掌握了經典金融理論就可以直接進行投資了嗎？沒那麼簡單！

01-30

自2014年底成立以來，作為國內第一家智能投顧公司，理財魔方的發展頗受關注，我們也非常願意作為行業先行者去探索投顧的中國化之路。

我們從開業第一天就堅信，以信託、理財、p2p等支撐的固定收益理財市場，風險大，收益率不可持續，一定會面臨快速地崩塌式下滑；居民財富70%以上放在房子上的這種格局也一定到了變革之時。

所以，我們必須為即將進入浮動收益理財市場、但卻面臨「選品種、擇時機、控風險」之惑的投資者打造好一個足夠安全和穩定的「方舟」。

現在，市場如我們預期甚至超我們預期發展，投資者開始湧入這個市場，作為行業開創者，我們非常欣喜能看到這個局面。

但行業中對智能投顧的一些認知有不清楚的地方，部分觀點存在著比較嚴重的邏輯和概念錯誤，會嚴重誤導投資者。所以，我想再一次向我們的投資者闡述和解釋我們的理念和方法。

一、理財與投資的差異

我們總說理財魔方做的是理財，不是投資。這二者的差異是什麼？簡單地說，投資只考慮市場不需要考慮人，而理財必須考慮人。

投資獲利，天然地必須承擔風險。你掙的錢，是用你承擔的風險換來的。市場上對你承擔的每一單位風險有一個平均回報，打個比方，一單位風險的回報是10。如果做投資，只要所投資的東西能給出的回報超過10，都可以大量買入，一直到這個回報降低到10以下為止。這個過程中承擔的風險可能超過了一單位兩單位，到了10單位甚至20單位，但是沒關係，投資不需要考慮這個單位的大小。現實中就是我們能看到的，股票基金平均年化收益率大約在20%左右，不低，但是它的風險也不低，最多時候本金甚至虧去60%。

這帶來的後果是什麼呢？大部分投資者根本就等不到掙那20%的時候而在那60%虧損的時候離開了市場。我們的投資者往往是經過牛市也不掙錢，原因就在於此。那個收益率對投資者來說只是鏡花水月，看得到，卻拿不到。

而理財就必須得考慮到那個單位的大小問題。比如A投資者，他心理脆弱，擔不得大風險，超過兩個單位就會崩潰，ok，那理財就必須得做到把風險控制在兩個單位的任務，而不能僅僅盯著市場放任風險的擴大。

降低了風險，收益自然會降低，但是這個降低的收益，是投資者能拿到的，不再是空歡喜一場的遊戲。

所以理財魔方始終強調風險定製，就是這個意思。根據個人的情況定製出你能承擔的那個風險值，然後在這個框框里理財。當然，個人投資者其實做的都是理財，因為你不大可能徹底忘掉自己。

上來就比較收益，說誰的收益好誰的收益差，誰誰誰沒跑過市場，這個顯然就是從投資的視角去看待問題的。投資者經常被一種觀點誤導：不管怎麼說，掙錢才是硬道理。沒錯，掙錢是硬道理，但掙多久的錢？誰掙錢？如果去簡單比拼收益，尤其是比拼個把月的收益，結果可能就是重蹈基金行業覆轍：14年來公募基金年化收益率16.2%，不低，但投資者70%賠錢，基金公司、基金銷售機構卻掙了大錢。

理財魔方的年化收益率，不論回測還是實際業績，都不算低。我們有很可觀地客戶量，所以我們披露的所有業績數據都是實際的數據，否則我們的客戶一定會來質疑我們，而不是一個沒經過時間和客戶檢驗的理論模擬數據。玩具車有時候也可以快過真汽車，你要把它扔出去它還會飛，但真上馬路後結果才會有差異。關於理論與現實的距離，我們下面講。

二、理論與現實的距離

理財的基本理念、基礎模型都不複雜，但實現到操作層面一定不簡單。道理很簡單，沒有一分錢是大風刮來的，錢不好掙。老祖宗說，「錢難掙，屎難吃」，沒理由到了理財市場上這道理就變了。如果有一種「簡單，可執行，收益還不錯」的方法，那意味著理財市場上是有人人可用的撿錢法子，這顯然不現實。

理財行業發展到今天有不短的歷史，但其基礎理論模型卻只有一個來源：均值-方差模型，以及以此為基礎的MPT（現代投資組合理論）。這個理論由馬科維茨於1952年發布，至今已經65年。不要小看這個65年前的「老」理論，它的出現徹底地改變了投資行業，至今還看不到有什麼新的理論能動搖它的地位。

均值方差模型的基本理論是：在一個有效市場上，在投資者都是理性投資者的前提下，不同的資產組合最終會形成一個有效前沿。什麼叫有效前沿呢？就是說在同樣的風險下能獲取的最大收益所組成的一條曲線。如果組合的收益率在這條線下，意味著組合效率不高，沒能掙到最多的收益。所以組合構建的目標，是在確定的風險水平收益值達到那個有效前沿值。

