霍华德·马克斯备忘录：无人投资能走多远？(Investing Without People)

在过去的十二个月中，我撰写了三份备忘录（《近期思绪》、《历史还在不断重演？》、《历史再度重演》），其中针对宏观经济发展、市场前景和对于投资者下一步投资建议进行了重点讨论。虽然这些话题都很重要，但通常并不是我最感兴趣的话题。相比较而言，我更喜欢探讨未来几年可能影响市场运作的事。由于当前市场环境与之前三份备忘录中所描述的市场环境没有显著变化， 我想在这篇备忘录中就就一些更宏观的议题发表看法。

证券市场似乎正不断减少人为因素的影响，我将在这篇备忘录中从三个方面展开分析：第一、指数投资和其他形式的被动投资；第二、定量和算法投资；第三、人工智能和机器学习。

在深入讨论之前，我想郑重地明确声明，我并没有宣称自己是这些领域的专家。实际上，对于第一种投资， 我已观察数年；第二种投资， 我最近才略知一二；而对于第三种，我还在努力了解中。事实上，很多行内专家都看好并参与了这些领域的投资，并认为这类投资有望取代传统的主动型投资。下文仅属我个人的一些看法， 而读者们应当保持独立判断。

被动投资和交易所交易基金（ETF)

虽然下面的故事已是老生常谈， 但我还想再此重提以为下文内容作些铺垫。 50 多年前， 在1967 年 9 月， 我在芝加哥大学商学院修读研究生课程。那时该学院尚未更名为布斯商学院， 而学院也刚刚开始教授“芝加哥学派”的金融和投资理论。该学派于 60 年代初期在芝加哥兴起，以理论基础为依据，并根据过往投资者的行为作出一系列对立假设以完成系统构建。

学派中一个重要的基本核心观点是“有效市场假设” 并得到了“投资者永远无法战胜市场”的结论。 首先， 这一学派有一个具有逻辑性的论点：整体上， 所有投资者在扣除费用和开支之前的回报都应处于平均水平，因此在扣除费用后将低于平均水平。 有证据表明，几十年来，大多数共同基金的表现均落后于标准普尔 500 指数等股指。

在 20 世纪 60 年代后期， 我的教授对于这点作出了简单回应：买入指数中的每家公司的股票不就行了吗？ 这样做可以让投资者避免大部分人会犯的错误，并避免承担绝大部分的费用和交易成本。同时，可以确保投资表现与指数一致，而不是落后于指数。但在当时，这是不切实际的，只能是一个假设。据我所知，当时没有人以这种方式进行投资，也没有可供公众作出这种投资的金融工具。“指数基金”和“被动投资”并不存在。但是，下列维基百科的引文对这一逻辑做出了十分清晰地解释： 

1973 年， 美国著名经济学家 Burton Malkiel 撰写了《漫步华尔街》一书， 其中向公众介绍了他的相关学术发现。正如小道媒体一直所报道的，大多数共同基金并没有成功击败市场指数。 在书中， Malkiel 写到 ：

我们需要的是一个没有佣金、收取最低管理费的共同基金。这些基金只购买构成整体股市平均值的数百只股票，且不会为了尝试跑赢市场而进行选股。每当共同基金的表现低于平均水平时，基金发言人就会马上解释他们“不能买入只能实现平均值的股票”。现在看来，公众是理应可以买到这样的产品。

纽约证券交易所可以提供的最好服务，就是推出这种基金，并在非营利基础上运营该基金，以满足公众对于此类基金的需求。如果纽约证券交易所不愿意这样做，我希望其他机构能做到。 

第一只指数基金就在那时应运而生。此外，根据维基百科，追踪道琼斯工业平均指数的Qualidex基金，其注册声明于1972年生效，但我相信该基金并没有吸引太多投资者。

但随后“指数基金之父” 杰克·伯格于 1974 年成立了美国领航投资集团，而且该公司的第一指数投资信托于 1975 年的最后一天投入运营。 

当时，该基金被竞争对手猛烈揶揄为“不合美国做派”，甚至嘲讽基金是“伯格的愚蠢行为”。富达投资董事长爱德华·约翰逊当时表示，“无法相信大众投资者会对仅仅获得平均水平的回报而感到满意。” 后来， 伯格的基金更名为领航 500 指数基金，追踪标准普尔 500 指数。起初，该基金的资产规模非常小，只有 1,100 万美元，但在1999 年 11 月就超过了 1,000 亿美元。

—— 摘自维基百科 

指数投资的优点是显而易见的：管理费用大幅降低，受交易及相关市场的影响较小、运营费用较低，并能避免人为错误。指数投资与大市表现高度一致。因此， 指数投资是一个“不会跑输大市”的策略，投资人不会因跟不上指数表现而全盘皆输； 当然，这也是一个“无法跑赢大市”的策略，因为投资人也无法击败指数。

指数或被动投资起步相对较慢。在最初的几年里，由于指数基金有潜力取代一个或两个机构投资者的主动投资管理人，大众认为这类投资有点奇怪或属于非主流投资。 对于新兴事物，机构投资人往往只投入小部分资金，正如过往的新兴市场股票、私募股权、风险投资、高收益债券、困境债务、木材和贵金属等。几乎没有机构投资人将被动投资作为其投资组合的主要部分，而有限的投资规模无法有效影响投资组合的整体表现。

