.mac-os-11 { --title-bar-height: 28px; } html { font-size: 14px; background-color: var(--bg-color); color: var(--text-color); font-family: "Helvetica Neue", Helvetica, Arial, sans-serif; -webkit-font-smoothing: antialiased; } h1, h2, h3, h4, h5 { white-space: pre-wrap; } body { margin: 0px; padding: 0px; height: auto; inset: 0px; font-size: 1rem; line-height: 1.428571; overflow-x: hidden; background: inherit; } iframe { margin: auto; } a.url { word-break: break-all; } a:active, a:hover { outline: 0px; } .in-text-selection, ::selection { text-shadow: none; background: var(--select-text-bg-color); color: var(--select-text-font-color); } #write { margin: 0px auto; height: auto; width: inherit; word-break: normal; overflow-wrap: break-word; position: relative; white-space: normal; overflow-x: visible; padding-top: 36px; } #write.first-line-indent p { text-indent: 2em; } #write.first-line-indent li p, #write.first-line-indent p * { text-indent: 0px; } #write.first-line-indent li { margin-left: 2em; } .for-image #write { padding-left: 8px; padding-right: 8px; } body.typora-export { padding-left: 30px; padding-right: 30px; } .typora-export .footnote-line, .typora-export li, .typora-export p { white-space: pre-wrap; } .typora-export .task-list-item input { pointer-events: none; } @media screen and (max-width: 500px) { body.typora-export { padding-left: 0px; padding-right: 0px; } #write { padding-left: 20px; padding-right: 20px; } } #write li > figure:last-child { margin-bottom: 0.5rem; } #write ol, #write ul { position: relative; } img { max-width: 100%; vertical-align: middle; image-orientation: from-image; } button, input, select, textarea { color: inherit; font-style: inherit; font-variant-caps: inherit; font-weight: inherit; font-stretch: inherit; font-size: inherit; line-height: inherit; font-family: inherit; font-size-adjust: inherit; font-kerning: inherit; font-variant-alternates: inherit; font-variant-ligatures: inherit; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-variant-position: inherit; font-feature-settings: inherit; font-optical-sizing: inherit; font-variation-settings: inherit; } input[type="checkbox"], input[type="radio"] { line-height: normal; padding: 0px; } *, ::after, ::before { box-sizing: border-box; } #write h1, #write h2, #write h3, #write h4, #write h5, #write h6, #write p, #write pre { width: inherit; position: relative; } #write svg h1, #write svg h2, #write svg h3, #write svg h4, #write svg h5, #write svg h6, #write svg p { position: static; } p { line-height: inherit; } h1, h2, h3, h4, h5, h6 { break-after: avoid-page; break-inside: avoid; orphans: 4; } p { orphans: 4; } h1 { font-size: 2rem; } h2 { font-size: 1.8rem; } h3 { font-size: 1.6rem; } h4 { font-size: 1.4rem; } h5 { font-size: 1.2rem; } h6 { font-size: 1rem; } .md-math-block, .md-rawblock, h1, h2, h3, h4, h5, h6, p { margin-top: 1rem; margin-bottom: 1rem; } .hidden { display: none; } .md-blockmeta { color: rgb(204, 204, 204); font-weight: 700; font-style: italic; } a { cursor: pointer; } sup.md-footnote { padding: 2px 4px; background-color: rgba(238, 238, 238, 0.7); color: rgb(85, 85, 85); border-radius: 4px; cursor: pointer; } sup.md-footnote a, sup.md-footnote a:hover { color: inherit; text-transform: inherit; text-decoration: inherit; } #write input[type="checkbox"] { cursor: pointer; width: inherit; height: inherit; } figure { overflow-x: auto; margin: 1.2em 0px; max-width: calc(100% + 16px); padding: 0px; } figure > table { margin: 0px; } thead, tr { break-inside: avoid; break-after: auto; } thead { display: table-header-group; } table { border-collapse: collapse; border-spacing: 0px; width: 100%; overflow: auto; break-inside: auto; text-align: left; } table.md-table td { min-width: 32px; } .CodeMirror-gutters { border-right-width: 0px; border-right-style: none; border-right-color: currentcolor; background-color: inherit; } .CodeMirror-linenumber { -webkit-user-select: none; } .CodeMirror { text-align: left; } .CodeMirror-placeholder { opacity: 0.3; } .CodeMirror pre { padding: 0px 4px; } .CodeMirror-lines { padding: 0px; } div.hr:focus { cursor: none; } #write pre { white-space: pre-wrap; } #write.fences-no-line-wrapping pre { white-space: pre; } #write pre.ty-contain-cm { white-space: normal; } .CodeMirror-gutters { margin-right: 4px; } .md-fences { font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; overflow: visible; white-space: pre; background: inherit; position: relative !important; } .md-fences-adv-panel { width: 100%; margin-top: 10px; text-align: center; padding-top: 0px; padding-bottom: 8px; overflow-x: auto; } #write .md-fences.mock-cm { white-space: pre-wrap; } .md-fences.md-fences-with-lineno { padding-left: 0px; } #write.fences-no-line-wrapping .md-fences.mock-cm { white-space: pre; overflow-x: auto; } .md-fences.mock-cm.md-fences-with-lineno { padding-left: 8px; } .CodeMirror-line, twitterwidget { break-inside: avoid; } svg { break-inside: avoid; } .footnotes { opacity: 0.8; font-size: 0.9rem; margin-top: 1em; margin-bottom: 1em; } .footnotes + .footnotes { margin-top: 0px; } .md-reset { margin: 0px; padding: 0px; border: 0px; outline: 0px; vertical-align: top; background: 0px 0px; text-decoration: none; text-shadow: none; float: none; position: static; width: auto; height: auto; white-space: nowrap; cursor: inherit; line-height: normal; font-weight: 400; text-align: left; box-sizing: content-box; direction: ltr; } li div { padding-top: 0px; } blockquote { margin: 1rem 0px; } li .mathjax-block, li p { margin: 0.5rem 0px; } li blockquote { margin: 1rem 0px; } li { margin: 0px; position: relative; } blockquote > :last-child { margin-bottom: 0px; } blockquote > :first-child, li > :first-child { margin-top: 0px; } .footnotes-area { color: rgb(136, 136, 136); margin-top: 0.714rem; padding-bottom: 0.143rem; white-space: normal; } #write .footnote-line { white-space: pre-wrap; } @media print { body, html { border: 1px solid transparent; height: 99%; break-after: avoid; break-before: avoid; font-variant-ligatures: no-common-ligatures; } #write { margin-top: 0px; border-color: transparent !important; padding-top: 0px !important; padding-bottom: 0px !important; } .typora-export * { print-color-adjust: exact; } .typora-export #write { break-after: avoid; } .typora-export #write::after { height: 0px; } .is-mac table { break-inside: avoid; } #write > p:nth-child(1) { margin-top: 0px; } .typora-export-show-outline .typora-export-sidebar { display: none; } figure { overflow-x: visible; } } .footnote-line { margin-top: 0.714em; font-size: 0.7em; } a img, img a { cursor: pointer; } pre.md-meta-block { font-size: 0.8rem; min-height: 0.8rem; white-space: pre-wrap; background: rgb(204, 204, 204); display: block; overflow-x: hidden; } p > .md-image:only-child:not(.md-img-error) img, p > img:only-child { display: block; margin: auto; } #write.first-line-indent p > .md-image:only-child:not(.md-img-error) img { left: -2em; position: relative; } p > .md-image:only-child { display: inline-block; width: 100%; } #write .MathJax_Display { margin: 0.8em 0px 0px; } .md-math-block { width: 100%; } .md-math-block:not(:empty)::after { display: none; } .MathJax_ref { fill: currentcolor; } [contenteditable="true"]:active, [contenteditable="true"]:focus, [contenteditable="false"]:active, [contenteditable="false"]:focus { outline: 0px; box-shadow: none; } .md-task-list-item { position: relative; list-style-type: none; } .task-list-item.md-task-list-item { padding-left: 0px; } .md-task-list-item > input { position: absolute; top: 0px; left: 0px; margin-left: -1.2em; margin-top: calc(1em - 10px); border: medium; } .math { font-size: 1rem; } .md-toc { min-height: 3.58rem; position: relative; font-size: 0.9rem; border-radius: 10px; } .md-toc-content { position: relative; margin-left: 0px; } .md-toc-content::after, .md-toc::after { display: none; } .md-toc-item { display: block; color: rgb(65, 131, 196); } .md-toc-item a { text-decoration: none; } .md-toc-inner:hover { text-decoration: underline; } .md-toc-inner { display: inline-block; cursor: pointer; } .md-toc-h1 .md-toc-inner { margin-left: 0px; font-weight: 700; } .md-toc-h2 .md-toc-inner { margin-left: 2em; } .md-toc-h3 .md-toc-inner { margin-left: 4em; } .md-toc-h4 .md-toc-inner { margin-left: 6em; } .md-toc-h5 .md-toc-inner { margin-left: 8em; } .md-toc-h6 .md-toc-inner { margin-left: 10em; } @media screen and (max-width: 48em) { .md-toc-h3 .md-toc-inner { margin-left: 3.5em; } .md-toc-h4 .md-toc-inner { margin-left: 5em; } .md-toc-h5 .md-toc-inner { margin-left: 6.5em; } .md-toc-h6 .md-toc-inner { margin-left: 8em; } } a.md-toc-inner { font-size: inherit; font-style: inherit; font-weight: inherit; line-height: inherit; } .footnote-line a:not(.reversefootnote) { color: inherit; } .reversefootnote { font-family: ui-monospace, sans-serif; } .md-attr { display: none; } .md-fn-count::after { content: "."; } code, pre, samp, tt { font-family: var(--monospace); } kbd { margin: 0px 0.1em; padding: 0.1em 0.6em; font-size: 0.8em; color: rgb(36, 39, 41); background: rgb(255, 255, 255); border: 1px solid rgb(173, 179, 185); border-radius: 3px; box-shadow: rgba(12, 13, 14, 0.2) 0px 1px 0px, rgb(255, 255, 255) 0px 0px 0px 2px inset; white-space: nowrap; vertical-align: middle; } .md-comment { color: rgb(162, 127, 3); opacity: 0.6; font-family: var(--monospace); } code { text-align: left; vertical-align: initial; } a.md-print-anchor { white-space: pre !important; border-width: medium !important; border-style: none !important; border-color: currentcolor !important; display: inline-block !important; position: absolute !important; width: 1px !important; right: 0px !important; outline: 0px !important; background: 0px 0px !important; text-decoration: initial !important; text-shadow: initial !important; } .os-windows.monocolor-emoji .md-emoji { font-family: "Segoe UI Symbol", sans-serif; } .md-diagram-panel > svg { max-width: 100%; } [lang="flow"] svg, [lang="mermaid"] svg { max-width: 100%; height: auto; } [lang="mermaid"] .node text { font-size: 1rem; } table tr th { border-bottom-width: 0px; border-bottom-style: none; border-bottom-color: currentcolor; } video { max-width: 100%; display: block; margin: 0px auto; } iframe { max-width: 100%; width: 100%; border: medium; } .highlight td, .highlight tr { border: 0px; } mark { background: rgb(255, 255, 0); color: rgb(0, 0, 0); } .md-html-inline .md-plain, .md-html-inline strong, mark .md-inline-math, mark strong { color: inherit; } .md-expand mark .md-meta { opacity: 0.3 !important; } mark .md-meta { color: rgb(0, 0, 0); } @media print { .typora-export h1, .typora-export h2, .typora-export h3, .typora-export h4, .typora-export h5, .typora-export h6 { break-inside: avoid; } } .md-diagram-panel .messageText { stroke: none !important; } .md-diagram-panel .start-state { fill: var(--node-fill); } .md-diagram-panel .edgeLabel rect { opacity: 1 !important; } .md-fences.md-fences-math { font-size: 1em; } .md-fences-advanced:not(.md-focus) { padding: 0px; white-space: nowrap; border: 0px; } .md-fences-advanced:not(.md-focus) { background: inherit; } .mermaid-svg { margin: auto; } .typora-export-show-outline .typora-export-content { max-width: 1440px; margin: auto; display: flex; flex-direction: row; } .typora-export-sidebar { width: 300px; font-size: 0.8rem; margin-top: 80px; margin-right: 18px; } .typora-export-show-outline #write { --webkit-flex: 2; flex: 2 1 0%; } .typora-export-sidebar .outline-content { position: fixed; top: 0px; max-height: 100%; overflow: hidden auto; padding-bottom: 30px; padding-top: 60px; width: 300px; } @media screen and (max-width: 1024px) { .typora-export-sidebar, .typora-export-sidebar .outline-content { width: 240px; } } @media screen and (max-width: 800px) { .typora-export-sidebar { display: none; } } .outline-content li, .outline-content ul { margin-left: 0px; margin-right: 0px; padding-left: 0px; padding-right: 0px; list-style: none; overflow-wrap: anywhere; } .outline-content ul { margin-top: 0px; margin-bottom: 0px; } .outline-content strong { font-weight: 400; } .outline-expander { width: 1rem; height: 1.428571rem; position: relative; display: table-cell; vertical-align: middle; cursor: pointer; padding-left: 4px; } .outline-expander::before { content: ""; position: relative; font-family: Ionicons; display: inline-block; font-size: 8px; vertical-align: middle; } .outline-item { padding-top: 3px; padding-bottom: 3px; cursor: pointer; } .outline-expander:hover::before { content: ""; } .outline-h1 > .outline-item { padding-left: 0px; } .outline-h2 > .outline-item { padding-left: 1em; } .outline-h3 > .outline-item { padding-left: 2em; } .outline-h4 > .outline-item { padding-left: 3em; } .outline-h5 > .outline-item { padding-left: 4em; } .outline-h6 > .outline-item { padding-left: 5em; } .outline-label { cursor: pointer; display: table-cell; vertical-align: middle; text-decoration: none; color: inherit; } .outline-label:hover { text-decoration: underline; } .outline-item:hover { border-color: rgb(245, 245, 245); background-color: var(--item-hover-bg-color); } .outline-item:hover { margin-left: -28px; margin-right: -28px; border-left-width: 28px; border-left-style: solid; border-left-color: transparent; border-right-width: 28px; border-right-style: solid; border-right-color: transparent; } .outline-item-single .outline-expander::before, .outline-item-single .outline-expander:hover::before { display: none; } .outline-item-open > .outline-item > .outline-expander::before { content: ""; } .outline-children { display: none; } .info-panel-tab-wrapper { display: none; } .outline-item-open > .outline-children { display: block; } .typora-export .outline-item { padding-top: 1px; padding-bottom: 1px; } .typora-export .outline-item:hover { margin-right: -8px; border-right-width: 8px; border-right-style: solid; border-right-color: transparent; } .typora-export .outline-expander::before { content: "+"; font-family: inherit; top: -1px; } .typora-export .outline-expander:hover::before, .typora-export .outline-item-open > .outline-item > .outline-expander::before { content: "−"; } .typora-export-collapse-outline .outline-children { display: none; } .typora-export-collapse-outline .outline-item-open > .outline-children, .typora-export-no-collapse-outline .outline-children { display: block; } .typora-export-no-collapse-outline .outline-expander::before { content: "" !important; } .typora-export-show-outline .outline-item-active > .outline-item .outline-label { font-weight: 700; } .md-inline-math-container mjx-container { zoom: 0.95; } mjx-container { break-inside: avoid; } .md-alert.md-alert-note { border-left-color: rgb(9, 105, 218); } .md-alert.md-alert-important { border-left-color: rgb(130, 80, 223); } .md-alert.md-alert-warning { border-left-color: rgb(154, 103, 0); } .md-alert.md-alert-tip { border-left-color: rgb(31, 136, 61); } .md-alert.md-alert-caution { border-left-color: rgb(207, 34, 46); } .md-alert { padding: 0px 1em; margin-bottom: 16px; color: inherit; border-left-width: 0.25em; border-left-style: solid; border-left-color: rgb(0, 0, 0); } .md-alert-text-note { color: rgb(9, 105, 218); } .md-alert-text-important { color: rgb(130, 80, 223); } .md-alert-text-warning { color: rgb(154, 103, 0); } .md-alert-text-tip { color: rgb(31, 136, 61); } .md-alert-text-caution { color: rgb(207, 34, 46); } .md-alert-text { font-size: 0.9rem; font-weight: 700; } .md-alert-text svg { fill: currentcolor; position: relative; top: 0.125em; margin-right: 1ch; overflow: visible; } .md-alert-text-container::after { content: attr(data-text); text-transform: capitalize; pointer-events: none; margin-right: 1ch; } :root { --side-bar-bg-color: #F0EAD7; /* Sepia color for the sidebar */ --control-text-color: #777; --bg-color: #F0EAD7; /* Sepia background for the entire page */ } /* open-sans-regular - latin-ext_latin */ /* open-sans-italic - latin-ext_latin */ /* open-sans-700 - latin-ext_latin */ /* open-sans-700italic - latin-ext_latin */ html { font-size: 16px; -webkit-font-smoothing: antialiased; } body { font-family: "Open Sans","Clear Sans", "Helvetica Neue", Helvetica, Arial, 'Segoe UI Emoji', sans-serif; color: rgb(51, 51, 51); background-color: #F0EAD7; /* Sepia background for the body */ line-height: 1.6; } #write { max-width: 860px; margin: 0 auto; padding: 30px; padding-bottom: 100px; } @media only screen and (min-width: 1400px) { #write { max-width: 1024px; } } @media only screen and (min-width: 1800px) { #write { max-width: 1200px; } } #write > ul:first-child, #write > ol:first-child { margin-top: 30px; } a { color: #4183C4; } h1, h2, h3, h4, h5, h6 { position: relative; margin-top: 1rem; margin-bottom: 1rem; font-weight: bold; line-height: 1.4; cursor: text; } h1:hover a.anchor, h2:hover a.anchor, h3:hover a.anchor, h4:hover a.anchor, h5:hover a.anchor, h6:hover a.anchor { text-decoration: none; } h1 tt, h1 code { font-size: inherit; } h2 tt, h2 code { font-size: inherit; } h3 tt, h3 code { font-size: inherit; } h4 tt, h4 code { font-size: inherit; } h5 tt, h5 code { font-size: inherit; } h6 tt, h6 code { font-size: inherit; } h1 { font-size: 2.25em; line-height: 1.2; border-bottom: 1px solid #eee; } h2 { font-size: 1.75em; line-height: 1.225; border-bottom: 1px solid #eee; } h3 { font-size: 1.5em; line-height: 1.43; } h4 { font-size: 1.25em; } h5 { font-size: 1em; } h6 { font-size: 1em; color: #777; } p, blockquote, ul, ol, dl, table { margin: 0.8em 0; } li>ol, li>ul { margin: 0 0; } hr { height: 2px; padding: 0; margin: 16px 0; background-color: #ccc; /* Set a contrasting color for the line */ border: 0; overflow: hidden; box-sizing: content-box; } li p.first { display: inline-block; } ul, ol { padding-left: 30px; } ul:first-child, ol:first-child { margin-top: 0; } ul:last-child, ol:last-child { margin-bottom: 0; } blockquote { border-left: 4px solid #dfe2e5; padding: 0 15px; color: #777777; } blockquote blockquote { padding-right: 0; } table { padding: 0; word-break: initial; } table tr { border: 1px solid #dfe2e5; margin: 0; padding: 0; } table tr:nth-child(2n), thead { background-color: #f8f8f8; } table th { font-weight: bold; border: 1px solid #dfe2e5; border-bottom: 0; margin: 0; padding: 6px 13px; } table td { border: 1px solid #dfe2e5; margin: 0; padding: 6px 13px; } table th:first-child, table td:first-child { margin-top: 0; } table th:last-child, table td:last-child { margin-bottom: 0; } .CodeMirror-lines { padding-left: 4px; } .code-tooltip { box-shadow: 0 1px 1px 0 rgba(0,28,36,.3); border-top: 1px solid #eef2f2; } .md-fences, code, tt { border: 1px solid #e7eaed; background-color: #f8f8f8; border-radius: 3px; padding: 0; padding: 2px 4px 0px 4px; font-size: 0.9em; } code { background-color: #f3f4f4; padding: 0 2px 0 2px; } .md-fences { margin-bottom: 15px; margin-top: 15px; padding-top: 8px; padding-bottom: 6px; } .md-task-list-item > input { margin-left: -1.3em; } @media print { html { font-size: 13px; } pre { page-break-inside: avoid; word-wrap: break-word; } } .md-fences { background-color: #f8f8f8; } #write pre.md-meta-block { padding: 1rem; font-size: 85%; line-height: 1.45; background-color: #f7f7f7; border: 0; border-radius: 3px; color: #777777; margin-top: 0 !important; } .mathjax-block>.code-tooltip { bottom: .375rem; } .md-mathjax-midline { background: #fafafa; } #write>h3.md-focus:before { left: -1.5625rem; top: .375rem; } #write>h4.md-focus:before { left: -1.5625rem; top: .285714286rem; } #write>h5.md-focus:before { left: -1.5625rem; top: .285714286rem; } #write>h6.md-focus:before { left: -1.5625rem; top: .285714286rem; } .md-image>.md-meta { /*border: 1px solid #ddd;*/ border-radius: 3px; padding: 2px 0px 0px 4px; font-size: 0.9em; color: inherit; } .md-tag { color: #a7a7a7; opacity: 1; } .md-toc { margin-top: 20px; padding-bottom: 20px; } .sidebar-tabs { border-bottom: none; } #typora-quick-open { border: 1px solid #ddd; background-color: #f8f8f8; } #typora-quick-open-item { background-color: #FAFAFA; border-color: #FEFEFE #e5e5e5 #e5e5e5 #eee; border-style: solid; border-width: 1px; } /** focus mode */ .on-focus-mode blockquote { border-left-color: rgba(85, 85, 85, 0.12); } header, .context-menu, .megamenu-content, footer { font-family: "Segoe UI", "Arial", sans-serif; } .file-node-content:hover .file-node-icon, .file-node-content:hover .file-node-open-state { visibility: visible; } .mac-seamless-mode #typora-sidebar { background-color: #F0EAD7; background-color: var(--side-bar-bg-color); } .mac-os #write { caret-color: AccentColor; } .md-lang { color: #b4654d; } #md-notification .btn { border: 0; } .dropdown-menu .divider { border-color: #e5e5e5; opacity: 0.4; } .ty-preferences .window-content { background-color: #fafafa; } .ty-preferences .nav-group-item.active { color: white; background: #999; } .menu-item-container a.menu-style-btn { background-color: #f5f8fa; background-image: linear-gradient(180deg, hsla(0, 0%, 100%, 0.8), hsla(0, 0%, 100%, 0)); } @media print { @page {margin: 0 0 0 0;} body.typora-export {padding-left: 0; padding-right: 0;} #write {padding:0;}} 巴菲特论股市 1999-2001

