🔗 宏观 → 估值 桥接
把「大势」接进「个股估值」的正确方式 · 参数包 2026-08-03 · 数据源 FRED / 美国财政部 / LBMA / Shiller（均已双源交叉）
一句话回答：宏观不是「再加一个模块」，而是插在估值引擎最上游的参数供给层。
- 估值引擎 76 个模型里 55 个（72%）的输入含宏观变量，且全部汇聚到 4 个横切模型；其中
xs_discount_rate 自己写着「全引擎唯一的折现率来源，所有 DCF 家族的 r 都必须来自这里」。
- 这些参数在估值引擎里现在标
grade=estimated（样例演示参数）。桥接把它们升级为 disclosed/regressed —— 带真实来源、日期、双源核实状态。
-
接进宏观最大的价值不是让估值更精确，而是让估值诚实地变成一个区间。
一、接口在哪：一处接上，55 个模型全动
二、桥接送过去的参数（全部带出处，可被审问）
无风险利率 10Y
4.68%
2026-07-30 · 双源已核
市场定价十年通胀
2.27%
名义10Y − TIPS实际
名义GDP增速（g₂上限）
6.54%
体制概率加权
ERP 点估计
+4.43%
区间 -1.4~+7.7%
| 参数 |
估值引擎现状 |
桥接后 |
出处等级 |
| 无风险利率 r_f |
手填样例值 |
3.82% / 4.68% / 5.21%（3M/10Y/30Y，日频） |
disclosed + 双源交叉 |
| 通胀 π |
手填 |
当前CPI 2.005%；市场十年预期 2.27% |
disclosed
|
| 终值增长 g₂ |
手填 2.5% |
上限 6.54%（体制区间 3.5~8.4%） |
regressed 1953-2025 |
| ERP |
Damodaran 隐含（regressed） |
+4.43%，并附 9.0pct 的方法分歧区间
|
regressed 5方法融合 |
| 情景概率 |
（无，或主观） |
复苏(增长↑通胀↓) 17% ／ 过热(增长↑通胀↑) 25% ／ 滞胀(增长↓通胀↑) 32% ／ 衰退通缩(增长↓通胀↓) 26% |
regressed 转移矩阵 |
| 安全边际 |
（无，或固定值） |
35%（CAPE 41.4，历史99.3分位） |
estimated（规则式） |
ERP 逐方法拆开看（这是全篇最该看的一张表）
| 方法 |
隐含 ERP |
ke（β=1） |
| 全样本历史均值 |
+7.66% |
12.34% |
| 体制加权历史 |
+6.89% |
11.57% |
| 估值锚(CAPE) |
-1.36% |
3.32% |
| 均值回归 |
+6.22% |
10.90% |
|
可信度加权融合
|
+4.43%
|
9.11%
|
🔴 估值引擎自己说「ERP 差别可达 200bp」，实测是 902bp —— 它以为的 4.5 倍。
折现率对 DCF 的杠杆极大，这一条直接决定了下面演示的结果。
三、演示：同一家公司，只换折现率会怎样
用估值引擎自带的样例标的（样例:成熟软件公司，现价 $48.0），
现金流假设一个字不改，只把折现率换成宏观给的 ERP 区间三档：
| 档位 |
ke |
每股价值 |
终值占比 |
估值引擎的闸怎么判 |
| ERP最低档(估值锚) |
3.32% |
$344.13
|
94% |
🔴 终值占比 94% > 85% —— 按估值引擎自己的失效条件,这时它给的是永续假设的估值,不是这家公司的 |
| ERP点估计(可信度加权) |
9.11% |
$38.74
|
63% |
✅ 通过 |
| ERP最高档(历史均值) |
12.34% |
$25.08
|
50% |
✅ 通过 |
🔑 最妙的地方：两台引擎的闸会互相咬合。
- 宏观给出折现率区间；而估值引擎自己的失效条件（终值占比 > 85% = 你在给永续假设估值，不是给这家公司估值）负责砍掉区间里不可用的那一端。
- 我没有另立标准 —— 用的是它自己写在模型里的规矩。
- 收窄后的有效估值区间：$25.08 ~ $38.74，
相对现价 -48% ~ -19%（两端都低于现价）。
- 再叠加宏观建议的 35% 安全边际 → 出手价 ≤ $25.18。
这就是结合的真正收益：
不是把一个数变得更准，而是把一个假装精确的点估计，变成一个有边界、有闸、可执行的区间。
四、六种具体结合方式（按价值排序）
① 折现率的根（最高价值）
现状：xs_discount_rate 是全引擎唯一折现率来源，12 类资产都过它。它的 r_f 现在是手填样例值。
接真实日频值：3M 3.82% / 10Y 4.68% / 30Y 5.21%，已过双源交叉（第二源=美国财政部官方）。一处接上，55 个模型同时受益。
② ERP 不是一个数，是一个区间（最反直觉）
现状：估值引擎自己写着「ERP 历史均值 vs 隐含 ERP 差别可达 200bp」。
本引擎实测方法分歧 9.0pct = 902bp，是它以为的 4.5 倍。ERP 区间 -1.4% ~ +7.7%。→ DCF 必须用区间跑三次，输出估值区间；给单一目标价 = 假装精确。
③ 终值增长 g₂ 的上限约束
现状：DCF 的 fail 条件第一条就是「g₂ ≥ WACC 时数学崩溃」，第二条是「终值占比>85% 时你在给永续假设估值」。
宏观给名义 GDP 增速 6.54%（体制区间 3.5%~8.4%）作为 g₂ 的上限——注意是上限不是建议值：单个公司长期增速不该等于整个经济。
④ 情景权重用历史转移矩阵，不用主观拍脑袋
现状：估值做情景分析时，三档情景的概率通常是主观给的。
宏观给未来十年体制概率：复苏(增长↑通胀↓) 17% ／ 过热(增长↑通胀↑) 25% ／ 滞胀(增长↓通胀↑) 32% ／ 衰退通缩(增长↓通胀↓) 26%，且有 1953-2025 的转移矩阵支撑。
⑤ 安全边际随宏观压力浮动
现状：多数估值给固定的安全边际（如统一 20%）。
当前 CAPE 41.4（历史 99.3 分位）→ 建议 35%。逻辑：系统性估值越高，单标的估值误差被市场纠正的概率越大，缓冲要更厚。
⑥ 对冲有效性要看体制
现状：股债负相关是很多组合的隐含假设。
宏观给分体制相关性矩阵。股债相关性 2022 年后转正——用全样本相关性做对冲，会在最需要对冲的时候失效。
五、诚实边界（宏观管不到什么）
- 宏观只管【系统性参数】:r_f / ERP / π / g₂上限 / 情景概率 / 体制相关性。
- β、规模溢价、国别溢价、流动性溢价、公司特有风险 —— 宏观管不到,仍须个股层提供。
- ERP 的方法分歧极大(见 equity_risk_premium._critical),接进来是为了让估值【变成区间】,不是变精确。
- g₂ 给的是【上限约束】不是建议值:单个公司长期增速不该等于整个经济的增速。
- 本桥接不改变估值引擎任何模型的数学,只替换它们的上游输入与出处等级。
-
安全边际那条是规则式映射，不是实证最优解 —— 它的逻辑站得住，但没有回测证明 35% 就是最优数字。
-
本桥接不改估值引擎任何模型的数学，只替换上游输入与出处等级。数学是它的，参数是宏观的。