量化巨头AQR在早期一篇名为《Buffett's Alpha》的研究中指出，巴菲特的超凡业绩可以归因于他比任何量化模型都更早、更坚定地执行了质量因子（Quality）与低波动因子（Low Beta）策略。换句话说，巴菲特在草稿纸上对“护城河”的反复计算，本质上就是一种对ROE稳定性和毛利率的因子化建模。
这一逻辑同样适用于成长股投资大师菲利普·费雪。当他通过著名的“闲聊法”调研产业链时，实际上是在用人脑处理海量的非结构化数据。他的目标并非财报中已有的数字，而是挖掘市场尚未定价的信息，这正是现代量化投资所追求的另类数据与预期差。
很多人将Quantamental与复杂的神经网络和代码直接划等号，认为脱离了算力便无从谈起。但回归本质，Quantamental的雏形早已存在于格雷厄姆、巴菲特和费雪的思考框架中。它的核心并非工具，而是一种将投资决策拆解为可验证链条的思维习惯。
当我们剥离代码的外衣，会发现：工具从来不是壁垒，思维才是真正的护城河。
这些投资大师的持久影响力，源于他们将主观判断系统化、规则化的能力：如何定义有效证据、如何累积证据、何时承认错误、何时调整头寸。这是一种早于“因子”概念存在的系统性思维。
在AQR创始人Cliff Asness看来，价值投资本身就是一个被长期验证的有效因子。巴菲特的护城河策略是高阶的质量因子执行；费雪的调研则是通过非结构化数据挖掘预期差。他们虽未写下一行代码，但其决策过程充满了量化精神：逻辑闭环、规则纪律以及对概率的尊重。
他们没有编写算法，却践行了与量化内核高度一致的三件事：将叙事转化为变量，将变量固化为规则，将规则交付于纪律。
为了让这一概念更具体，我们可以构建一个无需代码的Quantamental最小可行示例。
假设我们关注“AI资本开支驱动基础设施升级”这条投资主线。传统分析可能止步于阅读研报、形成模糊感知后买入。而基本面量化的思维则会追问：这个故事若要转化为收益，具体依赖哪两种力量？
我们可以创建一张简易的复盘表格：
- 物理层 (Physics)：记录客观、可验证的行业与公司行为变量，如资本开支的边际变化、研发投入的强度与方向。这些是改变公司基本面和现金流的“燃料”。
- 叙事层 (Narrative)：追踪市场共识、情绪与风险偏好的变化。这可以通过关注电话会、研报中与AI需求、供给瓶颈等相关的表述是否变得更为密集、一致来衡量。它反映的是市场“折现率”或“点火器”的动向。
- 规则层 (Rule)：设定简单的入场条件。例如，仅考虑资本开支增速处于行业前20%、且叙事层热度出现显著跃升的公司。
至此，我们已完成了一次量化实践：将一个宏大叙事拆解为两个可观测维度，并制定了清晰的决策规则。
这一框架恰好呼应了资产定价的经典视角：价格变动由“现金流预期变化”（燃料）和“折现率变化”（点火器）共同驱动。Quantamental的练习，正是在市场噪音中辨别这两种力量的真实动向。
稳定维护这两类证据，能有效防止研究偏离主线。无论市场情绪如何波动，我们都能清晰识别驱动力的来源；当出现回撤时，决策依据不再是信仰，而是基于证据链条的明细账本——该加仓、等待还是撤退。
这也提醒我们，应善用工具但避免迷信。过度复杂的模型容易导致过拟合，将阶段性噪音误认为可持续规律。工具能提升效率，但抵达终点的关键，始终是逻辑链是否闭环、规则能否严格执行、犯错能否及时修正。
在技术爆炸的时代，真正的竞争优势，在于将判断拆解为证据、将证据转化为纪律的能力。Alpha从未消失，它始终青睐那些能将故事翻译成可验证结构的人，无论其手中握的是键盘，还是笔。 | 
发表于 13 小时前
|
查看: 2|
回复: 0
