摘要：石川
摘要：很多人問我，搞量化是否學(xué)好數(shù)理和計(jì)算機(jī)就夠了。本文給出我的回答。

1

經(jīng)常有年輕人和立志轉(zhuǎn)行量化的朋友問我一個(gè)問題：“做量化，是不是只要數(shù)理統(tǒng)計(jì)和計(jì)算機(jī)科學(xué)夠強(qiáng)就行了？金融知識(shí)好像沒那么重要，反正數(shù)據(jù)里會(huì)告訴我們一切?！?/span>

作為一名在量化行業(yè)摸爬滾打多年的人，我想提供一個(gè)不同的視角：在量化投資這個(gè)復(fù)雜的定價(jià)系統(tǒng)中，金融洞見，恰恰是那個(gè)最重要、卻被普遍低估的“定價(jià)因子”。我們窮盡各種技術(shù)去尋找 Alpha，卻常常忽略了，深刻的理解本身，就是最寶貴的 Alpha 來源之一。

在展開論述之前，需深刻理解金融市場數(shù)據(jù)的根本特性：信噪比極低，且數(shù)據(jù)生成過程不滿足平穩(wěn)性假設(shè)。

這一特性，決定了量化研究與其他領(lǐng)域（如圖像識(shí)別、自然語言處理）的根本不同。在圖像識(shí)別中，一只貓的圖片特征在多年間是相對(duì)穩(wěn)定的；而在金融市場中，驅(qū)動(dòng)資產(chǎn)價(jià)格的因素復(fù)雜多變，市場的“游戲規(guī)則”和參與者的行為模式會(huì)隨時(shí)間演變。這意味著，任何純粹的、無指導(dǎo)的數(shù)據(jù)挖掘，都極易在浩瀚的噪聲中擬合出毫無意義的“幻影”規(guī)律，這些規(guī)律在樣本外會(huì)迅速失效。

因此，在量化領(lǐng)域，無論是經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)模型，還是前沿的機(jī)器學(xué)習(xí)算法，其成功應(yīng)用都必須在一個(gè)更高的框架下進(jìn)行——即金融學(xué)與經(jīng)濟(jì)學(xué)理論的指引（這也是我為什么那么推崇 Nagel 的那本《Machine Learning in Asset Pricing》）。理論，為我們提供了寶貴的先驗(yàn)知識(shí)。這些先驗(yàn)?zāi)軒椭覀儯?/span>

• 約束模型：在參數(shù)估計(jì)時(shí)，將估計(jì)值引導(dǎo)至經(jīng)濟(jì)邏輯認(rèn)為合理的范圍內(nèi)。

• 指導(dǎo)特征工程：優(yōu)先構(gòu)建那些有堅(jiān)實(shí)經(jīng)濟(jì)學(xué)解釋的因子，而非盲目地組合數(shù)據(jù)。

• 理解模型輸出：當(dāng)一個(gè)模型做出預(yù)測時(shí)，我們能從金融邏輯上判斷其是否合理，從而避免做出荒謬的決策。

將金融數(shù)據(jù)視為一個(gè)純粹的數(shù)據(jù)問題，試圖僅憑算力“大力出奇跡”，往往是徒勞的。 唯有在金融理論的“燈塔”指引下，數(shù)理模型之“舟”才能在數(shù)據(jù)的噪聲海洋中，找到正確的航向，做到事半功倍。

2

近年來，隨著機(jī)器學(xué)習(xí)和大數(shù)據(jù)的興起，一種強(qiáng)調(diào)“數(shù)據(jù)驅(qū)動(dòng)”、“快速實(shí)驗(yàn)”的范式越來越流行。著名對(duì)沖基金 Winton 在其論述中，精準(zhǔn)地描繪了量化研究的兩種面貌，并將其概括為 “實(shí)驗(yàn)性”與“觀測性”的路徑分歧。理解這兩種范式，能讓我們更清晰地看到金融知識(shí)的核心價(jià)值。

Winton 的框架系統(tǒng)性地呈現(xiàn)了當(dāng)前量化領(lǐng)域的兩種主流范式：

• “實(shí)驗(yàn)性”范式：

• 核心：組合成千上萬個(gè)高夏普、低容量的信號(hào)。
• 特征：數(shù)據(jù)驅(qū)動(dòng)，不追求單一信號(hào)的可解釋性；回測期較短，信號(hào)權(quán)重根據(jù)近期表現(xiàn)動(dòng)態(tài)調(diào)整；是機(jī)器學(xué)習(xí)技術(shù)的沃土；對(duì)選擇偏差的敏感性較低。

