当前位置: 首页 > news >正文

祖鲁法则精要


        我挑选成长股的方法没有什么神奇或神秘之处。相反,我的方法是严格和有纪律性的。我只买符合我标准的股票——这些标准有的是强制性的,有的是强烈建议的,其余的则可以看成是加分项。
以下是我设定的所有标准的总结:
强制性标准
        1.进行大额投资时,市盈增长比率需低于1.0,进行小额投资时市盈增长比率需低于0.75;
        2.预期市盈率不超过20;

        3.强劲的现金流,尤其是每股现金流超过上一报告年度和前5年的平均每股收益;
        4.低杠杆率,最好低于50%,有正的现金余额就更好;
        5.前12个月的相对强度较高,同时前1个月或前3个月的相对强度较高;
        6.有强大的竞争优势;
        7.董事中没有人积极卖出股票。
强烈建议的标准
        1.加速提升的每股收益,最好与公司能自我克隆的业务模式挂钩;
        2.有一些董事在买入股票;
        3.公司市值在3000万~2.5亿英镑之间;
        4.有股息收益率。
        加分项

                1.低市销率;

                2.有新变动;

                3.低市研率;

                4.合理的资产状况。
        可以将这些标准看作是投资者握在手里的箭筒中的箭。他们不需要全部被射出,有些箭可能会错过目标,但你需要将大多数箭射在靶心上。这些标准并非严格不可改变。它们更像是成长股投资指南,帮助投资者消除不可靠的投资标的,并突出绝佳的投资机会。
        即使有强制性的要求,在执行时也需要有一些灵活性。例如,一项具有吸引力的投资可能还没有市盈增长比率,这可能是因为2年前,该公司每股收益的增长幅度微乎其微。然而,该公司的现金流可能是每股收益的两倍,其市销率可能低于1.0,而且在未来几年里,预计每股收益可增长30%,市盈率只有12倍。在这种情况下,很明显,仅仅因为2年前的条件未达标而错过这只股票就太可笑了。因此,我建议对所有标准都抱有这样的观念——如果符合大多数的标准,就不要纠结于一两个条件未达标,特别是当这个标准正在经历历史性的转折时。当然,一些股票在所有方面都显示出了疯狂的买入信号,但通常情况下,还要权衡股票的整体吸引力,并灵活地做出是否买入的判断。

        我选择成长股的方法,本质是从整个市场开始,应用各类筛选标准之后,将少数幸存者当作是我投资组合的候选股。月度REFS表格可以使这项任务变得非常简单。事实上,当一家公司出现在REFS的低市盈增长比率表中时,就意味着它已经通过了第一个筛选标准至少有一个简短的每股收益增长记录,而且似乎利润的增长还能持续。

        第二个筛选标准是为市盈增长比率设定一个目标。对于一个规模较大的投资组合来说,将市盈增长比率设定为低于1.0是比较合适的。但规模较小的投资组合可以有更多选择,目标市盈增长比率可以设定为低于0.75。
        接下来的步骤是检查候选股的预期市盈率,看数值是否超过20倍,现金流是否超过了每股收益,公司杠杆率是否低于50%,以及过去12个月相对于市场的相对强度是否为正。上个月的相对强度也应该是正的,但如果股票似乎正在经历短暂的休整,前3个月的相对强度为正就足够了。

