我们以为的alpha，原来只是某种可被拆分和归因的beta

可惜这类研究其实也特别多，生怕你哭得不够大声

1 | 最经典的一条研究线路来自公募基金中的开放式基金

Carhart 1997年的研究发现，基金业绩持续性里很大一部分可以被共同因子、费用和交易成本解释

意思很直接，很多明星经理的持续alpha其实是风格暴露

Berk和Green 则更进一步，他们的模型说明，即便经理有技能，资金流入也会把可见的超额收益压平

2 | 关于二级市场的证券私募

Fung和Hsieh在2004年提出风险基础的对冲基金基准，后续综述里也提到他们的七因子大约能解释对冲基金收益的80%

这类研究的核心就是：股票、利率、信用、期权型敞口和趋势跟随等暴露的组合，不少被我们误解为alpha

Ibbotson、Chen、Zhu的那篇《The ABCs of Hedge Funds: Alphas, Betas, and Costs》，把对冲基金从1995到2009年的税前收益分解成beta、alpha和fees

3 | 关于alpha实际上是另类beta或另类风险溢价的研究

AQR这一派把价值、动量、套息/持有收益因子（Carry）、防御型低风险、趋势跟随、波动率这些都归到另类风险溢价里，明确说它们是系统化、可跨市场构建的系统性风格溢价策略的回报来源

