變，是唯一的不變：投資人面對變局的思考框架
文／《企業估值投資：華爾街頂尖智庫的估值心法，看透企業體質好壞，正確買進》亞斯華斯．達摩德仁著．三采文化
無論研究哪個領域，許多研究和從業人員的夢想，便是找出一套能夠解釋所有實際觀察到的行為的理論架構，並建立一個可用來預測未來行為的模型。
在自然科學領域，這樣的追尋受到自然本身的協助，因為自然對可觀察現象施加了秩序，讓理論更容易接受嚴謹的檢驗。相較之下，在社會科學中，這樣的追尋就顯得較不集中，部分原因是人類行為不見得會遵循可預測的模式。
不難理解，為什麼我們會追求能夠解釋一切的普遍理論，因為這些理論承諾能從混亂中恢復秩序。然而，這樣的追尋也伴隨著風險。
最重大的風險，是「過度延伸」。也就是本來合情合理的理論被推展到極限、甚至超出適用範圍，用以解釋那些原本不涵蓋在內的現象。當一種理論成為一門學科當中的主流思想時，人們就會禁不住用它來解釋一切。
第二個重大風險，是偏見（bias）。當某個理論的支持者越是狂熱，他們在評估證據時就越可能產生選擇性，只看見他們想看的數據，聚焦於支持該理論的證據，並且否認和它矛盾的證據。然而，若某個理論存在缺陷，或者根本就是錯的，那麼隨著越來越多相反的資料和證據浮現，它最後就會被修正，甚至遭到淘汰－－只是這通常得等到它被一群過於執著的擁護者搞出一堆問題之後才會發生。
解釋市場的三大方向
經濟學是一門社會科學，它跟其他社會科學的差別，主要是經濟學家可以輕鬆取得大量相關數據，尤其是市場的數據。
長期以來，研究者和許多從業人員都曾嘗試提出經濟理論或模型，來解釋從企業投資決策、融資與股利政策，到投資人如何為公司定價等各種現象。在本節中，我將回顧過去 70 年來一些試圖建立「總體金融理論」的努力－－並說明為何這些嘗試最後都未能達到預期的理想目標。
金融理論，沙盤推演的局限
金融學是從經濟學延伸出來的一個旁支，許多早期的金融理論，也理所當然出自經濟學圈子，尤其是經濟學家對研究風險迴避1與效用函數2的研究，推動了對市場價格與投資報酬等金融理論的探索。
現代金融學的起點，可以追溯到哈利．馬可維茲（Harry Markowitz）3提出的現代投資組合理論（modern portfolio theory），而統計學的發展也促成了此一突破。事實上，馬可維茲援引了大數法則4，主張在相同風險水準下，若投資於彼此間波動不一致的多種風險資產，其組合報酬將優於單一資產的投資結果。
其理論中的效率前緣（efficient frontier），提供了一個優雅的方式，把投資決策過程概括為：在風險影響的限制下，追求更高的報酬。
馬可維茲理論的影響力遠不止於能夠產生最佳化的投資組合，因為它澈底顛覆了市場中對風險的基本認知。它取代了過去那種認為投資人應該單獨評估個別投資風險的觀點，轉而主張：一項投資的風險，取決於它納入整體投資組合後，對組合的整體風險所造成的影響，而非它本身的波動程度。
約翰．林特納（John Lintner）和威廉．夏普（William F. Sharpe）將無風險資產5引入馬可維茲架構後，改變並簡化了效率前緣的形狀。他們證明，對所有投資人而言，無論風險迴避程度為何，將一項無風險資產和一個高度多元化的投資組合（稱為「市場投資組合」，因其涵蓋市場上所有可交易資產，並依各資產市值權重持有）結合，能夠產生比任何純由風險資產構成的投資組合更佳的風險／報酬取捨（risk return trade-off）。
林特納和夏普提出的資本資產定價模型（capital asset pricing model，金融怪傑們稱為 CAPM），其影響力遠超出模型本身的核心應用，因為它提供了一個線性方程式，能用來解釋風險資產的過去報酬率，並預測其未來表現：
E（投資報酬率）＝無風險報酬率＋Beta 值（風險係數）
（市場投資組合的預期報酬率─無風險報酬率）
這條公式的影響相當廣泛，從企業用它來決定報酬率的最低門檻（以決定是否接受或拒絕投資案），到投資人用它來評估個股和投資組合的預期報酬率，讓它成為史上應用最廣及研究最深入的經濟模型。
然而，這些研究卻揭示了一個必須正視的事實：這個模型在面對市場中的大範圍區塊時，缺乏足夠的預測力。
以理論為依據所建立的模型（即從經濟學第一原理6出發，逐步推演而成的模型），其優點在於這樣的發展過程能避免你把觀察到的數據，強行套入自己對世界運作方式的既有成見。缺點則是為了這個模型的實用性，我們必須對人類行為做出簡化假設（從人們如何得到效用，到理性的構成方式），而只要這些假設存在錯誤，最終就可能得到理論上很優雅，卻無法有效解釋現實世界的模型。
用數據說話，是真理還是人造偏見？
正當馬可維茲投資組合理論，與資本資產定價模型被推展為能解答所有金融領域問題的方法之際，一群以芝加哥大學為中心的研究人員則提出了截然不同的方法，他們相信：市場是有效率的，而市場價格能如實反映所有資訊，是了解真相的最佳指標。
