思考何种投资策略可以长期战胜市场

　  ——对噪音、信息、预期和行为的思考

　　中关村证券 王成博士

　　提要：

　　本文是对投资策略的分类和何种投资策略可以长期战胜市场的一些思考，同时本文也试图区分对股票价格有重大影响的噪音与信息和市场预期和行为的一些概念，笔者认为这些研究本身与股票基本面的研究对于投资来说同样重要，但是目前来说投资经理却普遍忽略。这些思考使用了一些数据，主要是美国的(他们的证券市场历史足够长，数据走够多)，对于不断变化的中国市场来说，历史数据是不能说明问题的，因此本文也并不能得到验证，只是希望本文的思考能够为投资经理提供除分析基本面之外的其他视野，笔者坚信这种视野对于投资来说是有重要意义的。

　　一、问题的出发点：如何对投资策略进行分类

　　我，以及很多策略研究员，甚至很多投资经理，对投资策略的分类是按照投资风格划分，比如价值和成长，或者按照选股或是资产配置来划分。这是站在投资者角度的一种划分，并没有回答如此划分的意义，以及是否具有完全的包容性，是否可以表明有些策略比另外一些策略更优异。这么划分同样缺乏系统性，也就是说应该可以站在更高的角度对其进行分类。我试图联系ML的首席策略师Richard Bernstein，他是风格与量化投资策略研究的高手。他的回复是：对于基于风格与量化的投资策略，他没有找到一个能够长期战胜市场的策略(特指风格与量化投资策略)，即使有，这种概率也非常小(他的研究是小于5%的概率)。但是如果超越这样的划分(风格与量化投资策略)呢？毕竟我们希望能够寻找一个策略，这个策略可以更好的战胜市场并且具有逻辑可行性。

　　经过多种交流和思考，我认为对投资策略的划分要从ALPHA的来源开始，因为这是获得超额收益的源泉。这样可以将投资风格策略进行包容，并不存在矛盾。

　　ALPHA的定义是某组合风险调整后收益与投资基准收益之差。除了对冲型投资组合(强调绝对收益)和指数型投资组合(与投资基准匹配)外，积极管理的投资组合经理均希望将ALPHA最大化。

　　在投资过程中，积极的投资者基于对未来基本面的预期进行交易，这个预期包括公司未来的盈利、风险状况以及宏观经济和市场的综合风险和收益情况等等。比如：一个股票的市场价格是由市场对其未来业绩的预期所决定。因此为了预期明天股票价格的变化，一个投资者必须比市场对某股票未来业绩有更好的预期。也就是说，所有ALPHA的来源是能够形成比市场预期更好的预期。研究比市场预期更好的预期首先要研究一个预期如何被形成。一般来说，投资者用下面的方式形成预期：

　　A、信息集；

　　B、对信息的加工过程

　　这可以表现出有两个潜在的ALPHA来源：

　　1、拥有比市场更精确和有深度的信息：大多数基于基本面的投资组合经理试图产生或者寻找比市场更精确和有深度的信息集。比如，对于某股票，市场对其的观点是未来每股收益增长为10%，05年每股收益为1元钱，该公司仅是制造类公司。但是某投资经理通过精细的调研，认为市场未来每股收益增长为12%，05年每股收益为1.1元，该公司不仅是普通制造类公司，而是具有一定壁垒和科技含量的公司等等。那么这个投资组合经理在这只股票上获得了更精确的信息，因此战胜其他组合经理的可能性就高。90年代的庄股时代的老鼠仓也符合这个模型，只有老鼠仓才可以得到比市场更多的对某只股票的信息。这样的投资策略可以称为信息型或者传统型投资策略，投资者主要是挖掘基本面信息来获得收益。但是这里存在的问题是：当其他投资者也在做同样工作的时候，什么才能保证一个投资经理持续获得超级信息的可能性？别人也在这么做，为什么你可以获得持续的更优的信息？我们将在下一部分进行一些研究。

