1.1 為教科書正名：找到理論模型的正確打開方式

在以賺錢為根本目的的資本市場上，大談課本模型是容易被嘲笑的。理論歸理論，現實歸現實，會寫美拉德反應的化學方程式，不代表就能煎好牛排；菜譜上寫的該放多少糖多少鹽和茴香豆的四種寫法沒有根本區別，真正的五星級酒店大廚一般只會告訴你：適量。

回到估值，課本模型毫無疑問在邏輯上是嚴謹的。現金流折現（Discounted Cash Flow，DCF）模型、投資組合理論、資本資產定價模型（Capital Asset Pricing Model，CAPM）、有效市場假說等，任何一本金融教科書都不可能繞開這些內容，但是很少有投資者會主動精確計算不同股票之間的協方差，然后根據有效邊界優化組合。

無論是研究還是投資，我們在絕大多數情況下，都是對個股負責，保障我們推薦的或購買的具體股票能漲，且最多是在定性的層面考慮一定程度的對沖，用來控制回撤、降低風險。

究其根源，以投資組合理論為例，離開課本語境后，至少在主動投資領域，其很難在定量層面指導投資。簡單來說（詳細介紹及模型啟示見1.3節），投資組合理論建立在兩個假設基礎上。第一，世界是存在不確定性的，因此每只股票的實際收益率都是一種概率分布。分布的中點稱為預期收益率，分布的離散程度用方差來表示，方差越大意味著收益率越不穩定，偏離預期收益率的可能性就越大。

第二，如果存在多只股票，不同股票之間的收益率偏差是存在相關性的，但是通常不會是100%相關，而是一定程度的相關，相關系數可正可負，也可以是零。因此，只要我們知道每只股票的預期收益率、收益率的方差及兩只股票收益率之間的協方差，我們就可以構建一個組合，實現在方差不變的情況下提高收益率，或者在收益率不變的情況下減小方差，并且還存在一個最小方差組合，可以用解方程的方法算出來。

整個推導過程中，除了兩個核心假設外，剩下的都是純粹的數學推導，邏輯上是沒有問題的。兩個核心假設也沒什么問題，實際收益率確實存在波動性，不同股票之間的波動方向確實不是線性正相關的，一只股票的突發利空，可能是另一只股票的利好，或者兩只股票完全獨立。假設合理，推導正確，結論自然就是正確的。

然而問題是，如何定量計算一家公司的股票的收益率方差，乃至不同股票之間的協方差呢？例如，隆基股份和保利協鑫[1]的收益率相關系數到底是正的還是負的，可再生能源補貼對兩者都是利好，歐美光伏“雙反”（反傾銷、反補貼）對兩者都是利空，只有單晶與多晶的相對效率變化對兩者是一個利好一個利空。

如果更嚴謹一點，甚至連最后一個都不一定，站在2013年這個時間點上看，就算看準了單晶硅片這一路線勝出，誰又能保證最終勝出的一定是隆基股份？就像站在2009年這個時間點上看，也很少有人能看準，取代尚德電力地位的，是保利協鑫。

因此，回顧一下課本案例，不同股票的收益率方差、協方差、相關系數往往都是作為背景設定，直接給到我們的，然后來考驗我們推導公式的能力。而在現實中，判斷收益率方差和協方差才是最關鍵的，收益率方差相對容易計算，協方差在大多數情況下很難定量計算。一方面，估值是面向未來的，歷史數據不能代表未來；另一方面，股價的表現還會受到市場的非理性因素影響（本書第4章會詳細介紹），從基本面相關性到股價相關性，兩者還隔著一道傳導。

由此可以看出，基于數學邏輯的推導過程在這里是中斷的，引入假設所帶來的誤差，遠遠大于提高模型精確度所帶來的收益。這個問題是所有理論模型的通病。再如CAPM，根據筆者的觀察，現實中CAPM的應用范圍應該比投資組合理論更廣一些，在用DCF模型估值的時候，很多人會根據風險溢價和beta系數來計算股權折現率。

雖然CAPM所依賴的假設更強，但是其計算簡單，而且這還是一個得過諾貝爾獎的模型，即便用錯了，頂多被批評說過于學院風，一般也不會被質疑能力，“場面不會太難看”。所以說，這是一個“飯碗友好型”模型。

然而，CAPM其實是在投資組合理論的基礎上，引入新的假設后推導出來的，如果投資組合理論不成立，那CAPM就勢必不成立。投資組合理論的推導過程雖然復雜，但CAPM的推導過程更復雜，只不過后者的結論非常清爽，方便記憶，比較適合人類的思維方式，尤其是做投資的人。

