基于 David Dreman，《逆向投资策略：心理优势》（1998年，修订版）
David Dreman（1936-2023）是现代最成功、最有影响力的逆向投资者之一。作为 Dreman Value Management 的创始人和主席，他使用一种纪律严明的逆向投资方法管理着数十亿美元，在数十年来持续跑赢市场。他的著作《逆向投资策略》是关于不受欢迎股票如何跑赢受欢迎股票的权威著作，基于实证证据和行为心理学。
市场系统性地高估受欢迎股票，低估不受欢迎股票。这种过度反应是由有据可查的心理偏见驱动的——过度自信、锚定、从众行为和情感启发式——导致投资者将近期趋势过多地外推到未来。通过购买市场惩罚最严重的股票（低市盈率、低市净率、低市销率、高股息率）并避开奖励最慷慨的股票（高市盈率、高市净率、高市销率），投资者可以随着时间获得显著高于平均水平的回报。
Dreman 的工作因其严格的实证基础而脱颖而出。他不仅仅断言逆向策略有效——他提供了数十年来跨多个指标、时间段、市场条件和国家市场的数据。证据是压倒性的和一致的：
历史业绩汇总（近似，来自 Dreman 的研究）：
策略 年回报率 与市场平均相比
最低20%市盈率股票 ~16-18% 高于市场3-5%
最低20%市净率股票 ~16-17% 高于市场3-4%
最低20%市销率股票 ~16-18% 高于市场3-5%
最高股息率 ~15-17% 高于市场2-4%
最高20%市盈率股票 ~10-12% 低于市场1-3%
最高20%市净率股票 ~10-11% 低于市场2-3%
最高20%市销率股票 ~9-11% 低于市场2-4%
最低股息率 ~10-12% 低于市场1-3%
市场平均 ~13%
时间段：1970年代至1990年代（多项研究）
注：确切数字因研究时间段和方法论而异。
模式在所有研究的时间段中是一致的。
如果逆向策略如此有效，为什么不是每个人都使用它们？Dreman 确定了几个原因：
Dreman 在心理学家 Daniel Kahneman 和 Amos Tversky 的基础上解释为什么市场会过度反应。关键偏见：
代表性偏见： 投资者根据当前条件与熟悉模式的相似程度来判断未来结果的概率，而不是基于基础概率。连续五年盈利增长的公司"看起来像"成长型公司，因此投资者假设它将继续增长——通常为此类外推支付40-50倍市盈率。
锚定： 投资者锚定在近期趋势上，调整不足。如果一只股票已经上涨了两年，投资者会锚定在上涨趋势上并假设它将继续。如果一只股票一直在下跌，他们会锚定在下跌趋势上。
可得性偏见： 近期、鲜明和情感上强烈的事件在决策中被过度权重。最近刚报告糟糕收益的公司受到的评判比客观情况所要求的更严厉，因为负面新闻在投资者心中高度可得。
从众行为： 投资者跟随人群，因为不同意共识在心理上是代价高昂的。购买一只然后下跌的受欢迎股票是"坏运气"。购买一只然后下跌的不受欢迎股票是"坏判断"。独立思考的社会惩罚驱动了从众行为。
过度反应周期：
对于受欢迎股票（高估）：
1. 公司有强劲的近期表现
2. 分析师上调预期和目标价
3. 媒体 coverage 变得正面和频繁
4. 投资者将近期成功 far 延伸到未来
5. 股价上涨至不可持续的市盈率（30倍、40倍、50倍+）
6. 即使小小的失望也会触发大幅下跌
7. 这只股票在50倍时是"伟大公司"；现在在15倍时是"受损商品"
对于不受欢迎股票（低估）：
1. 公司近期表现疲软或危机
2. 分析师下调预期和目标价
3. 媒体 coverage 变得负面（或缺席）
4. 投资者将近期问题 far 延伸到未来
5. 股价下跌至异常低的市盈率（5倍、8倍、10倍）
6. 即使小小的正面惊喜也会触发显著反弹
7. 这只股票在5倍时是"绝望的"；现在在12倍时是"复苏的"
逆向机会：
在不受欢迎周期的第5-6步买入
在受欢迎周期的第5-6步卖出
Dreman 认为过度反应不是会被套利走的暂时市场异常。它之所以持续存在，是因为它植根于不会改变的人类心理。导致1930年代过度反应的相同偏见今天导致它，2050年也会导致它。市场演变，但人性不变。
Dreman 最广泛的研究集中在市盈率上。他将市场按市盈率分为五分位数（五组，每组20%），并跟踪长期回报：
市盈率五分位表现（说明性，基于 Dreman 的研究）：
五分位 市盈率范围 年回报率 累计（20年）
最低20% 5-10倍 ~17% $100 → ~$2,300
第二五分位 10-14倍 ~15% $100 → ~$1,600
第三五分位 14-18倍 ~13% $100 → ~$1,150
第四五分位 18-25倍 ~12% $100 → ~$960
最高20% 25倍+ ~11% $100 → ~$810
最低市盈率五分位持续跑赢：
- 牛市和熊市
