与 Methodical Investment 的 David Kaiser 谈规则化投资

摘要

• Methodical Investments 的 David Kaiser 管理着一只约持有50–80家公司的、以基本面为驱动、数据导向、规则化的价值组合；他的研究根基来自 Robotti & Company 的定性研究，而非科学训练。 核心原则包括：只投资剔除一次性项目后仍实现净利润的公司；在组合层面做决策；并力求让整体组合较基准有更大折价、指标更优。
• 他最具支撑力的经验性判断是：相较之下，盈利公司指数表现更优。 他指出，过去约30年里，S&P 600 持续跑赢 Russell 2000，二者的主要差异在于 S&P 600 要求成分公司实现盈利：“如果你买的是指数，而且相对而言买的是盈利公司，那么在我看到的过去30年里，你会跑赢。”
• 尽管价值股已经跑赢成长股15年，Kaiser 仍拒绝仅因这一点改变核心方法，同时承认组合会在同一套规则下演化，而且自己没有明确的止损点。 “我的临界点是什么？……我不知道。我当然还没到那个点。” 由于估值、持仓集中度和 FOMO，他表示“今天比大概3年前更有信心”：“如今市场追求的不是安全，而是 FOMO。”
• 在筛选模型预计会失灵的地方，Kaiser 设置了硬编码的例外处理：彻底排除生物科技（“盈利波动太大”），通过第二次组合运行限制金融股以便比较，并剔除异常值，因为绝对最便宜的股票“很可能是有原因的”。 公司治理没有单独的安全阀，分散化和综合指标是主要缓释手段。
• 机制上，组合每年1月在税损卖出后进行一次大调仓；每季度检查盈利能力，任何转为亏损的标的都会被剔除；若组合变得比基准更贵，风险规则会显著提高现金仓位。 当前组合明显偏向可选消费，同时配置能源、金融和工业股。本期于2026年2月3日录制时，支付和软件股并未明显出现在组合中；Kaiser 表示组合对 IT 的敞口很小，前一个月的市场波动也没有显著改变这一流程。
• Walker 最尖锐的压力测试——融化中的冰块（2016年后的 ESPN/Disney、地区体育网络、AMC Networks）以及周期顶部（金价5,000、金矿股5倍盈利）——得到的不是筛选层面的回答，而是流程层面的回答：大幅换手、质量与折价指标结合，以及一套棒球式框架：“我们持续寻找速球……如果投来曲球，我们就先不挥棒。”
• 在 AI 方面，Kaiser 目前基本没有使用。 他的判断是：“AI 帮你迭代流程……我有变成恐龙的风险，但也有真正形成差异化的风险。” Walker 用每日幻想体育作类比，支持这一边缘化论点：当所有人都开始使用优化器后，“优势反而转移到了不用优化器的人身上。”

精读

1. 从 Robotti 选股到规则化投资：“做你觉得舒服的事”

• Kaiser 对自己的概括只有一句：“以基本面为驱动、聚焦数据、遵循规则的价值投资者。” 他的职业路径始于 Robotti & Company，目前仍与之保持关联；在那里，他学到“什么会推动股价上涨、哪些因素最关键”，随后选择把这些驱动因素放进规则化框架中加以利用：“做你觉得舒服的事……我喜欢结构、组织和流程。”
• 对集中持有、以基本面为驱动的投资者而言，他最重要的经验是：规则能让人在一个 if-then 的世界里获得确定感——“如果 X 发生，就做 Y”——无需逐家公司重新推导下一步，也能明确告诉客户“接下来会发生什么”。

2. Walker 的恐龙问题：规则正是 AI 会自动化的东西

• 主持人开场就提出担忧：“只要一条规则可以被执行，最终就会被计算机自动化。” 那么规则化机构为什么不会在“6个月、2年，或者你想象的任何时间点”变成恐龙？ Kaiser 坦承：“我不知道该如何回答，才能证明我们不会变成恐龙。” 他的理解是，AI 会学习并适应，但自己的纪律是不去追逐当下有效的东西：“我不是在适应、试图找出今天什么在奏效；我研究的是长期以来什么有效。”
• 他甚至认为，AI 浪潮可能对自己有利：这些输入“可能会带来更多机会，也会造成更大的股票定价失衡”，而这正是 Methodical 试图捕捉的低效。
• Walker 以体育案例继续追问“适应还是死亡”：曾经不屑于三分球的 NBA 教练“现在已经不在联盟里了”；如果机械执行 Ben Graham 的“净流动资产价值的2/3”筛选法，过去40年里“买到的只会是清一色的中国诈骗公司”。Walker 认为 Buffett 已经把这套方法调整到了内在价值方向。那 Kaiser 究竟是林迪效应式的长青者，还是“那个拒绝投三分的人”？
• Kaiser 的答案是把规则的适应性变化与组合自身的演化区分开来：“我们使用同样的技术，却得到了不同的结果……体现在组合的面貌上。” 他的反问式类比是：“NBA 的规则没有变……球场还是一样大，篮筐高度还是一样”，但进攻方式可以在其中演进。他还说，Graham“某种意义上也是量化投资者”，只是他的标准严格到无法持续。

