第三部分 我们处理不确定性的方式
首先，我认为面对市场的不确定性，得有概率性思维。但是，要做到这点比较难。很多时候，明明是你看着确定无疑、言之灼灼的东西，后面就变得不一样。但是呢，人又有健忘性，之前说过的话是对还是错的，压根儿没有意识。更要命的是，人的心理上还排斥自己认知错误，会把自己以前看对的观点强化，不管这个对的观点是有理有据得出的还是瞎蒙的，久而久之就觉得自己特别无敌，所以我们在券商的报告里能看到类似“正如我们所料”这种算命大师的说法。
我认为，在市场里生存，得要客观认知自己，知道自己的认知不是百分之百正确的，事实往往不如你所料。我这里用了张图来描述认知和事实的关系，它的意思是：你可以非常接近这个事实，但是你很难100%完全掌握它，而且越接近后面，知道事实的成本越高。大家都学过极限，你可以趋近于它，但很难达到它，存在着永远无法达到的空间。为了更好的接近事实，又不承担过高的成本，是不是有更艺术化的处理方式？这就要用到概率性思维，把你认知层面的缺陷进行一些处理。
我再介绍下对认知和事实的分类，这样大家就明白我这样处理未知事情的缘由。首先，事实划分成“真理”和“谬误”，认知划分成“知道的”和“不知道的”，这样2*2就有4种情况。第一种是你所知道的事实，事实是真理，你也知道它，比如在座的各位都知道，中华人民共和国在1949年成立，这个是真理，也是你所知道的事实。第二种是你知道的谬误，比如说几百年前的地心说认为地球是宇宙的中心，现在我们都知道这是谬误，但是当时并不是，科学家确实是这么认为的。第三种就是你不知道的事实，这个事情你不知道，但却是真理，比如日本海洋面积比中国大，这个事情我相信在座的很多都不知道，它是个事实，但是很多人不知道。第四种是你不知道，而且事情本身是谬误，就像我刚刚提到的那个美国医药公司的事情，在我讲之前你不知道它的存在，但它本身是错的。
这些划分是很有意义的，一划分了就能明白总有事情是你没法知道的了。从对市场的认知来看，如果你想胜出，你需要做的是：事情是真理，你知道，但别人不知道，言下之意就是你有更多更出色的认知，那你就能赚钱。你要防止的情况是：市场知道这件事，但你不知道，言下之意就是你了解的不够，那你可能就要亏钱。
似乎这样划分起来很简单，你在市场上知道得多就行了，是吗？可惜事情没那么简单，因为市场的预期可能影响未来，这就是索罗斯所说的反身性。他的反身性理论认为，市场存在的事实和预期互相影响，互为因变量和自变量。从长期实践来看，索罗斯对市场预期和事实的看法可能是对的，有些人认为事实就是事实，预期就是预期，但是他认为有时候预期会让假想的事实变成真正的事实。
你要考虑认知、事实、以及认知和事实纠缠不清的关系，这非常复杂。以我目前的能力范围，很难去控制。至少我们没有到索罗那种影响市场预期能力的时候，我们所能处理的就是我们自己的认知层面，然而我们认知又不是100%正确的，就得留有余地，所以为什么说我们需要概率性思维。
应用在投资领域的概率性的思维，我们的做法是把人的一些定性化的东西转化为定量化的东西，去衡量你的能力。举例来说，最近金融圈子有一件大事，就是在评比《新财富》最佳分析师，买方去给卖方投票。这个其实就是把定性的东西给定量化的方式，分析师的能力是定性的东西，他得到的票数是量化的东西。至于它准不准确，那另当别论。
