計量價值的勝率：結合愛德華索普計量交易與巴菲特價值投資的新藍海策略(Quantitative Value: A Practitioners Guide to Automating Intelligent Investment and Eliminating Behavioral Errors,Wesley R. Gray, PhD & Tobias E. Carlisle, LLB)
已經很久不看這類書了.這本"計量價值的勝率"全書大部分所述的觀念,做法,邏輯與個人平日所思關於價值投資法基本處在同一方向上,特別是第3,4章在檢核某企業未來是否可能發生破產,或檢測財務報表是否造假的建模上的PROMB,Z分數,O分數,LPFD模型等概念,甚至第6章的F,FS分數法與個人過去寫的學位論文是同一發想的不同方法與數據建模,且它引用的幾篇論文與書籍我剛好都看過,是以覺得熟悉.雖然求學時未發生如安隆,世界通訊事件之類的個案前能以上述三模型提前得知企業經營有危險,或有財務問題,及早出脫持有股票的情況,但這些相關的研究能證明學術論文的思考與實務是同一線,是很有作用的東西,且會隨後人的研究,更精進它的功能,
這本書的內容有部分,一部分是中文書名,結合了索普與巴菲特兩種不同的觀念來進行建立一個能評估投資標的的模型.一部分則如英文書名,將聰明投資法給做成了標準程序化或檢覈清單,同時在其間思考一些關於"價值投資法"常被忽略問題.我是個學會計出身的人,對於第二部分還算熟悉,個人以為這本書在這個點上發揮的不錯,有達到提醒很重要被忽略的某些要點的功能,個人又對程式交易不排斥,所以第一部分看起來也不覺突兀,只是最終只提出一個核查清單,與簡單的指標,缺少真正全自動化的方式有點可惜,不過這可延伸與我們下一本書"深度學習與圍棋"的概念結合,應該是未來不錯的後續增補.
我們知道索普專注的是"科學化投資系統".就是試圖建立一套系統化的方式來進行投資,以期能夠達成在行為一致性的前提下,透過略有優勢的指標或綜合指標來進行投資,以便在長期間達成指標獲利期望值的功能.而巴菲特擅長價資投資法,所謂的價值投資其實只是一個約略的概念:以便宜的價格買進理想的股票.這裡指他使用的是約略的概念,正因為他個人從未真正的對外提出過他的系統思維,我們只能知道價資投資法是根據某些觀念來完成,這些觀念如何化成能夠執行的實際步驟,卻是人言人殊,各有不同.於是像作者一樣,許多人試圖讓價值投資法給SOP化,正是英文書名中"Automating Intelligent Investment"的意思.
當然巴菲特或蒙格對於這種自動化的概念基於對於效率假說的質疑必然是大不認同的,但本書的作者提出了寫下"證券分析"的葛拉漢的說法,隨著網路與電腦科技的發達,今日任何一檔因為價值與"價格"不對稱,被低估的投資標的,可能很快就失去了它的低價優勢,因為訊息傳播太快,根本已經不可能如上世紀50到90年代那樣讓人在深埋隱藏的角落裡挖掘出來靜靜的建立部位等待未來,只要它被記錄在資料庫中,隨時都會被許多人許多機構的電腦發覺,因此效率假說雖然未必時時有效,但它已經越來越不可能出現這種大幅無效率的好事了,好標的等著讓那些老頭去發現已經不太可能,未來就算有這種機會,也是那些懂資料處理與程式的年輕人.而價值法投資執行上的第二難點在於正因為沒有標準的判定準則,沒有SOP,人們看上了一個標的,該在何時買入,持有,出脫等動作,完全依賴自由心證,或是感覺,以致可能過早的出脫或過短的持有,遇上大環境不佳,景氣衰退時更易被誤判,好的策略被壞的行為給破壞了,便是第二個難點.所以索普的科學化投資思維便被人們思考引進其中,這便是全書的基本概念,解決了效率的爭奪,排除了行為的困境.
但是要執行價值法自動化的第一步絕對不是蒙頭就拿出現代化工具來計算一番.因為價值法的根本是在於財務數據,就是從財務報表而來,這卻是一塊很大的黑箱.對於學會計的我來說,現代會計實務不是有沒有做偽的問題,而是經常的時時刻刻的或多或少的在做偽,理論上是要做個公正的編制人或第三者,但實務上卻經常因為業務需要而配合"買方"的需要,這便是理論與實務最大的差距.偏偏價值投資法的概略原則是"價格便宜的好企業",本書這裡的好企業是葛林布萊特(Joel Greenblat)的神奇公式為起點,他以巴菲特的ROC(股權報酬率,return on equity capital,EBIT/Capital)為基礎,搭上衡量價格便宜的盈餘殖利率(earnings yield,EBIT/TEV)來衡量出一個優於S&P500,與10年期債券的好投資法則,但是ROC,或EY,都是由財務報表上的數據所構成,基於一個簡單的資訊管理原則GIGO(Garbage in,Garbage out),所謂的"垃圾進垃圾出",如果財報數據原來就是有問題的,那麼後續不論進行如何的處理計算都是白費力氣,得到的數據在決策上沒有意義的.
