貝葉斯主義投資高手的方法，我總結為三類
投資分析的盡頭是貝葉斯概率1 6同一件事的多個概率你研究了一家公司的
2023-07-10 06:31:12
投資分析的盡頭是貝葉斯概率
(相關資料圖)
1/6
同一件事的多個概率
你研究了一家公司的財報，覺得數(shù)據(jù)很不錯，行業(yè)空間也很大，有產(chǎn)業(yè)政策扶持，投資邏輯也非常順，你考慮買入；?
但你在調(diào)研中認識了一個公司離職人員，了解到公司管理混亂，領導人缺乏進取心，在這個競爭非常激烈的行業(yè)，你聯(lián)想到公司的競爭地位實際上是在慢慢下降的，于是你猶豫了；?
然后你走訪了經(jīng)銷商，發(fā)現(xiàn)公司對渠道的控制力很強，而經(jīng)銷商的反饋也表明，消費者很有粘性，近期的動銷繼續(xù)保持強勢。
你又跟同行討論了一番，得到的信息更混亂了……
以上的情況是投資中的常態(tài)，從不同角度得到不同的分析結果，對應著不同獲勝概率。
但操作上只有“買、不買”兩種選擇，如果買了，結果只有“達到盈利預期”和“沒達到盈利預期”這兩種中的一個，為什么一件事會有不同的概率呢？
這取決于你如何理解“概率”。
有人認為，沒有什么概率，投資的結果不是賺就是虧，不是0就是100%；也有人認為，投資中有概率但算不出來，等于沒有概率。
關于概率，有兩種解釋，“古典解釋”把概率看成是一個客觀的獨立數(shù)值，比如：
已知口袋里有9個紅球和1個白球，讓你閉著眼睛摸出一個為紅球的概率是90%。
如果此時，你看了一眼手上的球，扔掉，繼續(xù)閉眼再摸一個，因為我不知道你剛才摸到的是什么球，所以我只能認為，你摸到紅球的概率還是90%，但因為你知道你自己丟掉的是紅球，對于你而言，下一個仍然為紅球的概率就變成88.89%。
同一件事就這樣出現(xiàn)了兩個概率。
這就是概率的另一種解釋——貝葉斯概率，這是一個基于信念的、主觀的、可變的數(shù)值，隨著你了解的新信息而變化。
貝葉斯算法的角度看，概率不但可計算，而且可以隨著信息變化，而股價的變化取決于信息的邊際變化，那么概率的變化也可以引發(fā)股價的變化，即，可以用于投資決策。
看一個實際投資問題：有一家大公司搞借殼上市，有A、B、C公司三個備選目標，你在研究了一番后覺得都差不多，于是選擇了A。
后來，你找到了一個了解借殼內(nèi)情的人，告訴他你買了A，但他不愿意直接告訴你答案，只能告訴你，B公司是不可能的。
請問，這個信息對你有用嗎？換句話說，現(xiàn)在只剩下A和C兩家公司，你要不要把A換成C？
很多同學可能已經(jīng)看出來了，這就是“三門問題”的變形。
2/6
三門問題與貝葉斯算法
考慮到還有很多讀者不知道“三門問題”，所以我簡要地復述一下：
這是一個競猜的電視節(jié)目，臺上有三扇關著的門，其中兩扇門后是羊，一扇門后是車，你可以選其中任何一扇，如果是車，就歸你了。
于是，你隨機選了一扇（假設是A）。
按規(guī)則，主持人（知道哪扇門后面有車）打開了其中一扇門（假設是B），讓你看到這扇門背后是羊，并給你一個機會，你可換一扇門（即從A換成C）。
你的選擇是“換”還是“不換”呢？
這個問題的答案，直覺判斷“換”與“不換”的概率都是一樣的，但實際上，你應該換，換了后得到車的概率更高。
三門問題的標準解釋是這樣的：因為有兩只羊，一臺車，所以你一開始選中羊的概率是2/3，選中車的概率是1/3。主持人打開一扇門后，如果你換的話，你之前選的是羊，必然會變成車，之前選的是車，必然變成了羊，概率就完全互換了。變成“2/3的概率選中車，1/3的概率選中羊”。
如果文字還是不好理解，用圖會清楚一些：
還是想不通的人，可以用一副撲克牌模擬一下。
三門問題的答案就是重組問題的答案，你現(xiàn)在把倉位從A移到C的話，押中的概率就從33%上升到了67%。
很神奇吧，只要有一條有關的新消息，哪怕與A、C公司都無關，也能改變你現(xiàn)在的概率。
