巴菲特经常会引用伊索寓言中的名言，一鸟在手胜过二鸟在林。要估算林中小鸟的价值，要考虑很多因素，比如林中有多少小鸟、小鸟什么时候出现。
很通俗的一句话告诉我们，不要去截断盈利，让亏损奔跑。投资本来就是一件逆人性的事情，很多时候，我们都是涨了拿不住。为什么呢？此命题超纲了，无解。
也有时候，我们总是悔恨在上涨之前没有买的不够多，在下跌之后怨恨没有卖的够早。人总是要接受不完美的自己，对投资如是。经常看盘的人，喜欢总想操作点什么，比如先止个盈助助兴。
大家经常被人告诫，要长期投资。虽然就四个字，但是重点在“长期”和“投资”上下功夫。
那么什么是长期呢，涨了不卖，跌了更不卖，打死都不卖。那么什么是投资呢，在可预见的时期内获得收益。所以长期投资应该这样说，先投资，再长期。
而我们投资指数基金，要取得很好的收益率，怎样理解估值灰常重要。
最常见的指数估值的指标是市盈率。那么什么是市盈率（pe）呢？给大家用一个通俗的栗子来说一下：
复利准备去摆地摊了，过了一段时间生意还挺好，我的关注量是一万，但是这一万人里面有几百个朋友觉得我复利本人还挺靠谱，准备让我扩大地摊的地盘，建议我把旁边地摊的地盘也吞了，复利收到这些朋友的蛊惑，觉得这注意好，可是复利我没money呢，那怎么办，你们这几百个朋友得入股，那行，我复利就发行个20000股吧。每股一元，总共募集了20000元。
一年以后，复老板赚钱了，赚了1万元，每张股票可分到利润5毛钱。所以第一年的市盈率（pe）就是1元/0.5毛钱=2。
所以市盈率=股价/每股收益。现在的价格是每股收益的多少倍，也就是假设每股收益不变的话，现在投下去的钱要多少年才能收回投资。市盈率越低，说明股价越便宜。
当然如果复利还想扩大地盘，继续找这一万人融资，地盘是大了，但是没赚到钱，然后复利携款跑路了，这就是“庞氏骗局”。
那么我经常用的一个指标是PE-TTM，这个指标是什么意思呢？pe-ttm是滚动市盈率，但是跟简单的pe不同的是pe-ttm=股价/过去四个季度的每股收益之和。比如现在是2018年5月18号，那么TTM用的每股收益用的是2017年第2季度到2018年第一季度的每股收益。
以中证500指数为例，现在指数的点位是5993，也就是中证500指数的价格=5993，它等于市盈率*指数盈利，为什么主动性基金不能计算市盈率呢，因为主动性基金持仓组合里面有债券仓位，而指数基金里面都是一篮子股票，所以可以计算这一篮子股票的总盈利。然后用指数的价格/总盈利可以粗略得到这个指数的市盈率。
过去两年，指数的点数虽然没有很大的变化，但是随着指数盈利的上升，指数的估值却逐渐在下降。对于指数估值的下降，那么最好的办法就是指数阴跌或者股灾。当然这两年指数500的估值虽然在下降，但是指数的点位持续低迷，由于阴跌，买入后也没有获得盈利。
但是指数的收益率来源于指数的估值差和内生性的盈利增长。既然近一年的持有没有获得盈利增长的收益率，那我们就可以获得估值差的收益率。以我的持仓为例，给大家说一些短期内的估值差止盈：
第一次买入时间为17年5月22日，当然对于中证500指数点位是5888，估值为33.59，第二次买入时间为5月24日，中证500指数点位是5799，估值为33.10.那么对于去年来说，中证500的最低估值为32.59，对应指数点位为5710。那么面对中证500指数33的市盈率是明显高估的，大家的思维中已经被固话了，就是高估的指数不适合买入，更不适合定投。但是明显高估的指数却涨了差不多半年多。
所以就高估的指数不是不适合买入，也不是不适合定投，但是需要自己择时来取得指数短期内的估值差收益。因此如何在短期内止盈呢？那就是根据估值差低买高卖。
当然这个也涉及到你以合适的价格卖出之后还能以更低的价格卖回来吗？大多数人也没有择时的能力，虽然短期内你获得了估值差的收益率，但是你后期如果没有能力以更低的价格买回当初的市值，那么你还不如持有不动，通过定投，也就是从高估——低估——正常，停止定投，然后重新到高估分批卖出。当然从低估开始定投没错，但是高估到低估的这个区间内看指数是一定跌的，但是它总会有反弹，也许这个指数是高估——极度高度——高估——低估的过程。所以我觉得有投资能力的人也要对这个过程吃到自己的肉。
当然也有人担心，就是年年指数都是这个价格，不吃短期内的估值差收益率，那一直持有会不会赚钱呢，肯定会的。因为指数价格不涨不代表指数的内生性盈利不上涨，有条件的你可以看看每个指数每个季度的净利润增速。当然高估的指数最终会均值回归，也就是回到低估，那么均值回归的时间越久，指数的价格也就越在一个区间内波动， 成了磨人的小妖精，投资者的内心也越煎熬。但是你持续定投，份额是逐渐在积累的，只要份额积累足够多，未来就算这个指数比较平庸，那么足够多的份额收益率未必就低。
很通俗的讲，你1000块钱，5%的收益率赚的钱，和100块钱，10%的收益率，利润哪个高？
閱讀更多 i複利 的文章
