原來市場是可以戰勝的,讀《陸蓉行爲金融學講義》

很長時間,我一直被灌輸市場是不可戰勝的,巴菲特也一再說對於普通人最好的投資方式是ETF,在《漫步華爾街》一書中,專業的基金經理選出來的股票甚至並不比猴子選出來具有更高的成長性。難道真的是這樣?那爲什麼我的周圍還是有很多朋友通過股票獲利了?

直到我讀到這本書,我才豁然開朗。

傳統金融學 Vs. 行爲金融學

金融學分成2派,一是傳統的金融學,其假設是人是理性的。二是行爲金融學,其理論基礎是心理學,因爲金融決策都是人做出來的。

我們都會覺得人是理性的,因爲金融交易需要大量資金,比如股票和房產,面對這些大錢真錢,人一定會在做決策前深思熟慮,所以一定是理性的。

可是,很多炒股人連PE也不知道,金融知識的缺乏使得他們根本無法做出理性決策,最終被各種心理學效應所束縛,把幸苦賺來的錢輕易地像韭菜一樣被割了。

傳統金融學是研究應該是,意思是每個人應該怎麼樣來對待金融,而行爲金融學是研究實際是,意思是實際上金融決策時怎麼樣在每個人身上發生的。

傳統金融學認爲市場是不可預測的,沒有人可以打敗市場,買股票不如買ETF,這就是現代投資組合理論。而行爲經濟學認爲,人是非理性的,而且這種非理性都是有共同的規律可循的,只要對這些規律有所瞭解,戰勝市場是可能的。

傳統金融學認爲市場就是上帝,不用過多監管。可是在2008年的金融危機後,格林斯潘說:”我可能高估了投資者的理性,低估的機構的貪婪“。也就是說,連格林斯潘都同意行爲經濟學,認爲市場經常會失靈,需要積極的干預。

傳統金融學認爲人對套利的追逐可以消除價格偏差。套利就是當面對2個產品A和B時,其中A的價格偏高,B的價格偏低,那就可以通過賣A買B來套利。由於傳統金融學的理論基礎是人是理性的,所以套利是零分險、正收益、零成本。可是行爲經濟學認爲,由於人的非理性,即使有價格偏離價格的現象存在,也不會很快消失,很有可能價格還是會向繼續偏離的價值方向運行,使得最後套利變成了套虧。不過,通過行爲金融學對人的非理性規律的總結,我們可以對價格的走向更加有把握,從而對套利的時間點判斷更加有把握。

行爲金融學擅長指導投資實戰,制定交易策略,比如股票投資。

人的認知非理性

我們總以爲我們都是理性的自由的,我們自主學習、收集信息、和朋友聊天等等,但殊不知在認知的過程中有多少陷阱,而且我們完全對此一無所知。

易得性偏差:我們都傾向於在我們熟悉的事物中做選擇。由於我們的知道的信息佔所有的信息比例很小,所以我其實只在一個很小的範圍內做選擇。比如:我們買股票可能就在20只股票中選擇,以爲這20只股票代表了所有可能,殊不知其實還有99%的股票我們都沒有看過。

首因效應:我們通常只對首次到達的信息賦予最大的權重。更麻煩的是,在後面的信息收集過程中,即使發現了一些負面的新聞,我們仍然潛意思地去有各種離奇的理由去解釋,使得自己依然相信那個首次到達的信息是可信的。

小數定理:如果同樣的事情發生了2次,我們就會認爲它是規律。比如某隻股票有2次在下探是都到了10元就會反彈,我們就會以爲我們找到了規律,下次到了10元就再買,殊不知前兩次只是巧合。

過度自信:當我們賺了一些利潤後,我們就會極度自信,而這種自信會引導我們做更少調研來得出結論。

自我歸因:通常我們在踩了很多次同樣的坑後還是會繼續踩,我們以爲會吸取教訓,但實際上我們根本不會。因爲我們有一套自己的解釋系統把責任推給外部來繼續相信我們自己做的是對的,比如:上次都是因爲我那天早上忙着開會錯過了賣出的時間,等等。

後見之明:我們通常對自己偶爾的一次成功操作自鳴得意,卻不知背後有多少失敗的案例。

認知失調:當我們買的股票虧了,我們有時居然會怕自己再次痛苦而選擇不再關心這個股票的信息了。

確認性偏差:我們只會收集對我們決策有利的消息,而對那些負面信息視而不見。

從上面這些認知偏差看,我們要認清事物有多困難。我覺得要解決這些認知偏差,有一個方法是客體化,就是把自己當成是別人,這樣脫離了對自己失敗的恐懼情緒,就會更客觀地來認清世界。

人的決策非理性

我們在做決策時也一樣的非理性,以下是常見的坑:

參考點依賴:我們總會用一些錯誤的參考點來決策,最常見的是賺20%就賣了,或者解套了就賣了。結果拋了的股票翻倍,持有的股票繼續虧損。我覺得要克服參考點依賴就是把這個參考點拿掉,比如:到對在手的股票決策去留的時候,可以假設我現在沒有持有這個股票,如果我還想買那就留,我想賣那就賣。

盈利和虧損時的風險偏好:行爲金融學認爲,我們只在盈利的時候厭惡風險,當在虧損時我們更傾向賭一把,看看有沒有機會避免損失。這個效應最終導致的是牛市賺不到頭,熊市一虧到底。我覺得可以用上面那個同樣的方法來克服這個效應。

概率非線性化:我們都知道一個事件的影響值是:事件的發生概率 * 事件發生後影響值。可是我們總是在各個方向上非線性化了概率值。比如我們會高估小概率的大影響值事件,比如打新股,其收益很高但概率很小,可能綜合算起來還不如定期存款,可還是很多人趨之若鶩。我們會低估高概率大影響事件:比如資產配置對收益的影響。

