Точечная оценка против распределения
Когда аналитик пишет «intrinsic value Apple — $180», за этим числом скрывается distribution. Если бы он использовал 8 разных методов оценки (DCF, EPV, multiples), он получил бы 8 разных чисел: например, $160, $170, $175, $180, $185, $195, $210, $230. Цифра $180 — это median, но реальное знание содержится в форме всего распределения.
Bayesian Penalty формализует простую мысль: чем шире это распределение, тем меньше мы знаем «настоящую» IV. И тем больше мы должны вычесть из median'a, чтобы получить «conservative» оценку, на которую можно ставить капитал. Это похоже на Knightian uncertainty discount — концепцию из теории решений, разделяющую риск (известная вероятность) и неопределённость (вероятность неизвестна).
Спорим на $100, что монета выпадет орлом. Шансы 50/50 — это риск. Понятный, измеримый, можно рассчитать ожидаемую ставку. А теперь спорим, что биотех-стартап получит одобрение FDA через 18 месяцев. Шансы — где-то от 10% до 60%, никто точно не знает. Это неопределённость. И именно за неё нужно платить штраф: даже если ваша central estimate говорит 35%, рациональный решатель будет действовать как при 15–20%.
Формула
где:
median IV — медиана оценок из всех применимых методов
σ(IV) — стандартное отклонение этих оценок
k — penalty multiplier (зависит от уровня неопределённости)
Эквивалентная интерпретация: вместо median'a используется некий нижний percentile распределения. При гипотезе нормального распределения:
- k = 0,5 — приблизительно 31-й percentile (умеренный штраф)
- k = 1,0 — приблизительно 16-й percentile (типичный consesrvative)
- k = 1,5 — приблизительно 7-й percentile (high uncertainty)
- k = 2,0 — приблизительно 2-й percentile (very high uncertainty)
Какой k выбирать
Уровень k определяется природой бизнеса и качеством данных, не вкусом аналитика. Типовая шкала:
- k = 0,5 — regulated utilities, mature consumer staples с 50-летней историей. Distribution оценок узкое (±5–8% от median).
- k = 1,0 — большинство публичных компаний с разумным треком. Distribution умеренное (±10–15% от median).
- k = 1,5 — циклические индустрии в неопределённой фазе цикла, tech на фоне disruption, банки в нестабильной ставочной среде. Distribution широкое (±20–30% от median).
- k = 2,0 — pre-revenue биотех, ранние стартапы, special situations с правовыми рисками, страны с волатильной валютой. Distribution очень широкое (±40%+ от median).
Если k × σ > median, Adjusted IV становится отрицательным. Это не баг — это feature. Формула говорит: для этого бизнеса неопределённость настолько велика, что никакая цена не оправдывает покупку с consesrvative подходом. Биотех в pre-revenue стадии часто попадает в эту категорию. Это рациональный выход из сделки.
Как считать σ на практике
σ оценивается из дисперсии IV-оценок, полученных разными методами. В Cashalot 2.0 используется minimum 8 методов: DCF Монте-Карло, Reverse DCF, EPV Greenwald, CAPE Shiller, NCAV Graham, SOTP, Residual Income, Peer Multiples Trimmed. Из этих 8 точек строится distribution, σ — её standard deviation.
Для ручного расчёта достаточно 3 методов (DCF + EPV + multiples). σ ≈ (max − min) / 4 — простая аппроксимация при предположении, что 8 оценок легли бы в ±2σ диапазоне.
Шесть кейсов: широкий и узкий distribution
Применим формулу к шести компаниям с разной природой неопределённости. Цифры — иллюстративные распределения IV-оценок на май 2026, k подобран по типу бизнеса.
| Компания | Тип | Median IV | σ | k | Penalty | Adjusted IV | vs Price |
|---|---|---|---|---|---|---|---|
| Utility | regulated stable | $60 | $4 | 0,5 | −$2 | $58 | $55 → +5% |
| Coca-Cola | quality cons. | $58 | $8 | 1,0 | −$8 | $50 | $70 → −40% |
| Apple | quality tech | $182 | $30 | 1,0 | −$30 | $152 | $210 → −38% |
| Ford | cyclical auto | $20 | $12 | 1,5 | −$18 | $2 | $12 → unbuy. |
| NVIDIA | hype tech | $120 | $50 | 1,5 | −$75 | $45 | $150 → −233% |
| Biotech pre-rev | very high unc. | $25 | $20 | 2,0 | −$40 | −$15 | unbuyable |
Несколько наблюдений:
- Только utility получает BUY. Узкое distribution (σ $4) + низкий k (0,5) даёт небольшой штраф. Цена $55 ниже adjusted $58 → положительный Bayesian MOS.
- Apple и KO с положительным adjusted IV, но рынок выше. Adjusted IV даёт «consesrvative true price». Рынок платит премию за качество. Решение AVOID — не из-за неопределённости, а из-за переоценки.
