.693 |
| Coca-Cola (KO) | 24.02 | 28.65 | 4.41 | 6.55 | 11.72 | 0.46 |
数据来源：Seeking Alpha，2025-06-08
试着解读两家公司：NVIDIA 的 P/E 高、PEG 低，说明其仍处于强增长阶段，市场预期盈利继续增长。
注 投资者还应思考：优异的 PEG 是否能持续多年。许多投资者的“圣杯”是多年持续增长且增长难以被竞争者挑战的公司。
相对地，Coca-Cola 的 PEG 较高，增长潜力更低，更适合作为分红型标的（见 §2.4.6）。
正如 §2.4.1 流动性讨论所展示的，把常识与数字对照能带来启发。Coca-Cola 自 1892 年以来产品全球分销，遭遇生存危机的概率较低；而 NVIDIA 虽在激烈竞争中居于领先，近年屡有突破、市场高速扩张，但半导体行业被竞争者扰动的可能性仍高于可乐行业。因此，把 NVIDIA 与同为科技的 AMD（追踪 P/E ≈ 81.81、PEG ≈ 0.59）对比或更有意思：或可推论 AMD 相比 NVIDIA 估值更贵，但增长潜力也许更大。
2.4.5 盈利能力（Profitability）
我们通过用收益减去费用来计算盈利能力，并由此推导盈利能力比率。拿到“盈利/亏损”的数据后，还需要理解其与资产或股东权益等其他参数之间的关系。有时即使账面盈利，相比投入的资金规模，这笔投资仍可能不划算。
- 资产回报率（ROA） ＝ 净利润 / 总资产。反映公司用资产创造利润的效率。若公司 A 净利润 100,000，其 ROA = 10% 。意味着每 0.10 利润，理论上10 年能覆盖所有资产投入。
- 股本回报率（ROE） ＝ 净利润 / 股东权益。反映公司对股东投入的回报效率。若公司 B 净利润 2,000,000，其 ROE = 0.5% ，即每 0.005 利润。
- 净利率（Profit margin） ＝ 净利润 / 营收。该指标在不同行业差异很大。例如超市销量大，但单笔毛利/净利率低。
2.4.6 股息（Dividends）
一些新手会问：公司为什么要分红？毕竟不分红就能留存更多利润，现金多了就有更多机会投入再增长。
想想 可口可乐（Coca-Cola） 。几乎人人都认识这个品牌并尝过它的主打产品。即使拥有再高的营销预算，也很难让品牌更广泛触达全球人群；而把不喝可乐的人转化为忠实用户也很困难。即使再巧妙的广告，也很难把已尝过但偏好别的饮料的人变成“可乐粉”。
在成熟市场里，如果公司缺少新的增长机会，不把利润花掉就只能囤积，而通胀会稀释这些储备。把钱返还股东就有意义了——尤其有利于那些依赖现金回流的投资策略（如养老基金），也使股票更具吸引力。
公司也可以把利润拿去“投资” ：例如可口可乐曾持有娱乐业子公司（如 Coca-Cola Telecommunications）。在英国，两大超市 Tesco 与 Sainsbury’s 也曾尝试设立虚拟移动网络运营商。
强品牌与强财力的企业有许多进入新市场的机会。此策略是否“好”，见仁见智：有人担心损伤品牌、官僚拖累；也有人认为既有组织可支撑多元扩张。历史表明，并非所有成功公司的延伸业务都符合预期，坚持核心业务常有其道理。
现在看看用股票创造被动收入的细节。被动收入投资者会在某日 Y 买入高股息公司的 X 股（如可口可乐），随后按周期获得每股分红。注意：分红金额会从股价中扣除。也就是说，分红前买入、分红后立刻卖出并不会凭空获利。
当然，高股息股也可能带来资本增值。观察许多高分红公司，它们的股价也往往随时间上涨。见表 2.9，我们标出了成长型（把盈余更多投向扩张）与价值型（更倾向分红）的差异；可从派息率（利润中用于分红的比例）与股息率看出端倪。若有人只为股息买 Apple，策略就错了：国债利率（常被视为无风险利率）多在 5% 左右；表中唯有 Altria（MO） 的股息率 6.89% 高于该水平。
表 2.9 Apple、Altria、Microsoft、NVIDIA、Sempra、Walmart、Coca-Cola 的分红策略概览
| Company | Yield FWD % | Payout ratio % | Div growth 5Y % | 连续增配年数 | 连续分红年数 |
|---|---|---|---|---|---|
| Apple (AAPL) | 0.51 | 14.10 | 5.24 | 12 | 12 |
| Altria (MO) | 6.89 | 77.54 | 4.00 | 55 | 55 |
| Microsoft (MSFT) | 0.71 | 25.04 | 10.24 | 20 | 20 |
