技能还是运气

x0a技能还是运气标签：投资，金融x0a在日常生活中，我们遇到的一个最有挑战性的问题就是：如何将技能和运气...

在日常生活中，我们遇到的一个最有挑战性的问题就是：如何将技能和运气区分开来？这个问题涵盖的范围非常广，包括体

育，艺术，政治和金融投资。



举个例子来说，上表显示的是英格兰足球超级联赛过去几年每一年的金靴奖得主。那么现在问题来了：如何去对这些足球运动员进行理性的估值？是不是每一个获得金靴奖的足球运动员都值千万英镑或者更高的身价？

这就涉及到一个核心问题：这些球员在一个赛季后进了这么多球，有多少原因取决于他们的真实水平，有多少原因取决于他们的运气？

我们需要明白的是，在很多时候，一位球员取得的成就很可能是运气和技能叠加在一起的综合作用结果。比如一个前锋能够进很多球，首先需要有很强的个人能力，否则他可能根本没机会上场。其次也有很多其他的影响因素，比如有没有一个很优秀的传球手给他不断的输送炮弹，队内的点球是不是都让他来罚，主教练是不是制定了一项以该球员为核心的进攻策略，每次到了对方禁区附近就要求其他球员把球传给他，该球员有没有经常受伤，等等。而这些因素都和运气有关。

为什么将运气和技能区分开来如此重要？因为运气女神来的快也去的快。如果因为一位非常幸运的球员在某一个赛季中的杰出表现就花大价钱把他买过来的话，那么俱乐部很可能就会做冤大头。这种昙花一现的例子举不胜举，比如1998-99赛季意大利甲级联赛最佳射手阿莫罗索（乌迪内斯），2001-02赛季意大利联赛最佳射手胡布内尔（皮亚琴察），1997-98年英超最佳射手萨顿（布莱克本）等。

在金融投资中，这个道理也是类似的。



假设有一个基金经理给投资者看这样一个历史回测业绩，很多投资人一定会感到非常兴奋。该策略的历史回撤幅度非常小，即使在2008年金融危机期间也没有受太大的影响。纵观整个10年左右的回测历史，该策略的夏普比率（Sharpe Ratio）可以达到1以上，并且和股市/债市大盘几乎没有任何相关性。这简直就是众多投资者梦寐以求的投资策略！



但是如果我再让你看这张图，你的想法是不是会发生改变呢？上图显示的是通过电脑模拟的200次随机策略回报。如何来解读这张图呢？如果有一个期望值为0，年波动率为15%的交易策略，那么其得到的回报分布就好像上面这张图。运气好的时候，我们得到的回报就像一开始那张图中的红线：大家看到的是一根不断上涨的回报曲线。但该策略还有另外199种可能：无论哪一种的回报都比这跟红线来的差。

在这种情况下，投资者选择的这根红线在未来的回报情况，和之前显示出来的历史回报根本没有任何延续性关系。因为这些曲线都是随机过程产生的：这只是基金经理在事后挑选出来的一根看上去比较好的回报曲线而已。像这样的回报业绩，就符合”运气“的定义。

我知道有些非金融背景出身的朋友可能感到这一段有些难以理解。那么让我用一个稍微简单一些的例子来说明这个道理。



这个例子来自于巴菲特写过的一封股东信。假设我们让10，000只猴子参加扔硬币大赛。我们规定：如果猴子扔到了正面，那么他们可以进入下一轮继续比赛。如果猴子扔到了反面，那么猴子就会被淘汰。我们知道，根据统计概率学，每一轮硬币大赛过后，大约有一半的猴子会被淘汰。所以一开始的10，000只猴子，在扔完一轮之后只剩下5，000只猴子，然后在再一轮之后又剩下2，500只，以此类推。

这个比赛的奇妙之处在于，在扔完10轮比赛以后，会有大约10只猴子剩下来。这些猴子被很多人视为天才，因为他们连续十轮都扔中了硬币的正面。这个世界上有多少猴子有把握连续10轮都扔到硬币的正面？于是这10只猴子被奉为神猴受大家膜拜。

这个例子告诉我们：只要有足够多的猴子在那里扔硬币，即使他们完全没有一丝技能，也总有一些猴子会因为足够幸运而成为扔硬币大师。



那么全世界有多少个基金经理呢？从世界范围来说，大约有8万个公募基金。在美国，有超过9，000个公募基金，管理1500万亿美元左右的资金量。在中国，有超过3，000个公募基金，以及3万多个私募基金。因此从数量上来说，我们面临的基金经理数量，比上面例子中提到的猴子都要多。

这也是基金投资者面临的挑战所在：在这么多基金经理中，谁是真正的投资大师，谁是那只扔硬币的猴子？有什么有效的方法可以帮助我沙里淘金，去其糟粕取其精华么？

方法是有的，但是会比较复杂一些。下面的解释会带有一些专业性。如果是非金融专业出身，或者对通过专业方法挑选基金经理不感兴趣的朋友，可以略去不看。

为了看清楚基金经理的真实水平，我们需要做下面这些工作。首先我们需要拿到该基金经理过去几年的真实交易记录。真实交易记录包括他买进卖出不同股票/债券的时间，价格，数量等精确信息。关于真实记录需要的时间，肯定是越长越好。现实的来讲，五年以下的交易记录几乎没有任何价值，因为时间太短，其中的偶然性太强。

有了这些真实交易记录以后，我们需要随机的挑选出过去某一段历史，去模拟测试用该经理的交易策略会得到怎么样的回报。通过不同的随机段历史回测模拟，我们可以大概得知该基金经理的策略在不同的历史环境和情况下的可能回报和波动情况如何，这样可以帮助我们更加客观的分析该经理的真实水平。

在随机模拟测试之上，我们也需要运行一些风险模型，来衡量该基金经理的风险因子敞口。常用的风险因子有：小规模（Small Size），价值（Value），动量（Momentum），Volatility（波动），各种行业因子，等等。通过这些模型的检测，我们可以得知该经理的超额回报（Alpha）的来源：有多少百分比是来自于各种不同的风险因子。对于这个概念感兴趣的朋友可以参考我这里一篇更加详细的解说：https://xueqiu.com/3926587841/75593633

说了这么多，我想和大家分享的是：要区分一个基金经理的水平和运气，不是一件简单的事情。一些大型的专业机构需要大量的数据和模型也只能做到有限度的去评判一个经理的专业能力，所以说这样的技术活对于普通的个人投资者来说其难度显然要大很多。

一个聪明的投资者，应该做到有自知之明，了解自己的长处和短处。如果有证据表明自己在选择基金方面有特别的优势，那么投资者就应该继续实行这样的投资策略。如果没有证据表明自己有挑选基金经理的本领，那么更好的选择是购买并且长期持有低成本的指数基金。

希望对大家有所帮助。



数据来源：

https://faculty.fuqua.duke.edu/~charvey/Research/Published_Papers/P116_Evaluating_trading_strategies.pdf

http://finance.sina.com.cn/money/fund/jjyj/2016-08-28/doc-ifxvixeq0629552.shtml

    关注 伍治坚证据主义