引言
帕特里克： 今天的嘉宾是迈克尔·莫布森（Michael Mauboussin），他在投资各方面的研究堪称一座宝藏。迈克尔是瑞士信贷（Credit Suisse）的董事总经理兼全球金融策略主管。在这场广泛的对话中，我们探讨了资产管理行业的现状，研究了投资流程的各个阶段，并思考了对于那些试图战胜市场的人来说，可能还存在哪些优势。请欣赏我们的对话。
迈克尔，非常感谢你今天来到这里。我必须先说，当我作为一名主动管理基金经理进入这个行业时，我的首要任务是学习投资，而我是哲学专业的，当时几乎一无所知。于是我去了书店买了一堆书。我读的前两本书中，一本是戴维·德雷曼（David Dreman）写的《逆向投资策略》（Contrarian Investment Strategies），直到今天我依然非常喜欢；第二本就是你和你的导师合著的《期望投资》（Expectations Investing）。我们今天一定会深入探讨这本书，但我想这是一个有趣的渊源，非常荣幸现在能在这里与你探讨这个行业。
迈克尔： 谢谢帕特里克，也谢谢你买我的书。
迈克尔的个人习惯 (Michael's Personal Habits)
帕特里克： 在我们深入探讨今天将要覆盖的有趣领域之前，我们先谈谈投资行业、广义的主动投资以及未来的前景，我想先了解一下你的个人系统。显然，你是一位高产的人，我想称你为首先是一个研究者，其次是作家、教师和阅读者。我很想知道，你认为自己最核心的事情是什么？也许不是每天都做，但大部分日子或至少每周都会做，是什么样的习惯让你在职业生涯中取得了如此多的成就？
迈克尔： 我不确定那些所谓的成就，但我认为很大程度上是一些基础性的东西，你可能经常听别人提起。对我来说，有几件事是真正必不可少的，第一大核心就是睡眠。这听起来可能有些愚蠢，但在我职业生涯的相当长一段时间里，我才意识到，保证对自己而言适度的睡眠对我的工作效率是极其重要的一环。我以前总觉得牺牲睡眠能换取一些工作效率，但实际上我发现根本不是那么回事，所以睡眠是一大核心。运动对我个人来说也是非常重要的一环，还有饮食等。
另一件事是，我从很早开始就坚持拨出专门的时间进行阅读。人们经常对我说：“天哪，你看起来读了好多书。”但大家没有看到的是，这其实是一种权衡（机会成本）。我没做很多其他事情。比如如果你问我流行的电视节目，我一无所知。这些都是选择，我不确定这是否是所有人都愿意做出的选择。但对我来说，这些都是非常关键的要素。当然，还有与家人共度的高质量时光以及其他保持平衡的事情。我认为这些是核心的架构。同样，很难说每个人都应该做这些，但我认为“睡眠、饮食、运动”三驾马车对于成功至关重要，无论你从事什么行业。
帕特里克： 关于阅读，这在今天是一个非常流行的话题，我们似乎处于某种阅读复兴的时代。每个人都真正意识到了广泛而频繁阅读的价值。你有什么寻找下一本阅读书目的方法吗？
迈克尔： 对我来说其实一团糟。如果你走进我的任何一间办公室，到处都是成堆的书，我不能保证自己在这杂乱中有什么好方法。通常会有……我猜帕特里克你也是一样，就是同时读好几本书。通常会有几本是与商业更紧密相关的——无论是金融、商业还是其他什么，然后有几本是离得很远的领域——无论是科学，还是心理学的某些元素等等。
我有一条规则：如果三个人，比如帕特里克你打电话给我说：“嘿，你读读这本书吧”，然后我从三个不同的人那里听到了同样的话，通常我就会停下来，把那本书拿起来读。但这基本上就是全部的方法。我的阅读非常发散。前两周放假时，我在两周内读了六本书，它们分布在完全不同的领域。
帕特里克： 你提到了机会成本，你是否担心过在某个特定领域读得太多？特别是在你试图解决某个具体问题的领域。我的切入点是，这可能会固化你的先验概率（Priors），导致你在这个领域更难产生原创性的见解。
迈克尔： 完全如此。我认为这对我们所有人来说都很难，因为我们都是累积经验的产物，所以我们很难没有偏见。有趣的是，几周前我写了一篇庆祝我进入华尔街 30 周年的文章，并给出了一些背景介绍，我希望这不会让人觉得枯燥，但我这样做的原因是为了……我应该写过：“这就是我的背景，也是我的偏见所在。”所以，如果你想知道我的局限性在哪里，或者我的思维在哪些方面受到了特定影响，我会在文章中亮出我的底牌。
话虽如此，我认为广泛阅读并让自己接触大量不同的观点，保持积极开放的心态（actively open-minded），阅读确实能帮助培养一个人的这种品质，我也努力恪守这一点。所以我愿意去读各种东西。即使有些华尔街同行发表的观点我并不赞同，但只要它们写得很用心、很有深度且真诚，我都会去读，以试图理解所有不同的视角。
帕特里克： 除了商业和投资之外，有没有一两个你作为读者经常回归的类别？
迈克尔： 有的。我不知道这算不算在商业和投资之外，但心理学文献确实对我产生了深远的影响。我想每个人都开始意识到这一点了。我认为我们正在跨越仅仅理解那些已被详尽记录的认知偏差的阶段，进而开始探讨“我们该怎么做”的问题，我知道这是你和你的组织所做工作的重要组成部分。
我一直着迷的第二个领域，可以说是生物学与经济学的交汇。经济学这门学科，在其发展历程中一直偏向于数学化，我认为这深深地受到了物理学的启发。但事实证明，大多数经济系统都更具有生物学的特征，而这是极难建模的。我认为我们正在朝这个方向迁移。特别是像“市场作为复杂自适应系统（Complex Adaptive Systems）”这样的概念意味着什么？它对我们思考市场效率有什么启示？这些问题一直让我着迷。
帕特里克： 这让我想起尼克·戈格蒂（Nick Gogerty）写的一本名为《价值的本质》（The Nature of Value）的书，你读过吗？
迈克尔： 读过，那本书很有意思。
帕特里克： 对于感兴趣的人来说，那本书真的是生物学与市场非常有趣的结合。作为一个学习者，显然你是一位大量的阅读者，但同时也是一位在哥伦比亚大学执教的老师——根据你几周前发出的备忘录，你做这件事大概快 25 年了。在这三件事（阅读、写作、教学）中，哪一个是你更偏好的学习方式？你觉得通过写作和教学，是否比阅读能学到更多、有更多价值？
迈克尔： 这是一个很有趣的问题，帕特里克，我也很想听听你的看法。我感到对我来说，写作和教学，尤其是写作，是巩固理解的非常宝贵的机制。事实是，我读了大量的东西，但老实说，我记住的并没有我想象的那么多。我认为要真正巩固这些想法，将它们以条理清晰、易于理解的方式写下来，或者更重要地，教给现场的听众，让他们参与进来并提出质疑，能让我的知识体系变得更加扎实。
