🍻 本期嘉宾 

陈鹏：曾担任过晨星（Morningstar）全球资产管理部的总裁，管理过上千亿美元的资产；他也曾是 Dimensional Fund Advisors（DFA） 的亚太区首席执行官。

🪁 时间轴

03:52 是的！今天我们要破解巴菲特的「赚钱密码」

04:14 从「买便宜的」到「买便宜且高质量的」：巴菲特的三段进化

08:10 伯克希尔的构成：65% 私有企业 + 30% 上市公司，个人投资者真正能学的只有后者

10:33 前无古人的战绩：42 年稳定压制市场，连续穿越周期却仍处于顶端

11:33 风险控制大师：同样去「打猎」，伯克希尔总能狙击到更多猎物🔫

14:43 大师回报拆解器：著名的「法玛 - 弗伦奇 - 卡哈特四因子模型」

19:25巴菲特偏爱的组合，都有这些共同特质——

22:15 能拆解 98% 基金经理表现的「四因子模型」，到巴菲特这儿却失灵了？

25:20 打破「高风险，高回报」法则：用更小的风险，却拿到了远超市场的收益？

32:32 伯克希尔「大杀器」：几乎免费的「保险公司浮存金」

41:10 心里的秤：别人追求增长，但巴菲特会在价格不对的那一刻果断按下暂停键⏸️

48:27 拆解巴菲特后，我上我也行？No Dear，超额收益的雪山早就被人滚完了🗻

53:50 苦口婆心、百万「豪赌」：天才，你的策略长期来看跑赢不了市场先生

57:46 「吝啬」的大师？万亿组合，却只有 27 个人管；28岁买的房子，一直住到老

61:36 「靠技巧赚钱叫聪明，而巴菲特的境界是智慧」

64:03 相比于巴菲特必须拿「巨枪」打大象，个人投资者反而有灵活的「小猎场」

65:41巴菲特的感恩节留言：「我不会消失，但我会 going quiet」📩

67:54 在晨星最难的那些年，巴菲特看见了TA们做独立研究的坚持，并寄来了一封信 

77:09 俏皮的绅士：跟我们一起捐钱吧！如果你太太不同意，我帮你说服她☎

83:43 股东大会上的细腻瞬间：「请各位向他致敬，他为投资人创造的价值，比我还多得多」

88:16 时间真的很神奇，当年射出的那颗子弹，如今正中眉心

✒️本期重点

🟫 巴菲特为什么是「前无古人」的存在？

42年稳定压制市场，连续穿越市场周期却仍居于顶端。

在 1976 – 2017 年内，伯克希尔实现了 年均 18.6% 的超额收益（相对于美国 T-bill 无风险利率），显著高于整体美国股票市场 7.5% 的平均超额收益。

如果在 1976 年 10 月向伯克希尔投资 1 美元，到 2017 年 3 月，这 1 美元将增长到超过 3,685 美元；如果把 1 美元投入同期的美国股票市场（以 S&P 500 为代表），按照论文给出的 7.5% 年化超额收益复利计算，最终只会变成大约 20 美元。两者差距接近 180 倍。

