万如海

近日读了朱晓天、本力两位先生主编的《量化投资十六讲》。笔者对于量化投资是彻底的外行，但是因为接触科技创业和金融投资方面的人和事比较多，对此也算有所关注。

量化投资的核心究竟是理论算法还是市场理解？对这个问题的解答就把量化投资分为了“剑宗”和“气宗”两大流派。

先来看数学天才们的“剑宗”是怎么想的。一位专门研究算法的数学博士告诉笔者：“对于量化投资基金经理，先要看他的学术背景，数学不行的就不用再看了，肯定没戏。”乍听这话不太服气，但博士又说了一句：“数学家对数学的理解，一般人是根本无法想象的”。说得笔者哑口无言。

有两个事实似乎可以支持“剑宗”。

正面的例子是文艺复兴科技公司的西蒙斯以及他的大奖章基金。西蒙斯的顶尖数学家身份无须多言，大奖章基金的业绩也可以“载入史册”，再结合各种相关的公开报道，逻辑推论的结果就是其算法非常厉害。当然，报道中提到大奖章基金的数学模型主要是“通过对历史数据的统计，找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系，发现市场目前存在的微小获利机会，并通过杠杆比率进行快速而大规模的交易获利。”这其中也不乏对市场理解的要素，然而这只是第二位和次要的，第一位和首要的还是算法厉害！

反面的例子，就是近几年国内出现了一些金融机构和互联网公司合作推出的量化基金产品，但业绩乏善可陈。其中的金融机构多是业内顶级基金管理公司，对市场的理解不可谓不深厚;而其中的互联网公司也拥有掌握海量用户数据的搜索和社交平台。那么两者强强联手为何没有好的基金业绩？个人认为，还是算法不行。

当然，除了大奖章基金这样的顶级掠食者，过去、现在和将来也还有一些业绩很好并且具有获利一致性的量化基金，只不过尚未出名罢了。

写到此处，似乎应该结束了，因为已经得出结论：算法是核心、“剑宗”是王者，在此基础上才能谈对市场的理解高不高。那么笔者作为一个数学学渣，还能接着讨论算法不成？

幸好，笔者在阅读本书时发现，量化投资并非只是数学天才们的游戏，“市场理解”这个角度亦有可挖掘之处。

以笔者跟踪资产价格领域指标多年的经验来看，如果有好的算法，很多指标一上来就被干掉（发现没用）了。而在看似有用的指标中，虽然存在着比较大的相关性，但如果逻辑上无法产生强联系，那么对于一般人来说，因为不敢信任模型，实际上该相关性也没什么用。因為水平不够，不但自己做不出好的模型，就连识别一个现成模型好坏的能力都没有，也就是说对数学的理解根本没有达到脱离经济逻辑而去单纯运用模型的最低限。

所以，找到强逻辑关系的因果指标，再试图建立模型，是数学天才之外投资者运用量化投资的唯一选择。

这时候，笔者很大程度上已经不是在谈量化投资，而是普遍的投资哲学问题。

投资的根本问题，是处理不确定性。完全的确定性是不存在的。对于不确定性，笔者认为要点在于：第一、寻找更高确定性的领域;第二、丰富认知来提高对确定性的把握;第三、不要高估自己对确定性的把握、做好风控。

其中寻找更高确定性的领域是一条捷径。价值投资因为只需要分析公司价值、而忽略了很多杂音，以及公司价值与股价的强逻辑关系，所以在确定性上是一种优势策略。巴菲特更是背靠美国经济长期稳健增长这颗“大树”，成为投资者眼中的传奇。

从这点来说，量化投资与其它投资方式的要点并无不同，都是要在提高确定性上做文章。数学天才们当然得天独厚，可以用厉害的算法来“一剑封喉”;普通投资者也能在已经找到强相关性后，通过建立模型来验证判断和提高确定性。