股权风险：其他衡量方法

对于前面讨论过的基于理论而构建的风险收益模型，很多业界和学术界人士都不以为然，原因有几点。首先，如果一开始就假设风险是对称的——上行风险和下行风险是平衡的，这似乎表明我们已在试图战胜市场的战斗中认输了。毕竟，一个好的投资其上行风险应该大于下行风险；价值投资者就是围绕最小化下行风险，同时扩大上行潜力的原则来构建他们的投资策略的。其次，这些模型都基于历史市场价格来衡量风险（通过回归来计算贝塔系数）。任何人都会对此持谨慎的态度，毕竟，市场常常会在没有基本面原因的情况下波动。再次，不是所有人都认同风险可以分为可分散的和不可分散的两类，以及只有后一类风险和投资者有关。有些人认为这种区分是没有意义的，或者根本就不应该这样区分。

在本节中，我们将讨论评估资产风险的其他方法。第一种方法依赖财务报告评估企业的风险。第二种和第三种方法则建立在这样一个假设前提上，即市场定价基于资产风险，至少从平均水平和长期来看都是如此。在第二种方法中，我们观察历史上带来高投资收益的公司拥有的共同特征，并将这些特征作为风险的代理变量。在第三种方法中，我们由当前的股价推出隐含的预期收益率，并将其作为风险的衡量指标：风险越大的投资，其预期收益越高。在第四种方法中，我们观察经风险调整后的现金流（这种调整可以基于主观判断，也可以基于某个模型），而非经风险调整后的预期收益。我们讨论的最后一个方法是，在决定是否购买某只股票时，我们还可以通过安全边际（MOS）来管理风险。

基于财务报告的方法

对那些怀疑所有基于市场的风险衡量方法的人来说，他们总是可以利用财务数据找到一种衡量风险的方法。具体而言，负债比率低、股息高、收益稳定且不断增长、持有大量现金的公司，与没有这些特点的公司相比，其风险对股票投资者来说应该更低。尽管这个直觉无懈可击，但要据此计算预期收益可能会有问题，为此，你可以有以下三种选择。

1. 选择一个财务比率，并基于该比率构建一个分级的风险衡量指标。 假设你在评估3M公司的风险。在2011年初，美国公司账面资产负债比率的中位数是51%，而当时3M公司的账面资产负债比率是30.91%。用3M公司的账面资产负债比率（30.91%）除以市场的平均水平（51%），可以得到一个3M公司的相对风险指标0.61。但将该方法用于衡量苹果公司的风险时，其面临的问题是显而易见的，因为苹果公司没有未偿债务，相对风险指标为0（这是一个荒谬的结果）。

2. 估算出一个财务贝塔系数。 根据财务数据而非市场价格估算出一个贝塔系数，简单的方法是，观察一家公司的盈余是如何随整个市场的盈余变化而变化的。那些盈余变化较市场整体盈利情况更稳定或与市场变化无关的公司，其财务贝塔系数会比较低。一个改进的方法是，用多个财务变量来估算财务贝塔系数，包括整体市场的股息支付率、负债比率、现金余额以及收益的稳定性。将具体公司的数据代入市场数据进行回归，就可以得到该公司的财务贝塔系数。虽然这种方法听起来不错，但在运用时有两点需要注意：第一，财务数据是经过平滑处理的，可能会将风险隐藏起来；第二，财务报告一年最多只公布4次，而市场数据每分钟都在更新。

3. 进行筛选。 如果你对前两种方法都不认可，那么将财务报告用于投资决策的最灵活的方法就是用既定的财务指标筛选公司，只从那些通过筛选的公司中进行选择。比如，你可能决定只投资那些每股股价低于每股账面价值、净资产收益率超过20%、没有负债，且在过去5年里每年盈利增长至少10%的公司的股票。

总而言之，财务风险指标衡量的风险针对的是公司的基本面，这似乎和投资应注重公司内在价值的原则是一致的。但另一方面，财务数据可能具有误导性，据此估算的风险指标也许存在显著的误差。

代理模型

金融学中常用的风险收益模型，如资本资产定价模型、套利定价模型，甚至多因子模型，都需要先对投资者的行为模式和市场情况做出假设，然后在此基础上推导出衡量风险并将风险和预期收益联系起来的模型。这些模型的优点在于有经济理论作为基础，但是它们在解释不同资产收益率的差异上似乎并不理想。这些模型表现不佳的原因在于其关于市场情况的假设是不现实的（没有交易成本、完美信息博弈），而且，投资者的行为并不理性（行为金融学的研究在这方面提供了大量的证据）。