回到你最初的问题，你说：“是什么促使你每天都在前行？”可能就是这种输入（Input，即学习新事物、发现或钻研特定主题）与通过输出（Output，如教学、写作或与人分享想法）进行巩固的结合。直到你能清晰地写出来，或者直到你能以有效的方式教给别人，你才算是真正理解了它。
最后我想说的是，当你回想起你遇到过的优秀教授，无论是在圣母大学，还是高中的老师，是谁真正启发了你？几乎总是那些能把复杂问题简单化的人。他们能让充满挑战的、困难的、甚至令人兴奋的想法变得平易近人。这对我来说就是全部的意义，这就是教学的意义，也是好写作的意义。也就是让读者在某一时刻感受到：“天哪，我懂了，这太让人兴奋了，而且对我来说是可以理解的。我可能需要花一点精力，但它是可触及的”，这就是目标。
主动与被动投资的辩论 (The Active-Passive Debate)
帕特里克： 我们以前把那些优秀的哲学教授称为“海明威”，因为在哲学领域，事情显然会变得极其复杂且充满术语，然后你就会看到大家眼神涣散。我完全赞同，对我来说也是写作，我没像你一样教学，但我也很希望有一天能做到。能够有条理地写出某件事，帮助我理解它的程度可能超过了纯粹的阅读。对我来说，阅读在很大程度上是娱乐性的，因为正如你所说，我会忘。虽然我做笔记，我有一个庞大的笔记库，但我还是会忘掉我读过的大部分内容。
很好。这就是基础：睡眠、健康、阅读以及对有趣想法的持续探索驱动着你的输出。现在我想转向投资行业，我们先从宏观谈起，首先探讨这个非常热门的话题：主动管理与被动管理的博弈。可以说，这是当下整个行业思考的最大的问题。目前被动投资在美国股票资产中的占比大概在三分之一，甚至有估计高达 40%。人们问的一个问题是：“未来会怎样？”在此之前，我很想听听你的看法，你认为主动管理从社会整体（而不是单个经理）的角度来看，其核心功能和益处是什么？
迈克尔： 它的益处其实非常清晰，虽然这在某种程度上与你（作为量化或主动投资人）的目标相反。主动管理的整体社会功能在于：主动管理人收集信息，并将这些信息准确地反映在证券价格中。因此，他们创造并促进了市场的效率。而从社会的角度来看，价格效率是至关重要的，因为它能在理想情况下让社会资源流向最有效、最能创造价值的地方。所以这个功能是非常有用的。
然而，这里的关键在于，主动管理人对这件事情做得越好，他们自身创造超额收益（Alpha）的过程就越显得徒劳。也就是说，如果市场真正实现了效率，那么就没有人（或者极少数人）能够战胜市场，超额收益就变得完全由随机性主导。所以对我来说，这就是它的本质角色。
帕特里克： 显然我们需要一些主动管理，市场不可能 100% 被动化。如果现在是 30% 到 40% 的水平，你认为这个比例最终会去向何方？如果有某种均衡状态，你觉得在未来 20 年它会稳定在什么水平？
迈克尔： 这是一个极佳的问题。对此我有一些想法，实际上我正试图写点东西，更系统地论述一下。
第一点，这包含在我之前对主动管理的评论中：主动管理创造了一个正外部性（Positive Externality），而被动投资者可以无偿享受这个外部性，即市场效率。换句话说，如果没有某种价格发现机制，你就无法建立一个指数基金并仅收取 5 到 10 个基点。而这些价格发现的成本，目前在很大程度上是由主动管理人及其客户承担的。因此，主动管理为被动投资创造了可乘之机。
至于分析框架，我一直回归的是格罗斯曼-斯蒂格利茨（Grossman-Stiglitz）1980 年的经典论文。顺便提一下，1980 年这个年份很重要，因为在 1970 年代中后期，人们对有效市场假说（EMH）的狂热达到了顶峰。那是芝加哥学派统治的时代，人们深信有效市场就是终极答案。而这篇论文的出现提供了一个重要的制衡，它的名字就叫《论信息效率市场的不可能性》（On the Impossibility of Informationally Efficient Markets）。他们的论点基本上是：“嘿，伙计们，搜集信息并将其反映在价格中是有成本的。因此，市场必须存在相应的回报，我们可以称之为‘偏差’、‘低效’或任何其他词。”即使它们从长期看期望值为零，它们也必须存在。
否则，这些主动管理人就没有动力去做这件事。这就引出了最根本的问题，你可以从供需两端动态地思考：“市场低效的规模必须有多大，才能维持主动管理行业的运转，进而使价格保持基本有效？”
我们现在可能正处于这样一个阶段：主动管理的规模过去变得有点太大了，收费有点太贵了，以至于市场机会不足以支撑这个庞大行业的经济效益。所以你看到了资金向被动的迁移。但这显然不意味着市场可以 100% 被动化。
另一个有趣的问题是：“我们到底需要多少人类主动投资者，还是说依靠技术或量化方法，就能让信息高效地反映在价格中？”这是一个极其有趣的问题，也是我正准备切入并撰写的研究，即：“主动投资在各方面的投入（包括共同基金、对冲基金等）到底有多少？全球权益市场规模巨大，那么市场必须存在多大程度的超额收益机会，才能让这个行业处于大致的平衡状态？我们又该如何到达那里？”所以，我也不知道最终会停在哪个具体的比例。
帕特里克： 这就是核心分析框架。
迈克尔： 对，这就是我认为切入这个问题的合适方式。这很有意思。
帕特里克： 是的，这绝对是一个极佳的问题，在一个如此复杂的市场中，很难知道确切的答案。不过，我认为主动管理者作为流动性提供者（Liquidity Provider），至少可以通过这种方式赚取一些费用，尤其是当主动管理者越来越少的时候。
在更短的时期内，我作为一名主动管理者，而你职业生涯中与许多主动管理者有过交流和合作。主动管理界的一个大问题是：“在这个转型期，假设被动投资从主动手中夺取市场份额的趋势在未来一二十年内持续，那么被动份额的增加对留下来的主动管理者来说，究竟是利好还是利空？”
你听过许多大师对此持有完全相反的意见。比如巴菲特几十年前曾著名地表示，他喜欢被动投资，因为这会减少主动竞争对手；但现在他却成了指数投资的头号代言人。我再读一段另一位大师的观点，我认为非常有意思：
