Alpha 蕴藏于你所未见的各项能力之中

对于公开市场和私募市场的机构投资者而言,追求超额收益的策略并没有太大改变。我们构建模型、检验假设、评估管理团队,并以越来越精确的方式进行估值基准测试。然而,同样的模式依然存在:相似的策略,却带来截然不同的结果。

这种差距通常被归咎于“执行力”。但这并非真正的原因。

金融分析师们忽略的是价值的真正创造之处。价值并非存在于行业、战略甚至商业模式层面,而是存在于更深一层,存在于一系列基础能力之中。

企业是由各种细粒度的能力——即创造经济价值的活动单元——组成的集合体。支撑企业运营的数百种能力中,只有少数至关重要。通常情况下,在任何特定时期,只有不到20%的能力创造着大部分经济价值。

随着技术发展、监管变化和竞争加剧,曾经使企业脱颖而出的能力如今已成为基本要求,而新的能力则不断涌现。数字基础设施曾经是竞争优势的来源,如今已成为标配。人工智能驱动的决策和运营自动化在当今至关重要,但它们也终将商品化,被下一代价值驱动能力所取代。

大多数投资者关注的是行业的发展趋势,而很少有人关注支撑这些行业的关键能力的变化。这正是定价偏差的根源所在,甚至在财务数据或估值中显现之前就已经存在。

务实的转变

这需要转变关注点,从战略和行业转向真正驱动价值的底层能力。在实践中,这意味着要遵循以下步骤:

  1. 将业务分解为其基本能力。
  2. 找出那些能带来不成比例价值的关键少数因素
  3. 对它们在价值创造中的作用进行分类 ——例如,它们是否在收入和成本驱动因素方面发挥着高杠杆作用。
  4. 评估这些能力如何随时间演变 ——哪些能力目前正在创造价值,哪些能力正在被广泛采用,哪些能力正在涌现。明确当下重要的因素以及未来重要的因素,决定了资本的配置方向以及进入或退出的时机。

从能力到瓶颈

在任何系统中,某些能力都至关重要。这些是瓶颈:运营模式中的瓶颈环节,一旦出现问题,就会对收入、成本或两者产生连锁反应。当其中一个环节出现问题时,结果不会逐渐恶化,而是会彻底崩溃。

此类漏洞在财务报表中很少能体现出来。只有了解各项能力如何相互作用以及风险如何在它们之间传播,才能发现这些漏洞。

请看以下几个例子:

  • 在医疗保健服务领域 ,投资者可以追踪转诊时间超过临床安全阈值的百分比和波动情况——这些数据来源于急救医疗服务日志、医院系统和调度记录。转诊时间的波动是系统压力过大的早期信号,直接影响吞吐量和收入。
  • 在软件驱动型企业中 ,客户集中度可能体现在少数企业合同中,这些合同表面上看似稳定,但续约周期却同时压缩。表面上的多元化,在能力层面可能取决于续约时间和客户集中度。
  • 在工业企业中 ,重大风险存在于供应链中——通常是隐蔽的。一级供应商显而易见,而二级和三级供应商则不然,脆弱性就潜藏其中。二级供应商交货周期的波动以及对单一来源的隐性依赖,会成为供应链脆弱性和收入风险的极其重要的先行指标(也称为“微弱信号”)——所有这些都基于采购、运输和贸易路线数据中存在的能力数据 1

在每种情况下,财务数据都滞后于实际情况。等到收入放缓、利润率下降或契约条款面临压力时,企业的基本能力实际上已经下降了。

从滞后指标到领先指标

这表明出现了一种相关的转变:从跟踪结果转向跟踪产生结果的能力。

大多数投资者关注的指标,例如收入增长、利润率、EBITDA 和违约率,都是滞后指标。它们描述的是已经发生的事情。

能力视角能够揭示领先指标:这些指标之所以能够更早出现,是因为它们反映了绩效驱动因素的变化。这些指标通常是运营方面的,而非财务方面的。例如:

  • 供应商交货时间的变异性(不仅仅是平均值)
  • 关键工作流程中的吞吐量和延迟模式
  • 重点客户的续约时间压缩
  • 看似多元化的收入来源中蕴含着集中化的风险

它们通常很细粒度且未得到充分利用,存在于采购系统、物流数据、合同结构和流程级指标中。

它们的价值在于它们在因果链中的位置。它们先于结果发生,因为它们是结果的成因。

这就改变了核心问题。与其问“收入或利润率会发生什么变化?”,不如问:哪些能力决定了这些结果能否持续——以及这些能力正在发生怎样的变化?

