任何战役的成败，十之八九都取决于智慧。

——拿破仑

股票的投资策略主要有两种：主动型投资与被动型投资。主动型投资方法最为常见。基金经理使用这种投资方法，试图通过购买他们认为优于其他股票的个股来实现在不同风险水平上的收益最大化。基金经理投资于股票的方式通常是类似的。他们对公司进行分析，与公司管理层进行面谈，然后确定这只股票是否值得投资。

根据不同的投资风格，主动型投资者大致可以划分为成长型（growth）投资者与价值型（value）投资者。选择何种股票在很大程度上取决于其投资哲学。

成长型投资者青睐那些销售额和盈利增长率都超过平均水平的公司，他们希望这些公司能在未来实现更高的增长。这一类投资者相信公司的潜质，并认为股票的价格会随着公司的盈利增加而上涨。

价值型投资者则致力于寻找那些当前市场价值严重低于其清算价值的股票。他们使用诸如市盈率（PE）或市销率（PSR）等指标来确定股票价值何时低于其内在价值。他们四处淘宝，寻找那些可以折价购买的资产。价值型投资者相信公司的资产负债表，认为股票的价格最终会上涨至其内在价值水平。

主动型基金通常混合使用这两种投资策略，但那些最成功基金都有着非常清晰的投资策略。大多数共同基金、由专业人员管理的养老基金以及独立的个人资金账户都采用主动型投资策略。

传统的主动型管理策略表现不佳

主动型管理从理论上来说非常正确，但是对历史记录的回顾表明它们的实际表现并不好。不管是短期还是长期，大多数主动型基金都没有战胜标准普尔500指数。图1-1显示的是那些在晨星公司数据库中的主动管理型基金在10年期内战胜标准普尔500指数的百分比。尽管2007年以后的记录看起来非常不错，平均比率（从1991年开始算起）只有30%。因此，对1991年以来的所有10年期而言，70%的主动管理型基金都无法在上一个10年期里战胜标准普尔500指数。此外，这一记录也夸大了传统的主动管理型基金的表现，因为它并没有包括那些在这10年期内消失的基金。

结果就是被动指数型基金在过去20年间大爆发。投资者买入一个他们认为能够广泛代表市场的指数（如标准普尔500指数），然后就不再管它。他们的目标不是为了战胜市场，而是与市场保持一致。为了换取表现不输于市场的安全性，他们愿意放弃战胜市场的机会。自本书的第1版于1996年出版以来，指数基金经理所管理的资产价值就不断飙升。据《养老金与投资》（Pensions & Investments）⊖在2009年9月21日报道：“截至2009年6月30日，全球指数基金所管理的资产总额为4.6万亿美元。”此外，自1996年以来，交易所交易基金（ETF，一种同股票一样在交易所上市并交易的指数基金）开始大行其道。推动了资产管理界的一场变革，其特点是投资者开始持续地追求结构化更强、更有纪律的投资策略。据《经济学人》杂志于2010年1月23日报道：“按照黑石公司（一家私人资产管理公司）提供的数据，截至2009年年末，ETF所管理的资产首次突破了1万亿美元。而在1999年年末，ETF所管理的资产仅有400亿美元。”

此外，由于股票收益在最近这10年的表现令人失望，许多机构都计划减少其在股票方面的投资，这些资金有可能转移到低成本的指数型基金中。据专业投资媒体Fundfire在2009年7月7日发表的一篇文章：“据波士顿咨询公司在昨天发布的一项调查显示，到2015年，机构投资者配置在股票上的资金预计将降至35%～45%，这一比率在2007年时是55%。”

问题出在哪

以传统方式管理的基金无法取得超过市场的收益率水平，学术界对此毫不惊讶。长时间以来，大多数学者一直认为市场是有效的，当前证券的价格反映了全部的可用信息。他们认为，股票价格遵循“随机游走假说”，进行漫无目的的运动。根据他们的理论，因为股票的价格是随机而又不可预测的，对股票进行分析，你还不如找一只猴子对着报纸股票版扔飞镖来得好。

然而，本书所提供的长期证据与随机游走的理论相对立。根据我们的数据，股票的价格远非随机游走，其波动完全有规律可循。本书中所提供的46年的数据证明股票的收益具有相当的可预测性。实际上，本书中所包含的CRSP数据库将数据的范围扩展至83年。此外，自本书第1版于1996年出版以来，收益的可预测性仍然持续。在相当长一段时期内，在许多市场周期中，具有某些特征（如低市盈率、低价格现金流比率、低市销率）的股票明显地、持续地获得收益；而具备其他某些特征（如高市盈率、高价格现金流比率、高市销率）的股票明显地、持续地遭受损失。实际上，自2007年10月～2009年3月的股市崩盘中，标准普尔500指数足足从最高点下跌了51%，这使得许多学者与投资经理开始对市场在任何层面上的有效性提出质疑。据《纽约时报》报道：“市场战略家杰瑞米·格雷厄姆（Jeremy Grantham）直言不讳地指出，有效市场理论应当为当前的金融危机（2008～2009年）负责，有效市场假说使得金融领导者‘长时间地对资产泡沫破灭的危险估计不足’。”对数据的认真分析表明：市场是一个复杂的、具有反馈回路的自适应系统，它考虑到了泡沫及崩盘，并且在这两种趋势下的形态也相类似。在接下来与行为金融和神经金融有关的章节中，我们将了解到更多与此相关的内容。

但问题仍然没有解决：如果过去的历史数据检验（以及使用本书第1版发行时所使用的主要投资策略进行的实时分析结果）显示了收益具有如此高的可预测性，为什么高达70%的传统基金在长期内总是输给标准普尔500指数呢？发现有利可图的投资机会并不意味着很容易就能赚到钱，还需要持续、耐心以及在某个投资策略上的执著，即使这一策略相对于其他投资方法的表现并不佳。本书的一个中心议题是，所有的投资策略都有其表现周期，其业绩围绕着某个相对基准指标上下波动。获得长期超凡业绩的关键在于找到一种投资策略，这一策略应当具有最高的基本收益率或平均成功率（我们将在后面对此加以详细论述），然后坚持这一投资策略，即便这一策略的业绩表现劣于其他的投资方法或业绩基准时也是如此。很少有人能做到这一点，成功的投资者不应屈服于自己的本性，而应当战胜自我。大多数投资者对市场短期回调的反应都十分情绪化，我就曾经见过许多采用了我们提供的投资策略或实时投资组合的投资者，他们的投资其实也没有几个月，一旦表现不佳，他们就会说：“这些投资策略在之前确实表现不错，但不一定总是好使。”实际上，历史资料显示，在某些时期内，有些因素会发生反转，曾经有过超凡表现的长期影响因素被那些曾经产生巨额损失的因素所击败。当投资者进行实际操作时，他们会认为对影响收益的因素进行长期分析是一件乏味无聊的事情，从而变得感情用事，心存恐惧，担心股票在长期内发生变盘。人性的本能让我们认为自己生活的时代与众不同，过去的经验教训将不再有效。一代又一代的投资者都形成了这一看法，却对历史经验视而不见，而下一代投资者又重复着前人的错误。我将在下一章阐明这一观点：传统的基金管理表现不佳的原因在于管理者的决策出现了系统性的偏差，并不可靠。这也为投资者提供了机会，这些理性、有纪律的投资者使用经时间验证的投资方法买卖股票，同单纯盯住某个指数（如标准普尔500指数）的投资方法相比，其表现更胜一筹，实际上是有纪律的投资者利用人性套利。

即使与异常收益有关的资料与著作数不胜数，投资的异常收益依然存在。自本书的第1版于1996年出版以来，一种称为行为经济学的学派开始兴起，这一学派解释了异常收益存在的原因。行为经济学的工作引起了公众的广泛关注，其工作主要是为评估投资者的实际投资决策提供一种新范式。在《行为金融：洞察非理性心理和市场》（Behavioral Finance: Insights into Your Irrational Mind and the Market）一书中，詹姆斯·蒙蒂尔（James Montier）写道：

这是一个行为金融的世界，其中遵循的是人类的情感规则，逻辑在其中发挥作用，但市场在很大程度上是由公司资产负债表所包含信息引发的心理活动因素所左右的……传统的金融模型存在着致命的缺陷。它们甚至无法大致预测出我们观察到的金融市场运行结果……当然，我们现在需要对那些导致市场价格背离其基本价值的原因有所了解。答案很简单，这就是人类的行为。

在我检验第2章与第3章中的某些行为金融学原则时，我认为，那些科班出身的经济学家们做错事的一个主要原因是他们回答了错误的问题。

研究了错误的对象

学者们发现以传统方式管理的股票投资组合遵循随机游走假说，这一点毫不令人惊讶。大多数传统型基金经理的历史业绩不能用于预测未来的收益，这是因为他们的投资行为是不连续的。我们无法根据不连续的投资行为进行预测，因为当你的行为是不连续的时候，别人也就无法预测你的行为。即使某个基金经理的投资行为非常连续（这是一个好的基金经理的标志），如果这位经理离开了这家基金公司，该基金的历史记录对未来的预测功能将全部消失。此外，如果某个基金经理改变了其投资风格，则该基金的历史记录对未来的预测功能也将全部消失。因此，一直以来传统学者所研究的对象都是错误的。在一个变幻莫测，由贪婪、希望和恐惧所统治的世界中，学者们却假设投资者具有完美、理性的行为，他们将某个被动型投资组合（标准普尔500指数）的收益作为比较基准，将其与一个由缺乏连续性、随时会变化的管理者所管理的投资组合的收益进行比较。只有在了解了一只基金的投资策略并且该基金目前仍然遵循这一策略的情况下，历史业绩记录才是有效的。研究传统基金，实际是在考察两件事：第一，该基金使用的投资策略；第二，该基金经理成功实施该策略的能力。只有将单因素（在本例中为总市值）的标准普尔500指数与其他单因素或多因素的投资组合进行比较才更有意义。

指数投资为何能成功

通过标准普尔500指数进行的投资能获得成功，是因为这种投资方式绕过了有缺陷的投资过程，自动操作一种简单的投资策略：买入构成标准普尔500指数的大盘股。伟大的标准普尔500指数之所以能够在长期内持续地战胜70%的传统型基金，其原因在于它坚持把注全都压在大盘股上。图1-2比较了标准普尔500指数与持有的大盘股投资组合的收益，此处的“大盘股”投资组合指的是Compustat数据库中各年市值超过数据库中所有股票市值平均值的全部股票。这使我们只能按市值在数据库中挑选排名在前、占总数16%的股票。然后，使用相同数量的资金购买每只股票，收益率实际是完全相同的。在1926年12月31日投资于标准普尔500指数的10 000美元资金，到2009年12月31日时价值为23 171 851美元，年复合收益率为9.78%。将10 000美元投资于“大盘股”投资组合，其收益为21 617 372美元，年复合收益率为9.69%（二者均将所有的股息再投资）。这两种投资策略并不只是在绝对收益方面相似。其风险（用收益的标准差来衡量）也几乎完全一致。标准普尔500指数年收益率的标准差为19.27%，而大盘股投资组合的标准差为19.35。考虑到大盘股投资组合是等权重的，而标准普尔500指数是按市值加权的，如果我们对大盘股投资组合按照市值加权，这两种策略的结果会更为接近。

因此，标准普尔500指数绝不能代表“市场”，它的收益只不过是一种简单的“投资于大盘股”策略。这一指数成功的原因在于标准普尔500指数从来不会偏离这一投资策略。这一指数不会在某一天早上起来后说道：“你知道，小盘股最近表现不错，我想成为小盘股指数”，它也不会在观看到本·伯南克在国会作证时说：“哇！今天我准备成为标准普尔现金及债券指数！”标准普尔500指数只会继续被动地实施其投资大盘股的投资策略，这也是它为什么这么成功的原因。标准普尔500指数战胜了70%的传统型基金的原因就在于它绝不会偏离其投资于大盘股的既定策略。它不会恐慌、不会首鼠两端，也不会对其他表现卓越的指数羡慕嫉妒恨。长期成功的关键在于它坚定不移地实施既定的投资策略。

然而，就持续地投资于大盘股这一策略而言，投资于标准普尔500指数，只是众多实施这一被动型投资策略的方式之一。你会在后面的章节中看到，标准普尔500指数的长期表现只能说是相当平庸，只能排在我们所测试全部基金中的后$1/3$。无数投资策略的长期表现都远远超过了标准普尔500指数。一种称为“道指狗股”（Dogs of the Dow）的投资策略即为一例，这一策略只购买道琼斯工业平均指数中每年股息收益率排名前10位的股票。这也是在长期中取得成功的一个非常好的投资策略。1928⊖～2009年，这一策略持续地战胜标准普尔500指数。实际上，这一策略几乎在所有滚动的10年期内都战胜了标准普尔500指数，在72个滚动的10年期之内，只有5个滚动的10年期的表现低于标准普尔500指数。因此，在1928年12月31日投资于道指狗股的10 000美元资金，到2009年12月31日将价值5 500万美元，年平均复合收益率为11.22%；与之相比，投资于标准普尔500指数的10 000美元的价值只有1 170万美元，年平均复合收益率为9.12%。本书还将介绍一些其他行之有效的投资策略。

确定投资业绩

要证明一个投资组合的收益率是否由该组合所定义的因素来决定，我们需要高速计算机以及庞大的数据库系统（如Compustat或CRSP数据库）。在计算机出现之前，我们无法确定任意一个既定投资组合的投资策略。投资者可以考虑的潜在影响因素（对投资组合进行界定的某些特征，如市盈率、股息收益率等）的数量看起来是无穷无尽的，你所能做的只是用最一般的方法来分析投资组合。有时，即使是专业的基金经理也找不到其所持有投资组合中股票的最明显特征，他们只能依靠一般的说明及其他定性方法。传统的投资方法严重依赖于基金经理对企业（或行业）发展前景的洞见，往往只取决于基金经理对公司管理团队的看法。正如我们将在后面的章节中所看到的那样，依赖于直觉的基金经理几乎总是会输给那些坚持使用经时间验证的投资策略的基金经理。

实际上，是计算机的应用使我们有能力证明了这一切。我们现在可以分析各种投资组合，确定哪种因素（如果有的话）能将表现最好的投资策略挖掘出来。利用计算机，我们还可以测试这些因素的长期总体表现，以便了解任意一种投资策略在未来会获得何种收益。这是因为人性是唯一不变的因素。不管是在1907年的大恐慌、1929年的大崩溃、20世纪五六十年代的牛市、20世纪70年代的萎靡不振、20世纪八九十年代的牛市、1999年的网络股泡沫、还是在2000～2002年与2007～2009年的熊市中，我们都持续使用同一种方法来估算证券的价值。

我们现在可以对不同的投资策略及其随着时间推移的持续表现进行实证分析。你在接下来的章节中要看到的是：几乎所有这些投资策略都与常识高度一致。投资于那些在价值上（现金流、销售额、盈利、EBITDA与公司价值的比率等）处于深度低估的股票，其表现显著高于那些投资于最高估值阶段股票的投资策略。如果可以使用当今功能强大的计算机及庞大的数据库，本·格雷厄姆（现代证券分析的创始人）还会像在20世纪30年代一样取得成功。

自从本书第1版发行以来，实证研究领域开始引人注目，许多基金经理都开始对其投资策略的长期表现进行实证分析，其分析方法与我们在本书中所介绍的方法类似。这一研究方法在发展中存在一个潜在问题（我将在稍后对此加以扩展），即数据挖掘。当你对无穷无尽的投资策略进行测试时，从统计的角度来看，你一定会找到某些完胜市场的投资策略，但这很可能只是运气。这也是我们测试投资策略时坚持留有很大余地的原因。一般来说，我们所使用的投资策略必须与直觉相符，在使用类似变量（比方说，低价售比以及低价格与现金流比率）时应该得到类似的结果，在整个持有期都表现出色。在后面的章节中，我们将详细阐述这一点。

纪律是关键

如果使用一个以市值为基础的单因素模型（如上文中提到的模型），就会得到与标准普尔500指数相同的收益。然而，如果改变一个投资组合的本质因素，令其显著偏离标准普尔500指数（比方说，要求组合中股票的价售比低于1，或是股息收益率高于某个确定的数值），那么，你会预期这一组合的收益率将与市场的总体收益率存在着较大差异。标准普尔500指数基金只不过是一种严格按照股票市值这一因素选股（大盘股）的结构化投资组合。许多其他因素表现得更好。系统的结构化投资是一种将主动型管理方法与被动型管理方法结合的投资策略，使股票买入卖出的决策自动化。如果某只股票满足既定标准，就买入，否则就不买。在这一决策过程中，不涉及任何的个人的情感判断。从本质上说，你构建的指数化投资组合与某种特定的投资策略相连，这种投资策略集合了主动型与被动型管理方法的优点。严格遵循既定的主动性投资策略是成功的关键。传统的基金经理往往采用“撞大运”式的投资管理方式，他们的业绩之所以无法超过简单投资策略，其原因就在于没有严格地实施既定的投资策略，因为简单方式从来不会偏离这一投资策略。