然而，资金继续流向被动管理策略的事实表明，许多主动型基金经理的表现仍落后于指数。在过往十几年中，很多年出现了基金表现不如指数的情况，并且我也没有发现多少主动基金表现于领先指数的情况。因此，如意料之中，被动投资的规模稳步上升： 目前领航500 指数基金的资产规模已高达 4,100 亿美元。根据晨星数据， 2005年至2011年间，流入主动和被动型股权共同基金的资金量大致相同，但资金在 2012 年加速流入被动型基金，同时流入主动型基金的资金则开始下降，并在 2015 年转为流出。 根据 2017 年4月9日发表的《洛杉矶时报》： 

被动投资的传统美国股权共同基金旗下资产高达1.9万亿美元，是2007年的三倍。加上1.7万亿美元的美国股权ETF（另一种类别的指数投资组合），目前被动投资的基金账户的总规模占美国全部股权基金资产的42%，远超于2010年的 24%，而这一数字在 2000 年仅为 12%。

虽然这些数字主要适用于零售型投资，但机构型投资组合中的被动投资比例也在急剧增长。被动投资不再是在投资组合中仅占很小一部分的外来附加投资，而已经成为机构型投资者的主流投资，约占投资人总投资组合的 20%。

接下来，我会详细为大家介绍上述《洛杉矶时报》摘录中提到的交易所交易基金，简称＂ETF＂。在 20 世纪 90 年代， 投资管理人提出一种全新参与市场的方式， 并与指数型共同基金竞争。在每日交易结束、收盘计算净资产值时，投资者可以申购或赎回基金，因此投资者可以像买卖股票一样买入或卖出ETF并获得流动性。由于投资者能更自由地买卖，这使ETF得到广泛关注。尽管指数型ETF是一个全新领域， 但其规模可观。与此同时， 市场上涌现出其他类型 ETF。

在20世纪末期，“指数投资”和“被动投资”曾是同义词，均为被动模拟市场指数而设
立的投资工具。如今，两者之间有了区别。以往的被动投资仅限于指数投资，而如今，被动投资不仅包括指数基金和指数ETF，还包括根据投资组合构建规则而进行投资的“聪明贝塔(Smart Beta)” ETF。“聪明贝塔” ETF 是基于规则主动设计的投资工具。 一旦完成组合建立， 这些基金将严格维持组合组成。一年前，我曾写道： 

ETF的创始人为了发展业务，一直在挖掘更聪明的、不完全被动的投资工具。因此，ETF的设立是为了满足或创造公众对于特定领域基金的需求，例如各股票类别（价值型或增长型）、股票特征（低波动性或优质企业）、以及企业类型或地区。无论投资者想要专注于增长型、价值型、优质企业、低波动性还是动量ETF，都可以找到合适的 ETF。 极端地说，如今投资者可以任意选择所需要的小众被动型投资基金，例如要求基金的底层投资企业拥有不同性别的高级管理层、“符合圣经要求的负责任投资” 、关注药用大麻、提供肥胖症解决方案、服务于千禧世代， 或专注于威士忌和烈酒行业。只要你能想得到，没有得不到的。

但是，当一种投资工具的专注领域被限定在如此狭窄的范围时，“被动”意味着什么呢？当这些被动投资工具每一次偏离大盘指数时，都会引发定义性的问题，并牵扯到非被动的人为决策。一些股票具备某些特点，而注重投资这类股票的被动基金被称为“聪明贝塔基金” 。然而，是否可以认为，设定选股规则的人比当今备受歧视的主动管理人更聪明？HorizonKinetics资产管理公司的联合创始人Steven Bregman将其称之为“语义投资”，即选股的标准基于表面意思标签，而并非量化分析。例如，他指出，由于埃克森美孚的股票规模庞大且流动性高，因此被列入增长型和价值型的ETF。实际上，并没有绝对的标准定义哪些股票可以代表上述的诸多特征。

—— 摘自 2017 年 7 月发表的备忘录《历史再度重演》

根据维基百科，“截至2014年1月，美国有超过1,500只ETF”相比之下，根据《巴伦周刊》数据，威尔希尔5000综合市场指数有3,599只股票。我认为，从ETF的数量和种类看出，这些基金的设定者通常会在市况较好时满足人们勇于投资的需求，否则，又怎么会出现那些追踪指数升跌幅度倍数的杠杆型ETF呢？ 

背景先介绍到这里。下面我想谈谈被动投资的启示及其愈加风行的情况。

第一个问题是：“被动投资是否为明智之举？”

在被动投资中，基金中没有人会研究底层被投企业、评估企业发展潜力，或者思考股票价格是否合理。同时，没有人会主动决定是否应将特定股票纳入投资组合，以及如果纳入，其应占比重。毕竟，被动投资只是简单地模拟指数。

投资时完全不考虑公司基本面、证券价格或投资组合比重，是否合理？答案显然是否定的。事实上，被动投资恰恰是通过依赖主动投资者对这些方面进行分析以消除这种顾虑。关键是，有效市场假说认为主动管理无效，因此投资者无论运气好坏，预期回报最终仅可以达到对应风险的平均回报，不多也不少。我在《历史再度重演》 这篇备忘录中谈到了这一点，而下面的三段引文都摘自这篇备忘录：

