投資禪院，價值投資者的禪修院！

獲取更多即時信息，歡迎添加投資禪院創始人 / X ：touzicy88

在過去的十二個月中，我撰寫了三份備忘錄（《近期思緒（官方中文版）》、《歷史還在不斷重演？（官方中文版）》、《歷史再度重演（官方中文版）》），其中針對宏觀經濟發展、市場前景和對於投資者下一步投資建議進行了重點討論。雖然這些話題都很重要，但通常並不是我最感興趣的話題。相比較而言，我更喜歡探討未來幾年可能影響市場運作的事。由於當前市場環境與之前三份備忘錄中所描述的市場環境沒有顯著變化， 我想在這篇備忘錄中就就一些更宏觀的議題發表看法。

證券市場似乎正不斷減少人為因素的影響，我將在這篇備忘錄中從三個方面展開分析：第一、指數投資和其他形式的被動投資；第二、定量和算法投資；第三、人工智能和機器學習。

在深入討論之前，我想鄭重地明確聲明，我並沒有宣稱自己是這些領域的專家。實際上，對於第一種投資， 我已觀察數年；第二種投資， 我最近才略知一二；而對於第三種，我還在努力瞭解中。事實上，很多行內專家都看好並參與了這些領域的投資，並認為這類投資有望取代傳統的主動型投資。下文僅屬我個人的一些看法， 而讀者們應當保持獨立判斷。

被動投資和交易所交易基金（ETF)

雖然下面的故事已是老生常談， 但我還想再此重提以為下文內容作些鋪墊。 50 多年前， 在1967 年 9 月， 我在芝加哥大學商學院修讀研究生課程。那時該學院尚未更名為布斯商學院， 而學院也剛剛開始教授“芝加哥學派”的金融和投資理論。該學派於 60 年代初期在芝加哥興起，以理論基礎為依據，並根據過往投資者的行為作出一系列對立假設以完成系統構建。

學派中一個重要的基本核心觀點是“有效市場假設” 並得到了“投資者永遠無法戰勝市場”的結論。 首先， 這一學派有一個具有邏輯性的論點：整體上， 所有投資者在扣除費用和開支之前的回報都應處於平均水平，因此在扣除費用後將低於平均水平。 有證據表明，幾十年來，大多數共同基金的表現均落後於標準普爾 500 指數等股指。

在 20 世紀 60 年代後期， 我的教授對於這點作出了簡單回應：買入指數中的每家公司的股票不就行了嗎？ 這樣做可以讓投資者避免大部分人會犯的錯誤，並避免承擔絕大部分的費用和交易成本。同時，可以確保投資表現與指數一致，而不是落後於指數。

1973 年， 美國著名經濟學家 Burton Malkiel 撰寫了《漫步華爾街》一書， 其中向公眾介紹了他的相關學術發現。正如小道媒體一直所報道的，大多數共同基金並沒有成功擊敗市場指數。 在書中， Malkiel 寫到 ：

我們需要的是一個沒有佣金、收取最低管理費的共同基金。這些基金只購買構成整體股市平均值的數百隻股票，且不會為了嘗試跑贏市場而進行選股。每當共同基金的表現低於平均水平時，基金髮言人就會馬上解釋他們“不能買入只能實現平均值的股票”。現在看來，公眾是理應可以買到這樣的產品。

紐約證券交易所可以提供的最好服務，就是推出這種基金，並在非營利基礎上運營該基金，以滿足公眾對於此類基金的需求。如果紐約證券交易所不願意這樣做，我希望其他機構能做到。

第一隻指數基金就在那時應運而生。此外，根據維基百科，追蹤道瓊斯工業平均指數的Qualidex基金，其註冊聲明於1972年生效，但我相信該基金並沒有吸引太多投資者。

但隨後“指數基金之父” 傑克·伯格於 1974 年成立了美國領航投資集團，而且該公司的第一指數投資信託於 1975 年的最後一天投入運營。

當時，該基金被競爭對手猛烈揶揄為“不合美國做派”，甚至嘲諷基金是“伯格的愚蠢行為”。富達投資董事長愛德華·約翰遜當時表示，“無法相信大眾投資者會對僅僅獲得平均水平的回報而感到滿意。” 後來， 伯格的基金更名為領航 500 指數基金，追蹤標準普爾 500 指數。起初，該基金的資產規模非常小，只有 1,100 萬美元，但在1999 年 11 月就超過了 1,000 億美元。

—— 摘自維基百科

指數投資的優點是顯而易見的：管理費用大幅降低，受交易及相關市場的影響較小、運營費用較低，並能避免人為錯誤。指數投資與大市表現高度一致。因此， 指數投資是一個“不會跑輸大市”的策略，投資人不會因跟不上指數表現而全盤皆輸； 當然，這也是一個“無法跑贏大市”的策略，因為投資人也無法擊敗指數。

指數或被動投資起步相對較慢。在最初的幾年裡，由於指數基金有潛力取代一個或兩個機構投資者的主動投資管理人，大眾認為這類投資有點奇怪或屬於非主流投資。 對於新興事物，機構投資人往往只投入小部分資金，正如過往的新興市場股票、私募股權、風險投資、高收益債券、困境債務、木材和貴金屬等。幾乎沒有機構投資人將被動投資作為其投資組合的主要部分，而有限的投資規模無法有效影響投資組合的整體表現。