• “觀測性”范式：

• 核心：組合 10 至 100 個(gè)低夏普、互不相關(guān)且高容量的信號(hào)。
• 特征：假設(shè)驅(qū)動(dòng)——先形成金融邏輯假設(shè)，再用數(shù)據(jù)驗(yàn)證；理解策略持倉邏輯至關(guān)重要，經(jīng)濟(jì)學(xué)或行為學(xué)原理能增強(qiáng)長期信心；依賴長期回測（理想情況下 30-40 年）以建立對(duì)信號(hào)性能及相關(guān)性的信任。

乍看之下，“實(shí)驗(yàn)性”范式似乎更“酷”，更符合技術(shù)極客的審美：算力至上，數(shù)據(jù)說話，“邏輯靠邊”。這恰恰是“只需數(shù)理和編程”這一誤解的溫床。然而，正是在這條路徑上，金融知識(shí)扮演著防止研究墜入數(shù)據(jù)窺探深淵的“導(dǎo)航儀”角色。

邏輯錨定：從“相關(guān)”到“因果”的橋梁

純“實(shí)驗(yàn)性”研究允許“不需要理解算法為何交易”，但這建立在“任何單一信號(hào)權(quán)重很小且可快速終結(jié)”的前提下。這本質(zhì)上是一種風(fēng)險(xiǎn)分散和快速迭代的工程思想。然而，如何判斷一個(gè)信號(hào)是暫時(shí)失效還是永久性失效？如何科學(xué)界定實(shí)驗(yàn)的邊界？

此時(shí)，金融知識(shí)所提供的邏輯先驗(yàn)至關(guān)重要。它能引導(dǎo)你優(yōu)先在經(jīng)濟(jì)學(xué)直覺上更可能有效的領(lǐng)域（如價(jià)值、動(dòng)量、質(zhì)量）進(jìn)行探索，而非盲目測試諸如“太陽黑子與股價(jià)”、“股票 ticker 是不是順口和收益率”之類的關(guān)系。當(dāng)面對(duì)一個(gè)回測優(yōu)異但邏輯怪異的因子時(shí)，它賦予你理性判斷的基石。缺乏金融知識(shí)的“導(dǎo)航”，再強(qiáng)大的算力也只是一臺(tái)在噪聲中盲目亂撞的挖掘機(jī)。

而在“觀測性”范式中，金融知識(shí)的作用更是從“輔助”升級(jí)為“核心”，成為驅(qū)動(dòng)整個(gè)策略生命周期的核心生產(chǎn)工具。

假設(shè)生成：洞見的源頭與邏輯的錨定

在“實(shí)驗(yàn)性”范式中，假設(shè)可以源于數(shù)據(jù)本身；但在“觀測性”范式中，一個(gè)強(qiáng)有力的、先驗(yàn)的金融經(jīng)濟(jì)學(xué)假設(shè)是研究的起點(diǎn)與邏輯的錨點(diǎn)。這個(gè)假設(shè)深深植根于：

• 資產(chǎn)定價(jià)理論：引導(dǎo)我們探尋市場為何以及如何為“風(fēng)險(xiǎn)”定價(jià)，從而理解價(jià)值、動(dòng)量等因子的經(jīng)濟(jì)學(xué)根基，而非視其為統(tǒng)計(jì)黑箱。

• 公司金融與會(huì)計(jì)學(xué)：幫助我們穿透財(cái)務(wù)報(bào)表，構(gòu)建真正反映企業(yè)“質(zhì)量”或“困境”的指標(biāo)，而非進(jìn)行機(jī)械的比率組合。(說起“高質(zhì)量”，我又有話不得不說；等我后面的文章再來嘮嘮。)

• 行為金融學(xué)：為市場異象提供解釋，例如投資者系統(tǒng)性反應(yīng)不足或過度反應(yīng)的機(jī)理，為動(dòng)量或反轉(zhuǎn)策略注入基于人類心理的穩(wěn)固邏輯。