同时，无论宏观环境如何变化——包括 1987 股灾、2008 金融危机等——伯克希尔的回报曲线始终保持向上且显著领先。

图表来源：Owen Analytics｜图表再制，Canva

在承受同等风险的水平下，伯克希尔 的收益效率远超市场（≈1.6 倍）。

伯克希尔的收益显著高于同期的美国市场，你可能会下意识地想：

「风险越大，收益越大！」

但伯克希尔的超额收益，真的是来自于它承担了「更高的风险」吗？我们先从最直观的 「系统性风险Beta」开始说起：

Beta衡量的是这家公司对大盘涨跌的敏感度

• Beta = 1，跟大盘一起涨跌，比如市场涨 10%，它也涨 10%。

• Beta > 1，比市场「更敏感」，比如市场涨 10%，它可能涨 15%；跌的时候也跌得更猛。

• Beta < 1，比市场「更顿感」，比如大盘涨 10%，它只涨 7%；大盘跌 10%，它也只跌 7%。

而伯克希尔从 1976–2017 年的平均 Beta 只有 0.69。本质上，伯克希尔承担了更少的系统性风险。

这时候你可能会有疑问：

「伯克希尔是如何在承担更小风险的情况下，创造出更多的超额收益呢？」——答案就在夏普比率（Sharpe Ratio）里：

夏普比率衡量的是：每承受1单位的风险，投资者能获得多少单位的回报

伯克希尔的夏普比率是 0.79，市场是0.49。即，在同样多承受 1 单位风险的情况下，伯克希尔 创造的回报，是市场的约 1.6倍。

这意味着，伯克希尔并不是通过承担更大的风险来换取更高的收益，而是在风险相当的前提下，把每一单位风险都转化为更高质量、更高效率的回报。

图表来源：Frazzini, Andrea，Kabiller, David，Pedersen, Lasse Heje，Buffett’s Alpha｜图表再制，Canva

同时，我们还可以从信息比率来更直观地观察伯克希尔的「主动管理」水平。在 1976–2017 年期间，成立超过 40 年的主动股票基金，大部分 年化信息比率 几乎全部集中在 「–0.2 到 +0.2 」区间，这说明多数主动基金的决策，并没有带来持续的超额收益。

信息比率：衡量的是基金经理每承担 1 单位「主动决策带来的风险」，能创造多少「超额收益」。

但对于 伯克希尔 来说，每主动承担 1 单位风险，就能创造 0.64 单位「超额收益」，几乎是行业里极其罕见的存在，远远站在了「分布的最右侧」。

图表来源：Frazzini, Andrea，Kabiller, David，Pedersen, Lasse Heje，Buffett’s Alpha｜图表再制，Canva

接下来，我们将逐步拆解「巴菲特的超额收益从何而来」。

🟫 著名的「法玛 - 弗伦奇 - 卡哈特四因子模型」，却不能完全解释巴菲特的收益

法玛 - 弗伦奇 - 卡哈特四因子模型（Fama–French–Carhart Four-Factor Model）：一种资产定价框架，通过四个风险因子来解释投资组合的收益来源。该模型认为，投资组合的超额收益主要来自这四类风险暴露。

《巴菲特的阿尔法》的作者们好奇，巴菲特的选股业绩是否能通过机械的方式复制。于是，他们运用著名的「四因子模型」，对伯克希尔在 13-F 文件中披露的公开持仓进行了分析。

尽管这个模型名称冗长，核心逻辑却很简单：它衡量投资组合在四个维度所承受的风险：1）市场；2）规模；3）价值；4）动量：

• 市场因子：衡量投资组合对整体股市涨跌的敏感度（Beta），Beta 越高，组合越受市场波动影响。

• 规模因子：衡量组合偏好规模较小、风险与预期收益更高的公司；还是更倾向于稳健的大型企业。

• 价值因子：衡量组合偏好基本面强而估值较低的价值股，还是高估值、高增长预期的成长股。

• 动量因子：衡量组合是否倾向于持有近期表现强劲的股票。

作者们发现，从四因子模型来看，伯克希尔的持仓呈现出一致的风格特征：

• 其整体 Beta 仅 0.69，意味着 伯克希尔 承担的系统性市场风险比大盘低约31%——也就是说，市场大幅波动时，伯克希尔的组合波动幅度会更小，市场因子暴露低；

• 从规模因子看，巴菲特偏好稳健、成熟的大型企业，而非波动更大的小盘股，规模因子暴露低；

• 从价值因子看，组合持仓也明显集中在估值相对便宜、基本面扎实的价值型公司，价值因子暴露高；

• 动量因子趋近于零，说明他并不依赖短期价格趋势来获取收益，动量因子暴露低。

总结来说，伯克希尔的组合稳、偏价值、偏大盘、不追热点。问题在于，四因子模型虽然能解释 伯克希尔 的价值投资偏好和部分业绩表现，但仍有约4.5% 的年化 Alpha 超出模型能够解释的范围。关键的矛盾在于 伯克希尔 的组合特质：

