當機會來臨時的致勝一擊《巴菲特勝券在握的12個原則》
收藏文章
很開心您喜歡 JC 趨勢財經觀點 的文章, 追蹤此作者獲得第一手的好文吧!
JC 趨勢財經觀點
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


當機會來臨時的致勝一擊《巴菲特勝券在握的12個原則》

2020 年 8 月 30 日


初進投資市場時,羅伯特.海格斯壯的書是我最早接觸巴菲特投資方法的幾本書,當時就非常喜歡這個系列的三本書。直到 2019 年,因遠流出版社再版此書而重讀,仍覺得這本書是投資人必讀的書籍之一。

在市場中,許多人研究巴菲特的投資方法,希望藉由仿照巴菲特投資模式成功致富。但是,又有多少人真正了解巴菲特?海格斯壯在職業生涯開始之初接觸到巴菲特,並將巴菲特的投資哲學奉為圭臬,貫徹執行,獲利頗豐。多年之後,更將其對巴菲特的深刻觀察與精準見解,匯集成書公開分享,讓我們可以更了解巴菲特在每一個階段的決策背景,並且實際應用在自身的投資決策當中。

巴菲特投資最重要的十二個原則可以分為四個大方向,包含事業守則、管理團隊守則、財務守則與價值守則。如何找到一流的公司?產業是否可理解、有長期獲利記錄、資產報酬率高卻負債少?公司是否擁有正直優秀的經營者,為公司的長遠利益著想,並擁有完善的資本配置?

最後的關鍵則是吸引人的價格,符合上述所有條件的企業想必少之又少,所以當機會來臨之時,抓緊機會集中投資,把賭注押在可能性高的事情上(機會好時,加大賭注),再加上耐心,坦然面對股價的波動,便是致勝之道。

除了巴菲特高超的選股技巧外,我們更應該學習的是巴菲特面對投資的態度。一般投資人把市場當作賭場,用娛樂的態度來面對投資,用賭博的方式來進行投資決策;但巴菲特將投資當作事業,即便成就已無人能及,他也不會因而自滿。自早期師從葛蘭姆謹守「安全邊際」開始,到後來費雪尋找「非常潛力股」、威廉斯的「股息折現模式」,幾十年的最佳拍檔查理・蒙格告訴巴菲特「以合理價格買進好公司」,更奠定了巴菲特往後的投資風格。

這些大師級人物的智慧,對於巴菲特的投資哲學有深遠的影響,他不故步自封,反而集眾家大成,塑造獨特的投資原則,創造屬於他個人的成功典範。

近幾年的市場變化與過去不同,大盤指數的持續上漲,使得 FANG 等科技股被視為永不停歇的成長股,擁有重資產的傳統產業則遭到冷落。巴菲特早期偏好的股票,今日看起來似乎較不受市場青睞,而巴菲特在這幾年大舉買入蘋果(Apple, AAPL-US)公司的股票更令人訝異,因為過去巴菲特幾乎未曾持有產業變化快速、難以理解的科技股,使投資人質疑傳統的價值投資是否已不再適用。不過,事實真的是如此嗎?

在我看來,我是認同本書作者海格斯壯的看法的:「難以預測」並非「無法分析」。優異的績效源於對企業的全面理解,即便經濟環境不斷改變、產業變遷、企業更迭,但投資的原則不會改變——「關注基本面」才是長期投資的不二之法。

持續閱讀與學習,擴大自己的能力圈,不論是分析哪一種產業,都把每家公司當做自己的事業,以經營者的角度評估公司的未來發展,估算企業的價值。唯有在具有安全邊際、當回報遠大於風險時才投入,一樣可以獲得滿意的報酬,否則寧缺勿濫。

想一想,這些偉大的投資者就像金庸小說中的主角們,而巴菲特如同《射鵰英雄傳》中的郭靖,除了性格謙遜敦厚、俠義愛國與樂於分享外,更將洪七公的一套降龍十八掌打到爐火純青,面對各種情境皆可使出克敵。

在投資市場中,巴菲特善用價值投資之法,並且不論是股票、債券或任何商品,也都用相同的標準來進行決策。他的目標是將資金進行最有利的配置,將波克夏(Berkshire Hathaway, BRK.A-US)的年化報酬最大化;除此之外,剩餘的皆是達成目標的方法。

又或是像《倚天屠龍記》中張無忌,習得師公張三豐傳授的太極拳後功力大進。不過,要知道在此之前,張無忌已是內力深厚的頂尖高手,才能快速領悟太極拳的要領:以慢打快,以靜制動。投資若以此為核心,則可稱為至高境界,更能保持彈性、順應環境的變化,來做出對於當下最有利的決策。

《巴菲特勝券在握的十二個原則》這本書就如同武功秘笈,人人得而修習之,但最後一步是將所學化為無形,內建於心,並且日日潛心修煉,方可登峰造極。投資亦是如此,讀完本書,你將獲得投資中最歷久不衰的原則,但是千萬不要將自己侷限在規則當中,而是應該學會規則、適應規則,最後突破規則,找出自己的投資原則。

JC 趨勢財經觀點》授權轉載

【延伸閱讀】

週餘
 
 
分享文章
分享至 Line
分享至 Facebook
分享至 Twitter
相關個股
收藏 已收藏
很開心您喜歡 JC 趨勢財經觀點 的文章, 追蹤此作者獲得第一手的好文吧!
JC 趨勢財經觀點
分享至 Line
分享至 Facebook
分享至 Twitter
相關個股
地圖推薦
 
推薦您和本文相關的多維知識內容
什麼是地圖推薦?
推薦您和本文相關的多維知識內容