馬科維茨模型有一些基礎的假設：1.投資者是理性的，會而且能選擇到同等風險下最高收益的組合，因此，2.市場也是有效的，有效前沿上一定是低風險低收益高風險高收益的，3.馬科維茨用歷史收益率均值代表未來，意味著不考慮市場環境的改變，同樣，4.馬科維茨用波動率代表風險，意味著不考慮不同波動率組成對客戶感受差異（一個平時低波動偶爾跳一下崖的組合，與一個平時波動率略高但很穩定的組合，波動率可能是一樣的，但投資者一定會喜歡後者而不是前者）。

顯然，這是個很理想化的模型。所以，後來又出了很多模型對這些理想而不實際的假設進行了修正。比如行為金融學模型，認為投資者並不理性，行為受其心理影響；再比如BL（Black-Litterman）模型就是對前述的假設3進行了修正，認為未來並不完全與過去相同，應該以對未來的預期來修正馬科維茨的結果。等等。

這個從理論向現實靠近的過程，每一步都不容易。如對1的修正產生了行為金融學，就獲取了諾貝爾獎。我以一個簡單的例子來演示一下理論是如何走向現實的。

比如BL模型中涉及到對未來的判斷的問題，其實就是咱們投資中經常面臨的擇時問題。那麼，如何擇時呢？

炒股的同學都知道可以以均線擇時。股價超過均線買入，跌破均線賣出。

以上證指數為例，幾條典型均線是這個樣子的：

那麼問題1就來了：應該選哪個均線做擇時比較好呢？如果按照不同的均線擇時，跌破就賣，漲過就買，收益率是這樣的：

似乎都有點效果，其中60日均線最好，收益率上升了，回撤也降低了。其他兩條線，收益率沒啥變化，不過回撤也是降低了些。

那麼，是不是選擇60日均線就好了？不是的。前面是理想情況，交易必須考慮交易成本，如果考慮了交易成本，60日均線擇時的效果如何？

問題2來了：扣除交易成本之後的60日均線擇時，提高收益率方面的效果不明顯。這就是理論走向現實的典型問題。

怎麼解決呢？我們發現拉長均線日期可以降低交易頻率，降低交易成本。但問題又回到問題1的結論上了：期限拉長，交易成本會下降，但擇時效果也越來越不明顯。那意味著我們需要在交易頻率和效果之間找一個平衡。

經過反覆試驗，發現82日均線是個比較好的指標。較好地實現了交易頻率和效果的平衡。

BUT，這個過程是不是會覺得怪怪的？怪在哪兒呢？全過程都在拿歷史數據在證明歷史數據：用的是歷史數據擬合出來的模型，證明的是這個模型在歷史上有用。這個叫樣本內預測，這樣做出來的東西解釋過去很管用，可很容易陷入過度擬合的陷阱。何謂過度擬合？就是遇到未來環境稍微變化一下，模型馬上不管用。舉例子說，如果根據2014年6月之前的數據建模，會發現82日均線是極好的。

但是，這個結論馬上會被打臉，因為接下來的情況是這樣的：

這就是第3個問題：模型容易過度擬合，也很容易失效。

前面這是個擇時模型開發的簡單例子。當然現實中，量化投資中的擇時是不會用這種簡單的擇時模型的。但是，只要是依據歷史數據、以統計的方式做的靜態建模，前面三個問題：參數選擇、過度擬合和敏感易失效的問題，就都不可避免。

那麼，AI支持的擇時會是什麼情況呢？

首先，在數據選擇上，不再由人工選擇，而是由人工清理並標定出一個數據列表，具體選擇哪些數據、在什麼情況下選擇哪些數據，這個都是由機器來實時決定的。

在傳導路徑上，或者是當下各類數據如何以及多大程度上影響未來結果上，也不再由人工擬合模型，而是由機器實時構建。

最重要的是，這個過程，是每天每時每刻都在不停更新的，也就意味著模型是不停地在進行自我進化的。它不會存在失效的問題。

比如理財魔方的擇時是這樣的：

上面這個只是一個簡單的演示。整個資產配置模型由理想向現實靠近的過程，中間隔著行為金融學、資本資產定價模型等好幾個諾貝爾獎呢。即便在前面所說的擇時領域，雖然沒有諾貝爾獎，但卻也吸引了無數的數學大家進入。比如大家耳熟能詳的文藝復興基金以及其創始人西蒙斯，他本身是一個偉大的數學家，獲得過數學界的皇冠——全美維布倫（Veblen）獎，而據說其賺錢的秘籍隱性馬爾可夫模型（HMM），也不過是一種描述市場狀態的擇時模型而已。會疊紙飛機，和會造飛機之間，畢竟不是一會事兒。