2008年9月14日夜裡，雷曼銀行門口人來人往。員工們低頭抱着紙箱，裡面裝的除了工作物料，還有來不及上交的工作手機和公司電腦，因為人事部門在宣布公司關門時，最先裁掉的人就是他們自己——雷曼再也不需要人了，因為不會再有雷曼了。
曲徑在家聽到了美國政府放棄拯救雷曼的新聞，拿起自己的諾基亞手機，跑到了紐約曼哈頓中城，對着大螢幕上仍然還在霓虹流轉的“Lehman Brothers”，拍下了一張清晰度很低的相片。
夜晚過去，太陽照常升起。但9月15日這天早上，雷曼正式宣布破産，曲徑在通勤路上又一次路過同一塊熒幕時，已然換上了Barclays Capital（巴克萊資本）的招牌。
金融巨頭就這樣在一夜之間，無聲地消失在了華爾街，消失在了人們的世界裡。
末日中的雷曼
這段時間，美國五家最大投行中的三家（美林、雷曼、貝爾斯登）不是破産、就是被并購。海嘯席卷得如此迅猛，誰也不知道自己會不會成為下一個“代價”。此時的曲徑，剛剛在華爾街工作了一年，置身在搖擺的風雨中，曲徑清晰地認知到，要以投資為職業，就必須先敬畏這個金融市場，因為“市場總是對的”。
在華爾街的燈火即将熄滅之時，巴菲特攜50億逆向抄底高盛優先股，這鍍金的信任投票在當時很多人看來是一筆失敗的投資。事實上大家都錯了，09年高盛随着美股反彈而翻倍。目睹着巴菲特“反人性”的表演後，大為震撼的曲徑，最終更堅定地走在了量化的道路上。
筆者問道，“你對巴菲特的這筆操作如今印象深刻，為什麼不選擇做主觀呢？”
曲徑用很平靜的語氣緩緩說到，“金融危機讓我認識到能成為巴菲特是小機率的事情，即使他把逆向思維寫進白皮書裡全部告訴投資者，也幾乎沒有人敢在2008年下半年買入高盛。”
與許多基金經理的成長路徑不同，曲徑職業生涯伊始便撞上了金融風暴，這也讓她從一開始就明白要以卑微的心态面對市場，即便是處于平穩的行情中，也不能缺少對市場的一分敬畏；在見證了巴菲特“反人性”表演之後，曲徑早早地體會到了主觀投資的艱難，以及成為巴菲特機率其實遠不及億萬分之一。
對她而言，量化這條追求獲得大機率确定性的道路，或許才是更好的職業選擇。
01
勝率
投資無非就是一場機率遊戲，若想成功，一個穩健的方式便是适當降低賠率，做大勝率，然後進行“小勝的複利”。
當談論起元宇宙這樣的新主題時，曲徑的态度是避而遠之，以至于她拿出筆來框定自己的投資範圍，與這類超出自身能力邊界的主題劃清界限。
“投研生産力要放在投資産出成本效益更高的地方。我的投資能力圈處于因子投資與主觀投資之間，過于前瞻的元宇宙超過了我的能力範圍，我無法從它曆史的邏輯上去反複驗證。”曲徑向筆者坦言。“而且我的持股也比較分散，更傾向于依靠勝率創造Alpha，如果依靠賠率，隻有少部分公司能獲得高收益。”
是以，那些無法準确獲得資料的闆塊是很難進入曲徑的量化模型的，除了To B的計算機闆塊和軍工闆塊這些大家耳熟能詳的财務盲盒外，還有一個頗令筆者感到意外的行業——消費電子。
理論上講，消費電子基本等于消費品，C端銷量追蹤起來并沒有難度。事實上完全不是這樣，工廠手機的新增産量，新招了多少勞工，接了多少訂單，這些依靠資料供應商确實是可以獲得。
但即便是這些資料，也都是遠遠滞後于一位資深的行業研究員，因為他能在蘋果開始研發的時候，就預判明年大機率會不會增加一個攝像頭或者屏下指紋。“是以當我等到勞工流水線上工的資料時，消費電子已經在開始交易預期了，我肯定是比他們晚的。”曲徑向遠川直言。
蘋果每個月銷量可以跟蹤，但是像流量和訂單這些關鍵變量是滞後的，這讓曲徑的量化模型相對于主觀投資處于一個不利的位置。相對于這些，曲徑更偏好市場狀況穩定，有規律可循的行業。
同樣，在全市場股票中，曲徑的量化模型呈現啞鈴型配置，趨向于頭部大藍籌以及尾部被市場忽略的小市值優質股。這也是因為中市值的賽道股是過去兩年市場的紅海，各基金公司行業研究員挖得非常深，對邊際變化抓得非常緊。