设想一下，假设道琼斯指数的编撰者在20世纪20年代时决定对道琼斯工业平均指数进行修订，以最具投资价值的股票，而非大盘工业股作为成分股，那么，今天的市场将会是什么样子呢？如果道琼斯工业平均指数的成分股在当时扩展为50只，每年只购买50只最低价售比的大盘股，则今天的“市场”水平将比其实际水平高出3倍！

持续地战胜市场

为了写作我另一本书《向专家学投资》（Invest Like the Best），我做了一次研究，我发现收益最突出的基金经理所具有的唯一共同点就是持续性。看到这一点的并非只有我一个人。在20世纪70年代，美国电报电话公司（AT&T）对其养老基金经理所做的调查发现，成功投资所需的最低限度要求是：其结构化投资决策过程要容易界定，其投资哲学要清晰明白，并且可以始终坚持。约翰·奈夫（John Neff）⊖以及彼得·林奇（Peter Lynch）⊜之所以成为传奇人物，是因为他们能够坚定不移地遵循其投资策略，从而大获成功。在2007年10月～2009年2月的股灾中，股票以前所未有的速度（其速度超过了20世纪30年代的大崩盘）狂泻时，这使得许多投资者放弃了他们所一直使用的投资策略，我认为，这最终会极大地伤害他们的长期投资表现。在面临这样的市场时，要保持无动于衷实际上是不可能的，但是，要保证长期投资的卓越表现，唯一的方式是坚持使用那些经过时间考验的投资策略。

构建一种成功的结构化投资组合

很少有基金或基金经理能在长期中坚持某一投资策略而不变化。在像20世纪末期的科技股泡沫一样的事件面前，即使是最坚持价值投资的基金经理也抵挡不住诱惑，在其投资组合中悄悄地纳入某些成长型股票；当面临着2007～2009年的股市暴跌时，即使是最坚定的长期投资者也放弃了手中的筹码，囤积大量的现金，静待着股市的回升。

然而，我发现的确有一只基金真正地坚持了这一投资策略，这就是安泰证券信托投资公司（安泰基金，ING，股票代码：LEXCX）。这家基金的特别之处在于它在设立时以单位投资信托基金的形式存在，是成功的结构化投资组合的一个好例子。这家基金成立于1935年（正处于大萧条时期的低谷），它只持有基金创立者认为是行业领先的30家公司的股票。基金的投资组合是按照股份数量加权的，即不论价格高低，对每一家公司均持有相同数量的股票。自1935年以来，有9家公司被剔除出投资组合或与其他公司合并，因此，这家基金目前持有21只股票。你或许知道这只投资组合中每一只股票的名字，这些公司包括埃克森美孚石油公司、宝洁公司、美国电报电话公司、通用电气公司及陶氏化学公司，等等。这只单因素投资组合的业绩非常好——自1935年成立以来，这家基金的业绩远远超过标准普尔500指数及大盘股基金的平均水准，也战胜了大多数传统型基金。由晨星公司进行的数据调查显示，安泰基金的业绩远远超过标准普尔500指数以及晨星公司的价值型大盘股基金。在截止时间为2010年3月31日的5年期内，安泰基金的收益率比标准普尔500指数高出1.17个百分点，比晨星公司的价值型大盘股基金的收益高出2.02个百分点。这一表现使其5年期收益超过价值型大盘股基金组合中85%的同行基金！基金在10年期的表现也同样出色。在截止时间为2010年3月31日的10年期内，安泰基金的收益率比标准普尔500指数高出5.66个百分点，比晨星公司的价值型大盘股基金的收益高出2.66个百分点。最后，在最近的15年期内，安泰基金的收益率比标准普尔500指数高出1.05个百分点，比晨星公司的价值型大盘股基金的收益高出1.68个百分点，其收益超过价值型大盘股基金组合中82%的同行基金。此外，安泰基金的章程不允许公司根据各行业优秀公司的变化调整其投资组合，从而没有反映自1935年以来公司领头羊的变化情况。我们可以设想，假设该基金可以购买微软或英特尔公司等当今业界翘楚，情况又会如何？

本性难移

知易行难。正如歌德所说：“在理念的世界中，凡事取决于热情；而在现实世界中，凡事需要坚忍不拔。”尽管我们可能知道应该做什么，但我们通常无法克服人性的弱点，不是根据理性判断，而是感情用事。当有人问苏联总书记米哈伊尔·戈尔巴乔夫为什么采取了不明智的行动时，他回答说：“你的问题是一个学术问题，因为你根据的是一个抽象的理论。我们无福消受抽象的理论生活，而是生活在一个实际的、情感化的、有血有肉的现实世界中。”如果读者对最近发生的2008～2009年的股市大崩盘有过亲身感受，你们就自行认可这段话的绝对正确性了。正是在这样一个有血有肉的现实世界中，种种问题出现了。下面我们来看一下原因是什么。

真理的问题在于它令大多数人感到不舒服，而且往往十分乏味。人们所寻求的是那些更有趣、更愉快的东西。

——H. L. 门肯

不只是华尔街的投资者，每个人都会做出错误的决策。会计师必须就一家公司的可信程度提出意见；大学管理人员必须决定接受那些学生攻读研究生项目；心理医生必须判断一位病人是患了神经疾病还是精神疾病；内科医生必须判断病人是否得了肝癌；更常见的是，赛马的赌注登记经纪人必须确定赛马让步赛的胜者。

所有这些活动都需要专家预测结果。在我们的生活中，这些行为每天都在发生，构成了我们日常生活的基本内容。预测一般有两种基本形式。最常见的是比较一系列可能的结果，这主要通过个人的知识、经验以及常识来得到相关结论。这就是所谓的“分析式”或“直觉式”的决策分析方法，也是大多数传统的主动型基金经理做出投资决策的方法。股票分析师可能会认真研读一家公司的财务报表，与公司的管理层面谈，与公司的客户及竞争对手谈话，最终对公司的运行状况及长期的发展潜力做出整体的预测。研究生院的管理者可能会使用大量的数据（从本科的平均成绩到面试的情况）来确定是否接收某位申请人（求学者）。这一类判断过程取决于预测人的敏锐性。心理学家所进行的无数研究表明，当人们面临海量数据时，他们的大脑会创造出认知捷径来帮助其决策。这一认知捷径称为启发法（heuristics），这也是许多凭直觉判断的预测者在进行大量复杂决策或预测时所依靠的一种经验法则（rule of thumb）。

另一种决策方式是所谓的计算法或定量分析法（quantitative）。使用这种方法，预测者不作任何主观判断，也不依赖于经验法则的启发法。而是利用依靠实证方法获得的数据与相应结果之间的关系得出结论。这种方法完全依赖于运用大样本数据求得的关系，数据已经过系统分析及整合。它类似于第1章中所介绍的结构化投资组合选择过程。研究生院的管理者可以设计一种模型，确定本科平均绩点与研究生院的成功申请者之间的高度相关性，然后制定一个标准，仅录取那些满足既定条件的学生。投资基金经理或许依赖于一种股票选择方法，该方法使用长期的实证分析（与本书中所使用的方法类似）已经证明了它在50年（甚至更多年）间的有效性。在大多数情况下，我们更倾向于那些定性的、依靠直觉的方法，但在大多数情况下，我们都错了。

人类的判断力是有局限性的

大卫·福斯特（David Faust）在他具有创建性的著作《科学推理的局限性》（The Limits of Scientific Reasoning）中写道：“人类的判断能力远比我们认为的有限，我们处理或解释复杂信息的能力之低微，实在令人咋舌。”通过对各个领域的专业人士的研究，从医生对病人进行诊断，到专家对学习或军训成绩的预测，福斯特发现，人类的判断始终赶不上简单的数学模型。与传统的投资基金经理一样，大多数专业人士都无法战胜那些被动实施的经时间验证的公式。

另一位研究人员保罗·米尔（Paul Meehl），在其1954年的著作《分析预测与统计预测：理论分析与文献综述》（Clinical versus Statistical Prediction: A Theoretical Analysis and Review of the Literature）中，首次全面比较与研究了统计预测（类似于系统的实证方法）与分析预测（类似于依赖直觉且传统的启发式方法）。保罗·米尔回顾并比较了20项与分析预测与统计预测有关的研究，这些研究主要分为三类：学习成绩、电休克疗法的效果、罪犯的累犯倾向。米尔发现，在几乎每种情况下，简单的数学模型都胜过人类的判断。比方说，在预测大学生的学习成绩时，一个仅仅依靠高中的平均成绩和某个能力测试（如SAT考试）结果做出预测的模型，比几所大学的录取工作人员更准确。罗宾·道斯（Robyn Dawes）在其著作《纸牌屋：建立在错误认知之上的心理学和心理治疗》（House of Cards: Psychology and Psychotherapy Built on Myth）中，为我们提供了更多的启发。他引用了另一位研究人员杰克·索耶（Jack Sawyer）的研究成果。索耶回顾了45个对分析预测与统计预测进行比较的研究并发现：没有一个研究认为依赖于直觉的分析方法（这也是大多数人使用的方法）优于统计方法。此外，索耶还提到了这样一个例子：人类专家比模型拥有更多的信息，并且在做出预测之前就知道了应用定量模型所得出的结果。即便如此，数学模型还是能高出人类专家一筹！

心理研究人员L. R. 高德伯格的研究更进一步：他提出了一个简单模型，这一模型根据“明尼苏达个性目录”（MMPI）⊖来确定某个病人罹患了哪种疾病。这一模型的准确率达到了70%。他发现没有哪个人类专家能达到这一水平（人类专家最好的成绩是67%）。考虑到人类专家的准确率可以通过训练提高，高德伯格向这些专家提供了300份综合个性目录的档案及相关模型结果的准确率。即使经过这一训练，仍然没有哪个人类专家能够达到70%的准确率。

问题出在哪儿

看起来，问题并不在于人类专家缺乏对相关领域的了解。有一份以病理学家为考察对象的研究，要求他们在已做出何杰金氏病（一种癌症）的初始诊断的条件下，对病人的生存时间做出估计。这一研究发现病理学家预测的准确率远远不如一个简单的数学模型。奇怪的是，该模型使用的判断标准与这些专家认为具有预测价值的标准是一样的。这些人类专家不能正确地使用他们自己的观点。他们使用的是正确而有洞察力的标准，但却不能利用好这一标准的预测能力。人类专家所表现出来的低下的预测准确率，其原因在于他们自身，而不是他们所具有的知识。

为什么模型胜过人

在一个很有名的卡通片里，沃尔特·凯利（Walt Kelly）笔下的波哥（Pogo）告诉我们：“我们发现敌人了，那就是我们自己。”这句话很好地描述了我们所面对的难题。模型之所以能胜过人类，是因为它们一次又一次坚定地按照同一标准做出判断。在几乎每一种情况下中，模型表现更好的唯一原因就在于，它们得到了始终如一的遵循和应用，从不左右摇摆。模型从来不会意气用事，它不会和配偶吵架，永远不会夜夜笙歌，永不厌倦。它们不认为生动有趣的故事一定胜过海量的统计数据。它们没有自我，没有自尊心。它们的目的也不是为了证明任何东西。如果它们在现实中参加任何人类聚会的话，那可真是没劲透了。

另一方面，人类则有趣得多。与不动感情地研究大量数据的行为相比，带有感情色彩地做出反应，或是在处理问题时加入个人的因素则更加自然，也更有趣！人类会自然而然地从有限的个人体验中总结规律，从这一小样本数据中概括出启发式经验法则。人类十分善变，总是反复无常，这让我们觉得更有趣味，但却大大降低了人们成功投资的能力。在大多数情况下，投资经理与前面提到的学校的管理人员、医生、会计师一样，倾向于使用依赖直觉的分析预测方法。他们采取相同的方式：对公司进行分析、与公司管理层面谈、与客户及竞争对手谈话，等等。几乎所有的基金经理都认为自己更聪明、知道得更多、更懂得如何选择合适的投资对象。但是他们中70%的人总是持续地输给标准普尔500指数。这些基金经理对自己过度自信，相信自己比华尔街上的每个人都更聪明，更有见识，他们是过度自信的牺牲品。过去60年里所做的研究表明：在海量数据的基础上构建的简单数学模型总是能战胜传统的基金经理，可是基金经理却不愿意承认这一简单的事实，坚持认为这一规律只适用于其他投资者，对自己毫无影响。

看起来我们每一个人都认为自己在平均水准之上。遗憾的是，这在统计学上是不可能的。但是，在测试人们对他们的能力的看法时——人们通常被要求对他们的驾驶能力进行排序——几乎每个人都认为自己的能力排在前10%～20%。有人可能会认为这只是一个无伤大雅的小毛病，经过严格训练的专业人士不会犯这样的错误。然而，牛津大学的尼克·博斯特罗姆（Nick Bostrom）教授在他的文章《存在风险：人类灭绝的场景及相关风险分析》（Existential Risks: Analyzing Human Extinction Scenarios and Related Hazards）中写道：“即使受教育程度很高的人也存在着偏见。据一项调查显示，几乎半数以上的社会学家认为他们可以排在其研究领域的前10位，94%的社会学家认为他们的工作成果超过其同行的平均水准。”在他1998年发表的一篇文章《业余投资者的心理》（The Psychology of the Nonprofessional Investor）中，诺贝尔经济学奖获得者丹尼尔·卡尼曼（Daniel Kahneman）这样写道：“与判断与决策有关的认知偏误有时也称为认知错觉。不同于视觉错误，直观推理的错误很难消除……仅仅学习与错觉有关的知识并不能将其消除。”卡尼曼继续写道，与我们上面所提到的投资者一样，大多数投资者都是过度自信，过度乐观的，很容易形成控制错觉（实际上并不存在）。卡尼曼还指出，投资者很难纠正其错误看法的原因在于，他们还会犯“事后诸葛亮式的偏差”（hindsight bias），卡尼曼对这一名词做如下解释：“心理学的证据显示：在事情发生之后，人们很少承认自己事前对事情发生的概率判断是错误的。当人们对其早先估算的事情发生的概率进行夸大时，大多数人其实心里明白他们是在撒谎……由于存在着另一种事后诸葛亮式的偏差，即使是最好的专家也很难预测的事件，在其发生后却被认为是顺理成章的事情。”

如果你很难理解卡尼曼的看法，那你就回过头去看一下有多少“专家”在2000年初期认为纳斯达克市场会崩盘，与之相对应的是，现在又有多少人认为这一崩盘是不可避免的？你还可以到图书馆去浏览一下从2007年夏天开始的《商业期刊》，有谁提前对即将发生的房地产及信贷市场崩盘、对自大萧条以来最严重的股灾发出了警告？在2008年1月，有哪个华尔街的顶级分析师团队，经济学家、市场预测人士、股票投资人、或基金经理会预见到：在不到两年时间，贝尔斯登银行会因挤兑而被迫以面值的很小一部分出售给摩根大通银行？谁会预见到一家有着156年经营历史的投资银行（雷曼兄弟公司）会以破产告终？谁会预见到美林证券——一家有着“闪电部落”（Thundering Herd）美称的投资银行——为避免破产，被迫出售给美国银行？谁会预见到高盛公司与摩根士丹利公司——投资银行之王——会被迫宣布转型为普通的银行？我猜，无论你多么努力地去搜寻，你都找不到这样的预警。在金融危机爆发之后，我们看到大量的书籍、文章及文件连篇累牍地讨论这场危机，许多人宣称这次危机是不可避免的。他们是典型的事后诸葛亮。

此外，即使是那些使用数量化选股工具的投资者仍然会摇摆不定，首鼠两端。在2004年9月16日的《华尔街日报》上，有一篇题为《成功的选股，失败的基金》（A Winning Stock Pickers Losing Fund）的文章，作者是杰夫D. 奥普戴克（Jeff D.Opdyke）与简J. 金姆（Jane J. Kim）。文章主要与价值线投资咨询公司有关，这家公司是业内顶尖的独立股票研究机构，有着非凡的长期投资成功记录。据《华尔街日报》报道：“这家公司旗下还有一家共同基金（价值线基金），它在华尔街也算是一个异类，其收益率十分糟糕。根据投资研究公司提供的数据，投资者根据价值线公司提供的选股方法进行投资，其截至12月的5年期累计收益率接近76%。其间还赶上了这一时期最糟糕的一波熊市⊖。与之相对应的是，价值线基金（成立于1950年，是美国历史最悠久的基金之一）在同一时期的累计损失为19%。这一巨大的反差主要在于：尽管价值线基金的名字中含有‘价值’二字，它其实并未严格遵循其母公司在每周发布的投资建议。”换言之，基金管理者无视自己公司的数据，认为它们可以改进其数量选股过程。文章进一步指出，另一家封闭式基金，第一信托价值线基金，仅仅盯住价值线投资咨询公司，其收益也和这家研究机构的收益非常一致。

