Bob体育官方网站app合理的不合理——真实世界里的估值逻辑
最近大半年的市场分化很大，一面是景气板块估值不断地创新高，另一面则是不景气板块估值持续下挫。
这给分析师制造了很大的麻烦，他们要用dcf模型不断地合理化景气板块超高的估值，但现在这估值越来越离谱，已经没办法用常理解释了，于是，有的分析师已经看到了2060年。
那么，为什么大家会有这种不合理的感觉呢？在不合理感觉的背后，必然包含了两个并行的逻辑，1、我们直觉上认为合理的逻辑；2、真实世界真实运行的逻辑。当这两个逻辑给的解一致时，我们大家都认为合理；反之，我们感受到不合理。
一般来说，我们直觉上认可的模型就是dcf模型，我们习惯于拓展这个模型去解释不同的现象，把不合理转化为合理。
一个实际运用案例就是操纵自由现金流的增长率。有的股票PE高，有的PE低，我们通过增长来回答这种差距。所以，无论是看PE，还是看PEG，都是在DCF模型的范式之下。
但是，我们现在所遭遇的困难是，市场给的估值远高于dcf所能合理化的估值。一种简单粗暴的解释就是泡沫，但这种解释办法显然不足以满足我们的求知欲。为什么市场能给出这么离谱的估值呢？
一方面是深植于个体内心深处的某种微观直觉；另一方面则是与微观直觉相反的集体决策结果。这又是怎么回事呢？
首先，我们所能确定的是群体的微观直觉就是dcf模型或它的变种——看自由现金流的贴现。
我们所寻找的方案应该具备以下两个特征：1、与dcf模型显著不同，不应该是它的任何变种；2、具备相当的解释力量。
旧的寻找尝试之所以解决不了问题，是因为总是在dcf模型的不同变种里尝试。
事实上，dcf模型是一个孤立模型，它只看自己和自己所处的环境，它的底层逻辑是本质主义或还原主义的——组成部分决定整体。
直觉上，我们都会有一种天真的幻想，把某一项资产的价格表示成 p=f（x,y）的形式，其中，x表示一系列自身要素，y表示一系列环境要素。
这种函数形式可以很好地满足我们自身的直觉和认知诉求，我们大家都希望这样一个世界是确定的，是本质主义的，更是还原主义的。
在这个框架下，我们大家可以用一个漂亮的小函数p=f（x,y）把某一项资产切割出来单独分析；如果要分析指数，我们应该把无数个漂亮的小函数加总。
它的有效性强烈依赖于我们所分析的资产多么独立于其他资产，即那个核心假设——假定其他条件不变。
也就是说，这取决于我多大程度上能把一项东西从一张大网上完好无损地分类出来——它是挂在网上还是网的一部分？
上升到这个抽象高度，我们就容易寻找对立物了——要找一个总分结构、普遍联系的定价模型。
那么，这种定价模型长啥样呢？假设有a、b、c、d、e五类资产，这5类资产的价格不能独立决定，需要同时被决定，也就是说，他们之间的价格存在相互影响，即我们要确立某一项资产的价格，既要考虑外因y，还要去考虑abcde之间的相互作用——同时考虑pve（和环境的互动）的因素和pvp（和竞争对手的互动）的因素。
最近奥运会，我们举一个奥运的例子。假设10个人跑100m，根据排名分100w的奖金池。分奖金的规则是：把这个奖金池拆分为两个池子；跑进10s的人根据排名按照等差数列分80w，都跑进10s，所有人按照等差数列分100w；跑不进10s的人根据等差数列分剩下的20w，都跑不进10s，则所有人按照等差数列分20w。
2、别人是否跑得进10s，以及别人相对于自己的速度，这涉及到与别人的互动，即pvp；
在这个模型里，你无法仅仅通过预测某一个人跑多快，去预测准确他能拿多少奖金的，因为别人的成绩也会影响到他分到的奖金数额，你需要所有人一起预测。
这才是孤立函数p=f（x,y）预测失败的核心原因——只看自己和环境了，没有去看别人。
资产定价也是如此，它既需要仔细考虑外因，也需要仔细考虑和其他资产的竞争关系。不幸的是我们所能看到的绝大部分模型都仅仅考虑了外因，并不考虑竞争。
通过赛跑分奖金的例子，我们大家可以抽象出一个很存在竞争力的资产定价框架，某一项资产分多少“奖金”取决于：
孤立的框架特别强调1和2，然而，联系的定价框架强调3，强调同时定价，强调在3的框架下如何去同时摆布不同个体的特质以及环境。
通过孤立模型和联系模型的对立统一，我们就能搞清楚那种荒诞感和不合理感觉的根源了：
我们始终假设自己所要分析的资产独立于其他资产，并假设其他资产不变动，但事实上，我们在假设一件不可能的事情。
在分析资产价格的时候，我们肯定要用联系框架，所有资产的价格是被各个资产的特质以及宏观环境根据某一个特定规则同时确定的。
如上图所示，按照联系框架，我们是无法得出一个孤零零的Xk的，我们应该用一个很迂回的方式，要先知晓各个资产的特质、宏观环境和游戏规则，然后，让他们PK，确立一个排序，最后确定Xk的价格。