- 通货膨胀和通缩时期
- 不同十年（1970年代、1980年代、1990年代）
- 美国和国际市场
账面市值比显示类似的模式。以最低账面市值比交易的股票跑赢以最高账面市值比交易的股票。Dreman 指出，市净率对于金融公司和资产密集型行业特别有用，因为账面价值在这些行业中是有意义的衡量标准。
市销率可能是最稳健的逆向指标，因为销售额数据比收益和账面价值更难操纵。公司可以通过会计选择管理收益，可以通过重组费用降低账面价值，但销售额相对直接。
高股息率股票持续跑赢低股息率股票。这种效应部分由价值倾斜解释（高收益率股票往往市盈率低），部分由行为倾向解释——低估再投资股息的力量。
Dreman 测试了哪个单一指标是最可靠的逆向指标，发现低市盈率是最强的独立预测因素。然而，同时使用多个逆向指标可以提供更好的结果：
逆向指标强度（排名）：
1. 低市盈率 （最强的独立预测因素）
2. 低市销率 （对会计操纵最稳健）
3. 低市净率 （对资产密集型行业最佳）
4. 高股息率 （再投资效果最佳）
5. 低市现率（市价与现金流比率） （消除会计扭曲）
组合策略：
购买在两个或更多这些指标上同时处于最低五分位的股票
→ 更高的超额表现
Dreman 最重要的贡献之一是他对分析师预测误差系统性特征的记录。分析师不会犯随机错误——他们犯可预测的、方向性的错误：
分析师预测误差模式：
对于受欢迎（高市盈率）股票：
- 分析师系统性地过于乐观
- 共识收益预期过高
- 当公司实际报告的收益低于预期时，
股价大幅下跌（"盈利意外"）
- 平均负面意外频率：约45%的季度
- 负面意外平均幅度：-5至-15%
对于不受欢迎（低市盈率）股票：
- 分析师系统性地过于悲观
- 共识收益预期过低
- 当公司实际报告的收益高于预期时，
股价大幅上涨（"正面意外"）
- 平均正面意外频率：约50%的季度
- 正面意外平均幅度：+5至+15%
非对称性：
高市盈率股票：为完美定价 → 更多下行意外
低市盈率股票：为灾难定价 → 更多上行意外
这种非对称性是逆向优势的主要驱动因素。
Dreman 确定了分析师系统性误差的几个来源：
Dreman 使用盈利意外作为逆向重新估值的关键机制：
双重打击效应：
第0年：公司每股收益$2，交易价格8倍市盈率 = $16/股
第2年：公司每股收益$2.50（25%收益增长）
市场重新评估：市盈率从8倍扩张至14倍
股价：$2.50 × 14 = $35
回报：($35 - $16) / $16 = 119%
分解：
来自收益增长：25%
来自市盈率扩张：75%
两者共同：119%
市盈率扩张是关键——它代表了市场纠正其先前对负面情绪的过度反应。
Dreman 确定了通常触发低估股票重新估值的事件：
正面盈利意外： 最常见的触发因素。当为灾难定价的股票报告不错或良好的收益时，悲观的共识受到挑战，股票重新评级。
管理层变动： 新管理层——尤其是以运营卓越或 turnaround 专业知识著称的CEO——可以在一夜之间改变市场对公司的看法。
激进投资者： 当一位著名的激进投资者持有重要股份并推动变革（成本削减、资产剥离、股票回购、战略转变）时，市场通常会预期改善而重新评级股票。
行业顺风： 惠及整个行业的结构性转变——监管变化、需求增长、大宗商品价格转变——可以提振该板块的所有股票，包括最便宜的股票。
股票回购： 当低市盈率公司使用其现金流回购股票时，它减少股本，增加每股收益，并表明管理层的信心。
股息增加： 股息增加或开始发放表明管理层对未来现金流的信心，并吸引寻求收入的投资者。
Dreman 的研究表明，逆向重新估值通常发生在1-5年内。一些股票在正面催化剂触发后数月内重新评级；其他则需要数年。投资者必须有足够的耐心持有度过等待期，但也要现实地认识到并非每只便宜的股票都会复苏。
Dreman 提供了构建逆向投资组合的特定、可实施的规则：
DREMAN 的逆向选择标准：
规则1：低估值（至少一个， preferably 多个）
□ 市盈率处于市场最低40%（或低于12倍）
□ 市净率处于市场最低40%（或低于1.5倍）
□ 市销率处于市场最低40%（或低于1.0倍）
□ 股息率处于市场最高40%（或高于3%）
规则2：财务实力
□ 流动比率 > 1.5（充足的短期流动性）
□ 债务权益比 < 0.60（可管理的杠杆）
□ 利息保障倍数 > 5倍（可以舒适地偿付债务）
□ 没有近期收益损失（过去5年中至少3年盈利）
规则3：收益质量
□ 经营活动现金流为正
□ 收益主要不是来自一次性项目
□ 收入在增长或至少稳定（不是结构性下降）
□ 利润率稳定或改善（不是在自由落体）
规则4：最小规模
□ 市值 > 10亿美元（避免微盘陷阱）
□ 每日交易量充足（进入和退出不会产生重大市场影响）
规则5：股息安全（对于专注于股息的策略）
