《信息与决策在投资中的真正要义-牢牢掌握供给与需求的变化与水平》

世界扑克大赛冠军，认知心理学博士安妮.杜克在今年的访谈文章结束时说，当我们面对一个问题时，首先要明确该问题是可解的还是不确定的，需要获取多少信息才可以找到最终答案，获取这些信息的时间价值是多少，做出选择的时间还剩多少。这些都是需要考虑的方面。

安妮.杜克想要表述的中心思想是，得到尽可能完整客观的信息与及时作出决策（即使很困难）是所有数据处理，统计分析与管理工作的核心，投资一样。

第一部分，投资最重要的一环就是获取信息。

现实生活里，投资者即使关注1000个优质微信公众号并到达关注上限，获取的信息质量却赶不上主动搜寻信息动作的10%。我们仔细阅读几百页枯燥乏味的季报，财报信息，数据也都是滞后变量，重要时点同样没有办法去准确预测未来。依靠后视镜看未来绝大多数时候没有错，但大事件时期（例如新冠疫情）还这样做，相信我，投资者会摔的比谁都痛。但如果真正掌握资产定价模型

P(价格)=E(MX)=E[折现率的变化(信贷周期)*预期自由现金流的变化(经济波动)]

的精髓，就大概率不会出现后视镜错误。同时，女性在面对这种充满了不确定性的大事件时期时，其判断敏感度与准确度远胜男性。

所以客观信息获取越多，不确定性越少，投资决策质量越高。可惜的是，这些还远不足够。好的投资者还要能够把不完整甚至碎片化的信息勾连起来，并通过这些信息把模糊不清的未来具像化，可视化，再转换成劳动生产率数据，为当下作出关乎未来的正确决策打下坚实基础。

2020年年初爆发的新冠疫情对很多行业造成了巨大负面冲击，无数企业破产关门。但也有行业却因此而焕发新生。今年5月初通过新闻知悉某个行业订单急剧增加时，直觉立即告诉我们这个订单边际正面变化（需求端）肯定不是暂时的，至少会持续两到三年。但是直觉远远不够，所以我们立即锁定了目标上市企业，关注了企业的所有微信公众号，同时通过百度每日搜索行业新闻。我们发现每周都会有大量正面行业新闻，从国内到国外。这些主动搜寻得到的信息是关注一千个公众号都做不到的。

但是到了6月份，企业生产厂长接受采访时说的1-5月累计销售增长率的数据却和新闻报道大不一样而且偏低时。很多投资者会停滞在犹豫怀疑状态，认为怎么会这样，让不确定性阻碍自己做决策。这个时候需要有第二层次思维。

首先我们对5个月数据进行拆解做进一步分析。第一季度明显负增长，第二个季度已经过去的两个月却把全年数据带到了现在的增长率水平。这时4-5月份的数据我们可以根据客观信息和已经得到的累计增长率结果进行反向推导。推导后会知道市场突变以后这两月增长率变化区间范围。

第二个问题，突变后增长率能够维持吗？是否如新闻所说只是暂时。当搜索得知行业知名国际品牌6月上旬接到的订单已经排到12月底的时候，我们就知道整个行业的情况已经大差不差在那里。7-12月下半年销售增长率区间范围（含扩大再生产以满足激增订单需求）这时也能被合理推断出来，再匹配突变的第二季度数据，负增长的第一季度数据，今年全年销售额增长率数据即被确定。

要的就是这个确定性，因为变量变了，一切都变了。而变量的变化范围区间再被确定，年度销售利润表数据变化范围就被确定，年度损益表数据变化范围就被确定，年度预期自由现金流变化范围就被确定。

更进一步，如果6月上旬即知道到年底的年度订单数据，我们可以假设到7月底即可以知道明年第一季度结束时的订单数据和增长率区间，暴增是确定的。而从明年第二季度开始，虽然销售额继续增长，但增长率会开始回落，明年第三季度及以后的增长率回落速度会更快。这意味着我们会知道陡峭突变后的销售额增速将会在明年第一季度触顶。对理性投资者来说，这已经足够了。而更重要的是我们发现目标企业股票处于历史低位。

虽然销售额增速明年第一季度会触顶，从第二季度开始回落，而净资产收益率（ROE）曲线却不会。因为净资产收益率是净盈利复合增长率，明年第一季度的销售额继续爆增，带动净盈利继续爆增，第二季度到第四季度维持合理的净盈利增长速度后，净资产收益率曲线2021年全年将会到达比今年更高的水平。后面几年如果按照欧洲行业协会的预期能够继续保持中高速增长，净资产收益率水平经过适当会计调整可以一直维持在稳定高位，也就是ROE曲线的高位平坦。

