在电影《模仿游戏》（The Imitation Game）中图灵面对质疑时说：“英格玛密码机是一台构造精密的机器，我们必须以机器来对抗机器。”这句话让我回味良久，用机器对抗机器正是图灵的过人之处。面对每日更改密钥的密码系统，最强大的人脑也无法破译，只有让机器成为人脑的延伸才可以完成如此复杂而艰巨的任务。准确地说，这种机器思维是人类依靠强大的计算能力、完备的数据和丰富的算法武装起来的强大认知能力。机器思维是历史车轮滚滚向前的必然产物，是怀揣成功梦想的人们必须拥抱的未来。
面对证券投资，我想，拥抱未来的最好方式就是建立强大而全面的量化投资模型用于辅助和指导投资。
量化投资获得资产管理机构的广泛重视，很大程度上源自证券市场股票数量的日益增多，2017年5月A股上市公司数量已超过3200家。一方面，股票数量的扩充增加了投资研究的覆盖难度。正常而言，一名投资经理能够有深度地覆盖200只以内的个股，超过这个数量往往很难保证研究深度。其背后的缘由如赫拉利在《人类简史》中所揭示，在采集文明中很少有超过150人的部落，因为人类大脑在长期的演化过程中固化了处理有限数量动态信息源的工作机制。在量化模型中，我们所熟悉的多因子模型本质上是对股票特征的提取而达到降维的目的，从而将量化投资人员从几千只个股中解放出来，紧密关注几十个重要的股票因子。
另一方面，股票数量的变化会产生其他深远的影响。凯文・凯利在经典巨著《失控》中阐述道“随着成员数目的增加，两个或更多成员之间可能的联系呈指数级增长。当连接度高且成员数目大时，就产生了群体行为的动态特性”。这种量变到质变的动态特征揭示了事物发展的普遍客观规律：个体数量的变化会产生新的群体特征。一个有趣的例子是，沙丁鱼处于海洋食物链的底端。单个沙丁鱼其貌平平，但在没有任何领导者的情形下，一群沙丁鱼有时能够环绕形成一个巨大的鲸鱼或鲨鱼形态来吓跑较大的捕食者。联系到A股市场，伴随股票数量的增加，产业资本群体不断扩充，并成为目前市场上影响市场走势与预期的重要力量。股票数量的变化也使得量化投资领域中的事件驱动策略在未来可能成为一类新的产品类型。我们获得的重要启示是，量化投资模型不仅应处理庞大的信息，还应关注对已有和新兴的总体特征的捕捉。事物是动态变化的，量化投资模型莫不如是。总体特征的影响总是深刻而长远的。
量化是投资管理过程中重要的工具和思维方式，但也充满着巨大的挑战。尽管量化投资研究人员具备扎实的数据处理和分析的功底，但不得不接受的事实是我们对市场的本质理解还很肤浅，所导致的严重后果就是部分量化模型缺乏对市场变化的自适应性。缺乏自适应性的表现往往是模型失效和模型的参数过度拟合。市场总是动态变化的，不具备自适应性的模型不会是好模型。自适应性的提升就要求量化投资人员不仅关注模型的既有框架，如多因子模型等，还需探究市场更为本质的规律，把握市场的总体特征。
此外，我们面临的重要挑战是，量化投资应该提供具有洞察力的有别于直观感受的研究结论。人类受自身认知能力的限制，本能地对复杂的问题和现象采用固化的思维视角来看待，从而不可避免地产生固执己见的偏颇或错误。量化工具应该成为投资研究中的探照灯，照亮充满未知的领域，揭示隐藏在猜测和联想下的客观规律。
在量化领域中，一些有趣的结论正源源不断地被揭示出来。例如，高ROE的公司没有显著的超额收益，类似于好公司不一定是好股票；投资高波动的个股大概率会受到损失；历史中十倍收益的成长股并没有表现出明显高估值的特征，这意味着成长股的超额收益是通过预期差的不断修正而逐步释放的，市场的定价并非一步到位，也非充分有效。
自1969年爱德华・索普创立第一只量化交易基金以来，量化投资的发展历史还不到50年。我们有理由相信，在互联网革命、大数据、人工智能的时代背景下，量化投资可以拥抱更好的未来。