基本比例是枯燥乏味的

许多投资者（也包括那些使用传统的依赖于直觉的预测方法的投资者）很难克服人性的弱点。他们使用不靠谱的信息，一会在组合中纳入某只股票，一会又将其剔除，尽管这两种情况下，与股票有关的信息并未发生变化。人类的决策出现了系统性偏差（systematically flawed），原因就在于我们倾向于凭一时的意气做出反应，在于我们喜爱个性化、丰富多彩的故事，而不是枯燥乏味的基本比例（base rate）。基本比例是最具说明性的一种统计指标，它相当于平均数。比方说，假设某个城镇有100 000人，其中有70 000人是律师，30 000人是图书馆馆员，则该城镇律师的基本比例为70%。在股票市场中，基本比例告诉我们某一类股票（如高股息率的股票）的走势将会如何，以及确定股票类别的变量对未来有何一般性的预测。我们发现，自本书从1996年第1版发行以来，我们所研究的各种影响因素的表现都具有持续性。记住：基本比例无法告诉我们某个股票类别中某只个股将如何表现，它们只能告诉我们具有高股息率（或是被考察的某种影响因素）的股票总体将如何表现。

大多数运用统计手段的预测方法都使用基本比例。例如，大学本科平均基点高于3.5的学生中，有75%的人会在研究生阶段取得好成绩。吸烟者得肺癌的可能性比不吸烟者高两倍。根据数学图表，美国70岁的人预计可以再活13.5年。在1964～2009年间的滚动10年期里，低市盈率股票的收益率在99%的时间里战胜了市场平均水平。预测未来的最好方法，就是利用从大样本中得出的基本比例。但是，无数的研究表明，人们只有在缺乏描述性的资料的时候，才会充分利用基本比例。举个例子，人们被告知在100个人中，有70个律师和30个工程师。在没有进一步信息的情况下，当他们被要求猜测随机抽取的10个人的职业时，人们会利用基本比例的信息，回答这10个人都是律师，这样做可以确保他们最大程度上的正确性。

然而，在加入没有价值的描述性信息时，比方说，“狄克工作积极，在同事当中很有人缘，他30岁，已婚”，人们就会在很大程度上忽略基本比例而更容易依靠他们对某人的“感觉”做出判断。他们相信自己的独特感觉会帮助他们做出更好的判断，即使加入的信息毫无价值。我们之所以倾向于使用描述性的信息而不是没有人情味的统计数据，原因在于前者更好地代表了我们的个人经验。当某种有成见的信息被加入时，比方说，“狄克30岁，已婚，他对政治问题及社会问题不感兴趣，在闲暇时有许多爱好，如做木工活或是解数学谜题”，人们将彻底忽视基本比例而认为狄克一定是个工程师，尽管他是一个律师的概率有70%。在过去，这一偏差在对一系列实验目标所做的研究中得到了一次又一次的证明。人们总是首先根据他们的个人经历及直觉做出预测。

很难指责人们会犯这样的错误，因为基本比例是枯燥乏味的，而人的经历却生动而有趣。只要某家公司背后有一个非常令人激动的“故事”或概念，人们可以花100倍公司盈利的代价来购买它的股票，而不去想在1964～2009年的所有滚动的10年期里，高市盈率股票的收益率超过市场平均水平的年份只有35%。这些故事是如此的诱人，大家都很愿意接受它们，而把基本比例置之脑后。

个体与整体

人性的特点决定了他们几乎不可能不理会个别例子的具体信息，而去依靠那些来自大量案例中的抽象结论。我们感兴趣的是这家公司或这只股票，而不是这类公司或这类股票。大量的数据对我们毫无意义。正如斯大林的冷血言论那样：“死了1个人是悲剧，死了100万人只是一个统计数字而已。”在进行股票投资决策时，我们几乎总是分析每一只个股，而很少考虑整体的投资策略。如果和某只股票有关的概念足够诱人，我们就不会去理会基本比例提供给我们的与股票整体有关的信息。

假设人寿保险行业也按照这种个别案例个别处理的方式进行运作，情况又会怎样？一位保险代理人会到你家里拜访，和你面谈，了解与你的配偶及子女有关的情况，然后根据他对你的主观感觉或印象做出决策。有多少本应获得保险的人会被拒绝，公司又会损失多少保险费用？反之亦然，本来不应获得保险的人反而得到了保险，这是因为，尽管有保险精算模型的结论，保险代理人却感觉这个人与众不同。保险公司将由于额外的赔付而承担上百万美元的损失。然而，保险行业的利润如此之高的原因在于，它们仅仅依靠保险精算模型的结论来确定保险范围及保险费率。保险精算模型是在海量的人口死亡率数据的基础上发展起来的，这一死亡率数据根据一些潜在的特征（如体重、家族病史、血液检查、血压、抽烟和饮酒习惯以及历史记录等）推算出来。

这些数据将告诉你一个庞大人群的预期集中发展趋势。如果你现在是33岁，没有心脏病或癌症的家族史，不抽烟，适度饮酒，血压正常，血液检查结果良好，你获得低保险费率的可能性相当大。为什么？因为人口死亡率精算模型显示你早逝的概率非常的小。这意味着保险公司应当从所有33岁的人身上赚钱吗？不，某些健康的年轻人可能会因遇上某些概率非常小的特殊事故而身故，但绝大多数的这类群体会继续活下去，并继续向人寿保险公司支付保费。

在股票投资中，如果我们从个股的角度而不是从总体投资策略的角度去行事，也会遇到同样的问题。具体股票具体分析的方法会严重地损害投资的收益率，因为这一方法肯定会导致有相当多的投资决策包含个人的感情色彩。这是一种十分不可靠、非系统的投资方式，但它却是人们应用最普遍、最愿意接受的投资方式。在本书第1版发行以来的13年中，我已经就这一研究成果做了上百次演讲。当我告诉听众，低市盈率股票的表现总是远胜高市盈率股票的时候，我发现他们总是频频颔首。他们认可这一点是因为这是一个简单的事实，这从直觉上就能说得通：折价购买股票总会比高价购买股票获得更高的收益。但当我给出满足这一标准的某些股票的具体名字时，他们的行为明显发生了变化。他们会举手发言，“这就是一只烂股票”或者“我憎恨这个行业”，这仅仅是因为我向他们提供了股票的具体名称，而他们对这只股票又有着根深蒂固的偏见而已。即便我们已经意识到了这种偏误，要克服这些个人情感因素的干扰也是一件非常困难的事情。

偏好于个人经验

我们总是过多地依赖个人的经验，而不是那些冷冰冰的基本比例。在这方面的一个极好例子就是1972年的总统选举。那些对乔治·麦戈文（George McGovern）在全国的竞选活动进行追踪报道的记者一致认为，即使他不能当选，获胜者的得票数也不可能超过他的得票数的10%。尽管这些记者完全了解，麦戈文的支持率在民意调查中落后整整20个百分点，而在此前的24年中，各大主要民意调查的错误率从来没有超过3%。这些嗅觉敏锐、才华出众的人之所以会挑战基本比例，就是因为他们过于相信自己“实实在在”的个人经历，他们亲眼目睹了那些支持麦戈文的人，感受到了他们的热情，并且相信自己的感觉。股票分析师的工作在很大程度上与此类似，如果一位股票分析师对一家公司进行了实地考察，并且对公司总裁进行了访谈，那么他有可能无视那些证明该公司不宜投资的统计数据。因为公司总裁很可能会对将其进行成功的游说，告诉他尽管从一般的角度来看这些数据是对的，但是并不适用于他们的公司，他还会给这位分析师讲许多精彩的故事。从社会学的角度来看，这位股票分析师对生动鲜明的证据赋予了过多的权重，而对那些冷冰冰的统计数据赋予了过低的权重。

投资者总是这样做，我的一位同事告诉我的一个故事清楚地说明了，这样的做法总是会带来灾难性的后果。在2001年召开的一次投资会议上，一位重仓安然公司股票的基金经理被反复问及安然公司到底出了什么问题。那时，安然公司的股票价格已经从2000年8月份的每股90美元的高点下跌至每股40美元，投资者想听听这位基金经理对公司未来的看法。这位经理回应道，他认为安然公司一切正常。实际上，他刚刚参加了一场安然公司CEO举行的家庭烧烤，在这次聚会中，许多公司高管都出席了，向他保证安然公司各方面都很好。这位经理继续说道，听了他们的解释，他如释重负，并购买了更多的安然公司的股票。在2001年末期，安然公司申请破产，其股价跌至1美元。显然，这位基金经理过于依赖故事及私人关系做出判断，他被这些因素所蒙蔽，对事实视而不见。他与那些公司高管（他们中的许多人都被控有证券欺诈罪及其他的管理舞弊罪）之间的关系让他对那些市场已经发现的事实（安然公司已经病入膏肓）视而不见。

还有许多类似的例子可以证明这一点。按照巴顿·比格斯（Barton Biggs）在其著作《财富、战争与智慧》（Wealth, War and Wisdom）中所写的那样：“有充足的证据表明，所谓的专家只是通过直觉进行预测，他们的成功率低于50%。‘在预测多种可能的结果时，他们的成功率甚至赶不上那些向股票版面扔飞镖的猴子’。”他所进行的研究没有使用小样本数据，而是包含了294名专家在多年中所进行的82 361个预测。这本书的结论是，分析师所犯的大多数错误在于他们依靠直觉与情感启发法做决策。不只是比格斯有这样的看法，詹姆斯·蒙蒂尔（James Montier）在《价值投资：通往理性投资之路》（Value Investing: Tools and Techniques for Intelligent Investment）一书中这样写道：“我反复研究的一个主题是我们无法预测未来，没有丝毫的证据表明我们可以预测未来。当然，这不会让大家不再预测未来。去年，我们的量化分析团队中的成员，瑞·安图尼斯（Rui Antunes）研究了分析师的短期分析能力，研究结果很不乐观。24个月的平均预测错误高达94%，12月的平均预测错误为45%。”

菲利普·泰特罗克（Philip Tetlock）在《专家的政治判断》（Expert Political Judgment）一书中这样写道：“人类的预测往往无效，这是因为他们骨子里是宿命论者，他们讨厌利用概率策略来预测，因为这意味着错误不可避免。”换言之，即使理性的行为应当接受我们不总是正确这一现实，按照基本比例来预测，我们总是依赖短期的预感，拒绝使用经长期验证的证据，那么成功的希望非常渺茫。

对股票市场来说，许多人认为，在与公司管理层会面后，分析师也通常会形成对他们个人才能的看法，并对他们的预测结果更为自信（也可能因此而更加不自信）。即使事实证明他们的预测结果是错误的，分析师也通常会坚持他们的观点。想象一下那些在20世纪90年代末的投资者吧，他们主要依据对市场的最新的个人体验进行投资决策。对这些依赖直觉的投资者来说，市场上唯一值得投资的股票是那些高科技股票及大盘成长股。他们所有的人生经历都表明，这一次不一样了，一个“新纪元”已经出现，只有那些不相信历史的人才能在未来取得成功。这些投资者中的大部分在2000～2003年的股市崩盘中始终坚持这一信念，始终确信市场即将发生反转。仅仅过去了两年半，这些倒霉的依赖直觉的投资者就知道了这次没什么不一样。实际上，在经历了2008～2009年年初的巨大损失后，这些投资者又开始追求那些新的口号，许多投资者开始追捧这样一种概念，即2009年3月之后，熊市已经见底，市场即将进入一种“新常态”（new normal）。支持市场即将进入新常态的投资者认为，市场在未来的收益率将注定令人失望，投资者应当再一次忘记历史，根据市场的短期情况改变其投资行为。我认为在几年之后，当下正流行的“新常态”这一口号同样会被人们遗忘。尽管经历了这一切，大多数投资者仍然对他们的预测能力坚信不疑。

简单与复杂

此外，我们还偏好于那些复杂、人工的东西，而不相信简单、朴实的东西。我们确信，一个成功的投资者必须具备非常复杂的能力，一种可以正确判断一系列变量并且据此采取行动的能力。亚历克斯·巴弗勒斯（Alex Bavelas）教授设计了一个非常有意思的实验，他让两名实验者（史密斯和琼斯）分别面对两个投影屏，他们无法看见对方，也不能相互交流。他们被告知，这一实验的目的是让他们学会如何区分健康和有病的细胞。学习的方法是反复试错法，即他们面前分别有两个标明“健康”和“有病”的按钮，以及两个标明“正确”和“错误”的信号灯，每当屏幕上出现一个细胞，他们就猜测它是健康还是有病的，然后按下相应的按钮，接下来，他们面前的信号灯会亮起，告知其所做的猜测是否正确。

这里需要解释一下：只有史密斯会得到真实的反馈。如果他猜得对，他面前“正确”的灯就会亮；如果他猜错了，“错误”灯就亮。由于他所得到的反馈是真实的，史密斯猜测的正确率很快就达到了大约80%，因为他只需要做出简单的区分即可。

琼斯的情况则完全不同。他的猜测没有得到真实的反馈，而是基于史密斯的猜测正确与否！无论他的猜测是对还是错，只要史密斯猜对了，琼斯面前的“正确”灯就亮，而如果史密斯猜错了，则“错误”灯会亮。当然，琼斯并不知道这一点。他被告知，有一个正确的顺序，只要根据所获得的反馈他就能发现这一正确的顺序。琼斯努力地搜寻那根本就不存在的真相。

实验的主持人接着让史密斯和琼斯对他们所发现的用于区分健康细胞和有病细胞的方法进行讨论。由于史密斯得到了正确的反馈，他得出的方法简单、具体且切中要害。而琼斯得到的方法则非常曲折、微妙、复杂及过于花哨，毕竟，他发现的方法来自于从互相矛盾的猜测和主观臆断。

令人惊讶的是，史密斯并不认为琼斯的解释荒谬、混乱、过于复杂。他被琼斯所使用方法之“华丽”深深地打动了，并且认为自己的方法是过于简单、缺乏想象，感到自愧不如。琼斯的方法越复杂、越华丽，就越有可能令史密斯折服。

在进入下一轮实验之前，两位接受实验的人被问及谁将在下一轮中表现得更好，所有“琼斯”一类的实验者和大多数“史密斯”一类的实验者的回答都是：琼斯。事实上，琼斯猜测的准确率没有任何的长进，而史密斯的准确率则比上一轮下降了许多，因为他现在开始运用从琼斯那里学来的复杂方法进行猜测了。

一种简单的解决方案

奥卡姆的威廉（William of Ockham），一位生活在14世纪英格兰萨里地区奥卡姆村的方济各会（Franciscan）的修道士，他制定了现在被称为“奥卡姆剃刀”（Ockham’s Razor）的节俭原则。许多世纪以来，这一原则一直是现代科学的指导原则之一。它的定理——例如，“能在较少的假设前提下做到的事，就不要费力去提出更多的假设”，“若无必要，勿增实体”，等等——实际上可以提炼成这样一句话：“亲爱的，越简单越好。”“奥卡姆剃刀”说明，最简单的理论往往是最好的。

这一原则同样也是成功投资的关键。但是，成为一名成功的投资者，需要逆人性的特点行事。我们总是愿意将简单的事情复杂化，愿意跟风，被有关某一股票的故事吸引，在做出决策的时候感情用事——根据小道消息和直觉来买卖股票。我们的投资方式总是就某个股票而买股票，投资策略缺乏持续性。我们总是对我们的投资能力过于乐观，过度自信，总是犯“事后诸葛亮”式的错误，对那些80年以前的事实所提供的信息视而不见。在进行投资决策时，我们总是从当前的角度看待每一件事，并且由于我们对信息按时间加权，因此赋予最近的信息最大的权重。实际上，行为经济学称这种倾向为近因效应（recency bias），即对最近发生的事情或观察到的现象记得最清楚的一种倾向，这导致我们过度重视最近的信息，轻视过去久远的信息。然后，我们将所有在最近有效的方法都推而广之，认为这些方法永远正确，将其一成不变地应用于未来。在2000年的高科技股泡沫破灭以及自20世纪70年代以来纳斯达克市场所面临的最大熊市到来之前，如果大多数投资者重仓持有高科技股票及大盘成长股，情况将会怎样？

投资者已经被最近（2008～2009年的股市崩盘后这一时期）的危机很好地上了一课。因为2000～2009年这一期间是美国股市在110年的历史上表现最差的10年，投资者将数以万亿美元的资金从股市中撤出，投入债券市场中——这一市场在最近的表现是最好的，但却忽视了这样一个事实：在美国金融市场110年的历史中，就长期投资而言，债券的收益从来无法战胜股票。

要想不按这种方式做出决策是非常困难的。回想一下你上一次犯下大错的时候吧。随着时间的推移，你会说：“我当时都是咋想的呢？那个错误这么明显，我当时怎么就没看出来呢？”当我们剔除情绪与感觉的影响，能够从历史的角度看待问题的时候，过去的错误就显而易见了。但在犯错误的当时，我们必须与自己的感情做斗争。而此时感情往往能占据上风，正如约翰·朱诺（John Junor）所说：“一盎司的感情等于一吨的事实。”

并非只有头脑简单的人才会面对这一问题。养老基金的发起人拥有金钱所能买到的最好信息与人才，但这些基金往往声誉不佳，因为他们总是在熊市刚开始时大量买入股票，在其投资管理人员业绩周期的最低点将他们解雇。机构投资者经常声称它们以客观的方式、不带感情地做出投资决策，但事实并非如此。《财富与愚蠢：机构投资者的财富与权力》（Fortune and Folly: The Wealth and Power of Institutional Investing）这本书的作者发现，尽管机构投资者的办公桌上堆满了深刻的分析报告，但大多数养老基金发起人还是凭直觉来选择基金经理。他们还保留了许多业绩糟糕的基金经理，仅仅是因为这些经理与发起人有着良好的私人关系。