那么这些预期会计数据与股票收益率又有什么关系呢？答案是学术界对这个主题的研究论文有很多，最经典的是Ball and Brown (1968)《 An Empirical Evaluation of Accounting Income Numbers》。1968年这篇划时代论文是第一篇将 accounting income number 和股票收益率联系起来的文章，创新性地揭示了两者之间非常重要的正相关关系，

关系一，个股的超额收益率和与会计 income 相关的信息呈现出正相关。Unexpected income change 为正（good news 组）的公司股价随着事件的进展逐渐上升；unexpected income change 为负（bad news 组）的公司股价随着事件的进展逐渐下降。说明会计数字和股票收益率是紧密相关的。

关系二，在 M = 0 代表的 earnings announcement month，股票价格并没有出现显著的跳变。平均来看，个股的绝大部分 abnormal return 都在事件发生前（即 M = 0 之前）12个月发生了。

多么重要的结论！同时论文里还有两个发现非常重要，

1，Income numbers 都受到经济因素的驱动。

我们认为：准确预测自由现金流的重点并不是行业趋势，行业趋势只是表，不是里。里是供给与需求，这个经济学基本原理要牢牢把握，这才是核心变量。无论是供给还是需求哪一侧搞出大状况，行业趋势自然发生变化，所以我们可以说行业趋势是因变量或者从属变量。

2，Income change 中包含了可预期部分（关联部分）和预期之外部分（公司特异部分），而后者才是要考察的对象。

我们认为：经济学里有个重要概念叫理性预期。指经济活动者为了谋求个人利益最大化或者厂商利益最大化，能够有效利用一切信息，对与经济决策有关的不确定性进行预测，然后微观分析与宏观分析方法相结合。因而它是理性的，其结果与客观的理论预测大体一致，虽然有误差项。

这实际是在告诉我们管理好未来未发生数据才是投资理财的真谛，是投资圣杯。让我们再从时间线上再解释一次。理性预期指事情或变化在发生前半年或一年被准确判断（利用信息），再是新趋势商业行为不断发生，发生后三个月是季度财务数据报告，然后半年度，年度。财务数据发生与预期之间差了半年到1年时间间隔。而论文告诉我们个股的绝大部分 abnormal return 都在事件发生前（即 M = 0 之前）12个月就发生了。所以要多看论文，哈哈哈哈哈。

这样再看其实明年4月份出的全年财报各项数据变动范围在今年5月份就可以被推导出来，提前了接近12个月。而最著名的资本市场有效性假说指在资本市场上总会有一些投资者愿意付出一定的时间和金钱来收集与分析有关信息以作出更优的投资决策，这些投资者比其他投资者有信息优势，在资本市场上的操作会让这些信息迅速反映在资本资产的价格中。当存在大量的这种投资者时，资本市场会非常迅速地调整资本资产的价格, 不会给投资者留下任何进一步获得异常报酬的机会。因此，当可观测的股票价格波动与收益数据信息发布存在关联关系时，可以证明会计收益所反映的信息是非常有用的。

所以，我们需要有能力把不完整的新闻，碎片化的信息勾连起来并转换成会计预期收益数据。好的正面的会计预期收益数据将会引起具有前瞻分析能力的投资者的注意，股票需求的边际变化开始发生。随着时间推移，好的数据将会引起越来越多投资者的注意，股票需求水平逐渐提高，直至最终股票价格大幅上涨。转换成资产定价模型角度，因为预期到P=E(MX)里的X（预期自由现金流）急剧增加，激发了股票市场买入需求，而股票供给有限，这样最终带动股票价格大幅上涨。

这就是信息在投资中的真正要义之一，能够解读信息并把握供给与需求的边际变化，同时能够通过计算转换成会计预期收益数据，正面或负面。

需求暴增且刚性很强而供给有限，相关公司的订单自然大幅增加，远不能满足市场需求产品价格自然暴涨。原材料，管理成本不变基础上净利润暴增是应有之义，同时增长要与锚（水平-基准）一起判断。如果需求暴增让10%ROE净资产收益率突变达到了35%，并且能够维持，性质就发生了根本变化。因为这时股东WACC要求收益利率标准不仅达到，还多出来25%的剩余收益率。按照托宾Q原理，这么好的优质资产投资者自然趋之若鹜。

