不知你如何看待投資？
有人說，投資即是人生
也有人說，投資是不斷做選擇題
關于投資，基本面的擁趸或許會滔滔不絕地從宏觀經濟談到債務周期，從産業戰略講到垂直領域，從财務分析講到“戴維斯輕按兩下”，低市盈率搭配“護城河”仿佛是某種上世紀90年代以來的選股王道。
也有人孜孜不倦探尋技術分析的奧秘，移動平均線和“金叉”、“死叉”隻不過是入門級别，箱體振蕩和布林線是基本常識，五浪八浪和肩頭肩圖形近似玄學，但無論如何這些工具已經是大多數交易軟體和金融資訊終端的工具箱标配。
今天，我們聊一聊投資是什麼。
到底什麼是投資？
其實投資與生活的本質沒有太多差別，都是一個做選擇的過程。
每時每刻，我們都在面臨選擇
早上醒來，是立刻起床運動，還是再睡一會兒？
辛苦賺到的錢是拿去儲蓄還是吃大餐？面對工作上的難題，是先内部開會讨論還是找甲方了解對方深層需求？
由于我們的時間、精力和金錢是有限的，如何将有限的資源配置設定到近乎無限的活動中去，這是每一個人時刻都在做的選擇題。
投資也是如此。
我們的投資本金是有限的，但卻面對一個近乎無限的投資市場，從股票到債券，從房地産到大宗商品，金融衍生品的市場是如此複雜，人們甚至可以對天氣氣溫和城市自來水建立期貨頭寸以進行套利和投機。
是以人們的投資行為，本質上是一個做選擇題的過程：
- 買什麼，賣什麼？
- 什麼時候買進，什麼時候賣出？
- 是半導體闆塊的股票更有前景？
- 還是房地産債券更适合自己？
- 是黃金更能保值？
- 還是國際原油更具吸引力？ ......
然而，當我們在進行投資選擇時勢必會面臨與之而來風險，理論上來說，越是追求高額的投資回報就要承擔越高的投資風險。
以基金舉例，如果一名基金經理獲得了超過大盤的收益表現，究其原因正是因為這名基金經理在承擔超過大盤的風險和波動率之時，進行了冒險性的投資或加杠杆，進而才帶來了優異的收益表現；反之如果該基金經理承擔的風險水準和大盤相同，那麼他的收益水準大機率也與大盤相當。
當今的投資者早已習慣了被動投資，即指将現金、資産交由專業的金融機構進行資産管理。于是，無數的基金經理和分析師們孜孜不倦地要把投資收益從那條扭曲的指數線“掰”到那條平滑的向上曲線。
然而，無論是基金經理還是分析師都隻能作為一個獨立的個體或是團體，他們要如何突破相對逼仄的個體視野與有限的時間與精力，在動辄數百頁的企業财務報告、社交媒體的混亂輿論以及飛速變化的産業與技術變革之中做出絕對正确的投資行為？
答案需要回溯到1970年代，彼時剛剛起步的現代計算機技術和數理模型的應用不僅為人類的科技進步做出了巨大貢獻，還為投資領域打開了名為“量化投資”的可能。大資料、自然語義分析、人工智能、多因子數量模型等等現代量化理論的應用幫助基金經理們做出更為正确的決策。用絕對理性的機器替代經常犯錯的人類決策過程，使得我們可以獲得遠超過去的風險調整後收益，進而不斷接近那個平滑的向上曲線。
量化投資的基本架構
量化投資又被稱為系統投資，是由Sam Eisenstadt 于 1965 年所建立的投資模型，量化投資的首次運用是制作 6 個月追蹤業績的量化排名系統，Sam通過曆史量化資料發現排名靠前的股票表現要優于排名靠後的股票，并以此作為投資的依據而大獲成功。
發展至今，以量化投資為根源已經發展出了許多的投資政策，包括：
定量價值政策：該政策使用公司損益表和資産負債表中的所有資訊，并通過模型計算總分對股票的優劣進行排名；
事件驅動型政策：該政策是指分析有關事件的資料政策，例如政策變化、公司突發行為等。如果模型建立了特定的價格變動模式，達到該門檻值時就會發生買賣交易；
風險平價基金：風險平價是一種資産配置模型，其基本邏輯是持有各大類資産，包括股票、債券以及大宗商品等，當某類資産的風險處于高位的時候降低配置，在風險處于低位的時候增加配置，即通過平衡風險的方式來配置資産。
以上的投資政策隻是衆多投資政策的冰山一角，但歸納它們所使用的根源 —— 量化投資的原理其實很容易了解。在我們做決策時往往希望能獲得更多的資訊或者原始資料，所謂“知己知彼，百戰不殆”，就是這樣一個樸素的中國哲學。對于主觀的基本面投資者而言也正是如此，在我們進行股票投資之前也應當從宏觀周期的大體情況、相關産業的趨勢與技術路徑、公司的經營與财務資料、以及其他包括管理層的個人背景和宏觀調控政策等方面進行資訊收集，對于量化投資而言，上面這些就是所謂的“原始資料”。
這些“原始資料”在經過了數年的發展之後，早已經不再是冰冷的資料，現代量化資料模型已将社交媒體上的投資者情緒、資金面的瞬間異動甚至是公路網絡上的卡車貨運實況等等一切的因素，精心調制成了能夠快速抓取的資料，并自動完成了分析和整理的工作。
資料與投資的因果關系
中和投資認為，量化資料模型與投資時機之間存在着必然的因果關系。
當我們通過海量的資料收集以及量化理論模型分析，得知某家公司具有銷售額好于預期的潛在利好資料時，我們會判斷該公司的股價會在未來的某個時刻上漲，因而做出提前買入公司股票的決策，進而在該公司正式公布财報時賺取提前資訊帶來的股價收益。
上述過程是基于這樣一個因果關系：
因為銷售好于預期，是以股票價格上漲。
一個不知疲倦的量化模型通過前期的資料積累和訓練之後，能夠在其資料庫裡建構大量的“因果關系”，這就是我們經常聽到量化基金經理所談論的“因子庫”。每一個因子代表了一種投資決策上的因果關系，而因子庫就是大量因果關系的集合體，而每一個因果關系在不同的情形中又會被賦予不同的權重，并通過一系列算法得出最終的投資決策。
在這其中，經驗也扮演了一個相當重要的決策因素，一個經驗豐富的基金經理往往經曆過大風大浪，在資料與投資的因果關系偶爾不那麼明确時，通過多年的訓練和長期工作積累的經驗或許會在他的潛意識裡建構了某種預判能力。
比如，我們偶爾能聽到某個基金經理在金融危機到來的前夜突然不顧一切反對清空倉位，或許就是這樣的情形。
中和投資認為，通過量化資料模型必然能幫助我們更好的預測股價或是其他投資前景，但複雜的投資行為無法僅由資料模型來決定，是以，我們需要更多的經驗與智慧來佐證并加強“因果關系“之間的聯系，幫助我們在投資時做出正确的決策。