巴菲特1999年演讲:泡沫、周期与17年蝉鸣


文 / 沃伦·巴菲特、卡萝尔·卢米斯

发表于 1999 年 11 月 22 日,《财富》杂志

01 投资的本质与利率的“重力”


如今,股票投资者普遍抱有过高的预期,接下来我会解释其中的原因。为此,我势必要谈及整个股市——这是我平时很少愿意评论的话题。但首先我要明确一点:虽然我会谈论市场的整体水平,但并不打算预测其接下来的走势。

在伯克希尔,我们几乎只专注于评估个别公司的价值,极少参考整体市场的估值。即使偶尔提及,也绝不会据此推测下周、下月或明年的市场表现——这类预测,我们从不涉足。事实上,市场价格的走势有时会在相当长时间内与价值背离,但最终,价值终将发挥决定性作用。

因此,我接下来要讲的内容——如果判断正确——将关系到美国股东未来能够实现的长期回报。

我们不妨先回到基础,给“投资”下个定义。这个定义很简单,却常常被人忽视:投资,就是现在投入资金,为的是将来能收回更多的钱——而且是扣除通胀之后的“实际回报”。

【译注】:巴菲特在这里对“投资”下了一个极简却本质的定义:现在投入资金,为的是将来收回更多实际价值。它强调两点:一是时间维度,投资意味着延迟满足;二是购买力维度,回报必须扣除通胀。如果账面赚钱却跑不赢通胀,这笔交易也不能算真正的投资。

为了获得一些历史视角,我们来看过去 34 年的市场表现。你会发现,这段时期几乎呈现出《圣经》中“丰年与荒年”的对照。我们先看这 34 年中的前 17 年,也就是从 1964 年底到 1981 年底,这一时期股市的表现如下:

道琼斯工业指数

1964 年 12 月 31 日:874.12

1981 年 12 月 31 日:875.00

我一向以长期投资、以耐心见长,但这样的“走势”,显然算不上什么“大行情”。

与此同时,还有一个完全相反、却至关重要的现象:同样在这 17 年里,美国 GDP——也就是全国经济活动总量——几乎增长了五倍,累计增幅达到 370%。从另一个角度看,《财富》500 强企业的销售额也增加了六倍以上。而在如此增长的背景下,道指却几乎没有变化。

要理解这种反差,我们得先关注影响投资回报的两个核心变量之一:利率。利率对金融资产的估值起着如同“重力”般的作用——利率越高,下拉的力量越强。

这是因为,投资者对各类资产的回报要求,始终以无风险政府债券的利率为基础。如果无风险利率上升,其他资产的价格就必须下降,以使其预期回报率重新与之匹配;反之,利率下降时,其他资产的价格便会上涨。基本原理是:你今天愿意为未来的一美元支付多少钱,首先取决于当前的无风险利率