供给不变如果需求没了比如今年的原油，所有飞机停飞，汽车停驶，火车停运，原油价格需要重新定价，市场价格自然暴跌。如果需求弹性不足，很刚性，供给突然没了，就变成供给侧断层冲击，市场价格自然暴涨，比如这两年的生猪供应。都是重新定价的过程，直到供给与需求两条线重新相交于新的均衡点。

投资理财从本质上来讲就是准确定价折现率变化与预期自由现金流变化的连续随机方程。牢牢掌握供给与需求原理是核心变量。任何一侧起变化，可以马上设置好损益表等报表格式和10种不同场景，预测未来EPS预期变动范围，再核算净资产收益率水平变化。所有的一切都是净利润预期，净利润预期，还是净利润预期，而自由现金流是净利润的重要组成部分。对于股票二级市场，销售，内部管理，无数的愿景，战略，战术，都是从属变量，为E(X)服务。觉得供需哪一侧有大变动，就当论文课题去主动寻找所有相关信息，达到客观后再展开想象力。让数字随你的计算和想象而动，后面你觉着数字应该这样舞蹈才对，她们就这样舞蹈。推断股票价格应该就是上涨，几个月后股票价格最终就是上涨。

这就是信息在投资中的真正要义之二，根据信息计算供给与需求的边际变化水平并转换成风险溢价。风险溢价水平越高，投资者的预期收益率也就越高。

第二部分，投资最重要的另一环就是做决策。

决策的结果直接影响收益的好坏，每个人都希望做出最好决策。但是股票市场的决策，可以浓缩成两个字，买与卖。而这两个字最难，无数人挫败于此。因此民间有句俗语，股票市场上会买的是徒弟，会卖的才是师傅，而买就已经够难了。这里我们用数学和资产定价模型来解答什么是徒弟，什么是师傅这两个问题。

净资产收益率曲线变化与水平帮助我们确定什么是好公司。另外还有一条非常重要的曲线，预期收益率曲线，这条曲线帮助我们做出好的投资决策。因为好公司和好投资是两个完全不同性质的事情。

首先来看对徒弟（买的好）的解读。

正常情况下，股票价格上涨，预期收益率下跌；股票价格下跌，预期收益率上涨。股票价格上涨到顶部，预期收益率触底；下跌到底部，预期收益率触顶。预期收益率曲线在什么位置，高位还是低位，还是在中间，这时风险溢价还有多少，距离要求收益率，无风险收益率还有多少距离，还有没有足够的吸引力，都一清二楚。净资产收益率曲线和预期收益率曲线两条曲线所在的位置要放在一起衡量，再加上金融心理分析指标模块（比如超买超卖）做匹配，这样就共同构成决策行动战略及指引。

如果净资产收益率曲线将会从低位平坦去到高位，而预期收益率曲线也已经到达高位，远超高利贷利率，再向上变动的空间已经没有。或者净资产收益率水平很高，但碰到熊市，股票价格不断下跌到底部，预期收益率触顶。这时就是理性投资者采取行动的最佳时机，分期分批逐步买入。

再来看对师傅（卖的好）的解读。

我们有四种资产定价模型能够去预期股票价格波动区间，当然包括头部价格区间。

1，经典金融模型P=MX。证券价格的变动=折现率的变动数据*预期自由现金流的变动数据。

2，久期模型。证券的价格变动=【预期现金流的变动-折现率的变动】*久期。

3，供给侧收益率模型。证券的价格变动= 通胀 I 的新数据 股息率D/P的新数据 盈利增长G的新数据-长期无风险收益Y的新数据。ERP = D/P G I - Y

4，无风险收益率模型（托宾Q模型）。证券的价格变动=（预期收益率高企时的ROI-无风险收益率时的ROI）除以无风险收益率时的ROI再乘以每股净资产。也可以变为泡沫收益率模型。

因为新冠疫情爆发而产生好的投资机会，需要我们做出好的决策。决策的价值，时间的价值将会在未来2年得以最终体现。而能够持续持仓的自信与时长等于并来源于我们等待净盈利复合生长成长曲线不断攀登高峰最终触顶再平坦直到下跌的时长。

这就是决策在投资中的真正要义，根据信息把我们对供给与需求的边际变化与水平的新认知变现。

从鱼头吃到鱼尾，再把鱼汤喝完。哈哈哈哈哈。

Variables change, Change everything!