金融市場上兩大對立理論：隨機漫步理論VS非隨機漫步理論

基金經理的投資表現會比市場平均水平要高嗎？40年前，普林斯頓大學經濟學家Burton Malkiel發表了其經典著作《漫步華爾街》（A Random Walk Down Wall Street），在書中，他指出，無論投資者的策略有多麼明智，從長期來看，獲得的收益回報都不會超過市場總體平均水平。

隨機漫步理論

《漫步華爾街》自1973年首次出版以來被修訂過多次，最新版第11版於2016年發行。Malkiel在書中闡述了隨機漫步理論（Random Walk Theory），該理論認為，股票市場上的投資收益回報是隨機的，不可預測的，因而，基金經理的收益回報不可能一直高於市場總體平均水平。該書強調：長期來看，價格是不可預測的，任何分析方法都不能有效地預知價格的趨勢。

隨機漫步理論的核心觀點是：只要普通投資者採取「購買並持有」的戰略，投資於指數基金，就可以獲得安全、穩定的長期回報，並且回報將優於市場總體水平。

隨機漫步理論指出，當前的股價已經包含了市場上所有的有效信息，證券價格的波動完全是隨機行為，是不可被預測的。市場上所有的新信息都是公開的，證券價格會直接快速地消化這些信息，會對新信息的影響快速做出反應。由於新信息都是隨機發生的，是不可被預測的，因而市場的價格走勢也是隨機的，所以，證券資產的收益回報也是不可被預測的，這樣就形成了一個隨機市場。

有效市場假說

隨機漫步理論基於一個假設前提：市場是有效的，即對所有交易者而言，所有的信息都是公開可獲得的，當前的價格已經充分消化了市場所有信息，同時價格會對新信息快速做出反應。這就是有效市場假說。

該假說也存在缺陷，因為所有市場參與者的動機並非都是完全一樣的。

例如：一個公司的財務人員和一個基金公司的經理，這兩人的對股票價格波動的動機就不一樣。基金經理希望股票價格上漲，從而從中獲得投資收益，而公司財務人員則希望股價下跌，進行股票回購。

另外，每個市場參與者的投資持有時間是不一致的，這是有效市場假說的另一個漏洞。有些投資者會長期持有某一股票，而有些持有時間則很短。長則幾年，短則幾天。正因為持有的時間周期不一樣，所以對待股價波動的態度也是不一樣的，長期投資者不會擔憂股價短期的下滑而造成虧損。

「演算法」交易的推廣強化了有效市場理論

從《漫步華爾街》首次出版至今，市場已經發生了巨大的變化。現在，金融市場上出現了大量的「演算法」交易。「演算法」是一種計算機領域的術語，可以理解為有基本運算及規定的運算順序所構成的完整的解題步驟。現今，隨著利用計算機進行演算法交易的推廣，或者說電子化自動交易的推廣，計算機可根據市場信息自動快速做出交易指令，進行買賣行為，因而價格能快速反映市場給出的信息。計算機「演算法」交易在股市、匯市、債市和大宗商品市場都得到了廣泛運用。

這種高頻的演算法交易是通過編寫計算機程序來設定一套交易規則，讓計算機自動完成交易行為，高頻交易的交易頻次非常高，經常在一天之內就交易上千次，所以價格對市場的反應非常迅速。當然，高頻交易也有其弊端，就是會形成「踩踏」現象，正因為高頻交易是計算機自動完成的，沒有人為控制，而市場信息又是公開的，所以很容易因某一個重大消息的發布，計算機快速做出反應下達交易指令，從而集中性地產生大量的「賣單」或者「買單」，造成市場價格「閃崩」或者「暴漲」。

演算法交易也會影響市場投資者收益的分配。一般來說，金融市場上的投資收益回報會呈現一種「正態分布」（normal distribution）的形式，呈現出「鍾」型，即大部分人的收益都表現一般，極少部分人會出現巨盈和巨虧。但是經研究發現，在投資領域，投資者的收益回報並不是呈正態分布，而是「肥尾分布」（fat tails）。肥尾效應是指極端情況發生的概率增加，這意味著，大量的投資者的收益回報並不是集中在「鍾」型的中間區域，而是分布在「鍾」型的尾端。

由於演算法交易充分利用了快速反應市場的優勢，因而使得投資者的收益分布並不是呈正態分布，並使得市場的波動性加劇。正因為演算法交易的推廣，也使得市場價格對信息消化的能力更強，價格更能充分反映市場供求關係，從而強化了有效市場假說。

非隨機漫步理論

與隨機漫步理論針鋒相對的是非隨機漫步理論，由於許多基金經理的投資回報確實高於市場平均水平，所以市場中肯定存在某種規律，只要掌握了這種規律，就能在市場上淘金。例如巴菲特旗下的伯克希爾·哈撒韋公司，在過去的20年里，回報率高達613%，而標普500指數在過去20年的漲幅為190%。