被动投资的精华，是投资者相信主动投资行为已导致资产被合理定价，因
此廉价的投资机会无处可寻。

那么，指数中股票权重的根据是什么？是主动投资者赋予股票的价格。简而言之，在指数和被动投资的发展中，主动投资者承担了繁重的证券分析和定价工作，而被动投资者则通过持有全部由主动投资者决定的投资组合来获利。因此，在没有主动投资者参与的情况下，是无法通过模拟市值加权进行被动投资的。 

讽刺的是，正是这些备受被动投资者嘲笑的主动投资者，设定了指数投资者应当为股票和债券支付的价格，从而确定了市值；而这些市值进又进一步决定了指数基金所模拟的证券的指数权重。如果主动投资者缺乏洞察力，那被动投资者跟随主动投资者的指示，是否毫无意义？

如果主动投资者集体罢工， 情况又会如何？ 因此，第二个问题是： “对主动投资来说，被动投资有什么启示？” 根据有效市场假说，如果广泛进行主动投资导致主动投资无法成功，即发生市场效率过高和证券价格过于公平的情况，被动投资将日益盛行并占有主要市场，届时，是否意味着主动投资将再次博得获利机会？

如果大多数股权投资都以被动管理，结果会怎样？这样一来，价格将更容易偏离所谓的合理范围，从而产生廉价和估价过高的投资机会。虽然这不一定能确保主动投资管理人取得成功，但无疑为他们提供成功的必要前提条件。

当被动投资在市场总量占比多少时，会导致证券价格与资产价值明显偏离？这个答案无人知晓。目前，大约40%的基金属于被动投资，而在机构投资中，该比例可能正逐渐接近40%。可见，目前市场中大部分资金仍属主动管理，并创造了很多价格低估的价值投资机会。完全进行被动投资肯定会使得资产价值与其价格背离：你可否想象，没有人研究公司或评估其股票公平价值的市场将变成什么样？我倒是非常乐意成为唯一一个参与这种市场的投资者。在40%到100%之间，什么样的比例才会让价格开始偏离内在价值，从而让主动投资更具有价值？我不知道，但我相信我们也许能找到答案。

第三个关键问题是：“被动和指数投资是否会扭曲股价？”这是一个有趣的问题，我们可以通过几个层面回答。

首先，这个问题涉及市值加权指数中股票的相对价格。人们经常会问，资金流入指数基金是否会导致指数中权重最高的股票的价格，相对于其他股票进一步上涨。我认为，这是不会发生的。假设，某指数中全部股票的市值总额为1万亿美元，其中一只主流股票（可能是FAANG股票之一）的市值为800亿美元（占总市值的8%），而某只规模较小的小众股票市值为100亿美元（占总市值的1%）。这意味着每投资该指数基金的10万美元中，前者所占比例为8,000美元，后者为1,000美元。并且，对于该指数的投资每增加100美元，就有8美元投入前者，1美元投入后者。由此可见，因投入更多资金而买入两只股票的行为不应改变两只股票的相对定价，因为其新买入比例与它们各自市值的比例始终保持一致。

其次，我们需要分析指数成份股与非成份股的相对关系。很明显，随着被动投资增加，更多资本将流入指数成份股而不是其他股票，并且资金可能从非指数成份股流出并流入成份股。这会明显导致指数成份股相对于非指数成份股升值，而这种升值与基本面并无关联。

最后，涉及“聪明贝塔” 基金的股票。一些股票归属于多个非指数被动投资基金，这些基金所吸引的资金越多，保持其他因素不变，其所持股票的相对价格会较其他股票会相对升值。如亚马逊公司股票被各类的聪明贝塔基金广泛持有，相对于没有被这类基金持有的股票而言，亚马逊股票更具备更大的升值机会。

总之，将某只股票加入到指数或者聪明贝塔基金，是人为提高该股票普及程度的一种方式，而正是这支股票的相对普及程度决定了该股票短期内的相对价格。

近期表现优秀的股票往往因其市值膨胀而占据ETF的较大仓位。其所属ETF, 需进一步买入这类股票，从而进一步推高其股价。因此，在当前的市场上升周期，被动投资工具被迫买入比重偏高、流动性强的大型股，这不仅推高了这些股的股价，还不能因为这些股价被高估而拒绝买入这些股票。

这种如同永动机一样的行为不可能永远奏效， 很可能会正如 2000 年大热的科技股一样最终出现泡沫。一旦资金流出股市和 ETF，当初被过量买入的证券将不得不被过度卖出。在危机爆发并出现资金流出时，指数基金和ETF 将无法需找到买家愿意买入那些比重偏高、价格高昂的证券。可见，由被动投资推高的股价最终只会是周期性的轮转，而不是永久的可持续上涨。

ETF的飞速发展和其受欢迎程度与大约九年前开始的市场反弹相吻合。 因此，我们没有机会了解ETF在市场下行时表现如何。如果将受到市场追捧的股票（其股价可能已被需求面推高）纳入ETF并以偏高比重持续持有，是否会导致在市场下跌时期这类股票承受高于平均水平的抛售压力？是否会导致股价跌幅更深，进一步致使投资者日渐抛弃这类股票以及持有这类股票的ETF的恶性循环？ 究竟结果如何我们目前无从知晓，但不难想象， ETF在市况理想时因大受欢迎而飞速增长，同样也会在市况糟糕时表现更差。 

