中国长城(SZ000066)：低估区间内需警惕流动性与财报风险

中国长城(SZ000066)当前股价17.46元，涨幅10.02%，尽管股价表现强劲，但其估值结果显示该股仍处于低估区间。具体来看，市净率（静态）显示其被低估；盈利预测计算的安全边际为中性；PEG指标和企业倍数指标均显示其被低估；反向DCF模型计算的g1为中性，而n1和n2则显示其被低估。综合上述估值方法，测算的合理股价区间为15.71至17.46元，当前股价接近上限，但仍具有一定的投资价值。

然而，投资者需关注两个主要风险点。首先，该公司的成交额相对强度在市场前15%，存在较高的流动性或交易风险。这意味着在高波动市场中，可能面临较大的买卖价差，影响交易成本。其次，根据最近的财报，中国长城过去十二个月的净利润为-755,043,968.00元，出现明显亏损。这表明公司在短期内面临较大的财务压力，建议投资者进一步深入研究其业务结构和盈利能力，以评估其长期财务健康状况。

综上所述，中国长城目前虽然处于低估区间，但投资者应谨慎对待其流动性和财务风险，不宜盲目追高。

指标图片

此外，已排除的风险包括：

（未触发）股票质押率过高。计算参数：股票质押率阈值 50;
（未触发）避免走势破位风险。计算参数： Ema周期 [5, 10, 20, 60]; 通道周期 20; 通道限制 0.01;
（未触发）警觉董高监减持。计算参数：过去一年董监高合计减持比例阈值 5;
（未触发）规避被ST风险。计算参数：
（未触发）警惕净利润负增。计算参数：净利润负增长风险阈值 -10;
（未触发）毛利率波动风险。计算参数：毛利率波动率应小于百分比 30;
（未触发）现金与利润风险。计算参数：现金净流量与净利润比上限值 20; 现金净流量与净利润比下限值 0;
（未触发）应收占比风险。计算参数：应收账款占营业收入比例应小于百分比 50;
（未触发）关注净有息负债率。计算参数：净有息负债率应小于百分比 40;
（未触发）避免商誉风险。计算参数：商誉占比阈值 5;
（未触发）规避营收下滑风险。计算参数：营业收入同比增长率阈值 -5;
（未触发）注意ROE过低或过高。计算参数：净资产收益率过高阈值 30; 净资产收益率过低阈值 -30;
（未触发） ADTM能量异动风控。计算参数： N取值 20; 看多信号阈值 0.5; 看空信号阈值 -0.5;
（未触发） AMV能量异动风控。计算参数： N1 13; N2 34;
（未触发） ASI能量异动风控。计算参数： N取值 20; M取值 20;
（未触发） AWS多空能量回归风控。计算参数： N1 12; N2 26; N3 9;
（未触发） BIAS乖离率指标风控。计算参数： N1 6; N2 12; N3 24; 看多信号阈值 N1 5; 看多信号阈值 N2 7; 看多信号阈值 N3 11; 看空信号阈值 N1 -5; 看空信号阈值 N2 -7; 看空信号阈值 N3 -11;
（未触发） CLV能量异动风控。计算参数： N取值 60;
（未触发） CMO能量异动风控。计算参数： N取值 20; 看多信号阈值 30; 看空信号阈值 -30;
（未触发） CVOLP动量变化率指标风控。计算参数： N取值 20; M取值 10;
（未触发） DEMAKDER价格趋势指标风控。计算参数： N取值 20; 看多信号阈值 0.7; 看空信号阈值 0.3;
（未触发） DEMA短线趋势指标风控。计算参数： N取值 60;
（未触发） DPO区间震荡线风控。计算参数： N取值 20;
（未触发） EMV简易波动指标风控。计算参数： Volume Divisor 1000000;
（未触发） ER价格动量指标风控。计算参数： N取值 20;
（未触发） HULLMA多空指标风控。计算参数： N1 20; N2 80;
（未触发） KCATR指标风控。计算参数： N1 30; N2 16;
（未触发） MADisplaced价格动量指标风控。计算参数： N取值 20; M取值 10;
（未触发） MAAMT指标风控。计算参数： N取值 40;
（未触发） NTMDK多空指标风控。计算参数： N取值 10;
（未触发） OBVM能量指标风控。计算参数： N1 7; N2 10;
（未触发） OBV能量指标风控。计算参数： N1 10; N2 30;
（未触发） PO价格动量指标风控。计算参数： N1 9; N2 26;
（未触发） RUMI指标风控。计算参数：快速Sma周期 3; 慢速Wma周期 50; Rumi指标周期 30;
（未触发） STIX大盘指标风控。计算参数： N取值 40; Stix比较基准 50;
（未触发） TII价格动量指标风控。计算参数： N1 40; N2 9;
（未触发） VWAP价量指标风控。计算参数： N取值 20;

关注小原同学 · 最AI的投资助手