另外备注一下 ， 为了计算简便 ， 上述两处计算都没有考虑分红因素 。 如果考虑进来 ， 收益率还会更高 ， 因为低估净资产的兑现提前了 。
龟兔赛跑的原理
股价与基本面之间呈现龟兔赛跑的关系 ， 很多投资者对此都不陌生 。 为什么这个关系在银行股上体现得特别明显呢 ？ 这大概可以从银行股的基本面特征上找到原因 。
现在我们选取一个时间区间 ， 用这段区间内的最高价去除以最低价 ， 得到一个振幅 ， 然后再用这个振幅去跟区间成交金额相比 ， 得到一个指标 。 这个指标的设计其实不难理解 ， 对应到物理上来讲 ， 振幅就相当于距离 ， 成交金额就相当于能量 。 消耗同样的能量 ， 能够推动 的距离越短 ， 这说明阻力越大 。
我选取从 2015 年底到 2022 年 6 月这个时间段 ， 计算了 A 股各行业的成交推动振幅 ， 然后再把它们按照申万行业分类取中位数 ， 得到表7-2 。
平均来讲 ， 100 亿元成交金额只能推动银行股振动 4 个多点 ， 几乎是第二名非银金融的一半 ， 甚至不到最后一名机械设备的 1/10 。 这样我们就有一个量化的概念了 。 长期来看 ， 股票的价格是由基本面决定的 。
基本面改善 ， 价格上升 。 基本面恶化 ， 价格下降 。 这一点 ， 我想大多数投资者都会同意 。 用数学语言来表示 ， 即价格是基本面的函数 。
如果我们对函数的自变量和应变量同时做一次微分 ， 等式仍然应该成立 。 通俗易懂地说 ， 就是我们不仅要注意两件事物之间的联系 ， 还可以把视角上升一个维度 ， 来考查它们各自变化规律之间的关系 。
我们有理由猜想 ： 银行股难以炒作的特征 ， 很有可能是由于银行业的基本面特别稳定 ， 缺乏波动 。 接下来我们要做的事 ， 就是找到客观证据 。
于是我统计了 2016 ～ 2021 年所有 A 股的历年净利润增长率 ， 然后计算了这些数据的标准差 。 为了加强检验效果 ， 我又把时间范围扩大到 2010 ～ 2021 年 ， 再次计算了相应的结果 。 最后按照申万行业分类取中位数 ， 得到的结果如表 7-3 所示 。
这一回银行股简直是特立独行 ， 而且表现得颇为夸张 。 按照2010 ～ 2021 年计算 ， 银行股的业绩波动率还不到第 2 名食品饮料的1/3 ， 更不到最后一名钢铁行业的 1/20 。 按照 2016 ～ 2021 年计算 ， 它甚至与其他所有行业都存在数量级上的差异 。