• 高价值因子，理论上应该提升预期回报；

• 但 低 Beta、偏大盘、低动量这三个因子，从模型视角看都是压低预期回报。

按模型，伯克希尔在其中三个因子的暴露上都更小，这无法解释其显著的超额收益。为了更深入拆分 伯克希尔 的超额收益，研究人员又引入了两个新的因子。

🟫 既然四因子模型解释不全，那加入两个新因子之后呢？

当研究人员将额外两个因子，低波动 和 高质量 ，加入模型重新计算后，伯克希尔公开股票组合的Alpha直接降到了年化0.3%。

1. 低波动因子（Betting Against Beta）: 由 Frazzini 与 Pedersen 提出的资产定价因子，用于捕捉「低 Beta 资产长期跑赢高 Beta 资产的现象」。

   这个因子的核心是：大多数的投资者无法轻易加杠杆。比如监管对一些机构投资者（共同基金、保险公司、养老金等），有明确的使用杠杆的限制。同时对个人投资者来说，上杠杆不仅成本高，还会稀释收益。

   因此，当大多数投资者无法通过杠杆提高回报时，他们往往会把注意力集中在波动更大、Beta 更高的股票上，希望借此提升组合的预期收益。但会出现的现象是：

   • 高 Beta / 高波动的股票更容易吸引关注与买盘，需求不断堆积，使得这类股票的估值被推到高于其内在价值；估值越高，未来的预期收益反而越低。

   • 而低 Beta / 低波动的股票因不受关注、缺乏买盘，长期被市场忽视，其估值常常低于内在价值；当一个资产「被低估」时，未来的长期会相对更高。

2. 高质量因子（Quality Minus Junk）：由 Asness、Frazzini 与 Pedersen 提出的资产定价因子，用于衡量「高质量公司长期跑赢低质量公司」的现象。

   巴菲特倾向持有的公司往往有盈利能力强、增长稳定、安全性高 和 资本配置效率高 等特点。高质量因子 与 价值因子的结合，让巴菲特不仅能「买的便宜」，且能「买的好」。

同时，当研究人员构建了一个不需要挑股票、只复制巴菲特风格因子的组合，结果表现甚至超过伯克希尔的公开持仓。虽然模拟组合没有考虑交易成本，这个对比并不完美，但结论仍然清晰：巴菲特的超额收益很大程度上可以通过因子风险暴露 和 杠杆结构来复制。

🟫 伯克希尔的「重型武器」—— 杠杆

论文通过数据分析得出，伯克希尔的平均杠杆率是 1.7 倍，即 1 美元的自由资金，会搭配 0.7 美元的负债。但伯克希尔 的杠杆不是一般投资者需要付高利率才能借到的那类资金，而是几乎「零成本」的资金——主要的来源就是其保险业务的浮存金。

浮存金：由于保费通常先收、赔付往往滞后，保险公司在收取保费 与 实际理赔之间有一段时间差，浮存金就是指在这一段时间内可以被支配的资金池

2000-2017年，伯克希尔 浮存金年化成本仅 1.72%，显著低于同期美国10年期国债收益率（约 4.7%）。这种低成本杠杆在不显著提升风险的前提下，有效放大了组合的因子收益，是超额回报的重要助推器。

• 浮存金如何放大收益？

  在 低波动因子 中提到，低 Beta 资产之所以长期更有效，部分来源于它们常被市场低估。然而，这份「低 Beta 溢价」本身幅度不大。如果投资者只能用自己的钱、在没有杠杆的情况下买入低 Beta 股票，这些持仓的回报也会被「压住」——因为低 Beta 天然涨得更慢、对市场的敏感度更低，最终难以转化为显著的超额收益。

  但伯克希尔的关键优势在于，它拥有保险业务带来的 极低成本的长期杠杆，不仅放大低 Beta 资产的收益，还能把原本有限的低波动、价值、质量因子的回报变成更明显的超额回报。
  

  假设：低 Beta 的长期回报是 8%。如果投资者只能用自己的 100 元本金去买，那么收益就是 100x 8% = 8元。回报率不错，但这只是市场的「参与奖」。

  
  

  但，伯克希尔的平均杠杆率为 1.7 倍（即 100 元的自有资金，加 70 元负债，伯克希尔共可以使用 170 元），浮存金的年化成本约 1.72%。再让我们来算算收益：

  
  

  投资收益：170 x 8% = 13.6；

  
  

  浮存金成本：70 x 1.72% = 1.2；

  
  

  净收益：（13.6 - 1.2）/ 100 = 12.4%；

  
  

