在实际运用DCF方法的过程中，人们经常把敏感分析作为解决DCF内在问题的手段。但是，尽管这种做法有利于暴露DCF的不确定性，但不管敏感分析得到什么结果，都不难找到合适的理由，因此，这就会大大削弱DCF的实用性。
反向工程DCF（reverse-engineered DCF）
那么，假如不能使用DCF，我们该如何进行估值呢？我最赞成的一种方法就是采用反向工程DCF。这种方法不需要预测未来10年的增长率，而是以当前股价为基础，由此推导其内含增长率。之后，分析师对这个内含增长率进行评估，或是与根据图5-6和图5-7等已实现增长率的分布作对比。这样，我们就可以对内含增长率如何实现或是其他情况作出评价。
图5-6 10年期扣除折旧与摊销费用前经营利润的增长率分布情况（美国，1951-1998）
当然，尽管这个模型解决了未来的不可预测问题，但依旧无法解决上述的折现率问题。我们还需要估计资本成本。对此，我个人采用的方法，就是暂时以4%作为股权风险溢价（ERP），然后再凭感觉去猜测股票的贝塔—这完全取决于我们对基本风险的直观判断。
在讲授行为偏差这个概念时，我经常以反向工程DCF法作为规避评估过程常见缺陷的例子。在参加公司会议后，分析师们经常会对公司管理喋喋不休，为这只股票的买进机会大声叫好。然后，他们又继续杜撰出满足买入建议诸多要求的DCF模型（比如，股票存在15%的上涨空间）。此时，他们便把当前价格变成估值的出发点。使用反向工程DCF，就可以有效消除这种对当前价格的过分依赖，把问题的核心转移到未来的增长潜力上。