【译注】:巴菲特将“利率”比作金融世界中的“重力”,这个比喻包含三层含义:它持续下拉所有资产的估值;虽常被情绪与题材掩盖,但始终存在;而它之所以关键,是因为未来一美元值多少钱,取决于今天的利率。这一逻辑,是理解市场长期表现的基础。

因此,每当无风险利率变动一个基点(0.01%),几乎所有资产的估值都会随之调整。对债券来说,这种影响最为直观,因为其价值主要取决于利率。但对于股票、房地产、农场等资产,其他因素往往掩盖了利率的作用。

尽管如此,这种力量——就像重力一样——虽然无形,却始终存在。

02 利率反转,回报重估:两个17年周期对比


1964 年至 1981 年间,美国长期国债利率从 1964 年底略高于 4%,一路升至 1981 年底的 15% 以上。这一变化对各类资产的估值造成了巨大抑制,其中最明显的体现便是股市的长期停滞。正是这种“利率重力”增强三倍的过程,构成了一个核心解释:为何经济实现了大幅增长,股市却原地踏步。

进入 1980 年代初,局势发生了根本性逆转。很多人仍记得,保罗·沃尔克出任美联储主席时并不受欢迎。但他采取了强硬措施——就像挥舞一根厚木板砸向经济那样——最终打断了通胀的脊梁,扭转了利率趋势,并带来了极为惊人的结果。

【译注】原文为 “a two-by-four”,意指两英寸乘四英寸的建筑木条,美式俚语中象征粗暴重击,强调政策强硬与冲击力。

假设你在 1981 年 11 月 16 日投入 100 万美元,买入票息 14%、期限 30 年的美国国债,并将收到的利息持续再投资于相同债券。到 1998 年底,此时长期利率已降至 5%,你将拥有 8,181,219 美元,年化收益率超过 13%。

这个 13% 的回报率,在历史上的大多数 17 年周期中,都优于股票的表现。这是个了不起的结果——出自一项向来被视为乏味的债券投资。

利率的下降也推动了股票价格的上涨,当然,还有其他因素,稍后我们会谈到。那么在这 17 年里,股市表现如何?如果你在 1981 年 11 月 16 日将 100 万美元投入道琼斯指数,并将股息全部再投资,到 1998 年 12 月 31 日,你将拥有 19,720,112 美元,年化收益率为 19%。

此后股市涨幅,几乎创下历史新高,甚至超过了在大萧条最低点——1932 年 7 月 8 日,道指收于 41.22 点——买入并持有 17 年的回报。

推动这一时期股价上涨的另一个重要因素,是企业税后利润。图表显示,税后利润占 GDP 的比重,即美国企业每年为股东创造的收益,在整个国民经济中所占的份额

图表从 1929 年开始。我对那一年颇有感情,一切仿佛都始于那时。当时我父亲是证券推销员,股灾来临后,他不敢再打电话——因为太多客户在市场中遭受重创。于是他干脆下午不再出门。那时也没有电视。所以……我大概就是在 1929 年 11 月 30 日前后“酝酿”出来的,九个月后——1930 年 8 月 30 日出生。从此,我对那场崩盘一直抱有一种莫名的亲切感。

如图所示,1929 年企业利润占 GDP 的比重达到顶点,随后急剧下滑。图表的左半段充满了种种异常:大萧条、战时利润激增(但被超额利润税压抑)、战后经济复苏。但自 1951 年起,这一比重大致稳定在 4% 至 6.5% 的区间内。

到 1981 年,该比重已接近区间底部,1982 年进一步跌至 3.5%。换句话说,当时投资者面对的是两项重大利空:利润低迷,利率高企。

而一如既往,投资者倾向于将眼前所见延伸至未来。这是根深蒂固的习性——他们总是盯着后视镜,而不是前方的挡风玻璃。过去的景象令他们对国家前景感到极度悲观。他们预测高利率将长期持续,企业利润将持续低迷,于是给股市的定价,也回落至与 17 年前相当的水平——尽管此时美国 GDP 已增长近五倍。

【译注】:这正是巴菲特强调的“估值偏离基本面”的经典案例——当市场沉浸在过去的痛苦中,价格就会忽略现实中的结构性改善。这个错误,在1982年发生过一次,后来在2009年和2020年,也都有过类似场景。

03 新一轮牛市的驱动逻辑:利率+利润+心理


那么,从 1982 年开始的那 17 年,又发生了什么?

有一件事并未延续以往的趋势,那就是可比的 GDP 增长:在这第二个 17 年里,美国 GDP 的增幅还不到三倍。

但利率开始下行;随着“沃尔克效应”逐渐消退,企业利润也开始增长——虽然不是一路平稳上升,但整体势头强劲。正如图表所示,到 1990 年代末,税后利润占 GDP 的比例接近 6%,已处于“常态区间”的上沿。到 1998 年底,长期国债利率也已降至 5%。

投资者最为看重的这两个基本面变量发生了剧烈变化,解释了股市在这 17 年间超过十倍的涨幅——道指从 875 点升至 9,181 点。当然,这并不是全部原因,市场心理也在起作用。

当每个人无论采用哪种方式都能赚钱时,牛市自然会吸引大量投资者入场。此时,他们关注的已不是利率和利润,而只是觉得不买股票好像是个错误。

实际上,这些人是在基本面因素之上,又叠加了一层“不能错过这场盛宴”的心理机制。有点像巴甫洛夫的狗,这些“投资者”学会了:只要铃声响起——也就是纽约证券交易所每天上午 9:30 的开市钟——他们就预期会有所“收获”。这种日复一日的正向强化,让他们深信:这个世界确实有神,而这位神的旨意,就是让他们发财。

【译注】:巴菲特在这里讽刺的是牛市中常见的“怕错过”的心理机制。他将这种情绪称为 “an I-can’t-miss-the-party factor”——一种非理性的群体预期,往往会在市场情绪最亢奋时被不断放大。它与基本面无关,却能强烈驱动买入行为。

04 投资回报的三种假设前提

如今,大多数投资者仍盯着自己刚刚走过的那段路,对未来充满期待。

Paine Webber 和盖洛普公司在七月发布的一项联合调查显示:那些入市不满五年的投资者,预计未来十年的年均回报率高达 22.6%;即便拥有二十年以上经验的投资者,也预期能获得 12.9%。

但我要说的是:我们离那 12.9%,根本无法接近。

我将通过分析决定价值的几个关键变量,来说明这一观点。

如果投资者希望在未来十年、十七年或二十年内获得丰厚回报,至少需要满足以下三种条件中的一种。我暂且不谈第三种,先来看前两种:

(1)利率必须进一步下降。

如果当前约为 6% 的政府债券利率降至 3%,光是这一项,就几乎足以让股票的估值翻倍。顺便说一句,如果你真认为利率会降到这个水平——甚至像日本那样降至 1%——那你真正应该去的地方,其实是债券期权市场,在那里你或许才能真正赚到大钱。

(2)企业盈利占 GDP 的比重必须提升。

有人说,纽约的律师比那里的居民还多。我猜说这话的人,大概也会相信企业利润总有一天会超过 GDP。如果你相信某个组成部分的增长能永远快于整体,最终总会陷入数学上的矛盾。

在我看来,只有极度乐观的人才会相信,企业利润占 GDP 的比重能在较长时间里持续高于 6%。这一比例难以长期维持在高位,首先是因为市场竞争依然激烈;其次还涉及公共政策:如果企业投资者要分得美国经济蛋糕中越来越大的一块,其他群体就只能接受自己的份额减少。这无疑会引发政治反弹——而在我看来,大规模重新切分蛋糕,几乎不可能发生。

那么,如果我们基于一些合理的假设,会得出什么结论?假设美国 GDP 年均增长 5%——其中 3% 是实际增长,2% 是通胀,这已经相当不错了。如果没有利率因素的额外助力,整体股市的估值增长空间也将受限。当然,分红仍可略作补充,但在当前股价水平下,股息在总回报中的作用,早已不如往日。

投资者也不能指望企业回购股份就能带来更高收益。确实有不少公司积极回购股票,但与此同时,新股发行的力度也不遑多让——无论是通过公开增发,还是源于股票期权的兑现。

因此,我还是要回到这个假设:GDP 每年增长 5%。这个数字本身,就限定了你所能获得的投资回报上限。只要企业盈利维持 5% 的增速,就无法长期实现 12% 的估值增长,更不用说 22%。有一条基本规律无法回避:任何资产,无论性质如何,其长期价值增速都不可能持续超越其盈利增速。

05 从利润到回报:投资系统的极限

此外还需记住,未来的回报始终受当前估值的影响。投资者现在在市场中支付的价格,实际换来了怎样的基础收益?这个问题值得深思。我们来看 1998 年《财富》500 强的数据。这些公司大致占据所有美国上市企业市值的 75%,可以说几乎代表了“美国公司”整体。

