降低復(fù)雜度

“騷操作”與“平庸操作”

股民見面，免不了用自己的案例“相互切磋”一下，拿出來的案例無非幾種：

短時間內(nèi)快速上漲的；

“分”級準(zhǔn)確逃頂抄底的；

在大跌前“分鐘”級擇時成功的；

連續(xù)換股成功的……

相反，很少有人以“這個月持有茅臺，漲了5%”作為案例，后者難度系數(shù)看上去實在太低。

如果炒股是體操比賽打分制，這些“騷操作”自然都是10分，個個是股神，但細數(shù)真正的股神，總是有大量的“平庸操作”，讓人無力吐槽。

有一次，我跟一位擅長圍棋的朋友討論這個現(xiàn)象，朋友推薦我一篇分析2016年“圍棋人機大戰(zhàn)”的文章，讓我更深刻地領(lǐng)悟到在投資中“平庸操作”的意義。

“阿爾法狗”的“俗手”

話題回到當(dāng)年“阿爾法狗”大戰(zhàn)李世石，盤中，解說員們屢次用輕蔑的口吻評價“阿爾法狗”又是一手“俗手”，當(dāng)然，結(jié)果我們也知道了，阿爾法狗4戰(zhàn)3勝，而且每次都小勝即可。

俗手，是指無新意的圍棋下法。俗手跟“錯著”不同，后者是指計算錯誤導(dǎo)致重大損失，“俗手”是低水平的棋手常常下出的笨棋，最常見的是把可以爭一爭的棋型走“死”。

在大師級的較量中，幾乎很少有俗手，所以才會引發(fā)解說員的嘲笑，但為什么程序常常下俗手呢？

作為一個無感情的程序，“阿爾法狗”每走一步都要預(yù)測對手下一步落子位置的概率，以及每一種可能造成的全盤勝負概率的變化。而在某些情況下，某一種下法的對方下一步棋的可能性非常多，其計算量過大時，“阿爾法狗”的俗手是策略的一部分，在滿足最終勝率的前提下，犧牲某一步的落子質(zhì)量，來降低棋型的計算復(fù)雜度。

假如我們把棋型的計算復(fù)雜度分為10個級別，1是最容易，10是最難，假定當(dāng)時李世石一類的人類絕頂高手能計算的最高復(fù)雜度是5級，而“阿爾法狗”通過大量的機器學(xué)習(xí)，能力可達7級。

如果當(dāng)前棋型的計算復(fù)雜度為9級，因為大大超過了人類對復(fù)雜度的理解，所以人類的理解仍然是5級，仍然想絞盡腦汁地去完成這個“不可能的任務(wù)”，就會在模糊的估計中不斷犯錯，而人類高手在復(fù)雜棋局中的比拼，就看誰犯的錯誤不那么致命。

但計算機有自己的辦法，超過7級的復(fù)雜度，系統(tǒng)內(nèi)部會預(yù)警：計算量太大，將要超時，必須降低復(fù)雜度。方法就是用“俗手”固定某一塊地的棋型（人類的理解就是犧牲落子質(zhì)量），強行把棋型的復(fù)雜度降低到7級，此時仍然高于人類的理解，但計算機已能從容應(yīng)對。

道理有點類似于《天龍八部》中虛竹破“珍瓏局”，自填一氣后，“天地一寬，既不必顧念這大塊白棋的死活，更不再有自己白棋處處掣肘，反而騰挪自如，不如以前這般進退維谷了”

被棋友們津津樂道的阿爾法狗自我對弈的第二盤，盤中放棄大龍，反敗為勝，即是此策略的典型棋局。

這就是“阿爾法狗”四大策略之一的“快速走子（Fast rollout）”，在滿足勝率的前提下，犧牲走棋質(zhì)量，將決策速度提高1000倍。

下棋的結(jié)果就是三個，贏、平或輸。阿爾法狗幾乎每一局都是小勝，一開始大家覺得這是雙方棋力差不多的表現(xiàn)，但時間長了，大家才琢磨過來，這才是實力懸殊的降維打擊啊——只要滿足勝率，什么棋都可以走。

但人類對于勝負的理解就太多了：狂勝、大勝、勝、小勝、平、惜敗、敗、大敗、慘敗……，還有轉(zhuǎn)敗為勝、大意失荊州，帽子戲法……

人類把勝敗搞得這么復(fù)雜，恰恰是因為知道自己計算的精確性不那么強，試圖積累更多的優(yōu)勢去穩(wěn)操勝券，結(jié)果就有了相當(dāng)?shù)牟淮_定性。不確定性讓比賽充滿懸念，觀眾是滿意了，但對于選手卻不是一件好事。

人類的下棋策略有其不得已之處，但一定程度上也是人類高估了自己的判斷力，所以在同樣有一定博弈成分的股票投資中，在面對過多不確定性因素時，以“俗手”降低某些不確定性，以節(jié)省資源和時間做更好把握的機會，這也是一種Fast rollout策略。

難以取舍的機會

比較一下下面兩個機會，哪一個更值得爭?。?/p>

A：三年連續(xù)收益10%，概率為80%的機會

B：一年收益20%，概率為80%的機會

前者的機會，經(jīng)過復(fù)利和概率加權(quán)測算為，三年總的內(nèi)在收益率為26.5%。

后者轉(zhuǎn)化為三年進行分析，因為每一年都要以80%的概率重新尋找機會，實際上，三年總的內(nèi)在收益率為37.2%。

看上去，還是后者的收益更高。但問題沒那么簡單，市場的機會是不均衡的，80%的概率是基于當(dāng)前條件下的測算，包括市場位置、主題風(fēng)格等。當(dāng)你實現(xiàn)了第一個20%之后，找到下一個20%的機會時，其概率就未必是80%了，它是基于未來的條件測算的，而當(dāng)下的條件演變?yōu)槲磥淼臈l件，要經(jīng)過相當(dāng)復(fù)雜的預(yù)測，其計算難度會出現(xiàn)指數(shù)級增長。

