财报字段没有披露，AI填0会怎样改变估值

未披露字段应保留未知，并让依赖它的估值停止输出；不能自动填零。本例资本开支未知时无法计算模型价值，明确为零时每股构造输出十点七五元，另列假设四十万元时为五点六五元。两种可计算结果相差五点一元，完全来自对缺项的不同输入。

这不是完整估值模型，为什么仍能检验缺失值？

构造一个极简永续现金流算式，经营现金流一百万元，资本开支记为待输入金额，简化自由现金流等于前者减后者。假设下一年现金流在此基础上增长百分之二，此后长期增长率也固定百分之二，折现率百分之十，净债务二百万元，股数一百万股。所有参数为构造条件，不来自真实财报、价格或利率。

企业价值输出等于本期简化自由现金流乘一点零二，再除百分之十减百分之二；权益输出再减净债务，除一百万股得到每股金额。这里没有税、营运资本、不同债务成本或现金流口径调整，不能冒充完整公司估值。它只是一个让缺输入影响可以清楚传播的算术载体。

三种状态怎样得到三套结果？

资本开支状态	输入值	简化自由现金流	企业价值输出	减净债务后权益输出	每股输出	结果标记
未披露	null	无法计算	未知	未知	未知	缺输入
明确为零	0	100	1275.0	1075.0	10.75	构造条件结果
另列构造估计	40	60	765.0	565.0	5.65	构造条件结果

企业与权益金额单位均为万元，股数以万股计，所以最后金额单位为元每股。资本开支明确为零时，自由现金流一百万元，企业价值一百乘一点零二除零点零八，得一千二百七十五万元；减二百万元净债务为一千零七十五万元，除一百万股得十点七五元。

另设构造资本开支四十万元，自由现金流六十万元，企业输出七百六十五万元，权益五百六十五万元，每股五点六五元。这个四十不是对未披露字段的默认补值，必须另列为假设场景。原始材料中的资本开支状态仍是未知，不能因为模型算得出数就改成已披露四十。

自动填零为什么不是中性处理？

本例资本开支从四十变零，会让每期可用现金增加四十万元，在永续公式里进一步放大为五百一十万元企业价值差，再摊到一百万股，就是五点一元每股差。零不是缺失值的安全替代，而是一个具体经济假设，可能使输出明显偏高。偏差方向来自本算式，不能泛化所有字段与模型。

如果缺的是债务，自动填零也会改变权益输出；如果缺的是现金，方向又可能不同。不能笼统地说填零总是保守或总是激进，应追踪该字段在公式中的位置。本文专门用资本开支举例，不为其他未披露字段指定处理值，也不提供实际公司估值判断。

数据层如何分开未知、零和估计？

使用数值字段加状态字段：未知时数值为null，状态为未披露；明确零时数值为零，状态为已确认零，并附对应证据；估计时保留数值和估计来源、方法、日期，状态为假设。JSON标准区分null和数字零，程序也应保留这种差别，不在读取时用默认值零覆盖未知。

本例计算分支先检查资本开支是否为未知，是则让自由现金流、企业价值、权益和每股结果全部为未知，而不是将一部分旧结果沿用。这样缺失状态沿依赖链传播，界面可准确显示需要补哪项输入。若只在表格里显示缺失，后台却继续以零计算，读者仍会被最终精确金额误导。

明确为零需要怎样的证据？

至少要有材料确实将该项目金额列为零，或有可核对的明示含义，不能因为在所给摘要中没找到就认定没有发生。字段名称、期间、范围与单位也要匹配；没有在一页摘录中出现，只能说明该摘录未提供，不能推出完整财报未披露，更不能推出经济事实为零。

反例是只给利润表，资本开支主要需要另查相关现金流或附注，搜索这一页当然找不到。填零会把资料不完整误当成业务没有支出。这里不展开具体会计准则取数规则，只强调证据可得性与金额事实不同。模型不应替资料缺口作无提示的经济判断。

估计场景可以和事实表合并吗？

应保留分栏或分表，明确哪些值来自材料、哪些来自分析假设。即使假设是为了研究敏感性，也不应覆盖原始未知值；后续获得真实披露时，可以更新事实视图并重新计算，但应留存先前假设与新事实差别。否则后来的读者无法判断当时估值究竟依赖多少推测。

本例的零场景和四十场景都可运行，只证明程序如何响应输入，不证明二者构成合理上下限。真实资本开支可能在区间外，折现率与长期增长率也未被实证确认。不能把两点输出写成真实价值区间，更不能据其提供具体标的目标价格或买卖动作。

什么检查能防止旧结果残留？

先输入明确数字生成结果，再把同一字段改回未知，检查所有下游结果是否同步恢复未知；若仍显示十点七五，说明状态传播不完整。再把未知改为明确零，检查此时才允许数值计算，并且状态标签不同。最后用另列假设四十验证差额，保证没有偷偷回填到原始证据表。

本文既不默认替缺失数据估计，也不用一句风险提示掩盖填零行为。输出未知是一个有信息量的结果：当前证据不足以支持这个模型继续计算。把它如实留下，比用一个未经支持的零生成漂亮估值更便于复查。

这份核验记录的来源和边界是什么？

本篇DJ119的公司名称、公告编号、页码、日期、表格原值和模型参数均为构造教学输入，没有真实发行人或真实财报个案。实验由 Python 3.12.4 独立运行，字段、版本和数值结果保存在生产记录 calc_ai_research.py 及其同名 JSON；它检验本文规则，并非某款 AI 模型的准确率实测。

相关背景见财报精读母题，基础核验入口见AI幻觉核验工具。本文扩展字段与实验独立列出，不声称网页工具已经支持全部条件。

原始资料：RFC 8259 JSON数值与null定义，支持数据状态的表示区别；现金流公式及全部参数为本例构造。核对日：2026-10-23。资料只支持正文注明的定义或技术机制，本文构造数字不冒充来源中的真实披露。

署名：道积君编辑组。AI辅助起草，构造实验经程序复算，不虚构持牌资质、真人经历或真人专家审阅。仅供金融教育，不评价具体公司价值，不提供买卖或个性化投资建议。

复算资料

本篇编号为DJ119。可下载Python核算脚本（文本）与完整输入输出JSON，对照文中表格复算。脚本文件改存为.py后可用Python运行；数据均为构造教学样本。