AQR更近一些的材料甚至直接说，另类风险溢价处在传统beta和alpha之间，而老式alpha-beta二分法已经太粗糙了

4 | 资产定价这条线

Fama-French 从三因子扩到五因子后，盈利和投资因子进来，很多原先归给价值的那部分解释力被重新吸收，甚至文中直接讨论了价值在样本里变得冗余

也就是说，随着可解释的beta空间变大，原来测出来的alpha会机械性缩小

Frazzini和Pedersen的Betting Against Beta也是类似案例，低beta/高beta收益差可解释成杠杆约束和融资约束下的系统性溢价

5| alpha可能只是统计学的幻觉

Harvey、Liu、Zhu 讨论了因子检验里的多重假设问题，主张对新因子设更高显著性门槛

Hou、Xue、Zhang大规模复现实证异常，汇总447个异常变量后发现，在更严格处理微盘和权重问题后，286个，也就是 64%，不再显著

引用

Carhart (1997), On Persistence in Mutual Fund Performance

Berk & Green (2004), Mutual Fund Flows and Performance in Rational Markets

Fung & Hsieh (2004), Hedge Fund Benchmarks: A Risk-Based Approach

Ibbotson, Chen, Zhu (2011), The ABCs of Hedge Funds: Alphas, Betas, and Costs

Fama & French (2015), A Five-Factor Asset Pricing Model

Frazzini & Pedersen, Betting Against Beta

Harvey, Liu, Zhu, … and the Cross-Section of Expected Returns

Hou, Xue, Zhang, Replicating Anomalies

天塌了，挖了半天的alpha原来是风格暴露

串讲三篇论文~

Novy-Marx (2012) 拆的是动量信号的时间结构

Kelly, Moskowitz, Pruitt (2021) 拆的是动量收益的风险结构

Ehsani & Linnainmaa (2022) 拆的是动量组合的因子结构

1 | Novy-Marx (2012)：重写动量的时间结构

这篇研究的核心命题是，经典股票动量主要来自更早一段的过去收益

文章把标准动量窗口内部再拆开，发现更有预测力的是建仓前 12 到 7 个月那段表现

这篇文章最关键的识别动作有三类

第一类是Fama-MacBeth横截面回归

研究者诺维-马克思发现，把中期历史表现和近期历史表现同时放进回归里，前者的系数显著高于后者

第二类是双重排序

作者按近段历史收益排序和中期历史收益排序，比较二维排序后的收益差，结果发现中期这一维的收益梯度大约是近期这一维的两倍

第三类是因子调整后的策略比较

基于中期历史收益构造的策略，不仅平均收益更高，而且相对Fama-French四因子模型有显著alpha

2 | Kelly, Moskowitz, Pruitt (2021)：把动量从信号改写成条件beta

这篇研究的逻辑起点是先问一个资产定价问题：

如果动量可以被因子定价模型解释，那么基于过去收益构造的特征，至少应当能够预测未来实现的beta

作者先验证这一点，再用 IPCA 构造时变 beta 的条件因子模型，发现模型生成的条件期望收益比传统动量信号有更强的预测力

一旦控制这一条件期望收益，标准动量和长期反转的大部分预测力都会明显减弱

进一步的样本外和剔除检验表明，这个结果不只是把动量变量机械塞进模型造成的

3 | Ehsani & Linnainmaa (2022): 把动量因子降格成其他因子自相关的汇总

Ehsani和Linnainmaa认为，个股动量很大程度上是因子动量在股票横截面上的投影

作者先证明大多数因子收益存在正自相关，再构造时间序列的因子动量策略，并通过张成检验表明，因子动量基本可以解释标准股票动量及其多个变体的 alpha

而股票动量无法反向解释因子动量

进一步地，他们还将动量崩盘与因子自相关的断裂联系起来

因此，他们认为股票动量更像是在间接择时其他因子

引用

Novy-Marx (2012), Journal of Financial Economics Is Momentum Really Momentum?

Kelly, Moskowitz & Pruitt (2021), Journal of Financial Economics Understanding Momentum and Reversal

Ehsani & Linnainmaa (2022), Journal of Finance Factor Momentum and the Momentum Factor

用大语言模型帮忙挖量化因子

随着大语言模型越来越拟人，已经有不少人开始研究用大语言模型帮忙挖量化因子的可行性

目前这个领域分出三条比较明显的方向: 有人负责把问题定义清楚，有人负责把因子搜索做得更强，也有人开始把它往更像金融实证的方向推

今天串讲三篇研究，分别是 FAMA、AlphaAgent、和 Large Language Models and Futures Price Factors in China

第一篇，FAMA

这篇可以看成这条线里比较早、也比较有代表性的奠基论文

它发在 ACL 2024 Findings，核心思路是让大语言模型同时借到符号方法的可解释性和神经方法的效率

具体用了两个模块: Cross-Sample Selection（CSS） 和 Chain-of-Experience（CoE）

直白一点说，它想解决两个老问题: 一是大语言模型挖因子时容易同质化，二是模型不会复用过去有效的经验

论文里给出的结果也比较克制，在 S&P 500 回报预测上，相对当前最好对照组提升了 RankIC 0.006 和 RankICIR 0.105

这篇研究的重要性在于，我们不能光靠提示词工程来解决大语言模型因子挖掘的能力局限，我们需要要把样本选择、经验积累、可解释表达放进一个因子挖掘框架里让大模型更可靠地运行

第二篇，AlphaAgent

这篇研究看的是大模型挖出来的因子，会不会很快失效，也就是 alpha decay？

这篇已经进了顶会之一的KDD 2025，方法上比早期工作明显更成熟，它专门加了三类约束: 原创性约束、假设与因子的一致性约束、复杂度控制

论文里研究者在中证500指数和标普500 上做了 2021 年 1 月到 2024 年 12 月 的评估

研究者还明确写了计入交易成本后的结果，分别报告了 11.0%/IR=1.5 和 8.74%/IR=1.05 的平均年化超额收益表现

第三篇，Large Language Models and Futures Price Factors in China

这篇则更有金融实证研究的味道。它发表在 Journal of Futures Markets，研究场景放在中国期货市场

用 GPT 这类大语言模型构造了 40 个因子，做了多空组合和仅多头组合回测，还做了多项稳健性检验

研究者在控制了 IPCA 这套基准因子模型之后，发现GPT因子组合仍然有显著的剩余收益

引用

FAMA: Can Large Language Models Mine Interpretable Financial Factors More Effectively?