而且，前者的假定研究已經(jīng)結(jié)束，而后者還有兩次研究，成本顯然更高。

以人腦的計算能力，其實很難判斷這兩個機會，到底誰更值得爭取。也許未來的量化投資基于某些因子組合的復(fù)雜策略可以計算，但現(xiàn)在顯然不行。

所以，這兩類機會可以進行一個持倉組合，一定比例的“三年連續(xù)收益10%”和“一年20%”的組合。

組合的比例，理論上說，你的股池規(guī)模越大，越可能在一年后繼續(xù)能找到20%增長80%的概率的股票，所以散戶的持倉理應(yīng)更偏向前者，研究能力更強的機構(gòu)理應(yīng)更偏向后者。

但實際上，散戶通常易被數(shù)字吸引，又習(xí)慣于高估自己的研究能力，喜歡更多比例地配置“一年20%”的品種；而很多基金規(guī)模太大，找不到足夠的“一年20%”的品種，被迫超比例的持有“三年連續(xù)收益10%”。

在投資中，只要有弱點，就會有對手利用你的弱點賺錢。而基于人類無法克服的弱點的真正可怕的對手，是“阿爾法狗”的同類——量化投資。

量化資金賺了誰的錢？

從2015年開始，國內(nèi)的量化基金開始發(fā)展，特別是在2018年的熊市，收益超過大部分主動型基金和指數(shù)基金。

我們平常都說，價值投資賺的是企業(yè)成長的錢，技術(shù)分析賺的是對手口袋里的錢，那么，量化到底是在賺誰的錢呢？

我剛?cè)牍墒械?996年，用均線、KDJ、MACD一類的簡單技術(shù)指標(biāo)就能獲得不錯的收益，機會也比較多。

到了后來，必須要用多個技術(shù)指標(biāo)相結(jié)合，機會出現(xiàn)的頻率也大大降低，只有擴大股池才能實現(xiàn)收益，而且一個方法用一段時間就失靈了，還要尋找新的方法。

技術(shù)分析是一種基于行為的博弈，是一種對當(dāng)前數(shù)據(jù)的基于概率的分析與判斷，先天缺陷就是策略用得人多了就會失靈，復(fù)雜性需要不斷加深，一旦深到人腦無法處理，必然會被量化投資打敗。

技術(shù)分析天然適合量化投資，所以國內(nèi)目前的量化策略，大部分都是以技術(shù)分析為主，那么它們賺的就是同為“技術(shù)派”的錢，所以這幾年，你是不是感受身邊的技術(shù)派高手越來越少了？

為什么國內(nèi)現(xiàn)在基于基本面的量化策略并不多呢？正是因為價值分析有一些天然的“樸素主義”傾向，使其分析集中在目前無法被量化的“商業(yè)模式”“護城河”“管理能力”分析上，這是人類的優(yōu)勢領(lǐng)域。

而在交易上，價值投資又強調(diào)多看少動，有限的幾個基本面指標(biāo)的計算量并不大，導(dǎo)致量化策略能賺到價值投資者的錢不如技術(shù)派多。

所以價值分析者應(yīng)該恪守“Less Is More”的原則，嚴(yán)格地將分析的復(fù)雜性控制在自己可以掌握的范圍內(nèi)，而不是輕易跑到對手的主場。

最典型的越界就是判斷指數(shù)漲跌的“擇時策略”。

在所有的技術(shù)分析中，對指數(shù)的判斷最復(fù)雜，因為影響指數(shù)的因素相比影響個股的因素，是指數(shù)級的增長。經(jīng)常用的人會發(fā)現(xiàn)，它常常跟“擇股策略”相沖突，大大增加了系統(tǒng)的復(fù)雜性。

這就相當(dāng)于放棄武器跟野獸肉搏。

兩種不同的策略

最后總結(jié)一下：

一般投資者的策略是：設(shè)定好自己可以接受的風(fēng)險，在這個前提下，追求風(fēng)險收益比的最大化。

這個策略的看上去非常完美，可一旦遇到復(fù)雜到人腦無法計算的機會，我們就容易受高收益的誘惑而強行判斷。

“阿爾法狗”的策略是：定下“至少贏一目”的小勝策略，在保持能讓目前盤面維持在一個較高勝率的前提下，判斷對手下一步棋位置的概率，如果計算資源仍然不夠，就用“俗手”降低計算的復(fù)雜程度。

這個策略轉(zhuǎn)換成投資策略是：先預(yù)設(shè)一個收益目標(biāo)，比如15%，再搜索達到這個條件的各種資產(chǎn)組合，選擇概率更高的執(zhí)行交易。在價格發(fā)生變化時，通過對賠率的綜合計算，不斷調(diào)整標(biāo)的的品種和比例，使一年的滾動收益率不斷處于15%的水平。

這兩種策略的最大區(qū)別在于，人類的最佳思維是在確定的風(fēng)險收益比中，不斷追求更高的收益率；程序的最理想狀態(tài)（只是根據(jù)阿爾法狗的推想，并非現(xiàn)在的量化策略），是在確定的收益率下，不斷追求更高的確定性。