我在另一篇文章《誰是股市中的贏家》談到上市公司和投資銀行是最大的贏家。最近因為讀到一篇報道而頗有感想,在此舊話重提,並進一步引申到概率問題,希望對廣大股民有幫助。
大家知道Gain Capital這家公司嗎?可能很少有人知道。但是FOREX.com外匯交易網站應該聽說過,很多中文網站都有它的廣告,它的母公司正是Gain Capital,中文稱作嘉盛集團。
2009年8月底,Gain Capital申請在美國納斯達克證券交易所上市,但隨後一直沒有實施。最近,該公司提交新的申請,改在紐約證交所掛牌,其上市公開說明書是我今天要談的內容。
根據美國證監會的規定,任何企業在上市之前都要在申請文件中對公司的經營、財務、風險等做出詳細的披露。這是具有法律約束力的文件,如果該說的沒說,或者說了不敢說的話,將來都可能有麻煩。
Gain Capital的公開說明書有近兩百頁,普通股民很少有人認真去讀。幸好有“好事之徒”(好人啊)深入研究,讓我們從中探出重要的情報。如果你隻是炒股,對外匯交易不了解,這份公開說明書披露的內容會讓你明白“誰是對手”的問題:
The majority of our revenue is derived from our activities as a market-maker to our retail customers, where we act as the counterparty to our customers’ trades.
中文翻譯:我們的營業收入大部分來自於作為零售客戶的做市商,也就是作為我們的客戶的交易對手。
公開說明書還進一步披露:與客戶反向交易的持倉獲利以及賺取外匯價差是Gain Capital最大的收入來源。該公司每年的淨收入從2004年的710萬美元升至2008年的2億3千1百萬美元,平均每年增長138%。
多麽好的業績啊…… 為什麽外匯做市商能夠賺這麽多錢?難道零售客戶(小股民)總是看錯方向?做市商總是判斷正確嗎?
並非如此。做市商(也稱為莊家)根本不需要看對方向,連看都不用看,單單靠概率就能賺錢,而且賺的很多,比賭場還厲害。除了賺取外匯價差(這是一種變相的交易手續費)之外,做市商最大的賺錢手段就是向客戶提供巨大的杠杆,100倍,200倍,甚至400倍的杠杆!讓你在利益驅使下,賭興大發,有一百塊錢,卻當成一萬塊錢花,幻想著匯率波動一個點,你就可以大賺多少多少錢。
但結果是,即使你對方向判斷正確,但匯率波動不可能總是直線上升或下降,哪怕在10分鍾內,匯價也是起起伏伏。然而,巨大的交易杠杆經不起這麽“折騰”,很小的波動就可能導致倉位虧損並觸及做市商規定的止損線,電腦係統強製平倉,你的賬麵虧損資金被做市商全單收下(別忘了,他是你的交易對手)。
這種因為杠杆而交易失敗的概率有多大?我看過的幾份報告都顯示90%左右的失敗率。如此高的失敗率導致大多數外匯交易者在很短的時間內輸光所有資金。 Gain Capital的公開說明書披露,其零售客戶的存活周期很短,該公司必須投入大量的廣告宣傳費用(2008年一年的市場營銷花費是2千9百萬美元)來不斷增加新的客戶。這就好像是公共汽車,乘客上上下下,要靠不斷地拉客,公車才能維持運營。
一邊是90%的交易失敗率,另一邊是巨額的交易收入,讀到這裏,你應該明白誰是對手,誰是贏家了吧。
那麽,我們能夠從中學到什麽呢?除了不要用巨額杠杆交易外匯之外,你的最大的收獲應該是:從現在開始,炒股(以及任何投資)要首先計算概率。
大家都知道,賭場不允許客人在玩21點(Blackjack)的時候算牌。因為在所有賭博遊戲中,隻有包括21點在內的兩三種撲克牌遊戲是賭客能夠根據概率而勝過莊家的。你一旦算牌,獲勝的概率就大大增加,賭場會因此處於下風,它不想眼睜睜地看你掙錢,所以禁止算牌。
然而,大多數賭客不懂得計算概率。同樣,大多數股民也不懂得計算風險。小股民往往聽說哪個“高手”賺了大錢,看到某支“黑馬”漲了很多,就熱血沸騰,跟風壓賭。但是,你有沒有想過,你獲勝的概率有多大?你的交易對手是誰?他的獲勝概率有多大?
股市雖然不是賭場,但它與賭場有很多相似的地方,最大一個共同點是:概率是幫助你獲勝的最重要的法寶。
不論你選擇什麽投資產品,在交易之前,你都要問自己:我有多大把握一定會贏?憑什麽我就知道價格一定會漲(或跌)?我的信號依據是否經過曆史的反複驗證?成功的概率有多大?我的交易對手是誰?憑什麽他就一定會輸?他根據什麽做出交易決定?他的信號依據有什麽缺陷?成功概率是否比我的高?
你不一定每次都能找到完美的概率,或者肯定的答案。但是一定要盡最大的努力,認真地思考概率問題。把精力放在計算概率上,什麽高手、黑馬,別去扯那些沒用的東西。經過日積月累,計算概率的經驗會逐漸增加。等到有一天你對自己說:這種情況我已經遇到過很多次,如此交易的成功概率最大,這一次我有信心會贏……那時,你就距離成功不遠了。
(作者:Raymond Wang,三維預測 3DFN.com)
.