我们做过一个研究，把分析师对公司的看法和公司未来的股价作了的一个处理，发现有些分析师靠谱，有些不靠谱。而且，很多靠谱的分析师不在《新财富》获奖名单上，有些不怎么靠谱的却是金牌的分析师。这说明这套量化方法是有些缺陷的。那有没有一个可以改进的方法呢？我认为是有的，这里我介绍一下我们的方法，是一套把难以量化的投资能力去定量化的方法，更是让你培养概率性思维的方法。
评估体系如下。第一步，对某个事情做概率性判断，你认为它完全是对的就给100%判断；你认为肯定是错的就给0%的判断，你完全不知道的，就给50%；你认为它可能对的可能性比较大，就给50%到100%的概率，比如70%、80%；如果你认为它错的可能性比较大，你就给0%到50%的概率，比如20%、40%。第二步，你对很多事情都持续做这种概率判断。并把它们都记录下来。第三步，你上面做的判断很多事情之后就会水落石出，有一些是你判断对的，有一些是你判断错的，你需要按0%到100%的整数分数分别统计这些事情的正确性，总共有11档。统计到一定数量时，你就可以来评估下客观情况和主观判断的差距了。
比如你评估了1000件事情，其中100件陈述你给了80%概率认为它们是对的，结果这100件事情中有85件最终被证明是对的，那就是你预判的概率和实际的概率差距只有5%，说明你的概率性思维很强。如果这100件事情中只有30件最终被证明是对的，说明你估算能力很差，因为事实上只有30%而你却给了80%。这是处理“80%”这一档的做法，其他10档的做法全部以此类推。
我后来读了一本书，叫《风险思维》，比我们做的更好一点，但核心理念是一样的。它定义了个“风险商”的概念，可以用来评估你处理不确定事情的能力。这本书有个桥牌的案例评估。它发现，对于模棱两可的事情高手和新手的评估能力无明显差异；而对于非常肯定的事情，新手往往有所畏惧，不敢给出肯定的答复；而对于非常否定的事情，新手往往心存侥幸，否定得不够彻底，而高手和新手的区别在于这里，高手敢押注100%或0%，事后判断他们的押注是很正确的。对于极端确定的事情，高手有绝对信心，新手则要么过于保守，要么过于激进。
这个评估对投资有什么意义吗？我认为是有的。我们的做法是，如果评估一项投资——不管是评估模型还是评估个股，我们有极大的把握，我们就敢下注；而对一些介于中间模棱两可的机会，我们就放弃。
事后我们有一个评估问卷，大家可以填一下，并留下邮箱，我们会把您的风险商反馈给您。
有概率性思维之后，应该怎么应对不确定性呢？
3.1 直接面对不确定性
首先第一种方法是，我们直接去面对这个不确定性。道理很简单，就是不管未来出现什么情况，寻找能大赚小亏、期望收益为正的投资机会。换种说法就是：寻找不对称的风险收益的投资。比如说我和你扔硬币，正面我赢1块，反面我不输钱，不管硬币是正面和反面，反正都对我是绝对有利，那我还会在乎怎么扔吗？这种投资机会在市场上是有的，类似于一些价值投资者说的“安全边际”的概念。
可能有朋友在嘀咕，真有这么好的事情吗，风险和收益不是成正比吗？事实不是这样的。在市场中不是承担的风险越高越好，有些风险你承担了之后，反而是高风险低收益的，这种风险要去回避它。而我们要做的，尽量集中精力在低风险高收益的领域内。要强调的是，我们投资的一个基本要求就是即使押注失败，也不会伤筋动骨。之前我说了，要投在自己有极大把握甚至敢于给予100%有把握评价的机会里，但事实上你的100%确实不等同于未来的100%，那就得小心，别过度押注。总而言之，我认为“留有余地的不对称风险机会”是这个理念的核心。
那具体怎么做呢？肯定没法一言两语讲得完，不过我发现，这种投资机会经常在不同金融工具的组合应用中产生，这就要求你非常熟悉金融市场和金融工具。