然而，資金繼續流向被動管理策略的事實表明，許多主動型基金經理的表現仍落後於指數。在過往十幾年中，很多年出現了基金表現不如指數的情況，並且我也沒有發現多少主動基金表現於領先指數的情況。因此，如意料之中，被動投資的規模穩步上升： 目前領航500 指數基金的資產規模已高達 4,100 億美元。根據晨星數據， 2005年至2011年間，流入主動和被動型股權共同基金的資金量大致相同，但資金在 2012 年加速流入被動型基金，同時流入主動型基金的資金則開始下降，並在 2015 年轉為流出。 根據 2017 年4月9日發表的《洛杉磯時報》：

被動投資的傳統美國股權共同基金旗下資產高達1.9萬億美元，是2007年的三倍。加上1.7萬億美元的美國股權ETF（另一種類別的指數投資組合），目前被動投資的基金賬戶的總規模佔美國全部股權基金資產的42%，遠超於2010年的 24%，而這一數字在 2000 年僅為 12%。

雖然這些數字主要適用於零售型投資，但機構型投資組合中的被動投資比例也在急劇增長。被動投資不再是在投資組合中僅佔很小一部分的外來附加投資，而已經成為機構型投資者的主流投資，約佔投資人總投資組合的 20%。

接下來，我會詳細為大家介紹上述《洛杉磯時報》摘錄中提到的交易所交易基金，簡稱＂ETF＂。在 20 世紀 90 年代， 投資管理人提出一種全新參與市場的方式， 並與指數型共同基金競爭。在每日交易結束、收盤計算淨資產值時，投資者可以申購或贖回基金，因此投資者可以像買賣股票一樣買入或賣出ETF並獲得流動性。由於投資者能更自由地買賣，這使ETF得到廣泛關注。儘管指數型ETF是一個全新領域， 但其規模可觀。與此同時， 市場上湧現出其他類型 ETF。

在20世紀末期，“指數投資”和“被動投資”曾是同義詞，均為被動模擬市場指數而設

立的投資工具。如今，兩者之間有了區別。以往的被動投資僅限於指數投資，而如今，被動投資不僅包括指數基金和指數ETF，還包括根據投資組合構建規則而進行投資的“聰明貝塔” ETF。“聰明貝塔” ETF 是基於規則主動設計的投資工具。 一旦完成組合建立， 這些基金將嚴格維持組合組成。一年前，我曾寫道：

ETF的創始人為了發展業務，一直在挖掘更聰明的、不完全被動的投資工具。因此，ETF的設立是為了滿足或創造公眾對於特定領域基金的需求，例如各股票類別（價值型或增長型）、股票特徵（低波動性或優質企業）、以及企業類型或地區。無論投資者想要專注於增長型、價值型、優質企業、低波動性還是動量ETF，都可以找到合適的 ETF。 極端地說，如今投資者可以任意選擇所需要的小眾被動型投資基金，例如要求基金的底層投資企業擁有不同性別的高級管理層、“符合聖經要求的負責任投資” 、關注藥用大麻、提供肥胖症解決方案、服務於千禧世代， 或專注於威士忌和烈酒行業。只要你能想得到，沒有得不到的。

但是，當一種投資工具的專注領域被限定在如此狹窄的範圍時，“被動”意味著什麼呢？當這些被動投資工具每一次偏離大盤指數時，都會引發定義性的問題，並牽扯到非被動的人為決策。一些股票具備某些特點，而注重投資這類股票的被動基金被稱為“聰明貝塔基金” 。然而，是否可以認為，設定選股規則的人比當今備受歧視的主動管理人更聰明？HorizonKinetics資產管理公司的聯合創始人Steven Bregman將其稱之為“語義投資”，即選股的標準基於表面意思標籤，而並非量化分析。例如，他指出，由於埃克森美孚的股票規模龐大且流動性高，因此被列入增長型和價值型的ETF。實際上，並沒有絕對的標準定義哪些股票可以代表上述的諸多特徵。

—— 摘自 2017 年 7 月發表的備忘錄《歷史再度重演》

根據維基百科，“截至2014年1月，美國有超過1,500只ETF”相比之下，根據《巴倫週刊》數據，威爾夏5000綜合市場指數有3,599只股票。我認為，從ETF的數量和種類看出，這些基金的設定者通常會在市況較好時滿足人們勇於投資的需求，否則，又怎麼會出現那些追蹤指數升跌幅度倍數的槓桿型ETF呢？

背景先介紹到這裡。下面我想談談被動投資的啟示及其愈加風行的情況。

第一個問題是：“被動投資是否為明智之舉？”

在被動投資中，基金中沒有人會研究底層被投企業、評估企業發展潛力，或者思考股票價格是否合理。同時，沒有人會主動決定是否應將特定股票納入投資組合，以及如果納入，其應占比重。畢竟，被動投資只是簡單地模擬指數。

