低风险，高回报

未知

第3章

“乌龟”跑赢了“兔子”

我简直太笨了，我就不该抛弃我的低风险固定收益类基金而去买一只叫福克的股票。我本可以有不错的至少每年8%的回报，也许还更稳定些，因为那只基金的日波动率真的很低。而现实是，我的第一次股票投资被证明是一段代价惨重、十分坎坷的经历。

在我投资福克这家飞机制造商的两年时间里，它的股价就像在气流中穿行的飞机一样，颠簸不断。在1994年我搭上福克这班飞机之前，这家公司就以让投资者经历大幅股价波动而出名。正如前面图2.1所示，那段时间的股价每月波动率高达20%都很平常。这里给大家看一个例子，1991年，仅仅几个月该公司的股价就从22荷兰盾涨到了30荷兰盾，而在急升之后，股价又暴跌超过30%，在20荷兰盾之后见底回调，而后继续下跌。这辆过山车就这么一直上上下下，直到公司最后违约——福克就是这样一个高风险股票的经典案例。

但到底什么是高风险股票呢？如果一家公司的未来前景存在较大的不确定性，股票风险就高吗？是的。那么风险就等于不确定性吗？并非如此。风险是把不确定性数字化并把未来可能发生的各种情况进行量化。埃尔罗伊·迪姆森（Elroy Dimson），一位伦敦商学院的金融教授认为：风险代表在上演的剧情背后，往往可能有无数个脚本。

在投资领域，风险意味着发生部分乃至全部资金损失这类负面情况的可能性。一项投资的波动率就是金融风险一个简单而强有力的指标，因为它以标准化的方式衡量了投资的价格波动，波动率在时间上存在持续性。换句话说，一只目前表现出低波动率的股票，未来可能也会保持较低的波动率。高波动率的股票亦然。

事后想来，福克的高波动率就是它未来不确定性和风险的很好指标。如果我早知道波动率是破产清算最好的预测指标之一，我10多岁的时候绝不会买这只股票。

所有类型的投资和所有类别的资产，如债券、股票和房地产的风险都可以通过回报的波动率来衡量。由于波动率是衡量金融风险的一个标准化指标，你们可以把一只固定收益类基金的波动率（可能较低）和一只混合型基金的波动率（可能较高）进行比较，也可以和一只股票基金的波动率（可能是三者中最高的）进行对比。

你们还可以对同一资产类别下单个投资的风险进行比较。举个例子，你们可以通过计算美国股票市场交易的每只股票的历史波动率来衡量它们的风险。这听起来可能很复杂而且很费时，但其实所需要的只是一个电子表格程序（比如Microsoft Excel）和你们想要比较的股票的每日收盘价。电子表格程序会根据历史价格的波动性计算出每只股票的风险。在测量了每只股票的风险之后，你们就可以把它们按风险从低到高进行排序了。

我投资福克的亲身经历只是一个小故事。你们现在可能会想：“好吧，你挺倒霉的。可你这不是一竿子打翻一船人吗？你真的可以根据这么一个例子就下结论吗？也许你应该多买几只类似福克这样的股票，然后构建一个分散多样化的投资组合。”在回答这些问题之前，我想要先问你们一个问题：我们怎么知道到底该构建低风险还是高风险股票组合呢？

我来给你们一些建议，基本上你们可以用两种方法来决定自己应该投资哪组股票（低风险或高风险）来获得最佳回报。第一种方法是“自己动手”，自己计算并研究股票市场的大量历史数据。在这些研究的基础上，你们会得到一个描述这些数据关系的基本理论。第二种方法则正好相反，你们可以从一个现存且广为人知的理论着手，用它来决定应该买什么股票。换句话说，就是从理论到实践。

你们可能会想，哪一种方法更好呢？是“实践”方法——自己动手，还是“理论”方法呢？条条大路通罗马，也许两种方法都可以给你们正确的答案。你们或许希望所有的理论方法都在学术上被充分研究和论证过，这样的话，你们自己用数据进行计算（利用电子表格程序），也会得到相同的结论。至少，你们希望如此，是不是？

那么，我们先试试“自己动手”的方法吧。实际上，因为我在工作中已经计算过很多次，而你们可能不愿意花时间在大量的数据整理和分析上，所以我们不妨把这叫作“不如你替我做”方法！这对我来说不成问题，在告诉你们结果之前，先让我告诉你们我是怎么处理这些数据的。

从哪里开始呢？为了得到可靠的结论，我们需要所有数据是可信的。在这里我选用了一个很酷的数据库，它包含了美国股票市场从1926年1月到2016年12月每个月的收盘价。也就是说，为了调查我们到底该买低风险股票还是高风险股票，我们可以研究过去80多年的数据。可别小瞧了长期历史数据的力量，它让我们有机会检测这两组股票在历史重大事件中是如何表现的，比如：20世纪30年代的历史大萧条、第二次世界大战、50年代、摇摆的60年代，以及之后的多次经济萧条和市场泡沫，如20世纪90年代的互联网泡沫。

