是不可预测的。所以价格走势，本质上是随机游走。”

    他指着屏幕上那条曲线：

    “这条线，就是用随机游走模型生成的。它的每一个转折，都没有任何原因。但它看起来，和真实的股票走势几乎没有区别。”

    陈默沉默。

    周寻又打开一个新窗口，这次是一个更复杂的程序。

    “这是另一个模拟。”他说，“这次我加了一点东西。”

    屏幕上出现了第二条曲线。这一次，和第一条不太一样——某些区域的波动明显更密集，某些区域更稀疏。有几次，剧烈的波动之后，紧接着又是剧烈的波动。

    “这是加了‘波动率聚集’的随机游走。”周寻解释，“真实市场有一个特征：大的波动之后，往往跟着大的波动；小的波动之后，往往跟着小的波动。这不是随机的，是一种统计上显著的结构。”

    他指着那些波动密集的区域：

    “这就是所谓的‘波动率聚集’。它不是一个可以预测涨跌的规律，但它是一个可以预测波动强度的规律。有了这个规律，你就可以做一些事情——比如，在波动率高的区域，降低仓位；在波动率低的区域，增加仓位。”

    陈默看着那条曲线，慢慢开始理解他在说什么。

    “所以，”他开口，“市场不是完全随机的。它有一些……结构？”

    周寻点头。

    “对。”他说，“市场大部分时间是不可预测的随机游走。但在随机游走的基础上，有一些‘异象’——某些模式出现的频率，高于随机概率。”

    他站起来，走到白板前——那是一块很小的白板，靠在墙上，上面还留着之前写的公式。他拿起笔，写下几个词：

    动量效应

    反转效应

    波动率聚集

    日历效应

    规模效应

    价值效应

    “这些，”他指着这些词，“是学术界发现的、被反复验证过的市场异象。它们在统计上是显著的——也就是说，出现的概率，不是随机的。”

    他放下笔，看着陈默：

    “量化投资的全部逻辑，就建立在这上面。”

    陈默没有说话。

    周寻走回电脑前，打开第三个程序。

    这一次，屏幕上出现了两条曲线。一条是真实的沪深300指数走势，另一条是他刚才生成的、加了波动率聚集的随机游走。

    “您看，”他指着两条曲线的对比，“真实市场和随机游走的区别，不在于‘看起来像不像’，在于‘某些模式出现的频率’。”

    他用鼠标圈出几段区域：

    “这里，2006到2007年的大牛市。在随机游走里，也会出现这种持续上涨。但概率是多少？大约千分之几。”

    “这里，2008年的暴跌。随机游走里也会出现，概率更低。”

    “关键是——当这些低概率事件出现的频率，显著高于随机水平时，就说明背后有结构性的力量在驱动。可能是人性，可能是制度，可能是资金流动。”

    他转过头，看着陈默：

    “量化投资要做的，就是找到这些‘低概率但高频出现’的结构。然后，用概率优势，在大量交易中，慢慢赚钱。”

    陈默看着他，很久没有说话。

    他在消化这些概念。

    随机游走。概率优势。统计显著。大量交易。

    这些词，和他过去二十年的投资语言完全不同。

    他讲的是“价值”“护城河”“管理层”“行业空间”。

    周寻讲的是“分布”“期望值”“置信区间”“夏普比率”。

    这是两个完全不同的世界。

    但周寻接下来的话，让这两个世界产生了某种联系。

    “陈总，”周寻说，“您刚才问我，市场可预测吗？我的答案是——”

    他顿了顿：

    “市场大部分时间，不可预测。但某些‘结构’，可以捕捉。这就像……”

    他在房间里扫了一圈，最后指着窗外的雨棚：

    “您看那个雨棚。您能预测每一滴雨落在雨棚上的具体位置吗？不能。因为那是随机的。”

    他顿了顿：

    “但您能预测，下雨的时候，雨棚上会有水滴落下来吗？能。因为那是结构——雨棚的坡度，引力的作用，这些都是确定的。”

    他转回头，看着陈默：

    “投资也一样。您无法预测明天大盘涨还是跌，无法预测某只股票明天是涨3%还是跌2%。但您可以找到一些‘结构’——比如，低波动率的股票长期跑赢高波动率的股票；比如，盈利超预期的公司，在财报发布后有持续的超额收益。”

    “这些结构，不是100%确定。它们只是概率上占优。10次里面，可能对6次，错4次。但如果你能重复足够多次，这6%的优势，就会变成复利的奇迹。”

    陈默沉默


本章未完，请点击下一页继续阅读》》