跳到主要內容

巴菲特原則

看完智慧型股票投資人和非常潛力股後,再看集兩位作者大成的巴菲特,讓我對價值投資更有感覺,只是看完後,突然回想台灣有那種適合巴菲特原則的股票嗎?鴻海、統一可能是吧,他的獨占性質讓我印象深刻。

對比智慧型股票投資人和非常潛力股,巴菲特原則較特別的一點是,獨占消費的原理和扣稅因素,獨占消費是造成持續成長的原因,賣出股票獲利必須考慮扣稅問題,可是現行國內除了股利之外好像沒有對股票投資獲利苛稅,還得再思考一下。

書摘

思考的基本方式

  • 你付出的買價決定投資報酬率的高低。
  • 為了決定你的投資報酬率,你必須先能合理地推算企業的未來盈餘。

分析變數

  • 每年每股盈餘數字
  • 他的可預測性
  • 股票市價

一個二流的企業最有可能仍舊是二流的企業,而投資人的結果也可能是二流的。

商品型企業(價值低)

  • 低利潤
  • 低回收率
  • 缺乏對品牌的忠誠度
  • 大量的生產者
  • 實質生產力過剩
  • 變化不定的利潤
  • 收益幾乎完全仰賴管理階層有效運用公司的資產。

消費獨占確認

如果一個人擁有數十億美元,以及全美最優秀的前50位經理人員,他能建立一家企業然後成功的與問題中的企業競爭嗎?如果是「不」,這家公司有某種強大的消費獨占特性保護著。

找出值得投資的優質企業

  • 該公司是否具有明顯的市場獨占特質。
  • 該公司的獲利是否很強,而且呈現成長的局面?
  • 該公司是否採取較保守的財務策略?
  • 該公司是否能經常維持高股東權益報酬率?
  • 該公司是否保留他的盈餘?
  • 該公司要花費多少成本才㡪維持現行的營運?
  • 該公司是否能自由運用保留盈餘,並轉投資在其他新的企業,或者用以擴充營運,或者購回自家公司股票?而該公司的營運管理階層處理上述問題的能力?
  • 該公司是否能任意調整其產品價格以反應通膨壓力?
  • 公司運用保留盈餘所帶來的附加價值是否能增加該公司股票的市值?

「過橋收費」概念企業

  • 能生產使用率很高且耐久性短的產品的企業,但這些多半是耳熟能詳的消費性品牌,所以商家都必須販售這些商品以維持基本營運量。(可口可樂)
  • 能提供重複性服務的傳播事業,也是廠商必須利用來說服大眾購買其產品的工具。(ABC電視網)
  • 能提供一般大眾與企業持續需要的重複消費服務的企業。(美國運通)

具有企業主眼光的經理人

  • 將資產分配在獲利高的投資上。
  • 盡可能保持高資產報酬率。
  • 如果沒有更好的投資機會,把保留盈餘當股利配發出去,或用來買回自家股票。

如果你已經證實某家公司具有營運良好或者消費獨占特性或兩者兼具,就可以預期該公司一定可以在經濟不景氣的狀況下生存下去,一旦度過這個時期,將來的營運表現一定比過去更好。