“我相信指数化最终会被证明只是华尔街的又一桩时尚（Fad）。当这股风潮过去，被纳入流行指数的证券价格，相对于那些被排除在外的证券，几乎肯定会下跌。更重要的是，正如《巴伦周刊》指出的，‘一个自我强化的反馈机制已经形成——指数化的成功推高了指数本身的表现，这反过来又促进了更多的指数化。’当市场趋势逆转，跟上大盘就不再那么有吸引力，届时抛售将不利于指数基金的表现，并进一步加剧人们夺路而逃的恐慌。”
这实际上是塞斯·卡拉曼（Seth Klarman）在 1980 年代末、1990 年代初写在《安全边际》（Margin of Safety）里的一段话，这也是一本极具价值的书。但在这一点上他显然预测错了，指数化绝对不是一桩短命的“时尚”。
那么，你在这个光谱中处于什么位置？被动占比增加，是让主动管理者的工作变得更容易还是更艰难？
迈克尔： 你打算在这个预测上放过塞斯·卡拉曼吗？哈哈。首先，我绝对不认为它是一桩时尚。我有几个核心观察：
第一是重申一个显而易见的常识：在特定时期内，在扣除费用之前，市场中所有投资者的超额收益（Alpha）之和，定义上必须是零。因为这是一个零和博弈。因此，如果你要赚取正的 Alpha，市场上就必须有人承担等额的负 Alpha。这是一个非常重要的立论基础。
第二，这更多是我的一个推论，虽然目前无法给出百分之百的量化论证。我的直觉是：目前在被动化浪潮中流失的、以及主动转被动的主体，往往是市场上“较弱的玩家”——即那些不够专业、不够系统化或者单打独斗的散户投资者（Mom-and-pop）。如果情况确实如此，那么留下来的主动管理游戏玩家，其平均智商和专业度其实是在上升的，而不是下降的。
如果这个假设成立，就会引发我所说的“技能悖论”（The Paradox of Skill）——这同样不是我的原创。技能悖论指出：在由技能和运气共同决定结果的活动中，当大家的绝对技能都普遍提升时，运气的成分反而会主导最终的结局。
这里的关键不是“绝对技能”水平，我认为全行业的绝对技能都在上升；关键在于“相对技能”的差距在缩小。
最顶尖的选手和平均水平选手的差异变得越来越小。当大家都非常专业时，博弈就变得像是在拼运气。因此，随着较弱的对手离场，主动管理人的相对竞争对手变得更聪明了，这反而让获取超额收益变得更加困难，而不是更容易。
第三点关于指数基金，如果你持有标普 500 指数，你就会获得指数收益。你确实可以争论指数内部某些个股被定价错误了，但作为一个整体你获得的就是指数收益。如果这是你的业绩基准（我不认为这是个不合理的基准），这就是你面临的现实。
如果这些定价错误真的严重到了可以回馈给主动管理人的程度，套利机制（Arbitrage）就会启动并抹平它。马里兰大学的拉斯·维默斯（Russ Wermers）写过一篇论文，指出“被动持股比例极高的股票，其定价的准确度或效率往往低于那些主动持股比例更高的股票。”
帕特里克： 是的，这确实很难证明。
迈克尔： 但这里面可能确实有些门道。这是否意味着主动管理者可以利用这种“流动性溢价”或“非有效定价”？可能会有这方面的机会。我们显然不能说我们可以一路滑向 100% 被动而不需要任何主动管理者，那绝对是行不通的。但我们必须客观看待这一点，对绝大多数人来说，选择被动投资或指数化并不是一个差的策略。但这绝不意味着主动投资人就没有生存和发挥的空间了。
帕特里克： 你提到这个过程是由相对弱的投资者退出导致的，这改变了主动管理池的构成。但我对留下来的主动管理者结构有些疑问。我们在想，到底是谁在流失资产？
这里有两个维度的观察：第一是投资者通常会解雇那些近期表现落后的管理人。但我们知道业绩存在均值回归（Mean Reversion），所以他们很可能在管理人即将迎来业绩爆发前夕将其解雇。第二，如果你看看主动管理领域中所谓的“影子指数化”（Closet Indexing，即名义上是主动管理，实际组合紧跟指数）的崛起，特别是美国。许多基金打着各种旗号（智能贝塔或基本面选股），但管理着几千亿美金的庞大规模。一旦规模大到这种地步，即便经理是个天才，也很难做出与指数有差异的配置。
所以我很好奇，随着全行业夏普比率的走低，相对技能的缩小，这种“职业风险控制”（如影子指数化）等行业动力学特征，是如何影响剩下的超额收益池（Alpha Pool）的？
迈克尔： 我完全同意你的看法，你抓住了核心。首先关于均值回归，你说的非常准确。如果你去跟客户或投资顾问聊，他们会把这个道理说得头头是道，但实际操作时他们还是会犯同样的错误，也就是解雇。他们会说：“嘿帕特里克，我们最看重的是你的投研流程、你团队的稳定性和你的投资哲学。”但到头来，过去的短期业绩依然是决定他们聘用还是解雇你的最强大指标。
事实是，你解雇了表现差的经理，聘请了表现好的经理，但在接下来的周期里，这并不意味着好的会一直好，差的会一直差。因为这在很大程度上属于随机性的均值回归。无论是好经理还是差经理，他们下一期的期望 Alpha 值都会向均值（扣除费用后接近零）靠拢。
第二点，关于“影子指数化”的现象极其令人着迷。现在共同基金必须披露它们所对比的业绩基准，这在共同基金的历史上是一个比较新的变化，这成为了一个诱发性事件。如果市场确实变得极其高效，那么作为一个资产管理者，为了保住规模和自己的饭碗，去在更大程度上复制基准指数的权重，就变成了一个完全理性的商业选择。因为你创造惊人回报的概率可能不高，但你被市场彻底抛弃的概率也大大降低了。
只要你能留在游戏里，你就能持续收取管理费，这是一门极好的生意。你提到的“职业风险”（Career Risk）在我们的行业里真的是一件天大的事。凯恩斯有一句名言：“世俗的智慧告诉我们，名声上宁可体面地失败，也不要不合常规地成功。”我认为这是一个巨大的因素。如果你开始做一些完全特立独行的配置，即使在经济逻辑上是完全成立的，如果它在较短的时间内没有产生效果，你就会面临铺天盖地的撤资压力。
这也让我想起塞斯·卡拉曼，尽管他之前对指数基金做过那样的预测，但他对客户关系和客户的本质提出过非常深刻和具有启发性的见解。如果你问他毕博基金（Baupost）几十年来成功的秘诀，我认为他会回答说：“拥有正确的客户是绝对不可或缺的要素。”这不仅仅因为他们是伟大的投资人，更因为正确的客户群允许他们执行长期的投资流程，而如果换作另一批有着不同短期回报目标的客户，他们是绝对无法做到这一点的。