第四个问题： “可否改善指数投资的流程，不只是单纯按照个别股票在市值中所占的比例买入股票呢？”我的一位常居加州的朋友、Research Affiliates研究公司的创始人RobArnott，多年来主张基于基本面的指数投资，而不是基于市场加权指数的被动投资。Rob是金融圈中真正的思想家之一，在这里我会避免赘述他的观点或对其评价。

简而言之，在收益不变的情况下，一家公司的市盈率越高，那么它的市值越大。也就是说，受欢迎程度会更高。因此，在其他条件相同的情况下，指数中权重较大的股票往往价格更高。那么，对于投入指数的投资者，你愿意把更多的资金投入更贵的股票还是更便宜的股票？我宁愿选择后者。因此，根据评析企业收益而不是市值规模来投资指数股票是更为明智的选择。 

第五个问题：“ETF 及其受欢迎度是否存在本质问题？” ETF只是购买股票和债券的另一种投资工具，并无绝对的好坏优劣之分。但是我担心的是 ETF 所带来的影响，而这与的投资者对市场的预期紧密相关。

回想ETF起初获得投资者青睐的原因：能够在市场开放时随时买卖。我敢打赌，许多人投资 ETF 的出发点很简单，即为寻求“更高的流动性”，但这里存在以下几个问题。

首先，正如我在2015年3月发表的备忘录《流动性》中所述，有市场可以合法出售某资产，与该资产始终能以公允价或接近上次售出时的最终交易价售出，是截然不同的两码事。如果出现负面消息或者投资者情绪低迷导致市场下跌，ETF的持有者可以售出份额，但这个价格未必是理想的出售价。交易价格可能较底层资产价值大打折扣，或者可能远低于市场稳定时的交易价格。

如果退出共同基金，退出的价格等于相关股票或债券当天收市后的资产净值。但是，当你卖出ETF时（正如在交易所卖出证券），成交价格只会是买家愿意为它支付的价格。而一旦市场出现波动，我怀疑这个价格可能会低于底层证券的资产净值。ETF机制的设计者表示，该机制应该会防止基金的价格严重偏离底层资产净值。但是，只有在市场大面积下跌的情况下，我们才能验证该机制的有效性，才能确定这种机制到底是“应该会”还是“可以”生效。

有些人可能已经投资了 ETF，并错误地认为它们本质上比底层资产更具流动性。例如，高收益债券ETF一直备受投资者青睐，可能是因为购买ETF比配置个别债券的投资组合更为容易。但若出现金融市场危机，高收益债券ETF的流动性高于底层债券（流动性近乎于零）的可能性有多大？ 而投资者往往错误假设ETF可以提供比底层资产更高的流动性。无可争议，ETF同样可能会出现流动性较差的情况。如果投资者单纯为了追逐更高的流动性而投资ETF，那么当他们需要却得不到这种流动性时，就会引发问题。

今年3月，我留意到彭博社有关BTS资产管理公司首席执行官Matt Pasts管理的9亿美元BTS战略固定收益基金的报道，该基金在2月9日时完全变现了所持有的垃圾债券：

BTS 并没有聘请任何信用分析师来研究债券的基本面。Pasts本人通过把握市场时机，观察趋势和动量指标，例如跟踪垃圾债券市场ETF价格的平均动态水平，来判断整个高收益资产类别的价值升跌走势。除垃圾债券外，BTS仅投资于国债或持有现金。

对于BTS而言，入市和退市的交易很简单。因为不同于大多数基金，BTS不直接持有债券，而是几乎完全通过ETF进行投资。1月末，在 BTS 卖出大部分资产之前，其 95%的资产投资于两个最大的垃圾债券 ETF。

对于基金经理能否通过预测市场短期走势来创造价值在这里先不作讨论（尽管我本人对此保持高度怀疑），我认为，终有一日，这位投资者想要完成在高收益债券市场上无法执行的交易时，会发现这样的交易也无法通过ETF完成。简而言之，如果总能依赖ETF的假设来制定投资策略，认为ETF总能以合理价格帮助投资者快速进退流动性低的市场， 是不切实际的。潮水退却之际，真相总会浮现。

*           *           *

被动投资和指数投资之所以兴起，是因为投资者认为股市总多有动荡，而主动投资者总会为证券设定“适当”的价格。这将促使被动投资者踊跃入市，需进行自己份内的分析工作，仅凭构建模拟指数的投资组合就可以搭上主动投资成果和价值发掘的“顺风车” 。

但此举忽视了著名货币投机大鳄乔治·索罗斯提出的“反射理论”：市场参与者的行为会改变市场。市场中的任何东西都不会一成不变，而是在不断变化的。市场是由市场参与者和他们做出的决策共同组成的，而市场人士的行为也塑造着市场本身。当人们对某些股票的投资比其它股票较多时，这些股票的价格会相对上涨。当每个人都决定不执行证券分析、价格发现和资本配置等职能时，市场价格的合理性可能由于被动投资而失效。这与投资者在繁荣或萧条中想当然地做投资决策，没有本质区别。具有讽刺意味的是，被动投资的智慧取决于一些人的主动投资。当投资者彻底不再进行主动投资和其所有相关分析工作时，被动投资将变得轻率，而这会导致主动投资重现获得高回报的机会。 这即为我本人的一些看法。 