事实上，有一个超过10年的数据库能给予我们更大的统计效力：我们所得到的任何结果都不太可能是简单的运气或暂时的作用所促成的，因此在未来不起作用的可能性也很小，这样的观察结果会更具有稳定性。我敢再进一步推断：如果一个投资者声称用不到几十年的数据就发现了一个特别的投资方法或系统性策略，你们就可以质疑其真实性。我并不是说这类研究结果一定是错的，但只要涉及数据库和数据回顾期，“更大的样本和更长的时间”确实更好。

有一个海量的数据库只是第一步，用直观并实际的方法构建低风险和高风险的投资组合更为重要。但是我们应该怎么做呢？让我们从选取股票的数量开始。

简单而言，我决定侧重市值最大的1 000家公司，排除那些细价股（指小型上市公司低价交易的股票，比如股价低于1美元），只关注任何时点市值最大的1 000只股票，我们要保证不在组合中买入过小的、流动性低的股票。举个例子，在我们分析的最后一个月（2016年12月），数据库中“最小”公司的市值也有60亿美元。

这1 000只股票中的每一只，我都计算了它前3年每月的回报波动率。举例而言，“在”1929年1月，我就计算了当时市值最大的1 000只股票从1926年1月到1928年12月这个时间段的历史波动率。“在”1929年元旦这一天，我不仅能通过计算历史波动率来衡量每家公司的风险，还对这些公司的风险进行了排名，刚刚我也这么做了（2017年在我的电脑上）。在我把所有公司排名后，我用你们能想到的最简单的方法构建了两个资产组合：一个包含了风险最低的100只股票（低波动组合），另一个由风险最高的100只股票组成（高波动组合）。

概括来说，我瞄准了美国股票市场中市值最大的1 000只股票，衡量了它们的历史波动率，按风险从低到高进行排列，然后建立了两个组合。那么，下一步是什么呢？

人们构建股票组合通常是为了获得回报，我们的目标完全一样。我“在”1929年新年这一天建立的两个组合也会产生回报，只要我不把股票卖了。而且，我们可以衡量它们的回报，以发现到底哪一个组合表现得更好。但是我们需要频繁地检查组合里的每一只股票是否仍然属于这两个组合，让我再具体解释一下。

我们买这些股票，因为它们刚好是在特定时间点上参与排序的所有1 000只股票中历史波动率最低或最高的。虽然风险在时间上有持续性，一只低波动率的股票还是有可能成为高波动率股票，反之亦然。这也是为什么我选取了100只股票而不是一只股票。有时候这种变化是慢慢发生的，有时候则是瞬间变化，比如某只低波动率股票的公司陷入财务困境，或被指欺诈，等等。因此，你们需要经常调整两个组合来保证它们在任何时点都投在波动率最低或最高的100只股票上。在我的计算和模拟中，我考虑了这个问题，每个季度都会进行一次调仓。如果一个投资组合中的某只股票不再满足入选的条件，我就会清仓该股并买入新股代替。

想知道这一实验的结果吗？福克只是一个不巧的例子吗？100只高风险股票有高回报而100只低风险股票有低回报吗？让我们敲锣打鼓，迎接结果吧！

图3.1展示了两个组合的走势。假设我们在1929年的新年那天给两个组合都投入了100美元，并在截至2017年元旦那天的88年里对组合资本所得回报都进行了再投资。好了，结果显示——等等，让我们再停一下，深呼吸——“胜利”的资产组合是低波动组合！它最后的价值是482 000美元，而高波动组合最后的价值只有21 000美元。

图3.1 低波动率股票回报是高波动率股票回报的22倍

现在仔细看一下图3.1。没关系，大声地说出你们的怀疑吧。对，我并没有把图标弄反，你们也并不疯狂。在过去88年里，低风险股票的年均回报率是10.2%，而高风险股票只有6.3%。我明白这一结果可能对你们来说非常费解，因为图3.1打击了你们之前所有的认知。正如我经历的，它和你们在金融教材里读到的，在基础金融课程里学到的，甚至与你们在博士论文里常看到的关于风险和回报的关系截然不同。我们总是被告知高风险会给出高回报，但图3.1证明我们在投资中有关风险和回报的普遍观念是错误的。一个典型的悖论，不是吗？

其实，这个现象太令人困惑以至于学术上有一个特别的科学术语：异象。这个词来源于一个法语单词，表达了我们对这个结果的震惊：高风险股票产生了较低的回报，而所有的教科书上的理论都与此正好相反。或许我们应该改变我们的理论？这太让人难以理解了！