帕特里克： 是的，我曾经被问到，如果可以和世界上任何一位投资人共进晚餐，我会选谁？我的答案就是卡拉曼。很大程度上是因为他构建这门生意的方式，而不仅仅是他的投资技术。显然，他是一个深度基本面投资人，而我是个量化投资人，我们之间几乎没有重合点。但我认为他的这套理念——通过寻找正确的合作伙伴来获取所谓的“客户超额收益”（Client Alpha），在被动投资持续蚕食份额的未来，可能是主动管理者所能拥有的最重要壁垒。
期望投资框架 (The Expectations Investing Framework)
迈克尔： 确实如此。帕特里克，我很赞同你的看法。我记得卡拉曼在某个地方说过一句话：“一个伟大的客户，是我们在给他寄钱时能爽快收下，在我们需要钱时能毫不犹豫写支票给我们的人。”我觉得这句话非常妙。这意味着当我们找不到好的投资机会时，我们把钱还给客户，客户不抱怨；而当我们看到好的投资机会时（通常是在市场最恐慌、客户最害怕的时候），他们愿意配合我们写支票，让我们把资金投入市场。这需要双方高度的信任和默契。这就是寻找正确资本来源所能带来的巨大超额收益。
顺便提一下伯克希尔·哈撒韦，他们拥有保险业务并产生保险副产品——“浮存金”（Float），这让他们拥有了几乎源源不断的、成本极低的资本来源。这在长周期中是一个巨大的优势，因为你永远不用担心无钱可用。当有人带着 8% 的优先股交易找上门来时，你随时可以写支票。
帕特里克： 是的，浮存金绝对是权力的终极来源。回顾巴菲特职业生涯的后半段，他在很大程度上是意识到了浮存金的威力，而不仅仅是传统的价值投资。
好，在主动和被动的发展方向上我们达成了共识。接下来我们聊聊主动管理本身。你在这方面写过大量的文章。我倾向于将你归类为一位非常系统化的“元思考者”（Meta Thinker），致力于向主动投资人传授关于价值评估、组合构建和资本分配的实用工具。我想从你的那本书《期望投资》开始。那本书对我启发很大，很多基本面投资人都把这本书当作入门必读。你能不能用最精炼的话描述一下这套框架？
迈克尔： 这本书有一段简短的历史。你是个哲学专业的学生，我是个政治学专业的。我刚来华尔街时，对商业和金融的基本概念一无所知。这在某些方面是个劣势，但在另一些方面却是个优势，因为它迫使我在面对许多事情时都必须回到“第一性原理”（First Principles）。
在 1980 年代末，我的一个同事给了我一本阿尔·拉帕波特（Al Rappaport）写的《创造股东价值》（Creating Shareholder Value）。那本书有很多很酷的想法，尤其是第七章，名字叫“给管理层的股市信号”。他的核心论点是：嘿，如果你是公司的 CEO，你的投资回报率高于资本成本，这其实是不够的；这无法支撑你的股价持续上涨，因为市场可能已经把这一预期反映在当前的股价中了。股价要上涨，关键是你的实际表现要战胜市场的预期（Expectations）。
当时拉帕波特的目标读者是企业管理层，但作为一个投资者，我脑子里开始警钟大作。我开始作为一名初级分析师使用这套技术写研究报告。这让我在 1990 年代初结识了他。到了 90 年代末，他找到我，说：“嘿，我们或许应该为投资者写一本关于‘创造股东价值’的书。”这就是《期望投资》的雏形。
顺便说一句，这本书的推出时机不能更糟糕了。我们的网站是在 2001 年 9 月 10 日上线的，也就是 9/11 事件的前一天，而且正处于美股为期三年的熊市中。我们在 90 年代繁荣期筹备这本书，结果生不逢时。但这套期望投资背后的核心思想非常朴素，我可以用 30 秒概括：
帕特里克： 顺便说一句，这本书现在在 Kindle 上也有了。
迈克尔： 核心思想非常简单：
- 股票价格（以及所有资产价格）反映的是市场对公司未来财务表现的一套预期。
- 作为投资者，你的任务是通过战略和财务分析，去理清当前价格中隐含的未来业绩预期。
- 你所寻找的，是这套“隐含预期”与公司“实际基本面表现”之间的错配（Gap）。
说到底，所谓的成长股投资与价值股投资，在本质上有什么区别？其实并没有太大的区别。所有成功的投资都可以归结为一件事：在市场预期处于低位时买入。
我总是开玩笑说（带有一点夸张），我看到主动基金经理犯的最大错误，就是无法区分“基本面”和“期望值”。
当一家公司的基本面看起来如日中天时，大家都想买入；当公司基本面看起来一团糟时，大家都急于割肉。而期望投资的方法强迫你每一次都停下来，退一步思考：让我把当前的“基本面变化”与价格中的“期望值”做个对比。只有在这两者存在裂口时，你才能赚取超额收益。
你可以使用量化方法去筛选那些市场预期处于低位的公司，这完全是有效且理性的方式，但你永远不能偏离那个终极目标——即“实际表现”与“隐含预期”之间的差值。
帕特里克： 你在书里提到，绝大多数股票当前的估值，需要公司未来能产生 10 年、甚至 15 年的价值创造现金流才能支撑。但我们对预测这件事都抱有合理的怀疑，在市场上做 1 年的预测都极难，更不用说 10 到 15 年了。而且现在公司的平均生命周期也在缩短。你觉得，对于那些统计学上便宜（低 PE、低 PB）的股票，这套期望框架是不是能提供更好的胜率？
迈克尔： 帕特里克，你点到了核心。首先，关于 10 到 15 年这个价值创造窗口期（Competitive Advantage Period, CAP），那是我们在写书那个时代的估算，今天这个数字实际上变短了。
回到你说的成长与价值，核心共同点都是在寻找“低期望”。这里我们可以用一个“高跳水”的隐喻：期望值就是栏杆设定的高度，而基本面就是公司实际能跳过的高度。 我们的目标是寻找能轻松跳过栏杆的公司。
有时候，栏杆设在 8 英尺，但公司实际上能跳 10 英尺高——这就是卓越的成长型公司，它的买入依然能提供极佳的回报。有时候，栏杆设在 2 英尺，但公司实际只能跳 1 英尺——虽然它看起来很“便宜”，但期望值依然太高了，这就不是一个好的投资。
因此，较低的期望值是投资的公约数。在量化中，低 PB、低 PE、高股息率这些指标，本质上都是在寻找低期望值的“代理指标”（Proxies）。
低估值多倍数本身不是终极目的，它们只是带你找到低期望股票的鱼塘。但我不希望这限制了我们去投资那些高增长的优秀公司，因为只要隐含的预期不够高，它们同样能创造价值。