AlphaAgent: LLM-Driven Alpha Mining with Regularized Exploration to Counteract Alpha Decay

Large Language Models and Futures Price Factors in China

巴菲特买错时间的两笔银行股投资

0 | 一句话讲完

巴菲特在2008年买了两家爱尔兰银行的股票，伯克希尔当年合计投入2.44亿美元，到2008年底账面只剩2700万美元，相当于89%的亏损，官方文件里他没写银行名字，但通常大家推测两家对应为爱尔兰银行（Bank of Ireland）和爱尔兰联合银行（Allied Irish Banks）。

1 | 捡便宜的巴菲特，忽略了雷点

巴菲特当时看到的，是两家看起来很便宜的银行股。他在2008年年报里说到：这两家银行看起来挺便宜（“appeared cheap to me”）

这很符合他一贯的框架，市场恐慌时买入被错杀的大公司

这背后的背景是，爱尔兰在90年代末到2006年经历了很猛的地产和信贷扩张

爱尔兰联合银行在历史材料中承认，危机前它的重要市场定位就是深度参与爱尔兰房地产领域，随着房价上涨，按揭和地产开发贷款迅速膨胀

到了2008年，住宅和商业地产价格下跌，建筑业放缓，银行对建筑、地产和住房按揭的坏账压力明显上升，融资和流动性也开始恶化

2 | 爱尔兰信贷体系的多米诺效应

2008年9月30日，爱尔兰政府宣布对本国银行几乎全部负债提供为期两年的担保

BIS 对这段历史的总结是，这个担保几乎覆盖了银行全部负债，规模约 3750 亿欧元，超过当时爱尔兰 GDP 的两倍

它短期内缓解了流动性压力，但并没有真正恢复市场信心，银行股价还是继续跌，市场对银行真实资产质量的怀疑越来越重

于是，爱尔兰政府在2008年12月先提出对爱尔兰联合银行和爱尔兰银行各注资20亿欧元的计划，到了2009年2月，由于资产价值继续下滑、不良贷款继续上升，又把注资提高到两家各35亿欧元

3 | 伯克希尔这笔投资几乎打水漂

在2008年致股东信里，巴菲特承认这笔投资是他的“unforced errors”，也就是没人逼他，是他自己犯的错误

伯克希尔在2008年花了2.44亿美元 买这两家爱尔兰银行，到年末按市值计只剩2700万美元。而且他还说，在写信的时候，这两只股票还在跌

虽然理论上如果巴菲特一直跟下去，后面参与重组，甚至补仓，说不准还能赚一笔，但是巴菲特毕竟只是炒股之神，不是预测之神，这次就暂时当交学费了

太拖拉而亏钱的巴菲特：乐购/特易购（Tesco）

0 | 一句话讲完

因为卖得太拖拉，一次本可以盈利的投资，最终反而累计税后亏损约 4.44 亿美元

1 | 介绍一下这个公司

乐购是英国零售巨头，起源可以追溯到 1919 年，由 Jack Cohen 创立，按乐购自己的说法，它现在是一家领先的跨国食品零售商，业务覆盖英国、爱尔兰、斯洛伐克、捷克和匈牙利五个市场

公开材料里，巴菲特并没有像讲可口可乐那样详细写下完整投资逻辑，所以我们没法知道他当年的全部思路

但从他自己的表述看，最基本的出发点就是：这是一家龙头超市，规模大，地位强，看起来属于那种稳定、可预测的零售业务

到 2012 年底，伯克希尔持有 4.15 亿股乐购，成本约 23 亿美元，巴菲特在 2014 年股东信里还称它“当时和现在都是英国领先的食品零售商”