投資時完全不考慮公司基本面、證券價格或投資組合比重，是否合理？答案顯然是否定的。事實上，被動投資恰恰是通過依賴主動投資者對這些方面進行分析以消除這種顧慮。

被動投資的精華，是投資者相信主動投資行為已導致資產被合理定價，因

此廉價的投資機會無處可尋。

那麼，指數中股票權重的根據是什麼？是主動投資者賦予股票的價格。簡而言之，在指數和被動投資的發展中，主動投資者承擔了繁重的證券分析和定價工作，而被動投資者則通過持有全部由主動投資者決定的投資組合來獲利。因此，在沒有主動投資者參與的情況下，是無法通過模擬市值加權進行被動投資的。

諷刺的是，正是這些備受被動投資者嘲笑的主動投資者，設定了指數投資者應當為股票和債券支付的價格，從而確定了市值；而這些市值進又進一步決定了指數基金所模擬的證券的指數權重。如果主動投資者缺乏洞察力，那被動投資者跟隨主動投資者的指示，是否毫無意義？

如果主動投資者集體罷工， 情況又會如何？ 因此，第二個問題是： “對主動投資來說，被動投資有什麼啟示？” 根據有效市場假說，如果廣泛進行主動投資導致主動投資無法成功，即發生市場效率過高和證券價格過於公平的情況，被動投資將日益盛行並佔有主要市場，屆時，是否意味著主動投資將再次博得獲利機會？

如果大多數股權投資都以被動管理，結果會怎樣？這樣一來，價格將更容易偏離所謂的合理範圍，從而產生廉價和估價過高的投資機會。雖然這不一定能確保主動投資管理人取得成功，但無疑為他們提供成功的必要前提條件。

當被動投資在市場總量佔比多少時，會導致證券價格與資產價值明顯偏離？這個答案無人知曉。目前，大約40%的基金屬於被動投資，而在機構投資中，該比例可能正逐漸接近40%。可見，目前市場中大部分資金仍屬主動管理，並創造了很多價格低估的價值投資機會。完全進行被動投資肯定會使得資產價值與其價格背離：

第三個關鍵問題是：“被動和指數投資是否會扭曲股價？”這是一個有趣的問題，我們可以通過幾個層面回答。

首先，這個問題涉及市值加權指數中股票的相對價格。人們經常會問，資金流入指數基金是否會導致指數中權重最高的股票的價格，相對於其他股票進一步上漲。我認為，這是不會發生的。假設，某指數中全部股票的市值總額為1萬億美元，其中一隻主流股票（可能是FAANG股票之一）的市值為800億美元（佔總市值的8%），而某隻規模較小的小眾股票市值為100億美元（佔總市值的1%）。這意味著每投資該指數基金的10萬美元中，前者所佔比例為8,000美元，後者為1,000美元。並且，對於該指數的投資每增加100美元，就有8美元投入前者，1美元投入後者。由此可見，因投入更多資金而買入兩隻股票的行為不應改變兩隻股票的相對定價，因為其新買入比例與它們各自市值的比例始終保持一致。

其次，我們需要分析指數成份股與非成份股的相對關係。很明顯，隨著被動投資增加，更多資本將流入指數成份股而不是其他股票，並且資金可能從非指數成份股流出並流入成份股。這會明顯導致指數成份股相對於非指數成份股升值，而這種升值與基本面並無關聯。

最後，涉及“聰明貝塔” 基金的股票。一些股票歸屬於多個非指數被動投資基金，這些基金所吸引的資金越多，保持其他因素不變，其所持股票的相對價格會較其他股票會相對升值。如亞馬遜公司股票被各類的聰明貝塔基金廣泛持有，相對於沒有被這類基金持有的股票而言，亞馬遜股票更具備更大的升值機會。

總之，將某隻股票加入到指數或者聰明貝塔基金，是人為提高該股票普及程度的一種方式，而正是這支股票的相對普及程度決定了該股票短期內的相對價格。

近期表現優秀的股票往往因其市值膨脹而佔據ETF的較大倉位。其所屬ETF, 需進一步買入這類股票，從而進一步推高其股價。因此，在當前的市場上升週期，被動投資工具被迫買入比重偏高、流動性強的大型股，這不僅推高了這些股的股價，還不能因為這些股價被高估而拒絕買入這些股票。

這種如同永動機一樣的行為不可能永遠奏效， 很可能會正如 2000 年大熱的科技股一樣最終出現泡沫。一旦資金流出股市和 ETF，當初被過量買入的證券將不得不被過度賣出。在危機爆發並出現資金流出時，指數基金和ETF 將無法需找到買家願意買入那些比重偏高、價格高昂的證券。可見，由被動投資推高的股價最終只會是週期性的輪轉，而不是永久的可持續上漲。

ETF的飛速發展和其受歡迎程度與大約九年前開始的市場反彈相吻合。 因此，我們沒有機會了解ETF在市場下行時表現如何。如果將受到市場追捧的股票（其股價可能已被需求面推高）納入ETF並以偏高比重持續持有，是否會導致在市場下跌時期這類股票承受高於平均水平的拋售壓力？是否會導致股價跌幅更深，進一步致使投資者日漸拋棄這類股票以及持有這類股票的ETF的惡性循環？ 究竟結果如何我們目前無從知曉，但不難想象， ETF在市況理想時因大受歡迎而飛速增長，同樣也會在市況糟糕時表現更差。

第四個問題： “可否改善指數投資的流程，不只是單純按照個別股票在市值中所佔的比例買入股票呢？”