关于预测，我们最近做了很多关于“超额资本回报均值回归速度”（Fade Rate）的研究。如果你有一个高 ROIC 的企业，这个超额回报要花多久才会衰退到资本成本水平？你可以根据不同的行业和板块，得到非常不错的概率分布数据。这让我们在面对未来时，不至于处于完全抓瞎的状态。
帕特里克： 成长股之所以有趣，是因为从概率上看，最昂贵的那批股票作为一个整体在长周期里确实是跑输的；但这个昂贵的类别里也诞生了最耀眼的个股超级赢家（比如 Facebook、亚马逊等），它们用实际的爆发式基本面增长远远地甩开了高预期。但对于量化投资人来说，我们追求的是概率。我们可能很难在早期识别出下一个 Facebook，因为系统会把它们归为高预期而排除掉。
你在书中对使用单一的 PE 乘数或会计利润（Earnings）来作为企业健康状况的指标持有非常合理的批判态度。你能不能解释一下，为什么会计利润存在局限？你更倾向于用什么来替代它？
迈克尔： 我的合作者拉帕波特，他的博士学位其实是会计学。他之所以走向财务和创造股东价值的研究，正是因为他深知会计学的死穴。
任何商业（无论是公共公司还是私人小店）的生命线，都是它在其生命周期中所产生的、能够真正在最后落袋为安的现金。
而利润在很多时候并不能真实反映现金流。在长达数十年的维度中，这两者最终会被调和；但在三五年、甚至十年的中期维度里，会计利润和自由现金流之间会产生极其巨大的鸿沟。
第二点，资本分配的本质是：将资金投向回报率高于资本成本的项目中去创造价值。但从数学上非常容易证明：一家公司完全可以在利润持续增长的同时，在经济实质上不断毁灭价值。
如果一家公司的投资回报率低于资本成本，那么它增长得越快，它挖出的经济深坑就越深。
这也延伸到了对 PE 乘数的误用。我们可以追溯到默顿·米勒（Merton Miller）和弗兰科·莫迪利安尼（Franco Modigliani）1961 年关于估值的经典论文。今天教科书把估值写得好像天经地义，但在 1961 年，有很多悬而未决的线索。他们做出了一个极具智慧的拆解，将公司的价值分为两部分：
- 稳态价值（Steady-State Value）：假设公司当前赚取的利润水平，不经过任何增长，以当前资本成本折现到无穷远期的价值（例如一家开好的饭店目前的盈利水平）。
- 未来增长机会的现值（PVGO, Present Value of Growth Opportunities）：公司未来通过新增资本投资、创造高于资本成本的回报所产生的价值（例如未来新开门店所能创造的价值）。
如果公司的资本成本是 8%，那么稳态利润的合理乘数就是其倒数——也就是 12.5 倍。也就是说，如果你以低于 12.5 倍的 PE 买入一家利润可持续的股票，你相当于在免费获取它未来所有的增长机会。
如果市场整体的 PE 在 18 倍左右，这意味着大约 12.5 倍是稳态价值，剩下的 5-6 倍溢价是大家在为未来的价值创造付钱。我们做过统计，从 1960 年代至今，标普 500 指数的价值构成中，大约三分之二是稳态价值，三分之一是未来增长价值，这非常符合直觉。
将回报归因于价值创造与资本分配的现状 (Attributing Returns to Value Creation & State of Capital Allocation)
迈克尔： 解构 PE 乘数能让我们清晰地看到，我们为了未来（How much they can invest, at what rate, for how long）到底支付了多少溢价。这比盲目谈论价值投资要高级得多。如果你能找到一些公司，你几乎没有为它们的未来价值创造付钱，而它们却有清晰的价值创造记录和护城河，那这就提供了一个很好的安全边际和巨大的向上期权。同样，如果某些公司看似 PE 极低（比如 6 倍），但当前的稳态利润水平根本无法维持、正在呈断崖式下跌，那就是典型的“价值陷阱”。
帕特里克： 这是一个非常清晰的拆解视角。这也是理解价值投资的一种好方式：不要为了难以预测的未来去付钱。 因为基本面的均值回归是商业世界最铁血的定律。
比如当下的传统零售业被亚马逊打得体无完肤，许多公司的估值跌到了极低点，这表明市场对它们未来的预期几乎是负增长。如果你不需要为未来付钱，甚至价格中已经隐含了未来的破产预期，那么只要它们活了下来，就会有很好的回报。
迈克尔： 确实如此。我的哥大同事布鲁斯·格林沃尔德（Bruce Greenwald，一位极具智慧的教授）也是这样教学的：估值首先看资产负债表（清算或重置价值），其次看稳态盈利能力，最后才极其勉强地去为未来的增长机会买单。 这就是格雷厄姆一脉相承的保守防守策略。
但话虽如此，对于像亚马逊这种高估值公司，我们依然可以运用这套框架，而不违背我们讨论的原则，只要它们的实际资本回报率能持续击败市场预期。
帕特里克： 对于量化系统来说，因为我们依靠概率和因子，通常会直接避开这类估值极高的股票。但我很好奇，对于基本面投资人，有没有什么可复制的机制，能在早期识别出像贝佐斯这样拥有宏大格局、且能知行合一（在 1997 年股东信中就确立了“以客户为中心、关注长期自由现金流”的原则并执行至今）的领袖？还是说这纯粹是幸存者偏差的“彩票游戏”？
迈克尔： 我认为在很大程度上确实存在“中彩票”的成分。但我对亚马逊关注了很久，部分原因是我的一位好友比尔·古力（Bill Gurley，IPO 时的分析师，现任 Benchmark Partner 基金合伙人）在亚马逊上市时就告诉我：“嘿，迈克尔，这帮人真正理解商业的底层逻辑。”
比尔当时把我介绍给了亚马逊当时的 CFO 乔伊·科维（Joy Covey，几年前不幸因车祸去世）。乔伊是一位卓越的思考者，我相信亚马逊那封著名的 1997 年股东信中关于 ROIC 和自由现金流的架构，在很大程度上深受了她的影响。
Jeff 懂客户体验，但乔伊懂资本效率和现金转化周期。他们的成功是“极致的技能”与“巨大的运气”在极大幅度上的交汇。
另外从因子的角度看，我很关注罗伯特·诺维-马克斯（Robert Novy-Marx）关于“毛利资产比”（Gross Profitability to Assets, GP/A）来定义质量因子的研究。如果你用传统的 PE 或 EBITDA 乘数看亚马逊，你可能会觉得它贵得无法下手；但如果你从“毛利资产比”这个质量指标来看，它在全市场中处于最顶尖的 25% 象限。这可能是一个更好的估值代理指标。