在效率市場的觀點中，市場反應為商業決策的優劣提供了決定性的判斷標準：好的決策會激發市場正向反應（價格上漲），壞的決策則會引發負面反應（價格下跌）。
至於主動投資（投資人試圖在股市裡挑選最佳股票、擇時買賣），從效率市場的觀點來看毫無意義，因為市場價格已經反映了所有可取得的資訊。
數十年來，大量市場層面與企業層面的數據都能輕鬆取得，甚至可以說，金融領域在其他領域意識到大數據魅力之前，就已經率先發現並且加以運用。
事實上，第一個嚴肅挑戰資本資產定價模型的對手，是套利定價模型（arbitrage pricing model），在這個模型中，研究人員使用觀察到的資產價格與相關預期報酬率的數據，連結到統計上（但未具名的）因素。在套利定價模型裡，假設市場上風險資產的定價能有效防止無風險套利（arbitrage），那麼便可以從市場價格中推導出風險因子。
這些以數據為基礎的定價嘗試，始於 1970 年代晚期，並隨著宏觀與微觀經濟數據的取得日益普及與深化，在隨後幾年迅速成長，最終發展出多因子定價模型（factor pricing models）。1992 年，尤金．法瑪（Eugene Fama）與肯尼斯．法蘭屈（Kenneth French）分析了 1962 至 1990 年間所有美國股票的報酬率，並指出這段期間股票年報酬率的變異，有很大一部分可以用兩個特徵來解釋：市值（market capitalization）與帳面價值對市價比7（book-to-market equity ratio）。
具體來說，他們發現小型股且帳面價值對市價比高（即市淨率較低）的股票，年報酬率普遍高於大型股且帳面價值對市價比低（即市淨率較高）的股票。他們將這種較高的報酬，歸因於小型股與市淨率低股票所承擔的較高風險。往後幾年，隨著研究人員取得更豐富的數據，他們在解釋市場報酬率差異的清單上，又添加了幾個特徵，這些特徵大致上可以歸類為因子定價模型（factor pricing models）。
到 2019 年時，主流金融期刊已有超過 400 個用來解釋價格波動與報酬差異的因子被辨識出來，因而有部分研究人員將這種現象戲稱為「因子動物園」，並主張這些能解釋市場變動的因子，大部分其實該歸因於數據挖礦（data mining），而不是市場行為。
若說學術圈被數據驅動的定價模型吸引，是因為它們能解釋投資人與市場行為，那麼金融從業人員被吸引，則是因為更務實的理由：只要這些模型能發現市場錯誤定價，對於能識別出市場失誤並從其修正中受益的人而言，就提供了獲利的可能。量化交易之父吉姆．西蒙斯（Jim Simons）就是早期受用者之一，他憑藉數學與統計專長，在數十年間持續獲得超越大盤的報酬8。
近年來，量化投資已吸引更多玩家加入這場遊戲，當強大的電腦運算能力被引入後，人們利用數據尋找投資機會所能帶來的報酬率也隨之下降。簡單來說，運用強大電腦尋找賺錢機會的做法，就好比 2010 年代初期的高頻交易者（high-frequency traders），隨著新進投資人挟著他們的高科技方法進入市場，這些利潤機會也開始進入倒數計時。由數據驅動的定價模型，在解釋所觀察到的行為方面，確實優於理論模型。但你也可以主張這樣的比較並不公平，因為數據驅動的模型，保有增加更多或不同變數的能力，可以不受理論限制，甚至無需為某個因子的存在提供經濟上的合理性。
身為一個與數據打過交道、並自認是數據信徒的我，非常清楚操縱數據、使其產生你想看的結果有多麽容易，尤其當你心中已有強烈的既定立場時更是如此。簡單來說，在金融與投資領域，數據的取得已證明是一種好壞參半的結果－－一方面產生了某些強有力的分析成果，但同時也伴隨著大量偽稱由數據支持的詭辯。
1 譯注：風險迴避（risk aversion），指當人面對不確定報酬的交易時，更傾向於選擇更保險，但也預期報酬可能更低的交易。
2 譯注：效用函數（utility functions），表示消費者「在消費中所獲得的效用」與「所消費的商品組合」之間數量關係的函數。其被用來衡量消費者從既定的消費組合中所獲得的滿足程度。
3 譯注：馬可維茲對現代金融經濟學理論的開拓性研究，被譽為「華爾街第一次革命」、「投資界的大爆炸理論」，並因此獲得 1990 年諾貝爾經濟學獎。
4 譯注：根據大數法則（the law of large numbers），樣本數量越多，則其算術平均值就有越高的機率接近期望值。
5 譯注：無風險資產（riskless asset）會產生無風險報酬，指在投資時就能完全確定未來收益的資產，通常是短期公債。
6 編按：經濟學第一原理（First principle），指經濟學中最基本的假設與原則，例如個體理性、效用最大化、資源有限，與機會成本等，作為推導更高階理論的出發點。
7 譯注：帳面價值對市價比（book-to-market ratio），是指公司股東權益的帳面價值與其市值之比率，常用來衡量公司相對於市場評價的高低。
留言 0