量化投资

我的下一个话题涉及量化、算法和系统投资。由于我对这些主题也正在学习当中， 令我在写作时略感忐忑。在这篇备忘录中，我将使用量化投资这个名词。据我所知，量化投资包括制定一系列规则（往往需要电脑辅助）并让电脑将这些规则付诸实施。

量化投资至少有两种主要形式。 第一种被称为“系统性因素投资” ， 其流程如下：

• 投资管理人对历史上的一段时期进行研究，发掘与优异回报相关的某些因素。这些因素往往具备一些特征，例如价格、质量、规模和动量。或许在过往某一特定时期，表现最出色的股票具有价值高、优质、市值大和近期正在升值及“动量”等特征。因此，投资管理人认为，其管理的投资组合应该包含在具备此类特征并排名较高的股票。

• 投资管理人通过让计算机搜索拥有最多这些特征的证券来进行投资。例如，计算机可能会根据各种衡量指标来搜索价值，包括市盈率、企业价值/EBITDA 比率、市净率和价格对自由现金流的比率、以及特定行业指标，例如石油企业的油价对石油储备比率。

• 然后，投资管理人指令计算机按照多大比例对搜索条件进行加权，计算机则开始系统地选出拥有最佳因素组合的证券来配置投资组合。

• 最后，投资经理指示计算机评估附属性风险。优化投资组合之后，甚至会限制纳入最具吸引力的证券组成部分，以限制个股或个别行业，并降低股票之间可能存在的相关性所带来的风险。这样的投资组合根据有关规则公式化地组建起来，通常没有人为干预。

根据这样的算法，该流程的最终产物是一个预期将带来最高回报且风险最小的投资组合。但前提假设是，过去导致优异回报的因素在未来也继续生效，而且资产的波动性和相关性也和过去一样。 

量化投资的另一种主要形式是“统计套利”。举一个统计套利的例子，我们假设一个投资者想购买100,000股XYZ公司的股票，该股票的市场价格为20.00美元或20.01美元，这“1美分的价差”在于，有人正以20.00美元认购5000股，而有人正以20.01美元发出售8000 股。券商以20.01美元认购以20.01美元出售的8,000 股股票。接下来市场中有人以20.02美元的价格出售6,000股股票，该券商又全部认购。然后市场中又出现以20.03 美元的价格出售的5,000股，该券商仍全部认购。最后，这种认购导致该股票的价格升至20.03或20.04美元。

进行量化分析的计算机只会注意到市场的涨以及投资者以越来越高的价格买入这支股票。 

• 如果其他股票没有类似的走势，计算机就会得出结论，即该股价上涨属于仅和该股票相关的特殊事件，而不属于系统性上涨，即不代表整个市场呈上扬走势。 

• 如果该股票的价格出现这样特殊的上涨走势，且并没有企业层面的新闻能对此涨势作出解释，那么计算机就会认为，该价格变动是由投资者认购导致，而与企业基本面无关。 

• 计算机认为券商为尽力填补投资者的买卖指示，而导致了市场的短期错位和价格变动。

• 计算机还根据迄今为止的操盘情况、当前市况以及交易状况， 判断股价是否
  会持续被券商的这种认购行为推高。 

• 因此，计算机决定量化投资者应向抬高股价的买方“做空”股票。即在卖出量化投资者并无持有的股票，前提是股票下跌，可以令其在买方停止购入时再次买入该股票。因此，今天以20.03美元或20.04美元的价格出售的股票，在短短几天之内可能以20.00美元或20.01美元的价格被回购。

• 所以量化投资者凭空创造了流动性，并愿意隔夜持仓。量化投资者继而因做空股票获得了短期收益。 

可以说，在大多数情况下，进行统计套利分析的计算机能发现一只股票与其他股票或整个市场的价格水平之间的不平衡，并假设这种不平衡关系会最终恢复正常。通过做空而获得的收益是有限的，上述做空例子可能只获得0.1%的利润。正如文艺复兴科技公司在2014年向美国参议院小组委员会提交的一份声明中，对其核心基金发表的言论：“大奖章基金运用由公司自身开发的模型作出预测，并获得有限回报。” 但是如果频繁交易并且使用足够杠杆，统计套利可以产生丰厚回报。

就像长期资本管理公司在20世纪90年代后期的做法：寻找统计差异并从中套利。当时其中一位高管描述长期资本管理公司进行的投资就像在世界各地“捡零钱”。在1998年，长期资本管理公司激进使用巨额杠杆的投资组合遭遇了很长一段艰难时期，在这段时期内，这种统计差异的不平衡关系进一步分化，而并没有回归正常。 浮亏导致放贷人要求长期资本管理公司追加资本，但该公司当时对此无能为力， 导致基金最终崩盘，并连累其他表现领先的证券投资人接盘。这说明，长期资本管理公司的经历好比是在“压路机”前“捡零钱”，最终却被“压路机”碾压而无法翻身。

我们从长期资本管理公司的经历中吸取到惨痛教训：第一、统计套利的机会规模始终有限；第二、用于套利投资的资本规模需要被严格控制；第三、所采用的杠杆必须合理，以便投资者在传统金融逻辑失效时期避免崩盘；第四、对市场整体方向性风险进行恰当的对冲十分重要。