2 | 业务恶化出现征兆，老头子依然加仓

克希尔在 2012 年 1 月还把对乐购的持股从 3.21% 提高到 5.08%，即便乐购当时已经发过利润预警，巴菲特那时仍然把它看成值得加码的标的，至少并没有把问题判断成结构性恶化

真正的问题，其实在会计丑闻爆出来之前就已经在累积了，到 2014 年 7 月， 凯度数据称，乐购在英国的市场份额已经从 2011 年 3 月 Phil Clarke 接任时的 30.7%，降到 2014 年 6 月的 28.9%

而同期奥乐齐（Aldi）从 2.1% 升到 4.7%，历德（Lidl）从 2.5% 升到 3.6%，乐购的核心主业在被更便宜的竞争对手持续蚕食

对超市这种低利润、靠周转和规模吃饭的生意来说，份额掉一点，利润率就会被放大成难看得多的结果

巴菲特其实有感觉到问题，但是执行得太慢了

按照他自己在 2014 年股东信里的说法，2013 年他已经“对当时管理层有些反感”，并且卖掉了 1.14 亿股，实现了 4300 万美元利润，但是他还是保留了大部分的仓位

他自己后来把他自己这种叫作 “dawdling”（拖拖拉拉），芒格则更不顾情面，直接说这类行为叫 “thumb-sucking”（像婴儿一样吮吸手指，什么都不做）

3 | 会计丑闻和股价暴跌

到了 2014 年，事情开始加速恶化

巴菲特在信里写道：乐购的问题在“按月恶化”，表现为市场份额下滑、利润率收缩，以及会计问题浮现，2014 年 9 月，乐购公开承认其上半年预期利润被高估 2.5 亿英镑，原因主要是过早确认来自供应商商业协议的收入

之后这个数字又上修到 2.63 亿英镑，其中大约 1.45 亿英镑来自于更早年度的收入

2014 年 12 月，乐购发出五个月内第四次盈利预警，称 2014-15 财年集团交易利润不会超过 14 亿英镑，远低于分析师大约 19.4 亿英镑的预期，也不到 2011-12 财年 38 亿英镑的一半

这个阶段，我们已经很难把当时的股价的快速下跌视为是“市场因为过度悲观而误会了这家公司”

伯克希尔在 2014 年把剩余股份一路卖完后，这笔投资的税后亏损约为 4.44 亿美元，同年10 月，他公开说投资乐购是一个巨大的错误（“huge mistake”）

巴菲特投资失败案例：德克斯特鞋业

0 | 一句话讲完

1993年巴菲特收购德克斯特鞋业，本以为这家公司有持久竞争优势，结果几年内业务就一路下行，并考虑到是用伯克希尔股票作为收购的对价，这笔投资相当于让股东拿出了 1.6% 的伯克希尔去换一个最终破产的业务

1 | 这个公司当时如何

如果把巴菲特在收购那年写的内容拆开看，他当时看到德克斯特鞋业有这几条：

他对管理层评价极高，直接说德克斯特是“查理和我在商业生涯里见过的管理最好的公司之一”

他相信德克斯特和 H.H. Brown 的美国工厂在面对低工资国家进口鞋时，依然很有竞争力

他看到的是一个有规模、有渠道、产品线明确的业务：年产超过 750 万双鞋，主业是给传统零售商做传统鞋，同时还是高尔夫鞋的重要生产商

他把大客户的正面反馈当成了佐证，提到 Nordstrom 和 J.C. Penney 都给过德克斯特供应商表现奖

这笔判断还受到了他前两笔鞋业投资经验的强化，H.H. Brown 和 Lowell 在并入伯克希尔后表现超预期，H.H. Brown 的核心管理者之一 Frank Rooney 也强力背书了德克斯特的管理层

