哈佛商學院最熱門的投資課:明星投資人都搶著學的「判讀力」

哈佛商學院最熱門的投資課:明星投資人都搶著學的「判讀力」(圖片來源:pixabay)

暫時不碰決算差的企業

企業會藉由新聞稿等方式將各式各樣的消息流入市場,其中消息量最多,並受股市相關人士關注的是企業發布決算。對投資人來說儼然是大活動,同時也是透過自己的消息解讀方法,形成判讀力差距的絕佳機會。接下來,我將介紹的研究是關於發布決算時的消息解讀方法。

上市上櫃企業原則上是每季發布一次決算。其流程為,季末先結算帳目,於三到六周之內發布決算。在美國,大多數的企業決算年度從一到十二月,季末為三、六、九、十二月底。日本四個季月的時間也和美國一樣,但企業決算年度為每年的四月到翌年的三月。

發布決算時,主要會公布財務報表。但是,解讀財務報表本身相當困難又曠日廢時,所以許多企業會統整重點發布新聞稿或製作簡報資料。然後,經營團隊會親自透過電話會議或網路播送,向投資人和證券分析師報告決算內容,此時也有許多企業會設置問答時間。對投資人來說,由於是能聽到經營團隊發聲的難得機會,因此是收集消息的絕佳時機。

關於決算內容,多數企業事前會公布「預測盈餘」,例如:「本季盈餘為一百億日圓,本年度全年預估盈餘為四百億日圓」,這是為了事先控制市場預期。然後,證券分析師事前也會透過寫給投資人的報告發布獨家預測數值,這是證券分析師展現實力的地方。此外,將證券分析師的事前預測平均後的數值稱為「預測共識」,由於證券分析師的從眾意識也很強,大幅偏離預測共識需要不少勇氣。市場會將此預測共識資訊反映至股價,因此,假設企業實際發表決算時,數值遠低於預測共識,對市場來說就是「驚喜」,該企業的股價就會下跌。

發布決算是市場的大活動,接下來我將說明其所帶來的消息與股價的關係。不過,在資訊技術如此發達的世界,想必不少人認為企業一旦發布決算,該企業的股價就會瞬間反映決算結果。

實際上,市場需要時間消化決算消息,這個現象稱為盈餘慣性(PEAD),至今的研究已解釋此一現象。舉例來說,企業發布的決算成為負面驚喜時,股價不僅於發布結束時下跌,在那之後也會持續一段時間,有時甚至會持續數個星期至數個月。反之,若是正面驚喜,股價會持續上漲。概念上類似於動能效應,但市場認為兩者儘管相像卻不同。

學界針對PEAD提出了各式各樣的成因,最頻繁出現的是投資人低估了驚喜。這個假說是,最初的反應並未完全意會到驚喜的影響,之後才逐漸反映至股價。
企業的決算發布消息任誰都能取得。但即使取得這些消息,市場有可能需要時間才能完全消化完畢。對投資人而言,熟悉這個市場性質,磨練消息解讀方法的優勢,可說是相當重要的技巧。

獲利和虧損不對等

對人類來說,獲利和虧損並非對等。舉例來說,投資一百美元獲利十美元時的正面情緒,以及虧損十美元時的負面情緒,即使同樣是十美元,後者在心理上的殺傷力比較大。有人在投資時「完全不想承擔風險」,其最大因素也稱得上是來自這個認知偏誤。而且,所謂投資的「停損」也因此變得相當困難。

研究得知,這個「獲利和虧損的不對等效應」會逐漸遞減。例如:比較一百美元的投資跌為八十美元,以及從八十美元再下跌為六十美元。前者為投資硬生生損失的境遇,會擴大心理上的殺傷力。另一方面,在後者,即使同樣是損失二十美元,由於只是已經體驗過的損失變大,和前者相比,心理上的殺傷力相對來說會變小。