簡而言之，在收益不變的情況下，一家公司的市盈率越高，那麼它的市值越大。也就是說，受歡迎程度會更高。因此，在其他條件相同的情況下，指數中權重較大的股票往往價格更高。那麼，對於投入指數的投資者，你願意把更多的資金投入更貴的股票還是更便宜的股票？我寧願選擇後者。因此，根據評析企業收益而不是市值規模來投資指數股票是更為明智的選擇。

第五個問題：“ETF 及其受歡迎度是否存在本質問題？” ETF只是購買股票和債券的另一種投資工具，並無絕對的好壞優劣之分。但是我擔心的是 ETF 所帶來的影響，而這與的投資者對市場的預期緊密相關。

回想ETF起初獲得投資者青睞的原因：能夠在市場開放時隨時買賣。我敢打賭，許多人投資 ETF 的出發點很簡單，即為尋求“更高的流動性”，但這裡存在以下幾個問題。

首先，正如我在2015年3月發表的備忘錄《流動性》中所述，有市場可以合法出售某資產，與該資產始終能以公允價或接近上次售出時的最終交易價售出，是截然不同的兩碼事。如果出現負面消息或者投資者情緒低迷導致市場下跌，ETF的持有者可以售出份額，但這個價格未必是理想的出售價。交易價格可能較底層資產價值大打折扣，或者可能遠低於市場穩定時的交易價格。

如果退出共同基金，退出的價格等於相關股票或債券當天收市後的資產淨值。但是，當你賣出ETF時（正如在交易所賣出證券），成交價格只會是買家願意為它支付的價格。而一旦市場出現波動，我懷疑這個價格可能會低於底層證券的資產淨值。ETF機制的設計者表示，該機制應該會防止基金的價格嚴重偏離底層資產淨值。但是，只有在市場大面積下跌的情況下，我們才能驗證該機制的有效性，才能確定這種機制到底是“應該會”還是“可以”生效。

有些人可能已經投資了 ETF，並錯誤地認為它們本質上比底層資產更具流動性。例如，高收益債券ETF一直備受投資者青睞，可能是因為購買ETF比配置個別債券的投資組合更為容易。但若出現金融市場危機，高收益債券ETF的流動性高於底層債券（流動性近乎於零）的可能性有多大？ 而投資者往往錯誤假設ETF可以提供比底層資產更高的流動性。

今年3月，我留意到彭博社有關BTS資產管理公司首席執行官Matt Pasts管理的9億美元BTS戰略固定收益基金的報道，該基金在2月9日時完全變現了所持有的垃圾債券：

BTS 並沒有聘請任何信用分析師來研究債券的基本面。Pasts本人通過把握市場時機，觀察趨勢和動量指標，例如跟蹤垃圾債券市場ETF價格的平均動態水平，來判斷整個高收益資產類別的價值升跌走勢。除垃圾債券外，BTS僅投資於國債或持有現金。

對於BTS而言，入市和退市的交易很簡單。因為不同於大多數基金，BTS不直接持有債券，而是幾乎完全通過ETF進行投資。1月末，在 BTS 賣出大部分資產之前，其 95%的資產投資於兩個最大的垃圾債券 ETF。

對於基金經理能否通過預測市場短期走勢來創造價值在這裡先不作討論（儘管我本人對此保持高度懷疑），我認為，終有一日，這位投資者想要完成在高收益債券市場上無法執行的交易時，會發現這樣的交易也無法通過ETF完成。

* * *

被動投資和指數投資之所以興起，是因為投資者認為股市總多有動盪，而主動投資者總會為證券設定“適當”的價格。這將促使被動投資者踴躍入市，需進行自己份內的分析工作，僅憑構建模擬指數的投資組合就可以搭上主動投資成果和價值發掘的“順風車” 。

但此舉忽視了著名貨幣投機大鱷喬治·索羅斯提出的“反射理論”：市場參與者的行為會改變市場。市場中的任何東西都不會一成不變，而是在不斷變化的。市場是由市場參與者和他們做出的決策共同組成的，而市場人士的行為也塑造著市場本身。當人們對某些股票的投資比其它股票較多時，這些股票的價格會相對上漲。當每個人都決定不執行證券分析、價格發現和資本配置等職能時，市場價格的合理性可能由於被動投資而失效。這與投資者在繁榮或蕭條中想當然地做投資決策，沒有本質區別。具有諷刺意味的是，被動投資的智慧取決於一些人的主動投資。當投資者徹底不再進行主動投資和其所有相關分析工作時，被動投資將變得輕率，而這會導致主動投資重現獲得高回報的機會。 這即為我本人的一些看法。

量化投資

我的下一個話題涉及量化、算法和系統投資。由於我對這些主題也正在學習當中， 令我在寫作時略感忐忑。在這篇備忘錄中，我將使用量化投資這個名詞。據我所知，量化投資包括制定一系列規則（往往需要電腦輔助）並讓電腦將這些規則付諸實施。

量化投資至少有兩種主要形式。 第一種被稱為“系統性因素投資” ， 其流程如下：

• 投資管理人對歷史上的一段時期進行研究，發掘與優異回報相關的某些因素。這些因素往往具備一些特徵，例如價格、質量、規模和動量。或許在過往某一特定時期，表現最出色的股票具有價值高、優質、市值大和近期正在升值及“動量”等特徵。因此，投資管理人認為，其管理的投資組合應該包含在具備此類特徵並排名較高的股票。