正因現實生活中存在真實的高回報率，所以非隨機漫步理論應運而生。非隨機漫步理論運用大量的經濟學模型對歷史數據進行測試，該理論的倡導者Andrew Lo指出，通過對歷史價格數據進行建模，我們發現其中存在一些規律性的東西，通過掌握這些規律，使用一些技術方法，就可以實現高於市場總體的水平的回報率。但問題是，這些技術方法的有效性到底能持續多久。Andrew Lo稱：「你在投資上越有創新性的發現，你就越有可能獲得更多的回報，重點是，你如何讓你的這種投資的成功一種延續下去，這就需要不斷地創新。」所以，隨著時間的推移，市場環境的變化，你也需要調整你的投資方法。

有幾種測試方法可能判斷價格的運行是否是隨機的。例如：Abraham Wald 和 Jacob Wolfowitz RUNS發明的名為「RUNS」的測試法，這是一種統計方法，用來測試價格是否是隨機運行的。「RUNS」可以分辨出市場中是否存在某一種趨勢，以及這種趨勢出現的頻次。

回歸分析

另一種測試方法是回歸分析，是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。這種方法是用來分析某一變數是否依賴於另一變數而變化。回歸分析包含兩個變數，一個自變數，一個因變數，分析的目的就是為了得出自變數和因變數之間是否存在某種關係。

回歸分析按照自變數的多少，可分為一元回歸分析和多元回歸分析；按照自變數和因變數之間的關係類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個自變數和一個因變數，且二者的關係可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且因變數和自變數之間是線性關係，則稱為多重線性回歸分析。

回歸分析通常可以用於分析某一因素和價格走勢之間的聯繫。

相關性分析

相關性分析也是一種統計方法，也是用來判斷價格是否是隨機運行的。相關性分析是指對兩個或多個具備相關性的變數元素進行分析，從而衡量兩個變數因素的相關密切程度。相關性的元素之間需要存在一定的聯繫或者概率才可以進行相關性分析。相關係數越高，則變數之間密切程度越高。

相關性分析可以用來分析兩種資產價格之間的相關程度，相關性係數越高，即相關性越高，說明二者的價格走勢高度趨同或高度趨反。

例如：加拿大的石油產業是重要支柱性產業，石油公司僱傭的人數達數百萬，加拿大的經濟很大程度上也依賴於這些石油公司，而這些石油公司的盈利狀況取決於油價的漲跌，當油價急劇下跌時，這些公司的盈利狀況惡化，加拿大經濟也隨之下滑，就如2014年中旬至2016年年初，石油價格從100美元/桶跌至30美元/桶，加拿大的經濟面臨巨大的下行壓力。

相關性分析可以在不同的時間跨度下運用，在不同的時間跨度下，相關係數也會出現截然不同的情況。你可以把時間跨度延伸到1年以上，當你在1年多的時間跨度上觀察時，你會發現兩個變數相關性比較弱，但是當你把時間跨度放在某一個特定的範圍時，兩個變數的相關性可能就會比較高。例如：美元/加元的在最近一年多的時間跨度內，相關係數達到-0.8，但是在某一段20天的範圍內，相關性可能就變成了1。

技術分析：非隨機理論的實踐

技術分析在交易領域被廣泛使用，交易者在交易某一資產或者投資品種時，可以利用技術分析判斷市場趨勢方向，確定最佳的進場點位。實證研究證明，運用技術分析交易時，收益確實能跑贏市場大盤。許多技術分析派都認為他們可以利用技術分析預測價格的走勢。

技術分析派認為市場上所有的信息都是公開的，當前的價格已經包含了所有的市場信息。在此基礎上，你可以研究價格的歷史走勢是否出現過某些重複的型態，利用這些型態來判斷當前的價格走勢。如果市場上有很多人都在用同一技術分析時，那麼市場上就會產生一些相同的交易行為，這些行為會集中反應在價格上，從而真正影響價格走勢。

比如：當前，價格圖表上顯示著現貨黃金的走勢圖，其中金價一直未下破200日均線，且黃金三次向下測試200日均線後反彈走升，說明金價的200日均線確實為關鍵支撐位。當市場上大多人都在運用200日均線這一技術指標時，就會在200日均線處設置大量的買單，當金價再次測試200日均線時就會觸發大量買盤，從而再次反彈走升，這樣就更加強化了這一支撐位的有效性。這就是技術分析的關鍵，就是大多數和你想得一樣，就會和你產生相同的交易行為，當集中性的買方或賣方的力量足夠強大時，就會影響價格的走勢，從而驗證技術分析的有效性。

技術分析最主要的是弄清市場趨勢方向，市場是處於漲勢還是跌勢，或者還是處于震盪整理之中，或者正在醞釀趨勢的反轉。不同的人運用的技術分析方法不一樣，因而在此不做詳細描述。

結語

很多優秀的投資者或者交易者都是利用技術分析獲得了非常不錯的投資回報。現實生活中，也有很多成功的技術分析大師。因而，對於金融市場上的兩大對立理論：非隨機漫步理論和隨機漫步理論，市場上的爭論依然存在，並且還會繼續爭論下去，但我個人更加偏向於支持非隨機漫步理論，因為我就是技術分析的受益者。