| NVIDIA (NVDA) | 0.03 | 1.25 | 20.11 | 1 | 12 |
| Sempra (SRE) | 3.36 | 53.18 | 4.88 | 14 | 26 |
| Walmart (WMT) | 0.96 | 34.03 | 4.41 | 51 | 51 |
| Coca-Cola (KO) | 2.86 | 67.99 | 4.20 | 62 | 62 |
数据来源：Seeking Alpha，2025-06-08
举例：10 年前买入可口可乐是否划算？2025 年 7 月股价 41.25，年化**>5% 。再加上分红**，整体回报高于无资本增值的安全国债。
若 2015 年用 150,000。截至撰写时，KO 年度每股分红 $2.04（股息率 2.86% ）。若以 10 年前的买入价计算到手收益率，约为 4.6% 。
提示 公司通常逐年提高每股分红。2025 年 6 月 KO 为 $2.04/股/年；越往前，每股分红更低、股价也更低。若公司下调每股年度分红，往往是负面信号——可能意味着经营承压，需要把更多资源用于维持业务。
股息率＝ 每股分红 / 股价。例如 Apple 每股年分红 1.04、股价 $203.95（2025 年 6 月），股息率 0.51% 。许多投资者因此认为科技股多为成长型、通常低分红。
注意 股息率受股价影响，很容易误导。截至 2025 年 6 月，AT&T 股息率 3.95% ，但每股仅付 20（与 2024 年的 AT&T 类似）。若当时买入 1,000 股 AAPL 花 1,000 分红。
我们在表 2.10 又补充了一些高分红例子；加入板块与行业维度有助于识别高分红行业。
表 2.10 用 Python 收集数据生成的分红评分卡示例
| Company | Sector | Industry | Dividend yield | Payout ratio |
|---|---|---|---|---|
| Microsoft (MSFT) | Technology | Software - Infrastructure | 0.71 | 0.2442 |
| Walmart (WMT) | Consumer Defensive | Discount Stores | 0.96 | 0.3665 |
| NVIDIA (NVDA) | Technology | Semiconductors | 0.03 | 0.0129 |
| Sempra (SRE) | Utilities | Utilities - Diversified | 3.36 | 0.4404 |
| Apple (AAPL) | Technology | Consumer Electronics | 0.51 | 0.1558 |
| Altria (MO) | Consumer Defensive | Tobacco | 6.89 | 0.6779 |
| VICI Properties (VICI) | Real Estate | REIT - Diversified | 5.50 | 0.650 |
| Restaurant Brands International (RBI.VI) | Financial Services | Banks - Regional | 4.06 | 0.4297 |
数据来源：yfinance
每家公司会依据其股东利益最大化来设定分红政策。部分资产类型（如 REITs）在法律上要求较高派息率。低派息率通常意味着仍有较大增长空间；连续多年提升分红的记录越长，延续性的可能性越大；分红增长率同样是吸引点。研究股息率时也要看历史增长。
分红发放频率各异（年/半年度/季度/月度），也有不定期发放的公司。若你打算用分红支付特定开销（如暑假旅行），需考虑发放日期是否与计划匹配。
回购（Buybacks）也是相关议题：公司回购股票会减少流通股数，从而抬升每股价值。这是不通过现金分红回馈股东的替代方式。分红是周期性承诺（很多投资者期待每年至少不减的分红），而回购更灵活。
股息 vs. 票息（DIVIDEND YIELDS OR COUPON PAYMENTS）
一些观点认为，用股息获取被动收入不如固定收益（如债券）可靠。许多投资者并不知道：每股分红会从股价中扣减。