□ 股息派发率 < 75%（可持续的派发）
□ 过去5年未削减股息（稳定性）
□ 自由现金流至少1.5倍覆盖股息
Dreman 对逆向投资者应该避免的内容同样具体：
应避免的逆向陷阱：
1. 价值陷阱——因为好原因而便宜的股票：
□ 行业结构性下降（例如：印刷报纸）
□ 技术过时
□ 无法管理的债务负担
□ 持续收入下降（>3年）
□ 自由现金流为负且没有明确的正向路径
2. 会计红旗：
□ 频繁的重述
□ 收入确认变化
□ 收益和现金流之间差距扩大
□ 过度使用"调整"或"非GAAP"收益
□ 审计师变更
3. 治理风险：
□ 双重股权结构有利于内部人
□ 高管薪酬过高
□ 关联交易
□ 帝国建设并购
□ 股价下跌期间内部人抛售
Dreman 强调，最好的逆向投资是拥有坏股票的好公司——公司基本健全，但由于收益未达预期、行业轮动、宏观经济恐慌或其他可逆转因素而暂时失宠。"坏股票"（因市场过度反应而暂时便宜）和"坏公司"（基本受损）之间的区别是逆向投资者做出的最重要的判断。
与持有8-15只股票的集中型投资者不同，Dreman 建议逆向投资组合更广泛的多元化——通常为20-30只股票。这是因为个别逆向持仓具有更高的特质风险（任何个别便宜股票可能是价值陷阱），多元化确保策略的统计优势可靠地显现。
逆向投资组合结构：
持仓数量： 20-30只股票
最大仓位规模： 成本的5%
最大板块权重： 25%
最小板块数量： 5个不同板块
再平衡：
年度审查——替换已重新评级的股票
（市盈率已升至市场平均或以上）
替换为新的逆向候选股票（已变得便宜的股票）
预期换手率：20-40%每年
（以主动管理标准来说是低的，但高于集中投资）
Dreman 表明，逆向优势随着时间增加。在任何单一年份，逆向投资组合可能表现不佳。在5年内，表现不佳变得罕见。在10年内，逆向策略几乎总是跑赢。
逆向跑赢的概率：
1年期滚动期间： ~55-60%跑赢
3年期滚动期间： ~65-75%跑赢
5年期滚动期间： ~75-85%跑赢
10年期滚动期间： ~85-95%跑赢
20年期滚动期间： ~95%+跑赢
含义：逆向策略有效，但你必须给它时间。
短期表现不佳不是策略失败的证据。
Dreman 证明，低市盈率股票在熊市中实际上下行 less。高市盈率股票似乎反直觉（便宜股票应该风险更大），但这有道理：便宜股票已经为坏消息定价了。下跌空间较小。为完美定价的高价股票在现实令人失望时下跌空间更大。
熊市行为：
高市盈率股票（最高五分位）：
平均熊市跌幅：-30至-45%
市盈率压缩 + 收益失望 = 双向打击
低市盈率股票（最低五分位）：
平均熊市跌幅：-15至-25%
已经低的预期 = 更少的失望空间
逆向投资组合在熊市中提供自然的缓冲，
无需任何市场时机或对冲。
Dreman 不使用机械止损。他 arguments 止损与逆向投资是对立的：一支已经跌至其已经低的估值以下的股票，可能是更好的买入机会，而不是卖出信号。相反，他使用基本恶化作为卖出触发因素。
不同板块轮流获得青睐和失宠，在板块层面创造逆向机会。Dreman 确定了模式：
板块轮动和逆向机会：
周期性板块（能源、材料、工业）：
逆向买入：在衰退期间，当收益受到抑制
且市盈率看起来很高时（基于周期性低收益）
逆向卖出：在扩张期间，当收益处于高位
且市盈率看起来很低时（基于周期性高收益）
注：使用标准化（周期中期）收益进行市盈率计算
防御性板块（公用事业、主要消费品、医疗）：
逆向买入：在牛市 euphoria 期间，当投资者
追捧成长股而忽视防御性股票时
逆向卖出：在熊市期间，当投资者逃往
安全场所并推高防御性股票时
成长型板块（科技、生物技术）：
逆向买入：在行业范围的崩盘之后，惩罚
好公司和坏公司不加区分
逆向卖出：当该板块市盈率超过市场平均水平的2倍时
金融板块（银行、保险）：
逆向买入：在信贷危机期间，市场假设
广泛破产（通常被高估）
逆向卖出：当贷款增长加速和信贷
标准放松时（衰退即将来临的迹象）
Dreman 警告不要购买处于永久性下降行业中的便宜股票。逆向优势来自购买暂时失宠的股票，而非永久受损的股票。关键区别：
| 情况 | 行动 |
|---|---|
| 健康行业的周期性低迷 | 买入——经典逆向设置 |
| 暂时性公司特定问题 | 买入——如果基本面支持复苏 |
| 行业结构性下降 | 避免——便宜会变得更便宜 |
| 技术颠覆 | 避免——除非公司是颠覆者 |
| 监管破坏盈利能力 | 避免——永久性损害 |
Dreman 指出，逆向策略在国内和国际上都有效。国家层面的过度反应创造了机会：当一个国家的市场因危机（亚洲金融危机、欧洲债务危机）崩盘时，该市场中基本健全的公司的股票通常变得严重低估。
Dreman 不进行精确的市场时机选择，但根据广义市场估值调整投资组合激进程度：