2 | 后来发生了什么

伯克希尔在 1993 年用 25,203 股伯克希尔 A 股买下 Dexter，交易价值大约 4.33 亿美元

巴菲特事后回忆，当时 Dexter业绩记录很好，看起来完全不像那种便宜但质量差的烟蒂股，所以他以为自己买到的是一家有持久竞争优势的鞋业公司

结果自己当时判断的持久经营优势在几年内就消失了，到了 2000 年，伯克希尔年报写到，德克斯特因为进口商的激烈竞争出现经营亏损，确认了与这笔收购相关的 2.19 亿美元商誉减值

3 | 神级翻车的支付方式

但真正让这笔交易封神级翻车的是支付方式。如果他当年用现金收购，损失大体就是那 4 亿多美元

到了 2007 年的股东信里，巴菲特复盘道：这让股东承担的真实成本已达到 35 亿美元，因为他用伯克希尔 1.6% 的所有权，去换一个后来毫无价值的业务

到了 2014 年，巴菲特又忍不住重新算了一下，当年交出去的那些伯克希尔股票后来值大约 57 亿美元。

2016 年底，他还是没忍住又看了一眼，说到这 25,203 股已经值 60 多亿美元

德克斯特的持续恶化还带来了社会影响，巴菲特在 2015 年股东信提到，德克斯特鞋业的倒闭导致缅因州一个小镇约 1,600 名员工失业

巴菲特投资失败案例：康菲石油

0 | 一句话讲完

在中石油上赚了钱，巴菲特上了头，于是转而买入康菲石油，但是他没有预料到 2008 年下半年能源价格会那么剧烈地下跌，结果这次让伯克希尔损失了数十亿美元

1 | 巴菲特为什么当时看上了康菲石油

康菲石油当时是一家大型综合能源公司，既有上游勘探开发，也有炼化和营销业务，有因此上游的勘探与生产业务的景气度和原油和天然气价格挂钩

而且康菲石油的炼化板块也没有想象中那么能对冲上游波动，它 2008 年炼化与营销业务净利润同比下降了 61%，当时大家以为的【综合油公司有上下游对冲】的想法，其实在极端年份里也没办法成立

2 | 它为什么会显得像个好标的

即使巴菲特也被当时漂亮的业绩带进沟里，在 2008 年上半年，它看起来非常像一只既大、又赚钱、股价还没离谱到荒唐的能源龙头。康菲石油 2008 年一季度净利润同比增长 17% 至 41.4 亿美元；到二季度，公司创下当时最高季度盈利，净利润达到 54.4 亿美元，当时油价一度冲上 140 美元以上

站在 2008 年上半年往前看，大家会看到一个典型的可靠石油股画像：利润很强，现金流很强，油气资产很值钱，市场又在讲全球需求、供给约束、通胀、美元走弱。对很多投资者来说，这种组合很容易理解为【优质大公司，估值还行】。

3 | 巴菲特后来的遭遇

美国原油首购价在 2008 年上半年一度达到127.47，然后 12 月掉到 36.80。巴菲特自己也承认，他买的时候油气价格接近峰值，而他没预料到下半年的崩塌

康菲石油甚至资产可采价值的判断也变得更加保守，其中阿拉斯加的储量下修就主要是因为 2008 年末价格低于 2007 年末。公司年末已探明储量也从 87.2 亿桶油当量 降到 80.8 亿桶油当量。

后来巴菲特正好在撮合玛氏箭牌、高盛、通用电气等固定收益的投资，总额 145 亿美元，为了给这些投资腾现金，并且依然维持伯克希尔一定的现金储备，他索性直接套现了一部分康菲石油的股份

巴菲特早期投资失败案例：马歇尔·威尔斯

0 | 一句话概括

Marshall-Wells 证明了格雷厄姆式低估值投资能保住下行风险，但这只是投资的第一步
获得投资收益的第二步需要来自第二层的催化: 竞争优势、资本配置、商业模式改善，或者控制权变化。

1 | 巴菲特为什么会买

这笔投资发生在巴菲特还正在哥大读书期间

而且为了去参加 Marshall-Wells 的股东大会，他还专门问了他的老师 David Dodd 能不能逃一节课，Dodd 同意了，他才去的

Marshall-Wells 当年看起来便宜得离谱:

股价低于净流动资产价值
EV/EBIT 非常低
资产里现金、证券、存货占比高
负债和优先股压力不大
账面上很像一只典型的格雷厄姆式烟蒂股

考虑到它的存货主要是五金、工具、家用品这些不易腐坏、过时风险相对较低的东西，所以账面资产打折这件事没那么吓人

而且这个公司历史上其实是优等生：它在战前到战后的多年里，收入和利润总体是增长的，而且多年保持盈利

2 | 他为什么很快又卖了

这里很有意思，巴菲特很快意识到通过财务报表了解一家公司是片面的

巴菲特去参加股东大会，发现管理层对股东大会的态度非常敷衍，像是在完成法律手续，缺乏真正对股东负责的意识，这让年轻的巴菲特很反感

再加上他后来也找到了别的机会，于是这笔投资很快退出，账面上几乎没赚到什么，甚至接近小亏

3 | 投资复盘

现实世界的公司衰落是悄无声息的，即使是巴菲特也没有很快察觉，以为会很快回弹，Marshall-Wells当时的情况是：

战后短缺让传统五金批发商阶段性吃到了红利
市场恢复正常后，利润率回落
竞争变激烈
专业批发商、零售商合作社、连锁零售商这些模式成本更低、更灵活
Marshall-Wells 这种老式批发商结构太重，逐渐丧失优势

加上巴菲特当时并没有介入公司的经营管理（当时还是个学生，就算他想，大概也无能为力），所以单纯期待被低估的股价能够很快地回到公允价值也不现实

最优秀的交易员可以被机器复制吗

今天串讲三篇论文

如果把把主观交易员做成量化策略这件事拆开看，本质上有三层问题：

第一，机器能不能看懂交易员在怎么做
第二，机器能不能进一步猜到他为什么这么做
第三，机器就算能学会这些动作和目标，能不能真正复制最值钱的那部分能力

我选的这三篇论文，刚好对应这三层。第一篇是 2015 年 Quantitative Finance 的策略识别论文，第二篇是 2018 年 Expert Systems with Applications 的情绪奖励学习论文，第三篇是 2026 年的 NBER working paper《Mimicking Finance》

1 | 机器能不能看懂优秀交易员的交易风格

2015 年这篇论文研究的重点，是根据交易员的限价单行为，识别他属于什么策略类型。作者把交易员行为建成一个序贯决策过程，用逆强化学习的思路将他们的思路抽象为机器学习的奖励函数，再把这个奖励当成识别交易员风格的特征空间

论文自己明确写到，它关心的是基于观察限价订单去分类并识别优秀的交易员，而且他们认为逆强化学习学到的奖励函数比单纯看成交量、库存这类简单的汇总统计指标，信息含量更高，也更稳健

2 | 机器能不能猜到这些交易员在关注什么

2018 年这篇论文比前一篇更进一步，研究者想看看机器是否能知道，这些交易员实际上真的在关注什么。他们把投资者情绪和市场反应建成一个马尔可夫决策过程，把情绪冲击看作行为，再用 Gaussian inverse reinforcement learning 去恢复一个隐含的奖励函数

论文的核心想法是：市场上很多情绪信号本身很噪音很大，真正有价值的是市场会奖励哪些情绪信号、惩罚哪些情绪信号

3 | 基金经理的交易行为能在多大程度上被机器预测和模仿

2026 年的《Mimicking Finance》是这三篇里最接近现实世界的一篇，研究者观察真实世界的基金经理的交易行为能在多大程度上被机器预测和模仿。他们发现 71% 的 基金经理的交易决策方向可以在经理本人不再继续交易的情况下被预测；而且对一些经理，这个比例接近一个季度里的几乎全部交易。