在代理模型中，我们基本上放弃了根据经济理论来构建风险收益模型的做法。我们首先观察不同资产的实际收益，并将其收益和可观察的变量联系起来。在前面提到的法玛和弗伦奇的研究中，他们以1962—1989年间的股票收益为样本，试图寻找比贝塔系数更能解释不同股票收益率差异的公司特定变量，最后找到了这样两个变量：公司市值和市净率。他们认为，小市值股票的年收益率远远高于大市值股票，而低市净率股票的年收益率远远高于高市净率股票。他们没有像此前的研究那样，把这种情况视为市场效率低下的证据。他们指出，如果这些股票长期以来都有较高的收益率，它们的风险就肯定比那些收益率低的股票更大。按照他们的推论，实际上公司市值和市净率作为风险的代理变量比贝塔系数更有效。他们将股票的收益率与公司市值和市净率进行回归，得到了以下美国股票的回归模型：

在一个纯粹的代理模型中，你可以将任何一家公司的市值和市净率代入该回归模型，得到相应的预期收益。

在法玛和弗伦奇的论文提出代理模型后的20年里，研究者针对越来越丰富的数据进行分析，试图找出更多更好的风险代理变量，其中的三个是：

1. 盈利惯性。 股票分析师从现有研究中找到的证据似乎显示：盈利势头强劲，财务报告中盈利增长高于预期盈利增长的股票，其随后的收益高于市场水平。

2. 价格惯性。 图表分析师读到这里应该会会心一笑：研究者认为，价格惯性会延续到未来的一段时间。因此，近期表现较好的股票，随后的收益会较高，而近期表现较差的股票，随后的收益会较低。

3. 流动性。 考虑到真实世界的成本，似乎有明显的证据显示，流动性较差（成交量低、买卖价差大）的股票的收益率高于流动性较好的股票。

很多分析师将资本资产模型和代理模型融合到一起，构建出混合模型。例如，那些认为投资小市值股票能获得更高收益的分析师将小盘股溢价加入资本资产定价模型：

小盘股的标准在不同时期有所不同，但一般情况下是指上市公司中市值规模最小的那10%。小盘股溢价是通过观察小盘股相对于市场的历史溢价来估算的。在2012年研究股权风险溢价的一篇论文中，我估计1928—2011年间市值最小的那10%的公司其平均年收益比整体市场水平高4.64%。 因此，如果某小盘股的贝塔系数是1.20，无风险利率为2%，股权风险溢价为6%，则该股票的预期收益（权益资本成本）为：

还有另一个方法可以使用，基于法玛和弗伦奇的研究结论，我们在资本资产定价模型中增加两个变量，即公司市值和账面市值比，因此，公司的预期收益为：

公司规模和账面市值比贝塔系数是通过将公司股票的历史收益与同期的小盘股溢价和账面市值比溢价进行回归后得到的。这类似于我们通过将股票的历史收益与同期整体市场的收益进行回归，求得市场贝塔系数。

尽管代理模型和混合模型得到的预期收益能更好地反映市场的实际情况，但使用这类模型通常存在3个问题。

1. 数据挖掘 。随着可获得的公司数据越来越多，我们会不可避免地发现更多与收益相关联的变量。有可能这些变量中的大多数并不是真正的风险代理变量，它们和收益之间呈现出的相关性不过是我们所观察的时间周期的函数。实际上，代理模型是统计学模型，而非经济学模型。因此，很难将那些有影响的变量和那些没有影响的变量区分开。

2. 标准差。 由于代理模型建立在观察历史数据的基础上，因此会受到数据噪声的干扰。股票的收益随着时间的推移会有很大的波动，我们计算出来的任何历史溢价（市值或任何其他变量）都会有不小的标准差。例如，1928—2011年间小盘股的年平均溢价为4.64%，其标准差就高达2.01%；简单地说，真正的溢价可能低于1%或高于7%。在法玛和弗伦奇三因子模型中，公司规模和账面市值比贝塔系数的标准差如此之大，以至使用这些变量在增加精确度的同时会带来更多的噪声。

