【~~蚂蚁小弟~~个人专区】

蚂蚁小弟

大大你过奖了，小弟还有很多要学习
就书来讲，还有很多在书单上的书还没有刨完...

况且，书本上写的是死的，是过去
如何活用，创造未来才是重要的

大家一起努力，大家也一起多多分享，大家一起成长吧

蚂蚁小弟

忘了是谁告诉我的故事～～

话说一个商人要谈合约...
见到了某女性高官－Ａ的时候，Ａ就假借很忙而且还未吃饭作借口到外面去谈．而外面自然是某高级购物场所．经过某间店时，Ａ：＂夷？这个手袋款式真好＂，商家醒目的，：＂是啊，你眼光真好，让我买回去给我太太，她一定很喜欢的．＂
另一家店Ａ：＂夷，这个戒指如果买给你老婆带，她一定很喜欢的...＂
商家：＂是咯是咯，况且结婚纪念日要到了，买来给她惊喜惊喜＂

过后回到ｏｆｆｉｃｅ
谈了点细节，Ａ说给她时间考虑考虑吧．商家就告退了

５分钟后，Ａ的电话响了起来．另一头传来商家的声音：＂刚才买的东西留了在你那边，我就不拿了...＂

虽然过后Ａ得到了合约，可是却也蛮麻烦的，不过已经是后话

以上纯属虚构，如有雷同，纯粹巧合
如果有所巧合，请任何有关人士不要自己对号入座...

草下飞

谢谢111楼的分享。。。可是我属于基本派。。。除非我买错了基本面坏的股票。。不然就算股票再跌（除非是认为熊市就快来临，一定要卖掉走人），我也不会止损的。。。

不好意思。。。我太固执了。。。

分享王

我想问一下，通常在finance report里是看individual company 还是comulative 的？

shadow

路过，大力支持蚂蚁兄！

蚂蚁小弟

回复 144# 分享王 的帖子
大部分时间都是看Group的
Company的只是瞄下作参考

回复 143# 草下飞 的帖子
不跑有不跑的道理，不然今天你跑，明天它起...
小弟主要不是要讲cut loss的重要性，而是如何调整自己的资金

蚂蚁小弟

概率和收益先从选股方式成功的概率来解释这个概念，
比如说我用一个密传的高命中率选股方式（虚构的）
它的命中率高达70%，并且这70%的时候都能够带来平均为每次20%的盈利（已扣水钱）
而当它失败的时候，那30%的时候都需要承受平均为每次30%的损失（已扣水钱，提前止损会降低成功率） 从上面的方法看来，期望收益是：
0.70 X 20% - 0.30 X 30% = 14% - 9% = +5%

再看看另一个低命中率的方法：
30%的时候会成功，并且能够有平均为每次30%的收益。
而失败的70%会导致平均为每次5%的损失
期望收益是：
0.30 X 30% - 0.70 X 5% -  = 9% - 3.5% = +5.5%

结论是，不要单单专注于命中率，也不要单单专注于收益或止损，而是需要兼顾。
如果搞清楚小弟要表达的概念后，继续伸延这个概念，如下：

不同情况不同概率和收益当然现实中的选股方法可能会随着不同的因素而给我们不同的机率
比如说在牛市用方法A，可能会给予我们
40%时候赚平均每单20%
30%时候平盘平均亏每单2%（水钱）
30%时候亏平均每单5%
期望收益为：+5.9%

而同一个方法在熊市的时候可能会变成
10%时候赚平均每单20%
50%时候平盘平均每单亏2%（水钱）
40%时候亏平均每单5%
期望收益为：-1%

所以当我们把概率和收益的概念延续伸延的时候，我们不但加入了平盘的可能性，
还加入了相同方法在不同时期的成功概率会不同。
再拿上述的不同时期的概率来比较，比如说如果牛市维持一年后，就会迎来三年熊市的话，
5.9% X 1 - 1% X 3 = 2.9%

