博格尔长期投资回报模型：用股息率、盈利增长与估值变化拆解市场-北京尧图网络

很多人刚接触投资时对“预测市场”这件事既渴望又怀疑。渴望的是想提前知道未来几年能赚多少钱怀疑的是那些天天喊点位、画K线的分析师自己也常常打脸。我自己在做了十几年指数化投资之后反而越来越相信一套几乎不需要主观判断的模型——约翰·博格尔的长期投资回报预测模型。它不预测明天涨跌也不依赖复杂指标核心就是一个小学数学里的加减法却让我对“长期投资回报”从不敢判断变成心里有数。这篇文章我会把它的拆解思路、数据用法、计算步骤和常见误区一次讲清楚。适合普通投资者、家庭资产配置人群也适合刚开始研究指数化投资的新手作为第一套底层的估值框架。1. 先搞清楚这套模型到底在预测什么1.1 一个公式拆开长期回报的本质约翰·博格尔的长期投资回报预测模型可以浓缩成一个几乎写在一张便签纸上的公式股票市场长期年化回报 ≈ 初始股息率盈利增长率估值变化率这个公式的结构看起来简单但理解起来需要一点耐心。第一个词“初始”意思是只在当前时间点取数据不做动态调整第二个词“盈利增长”关注的是企业未来长期的名义利润增速注意这里是“名义”也就是已经包含通货膨胀的那部分增长第三个词“估值变化”依赖的是你买入时的估值水平和未来卖出时估值水平之间的差异。所以它和传统预测完全不同。技术分析预测的是“什么时候涨、什么时候跌”这套模型预测的其实是“数学期望值”假设企业盈利按照历史规律长期增长估值最终向某个中枢回归那么未来十年平均回报大致落在什么区间。它回答的不是“明天能不能涨”而是“你现在这个价位买进去长期该期待什么”。为什么它比多数宏观预测靠谱因为它把回报拆成了两个不同属性的部分。股息率和盈利增长率是“投资回报”由企业和经济本身产生长期来看相对稳定你可以用历史数据去估计估值变化率是“投机回报”由市场情绪、资金流动、利率环境共同推动长期来看有可能相互抵消。这个拆分的意义在于它把一个不确定的市场问题转换成了三个相对可以拿数据说话的小问题。1.2 投资回报和投机回报到底谁说了算继续拆开讲这个二分法。股息率加盈利增长率是持有人作为企业所有者理应获得的回报估值变化则是市场愿意为每一块钱盈利出多少钱的变化。打个比方你买下一家临街商铺租金收入和租金自身上涨的能力是这家商铺基本面带来的回报整条商业街的房价波动是情绪和供需带来的投机回报。你会不会因为整条街房价今年跌了20%就认为商铺本身不赚钱大概率不会。股票市场也是这个道理只是太多人买股票时只盯着股价波动把真正的“商铺价值”完全交给了市场情绪。理解这个二分法之后长期配置的逻辑也就清楚了长期回报预测主要看前两项短期买卖点主要由第三项决定。博格尔本人经常提醒投资者当估值变化贡献异常大的时候说明市场已经透支了未来这时候应该降低收益预期当估值变化贡献为负的时候反而是长期布局的机会。我把这三个组成部分整理成一张表基本就是整套模型的地图构成项含义可预测性数据来源建议初始股息率当前持有指数每年能获得的现金分红与价格之比高当下可见指数官方披露的股息率、滚动12个月分红总额除以总市值盈利增长率指数成分股长期名义净利润的年化增速中高用历史和基本面区间估计指数ROE、历史利润增速、名义GDP增速估值变化率买入PE与卖出PE之间的年化复合差低按情景假设指数PE历史分位、长期中枢、利率环境接下来我详细讲每一项到底怎么取值、怎么算。2. 三个组件的实操取值数据怎么找、公式怎么用2.1 初始股息率最容易拿到的数据也最容易粗心先说明一点模型里的股息率不是个股股息率而是组合层面、可长期持有的宽基指数股息率。如果用个股去套短期分红波动和个股风险会淹没整个模型的信号。实操上有三种取数方式。第一最省事的是直接看指数公司官方披露的指数股息率注意区分静态股息率和滚动股息率口径不同结果差距很大。第二自己算滚动12个月股息率也就是把过去四个季度指数成分股的分红总额除以当前指数总市值。