1998 年《财富》500 强利润总额:3,343.35 亿美元

截至 1999 年 3 月 15 日的总市值:9.91 万亿美元

在解读这组数字时,也要注意其中一些特殊因素。例如,福特公司因剥离旗下 Associates 业务获得了高达 160 亿美元的账面收益;此外,利润总额还包括了几家没有市场估值的互助制公司的盈利,如 State Farm。另一方面,有一项真实的企业成本——股票期权激励支出——并未计入利润。而部分减值与会计冲销则可能低估了企业的真实盈利,这些金额本可回加。

但撇开这些技术细节不谈,截至 1999 年 3 月 15 日,投资者愿意为 3,343 亿美元的利润,支付近 10 万亿美元的价格。

必须记住——这一点常被忽略——从整体来看,投资者最终从企业中能够获得的回报,永远不可能超出企业本身创造的利润。当然,我们可以在市场上反复交易、彼此加价。假设《财富》500 强是一家公司,而在座每位都持有其中一部分股份,我们完全可以彼此转让,不断拉高价格。你也许可以靠低买高卖赚到差价,但那笔钱正是别人支付的。游戏本身并未创造任何新增价值,整个系统的总资金量没有变化。

与此同时,即便有个别人获利,整个群体的结果仍不会改变,因为整体的命运终究取决于企业的利润。

归根结底,对于一家企业的所有者来说,从现在到世界终结,他们所能获得的全部回报,就是企业在这段时间内创造的全部利润。

06 摩擦成本的吞噬:谁拿走了你的回报?

还有一个非常重要的因素需要考虑。如果你我就在这个房间里交换各自的生意股份,由于没有中介,交易将不产生任何成本。但在现实世界中,投资者往往有“换座位”的冲动,或者至少想找人建议自己是否该换,而这一切都要付出代价——而且代价不菲。我把这些开销统称为“摩擦成本”(frictional costs),它们涵盖了各类费用:做市商差价、佣金、申购费、12b-1 费用、管理费、托管费、账户打包费,甚至包括财经媒体的订阅费用

可别把这些支出当作无关紧要的小项。如果你在评估一项投资型房地产,难道不会把管理成本扣除后再计算收益吗?当然会——同样地,股票市场上的投资者在衡量自己的回报时,也必须正视他们所承担的摩擦成本。

那么,这部分支出到底有多大?据我估算,美国股票投资者每年为了“换座位”或获取相关建议而付出的费用远超一千亿美元——大致在一千三百亿美元左右。换句话说,在《财富》500 强企业 1998 年创造的 3340 亿美元利润中,有近三分之一被投资者交给了各种“换座顾问”和建议中介。投资者为此投入了近 10 万亿美元的市值,却最终仅获得不到 2500 亿美元的回报。在我看来,这点回报实在是微不足道。

你也许会质疑这“一千亿美元”的中介成本是怎么得出来的。那我们不妨来细数一下这些费用:

1)先从交易成本说起:包括佣金、做市商差价,以及新股承销中的价差。即便剔除重复统计,今年美国股市的成交总量预计也将达到 3500 亿股。我估算,买卖双方每一方平均每股的交易成本约为 6 美分,合计即达到 420 亿美元。

2)再来看看其他费用:散户常常面临高昂的账户打包费,大户要承担管理费;而其中最庞大的一项,是本土股票型共同基金的持有者所承担的各类费用。这类基金的总资产目前约为 3.5 万亿美元,相关年度开销——包括管理费、申购费、12b‑1 费用和日常运营费用——保守估计至少为 1%,也就是 350 亿美元。

3)而这些损耗,还不包括期权和期货交易的佣金与价差、可变年金的持有成本,以及“帮手”们源源不断发明的各种额外收费。

综上所述,对于《财富》500 强股票的持有者来说,摩擦成本每年达到 1000 亿美元(约占其市值的 1%)不仅是个合理估算,实际数字甚至很可能还要更高。

这显然是一笔沉重的代价。我听过这样一个漫画场景:新闻主播播报说,“今天纽约证券交易所没有任何交易——因为每个人都对自己所持资产感到满意。”要真是这样,投资者每年就能省下 1300 亿美元,装进自己的口袋。

我来总结一下我对股市的观点:我认为,现在很难再提出有说服力的理由,认为未来 17 年股票的表现能够接近——哪怕只是接近——过去 17 年的表现。

如果要我估算,在一个利率恒定、通胀为 2%、摩擦成本长期存在的环境下,所有投资者整体(我强调,是整体)从股价升值和分红中最可能获得的年化回报,我会说是 6%。如果从这个名义回报中扣除通胀因素(不管通胀怎么波动,这一步都是必须做的),实际回报就是 4%。而如果这个 4% 的判断不准确,我认为低于它的可能性,并不小于高于它的可能性。

07 信息革命≠投资回报:伟大行业的投资幻觉

让我回到前面提到过的观点:如果想在未来的股市中获得可观的收益,只有三种可能。第一,利率进一步下降;第二,企业利润占 GDP 的比重大幅提升;第三,则可能是你是个乐观主义者——虽然明知市场整体表现可能平庸,但相信自己能通过挑选赢家获得更好的回报

正值信息革命方兴未艾,这种想法尤其诱人(我本人也对信息革命充满信心)。你的经纪人大概会告诉你:“只要选中明显的赢家,就能顺势而上。”

对此,我觉得有必要回头看看那些在上世纪初深刻改变美国的行业,比如汽车和航空。先说汽车。我手头有一页清单,是美国历史上汽车和卡车制造商的名录,这只是七十页中的一页。当时市场上甚至有“伯克希尔牌”和“奥马哈牌”汽车,这两个名字自然让我格外留意,更不用说还有多得像一本电话簿那么厚的其他品牌。

据统计,美国历史上至少出现过 2,000 个汽车品牌。这是一个极大地改变了美国的行业。如果你能在初期就预见到它的潜力,一定会说:“这就是通往财富的康庄大道!”可到了 1990 年代,历经多年优胜劣汰,美国只剩下三家主要汽车公司——而这三家的回报,对投资者来说也乏善可陈。

事实上,在这些产业剧变时,有时更容易判断谁会成为失败者即便你清楚汽车行业的重要性,要选出真正赚钱的公司却并不容易。反过来看,有一个决策倒是非常明了——那就是做空马匹。坦率讲,我一直觉得,如果我们家族当年能做空马匹就好了。尤其我们还住在内布拉斯加,借马简直易如反掌,根本不用担心“逼空”。

美国马匹总数

1900 年:2,100 万匹

1998 年:500 万匹

除了汽车,20 世纪初还有另一项改变世界的发明:飞机。它的广阔前景同样吸引了大量投资者。我查了下数据,仅在 1919 至 1939 年间,美国就诞生过约 300 家飞机制造公司,如今幸存的却寥寥无几。当年还有“内布拉斯加号”和“奥马哈号”等飞机——那时候我们奥马哈人,大概也算是那个时代的“硅谷人”了——不过今天,恐怕连最忠诚的本地人也不会指望再坐上它们。

再看看航空公司。过去 20 年里,美国有 129 家航空公司申请破产,其中大陆航空还“上榜”了两次。事实上,截至 1992 年——虽然此后情况略有改善——美国整个航空业自诞生以来创造的净利润总额是零。没错,彻彻底底的零。

看到这些案例,有时我会想:如果 1903 年我刚好在基蒂霍克,亲眼目睹奥维尔·莱特第一次试飞,我或许会有足够远见和公共精神——为了后来所有的资本家——直接一枪把他打下来。说真的,恐怕连马克思都没对资本家造成过莱特兄弟那样的“损失”。

当然,还有其他许多同样深刻改变了社会,却没能为投资者带来回报的行业,比如收音机和电视机制造。我想从这些产业中提炼出一个关键教训:投资的要点,不在于判断某个行业对社会的影响有多大,或它会增长多快,而在于判断某家公司是否具备可持续的竞争优势,尤其是这种优势能否长期维持。那些拥有宽广、坚固“护城河”的产品或服务,才能最终为投资者带来回报。

结语 17年蝉的隐喻:周期中的沉默回报

说到“17 年”这个周期,我不免联想到 17 年蝉(下图就是它)。假如有一批蝉将在 2016 年破土而出,它们会面对一个怎样的世界?可以想见,那时公众对股市的热情早已消退。投资者或许会有些失望,但那只是因为他们当初的预期设得太高。

但无论如何,届时人们的财富其实已经大幅增长,因为他们所拥有的美国企业系统一直在以每年 3% 的实际速度增加利润。更重要的是,这些财富最终会流向整个美国社会,人们的生活水平也将远高于今天。即便未必像过去 17 年那样令人兴奋,这样的世界也已足够可取。