实现成功投资的途径，在于研究长期的历史数据并找出一种或一组合理的投资策略。别忘了风险（收益的标准差，我们将在后面的章节对此加以详细阐述），并选择一个可以接受的风险水平。然后，坚持这一既定的策略。要想成功，一定要以史为鉴。成功的投资者都不会忘记历史，他们从历史的角度理解现实并对现实做出反应。对他们来说，现在不仅仅是今天，而且包括昨天和明天。还要考察某一投资策略业绩最好和最差的年份，这一点尽管简单，却是能够说明上述理念的一个好例子。如果投资者能了解一个策略的可能结果，他将比那些不了解这一点的竞争者占据极大地优势。如果某一策略预期的最大损失是35%，而目前的损失为15%，则了解情况的投资者不仅不会感到恐慌，反而会因情况没有变得更糟而欣慰。如果投资者了解某一投资策略的可能波动范围，就能够约束他们的情感及预期，并将其作为情感的减压阀。从历史的角度考虑问题，投资者的理性就会将超越他们的情感。这也是成功投资的唯一途径。

本书的内容将为你提供这样一个历史角度，它会让你认识到，每种投资策略的表现都会有高潮与低谷，这些起伏应在你的意料之中，你不应对此感到恐惧。书中的数据将告诉你，对于不同类别的股票，你的预期应该是什么。不要首鼠两端，不要改变主意。只要你认为某只股票符合你的投资标准，就不要因为它可能表现不佳而不投资。不要自作聪明。对历史数据进行回顾，你会发现，许多投资策略都有其历史低潮期，其表现不如标准普尔500指数；也有业绩大大超过该指数的阶段。理解这一原理，学会从长期的角度看问题，然后让你的投资策略发挥效力。如果你这样做了，你成功的可能性是非常高的；如果你不这么做，那么你了解的知识再多也无济于事，你会发现自己处于那70%的表现不佳者的行列，记住：“不要试图战胜市场。”

运用历史数据对市场的未来收益进行预测

我们现在来看一个案例研究，这一研究的主要目的在于使用数据预测市场的发展方向，实际上，所有的预测都是基于这样一种理念：万物最终都将回归于其长期的均值。通过对美国市场以及外国的发展中证券市场的海量数据进行的研究，我发现了一个铁律：均值回归（reversion to the mean）。如果整个市场在过去的20年里表现极其出色，在接下来的20年里，市场通常会下跌，向其长期平均收益率回归；如果市场在过去的20年里表现不佳，在接下来的20年里，市场的表现会非常的好。

从投资策略上来讲，这一原理同样适用。如果某个在历史上表现极佳的投资策略正如日中天，我们很容易预测它在接下来的表现将非常的差劲。在20世纪90年代末期的网络股泡沫中，我撰写了一篇题为《网络股逆向投资者》（The Internet Contrarian）的评论。该评论发表于1999年4月22日，我把网络股放在我们对所有股票进行估值的长期数据估值体系中进行考察。我在文中这样写道：

我们正在见证股市有史以来所创造的最大泡沫。当网络股疯狂终结之时，数不胜数的（描述这一事件的）书籍将会粉墨登场；无数人会把它与荷兰郁金香狂热以及庞氏骗局相提并论；曾经整整一代的短线客将因为沉迷于网络股泡沫而遗恨终生。这是迷幻与不切实际的空想共同创造出的癫狂，使人们的思维儿童化，人生的阅历在对财富的幻想面前一败涂地。成千上万毫无经验的投资者（许多人连什么是资产负债表都不知道）认为，只要他们随便选择一只带“.com”的股票并把钱投进去，然后就可以天天在家数钱了。而那些有耐心受过良好教育的长期投资者知道：随着时间的推移，市场注定要受到经济规律的支配，过去的一年半实在是太疯狂了。在任何癫狂的高潮阶段，你经常会看到就是傻瓜也能赚到钱。目光短浅的行为不能也不会持久。在每一次市场疯狂过后——从荷兰在17世纪的郁金香泡沫，到20世纪20年代的无线电股票热潮，再到20世纪50年代的对铝业类股票的追捧，到20世纪80年代中期对计算机类股票的追逐，以及20世纪90年代对生物类股票的疯狂，所有这些不能用理性解释的现象都让法律及经济学感到困惑。作为一个股东，股票的价格最终还是取决于你未来可以从这家公司所获得的全部现金流收入。历史告诉我们，你为公司收入的每一美元支付的越多，你的总收益也就越低。这是一个必然的结论，也是经济学为什么被称为“忧郁的科学”（dismal science）的原因所在。

这篇文章发表之后，我收到了无数愤怒的电子邮件。在邮件中，他们对我说，小伙子，你还是太年轻了（那时我39岁），怎么能相信那些过时老套的理念呢？我所做的只不过是去研究历史。每次泡沫的结局都是一样的——非常悲惨。在你对那些估价最高的股票（处于网络股泡沫末期，市销率、市盈率、价格对现金流的比率以及市净率最高的股票）的年收益进行分析时，你就会发现投资者为什么这么狂热了——比方说，截至2000年2月，市净率最高的股票在12个月内上涨了127%，而市销率最高的股票令人难以置信地上涨了207%，是自1964年以来最高的滚动12个月的收益率。我又回顾了投资估价最高股票策略的历史收益率，发现这一策略在长期中的表现是最糟糕的，我预言它们将最终向其长期均值回归。我对所有的预测使用了相同的方法：我只是回顾了长期的数据，并假设这一投资策略将最终向其长期均值回归。

使用这一方法，我还：

• 在1999年预测了小盘股将在长期表现优异，因为它们的收益低于其长期平均值。小盘股组合将是接下来10年里唯一一个实际增长的股票组合。

• 在1998年预测了道指狗股投资策略的爆发，因为其最近的收益率表现不佳。1999～2009年，道指狗股的表现确实超过了标准普尔500指数。

• 在2002年发表了一份研究报告（其后被扩展至我的著作《预测明天的市场》（Predicting the Markets of Tomorrow）一书中），在研究报告中，我预测美国市场2000～2020年的表现会相对较差，因为截至2000年3月月末，股票市场的这20年间的实际收益率是历史上最高的。我当时还真没有想到，几乎所有的股市下跌与均值回归都发生在1999～2009年这一时期。

• 我在2008～2009年3月这一时期发表了一系列评论，预测市场将在未来的3年、5年以及10年里表现优异。

对这些预测进行回顾，其目的不在于自我吹嘘。对每个掌握长期数据的投资者而言，如果他们认识到了市场最终会回归理性，向长期均值回归，他们就会做出相同的预测，就不会在分析中带有个人感情色彩，也知道这次没有什么不同。市场也好、投资策略也好，最终都会向其长期均值回归。

现在，让我们深入了解一下两个新的思想学派，这两个思想学派试图对我们做出投资决策的原因进行分析与解释。

在华尔街，历史每天都在重演，剧目永远不变。在你重温与繁荣和恐慌有关的记录时，令我们印象最深刻的是，不管是股票投机，还是股票投机者，他们的行为几乎没有变化。游戏不变，人类的本性也没有变。

——埃德温·勒弗菲尔，《股票大作手回忆录》，1923年

投资者要想战胜市场是十分困难的。一项由约翰·博格尔（John C. Bogle，先锋基金的创始人）进行的研究发现，在截至2003年年末的20年里，标准普尔500指数的年收益率为13%，而基金的年平均收益率只有10.3%，普通投资者的年化收益率只有7.9%。实际上，过往的记录如此之差，有理由认为那些战胜市场的人只不过是幸运使然。投资者的成功率如此之低，对此的主要解释是：市场是理性的、有效率的——这意味着价格总是真实地反映了全部公开可用的信息，因此，战胜市场是不可能的。为了方便起见，经济学家们假设投资者的行为是理性的，因为这样他们可以很容易地对市场建模。一个有效市场意味着投资者很难战胜市场，这看起来和伯格的发现是一致的。然而，本书中的数据有力地证明了市场总是存在着可利用的投资机会，即使它们已经广为人知。

从市场第一次出现泡沫及崩盘以来，人类的本性及人脑的生理机能并未发生显著的变化。神经经济学（neuroeconomics）与行为金融学方面的最新研究揭示了我们总是持续地做出愚蠢的投资决策的原因，并且说明了为什么说设想未来有所不同是天真的——人类的进化，已经让我们的大脑变得不是那么完全理性。幸运的是，由于投资者无论是在平静的还是在动荡的市场环境中都有可能对证券错误定价，对我们来说，一个非理性的市场中充满大量的投资机会。成功投资的关键在于承认我们和其他人一样，都有可能受到行为偏差的严重影响。仅仅意识到行为偏差的存在并不能消除这一偏差。如果我们能在投资策略中消除情感及主观因素，我们就可以在长期中战胜市场。

本章主要介绍了与市场癫狂及非效率有关的历史数据，并对现实中存在的一些心理偏差及行为偏差进行了解释，正是这些偏差使我们很难战胜市场。

以史为鉴

道格拉斯·亚当说过：“人类几乎是唯一有能力从其他群体中学习经验的生物，但也是最不愿意使用这种能力的生物。”纵观历史，市场的非理性行为比比皆是。尽管每种市场的癫狂或恐慌情况各不相同，市场参与者的心理状态却出奇的相似。随着研究人员对人类决策过程（行为及神经科学）的认识不断加深，尽管有前车之鉴，我们已经不再对非理性泡沫或恐慌的继续存在感到惊讶了。经过自然选择，人类的大脑已经是为了帮助人类在小群体及小概率的环境下生存而设计，无法估算复杂的财务决策，至于要进行成功的财务决策，则更不可能。

令人惊讶的是，投资者会如此频繁地犯同样的、曾经带给他巨大损失的错误。事后诸葛亮式的偏差、过度自信、获得巨大财富的美好前景等因素都会让投资者失去理性，在投资上追逐最近的风潮。从1637年的荷兰郁金香狂热，到20世纪20年代的无线电股票热潮，再到20世纪50年代对铝业类股票的追捧、20世纪80年代中期对计算机类股票的追逐以及20世纪90年代对网络股的疯狂，一直到最近的房地产价格史无前例的暴涨直到最后崩盘，无数血的教训都应当让投资者远离那些不正常定价的资产。但是，泡沫依然存在。通过将股票市场早期的重大泡沫事件与最近的泡沫相比较，我们很容易发现，人类的本性变化有多小。

从南海公司到纳斯达克市场——历史的小小重复

用来说明非理性投资者行为的最早也是记载最完整的一个范例，是南海贸易公司泡沫事件，这一事件让艾萨克·牛顿发出这样的感慨：“我可以计算出天体的运行规律，却算不出人类的疯狂。”另一个极好的范例说明了20世纪90年代末高科技股泡沫也是同样的非理性繁荣。尽管在时间上相差了3个世纪，但这两次市场癫狂却是惊人的相似。

正如理查德·德尔（Richard Dale）在他题为《第一次崩盘：从南海泡沫事件中得到的教训》（The First Crash: Lessons from the South Sea Bubble）一书中所描述的那样，是英国政府不负责任的消费播下了交易泡沫的种子，这和当今很多陷入困境的主权国家的情况非常类似。1688～1713年，英国同时打了两场战争：大同盟战争（Nine Years War）和西班牙王位继承战争（War of Spanish Succession）——在25年里只享受了4年的和平期。结果，军费开支急速增加，耗费了英国国民收入的9%。随着债务总体水平的激增，政府难以支付债务利息，借贷成本显著增加。如果是在今天，穆迪投资者公司或标准普尔公司很可能会因此降低英国政府的信用评级。

在1711年，为降低债务水平，英国议会成立了南海贸易公司。南海公司获得了英国在南美殖民地的贸易专营权，并从英国政府手里接收了950万英镑的债务，每年获得相应的债务利息。政府债券的持有者将通过一次债转股安排将其持有的债券转换为南海公司的股票。这对政府债券的持有者非常有吸引力，因为他们的债券利息偿付经常被拖延，获得本金偿付的时间也不确定。持有南海公司的股票，可以让他们获得更可靠的股息分配、更高的流动性（因为南海公司的股票将在伦敦交易所巷，Exchange Alley公开交易），还可以获得股票价格上升后的潜在收益。理查德·德尔写道：

考虑到那个时代充满了对企业家精神的追求，对投资者来说，一家与西属西印度群岛有贸易独占权的新公司极具诱惑。从海盗在伊丽莎白时代兴起之时，新世界就意味着无穷无尽的财富……

或许因为“无穷无尽的财富”这一美好前景，经营主体的变化让投资者将资金从贬值的政府债券转移到南海公司的股票上来。然而，即便是南美洲有着无尽的黄金与白银，南海公司的实际贸易运作并不十分成功。有一个插曲值得一提，价值200 000英镑的已装船货物腐烂在了港口，原因竟然是延误——考虑到南海公司没有一位董事有从事新世界贸易的经验，出现这样的事一点都不令人惊讶。作为一家经营性公司，从各个角度衡量，南海公司都是失败的。然而，正如20世纪90年代高科技泡沫那一时期一样，一份漂亮的PPT演示就会让投资人敞开钱袋，南海公司用同样的方式激起了早期投资者的狂热。由于第一次债务转换的成功实施，在1720年，南海公司计划将其持有的大部分英国政府的债务私有化。债券的持有人可以再一次将其持有的流动性相对较低的债券转换为收益率较低但更具流动性的股票，同时，股票价格继续上涨的可能性更大。

对交易中的股权方，英国议会允许南海公司以每股100英镑的价格发行315 000股股票，总值为3 150万英镑。政府债券持有者在债务转换中所没有获得的股票全都可以在公开市场上出售。结果，南海公司可以通过飞涨的股票价格获利。由于政府债券持有者手中的债券数量是既定的，以英镑计值，而不是以面值计值，南海公司只需要向债券持有人转换少量的股票。由于对南海公司股票的需求非常旺盛，投资者开始炒高南海公司的股票价格，股价很快就一飞冲天。在南海公司1720年1月21日宣布其债务私有化计划之后不久，股票价格从每股128美元暴涨至每股187美元。这吸引了更多的投机者，股票在一个月内上涨至每股300美元。如图3-1所示，艾萨克·牛顿在这个价位上将股票出售，获得7 000英镑的合理利润，但股票价格继续上涨。

在其杰作《金融投机史》（Devil Take the Hindmost: A History of Financial Speculation）⊖一书中，爱德华·钱塞勒（Edward Chancellor）指出，南海公司股票价格的暴涨，并不是那一时代投资者非理性的最极端案例。就在南海公司泡沫事件发生的同时，大量的新公司成立，这些公司被称为“泡沫公司”。和南海公司相比，这些公司的基本面及飞涨的股价问题更大。这些公司在当地的报纸上打广告，为其股票的首次公开发行造势，很多公司根本没有明确的盈利前景。一家公司的计划是将咸水转化为淡水，另一家公司计划从西班牙引进公驴。还有一些声名显赫的合法公司也加入了这一行列，包括许多地产及保险公司。不管合不合法，这些公司都从市场癫狂中得到了好处，而投资者也蜂拥而至。在市场达到顶峰时，伦敦股票交易所的市值达到了5亿英镑，是25年前的100倍，是整个欧洲现金数量的5倍。多年后，200家泡沫公司中，只有4家存活了下来。

市场的癫狂很快就蔓延到南海公司的股票及其他泡沫公司以外的地方。一些历史悠久的大公司股票的价格也一飞冲天。作为当时伦敦交易所的一位股票经纪人，约翰·卡斯坦记录了几家大公司股票股价的每日变动状况。这些大公司包括老东印度贸易公司、英格兰银行、皇家非洲公司、百万银行以及南海公司。围绕着南海公司飞涨的股票价格进行的疯狂投机也带动了其他公司股票价格的飙升。表3-1是卡斯坦记录的每日股票价格信息，该表格显示了每只股票价格在泡沫期及随后的破裂阶段中的百分比升降变化。这些股票价格的飙升，唯一的解释是，人性的贪婪及对利益的追求。在本章稍后，我们将对让人类做出如此愚蠢决策的人类的大脑（还有人类的本性）进行探究。

与那些在几个世纪之后的纳斯达克泡沫破裂中遭受损失的投资者相比，南海公司泡沫的迅速破裂同样让投资者损失惨重。阿奇巴尔德·哈奇森（Archebald Hutcheson）是一位精通财务的英国下院议员，他是那个时代的罗伯特·希勒（Robert Shiller）⊖。哈奇森对南海公司非常了解，发表了一系列反对南海公司的小册子。他提醒投资者考虑如下事实：英国议会每年支付的5%的利息平平无奇，相对较低；南海公司实际是一家贸易公司，其经营记录及其发展前景都乏善可陈；那些高价购买股票的投资者“缺乏基本的常识与理解能力”，因为公司的价值缺乏基本面的支撑。许多投资者对他的警告充耳不闻。艾萨克·牛顿，《自然哲学的数学原理》（the Principia）的作者，他的著作奠定了现代物理学的基础，在股价达到顶峰时买回了南海公司的股票。当股价无可挽回的坍塌时，牛顿损失了20 000英镑。据说，在牛顿的余生中，只要有人提到南海公司的名字，他就会浑身发抖。