3. 规则：只选盈利公司，在组合层面决策，先看折价再看质量

• 核心原则是： “几乎所有事情都在组合层面完成”，追求“质量与折价之间的平衡……可能不是这个顺序——是折价在先、质量在后”。目标是让整体组合相较基准拥有更低的市盈率、更低的市净率、更低的 EV/EBITDA，以及更高的 ROE。没有“5倍盈利”这类硬阈值——“市场在任何时点给什么，我们就拿什么”。
• 盈利能力是第一道门槛：看剔除一次性项目后的净利润，部分原因是为了提高数据可靠性。Russell 基准可能显示18倍市盈率，但其中一些成分股并不盈利，因此根本不会被纳入这一计算。Kaiser 倚重的证据是：过去30多年，S&P 600“明显跑赢 Russell 2000”，而“两个基准之间的主要差异就是盈利能力”。
• Walker 以 Gotham 对《The Little Book That Beats the Market》的实践为例，介绍质量与估值两项指标的组合。Kaiser 说 Gotham“启发了我的思考”，但坚持认为系统“必须简单，同时也要比两个指标复杂得多”；最便宜的异常值会被剔除，因为“它们很可能是有原因的”。

4. Kaiser 如何设置例外：排除生物科技、限制金融股、治理不设防

• 两项明确的例外处理是：彻底排除生物科技——“盈利波动太大……一款药可能成功，但2个月后就会消失”；金融股则不是完全剔除，而是限制敞口，因为低市净率和高 ROE“未必对应那些能长期驱动业绩的公司”。流程允许金融股先进入初始组合，然后在移除金融股后重新运行组合，以评估并限制相关敞口。
• 面对 Walker 关于公司治理的挑战——筛选模型如何避免最后买入“15家不同的受控公司”，而 CEO 每年给自己发5,000万美元——Kaiser 承认：“我们没有针对公司治理的具体安全阀。” 他的防线是分散化和大数定律；但当投资者在单一公司上持有15–20%仓位时，公司治理的重要性会明显上升。
• 他的哲学支点值得原样保留：“我是犹太人……[这个希伯来词]的意思是没打中目标……你是人，也会犯错。” 放到组合上就是：“如果我试图打造一个完美组合，我同样会漏掉一些东西。” 因此，他更愿意“相信”数据，而不是过度相信自己的专业判断，并承认过去一些最终成为赢家的股票，自己从定性角度可能根本不会买。
• 他脱口而出的当前偏向是：可选消费仓位很重，“今年能源也相当重”，金融和工业同样占比较高。本期于2026年2月3日录制，当天 Walker 称支付和软件板块的行情“近乎黑色星期一”；Kaiser 表示组合对 IT 的敞口很小，近期市场波动也没有实质性改变这一流程。

5. 机制与数据：1月调仓、季度剔除、现金触发器

• 组合每年1月进行一次大调仓，时间点在税损卖出之后，因为便宜的资产变得更便宜，往往还能“再添一把力”。为什么不按月或按日调仓？更高频的调整“不给公司足够时间兑现潜力”；但如果持有3年，又可能让组合不再具备估值优势。每季度复核一次，任何转为亏损的标的都会被剔除；另一条风险原则是，如果组合估值高于基准，就显著提高现金仓位。
• 数据质量主要依赖 Capital IQ；Kaiser 先测试其有效性和可靠性，同时加入其他检查，例如排除已经宣布参与并购交易的公司。他说：“我相信 Capital IQ 的数据会进入 Yahoo。”
• 对 Walker 提到的表外项目——零售商过去的经营租赁失真、他称“说实话很像 Enron”的 Facebook 数据中心合资项目，以及 Intel、Verizon 和 T-Mobile 的光纤合资项目——Kaiser 表示，系统“并非免疫”，但不会信任任何单一指标，并依靠分散敞口来控制风险。

6. 融化中的冰块与15年的价值股干旱期

• Walker 认为最好的压力测试来自 Disney：公司大约在2016年披露 ESPN 用户流失，此后地区体育网络“接连破产”。如果只看滞后数据，筛选模型可能会一路买入像 AMC Networks 这样的“融化中的冰块，融化中的冰块，融化中的冰块”。Kaiser 的回答是，年度调仓会带来大幅换手，质量指标失效的公司不应长期滞留；“我们一直在找速球……如果投来曲球，我们就先不出手。”
• 面对价值股输给成长股15年，Walker 借《辛普森一家》追问：什么时候该得出结论，“不，问题一定出在孩子们身上”？ Kaiser 回答：“我没有明确答案……我的临界点是什么？我不知道。我当然还没到那个点。” 鉴于估值、市场集中度，以及市场参与者对“未来的押注”程度，他表示“今天比大概3年前更有信心”：“如今市场追求的不是安全，而是 FOMO……我能告诉你什么时候会回归吗？不能。但我已经押注于此。”
• 对 Walker 提到的巴菲特指标陷阱，他同样不设绝对阈值——这条规则直到全球金融危机最深处才发出买入信号。Methodical 的做法是在任何市场环境中寻找相对机会，在每年1月调仓时接受市场当下所能提供的机会。

7. 暂不使用 AI、边缘地带问题，以及回测应追溯多远

• Methodical 目前基本没有使用 AI。Kaiser 的表述是：“AI 帮你迭代流程。如果其他人都在使用 AI、不断迭代，而我有变成恐龙的风险；但我也有真正形成差异化、坚持某种仍将持续有效的东西的风险。”
• Walker 用 Buffett 所说的“在游行时踮脚站立”，以及每日幻想体育作佐证：当所有人都开始使用阵容优化器后，“优势反而转移到了不用优化器的人身上”。Walker 认为，旧系统化流程的边缘地带可能存在 alpha，但他“并不是100%确定”。Kaiser 则表示，机会确实存在于“边缘地带”，“我想我现在就在边缘地带”。
• 在回测区间上，Kaiser 希望覆盖“多个市场周期”，跨越价值和成长各自表现出色的不同制度，而不只是市场上涨和下跌。Walker 质疑1940–1960年的市场及其粉单数据是否仍有参考意义。Kaiser 建议从1990年代、公司开始必须以数字化方式报告的时期入手，因为“数据可以说是完整的”。