第三如果你持有的是指数基金可以用“累计单位净值除以单位净值”的方式粗略估算分红水平但这个方法在基金分红政策不同时会有偏差只适合做交叉验证。这里有一个特别容易踩的坑分红有季节性。A股大量公司集中在年中分红如果只用最近一个季度的分红去年化股息率会剧烈跳动。我更推荐用滚动12个月口径尤其年报季前后要留意数据口径是否统一否则算出来的初始股息率可能明显失真。另一个坑是股本变化。指数定期调整成分股、新股纳入都会让分红总额和总市值同步变化。你在取数时要尽量使用同一个时间点的分红库和市值库不要用去年末的分红总额配当前的总市值那样会低估或高估真实股息率。2.2 盈利增长率别直接用GDP要用“能留存的利润”盈利增长率是整套模型中弹性最大的部分也是误解最多的地方。博格尔在美国市场习惯用名义GDP增速做长期预估因为美国企业盈利和GDP的同步性较强。但如果你直接把这个习惯搬到中国市场很容易出问题A股上市公司盈利增速和GDP增速经常背离背后既有周期行业权重的影响也有金融业占比大、新股供给等因素所以更接地气的做法是用“可持续增长率”来推算g ≈ ROE × (1 - 分红率)其中ROE是净资产收益率分红率是利润中用于分红的比例。背后的逻辑是一组企业如果长期ROE维持在某一个水平把利润留存下来再投资净资产的增长速度就会接近这个数值盈利也能跟随净资产一起增长。这其实就是“企业能不能自己造血滚动增长”的内部视角。举个例子某宽基指数长期ROE约11%分红率约35%那么内部可持续增长率大约等于11% × (1 - 35%) ≈ 7.2%。这是真实盈利增长的估计。如果再把通胀预期加上去比如通胀中枢在2%到3%那么名义盈利增速大约来到9%到10%的水平。注意盈利增长用的是名义值要和溢价率、估值这些名义指标匹配否则会系统性低估回报。我也提醒一句这个g是中枢不是精确预测。整体市场盈利还会受到利润分配、回购、并购、税收等因素影响所以更合理的做法是结合历史盈利增速给一个区间。ROE越高的市场长期潜在增速越高ROE连年下滑的市场哪怕短期盈利反弹模型的锚也要下调。2.3 估值变化率把它当成情景假设不要当预测估值变化率是整个模型里唯一一个“丑话说在前面”的变量。它的数学公式很简单估值年化影响 (末端PE / 初始PE)^(1 / 年数) - 1如果用十年做预测初始PE是12倍十年后仍然是12倍那么估值变化项就是0如果十年后PE变成15倍估值贡献大约是(15 / 12)^(0.1) - 1 ≈ 2.25%也就是每年通过估值提升贡献约2.2个百分点如果PE从18倍回归到12倍估值贡献大约是(12 / 18)^(0.1) - 1 ≈ -4%也就是每年拖累约4个百分点。这个计算告诉我们两件事。第一高估值是长期回报的隐形杀手。18倍PE买入哪怕盈利增长和股息率都正常只要估值回归十年年化回报可能被吃掉一大块。第二低估值买入有一种天然的缓冲垫即使盈利增速平庸估值修复也能贡献额外回报。所以我强烈建议不要把这项当成必中的预测而是设定三档情景估值中枢不变、向历史低位回归、继续抬升。每一档给出不同的年化贡献数值。把三个情景摆在一起你会发现在高位买入时即使盈利增长不错综合回报也可能很低在低位买入时即使盈利增速平庸回报仍然可观。这就是这套模型最实用的一面它不是告诉你精确答案而是提醒你当前价格内含了多少风险补偿。3. 用模型判断配置比例一套可以照着抄的步骤3.1 五年和十年回报估算模板理论说了一堆直接进入实操。我自己每年会用五步方法来估算未来五到十年的指数回报第一步确定你要预测的指数。宽基指数最合适行业指数盈利波动大估值中枢不稳定模型误差会被放大。第二步记录当前滚动股息率。取过去12个月分红总额除以当前总市值或者直接采用官方滚动股息率。第三步估算盈利增长率中枢。先用ROE和分红率算出可持续增长率的区间再用历史名义盈利增速和名义GDP增速做交叉验证。第四步设定估值变化三档情景。