比如持有 10 股 Apple，季度分红 2.51（未计税）。同时，除息日股价会下调 $0.251。与债券票息（金额固定可得）相比，股息似乎像零和：拿到现金的同时股价相应下调；而债券**收益率 5%**时，持仓估值通常不受该笔利息发放的直接影响。税务甚至可能带来理论损失：非居民投资美股股息可能被预扣税最高 30% 。以上例计算，除息日股价下调 0.0753/股。这凸显了咨询税务顾问的重要性，以了解税收如何影响你的回报。
2.4.7 股权结构（Ownership）
一家公司的股权结构并非静态，它能为估值提供重要线索。所有股东合计所持有的公司股份总数称为流通在外股本（outstanding shares） 。相关指标 “自由流通股（float）” 会剔除内部人和大型机构持有的股份，表示可在公开市场交易的那部分股份。
就像央行可通过调节货币供给影响币值，上市公司也能通过改变流通在外股本来影响每股价值，主要有两种方式：
- 增发新股（Issuing new shares） ：增加总供给，摊薄现有股东持股比例。
- 回购股票（Buybacks） ：减少在外股本，集中持股，剩余股份的每股价值可能上升。
跟踪这些变化有助于理解公司股权动态。
分析公司高管的内幕交易（insider transactions）也很有价值——观察关键人物是买入还是卖出自家股票，可反映其对业务的信心。例如表 2.11 展示了 NVIDIA 的近况：过去 6 个月内，卖出的内部人多于买入的。
表 2.11 内幕交易概览
| 指标 | 数值 |
|---|---|
| 近 6 个月内幕买入股数 | 3,914,505.0 |
| 近 6 个月内幕买入笔数 | 17 |
| 近 6 个月内幕卖出股数 | 2,564,508.0 |
| 近 6 个月内幕卖出笔数 | 14 |
| 净买入（为负则净卖出）股数 | 1,349,997.0 |
| 内幕合计持股 | 1,057,007,872.0 |
| 净买入占比 | 0.001 |
| 买入占比 | 0.004 |
| 卖出占比 | 0.002 |
数据来源：yfinance，2025-06-08
就本文写作时的市场而言，英伟达股价飙升众所周知。这也能解释为何不少员工选择兑现部分收益，并不一定意味着公司出现问题。若卖出多于买入，可视作警示信号，但并非单一“定论”指标。
基于股票的薪酬与摊薄（STOCK-BASED COMPENSATION AND DILUTION）
许多开发者的总包中包含 基于股票的薪酬（SBC） 。这帮助企业（尤其是科企与初创）在控制现金薪酬/烧钱速度的同时吸引与留住人才。
SBC 对员工而言可能是积累财富的工具，但从公司层面看，会增加在外股本、带来摊薄：股份越多，每一股代表的公司份额越小。公司越小，SBC 的摊薄效应越明显。第 12 章讨论私募股权/初创时会进一步展开——投资初创者必须意识到 SBC 的影响。
2.4.8 可持续性（Sustainability）
部分投资者不仅追求收益，也希望支持社会责任强的企业。许多价值取向明确的投资者会排除 ESG（环境、社会、治理）评分较差的公司，因为投资亦可被视为对其经营实践的支持。
像 Yahoo Finance 这类平台提供的可持续性数据可用于此类分析。数据集中通常包含：公司是否涉及争议行业（赌博、动物实验、烟草等）的标记，以及按 E/S/G 三维度给出的详细评分（常用 0–100，分数越低代表表现越好）。
表 2.12 给出了 NVIDIA 的 ESG 评分。关键在于与同业比较：这里可见 NVIDIA 的总分更低，即ESG 表现优于半导体同行的平均水平。
表 2.12 NVIDIA 的部分可持续性评分
| 指标 | 分值 / 同行区间 |
|---|---|
| totalEsg | 12.46 |
| environmentScore | 2.73 |
| socialScore | 4.08 |
| governanceScore | 5.65 |
| 同行 ESG（总分）表现 | min: 8.87，avg: 23.06，max: 40.69 |
| 同行治理（G）表现 | min: 2.14，avg: 5.32，max: 9.27 |
| 同行社会（S）表现 | min: 2.41，avg: 5.80，max: 10.28 |
| 同行环境（E）表现 | min: 2.6，avg: 7.89，max: 16.95 |
数据来源：yfinance，2025-06-08。各维度评分范围 0–100；总分为各分项之和。
你也可以在 Sustainalytics（www.sustainalytics.com/esg-ratings…定期发布的 ESG 报告（mng.bz/Dwag），了解其对 ESG 议题的看法与举措。这些材料能帮助你将价值取向纳入投资决策。
