股市投資 小副述文字一共二十個字小副述文字一共二十


基金ETF 小副述文字一共二十個字小副述文字一共二十


全球總經 小副述文字一共二十個字小副述文字一共二十


理財商業 小副述文字一共二十個字小副述文字一共二十


消費信用 小副述文字一共二十個字小副述文字一共二十


保險稅制 小副述文字一共二十個字小副述文字一共二十


房產生活 小副述文字一共二十個字小副述文字一共二十


 
CAPM 過去市場實用性為何 大師們如何看待?
收藏文章
很開心您喜歡 GuruFocus 的文章, 追蹤此作者獲得第一手的好文吧!
GuruFocus
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


CAPM 過去市場實用性為何 大師們如何看待?

2016 年 4 月 23 日

 
展開

風險的學術定義:貝塔系數是一種衡量證券或一個投資組合相對總體市場的波動性或系統性風險的評估工具。貝塔系數通常用於資本資產定價模型中,這種模型基於它的貝塔值和預期市場收益計算出預期資產報酬。
(資料來源:Investopedia)

達人分享-財經媒體-risk

另一種說法:波動=系統性風險。

藉由比對,以下是這幾年來價值投資者如何看待風險、貝塔值以及現代投資組合的:

Buffett在“投資大師Graham和Doddsville”的專題演講當中提到:一個簡短的例子:華盛頓郵報公司在1973年在市場中的銷售額為8千萬美元,在那時可以將資產以不低於4億美元的價格賣給任何一個買家,而這價格有可能更高。這間公司擁有華盛頓郵報、新聞週刊還有其他幾個重要的電視台,它現在的價值為20億美元,所以在那時如果有人出價4億美元收購,那也一點不瘋狂。

現在,如果股票跌價了使得公司的評價由8千萬美元跌至4千萬美元,那麼它的可能有較大的貝塔值。人們認為貝塔系數是評估風險的方式,更低的價格有可能風險更高。這樣的說法似乎很合理,但我從不明白為什麼用4千萬美元購買4億美元的資產,它的風險會高於用8千萬來購買。

Seth Klaman在他的著作“安全邊際”提到:“我認為用一個單一的數值反應過去價格波動,能夠代表股票所有的風險相當可笑。貝塔系數只是單一預測市場價格的風險,卻忽略特定企業的基本面或者經濟發展因素。而價格水平也被忽略。如果IBM以每股50美元出售,相較於每股100美元來說,它的投資風險並沒有更低”。

貝塔值並未反映投資者可能以委託書爭奪戰、股東投票、與管理階層溝通或者乾脆購買足夠的股票,得到控制公司的權利並直接影響股票價值的影響。貝塔值假設任何投資風險的好壞機率是一樣的,它僅簡單地評估該投資與整體市場相較的波動情況。

這與現實很不一致,事實是過去的證券價格波動無法準確預測未來投資績效(甚至是未來的波動情況),因此這是個糟糕的風險評估方式。

T2 Partner的Whitney Tilson和Glenn Tongue在2006年的年度報告當中指出:“我們對短期股價波動採靜觀其變的方式,並將風險被定義為永久資本損失的機會,因此我們對短期市場的來回震盪投入較低的注意力,我們把握時機創造優勢,當我們所持有或想要持有的公司股價被低估時,我們買入;相反地,當股價被高估時期就是我們賣出股票的機會”。

Charlie Munger在1996年於史丹佛大學的演講指出:“法律實務經驗的體驗如果在一個月內或者是研習傳統法律教材之前先將基本理論知識與一些很好的例子結合的話會更有趣。而整個教育體系也將會更有效,但沒有人對此感興趣”。

法律學校研究課題超出傳統教材時,他們時常以我看來相當愚蠢的方式來解決。如果認為美國的心理學教育很糟糕,那你應該看看來企業財務。現代投資組合理論?它幾近瘋狂!真的令人驚訝…

對貝塔值而言最重要的是─它根本無效:

James Montier在“資產資本定價模型是垃圾”中提到:下面的表格畫出了相對於平均貝塔系數的每十位數的平均報酬,直線是從資本資產定價模型得出的預測,而模型預測明顯違背實際,低貝塔值的股票的報酬在資產資本定價模型下被低估了,而高貝塔值的股票則大幅高估了它的報酬。長期以來結論得出貝塔值和報酬沒有實質上的關係。」

許多人可能懷疑他們是否仍需要教導這樣無邏輯且無法反映現實的無用理論。不幸的是,我可以告訴你即使是在知名學府,定價模型依然是財經的教學重點之一。

所幸Buffett和Munger靠的是畢生的經驗而非短暫的4年大學時光。(譯者:leyou)

GuruFocus》授權轉載

 
週餘
 
 
分享文章
分享至 Line
分享至 Facebook
分享至 Twitter
收藏 已收藏
很開心您喜歡 GuruFocus 的文章, 追蹤此作者獲得第一手的好文吧!
GuruFocus
分享至 Line
分享至 Facebook
分享至 Twitter
地圖推薦
 
推薦您和本文相關的多維知識內容
什麼是地圖推薦?
推薦您和本文相關的多維知識內容