能力观的实践:私人信贷

假设有一家中型工业分销商接受两位私人信贷投资者的评估。

表面上看,这家公司各项指标都很不错:稳定的个位数中段增长、稳定的利润率,以及看似多元化的供应商基础,而且没有明显的契约压力。对大多数投资者来说,这些就足够了。其信用状况似乎稳健,交易价格也与之相符。

但这种观点是基于滞后指标的。

从能力角度来看,情况则有所不同。

大量关键 SKU 依赖于少数几家二级供应商。采购数据显示,交货周期波动范围(并非平均值,而是波动幅度)正在扩大,且对受制裁敏感地区的风险敞口也在增加。所有这些问题在已公布的业绩报告中均未体现。然而,这一切都指向一个关键的依赖关系:供应的连续性。

看似稳定的事物,实际上是有条件的。

至此,两位投资者之间的分歧就显而易见了:

  • 人们争论预测结果——调整假设并进行压力测试。
  • 另一种观点则完全重新定义了风险,重点关注基础能力是否能够支撑预测。

这一洞察促使我们采取不同的行动。价差扩大。契约条款与供应商集中度和库存缓冲挂钩。监控重点从季度财务数据转向运营信号——交货周期波动、供应商依赖性和区域风险敞口。

当危机发生时,这并不令人意外。

优势并非来自更优的模型,而是来自在系统崩溃之前就预见到它最有可能崩溃的地方。

实践者框架

要将此付诸实践,就需要将能力视角融入到投资的评估和管理方式中。

  1. 将能力视角融入尽职调查 。分解并非一项练习,而是一种映射依赖关系的方法,这些依赖关系决定了模型能否执行。财务数据描述绩效;能力则决定了绩效是否可重复。
  2. 找出瓶颈 。任何系统中都存在一个瓶颈,一旦出现问题,故障就会不成比例地蔓延。如果你无法指出这个瓶颈,说明你还没有真正理解其中的风险。
  3. 长期追踪少量关键能力指标的变化 。不是几十个,每个关键能力两三个就够了。这些指标的变化先于收入、利润或业绩的变化。
  4. 随着能力的变化,要积极更新投资理念 。今天驱动价值的因素,明天可能就不再是驱动价值的因素了。能力会发展、衰退,角色也会发生变化。投资理念也必须随之发展。

这意味着:超额收益并非来自对结果的更准确预测,而是来自理解产生这些结果的能力结构,并识别出该结构何时开始发生变化。

图片来源:©Getty Images

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/98131.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 1小时前
下一篇 1小时前

相关推荐

  • 中国进出口数据下降是全球经济的先兆?

    中国出口同比下降14.5%,进口下降12.4%。 “这些数字证实,经济日益增长的增长缺口反映了国内外的挑战。” 出口第三个月下降 由于全球需求下滑,中国7月份出口连续第三个月下降,而国内压力也削弱了经济复苏,进口大幅下降。 海关总署周二表示,以美元计算,上个月海外发货量同比下降 14.5%,这是自 2020 年 2 月以来最严重的降幅,而进口量则萎缩 12.…

    2023年8月11日
    34300
  • 计算风险管理:股票投资组合的策略、工具和文化

    计算风险管理:股票投资组合的策略、工具和文化 投资者需要更好地掌握风险管理工具,以衡量投资组合在快速变化的世界中战略弹性。 金融市场的每个角落都潜伏着危险。从宏观经济风险到系统性波动,再到个别公司面临的商业威胁,无数因素都可能使股票或投资组合偏离轨道。 正确进行风险管理是一项永恒的任务,即使是最有经验的投资组合经理也会受到考验,需要技能、经验和谦逊的结合。虽…

    2024年7月11日
    5100
  • 投资者认为高收益债券和 MBS 是 2025 年的最佳投资选择

    2024 年表现最佳的美国蓝筹债券基金继续沿用他们的成功策略:投资风险较高的蓝筹公司债务,以及能够应对经济波动的公司,并避开那些对利率风险敏感的公司。 随着美国总统唐纳德·特朗普的关税威胁变为现实,加上美联储可能暂停降息,信用投资者继续押注于较短期限的债券。去年这一策略取得了成功,到期时间不到一年的债券的表现超过了更敏感于收益率变动的长期债券,高出超过 7 …

    2025年3月2日
    30000
  • 北京大学Julia语言入门讲义第15章: 统计计算

    这一部分介绍如何靠自己编写Julia程序进行定制化的统计计算。从自己编写程序作统计计算的角度简单介绍Julia中与统计计算编程有关的功能,如向量、矩阵计算,最优化,随机模拟,并行计算等。 Julia比较适合用作数值计算,编程既有Python、R、Matlab这样的语言的简洁,又有C++这样的编译语言的运行效率。统计数据分析、作图需要用到许多复杂的算法,有些算…

    2023年8月28日
    48800
  • 在金融数据科学中使用具有经济意义的因素的好处

    因素选择是我们构建财务模型时最重要的考虑因素之一。那么,随着机器学习 (ML) 和数据科学越来越融入金融,我们应该为 ML 驱动的投资模型选择哪些因素以及如何选择它们? 这些都是开放且关键的问题。毕竟,机器学习模型不仅可以帮助因子处理,还可以帮助因子发现和创建。 传统统计和机器学习模型中的因素:(非常)基础知识 机器学习中的因素选择称为“特征选择”。因素和特…

    2023年9月14日
    19900
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部