　　2、对信息的加工过程优于市场：一些投资组合经理认为获得额外的信息是不可能的或者是非常困难的(也可能因为他们懒惰)，大多数信息通常对于所有投资者是公开的。因此他们强调的是提高对信息处理的技术。这类组合经理可以称为数量型投资者。比如目前市场的选股标准是基于对数据进行ROE的排序来选股，ROE越高的股票表现越好，而你认为基于ROE同时用P/E指标选股比市场更有效，则你战胜市场的可能性就大增。

　　这里还有第三个ALPHA的资源：

　　3、行为因素导致的市场预期错误：因为普遍的投资者行为缺陷而导致证券或者市场的错误定价，但是由于你免疫于这种行为缺陷，就可以获得超额收益。错误的行为因素包含两个方面：

　　一个是非财富最大化的行为，但是这种情况只有在所谓的“庄股”下才会出现，正常情况下几乎没有投资者会采取非财富最大化的行为。

　　另外一个是出现系统性的认知与分析偏见。这类似行为金融学的研究内容。

　　股票价格的变化反映的是市场对未来的预期，如果预期存在行为上的错误，那么股票可以被错误定价。如果一个投资者的预期不存在这种偏差，那么他可以利用市场或者股票的偏差获得ALPHA。

　　无论何种分析与认知错误，这些错误导致的结果要么是对新信息反映过度，给予新信息更高权重；要么是投资者对新信息反映不足，比如逻辑推导错误，比如过度自信，这使得投资者对新信息反映不足。

　　很多投资者认为市场总是错的，实际上市场对信息的处理能力服从正态分步，很多情况下市场的预期是正确的，你必须顺应市场，但是市场会经常出现错误让理性的投资者来改正。

　　下图是我对投资策略分类的新框架。国内多数主流投资经理属于传统型投资经理，他们主要依靠的是基本面研究，无论采取什么具体策略，比如价值还是成长，主题投资还是动量投资等等。对于信息发达的国家，很多投资经理开始转向研究模型，即处理信息的模式上，因为获得超过市场信息的可能性越来越少。

　　二、信息与噪音—如何研究信息？

　　对于传统型投资经理，核心在于研究信息，信息包括三个方面，第一个方面是股票的价格信息；第二个是从分析师获取的研究信息；第三个方面是投资经理自己的独立研究信息。某些组合经理只坚持利用和分析一个信息来源，但是多数投资经理会同时使用三个信息来源。

　　因此我们按照这三个方面研究ALPHA和阐明一些概念。

　　1、对于寄希望单纯研究股票的价格信息来战胜市场几乎是不可能的。

　　投资者都希望获得信息，但是信息的反面是噪音。噪音就是使得投资者变得非理性的太多无用信息。噪音可以来自于股票价格，资讯，分析师和随机因素等。前高盛的FISHER BLACK在1986年的研究认为：因为噪音的存在才使得金融市场的存在成为可能，如果市场是完全有效的，没有噪音，投资者均是完全理性的，并且可以获得所有信息，那么几乎不存在交易。因此价格的变动总是反映噪音与信息的变动。噪音交易越多市场越有流动性，换句话说是，市场流动性越大噪音越多。有流动性的市场反而是没有效率的市场和噪音逐步增加的市场。

　　因此一个投资经理单纯分析股票价格的走势序列来说意义并不大，因为价格中包含信息和大量噪音，而对于绝大多数投资者来说是无法仅从股票的图表中区分噪音和信息的，即使我们试图找到了一些图表规律，这些规律会随着时间的变化和市场条件的变化也变得不再是规律。一个股票价格包含太多的噪音和信息，因此单纯从股票价格上发现超额收益的机率并不高。天天只会盯盘的投资经理也会受到噪音的严重干扰而导致投资失败的可能性大增，因此看股票价格走势还不如寻找信息与判断股票内在的价值。