        上述筛选可以通过简单地使用REFS月度表格完成。公司杠杆率和3个月的相对强度例外,这些可以在公司详情页面找到,该页面也同时显示董事是否在买入或出售公司股票。
        当一些强制性标准能够非常严格地得到满足,但其他一些标准稍有不足时,你可以适当地放松一点标准。例如,如果每股现金流是每股收益的两倍,那么假如杠杆率为70%,而不是低于50%时,这个问题就不大。同样,如果市盈增长比率为0.5,并且许多董事都在大量买入股票,那么市盈率为21而非20以下这一点也不会成为阻止我买入的障碍。
        一旦公司满足了数字上的强制性要求,我就开始对每个候选股进行分析,试图找出能让该公司满足我筛选标准的、背后蕴含的竞争优势。在做分析时,我会运用自己的常识,并联系可能了解业务的朋友,同时在REFS的公司条目中阅读媒体新闻、经纪人通告、年度报告和新闻信息。
        在这一阶段,我还会考虑那些强烈建议的因素,比如加速增长的每股收益,公司复制其活动的能力,董事们是否在大量买入股票;公司市值和股息收益率,等。此外,我也会从额外的加分因素中寻求安慰,比如低的市销率、新的变动、低市研率和合理的资产头寸。另一个非常有价值的交叉检查是REFS中的行业分析,这让我们可以了解标的公司的关键统计数据,并可以将其与同行业中的其他公司以及行业和市场平均值做对比。
        在目前的测试中,选择低市盈增长比率成长股的投资方法取得了很大成功。在以6个月为一个周期,一共8个周期的测试中,市盈增长比率为0.6或以下的股票平均上涨了22.9%,这不包括股息。而同时期,市场的上涨幅度为8.9%。现金流标准对投资结果的影响最小,但运用这个标准可以让我更加安心。相对强度标准大大提高了投资业绩,收益的平均超额增幅达到了34.5%。
        在只使用市盈增长比率低于0.75作为选股标准的13次测试中,从富时100指数中选择的股票上涨了21.04%,而指数本身仅上涨9.53%。在富时中盘250指数中,市盈增长比率低于0.75的股票涨幅也大幅超过了该指数,股票上涨了14.8%,而指数本身仅上涨了9.56%。
许多投资者对这些结果感到惊讶。但这时我通常会反问他们,为什么一只收益增长率更高、现金流更好、相对强度更好的股票会比市场表现差?到现在,我还没有得到一个满意的答案,而我也不认为真的存在答案。
        我推荐大约10~15只股票作为小型投资组合的最佳股票数量,对于更大的投资组合,这一数字可以达到30只或更多。市盈增长比率有助于指示我们应该何时买入股票,也有助于提示我们何时卖出。如果公司能保持良好的势头,且市场价格还没有过度反应,许多股票都可以持有多年。当市盈增长比率上升到1.2以上时,你就应该对该股票拉响红色警报,因为你的安全边际正在变薄。当然,也必须考虑资本利得税。但即使存在这个问题,如果市盈增长比率达到市场平均水平,我也肯定会成为卖出的一方,而且我可能会倾向在市盈增长比率略低于市场平均水平的时候就把股票卖出。资金总是可以投入另一只具有更大安全边际的股票,总能找到向上弹性空间更大的股票。

        不要花太多时间担心整体市场。投资是选择的艺术,选股比择时更重要。如果你发现投资让你彻夜难眠,就把一些股票卖到能让你高枕无忧的水平。当你选择卖出股票时,要选择投机性最强、市盈增长比率最高的股票。这将帮助你提高剩余投资组合的平均安全边际。我给个人投资者最重要的建议是建立自己的投资体系、方法或纪律。它们可以我在这本书中提到的标准为框架,再进行一些个性化的调整。渐渐地,你的方法会得到磨炼和检验。它永远不应该被刻在石头上——你要随时准备聆听或阅读可能有助于提高投资水平的新的投资理念。
        不要听信关于令人兴奋的生物技术股票,或其他一些缺乏基本面支撑的、充满新概念的股票的投资建议。很少有人会成功,对其进行尝试是灾难到来的前兆。你需要的应该是实现盈利、减少亏损、最大限度地利用个人账户。你要坚持自己的方法,更好地使用它。这才是成功投资最可靠的途径。
        我要强调的一点是,你的投入成本带来的回报终将体现在投资结果中。你要尽可能多地阅读相关信息,尽可能多地购买和订阅每周或每月的投资服务产品。同时,确保每周至少花一个小时左右的时间来思考你的投资策略。
        随着你投资技术的进步,我满怀信心地预测,你将会开始享受投资,就像其他任何你已经学会并且玩得很好的游戏一样。不过,投资这个游戏的好处在于一—进步越多就会越富有。


http://www.mrgr.cn/news/64200.html

相关文章:

  • 虚拟机桥接模式网络连接不上解决方法
  • Hot100刷题计划-Day4 栈专题 1~3天回顾【持续更新】
  • ubuntu18.04升级到ubuntu20.04
  • python+PyPDF2实现PDF的文本内容读取、多文件合并、旋转、裁剪、缩放、加解密、添加水印
  • MySQL HA 方案 MMM、MHA、MGR、PXC 对比
  • scala借阅图书保存记录(三)
  • 实习冲刺Day11
  • 如何利用8款工具辅助建立需求管理体系
  • CAN协议
  • 【P2-1】ESP8266 WIFI模块STA、AP、STA+AP、TCP/UDP透传工作模式介绍与AT指令介绍
  • Aicbo:解锁AI创意新纪元,一键生成视频、绘画与文字!
  • gesp的python二级题目
  • python 调用shell 脚本
  • 【机器学习】机器学习算法-线性回归算法
  • springboot河南旅游推荐系统-计算机毕业设计源码33358
  • DNS域名解析服务器--RHCE
  • Git本地分支更新推送到远程主分支上
  • 1231243545347ikih
  • 江协科技STM32学习- P33 实验-软件I2C读写MPU6050
  • 裸金属服务器和普通服务器的不同之处
  • 决策树算法
  • Java实战项目-基于 SpringBoot+Vue 的医院管理系统
  • Qt的程序如何打包详细教学
  • 无桥图腾柱PFC -- 基于平均电流的双闭环仿真
  • 【多模态RAG】多模态RAG ColPali实践
  • 《GBDT 算法的原理推导》 11-12计算损失函数的负梯度 公式解析