也就是说如果你不管牛熊市照搬同一套的话，最后还是会赚钱的。
当然如果你的方法在熊市的期望收益是负的，最好还是不要在熊市交易。

把概念延伸到基本分析的目标价很多时候我们都会对公司的盈利做一定的预测，可是即使是巴菲特自己也说过他是预测不到他手上任何公司接下来的业绩的。
然而，我们却可以对公司的盈利作出几个预测，比如说如果按照以往的10%成长率的话，会是多少，
然后如果按照比以往更低的成长率，比如说减低到5%，又会是多少。再想想没有成长会是多少，负成长5%、10%又会是多少等等。
那么以上说的总共有5个情况，加上好过预计和坏过预计，就有7个情况，如下：

业绩增长%	预计股价受业绩影响的波动	发生的可能性
>10%	>5%	5%
10%	5%	25%
5%	0%	30%
0%	-5%	15%
-5%	-7%	15%
-10%	-10%	5%
< -10%	-20%	5%

然后按照每个会发生的情况，配以一定的概率。就好像Airasia，大家都会认为下一季的业绩都会受马航和油价的影响吧？
可是它的业绩还是有可能继续成长，只不过可能性是相对的低。而这个可能性如果单单靠自己猜的会，准确度当然是很低的。
可是如果对公司的作业有所了解，加上手头上的资料，作出一个可作参考的概率是可能的。

除了配以概率以外，再把业绩增长反映在股价上的效果填上。那么再依照期望收益的算法，看看期望收益是正还是负。
以上的概念还可以延伸到很多不同方面的领域。

甚至是如果同一时间有几个人推荐一只股，而依靠你对这些人推荐的可信程度来写下发生的可能性和预计的收益。又或者同一时间有几家证券行发出了对相同公司的目标价，你也可以用来参考用在以上的概念内。
可靠性这个概念深深的受两个因素的影响，也就是概率和收益。所以用运用这个概念的时候，必须很清醒的告诉自己，这只是自己分析结果的一个判断而现实中的概率和收益是存在差别的。可是这也是投资者厉害不厉害分别的地方。越厉害的，就会越接近现实。你看得越全面，就算得越清楚。孙子有云：

“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。多算胜少算，
而况于无算乎！吾以此观之，胜负见矣。”

另外，用这个方法去思考的话，会更加鼓励我们去寻找更全面的覆盖范围。相比之下单一目标价的方式就显得比较木纳和死板了。

Margin of Safety？当期望收益为负的时候，我们的所作所为，其实就是在进行和赌博相似期望收益的。然而如果期望收益只有1%，那么是否值得我们去做呢？
所以个人可以设下一定的Margin of Safety。也就是只有当期望收益大于一定数值的时候才行动。

然而单单看期望收益也是不足够的。比如说A君和B君打赌，如果B猜对A抛的硬币是正面还是背面的话，A就赔200，猜错的话只需赔100给A。期望收益是正的，可是不同的人会有不同的看法。这就是个人的Risk Appetite在作怪了。所以这个Margin of Safety，不单只是要看期望收益，还要看当中赚钱的机率是否比亏钱高。至于到底多高才算好呢？这就留给个人去思考判断了。

[ 本帖最后由 蚂蚁小弟 于 7-6-2008 11:21 AM 编辑 ]

蚂蚁小弟

谢谢Titep指出错误

已作纠正

[ 本帖最后由 蚂蚁小弟 于 8-6-2008 07:03 PM 编辑 ]

titep_shin

又学到新东西了。。。＝蚂蚁是越长越大只了。。。



30%的时候会成功，并且能够有平均为每次30%的收益。
而失败的70%会导致平均为每次10的损失%
期望收益是：
0.30 X 30% - 0.70 X 5% -  = 9% - 3.5% = +5.5%

我想这里可能需要修改一下
０。７X１０％？

期待继续分享 ：p

flyingfish

蚂蚁兄对expected return的论述很好, 很多观点与我不谋而合。

一些个人观点:

1) 把式子写成:　expected return = p(W) W - p(L) L

p()是概率; W (win), L(loss).