3. 定价误差或风险代理变量。 几十年来，价值投资者都在提倡应该投资低市盈率、低市净率和股息收益率较高的股票，认为只有这样你才能获得更高的收益。事实上，只要浏览一下本杰明·格雷厄姆在《证券分析》一书中所列出的廉价公司的筛选指标，你就会发现今天所使用的大多数代理变量都在其中。代理模型整合了所有这些变量以计算股票的预期收益，从而使这些资产被合理估值。按照这些模型的循环逻辑，市场总是有效的，因为存在的任何低效率都是另外一个需要纳入模型的风险代理变量。

上述方法还面临一个更广泛的批评。如果认为小盘股比大盘股风险更大，你就应该从基本面或经济理论上探究为什么会这样，并将这些因素纳入你的风险收益模型或模型的参数中。增加一个小盘股溢价不仅是一种草率的（也是误差很大的）调整预期收益的方法，而且放弃了探求股票内在价值的宗旨，即将分析数据建立在基本面上。

市场隐含的方法

从以上讨论的各种风险衡量方法中我们可以看到，每种方法都有使用者可能不太认可的假设前提。那么，如果你想不用任何模型来估算预期收益，你该怎么办？这里有一个选择，但要注意其中的陷阱。假设有一只股票，其明年的预期年股息为每股3美元，年增长率为4%，当前的股价为每股60美元。你可以使用一个非常简单的股息折现模型，从目前的股价倒推出该公司的预期收益：

如果你不是用股息，而是用估计的现金流，不是用稳定增长模型，而是用高增长模型来计算隐含的预期收益，计算过程就会变得复杂一些，但基本原则是一样的，你可以用当前的股价来倒推预期收益。这种预期收益是隐含预期收益。但是，如果你需要为该公司估值，那么使用隐含预期收益就没有任何意义，因为你最后算出的股价就是每股60美元，而且得出的结论并不奇怪，即该公司的估值是合理的。

如果是这样，那么计算隐含预期收益有什么意义？有3种途径可以将隐含预期收益用于投资和估值。

1. 第一种途径是在估值中使用常规预期收益计算方法，同时将隐含预期收益和常规预期收益进行比较，看看你的估算可以容忍多大的误差。因此，如果你发现某只股票的价格被低估了，预期收益是8%，而隐含预期收益为8.5%，那么你最好不要买入，因为你的容错余地太小了。如果该股票的隐含预期收益为14%，你就可以比较放心地买入。你可以将其视为由现金流折现模型和安全边际相结合而来的一种方法。

2. 第二种途径是计算整个行业的隐含预期收益，并将其作为该行业所有公司的预期收益。比如，你可以利用某个银行股指数和该指数成分股的预期总股息计算出所有上市银行的隐含预期收益为9%，然后将这9%的预期收益用于你需要估值的任何银行。这实际上是让现金流折现模型更接近相对估值，毕竟当比较不同银行的市净率时，我们假设它们具有相同的风险（和预期收益）。

3. 第三种途径是计算较长一段时间内不同阶段同一家公司的隐含预期收益，然后将其平均值作为当前该公司的预期收益。你实际上是在假设从长期来看，市场对该股票的定价是合理的，但在任何给定的时段上都有可能出错，而且随着时间的推移，没有任何基本面的重大变化可能会影响你的预期收益。

经风险调整后的现金流

本节所讨论的所有替代风险模型都是根据风险调整折现率来构建的。因此，有些人可能会问，为什么不根据经风险调整后的现金流，而是根据经风险调整后的折现率呢？这个问题的答案取决于“根据风险调整现金流”是什么意思。在大多数情况下，“根据风险调整现金流”的支持者的意思似乎是，他们会在估算预期现金流时把出现坏情况的可能性也考虑进去（包括坏情况下的结果），但这并不是风险调整。要进行风险调整，你就得用确定等值现金流来替代预期现金流，并用无风险利率对这些确定等值现金流进行折现。

但什么是确定等值现金流？为了说明这个问题，我们来看一个简单的例子。假设你有一笔投资，投资的结果可能有两种情况：在好的情况下，你马上就能赚80美元；在坏的情况下，你马上就会损失20美元。假设这两种情况发生的概率均为50%。那么，该投资的预期现金流为30美元［0.5×80美元+0.5×（-20美元）］。一名风险中性型投资者对该投资可能愿意支付30美元，但是一名风险厌恶型投资者就不会愿意。风险厌恶型投资者愿意支付的价格会低于30美元，至于低多少，取决于该投资者的风险厌恶程度。投资者为这笔投资愿意支付的金额就是确定等值现金流。