在此，金融知識(shí)的作用是為策略“注入靈魂”并“錨定邏輯”，確保所尋信號(hào)建立在市場可能持續(xù)存在的“無效性”或“風(fēng)險(xiǎn)補(bǔ)償”之上。

組合構(gòu)建：理解相關(guān)性、容量與風(fēng)險(xiǎn)的宏觀視角

“觀測性”范式要求信號(hào)具備“低相關(guān)性”和“高容量”。對(duì)這兩點(diǎn)的深刻理解，遠(yuǎn)超純統(tǒng)計(jì)范疇，直接觸及金融核心。

• 低相關(guān)性：不僅僅是根據(jù)歷史數(shù)據(jù)計(jì)算而來的相關(guān)系數(shù)。它要求我們理解為什么不同資產(chǎn)或策略間的相關(guān)性會(huì)時(shí)變——這背后是宏觀經(jīng)濟(jì)周期、貨幣政策、風(fēng)險(xiǎn)偏好等宏觀金融理論的支撐。

• 高容量：直接關(guān)聯(lián)到市場微觀結(jié)構(gòu)和資產(chǎn)流動(dòng)性的理論與實(shí)踐。策略的容量上限由市場深度、廣度及交易成本決定。缺乏此知識(shí)，可能構(gòu)建出回測完美、實(shí)盤卻無法實(shí)現(xiàn)的“紙上神話”。

值得注意的是，即便在“實(shí)驗(yàn)性”范式中，當(dāng)試圖將海量信號(hào)整合為實(shí)盤組合時(shí)，研究者也必須直面容量、交易成本與風(fēng)險(xiǎn)集中問題，完成從“數(shù)據(jù)科學(xué)家”到精通投資組合理論與資產(chǎn)定價(jià)的“基金經(jīng)理”的角色轉(zhuǎn)變。

Winton 將“觀測性”范式的科學(xué)靈感歸于醫(yī)學(xué)、引力波探測等低信噪比領(lǐng)域，這絕非巧合。在這些領(lǐng)域，缺乏強(qiáng)大的理論先驗(yàn)，幾乎不可能從噪聲中提取真實(shí)信號(hào)。

• 對(duì)抗選擇偏差：在金融的低信噪比環(huán)境中，先形成基于金融理論的假設(shè)，再用數(shù)據(jù)驗(yàn)證，是抵御數(shù)據(jù)窺探偏見（data snooping）的黃金法則。這如同按圖索驥，而非盲目掘金。金融知識(shí)提供了評(píng)判策略內(nèi)在合理性的終極標(biāo)尺。

• 建立長期信心：策略在實(shí)盤中必然經(jīng)歷痛苦的回撤。若不明其盈利根源，極易在壓力下放棄。反之，深刻理解其背后的風(fēng)險(xiǎn)溢價(jià)來源（如價(jià)值因子承載的困境風(fēng)險(xiǎn)），才能做出正確的決策。

因此，在“觀測性”范式的全周期中，金融知識(shí)已超越輔助角色，成為最核心的生產(chǎn)資料和決策依據(jù)。它幫助我們提出正確問題，理性解讀數(shù)據(jù)，并最終建立起對(duì)策略的長期信念。

3

在我們討論了兩種研究范式之后，我們或許可以從一個(gè)更現(xiàn)實(shí)的視角——個(gè)人職業(yè)發(fā)展——來審視這個(gè)問題。

短期來看，卓越的數(shù)理統(tǒng)計(jì)與計(jì)算機(jī)科學(xué)能力，是您踏入量化行業(yè)最硬的“敲門磚”和最可靠的“安全網(wǎng)”。它能讓你迅速融入團(tuán)隊(duì)，負(fù)責(zé)因子挖掘、模型實(shí)現(xiàn)、回測引擎開發(fā)等具體任務(wù)。在這個(gè)階段，你是一個(gè)價(jià)值極高的“執(zhí)行者”。市場對(duì)這類人才的需求旺盛，你能憑借純技術(shù)能力成為一名合格的、甚至非常優(yōu)秀的“工具人”。

然而，長期來看，若想實(shí)現(xiàn)職業(yè)的躍遷，從“執(zhí)行”走向“決策”，從“研究員”成長為“基金經(jīng)理”或“合伙人”，金融洞見的重要性將無可替代地凸顯出來。