用当前PE和十年PE中枢分别计算中性、保守、乐观三档的年化估值影响。第五步三项相加得到三档预期年化回报区间再和当前债券类资产的到期收益率做对比。举个例子假设我关注某宽基指数当前滚动股息率3.2%长期ROE 11%分红率35%那么真实盈利增速约为7%加上2%的通胀预期名义盈利增速设为9%。当前PE 13倍十年PE中枢我取12倍那么估值年化影响约(12 / 13)^(0.1) - 1 ≈ -0.8%。这套参数下中性情景的长期回报约为3.2% 9% - 0.8% 11.4%。如果保守一点盈利增速只到6%估值回归到11倍回报大约就是3.2% 6% - 1.7% 7.5%。如果乐观一些盈利增速到10%估值到14倍回报大约为3.2% 10% 0.7% 13.9%。这样算下来未来十年年化回报大致落在7.5%到13.9%的区间中枢在11%左右。有了这个区间做资产配置就有了决策锚。3.2 用这个区间来调节股债比例和定投节奏有了预期回报区间配置决策就好做了。最常见的做法是拿指数预期回报和无风险利率做比较。如果指数预期回报比十年期国债收益率高出4到5个百分点以上说明股票市场提供的风险补偿充足这时候值得多配权益类资产甚至可以考虑把一部分债券资金挪到指数基金上。如果收益率差只有2个百分点甚至更低说明股票性价比一般这时候我会降低权益配置把资金放在债券基金、货币基金或类现金资产里等模型回报改善再动手。定投节奏也可以从这个模型里获得启发。当模型给出的预期回报偏高时通常对应的是静默估值低市场悲观情绪重这时候反而应该保持甚至加大定投额度不用因为短期下跌恐慌。当模型给出的预期回报偏低时通常已经走到牛市后期的亢奋阶段这时候我会减少新增资金里的权益比例。这套做法等于把“低买高卖”从一种主观判断变成了纪律化操作。当然每个家庭的资金期限、风险承受能力不同。资金期限越长越可以用中性甚至乐观情景做参考资金期限短或者收入波动大就要偏保守情景来安排仓位。模型给出的是一个区间人生的选择不在区间里区间只需要帮助你不过度乐观或过度悲观。3.3 模型和经典资产配置理论如何对接这套模型与经典资产配置理论天然契合。比如再平衡策略需要先确定一个长期的股债目标比例很多人的目标比例是拍脑袋拍出来的而模型恰好提供了这个比例的锚。它不预测单只股票会不会涨而是告诉你“整个股票市场未来十年大概能提供多少收益”。这个信息足以支撑“多少比例放股票、多少比例放债券”的判断。再比如生命周期策略年轻时可以承受更高的净值波动模型里的保守情景参数可以选得更宽松仓位更偏股票临近退休时就要注意本金安全可以用中性偏低情景作为参考适当降低股票比例保留更多的安全边际。这比单纯凭感觉设定“60%股票、40%债券”要有依据得多。我常对朋友说一句话这套模型更像是资产配置的锚而不是买卖股票的罗盘。罗盘告诉你方向锚告诉你现在整体市场是贵还是便宜。锚的存在能让你在周围都在追涨杀跌时依然知道自己站的位置。4. 常见误区与我的踩坑实录4.1 误区一把股息率当成长期收益率本身有个朋友看到某个指数股息率到8%就以为长期回报至少是8%结果买入后依然经历了明显的净值回撤。这是很典型的误读。股息率只是模型三部分之一盈利增长可能为负估值也可能继续下杀。8%的高股息率往往对应的是市场对公司盈利可持续性的悲观定价。如果只看股息率就相当于只看了商铺的租金回报率忽略了这个商铺本身可能正在快速贬值。所以使用时必须把三部分当成一个整体看到高股息率时还要追问盈利增速中枢在哪里估值分位是多少4.2 误区二把盈利增长率直接套用GDP增速GDP增速是一个国家或地区新增价值的增速和指数成分股的净利润增速并不相等。A股历史上多次出现过GDP增速平稳但蓝筹指数净利润负增长或者大幅波动的年份原因包括金融和资源股权重大、周期性行业利润调节、上市公司整体利润率波动等。所以我把GDP增速只当作一个交叉验证项核心还是用ROE和分红率推算可持续增长率。