市场估值和投资组合立场：
市场市盈率 < 12（历史上便宜）：
立场：激进看涨
行动：充分投资于逆向股票
现金：0-5%
市场市盈率 12-18（公允价值区间）：
立场：适度看涨
行动：充分投资，正常逆向选择
现金：5-10%
市场市盈率 18-25（昂贵）：
立场：谨慎
行动：仅购买极端逆向便宜货
现金：10-20%
开始提高质量标准
市场市盈率 > 25（历史上昂贵）：
立场：防御
行动：持有现有仓位；不加仓
现金：20-30%
准备 correction 的购物清单
Dreman 确定了市场层面的几个逆向信号：
极端悲观（买入信号）：
极端乐观（谨慎信号）：
Dreman 将逆向投资框架为系统性利用可预测的心理偏见。这些偏见不是随机的——它们是一致的、有方向性的、可测量的。这使它们可以被利用：
偏见 → 市场错误 → 逆向策略
近期偏见 → 将近期趋势永远外推
→ 购买近期趋势不好的股票（均值回归）
过度自信 → 相信预测比实际更准确
→ 押注极端共识预测的反面
损失厌恶 → 感受到的损失是等效收益的2倍
→ 购买其他人在恐慌中抛售的股票
从众行为 → 跟随人群购买受欢迎的股票
→ 购买最不受欢迎的股票
锚定 → 锚定在近期价格或趋势上
→ 根据标准化基本面评估股票，而非近期结果
可得性偏见 → 过度权重鲜明近期事件
→ 看穿标题，关注底层业务质量
Dreman 对逆向投资的情感困难是诚实的：
对这些感觉是逆向优势来源的智力理解并不能消除它们。它只是使它们可控。
逆向投资者面临动量投资者不承担的社会压力。如果你购买一只受欢迎的股票然后下跌，人们表示同情（"每个人都在那只股票上赔钱"）。如果你购买一只不受欢迎的股票然后下跌，人们批评（"你为什么要买那个垃圾？"）。这种社会惩罚强化了从众行为，并创造了不受欢迎股票持续被低估的现象。
第1步：筛选 universe
从 S&P 500 或等效大盘股指数中的所有股票开始
按市盈率、市净率、市销率和股息率排序
识别至少一个指标处于底部20-30%的股票
第2步：应用财务质量过滤器
消除未通过财务实力测试的股票
（债务、现金流、盈利能力、流动性）
这消除了大多数价值陷阱
第3步：评估基本前景
对于剩余候选股票，评估：
- 该行业是否处于结构性下降？
- 公司的竞争地位是否在永久性侵蚀？
- 问题是暂时的（周期性、一次性、情绪）还是永久的？
第4步：排序和选择
按整体逆向吸引力对存活候选股票排序
（估值便宜程度、财务质量、
和重新估值的感知触发因素的组合）
选择前20-30只股票
第5步：仓位规模
大致等权重（across 所有持仓）
没有仓位超过成本的5%
任何单一板块最多25%
第6步：监控和再平衡
季度审查——检查基本恶化
年度再平衡——卖出已重新评级的股票，
替换为新便宜的候选股票
预期年度换手率：20-40%
Dreman 的卖出规则：
卖出当：
1. 重新评级完成
股票的市盈率已升至市场平均或以上
→ 逆向论点已经实现；获利了结
2. 基本面恶化
公司的财务质量已实质性恶化
（债务增加，现金流下降，收入持续下降）
→ 股票不再只是不受欢迎——它是真正受损的
3. 更好的机会
存在显著更有吸引力的逆向候选股票
而你需要资本来为其提供资金
4. 持有期超过
如果股票在3-5年内没有重新评级，重新评估
逆向论点是否有效或者是价值陷阱
不要因为以下原因卖出：
- 股票进一步下跌（可能是更好的买入）
- 分析师下调了它（分析师是过度反应的来源）
- 市场处于熊市阶段（逆向股票表现更好）
- 你对持仓"无聊"（无聊不是投资论点）
逆向投资组合有自然的税收优势：因为许多持仓持有数年才重新评级，收益是长期资本利得（以较低税率征税）。20-40%的年度换手率低于大多数主动经理的80-100%。
函数 dreman_contrarian_screen(universe, market_data):
// 步骤1：计算估值排名
对于 universe 中的每只股票：
stock.pe_percentile = percentile_rank(stock.PE, universe.all_PE)
stock.pb_percentile = percentile_rank(stock.PB, universe.all_PB)
stock.ps_percentile = percentile_rank(stock.PS, universe.all_PS)
stock.yield_percentile = percentile_rank(stock.dividend_yield, universe.all_yields)
// 对于收益率，高是逆向的（便宜），所以反转
stock.yield_contrarian = 100 - stock.yield_percentile
