01

写在最前

这是一篇研究量化思维和方法论的帖子；实用主义希望贴子里捞因子和过滤器的老板，可能就会浪费你们的时间哈。

本帖的核心思想是，只有当你的思维模式，认知体系达到了诸如J神这样的层次，你才能配有资格赚取他们这个级别的财富。

02

引言：学习大神

前段时间，有幸结识了几位大神，大神们也不吝赐教，也是醍醐灌顶。（怕大神们顾虑，文章中就不指名了，会结合我的思考来解读）

大神们实在是厉害，他们厉害的点在于拥有一套非常完整的量化思想体系，自顶向下进行策略研究与分析。我们先来分析一下一位大神的逻辑，然后可以透过现象看他的思维模式：

总结了一下思考逻辑是：

顶层逻辑：动量类策略是“肥尾效应”（后文会简单介绍），指导思想就是喜欢波动，喜欢异常点，当过度过滤了异常值以后，也就没有收益了

第二层逻辑：动量范式很多，不要局限于“动量叠波”；具体要设计什么范式，可以从顶层逻辑出发：如何能吃到肥尾

第三层逻辑：有了范式，就需要根据范式去设计策略：“不同的惩罚、出场逻辑，都要跟上选币因子的节奏”，跟范式是相关的，需要理解范式；简单的说，就是什么过滤器适配的因子，因子惩罚也都是不一样的；需要理解清楚相应的范式，赚的是什么钱。

底层逻辑：动量策略建议不要做波动率过滤，（原因是一二层逻辑），有了核心思想指导就不会浪费时间在各种尝试中了；然后根据经验观察K线形态，会发现一些极端情况，那么做到因子惩罚里，“反转到空头不赚钱，让多头选不到就很好了”

大神们的思想体系，一层一层递进，逻辑清晰。而我们跟大神之间的差距，可能就在这些端倪之中。

03

量化思维的分层

凭经验，抄框架：

1、看到贴子里、直播里、群里有人说了什么好的因子、过滤器，立马回测一遍

2、然后看看K线形态，搓一些手工因子加进去

3、实盘

还有比较典型的，就是比如XX说，最近XX比较好，然后就跟进；但是为什么呢？不知道，反正回测还可以————追策略的后果就是，亏得体无完肤！

1、经验主义

打个比喻，我们经常做的事，就是停留在古代炼金术或者炼丹术的阶段，排列组合(就好比什么矿石配什么矿石会发生什么)——我国发明火药，初衷是为了炼丹长生不老。这种凭借经验，看什么k线形态会怎么样，没有顶层思想设计，进行因子或者过滤器的研究，费时费力不说，天花板也很明显。

2、策略原理

接下来，其实是需要深入研究明白了策略原理，即策略赚什么钱，亏什么钱。好比邢大说的流动性溢价的原理。

理解了原理，就好比知道了元素周期表，知道了有机物无机物，系统性的可以指导炼金是不可能实现。

3、理解市场

进一步的理解市场，就可以挖掘更多的范式，好比动量，网格就是不一样的范式；就好比某化合物可以搞火药，但是范式还可以搞出各种新武器。

有了量子力学的理论，才指导研究出了核弹；但依靠经验主义的炼金术，最多只能搞出黑火药，而且会多走很多弯路。

理解了市场就能发现更多的策略范式，能够指导做什么更有性价比，再用范式指导因子生成和进一步的策略研究，策略的天花板也会比较高。

回测是管中窥豹是器；了解原理是术；理解市场是道。

04

肥尾效应

肥尾效应的内容非常多，我发一些有意思的，可能会拓宽一下思路：（具体的还是大家自己去搜资料，诸如反脆弱、黑天鹅、杠铃策略等等）

面对随机性事件，人们可能面对的风险有如下几种（1）不知道分布的类型和性质（2）知道分布的类型和性质，错误的估计了参数（3）黑天鹅。

对于（1），如果错误理解了分布类型，结果很可能是灾难性的。比如估计分布为正态分布（薄尾），极端情况下的波动可能就是3个标准差的事件，但是幂律分布（肥尾）同样的概率可以出现10个标准差的事件，如果尾部进一步加厚，对数帕累托分布下同样的概率可以出现100个“标准差”的事件。不同分布对大数定律和中心极限定理的收敛性质有很大区别，因此体系的第一层是了解不同的分布，明确各自的统计性质。

对于（2），如果已经可以判断分布的类型，比如幂律分布（肥尾），但是由于样本量有限，很可能因为真正的尾部没有出现而导致分布参数估计错误，其后果同样是灾难性的。如果想要在小样本下决策，现有的统计性质就需要对“看不见的尾”进行修正，此为体系的第二层。

我们需要建立这样一套体系，通过技术手段解决（1）和（2），使我们能用数学框架来认识随机性事件，并合理度量其尾部效应。塔勒布创造性的提出了中数视角，在小样本下大数定律尚未起作用之时，定量化描述了不同分布呈现出的统计特征。

当然（3）是永远无法量化的，不是受困于技术，而是受制于逻辑——那就尽可能回避。火鸡也许可以预测每天早上食物的多寡，但不可能预测感恩节的到来，所有的数学分布和统计估计依然是经验框架下的产物。

