比赛开始
我们分析了每种价格比率在1964-2011年依照市值权重构建的十分位投资组合的复合年化增长率。我们发现在原始复合年化增长率的衡量标准下，表现最佳的价格比率是企业倍数的EBIT变体。EBIT版企业倍数所构建的股票十分位组合在整个周期中产生了14.55%的复合平均增长率。这一表现超越了次优指标所构建的股票十分位组合，EBITDA版企业倍数，它产生了13.72%的增长率，而流行的收入收益率指标，平均产生12.44%的年均增长率，得到学术界支持的BM指标，赚取了13.11%。毛利收益率所构建的股票十分位组合表现也可圈可点，整个周期中平均赚取了13.51%。未来收入收益率的表现大幅落后于其他指标，成为最差的度过方法。未来收入收益率的表现一致较差，平均录得复合年化增长率8.63%，每年落后于标准普尔（S&P）500指数1%。投资者在制定投资决策时避开分析师的未来收入收益率指标是明智的。我们在这一章节中将关注历史估值方法而将未来收入收益率留给华尔街的推销员。
我们的发现与蒂姆·洛克伦（Tim Loughran）以及杰·威尔曼（Jay Wellman）的研究结果一致，他们于2009年发现，在1964-2009年12月间（见图7.1）企业倍数的表现远超学术界推崇的BM。洛克伦和威尔曼找到了支持企业倍数的原因。他们引用了达摩达兰（Damodaran）（2006）对于550只股票的研究报告，并且注意到企业倍数，连同收入收益率以及价格销售比率，是最为常见的价格度量方法。达摩达兰声称：“在过去的20年中，（企业倍数）由于多种原因得到了许多分析师支持者。”
达摩达兰提到的企业倍数之所以流行，其中一个原因是它使拥有不同杠杆的股票容易比较。涵盖债务是非常重要的。达摩达兰举了通用汽车的例子，它在2005年时市值为170亿美元，而债务是2870亿美元。使用市值衡量规模，通用汽车只是一个中型公司。然而从企业价值角度出发，通用汽车是一家非常大的公司。市值无法捕捉通用汽车的债务对其收入的影响，但是企业价值可以。
洛克伦发现将EBITDA作为它的分子是企业倍数流行的另一个原因。EBITDA并不受非营运收入或损失的影响。结果就是，同净收入相比，折旧前的经营收入可以被看作一个更为准确且更不易被操纵的利润指标，这也使得我们得以比较同一行业以及不同行业间的公司。从绝对收益的角度出发，有证据表明即便是最简单形式的企业倍数（EBIT版变体）也优于其他价格比率。
价值溢价和利差
价值股组合与热门股组合间回报的差异——也就是利差一一被称为“价值溢价”。我们不仅希望找到表现最好的价格比率，也希望找到股票排序的最好方法。价值股（例如便宜的股票）与热门股（例如昂贵的股票）间的利差越大，大概率表现优异的股票与大概率表现不佳的股票就越容易区分。表7.1展示了十分位排序后从价值组合（第10个）到热门组合（第1个）回报率的排序。每种价格比率都在某种程度上将价值股与热门股进行了区分，但并不是所有价格比率都是相同的。
当我们根据价值股和热门股之间的利差大小分析价格比率时，我们再一次发现企业倍数（EBIT版变体）是最为有效的方法。企业倍数（EBIT版变体）每年产生7.45%的利差，因为热门组合回报为7.09%，而价值股的回报为14.55%。使利差大小以6.17%排第2位的是EBITDA版企业倍数。有趣的是，依照毛利收益率方法构建的十分位组合，其独立表现也非常出色，并且也是企业倍数的两个变体的有力竞争对手，产生了6.09%的利差。这也优于收入收益率和BM产生的利差，分别为4 .67%和4.49%。基于绝对利差这一评价标准表现最差的是自由现金流收益率，仅有2.63%。
“阿尔法”以及调整后表现
原始复合年化增长率以及利差提供了不同价格比率表现的一部分信息，但它们经过因子调整后的表现将能提供更为全面的实用信息。我们希望了解每一组合对于市场的暴露是如何影响每种价格比率在市场中的表现的。为了评估每种投资组合调整后的表现，我们控制并计算了资本资产定价模型（CAPM）中的估计参数“阿尔法”，我们将在下文中详细讨论。我们使用NYSE、AMEX和纳斯达克中所有股票根据市值加权的指数作为我们的市场回报。我们的无风险收益为四周期国库券。
