跳转到正文

Data Update 1 for 2025: The Draw (and Dangers) of Data! ​

  • 所属系列:专题更新 · 2025
  • 视频:YouTube · 时长 19:50 · 字幕
  • 内容判断:方法说明|画面依赖低:样本和数据目录已按讲义转写,税率柱状图的数字是图上读数
  • 处理方式与范围:全片论证梳理与提炼
  • 讲义 / 资料:讲义 PDF · 博客原文 · 当前数据入口
  • 素材依据:英文字幕,仓库存档经 FreeTranscriptAPI 获取,508 行;字幕类型未核实
  • 核对范围:已读全片字幕 00:00–19:46、讲义 19 页(含 7 页图表);数据集、博客与视频画面未核对
  • 发布日期:2025-01-10
  • 数据截至:市场数据为 2024 年 12 月 31 日;会计数据为截至 2024 年 9 月 30 日的过去 12 个月;样本 47,810 家上市公司
  • 状态:已提炼

Damodaran 每年初发布的这批数据能怎么用,又不能怎么用?他的回答是,数据最适合检验断言和衡量预测的噪声,但它并不天然客观,也不能保证历史会重演。同一个“美国公司税率”可以是 6% 到 26%,取决于算法;均值回归也可能失效。所以他公开了样本、来源和算法:纳入所有上市公司,统一用美元,用加总值代替简单平均,并说明市场数据和会计数据的时点差异。这一期是后面八期的使用说明。

视频总结 ​

时间戳取自 YouTube 英文字幕,标题中的时间区间可点击跳转;讲义页码另行标注。

00:00–02:06 数据的两个好处 ​

数据能反驳未经检验的断言,也能告诉你预测有多大噪声。

近四十年来,Damodaran 每年第一周都在收集上市公司的数据(00:00),这是为了自己全年的估值和公司金融工作(00:20)。

数据的第一个好处是反驳断言(00:46):公司的负债是否比以往都高,美国公司的税是否比别国少,只有看数据才能回答(00:56)。第二个好处是衡量噪声(01:14)。专家名声受损,部分原因是预测时不说明不确定性(01:25)。他认为承认不确定不是软弱,而是力量(01:42)。数据的分布本身就告诉你预测能有多精确(01:49)。

02:06–04:55 第一个危险:数据不等于客观 ​

美国公司税率可以算出 6% 到 26%,每一方都能找到想要的数字。

人们相信用了数据就是客观的(02:06)。但在有强烈偏见的人手里,数据可以唱任何调子(02:15)。他以美国公司 2024 年的税率为例(02:25,讲义第 5 页,数字为图上读数):

算法税率问题
全部公司的简单平均有效税率(02:52)约 6.7%亏损公司不交税,被拉低(03:01)
盈利公司的简单平均有效税率(03:09)约 19.4%应计税款,不一定等于实付
盈利公司的简单平均现金税率(04:05)约 22.9%大小公司权重相同
加总应计税款除以加总应税收入(03:29)约 21.6%按盈利加权(03:38)
加总现金税款除以加总应税收入(04:05)约 26.4%按盈利加权的实付税款

说美国公司少交税的人引用 6%,说它们交足的人引用高的数字(04:24)。他无法控制人们用哪个(04:44),所以看到税率时要看看整个范围(04:44)。

04:55–06:07 第二个危险:均值回归不是保证 ​

很多主动投资都建立在均值回归上,但数据可能回不到均值,均值本身也可能变了。

人们常假设历史重演(04:55)。均值回归是强大的力量(05:05),买低市盈率股票赚钱,靠的就是它们回到平均(05:13)。但数据可能回不去,或者回到的均值已不是过去的均值(05:32)。过去十年有人因为市盈率高于历史而避开美股,就是这样(05:41)。平均值可以用,但不要假设一定回得去(05:59)。

06:07–11:41 样本:47,810 家公司 ​

他不筛选样本,纳入所有市值大于零的上市公司;美国占全球市值 48.6%,科技占 21%。

他很谨慎地避免删除公司,因为偏差由此产生(06:07)。来源(06:34,讲义第 7 页)是:公司数据来自标普 Capital IQ 和彭博(06:34),宏观数据来自 FRED(06:44),债券利差来自 NAICS(06:54),国家风险来自政治风险服务公司(07:05)。

地区(讲义第 8、9 页)公司数市值(万亿美元)2023 年初占比2024 年初占比2025 年初占比
美国6,06260.0742.33%44.34%48.60%
中国7,61115.5816.08%12.83%12.60%
欧盟及周边5,78214.9914.03%13.88%12.13%
亚洲(不含日中印)10,1766.796.11%5.97%5.50%
日本4,0236.203.48%5.47%5.01%
印度4,7885.183.58%3.96%4.19%
非洲和中东2,4785.094.98%4.71%4.12%
英国1,0643.273.20%2.96%2.64%
加拿大2,7012.972.76%2.52%2.40%
全部47,810123.62

亚洲(不含日中印)公司最多(07:35),美国市值最大(07:45)。过去两年美国占比从 42% 升到约 49%,中国从 16% 降到 12.6%,印度升至 4.19%(07:57)。也许这里也会有均值回归(08:31)。

按行业,工业公司最多,8,780 家(08:41),科技市值最大,占 21%(08:50)。但世界各地并不均衡(09:01):

行业占比(讲义第 11 页)澳新加发达欧洲新兴市场日本美国
信息技术9.10%7.83%15.19%13.10%29.56%
金融30.48%18.79%19.69%12.72%14.52%
工业11.02%18.11%13.84%23.02%8.84%
能源11.72%3.89%10.00%0.85%3.32%