• 投資管理人通過讓計算機搜索擁有最多這些特徵的證券來進行投資。例如，計算機可能會根據各種衡量指標來搜索價值，包括市盈率、企業價值/EBITDA 比率、市淨率和價格對自由現金流的比率、以及特定行業指標，例如石油企業的油價對石油儲備比率。

• 然後，投資管理人指令計算機按照多大比例對搜索條件進行加權，計算機則開始系統地選出擁有最佳因素組合的證券來配置投資組合。

• 最後，投資經理指示計算機評估附屬性風險。優化投資組合之後，甚至會限制納入最具吸引力的證券組成部分，以限制個股或個別行業，並降低股票之間可能存在的相關性所帶來的風險。這樣的投資組合根據有關規則公式化地組建起來，通常沒有人為干預。

根據這樣的算法，該流程的最終產物是一個預期將帶來最高回報且風險最小的投資組合。但前提假設是，過去導致優異回報的因素在未來也繼續生效，而且資產的波動性和相關性也和過去一樣。

量化投資的另一種主要形式是“統計套利”。舉一個統計套利的例子，我們假設一個投資者想購買100,000股XYZ公司的股票，該股票的市場價格為20.00美元或20.01美元，這“1美分的價差”在於，有人正以20.00美元認購5000股，而有人正以20.01美元發出售8000 股。券商以20.01美元認購以20.01美元出售的8,000 股股票。接下來市場中有人以20.02美元的價格出售6,000股股票，該券商又全部認購。然後市場中又出現以20.03 美元的價格出售的5,000股，該券商仍全部認購。最後，這種認購導致該股票的價格升至20.03或20.04美元。

進行量化分析的計算機只會注意到市場的漲以及投資者以越來越高的價格買入這支股票。

• 如果其他股票沒有類似的走勢，計算機就會得出結論，即該股價上漲屬於僅和該股票相關的特殊事件，而不屬於系統性上漲，即不代表整個市場呈上揚走勢。

• 如果該股票的價格出現這樣特殊的上漲走勢，且並沒有企業層面的新聞能對此漲勢作出解釋，那麼計算機就會認為，該價格變動是由投資者認購導致，而與企業基本面無關。

• 計算機認為券商為盡力填補投資者的買賣指示，而導致了市場的短期錯位和價格變動。

• 計算機還根據迄今為止的操盤情況、當前市況以及交易狀況， 判斷股價是否
• 會持續被券商的這種認購行為推高。

• 因此，計算機決定量化投資者應向抬高股價的買方“做空”股票。即在賣出量化投資者並無持有的股票，前提是股票下跌，可以令其在買方停止購入時再次買入該股票。因此，今天以20.03美元或20.04美元的價格出售的股票，在短短几天之內可能以20.00美元或20.01美元的價格被回購。

• 所以量化投資者憑空創造了流動性，並願意隔夜持倉。量化投資者繼而因做空股票獲得了短期收益。

可以說，在大多數情況下，進行統計套利分析的計算機能發現一隻股票與其他股票或整個市場的價格水平之間的不平衡，並假設這種不平衡關係會最終恢復正常。通過做空而獲得的收益是有限的，上述做空例子可能只獲得0.1%的利潤。正如文藝復興科技公司在2014年向美國參議院小組委員會提交的一份聲明中，對其核心基金髮表的言論：“大獎章基金運用由公司自身開發的模型作出預測，並獲得有限回報。” 但是如果頻繁交易並且使用足夠槓桿，統計套利可以產生豐厚回報。

就像長期資本管理公司在20世紀90年代後期的做法：尋找統計差異並從中套利。當時其中一位高管描述長期資本管理公司進行的投資就像在世界各地“撿零錢”。在1998年，長期資本管理公司激進使用鉅額槓桿的投資組合遭遇了很長一段艱難時期，在這段時期內，這種統計差異的不平衡關係進一步分化，而並沒有迴歸正常。 浮虧導致放貸人要求長期資本管理公司追加資本，但該公司當時對此無能為力， 導致基金最終崩盤，並連累其他表現領先的證券投資人接盤。這說明，長期資本管理公司的經歷好比是在“壓路機”前“撿零錢”，最終卻被“壓路機”碾壓而無法翻身。

我們從長期資本管理公司的經歷中吸取到慘痛教訓：第一、統計套利的機會規模始終有限；第二、用於套利投資的資本規模需要被嚴格控制；第三、所採用的槓桿必須合理，以便投資者在傳統金融邏輯失效時期避免崩盤；第四、對市場整體方向性風險進行恰當的對沖十分重要。

* * *

量化投資者通過計算機程序，模擬過往盈利投資行為並設計未來獲利的投資行為。換句話說，他們為自己的計算機設置了既定的規則或公式。但關鍵問題在於，在一個競爭激烈且相互關聯的動態投資領域中，公式化投資是否可以獲得收益。另外投資環境發生變化，是否會抵消公式投資的有效性？