*           *           *

量化投资者通过计算机程序，模拟过往盈利投资行为并设计未来获利的投资行为。换句话说，他们为自己的计算机设置了既定的规则或公式。但关键问题在于，在一个竞争激烈且相互关联的动态投资领域中，公式化投资是否可以获得收益。另外投资环境发生变化，是否会抵消公式投资的有效性？

Rosalie J. Wolf为橡树部分客户出任首席投资总监并担任董事会顾问。就在前几天，我收到她的电子邮件，她提到自己最喜欢使用的引言来自我于2006年9月发表的备忘录《敢于成就伟大》。讽刺的是，这段引言与上面提出的问题直接相关：

我们如何取得卓越的投资表现？答案很简单：我不仅没有发现任何会带来高于平均投资表现的万能公式，而且我确信也不存在这样的公式。我最喜欢的灵感来源之一、已故的美国经济学家约翰·加尔布雷斯说过类似的话：

世界上没有什么可靠的赚钱之道。如果有，大家恐怕都争先恐后地研究学习， 任何有正常智商的人都能变得十分富有。

显然， 通往成功投资的路线图是不存在的。首先，那些跟随路线图的人的集体行为将改变整个布局，使地图无效。其次，尽管跟随路线图的每个人都会得到相同的结果，但人们仍然渴望获得前 25%的最佳回报，而这必须通过其他方式获得。

现在，我想详细讨论一下，使用一个万能公式是否能带来高于平均的回报水平，对此我本人深表怀疑。 

首先，尽管我认为某些投资方式不可取，但的确有人用这些方式获得了成功。在这里，我指的投资方式包括主动交易、宏观投资和量化投资。至于量化投资，文艺复兴科技公司和Two Sigma公司是这方面的专家，回报出色且享有良好声誉。我母亲曾经说过：“例外情况往往证明了规则的存在。”她的意思是说，只有少数人可以做到的事情恰恰证明了大多数人无法做到。虽然我的怀疑并不一定总是正确的，但多数是合理的。显然，认为大多数人能利用公式来获得出色回报是严重缺乏充分理论依据的。

其次，“仅仅”一个公式。一切旧有公式都无法解开投资成功的奥秘。确实，也有例外存在。倘若运用过人的才智和独特的见解来构思公式，可以取得优异的投资回报， 恐怕也时效有限。

毋庸置疑，一个公式的应用和普及程度最终将抵消其有效性。举一个极度简化的例子，假如市场研究表明，小盘股在特定时期跑赢市场，投资人会重仓该类股票。

a) 由于“跑赢市场”、“溢价”和“出色表现”通常只是股价“变得相对昂贵”的对立面， 我对于任何一类股票能在没有被充分估价或过高估价的情况下长期跑赢大市深表怀疑。往往， 这类股票随时可能表现欠佳或跌入低谷。

b) 同样，最终其他人也会发现相同的小盘股效应并加仓。 在这种情况下，小盘股投资将变得普遍并昂贵， 以致逐渐失去优势。

我想重申一遍，乔治·索罗斯的“反射理论”提出市场参与者的行为改变了市场本身。因此，任何公式都不会成为永远的赢家。对我而言，这意味着通过定量投资实现卓越回报需要不断更正公式的能力。由于投资是动态的，量化投资所依赖的规则也必须是动态的。

高盛的证券系统解决方案负责人 Raj Mahajan 是我在量化投资方面的主要导师，他曾说过，“如今，最佳的投资模式将会随着市况变动、及各种因素的动态发展而变动，需要随时考虑价值变得更低或更高的动态。投资规则越来越错综复杂，量化投资者不但需要能够不断学习并深入掌握市况，还要明白哪些规则附带特定的前提条件，而哪些是基于实际情况。 ” 不断的更新换代，而不只用单独一种公式， 似乎是量化投资者取得长期成功的最低要求。

*           *           *

在我看来，虽然量化投资与聪明贝塔ETF投资这两派并不愿意被互相比较，但它们的确有一些共同之处： 

• 两者都以规则为基础，依照投资管理人想要的属性进行投资。 

• 在这两种投资中，一旦制定了规则， 极大程度上不需要人为操作， 仅通过计算机执行交易。 

同时，两者也存在明显差异：

• 量化投资涉及的交易更多。由于指数基金和ETF是完全被动的，基金并不关注公司基本面分析或证券价格是否具有吸引力，而大多数情况下只是买入并长期持有。相反，量化投资者的计算机会不断根据算法或规则重新检查他们的投资组合，并进行进一步交易。 

• 量化过程更注重数量上的分析。正如 Horizon Kinetics 的联合创始人Steven
  Bregman所说，聪明贝塔交易ETF是“语义式投资”，即通过主观划分标签进行投资，而不同组别标签之间并无量化标准。相反，量化投资者是根据证券基本面和价格的量化评估进行投资。 

在结束量化投资这个话题之前，我想讨论一些与时间有关的问题（以下一些观点由我的儿子安德鲁提出） 。

• 大多数量化投资都善用标准模式（跑赢大市的相关因素）和正常逻辑关系（某股票的价格与另一股票或市场价值的比率） 来构建投资组合。 

• 量化投资者根据这些因素的历史数据进行投资。但是当未来的模式和关系与过去不同， 又将如何应对？

• 大多数量化投资者只在利率下降、通货膨胀率和波动性处于低位，以及相关趋势稳定的时期进行投资。但如果利率、通货膨胀率和波动性上升或发生更大变化，量化投资者是否能灵活地作出调整？而如果这些因素真的发生了很大变化，量化投资者会采用哪些历史数据来制定投资规则呢？ 