2.5 外部评估（External assessments）
像 高盛（Goldman Sachs） 、摩根士丹利（Morgan Stanley） 、摩根大通（JPMorgan Chase） 这样的投行之所以存在，是因为它们能用他人的资金赚取利润。其分析师会把本章讨论过的诸多比率融入算法来评估公司。程序员会发现，这些投行对外分享部分观点与大型软件公司在开源上的做法颇为相似：公开一部分成果有利于推广更专业的付费服务。
本节我们先看看这些机构向公众提供的洞见；下一章将演示如何用 Python 库抓取这些数据。下列两类信息是投资分析中常用的参数：
- 评级（Ratings） ——知名投行的分析师基于投资潜力给出评级。一个相对新的趋势是众包分析：任何投资者（哪怕经验很少）都可以在平台上分享观点。
- 目标价（Estimated target prices） ——一些分析师基于现有财务数据，用统计与机器学习估算一年后的目标价。但由于未来事件不可预知，这些估算往往不够准确。
2.5.1 评级（Ratings）
分析师通常给出 买入 / 持有 / 卖出 建议。表 2.13 展示了 Seeking Alpha（seekingalpha.com/）上的一个评级列表（数据采集于 2025-06-08，最新数据请见平台）。该表汇总了三类评分：
- SA Analyst Rating：平台用户众包评级的聚合
- Wall Street Rating：华尔街专业分析师评级的聚合
- Quant Rating：由 Seeking Alpha 算法计算的量化评级
表 2.13 基于 Seeking Alpha 的公司评级
| Company | SA analyst rating | Wall Street rating | Quant rating |
|---|---|---|---|
| NVIDIA (NVDA) | 3.83 | 4.56 | 3.38 |
| Pfizer (PFE) | 3.18 | 3.56 | 3.40 |
| Aeva Technologies (AEVA) | 2.50 | 4.40 | 4.99 |
| Innoviz (INVZ) | — | 4.25 | 3.35 |
| Ouster (OUST) | 3.33 | 5.00 | 4.50 |
| Luminar Technologies (LAZR) | 3.25 | 2.75 | 2.63 |
| Sumitomo Mitsui Financial Group (SMR) | 2.60 | 4.00 | 3.47 |
（最新数据见 Seeking Alpha）
华尔街分析师的详细评级也能用 Python 查询（下一章介绍）。表 2.14 为 NVIDIA 在 2025-06-08 的结果：
表 2.14 NVIDIA 的评级分布
| Period | Strong buy | Buy | Hold | Sell | Strong sell |
|---|---|---|---|---|---|
| 0m | 12 | 45 | 6 | 1 | 0 |
| –1m | 12 | 44 | 6 | 1 | 0 |
| –2m | 12 | 44 | 7 | 1 | 0 |
| –3m | 11 | 27 | 5 | 0 | 0 |
数据来源：yfinance，2025-06-08
结果显示随时间略有走弱。一些投资者会进一步探究分析师信心下降的原因。不过总体评级依旧很强，足以令部分投资者选择买入。
2.5.2 目标价（Target prices）
表 2.15 给出了 12 个月目标价（对未来股价的估计）。以 Apple 为例，分析师的平均高位目标约 170.62。这些数字通常来自基本面（如本书前述 DCF），但具体方法多为专有。
然而，对目标价应保持谨慎：它们只是估计而非保证，往往假设市场相对稳定，无法计入黑天鹅。历史一再证明，即便最敏锐的分析师也会犯错。下一章我们会演示如何用 Python 程序化收集此类数据。
表 2.15 部分公司的 12 个月目标价
| Company | Price ($) | Mean ($) | Median ($) | High ($) | Low ($) | Rec. mean | Rec. key | # Analysts |
|---|---|---|---|---|---|---|---|---|
| Apple (AAPL) | 203.92 | 228.85 | 232.5 | 300.0 | 170.62 | 2.1 | Buy | 40 |