将此概念用于更复杂的投资通常会比较困难，因为可能出现的情况会有很多种，要估算每种情况下的现金流很不容易。一旦计算出预期现金流，要将其转换为确定等值现金流同样很复杂。有一个实用的解决方案，将预期现金流用折现率中的风险溢价部分进行折现。例如，如果一年后的预期现金流为1亿美元，经风险调整后的折现率为9%（无风险利率为4%），那么该现金流的确定等值现金流为：

注意，你用经风险调整后的折现率也可以得到完全一样的结果：

换句话说，除非你有一种创造性的方法根据风险来调整预期现金流，而又不使用你已经为折现率计算出的风险溢价，否则这样做没有任何好处。

一些价值投资者采用两种计算确定等值现金流的实用方法。第一种方法是，当对公司进行估值时，你只考虑你认为“安全”（靠得住）的业务的现金流。如果你对这些安全现金流的评估是正确的，你就已经对现金流进行了风险调整。第二种方法将股息信息和格雷厄姆的投资理念有趣地结合在一起。一般而言，公司一旦开始发放股息，就不太愿意降低股息水平。我们可以认为，公司发放的股息反映了公司认为自己的收益中有多少是确定的。这样，如果某家公司对其未来的收益非常不确定，它就可能只支付其收益的20%作为股息，而对未来收益比较确定的公司可能会支付其收益的80%作为股息。因此，基于股息而购买公司股票的投资者不需要太烦心这些数据的风险调整。

说到底，风险调整没有捷径。对预期现金流进行风险调整并不比对折现率进行风险调整更容易，实际上前者往往更困难。如果你真想走捷径，如只计算安全的现金流或只考虑股息，你就必须意识到这些方法在哪些情况下不适用（这是不可避免的），尽量保护自己不为其所害。

安全边际

很多价值投资者对源于投资组合理论和市场价格的贝塔系数及其他风险衡量指标持怀疑态度，他们主张通过一种简单得多的方法将风险纳入投资分析中——使用安全边际来评估是否应该进行投资。

安全边际在价值投资中有着悠久的历史。这个词在1934年以前就已经在使用了，自从格雷厄姆和多德在其合著的《证券分析》的第一版中使用了该词后，它就成了价值投资的专用术语。 ^[6] 简单地说，他们主张投资者应该购入那些价格显著低于其内在价值的股票，并为此构建了用于发现这样的股票的筛选指标。实际上，格雷厄姆在投资分析中使用的很多筛选指标（如低市盈率，股价低于营运资本净值等）都是试图将安全边际这个概念运用到实践中。

自此之后，一些价值投资者尝试将安全边际纳入他们的投资策略。在实践中，一名有悟性的投资者是这样使用安全边际的。第一步是，筛选符合好公司标准的公司：高效的管理、优质的产品，以及可持续的竞争优势。筛选的方法通常是定性的，但也可以是定量的。第二步是，估算内在价值。在这一步中，价值投资者会使用多种方法进行估算：一些人使用现金流折现模型，另一些人使用相对估值法，还有一些人观察账面价值。第三步是，将价格与内在价值进行比较。这一步就要用到安全边际：如果你要求的安全边际是40%，那么你只有在某个资产的价格低于其内在价值40%以上时才会购买它。安全边际一词在1991年再次成为人们关注的焦点，当时，价值投资的传奇人物塞思·卡拉曼所著的《安全边际》一书出版。 ^[7] 在该书中，卡拉曼将安全边际概括为“买入资产的价格应显著低于资产的内在价值，并优先考虑有形资产而非无形资产”。

安全边际背后的基本理念其实很普通。实际上，任何投资者（成长型、价值型、技术分析型）都不会反对我们应该购买价格显著低于其估算价值的资产的观点。即使是最激进的成长型投资者也会同意这个观点，尽管他们对内在价值应该包含什么可能有不同的看法。要将安全边际纳入投资策略，我们就需要知道安全边际在投资过程中的位置及其局限性。

· 投资过程的阶段。 请注意，投资者使用安全边际是在投资过程的最后一个阶段，在你已经筛选出好公司并估算出公司的内在价值之后。在筛选公司或估算公司的内在价值时考虑安全边际只会干扰你的注意力，没有什么意义。