帕特里克： 质量因子（Quality Factor）在量化领域确实越来越流行。但我们的发现是：质量因子作为“负向筛选”（过滤坏公司）的效果，远远好于作为“正向筛选”的效果。
那些资产负债表糟糕、财务水分大、疯狂挥霍资本的垃圾公司，在随后的时间里跑输大盘的概率是高度确定和 monotonic 的。这非常符合霍华德·马克斯（Howard Marks）的观点——“债券投资是一门不输钱的艺术”。
迈克尔： 没错。
帕特里克： 我们再顺着这个逻辑聊聊资本分配（Capital Allocation）。这通常是企业分析中最被忽视、却极具威力的一环。在学术界，法玛-弗伦奇（Fama-French）最新的五因子模型也加入了“投资因子”（Investment Factor）——即资本开支过快扩张的公司未来往往跑输。而我们发现，那些在股票便宜时进行高 convinction 股票回购的公司，提供了非常强的超额收益信号。
但股票回购在媒体、甚至在部分政客那里成了众矢之的，比如黑石的拉里·芬克（Larry Fink）多次呼吁企业减少回购、增加社会开支。你怎么看待股票回购？
迈克尔： 我们在这方面写过很多报告。老实说，大多数媒体上的文章都是粗制滥造的无知之谈。
我们喜欢把企业的回购划分为三个截然不同的阵营：
- 市场效率阵营（Market Efficiency Camp）：这类通常是超大型企业。它们像付股息一样，每年或每季度按照固定比例机械地回购股票。有时候买贵了，有时候买便宜了，它们不指望能通过时机选择套利，只是把这当成一种分配多余现金的常规渠道。
- 内在价值阵营（Intrinsic Value Camp）：这些企业的管理层对自己公司的内在价值有着极深的认知。当自家股价显著低于内在价值时，他们会爆发出极大的信念进行回购；而当股价昂贵时，他们会按兵不动。威廉·索恩戴克（Will Thorndike）在《局外人》（The Outsiders）中写的 Ralston Purina 公司的 CEO 比尔·斯蒂里茨（Bill Stiritz）就是这个阵营的典范。斯蒂里茨通常不轻易表态，但只要他宣布启动回购，你几乎可以直接闭着眼睛买入。
- 不良动机阵营（Impure Motives Camp）：这是目前最饱受诟病的领域。管理层回购股票纯粹是为了稀释员工期权、或者通过借入廉价资金回购股份来做大每股收益（EPS）和净资产收益率（ROE），因为他们的年终奖金通常是与这些指标挂钩的。在这种情况下，回购破坏了商业的真实经济价值。
如果撇开税收因素，股息（Dividends）和回购在数学上是等价的。但对于企业管理层来说，这两者在心理学上完全不同。
管理层把股息看作是一份神圣不可侵犯的契约。一旦确立了股息率，不到万不得已绝对不能削减；而他们把回购看作是“企业经营后的残值”。付清了账单，做完了资本开支，剩下还有闲钱？那我们就拿来回购吧。
这解释了为什么回购具有如此强烈的“顺周期性”——因为当经济好、企业最赚钱（同时也是股价最高、最不该回购）的时候，他们手头的闲钱最多。
帕特里克： 这种心理学差异确实很有意思。但在理性人看来，发股息是一件非常低效的事，因为投资者完全可以自主卖出股票来获取现金（ synthetic dividend ），这在税务上要划算得多。
另外，大家总在看“总股东回报”（TSR, Total Shareholder Return），但这其实是个空中楼阁。因为 TSR 假设了 100% 的股息免税且原价复利再投资，而在真实世界中几乎没有人能做到这一点。
迈克尔： 没错。我经常对主动投资人说：当你持有一家正在回购股票的公司的股权时，“什么都不做”实际上就等于“做了一些非常重要的事”。
你什么都不做，你的股权占比就在自动上升。如果你需要现金，你可以按比例卖出同样幅度的股票，你不仅维持了之前的股权比例，获得了现金，而且在税务上要高效得多。这在逻辑上是无懈可击的。
优势是否能持续？ (Is Edge Sustainable?)
帕特里克： 这让我想起《局外人》里的亨利·辛格尔顿（Henry Singleton），他回购了 Teledyne 公司 90% 的股份。如果你一动不动，你持有的股份份额就翻了十倍。
现在我们探讨一下最核心的问题。主动管理说到底是在发掘“期望”与“现实”的裂口。作为一个投资经理，面对客户时每天都要回答的问题是：“你的优势（Edge）是什么？它是如何持续的？”
行业通常把优势分为三类：信息优势（Informational）、分析优势（Analytical）和行为优势（Behavioral）。如果你是一个主动投资人，而我今天可以赐予你这三个优势中的某一个，你会选哪一个？
迈克尔： 这取决于个人的性格和体系。今天许多顶尖的对冲基金在“信息搜集”上投入了天文数字的预算和先进的技术。
我儿子是学计算机科学的，他做机器学习。我最近问他：“要提升预测模型的精度，最大的瓶颈是什么？”他说：“不是算法有多先进，而是数据的质量。”
垃圾进，垃圾出。所以我相信高精度的信息搜集依然能提供一部分优势。但我个人更倾向于 “分析/行为”优势。
在关于“技能与运气”的研究中，我将技能定义为分析层面的素养：包括你对投资组合构建的理解、你管理和克制自身行为偏差的系统、以及当市场发生行为踩踏时你利用它们的能力。
如果从市场低效的口袋来看，我通常关注三个来源：
- 是否存在散户比例极高、缺乏专业力量的交易板块（比如 1990 年代末美股散户狂潮，为专业机构创造了史诗级的降维打击机会）。
- 是否存在“被迫抛售者”（Forced Sellers）：有人因为非基本面原因不得不卖出股票。这可能是 margin call 导致的平仓，或者是银行为了满足监管要求削减风险资产。而最典型的例子是公司分拆（Spin-offs）。尽管分拆的超额收益文献已经存在了半个世纪，但这种被动基金被迫抛售所带来的超额收益至今依然存在。
- 是否存在“多样性崩溃”（Diversity Breakdowns）：这属于行为金融学范畴。价格有效的根本前提，是市场参与者的决策模型必须具备异质性（Heterogeneity）——即大家有不同的时间窗口、不同的策略和不同的切入点。如果由于某些原因（如羊群效应），大家开始使用单一的决策模型、看相同的指标、往同一个方向跑，多样性就会崩溃。
这又把我们带回到塞斯·卡拉曼的那句名言：“价值投资在本质上，是逆向思维（Contrarian streak）与计算器（Calculator）的结合。”
