降低复杂度

“骚操作”与“平庸操作”

股民见面，免不了用自己的案例“相互切磋”一下，拿出来的案例无非几种：

短时间内快速上涨的；

“分”级准确逃顶抄底的；

在大跌前“分钟”级择时成功的；

连续换股成功的……

相反，很少有人以“这个月持有茅台，涨了5%”作为案例，后者难度系数看上去实在太低。

如果炒股是体操比赛打分制，这些“骚操作”自然都是10分，个个是股神，但细数真正的股神，总是有大量的“平庸操作”，让人无力吐槽。

有一次，我跟一位擅长围棋的朋友讨论这个现象，朋友推荐我一篇分析2016年“围棋人机大战”的文章，让我更深刻地领悟到在投资中“平庸操作”的意义。

“阿尔法狗”的“俗手”

话题回到当年“阿尔法狗”大战李世石，盘中，解说员们屡次用轻蔑的口吻评价“阿尔法狗”又是一手“俗手”，当然，结果我们也知道了，阿尔法狗4战3胜，而且每次都小胜即可。

俗手，是指无新意的围棋下法。俗手跟“错着”不同，后者是指计算错误导致重大损失，“俗手”是低水平的棋手常常下出的笨棋，最常见的是把可以争一争的棋型走“死”。

在大师级的较量中，几乎很少有俗手，所以才会引发解说员的嘲笑，但为什么程序常常下俗手呢？

作为一个无感情的程序，“阿尔法狗”每走一步都要预测对手下一步落子位置的概率，以及每一种可能造成的全盘胜负概率的变化。而在某些情况下，某一种下法的对方下一步棋的可能性非常多，其计算量过大时，“阿尔法狗”的俗手是策略的一部分，在满足最终胜率的前提下，牺牲某一步的落子质量，来降低棋型的计算复杂度。

假如我们把棋型的计算复杂度分为10个级别，1是最容易，10是最难，假定当时李世石一类的人类绝顶高手能计算的最高复杂度是5级，而“阿尔法狗”通过大量的机器学习，能力可达7级。

如果当前棋型的计算复杂度为9级，因为大大超过了人类对复杂度的理解，所以人类的理解仍然是5级，仍然想绞尽脑汁地去完成这个“不可能的任务”，就会在模糊的估计中不断犯错，而人类高手在复杂棋局中的比拼，就看谁犯的错误不那么致命。

但计算机有自己的办法，超过7级的复杂度，系统内部会预警：计算量太大，将要超时，必须降低复杂度。方法就是用“俗手”固定某一块地的棋型（人类的理解就是牺牲落子质量），强行把棋型的复杂度降低到7级，此时仍然高于人类的理解，但计算机已能从容应对。

道理有点类似于《天龙八部》中虚竹破“珍珑局”，自填一气后，“天地一宽，既不必顾念这大块白棋的死活，更不再有自己白棋处处掣肘，反而腾挪自如，不如以前这般进退维谷了”

被棋友们津津乐道的阿尔法狗自我对弈的第二盘，盘中放弃大龙，反败为胜，即是此策略的典型棋局。

这就是“阿尔法狗”四大策略之一的“快速走子（Fast rollout）”，在满足胜率的前提下，牺牲走棋质量，将决策速度提高1000倍。

下棋的结果就是三个，赢、平或输。阿尔法狗几乎每一局都是小胜，一开始大家觉得这是双方棋力差不多的表现，但时间长了，大家才琢磨过来，这才是实力悬殊的降维打击啊——只要满足胜率，什么棋都可以走。

但人类对于胜负的理解就太多了：狂胜、大胜、胜、小胜、平、惜败、败、大败、惨败……，还有转败为胜、大意失荆州，帽子戏法……

人类把胜败搞得这么复杂，恰恰是因为知道自己计算的精确性不那么强，试图积累更多的优势去稳操胜券，结果就有了相当的不确定性。不确定性让比赛充满悬念，观众是满意了，但对于选手却不是一件好事。

人类的下棋策略有其不得已之处，但一定程度上也是人类高估了自己的判断力，所以在同样有一定博弈成分的股票投资中，在面对过多不确定性因素时，以“俗手”降低某些不确定性，以节省资源和时间做更好把握的机会，这也是一种Fast rollout策略。