和大多数股市癫狂一样，导致泡沫破灭的因素并非只有一种。德尔与钱塞勒等专家列举了信贷紧缩、股价估值过高、类似公司股价泡沫破灭等因素，认为它们引发了市场的崩盘。最后，理查德·德尔写道：“我们可以从这些估值异象中得出的唯一结论是，在股市泡沫时期，南海公司股票的投资者变得癫狂与不理性，这些行为很难用现代金融理论来解释。”

将近3个世纪过去了，金融市场变得更加复杂，投资者更容易获得信息及基本的数据，他们以一种极其相似的方式重蹈覆辙。“这次不一样了”这一危险的咒语再一次响起，投资者确信那些陈旧的规则不再适用于新时代的公司了。癫狂的原因发生了很大的变化，但那些泡沫投机者的大脑活动以及由此引发的行为没什么变化。图3-2中显示的纳斯达克市场的涨落，就像是南海公司股票走势的镜像一样。

截至2000年3月，像Constellation 3D公司、eNotes.com公司、simplayer.com公司及Braintech公司的股价暴涨了10倍以上，而其销售额为零！这些公司的成功前景和那些南海泡沫公司相类似。实际上，在接下来的两年中，这些股票的平均跌幅高达98%。一部分投资者出于非理性贪婪，而其他投资者则信奉“博傻理论”（该理论认为，即使他们认为某笔投资的定价过高，只要有一个大傻瓜愿意在未来以一个更高的价格购买他们手中的股票，他们仍然能赚取巨额利润）。尽管在泡沫初期赚了大钱，泡沫投资者的结局和艾萨克·牛顿爵士一样，惨淡收场。

市场无效率的数学证明

南海公司、互联网以及其他类似的市场泡沫都是非理性的极端例子，但是，即使在正常的市场环境中，市场的无效性也持续存在。伯努瓦·曼德勒罗（Benoit Mandelbrot）是一位已故的著名数学家，他因创立了分形几何而出名，他将注意力转向了股票市场价格的行为，想知道股票市场价格的历史运动是否真的遵循随机游走。在他的杰出著作《市场的错误行为》（The Misbehaviour of Markets）一书中，曼德勒罗将道琼斯工业平均指数（DJIA）自1916年以来的波动情况与由一个充分有效、随机游走的市场预测的虚拟市场波动情况进行了比较。

道琼斯工业平均指数的每日数据可以一直上溯至1896年，我们甚至可以用这些数据将曼德勒罗的研究扩展得更远一些。图3-3展示了一个有效市场（或随机市场）的日波动情况（以标准差衡量）。注意，这个日波动形态服从正态分布，只有为数极少的几天的波动超过了平均值4个标准差。这就是那些有效市场假说的倡导者所说的市场类型，他们认为在这样一个市场上，投资者很难战胜市场。图3-4是自1896年以来道琼斯工业平均指数的实际每日波动情况。

在这张图中，我们可以观察到有许多日波动超过了平均值5～10个标准差的情况，在1987年的这一次，日波动超过了20个标准差。正如曼德勒罗指出的那样，在一个有效市场上，黑色星期一发生的概率为${10}^{-50}$。如果市场真的是完全有效的，那么，即便道琼斯指数从大爆炸时期开始每天都进行交易，我们也看不到一次像黑色星期一这样的情况出现。我们应该向投资者发出警示，他们所使用的一些计量风险的工具，如在险价值（VaR）、布莱克－斯科尔斯期权定价模型等，这些工具都假设市场是随机变化的，如图3-3所示。真实的市场历史与随机游走的假设冲突如此之大，这是对完全效率市场理念的致命一击。

无效率市场源于神经科学

让我们成为一个拙劣的投资者，让市场变得无效的人类的生理构造，到底是什么样的呢？现在，研究人员已经可以在人类进行金融决策时，监控其大脑神经活动。神经系统科学家与行为经济学家都同意：当我们面临结果的不确定性时（这在金融市场上随处可见），我们应当平静、理性，精于计算。然而，我们通常会表现得感情用事，表现得不那么理性，而这常常会损害我们的投资组合。当人们处于极度贪婪状态时（如南海公司或纳斯达克市场泡沫），或是当人们处于极度的恐慌状态时（如2008年的金融危机），我们的大脑不但在推理时会犯非理性的错误，而且还会持续而显著地犯非理性的错误。

《投资者头脑中究竟在想什么》（Inside the Investor’s Brain）一书的作者，理查德·彼得森这样说道：“人类的大脑是亿万年进化的成果，其功能在于更高效且更有效地解释信息，在某个社会等级中进行竞争，为实现目标而指导行动，同时避免风险。然而，我们的大脑是从石器时代进化而来，在那样的环境里，危险与机遇都是瞬间出现的，社会交往的对象也仅限于部落的其他成员。现在，由于现代世界人与人之间的联系更加紧密，生活节奏更快，要管理复杂的现代生活，石器时代的大脑显然不是最优的。”由于文化结构的进化速度远超过大脑的进化速度，和一个我们为了生存与发展而进化的世界相比，我们必须在一个更复杂、更精妙的世界中进行决策。

要理解大脑是如何影响我们的投资决策的，采用麦克莱恩（Maclean）博士的“三重脑”大脑模型将很有帮助。这一模型将大脑灰质分为三个区域：爬虫脑（脑干）、旧哺乳动物脑（脑边缘系统）以及人脑（大脑新皮层）。脑干控制着诸如呼吸及心跳这类控制我们的生命维持机制。旧哺乳动物脑（它包含着我们称之为脑边缘系统的情感中心）控制我们的欲望、动力、情绪及动机等。最后，人脑控制那些更高级的思想，诸如推理、分析决策等。由于功能性磁共振成像（fRMI）扫描仪的出现，它为我们提供了大脑的影像，与更为传统的核磁共振成像机（MRI）所提供的照片相比，我们现在可以理解人类大脑的情感和理性中心之间的复杂联系。

我们知道大多数决策过程都与情感有关，但我们也知道当决策过程掺杂进情感时，也会极大地损害我们的投资选择。在实验过程中，这是一件有趣的事情，但是如果我们将其应用于现实世界的投资决策过程中（如为子女教育或养老而进行的投资），这可能造成灾难性的后果。

我们是非理性的

当苏格拉底将人类归于“理性的动物”时，他的这一表述并不清楚。我们人类的大脑会反复出现过多的推理错误。我们会根据选项的形成方式来做出逻辑上相互矛盾的决策，我们会根据无用的数字做出决策，我们做出的选择还可能并不符合我们的最大利益。

请试着回答下列两个问题：你社会保险号的最后4位数字是什么？成吉思汗死于哪一年？当一大群人被依次问及这两个问题的时候，这两个问题的答案之间存在着非常强的平均关系（average relationship），这意味着社会保险号的最后4位数字较高地受访者对第二个问题答案的猜测值也较高，反之亦然。如果受访者回答这两个问题的顺序发生了变化，答案之间的这种联系也就不复存在，这种情况被称为锚定（anchoring）。在你考虑分析师的盈利预测对股票价格的影响时，你会发现这种现象非常有趣。我们在第2章中对此已经进行过讨论，大卫·德雷曼以及其他学者所进行的研究显示：在预测一家公司的盈利前景时，个体分析师的用处与我们的社会保险号没什么区别，但是，人们总是愿意根据他们的估测进行投资决策。

另一个经典的案例由丹尼尔·卡尼曼和阿莫斯·特沃斯基首次提出的，称为“亚洲疾病问题”。假设一种发源于亚洲的疾病即将扩散到美国，预计将导致9 000人死亡。要战胜这种疾病，我们有两种治疗方案：选择第一种治疗方案，会有3 000人存活下来；选择第二种治疗方案，这9 000人有$1/3$的概率全都存活下来，有$2/3$的概率一个都不能存活。大多数受访者会因其确定性而偏好于第一种治疗方案，选择让3 000人存活。但是，如果问题换一种问法，情况又将如何？我们又一次面临两种选择。选择第一种治疗方案，有6 000人会死去；选择第二种治疗方案，无人死亡的概率是$1/3$，全部死亡的概率是$2/3$。现在，在面对着6 000人肯定死亡的情境时，受访者偏好于第二种治疗方案。这两种治疗方案的预期结果实际上是一样的，但对于相同数量的结果，大多数人们偏好是避免损失，而不是获得收益。

大脑损伤会创造超凡的投资业绩

我们的大脑决定了我们是谁，能做什么，而大脑的物理性变化或损伤会实质性的影响我们的决策。在一份由斯坦福大学的研究员巴巴希夫（Baba Shiv）进行的研究中（研究报告最初发表在《华尔街日报》上，题为《来自大脑受损投资者的经验》），由41位参与者进行一个投资游戏，每个游戏的参与者获得20美元，可以进行20轮游戏，每次投入1美元，通过扔硬币决定输赢。参与者即可以选择“投资”，也可以选择“不投资”。选择“不投资”的参与这被认为是保守的或是风险厌恶的投资者，参与者选择了这一项，意味着他在这一轮将作壁上观。当参与者选择了“投资”，研究人员将拿走一美元并掷一枚硬币。如果硬币正面朝上，参与者损失一美元；如果硬币是反面朝上，参与者可以获得2.5美元。显然，最优的投资决策是每次都参与游戏，因为每一美元“投资”的预期收益是1.25美元。这项研究的不同之处在于，有一组参与者的大脑是受到损伤的，他们关键的情感中心（如脑扁桃体或岛叶部分——哺乳动物脑区域，这部分在人类对忧虑与恐慌的感知中起到很大的作用）受到了影响。其他的参与者的大脑则完全正常，他们的情感中心没有受到任何损伤。

研究结果让我们很受启发。那些情感部分没有受到任何损伤的参与者每次只投资58美分，最终的平均收益为22.8美元；而大脑受损的参与者表现更好，他们每次投资84美分，最终的平均收益为25.7美元。这些大脑正常的参与者表现不佳的主要原因在于他们对掷硬币的损失作何反应。他们没有意识到，选择“投资”策略可以很容易就获得正的预期收益，而是在连续两次遭受损失时就感到害怕，因此在每次遭受损失之后，他们每次平均的投资值只有41美分。大脑受损的这一组参与者的投资比例在每次遭受损失之后基本不变，每次的投资比例维持在85%上。这一研究说明了这样一个事实：假如我们不采取措施消除恐惧、最近的损失以及非理性的风险规避其影响的话，它们会降低我们所持有投资组合的收益。如果你的目标是在市场上购买价值被低估的股票，投资的最好时机通常是在股票表现不佳之时，这会降低股票的市盈率，并通常会增加其股息收益率。

2007～2009年的股市大崩盘，是我们可以用来说明非理性的损失规避的一个极好案例。从各个角度来说，股票投资与通过掷硬币游戏进行“投资”都非常相似，只不过股票市场在这一时期上涨了接近72%，这一概率比那些参加巴巴希夫教授试验的人得到的机会还好。并且，自从市场在2009年3月份见底之后，投资者纷纷脱手股票基金并将资金以创纪录的规模转移到债券基金上去了。他们所付出的代价极大。在2009年，标准普尔500指数（代表着真实的“投资”选择）上涨了26.4%，而巴克莱综合指数（一个债券基金指数，代表着风险规避者“不投资”的选择）的收益率只有5.9%。在同一时间内，股票基金的总流出量为860亿美元，而债券基金的总流入为3 750亿美元。如图3-5所示，不只股票基金的流入量为负值，大多数卖出发生在市场最差的时候——接近2009年2月与3月的市场底部。投资者的表现和那些参加巴巴希夫教授试验的人一样，在遭受损失之后，由于恐慌，他们开始回避那些已经被证明很好的投资工具。

问题在于，我们的大脑已经进化到最合理的程度。在大多数情况下，之前招致损失的那些行为是一个好的策略。实际上，那些大脑受损者（指巴巴希夫教授研究的人群）通常会因为缺乏情感判断而寻求更大的风险，他们更容易遇上骗局，经常以破产告终。如果没有风险规避系统，在触摸到烧红的火炉后，我们就无法汲取教训。此外，对继续出现负的结果的恐惧会影响我们生活的各个方面。在“9·11”事件以后，大量的旅游者不敢坐飞机，宁愿开车去旅游。令人悲哀的是，一项研究表明：即使将时间趋势、气候、路况以及其他因素都剔除，在这一时期，有2 300名旅游者因不坐飞机，而是选择了自驾游而丧生，这一数字为“9·11”事件中死亡人数的75%。这些旅游者因最近的恐怖袭击而错误理解了飞行的危险。的确，金融危机的后果没有这么惨，但是，鉴于它会影响到无数人的财务状况，成千上万的投资者因考虑到金融危机的严重后果而选择了错误的投资策略，也是可以理解的。

导致巴巴希夫教授试验参与者出现非理性行为的主要原因是一种叫做损失厌恶（loss aversion）的现象。这一行为学概念首先由阿莫斯·特沃斯基与丹尼尔·卡尼曼提出，他们也被认为是行为金融学的创始人。特沃斯基与卡尼曼将心理学与的前沿成果引入了经济学研究中，对决策的科学方法进行了革命。特沃斯基与卡尼曼在1979年发表了他们的开创性论文，《展望理论：风险下的决策分析》（Prospect Theory: An Analysis of Decision under Risk）。他们最终赢得了包括诺贝尔经济学奖在内的许多荣誉及奖励——卡尼曼在2002年获此殊荣。

特沃斯基与卡尼曼发现，人们对金钱的收益及损失的反映迥然不同。尤其是，从损失中所遭受的痛苦要远远大于从收益中所获得的快乐。考虑下面两种情境：

情境1：你可以接受一项确定的500美元收益或是掷一枚硬币。如果硬币朝上，你将赢得1 000美元；如果硬币背面朝上，你将一无所获。

情境2：你可以接受一项确定的500美元损失或是掷一枚硬币。如果硬币朝上，你将损失1 000美元；如果硬币背面朝上，你不会遭受任何损失。

在每种情境下，每种选择的预期收益是相同的，简单概率表明，不管你选择了哪种情境，结果没有区别。然而，特沃斯基与卡尼曼发现，84%的受试者在情境1中选择了确定性的金钱收益，但是有70%的受试者在情境2中选择了赌一把。当面临收益时，人们体现出对风险的厌恶（risk-averse）；但当面临损失时，人们体现出对风险的追求（risk-seek）。这一奇怪的矛盾之处源于人们对损失的强烈恐惧。人们是非常害怕实现（或锁定）损失，因此，他们失去理性，不惜一切代价来避免这一点。通过使用不同的价值来对实验进行调整，特沃斯基与卡尼曼发现，受试者对损失的敏感程度是对收益的敏感程度的两倍以上。我们的大脑天生就认为：两鸟在林，不如一鸟在手。

伯纳戴特·德·马蒂诺（Benedetto De Martino）⊖进行了一项研究，他使用功能性磁共振成像（fRMI）扫描仪来监控受试者在面临各种财务金融决策时的脑部活动。他想知道问题的框定方式能否影响受试者的决策行为。在实验的开始，受试者会获得一定数量的金钱（比方说，100美元），然后，实验者为受试者提供一个“确定的”选择与一个“赌博的”选择，这一选择跟特沃斯基与卡尼曼的开创性试验非常类似。与我们所分析的其他案例一样，这两种选择的预期值总是相等的。

当受试者面临的选择是：在100美元中“获得确定的”40美元（“收益”框定），或是进行赌博（其预期值也是40美元），大多数受试者选择获得确定的确保获得40美元。这两种情况下的报价实际上是一样的，但是问题的措辞引发了投资者的损失厌恶行为。更重要的是，德·马蒂诺及其团队可以对受试者在每次做决策时表现最活跃的大脑部分进行监控。当受试者被损失厌恶所影响时，在收益框定中小心翼翼，而在损失框定中放手一搏，他们大脑的主要活动区为脑扁桃体部位，这一部位是大脑情感决定“战或逃”的决策中心。当受试者的反应与常态背道而驰，在收益框定下放手一搏，却在损失框定下坐以待毙，他们的眶前额叶皮层（orbital prefrontal cortex）与前扣带脑皮质（anterior cingulate cortex）这两个部分都负责承担理性认知功能——就被激活了。投资者对损失或损失前景的过度反应触发的是大脑的情感控制中心，而非大脑的理性控制部分。