// 步骤2：识别逆向候选股票（至少1个指标低估值）
candidates = []
对于 universe 中的每只股票：
contrarian_metrics = 0
如果 stock.pe_percentile <= 30: contrarian_metrics += 1
如果 stock.pb_percentile <= 30: contrarian_metrics += 1
如果 stock.ps_percentile <= 30: contrarian_metrics += 1
如果 stock.yield_contrarian <= 30: contrarian_metrics += 1
如果 contrarian_metrics >= 1:
stock.contrarian_count = contrarian_metrics
candidates.APPEND(stock)
// 步骤3：应用财务质量过滤器
qualified = []
对于 candidates 中的每只股票：
// 财务实力
如果 stock.current_ratio < 1.5: 继续
如果 stock.debt_to_equity > 0.60: 继续
如果 stock.interest_coverage < 5: 继续
// 盈利能力（过去5年中至少3年盈利）
profitable_years = COUNT(year FOR year IN stock.last_5_years IF year.net_income > 0)
如果 profitable_years < 3: 继续
// 现金流质量
如果 stock.operating_cash_flow <= 0: 继续
如果 stock.FCF_to_net_income < 0.5: 继续
// 最小规模
如果 stock.market_cap < 1_000_000_000: 继续
qualified.APPEND(stock)
// 步骤4：消除价值陷阱
filtered = []
对于 qualified 中的每只股票：
// 结构性下降检查
如果 stock.revenue_growth_5yr < -5%: 继续 // 持续收入下降
如果 stock.industry_outlook == "SECULAR_DECLINE": 继续
// 会计质量
如果 stock.audit_qualifications > 0: 继续
如果 stock.earnings_restatements_3yr > 0: 继续
// 治理检查
如果 stock.insider_selling_heavy AND stock.PE_low:
继续 // 内部人在便宜股票时抛售 = 红旗
filtered.APPEND(stock)
// 步骤5：按逆向吸引力排序
对于 filtered 中的每只股票：
stock.contrarian_score = (
(30 - stock.pe_percentile) * 0.35 + // 市盈率权重最高
(30 - stock.ps_percentile) * 0.25 + // 市销率第二
(30 - stock.pb_percentile) * 0.20 + // 市净率第三
(30 - stock.yield_contrarian) * 0.10 + // 收益率第四
stock.contrarian_count * 10 // 多指标 bonus
)
// 财务实力 bonus
stock.contrarian_score += stock.current_ratio * 2
stock.contrarian_score += MIN(stock.interest_coverage, 20)
filtered.SORT_BY(contrarian_score, DESCENDING)
RETURN filtered[:40] // 手动审查的前40名候选股票
函数 build_contrarian_portfolio(candidates, capital):
portfolio = []
sector_allocation = {}
target_positions = 25
position_size = capital / target_positions
max_sector_pct = 0.25
对于 candidates 中的每只股票：
如果 len(portfolio) >= target_positions:
BREAK
// 板块限制检查
sector = stock.sector