- Ford с adjusted $2 — почти unbuyable. Циклический бизнес в неопределённой фазе цикла настолько сильно штрафуется, что даже текущая цена $12 кажется чрезмерной относительно $2 conservative value. Это сигнал «не лезть в бизнес, которого ты не понимаешь».
- Биотех с adjusted −$15. Формальный сигнал «формула не годится, используй опционную модель». Это правильное поведение: для бизнесов с бимодальным распределением Bayesian Penalty неприменим.
8 методов дают IV NVIDIA в диапазоне от $50 (EPV без AI премии) до $250 (DCF с aggressive AI scenarios). Median $120, σ $50. При k=1.5 (hype tech) penalty = $75. Adjusted IV = $45.
Рыночная цена $150. Bayesian MOS = (45−150)/45 = −233%. Это сильнейший AVOID-сигнал по формуле. Интерпретация: рынок платит цену, которая лежит в верхнем хвосте distribution; чтобы оправдать $150, нужны допущения близкие к 90-му percentile самой оптимистичной оценки из 8.
Может ли рынок быть прав? Конечно. Но Bayesian Penalty не делает прогноз — она формализует: «если мы консервативны и рассматриваем нижнюю часть нашего знания, эта цена не имеет запаса прочности».
Калькулятор Bayesian Penalty
Введите median IV из ваших нескольких методов, σ (или приблизительно (max−min)/4), k-multiplier по типу бизнеса, и текущую цену. Калькулятор вернёт adjusted IV, Bayesian MOS и вердикт.
Связь с Margin of Safety
Bayesian Penalty и MOS — два связанных, но независимых концепта. MOS — фиксированная скидка по типу бизнеса (10% wide-moat, 30% normal, 50% uncertain). Bayesian Penalty — динамическая скидка, отражающая дисперсию оценок в этой конкретной ситуации.
В современном workflow они применяются последовательно: сначала Bayesian-adjusted IV (median − k×σ), затем стандартный MOS поверх него. Это двойная защита: одна — от вашей системной ошибки оценки (MOS), вторая — от объективной неопределённости в этой компании (Bayesian).
Например, у Apple: median IV $182, σ $30, k=1.0 → Bayesian-adj $152. Required MOS 25% → Final Buy Price = $152 × 0.75 = $114. То есть Грэмовский «buy zone» для Apple — ниже $114, не $135 (как получилось бы из MOS поверх median'a).
Связь с Damodaran's uncertainty discount
Aswath Damodaran (NYU Stern) посвятил несколько статей формализации uncertainty discount в DCF. Его подход: вместо point-WACC использовать distribution WACC; вместо point-growth — distribution growth; и так далее. Затем Монте-Карло с 10 000+ trials даёт distribution IV. Conservative valuation = 25-й или 10-й percentile этого распределения.
Bayesian Penalty — упрощённая, но эквивалентная техника: вместо полного Монте-Карло, использовать только median и σ. Это снижает computational cost, но даёт схожий результат при условии, что распределение приблизительно симметричное.
Типичные ошибки
- Выбор k по вкусу, не по данным. k должен соответствовать ширине distribution. Если у вас 3 метода и max−min = $20 при median $100, σ ≈ $5, k = 1.0 даёт штраф $5 — недостаточно. Реальная σ должна быть оценена по более широкой выборке методов.
- Игнорирование скоса распределения. Реальные IV distribution часто скошены вправо (long right tail). Применение симметричного k × σ может занизить штраф. В таких случаях лучше использовать lower percentile напрямую (25-й или 10-й).
- Слишком много методов. Использование 15 разных методов оценки иногда раздувает σ артефактно. Качество методов важнее количества. Берите 5–8 «лучших для этого сектора» методов.
- Применение к биотеху без понимания. Для биотеха distribution не нормальное — оно бимодальное (одобрят/не одобрят). Симметричный Bayesian Penalty даёт абсурдные результаты. Используйте option-pricing или decision-tree модели.
Как Cashalot 2.0 встраивает Bayesian Penalty
В пайплайне Cashalot 2.0 Bayesian Penalty применяется на стадии 10 (CIO Synthesis). После того как 8 методов оценили IV, вычисляется median и σ. k подбирается автоматически по sector type и forensic-сигналам: utilities получают k=0.5, нормальные бизнесы 1.0, циклические 1.5, бизнесы с red flags 2.0. Adjusted IV становится отправной точкой для probability-weighted target price.
Считайте IV минимум по 3 методам. Вычислите median и σ (или используйте range/4 как приближение). Выберите k по типу бизнеса (0,5 — 2,0). Adjusted IV = median − k × σ. Если получилось отрицательное — компания не покупается по этой методике. Если положительное — наложите ещё стандартный MOS поверх для финального buy price.
Bayesian Penalty — современный апгрейд Грэма
В Cashalot 2.0 эта формула применяется автоматически на основе дисперсии 8-методового распределения IV. Это позволяет различать «уверенно ниже IV» от «возможно ниже IV, но мы не уверены». Разница принципиальная для capital allocation.
Посмотреть пример отчёта →