你所設定的投資報酬率最起碼要等於通貨膨脹率加上所得稅率,才是其對實質財富所造成的抵減幅度。

企業財務測試

  • 預估企業盈餘
  • 決定期初報酬率
  • 決定每股成長率
  • 和公債比較決定一家公司價值

不要在意一家公司來年可以賺多少,而看重這家公司10年內可以賺多少。

好企業能抓牢客戶,持續為股東賺取高盈餘,就算本益比非常高,也往往還是合算的買賣。

本益比,用過去10年的平均最合適。

以某價位買入買公司股票,在已知的公司資料中,他的10年預期年報酬率會是多少?決定預期報酬率後。在將他與其他投資機會的報酬率以及超越通貨膨脹率必須的報率合併考慮。

針對特定期間內該事業的每股保留盈餘,與一段時間內每股盈餘的成長相比較。

只在正式公告出售或合併之後才會著手進行投資套利。

先檢視該公司然後在由市場價格決定是否買進。

個案分析步驟

  1. 是否消費獨占
  2. 如何營運
  3. 財務狀況是否嚴謹
  4. 是否賺錢,前景是否看好
  5. 資金分配只限在他專門知識領域上。
  6. 是否買回庫藏股
  7. 運用保留盈餘
  8. 資產報酬率在平均值以上
  9. 不受拘束地因應通貨膨脹調整價格
  10. 是否需要將大筆資金消耗在持續更新公司的廠房或設備上

價格分析

  • 期初報酬率與政府公債的相對價值。
  • 是愈投資的股票為「股權債券」。
  • 過去每股盈餘的成長預估每年的複利報酬率。

留言

這個網誌中的熱門文章

勝券在握

其實這本書,感覺上寫的有點雜,比上一本講巴非特的書更難懂,兩個講的東西其實是一致的。投資原則便是先選產業,再選公司,慎選時機進場。只買了解的企業是價值投資一貫的原則。價值投資的書大概就先看到這裡了,彼得林區不知道是屬於那一類的,接下來大概會看這部份的書。暫時的目標是把杜金龍介紹的書單看完,真的還不少。接下來的投資會以巴菲特的方法來做,感覺上這比較適合我,練習把漲跌不當一回事,對我而言真的很重要。期權大概不會再玩了,買了以後一直在看漲跌,令人受不了。工作時都不能專心。 就價值投資人而言,真的不需要我們的產品,因為第一點就把我們程式特性打死,不理會股票市場的漲跌,這樣報價功能就沒什麼意義了,價值投資根本不需要技術分析,除非我們能提供相關價值投資的資訊,但我們基本分析真的很爛,看不到什麼資料。有機會我來思考一下價值投資到底要什麼資料,能不能把他寫成一個可運用的程式。 以下是我認為重要的書摘,其實這也只包含最後一章,我認為也只有這章值得做書摘。 巴非特相信使用短期價格來判斷一家公司的成功與否是愚蠢的。取而代之的是,他要公司向他報告因經濟實力成長所獲得的價值,一年一次,他固定檢查幾個變數: 初始的股東權益報酬率。 營運毛利、負債水準與資本支出需求的變化。 該公司的現金產生能力。 如果這些經濟指標正在進展,他知道長期下來,結果會反應在股價上。短期之內,股價所發生的是是不合常理的。 投資策略 不理會股票市場每日的漲跌 不擔心經濟情勢。 買下一家公司,而不是股票 管理企業的投資組合 巴非特原則 企業原則 這家企業是簡單且可以了解的 了解一家企業如何產生利潤的相關經濟活動。 這家企業的營運歷史是否穩定 他必須經得起時間的考驗。 這家企業的長期發展前景是否看好 市場特許權,五力分析 經營原則 經營者是否理性 理性的經營者將只會把多餘的現金,投資在那些產生較資本成本報酬率為高的計畫裡。 經營者對他的股東是誠實坦白的 報告時能知道營業部門如何營業,坦承失敗,了解公司的目的是使股東權益報酬率達到最大。 經營者是會盲從其他法人機構的行為 當心『其他公司也這麼做,一定沒問題』為自己行為辯護的經營者。衡量經營者競爭力的一個方法是,看他們如何運用自己的思考能力以避免依附群眾心理。 財務原則 把重點集中...

