量化投資：算法還是哲學？

萬如海

近日讀了朱曉天、本力兩位先生主編的《量化投資十六講》。筆者對于量化投資是徹底的外行，但是因為接觸科技創業和金融投資方面的人和事比較多，對此也算有所關注。

量化投資的核心究竟是理論算法還是市場理解？對這個問題的解答就把量化投資分為了“劍宗”和“氣宗”兩大流派。

先來看數學天才們的“劍宗”是怎么想的。一位專門研究算法的數學博士告訴筆者：“對于量化投資基金經理，先要看他的學術背景，數學不行的就不用再看了，肯定沒戲。”乍聽這話不太服氣，但博士又說了一句：“數學家對數學的理解，一般人是根本無法想象的”。說得筆者啞口無言。

有兩個事實似乎可以支持“劍宗”。

正面的例子是文藝復興科技公司的西蒙斯以及他的大獎章基金。西蒙斯的頂尖數學家身份無須多言，大獎章基金的業績也可以“載入史冊”，再結合各種相關的公開報道，邏輯推論的結果就是其算法非常厲害。當然，報道中提到大獎章基金的數學模型主要是“通過對歷史數據的統計，找出金融產品價格、宏觀經濟、市場指標、技術指標等各種指標間變化的數學關系，發現市場目前存在的微小獲利機會，并通過杠桿比率進行快速而大規模的交易獲利。”這其中也不乏對市場理解的要素，然而這只是第二位和次要的，第一位和首要的還是算法厲害！

反面的例子，就是近幾年國內出現了一些金融機構和互聯網公司合作推出的量化基金產品，但業績乏善可陳。其中的金融機構多是業內頂級基金管理公司，對市場的理解不可謂不深厚;而其中的互聯網公司也擁有掌握海量用戶數據的搜索和社交平臺。那么兩者強強聯手為何沒有好的基金業績？個人認為，還是算法不行。

當然，除了大獎章基金這樣的頂級掠食者，過去、現在和將來也還有一些業績很好并且具有獲利一致性的量化基金，只不過尚未出名罷了。

寫到此處，似乎應該結束了，因為已經得出結論：算法是核心、“劍宗”是王者，在此基礎上才能談對市場的理解高不高。那么筆者作為一個數學學渣，還能接著討論算法不成？

幸好，筆者在閱讀本書時發現，量化投資并非只是數學天才們的游戲，“市場理解”這個角度亦有可挖掘之處。

以筆者跟蹤資產價格領域指標多年的經驗來看，如果有好的算法，很多指標一上來就被干掉（發現沒用）了。而在看似有用的指標中，雖然存在著比較大的相關性，但如果邏輯上無法產生強聯系，那么對于一般人來說，因為不敢信任模型，實際上該相關性也沒什么用。因為水平不夠，不但自己做不出好的模型，就連識別一個現成模型好壞的能力都沒有，也就是說對數學的理解根本沒有達到脫離經濟邏輯而去單純運用模型的最低限。

所以，找到強邏輯關系的因果指標，再試圖建立模型，是數學天才之外投資者運用量化投資的唯一選擇。

這時候，筆者很大程度上已經不是在談量化投資，而是普遍的投資哲學問題。

投資的根本問題，是處理不確定性。完全的確定性是不存在的。對于不確定性，筆者認為要點在于：第一、尋找更高確定性的領域;第二、豐富認知來提高對確定性的把握;第三、不要高估自己對確定性的把握、做好風控。

其中尋找更高確定性的領域是一條捷徑。價值投資因為只需要分析公司價值、而忽略了很多雜音，以及公司價值與股價的強邏輯關系，所以在確定性上是一種優勢策略。巴菲特更是背靠美國經濟長期穩健增長這顆“大樹”，成為投資者眼中的傳奇。

從這點來說，量化投資與其它投資方式的要點并無不同，都是要在提高確定性上做文章。數學天才們當然得天獨厚，可以用厲害的算法來“一劍封喉”;普通投資者也能在已經找到強相關性后，通過建立模型來驗證判斷和提高確定性。