狹隘框架:我們總是對一隻股票的漲跌過分看重。我們應該去尋求投資組合,也就是說尋求投資多隻不相關的股票,當任何一個不利於某個股票的時間發生時,該影響不會施加於所有股票,也就可以避免系統性的風險,這樣我們也可以不再關心個股,只有看整個投資組合即可。

典型的交易錯誤類型

分散化不足:分散化不足會導致一個局部風險擴大爲系統性風險。我尤其要避免:購買本公司股票以及購買過多本國股票。比如:我如果配置過多的澳洲股票,當有澳洲區域性利空事件發生時,股票會大幅下跌,我的正常工作會收到影響,這樣就變成了系統性風險。

簡單分散化:分散化不是多買幾隻股票,而是要去除相關性。我們不能把雞蛋放在同一個籃子裏,也不能放到同一個車子裏。分散化分2步,第一是資本配置,主要指分配在銀行、債券、股票的資金比例;第二步是資產選擇。人們會平均分配資產配置,然後花很多時間來資產選擇。這是不對的,應該要根據自己的風險偏好來花大事件進行資本配置。

過度交易:人總是過度自信,以爲掌握了足夠的信息,然後頻繁交易,但這些信息其實都不足以來支撐交易。個人投資者虧損的主要原因就是交易太頻繁。

賣出行爲偏差:投資者傾向於售贏持虧,但通常好的股票會持續盈利,而虧的股票會持續虧。對於如何消除這種賣出行爲偏差是除去參考點盈虧主要是針對買入價格來說的。所以在決策時不要考慮買入價格是最好的辦法。

買入行爲偏差:有一種漲停敢死隊的交易策略生效,這種策略就是專買漲停的股票,依靠普通人傾向於追漲殺跌售贏持虧、和有限關注(指關注新聞報道的股票)的效應來盈利。還有其他的行爲偏差包括:

  • 熟悉偏差:跟蹤了一段時間某股票的價格,就以爲自己很熟悉某隻股票的波動區間;
  • 攤薄成本偏好:當持有的股票價格下跌時,普通人會補倉來希望攤薄成本。這種看上去聰明的做法犯了幾個錯誤:參考點依賴(把買入價格作爲參考)和狹隘框架(參與過多的同一股票,引入了系統性風險)

羊羣效應:指投資者放棄個人思考,追隨大衆決策的現象。這就是典型的割韭菜,頭羊逐漸建倉形成熱點,羊羣看到熱點跟進,頭羊正好出貨把羊羣甩在了山頂。所以我們在對於沒有業績支撐的交易信號要警惕,以免成爲羊羣效應的犧牲者。

股票可預測理論

《非理性繁榮》的作者使用股息的貼現值來預測美國大盤的走勢,在1996年預測美國有股災發生,結果到了2000年才發生股災。或者也可以用P/E值來預測,成分股的P/E太高表示大盤估值過高,有調整風險。雖然,這種預測屬於10年數量級的預測,但是對於宏觀趨勢的把握很有意義。

根據本書引用的統計數據,小公司的股票的平均年化收益率是12%,大公司是10%,長期國債是5.5%。股權類資產的收益率遠高於其他資產,但是卻沒有辦法解釋原因。根據傳統金融學的資產定價基本原則:資產定價=風險 * 風險厭惡係數,但是實際上股票的風險並不高,而且厭惡係數也不高。但不管怎麼樣,股票是最高收益的資產,而且風險也不高,從戰略的角度說,我們都應該配置一些股權資產。

股權高溢價之謎引來了股票非參與之謎。因爲既然股票的投資屬於高收益,低風險,那如何解釋爲什麼參與的人並不多。

經常聽人說新手看價,高手看量,那價量之間到底有什麼關係呢?米勒假說提出了以下發現:

  • 交易量越大,說明分歧越大。交易指有人買,有人賣。買的人是看好,賣的人是看壞。那麼交易量大就代表很多人看好,但同時也有很多人看跌,也就是分歧大;
  • �均衡的價格一定是高估的,代表的是樂觀者的價格。因爲樂觀者會買入所有低於其價格的股票,所以所有股票都被樂觀者買走了。
  • 交易量越大時,股票高估越嚴重。

根據米勒假說,我們的操作可以:

  • 放量時注意風險
  • 謠言起買,消息出就賣

行爲金融學的交易策略

行爲金融學通過找到一個異象,比如小公司的股票收益更好,然後建立一個對沖組合,檢驗風險,然後就可以持續盈利了。
比如:

  1. 找到了一個小公司股票收益更好的異象
  2. 建立一個對沖組合,買小公司股票,賣空大公司股票
  3. 利用歷史數據回測風險
  4. 實施

不過個人認爲這些對沖的方法只能帶來10%以下的年化收益率,可能更合適機構操作。因爲如果爲了10%的收益率,完全買ETF就可以實現了。

最後

行爲金融學是承認人的非理性,研究人的非理性,並可以通過對人非理性的規律來獲利,至少也可以對自己的非理性有所認識而更加理智地投資。行爲金融學爲技術分析和量化交易的提供了理論支持。這本書極大開闊了我的視野,更加幫助我確認:

  • 世界不止一種玩法,沒有絕對正確的理論;
  • 如果我們沒有在一個學科裏面發現2個相互矛盾的思想,我們一定都還沒有入門。

另外,我未來特別要注意以下幾點:

  • 要進一步學習如何資產配置;
  • 要學習如何資產組合,讓自己的portfolio在風險和收益間獲得平衡;
  • 我雖然是軟件工程師,但是對數據分析不熟悉,我準備要惡補一下數據分析,並用股票投資作爲一個實踐任務;
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章