這個「獲利和虧損的不對等效應」是極其簡單的認知偏誤,但它可以說是最劇烈影響投資的認知偏誤。

不去判斷自己要「判斷」

大腦一向選擇走捷徑,這是因為每次判斷事情,都會消耗大腦的能量。大腦甚至會盡可能避免「判斷」,因為大腦喜好「慣性」。

因此,若事先給予「預設選項」,人類往往不會做任何改變,而維持預先的安排。在投資世界中具代表性的例子是確定提撥年金(401K)的投資對象設定。經研究顯示,即使提供加入者各式各樣的投資選項,絕大多數的加入者會選擇預設的選項,不做任何更動。此外,現代人在做某種選擇,像是選擇醫療計畫或是要捐贈的公益團體時,如果預先提供「預設選項」,選擇者真的會放棄選擇,直接使用預設的設定,這樣的行為模式已被研究證明。即使是如同401K這種人生中的重要抉擇,仍會因認知偏誤而妨礙思考,不經任何思考就直接選擇「預設選項」,這對選擇者而言稱不上是理想的結果。

但是,也有學者正意圖將這種負面行為轉變為正面結果。例如:行為經濟學之父理察.塞勒教授就提倡將這種認知偏誤運用於公共政策上。以401K的例子來說,假如許多人會直接選擇預設選項,只要將對公共政策最有利的選項設為預設選項就行了。塞勒教授在暢銷書《推力:決定你的健康、財富與快樂》中講述了這個想法,推力一詞帶有「默默在背上推一把」的涵意。雖然也有部分人士批評此為父權主義,但這可以說是反過來利用認知偏誤的好例子。

此外,在投資界,這種認知偏誤被視為最重要的偏誤,因為對投資顧問公司而言,401K的「預設選項」中是否有自家公司的產品,將大幅影響受託資金的多寡。

再者,一旦被設為「預設選項」,即使整個期中表現不佳,401K的簽約者基於「慣性」而不更換為其他產品的可能性也很高。

各位不妨也趁這個機會重新檢視401K的投資對象。你是不是選擇了預設選項呢?當然,如果這是經過深思熟慮後所做的選擇也很好。

高估容易想到的事情

首先,人類往往會高估「記憶鮮明的事情」。例如:媒體每日報導的事故或事件在記憶中留下鮮明印象,因此人類容易高估那些事情的發生頻率。
再者,人類往往會高估「最近一次發生的事情」。研究顯示,當主管評比下屬時,容易更加重視最近一次的成果,或是評比年度的下半年,而非上半年,這也是因為認知偏誤在作祟。

受到這兩種認知偏誤的影響,就算兩件事情實際上的發生頻率相同,人類也會以為「容易想到的事情」比較常發生。因此,當這兩種認知偏誤在大腦內作祟,將會高估現實中發生頻率極低的事情,而種下危險因子。

舉例來說,假設各位讀者今天目擊了火災事件。日常生活中通常不太會目擊到火災事件,因此火災算是發生頻率極低的事情。但是,如果在目擊火災事件後,請你預測火災發生的機率,你會如何回答?預測的機率是不是比昨天高呢?這是極其自然的想法,但客觀來看,各位讀者遭遇火災的機率,無論昨天或今天,在根本上沒有不同。以這層意義而言,之所以認為機率變高很自然,是由於兩種認知偏誤促使大腦如此思考。

投資世界也會發生「火災」,不幸的是,企業也會陷入窘境,股價崩盤,還會發生企業醜聞。但是,當實際發生「火災」時,投資人會高估這些事情,過度警惕風險,也可能錯失了絕佳的投資機會。警惕風險,是來自認知偏誤的自然反應嗎?抑或是了解認知偏誤的存在,而客觀分析消息,並深入思考後的結果?其間的平衡點將影響投資人的判讀力。

自動投資,閃避陷阱?─量化vs基本面投資人

如果說,人類原本是因為參與投資判斷而受認知偏誤影響,那將人類排除於投資判斷之外不就好了?也就是說,事先建立自己的投資規則,運用資訊科技的力量自動進行投資判斷,如此也就不會因認知偏誤而有所迷惑。

雖然這或許是有點極端的投資哲學,不過我想在此介紹實踐這種投資哲學的投資人,稱為「量化投資人」。量化投資人施展高階的金融理論和數學,建構獨創的演算法,運用龐大的資訊科技力量實行投資策略。雖然統稱為「量化投資人」,但他們所使用的投資策略五花八門,無法以一而論,但我們可以說,量化投資人有別於基本面投資人,往往不著墨於個別企業的基本面。也就是說,基本面投資人基於由下而上的實際調查,進行「有人味」的投資判斷,而量化投資人施展金融理論和資訊科技的力量,進行「排除人為干擾」的投資理論,兩者的投資哲學,可說是兩個極端。