投资者经常表现出非理性，优先选择那些有助于避免损失或伤痛的决策。实际上，科学家已经证实，这一大脑的偏误对投资者的投资组合极其有害。我的灵感来自于纳西姆·塔勒布（Nassim Taleb）所著的《随机致富的傻瓜》（Fooled by Randomness）一书，这本书分析了证券投资在不同的时间间隔里上涨的概率。如果你在1980年1月份在标准普尔500指数上投资了10 000美元，这笔投资在2009年年末将增长到243 754美元——年收益率为11.23%，相当不错，波动率为15.52%，也比较合理。即使这笔投资的年化收益率如此之高，表3-2显示，如果你在每天或每周都检查投资账户，该账户上涨的概率仅比掷硬币的概率高一点点。以为充分理性的投资者或许不会有这样的困扰，但是一个情绪化的投资者则很难坚守其投资策略。假设损失给投资者带来的痛苦为收益带来快乐的两倍，那么，同样的投资组合在短期内的业绩对投资者情感的影响太大，投资者很难忍受。投资者最好不要频繁地检查他们的投资账户，我们可以通过一个简单的案例来说明这一点。我们不是按照面值选取各种收益率的观测值，而是对每个观测到的正收益值打1分，为每个观测到的负收益值打−2分，这一打分方式表明，我们认为损失所带来的痛苦两倍于收益所带来的快乐。表3-2显示的是经情感调整后的各观测期的平均分数。只有按年计算投资组合的观测值，其痛苦（回报）的分数才会变成正值。就像我们观察到一壶永远也烧不开的水一样，在考虑到损失所带来的痛苦相对于收益所带来的快乐时，可以这样说，你永远也不会感觉到投资组合价值的上升。

因为损失厌恶，人们会长时间地持有亏损的股票，很快卖出赚钱的股票。他们青睐那些在近期波动较小的资产，并将此看作是一种低风险，在刚刚遭受巨大损失之后更是如此。那些自动配置投资组合中所包含资产的权重，将风险厌恶因素剔除出投资组合的投资策略表现得更好，还可以帮助投资者克服其对损失的恐惧，防止其投资组合的价值遭到侵蚀。

贪婪的追逐业绩与形态

单纯从化学角度来看，人类的每一次享乐过程——不管是听音乐、拥抱爱人、品尝巧克力，实际都意味着伏隔核（nucleus accumbens）内多巴胺的爆炸，快乐如同烟花爆竹，绚丽而短暂。

——J.玛德莲·纳什

人类大脑的进化，使我们的行为越来越趋利避害。我们寻求收益趋势的下降在于我们可以通过忽略重要的风险以来满足愿望。从畅想未来收益中所获得的愉悦感觉是这一行为的重要驱动力，这一点在进化角度极具意义，但会使投资者做出极其愚蠢的投资选择。人类大脑中存在的追逐暴利这一行为趋势，是许多股票泡沫的形成根源。在20世纪90年代末购买互联网股票的投资者，以及那些在18世纪20年代购买南海公司股票的投资者都是非理性投资者。他们都沉浸在从最近赚取的利润及未来的美好前景中所获得的愉悦当中。当预测自己的投资会赚大钱时，我们大脑的反应与受到性刺激或吸毒时所感受到的强烈反应是相同的，而这种精神状态显然不适合进行合理投资决策。

当某种资产（可以是某只股票、总体股票市场或房地产）迅速增值，这为投资者提供了在短期内实现巨大收益的机会。由于投资者的大脑对资产持续获得高收益的这一形态的解释方式，一旦投资者将资金投入到资产泡沫中，他们通常无视资产的基本面。斯坦福大学的布赖恩·科诺森（Brian Knutson）对人类的大脑在花钱时的活动进行了监控，他发现大脑的两个关键部位被激活：伏隔核（NAcc）区，这是一个重要的预测中心；内侧前额叶皮质区（MPFC），这一部位帮助我们永久地学习哪种行为会产生回报。这种结构的问题在于：由于回报在某种程度上持续增加（如1998～1999年在纳斯达克市场上进行的某笔投资），大脑感到自得，并预计在未来会继续获得这一回报。由汉娜·拜耳（Hannah Bayer）和保罗·格林切尔（Paul Glimcher）进行的研究发现，由于多巴胺神经元负责使用过去的信息来预测未来的结果，存在过度重视最近的经历的倾向，从而加剧了大脑的这一偏差。由单个的多巴胺神经元发出信号的强度会随着时间的推移而逐渐消失，因此，与最近经验联系的多巴胺神经元的影响最大。从生物学的角度讲，长期中，我们不善于学习，或是缺乏同等学习的能力。相反，我们过于依赖最近的经历，这也是我们在第2章中所讨论的近因效应的一个生物学解释。自负的情绪、从心理上重视近期发生的事情等，这些因素让我们缺乏风险意识。在投资世界中，自负是一件非常危险的事情。

显然，伏隔核区在我们进行投资决策时起到非常大的作用。在《化学旋转木马：科学教我们如何战胜依赖症》（The Chemical Carousel: What Science Tells Us about Beating Addiction）一书中，德克·汉森（Dirk Hanson）讨论了伏隔核区在药物成瘾方面的作用。在海洛因成瘾小白鼠的伏隔核区被切除后，对药物的需求也随之停止。当我们需要药物或服用药物时，原因在于我们伏隔核区分泌出大量的多巴胺，这一部位也就是我们预计要赚大钱时大脑最活跃的部分。当然，在南海公司及互联网股票泡沫中的投资者愿意购买垃圾股的原因是，他们认为这些股票太好了，不买不行。

更严重的是，大多数人对自己的能力（无论是驾驶能力、情感能力还是投资能力）过度自信。大多数人都认为自己的表现高于平均水准，这当然是不可能的。这种过度的自信进一步损害了我们理性处理潜在市场风险的能力。我们认为自己能够知道哪只股票具有卓越的表现，然后就将资金投入到那只股票上去。作为一种生物物种，我们痛恨随机性，在任何数据集中搜寻有用的图表。一旦我们发现了某种图表（绝大多数这样的图表毫无意义），就对这种图表的价值表现得极有信心。在《大脑炼金术》（Your Money and Your Brain）一书中，贾森·茨威格（Jason Zweig）讨论了一类实验，在这个预测结果的实验中，即使是鸽子与老鼠的表现也优于人类。实验设计如下：有一对闪烁的灯——一只红灯、一只绿灯，这两只灯会随受试人和老鼠闪烁20次。闪烁的具体结果是随机出现的，但绿灯出现的概率有80%。这个实验与大脑受损的受试者所做的赌博游戏相类似，投资者最明智的选择是每次都“投资”。预测最有可能出现灯光的最简单方式就是每次都猜绿色灯。然而，鸽子和老鼠按照这一符合逻辑的策略行事，它们猜对的比率接近80%，而受试者却陷入误区，试图预测红灯在什么时候会出现，他们预测的正确率只有68%。即使他们已经被告知灯光的闪烁是随机出现的，受试者还是试图战胜概率，随着时间的推移，他们的表现越来越差。

瑞德·蒙泰古（Read Montague）是贝勒医学院（Baylor College）的一位神经系统科学教授，他进行了一项研究，对人脑在虚拟的金融泡沫中的反应进行了分析。乔纳·莱勒（Jonah Lehrer）在《纽约时报》上发表的一篇文章概括了蒙泰古教授的实验。受试者得到100美元与一个目标投资“市场”的简要介绍。根据这些信息，受试者可以按照他们自己的意愿将100美元投资出去，数量不限，然后在接下来的20回合中观测他们投资组合价值的涨落。这一研究的奇妙之处在于，这些受试者投资的并非一个随机的市场，蒙泰古教授使用了一种反映真实的泡沫市场（如1929年的道琼斯指数走势图，以及1999年的纳斯达克市场走势图）的图表走势。在每次泡沫的初期阶段，在所有的上升阶段，多巴胺回报预测系统都十分活跃，这也让受试者增加了他们的投资，因为他们观察到这100美元的投资随着泡沫不断增长。然而，在接近泡沫的顶峰时，蒙泰古教授发现，多巴胺神经元明显安静下来。蒙泰古教授说道：“看起来，细胞们显得很焦灼……它们知道有些事情不太对劲儿。”在这一阶段，受试者不再为那些让他们在第一阶段陷入癫狂状态的激增的多巴胺所驱动。现在，损害受试者投资组合是前额皮质（prefrontal cortex）了。投资者大脑的高阶功能现在开始起作用了，他们开始理性地对待投资，开始为持有还是变现投资组合寻找合适的理由。这一研究让我们大开眼界，也为研究我们的原始大脑及高级大脑如何导致我们做出错误投资决策提供了一个鲜活范例。

我们从这些研究中所学到的关键一课是：已实现收益和未来收益的美好前景所带来的情感上的愉悦，还有我们对自身预测未来能力的过度自信，这两个因素结合起来，会极大地损害我们在某个既定的市场环境中的投资。

我们无法摆脱自身的弱点

与我们生活中的许多活动一样，投资无非是寻求收益，避免损失。由斯坦福大学的卡梅利亚·库恩（Camelia M. Kuhnen）与布赖恩·科诺森（Brian Knutson）所进行的研究证明：大脑中枢是造成风险寻求及风险厌恶等错误的主要因素。对投资者来说，更为有趣的是大脑的其他部分起什么作用。大脑的伏隔核区负责感受那些情感的极度愉悦、药物深度依赖所造成的兴奋感、对未来的美好憧憬（如即将与你的另一半相见）所带来的幸福感。正如库恩和科诺森所说：“这可以解释赌场为什么要在赌客的周围布满各种各样的奖励的暗示（比如说，廉价的食品、免费的酒水、惊喜大礼、获得头奖的可能），获奖的预期刺激大脑的伏隔核区，这会进一步增加赌客将其行为从风险厌恶转向风险寻求的可能性。”一想到我们在赚钱，我们大脑中的情感愉悦中枢就开始燃烧，这样，人们追求泡沫也就可以理解了。在21世纪早期，投资者会为纳斯达克市场上的股票支付175倍的市盈率，而财经界对这一明显的股价高估竟然没什么像样的讨论。而许多投资者还继续购买这些股票，他们都为其大脑伏隔核区激增的多巴胺所驱使。另一个极端情况是投资者要面对市场恐慌、经济萧条及不确定性，而投资组合价值的不断下跌——2008年的投资者很熟悉这一幕，必然会刺激这些投资者大脑中的前脑岛（anterior insula）及脑扁桃体（这是大脑的情感中枢，负责感知痛苦、恶心以及恐惧等），这通常让我们变得更加谨慎。

我们可以从这些尖端研究中学到的最重要的一课是：由于人类大脑中的情感中心与理性中心在本质上是相互联系的，我们永远有做出非理性决策的可能。仅仅意识到问题的存在不等于我们就可以解决它。要克服人类的一些弱点（比如，即使这样做是有害的，也要避免损失，追求业绩，追求那些不存在的图表等），我们必须找到一种投资策略。这种投资策略是一种可以将主观因素、人为因素从决策规程中剔除，经实践验证过理性的系统性投资策略。在深入理解人类的大脑，意识到我们有多么不明智之后，我们就可以变得明智。成功投资的第一步，也是最难的一步，就是认识到我们自身的愚蠢。

令人惊讶的一个事实是：华尔街对于具备某些特征证券的历史走势的系统性知识是如此之少。诚然，我们有显示各类股票及单个股票长期价格走势的图表。但是，除了划分了行业类型之外，我们并没有对股票进行真正的分类。过去的分析师似乎并未给当下及未来的分析人员传下来什么知识和技术，更谈不上对这些知识与技术进行不断的积累、扩展了。当我们对金融业的发展与医药业的发展进行比较时，历史似乎都在指责我们对过往经验所做的记录及分析是如此的贫乏。我们缺乏成型的经验，而这些成型的经验可以告诉我们哪些资料有用，哪些资料没有价值。在未来，我们的分析师必须到学校去学习那些已成型的学科，去学习那些搜集数据、分析数据的能力，再从这些学习过程中形成适合我们行业特点的研究方法。

——本杰明·格雷厄姆，现代证券分析之父，1946年

20世纪90年代初期，即我开始进行研究并最终借此形成本书时，对格雷厄姆在上面提出质疑，几乎没有什么很好的答案。本书的第1版于1996年出版，书中包含了格雷厄姆在50多年前分析的诸多变量。《投资者的头号法则》（What Has Worked in Investing: Studies of Investment Approaches and Characteristics Associated with Exceptional Returns）是由Tweedy Browne基金公司的基金经理在1992年出版的一本小册子。在这本小册子里面，他们对这一研究进行了持续更新。这本小册子是对50多个研究的一个综述与说明，这些研究被认为最能代表那些在长期内最有效的投资策略。当然，研究人员也对各种投资策略进行了大量的研究。在过去的几年里，许多研究人员也对过去几十年间的股票市场的数据进行了研究，并向大众公布了他们的研究成果。有一本书值得一提，这就是由埃尔罗伊·迪姆森、保罗·马什及迈克·士丹顿教授所著的《投资收益百年史》，这本书搜集整理了16个国家在过去101年间的投资收益情况，还逐个比较了各种各样的投资策略（如成长型与价值型投资策略等）。自本书第1版发行以来，还有一些引人注目的学术文章发表，这些学术文章包括：由查尔斯M. C.李（Charles M. C. Lee）和巴斯卡兰·斯瓦米纳坦（Bhaskaran Swaminathan）于1998年发表的Price Momentum and Trading Volume，由克利福德·阿斯尼斯（Clifford Asness）在1997年发表的The interaction of value and momentum strategies，由约瑟夫D.皮奥特洛斯基（Joseph D. Piotroski）在2000年发表的Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers。其他一些学者，如尤金·法玛（Eugene Fama）与肯·弗伦奇（Ken French）为小盘股及大盘股构建了成长型及价值型指数，选取的数据上溯至1927年。法玛与弗伦奇使用公司的市净率，将股票划分为价值型股票或成长型股票，低市净率的股票属于价值型指数，高市净率的股票属于成长型指数。这些研究数据为我们提供了这两种主要的投资策略最长的历史收益率。在本书这一版中，我们还将在几个单因素或多因素模型中使用CRSP的数据库。CRSP的数据库由芝加哥大学商业研究院创设，数据从1959年开始编制。芝加哥大学为纽约证券交易所上市的股票编纂了第一份月末价格及总收益的计算机可读文件，还额外编辑了其他一些数据项目，数据截取时间为1926～1960年。证券价格研究中心已经对其数据库进行了扩展，额外纳入了一些交易所及信息。现在有了CRSP数据库，我们就可以用它来说明：与我们在本书之前的几个版本中的一些发现一样，和单纯依赖简单的纯成长型或纯价值型投资策略相比，将价值型特征及成长性特征结合在一起，通常会得到更好的结果。

在过去的几十年里，许多学者将他们自己的研究与实践相结合，他们利用已得到证明的研究成果，开始成立自己的基金公司。在其开创性的论文《逆向投资策略、推断和风险》（Contrarian Investment Extrapolation and Risk）中，约瑟夫·拉格尼沙克（Josef Lakonishok）、安德里·史雷夫（Andrei Shleifer）及罗伯特W.维什尼（Robert W. Vishny）教授成立了LSV资产管理公司，这家公司目前掌管着530亿美元，使用他们经过长期研究得到的成果作为公司的投资策略。正如他们的网页上所宣称的那样，他们坚持使用经过考验的投资策略：“由LSV资产管理公司所使用的量化投资策略是过去20年里学术研究的成果，所使用的方法经过严格测试，并且严格执行风险控制。”

然而，这些研究是有价值的，这仅仅是因为它们在几十年里的稳定收益，而不是只有几天或者几年。许多投资者认为5年的投资记录已经足够用来判断一位基金经理的水平。但是，正像亚历山大·蒲柏（Alexander Pope）的格言“一知半解，为害不浅”那样，投资者在研究上下的功夫太少，这让他们获得了太多极具误导的信息。理查德·布雷利（Richard Brealey）是一位英国经济学家，也是一位令人尊敬的数据分析研究员。按照他的估算，要对某个投资策略的有效性（假设它在统计上具有95%的相关性）做出合理假设，你需要25年以上的数据。

短期毫无价值

想一想那“繁荣的20世纪60年代”吧。那一时期的追求高成长性的投资经理们在不同股票之间转换的频率如此之快，以至于得到了一个“快枪手”的称号。这个游戏的名字叫业绩成长，而买入具有高盈利增长率的股票则是实现这一目标的手段。在那个时代，这些疯狂的投资者主要关注成长最快的公司，根本不考虑自己到底为每一美元的成长支付了多少钱。

从事后诸葛亮的角度来看，我们就能看出一个5年期的误导性有多大了。从1964年1月1日～1968年12月31日，如果将10 000美元投资于某个投资组合（该投资组合每年买入Compustat数据库中每股收益增长百分比最高的前50只股票），这笔投资将于期末暴涨至33 500美元，年复合收益率为27.34%，是同期标准普尔500指数年收益率的两倍多。在同一时期，在期初投资10 000美元于标准普尔500指数，期末将增值至16 220美元，每年的年复合收益率为10.16%。但不幸的是，同样的策略在下一个5年期内的表现就没有这么好了。1969年1月1日～1973年12月31日，按照这一策略进行的投资损失了一半以上的价值，而标准普尔500指数的同期收益率则为2%。我们可以想象一个倒霉的投资者，他观察到，在截至1968年12月31日的5年期内，某些类型的股票表现十分优异，他做了大量的“功课”——通过认真阅读报纸上报道的这些“快枪手”经理的耀眼成绩单，最终决定在1969年投身于股市的滚滚洪流中。在这种情况下，他所投入的10 000美元将会缩水至4 260美元，这就是只关心5年期收益情况的结果。