表7.2展示了我们所计算的阿尔法。加粗数字为统计学5%水平下显著，这就意味着该结果从概率角度而言是随机出现的。
EBIT版变体的企业倍数的价值组合产生了最大的年均5.23%阿尔法值，打败了EBITDA版变体的4.46%，以及BM的4.09%。毛利收益率表现也很出色，每年产生4.03%的阿尔法。自由现金流收益率策略表现出最差的2.45%的“阿尔法”。最大阿尔法值产生于企业倍数和毛利收益率。收入收益率的表现也很出色。
我们了解，对于许多价值投资者而言，阿尔法是没有意义的；然而，它具有一定的、非正式的、直觉上的作用。一个带有杠杆的市场组合在长周期中能获得超越市场的业绩表现，但是从直觉上，我们不认为这一组合拥有阿尔法，而简单的CAPM模型可以捕捉到这一事实。
风险调整后表现以及风险的绝对度量
此处我们对每种价格度量方法都进行几种常规的风险检验：夏普比率以及索提诺比率，以及几种略微不同的下行风险度量。这些方法尝试从不同角度衡量每种价格度量方法的风险。夏普比率和索提诺比率是风险/报酬比。它们尝试描述每种度量方法额外增加一单位风险后额外获得的收益。下行风险度量关注于投资组合历史中最大下跌所产生的绝对风险。我们在检验下行风险时不是检验顶峰到谷底的风险，就是检验多个不同时间段的风险。通过这些对价格比率的研究，我们希望可以发现原先通过原始的或者调整后的表现数据没能发现的问题。
威廉·夏普（William Sharpe）于1966年提出了夏普比率，原本用于度量共同基金的风险调整后业绩。夏普关注投资经理通过承担额外风险获取额外回报的程度。他希望找到一种方法可以根据所承担的风险来调整收益。他提出了夏普比率，即计算历史的超过无风险报酬的超额回报（收益）与代表风险的波动率的比率。夏普比率越高，每一单位的额外风险就能产生更多的回报，因此对应的价格度量方法也就越好。
索提诺比率，与夏普比率相似，衡量风险调整后的回报。不同之处在于，索提诺比率只衡量下行波动，而夏普比率既衡量上行波动也衡量下行波动。索提诺比率在调整回报时并不针对上行波动，只针对我们希望避免的下行波动。索提诺比率也只衡量超出最低可接受回报的超额回报。在我们的分析中，我们选择5%作为每年最低可接受回报。因此，索提诺比率衡量的是每单位下行风险对应的超出最低可接受回报的超额回报。
回撤风险检验每个投资组合历史下跌的幅度。“最大下跌”衡量的是被检验的历史中从顶峰到谷底的最大下跌。回撤风险尝试反映每种价格度量方法最差的绝对表现。回撤是衡量投资策略在多大程度上保护资本不遭受重大甚至永久性损失的优秀方法。
表7.3展示了每种价格比率依照市值权重构建的十分位组合的夏普比率、索提诺比率以及历史回撤风险值。
表7.3表明企业倍数拥有最好的风险调整后表现，无论我们是采用夏普比率还是索提诺比率都能得到这一结果。企业倍数（EBIT版变体）的月夏普比率0.58为最高值，而它的月索提诺比率为0.89也是最高的。这意味着企业倍数（EBIT版变体）提供了最好的风险/报酬比，无论我们将风险定义为波动性（夏普比率）还是下行波动性（索提诺比率）。EBITDA版变体分别以0.53和0.82的夏普比率和索提诺比率同样吸引了我们的注意。自由现金流收益率拥有最糟糕的风险调整后表现，夏普比率为0.44，而索提诺比率为0.68。
企业倍数在回撤风险方面同样拥有优于其他度量方法的表现。EBITDA和EBIT版变体都拥有最低的最大下跌和月度回撤。EBIT版变体表现最佳，其最大下跌仅为37.25%，而毛利收益率表现最差，其最大下跌为56.87%。
表7.4展示了每种价格比率依照市值权重构建的热门组合的夏普比率、索提诺比率以及历史回撤风险值。
表7.4清楚地展现了一个令人痛苦的事实：购入昂贵股票对你的财富而言是有风险的。昂贵股票的夏普比率和索提诺比率较便宜股票而言更差，不管在哪种价格比率下，热门股都不幸地拥有低于市场水平的表现。它们也都有糟糕的回撤风险，遭受着极度痛苦的顶峰至谷底跌落以及月度回撤。无论是在风险调整的基础上还是在绝对风险的基础上，表7.4都为避开热门股提供了强有力的证据。