　　噪音甚至可以形成趋势，有时是一种系统性的偏差，具有方向一致性，有时即使信息交易者也会被大量噪音所迷惑。甚至噪音会导致投资者评价一个企业是基于这个企业的股票价格变化，也就是说股票价格涨了投资者认为这就是好公司，股票价格跌了投资者认为这就是坏公司。一个好公司不会很快变成差公司，但是投资者可以很快把它看成一个差公司，只是因为股票价格下跌。

　　价值与价格

　　这里需要阐明两个概念，价值与价格、信息和噪音的关系。价值反映的是基本面变化的信息，这个变化是缓慢的和可以分析的。与价格相同的是，价值也在发生变化，但是价格的波动性和变化性远远高于价值。很多理性投资者以为价值的变化就是价格的变化。很多噪音交易者以为价格的变化就是价值的变化——因为我们无法观察到价值的变化，只能看到股票价格的变化。实际上价值是无法直接观察的，我们确定的价值很大程度上是主观的(因此才需要安全边际的概念)，因此价值也包含噪音。但是价格最终要体现价值的变化。

　　价值＝帐面价值＋对未来收益的贴现，对未来收益的贴现涉及两个因素，一个是如何预期未来的收益，另外一个是如何贴现。这两个因素均包含很多主观成分在其内。

　　价格＝价值＋噪音。这里影响形成噪音的因素很多，可以是因为投资者的行为造成的噪音，也可以是因为各种随机微小事件造成的噪音。

　　从上面两个公式可以有下面两个结论可以得出：多忽略小的事件(容易制造噪音)，把握核心与重要变量的投资者才能判断企业的价值中枢。同样了解噪音与行为则可以更好的对价格进行判断——尽管这并不容易。

　　信息含量

　　美国同行的研究认为：对于所有股票，信息并不是完全等量分布的。高价股定价更有效率，低价股包含更多的噪音，定价效率低，因此反而机会更大，对于高价股，也许价格的异动才能带来投资机会。

　　有众多分析师研究的，有大量信息可以利用的大盘蓝筹股组合只是一个绩优股的指数基金，很难超越。对于缺少关注的小公司和低市盈率公司存在更少的信息，缺少信息才会导致信息不对称，才使得研究变得更有意义。被投资者忽略的公司更容易发现价值。

　　只有忽视绝大多数的信息才可以提高投资表现。信息时代使得我们的决定更迅速，而迅速往往意味着更多的错误。因此将投资过程放慢效果才会更好。明显而重要的东西往往被投资者认为是最不重要的，这也许才存在套利机会。每人都希望知道短期走势，可是没有人能够总是正确，概率最多是一半对一半。

　　更多的信息不一定是更好的信息，更多的信息只会浪费时间，导致投资错误。及时的信息不一定是更好的信息，发布低质量的信息的速度往往会更快。能够提供很好的洞察力的几个月前的老研究报告仍然重要。

　　也许这个时代的投资者能够辨别优质信息同时忽视大多数信息，放慢交易过程，反而更容易取得成功。

　　2、卖方分析师是很好的信息来源，但是要学会寻找优秀的分析师。

　　如果投资经理主要依靠研究报告进行投资，那么对于基本面的研究变成辨别优秀分析师的研究(我们现在可以看到各种媒体对优秀分析师的排名)。这里我们希望谈论三个主题：

　　分析师的感情和立场

　　卖方行业分析师容易爱上自己的行业，并且容易有自己的立场，因此投资经理读报告的时候要将感情色彩和立场区分出来，这并不容易—信息提供者的目标和投资者的需求是有差距的。并且信息提供者的立场值得注意。信息提供者如果要差异化，要么提供有洞察力的信息，要么提供刺激的信息来吸引别人眼球。而哪个更容易呢？媒体和上市公司也会用各种信息娱乐投资者。