  收益从原本的 8%，被放大为 12.4%，多出来的 4.4%来自于伯克希尔用低成本浮存金对低 Beta 资产的回报进行杠杆放大。
  

• 为什么风险可控？

  1. 伯克希尔只做「可预测，定价能力强」的险种：在一般的保险公司承保汽车险、健康险、意外险等高度竞争的领域。伯克希尔 倾向做自己能精算得清楚概率分布的险种（如，汽车险、再保险、大灾难险），且一旦价格不合理，宁可停写新单，也不亏本赚规模。

  2. 口袋够深：一般保险公司资本金有限，投资端必须严格遵守监管要求，资产配置也常被限制在高比例的固定收益上。但 伯克希尔 不同——它背后是一个股东权益规模约 5,000 亿美元级别的大集团，并长期持有 1,000 亿美元以上的现金与短债储备。这意味着，伯克希尔：

     • 没有短期偿债的压力

     • 不依赖外部融资

     • 有能力承保最复杂、周期最长、风险最大的再保险合同。

     更重要的是，伯克希尔的保险公司将浮存金与可投资资金上缴到母公司层面，由巴菲特统一管理。集团巨大的资本缓冲，使保险业务在监管框架内拥有更高的投资灵活性。

总结来说，伯克希尔能以如此低的成本使用资金是一个显著的结构性优势。因为同样的选股能力，如果能搭配「低成本、可控风险的资金来源」，长期复利效果会完全不同。一个选股能力出色但只能用自有资金的人，几乎不可能战胜一个选股同样优秀、却能动用几乎零成本资本的投资者。但值得注意的是，杠杆 作为个人投资者长期投资工具并不可行，因为溢价过高。

图表来源：Frazzini, Andrea，Kabiller, David，Pedersen, Lasse Heje，Buffett’s Alpha｜图表再制，Canva

🟫 对于个人投资者的启示

1. 巴菲特的「神话」被量化拆解之后，可以总结为：他的长期超额收益来自于偏好便宜、高质量、低波动的价值股、同时叠加「极便宜」的杠杆，和极强的纪律和极长的视角。在 1976–2017 的这段历史里，他在 承担更少系统性风险（Beta 只有 0.69）的前提下，拿到了远高于市场的年化回报和夏普比率。换句话说，他厉害的不是「敢承担更大的风险」，而是「把每一单位风险都用得极致高效」。而当论文把四因子模型、低波动因子、高质量因子全部纳入考虑后，我们会发现巴菲特绝大部分的超额收益，其实都能在这些「可复制的策略」里被解释。而「魔法」背后，更多的，是他在很早的年代，就找到了当时还未被开采的「大雪山」，并且几十年如一日地滚下去——直到后来，这些雪山被整个市场踩成了共识。

2. 对于当下的个人投资者来说：巴菲特当初发现的大雪山——价值、质量、低波动这些因子现在已经是「公开诀窍」，当下的投资者再想再靠它们获得巨额Alpha的难度较大。同时，如今的伯克希尔，因为其庞大的资金管理量，收益也逐渐向市场「Beta」回归。

   因此，对于大部分个人投资者而言，最可靠的策略反而更朴素：

   • 参与市场，稳稳拿到参与奖「Beta」;

   • 选择成本较低的产品，把省下的费率转化为全部变成自己的「确定性高的超额收益」；

   • 不追热点、不频繁进出、不在市场剧烈波动时情绪化决策；

   • 给自己的资产足够长的时间去「滚雪球」，让复利真正发挥力量。

图表来源：由 知行小酒馆 与 投资ABC 制作，ChatGPT, Canva

⭐️ 关于巴菲特的温暖瞬间

在晨星创业最艰难的时候，收到了来自巴菲特的一封信

二十多年前，陈博士还是晨星的一位研究员。当时互联网泡沫破裂后，晨星决定咬牙砸钱做「独立股票研究」—— 不站队华尔街、不靠卖产品赚钱，希望能为普通投资者提供一份没有利益冲突的判断。当然，这个举动也动了很多人的「蛋糕」。当时业务艰难、团队压力巨大，但就在最难熬的几年，晨星创始人 Joe，收到了一封来自巴菲特的来信，他也把这封信分享给当时坐在他旁边的陈博士——信的内容十分简单，只有短短两行：

