微软（NASDAQ：MSFT）的估值远远高于其合理价格，而OpenAI-Altman 戏剧引起的价格波动提供了一个绝佳的退出机会观点。
这场闹剧始于 2023 年 11 月 17 日，当时 OpenAI 首席执行官 Sam Altman意外被董事会罢免。微软很快为 Altman 以及许多其他 OpenAI 高管和员工提供了一个新家。仅仅几天后，OpenAI重新聘请Altman 担任首席执行官。
如下图所示，市场对这些发展的反应相当积极。微软股价在几天内从 11 月 17 日的 370 美元左右上涨至每股 384 美元左右的历史最高点。这样的反弹使微软的估值增加了超过 1000亿美元的市值，而最高价格水平转化为以 TTM 计算的近 37 倍的市盈率。这种乐观当然有充分的理由。例如，当这些事件发生时，微软确实有可能在不支付市场价格的情况下收购 OpenAI 团队（或至少是大部分团队）。然而，随着 Altman 回归 OpenAI，这种情况发生的可能性几乎为零。然而，如果其他新的发展在不久的将来再次引发大幅价格波动（例如，将其价格推回到 383 美元的水平），我不会感到惊讶。我认为，随着如此多的关键人事变动和新董事会的出现，戏剧还没有结束。
接下来，我将解释为什么这种潜在的价格波动为股东提供了极好的退出机会。
为了说明这些价格水平作为退出点有多好，我在这里根据我心目中的一些最激进的假设分析了微软的公允价值。我将应用一个简单的股息折扣模型。由于其长期稳定的股息记录，其股息是其长期真实经济收益最可靠的近似值。
使用过贴现现金流模型的人都知道，关键在于贴现率和增长率。通过调整这些比率，您几乎可以证明零到无穷大之间的任何估值都是合理的。所以这里我会通过以下方式以最少的按摩量来选择这些参数。
对于贴现率，我将仅使用与当前 10 年期国债利率近似的无风险利率（在撰写本文时约为 4.2%）。持续时间较短的利率明显较高。如果你认同巴菲特的想法，那么无风险利率应该只适用于复利能力接近确定的企业。我认为 微软的人工智能未来（或者只是一般的人工智能未来）目前还没有接近确定性。因此，在我看来，使用无风险利率作为贴现率是一个非常激进的假设。
为了进一步说明这个假设的激进程度，我还估计了微软的平均资本成本（所谓的 WACC，加权平均资本成本），如下所示。我的计算基于资本资产定价模型（“CAPM”），这是大多数分析师用于估计贴现率的模型。可以看出，根据该模型，MSFT 的 WACC 过去平均约为 9.3%，因此其贴现率也应如此。我并不是说 CAPM 模型给出了“正确”的答案。这是一个全新的讨论。我只是想通过使用 4.2% 作为贴现率来说明以下计算中的乐观情绪。
现在，对于终端增长率，我的估计是由其平均已动用资本回报率（ROCE，如下图所示）和平均再投资率组成的。其 ROCE 约为 66%，即使在 FAANG 集团这样的优秀企业中，也确实处于较高水平。近年来，其再投资率平均在5%左右，也恰好是大型科技公司的平均水平。因此，终端增长率约为 3.30%（66% ROCE x 5% 再投资率 = 3.30%）。请注意，由于这是最终利率，因此我默认假设其当前的 ROCE 水平和再投资率可以无限期地维持，考虑到科技格局变化的速度，这也是一个非常激进的假设。
现在剩下的就是简单地将数字代入折扣模型。根据上述贴现率和增长率（2.8 美元/（4.2% – 3.3%）），微软的 TTM 股息为每股 2.8 美元，其公允估值约为 311 美元。
当我输入这些行时，其市场价格为 373 美元，即使考虑到所有激进的假设，其市场价格仍比公平价格高出约 20%。如果任何价格波动将价格推回到 383 美元（这很可能在我的观点），溢价将超过23%。好于 20%，但也好不了那么多。
当然存在上行风险。微软多头已经雄辩地分析了大部分上行风险（高 ROCE、轻资本模型等）。我认为，即使没有任何人工智能的东西，微软仍然是一家优秀的企业，这并不夸张。
在这里，我将考虑一个较少提及但与我在本文中使用的特定方法更相关的上行风险。无风险利率、所有资产估值的重要性可以自行改变。我上面的分析使用了当前10年期国债利率4.2%作为贴现率。如果您好奇什么样的国债利率能够证明 MSFT 当前价格的合理性，如果您使用我上面使用的其他输入重复贴现模型，简单的数学计算将显示答案约为 4.0%。无风险利率肯定有可能降至 4% 的水平，因此存在上行风险。
总而言之，目前的国债利率高于 4%（如果您选择查看短期利率而不是 10 年期利率，则远高于 4%）。利率能否/何时回到4%尚不确定，能否稳定在4%更是不确定。因此，我认为，在当前条件下，微软目前的价格水平已经是一个很好的退出点。如果最近的戏剧性事件发生后出现任何新的事态发展引发更多的上行价格波动，我当然不会建议潜在投资者因担心错过机会而追逐其股票。
作者丨Envision Research
文│松果智能Hub