投资标的参数

为了保证我们的研究完全透明，我们在本节中列出我们投资标的详细内容，以保证我们的回测是可重复的而且是学术诚实的。我们的投资标的是流动性高而且可投资的，每次调仓时其最小市值要高于纽交所股票市值40%的水平。除非我们特别声明，这些参数在本书所有的结果中保持不变。

在第十一章和第十二章的模拟投资测试中，我们从1974年1月1日开始我们的分析，直到2011年12月31日。NEQISS变量从1972年12月31日开始有数据，我们假定数据的报告日期与投资者能看到数据的日期之间有六个月的滞后期。在技术上讲，我们可以从1973年7月1日开始计算收益；但是为了测试的方便，我们不在最终的结果中包含这六个月了。从各种目的意义上来说，我们从1973年7月1日或者1974年1月1日开始测试，数字结果都是完全一样的。

本书的目的在于建立一个合理的，在现实世界也能带来收益的量化价值投资模型。在投资模拟中我们有许多方法欺骗自己：发现假的相关关系的统计分析；使用错误的数据库而无意间引入前视偏差或者幸存者偏差；过高估计适用策略的资本量或目标股票的流动性；或者低估频繁调仓所带来的交易费用。巴菲特和格雷厄姆也承认这样一个事实，尽管市场不是一直有效的，但还是经常有效的。打败市场是困难的。任何告诉你这件事很简单的人都是在向你兜售一些能让他们变富而让你变穷的东西。

我们不通过统计分析或曲线拟合来形成我们的投资策略。我们依靠经过试验的行之有效的股票分析指标，并且我们用学术研究和经验常识来补充这些指标。我们也尽可能使我们的指标保持简洁。除了我们之前给出的理由之外，还有很多其他的理由支持简洁性。简洁的模型的规则更少但更具体，同时表现也更稳健。复杂的模型会包含更多的规则，这些规则更多是直觉性的，而且可以有多种解释。量化分析之所以有效，原因之一可能就是它促使投资者在投资的最开始就明确自己分析股票的方法。这种明确性预防了为了适应某些不合投资标准的股票而更改模型，在市场极端情况下，这种更改很容易进行。

最后，我们尽力避免回测结果的常见陷阱。我们的模型建立在学术界和业界最好的金融研究上。在所有的情况下，我们的原假设都是市场是有效的，只有当我们遇到压倒性的证据时，我们才拒绝原假设。我们采用综合全面的数据库来避免幸存者偏差，我们纳入公司过往行为以及退市股票数据，同时我们使用滞后数据以控制前视偏差。我们使用了相对较大的市值断点（2011年12月31日为14亿美元）。我们还在一开始就假设我们的投资组合是年度调仓、市值加权的。我们只寻找真正的、可复制的结果，为了达到这样的目的，我们尽可能在我们的投资模拟中谨慎且真实地再现各种投资环境，就像投资者在现实世界所面对的那样。