· 安全边际的作用取决于你对内在价值的估算。 这应该是显而易见的。安全边际是否有用在很大程度上取决于你是否能很好地、准确地估算内在价值。换句话说，如果你将内在价值高估100%或更多，那么40%的安全边际并不能保证你不会做出糟糕的投资选择。也许这就是为什么安全边际并不能真正代替内在价值分析中使用的标准风险收益指标（贝塔系数）。贝塔系数不是一种投资选择工具，而是现金流折现模型中的一个输入变量（甚至算不上是最关键的变量）。换句话说，你可以使用贝塔系数来估算内在价值，然后再根据安全边际决定是否购入该资产。如果你不喜欢使用贝塔系数来衡量风险，那么是否有某种替代方案？你仍然需要通过某种不同的方法将风险纳入你的分析，并估算资产的内在价值。也许你会以无风险利率对现金流进行折现，然后将安全边际作为一个风险调整指标来使用。

有些人主张不需要通过现金流折现来估算内在价值，因为还有其他选择。的确如此，但这些备选方法也有自身的问题。其中一个备选方法是使用相对估值法：假设行业的乘数——市盈率或企业价值/息税折旧摊销前利润（EV/EBITDA）——可以用于估算你所关注的公司的内在价值。该方法的优点是它很简单，并且表面上不需要做风险调整。其缺点是，当使用某个行业的平均倍数进行估值时，你对风险和增长做了一些隐含的假设。另一个备选方法是使用账面价值（直接采用财务报告中的数字或经调整后的数字）作为内在价值。如果你相信会计师提供的数据，这倒不失为一个可行的方法，但问题是，你相信吗？

· 在估算内在价值时，应该有一个误差指标。 如果你准备使用安全边际，多半它不会是一个恒量。根据直觉，你应该能够预想到不同资产以及不同时期的安全边际应该有所不同。为什么会这样？之所以使用安全边际，是因为你对内在价值的估算值不是很确定，但这种不确定性在不同的股票上是有所差别的。因此，当购买某只受管制的公用事业公司的股票时，你对现金流、增长和风险的估算都比较有把握，可能有20%的安全边际你就能安心了。但当购买一只小盘科技股时，你会面临更多的不确定性，这时你可能需要40%的安全边际。同样，当出现金融危机，宏观经济形势非常不稳定时，对于同一只股票，你需要的安全边际就会比在比较稳定的市场环境下大得多。尽管这可能看起来很主观，但事实并非如此。如果你能够在内在价值评估中引入概率的方法（模拟法、情景分析法），那么你不仅能估算内在价值，而且能估算估算值的标准差。

· 安全边际越高，成本越大。 在投资过程中加入安全边际相当于增加了一个约束，而每个约束都会带来成本。你可能会问，如果只投资于安全边际为40%或以上的股票，投资成本是什么？从统计数据来看，投资中有两类错误：第一类错误是，你投资你认为便宜但实际上价值被高估的股票；第二类错误是，你不投资价值被低估的股票，因为害怕它们被高估了。在筛选流程中添加安全边际并提高安全边际可以降低你犯第一类错误的可能性，但是会提高你犯第二类错误的概率。对个人投资者和小规模投资组合的经理人来说，第二类错误的代价可能会比较小，因为资金相对有限，而可供选择的股票非常多。但是，随着基金规模的增加，犯第二类错误的成本会随之上升。许多声称自己是价值型投资者的大型公募基金经理找不到足够数量的股票满足他们的安全边际要求，因此只能持有越来越多的现金。

如果安全边际和对内在价值的保守估值叠加在一起，情况可能会更糟糕。尽管能够同时通过两项测试的投资可能会很不错，但能达到这些要求的投资也许少之又少，甚至没有。你希望找到的公司没有负债、盈利不断增长，而且股价低于资产负债表上的现金结余。谁不想要这样的公司呢？你有多大的机会能找到这样划算的投资？如果找不到，你该怎么办？

想要使用安全边际的价值型投资者并不需要拒绝内在价值估值技术（如现金流折现模型），或将投资组合理论视为“黑科技”，他们应该整合这两者提供的有用信息，优化作为投资技术的安全边际。无论如何，所有的投资者都有共同的目标，他们希望自己的投资收益能比猴子掷飞镖所选中的股票或标准普尔500指数基金的收益高一些。 z3dYrjjL2xog+DkNQ/y1F6BWp9bLj0bz9Xttgq22yamhCk0NNFGQCm1P1zlY6ZA9