这里我介绍一本书，叫《点球成金》，是迈克尔.刘易斯写的，他写过两本很有名的书——《大空头》和《说谎者的扑克牌》。《点球成金》不怎么有名，是改编自一个真实的故事。美国有个棒球队的总经理，在有限经费下，利用统计分析的方法，买很有缺陷但很有特点的球员，他把这些便宜的球员组合起来，队伍却变得很强大。这个就是辩证法论述的整体和个体的关系，把不强大的个体加起来反而变成强大的整体。这本书也改拍成了电影，大家可以去看看。你不需要跟皇马一样集中一堆明星，因为这样一来成本很高，二来可能做不到。
举个智能手机的例子，07年苹果推出了iphone，当然现在我们都知道iphone引领了一批智能手机的厂商，彻底颠覆手机这个行业，但是当时大家不知道智能手机未来会如何。当时有人针对“智能手机未来前途如何”做了非常聪明的下注。我想问一下大家，如果你处于07年这个时候，你怎么下注这个事情？
（观众回答：买智能手机的股票，同时买多空期权。）
好，你的方法可能也是很不错的选择。我讲下那个人是怎么做的，他同时做多诺基亚和苹果，苹果是智能手机的领导者，诺基亚是传统手机的领导者。同时两边下注，如果苹果赢了诺基亚，那么赚了苹果的钱，输了诺基亚的钱；如果诺基亚赢了，那么赚诺基亚的钱，输了苹果的钱。有可能总和还是输，但是如果你研究发现新产品替代旧产品时，经常会让整体市场变大。你不知道智能手机是否能打败诺基亚，但是你知道手机行业要扩大。这时，做“苹果+诺基亚”的组合就能极大概率赚钱。事实证明，07年的时候下注诺基亚20块钱，现在7块钱；07年苹果100块，目前苹果股价即使跌下来也有500块，如果当时同时做多苹果和诺基亚，你还是能赚大钱，虽然没有你全仓押注苹果赚的多，但是你实现了“不管硬币是正面还是反面，我都挣钱”的投资。
类似的还有两个例子。911之后，美国股市停市多天，9月17号才开市。大家都知道，911是恐怖分子用飞机撞大楼的，航空股首先被冲击。在停市的那几天各大媒体上都是铺天盖地的利空消息。当时，投资大师邓普顿做了一个很经典的下注，他在开市的时候同时押注多家航空公司，投资一个航空股组合。他赌的是“不可能美国所有航空公司都破产”，他当时选股方法就是哪家航空公司跌超过50%他就买哪家，最后他成功买了三支股票——美洲航空，大陆航空，全美航空，半年的收益分别是61%、72%和24%，这是半年的收益，相当可观。当时押注单个股票是不行的，但是押注一篮子股票胜算很大，即使失败也不会伤筋动骨。还有就是我们刚讲过的例子。下面介绍的是我们这两年做的比较经典的例子。11年下半年温州动车事故后，高铁相关股票大幅下跌。其实只要股票出现剧烈波动都有机会，当时我们在博客上就提到了我们密切关注广深铁路，中国中铁，中国铁建，这三个公司股价跌得很厉害。高铁被停工，对他们有影响，但是其实没有被严重冲击。当时高铁项目被无限期停工了，市场反应剧烈。而我们下的赌注是，高铁股票值得买。我们的分析是这样的，既然市场因为高铁项目被停工而剧烈下跌，后面有两种情况：一是高铁项目复工，市场上涨；二是高铁项目继续停工，那市场因为之前已经大跌了，后面继续因为同样的信息股价被大幅冲击的可能性小。整体来看，这笔投资组合值得做，而且跟高铁复工不复工关系不大。事实证明，市场过度反应了，中铁、铁建后来很快涨了。直接面对市场的不确定性，就是利用里面一些不确定的东西，从不确定性中构建投资组合，会有很高的收益。
3.2 以确定性为起点，从极高概率的历史进程去推导投资策略