從脈絡上來看，DCF模型、投資組合理論、CAPM是一脈相承的，屬于層層遞進的關系。每一個新的結論，都是在上一個結論的基礎上，引入新的假設推導出來的。但是實戰中不是這樣思考問題的，實戰中用的模型，其實大部分不能稱為模型，而只是經驗公式，如各種相對估值法。理論模型與實戰模型的關系，可以類比成方程的解析解和數值解：解析解強調邏輯的嚴謹性，但是用起來可能并不方便；數值解不講邏輯，但是能用。

總結來看，理論模型與現實應用之間，主要有三個斷點。

（1）部分假設的現實適用性值得商榷。理論模型大多著眼于世界應該怎樣，但是現實世界中有很多干擾因素，如交易機制的限制、市場的健全程度等。模型參數的完備性也很難保障，現實中很多變量無法被識別，甚至會被無意識地遺漏，可能帶來錯誤的因果判斷。

（2）部分參數可能缺乏可靠的計量手段，導致估計誤差過大。如上述討論，很多模型在邏輯上是自洽的，但是相關參數在現實中很難計算，當誤差大到無法忽視甚至影響結論時，進一步升級模型就沒有意義了。

（3）大部分模型沒有或者很難量化考慮非理性因素帶來的影響。市場并不是永遠理性的，投資者的錯誤觀點往往還存在慣性。在特定場景下，非理性因素甚至可以成為主導因素。資本市場是一個以成敗論英雄的地方，由市場非理性帶來的損失也是損失。

然而，盡管如此，筆者認為解析解，至少是尋找解析解的努力，仍然是重要的。首先，理論模型描述的是一個制度足夠成熟、投資者絕對理性的理想市場，雖然這兩個假設在當前的A股市場（甚至是全球市場）都不成立，但是至少是市場發展的方向，可以預見的是，經驗公式會越來越向理論模型靠攏，了解理論模型可以幫助我們做出前瞻性判斷。

其次，經驗公式都是有適用范圍的，在簡化了很多假設的同時，也引入了很多新的假設。當環境穩定時，新的假設往往都是背景設定，但是當版本更新后，原有的經驗公式就失效了，所謂“一代版本一代神”，了解理論可以幫助我們適應變化。

最后，理論模型有很多有意思的推論。根據邏輯推導可以得出，很多市面上非常流行的說法并不成立，可能僅僅是市場在某個特殊時段，兩個參數出現了相關性，而非因果性，例如經典的“假設估值不變，賺業績增速的錢”“只要增速足夠快，就可以穿越周期，淡化估值”。所謂一分風險一分收益，用偽因果性來指導實踐，那真是太有風險了。

綜上，筆者認為理論模型是非常有用的，但是需要正確的打開方式。理論模型帶給我們的，更多是方向性的指導，而不是具體的估值計算。結論的推導需要很多假設，記住假設比記住結論更重要，但是從筆者的觀察來看，大部分人畢業后（包括筆者自己，現在也是為了寫書需求，重新推導了一遍），可能只能記住結論，畢竟假設和推導過程太復雜了。

當然，學術理論無窮無盡，筆者只能選取其中最貼近實戰（只是相對而言）的模型，嘗試在第1章用通俗的語言依次梳理DCF模型、投資組合理論和CAPM，為后續幾章的分析做鋪墊。相比模型推導，筆者更傾向于去探索每種模型的哲學內涵，希望得出一些方法論上的東西。同時，對于有理工科背景、實業背景等非金融學科班出身的讀者，希望本章能助其厘清一些學術理論脈絡。

同時，補充一個本書中會反復涉及的基本知識。社會科學和自然科學的因果關系傳導強度是不一樣的，對于一個簡單的“因為A所以B，因為B所以C”，其中涉及因果關系的傳導：一類傳導是數學邏輯傳導，屬于強傳導關系，無論傳導多少次，因果關系都不會被削弱；另一類是行為邏輯傳導，屬于弱傳導，每傳導一次，因果關系就會被削弱一次。

很多時候，我們說的“因為A所以B”，其實是“因為A，所以大概率會發生B”，這就不是數學邏輯，而是行為邏輯，傳導是有損耗的。比如，80%已經是一個很高的概率了，但是三個80%相乘后，概率就只有51.2%了。因此，現實中，無論一套推理聽上去有多嚴謹，只要邏輯鏈條長，其兌現的概率就不高。

區分數學邏輯和行為邏輯對判斷最終概率非常重要。例如，“因為供需趨緊，所以要漲價；因為漲價，所以利潤提高”，前半句就屬于行為邏輯，供需趨緊并不必然帶來漲價，只是大概率會漲價；后半句屬于數學邏輯，漲價后利潤一定會提高（不考慮其他變量）。