current_sector_pct = sector_allocation.get(sector, 0) / capital
如果 current_sector_pct + (position_size / capital) > max_sector_pct:
CONTINUE // 会超过板块限制
// 添加持仓
position = {
stock: stock,
shares: FLOOR(position_size / stock.price),
cost_basis: stock.price,
entry_PE: stock.PE,
entry_PB: stock.PB,
entry_date: TODAY,
target_PE: market_average_PE, // 市盈率正常化时卖出
thesis: document_contrarian_thesis(stock),
red_flags_to_watch: identify_risk_factors(stock)
}
portfolio.APPEND(position)
sector_allocation[sector] = sector_allocation.get(sector, 0) + position_size
// 剩余资本为现金或短期债券
invested = SUM(p.shares * p.cost_basis FOR p IN portfolio)
portfolio.cash = capital - invested
RETURN portfolio
函数 annual_rebalance(portfolio, market_data):
sells = []
holds = []
对于 portfolio.stocks 中的每个持仓：
stock = get_current_data(position.stock)
// 检查重新评级是否完成
如果 stock.PE >= market_data.median_PE:
sells.APPEND({
position: position,
reason: "REVALUATION_COMPLETE",
return: (stock.price - position.cost_basis) / position.cost_basis
})
CONTINUE
// 检查基本恶化
如果 stock.debt_to_equity > 1.0 AND position.entry_debt_equity < 0.6:
sells.APPEND({position: position, reason: "DEBT_DETERIORATION"})
CONTINUE
如果 stock.revenue_growth_trailing_3yr < -10%:
sells.APPEND({position: position, reason: "REVENUE_COLLAPSE"})
CONTINUE
如果 stock.operating_cash_flow < 0 AND position.entry_OCF > 0:
sells.APPEND({position: position, reason: "CASH_FLOW_DETERIORATION"})
CONTINUE
// 检查过度持有期
holding_years = (TODAY - position.entry_date).years
如果 holding_years > 5 AND stock.PE < position.entry_PE:
sells.APPEND({
position: position,
reason: "HOLDING_PERIOD_EXCEEDED_NO_PROGRESS"
})
CONTINUE
holds.APPEND(position)
// 执行卖出
cash_raised = 0
对于 sells 中的每个卖出：
cash_raised += execute_sell(sell.position)
LOG("SELL {sell.position.stock.name}: {sell.reason}, Return: {sell.return:.1%}")
// 筛选新候选股票
new_candidates = dreman_contrarian_screen(market_data.universe, market_data)
// 移除投资组合中已有的任何股票
new_candidates = [c FOR c IN new_candidates IF c NOT IN holds]
// 使用可用现金买入新持仓
available_cash = portfolio.cash + cash_raised