应对不确定性的第二种方法是以确定性为起点，从极高概率的历史进程去推导投资策略。很多宏观数据有一个特点，它的变化是长时期、缓慢的，有极高程度的确定性，它的变化其实是某种历史进程的演化。每个个体对历史进程的反应不一样，有些被直接冲击，有些不会受到冲击，同时所受冲击的大小也有差异。举个例子，中国的城市化率这个宏观数据，在很稳定地慢慢增长，现在已经超过50%。这个看起来不起眼的数据，却伴随着很深刻变迁，产生了无数的机会，比如房地产、政府投资。这个数据它反映的时间之长，影响范围之广，历史意义之大，是史无前例的，那是不是可以从这个确定性很强的数据去推导一些事情？这个其实就是我们对宏观经济数据的一个思考方式，我们用这些宏观数据去建模。
传统方式对宏观数据的解读，我认为主要有两方面的问题。第一，线性化的解读，尤其是一些经济学家，看着某个数据就必然有某个结论，比如说看到CPI提高就说通胀来了，但其实事情没那么简单；第二，静态的解读，他发现过去“因为A，所以B”，那未来还是“因为A、所以B”。
可我们观察发现事情也往往不是这样。比如之前我们举的土豆网的例子，一桩婚姻影响了中国网络视频竞争格局，简直就是“一个馒头引发的血案”一样，但你不能因为土豆网这样了，也推论万科会这样。再比如城市化进程，绝大部分直觉反应是房地产收益，农民受害。但是除此之外呢？很多人想不到了。我举个例子，方便面的生产商发现，自家的方便面跟中国的投资密切相关，为什么呢？经过层层研究他们发现，因为投资需要民工，民工往返城乡坐火车，路上要吃方便面，于是它们就受益了。这个案例具有典型的非线性特征，但很难找到。再举个例子，中国生产要素价格上涨也是一个重大历史进程，很多经济学家都认为这个是负面新闻，但我们会去建模寻找其中的有利部分，还真被我们找到了。在这个过程中，有些纺织厂被迫转移到东南亚等低价格的劳动力市场，比如港股里面有个天虹纺织，迁厂之后业绩大增，这个不起眼的股票从最低点算起股价都涨了10倍以上。
历史进程和公司发展之间的因果关系、相关关系都是动态的。比如06、07年炒股的时候，南方航空是航空股龙头，它有大量的美元债务，人民币升值，相当于债务就减少了，航空公司就从中受益了。其实，10年之后人民币还在升值，这个投资逻辑还是成立的，但是这个影响对航空公司的业绩影响已经很小了，有更核心的因素在主导航空公司股价，所以如果你再像几年前那样因为人民币升值去投资航空股，那就投资失败了。上面那个政府投资和方便面的例子，其实也存在着动态变化的可能。比如要是民工都留在城市了，下次再有投资，民工不坐火车往返，也不需要在途中吃方便面，那方便面可能就不会跟着政府投资水涨船高了。
接下来，我会论述这些年我们在这方面见到的经典投资和我们自己亲身经历的投资。
首先是一个从“人民币升值”的历史进程中获利的例子。大家都知道，人民币升值在过去很长一段时间内是确定无疑的事。今天人民币还会不会升值可能有些疑问，但是06、07、08年的时候人民币升值是极高的确定性过程。当时人民币即使看多，也没有工具做多获利，但是有人却很聪明利用了国内外的黄金期货去做多人民币。08年国内的黄金交易所刚刚开始交易，但黄金的定价权在国外，国内黄金的价格跟随着国外黄金的价格在变化。那个人做多国外黄金，然后再做空等量的国内黄金，把黄金价格的波动对冲掉，黄金的涨跌对他是没有任何影响的。因为人民币是升值的，他这样“做多国外黄金、做空国内黄金”的手段，相当于做多了人民币，最后净赚的是人民币升值的钱。期货都是带有杠杆的，通过合适的杠杆比例内，他最后比较稳定地赚取年化20%多的收益率，是很确定的一个收益。