 

巴菲特2001年演讲:复利之谬,估值之锚

Original CxEric

CxEric的读书与投资笔记

2025年05月27日 21:23 广东

巴菲特很少主动谈论股市整体估值,更少直接预测市场回报。但在1999年与2001年,他在太阳谷先后发表两场演讲,例外地讨论了这两个问题。

第一次是在互联网泡沫最盛之时。他提出一个极简却深刻的分析框架:利率、利润与估值——三个变量,就解释了两个“17年周期”回报的巨大差异,并预测未来17年(1999–2016)的合理收益率或许只有6%。这几乎是一种不动声色的判断:市场已经过热。

两年后,泡沫破裂。他再次发表演说,回顾美股百年历史,探讨股票回报的本质来源,批评投资者长期以来的“后视镜”思维,并提出后来被称为“巴菲特指标”的估值方法——市值与GNP的比值。据此判断:未来更合理的长期收益率,大致在7%左右。

这两场演讲常被并称为《巴菲特谈股市》的上下篇,也构成他极少数聚焦宏观结构、估值逻辑与回报预期的完整表达。


沃伦·巴菲特 / 卡萝尔·卢米斯

2001 年 12 月 10 日,《财富》杂志

01 两个17年:回报为何天壤之别


我上一次探讨这个问题是在 1999 年。当时,我将此前 34 年划分为两个对称的 17 年周期。如果说一个是“瘦年”,一个是“丰年”,那确实再贴切不过了。先看第一个阶段:在这 17 年里,道琼斯指数几乎纹丝未动,累计涨幅仅为千分之一。

道琼斯工业平均指数

1964 年 12 月 31 日:874.12

1981 年 12 月 31 日:875.00

再看第二阶段,这是一个令人瞩目的超级牛市。当时我判断,这轮行情可能接近尾声,尽管具体何时结束,我也并不确定。

道琼斯工业平均指数

1981 年 12 月 31 日:875.00

1998 年 12 月 31 日:9181.43

这两个时期的市场走势截然不同,但显然不能用国民生产总值(GNP)的增长差异来解释。事实上,在前一个市场低迷的阶段,GNP 的增速反而更快,甚至是后一个周期的两倍多。

国民生产总值增幅

1964–1981 年:373%

1981–1998 年:177%

那么原因是什么?我当时认为,这种反差主要来自两个关键经济变量的剧烈变化,以及后来浮现的一种心理因素。

在展开分析前,我想先重申一个简单却常被忽视的定义:投资,是今天投入资金,以期将来收回更多。

这就引出了第一个变量:利率。在经济学中,利率的作用就像重力在物理世界中的影响一样。无论在什么市场、什么国家,只要利率略有变动,几乎所有金融资产的估值都会受到牵动。债券对此反应最为敏感,但类似的机制同样适用于农地、石油储备、股票等其他资产。影响往往非常大。举个例子:如果利率是 13%,你预期未来收到的一美元,其现值远低于当利率只有 4% 时的情况。

我们来看这 34 年中几个关键时点。长期国债利率在此期间大起大落:前 17 年大幅上升——对投资者不利;后 17 年大幅下行——对投资者有利。

长期国债利率

1964 年 12 月 31 日:4.20%

1981 年 12 月 31 日:13.65%

1998 年 12 月 31 日:5.09%

第二个关键变量,是投资者对所投企业未来利润的预期。在第一个阶段,这种预期明显下降,因为企业整体盈利状况不佳。到 1980 年代初,美联储主席保罗·沃尔克为抑制通胀而祭出的紧缩手段,已经将企业利润压低至 1930 年代以来的低点。

最终结果是,投资者对美国经济的信心大幅下滑。他们看到的未来叠加了两项负面预期:一方面,企业利润前景惨淡;另一方面,高利率进一步压低了这些本就不高的利润的现值。这两个因素共同作用,导致 1964 到 1981 年间股市几乎原地踏步,尽管 GNP 实现了大幅增长。国家整体变得更富,而市场估值却在缩水。

而当这两个变量反转之后,市场便迎来了新一轮牛市。虽然 GNP 增速明显放缓,股市却持续走高。一方面,企业盈利能力显著改善;另一方面,利率大幅下行,使得未来收益变得更值钱。这两股力量共同推动了这轮行情。

随后,市场的情绪因持续上涨而发生改变:投机交易激增,仅仅因为大家看到市场在涨。我会在后文详细分析这种反复上演的“市场病症”。

两年前,我就认为上述有利的基本趋势已接近尾声。若股市要从当时的水平继续大幅上涨,只能寄望于两个方向:其一,长期利率进一步下降(理论上虽可期待,但空间有限);其二,企业盈利能力实现实质性跃升(而在当时看来,这种可能性更为渺茫)。

如果你去看一张“企业税后利润占国内生产总值(GDP)”的 50 年走势图,会发现这个比例通常在 4% 到 6.5% 之间。例如在 1981 年这个低点,该比重约为 4%;即便是在 1999 和 2000 年这两个公认的高盈利年份,仍未超过 6%。而在 2001 年,这一比例甚至可能跌破 5%。

02 增长错觉:经济繁荣为何未兑现为回报?


以上,便是我对那两个截然不同的 17 年周期的解释。那么,市场过去这些阶段性的表现,究竟能对未来说明什么?

为此,我想带大家回顾一下整个 20 世纪。众所周知,那确实是“美国的世纪”:我们经历了汽车的普及,飞机的诞生,无线电、电视和计算机的出现。那是一个令人惊叹的时代。以实际美元(即扣除通胀后)计,美国人均产出增长了惊人的 702%。

当然,这个世纪也不乏艰难岁月,比如 1929 年至 1933 年的大萧条。但如果你按十年为单位来观察人均国民生产总值(GNP)的变化,会发现一个很有意思的现象:作为一个国家,美国在整个世纪中基本保持了持续而稳定的增长。因此你或许会以为,美国的证券市场——作为其经济价值的体现——也应该呈现出类似的增长节奏。

但实际情况并非如此。前面我们已经看到,1964 到 1998 年间,市场与经济的同步性彻底失效。而如果看整个世纪,这种脱节更加明显。比如在世纪初的二十年间,美国经济快速发展,电力、汽车和电话迅速普及。但股市几乎无动于衷,年化涨幅仅为 0.4%,和我们之前提到的 1964–1981 年那段“瘦年”如出一辙。

道琼斯工业平均指数

1899 年 12 月 31 日:66.08

1920 年 12 月 31 日:71.95

随后是 1920 年代的市场繁荣,道指在 1929 年 9 月冲至 381 点,涨幅高达 430%。接下来却是长达 19 年的漫长下行,直到道指跌到 177 点——仅为当年高点的一半。更讽刺的是,1940 年代的人均 GDP 增幅是整个 20 世纪最高的,达 50%。再之后,股市终于重新启动,迎来了一个五倍增长的 17 年周期。然后是我们前面讲过的两段:1981 年前的停滞,以及收尾这个世纪的牛市狂潮。

换种方式来看,整个世纪中,美国经历了三轮大型长期牛市,累计约 44 年,道指上涨超过 11000 点;同时,也有三段合计 56 年的停滞期。在这 56 年里,尽管美国经济取得了长足进步,道指反而下跌了 292 点。

这究竟是怎么回事?在一个充满活力、全民聚焦赚钱的国家,怎么会出现三段持续多年、令人沮丧的市场停滞期?而这三段合起来(不计分红)竟还让投资者亏了钱?

