【#投資書籍】
你知道巴菲特的核心投資法是什麼嗎?
商學院裡的投資學課堂常會以效率市場假說、CAPM (資本資產定價模式)、APT (套利定價理論)、Fama-French三因子模型等為基礎去教授,但巴菲特集中投資的策略和學院派強調分散投資以分散風險的理論背道而馳!
商學院課堂裡風險通常被定義為股價的波動性,但巴菲特卻認為股價下跌取得股權成本低,相對風險反而比較低,是獲利的好時機。本文中提到許多巴菲特對股市的獨門見解,也解釋了貝氏定理、凱利最佳化模型、複合調節系統等概念,值得一讀!!
📣閱讀更多精選好文:http://bit.ly/2ELWp4P
📣加Line輕鬆學投資:https://goo.gl/mxicrG
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「fama-french」的推薦目錄:
- 關於fama-french 在 StockFeel 股感,來自生活 Facebook 的最佳貼文
- 關於fama-french 在 普通人的自由主義 Facebook 的最佳解答
- 關於fama-french 在 Mr. Market 市場先生 Facebook 的最佳貼文
- 關於fama-french 在 コバにゃんチャンネル Youtube 的最佳解答
- 關於fama-french 在 大象中醫 Youtube 的最佳解答
- 關於fama-french 在 大象中醫 Youtube 的最佳解答
- 關於fama-french 在 Tidy Asset Pricing - Part V: The Fama-French 3-Factor Model 的評價
fama-french 在 普通人的自由主義 Facebook 的最佳解答
小型股的天堂之道
AQR避險基金的Cliff Asness乍看之下,很像那些大嘴巴的避險基金億萬富豪,像是作空賀寶芙而失敗的Bill Ackerman,但Asness是真正學術豪門出身,諾貝爾獎得主Gene Fama的徒弟,堂堂芝大博士,我對他的言論發表,一向很感興趣。他最近帶頭做的一個研究,和我的GGFF理念,不謀而合,特在此分享。
Fama的另外一個徒弟Rolf W. Banz在八零年代首先發現小型股有超常的報酬,用市場風險沒法解釋的異常。通常,我們說小型股有超常報酬,我們都是建幾個大的投資組合,按市值大小區分,然後跑CAPM,看beta能不能解釋投資報酬率,不能解釋的就是超常報酬(abnomal return, 或名alpha)。Banz的論文出來後,加上Fama & French的92年「beta已死」論文,投資圈掀起小型股投資熱潮。Fama的另二個徒弟(大師就是大師,桃李滿天下),David Booth 和 Rex Sinquefield,拿了這研究,創立了Dimensional Fund Advisors (DFA),賺了大錢。Booth前幾年回饋給芝大三億美金,把芝大商學院改名為Booth School of Business,證明了書中自有黃金屋的道理。
但小型股的超常報酬,後來消失了。光買小型股,沒辦法賺錢了。反而是「beta已死」裡的另一個要素「價值股」大行其道,歷久不衰。DFA和AQR都早早改做價值股了。照效率市場學派的說法,不管小型股也好,價值股也好,都有看不到的風險,所以才會給投資人有長期的超常報酬。但小型股的超常報酬會消失這事,難道說明了,這不是風險帶來的報酬?難道有可能是行為財務學說的,投資人的不理性行為所致?
Asness認為小型股還是有超常報酬,只要在小型股裡,分出垃圾和黃金(黃金是我自己翻的,quality是原文),就可以讓小型股的超常報酬回來。而執行上,分垃圾或是黃金,也很容易,高獲利率、高成長率和治理良好的就是黃金,反之就是垃圾。作多黃金小型股,作空垃圾小型股,長期下來,讓你荷包滿滿。
Asness自己承認,這也沒什麼了不起,股神巴菲特一直在做這事。但我覺得這還是了不起,因為巴菲特的心法,是惡名照彰地unteachable,沒辦法傳授給他人的。但Asness的計量方法,是有普遍性,稍為有能力的人都做得出來的。
但Asness還是不願意選邊站,不願意說「黃金小型股 - 垃圾小型股」的表現差異是效率市場派的風險報酬說,還是行為財務學的不理性投資人說。我覺得是風險報酬,而且這結果和我的終極投資理念Great Growth Fantastic Founder(GGFF)是一致的。我認為這超常報酬來自創業家風險,來自這些獨一無二,充滿動力和熱情的創業家。有空再細說我的GGFF,但可以很簡單地說一下:如果你碰到Facebook的Mark Zuckerberg或是Tesla的Elon Musk這樣的傢伙,你什麼事都不要做,他們的股票買下去,天長地久,雷打不動地抱下去就對了。
fama-french 在 Mr. Market 市場先生 Facebook 的最佳貼文
《實際回溯測試: 受歡迎股 vs 不受歡迎股 》
市場總是宣稱「股價反映真實價值」,
但一般而言,不受歡迎的企業,容易被低估,受歡迎的企業則容易被高估。
最近也在葛拉漢Benjamin Graham所著的"智慧型股票投資人 Intelligent Investor"中看到這個議題。過去也有不少實驗在發掘各種影響因素,例如最有名的Fama-French三因素模型。
真的有這麼回事?我想做個簡單的測試,
假設:每年最受歡迎的股票報酬,會顯著低於最不受歡迎的股票。
在此用 股價淨值比(PB),越高代表 越受歡迎,反之越低。
由於希望樣本是 穩定性足以 安心長期持有的股票,
因此針對台灣的中大型股(台灣50及中型100成分股)進行測試!
