如何做出理性的投資決策?低波動策略或是一種解藥

人的行为可能导致非理性的投资决策,但规划好的低波动策略可能是一种解药。

人类的行为并不总是理性的。也许这就是为什么这么多深思熟虑的投资者做出了非理性的决定——通过在最糟糕的时候抛售或追逐估值过高的股票来锁定亏损。有没有一种投资策略可以帮助抵消可能导致投资者误入歧途的情绪行为?

人类大脑的三层构成

为了深入了解投资者做出非理性决策的原因,考虑人脑及其对快乐和痛苦的反应是很有启发性的。

我们的大脑已经进化了数百万年,由三层组成。核心是我们原始的大脑,它提供了维持我们生存的战斗或逃跑本能。上面覆盖着一个更进化的哺乳动物大脑——情绪、记忆和习惯的来源,有助于我们的决策。大脑功能的最高层次是新皮层,它帮助我们进行思考、推理和自我反思。这就是我们人类大脑本质上的运作方式。

来自我们大脑原始区域的信号促使我们在避免痛苦的同时寻求快乐。但同样的信号也会淹没大脑皮层,导致我们做出不合理的行为。人类对痛苦的恐惧远远超过了对快乐的享受,这让我们的推理更加混乱。

在投资领域,这可能会导致一些令人费解的决定。

损失规避偏差

以下是一个例子,基于行为经济学家阿莫斯·特维斯基和丹尼尔·卡尼曼的开创性研究。

假设你有两扇门可供选择。你被告知,如果你打开A门,你有80%的机会赢得4000美元。(由于有80%的可能性获胜,预期价值为3200美元。)但如果你打开B门,你保证100%,能赢,但只赢3000美元。你会选择哪一个?特维斯基和卡尼曼发现,大多数参与者都会选择B门。这似乎是一个可以理解的选择,如果不是利润最大化的选择。如果你能得到肯定的收益,为什么要赌博?谨慎行事时最好的选择。

当情况逆转时会发生什么?现在,A门后面有80%的机会损失4000美元,计算的期望价值为3200美元,而B门则保证损失3000美元。3000美元的损失将为下跌奠定基础,但事实证明,大多数参与者宁愿冒着4000美元的损失风险,去搏一把可能不受损的小概率小概率事件。

研究不断表明,人们对损失的厌恶胜过风险厌恶。与赚钱相比,人们为了避免亏损会承担更多的风险。特维斯基和卡尼曼得出结论,人类对失去的痛苦的感受是对获得的快乐的感受的两到三倍。

人类对痛苦的感受比快乐更强烈

这个比率明显会对投资决策产生影响。防御性股票策略提供了一种模式,在上涨的市场中放弃一点上行,以换取两到三倍的下行风险降低,这可能符合人性。稍后会有更多关于这个想法的内容。

投资者可能高估他们的投资方法

人类的另一个偏见是过度自信。1999年一项针对近8万美国家庭的研究发现,以投资组合营业额衡量,交易频率最低的家庭的年化回报率比交易频率最高的家庭高7个百分点。研究人员将这种差异归因于投资者对自己选股能力的过度自信——过度自信导致回报率下降(显示)。

过度自信:更多的交易不会带来更好的回报

投资者往往会让厌恶损失和过度自信等行为偏见影响他们的投资决策。幸运的是,有一种投资哲学可以帮助克服过度自信和避险偏见。

低换手率股票投资案例

考虑一种股票投资策略,该策略旨在限制下行捕获——也就是说,对下跌市场的敞口——同时参与市场收益,但不是完全参与。这种理论投资组合可以在上涨时获得市场90%的收益,而在下跌时只会下跌市场的70%。

这种90%/70%的防御策略如何帮助减轻行为偏见?

通过瞄准在进攻和防守之间取得平衡的股票,低波动性投资减少了投资者可能因过度自信而追逐的高估值股票的风险。

但这一策略在市场下跌时确实显示了它的勇气。如果成功,投资组合的平均跌幅仅为整个市场的70%。这有助于减轻损失,抵消可能促使投资者过早退出市场的厌恶损失的偏见。它还可以帮助抵消投资者对自己把握市场转折点的能力的过度自信。而这种所谓能力几乎是不可能始终如一的。研究表明,错过市场反弹最好的五天会对长期回报产生深远影响。

择时有风险

这是因为在市场低迷中损失较小的股票在市场复苏时股价恢复时收回失地不用太费力。因此,他们可以在随后的反弹中从更高的基础上复合。

虽然你可能会猜测低波动性策略会随着时间的推移表现不佳,但历史上恰恰相反。

使用1986年3月至2023年6月的数据,可以看到90%/70%的投资组合在这一时期的年回报率将比摩根士丹利资本国际世界指数高3.1个百分点,在此过程中波动性较小。我们认为,建立这样一个投资组合的关键是关注交易模式稳定、价格有吸引力的优质股票。可以利用主动管理的深度基本面研究来寻找优质股票,更好的管理波动性。这在当今利率上升、宏观经济不确定性和地缘政治不稳定的环境中至关重要。

人类不能避免自己的人性。但是,通过了解天生的情绪反应如何成为投资者最大的敌人,可以构建一种低波动性策略,以抵消行为偏见,并帮助随着时间的推移提供更好的投资结果。

编辑/rice

未经允许不得转载:新聚网 » 如何做出理性的投資決策?低波動策略或是一種解藥

赞 (0) 打赏