公司净资产和q
重说案例
假设q是本书的核心，那么，有点令人奇怪的是，本章实际上将比前面有关未能通过项或多项测试的指标的一些章节短小些。这是因为我们已在本书的各种不同阶段对所需的所有基本内容进行了探讨。本章的主要目的不是进行自我重复，而是向大家介绍我们在前面所说的内容是如何与整个框架相融合的，我们是如何根据此框架对其他指标进行测试的。
因此，我们也将像对待其他备份指标一样，通过了解q如何接受四项测试米不断地深人下去。在并不完美的环境当中，即使q也会遇到一些问题，对于这些问题，我们将开诚布公。不过，我们认为，您将不会惊奇地发现，面对我们的四项测试，q确实比其他指标表现得更好些。
如果您是一位比较挑剔的人，那么，您也许会怀疑，这是因为我们操纵了测试，目的是为了获得预期的结果。对此，我们的反应有两点:一、请您考虑一下，测试本身是否存在什么缺陷;二、提请您注意，这四项测试是我们在试图获得评估股票市场的满意方法的亲身实践当中总结出来的。在史密瑟斯股份有限公司运营的10年当中，我们把股息收益、P/E 倍数、以及周期性调整后的P/E倍数视为可能的价值指标。我们承认，我们甚至考虑过收益率。所有这些计算方法的缺陷使得我们去考虑q,并使我们得出如下看法: q才是需要考虑的最佳所在。它还使我们回过头来考虑那些备份指标并试图弄清楚它们到底错在哪里。在这一过程当中，我们总结出了这四项测试。我们并不是因为q满足了这四项测试而总结出了这四项测试。我们之所以对q非常满意是因为它通过了这些测试。
测试一: q是一项可以计算的价值指标吗?
正如我们所注意到的那样，可计算性的明显而简单的特征代表着一些令人惊讶的巨大挑战，q也不例外。实际上，反对q作为一种计算方法的意见也许是最没有根据的。这些反对意见不足以使证据无效,但是，我们还是对这些反对意见的可取之处进行了认真的考虑。因此，我们将把本章的大部分篇幅用来讨论这些反对意见。
当我们考虑1998年年底美国股票市场被高估的一些不确定性时，我们早在第15章就提到了这一问题的两个方面。不确定性有两种: q平均回复的确切价值的不确定性，以及数据可靠性的不确定性。实际上，不确定性的这两种形式之间的关系是非常密切的。如果我们能够充分相信数量的质量，那么，就不会存在对q平均回复的价值的不确定性。q只是对完全相同的东西一亦即公司净资产一的两种不同的评估比率。如果这些评估不同，那么，对套利的刺激将始终存在，因此，最终它们将被推向平均相同。结果，如果我们可以对q进行适当的计算，那么，它将拥有一个平均值1。
在并不完美的统计学当中，经过计算，q的平均值不是1而是大约0.65。这个数字看来似乎有很大的差别，但是，出于各种原因，它绝不会像它可能表现出来的那样令人担忧。
第一个原因是，如果您接触过经济统计学，那么，您会清楚，0.65实际上非常接近1。它不像0.03或42.6那样离1很置远。例如，由于比较统计学家可以用两种不同的方法对贸易赤字一进口与出口之间的差额一进行计算， 所以，在这里我们不需要担忧细节。关键一点是，在不同的计算方法之间毫无例外地都会出现“统计差异”，在某些时候，这种差异会像被计算的贸易赤字本身一样大。然而，重要的一点就是大家必须清楚，尽管事实上统计学家知道贸易赤字的计算结果只有一个是真实的，但是，差异依然存在着。为此原因，如果一项计算被证明高于另一项，那么，统计学家们通常会尽各种努力来试图对二者进行“调和”， 但不管怎么样，结果仍会存在差异。当然，这一调和过程实际上涉及寻找降低“过高”计算以及增加“过低”计算的原因。虽然，这当然也属于数据挖掘，但是，至少它的意图是好的，因为贸易赤字的计算结果只有一个是真实的这一前提必须是正确的。
如果对贸易赤字进行计算的统计学家被永久地排斥于对贸易赤字进行备份计算的统计学家之外，而且，他们彼此不知道对方的数字，那么，您可以确信,他们之间的差异会更大些。但是，这实际上正是q数字得出来的那一种方法。最重要的元素q一非金融资本净值的市场价值一是由联邦储备银行董事会的统计学家们得出来的。显然，公司资产净值数字当中引进的最为重要的元素就是对公司部门的有形资本股票的评估。这些数字是由经济分析局的分析家们得出的，这些分析家们所担心的是数据处于完全孤立的状况。他们当然并没有试图在很长的时期内按平均来匹配联邦储备银行的数字，虽然人们都希望这样。当然，在许多方面，这种非常独立性是一项巨大优势，因为它意味着,统计学家们根本没有什么动力去进行任何形式的数据挖掘。但是，人们因此也不必惊讶，这些数字多少还是不一致的。
