從牛頓定律到大數投資：類比演繹大數投資最優性

今早跑步路上突然想到昨天和大家在大數投資聯盟中討論的，到底要不要優化大數投資、如何優化大數投資、能從什麼角度優化大數投資的話題，天馬行空地想到一些，寫出來和大家分享。

1

從牛頓定律到大數投資

筆者工科出身，腦洞大開，舉一個基礎物理學的例子類比演繹大數投資，希望對大家理解最優解提供拋磚引玉的思路。

首先對於物體的運動，最初的人類並未掌握其運行的規律，僅知道，碰它會動，風吹它也會動；重了不容易動，輕了容易動，等等。這好比投資領域最原始的階段，沒有股權，沒有股權交易場所，但是每個人心中都知道，經濟、產業都在按部就班地發展，生產帶來財富積累。

後來有了牛頓第一定律，對於運動有了最簡單的量化模型S=VT。告訴人們，運動是由速度在時間上的積累帶來的，除了知道結果，大家還能清楚地看到速度隨著時間的積累最終形成位移的過程。同樣地，投資領域有了交易指數，有了報價板，各種指數、ETF分門別類的記錄行業經濟發展的過程（假設市場有效、忽略短期交易波動的情況下），長期看指數反映著整體經濟的行進。

再後來有牛頓定律對運動的認知在S=VT的基礎上，探尋到了另一個對運動影響最大的因素：外力，外力產生的加速度。於是有了S=VT的同時，還有了V=at。如此，基本就成型了運動的絕大多數情況下普適的能描述的最簡化最適用的模型。同樣地，大數投資引入了估值的概念。在ETF的基礎上找到了一個最簡化最適用最普適的模型去優化投資過程，取得良好的有效的投資結論。但是不是就結束了呢？哲學上也一定能證明不是，實際上確實不是。

影響運動的指標還有很多：摩擦力、流體力學、分子運動、引力、電磁場、高速離心力、量子力學，等等。他們有效么？有或者沒有，影響或者不影響，或者時而影響時而不影響，但是他們相同的特點就是，其在大部分時候對運動的影響都是較小的，權重是較低的，掌握他們需要付出的學習研究投入又是巨大的，不是很適合普通人的學習的。絕大部分的運動，用s=vt和v=at已經足夠描述運動的95%了。大數投資也是一樣，財報，經營、管理、技術、趨勢、量價，等等，都會影響，只不過需要投入很多的精力研究。可以做，但是不值得普通人嘗試去尋找這5%。

2

其他研究的演繹可能

研究的過程無非是假設、論證、實驗證明、重複驗證這幾個階段，對大數投資也是如此。大數投資的狀態如下圖所示：

後續的深入研究我認為其實是有2種可能：

對於我們找到的額外內容，是否有效，有效性如何？正有效還是負數有效，一切都有可能。大數投資聯盟二中有做過量化研究的同學其實也嘗試過類似的結論，加入一個自己覺得絕對優化的因子在當前模型下，反而阿爾法和夏普比率、回撤變差。我自己也做過相關測試，在大數投資中融入趨勢正阿爾法因子、經營業績的正阿爾法因子等，結果並沒想像中直觀的一定取得更好的過去回測成績。過去都驗證不了，如何相信未來？

所以，研究是沒問題的，一定要回測。任何假設，一定要實驗證實，而且證實一次還不夠，一定要可以重複可以復現；回測一次也不夠，要跨周期，跨各種限制條件，打破過度擬合才能證明假設前提的有效性。如果這得能找到。我想上邊第2個圖就會變成如下圖的樣子。但是對於大多數人來說，金圈在手，何憂之有？探索沒錯，懶得探索守住也很不錯，畢竟你已經擁有了95%了。

3

學學問和做學問

學學問簡單，從1+1到微積分，循序漸進。然而做學問是一個系統工程，學問需知其全貌，後庖丁解牛，分門別類的設計一個循序漸進的流程來傳授知識。傳授的過程，又要通過最簡單最容易掌握的方法論去傳授前20%的知識去解決80%的對應問題。後80%的知識留給各個專業領域的人士去攻堅解決20%的高端問題。這裡真心感謝齊老師、感謝人大、感謝人大社文重師兄等眾位優秀的老師和編輯。能形成這麼優秀的教材和知識傳授於我們。

4

一種常見錯誤的學習軌跡

最後，再舉個錯誤的學習例子。有沒有可能脫離數學、代數、高數直接學習某個應用數學領域，可以，比如學計算機，學演算法，也許可以速成。能走下去走多遠呢？投資也是一樣的，專註系統，由全面到點，由粗到細的循序漸進。正常的思路是，先選資產配置類型、然後選投資組合策略、最後精選個股。然而散戶常常跨過1、2.直接進入精選個股的階段。如何提高確定性呢？

最後祝大家投資路上長虹，自由之路上相伴。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！