难以取舍的机会

比较一下下面两个机会，哪一个更值得争取：

A：三年连续收益10%，概率为80%的机会

B：一年收益20%，概率为80%的机会

前者的机会，经过复利和概率加权测算为，三年总的内在收益率为26.5%。

后者转化为三年进行分析，因为每一年都要以80%的概率重新寻找机会，实际上，三年总的内在收益率为37.2%。

看上去，还是后者的收益更高。但问题没那么简单，市场的机会是不均衡的，80%的概率是基于当前条件下的测算，包括市场位置、主题风格等。当你实现了第一个20%之后，找到下一个20%的机会时，其概率就未必是80%了，它是基于未来的条件测算的，而当下的条件演变为未来的条件，要经过相当复杂的预测，其计算难度会出现指数级增长。

而且，前者的假定研究已经结束，而后者还有两次研究，成本显然更高。

以人脑的计算能力，其实很难判断这两个机会，到底谁更值得争取。也许未来的量化投资基于某些因子组合的复杂策略可以计算，但现在显然不行。

所以，这两类机会可以进行一个持仓组合，一定比例的“三年连续收益10%”和“一年20%”的组合。

组合的比例，理论上说，你的股池规模越大，越可能在一年后继续能找到20%增长80%的概率的股票，所以散户的持仓理应更偏向前者，研究能力更强的机构理应更偏向后者。

但实际上，散户通常易被数字吸引，又习惯于高估自己的研究能力，喜欢更多比例地配置“一年20%”的品种；而很多基金规模太大，找不到足够的“一年20%”的品种，被迫超比例的持有“三年连续收益10%”。

在投资中，只要有弱点，就会有对手利用你的弱点赚钱。而基于人类无法克服的弱点的真正可怕的对手，是“阿尔法狗”的同类——量化投资。

量化资金赚了谁的钱？

从2015年开始，国内的量化基金开始发展，特别是在2018年的熊市，收益超过大部分主动型基金和指数基金。

我们平常都说，价值投资赚的是企业成长的钱，技术分析赚的是对手口袋里的钱，那么，量化到底是在赚谁的钱呢？

我刚入股市的1996年，用均线、KDJ、MACD一类的简单技术指标就能获得不错的收益，机会也比较多。

到了后来，必须要用多个技术指标相结合，机会出现的频率也大大降低，只有扩大股池才能实现收益，而且一个方法用一段时间就失灵了，还要寻找新的方法。

技术分析是一种基于行为的博弈，是一种对当前数据的基于概率的分析与判断，先天缺陷就是策略用得人多了就会失灵，复杂性需要不断加深，一旦深到人脑无法处理，必然会被量化投资打败。

技术分析天然适合量化投资，所以国内目前的量化策略，大部分都是以技术分析为主，那么它们赚的就是同为“技术派”的钱，所以这几年，你是不是感受身边的技术派高手越来越少了？

为什么国内现在基于基本面的量化策略并不多呢？正是因为价值分析有一些天然的“朴素主义”倾向，使其分析集中在目前无法被量化的“商业模式”“护城河”“管理能力”分析上，这是人类的优势领域。

而在交易上，价值投资又强调多看少动，有限的几个基本面指标的计算量并不大，导致量化策略能赚到价值投资者的钱不如技术派多。

所以价值分析者应该恪守“Less Is More”的原则，严格地将分析的复杂性控制在自己可以掌握的范围内，而不是轻易跑到对手的主场。

最典型的越界就是判断指数涨跌的“择时策略”。

在所有的技术分析中，对指数的判断最复杂，因为影响指数的因素相比影响个股的因素，是指数级的增长。经常用的人会发现，它常常跟“择股策略”相冲突，大大增加了系统的复杂性。

这就相当于放弃武器跟野兽肉搏。

两种不同的策略

最后总结一下：

一般投资者的策略是：设定好自己可以接受的风险，在这个前提下，追求风险收益比的最大化。

这个策略的看上去非常完美，可一旦遇到复杂到人脑无法计算的机会，我们就容易受高收益的诱惑而强行判断。

“阿尔法狗”的策略是：定下“至少赢一目”的小胜策略，在保持能让目前盘面维持在一个较高胜率的前提下，判断对手下一步棋位置的概率，如果计算资源仍然不够，就用“俗手”降低计算的复杂程度。

这个策略转换成投资策略是：先预设一个收益目标，比如15%，再搜索达到这个条件的各种资产组合，选择概率更高的执行交易。在价格发生变化时，通过对赔率的综合计算，不断调整标的的品种和比例，使一年的滚动收益率不断处于15%的水平。

这两种策略的最大区别在于，人类的最佳思维是在确定的风险收益比中，不断追求更高的收益率；程序的最理想状态（只是根据阿尔法狗的推想，并非现在的量化策略），是在确定的收益率下，不断追求更高的确定性。