我們再把上面的條件改一改，那位知情人士又說，當然，重組沒有結束前，任何事都有可能發(fā)生，B也沒有完全出局，只是可能性比較低。
根據(jù)我們前面分析的方法，把倉位從A移到C的話，并不會上升到66%，但因為B的概率低于33%，換的結果仍然比不換好。
我們把上面的例子從“內(nèi)幕交易”擴大到正常的投資決策場景。
一支股票，如果你不研究，買入后實現(xiàn)預期收益的概率就是50%。
隨著你研究的深入——不管基本面分析還是技術分析還是高手指點，甚至你只是去研究了其他的公司，每掌握一個新信息，就相當于有一個無所不知的主持人幫你關上一扇“門”，買入后實現(xiàn)預期收益的概率開始改變，從50%向上或向下變化。
如果用計算機語言去描述一個投資高手研究決策的過程，必然是上面描述的那樣，這被稱為“貝葉斯算法”。
貝葉斯算法是人工智能的基礎，你問ChatGPT一個問題，它蹦出來的每一個字，都是貝葉斯算法計算的最大概率值對應的字。當你告訴它，剛才說的不對，補充了一個新的信息，它馬上就把這個新信息代入到剛才的結果中，產(chǎn)生出新的一串概率最高的文字結果——這回正是你要的答案。
看到這里，很多人就算理解了，也不知道為什么會變成這樣，它太違背直覺了。這也是概率的最大特點——它可以被計算，但是你很難感受。
所以，想要理解概率，最好的方法還是“算”——找一個生活中的例子，親手用貝葉斯公式算一算。
貝葉斯計算是有數(shù)字公式的（謝爾頓寫在黑板的那個），為了不把大家嚇跑，我用一個圖形界面去展示，保證不出現(xiàn)任何中學以上的數(shù)字公式。
3/6
貝葉斯計算的圖形界面
一位顧客走進商店，看了看貨架，向你詢問了某商品的情況，請問：這個顧客最終買單的概率有多高？
對于一位銷售老手而言，這個問題相當于基本面高手看財報，技術高手看圖，可以通過顧客的一舉一動，判斷客戶的成交概率，決定花多少時間去向客戶推銷，選相應的推銷重點，并且決定給出多大的折扣把客戶拿下。
回答之前先要知道一個“先驗概率”——銷售轉(zhuǎn)化率，即“成交客戶/所有進來的人”，這是一個歷史經(jīng)驗值，任何銷售員都應該知道，假設這家店是20%。
下面這張圖把所有進店的人分成兩部分，左邊為成交的20%部分，右邊為不成交的80%。
接下來，我們需要在先驗概率的基礎上，考慮一個新消息——“向你仔細詢問了某商品的情況”。
這時，我們需要知道關于這個新信息的兩個“條件概率”：成交客戶的詢問率和未成交客戶的詢問率——這也是歷史經(jīng)驗值，即過去所有成交/不成交的客戶中，有過仔細詢問行為客戶的各自占比，有經(jīng)驗的銷售，內(nèi)心對這兩個概率也應該有大致的估計。
先看成交客戶的詢問率，即“仔細詢問的成交客戶/所有成交客戶”，假設為50%，即把左半邊五五開，然后得到上面咨詢的成交客戶，總占比20%*50%=10%；
再看未成交客戶的詢問率，即“仔細詢問的未成交客戶/所有未成交客戶”，假設為30%，把右半邊三七開，上面咨詢的未成交客戶，總占比80%*30%=24%。
上圖的四個角分別代表了四種情況，我們今天遇到的是上半部分——咨詢客戶，所以，首先把下半部分的情況去掉，只看上半部分。
我們現(xiàn)在要分析的是——仔細咨詢且成交的客戶，占所有成交客戶的比重，很明顯，就是左上角占上半部分的比例：
結果，在咨詢客戶中，最終成交的概率為：10%/（10%+24%）=29.4%。
所以，一位走進商場的客戶，當他開口咨詢時，他的成交概率就從20%上升至29.4%，有經(jīng)驗的銷售員就應該注意這條銷售線索。
用這個方法也可以繼續(xù)推算出，一個不詢問的客戶，成交概率會從20%下降到15.2%。
一個銷售老手的每一步都在收集信息，進行概率判斷，所以有經(jīng)驗的銷售員接下來不是干巴巴地介紹產(chǎn)品，而是進一步詢問客戶的需求，不同的需求分別對應著不同的成交概率。