你们的报告很好，我一直在看。

请坚持。

随后，他又主动指定晨星，在世界瞩目的奥马哈大会上，为三位提问方之一。对一家当时还在艰难探索的公司来说，那不仅一个「席位」，而是来自于投资界的「最高级别」认可：「我有看见你们，你们做的很好」。

这个睿智的老人，在晨星孤独坚持的时间里，用他独有的温柔方式，伸手扶了TA们一把。而这个故事在之后的漫长时间中，也一直温暖着陈博士。

陈鹏博士与晨星创始人 Joe Mansueto 2024年11月于芝加哥合影

图片来源：由陈鹏博士提供

录完这期节目后，陈博士说「他认为学习巴菲特，更重要的是学习如何成为一个更好的人」。

巴菲特像一个优雅的系统工程师，十年如一日地打造他眼中的投资世界。同时，他身上那些不能被量化的，能够站在别人角度思考的体贴，愿意默默托一把的善意，和在巨大权力和财富面前依旧保持简单的定力，也深远地影响着一代又一代的投资者。

陈博士把巴菲特设置成电脑壁纸，甚至有的时候会想想，「如果是巴菲特，他会怎么做？」，我想这是榜样的力量。

真正的榜样传递的信息不只是「怎么赚钱」，而是让我们看到，一个人可以怎样活得坦荡、智慧、温柔，而巴菲特的一生，就是很好的示范。

希望我们都变得更智慧、更富有、更温柔。

Cheers ♥️

相关节目推荐 🎧

E24 专访陈鹏博士：最好的投资策略是在最糟糕的时候也拿得住的那种

E152 陈鹏博士：搞懂这个公式再去理财，能避开99%的坑

SP07 比尔·格罗斯：债券之王

债务周期：解码达利欧，当一个国家刷爆全球信用卡｜我问陈博士 06

🪧 投资ABC的公告牌

⛅️ 财务晴雨表

在最近一年里，我们 有知有行 App 的「有行」模块，逐步升级成为了你的家庭财务工具箱。这套工具箱，可以帮助你更直观地记录与看见你有多少钱，你的家庭资产是如何分布的，分配得是否合理，以及是否把家庭资产暴露在了不必要的风险之中。

我们想要把那些最重要的、与你的家庭和未来息息相关的财务数字，从当下开始慢慢积累确定性的瞬间，都汇总到你眼前。我们相信，更好的看见，是实践的第一步。

如果你是新朋友，尤其推荐你从「家庭资产记账」开始，也许会发现，你比自己想象中的更有钱。

升级 有知有行 App 到最新版本，就可以体验到啦，去试试看，希望你喜欢。

📃 问题收集

在新一季节目中，我们将围绕当下投资者最关心、最困惑的问题，从科学投资的角度出发，结合历史数据与经验，为大家答疑解惑。

如果你有任何在学习投资或投资实践中的疑问，欢迎你点击填写这份长期有效的问卷链接（👉 听众 Q&A 问题征集），向我们提问。你的问题，有可能就会成为《投资ABC》下一期节目的主题。

🎺 创作团队

制作｜ 有知有行

嘉宾｜陈鹏博士

主持｜雨白、 Amiee

设计｜周一

剪辑｜ 柯霖

感谢志愿者步枫、饭粒、小马对节目逐字稿的协助。

💰有知有行成立于 2020 年，目前在陪伴投资者用正确的方式学习投资，下场实操。凭借在投资领域的良好口碑，有知有行在初创阶段已与一大批忠实用户同行。未来我们希望成为一家财富管理公司，不仅帮助投资者学习投资，也能让大家在有知有行安心交易，踏实赚钱。 欢迎在各大应用商店搜索「有知有行」下载我们的 App

🎈本播客所述投资相关内容皆以交流分享为目的，仅供参考，不构成任何市场预测、判断，或投资、咨询建议。市场有风险，投资需谨慎。主持人及嘉宾对投资相关内容的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证，并提醒您对相关内容请结合自身情况进行独立评估，依据或使用相关内容所造成的后果由您独自承担。

感谢您对本播客原创内容的青睐。如需转载或引用本播客所述内容，请注明出处。转载前请与有知有行联系并取得同意。