本文来自伍治坚证据主义，作者：伍治坚
买什么样的股票更赚钱？这是反复折磨广大股民和职业投资经理的终极问题。为了探寻这个问题的答案，古今中外的投资者们可谓使出了浑身解数。
就好像武侠小说中的不同流派，在投资界也有不同的策略风格。比较常见的有：价值、低波动、小市值、动量等。基于不同国家股市在不同历史时期的统计研究表明，长期坚持购买并持有符合一定特征的股票，能够为投资者带来更好的投资回报。在金融投资里，这样的投资方法也被称为“聪明贝塔”，意为比获得市场平均回报（贝塔）更聪明一些的投资策略。
对于“聪明贝塔”投资策略的研究，在最近几年获得了长足的进步。一个非常重要的发展，是除了上面提到的价值、低波动、小市值等投资因子之外，研究人员发现了数以百计的其他因子。举例来说，在定义一个股票属于价值还是成长股时，我们可以用多达几十种不同的标准。除了最常用的市净率，还包括负债率、市盈率、市现率、分红率、企业价值倍数等其他指标。
哪怕只是市盈率，也可以用静态市盈率、动态市盈率、TTM市盈率等不同的计算方法。基于类似的逻辑，在动量、投资、流动性等因子类别下，都可以衍生出数以百计的衍生因子。把这些不同的因子再互相排列组合（Yan and Zheng, 2017），找出数以万计的，看上去好像可以战胜市场的投资策略，也不是不可能。
问题在于，这种基于“数据挖掘”得出的投资结论，不太经得起现实的考验。数据挖掘的意思，是只要有数量足够多的尝试，你总能找到一些看似有效的规律。但事实上，这些规律本来压根就不存在，只是在经过了大量的尝试以后得到的随机巧合而已。金融投资的研究领域，是数据挖掘的重灾区。
在最近的一篇研究（Hou et al, 2020）中，作者基于过往发表过的金融研究论文，检验了近500个最常见的投资因子变量，发现大部分的研究结论都无法复制。无法复制的变量比例，高达64%。换句话说，基于因子投资的64%的研究结论，都不太靠谱，值得我们质疑。在某些特定的投资因子类别，比如流动性因子类别中，竟然有高达93%的研究结论无法被复制。
该研究结论，相当于在金融投资学术领域扔了一枚炸弹。它揭示了一个大家心照不宣，但却多多少少都心知肚明的丑陋事实，那就是在专业期刊上发表的学术论文，包含不少“水文”，其结论似是而非，经不起更严格的标准的检验。如果轻信这些论文的结论，并拿出真金白银去股市中投资，很可能会大失所望，蒙受损失。
为什么有如此多的金融研究得出了不靠谱的结论？他们的研究结论，到底和现实在哪个地方脱节？
一个很重要的原因，是微市值股票。微市值股票，通常指那些市值介于5千万美元到3亿美元之间的上市公司。由于他们的市值比较小，因此被称为微市值股票。在美国的三大证券交易所里，微市值股票约占到所有上市公司总市值的3%左右，但是其数量却占到了所有上市公司数量的60%左右。
绝大部分所谓的战胜市场的超额回报，都来自于这些微市值股票。然而在现实中，微市值股票的流动性很差，交易摩擦费用很高，价格波动比较剧烈，投资者想要真正通过买卖微市值股票来获得更好的投资回报的话，其难度要比理论上显示的难得多。如果剔除这3%的微市值股票，那么很多看上去可行的投资策略，就不再灵验，也无法为投资者带来更好的投资回报。
这些统计，揭示了一个很重要的道理，那就是股票市场中的大市值股票，其有效性要远远高于小市值和微市值股票。
研究（Farboodi et al, 2020）显示，美国市值最大的500家上市公司，其股价变化和未来的盈利预期高度吻合。这些公司股价的有效性，在过去几十年越来越高。因此想要通过任何一种选股方法来战胜市场，获得更好的投资回报，简直是难上加难。反倒是那些市值更小的公司，由于关注的人少，信息不对称更加严重，因此股价有效性远不如大市值股票。
简而言之，在小市值股票和微市值股票中，投资者如果拥有一定的信息或者其他优势，更容易战胜市场，获得更好的投资回报。特别是那些估值比较低、股本回报率比较高的小市值股票，更可能为投资者带来超额的投资回报。
这个结论，恰恰和巴菲特倡导的价值投资理念不谋而合。当然，前提是投资者需要掌握比别人更精确的信息，或者更准确的判断，或者某一方面的优势。如果没有这些优势，那就不要幻想自己有战胜市场的可能。
很多投资者，不管是业余的散户股民，还是职业的基金经理，都不容易满足于仅获得市场平均回报。在他们眼里，平均回报太过平庸，自己至少要获得平均以上的回报。然而在现实的股市中，处处是陷阱。如果学而不精，投资者反而可能弄巧成拙，拿到的投资成绩让自己大失所望。不要过高估计自己的投资能力，不要轻易低估战胜市场的难度。时刻保持谦逊和谨慎，才是真正的大智慧。
免责声明：
本文版权归第三方作者所有，相关授权事宜请联系原作者。文中观点均来自原作者，不代表金十观点及立场。特别提醒，本文内容仅供参考，不作为实际操作建议，交易风险自担。
声明：以上内容来自于网络，如有侵权请联系删除。
暂无评论内容