第二个是关于桥水基金创始人达里奥的例子。桥水基金现在是全球最大的对冲基金，掌管了1200亿美元，这个交易是达里奥80年代初实现的。当时麦当劳找他，麦当劳要生产麦乐鸡，这个售价要稳定，但是麦当劳发现鸡肉价格波动大，想对冲鸡肉的价格，却发现直接对冲鸡肉价格是不行的，因为没有鸡肉的期货交易。怎样来实现鸡肉价格的对冲呢？达里奥发现鸡肉价格是由成本推动主导的，影响鸡肉价格的因素——小鸡、玉米和豆粕，这三者是鸡肉价格的主要构成部分。它们与鸡肉之间的价格关系相对比较稳定。小鸡价格波动大，也没有期货产品，但是它占鸡肉成本比重小，可以忽略。而占鸡肉成本较大的玉米和豆粕有很成熟的期货交易品种。麦当劳希望麦乐鸡零售价稳定，鸡肉价格不要波动。达里奥就把玉米和豆粕合成期货，帮麦当劳对冲鸡肉价格。这个就是在很高的确定性的情况下，通过适当的交易去实现对冲的做法。
第三个是我们这两年的一个投资案例，是从“利率市场化”的历史进程中推导找到的。在这套思路的指导下，我们开发了“小银行+大地产”投资策略，通过小银行和大地产组合去对利率市场化进程进行下注。利率市场化是当时可以看得见的，比较确定的进程，它对每个企业都是有影响的。我们发现，利率市场化意味着非市场因素起的作用在减弱，市场因素的作用在增强。我们当时就通过模型来测算哪些企业对这个利率市场化的敏感度比较强，利率对哪些企业的利润有影响。最后我们发现股份制银行和大地产这个进程中最受益。股份制银行比较灵活，像民生银行一样，它可以少做一些低息的房贷业务，然后高息放贷给小企业，但是四大行做不到，因为大银行是国家进行宏观调控的工具，起着稳定中国金融体系的作用，不是什么利润高就去做什么的，而股份制银行则不一样。那么大地产呢？大家知道对地产而言，资金成本很重要,利率市场化进程会促使地产公司之间的资金成本差异变大，大地产商拿资金的成本比小地产商有优势，因为在市场因素主导之下，资质好的公司拿钱的成本就是要比资质差的要低。今天回头来总结一下这个大小银行、大小地产的差距，我们用数据说话：从2011年开始到今天，小银行，比如民生、兴业、华夏、平安等平均涨幅有40%多，而四大行只有5%的涨幅。我们来看下大地产和小地产的差距，这里小地产我用地产指数代替，因为地产指数代表着整个地产行业的总体情况，相当于小地产和大地产的集合，这样更严苛。大地产股我们以万保金招为代表，它们从2011年开始到今天的平均涨幅到23%，但地产指数涨幅只有4%。更明显的是港股的大地产商——中海、华润两家大地产公司的平均涨幅有70%几，但恒生地产指数涨幅只有2%。为什么它们涨幅会更好呢，如果你去仔细研究它们，会惊讶的发现，它们的长期资金的成本非常低，只有3.5%左右，现在小地产公司的短期资金成本都到了10%以上了，甚至超20%，这怎么能和中海华润竞争啊？这就是我们通过巧妙的组合，赌利率市场化的进程会继续延续，我们在这个过程中通过金融工具实现了很确定的收益。
下面我和大家分享一下我们近期开始做的研究，三个宏观数据，分别代表着非常重要的历史进程。
1.服务业兴起。我认为这个是中国未来十年很重要的事情，你会看到服务业占GDP比重会逐步的提高。服务业有足够的广度和深度，能深入到各个企业里面去，会创造大量的就业机会。但是它影响的东西目前很难说，我们正在努力寻找。