列出PB排名高的股票 (較受歡迎),
以及PB排名低的股票 (不受歡迎) 做比較。
-\-\-
以下是結果:
http://ppt.cc/4QXp
由上到下分別是:
1. 0050和0051的績效。
2. 台灣50和中100,按照PB高低分層統計的成分股,相等權重的績效。
3. 台灣50和中100,按照PB高低分層統計的成分股,相等權重的績效,和0050及0051的差值。
-\-\-
從結果的表格中可以得知,
原先假設 較不受歡迎的股票 可能會有較高的報酬,
但這假設錯了,統計結果發現 並沒有這個現象,
在0050中,反而是 受歡迎的股票 報酬更高!不受歡迎的股票,報酬則略低!
統計的結果顯示,買進0050成分股中,PB最高的10檔,平均每年績效將高出0050將近10%!
至於是否有效,要再進一步驗證統計上是否有其他偏誤,以及證明它的效果並非隨機!
千萬別看到高出平均10%就一頭熱唷!
P.S 本篇轉載請註明出處。www.facebook.com/Mr.Market.tw
-\-\-
以下是一些細部資訊:
測試的條件設計如下:
1. 樣本A.台灣50(0050)成分股。
2. 樣本B. 中型100(0051)成分股。
3. 台灣50和中型100成立時間不同,各自獨立測試。
4. 這裡稍微困難的,在於如何取得歷年成分股資料,因為要找到這個資料需要一點小技巧(笑)。
5. 以股價淨值比PB為受歡迎與否的基準做排名。
6. 考量PE會出現負值的可能性,未來研究也可以取用長期平均EPS計算的PE做測試。
7. 針對這0050的50檔企業,每年最受歡迎,股價淨值比PB最高的的10檔,與最不受歡迎,PB最低的5、10檔,針對其未來1年的報酬 (還原報酬) 做長期的測試比較。
8. 針對中型100,則取PB頭尾各10名、20名作測試。
9. 對照組是 台灣50,及中型100的整體平均績效。
10. 在此測試中假設每檔成分股權重相同計算,但由於0050和0051中並非每隻成分股的權重皆相同,因此在整體平均報酬上會略有差異。
11. 每年從5/3開始,因為這時年報已確定公布,假設此時價格已經反映年報數據 (加上2天可能是假日的調整),自此往後測試1年的績效。
註:因應IFRS,年報發布在2012以前最晚是4/30,2013以後是3/31。
12. 每年根據排名調整投資組合,只考慮年報結果,不考慮季報的影響,以免有季節性的偏差。
13. 0050從2004年測到2011年共8年,期間完整包含多頭、空頭與盤整年度。
14. 中型100則從2007年測到2011年共5年,也是有包含完整的多頭、空頭與盤整年度。
15. 所有績效統計均以還原報酬為基準。
16. 部分因年中合併而下市無資料的股票,報酬以0計算(共3筆數據),因虧損下市股報酬則以-100%計算。
結果的數字也還在可以人工判斷的程度,所以不用詳細的統計檢定。
從結果可以觀察到以下現象:
1. 0050和0051報酬平均值,在權重均等後,並沒有明顯的差異。標準差沒有明顯的差異。
2. 0050和0051,在權重均等後,貝他值 些略放大,但也沒有到顯著的程度。
3. 0050中,PB最高的10名報酬,長期下來績效 顯著高於指數平均值。 顯示即使已經給予了很高的評價,但當下仍低估其股價。
4. 0050中,PB最低的10名報酬,長期下來績效 略低於指數平均值但不顯著。 可能代表即使已經給予了低評價,但仍太高估其股價。
5. 0051中,沒其他特別顯著的特性。
免責聲明:此網站所提供之相關資料僅供參考,使用者若有任何疑慮請依台灣證券交易所公告之資料為依據。請勿以此資訊作為買賣或進出之依據,使用者依本資料交易發生交易損失需自行負責。
fama-french 在 Tidy Asset Pricing - Part V: The Fama-French 3-Factor Model 的推薦與評價
A replication effort of the famous Fama-French factors. ... <看更多>