原因就在于,投资者反复犯下同一个错误——正是我之前提到的心理陷阱:人们习惯透过“后视镜”看市场,而且多半只盯着刚刚驶过的那一段。

03 复利之谜:被误读的长期逻辑


世纪初期,就是这种“短视”心态的一个典型写照。在那个时期的前 20 年,股票的收益率普遍高于高评级债券。今天我们可能觉得这听起来有点古怪,但当时几乎是理所当然。毕竟股票风险更高,只有当它们提供更高收益时,才值得投资。

而转折点出现在 1924 年。当年出版的一本小书——起初无人问津,却最终对市场产生了深远影响。作者名叫埃德加·劳伦斯·史密斯(Edgar Lawrence Smith),书名是《普通股作为长期投资》(Common Stocks as Long Term Investments)。

书中记录了他对 1922 年前 56 年间证券价格变动的研究。他起初的假设是:在通胀时期,股票表现更好;而在通缩时期,债券更占优势。这本是个合情合理的推测。

但看看书的第一句:“这些研究的结果,是一个失败的记录——事实无法支持原先的理论假设。”史密斯接着写道:“然而,我们所汇集的事实本身,似乎仍值得进一步探究。既然它们无法验证我们原本希望的结论,那就放开成见,看看它们最终会导向何方。”

【译注7】1924 年,银行家兼研究者埃德加·劳伦斯·史密斯出版了《普通股作为长期投资》,系统对比 1866–1922 年间股票与债券的长期回报。他原想验证“通胀利股、通缩利债”的假设,却意外发现:普通股在各种环境下往往表现更优,其根源是企业保留收益带来的复利效应。

这本书最初乏人问津,却因凯恩斯撰文力荐而广为人知。他称赞史密斯“揭示了工业投资中最关键的力量:复利的自我加速作用”。这一理念深刻影响了机构投资者,也成为格雷厄姆与巴菲特投资哲学的起点。

更难能可贵的是,史密斯最终否定了自己的假设,让数据自己说话。他的诚实与方法,至今仍值得尊敬。

史密斯是一位聪明人,而他做的事情,几乎是世上最难的事之一。查尔斯·达尔文曾说:每当他遇到某个新发现,与自己原本深信不疑的结论相矛盾时,他就必须在 30 分钟内把它记下来——否则,大脑就会像排斥移植物一样,自动把这些“异见”拒之门外。人的天性,是倾向于坚持自己的信念,尤其当这些信念刚好又受到近期经验的强化时。这种倾向,是我们天性中的一个缺陷,也正是长期牛市或漫长停滞时期出现非理性行为的心理根源。

为了呈现史密斯的发现,我想引用另一位伟大的思想家——约翰·梅纳德·凯恩斯的评论。他在 1925 年撰文点评这本书,也正是这篇评论让它广为人知。凯恩斯写道:“或许史密斯先生最重要的观点……也无疑是他最具新意的观点,是这样的:管理良好的工业公司,通常不会把全部利润分配给股东。在盈利较好的年份——甚至可以说几乎在所有年份——它们都会保留一部分利润,再次投入到企业中。因此,一项稳健的工业投资之中,实际上蕴含着某种复利效应。”(“复利效应”一词为凯恩斯原文着重)

【译注9】凯恩斯在 1925 年评论史密斯的书时指出:企业将部分利润留存再投资,从而产生复利效应,这是股票长期优于债券的根本原因。这个洞察揭示了企业内部收益再投资对长期回报的重要作用,后来成为格雷厄姆与巴菲特投资方法的核心基础之一。

这个观点,其实非常简单。甚至不能说是新鲜事——毕竟大家早就知道公司不会把全部利润用来分红。但大多数投资者,并未真正思考过这件事意味着什么。

史密斯则一语道破:“为什么股票通常优于债券?一个关键原因是,企业会保留利润,而这些利润又会再带来新的利润——同时也带来更多分红。”

这个发现点燃了一场前所未有的牛市。在史密斯的启发下,投资者蜂拥而入股票市场,寄望获得“双重好处”:不仅股票的初始收益率高于债券,而且还能享受到成长带来的回报。对美国公众来说,这种新理解简直就像“重新发现了火”。

但不久之后,这把“火”也烧到了他们自己。股票价格一路被炒高,收益率先是降到与债券持平,最终甚至远远低于债券。读到这里,你或许会觉得似曾相识:仅仅因为股价上涨得飞快,反而成了人们争相买入股票的理由。1925 年时,少数人因正确的理由入场;而到了 1929 年,多数人却因错误的动机蜂拥而至。

凯恩斯早在 1925 年的那篇书评中,就敏锐地预见了这种非理性趋势。他写道:“将归纳自过去经验的论据,直接用于预测未来,是件危险的事……除非你能分辨清楚,过去之所以如此的根本原因是什么。”

他说,如果做不到这一点,人们很容易掉进陷阱——误以为未来的回报会简单重复过去的路径。但实际上,只有当条件完全相同时,才可能得到类似的结果。而他所谓的“特殊条件”,正是史密斯研究所覆盖的那个历史时期——那是一个股票普遍比高等级债券更高收益的年代。

投资者在 1920 年代所犯下的巨大误判,此后以各种形式反复重演。

正如我们前面提到的,美国公众对 1920 年代那场股市盛宴的“宿醉”一直持续到 1948 年。当时,美国的内在价值已远超 20 年前,股票的股息收益率也超过债券的两倍,但股价却仍不及 1929 年的一半。

换句话说,导致史密斯结论成立的条件在那时不仅再现,甚至更为强劲。然而,大多数投资者并没有看到这些摆在眼前的事实,而是依然被 1930 年代初那场惨烈的市场崩盘所笼罩,因而迟迟不敢重新参与。

04 专家们的盲点:机构的后视镜决策


你要是觉得只有散户才会被“后视镜”牵着鼻子走,那就大错特错了。

来看看近几十年来职业养老金基金是怎么做的。1971 年,正值“漂亮五十”当道,市场一片狂热,养老金经理信心十足——他们把当年净现金流的 91% 投入了股市,创下历史高位。可几年后,市场陡然下跌,股票变得便宜得多。结果呢?他们不买了——就因为股票变便宜了!

私人养老金投资于股票的现金流占比:

1971 年:91%(历史高点)

1974 年:13%

这事我始终想不通。拿我自己来说,我这辈子都会吃汉堡。汉堡降价时,我们家就要唱《哈利路亚合唱》;涨价了,我们简直快哭出来了。生活中的大多数商品都是这样:越便宜越高兴。唯独股票不是——价格跌了,能买到更多了,人们反而更嫌弃它了。

这种行为本来就够奇怪了,出现在养老金经理身上就更让人摸不着头脑。按理说,他们本应是所有投资人中投资周期最长的一群人。他们所管理的资金,不是明天、不是明年,甚至不是十年内就要动用的。他们完全可以高枕无忧,从容布局。

再说,他们投资的也不是自己的钱,不该被贪婪或恐惧牵着走。他们真正该做的,是判断什么最合理。可现实是,他们的做法完全和普通散户一样——唯一的不同,是拿了更高的报酬。

1979 年,我觉得股票便宜得简直像是在大喊“快买我!”,于是写了一篇文章。我在文中说:“养老金经理们依然死死盯着后视镜做决策。这种‘将军打上一场战争’的方式,过去已经带来高昂损失,这次很可能也不会例外。”我这么说,是因为“股票当时的价格,几乎可以确保未来回报将远超债券”。

【译注11】“将军打上一场战争”(generals fighting the last war)是英语中的常见比喻,意指人们用旧经验应对新问题,就像将军沿用上一场战争的战术,却面对全新的战场,最终可能付出惨痛代价。

【译注12】巴菲特提到的文章是《在股市中,你要为一片欢腾的共识付出很高的代价》You Pay a Very High Price in the Stock Market for a Cheery Consensus),发表于 1979 年 8 月的《福布斯》杂志,强调在悲观中贪婪、在乐观中谨慎。这一表述后来成为他逆向投资理念的经典注脚。

1972 年,养老金经理仍在大举买入股票:那年道琼斯指数年末收于 1020 点,平均账面价值为 625 点,账面收益率约为 11%。到了 1978 年,道指下跌了 20%,账面价值上涨近 40%,账面收益率升至 13%。换句话说,股票比 1972 年更便宜、盈利能力也更强了,他们却反而不买了。

当时,长期优质公司债的收益率大约是 9.5%。于是我提出了一个几乎一目了然的问题:未来 20 年,是选一组年收益率 9.5%、1999 年到期的美国公司债?还是选一组以账面价值买入、账面收益率约为 13% 的道指成份股?这问题本身就给出了答案。

当然,如果你当年真的读了那篇文章并买了股票,那你接下来的三年一定会非常难熬——真的非常难熬。我那时候不擅长预测短期市场,现在也一样。我从来不知道未来六个月、一年,甚至两年市场会怎么走。

但若看的是长期走势,判断其实非常容易。本·格雷厄姆早就告诉我们原因:“短期看,股市是投票机;长期看,它是称重机。”在投票阶段,恐惧与贪婪往往起着重要作用,但到了称重那一刻,这些情绪是没有分量的。

在我看来,这其实很容易判断:在未来二十年里,一只年收益率 9.5% 的公司债,肯定跑不过那只“伪装成债券的道指”——你当时能以低于面值(即账面价值)的价格买入它,而它的账面收益率却高达 13%。

让我解释一下刚才说的“伪装成债券”是什么意思。大家都知道,债券有固定期限,并会定期支付利息。比如一只年收益率 6% 的债券,每半年就会支付一次 3% 的利息。

相比之下,股票是一种对企业未来现金分配的索取权——无论这种分配是派发股息、回购股份,还是在公司出售或清算时支付的收益。这些支付,本质上就是股票的“息票”。当然,股东来来去去,领取这些票息的人也在不断变化。