2.房地产利润的正常化。原来决定地产价格上涨的因素今天差不多已经没有了，房地产泡沫破还是不破，大家都存疑。不管怎样至少有个结论：房地产的利润不可能再继续高涨了，它会趋向于正常化。可能这对很多人以及政府来说是负面的信息，但是我们是这样看的，凡是泡沫的兴起和消灭都会带来新的投资机会。每一个历史进程都会带来受益方和受害方，它们是硬币的两面。我们相信在这个过程中会有人受益于此。
3.中国贸易顺差再平衡。大家可以去看中国进出口数据的差额，中国已经开始在贸易政策上做调整了，这个在未来会带来很大的影响。我们知道，加入WTO之后，很多企业发生了翻天覆地的变化，尤其是做出口的企业。过去十来年，中国一直是重商主义的做法，之前国外经济没问题、出口的基数也小，大家没太多意见。但是今天情况完全不同了，国外经济不行了，中国出口的金额极其庞大，引起了国外尤其是美国的抵制，今后再扩大出口的可能也比较小。而且很多数据表明，中央现在是在持续地鼓励进口和对外投资。这会是个漫长的过程，具体影响要做研究。
3.3 直接寻找市场的确定性
上面我们讲了两种应对不确定性的方法，第三种方法是比较直观的：直接寻找市场的确定性。虽然市场是高度不确定的，但是我们在市场里面，能意识到市场存在着某种秩序，市场确实是有限度可预测的。金融市场演进上百年，很多东西物是人非，像道琼斯工业指数那样标的都换了几茬了。有人问JP.Morgan，市场会怎样？JP.Morgan说：市场会波动。这就是JP.Morgan对市场的看法，就是他认为市场一直会波动。但是除了这点外，还是有一些其他一直不变的东西，就是我们一直努力寻找的市场本身的某些秩序。我们一直在思考，但是也不可能完全弄清楚它的的本质，这个需要我们终生奋斗。
我这里跟大家分享一下我们对市场的一点认识，然后再分享我们基于这个认识之上做出来的低预期模型。我们认为，市场具有均值回归特性。均值回归特性长久存在于市场中，因为资本永远追逐高利润，哪里利润高资本就追捧哪里。追捧的人多了，大家分到的蛋糕越来越少，产生亏损，顶不住的人逃出来，剩下的人又有更大的蛋糕。周而复始，就让市场呈现了均值回归的状态。
举个例子，这个例子的主角是可口可乐和它的小伙伴们。巴菲特80年代投资了它，它是巴菲特一个非常经典的投资，投资之后，很快就涨了数十倍，从80年代到2000年时，可口可乐基本一直处于上涨的过程。而2000年之后就表现非常一般。我想说明的是，即使再强大的公司，也有不行的时候，也得服从均值回归的过程。看这里的几张图可以发现，从00年到现在的13年间，可口可乐只上涨了70%，它的对手百事可乐上涨了160%，星巴克上涨了1200%。大师投资是要学习，但是有些事情如果更加客观对待的话，会更明白一些。巴菲特虽然是股神，但他在00年后没有卖出可口可乐也是一个错误，其实他自己总结也会后悔没有及时卖掉可口可乐，因为他当时已经进了可口可乐的董事会，不好意思卖，或者是还有各种其他原因没有卖。再看星巴克，它可是重演了可口可乐在中国扩张的历程，是不折不扣的大牛股，这可是巴菲特最拿手的消费股，但巴菲特为什么没有买到星巴克呢？应该是他错过了。我认为，做投资不能一面倒看事情，即使他是大师，也有不好和不对的地方，我们要对此总结学习。下面介绍下我们做的低预期模型，这是我们在市场长期而言会均值回归的认识上做的一个模型，历经了很多考验，给我们带来了很多的超额收益。它的原理就是上面所说的那样，就是如果某段时间企业特别低迷，市场特别不待见——对它没抱指望、低预期，比如说今天的中国铝业，预期特别差，那么企业家或领导人会有很大压力，就采取措施改进。改进了之后，只要市场宏观环境稍微好一点，很多利润就又回来了。其实基本上所有的行业都有周期，但是周期的长短不一。但是市场往往不是这样想的，市场在低迷的时候会给低迷的价格，市场在高涨的时候也会给特别疯狂的价格，但我们要明白现在给低迷的价格不代表未来也是低迷的价格。