每年3.9%的回报率差距（同时还有着更低的波动率）意味着100美元在88年里不只是增长到21 000美元而是482 000美元。低风险股票比高风险股票更能让你们富有，更准确地说，它让你们更富有了至少22倍。我说了吧，复利具有强大的魔力！

低波动组合显然比高波动组合表现得更好，同时还给你们提供了一条走向拥有更多财富的平坦之路，而选择高波动组合则像是搭上了过山车。在20世纪30年代大萧条期间，你们肯定会深深绝望，因为你们最初的100美元会在这场股市崩盘中损失超过90%。而如果你们能够在情感上克制住自己，坚持下来，在接下来的20世纪70年代的熊市中，你们还会面临重大挫折，那时的损失可能累积接近80%。那么在互联网泡沫后的余波中呢？一个不同的时代，但结果也没什么差别：损失超过80%。基于这些数据，高波动组合会使投资者得高血压病，还会使他们独自面对很多个不眠的漫漫长夜……

图3.1实际上展示了低波动组合总是能在困难时期战胜高波动组合，因为它损失得更少。一个具有怀疑精神的人——我希望是你们——也许会争论说低波动组合比高波动组合表现得更好也没啥奇怪的，因为双方的竞赛刚好从经济大萧条发生前开始。我同意这一点，毕竟，高波动组合在1932年股市见底的时候几乎只值5美元，而低波动组合在那时还值30美元。但是，并不只是1929—1932年的崩盘导致了低波动组合的领先。如果我们从1932年春天开始对两个组合投资，低波动组合还是会“胜”过高波动组合一大截。

虽然我们“实践”的成果非常有价值，但在这里有一个问题，对某些人来说甚至是一个不愿面对的真相。这个问题就是，我们的结论在“理论”中是不可能实现的，也是与传统投资智慧相违背的。尽管数据证明了低波动组合表现得比高波动组合更好，大多数人还是相信：高风险股票会比低风险股票产生更高的回报。

买入风险最高的股票并不会带给你们最高的回报，实际上，结果可能刚好相反。第16章会为你们展示这个投资悖论其实在每个资产类别都存在，可能让你们更惊讶。但是对于“高风险低回报、低风险高回报”这个违反直觉的结果，我们应该做些什么呢？我们要修改理论，使它符合数据的结果吗？还是我们要改变数据来确认理论成立呢？我们没办法重写历史或修改历史价格的波动，所以我们最好还是修改理论吧。不过，要改变这世上每一个投资者对风险和回报关系根深蒂固的认知是极具挑战的，因为我们需要说服很多人。

也许一个小故事能够帮上忙，很多人听说过《龟兔赛跑》的故事。乌龟爬得缓慢而稳定，兔子跑得快，但一路上时不时地打个小盹儿，最后反而被乌龟超过了，这是我们不曾料到的结果。图3.2展示了缓慢而稳定的乌龟跑赢了快速但不稳定的兔子。这古老的故事告诉我们：坚持不懈才能成功，自负自满只会失败。稳定的“乌龟股”战胜了快速的“兔子股”，，这不正是这个故事在股市的表现吗？听上去相对有理的理论，实际情况更值得我们重视。我们会在这本书里再次提到这个《龟兔赛跑》的故事。

图3.2 乌龟跑赢了兔子

不确定性、风险和波动率并不是完全一样的。1921年，经济学家弗兰克·奈特（Frank Knight）曾在著作中写到风险可以被衡量但不确定可不可以。彼得·伯恩斯坦（Peter Bernstein）在他的畅销书《与天为敌》（Against the Gods）中曾对风险做出解释。纳西姆·塔勒布（Nassim Taleb）在这个基础上进一步丰富并引入了“黑天鹅”的概念——会带来极大影响的未预期到的事件。塔勒布对过度依赖数理方法来衡量风险持怀疑态度，比如波动率，并将此联系到金融危机中。他也许是对的：过度依赖统计方法衡量风险，弊大于利。

罗伯特·恩格尔（Robert Engle）和克莱夫·格兰杰（Clive Grange）因证明这一现象而获得了2003年的诺贝尔经济学奖。

希腊人也对《乌龟赛跑》进行了哲学思考。在一个故事中，一只乌龟说服阿喀琉斯［（Achilles，荷马史诗《伊利亚特》（Lliad）中的英雄］，只要让它领先100米起跑，它就能赢得比赛。乌龟用了一个悖论：最快的赛跑者也没有办法超过最慢的，因为追赶者必须首先抵达被追赶者开始的位置，所以被追赶的一方始终会保持一定的优势，尽管它比较慢。这就是有关无限距离的芝诺悖论（Zeno's Paradox）。