如果这个倒霉的投资者能得到长期的收益数据（1964～2009年间，这种投资策略的年收益率只有3.88%），他就会认识到仅仅依靠公司销售收入的年增长率来购买股票是多么糟糕的一种投资方式。此外，在所有股票中挑选每股收益增长百分比最高的前50只股票并进行投资，在1964年投入的10 000美元，到2009年年底只增长到57 631美元；而同样的10 000美元，如果投资到年复合收益率为5.57%的美国短期债券上，到2009年年底将增长至120 778美元。与之相反，如果这个投资者只是将这笔钱投入到某个指数（如标准普尔500指数）中，其年收益率将为9.46%，这10 000美元的投资到2009年年底将增长为639 114美元！如果投资于全部股票，收益将更为可观，每年的收益率为11.22%，这10 000美元的投资到2009年年底将增长至133万美元！

这不仅仅是一个学术方面的练习——人们在决定如何投资其退休基金时，其主要依据仅仅是某个基金或某种投资策略的最近表现。假设某人决定从1964年开始就使用这种投资策略为其退休进行储蓄，他在退休时的资金将严重不足。

如果20世纪60年代看起来有些久远，让我们来看一下相同因素在最近的表现——1995年1月1日～1999年12月31日的这个5年期。投资者常使用短期的投资结果预测未来，20世纪90年代末的股市疯狂为此提供了另一个解释。在这一期间，人们再一次陷入了癫狂状态，沉醉于那些高速增长的公司的美好前景之中，只是他们所追逐的公司的名字发生了变化，从宝丽来公司、Mohawk数据公司与Zimmer家居公司换成了Pet.com公司、网络货车（Webvan）公司以及eToy.com公司等。因此，如果他们在1995年1月1日投资10 000美元，在所有股票中挑选每股收益增长百分比最高的前50只股票并进行投资，到1999年12月31日，这笔投资将暴涨至45 539美元，年收益率为35.42%。这几乎是全部股票在同一时期内的年化收益率20.72%的两倍，10 000美元的投资到期末将增长为25 644美元。并且，与20世纪60年代非常相似，所有的新闻媒体、“专家”，以及普通的投资者都陷入了短期内超高收益的这一误区，将他们的股票投资于这些股票当中，其结果也和30年前的投资者一样，是灾难性的。在接下来的5年里，这50只每股收益增长百分比最高的股票每年下跌20.72%，到2004年12月31日为止，他们所投入的10 000美元只剩下了3 132美元，总计损失69%，对任何为退休而进行储蓄的人来说，这一结局都是灾难性的。与之相反，投资于全部股票的投资组合，在这一期年的年收益率为6.68%，10 000美元的投资将增长至13 818美元。毋庸多说，那些忘记历史的人注定要重蹈覆辙。

这一次不一样了

人们愿意相信现在和以前不一样了。现在，市场已经电脑化了，高频交易与大宗交易占据了主导地位，个人投资者消失了，取而代之的是规模巨大的共同基金与对冲基金，它们代替个人投资者进行投资。有些人认为这些投资专家所采用的决策机制与我们不同，并且认为，研究某一投资策略在20世纪50年代和20世纪60年代的业绩对于预测基金未来的业绩没有多大帮助。

但是，尽管我们坚信我们目前所处的环境是独一无二的，事实上，自从艾萨克·牛顿（他真是一位才华出众的人）在1720年的南海贸易公司泡沫中遭受重大损失以来，股市其实并未发生什么大的变化。牛顿哀叹道，他“可以计算出天体的运行规律，却算不出人类的疯狂”。在长期统计结果的基础上进行投资决策的关键在于：股票的价格仍然由人来决定。第3章中的图3-1与图3-2对南海公司的股价暴涨与20世纪90年代的纳斯达克市场泡沫进行了比较。只要人们的判断仍然受到恐惧、贪婪、希望和无知的左右，他们就会对股票进行错误定价，而那些能够严格运用经时间验证的投资策略选股的投资者，也就会获得许多机会。牛顿遭受损失的原因在于，他被当时的癫狂气氛所感染，根据一个美妙的故事做出投资决策，却不考虑枯燥乏味的事实。股票的名字会发生变化，行业会发生更替，投资风格也可能不断发生变换，但决定一只股票能否投资的基本特征却保持不变。

每个时期都有投资者热捧的股票，这类股票都有着最炫目的故事。20世纪20年代的投资者追捧的是所谓的“新纪元”行业（如无线电及电影公司），1921～1929年，投资者将道琼斯工业平均指数推升了497%。仅在1928年，轻信的投资者就将无线电公司的股票从每股85美元推至420美元，他们唯一的依据就是希望这种新奇迹将彻底改变世界。在同一年里，投机者使华纳兄弟公司的股价上涨了962%——从每股3美元增长至138美元，其依据是有声电影以及艾尔·乔生（Al Jolson）签署的一份新合同所引发的狂热。在20世纪50年代，我们又看到一场相似的对新技术的追捧，1957～1959年，德州仪器公司股票的价格从每股16美元涨到194美元；其他的公司，如哈洛伊德—施乐公司（Haloid-Zerox）、仙童相机公司（Fairchild Camera）、宝丽来公司（Polaroid），以及IBM的股票价格均在这一轮热潮中大幅上涨。看一下近期的情况，还记得在20世纪90年代末期，所有网络公司的股价仅仅因为一次PPT演示以及随之而来的空前热情就一飞冲天吗？

答案很简单，20世纪60年代及90年代的癫狂状态的出现其实很正常，它们只不过是一次长期牛市的终结，其结局是可以预测的。在这样的状态下，即使是最愚蠢的投资策略也会获得异常高的收益，结果是一败涂地。对收益进行长期的考察至关重要，原因在于，只有经过充分的时间才能发现被短期波动掩盖的基本关系，同时，这样做还有助于我们分析市场怎样对一系列的事件（诸如通货膨胀、股市崩盘、滞胀、衰退、战争、科学新发现等）作出反应。学习历史，才能更好地掌握未来。历史绝不会一成不变地重演，但同样类型的事件还会出现。在最近的一次投机泡沫中，那些将这一基本信息牢记于心的投资者，最有可能幸免于难。

在经历了灾难性的熊市之后，这一道理同样适用。在旷日持久的熊市之后，投资者的表现与在市场癫狂之后的表现相同，都表现出了非理性行为，在市场见底（或接近见底）之时，他们经常会大批地离开股票市场。当他们获得足够的信心，重返股市时，股市通常已经复苏好长时间了。那些在2009年选择空仓的投资者，错过了50%～75%的利润，这让他们很难战胜市场。

我们总希望预测市场，但事实很清楚：在《福布斯》500富豪榜中，没有一个人是短线客（market timers），但却有许许多多的投资者。

仅有实例证据是远远不够的

我们每天都会面对来自各方的投资建议，但很多都是缺乏证据的小道消息。很多时候，某个投资经理会举出一些股票作为其成功的例证，说明他们的投资业绩是多么的出类拔萃。可惜的是，这些经理刻意地回避了许多其他的股票，这些股票同样具有他们所推荐的特征，但却表现不佳。行为学研究表明，股票市场中有一个常见错误，即从个别特例中归纳出结论，有证据表明，人们经常从他们的记忆中“抹去”那些表现不佳的投资操作。这让他们只对极少数表现非常好的股票印象深刻，对那些表现不佳的股票几乎没有印象。因此，我们必须考察整体的投资策略，而不只是个股的收益。通常，我们心里想的和实际做的往往是两回事，这二者之间存在着巨大的差别。

本书的目的在于，向读者介绍一种更科学、更系统的股票市场投资策略及投资组合管理方法。为做到这一点，我将不折不扣地贯彻那些严谨、科学的投资规则，这些规则主要包括以下一些内容。

1. 明确的方法：所有的模型必须使用明确说明的规则，对于要检验的投资策略或投资规则，不能有丝毫的含混，对该投资策略也不应存在个人或特殊的理解。

2. 投资规则要透明：必须对所检验的投资规则给予明确、公开的说明。这样，任何具备足够的时间、金钱、数据、设施及投资意愿的人都可以自己重复模型的结果。投资规则必须合理，并且不由数据推导而得出。

3. 可靠性：使用同一规则，同一数据库，任何人都应当获得相同的结果。此外，结果必须可以持续相当长一段时间，绝不能通过短短的几年就推导出长期结论。

4. 客观性：我一直尝试使用那些直观的、有逻辑的并且易于理解的规则，但这一规则在任何情况下都应该是客观的。它们与投资者的社会地位、经济状况以及文化背景无关，而且不需要投资者有任何特殊的知识、信息和理解能力。

5. 可靠的数据库：事后检验有很多困难，而数据的质量是其中最主要的问题。所有的规模庞大的历史数据都包含许多误差。尽管标准普尔公司的“Compustat主动型研究”数据库以及CRSP数据库可以称得上是事后检验的最优标准，我们必须牢记，这两个数据库都有其局限性。毋庸置疑，数据库没有对某些股票的拆分进行相应调整，有些股票的错误账面值在好几年里都没有得到纠正，有些股票的盈利数字是错误的，而且未经任何修正，甚至有些股票的价格可能是31，但被错写成13，等等。对于任何检验股市投资策略的研究而言，这些问题都是存在的，必须对其加以足够的重视，当某一投资策略的业绩只是略微高于市场平均收益时，更应如此。在本版书中，我们首次使用CRSP数据库，它所涵盖证券的时间可以一直上溯至1926年。

注意，这些数据库存在的局限绝非小事，在你检查本书中的结论时，务必牢记这一点。在《投资学》杂志的2009年冬季刊上，爱德华F.麦考利发表了一篇题为《我们对美国的长期收益率到底了解多少》（The Myth of 1926: How Much Do We Know about Long-Term Returns on U.S. Stocks）的文章。在这篇文章里，麦考利扼要介绍了对不同投资策略进行事后检验时需要注意的几个地方。他指出，即便是CRSP这样规模巨大的数据库也会存在许多问题，这些问题有：

• 时间段的限制（timeframe limitation）：尽管CRSP的数据始于1926年，麦考利注意到，这一时间段并未包括“从覆盖范围上来看，50%的历史记录，还有交易历史接近200年、在美国交易的大盘股”。显然，始于1963年的Compustat月度数据，在数据的覆盖范围上存在着更大的局限性。

• 不能覆盖所有交易中的股票：麦考利注意到，“在CRSP数据库所覆盖的时间段内，超过50%的在美国交易的主要股票未被包括在内，尤其是那些盘子较小、价值较高的股票”。

在20世纪70年代末，Compustat数据库还纳入了许多小盘股，这有可能导致预测结果的向上偏误，因为许多新增股票仅仅是因为表现优异而被加入的。

因此，在分析各种风格的投资策略时，尽管这几个数据库是最好的，你还要时刻牢记它们的局限性，并将分析结果与通过其他数据序列得到的结果进行比对。这些数据序列包括：由Dimson、Marsh及Staunton教授提供，在《投资收益百年史》一书中占据重要地位的全球收益数据序列，那些MSCI指数所涵盖的美国以外市场的数据，最终会被纳入美国的数据库（如价值线及Worldscope）之中。

可能存在的问题

对华尔街偏爱的投资策略进行的诸多研究都存在严重的问题，这些问题如下。

数据挖掘

从康涅狄格州的格林尼治到曼哈顿的中央火车站，乘特快列车需要大约40分钟时间。在这段时间内，你可以在车厢里左右张望，并且发现各种各样的在统计上显著的特征，这些特征与同车乘客有关。在这节车厢里可能有许多金发碧眼的女士，或有75%的乘客有着蓝色的眼睛，或是大多数乘客都出生在5月份。然而，这些关系很可能只是偶然因素的结果，对于这节车厢前后的车厢就不一定成立了。当你试图对这些关系进行分析时，你实际上是在进行数据挖掘。你会找到一种统计关系，它对于某一数据组的拟合非常好，但无法拟合另一数据组。正如统计学家曾经嘲讽过的那样，只要你对一组数据“拷打”足够长的时间，它们就会“承认”任何事情。因此，如果找到的关系不能从理论、经济、直觉或是常识上给出合理的解释，那么它很可能只是偶然的结果。从而，如果你发现某种投资策略要求你只能在星期三买入股票然后持有十六个半月，这一定是数据挖掘的结果。确认超额收益是真实的最好方式，是在不同的时期（或不同的次周期）或不同的市场中（如欧洲国家）对它们进行测试。实际上，通过考察从CRSP数据库1926～1963年的数据中所得到的新结果，我们可以对前述的发现进行测试。我们使用MSCI EAFE数据库（欧洲、澳大利亚及远东地区）得到的研究成果表明，这一策略实现的超额收益率水平与在美国的结果比较接近。

我们运用的另一项技术是数据自举法（bootstrapping the data）。这一方法对我们所要测试的各种投资策略的全部结果进行随机重新抽样。我们运行100个随机选择的次周期，以确保全部选取的次周期与各种投资策略所展示的全部结果之间不出现较大的差异。通常来说，如果某种投资策略表现因素最好的10%与表现最差的10%的年化收益率之间存在较大的价差，我们就认为这种投资策略是有用处的，或是有预测能力的。在最近的83年里，最好的（最高的）6个月价格动量股票中最好的十分位（10%）的年收益率比最差的十分位（10%）的年收益率高出9.96个百分点，这一事实提供了非常有用的信息，可以极大地影响我们管理投资组合的方式。为消除这一方法中存在的所有抽样误差，我们对随机抽取的子样本进行一次测试，这可以确保无论我们分析的是哪组股票，这些十分位分组会有类似的年收益率价差。如果在每次数据自举法的测试中进行100次重复抽样，我们首先在事后测试中的所有可能的月度交易日中随机抽取50%的样本，其他的50%舍弃不用。然后在这些日期的可用股票中随机抽取50%的样本，其他的50%舍弃不用。这实际占了十分位分析初始样本总体的25%。我们对每种投资策略运行100次数据自举法，然后分析这十分位的收益率价差。巧合的是，对我们的最好的投资策略而言，最好的十分位与最坏的十分位之间的收益率价差在这100次重复抽样中保持不变。换言之，对于这6个月价格上涨因素（投资策略），不管你投资于哪组股票，只要你购买的是最好的价格动量的那组股票中最好的10%，你的表现就比较不错。如果我们发现，数据自举的结果差异较大，我们就会对这一结果缺乏信心，并且会研究是否有证据证明，在这一测试中存在着无意的数据挖掘偏差。

时间长度不足

在5～10年的期限内，任何投资策略的回报看起来都可能很光鲜。有无数的投资策略都有可能在某个阶段表现极佳，但在长期内的表现却十分糟糕。在任一个特定的年份中，总会有某些稀奇古怪的投资策略获得成功。比方说，在1996年，由股票代码中含有元音字母——A、E、I、O、U和Y的股票构成的股票组合比标准普尔500指数的收益率高出11%，但这绝不意味着它是一个好的投资策略！这个例子只是说明了，在1996年里，该股票组合的收益率碰巧超过了标准普尔500指数。这一现象在学术上称为小样本偏差（small sample bias），那些只关注投资策略在近5年的收益率，并预期它将在所有的5年期内都会成功的投资者就是犯了小样本偏差。某个策略在研究时所选的时间段越长，它在未来继续有效的可能性就越大。从统计上来说，来自于大样本结果的可信程度总是比那些来自于小样本的结果更可靠。

存活者偏差（survivorship bias）

许多研究并未将破产公司的股票包括在内，这就使其产生的研究结果产生向上的偏差。大批股票因公司破产或被兼并而被剔除出数据库。尽管大多数新的研究都包含一个由退市股票构成的板块，但许多早期的研究并未包括这类股票。

前视偏差（look-ahead bias）

许多研究都假设投资者拥有某些基本信息，但他们实际得不到这些信息。例如，研究人员经常假设投资者在1月份就掌握了年度盈利数据，但实际上，投资者只有在3月份以后才能得到这些数据。这也使研究所得到结论出现向上的偏差。

游戏的规则

我试图通过采用下列方法来改正上述问题：

1. 总体研究样本

我们将在本书的这一版中使用两个数据库——标准普尔公司的Compustat主动研究型数据库（数据选取时间为1963～2009年）以及证券价格研究中心（CRSP）的数据库（数据选取时间为1926～2009年）。目前，标准普尔公司的Compustat数据库涵盖了北美约13 000家公司的股票，并包含有绝大多数交易证券的金融及统计信息的历史记录——年度数据从1950年开始统计，季度数据从1963年开始统计。CRSP数据库提供了美国公司的每日活动、价格、成交量、收益以及那些将纽约证券交易所（NYSE）、纳斯达克（Nasdaq）以及美国证券交易所（Amex）作为主要上市地的流通中股份信息。Compustat与CRSP数据库都有专门的研究文件，包含有起初在交易所上市，后因为合并、破产或一些其他原因退市的股票数据。这样处理，避免了当破产公司因不再存续而被剔除出研究报告时，出现的存活者偏差。

