全新任務中心上線了!
會員專屬好禮都在這

立即前往
任務中心
成為股市天才的捷徑
收藏文章
很開心您喜歡 美股隊長 的文章, 追蹤此作者獲得第一手的好文吧!
美股隊長
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


成為股市天才的捷徑

2018 年 2 月 8 日

 
展開

曾經連續十年,年均 50% 回報的基金大師喬爾‧葛林布雷 (Joel Greenblatt) ,首度提倡神奇公式,本欄早有介紹。而葛氏首本著作,《你也可以成為股市天才 (You Can Be a Stock Market Genius) 》,廣為金融業內人士推崇。

《股市天才》一書,講述葛氏營運基金期間,捕捉各種特殊機會 (special situation) 的方法。當中著墨最多的一招,是買入企業分拆 (spin-offs) 出來的股票。

成為股市天才的捷徑-01

所謂分拆,是指公司將部份業務,分離成一家獨立子公司,並將其上市。然後,將新公司的股票,按比例派發給母公司股東。完成後,母公司股東,會同時持有兩支股票,而兩者均可獨立買賣。

企業分拆動機,各有前因,不過多會表示,「分家」後公司之間,業務範圍更清晰、投資界線更易理解,並各取所需,買入喜歡那部分的業務,而不受不喜歡的那部分影響,並從而提升價值等。當然,母公司會趁機重整貸款組合,將負債轉移到子公司,手法多端,不在話下。

葛林布雷極度關注分拆交易,因為這類企業,在分拆完成後一段時間,往往贏過大盤。這個看法有大量研究支持,以下是在網上找到的資料:

研究者/指數 年期 結果

  • Patrick J. Cusatis 等人 1965 – 1990 分拆頭三年,年均贏過大盤 10%。
  • 摩根大通(JPMorgan, JPM-US) (JPMorgan Chase,JPM-US1985 – 1998 分拆一年半,平均跑贏標指 11.3% 。
  • 雷曼 (Lehman Brothers1990 – 2006 分拆第一年,平均跑贏標指 13.3%。
  • 瑞信 (Credit Suisse AG,XIV-US) 1995 – 2012 分拆第一年,平均跑贏標指 13.4%。
  • John McConnell 等人 2001 – 2013 ,分拆前 22 個月,平均贏過大盤 17.1% 。
  • Edge Group、勤業 (Deloitte2000 – 2014,分拆第一年,平均贏過 MSCI 環球指數 22% (環球分拆個案)。
  • S&P 美國分拆指數 2006 – 2016 ,年均回報 13.99% ,跑贏標指 6.32% 。

成為股市天才的捷徑-02

分拆後股價趨升,除上述預估數值的理由,管理層誘因也不容忽視。美國公司,管理層收入來源不少來自員工認購權 (employee stock options) 。當子公司獨立成家,管理層由副手變成公司主導者,所有努力會在新公司中直接反映,自然會更加盡力,提升業績與股價。

此外,市場被動拋售的壓力,往往令分拆公司,有較低起點,有利日後贏過大盤。被動賣盤主要來自指數基金,因新公司不被視為指數成員 (個別例子除外) ,故會計畫賣出。很多基金,因為對新公司業務沒興趣、也可能因為市值太低,不想費力跟進,也會立刻賣出。

但買分拆股票,難處是很多屬中小型股,而且小投資者,不如葛氏獨見慧眼,如何分析、選股?連找齊分拆股名單,也不容易。不過既然知道,分拆股整體能贏過大盤,以 ETF 入手,不失為中庸之策。專精特殊策略 ETF 的 Guggenheim ,有一支 S&P 分拆 ETF (CSD) ,專門投資分拆上市 4 年以內,市值 10 億美元以上的美股。

截至 2017 年 11 月 28 日,CSD 持股共 58 支,最大比重為 Synchrony Financial (SYF-US) ( 8.03%,自 GE Capital 分拆)、 Paypal (PYPL-US) ( 7.85%,自 eBay (EBAY-US) 分拆) 、 HP Enterprise (HPE-US) ( 7.57%,自HP Company (HPQ-US) 分拆) 。 CSD 持股中,約 39% 為大型股、 54% 為中型股、 6% 為小型股,及極少量微型股。

既然企業分拆出來的股票,如以基本因素操作,CSD 算是一支可留意的美股 ETF。

美股隊長》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
收藏 已收藏
很開心您喜歡 美股隊長 的文章, 追蹤此作者獲得第一手的好文吧!
美股隊長
分享至 Line
分享至 Facebook
分享至 Twitter
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