光有逆向思维是不够的。如果大家都看好一件事，你偏要看空，万一大家是对的呢？你必须配合计算器去算，去理清当大家都往一个方向跑时，是否真的造成了“期望”与“内在价值”的巨大错配。
当市场所有人都因为股息率而把高收益股捧上 20 倍 PE 时，你就需要拿出计算器去冷静地算一算，抛开股息，它的内在估值是否还成立。投资永远是一个社会化的活动，只要市场上依然有情绪波动的人类存在，这种机会就永远不会消失。
帕特里克： 确实如此。我们看到即使是指数基金的持有者，他们的资金流出入也存在极强的顺周期性——在市场高点大量申购，在市场低点大量赎回。这使得他们的实际美元加权回报（Dollar-Weighted Return）远远落后于指数本身的收益率，而在交易更方便的 ETF 中，这种行为损耗更严重。这可能成了专业投资人可以持续利用的、由“散户化行为”带来的新优势。
投资组合构建 (Portfolio Construction)
帕特里克： 最后一个拼图是投资组合的构建。你写过很多关于凯利公式（Kelly Criterion）和均值-方差模型的文章。你认为当前主动管理人在组合构建上的素养如何？如果你必须选择一种方法来对已经选出的股票进行权重配置，你会怎么做？
迈克尔： 这也是我特别希望能深入钻研的领域。我们不久前写过一篇报告《形式服务于功能》（Form Follows Function），探讨了组织架构应该如何服务于投资优势。
其中有一篇学术论文研究了 14 个共同基金家族中分析师管理的基金（Analyst-run funds）与基金经理管理的基金（PM-run funds）的对比。结果非常惊人：在同一个基金家族里，完全由分析师群体决策的组合表现要好于单个基金经理（PM）决策的组合。
帕特里克： 哇，这很有意思。
迈克尔： 这是为什么？一个核心原因是：分析师组合通常受到极其严格的行业中性（Sector-Constrained）约束。他们不被允许去对宏观板块进行押注，组合的超额收益几乎全部来自于纯粹的“个股选择（Stock Picking）”。而基金经理往往会随着资历增长而忽视分析师的意见，去进行大级别的宏观行业下注，从而稀释了个股优势。
回到你的问题，我认为投资组合构建方法应该是你所拥有的“优势类型”的函数。
- 如果你的优势是“大量的、细小的机会”，你的组合就应该极其分散；
- 如果你的优势是“极少数的、确定性极高的机会”，你就应该极度集中。
同时你必须明确你的投资目标：你是在追求单期财富最大化（算数平均），还是在进行多期复利博弈（几何平均）？这会导向完全不同的数学解。
我必须指出，在我们的行业中，一个被严重低估的组合构建工具是凯利公式（Kelly Criterion）。
帕特里克： 你能简单介绍一下它吗？
迈克尔： 凯利是 1950 年代贝尔实验室的物理学家。他与信息论之父克劳德·香农（Claude Shannon）探讨了信息论在博弈中的应用。
凯利公式的精髓是：你的下注比例，应该与你拥有的“非对称信息优势（Edge）”成正比。
把这个原理应用在投资中，最著名的实践者就是爱德华·索普（Ed Thorp）。索普在 1960 年代写了《战胜庄家》（Beat the Dealer）来阐述 21 点算牌技术，并第一次将凯利系统引入到下注仓位管理中。这让他不仅知道怎么算牌，还精确地知道在优势偏向自己时应该下注多少比例的本金。
索普随后用这套凯利思想创立了 Princeton Newport Partners 对冲基金，创造了不可思议的、几乎没有回撤的投资业绩。
但在真实世界中，纯粹的凯利公式算出来的下注比例往往过大，会带来极其恐怖的阶段性净值回撤（Wicked Drawdowns）。因此在实践中，大家通常会使用“半凯利”（Fractional Kelly）或“四分之一凯利”来平滑波动。
一旦你理清了你的优势概率分布以及你的回撤约束，组合构建在本质上就可以变成一个清晰的算法模型。
而且这能帮你跳出对单一股票的执念，转而从整体投资组合的协方差（Covariances）来思考。很多时候，经理可能主观上更喜欢 A 股票，但从协方差和组合优化的角度，模型会告诉你应该配置更多比例的 B 股票。
帕特里克： 确实如此。组合中往往隐藏着许多 PM 主观上没有意识到、也并不想承担的隐含风险暴露（Unintentional Bets）。如果一个选股型 PM 因为配置了多只能源相关股而承担了巨大的油价波动暴露，这其实是违背其初衷的。
自由棋 (Free Chess)
帕特里克： 在结束今天的访谈前，我想聊聊你大约两年前写过的一篇关于“自由棋”（Freestyle Chess，即半人半马棋）的文章。今天，计算机已经在国际象棋和围棋中击败了人类；但在“自由棋”比赛中（允许人类棋手借助任意计算机软件的辅助），“人脑 + 电脑”的混合体依然能战胜纯粹的最强计算机程序。
我想问两个问题：第一，你认为在人机协作中，人类到底带来了什么计算机无法替代的价值？第二，你觉得这种“自由棋”的隐喻在投资领域是否适用？
迈克尔： 这两个都是极好的问题。首先，在自由棋中人类到底贡献了什么？
据我所知，如果人类棋手深刻理解棋局的微妙走向，并且他们极其熟悉不同计算机程序的运算逻辑和局限，他们就能在棋局的特定关卡，敏锐地察觉到比计算机推荐的算法更为卓越的“神之一手”。
有趣的是，十年前赢得自由棋锦标赛的，不是什么世界特级大师，而是两个来自新罕布什尔州的二十多岁的业余棋手。他们的个人棋力等级分并不高，但他们对如何调用和协调不同的计算机程序有着宗师级的理解，他们精确地知道何时该采纳电脑的意见，何时该果断进行人工干预。
我今年二月份有幸拜访了加里·卡斯帕罗夫（Garry Kasparov）……
帕特里克： 哇，太酷了。
迈克尔： 我问了他这个问题，他也坚信“人机混合团队”在未来依然会优于纯粹的计算机程序。虽然这个优势的差距可能正在被缩小，但它依然存在。
那么这套逻辑适用于投资吗？
棋盘是一个完全信息公开、规则明确、边界封闭的线性系统。而金融市场则是一个充满噪声、规则处于动态演变中、非平稳的非线性系统。
尽管如此，正如我们在行医或诊断时一样，引入算法和定量模型，能显著地优化人类的决策期望值，避免低级的情绪化偏误。