借助 AI 除錯:解決登出時的解密錯誤

  前言 最近遇到一個有趣的 bug,趁這次機會試試看用 AI 來協助除錯。整個過程蠻有收穫的,分享給大家參考。 問題發現 Bug 描述 在測試登出功能時,發現 app 會發生 crash。追蹤後發現是在登出時,API 會呼叫底層的解密函式,但解密用的 key 明顯有問題,導致解密失敗而引發錯誤。 由於這段流程是另一位同事負責開發的,程式碼邏輯比較複雜,短時間內看不出根本原因。於是先採取防禦性做法: 如果 key 為空值,就將解密失敗的錯誤吃掉不處理 。判斷後認為這樣不會影響 UI 操作,因為登出後 key 會重新取得。測試後確認沒問題,就先把這個 bug 暫時壓下來了。 深入追查 第一回合:初步分析 趁著有空檔,決定詳細釐清這個問題。想試試 AI 的能耐,於是下了第一個 prompt: 分析 SessionManager 的 processEncryptedData 方法中,為何會發生 bytesToTrim > currentLength 的錯誤?從呼叫該方法的地方分析可能發生的原因。 AI 給出了幾個可能的原因: 加密數據損壞或截斷 網路傳輸過程中數據包丟失或損壞 API 回應中的加密字串不完整 解密後的最後一個字節值異常大 錯誤的加密算法或密鑰 使用了錯誤的解密密鑰或 IV Session key 交換失敗,但程式繼續使用無效密鑰解密 解密產生亂碼 Hex 字串轉換錯誤 包含非法字符、長度不是偶數、部分缺失等問題 AES CBC 解密失敗但沒有檢查錯誤 Whitebox 密鑰準備失敗 IV 不匹配 數據長度不符合 AES 塊大小要求 PKCS7 Padding 格式錯誤 加密時使用了錯誤的 padding 方式 最後字節不是有效的 padding 長度值 (1-16) 多重解密處理錯誤 數據被重複解密或解密順序錯誤 記憶體緩衝區問題 緩衝區大小分配錯誤或溢出 AI 也分析了呼叫鏈: API 回應 → DataTransformer → CryptoHandler → decryptSessionKey → processEncryptedData 評估: 這些分析大多是從相關函式內部找錯誤,但沒有太大用處,...

用 AI Debug 的迷思:當建議越改越糟時

現在許多開發者習慣用 AI 來協助 debug,但在實務上常遇到一種情況: 依照 AI 建議改了兩三輪後,錯誤仍然存在,甚至越改越複雜。 這種狀況其實有幾個常見的盲點,值得特別注意。 1. 先回到「上一個正常版本」 當你已經按照 AI 的方向修了好幾次但問題仍未解決時,最有效的第一步是: 回到上一個正常工作的版本,縮小問題來源。 許多 bug 並不是你正在看的那段程式碼造成的,而可能是: 同事剛好修改了某個底層模組 某個 shared component 產生 side effect Auto Layout 層級重新 layout 時觸發 crash 如果只是盯著眼前的 function 修,反而容易被誤導。 2. AI 沒有看到你的整個專案 AI 通常只能根據你貼出的片段判斷問題,這代表它不知道: 你的 view hierarchy 裡是否有其他 constraint 影響 layout 某些 model 是否被 extension 修改過 父層或子層邏輯是否干擾目前的行為 整個專案採用的 concurrency 模型是什麼 因此,AI 可能會朝著完全錯誤的方向修,導致反覆修改卻無法解決。 3. Swift 6 例子:錯誤真正原因常不在你修改的那一行 例如開發者常遇到的錯誤: passing closure as a 'sending' parameter risks causing data races 許多人(包含 AI)會開始從 function 內部調整,但這類錯誤真正的關鍵通常是: 傳進去的物件沒有實作 Sendable。 也就是說,你不是要改 function,而是要回頭檢查: 傳入的 model / struct / class 裡面是否有 non-Sendable 成員 是否需要標註 @unchecked Sendable 如果 AI 沒看到相關檔案,自然很難找到正確方向。 結語:AI 是工具,不是預言機 AI 很適合用來: 解釋概念 協助產生測試程式 提供重構建議 釐清你已懷疑的方向 但在 debug 狀況下,以下三件事更重要: 回到上一版,縮小差異範圍。 釐清真正問題來...