SP: sell price; BP: buy price;

c: transaction cost (这里假设买卖的transaction cost一样, 要更详细可用c1, c2)

p(W) = p (sell P > buy P + 2c)

p(L) = p (sell P < buy P + 2c)

W= (SP - BP - 2c)

L= (BP - SP + 2c)

2) price 在时间的作用下趋向intrinsic value with premium or discount due to market sentiment.

(mispricing渐渐被发现;就算没有，dividend discounted 回去也是价值实现的一种方式)

但intrinsic value 不是fixed value; 是个distribution (有自己的probability distribution),

取决以影响公司获利的任何因素的发生概率；

可在balance sheet, income statement的构成成分上放上base condition, bad condition, good condition(类似sensitivity analysis) 与各自的probability，得出"expected" net income, free cash flow，intrinsic value 等,或相关的distribution.

觉得这样得出来的risk (standard deviation): 才是对的，而不是像在ＣＡＰＭ那样，用return的standard deviation.

Ｓharpe ratio, portfolio optimization等还是可用。

3) sell P, buy price 之差(mispricing：buy price vs intrinsic value)重要, 直接影响p(W), p(L), W, L。　可看出当buy P << intrinsic value: p(W) 高了，p(L)低了；这就是margin of safety..

4) 投资额度和它相关的transcation cost 重要, 影响p(W), p(L), W, L；

尤其是有minimum commission的话。

5) expected return 的论述，可参考：

More than you know by Michael Mauboussin;

Fooled by randomness by Nassim Taleb

[ 本帖最后由 flyingfish 于 9-6-2008 03:04 PM 编辑 ]

蚂蚁小弟

哈哈，终于有高手出来指点指点
谢谢你的指教。

1）我没写出formula是很多人看到formula就昏，所以省略了。
2-4) 正如你所说的，都是很重要的
5）小弟也是看了More than you know by Michael Mauboussin 和 Trade your way to financial freedom 中学习expect return-期望收益的

至于

觉得这样得出来的risk (standard deviation)才是对的，而不是像在ＣＡＰＭ那样，用price的standard deviation.

Ｓharpe ratio, portfolio optimization等还是可用。

这里的standard deviation就不大懂，是不是指我们用distribution算出来的？

至于Sharp ratio 和portfolio optimization等，还有待指教

小弟对名词的东西是比较弱的

再次谢谢大大指点

[ 本帖最后由 蚂蚁小弟 于 9-6-2008 11:29 AM 编辑 ]

flyingfish

哈哈，我不是高手啦，还在学习。
statistics里的standard deviation；可用Excel Help那里看。
http://www.investopedia.com/articles/07/sharpe_ratio.asp
Investopedia网站不错，可查询有关投资的词汇。
这样的算法只是我的想法，觉得较为合理，实行也许可用Monte Carlo simulation，
方法有无经济效应就不知道了。

standard deviation of return, 之前写of price,改正了。

我想Warren Buffett觉得CAPM无用，我猜是源于risk这部分..

portfolio optimization蛮难一言两语解释，基本上maximise portfolio
risk-adjusted return, 也就是Sharpe ratio;
也和diversification有关。

蚂蚁小弟

谢谢你的分享，
其实我也是有把概率运用到财报内重要的数据上
比如说cash flow

可是个人认为概率方面，是需要收集大量资料来support才有用
不然就是斋猜的了

flyingfish

概率我也少用，只用类似sensitivity analysis (+/- %)..
但会想那一个direction比较可能。

你蛮多的观点和我相似，如子弹论，ecology等。
书：
latticework:the new investing (牛顿，达尔文与投资股票)
也许你也会喜欢这本，各种学科的model都可给投资一些insights,谈的是Bill Miller的方法。
Bill Miller, Michael Mauboussin同是LeggMason Fund的。

flyingfish

有关你的”子弹论“。。先谈一部分

我的观点：
我以这样的model分析：
自己投资，需要投入factor：
1。资金： $
2。知识/方法：产生excess return compared to benchmark(index)
3。分析(用知识/方法对raw data提炼): 产生excess return compared to benchmark(index)