认知真相无比之难，经验之外不可知的那一部分总是让人寝食难安，此时应该如何应对呢？

塔勒布的哲学拨云见日：“反脆弱，不用做预测大师，只需要改变赔付关系即可。“在黑天鹅降临之时，具备反脆弱特性的事物不但不会受损，反而还能有巨大收获。

为了衡量我们所面对的尾部，可以定义平均斯坦和极端斯坦如下：

①平均斯坦（薄尾）

当样本量变大时，单一观测值无法改变整体统计属性

随机变量连续两次大于X的概率高于一次大于2X的概率

如果市场在两天内下跌了30%，很可能是每天下跌10%-20%

服从平均斯坦的分布：正态分布，身高分布

②极端斯坦（肥尾）

尾部的小概率事件会极大影响整体统计性质

随机变量连续两次大于X的概率小于一次大于2X的概率

如果市场在两天内下跌了30%，很可能是一天-29%，一天-1%

服从极端斯坦的分布：财富分布，灾难分布

平均斯坦中的灾难是“好事”（可控且能帮助人们完善对分布的认知），极端斯坦中灾难是坏事（可能直接摧毁一切），举例对比不同环境中的两种灾难事件：（1）某架飞机失事会导致机组人员丧生和（2）某架飞机失事会导致所有坐过飞机的人丧生。前者可以帮助飞机制造商和保险公司评估飞机失事概率，并作出改进，但后者的破坏力量太大，可能会导致人类灭亡。因此对于前一种事件，我们的目标是如何降低发生概率。而对后一种事件我们不算概率，目标在于如何降低其影响，或是完全杜绝它发生。

在金融市场中类似的两种状态是（1）出现危机会导致企业利润降低（2）出现危机会导致企业破产，甚至加剧危机的蔓延，遗憾的是后者非常常见。

因为存在破产事件，财富这一变量在时间维度上存在路径依赖。对于赌场来说，每个人在场内下注是独立的，大数定律最终会起作用，而对于赌客来说，“财富会依赖过去的路径，哪怕期望为正，一旦破产游戏就截断了。”人们往往只重视灾难单次发生的小概率，但忽略了在重复游戏中风险会不断累积，只有在将破产风险严格控制为零，才能让自身在长期得以存活。

如巴菲特左轮手枪的例子，子弹只一发，在头上开一枪可以获得100万美元，是否值得参与这样的游戏呢？可能有人会愿意为了钱冒险，但是对于成功的风险管理者来说，只要有归零风险就不应该参与游戏。

“重视概率而忽视赔付在肥尾条件下会导致更大的问题。”现实世界中的回报并不是基于概率，而是基于赔率，但是人们在直观上更在意概率预测。一个例子是交易员预测市场上涨，但是做空市场——因为上涨空间有限而下跌空间巨大。

同样的道理，一个大概率赔钱的策略不一定是糟糕的策略，只要没有破产风险且小概率能获得巨大收益即可，如尾部对冲策略（我们一多一空的中性策略）；一个胜率99.99%的策略也不一定是好策略，如果不能完全规避破产风险前期盈利都会归零，如杠杆统计套利、极限的动态网格。

杠铃策略（Barbell Strategy）是纳西姆·尼古拉斯·塔勒布提出的一种投资策略，该策略的核心思想是将投资组合分为两个极端：一端是极低风险的资产，另一端是极高风险的资产，而中间风险的资产则尽量不涉及。所谓杠铃式思维，就是把应对随机性的策略，看成一个杠铃，杠铃的两端加重，中间的杠轴的重量可以忽略。具体来说：

在杠铃的左边这一端，代表负面的不确定性事件，我们采取的策略，就是极端保守。这部分投资于安全性高、波动性低的资产，如政府债券、现金或其他固定收益证券。这部分资产提供了基础的安全保障，确保即使高风险投资失败，整体投资组合也不会遭受致命打击。

在杠铃的右边这一端，代表正面的不确定性事件，我们采取的策略，是极端的风险偏好，也就是说我们主动寻求这种不确定性事件。这部分投资于潜在收益高但波动性大的资产，如股票、期权、创业投资等。这部分资产在市场出现极端波动或黑天鹅事件时，有可能带来巨大的回报。

而在两端的杠铃中间，我们不采取任何策略。

塔勒布认为，杠铃策略是一个能够实现反脆弱性的方法。迈向反脆弱性的第一步就是减少不利因素，而不是增加有利因素。

也就是说，通过降低自己暴露于负面黑天鹅事件的概率，让反脆弱性顺其自然地发挥作用。

降低脆弱性，并不是可有可无的选择，而是一种强制性要求。因为脆弱性会带来严重的后果。

脆弱性与齿轮不可逆转的特征类似，其造成的损害也是不可逆的。较之于于成功，生存的逻辑优先级别更高。

要赚钱，最好先考虑生存问题。再考虑与速度和增长相关的概念时，如果不考虑脆弱性，那就是毫无意义的空谈。

05

思考总结

B圈本身，就是一个极大的肥尾，大家好自为之，哈哈哈。