Rosalie J. Wolf為橡樹部分客戶出任首席投資總監並擔任董事會顧問。就在前幾天，我收到她的電子郵件，她提到自己最喜歡使用的引言來自我於2006年9月發表的備忘錄《敢於成就偉大》。諷刺的是，這段引言與上面提出的問題直接相關：

我們如何取得卓越的投資表現？答案很簡單：我不僅沒有發現任何會帶來高於平均投資表現的萬能公式，而且我確信也不存在這樣的公式。我最喜歡的靈感來源之一、已故的美國經濟學家約翰·加爾佈雷斯說過類似的話：

世界上沒有什麼可靠的賺錢之道。如果有，大家恐怕都爭先恐後地研究學習， 任何有正常智商的人都能變得十分富有。

顯然， 通往成功投資的路線圖是不存在的。首先，那些跟隨路線圖的人的集體行為將改變整個佈局，使地圖無效。其次，儘管跟隨路線圖的每個人都會得到相同的結果，但人們仍然渴望獲得前 25%的最佳回報，而這必須通過其他方式獲得。

現在，我想詳細討論一下，使用一個萬能公式是否能帶來高於平均的回報水平，對此我本人深表懷疑。

首先，儘管我認為某些投資方式不可取，但的確有人用這些方式獲得了成功。在這裡，我指的投資方式包括主動交易、宏觀投資和量化投資。至於量化投資，文藝復興科技公司和Two Sigma公司是這方面的專家，回報出色且享有良好聲譽。我母親曾經說過：“例外情況往往證明了規則的存在。”她的意思是說，只有少數人可以做到的事情恰恰證明了大多數人無法做到。雖然我的懷疑並不一定總是正確的，但多數是合理的。顯然，認為大多數人能利用公式來獲得出色回報是嚴重缺乏充分理論依據的。

其次，“僅僅”一個公式。一切舊有公式都無法解開投資成功的奧秘。確實，也有例外存在。倘若運用過人的才智和獨特的見解來構思公式，可以取得優異的投資回報， 恐怕也時效有限。

毋庸置疑，一個公式的應用和普及程度最終將抵消其有效性。舉一個極度簡化的例子，假如市場研究表明，小盤股在特定時期跑贏市場，投資人會重倉該類股票。

a) 由於“跑贏市場”、“溢價”和“出色表現”通常只是股價“變得相對昂貴”的對立面， 我對於任何一類股票能在沒有被充分估價或過高估價的情況下長期跑贏大市深表懷疑。往往， 這類股票隨時可能表現欠佳或跌入低谷。

b) 同樣，最終其他人也會發現相同的小盤股效應並加倉。 在這種情況下，小盤股投資將變得普遍並昂貴， 以致逐漸失去優勢。

我想重申一遍，喬治·索羅斯的“反射理論”提出市場參與者的行為改變了市場本身。因此，任何公式都不會成為永遠的贏家。對我而言，這意味著通過定量投資實現卓越回報需要不斷更正公式的能力。

高盛的證券系統解決方案負責人 Raj Mahajan 是我在量化投資方面的主要導師，他曾說過，“如今，最佳的投資模式將會隨著市況變動、及各種因素的動態發展而變動，需要隨時考慮價值變得更低或更高的動態。投資規則越來越錯綜複雜，量化投資者不但需要能夠不斷學習並深入掌握市況，還要明白哪些規則附帶特定的前提條件，而哪些是基於實際情況。 ” 不斷的更新換代，而不只用單獨一種公式， 似乎是量化投資者取得長期成功的最低要求。

* * *

在我看來，雖然量化投資與聰明貝塔ETF投資這兩派並不願意被互相比較，但它們的確有一些共同之處：

• 兩者都以規則為基礎，依照投資管理人想要的屬性進行投資。

• 在這兩種投資中，一旦制定了規則， 極大程度上不需要人為操作， 僅通過計算機執行交易。

同時，兩者也存在明顯差異：

• 量化投資涉及的交易更多。由於指數基金和ETF是完全被動的，基金並不關注公司基本面分析或證券價格是否具有吸引力，而大多數情況下只是買入並長期持有。相反，量化投資者的計算機會不斷根據算法或規則重新檢查他們的投資組合，並進行進一步交易。

• 量化過程更注重數量上的分析。正如 Horizon Kinetics 的聯合創始人Steven
• Bregman所說，聰明貝塔交易ETF是“語義式投資”，即通過主觀劃分標籤進行投資，而不同組別標籤之間並無量化標準。相反，量化投資者是根據證券基本面和價格的量化評估進行投資。

在結束量化投資這個話題之前，我想討論一些與時間有關的問題（以下一些觀點由我的兒子安德魯提出） 。

• 大多數量化投資都善用標準模式（跑贏大市的相關因素）和正常邏輯關係（某股票的價格與另一股票或市場價值的比率） 來構建投資組合。

• 量化投資者根據這些因素的歷史數據進行投資。但是當未來的模式和關係與過去不同， 又將如何應對？

• 大多數量化投資者只在利率下降、通貨膨脹率和波動性處於低位，以及相關趨勢穩定的時期進行投資。但如果利率、通貨膨脹率和波動性上升或發生更大變化，量化投資者是否能靈活地作出調整？而如果這些因素真的發生了很大變化，量化投資者會採用哪些歷史數據來制定投資規則呢？