是以，曲徑要在中市值賽道股和消費電子等依據前瞻判斷的行業做出超額，并不是一件大機率的事。
在框定了勝率最高的投資範圍後，曲徑時常把自己放在一個相對“卑微”的位置，更傾向去相信模型。“因為人會有情緒波動，大多數時候是趨勢主義，在高點會更興奮，在低位會更想減倉。”曲徑信任自己的模型，因為能在市場悲觀的時候代替自己決策，讓自己不要害怕。
換句話說，曲徑認為若要主觀去二次判斷時，得對自己的信心非常高，通常而言二次判斷往往會降低模型的Alpha機會，還不如模型“自動駕駛”勝率來得更高。
2021年，曲徑休了3個月的長假，而中歐量化驅動全年的淨值增長仍然達到33.37%，同期業績比較基準為11.69%，量化模型依靠它自己的判斷戰勝了市場。
02
融合
之是以在孕産假期間，敢于讓量化模型與協管的基金經理一起保持正常運作，是因為曲徑對基本面邏輯進行了前置。
傳統上，做基本面量化就三個步驟：基本面邏輯提取-模組化回測找資料-自動化系統找出信号。大多數量化投資人會把更多的時間放在第二步挖因子寫模型，而曲徑把更多的時間放在了第一步基本面的邏輯提取。
曲徑的基本面量化，是通過深度學習，不斷疊代自己的模型去與基本面本質邏輯相融合，不是為了挖因子，而是為了挖認知，挖對事物基本面的了解。
打個最簡單的比方，看養豬有三個層次。最淺層是看豬價，因為豬價對應的是生豬養殖下個季度收入情況。看得稍微深一些，會關注憑什麼豬價現在上漲，因為現在豬價上漲意味着10個月前母豬存欄的下降。是以，“能繁母豬去化”對應的是10個月後豬價的上漲，有人會提前交易預期。
但是這些都不是看得最深的。
“最深層的會看到能繁母豬減少，一定對應到的是養豬成本曲線上，成本更高的長尾客戶一直在虧錢，也就是散養戶養豬不掙錢和退出，能繁母豬才會去化。”曲徑向遠川分析。
用量化來描述，首先要輸入農民買豬、人工、豬飼料等所有成本，再乘以豬價來算出收入。然後曲徑會依據曆史資料估算出散養農戶養豬能夠承受虧錢時長大緻是兩個季度，再把這些寫入模型。除此之外，曲徑還會納入農業部收儲及放儲檔案裡豬糧比的參數，不斷完善更新。
久而久之，曲徑也辨識出了哪些分析師更老炮：“老司機會說，如果養殖成本更低的龍頭公司當季都虧損了，那散養戶得虧成什麼樣？’他們用簡單的變量替代複雜的變量，做基本面的人就是要抓這些核心的要素。”
在這個主觀認知與量化模型融合的過程中，曲徑也表示自己無法做到變量簡單化。豬企未來也會發生變化，有可能資本開支過多，也有可能折舊越來越多，“你不能完全信任一家豬企未來成本會一直保持最低，寫入模型時我們會把這些風險點也納入論證，是以人人都說做基本面，但人人做的基本面都不一樣。”
在設定模型前，曲徑會先訪談大量的專家去深度了解行業，找到關鍵變量，細微到鋼廠附近空氣檢測資料，深入到預判散養農戶的心理。隻有提前全盤考慮，把所有能夠想到的角度和邏輯都囊括，這才能有底氣相信模型的“理性”優于非常時刻中人性的“感性”。
03
長跑
不為人知的是，曲徑曾是一位鐵人三項選手。
曲徑告訴遠川：“以前在美國千禧年（Millennium Partners）工作太累了，脊椎包括整個背部肌肉都是僵硬的，于是養成了長跑解壓的習慣，跑着跑着發現自己性格是适合長距離運動的。”不同于有人熱愛極限運動去追尋風險平衡後的“化境”，曲徑更享受長期保持節奏，把腳下每一步都邁穩，然後抵達終點。
“當時我也喜歡遊泳，相較于美國人，騎單車也是咱們的Alpha，是以朋友們很自然地提議我可以去練練鐵人三項。”曲徑幽默地補充道。
做基本面量化，對于曲徑來說就像長跑，因為它門檻很高，學習曲線很長，隻有越挖越深才能體會其中的樂趣。“我做過性格測試，加上這些年對自我的認知，發現錢和物質對我的激勵是一個“凹曲線”，上限來得比較早，是以規模對我的驅動力并沒有那麼高，我的幸福感來源于對新認知的探索。”