我无意夸大检验投资策略长期内表现的重要性。正如任何在20世纪60年代与20世纪90年代进行的研究都会钟情于成长型股票，任何在20世纪七八十年代进行的研究也都会找到支持价值型投资的强有力证据。华尔街的投资风格也不断变换，因此，研究的时间跨度越长，结果的参考价值也就越大。从统计学的角度来看，最怪异的结论往往来自于最小的样本。与小样本相比，大样本提供的结论总是优于小样本。有些养老金顾问运用一种称为可靠性数学的统计学分支学科，用过去的收益数据预测未来，他们发现，要想准确地预测未来，你最少需要14个收益期间的历史记录。

2. 股票的总市值

除了某些专门测试小盘股的研究之外，我仅把股票分成两个不同类别。第一类仅包括那些市值超过2亿美元的股票（已经过通货膨胀率调整），在全书中，我们将这一类股票统称为“所有股票”。表4-1展示了怎样根据通货膨胀水平求出各年的最低市值。在本书中我们将继续使用该表中列出的各年数字，以后再对本书进行修订时将根据向上调整的通货膨胀率数字计算新的调整值。第二类则包括那些规模较大、知名度较高的股票，其市值应高于数据库中股票的平均水平（通常为数据库中按市值排列在前17%的股票）。在全书中，我们将这一类股票统称为“大盘股”。表4-2显示了市值超过数据库中股票平均水平的股票数量。

不管在哪种情况下，我都不考虑数据库中市值最小的股票。例如，在2009年年末，我们的数据库中共有6 705只股票，其中有2 555只股票被排除，因为它们的市值低于经通胀膨胀调整后的2亿美元这一最低市值标准。在同一年里，只有651只股票的市值超过了数据库中股票的平均水平。对于那些包括在Compustat数据库中，但是没有市值、存在重复问题以及由共同基金所持有的股票，我们也同样予以剔除。

我在1995年最初选定的市值为1.5亿美元（现在经通货膨胀调整为2亿美元），这一数值是在咨询了华尔街几家较大经纪公司的交易员之后确定的。他们认为，在1995年（我撰写本书第1版时）要将1亿美元的资金投资于一只大型投资组合，股票市值的最低标准应为1.5亿美元。我使用这样一个数值的目的是为了避免将微型股票包括在内，并且能将注意力集中在专业投资者可以购买，同时又不会遇到流动性问题的那些股票上。通货膨胀会造成很大的影响：在1963年仅为2 940万美元的市值，相当于2009年的2亿美元。而同样的2亿美元，折算到1926年，其市值大约等于1 680万美元。

将微型股票剔除，会极大地降低我们研究的某些因素的收益情况。在将本书中起重要作用的某些因素与许多其他学术研究（包含有微型股票）进行比较时，剔除微型股票会使这些因素处于不利的位置。我们已经发现，将微型股票剔除后，我们的分析结果明显低于那些包含微型股票的研究结果。但我认为，要让我们的投资组合更好地复制现实世界，这样做是适当的，也是符合事实的。微型股票实际上缺乏交易流动性，一手大买单就会让其价格一飞冲天。因此，尽管我们可以假设能按照数据库列出的价格买卖股票，我认为将微型股票包括进来很容易出问题，也会让我们的研究结果出现不必要的向上偏差。

3. 避免前视偏差

我们只使用公开可用的月度信息。为确保我们所选择的股票都是根据公开的、已经为投资者熟知的信息，我们对季度数据安排3个月的时滞期，为年度数据安排6个月的时滞期。尽管这样安排会让这些数据显得陈旧，为避免前视偏差，这样做是有必要的。

使用早期数据有一个潜在的问题，即Compustat数据库是不断变化的。如表4-2所示，标准普尔公司不断扩展其Compustat数据库。逐步加入了许多规模较小的股票，其历史记录最长不超过5年。并且，这类股票恰恰是因为其成功而被加入到数据库中，前视偏差也因此成为一个真正需要考虑的问题。尽管本书不可避免地会出现前视偏差，我认为，由于我们已经剔除了那些规模最小的股票，这一问题已大有改观。

4. 调整方法

在本书的前3版中，所有的投资组合都成立于各个公历年的12月31日，然后持有一年。尽管这是一种有用的方法，对1950～1963年这段时期尤其如此，因为在这一时期只有年度数据可用，但是，这种方法存在两个问题。首先，公司现在已经按季度披露财务报表，在任一给定年份中，一年只构建一次投资组合忽略了这一期间的大量新信息。同样的模型将在全年里根据不断变化的季度财务报表信息选择大量的证券。其次，仅仅在12月构建投资组合，所产生的结果会产生季节性偏差。现实情况是，投资者会在一年里持续进行投资，而不只是在12月31日投资。为解决这两个问题，更好地理解我们所研究的因素或投资策略，现在将所有的结果综合在一起。要做到这一点，我们在每年为每个投资策略构建12个相互独立的投资组合，每个月构建一个投资组合，然后将这12个月的投资组合的收益进行平均，求出我们的投资组合的收益率。投资组合的各个月的调整期仍然为1年。动态调整（综合的事后检验）的结果优于单个月份的分析，这是因为它抓住了某个因素的本质特征，而不是单个数据点。如果某个因素12月份序列的表现碰巧优于其他月份的表现，你对这个因素的体有效性的看法可能会不完整（或不正确）。相反，如果某个因素12月份序列的表现较差，即使所有其他月份的表现都非常好，你有可能错过一个非常优秀的因素。

来看一下表4-3，它是我们为考察综合的事后检验的好处而于2009年年初构建的。这张表展示了从所有市盈率最低的股票中购入排名前10%股票的不同结果——差别巨大！如果一个投资者投资了1月份序列，其平均年复合收益率为19.03%，在1962年12月投资的10 000美元将在2009年12月增至3 070万美元；而如果一个投资者投资了3月份序列（还是从所有市盈率最低的股票中购入排名前10%的股票），其平均年复合收益率为13.81%，在1962年12月投资的10 000美元将在2009年12月只能增至390万美元，差距接近10倍。实际上，从所有市盈率最低的股票中购入排名前10%股票的投资组合所产生的相对于所有股票的超额收益率差别甚大，从3月序列最低的4.73%到1月序列最高的9.91%。此外，收益率超过股票总体的月度基本比率也存在差异。那些不对其他数据点进行测试，只使用单一数据点（如12月序列）的测试无法告诉我们低市盈率的股票组合在其他月份究竟表现如何。使用综合的事后检验，你能更好地理解所分析因素的真实基本比率。并且，要注意的是，千万不能这么想：“我只能在1月份投资，因为在1963～2008年，1月份是所有低市盈率股票调整后收益中表现最好的。”因为表现最好的月份通常会随着时间的变化而变化。如果考察1999年1月1日～2008年12月31日的这个10年期，如表4-4所示，我们会发现，最好的月份出现在9月，而1月的表现则沦为中游。

我们还发现月度综合结果的基本比率有所提高。这是因为，12月份的序列现在只占整个投资组合的$1/12$。事后检验表明，每年只在12月调整一次的策略或因素有可能高估或低估这一策略或因素的有效性，这会让我们在选择最好的投资因素时犯错误。

例如，假如构建于12月、每年调整一次的低市盈率投资组合的表现低于其他指标值，我们就不会将这一指标作为我们投资策略的最优选择。然而，我们已知的事实证明，当我们按月份构建投资组合时，价格／动量这一指标的表现非常好。

相反，当我们每个月构建一支投资组合，每年构建12次投资组合时，我们就能更加深入地理解某个投资策略或因素的运作方式。毕竟这些因素或策略与信息有关，而信息在一年里是不断变化的。仅在12月份构建投资组合，忽略了其他11个月的信息。如果把全年的信息都包括进来，我们就可以知道哪个因素的表现最好，而不用考虑初始投资及随后调整的具体时机。

所有的投资策略都是每年调整一次，股票是等权重投资的，没有对贝塔值、行业及其他变量进行调整。投资组合也可以纳入那些包含Compustat数据库中的外国股票（表现为美国存托凭证ADR的形式）。

本书的这一版还包括了取自月度数据的风险统计数据。通过这些数据，我们可以重点研究下列问题，如投资策略有良好表现的频率、最差的情况是什么、某个投资策略的回收期有多长，等等。

假设已构建投资组合在这一年内并不进行交易，只有一种情况例外——如果在投资组合正式调整之前，公司破产或被收购，我们会将出售这只股票的收入按比例地投入到投资组合剩余的股票当中。这对我们得到的结果或许会有一些轻微的影响，因为厌恶交易型投资策略会因此受益，但我认为，一旦将交易成本考虑进去之后，许多表现优异的投资策略就会变得十分平庸。我还检验了投资组合的年收益率情况，并将那些极端收益（或数据）的股票剔除出投资组合，因为这与外部信息不一致。

在现实生活中，我们列出了6个“危险信号”，提醒我们将某只股票剔除出投资组合，更换一只满足我们投资策略标准的新股票。这些危险信号包括：

1. 如果一家公司无法满足《萨班斯－奥克斯利法案》所要求的财务标准，我们会将这只股票剔除出投资组合。

2. 如果一家公司因舞弊而被联邦政府处罚，我们会将这只股票剔除出投资组合。

3. 如果一家公司对其在投资组合构建时承诺的财务数据进行修订，我们会将这只股票剔除出投资组合。

4. 如果一家公司收到来自于第三方公司的收购要约，而该公司的股价变化高于收购报价的95%，我们会将这只股票剔除出投资组合。

5. 如果一家公司的股价与投资组合构建时相比下跌了50%，并且处于所有股票在12个月之内最低价格的前10%这一价格区间内，我们会将这只股票剔除出投资组合。

6. 如果基于股息的投资策略组合中的某只股票削减股息50%以上，我们会将这只股票剔除出投资组合。

我还对每种策略的绝对收益及经风险调整后的收益进行了比较，并分析了每种投资策略的贝塔值。从理论角度来说，贝塔值衡量的是某个证券或证券投资组合的业绩与市场总体业绩的相关程度。某个证券或证券投资组合的贝塔值为1，这表明其风险与收益情况与市场总体的风险与收益情况相类似；如果某个证券或证券投资组合的贝塔值为1.4，这意味着其风险与收益情况均高于市场总体的风险与收益。经风险调整后的收益考虑到了某个投资组合的波动性（用该组合收益率的标准差衡量），而不只是考虑其绝对收益率。一般来说，与一个年收益为16%，标准差为30%的投资组合相比，投资者更偏好年收益为15%，标准差为20%的投资组合。收益率高出1%的这一优势，并不能抵消波动风险所带来的恐惧与担心。在计算$\text{收益}/\text{风险}$的指标时，我使用著名的夏普比率。这一比率越高，经风险调整后的收益也就越高。要计算夏普比率，只需要计算某个投资策略的平均收益率，减去无风险利率（我们使用5%的无风险利率，这一常数可以让我们在所有的子周期中使用同一无风险利率对各种投资策略进行比较），然后再用这一差值除以收益率的标准差。夏普比率的重要性在于其反映了风险。表4-5提供了一个案例，来说明某个投资策略在绝对收益上超过了标准普尔500指数，但是其经风险调整后的收益却赶不上标准普尔500指数。一般来说，你只会使用那些无论是绝对收益还是经风险调整后的收益都超过基准指标的投资策略。我还展示了下行风险（downside risk）——用低于零的半标准差来衡量这一风险，即用这一指标衡量某一投资策略在股票价格下跌时的风险。我认为这是一种更准确的风险测度方式。除此之外，在介绍了夏普比率之后，我们还要介绍索蒂诺比率（Sortino ratio），这一比率是对夏普比率的修正，它只关注下行风险。要计算索蒂诺比率，需要用投资组合的收益率减去必要收益率（一个常数，如10%），再用这一差值除以下行风险。

5. 最低预期收益与最高预期收益

此外，在和所有投资策略有关的信息总结部分，除过去52年中该投资策略所实际获得的最高收益与最低收益数据之外，我还提供了它的最高和最低预期收益。这一信息极其有用，因为投资者可以了解每个投资策略可能遭受的最大损失，然后决定是否能够承受这一风险。

6. 概要统计

在本书的这一版中，我为每种投资策略提供了大量的测度方式，这是之前的各版中所没有的。我使用晨星公司的Encorr分析师软件生成了全部概要统计（summary statistics）信息。除了之前介绍过的概念之外，概要统计结果报告还包括如下内容。

• 数学平均值：在统计期内的收益率的平均值。

• 几何平均值：在统计期内的年复合平均收益率。

• 收益的中值：位于所有收益率中间的收益率，50%的收益率高于该值，50%的收益率低于该值。

• 收益的标准差：在某个整体数据序列中，所观测到的数据序列对其平均值的偏离程度。收益的标准差越大，投资策略也就越有“风险”。但是，由于全部观测值的大约70%为正值，我认为，使用这种方式测量某个投资组合的整体风险有可能造成误导。毕竟，如果股票的走势和你预期的相同时，你会希望这“风险”越高越好。因此，我更倾向于使用如下指标：

• 收益率低于零的半标准差（下行风险）：我认为这一指标可以更好地测度某个投资策略的风险，因为它专注于所有低于零收益的左侧观测值代表的那一部分风险。半标准差实际关注的是下行风险，在股票价格下跌时，这一数值越小，投资策略的风险也就越小。

• $T$统计量：这一指标衡量的是统计值可以归结为偶然性的可能性有多大。通常来说，$T$统计量的值为$+/-1.96$（观测值至少要有20个）意味着统计值在95%的置信区间具有统计上的显著性。$T$统计量越高，观测值归结为偶然性的可能就越小。你可以通过所分析时期的一系列随机生成数据来检验这一指标。例如，在1963～2009年这一时期内产生的一系列随机指标的$T$统计量是$-1.02$。

• 所选取投资策略的投资组合的跟踪误差：跟踪误差测度的是一个投资组合的收益与作为基准的一个指数或投资组合之间联系的紧密程度。跟踪误差越大，投资组合与基准的相似程度也就越低。

7. 由25～50只股票构成的投资组合与10%

所有的多因素模型都包含25～50只股票。对于所有的单因素模型，我们将最好的10%与最差的10%进行比较。

8. 投资纪律

我检验的是投资纪律，而不是交易策略。我的研究结果表明，股票总体市场并非完全有效。投资者只要在长期中严格遵循优秀的投资策略，就能够实现高于市场平均水平的收益率。简单、严格遵循的投资策略，例如，买入道琼斯工业平均指数中股息率最高的10只股票，在过去75年中获得了成功，因为它们不受市场情绪的影响，而且迫使投资者在某公司陷入困境时仍然坚持买入其股票。在博帕尔事件之后，没有人愿意买入联合碳化物公司（Union Carbide）的股票，在瓦尔迪兹（Valdez）漏油事件之后，没有人对埃克森公司（Exxon）的股票感兴趣，但此时恰恰是最好的买入时机。

9. 成本

我们的研究并没有考虑交易成本与买卖价差等因素。每位读者面临着不同的交易成本，交易额成百上千万美元的机构投资者的交易成本大大低于交易零星股票的个人投资者。因此，每一位投资者都可以根据适当的交易成本对原始数据或投资策略进行检验。然而，自从本书第1版在1996年出版以来，网络经济公司（Online broker）已经大大降低了个人投资者的股票交易成本。在许多情况下，个人投资者只需支付7美元的固定交易费用，即可买卖任何数量的股票。像Sharebuilder.com与FolioInvesting.com等公司还提供这样的服务，只要支付一笔固定数量的年费，你可以通过这些公司在一年内无限次地购买股票。和过去相比，这种变化使个人投资者可以以更便宜的成本进行大宗交易，因为他们的交易成本已经十分接近于大型机构投资者的成本。

至于买卖价差的损益情况，哥伦比亚大学商学院的查尔斯M.琼斯在2002年5月份发表的一篇题为《一个世纪以来的股票市场的交易成本及流动性》（A Century of Stock Market Liquidity and Trading Costs）的杰出论文。琼斯在这篇论文中发现，在考察道琼斯工业平均指数中所包含的30只股票（它们应该是美国交易所中最具流动性的股票）时：“令人惊讶的是，在20世纪10年代与20世纪20年代之间的相当长一段时期之内，道琼斯股票的买卖价差一直维持在0.6%的水平上，这一水平在20世纪50年代、20世纪80年代也没有发生大的变化。在最近的20年，买卖价差大幅度下降。”在这篇论文中，琼斯列举了一幅图表，说明这些股票的买卖价差在21世纪初已经下降至0.2%。这说明，即使是美国交易所中最具流动性的股票，一直到20世纪80年代，其买卖价差也一直维持在0.6%左右。那些规模更小公司的股票的买卖价差显然更高。因此，当你希望在现实世界中利用20世纪60～80年代之间的数据来实施这些投资策略时，你最好是减去1%的盈利（或是加上1%的损失）。目前，在奥肖内西资产管理公司的交易员发现，小盘股的买卖价差平均为0.5%，而大盘股的买卖价差平均为0.15%。

接下来，我们来看一下对各种投资策略所做的检验。我们首先对不同市值股票的收益情况进行回顾，然后考察单因素和多因素组合的收益。