• 同样地，有关量化投资者对市场造成一定影响时期的投资记录有限，这一点十分重要。换句话说，进行更多量化投资是否会影响量化投资的有效性，从而改变通往成功的路线图？

这些都需要时间的验证，但至少目前来看，大多数量化投资者取得的成就仍需经受时间的考验。 

人工智能和机器学习

由于这个领域已经远远超出了我的专业领域，我将再次引用维基百科就下列主题展开讨论：

人工智能是机器展示出来的智能，与人类和其他动物所显示的自然智能截然不同。在计算机科学中，人工智能研究被定义为对“智能代理”的研究： 这种设备可以感知任何环境并采取相应行动，从而尽量增加其成功实现目标的机会。通俗地讲，人工智能是指，一台机器模仿人类联系其他人思维的“认知”功能，例如“学习”和“解决问题” 的能力。

在 2017 年，通常被归类为人工智能的能力包括成功理解人类语言、在国际象棋和围棋等战略性游戏中进行最高级竞赛、 自动驾驶汽车、 网络内容中的智能路由和模拟军事。

人工智能研究的传统主题或目标包括推理、 知识展示、 计划、 学习、 自然语言处理、 感知以及移动和操纵物件的能力。

换言之，人工智能代表着机器思考的能力。量化投资包括向电脑发出指示而进行投资。但是，具有人工智能的计算机可以自己弄清楚下一步应该做什么。正如《投资者财经日报》在5月10日所报道：“人工智能使用计算机算法来复制人类的学习和预测的能力。 ” 

美国大数据专家 Bernard Marr 于2016年12月6日刊发的《福布斯杂志》中对人工智能与机器学习进行了区分：

简而言之，最佳答案是：人工智能是一个更广泛的概念，指机器能够以人类认为是“聪明”的方式执行任务。

而机器学习是目前对人工智能的一种应用，其基础理念是人类只给机器提供数据并让机器自行学习。

目前机器学习的发展有两项重大突破，推动人工智能快速发展。

其中一项突破是领悟力， 由“机器学习之父” Arthur Samuel 于 1959 年提出： 与其告诉计算机它们需要了解的所有事情和如何执行任务的相关知识， 不如教会计算机自己学习。

另一项突破是近代互联网的出现，促使海量数字化信息被生成、存储并应用于各种分析。

这些创新的出现令工程师意识到，与其教会计算机和机器如何去做所有事情， 还不如通过编程让它们像人类一样思考，然后将它们与互联网连接，从而访问所有可获得的信息。

所以，正如我们看到的情况，人工智能可赋予机器学习能力，使计算机能筛选大量数据并找出成功的路线。这些机器不像量化投资那样需要输入规则，他们可自己弄清楚规则。

（优秀的国际象棋选手能通过反复研究过去的国际象棋比赛，观看棋手的走法，并记住各棋局中最成功的走法以及对这一走法的最佳回应，从而成为象棋大师，但人类可以学习的棋局数目和可以记住的棋子移动次数明显是有限的。这就是痛点所在：一个学习能力足够强大的计算机可以审视每一盘棋，评估每一个动作的后果，并决定如何部署制胜的走法。因此，在最近的国际象棋大赛中，电脑击败了象棋大师，大众也不足为奇。）

机器学习目前仍在起步阶段。但有朝一日，人工智能及机器学习将促使计算机成为市场的全面参与者，具有与人类投资者一样或更好的判断力及见解，实时分析大量数据并作出回应。然而，我认为这在短期内并不会发生；索罗斯的“反射理论”提醒着我们，所有这些计算机均可能对市场造成影响，令其本身难以取得成功。 

对投资的影响

实际上，促使我思考并撰写这份备忘录的原因是：以上这一切，在未来会对投资界带来什么影响。

我认为，指数和被动投资的现状很清晰： 

• 大多数人不能也不会打败市场，特别是在效率高的资本市场。一般而言，在扣除成本之前，所有投资组合的回报都处于平均值。 

• 主动管理引入以下考虑因素，包括：管理费用、与交易相关的佣金和市场影响、投资者在错误时机买入或退出的人为错误。这些因素都对净回报产生负面影响。

• 若想抵消上述负面影响，主动管理只能力争产生阿尔法回报或通过卓越的管理人技能创造高额回报。然而，拥有这方面能力的人相对较少。
• 因此，众多主动投资管理人未能跑赢市场，并无法证明他们所收取费用的合理性。这不仅仅是我的结论，也是事实：过去几年资金不断从主动型基金流向被动型基金。

• 无论如何，数十年来，主动投资管理人一直在收取费用，而这种费用对最终回报产生影响。因此，主动投资管理行业的盈利能力一直无法与为客户资产增值明确挂钩。

值得注意的是，投资者更倾向于被动投资的趋势，并不是因为其回报丰厚，而是因为主动管理的回报欠佳，或至少其回报难以与收费相符。

如今人们已清楚地认识到这一点。所以说，除非上述情况发生改变，否则投资者将继续转向被动投资。那么，什么情况才能阻止这一趋势呢？

• 更多主动投资管理人带来阿尔法回报 —— 但这可能性不大。
• 市场可能变得更容易被超越 —— 这倒可能偶尔发生。
• 主动投资的管理费用可能被降低，相比被动投资的费用更具有竞争力 —— 但在这种情况下， 又如何支撑主动管理的基本人员和设施呢？ 

