1. 格雷厄姆的《证券分析》和《聪明的投资者》讲的都是观于债券和股票的质量，那么优质质量的股票真的是分析对比财报就能发现么？　　　　这两本书其实讲的不仅仅是债券和股票的质量，而更多的是讲的分析债券和股票的框架。我们在分析的时候，要明确一个问题，质量不是股票分析的全部，质量只是一个维度。比如巴菲特说，股票好坏要看质量和估值，既要估值低，又要质量好的股票，才是好股票。　　　　由于财务报表是一个公司最基本的、投资者最能直接获取的信息，所以从财报来分析，是基础。分析方式有2种，一种是传统的财报分析：公司尽调、财务深挖等，进行个股精选；另外一种是通过量化的手段来做分析，比如使用估值指标、质量指标、财务模型来快速筛选股票。不管是哪种方式，在历史和现实中都有成功的案例。　　所以，财务分析是肯定有价值的，特别是在这个信息爆炸的年代，信息越多，投资人越是需要冷静和系统性的框架，来分析公司的基本面。永远要基于【事实】和【数据】，不要盲目的跟随新闻，而忽略了公司估值最基本的数据。　　　　2. 斯蒂芬彭曼写的《投资中最重要的事》关于财报的分析与格雷的不同，但同样都属价值分析，那么现实中用什么样分析方法靠谱？　　　　没有最靠谱的方法，只有相对不错的。在我之前的文章里也有写过，从历史上来看，多种估值指标都都可以跑赢大盘，有没有最好的？　　　　这个很难讲，因为估值指标都有自己的周期性。但是比寻找最好的估值指标更重要的是，坚持。价值投资是建立在你年复一年的遵循系统性的方式之上的。　　　　最后也要看你最做绝对价值投资和相对价值投资了，这个真的很难讲。如果真要说一个靠谱方法的话，就是只买价值被低估的股票（们），因为估值低就代表着安全边际。　　　　投资逻辑是这样：　　　　1. 为什么寻找价值被低估的股票？因为价值被低估的股票，比如低市盈率（P/E），其安全边际高。因为同样价格的股票，每股盈余越高，通过股利可能收回投资的时间越短，也就意味着就算是股价未来不涨，你持有低市盈率股票的风险也比高市盈率股票的风险要低。　　　　2. 市净率（P/B）、市价现金流比（P/FCF）、企业倍数（EBIT/TEV）、毛利润比（GP/TEV）也是同样道理。　　　　3. 那么在做价值投资时，如何利用估值指标？通过量化的手段，我《用量化的手段来做美股价值投资》一文中，使用美国40年的数据，回测了6种估值指标。　　　　4. 通过这些指标，我们了解到低估值：企业收益倍数、收入比、现金流比、毛利润比或者市净率较高的公司，能够在历史上跑赢大盘。　　　　5. 接下来我在《寻找高质量的价值股 才是真正的价值投资》一文中，基于【企业收益倍数】这一估值指标，在低估值（企业收益倍数高）的股票中，测试了5种不同质量指标。　　　　6. 这些质量指标在总体上，能够在进一步区分【相对好的】价值股和【相对差的】价值股。　　　　对于我来说，借助量化手段的辅助，通过估值、质量和市场预期进行证券分析，然后利用市场中投资人的不理性行为，进行投资的方式，才是靠谱的价值投资方式。　　　　3. 价值投资真的不用关注宏观经济或不去预测行业，预测末来经济走势？　　　　每个人都有不同的价值投资理念，也对【价值】这个概念有不同的看法。如果你做个股精选，比如一定要找到市场上有相对价值的股票，那么你肯定要做宏观分析，甚至要去预测行业的整体走势，去看这个股票在同行业中的地位，去看这个行业是否处在某个趋势中。　　　　如果你只是要看绝对价值，比如看这个公司的每股净资产和市值之比，你就不一定要去看宏观经济和行业，因为你知道你买市净率低的股票，在大概率下其本身的绝对价值就高，你只需要等待市场来发现这个股票的内在价值即可。　　　　然而价值投资也有没绝对的【绝对】和【相对】之说，只要你能通过理论、数据、洞见、甚至是小道消息，发现某种价值投资机会，不管是往前看（预测）、还是往后看（实证），坚定的执行下去，都能算是价值投资的一种手段。　　　　对于我自己而言，我在做资产管理时，从来不看宏观经济和去预测行业，因为不管宏观经济如何，行业发展如何，这些变动都会体现在股价上，而通过量化手段的大前提，来分析股价和财务质量，就能找到错误定价的机会，从而进行价值投资。　　　　4. 现在或将来人工智能在证券领域都能替代什类型的工作？什么类型的分析师要被革命？　　　　未来如何挺难回答的，因为我不知道AI在未来能发展到什么程度，如果AI真的像是钢铁侠的智能助手一样的话，那95%金融工作都能被替代，除了吃饭陪酒打豆豆以外。　　　　不过我可以说说现在正在被替代的。比如以前的场内交易员、大宗商品专员、一部分的财富管理顾问和投资顾问，都在逐渐的被替代了。　　　　分析师其实按道理来说，这个工作不是那么好被替代。因为各种证券分析的工作，还是很复杂的。只不过，很多分析师的工作，因为投资这件事就不是一个能立马见效的行业，所以没有办法【即刻】就为客户带来价值，导致这些分析师工作的价值被【低估】。　　　　真要说谁【应该】被革命的话，也就是那些跟风、只讲故事不讲证据的分析师吧。但事实上，由于这些人会讲故事，反而他们的工作很难被自动化、智能化革命或者被替代。　　　　而反观一些分析师职位，如果他们做的事情比较线性、工作流程比较能够被量化、输出的结果能够马上带来可视的价值，那么他们被革命和替代风险，就很大了。　　　　金融分析师这个职位处于最不容易被替代的象限中（左边），有23%的概率会被自动化替代；另外还有个人投资顾问（中间），有58%的概率会被替代；而反观比较容易被替代的职业中，比如像信贷分析师（右边），有98%的被替代概率。　　　　其实现实中，大家肯定也有亲身体验。比如像我那些在美国第一资本银行（Capital One）工作过的同事们，很多都在国内通过基于数据、自动化、智能的方式，来增加信贷市场的效率，这就是现实中的分析师革命：很多跟零售信贷、消费信贷相关的分析师甚至是中间商，都被替代了。另外大家熟悉的还有智能投顾了，也是通过数据、自动化、智能的方式，来替代一些个人投资顾问所做的事。　　

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。