好了，我們又遇到了跟前面一樣的問題，就算概率從20%上升到29%，我還是不知道自己該怎么辦？
4/6
直到有操作意義的概率
顧客在來之前就知道自己會不會買東西，假設這人今天一定要買到，實際成交概率就是100%。
但銷售員并不知道這一點，他只知道，客戶最終只有買（100%）和不買（0%）這兩種可能。
29%只是第一步的結果，他還可以不斷尋找新的信息，通過“貝葉斯算法”改變概率，以接近實際目標概率——到底是0%還是100%。
這正是貝葉斯概率相對古典概率的意義，一定要找到有操作意義的概率的信號。
于是，銷售員注意到，顧客又問了另一個完全不相干的商品——不好，經(jīng)驗告訴他，這種情況下的成交概率會下降，因為很多不成心買的客戶就喜歡東問西問。
但到底會下降多少呢？我們開始第二次“貝葉斯計算”，再引入兩個條件概率，成交客戶中，問過其他完全不相干商品的比例是30%，未成交客戶中，有40%。
以下是第二次貝葉斯計算的圖，需要說明的是，現(xiàn)在的先驗概率不再是之前的20%，而是上一次計算后的約29%：
這個結果表明，當顧客問了另一個完全不相干的商品，他的成交概率從29%再次下降為8.7%/（8.7%+28.4%）=23%
還好，問完后，客戶直接開始談價格，很好，根據(jù)談價格的行為的“第三次貝葉斯公式”，最終成交概率猛得上升到70%……
70%！等的就是你，銷售員也就不藏著掖著了，直接拿出大殺器——折扣，順利將客戶拿下，成交概率最終定格在100%。
在這個過程中，雖然一開始你只有一個與實際結果相差很大的先驗概率，但通過掌握更多的信息，這個概率會越來越接近實際情況——0或100%，到了一定數(shù)值，你就可以作出應對。
很多人肯定想問，我怎么才能知道這些條件概率呢？答案就是兩個字——先試。
這些都是在以往大量的銷售實踐中，漸漸總結出來的，并且始終不斷更新，比如今天的這個中年男人，假設在85%的成交概率下，最后竟然沒有買，這個經(jīng)驗就會改變銷售人員的那些先驗概率和后面的一系列條件概率。
所謂“經(jīng)驗”，就是你在某個專業(yè)方向，掌握了先驗概率和大量條件概率。
到了這里，我們就可以用“貝葉斯算法”回答開頭的投資機會分析的問題了。
5/6
投資中的概率
每個人都有自己最擅長的研究方法，用此方法選出的股票，在一定時間內(nèi)（比如1年）符合預期收益率的概率，可以作為一個“先驗概率”。
這個概率都不會太高，比如一般不可能超過60%（除非是特別長線的方法，或者符合要求的標的特別少的方法），否則，你只需要這一個指標，選20個股，就可以年年獲得超額收益了。
如果你之前用此方法的戰(zhàn)績不錯，那就可假定為55%。
接下來可以代入條件概率：在所有能/不能達到你的預期收益的公司中，管理不好的概率分別為多少。
事實上，這兩個條件概率并不會相差太大——這個條件概率差異，稱之為“區(qū)分度”，因為你的考慮時間是一年，這么短的時間，管理因素幾乎可以忽略不計。而且，對于離職人員評價公司“管理混亂”的概率其實是非常高的，否則，離職的原因總不能是“自己能力不高吧”？
我們假設在所有能/不能達到你的預期收益的公司中 ，離職人員認為管理好的概率分別為20%/25%。
第二次貝葉斯計算后的結果為53%。
由于管理因素在一年期的投資中區(qū)分度不夠，概率只是微微下降，仍然在50%以上。
投資者特別容易因個人好惡，用某個因素對標的進行“一票否決”，實際上區(qū)分度并沒有這么大，沒有貝葉斯概率，也就談不上理性投資。
接下來的條件，“動銷好”對一年期的投資結果影響的區(qū)分度就大多了，在符合/不符合預期的標的中分別為50%和30%。
區(qū)分度越大，這個條件的影響越大，在加入“動銷好”這個條件后，投資收益符合預期的概率就上升到65%。
接下來，每發(fā)現(xiàn)新的信息，你都可以用貝葉斯算法，更新“符合預期收益”的概率。