美国科技占近 30%(09:11),美国市值上升大多来自科技(09:20)。欧洲不足 8%,他认为这是欧洲的重大弱点(09:29)。澳新加的金融约占 30%(09:46)。

他把行业细分为 94 个组,这源于约 40 年前 Value Line 的分类(10:04),不同于投行常用的 SIC 或 NAICS(10:21)。分类要足够宽,保证每组有足够的公司,也要足够窄,反映业务特征(10:32)。要更细的分类,比如奢侈品零售,就要用原始数据服务(10:50)。平均值按五个地区报告,再加印度、中国和全球(11:10)。

11:41–13:23 数据目录 ​

数据按公司金融的三大决策和估值的输入组织。

用途(讲义第 13、14 页)类别内容
公司金融(11:50)投资门槛率、回报率、利润率、超额回报
公司金融(12:08)融资负债比率、评级和利差、税率、债务细节
公司金融(12:17)股息股息、回购、FCFE、派息率和股息率
公司金融(12:25)治理内部人和机构持股、员工数
估值(12:44)增长历史和基本面增长、再投资、研发、营运资本
估值(12:53)风险和盈利资本成本、标准差、利润率、回报率
估值(13:04)定价盈利、账面、收入、EBIT 和 EBITDA 倍数

13:23–15:18 时点:市场最新,会计滞后 ​

市场数据是年底的,会计数据到 9 月底,这种“不一致”正是投资者实际面对的情况;到年底倍数会明显过时。

市场数据是 12 月 31 日的(13:32),会计数据最新到 9 月底(13:52),收入类用过去 12 个月,资产负债表用最近一期(14:03)。这看似不一致,却是每个输入都用可得的最新数据(14:13)。

到年中,回报率类数据变化不大(14:31),倍数可能变化很大(14:41)。资本成本表可以自己更新国债利率和风险溢价(15:00)。

15:18–16:51 算法:加总代替简单平均 ​

简单平均会受缺失值和极端值影响,所以他用加总值,并保留亏损公司。

早年他用简单平均(15:18),后来发现缺失值会带来偏差,极端值和小公司也会拉动平均(15:27)。现在几乎所有指标都用加总值(15:45):钢铁业的 ROE 等于所有钢铁公司的净利润之和,除以账面股权之和,包括亏损公司(15:55)。这是最简单的办法,也不用丢掉缺失或负值的数据(16:02)。

他用美元消除币种差异(16:27)。IFRS 和 GAAP 已经趋同,会计差异也比三十年前小(16:34)。

16:51–19:50 使用方式 ​

数据供实务使用,建议下载电子表格;它不是研究数据库,出错了就告诉他。

网页上有当前数据和历史归档(17:00)。他建议下载电子表格(17:17),里面有变量定义,很多还有使用视频(17:25)。归档数据不太好用(17:43)。

这些数据是给实务者的,不是学术研究用的(18:02),数据服务也换过,不同年份未必可比(18:21)。使用时注明来源更好,不注明他也不介意(18:44)。团队只有他一个人,他也不是教皇,会犯错(19:03)。他不提供定制数据,需要的话可以自己从原始数据做(19:30)。

提炼 ​

核心结论 ​

这一期的要点是,任何统计数字都要连同它的样本、时点和算法一起读。它给后面各期打了基础:看到一个比率,先问亏损公司算没算,是加总还是平均,分子分母是不是同一时点。结论的前提是这些选择都公开,所以读者可以自己判断。他自己也说做不到没有偏见,能做的只是透明。

概念与公式 ​

概念含义本期用法
加总值分子之和除以分母之和相当于加权,不丢亏损公司
有效税率应计税款除以应税收入来自利润表
现金税率实付税款除以应税收入反映真实现金
均值回归指标回到历史平均主动投资的基础,但并无保证

方法与判断依据 ​

使用他的数据或看到别人引用时,可以依次问:

  1. 样本包括哪些公司?亏损公司算了吗?
  2. 是简单平均、中位数还是加总?
  3. 币种和会计口径是什么?
  4. 分子分母分别是什么时点?
  5. 现在距离发布多久了?倍数是否已经过时?
  6. 引用者为什么选这个算法?

复算与实操 ​

  • 美国占比:60.07 ÷ 123.62 = 48.60%,口述的 49% 是取整。
  • 美国和中国的合计占比:2023 年初 58.4%,2025 年初 61.2%。
  • 税率差距(自行设定):税前利润 100,按 6.7%、21.6%、26.4% 税后是 93.3、78.4、73.6,相差约 21%,估值时选错口径影响不小。
  • 时点错配:2025 年初的市盈率是 12 月 31 日的市值除以截至 9 月 30 日的盈利,分子比分母新一个季度。

关联 ​

疑问与待核实 ​

  • 10:04 本期和讲义第 12 页说 94 个行业组,Data Update 3 和 Data Update 7 说 93 个。
  • 06:54 债券利差来源,字幕和讲义第 7 页都是 NAICS,这通常是行业分类系统的名字,不像利差来源,待核实。
  • 13:32 口述“end of 2025”按语境是 2024 年底。
  • 04:24 口述的 6%,讲义第 5 页柱状图读数约 6.7%,图上没有标数字。
  • 讲义第 9 页日本的占比从 2023 年初的 3.48% 跳到 2024 年初的 5.47%,一年上升 2 个百分点,比美国的变化还大,这和当年的日本市场回报不太相称,未核对原因。

← 返回专题更新