我非常看好“量化与基本面的熔融”（Quantamental）。量化能帮你以极高的效率去扫描和回测海量的数据和因子，并生成许多反直觉的结论；而人类投资者可以用直觉和宏观框架去评估这些模型的适用性，并管理好行为层面的偏差。
帕特里克： 这又引出了一个关于“直觉”（Intuition）价值的问题。在这个算法统治的时代，依赖直觉或“直觉反应”正受到很多人的嘲笑。但对于在市场中浸淫数十年、经历过数次牛熊转换的优秀投资人来说，他们的直觉其实是极其高效的“隐性模式识别”（Implicit Pattern Recognition）的结果。
迈克尔： 我在我的《想两次》（Think Twice）那本书里详细论述过我的观点。
直觉确实存在，但它只在特定条件下起作用。这可以借用丹尼尔·卡尼曼（Daniel Kahneman）的系统一（直觉、快速、自动化）和系统二（理性、慢速、深思熟虑）框架。
直觉模式识别，只有在一个“稳定且线性”的反馈系统里，通过成千上万次的重复训练才能形成可靠的技能。（比如国际象棋、消防员灭火、网球回击）。
但是，如果你把直觉放在一个充满不确定性、高度动态和非线性的金融市场中，人类系统一的直觉反应几乎全军覆没，大多会演变成灾难性的偏差。
心理学家格雷格·诺斯克拉夫特（Greg Northcraft）有一句我非常推崇的名言：“经历（Experience）与专业素养（Expertise）之间存在着天壤之别。经历仅仅代表你做这件事花了很长时间；而专业素养意味着你拥有一个被证明可工作的预测模型。”
很多投资人会自我陶醉于“我凭直觉看对了这只股票”的叙事中。但如果我们严格、科学地去复盘和记录他们历史上所有直觉决策的期望值，你会发现直觉在投资中的表现可能非常糟糕。因此我对其力量保持高度的怀疑。
终极问答与展望 (Ending Questions & Outlook)
帕特里克： 两个最后的投资问题。假设你此生只有一个财务目标：在未来 20 年里获得最好的投资回报。你只能投资于公开市场的权益资产（多头）。你有两个选择：
- 方案一：你可以亲自担任基金经理，并可以任意挑选三位分析师（比如塞斯·卡拉曼）组成你的主动管理团队。
- 方案二：你直接买入先锋领航（Vanguard）的整体市场指数基金。
你会选择哪一个？
迈克尔： 即使这听起来可能有些盲目自信，但我还是会选择方案一。
我相信如果能拥有正确的心理 dispositions、科学的训练，并为自己构建一个能够免受短期考核干扰的长期资本结构，我们完全有机会跑赢市场。
但我想重申的是，对于绝大多数人来说，选择指数基金（方案二）绝对是更理性的做法。因为我本人没有那么多精力去管理个人组合，我自己的大量资产也是配置在被动指数基金中的。
帕特里克： 这对从业者来说是个鼓舞。但如果我们将问题转向资产配置者（Allocators）——他们不去自己做投资，而是需要在 50 个随机生成的基金经理中进行挑选（或者直接买入先锋指数），你的答案会有所改变吗？
迈克尔： 那么这可能需要更谨慎。
借鉴耶鲁捐赠基金戴维·斯文森（David Swensen）的资产配置哲学：我们应该将主动管理的精力，聚焦于那些“相对表现离散度极高”（存在巨大技能表达空间）的非有效资产类别中。
如果你在国债或者大盘效率股里找人做主动，这非常艰难，此时应该选被动；但在那些定价非有效的品类、或者可以跨资产灵活投资的经理中，主动技能的价值才能被释放。
其次，对于要挑选的主动经理，我希望看到他们与业绩基准之间有足够高的主动份额（Active Share），我不愿意为那些拿着高昂管理费、组合却与指数极度雷同的影子指数经理买单。
帕特里克： 最后一个问题。回顾你 30 年的职业生涯，什么事情在 hindsight 中是最让你感到 gratified（满足）的？
迈克尔： 在生活方面，首先是家庭。我有五个孩子，有一位伟大的妻子和合伙人。在生命走向终点时，你会发现只有家庭和亲情是唯一真实留存的。
而在职业方面，我感到极其幸运，能在我不同的阶段遇到几位里程碑式的导师和合作伙伴。阿尔·拉帕波特，直到今天我们依然保持着高频的研究合作，我永远是他的学生；比尔·米勒（Bill Miller），在美盛（Legg Mason）与他共事的九年里，他的海量阅读和惊人智识给了我极深的启发；还有前瑞士信贷的 CEO 布雷迪·杜根（Brady Dougan），他为我的研究提供了极强的资源和支持。
最让我感到享受的，依然是我之前提到的“输入与输出的完美闭环”：每天都有机会去学习、研究、探索这个世界的运行规律，并能够将它们整理成易于消化的内容分享给别人，让这个世界因为我们的知识梳理而稍微变得清晰一点点。
此外，我与圣达菲研究所（Santa Fe Institute）长达 20 年的合作也是我智识生活的源泉。那里汇聚了一批真正跨越学科边界、以复杂系统视角审视世界的顶尖头脑，这极大地拓宽了我的视野。
帕特里克： 展望未来，你目前对哪些领域最感到兴奋？什么力量驱使着你每天清晨醒来去继续探索？
迈克尔： 投资世界最迷人的地方在于，尽管我们已经做了如此多的研究，但我们依然处于“一无所知”的阶段。
我们依然没有真正理解什么是“风险”；我们没有真正探明“市场效率”的动态演变；我们对“企业竞争优势的可持续性”依然缺乏完美的量化模型。
我们目前正在进行的项目包括：
- 基准概率手册（The Base Rate Book）：我们将 1950 年至今所有美国公司的基本面轨迹进行整理，为投资者提供大样本的“基准概率”参考，帮助大家跳出狭隘的个体预测偏差。
- 资本分配报告更新：对美国最大的 1000 家公司在过去 35 年里的每一笔资本支出的效果进行追踪。
- 投资组合构建：我们发现整个行业花费了 99% 的精力去寻找股票优势，却只花了 1% 的精力去思考如何对优势进行下注。我们希望能在这个领域做出突破。
帕特里克： 如果你可以强制所有人去读并彻底吸收一本书，那会是哪一本？
迈克尔： 丹尼尔·卡尼曼的《思考，快与慢》（Thinking, Fast and Slow）。
它不仅对专业投资极具警示作用，对整个人生的决策质量（无论是个人理财还是职业抉择）都具有决定性的影响。我们系统地将年轻人推向复杂的社会，却从没有在课本里教过他们关于“决策科学”的基本原理，这本书是最好的补课。
帕特里克： 这绝对是一场让人意犹未尽的谈话，非常感谢你的时间。希望对听众能有所启发。
迈克尔： 谢谢帕特里克，非常愉快。