对比孟良崮战役和长津湖战役,我们可以看到几个共同点:对手都装备精良,按理说都不好打;对方指挥官都求功心切,让部队脱离战线作战;解放军(志愿军)都抓住了敌人精锐力量脱离战线的战机,集中优势兵力加以坚决打击。
(相关资料图)
牛市中更容易找到“脱离战线的股票”
古往今来,用兵和用钱都有许多相通之处。在投资中,事情也是一样。当证券市场处于熊市时,市场中的交易者保持相对冷静,各个证券的定价“在同一战线中”,彼此之间价差不大,聪明的投资者就很难找到“脱离战线的歼敌目标”。
反之,当市场处于牛市时,市场中的投资者都“求胜心切”,定价就容易出现紊乱,股票之间的价差就容易拉大,而更大的价差会导致“脱离战线的目标”更容易出现。蜂拥而至的资金会推动某一些股票的价格暴涨。与此同时,其他“同盟军”的股票则要么按兵不动,要么涨幅不大。
冷静而又聪明的价值投资者,就可以“歼灭”这一部分暴涨的股票,把资金配置到性价比更高的投资标的中去。而这种配置的过程,会让投资组合的基本面暴增。
我们用一个简单的模型,来说明这种更容易出现在牛市中低买高卖的交易机会。假设我们持有一只股票,PB(市净率)为1倍,ROE(净资产回报率)为10%。如果持有不动,那么每年我们持有的净资产增长速度就是10%。
但是,如果今年股票市场进入牛市,这只股票的估值从1倍PB上涨到了2倍PB,同时其他基本面相同的股票PB只涨到了1.2倍,那么我们卖出手上“突出估值战线”的股票,买入一只便宜的股票,就会让我们的净资产瞬间增加67%。按照复利计算,这相当于5年半的10%ROE才能带来的资本回报。
李小龙总是把截拳道格斗体系的哲学精髓比喻为“水”,如果我们从水的角度,就很容易理解牛市中容易产生“脱离阵线的股票”这一现象。
当水处于常温下时,各个水分子之间保持相对稳定。但是,当水沸腾时,水分子之间的运动就会加剧,水流就会变得汹涌,甚至一些水会气化,离原来的水体的距离陡然加大。这种现象,和作为“市场水分子”的股票,其价格之间的差异在牛市中陡然拉大的现象,是十分相似的。
历史上的实证
以上所说的,都是“在牛市中更容易寻找突出战线的股票”的理论。不过,理论总是枯燥无味的。下面,就让我们来看看历史上的实证。
在沃伦·巴菲特的整个投资体系中,有两条准则非常重要:通过不断优化配置,尽最大可能增加资本的效率;在有鱼的地方抓鱼,在有机会的市场里交易。
当我们把这两条准则组合起来,加以前述的“牛市中更容易出现脱离战线的股票”这一客观现象,我们就能从原理上做出一个推论:在美国市场的牛市中,当“脱离战线的股票”变多,或者说“池塘里的鱼变多”了的时候,巴菲特这位资本配置的大师,应当也会找到更多的交易机会,进行更多的资本优化配置,从而以更快的速度增加基本面。
那么,事实是否如此呢?
根据伯克希尔·哈撒韦(BRK)公司的年报,巴菲特为投资者整理了BRK公司从1965年到2018年每年的基本面增速,以及当年标普500指数(包含股息率,下同)的回报,这两组数据显示了高度的相关性。也就是说,如果今年标普500指数表现更好,更像一个牛市,BRK公司的基本面增速就会更快。(注意这里指的是基本面增速,而不是股价增速。)
由于BRK公司后来规模变得过大,因此前后的基本面增速变得有所不同,为了比较的准确性,我们可以把1965年到2018年拆成两段:1965年到1990年、1991年到2018年。从图中可以看到,在这两段时间里,标普500指数的表现都和BRK公司的基本面增速呈高度正相关关系。
比如,在1976年,标普500指数的回报率为23.6%(包含股息,下同),而当年BRK公司的净资产增速达到59.3%。在1989年,这两个数字分别是31.7%、44.4%。在1998年,这两个数字分别是28.6%、48.3%。
大型企业无论经营得多好,一年的净资产增速如果纯粹靠经营,不靠资本重新配置或者增发等方法,都很难达到40%。而巴菲特在以上年份点石成金的魔法,很大程度上就来自在牛市中抓住“脱离战线的股票”,从而进行优秀的资本重新配置。
看到这里,我想你一定开始理解牛市真正的红利是什么了。对于许多普通投资者来说,牛市无非是一场估值抬升的虚幻盛宴。随着估值抬升带来的欢欣鼓舞,必然随着将来估值的回落而烟消云散。甚至不少投资者还会在牛市顶点加入,结果赚钱没赶上,挨打没落下。
但是,对于聪明的价值投资者来说,牛市这种难以预测的市场行情,其最大的价值,能带来的最大红利,并不在于股价的短期飙升,而在期间产生的大量“脱离战线的股票”。只要抓住了牛市中估值体系紊乱带来的资本重新配置机会,那么当牛市最终远去时,价值投资者的投资组合基本面一定会变得大为不同。
(作者系九圜青泉科技首席投资官)
(文章来源:证券时报·e公司)
Copyright © 2015-2022 南方创投网版权所有 备案号:粤ICP备18023326号-21 联系邮箱:855 729 8@qq.com