　　太多报告只是助涨和助跌的无观点报告，而投资经理由于高度关注自己的公司，希望天天看到这样的报告，但是——一个非常优秀的分析师可能年初发表了很准的报告，一年都没有调整，因为他的报告把握了全年，他在发表报告半个月后投资经理可能已忘了他。而其他分析师不断调整自己的评级和预测来取悦于投资经理，不断给投资经理新的信息(或者噪音)。一年之后，所有分析师估计的业绩会基本相同。但谁最后被记住？真正遗忘的是那个有水平的分析师，因为他最无聊。而不断修改评级的分析师可能受到最多的关注，但是他们却最容易给投资经理带来干扰。

　　分析师的调整比率

　　很多分析师都倾向于把基本面分析做成收益预测报道，实际上，每个分析师对每年的每股盈利预测的具体一个数据是没有什么重要的参考价值。分析师每股收益的预测与市场平均预期的差异是一个非常重要的参考，另外是分析师对收益的调整与更正动量也是一个很重要的参考指标，这远比具体的一个每股收益预测数据要重要得多。

　　分析师追踪人数

　　分析师关注人数也是一个重要的参考指标。下面是关注IBM的分析师数量与IBM股票的收益。

年份	分析师数量	年股票收益率
1986年	40	－ 20.3%
1987年	41	-0.8%
1988年	42	9.6%
1989年	42	-19.4%
1994年	28	32.3%
1995年	25	25.7%
1996年	23	67.7%
1997年	26	39.3%

　　3、投资经理的独立研究。

　　这里我不是探讨如何进行基本面研究，假定每个投资经理都有自己的基本面研究技术。目前由于国内证券市场的噪音足够大，因此一般的信息投资者很容易战胜市场，但是随着信息交易的逐渐升级，获得超额信息的要求越来越高，这需要越来越多的一手信息，但是基础调研是个苦差事(将不是仅问董秘几个问题或者打几个电话那么简单)。未来也许基础调研会越来越让位给询问分析师和使用根本不清楚原理的复杂模型。这反而为真正强调基础调研的投资经理提供机会。

　　三、数量型投资策略能够长期战胜市场？

　　数量型投资经理的一个重大误区是喜欢采用自己都不知道是什么依据的复杂模型，而实际上忽视这些新的神奇分析技术才可以提高辨别噪音的水平。比如近年来发展的神经网络模型、遗传算法模型、小波分析模型，布朗运动类模型等等，甚至含有100多个因子的多因子预测模型，或者没有因子的非参数预测模型，其实这些技术能够对投资表现提高多少呢？

　　其实模型的核心问题是不在于你采取什么风格的量化策略，而在于你要知道什么时候可以采取合适的策略。这并不容易，投资经理更关注模型目前的结果。某种量化的投资风格只能保证在某种经济环境下或者市场环境下有效。

　　国内的投资经理还没有10年以上的投资数据。在这两年采取的投资策略和模型未来两年也许并不适合，但是这两年采用的模型取得成功却往往被认为未来几年会一直成功。这对于转型和不断变革的中国经济和证券市场来说显得很荒谬。

　　关于数量模型的一个非常重要问题是：要纪律还是不要纪律，也就是一旦模型出现问题，是迅速抛弃该模型还是继续坚持该模型。对于一个有纪律的投资者，他发现了一个很好的模型，持续战胜市场很多年。但是如果某一年或者两年的模型表现不好，在压力下，他是否会抛弃这个模型？短期表现经常使得我们的“纪律”变得不在是纪律。你可以对数量化的投资策略进行转换，但是前提是你必须了解他们背后的假定和适用的市场与经济背景。

　　我下面要验证的是基于基本面的模型检验(基于市场数据的模型有技术分析的成分在，我们这里不进行检验)。美林有40种量化的风格投资策略，今日投资(在线分析师)在国内采用22种风格投资策略，这些策略构成了构建复杂模型的最基本因素，因此有参考价值。这些策略强调的是信息的处理，因为模型使用的信息是公开的。考虑到目前国内市场数据的不充分，我们用美国的数据来说明一些问题。