positions_to_add = len(sells) // 替换卖出的持仓
对于 i IN range(positions_to_add):
如果 i >= len(new_candidates): BREAK
如果 available_cash < portfolio.min_position_size: BREAK
position_size = available_cash / (positions_to_add - i)
new_position = create_position(new_candidates[i], position_size)
holds.APPEND(new_position)
available_cash -= position_size
LOG("BUY {new_candidates[i].name}: PE={new_candidates[i].PE}, "
"PB={new_candidates[i].PB}")
portfolio.stocks = holds
portfolio.cash = available_cash
RETURN portfolio
函数 monitor_earnings_surprises(portfolio):
// 跟踪 Dreman 记录的非对称意外模式
对于 portfolio.stocks 中的每个持仓：
如果 position.stock.reporting_earnings_this_week:
consensus_EPS = get_consensus_estimate(position.stock)
actual_EPS = get_actual_earnings(position.stock)
surprise_pct = (actual_EPS - consensus_EPS) / ABS(consensus_EPS)
如果 surprise_pct > 0.05:
// 正面意外 >5% — 逆向论点正在发挥作用
LOG("POSITIVE SURPRISE: {position.stock.name} "
"beat by {surprise_pct:.1%}")
// 考虑持有度过动量
position.surprise_catalyst = TRUE
否则如果 surprise_pct < -0.10:
// 重大负面意外 — 重新评估论点
LOG("NEGATIVE SURPRISE: {position.stock.name} "
"missed by {surprise_pct:.1%}")
// 关键性重新评估：这是暂时的还是永久的？
position.needs_review = TRUE
否则:
// 符合预期或小意外 — 继续持有
LOG("IN-LINE: {position.stock.name}")
"你可以学习的最重要的投资教训是，投资者 consistently 对事件——无论是正面还是负面——过度反应，而且这种过度反应创造了股票市场中最可靠的利润机会。"
"买入失宠的股票，卖出受欢迎的股票。这是获得高于平均长期回报的最可靠策略。"
"分析师的预测和天气预报一样容易出错。区别是没有人根据天气预报买入股票。"
"股票市场最大的讽刺是，投资者最害怕的股票是他们应该买入的，而他们最兴奋的股票是他们应该避免的。"
"已经下跌80%的股票可以再跌80%。但低估值加上基本质量的组合创造了一个底部，纯投机型股票没有这个底部。"
"低市盈率股票跑赢高市盈率股票，不是因为便宜股票天生更好，而是因为投资者心理学系统性地错误定价了两类股票。"
"市场最大的错误不是来自愚蠢，而是来自对新的解读应用一致的认知偏见。"
"在逆向投资中多元化是必不可少的——不是因为策略有风险，而是因为个别逆向持仓是不确定的。策略在统计上有效，而不是逐个股票有效。"
"买入其他人正在抛售的东西的情感困难是逆向溢价存在的原因。如果这很容易，每个人都会这样做，溢价就会消失。"
"盈利意外是便宜股票变成公允价值股票的机制。意外迫使投资者修正他们过于悲观的假设。"
"要成为一个成功的逆向投资者，你不需要预测未来。你只需要认识到市场对未来的预测是系统性地有偏的。"
"逆向投资者拥有的最大优势是时间。在短期内，市场的偏见可能持续。在长期内，它们总是会被纠正。"
《逆向投资策略》为有记录以来最稳健的投资方法之一提供了实证、心理和实践基础。Dreman 的贡献不仅仅是识别便宜股票跑赢——其他人在他之前也注意到了这一点——而是通过行为心理学解释为什么，通过具体的选择标准解释如何做，并通过数十年的严格回测解释有多少。对于愿意承受购买被其他人拒绝的东西的社会和情感不适的投资者，Dreman 的框架提供了一条有据可查的、获得高于平均水平回报的路径。