第二个原因是不必过多地考虑如下事实:经计算，q的平均值不是1。人们可以非常轻松地知道，为什么非常重要的错误计算形式将导致这一结果的出现。
在比率的两个元素当中，作为分子的资本净值的市场价值是经过合理计算而获得的。因此，主要问题在于作为分母的那个元素。如果比率本身平均低于我们的预期，这就意味着资产净值被系统性地高估了。也许最可能的解释在于资本股票的计算。这里也不是花很长的时间来讨论生成资本股票数据的方法论一经济学家和统计学家们长期以来一直在就此问题进行争论一的地方。 简而育之，要计算资本股票有两大问题。第一个问题是，您绝不可能直接计算资本股票，您只能计算资本股禀的变化。在某些时候(尽可能往回走)，统计学家们只能猜测资本股票的水平，在此水平上，他们可以进行增加;或者，在此水平，他们可以进行更好的计算。第二个严重问题是，如何计算资本贬值的比率。
第一个问题很可能导致资本股票被系统性地错估，因为如果统计学家们最初得到它的时候就是错的，那么，其后的数值很可能被影响数年或数十年。但是， 我们不得不承认，这个问题同样可以导致低估或高估。因此，一方面它从总体上更有可能导致对q的错估，另一方面，它也并不意味着任何低估的可能性。
第二个问题，亦即贬值的那个问题，更有可能导致低估。当统计学家考虑贬值时，他们实际上是在问要花多长时间，一定形式的资本一无论是机器、 计算机或建筑物一才会变得没有任何用处。例如，如果某特定物品将持续10年时间，那么，他们通常每年将使该资产贬值其最初价值的1/10。 考虑到他们在计算资本股票时的主要目的，亦即，计算国家的生产力，那么，这是完全有理由的。但是，还有一个更好的经济方法。通常，人们不是在资本资产被磨损掉的时候取代它，而是在其不再产生利润的时候取代它。经济贬值的发生快于统计学家们所计算的贬值。由于整个q想法是一个经济概念，因此，对q进行理想计算将使用经济贬值。但是，如果资本贬值太慢，那么，这必然意昧着，资本股票被系统性地高估了。
“系统性”一词是非常重要的。它提供了我们为什么不太担心q的平均值不是1这个事实的第三个原因，也许这是最重要的原因。如果您的手表总是快10分钟，那么，一旦您计算出了手表所显示的数字上的偏差，您就可以不费力地弄清楚准确的时间。这一点同样适用于q。如果没有近一个世纪的事实表明，q在一个相当持续的基础上被错估了，那么，我们会对错估更加担心。
当然，能说明这一点的证据就是与第二项测试有关的q的性能，我们将对第二项测试进行简短地探讨。正如我们早已在前面的各章中所表明的那样，有充分的证据表明，q能平均回复。如果错估不是建立在一个相当有规律的基础之上，那么，要做到这一点是不可能的。错估多少使问题复杂了些，因为考虑到“真正的”q的平均值必须是1,我们实际上需要对平均计算误差进行估计。但是，正如我们在第15章所看到的那样，考虑到近100年的数据值，我们可以对偏差的程度进行很好的估计。
由于q未被系统性地充分记录，因此，高估不是由q是大于还是小于1来显示，而是由它是大于还是小于其平均值来显示的。当然，当市场被严重高估时，正如其自1997 年以来的那样，那么q高于其平均值。但是，1998年底的q值大约为1.5, 这并不意味着，在这个时候，市场“仅仅”被高估了50%。如果进行比较的基准数字为1,那么，看一看第15章，您就会认为，美国股票市场在20世纪的大部分时间里被低估了。这一点也不能讲得通。因此，它是与大约为0.65的平均值所做的比较，这使我们得出了第15章所做的结论:到1998年底，华尔街被大约高估了2.5倍。
这也不是我们要对计算问题所做的最后提示。事实证明，我们所遇到的对q的许多批评实际上只是对计算的担忧。因此，在第30章，我们将对一些特别的批评以及一系列人们经常提出的担忧进行探讨。
测试二: q能平均回复吗?