　　下面是ML对于其自己40种数量型风格策略的研究，主要研究的是在前三年能够超越市场的策略是否能够在后三年继续超越市场。

　　前三年表现低于市场的策略在后三年超越市场的概率要更高，可以达到63%，但是前三年表现超越市场的策略在后三年超越市场的概率要略小于二分之一。

-	第二个三年超越市场的概率 (%)	第二个三年低于市场的概率 (%)
第一个三年超越市场的策略	47％	53％
第一个三年低于市场的策略	62％	38％

　　下面是依据低P/S选股策略投资收益相对SP500指数的表现。从图上看，该策略并不总是能够超越市场。

　　下面是依据低PEG选股策略投资收益相对SP500指数的表现。从图上看，该策略曾经超越市场多年，但是并不能断定是长期持续的优异策略。

　　LTCM是依据复杂的数量模型进行投资的高手，下面是该公司投资收益相对SP500的表现。

　　雷曼兄弟开发的很著名的选股模型(10 Uncommon Values®）每年挑选出的10只股票构成的组合。让我们看看其组合的第二年表现。下面是1999年6月30日推荐的股票组合：

股票代码	股票名称	推荐后表现	之前一年表现
AOL T FSR F GIC INTC KLAC LLY MSFT TYC	AOL AT&T Firstar Ford General Instrument* Intel KLA Tencor Eli Lilly Microsoft Tyco International	(6)% (43)% (20)% (21)% 22% 113% 70% 35% (12)% (4)%	297% 50% 32% -0- 46% 59% 134% 12% 65% 47%
	平均 S&P 500	13% 7%	74% 21%

　　多数情况下，一个组合经理投资模型的转换存在巨大的风险，因此依靠模型是不可能长期战胜市场的。依靠数量风格的长期战胜市场的组合要么是承受了巨大的未知风险，要么是运气。

　　四、我的行为分析模型—盈利预期周期模型

　　关于行为投资策略模型很少有研究，我这里设计了一个盈利预期周期模型，是一个研究股票价格、股票价值和投资者如何预期股票的行为模型。虽然并不是所有股票一定适合模型的所有步骤，并且每个股票价格在每个阶段的前进速度也并不一样。另外股票的价格也可能经历大的周期模型，也可能经历小的周期模型。但是价格、价值与投资者预期的基本步骤包含在盈利预期周期模型之中。

　　模型见下图，我们从图的最下端开始。

　　(1)当一个股票价格充分下跌后，反向投资者和价值投资者开始关注这样的股票，这样的股票有较低的盈利预期，多数投资者不关注这些股票。

　　(2)正收益惊奇：最终这个低盈利预期公司公布更多乐观的信息，股票开始得到部分投资者注意，研究这个公司的研究员开始增加。

　　(3)收益惊奇模型表现为正：这个公司开始进入数量型投资经理的选股模型。

　　(4)收益向上调整和加速：越来越多分析师研究该股票，越来越多投资者购买该股票，该股票业绩不断提升

　　(5)成长：当盈利动量持续增加，该公司被市场认为是成长股(被市场认为的成长股，也许并不一定是成长股)，市场预期开始膨胀。

　　(6)收益增长减速：该股票的盈利(也许仍然在增长)已经开始低于膨胀的市场预期，股票价格开始下跌。

　　(7)盈利惊奇模型表现为负：收益出现负的收益惊奇，被数量型模型发现，开始进入卖出名单。

　　(8)负盈利调整：由于盈利令人失望，分析师开始降低盈利预期。

　　(9)被投资者厌恶：当一系列的失望出现后，越来越投资者讨厌这个股票，会有一些关于这个股票的谣言传出，也许会影响股票价格，但是越来越多投资开始离开这个股票。

　　(10)被投资者忽略：投资者对这个股票失去兴趣，分析师或许已经将其剔除股票池，基本上市场缺乏关于该公司的信息，这预示一个新周期的来临。