事实上，这套方法我们大家常常用。当我们预测NBA总冠军、预测奥运会短跑名次时，我们所用的框架就是联系框架。
在现实中我们也很清楚，即便用正确的范式预测总冠军也很难，不可控因素太多了；可想而知，用错误预测框架的准确度有多高。
此外，错误使用孤立框架的结果可能是灾难性的，这种预测方式真不如掷骰子，掷骰子能够保证结果不那么的有偏，但错误的预测方式一定会造成某种系统性的偏离。
对于复杂事物，我们应该克制本质主义或还原主义的倾向，但这的确有点艰难，我们很难抑制这种冲动。因我们在简单事物面前是如此成功！
有些事物之所以简单，那是因为它们跟整体互动较少，所以，可以还原、降解，也能搞出一个很好用的预测模型；但绝大部分事物不是那样的，它们跟整体的互动极多，牵一发而动全身，预测是极其艰难的。
当然，如果我们足够幸运的话，我们大家可以总结出游戏规则，即在某个规则下具备各种特质的个体如何在特定宏观环境中互动。
表面上看，我们似乎已经理解了资产价格的运行规则，但真实的情况并不乐观，可能我们连游戏规则都没拼凑完整。
所以，还是先好好训练联系框架的定价直觉吧，一旦犯迷糊，我们就回到赛跑分奖金的案例里找直觉——缺失了任何一个环节，你都无法预测一个运动员该拿多少奖金，你也无法预测一个运动员成绩波动对其他运动员的影响。
好了，扯了半天淡，我们已完成了一半任务了——找一个与dcf模型迥然不同的解释框架，那它的解释力如何呢？
我们至少可以解释两个现象：1、为什么经济景气度下跌的时候市场走马太效应；2、为什么白酒景气度下滑银行股跟着遭殃。
我们假设有两类资产池，一类是专门搞景气资产，另一类是专门搞不景气资产的。他们的规模保持相对来说比较稳定。经济比较平衡的时候，二者的估值差异不是很大。
当经济变得不景气，某个板块由景气变得不景气，于是，这个资产由景气池子调整到不景气池子。两个池子的规模相对来说比较稳定，第一个池子的供给减少，于是，剩下的资产只能估值提高；第二个池子的供给增加，存量的资产估值降低，要给“新人”挪坑。
这就解释了，为什么白酒挂了，宁德时代上天，银行保险跟着遭殃。而且，不难推论，景气的板块越少，剩余的景气板块估值就越高，不景气板块的估值就越低，于是，也就解释了市场走马太效应的核心根源——经济景气度下行。
这一切的背后的支撑是一个看起来不怎么合理的假设：景气资产池和不景气资产池的规模保持稳定。
但转念一想又挺好理解的，喜欢追景气的会一直追，喜欢抄底的会一直抄，江山易改本性难移。
通过上面的分析显而易见，问题的根源在于世界多大程度上是联系在一起的，如果个体彼此独立，dcf模型的预测结果更有效率；如果个体联系紧密，联系框架的预测结果更有效率。
那么，这样一个世界是联系得更加紧密还是不紧密？又为什么呢？世界联系得更加紧密了！因为各国央行越来越鸽派，各种资产被每年十个点左右的现金扩张速度捆绑在一起。
所有人不得不采取做空现金的策略。不断膨胀的现金，干掉了一大品类投资策略——在以前持有现金还可能是一个策略；未来则越来越难。（ps：参考 ）
各种资产之间的互动，完全越过了现金，直接变成了a换b，b换c的模式，互动变得更紧密。
当下的世界联系得如此紧密，以致于景气度的下行把喜欢跟随景气度的资金逼迫到了少数高景气的板块和某些零景气度的板块，于是，
只看自己的dcf模型难以解释这些现象，但用联系模型却很好解释——因为经济景气度回升，景气池的资产供给增加，不景气池的资产供给减少。市场开始走均值回归逻辑了。
大师赫伯特-西蒙曾给主观期望效用模型所属的模型类别起了一个好听的名字：叫超凡模型，其背后的理性是完全理性和实质理性。事实上，dcf模型也属于超凡模型，需要每个完全理性。与超凡模型相对应的，则是行为模型，它架构在有限理性之上，是一种过程理性，联系框架实质上也是一种行为模型，资产价格波动的原因是投资的人置换资产的行为——卖掉a买b。（ps：关于这一点可以参考《 》）
事实上，两类模型都有不俗的解释力，且有极为深厚的土壤，前者的土壤在于我们的简单直觉，后者的土壤在于我们的有限理性，我们别简单地把他们对立，我们应该某种融合。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
外媒：凯特和威廉对外界有关其婚姻猜测“感到震惊”，可能在下月公开谈凯特情况
急了！在美国使用VPN“翻墙”看TikTok，将面临最高监禁20年处罚
3-4！两度领先被绝平 8.6亿豪门120分钟惨遭死敌绝杀 四冠王梦碎
消息称苹果计划5月量产 AirPods 4，主打新设计和 Type-C 接口
消息称苹果可折叠 iPhone 2026 年推出，“线KS开卖：竟然有官方质保