我们通过各种不同形式的有关q的图已向您表明，q是如何平均回复的，因此，我们在此不再重复。但是，如果您需要证据，那么，请翻回到图2.1或图15.1。正如我们所注意到的那样，由于人类天生趋向于当实际生活中没有样式的时候寻找样式，因此，如果您希望，那么，您也可以进行一些更为客观的测试，我们在电子附录当中提供了此类测试。当然，这些测试并不能提供明确的回答。它们只是建议，q不能平均回复的概率非常低，约3%左右，但不会是零。当您处理实际数据时，这就是生活，我们在第20章里所探讨的不确定性的程度是任何价值指标的必然特征。实际上，我们对此结果并不十分满意。总而言之，如果统计测试拒绝一些100%概率的假设(在这种情况下，假设q不能平均回复)，那么，原因多半是， 测试在某些方面是错误的，或者，甚至被操纵了。
当然，我们并不只是因为q在平均回复测试当中的良好表现而对其有信心的，平均回复测试只是我们的四项价值测试当中的一项，尽管它是一项非常重要的测试。例如，P/E倍数与q一样均通过了平均回复测试，但却未通过其他测试。q不会出现这种情况。也许最为重要的一点就是，q是毫无争议地通过了我们的下一项测试的惟一的价值指标。
测试三: q具有经济意义吗?
在第12章，当我们第一次讨论可以证实q的套利概念以及在第16章，当我们证明为什么q应当从其当前水平下降时，我们已回答了这一问题。因此，我们不必在此再进行重复了。我们反而应把重点放在解释为什么q能够以一种不同的方式具有经济意义这个关键问题上。
我们知道，使用P/E倍数来评估市场的整个基础是建立其能平均回复上。P/E倍数只是收益率的倒数，反过来，从长远来看，收益率必将等于股票收益。因此，当我们讨论P/E倍数时，我们实际上是在问股票市场是否会提供“公平”的回报，在这里，我们的公平标准是股票的历史问报。这一回报在过去的两个世纪里一直相当稳定一实际上， 这也正是我们为什么把它称为西格尔常数的原因。但是，只有当西格尔常数恒定不变时，P/E倍数才管用。由于经济学家们迄今为止还未找到它为什么必须如此的解释，因此，原则上讲，它也许并不是恒定不变的一这极有可能。 例如，我们可以想像一组平行的体系，每一个体系都有一个不同的西格尔常数。每一个体系可以有不同的“公平回报”,并因此有不同的处于平衡状态的P/E倍数。但是，在所有这样的平行体系当中，q同样管用。其次，它还可以平均回复到相同的值。
处于平衡状态的q恒定不变有一种简单的解释。我们迄今为止已提出的观点是，q是对不同市场的价格进行比较的一种方式。当q高或低时，这意味着通过股票市场购买公司部门的资产的价格与直接购买它们相比，是高还是低。但是，还有把q与回报率进行比较的另一种备份方法。当q高时，这就意味着，在股票市场所购买的资产的回报率与直接购买的资产的回报率相比要低。
因此，我们可以看到q与P/E倍数之间的重要差别。当我们使用P/E倍数来评估股票市场，并把收益率与西格尔常数进行对比时，我们实际上是在说，后者是“正确”的回报。当我们用q来比较回报时，不会出现类似的假设:我们所比较的两种回报都是正确的。我们只是在说，它们是不同的。了解了这一点就足以清楚，套利具有非常明确的动机。因此，q必须平均回复的经济案例是站得住脚的，无论西格尔常数是恒定不变的，或者,实际上，它是否是恒定不变的。
测试四:q能否告诉我们有关未来股票收益的一些事情?
我们已相当详细地表明，它能够告诉我们有关米来股票收益的一些事情。在图里，我们表明，q和事后价值从历史上讲具有非常密切的关系，因此，q将发出可靠的危险信号表明未来的回报会很弱。在第14章，我们已表明，过去用q来指导进出股票市场决策的任何人都将获得比那些只是遵循“购买-持有”策略的投资者更高或更少的可变回报。我们还通过把股票作为长期投资这个好消息来提出了另一种观点。
如果对于您来说，这个证据还不够充分，那么，在电子附录里，我们还提供了一些统计测试，这些测试可以根据标准原则证实，q同样是未米收益的一项重要指标。当然，上述结果是虚假的可能性始终存在。因此，我们还可以从斯蒂芬.赖特和多纳德.罗伯逊的学术研究当中引用证据来证明:上述结果是偶然得出的，实际上，如果q并不能平均回复，而且无法对股票价格进行预测的话。实际上，这种概率非常低，只有3%左右。
重说有关q的案例
现在，我们已实现了本书此章要达到的主要目的。在第20章，我们提出了任何有效的价值指标必须通过的四项主要测试。表表明，q是通过了所有四项测试的惟一指标。更为重要的是，四项测试都得出了肯定的结果，这一事实为单独的测试提供了额外的重要意义。整体大于其各部分的总和。
当然，即使q也不是完美的指标。然而，我们已知道，q的惟一明显限制与q本身没有关系，但却与如下事实有关:我们只能不是很完美地对它进行计算。这确实是一种限制，这种限制使我们直到最近才能够把q作为一项价值指标使用;对于那些不具备像美国一样的高质量的经济统计学的市场来说，这种限制将继续把q排除在外。