GDP增速用来纠正方向ROE和分红率用来逼近企业自身的造血能力。4.3 误区三把估值均值回归当成必然估值确实有长期均值回归的倾向但回归的时间可能很长回归的中枢也会漂移。利率长期下行时合理PE中枢会系统性抬升产业结构偏向轻资产时PE中枢也会不同外资和长期资金占比提高同样会改变估值体系。所以我不会机械地认为“PE超过历史70%分位就一定跌”而是把均值回归当成一种情景同时反问自己驱动估值变化的基本面条件是否仍然成立在低利率环境下历史分位可能会长期偏高在经济快速转型期历史分位又可能长期偏低。正确用法是把它和利率、产业趋势放在一起看而不是只会看Excel里的百分位。4.4 误区四预测回报高就可以一把梭模型输出的是未来十年的平均年化回报区间不代表走势平稳。中途回撤30%再涨回来最终年化可能是10%但多数人很难扛过那段回撤。用模型决定长期仓位是一回事用模型判断精确买入时点是另一回事你要清楚这个模型的能力边界在哪。我的做法是估值很便宜、预期回报高的时候分批买入并保留一部分现金不把子弹打光估值很贵、预期回报低的时候不急着清仓而是减少新增投入让再平衡慢慢把股票比例降下来。用这个思路既保持了长期在场又避免了在明显泡沫阶段追加资金。4.5 常见问题速查表问题原因建议处理股价已经涨了很多模型回报还是很高盈利增长和股息率同步上升数据过期检查是否用了旧数据盈利增速高企时估值项取中性值股息率高但盈利增速为负周期性行业利润下滑分红率被动抬升结合行业权重判断用5年ROE平滑盈利周期PE历史分位很高但利率也在下降利率下行可能抬高合理PE不要机械套用历史分位加入利率环境修正模型预测回报低于债券收益率股票市场相对债券没有吸引力降低股票配置提高债券和现金比例等待估值回归长期回报模型算出来很乐观但就是不涨情绪面和资金面还在走弱估值修复没有开始保持定投不要重仓押注短期耐心跟踪基本面数据4.6 我的实战体会与一个简化用法最后分享我自己的简化用法。我不会每个月重算一遍模型频率太高反而容易被短期数据影响判断。我一般每年做一次完整五步测算在市场整体估值明显偏离历史中枢的时候再额外做一次。平时我会把“股息率加盈利增长率”当作核心锚点把“估值变化”当作风险提示这样既保持长期思维又不会对短期波动反应过度。如果你刚开始接触这套框架可以从最简单版本入手未来十年预期回报当前指数股息率名义盈利增速。这个版本先不考虑估值端毕竟估值短期变动没法预测。好处在于它给了你一个非常清晰的底线思维只要企业还在创造利润、还在分红长期回报就不会只由市场情绪决定。等用顺了再加入估值情景分析模型的预测精度会有一个明显提升。我个人体会最深的不是模型算出来的具体数字有多准而是它把投资从“猜涨跌”变成了“算得失”。每次市场狂热或者恐慌的时候拿出来看一眼人一下就冷静了。这种冷静可能才是这套模型真正值钱的地方。

博格尔长期投资回报模型：用股息率、盈利增长与估值变化拆解市场

相关推荐

从PHP到小程序：旅居养老健康档案系统开发实战

AI编程的本质是工程判断力训练

长期投资回报预测模型：股息率、盈利增长率与市盈率变化率的综合拆解

更多资讯

1 个 AI 项目从 0 到 1：完整流程——好的开始，是成功的一半

深入理解Cargo与crates.io：从构建优化到发布实践

团队目标管理PPT：从OKR拆解到自动看板的落地闭环

团队目标管理.pptx：从对齐到复盘的落地工具与避坑指南

多旋翼无人机鲁棒姿态控制：从PID到H∞的实战指南

USB供电充电电路设计：从原理到TP4056实战与避坑指南

今日更新

微信云开发旅游小程序实战：LBS打卡+UGC社交全栈方案

金融AI代理平台核心拆解：从多代理协作到财报分析实战

基于大数据的智慧旅游推荐与可视化平台架构实践

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？