0.2 结束语

资本市场如果考虑证券经纪的话是一个负和游戏，A和B作为交易的双方互相资本再分配的同时，证券、期货公司和交易所还要征收手续费、佣金、印花税、过户费、利息等交易费用。一个中等交易频率的普通投资者一年的交易费用可能占到其本金的5%～10%甚至更高。假定一个投资者运气不好也不坏，即猜对明天涨跌的概率五五开，那么其实长远看打败投资者的往往是他自己——一直不断地支付交易成本。

有人说，投资是一个智力游戏，那些足够聪明的人可以在市场上先人一步，做出比其他大多数人更明智的投资决策，所以高智商的投资者总是会赚到钱。笔者认为也不尽然，其实从1990年上海证券交易所成立以来，已经30多年过去了，在这个市场上曾经出现过许许多多这样那样的“股神”，然而能够长存至今的却寥寥无几。2016年股灾，从TOP前5的券商老总到私募一哥纷纷落马，2015年牛市时活跃的私募如今剩下不足一半，笔者估算了一下，一家新兴私募的平均生存期大约2年，在这个行业，“长胜”远比“大胜”难得多。

既然如此，那么如何才能长存于这个市场呢？这就要问一问什么是这个市场上恒久有价值的东西了，那些被市场所倾覆的人们并非不够聪明，而是往往过于聪明以至于总是追逐那些转瞬即逝的价值，这些价值能够带来短时间的暴利，但是也很容易因此而犯错，那些聪明人往往是在这些错误上最终栽了跟头。相反，如果我们能仰赖某些恒久的价值中心，即使这些价值可能无法带来暴利，但只要这些价值不灭，那么建立在这些价值上的我们也不会消亡。获取“长胜”的复利而非一时的暴利是笔者写本书的一个初衷。

因此，建立量化研究体系的意义也明了了：笔者将“量化策略开发”或“量化研究”这个问题拆分成子问题（也就是各个库），子问题再拆分为各个小程序，整个问题的解决将原问题不断拆分为细小的子问题，纵向以树状展开，横向中各个环节相连又构成了循环、在整个系统结构中有相应的生态地位，横向循环也会根据业务场景需要进一步展开形成更加丰富的业务生态，然后我们对每个模块逐个击破。相比传统的策略开发是这样的：人们往往先提出一个策略思想，然后基于这个思想去编程，但是一旦策略被验证为无效，所有编程的精力就全都作废了。这样的研究方法无异于脚踩西瓜皮滑到哪儿算哪儿，或者说大海捞针，在不断试错。然而，世间的错误有千万种，很容易“生也有涯而知也无涯”，最终不断地蹉跎岁月，大多数人就这样在反复试错中灰心丧气，最后放弃了。而对比笔者的研究思想：于笔者而言策略只是最终的果实，并不是最重要的，真正重要的是研究的系统化，即使作为果实的策略没有结出，然而作为整棵树的系统是可以长青的——这就是笔者所说的恒久的价值。只要系统丰富程度不断提高，并且确保每个模块都是解决一个子问题的应对方案，那么就确保了每一次开发都是最终解决策略开发的必要条件，只要我们不断累积必要条件，最终足够多的必要条件的叠加就会形成充分条件，策略开发就趋向于必然会有成果。这样的研究方法可以保证我们不会浪费精力，我们每一次都在向着最终目标进步——只是不确定进步的大小而已，但能够确保最终的成功只是积累数量的问题，或者说将“是否能开发出策略”的问题转化为了“需要多少积累”的问题。当我们积累了足够多的小程序，得到的就不是一个两个策略了，量化研究就变成了模块之间“搭积木”，只要“积木”足够多，就总能搭出我们想要的形状。整个系统可以将一次成功的经验反复复制利用，难的只是从0到1，从1到100将会飞跃性发展，彼时系统的每一个枝头都将结出果实，那个时候我们将会获得一个又一个丰富而庞大的“策略群”。

最终，我们的目标是：针对不同的行情、历史、事件，不同的投资标的、业务逻辑，都基于统一的量化研究系统，开发出相应的策略。因为我们确保了根本思想的统一性——都是同一套“积木”搭出来的，互相之间自然还可以组合——所以每个策略之间会有内在生态性的联系，因此可以在开放接受外部冲击的同时，确保内在的生态稳定性。只要我们的系统足够复杂，那么建立在系统之上的策略体系就可以更加复杂，最终就能建立起一个应对复杂市场环境、变动的历史行情下的“量化战略投资体系”。

最后用一张图来总结这个体系——见图0.1。

图0.1 量化投资系统流程图