• 同樣地，有關量化投資者對市場造成一定影響時期的投資記錄有限，這一點十分重要。換句話說，進行更多量化投資是否會影響量化投資的有效性，從而改變通往成功的路線圖？

這些都需要時間的驗證，但至少目前來看，大多數量化投資者取得的成就仍需經受時間的考驗。

由於這個領域已經遠遠超出了我的專業領域，我將再次引用維基百科就下列主題展開討論：

人工智能是機器展示出來的智能，與人類和其他動物所顯示的自然智能截然不同。在計算機科學中，人工智能研究被定義為對“智能代理”的研究： 這種設備可以感知任何環境並採取相應行動，從而儘量增加其成功實現目標的機會。通俗地講，人工智能是指，一臺機器模仿人類聯繫其他人思維的“認知”功能，例如“學習”和“解決問題” 的能力。

在 2017 年，通常被歸類為人工智能的能力包括成功理解人類語言、在國際象棋和圍棋等戰略性遊戲中進行最高級競賽、 自動駕駛汽車、 網絡內容中的智能路由和模擬軍事。

人工智能研究的傳統主題或目標包括推理、 知識展示、 計劃、 學習、 自然語言處理、 感知以及移動和操縱物件的能力。

換言之，人工智能代表著機器思考的能力。量化投資包括向電腦發出指示而進行投資。但是，具有人工智能的計算機可以自己弄清楚下一步應該做什麼。

美國大數據專家 Bernard Marr 於2016年12月6日刊發的《福布斯雜誌》中對人工智能與機器學習進行了區分：

簡而言之，最佳答案是：人工智能是一個更廣泛的概念，指機器能夠以人類認為是“聰明”的方式執行任務。

而機器學習是目前對人工智能的一種應用，其基礎理念是人類只給機器提供數據並讓機器自行學習。

目前機器學習的發展有兩項重大突破，推動人工智能快速發展。

其中一項突破是領悟力， 由“機器學習之父” Arthur Samuel 於 1959 年提出： 與其告訴計算機它們需要了解的所有事情和如何執行任務的相關知識， 不如教會計算機自己學習。

另一項突破是近代互聯網的出現，促使海量數字化信息被生成、存儲並應用於各種分析。

這些創新的出現令工程師意識到，與其教會計算機和機器如何去做所有事情， 還不如通過編程讓它們像人類一樣思考，然後將它們與互聯網連接，從而訪問所有可獲得的信息。

所以，正如我們看到的情況，人工智能可賦予機器學習能力，使計算機能篩選大量數據並找出成功的路線。這些機器不像量化投資那樣需要輸入規則，他們可自己弄清楚規則。

（優秀的國際象棋選手能通過反覆研究過去的國際象棋比賽，觀看棋手的走法，並記住各棋局中最成功的走法以及對這一走法的最佳回應，從而成為象棋大師，但人類可以學習的棋局數目和可以記住的棋子移動次數明顯是有限的。這就是痛點所在：一個學習能力足夠強大的計算機可以審視每一盤棋，評估每一個動作的後果，並決定如何部署制勝的走法。因此，在最近的國際象棋大賽中，電腦擊敗了象棋大師，大眾也不足為奇。）

機器學習目前仍在起步階段。但有朝一日，人工智能及機器學習將促使計算機成為市場的全面參與者，具有與人類投資者一樣或更好的判斷力及見解，實時分析大量數據並作出回應。然而，我認為這在短期內並不會發生；索羅斯的“反射理論”提醒著我們，所有這些計算機均可能對市場造成影響，令其本身難以取得成功。

對投資的影響

實際上，促使我思考並撰寫這份備忘錄的原因是：以上這一切，在未來會對投資界帶來什麼影響。

我認為，指數和被動投資的現狀很清晰：

• 大多數人不能也不會打敗市場，特別是在效率高的資本市場。一般而言，在扣除成本之前，所有投資組合的回報都處於平均值。

• 主動管理引入以下考慮因素，包括：管理費用、與交易相關的佣金和市場影響、投資者在錯誤時機買入或退出的人為錯誤。這些因素都對淨回報產生負面影響。

• 若想抵消上述負面影響，主動管理只能力爭產生阿爾法回報或通過卓越的管理人技能創造高額回報。然而，擁有這方面能力的人相對較少。
• 因此，眾多主動投資管理人未能跑贏市場，並無法證明他們所收取費用的合理性。這不僅僅是我的結論，也是事實：過去幾年資金不斷從主動型基金流向被動型基金。

• 無論如何，數十年來，主動投資管理人一直在收取費用，而這種費用對最終回報產生影響。因此，主動投資管理行業的盈利能力一直無法與為客戶資產增值明確掛鉤。

值得注意的是，投資者更傾向於被動投資的趨勢，並不是因為其回報豐厚，而是因為主動管理的回報欠佳，或至少其回報難以與收費相符。

如今人們已清楚地認識到這一點。所以說，除非上述情況發生改變，否則投資者將繼續轉向被動投資。那麼，什麼情況才能阻止這一趨勢呢？

• 更多主動投資管理人帶來阿爾法回報 —— 但這可能性不大。
• 市場可能變得更容易被超越 —— 這倒可能偶爾發生。
• 主動投資的管理費用可能被降低，相比被動投資的費用更具有競爭力 —— 但在這種情況下， 又如何支撐主動管理的基本人員和設施呢？