所謂的保持節奏感，曲徑不會像主觀投資買新能源一樣看行業5-7年的發展趨勢，更多的是聚焦于上市公司一個季度到一年的損益變化，而她的持倉周期也會更短，這是一種在趨勢上尋找周期的模式，就好比在長跑中不斷調整呼吸動作，減少體力的消耗，進而跑得更久更遠。
作為量化基金經理，過去曲徑的換手率是相對主觀投資較高的，但此後則明顯遞減，這是發生了什麼？
“這與我性格比較慢也有關系，有些人能一下子轉變過來，我得慢慢适應周邊的環境。”曲徑回答。
2015年，曲徑從券商自營加入了中歐基金，而券商自營相對是一個短久期負債的投資方式，在這大前提下也必然保持着較高頻率的交易。
加入中歐後，曲徑起初還是維持這樣絕對收益的心态，直到2017年中旬，她慢慢意識到公募每天開放申購贖回，作為普惠金融的一種，提供的是一種相對的配置，力争給大部分客戶提供Beta價值，要保持高倉位運作，在2018年調整投資方向後，換手率也逐漸降低。
自始至終，曲徑都沒有表達自己一年要跑出多少超額收益，要給投資人賺取多少可觀的收益，她的目标隻一個：長期來看戰勝基準。
正如曲徑愛好鐵人三項運動的側面，向筆者表達的：“我自認為是耐力勝過爆發力的選手，我隻想一點一點把業績累計出來。”
04
尾聲
當“量化”一詞逐漸被看成交易速度的内卷戰争，或是機器學習的神秘黑箱這類代名詞之外，它還有一個更貼近股票投資本質的追求——尋找這個市場的底層規律，由此找到大機率獲勝的投資機會。
這些機會或許會存在于持續的交易中，但更普遍的機會，則存在于主動投資者們所迷戀的另一個詞——「基本面」當中。
隻不過主觀信仰認知，量化信仰資料，「Talk is cheap show me the data 」寫在了幾乎每一個量化模型的字裡行間。
上世紀90年代，美國的金融機構依靠Oracle資料庫支援，基于公開财報資訊建立PE-ROE-GROWTH三因子模型就能創造Alpha來源。而随着時間推移，深度學習帶來了量化因子挖掘的不斷内卷，不管是港口停了多少郵輪，還是河北鋼鐵高爐的開工情況，甚至是用衛星資料去看shopping mall門口的停車密度……傳統的多因子模型也變得越來越難賺錢。
另一方面，做主動價值投資的資管機構也納入了更多資料去做研究，譬如惠靈頓資管（Wellington Management Company）的資料項目命名為“Data Lake（資料湖）”,因為市面上更通常的“Data Pool（資料池）”已經滿足不了其與日俱增的資料需求。
在這主觀與量化相融合的趨勢下，擺在曲徑面前的選擇，是依靠AI應用的高頻量化，還是邏輯驅動的基本面量化。
性格更慢熱的曲徑最終避開了高頻的修羅場，選擇了基本面量化，這也是曲徑目前正在努力做的事：想辦法去抽象現在A股的基本面邏輯，同時努力在資訊處理和資訊擷取上處于相對靠前的位置。
特别是對基本面邏輯深層挖掘的渴求，對一些金融行為的量化描述，都不乏是行業Beta化下閃光的探索。曲徑正慢跑在一條少有人走的小徑上。
沒有一種政策适合所有人。當被問及公募量化有何投資風險這一尖銳問題時，曲徑回答道：“如果你要把我們當做提供超高彈性的收益來源，這肯定不是我們做産品的方式和目的。從這個角度上講，我們更适合機構進行底倉配置，以及具備量化投資經驗或者專業知識的個人投資者。”
根植于曲徑職業初期金融危機的經曆，對市場風險的敬畏，她也敏銳地意識到當下這個時間點，A股市場和量化投資的風險。首先，量化不可能保證在所有時間段都跑赢市場，就如曾在核心賽道主導的2020年以及風格轉換的2021年2-3月面臨市場挑戰。其次，在TMT和光伏行業，量化也有前瞻性不足的弊端。更何況因子的挖掘永無止境，如果沒有及時納入新的基本面邏輯，模型也可能會失效。
對于曲徑來說，了解量化、了解她在模型中表達的市場認知，接受并且認同這種道路，是投資者選擇其産品前，必須要完成的功課。
全文完，感謝您的耐心閱讀。