這背后的邏輯在于：

• 資源分配與方向決策：作為團(tuán)隊(duì)領(lǐng)導(dǎo)者，你需要決定“向哪里投入研發(fā)資源”。這個(gè)決策無法僅靠回測做出，因?yàn)樗P(guān)乎對(duì)未來市場結(jié)構(gòu)的預(yù)判。這需要你對(duì)經(jīng)濟(jì)周期、貨幣政策、市場生態(tài)有超越數(shù)據(jù)層面的理解與信念。

• 策略的“信仰”與堅(jiān)持：一個(gè)只懂模型代碼而不懂其金融內(nèi)核的經(jīng)理，在策略大幅回撤時(shí)，很容易陷入自我懷疑。而一個(gè)深刻理解策略背后風(fēng)險(xiǎn)溢價(jià)來源的掌舵者，才能擁有“穿越低谷的信仰”。

• 創(chuàng)新與范式轉(zhuǎn)移的感知：真正的創(chuàng)新往往不是來自對(duì)歷史數(shù)據(jù)的窮舉，而是源于對(duì)市場無效性的先驗(yàn)性洞見。這種能力，源于對(duì)金融學(xué)經(jīng)典理論的深刻理解，以及對(duì)現(xiàn)實(shí)市場運(yùn)行的持續(xù)觀察與思考。

因此，可以說：你的技術(shù)能力讓你不可或缺，但你的金融洞見讓你無可替代。技術(shù)能力決定了你職業(yè)生涯的“下限”，而金融洞見則決定了你職業(yè)發(fā)展的“上限”。

4

優(yōu)秀的量化機(jī)構(gòu)，往往不是在兩種范式中二選一，而是尋求其精妙的融合。我們可以用“實(shí)驗(yàn)性”范式的技術(shù)和流程，去高效地探索和驗(yàn)證海量想法；但同時(shí)，我們必須用“觀測性”范式的金融邏輯和嚴(yán)謹(jǐn)性，去指導(dǎo)實(shí)驗(yàn)的方向、甄別結(jié)果的真?zhèn)?，并?gòu)建具備長期生命力的核心資產(chǎn)。

對(duì)于個(gè)人而言，這條職業(yè)道路何嘗不是如此？我們花費(fèi)大量時(shí)間優(yōu)化模型參數(shù)、提升計(jì)算效率，這都是在為已知的因子尋找更優(yōu)的權(quán)重。但職業(yè)的躍遷，更來自于發(fā)現(xiàn)并為你策略庫中那個(gè)名為“金融洞見”的關(guān)鍵因子賦予更高的權(quán)重。

量化投資是一場在非平穩(wěn)、低信噪比的復(fù)雜環(huán)境中進(jìn)行的科學(xué)探索。數(shù)理和編程提供了探索所需的精密儀器和強(qiáng)大動(dòng)力，而金融知識(shí)則是指導(dǎo)我們探索方向、并解讀探索發(fā)現(xiàn)的地圖與詮釋理論。

當(dāng)整個(gè)行業(yè)都在算力與數(shù)據(jù)的軍備競賽中不斷內(nèi)卷時(shí)，不妨回歸本源：為你自己的認(rèn)知“定價(jià)”，深度挖掘“金融洞見”這個(gè)因子，它或許能為你帶來下一個(gè)顯著的策略 Alpha，以及職業(yè)生涯的終極 Beta。

當(dāng)我們驚嘆于某些經(jīng)典因子（如價(jià)值、動(dòng)量）歷經(jīng)數(shù)十年市場洗禮而依然有效時(shí)，我們驚嘆的不僅僅是其統(tǒng)計(jì)上的穩(wěn)健性，更是其背后金融邏輯的深刻與持久。

免責(zé)聲明：入市有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。在任何情況下，本文的內(nèi)容、信息及數(shù)據(jù)或所表述的意見并不構(gòu)成對(duì)任何人的投資建議。在任何情況下，本文作者及所屬機(jī)構(gòu)不對(duì)任何人因使用本文的任何內(nèi)容所引致的任何損失負(fù)任何責(zé)任。除特別說明外，文中圖表均直接或間接來自于相應(yīng)論文，僅為介紹之用，版權(quán)歸原作者和期刊所有。