除非上述推理存在缺陷，否則被動投資的趨勢可能會持續下去。

當然，也有表現跑贏大市的主動投資者，他們不代表大多數，甚至連一半都不到。 的確有一小部分主動投資者憑實力所賺取的利潤足以抵消應得費用，而他們應會繼續受到市場的熱捧。

* * *

接下來，我想進一步討論量化投資，並展望這一策略的未來。量化投資的優勢是它有效糾正了主動管理的許多缺點：

• 它可以做很多人類做的事情， 並避免人為錯誤；
• 它可以處理無限多的數據；
• 它可以不受情感的限制，因此避免衝動入市或進行恐慌性拋售；
• 它永遠不會忘記對投資組合進行再平衡調整：出售昂貴的證券併購入廉價證券。

量化投資充分利用了計算機處理大量數據的能力，並且避免了人為錯誤。簡而言之，

不過，量化投資也是有限制的。我認為量化投資其實是一種搭順風車的策略：它通過利用其他因素造成的不平衡獲利。“撿小便宜”的投資規模始終受限於市場不平衡性的程度，所以只有有限的資本才可以通過這種方式獲得巨大利潤。文藝復興科技公司是當今最出色的量化投資公司之一，目前已經歸還其旗艦基金大獎章基金的所有外部資本，而這當中必有原因。如果一種投資方式可以無限擴張，那按理來說，限制資本管理規模是不符合經濟效應的。當然，所有“阿爾法回報策略” 都通過利用他人的失誤來獲利；因此，它們的投資機會也受限於相關失誤的範圍。若想了解更多，可以參見我於 2012 年 6 月 20 日發表的《天大的錯誤》 備忘錄。

還有更加宏觀的問題： 量化投資能否作出優異的定性決策？ 它能夠進行長期投資嗎？

這讓我想起我最喜歡的一句名言， 它來自社會學家 William Bruce Cameron（其實包括我自己在內的很多人都曾認為這句名言出自愛因斯坦） ：

並非所有可以統計的東西都是重要的，而並非所有重要的東西都可以被統計。

計算機在處理並計算量化和客觀的事物方面是無可匹敵的， 但它們無法像投資人一樣對其他定性的、主觀的事物進行判斷，而這些事物至關重要。

• 它們能否和一名首席執行官面對面交談，判斷他是否下一個喬布斯？
• 它們是否可以聽懂一系列風險資本的企業藍圖，並知道哪一家會成為下一個亞馬遜？
• 它們是否可以在看了幾棟新建築之後，分辨哪一棟會吸引最多租戶？
• 它們能否預測破產重組的結果，意識到牽涉方的動機可能與經濟利益最大化無關？

此外，量化投資注重從短期錯位中獲利，而錯過很多可進一步發掘的投資機會。目前，正由於太多投資者只考慮短期結果，優秀的主動投資者獲得了做出長期增值決策的巨大空間。

最精明的投資者未必在算術、會計或財務方面更勝一籌，而他們的主要優勢在於， 能夠看到普通投資者所忽視的定性特點和長期有效的競爭優勢。如果計算機也錯過了這些關鍵因素，我認為最出色的幾位投資者們不可能在短期內退休。

機器學習能否使計算機研究整個金融歷史，弄清楚最成功投資案例的前因後果，並預測未來發展趨勢？我並不知道答案。不過，即使計算機能夠達到這一水平，也不夠與優秀的投資者抗衡。計算機、人工智能和大數據都可以協助投資者瞭解更多信息，以做出更佳的量化決策，但在計算機具備創造力、品味、洞察力和判斷力之前，我認為主動投資者總有用武之地，並能創造超額回報。

（我對於主動投資者飯碗問題的信心也並非無窮盡的。在2016年，斯坦福的一個研究小組開發了一個計算機程序，可以區分有懸念與無懸念的句子，準確率達81%。研究人員首先議定構成懸念的特徵，然後讓計算機程序進行識別，並逐漸延伸，學會辨別新出現的句子。）

重點在於，支持量化投資和人工智能大力發展的前提條件，是市場上存在大量關於企業基本面和資產價格的數據信息。的確，市場上已充斥著上市公司和公開發行證券的大量數據。但另一方面，橡樹和其他另類投資者大部分參與的投資是非公開的、不在公開市場上交易的、相對缺少完整記錄的領域，包括：困境債務、直接放貸、私募股權、房地產和創投策略。人工智能和機器學習最終也會滲透在這些投資領域，但這需要計算機足夠“聰明”而且還存在足夠多的數據使它們自行作出決定。在此之前， 恐怕我們還有很長的一段路要走。

最後，我認為這種情況與指數投資一樣：如果有一天智能機器真的能管理所有資金，是不是它們看到的一切都千篇一律，得出的結論都一模一樣，設計的投資組合都大同小異，從而所獲回報也旗鼓相當？那時候，什麼才是取得優異回報的途徑？答案是：擁有卓越洞察力的人類。至少這是我的願景。

2018 年 6 月 18 日

閱讀更多 投資禪院 的文章

關鍵字: 馬克斯 領航投資 投資