投資業界中,「有人味」的基本面投資人仍占多數。我們心目中的超級巨星巴菲特也是具代表性的基本面投資人。但是,有鑑於金融工程學和資訊科技力量的急速發展,量化投資人也正在增加。

在哈佛商學院不會深入學習量化投資人的投資策略,因為這種專業需要高階數學和資訊技能,極具技術性,學習這種專業不符合哈佛商學院的風格。但是,課堂上會納入知名量化避險基金AQR公司的個案研究等主題,讓學生以個案研究的形式學習量化投資人的概要,並比較量化投資人和基本面投資人。而關於量化投資的技術部分,因為稍微偏離本書主旨,因此本書不會涉入細節。在此則稍微針對量化投資和基本面投資的比較進行說明。

量化投資最大的優點在於,一旦整頓好投資的基礎設備和獨創的運算模型,就很容易追求規模經濟。雖說當然必須進行每日保養,但若演算法成效優良,之後只要每天發揮資訊科技的力量運作模型,應當能提高獲利。當然,能不受認知偏誤影響進行投資判斷,也是一大優點。

另一方面,來看看基本面投資人:

• 針對個別企業的現狀,由下而上進行調查
• 預測未來發展和決算
• 進行投資判斷
• 投資後也要持續監看

這樣的過程需要相應的人力。當然可以運用專為各類投資人打造的工具,縮小調查對象的範圍,或提高監看的效率,但競爭對手也具有相同的條件。要拉開基本面投資人之間的差距,必須使用獨家資源,並將之應用於分析中。活用本書介紹的消息取得方法和解讀方法,就是基本面投資人的風格。

此外,基本面投資人的特徵,還有高度依賴基金創辦人的才能和技能。量化投資可以將創辦人的經驗技術套入演算法或運算模型中,但基本面投資在現實中無法將創辦人的社群網絡和內隱知識封存於手冊等形式中。因此,基本面投資存在業界所謂的「關鍵人物風險」(創辦人基於某種原因離開該基金運作的風險),例如:巴菲特離開波克夏。當然,若量化投資由優秀的創辦人開發模型,也會存在關鍵人物風險,但基本面投資的影響程度仍然比較大。不過,創辦人的社交網絡和技術經驗以人為出發點,代表即使伴隨關鍵人物風險,反而也有競爭對手難以模仿的優點。

量化投資最大的缺點則在於,建立演算法時所運用的數據始終以過去為基準。像金融海嘯這種大大震撼金融市場而使「世界發生變化」的情形,以過往的數據為基準的運算模型效果將大打折扣。量化投資的失敗案例中,最有名的是長期資本管理公司(LTCM)的故事。LTCM的創辦人是諾貝爾獎得主,以九○年代世界最強的量化基金著稱,其運算模型卻應付不了亞洲金融風暴、俄羅斯金融危機等前所未有的壓力等級而破功。講述LTCM從光榮到挫敗的世界暢銷書《天才殞落:華爾街最扣人心弦的風險賭局》是投資業界必讀經典。身為周旋於市場的投資人,LTCM的故事涵蓋了無數啟示,超出量化vs 基本面投資人的範圍,值得一讀。

相較於量化投資,基本面投資擁有更高的彈性,在「世界發生變化」的轉捩點中,能具備機動性,並從中找到機會。因為人類能向過去學習,有彈性的自行改變投資方式。像巴菲特這種基本面投資人最能發揮本領的時候,確實就在這種「世界發生變化」的轉捩點。

基本面投資人vs量化投資人的話題,也帶有人類vs機器的討論面向。現今,在新創風潮當道的美國,成立了許多稱為「金融科技」的金融相關新創公司。其中相當受歡迎的則是發展「機器人理財顧問」的公司,它們販賣由演算法產生的投資建議。這個概念是,將資產運用交給演算法和人工智慧,而非人類。
那麼,人類和機器,誰比較擅長投資運用呢?我認為最佳方案是由人類取得好的平衡點,再運用資訊科技進行判斷,這或許是因為我靠投資維生,但只要人類還是市場的主角,終究是人類才能理解市場。

以上內容由今周刊授權刊登,未經允許請勿轉載。
◎更多精彩內容,請見:《哈佛商學院最熱門的投資課:明星投資人都搶著學的「判讀力」