为什么低预期会有高收益？我们来看看，预期与未来事实的关系有四个分类。第一类是你预期很高，事实还高于你的预期；第二类你预期很高，事实低于你的预期；第三类是你预期很低，现实高于你的预期；第四类是你预期很低，事实还低于你的预期。有点拗口，但是应该比较容易理解，我们举案例来理解：
现实高于高预期的，比如说腾讯，腾讯的微信，大家对它的预期是比较高，而它做的很好，比大家想象的还要好。这种类型的公司往往产生超级牛股，但是概率极小。
现实低于高预期的，比如过去一年的贵州茅台，大家对它期望还不错的，结果它现实不行，远远低于大家的预期，股价就出现了很大的回落。这种类型的公司概率很高，尤其是在成长股上特别明显，你认为它是凤凰，结果最后发现是个乌鸦。
现实高于低预期的，比如今年的格力，大家对格力都不怎么看好，认为它太大了，而且行业不性感，就给它比较低的估值，但是其实它一直做的很不错，即使今年大盘不给力，截至到今天格力还是上涨超过10%。
现实低于低预期的，比如今年的中石油，大家已经对中石油的预期很差了，但是结果发现它比你想的还要差。
客观地说，大牛股经常出现在第一种类型公司里面，这里我们对概率做了统计得出的数字，但腾讯这类的公司基本是凤毛麟角、万里挑一，我们也很希望能选择到这类型的公司长期持有，但我自认为目前这个还不在我的能力边界内，以后希望能达到这种水平。
我们的低预期模型重点关注现实高于低预期的公司，我们发现，只要我们不停的去投注这类型的公司，就持续的有超额收益，把这些超额收益累积起来，我们的总体收益就很高。接下来我举一些我们在A股和港股中做的例子来说明。
A股我举长城汽车的例子。汽车股去年我们很认可，9月份有记者采访我时，我当时就明确说看好汽车股，但是当时汽车股普遍看起来不咋地，因为有很高的库存。但是事实却是，SUV一直在热卖，卖得很好，尤其是长城搞的低价SUV。你如果去买宝马会发现宝马一般很少断货的，但是你要是去买长城SUV，要等差不多两个月才能拿到货，因为货很紧俏。整个SUV汽车市场都在扩张，我们了解到很多家庭都希望有一辆SUV，因为SUV最适合家用，而长城在它那个价位是性价比最高的，所以它股价走势一直上涨。当时长城股价是15块，今天是50块。但是，当时的长城符合我们的要求，今天的长城就不符合了，我们早就卖光了。为什么？因为它不低预期了，现在大家很乐见长城继续走好，但其实它面临的不利因素比原来多了很多，特别是很多厂商都觊觎它这一块肥沃的市场纷纷冲了进来。
再举个美即控股的例子，这是我们在港股里面做的比较成功的。大家都知道美即面膜，大街小巷到处都有，女同学可能更注意到它，男同学估计是陪女朋友逛街时才知道它。我们去年发现它时，它的市场份额已经是全国第一，占了中国百分之十几的份额。可是，市场上普遍的认识是：面膜的制造门槛很低，就是一张纸加一点水，没什么门槛，所以美即尽管增长很快，但还是不认可。而这符合我们的低预期模型，我们对它做了深度的基本面研究发现，这个行业整体处于非常好的阶段，不管美即，还是相宜本草，还是我的美丽日记，都赚钱。当时我们买美即的时候是2块多，今年8月它被欧莱雅收购，现在已经6块多了。
我来说两句排行榜