整个是个生钱的flow..(假设对的2，3)

1。 每个人的raw resource是时间。，要增加1，2，3，都要用时间。
2。 要maximise return, 时间要花在回酬最高的factor上，花在bottleneck上。
3。 每个人的现状况都不一样。因人而异，我不觉得每个人都应该自己投资。要看各人的opportunity cost. Beat benchmark return不是这么容易，
4。各factor都会有diminishing return的现象。。
资金：太多了，找不到好投资
知识/方法：excess return 11% 增到12%需要的知识比 excess return 1% 增到2%需
要的知识, 需花更多时间来学。。
分析：information overload..

例子：
假设一个人，本$1000。
1小时工作，得$30。学习：1%->1。05%。分析：5%->5。02%
现状：$1000 x 1.01 x 1.05  
用于工作：$1030 x 1.01 x 1.05
学习：$1000x 1.0105x1.05
分析：$1000x 1.10x1.0502

真正算还要考虑需要多久的时间realise value; future value 要discount 回来present
value。

蚂蚁小弟

以下是指瓶颈出现的现象吧？

资金：太多了，找不到好投资
知识/方法：excess return 11% 增到12%需要的知识比 excess return 1% 增到2%需
要的知识, 需花更多时间来学。。
分析：information overload..

不过，你的确说中了我在思考的方向，也就是如何更好的利用现有的资源，因为时间肯定是有限的，可是知识，方法，讯息，分析，判断等等都会用上不少的时间。
时间固然要分配好，不过小弟就没那么详尽的去分析自己的投资了。

flyingfish

也许我的解释不太清楚，给些例子。。
知识：
以时间投入成本来看，例子：
学习ratio analysis,简单的economics, 成本小，回报大(已可学会避开大部分的不好投资，买到所谓value stock)。。
在高一层次，学习financial statement analysis, financial adjustment, industry analysis, economic analysis，corp governance, management，fixed income, derivatives等,时间成本高，回报小。。

分析：
例子：以2小时作公司的ratio analysis, economics,industry analysis,已可找到80%的info。。(成本小，回报大)
再以8小时详细分析financial statement, peer companies, corp governance, biz environment,bond & derivatives,所有子公司等，参加AGM，访问业者，读industry journal等来找到另外的20% info..(成本高，回报小)。

more info doesn't lead to more accuracy (more than you know 第一章的一部份)
有时真要取舍。(。。不需要知道某人的体重来知道他是否肥胖)

蚂蚁小弟

是啊，我之前还有看How I Made $2 Million in the Stock Market
虽然他是以说故事的方式来叙述他的经验
可是当中也有提到收到太多讯息干扰反而造成问题。

另外，more than you know最后几章所提到的蚂蚁的群体合作让我感触蛮深的，正在思考是否能够有志同道合的朋友组成一组合作
可是实际实行的确是很多问题
毕竟，人类不是蚁群，不会单单为了群体利益而已...

小股民

我随时可以是另一只蚂蚁。。

flyingfish

是不是chapter 22 开始的几个chapter ?
觉得在Cari这样的讨论已是某种互利的合作了，大家都扩大了视野，缩小了盲点。。
Johari window..
也许我该更详细的研读more than you know..每次读都有新的体会。

志同道合的朋友组成一组合作：
资讯上合作还可能。
真正投资上合作也许蛮难的，兴趣/性格/作风/scope/观点都不同，而且由谁决定很难定夺。。就算decision by vote,也可能导致退出。。
而且大多数投资我想都是业余的，没时间。。

蛮多组合是二人团队：(但也许还有其他人)
Warren Buffett & Charlie Munger,
George Soros & Jim Rogers,
Bill Miller & Michael Mauboussin(这不知算不算)