所以本書書名雖然宣稱是"Automating Intelligent Investment",但實際上在它六篇的內文中,有三篇,第2,3,4三篇都在談"正確"的數據問題.首先要挑出那些可能有問題的企業的財報,找出可能盈餘造假的財報,如此方能避免再進行篩選時被這些錯誤的數據引導,這裡使用一個例子就是PROMB模型(probability of manipulation),及舞弊機率模型,這模型與相關的概念是從財務報表中容易造假的部分著手,一部分的造假來自於應計項目,一部分造假來自於折舊與銷貨數據的變動,主要是公司透過隱藏性變更會計原則而來,除了這種原就有意造假的企業外,還有需要避開營運看來不錯,但財務結構嬴弱與有可能陷入財務困頓的企業,檢測的方式最常見就是透過財務比率才建構一個分數模型,如本書上使用的Z分數法,或O分數法,另外一種學界流行的模式則是以財務比率為基礎透過logistic regression所建立的LPFD(logit probablity of financial distress)轉換為財務困頓機率(PFD,probablity of financial distress)等來去除可能弱體的企業.
經過上述的過程之後,才進入本書的核心概念,找尋"低價格的好企業",在好企業的選擇中,書中引用的巴菲特的franchise的概念,書翻作"經營特權",就是指器也擁有某種特別的持續性的競爭優勢,能夠賺取偏高資本報酬的企業,比如定價優勢,可能是基於專利,技術,或規模等所產生的價格優勢地位,找出如ROA,ROC等指標,但光如此並不夠,因為這種優勢需要長期性,與未來性,所以納入考量長期性的持續現金流量(CFOF,long-term free cash on assets),長期幾何資本報酬率(long-term geometric return of assets),長期幾何資本報酬率(long-term geometric return of catital).良好的經營特權除了定價主導能力外,長期偏高並可持續性的毛利也是一樣有效的指標,長期幾何毛利成長率(Margin Growth ),並搭用衡量穩定性的毛利穩定性指標(Margin stability),或將兩者結合成最大毛利指標(maximun margin)來衡量找出相對經營存在長期優勢的企業,然後在這些企業中扣除掉那些財務疲弱,安全邊際不足的個體,這是因為除了個體行業的困境外,器也也可能遭逢大環境的變化所帶來的諸多問題,比如金融風暴,區域衝突,流行疫病所帶來的短期困境,因此財務安全邊際考量使用皮奧特洛斯基(Joseph Piotroski)的F分數,與在此基礎上新創的FS分數剔除那些未來可能出問題的標的,然後再選定的經營優勢企業下搭配上價格選擇標準,找到相對價格便宜的好企業,這些價格選擇指標包刮了盈餘殖利率,EBIT企業價值倍數,自由現金流量殖利率,毛利殖利率,帳面價值與市值比等.
求得了這些相關資料,計算與剃除便能找出相對的"價格便宜的好企業",在這裡要留心書籍關財報的重點有二,一是作者強調財務數據的正確性,可靠性優先於它的有效性,畢竟若用了錯誤的假數據,一切後續都是空談.二是作者認為財報數據上越接近報表下端的科目數據越容易被造假,這是一個值得粗略記得的概念.而關於在後續數據的計算來選擇標的效率上,採用單一財務比率或是以不同財務比率所建構的新指標在許多跨年度的績效達成上的功效其實差不多,也就是數據越多越好的概念很可能只是一種虛幻的假象.而在財務數據的選擇,計算後,價格指標選擇完成的後續,還有一個是財報數據外的數據,被作者拿來單獨成一章的就是內線數據,這裡的內線數據並非不合法的行為,而是一些合於法規行為下蛋較為一般人忽略的數據包括歷屆庫藏股交易的後狀態,歷屆增資新股後的狀態,即它們股價的走勢是否成為慣例,公司內部人員申報買賣是否是定期或是在定期之外,都能透露出一些意外的資訊,其他像放空者的部位數據與股價走勢,也值得關注,因為內部人或是外部禿鷹在作者的眼中都算是"精明的交易人".
在以上的需求都得到滿足後便可以開始建模,並找出相關的投資標的,而後只要依據這個方式一路直行即可,只是作者在書中只建立了一個核查表,並沒有將它完整的採取自動化的作業,不過它找到了屬於他自身的神奇指標或工具,程序,他傳達出來的是一個基本的原則與邏輯.讀者若有相關的資料庫,比如國內上市櫃公司力年的財務報表數據庫與程式自動化能力,相信應該很快便能將價值法投資給完全自動化了.以上.
留言列表
