“人机大战”中，阿尔法哥（AlphaGo）一上场便直落三盘，在五番棋对决中战胜世界围棋冠军李世石，举世震惊。它不仅证明了人工智能在某些领域可以超越人类，也证明了人类创造力的神奇。

在科学界欢呼技术进步之时，投资界也异常兴奋。人工智能在投资界的应用体现为量化投资，AlphaGo的胜利让人感觉到量化投资的“小宇宙”又将要爆发了。

量化投资不是新概念，但即使对金融专业人士来说，也不一定完全了解。无论海内外，从事量化投资的人士，多数都具有理工科背景。他们也被称为“宽客”，能熟练计算各种期权的理论价格，能通过数学模型自动捕捉金融市场的各种定价“偏差”，却不一定关心经济运行的方向和企业的盈利前景。而这些恰恰是金融科班人士所关心的问题。

投资界一直存在人机之争，即主动投资与量化投资到底孰强孰弱。投资领域中机器战胜人的例子不少，其中最为人所津津乐道的要数西蒙斯的大奖章基金。据公开数据，从1989年到2009年，大奖章基金的复合年化收益率高达35%，远超同期巴菲特和索罗斯的收益率。它意味着，如果你在1988年投入1元给大奖章，那么到2009年将变成1.1万元左右。笔者在此无意参与该争论，只是希望分享一下关于量化投资与主动投资的一些粗浅认识。

量化投资与机器决策几乎是同义词。机器决策的最大特点就是超级理性。机器没有人类的恐惧、贪婪和侥幸心理，其决策不会受这些情绪和心理的影响，具有极高的独立性和逻辑一致性。在任何时候，对于相同的输入信息，机器做出的决策都是一致的，这一点人类极难做到。而理性决策正是投资的科学性所在，要想成为投资界的常胜将军，必须具有可持续的理性决策能力。

其次，计算机的信息处理能力强，响应速度快。机器可以同时运行几百个策略模型，实时监控全市场的各种证券交易信息，市场一旦出现满足条件的交易机会，机器瞬间就可发出交易指令，有效抓住交易机会。正所谓“双拳难敌四手”，计算机的这种信息处理能力和响应速度是人类无法匹敌的。

但是，机器决策也有局限性。最大的不足就是缺乏前瞻性，因为它的判定标准是基于历史信息得到的结论。机器决策的基础是历史会重复。基于历史校验的结论一旦失效，可能会引发巨大的损失。长期资本管理公司在经历1994-1997年间连续高收益之后，在1998年的金融危机中亏损到破产。原因就是他们的数学模型忽略了“肥尾效应”，在风险控制上未足够重视小概率事件。在“人机大战”第四回合中，李世石绝地反击战胜AlphaGo也证明了机器远非完美。

严格来说，历史并不会简单重复。无论历史校验的胜率有多高，都无法确定未来的胜率是多少。短期内，市场的有效性不高，这时基于历史信息有较大概率做出正确决策。中长期看，市场的有效性较高，历史信息都已经反映在价格上，要战胜市场必须靠前瞻性预判。这也是投资的艺术性所在。顶尖的投资管理人如巴菲特和索罗斯都具有超强的前瞻性。

另外，量化投资容易遭遇管理规模天花板。一般而言，量化投资基金到一定的规模后，随着规模的增加，其收益率会有一定程度的下降。举个简单的例子，比如市场存在一个价差套利机会，每交易100元就能稳赚1元，但市场容量只有100万。也就是说，当你发现这个机会且交易规模不超过100万时，你的收益率是1%。如果你交易500万，那么这个套利价差就很可能因为你大量交易而被抹平。对于500万基数来看，收益率肯定小于1%。为了做大规模，量化基金就需要开发更多量化策略去发现更多机会。但市场出现的交易机会不可能是无限的。即使大奖章基金犹如印钞机一样神奇，但其规模一直远远低于巴菲特和索罗斯管理的规模。而且，西蒙斯旗下其它量化基金的业绩也远不如大奖章基金。

不少人认为，量化投资与主动投资似乎是两个平行世界。但在笔者看来，二者本是同根生，都是以经济、金融的基本原理为基石，并且有相互结合、扬长避短的可能。量化投资本质上是将人的投资策略用计算机来实现。计算机有强大的信息处理能力，在信息广度上具有优势。主动投资则具有前瞻性，在信息深度上具有优势。良好的投资业绩同时受信息广度和信息深度影响，因此，量化投资与主动投资并无优劣之分。若二者合璧，在具有前瞻性预判的前提下，发挥机器超级理性的决策能力，兼纳信息深度和信息广度优势，那么投资者可能再也不用担心投资组合的业绩了。这琴瑟和鸣的画面，实在太美！当然，美好的目标总是需要付出一番艰苦卓绝的努力才能获得。笔者相信，在历经“九九八十一难”之后，投资界也许能够取得打破“神话”的真经。

七禾网真诚欢迎各界人士供稿杂谈类文章，邮箱616627409@qq.com