| Microsoft (MSFT) | 470.38 | 509.11 | 500.0 | 650.0 | 429.86 | 1.4 | Strong buy | 50 |
| NVIDIA (NVDA) | 141.72 | 172.02 | 175.0 | 220.0 | 100.0 | 1.44 | Strong buy | 55 |
| Salesforce (CRM) | 274.51 | 354.25 | 360.0 | 442.0 | 225.0 | 1.7 | Buy | 52 |
数据来源：yfinance，2025-06-08；提供评级机构包括高盛、摩根士丹利、摩根大通等。
除了目标价，评级变动历史更能帮助我们理解市场情绪演变。表 2.16 是 NVIDIA 的一段摘录（2025-06-08 抄录自 Yahoo Finance）：
表 2.16 NVIDIA 的评级维持/调整记录（节选）
| Action | Analyst: rating | Date |
|---|---|---|
| Maintains | Truist Securities: Buy → Buy | 2025-05-29 |
| Maintains | Raymond James: Strong Buy → Strong Buy | 2025-05-29 |
| Maintains | Piper Sandler: Overweight → Overweight | 2025-05-29 |
| Maintains | Mizuho: Outperform → Outperform | 2025-05-29 |
（更新数据见 finance.yahoo.com/quote/NVDA/…）
我们应否把专业分析师的判断作为决策依据？批评者认为，2007 年投行为垃圾债给出高评级是次贷危机的重要根源。美国纳税人也记得，当这些评估被证明失准时，谁承担了救助的成本。没有银弹能保证高回报。对非黑即白思维的人而言，投资世界可能不太友好；优秀的投资者相信的是概率。
把“专家观点”当作意见，而非预言
2024 年初，《经济学人》等有影响力媒体曾预测当年股市将下跌（mng.bz/YZnQ），但许多公司的股价表现却相反。
即便拥有“全世界的数据”，也没人能预言未来。这在高成长股的近年走势中体现得淋漓尽致：许多投资者断言 Tesla、NVIDIA、Palantir 等估值过高、理应大幅回调，但实际情况往往是继续上行或长时间盘整。
这凸显了一个投资基本原理：成功不在于次次正确，而在于正确的次数多于错误。既然确定性不可能，投资者就通过分散化（Diversification）来管理概率，构建能在不可避免的预测误差下仍可运作良好的投资组合。
总结（Summary）
- 三大财务报表（利润表、资产负债表、自由现金流 FCF）遵循会计准则，便于我们对公司进行可比分析。
- 行业分类标准将公司划分为不同板块（粗粒度）与行业（细粒度），以便归类并识别同业可比。
- 不同板块与行业会影响投资者对比率的解读；投资者常根据对行业的了解选择相应比率进行评估。
- 虽可跨行业比较公司，但同一行业内的比较通常更可靠。
- 一些指标能独立于行业判断公司状况，尤其与偿付能力相关的指标——“能否按时付账”对所有公司都是共性问题。
- 利润表揭示公司在一定期间内的收益状况。
- 资产负债表反映公司的资产与负债；股东权益＝总资产 − 总负债。
- 自由现金流（FCF）展示公司的流动性，常用作计算流动性比率的基础。
- 流动性比率主要来自现金流量表，反映企业用资产支付账单的能力；由于部分资产不具流动性，公司即使账面良好也可能无法及时付款。
- 债务比率通过比较债务与资产来刻画杠杆水平；在极端情况下，这些比率可能提示破产风险。
- 盈利比率衡量公司每股利润，并可用于诸如市盈率（P/E） 等多种估值比率的计算。
- 盈利能力比率评估企业在一段时间内相对于营收、运营成本、资产或股东权益的创造利润能力。
- 分红比率体现公司以不同频率、小额向股东返现的承诺。
- 持股（Ownership）指标关注公司股权结构的变化（含内幕交易），有助于公司估值判断。
- 可持续性（ESG）指标评估公司在环境、社会、治理方面超越逐利目标的承诺。
- 我们可以收集分析师建议，但不做尽调而盲从第三方建议，风险很高。
- 评级（Ratings）是外部机构给公司的评分卡，指示投资的潜在风险与收益，但可能相互矛盾，且不保证股价涨跌。
- 目标价（Target prices）是持牌金融分析师给出的未来股价预测，但高度投机，不可作为保证。