除非上述推理存在缺陷，否则被动投资的趋势可能会持续下去。至少，被动投资减少或消除了管理费用、交易成本、过度交易和人为错误——倒也不失为一个选择。

当然，也有表现跑赢大市的主动投资者，他们不代表大多数，甚至连一半都不到。 的确有一小部分主动投资者凭实力所赚取的利润足以抵消应得费用，而他们应会继续受到市场的热捧。

*           *           *

接下来，我想进一步讨论量化投资，并展望这一策略的未来。量化投资的优势是它有效纠正了主动管理的许多缺点：

• 它可以做很多人类做的事情， 并避免人为错误； 
• 它可以处理无限多的数据； 
• 它可以不受情感的限制，因此避免冲动入市或进行恐慌性抛售；
• 它永远不会忘记对投资组合进行再平衡调整：出售昂贵的证券并购入廉价证券。 
  

量化投资充分利用了计算机处理大量数据的能力，并且避免了人为错误。简而言之，我认为计算机的数据处理能力超过绝大多数的投资者，而且能做得更好。

不过，量化投资也是有限制的。我认为量化投资其实是一种搭顺风车的策略：它通过利用其他因素造成的不平衡获利。“捡小便宜”的投资规模始终受限于市场不平衡性的程度，所以只有有限的资本才可以通过这种方式获得巨大利润。文艺复兴科技公司是当今最出色的量化投资公司之一，目前已经归还其旗舰基金大奖章基金的所有外部资本，而这当中必有原因。如果一种投资方式可以无限扩张，那按理来说，限制资本管理规模是不符合经济效应的。当然，所有“阿尔法回报策略” 都通过利用他人的失误来获利；因此，它们的投资机会也受限于相关失误的范围。若想了解更多，可以参见我于 2012 年 6 月 20 日发表的《天大的错误》 备忘录。

还有更加宏观的问题： 量化投资能否作出优异的定性决策？ 它能够进行长期投资吗？ 

这让我想起我最喜欢的一句名言， 它来自社会学家 William Bruce Cameron（其实包括我自己在内的很多人都曾认为这句名言出自爱因斯坦） ：

并非所有可以统计的东西都是重要的，而并非所有重要的东西都可以被统计。

计算机在处理并计算量化和客观的事物方面是无可匹敌的， 但它们无法像投资人一样对其他定性的、主观的事物进行判断，而这些事物至关重要。

• 它们能否和一名首席执行官面对面交谈，判断他是否下一个乔布斯？
• 它们是否可以听懂一系列风险资本的企业蓝图，并知道哪一家会成为下一个亚马逊？
• 它们是否可以在看了几栋新建筑之后，分辨哪一栋会吸引最多租户？
• 它们能否预测破产重组的结果，意识到牵涉方的动机可能与经济利益最大化无关？

此外，量化投资注重从短期错位中获利，而错过很多可进一步发掘的投资机会。目前，正由于太多投资者只考虑短期结果，优秀的主动投资者获得了做出长期增值决策的巨大空间。我无法相信计算机能够以更优化的方式实现这一目标。

最精明的投资者未必在算术、会计或财务方面更胜一筹，而他们的主要优势在于， 能够看到普通投资者所忽视的定性特点和长期有效的竞争优势。如果计算机也错过了这些关键因素，我认为最出色的几位投资者们不可能在短期内退休。

机器学习能否使计算机研究整个金融历史，弄清楚最成功投资案例的前因后果，并预测未来发展趋势？我并不知道答案。不过，即使计算机能够达到这一水平，也不够与优秀的投资者抗衡。计算机、人工智能和大数据都可以协助投资者了解更多信息，以做出更佳的量化决策，但在计算机具备创造力、品味、洞察力和判断力之前，我认为主动投资者总有用武之地，并能创造超额回报。

（我对于主动投资者饭碗问题的信心也并非无穷尽的。在2016年，斯坦福的一个研究小组开发了一个计算机程序，可以区分有悬念与无悬念的句子，准确率达81%。研究人员首先议定构成悬念的特征，然后让计算机程序进行识别，并逐渐延伸，学会辨别新出现的句子。）

重点在于，支持量化投资和人工智能大力发展的前提条件，是市场上存在大量关于企业基本面和资产价格的数据信息。的确，市场上已充斥着上市公司和公开发行证券的大量数据。但另一方面，橡树和其他另类投资者大部分参与的投资是非公开的、不在公开市场上交易的、相对缺少完整记录的领域，包括：困境债务、直接放贷、私募股权、房地产和创投策略。人工智能和机器学习最终也会渗透在这些投资领域，但这需要计算机足够“聪明”而且还存在足够多的数据使它们自行作出决定。在此之前， 恐怕我们还有很长的一段路要走。

最后，我认为这种情况与指数投资一样：如果有一天智能机器真的能管理所有资金，是不是它们看到的一切都千篇一律，得出的结论都一模一样，设计的投资组合都大同小异，从而所获回报也旗鼓相当？那时候，什么才是取得优异回报的途径？答案是：拥有卓越洞察力的人类。至少这是我的愿景。

2018 年 6 月 18 日