Peter Lynch 增长故事模型

Peter Lynch 模型输入项

每个输入项按 0 到 100 分打分，再乘以权重，最后用分数区间表解读总分。

Peter Lynch 分数区间

分数是研究闸门，不是目标价，也不是投资建议。

Peter Lynch 动作矩阵

动作矩阵把模型条件转成下一步研究动作。

投资者清单

• 股票类型匹配 (20%): 稳健增长、快速增长、周期、反转、资产股或慢增长。
• 增长证据 (20%): 同店销售、用户增长、销量、定价、留存或订单。
• 单位经济 (20%): 毛利率、经营杠杆、库存质量、获客成本。
• 增长空间 (15%): 门店数量、渗透率、产品扩展、国际化空间。
• 增长对应估值 (15%): PEG、盈利预期修正，以及牛市情景是否已被定价。
• 资产负债表韧性 (10%): 现金、债务，以及增长放缓时能否扛住。

模型本体

Lynch 故事到数字分数: 总分 = 20% 股票类型匹配 + 20% 增长证据 + 20% 单位经济 + 15% 增长空间 + 15% 增长对应估值 + 10% 资产负债表韧性。

• 股票类型匹配 (20%) — 稳健增长、快速增长、周期、反转、资产股或慢增长。
• 增长证据 (20%) — 同店销售、用户增长、销量、定价、留存或订单。
• 单位经济 (20%) — 毛利率、经营杠杆、库存质量、获客成本。
• 增长空间 (15%) — 门店数量、渗透率、产品扩展、国际化空间。
• 增长对应估值 (15%) — PEG、盈利预期修正，以及牛市情景是否已被定价。
• 资产负债表韧性 (10%) — 现金、债务，以及增长放缓时能否扛住。

打分表与动作矩阵

把上方表格当成可操作模型。先用当前证据填每个输入项，给出粗略分数，再用动作矩阵判断是否值得深入研究。

• 产品可见 + 利润率上升: 对比同行 — 确认它是否是这个品类里最好的股票表达。
• 产品可见 + 利润率下降: 不要追 — 增长可能越来越贵。
• 高增长 + 市场接近饱和: 降分 — 增长空间可能已经收窄。
• 周期股处于盈利高点: 换周期模型 — 先分类，避免为临时利润付高价。

如何解读分数

分数不是目标价，而是研究闸门。高分代表值得深入；低分代表模型在提醒投资逻辑不完整。

• 80-100: 增长故事被确认 — 产品故事进入财务数据，估值仍算合理。
• 65-79: 等下一份财报 — 故事可信，但利润率、空间或估值还需要确认。
• 45-64: 受欢迎但风险高 — 品牌可见，但股票证据不完整。
• 0-44: 故事股 — 叙事承担了太多工作，数字没有跟上。

硬性失效规则

这些规则优先于分数。只要出现一条硬性失效条件，就应该先重新打分，再决定仓位。

• 收入增长无法对应到用户、销量、定价或留存。
• 库存、流失率或获客成本恶化。
• 估值假设的顺利增长年份超过实际增长空间。
• 股票类型判断错误，例如把周期股当快速增长股。

模型示例运行

一家零售商客流很强，但库存上升、利润率持平，可能只得 62 分。模型结论是故事可见，但经济质量还不够。

SnowballHare 数据工作流

用 SnowballHare 页面作为证据来源来运行模型。目标是让每个分数可追踪，而不是凭感觉。

• 先用 Market Topics 找到主题里的公司池，再选择具体股票。
• 用财报分析确认故事是否已经进入收入和利润率。
• 用 Compare 页面区分最好的生意和最熟悉的产品。
• 用股价预测测试当前价格是否已经反映牛市情景。

模型误用

如果把某一个输入项当成完整答案，模型就会变危险。

• 因为喜欢产品就买公司股票。
• 早期增长很强时忽略渗透率上限。
• 机械使用 PEG，却不检查利润率质量。
• 忘记周期股在盈利高点附近可能看起来很便宜。

什么时候该换模型

如果忽略利润率、竞争、渗透率和估值，它容易高估熟悉故事。产品受欢迎，不代表股票价格仍然合理。

相关主题

常见问题