研究者进一步发现，越不容易被预测的经理，表现往往越好，最容易被预测的经理，越是显著跑输同行。而且即使在同一个经理的组合里，那些更难被模型预测的持仓，后续表现也更强。论文还提到，行为更容易被预测的经理，通常交易历史更长、整体投资业绩越越平庸的类别，而经理自己在基金里的持有份额越高，其行为也越难预测

换句话说，机器能学会主观投资里大量重复、流程化、套路化的部分，不过这些部分其实价值并不高，真正稀缺、真正能带来超额收益的那部分，往往恰好更难被机器复制

引用

Cohen, Lu, Nguyen, “Mimicking Finance”
Yang et al. (2015), “Gaussian process-based algorithmic trading strategy identification”
Yang, Yu, Almahdi (2018), “An investor sentiment reward-based trading system using Gaussian inverse reinforcement learning algorithm”

巴菲特职业生涯转折点：费城雷丁煤铁

0 | 一句话总结

年轻的巴菲特，通过抄他老师的作业，第一次系统性地学习如何把一个夕阳产业的壳，改造成资本配置机器

1 | 巴菲特是怎么看上了这个公司

Philadelphia & Reading（P&R）原本是个基本面很差的公司

无烟煤行业曾经很重要，但到 20 世纪中期已经进入不可逆衰退
P&R 所处的主业没有增长希望，传统经营逻辑已经失效

巴菲特买入的逻辑，核心是资产 + 催化剂，主要看三样东西

净流动资产接近股价：1954 年末股价约 13.38 美元，而净流动资产价值约 9.16 美元/股，还包含大量库存
账外资产：巴菲特认为废弃煤渣堆（culm banks）可能值约 8 美元/股。也就是说，单是流动资产加这部分隐藏资产，已经大致接近甚至超过股价
最重要的，格雷厄姆在董事会：买入这家公司的股票已经开始不像纯粹的捡烟蒂逻辑，巴菲特隐约感觉到，格雷厄姆迟早会推动变化，所以他买的是便宜资产 + 未来治理变化的可能性

2 | 后来发生了什么

格雷厄姆阵营开始夺取控制权：1954 到 1955 年，Thomas Hyland、Graham-Newman 等股东逐步集结，取得越来越强的话语权，最终在董事会占据多数，推进公司改名，章程修改，允许从事煤炭之外的业务

这个变化，和后来伯克希尔从纺织厂变成控股平台，简直像临摹，很难不让人怀疑巴菲特后来就是照着这个框架重新做了一遍，只是做得更大、更持久

本·格雷厄姆的合伙人的儿子Micky Newman的玩法，本质是资本配置，他上台后做的事情，可以概括成四件事：

利用亏损结转弥补：P&R 原有煤矿业务留下大量税务亏损，未来新收购业务赚的钱，可以被这些税务亏损抵税掉一部分
出售或清理低效旧资产：继续卖库存、关停亏损业务、压缩成本，把老业务当成现金来源
用便宜价格买高利润新业务：比如买 Union Underwear、Acme Boots，估值都很低，而且交易结构很巧，很多对价用与未来利润挂钩的无息票据支付，现金压力小，激励也对齐
保留原管理层，靠激励机制持续经营：Newman 把自己放在控股公司配置者的角色里，并没有什么事都自己下场干

3 | 为什么这件事对理解巴菲特特别重要

P&R 给了巴菲特一个完整样板，让他看到控制一家衰退企业后，可以如何重构

于是这里也标志了巴菲特的再次进化

阶段一：单纯捡便宜 -> 买低于净营运资本的股票，等股价回归公允价值
阶段二：买便宜 + 等催化 -> 开始关心董事会、股东结构、潜在重组
阶段三：直接掌控资本配置 -> 不再满足于等别人做对的事，自己下场成为那个推动决策的人

这次的 P&R 的投资经理，在这三个阶段里，正好站在第二和第三之间