投資高手會設定一個買入的概率，比如70%，一旦新的條件使概率上升到70%，就可以買入，后續(xù)再根據(jù)新的信息統(tǒng)計分析概率，繼續(xù)上升到某一個水平比如80% ，則繼續(xù)加倉，如果下降到某一個概率，比如低于55%，就結束投資。
6/6
三類貝葉斯主義的投資高手
總結一下上面的方法：
第一、投資機會的判斷=判斷達到預期收益率的概率
第二、隨著新信息的出現(xiàn)，這個概率也在不斷變化
第三、隨著概率的變化，也要進行相應的操作
常常有人在后臺留言說，剛大，我找到一個堪比蘋果之于巴菲特的公司，你看看怎么樣？
非常遺憾，蘋果的成功不是巴菲特一開始就算出來的，而是一年年符合預期而“剩者為王”的，一個蘋果背后就有99家公司不符合巴菲特繼續(xù)持有的要求，因為新信息出現(xiàn)導致后驗概率下降。
投資是一場長跑，貝葉斯概率就是你的導航。
從貝葉斯概率的角度看，所謂高手有三種：
第一種是貝葉斯計算能力超強的高手。
最典型的是量化程序，人干不過機器的地方在于：機器用固定的算法每時每刻在全部標的中搜索符合要求的投資機會，而人是憑感覺和經(jīng)驗在有限的幾個標的中，思考大致符合要求的投資機會，有時還考慮用什么樣的投資方法。
所以真正的投資高手，可能你問他什么是“貝葉斯計算”，他一臉懵逼，那是因為他把貝葉斯計算完全內(nèi)化了。
比如巴菲特曾說：“用虧損的概率乘以可能虧損的金額，再用盈利的概率乘以可能盈利的金額，最后用盈利的結果減去虧損的，這就是我們一直試圖做的辦法?！薄@就是計算預期收益率。
第二類是擅長挖掘有區(qū)分度的信息的高手。
通過前面的例子，可以看出，大部分新信息的區(qū)分度都很有限，你覺得有用的信息，可能在那些不好的股票上也同樣有用，并不足以讓最終概率大幅提升。
所以最常見的高手都是在某一個大眾缺乏認知的地方，掌握了一些少有人掌握的“條件概率”，比如專注于某一個行業(yè)，洞察此行業(yè)一些特殊的規(guī)律與現(xiàn)象，以此比別人更早發(fā)掘勝率高的投資機會。
還有“一招鮮+快速交易+果斷止損”的短線高手，并不需要太高的勝率，只需要圖形好（先驗概率）+擇時（稍高的勝率）。
更厲害的是觀察市場風格變化的高手。同一類信息在不同時期，區(qū)分度也是不同的，比如2017-2020年，ROE指標的區(qū)分度就非常好，但2021年以后就失效了，而分紅率指標，在2021年前沒有什么區(qū)分度，但21年以后，區(qū)分度大大增加。
此類高手，擅長洞察常見的指標在不同時期區(qū)分度的變化，以及背后的宏觀因素，及時加大最有效的因子，改變自己的選股風格，以適應不同的市場。
第三類高手擁有更高的“先驗概率”。
大部分人在選股階段的“先驗概率”都差不多，靠的是后續(xù)找到有區(qū)分度的新信息，而第三類傳說中的高手，在選股階段就有更高的“先驗概率”，之后只要用“淘汰指標”篩選掉不符合要求的標的就行了。
最典型的是一些有核心資源圈信息優(yōu)勢的大佬，還有那些有能力主動引導題材與市場情緒的大資金，只需要“先驗概率”就能立于不敗之地。
這類高手中還有一種天賦異稟、耐心超群的人，有一套極高的“先驗概率信號”，但符合要求的情況極少，大部分情況下都在耐心等候，一旦信號出現(xiàn)，立刻加杠桿干。
****
很多人都會告訴你，投資要做大概率正確的事，比如買白馬。
但這種古典概率的思想，在投資中的結果往往是“四庫全輸”，因為人的行為會改變概率，人人都說白馬好，白馬就會被抬高到毫無賠率的價格，人人避之不及的小概率事件，往往會出現(xiàn)賠率極高的機會。
古典概率所設想的那些先驗的、穩(wěn)定的、可知的大概率事件，注定不會出現(xiàn)，真實投資中的概率因人而異，而且常常因為頓悟而造成概率突變。
然而古典概率是如此的符合人的直覺，投資者總是出現(xiàn)“正在做大概率正確的事”的幻覺。如果大家對貝葉斯概率感興趣，我會繼續(xù)這個系列的第二篇。
關鍵詞：