但从企业整体所有者的角度看,他们的投资结果,最终还是取决于这些现金分配的金额和时间点。说到底,投资分析就是在判断两件事:能拿多少钱,要等多久。

【译注13】此处的“息票”沿用债券术语,用来比喻股票分红或回购所带来的现金回报。巴菲特强调,即便股票没有固定到期日,但只要企业持续分配现金流,其本质上也在“支付票息”。

当然,要准确估算单只股票的“息票”金额和时间并不容易。但观察一组股票,事情就好办多了。拿 1978 年来说,道琼斯指数当年平均账面价值大约是 850 点,整体盈利水平相当于账面价值的 13%。这个 13% 只是一个参考指标,并不能保证实现。

但如果你当时愿意持有一段时间的股票,实际上就是以接近面值的价格,买入了一只“伪装成债券”的股票——本金为 891 点,票息大约是 13%。这怎么会不比一只 9.5% 的债券更划算?从这样的起点出发,股票的长期表现当然要强得多。

事实上,在我大半个职业生涯中,这几乎一直都成立。不过,正如凯恩斯提醒我们的:股票的优势并非必然,只有在特定条件下,它才成立。

05 利润幻觉(一):假设决定账面收益


我来说说养老金基金中常见的另一种“跟风思维”——其中也许还掺杂着管理者自身的利益动机。下面这张表,列出了四家知名公司(其实换别的也差不多),展示它们在计算养老金成本时,对资产预期回报率所做的假设。

 

Image

养老金会计的基本逻辑是这样的:预期回报率越高,公司账面利润就越高。至于为什么是这样,咱们就不展开了。你就相信养老金会计本来就是这么规定的吧。

表中显示,1975 年这些公司的假设都相当保守:埃克森是 7%,GE 和通用是 6%,IBM 不足 5%。但那时候,市场上可以买到收益率 8% 的长期美国国债(而且是不可赎回的)。换句话说,他们本可以把养老金全配在这类无风险资产上,却反而设了更低的收益预期。

到了 1982 年,这些假设略微调高了,大多升到了 7% 左右。但此时市场上长期国债的收益率已经达到 10.4%。你完全可以通过购买 STRIPS(剥离式债券)把这 10.4% 的收益锁定几十年。说得直白点,就算你那个“什么都不懂的傻侄子”来管这笔基金,他取得的收益都远高于这些假设值。

那问题来了:市场能提供接近 10.5% 的国债回报,公司为什么还要只假设 7.5%?答案还得回到“后视镜”:那些经历过“漂亮五十”泡沫破灭的投资人,至今还困在那段记忆里,思维也没能及时调整。

再快进到 2000 年,那时长期国债的收益率是 5.4%。那这四家公司在年报里,对养老金资产的回报预期是怎么写的?——9.5%,甚至 10%。

我是个喜欢打赌的人。我愿意跟这几家公司的 CFO,或者他们的精算师、审计师打个大赌:未来 15 年,他们的实际收益,恐怕很难达到自己设定的目标。

光看算术你就懂了。养老金的投资组合,通常有三分之一配置在债券上。就算这部分资产配置得再合理,如今也很难跑出超过 5% 的年化回报。那剩下三分之二投向股票的部分,就必须年化赚到 11% 以上,整个组合才能达到 9.5%。而且别忘了,基金本身还要承担一笔不小的投资成本。

要做到这一点,这样的假设已经算是非常“英勇”了。

06 利润幻觉(二):养老金与会计游戏


事实上,这类“英勇”的假设对利润表的呈现效果立竿见影。只要采用表格最右列那些较高的预期收益率,公司报告的利润就会显著上升,远高于采用较低假设时的水平。那些设定假设参数的人对此心知肚明。

参与其中的精算师,并不比他人更了解未来的投资回报,但他们清楚客户希望看到一个“够高”的数字。而让客户满意,正是维持业务的关键。

我们谈论的到底是多大的数字?不妨看看当时美国市值最大、声望最高的公司——通用电气(GE)。我本人对 GE 也十分敬佩。多年来,GE 的养老金基金管理表现优异,其回报假设在整个行业中也颇具代表性。我选它为例,仅仅因为它实在太有名了。

回到 1982 年,GE 当年计提了 5.7 亿美元的养老金成本,占公司税前利润的 20%。而在去年,GE 则在财报中计入了 17.4 亿美元的“养老金收入”,相当于其税前利润的 9%。这笔收入是其家电部门全年利润(6.84 亿美元)的两倍半。这样的金额不可小觑。只要把养老金假设调低得够多,这部分利润就可能被大幅抹去。

GE 的养老金收入,以及许多其他公司的类似做法,源于一项 1987 年生效的会计准则:美国财务会计准则委员会(FASB)从那年起允许公司——只要设定了“合适”的回报假设,并且基金表现达到一定水准——即可将养老金资产的预期收益计入利润表。

【译注16】1987 年起,美国财务会计准则委员会(FASB)允许企业将养老金资产的“预期收益”计入当期利润,无需等待实际兑现。这一制度初衷是匹配长期负债的估值,但也为企业通过人为调高假设值“美化利润”打开了便利通道。巴菲特在此强调:这种机制在牛市尾声阶段尤具误导性,可能掩盖企业真实的财务压力。

根据高盛的数据,去年标普 500 指数中有 35 家公司,其养老金“收入”占到了利润的 10% 以上——即便这些公司的养老金资产本身正在缩水。

令人遗憾的是,尽管养老金假设极为重要,这个议题在董事会会议上几乎从未被提及。(我本人曾担任过 19 家公司的董事,却从未听过任何一次严肃的讨论。)如今,这个问题变得尤为重要,因为许多公司当前所作出的假设,不仅脱离现实,而且极为激进——尤其是当人们的目光还停留在 1990 年代的辉煌时期时。

我建议你不妨去问问一家拥有大型固定收益型养老金计划的公司 CFO:如果将养老金回报假设调降至 6.5%,公司盈利将会受到多大影响?如果你想更“犀利”一点,不妨接着问:在 1975 年时,他们的回报假设又是多少?要知道,彼时的股票与债券市场所提供的预期回报,远高于今天。

眼下,2001 年的年报即将出炉。我们很快就能看到,各家公司是否下调了对养老金未来回报的假设。考虑到近期投资表现低迷,以及未来可能重演类似情形,我认为:任何依然维持高假设不变的 CEO、审计师或精算师,都有可能因误导投资者而面临诉讼风险。而对这种乐观假设不加质疑的董事,很难说他们尽到了他们的本分。

07 估值的锚点:市值、GNP 与回报预期


过去整个世纪的经验反复证明:市场的极端非理性,总会周期性地爆发。对于想在这种环境中保持稳健的投资者而言,最好提前学会如何应对下一次市场失控。

我认为,对抗这种非理性的最佳方式,是“量化”(quantification)。量化未必能让你脱颖而出,但至少可以让你不至于陷入疯狂。

从宏观层面来看,量化其实并不复杂。我们来看一张图表,它追踪的数据可回溯至近 80 年前,而它所揭示的原理却极为根本。这张图显示的是:美国所有上市证券的总市值,占国民生产总值(GNP)的比例。这个比率虽有一定局限,但若要找出能最清楚反映估值水平的单一指标,它或许就是最佳选择。

 

Image

大约两年前,这一比率攀升至历史新高——这是一个明确无误的预警信号。

若投资回报要持续超过美国经济的增长速度,那么图上的这一比率曲线就必须不断上行。举例来说:如果 GNP 年增长率为 5%,而你期望市场市值年增 10%,那这条线就得一路冲出图表顶端——这种情况显然无法持续发生。

这张图表传递出的信号非常明确:当“市值/GNP 比率”跌至 70%–80% 区间时,往往是较好的买入时点;但如果该比率逼近 200%——如 1999 年和 2000 年初那样——那你就是在玩火当前,这一比率约为 133%,仍处于高位。

尽管比率已从高点显著回落,但仍远高于长期均值。

在 1999 年的那场演讲中,我曾预测,美国公众在未来十到二十年内,对股票的年化回报预期(包括分红,假设通胀为 2%)大致应为 7%。这是一个毛收益估算,未计入佣金、管理费等摩擦成本。扣除这些因素后,我认为净回报大致可能在 6% 左右,属于相对合理的预期区间。

如今,股市的“汉堡包”已经便宜多了。美国经济依旧增长,而股价明显低于前几年水平,这意味着投资者以同样的投入,能够获得更多价值。因此,我预计未来的长期净回报可能会略高一些,约为 7%。

这样的回报,其实已经很不错了——除非你还固守着 1990 年代的预期。