基于复杂适应性系统的市场观

——信息、风险、收益来源与资产配置



01 你能看到什么，取决于你看待世界的方式

反过来说，你看到的很多市场异象（比如，为什么最近十年出现了多个百年不遇的危机？），来自于你对「正象」的错误理解。

如果你认为市场的基础模型是动态一般均衡的，最多放松一些假设条件即可，那么在你的世界里，商人、投资经理和交易员由于不从事生产，只是从事流通，创造价值很低，他们不应该有高收入。那为什么在这些职业里普遍高收入，且经常出现巨富？

如果你认为市场的基础模型是动态一般均衡的，供需曲线的几次瞬间移动，就完成了精准的定价过程。难道所有市场参与者的预期都一致么？那么为什么还会发生交易？

实际上当前大部分金融资产定价和由其衍生的资产配置理论都是以「市场永远高效且正确的趋于平衡」为基础的。所以，才有价值投资者的不屑一顾。价值投资者坚持着赢率驱动的集中投资，而现代资产配置理论总是强调充分分散，分散在不同资产上，不同地域，不同因子上。他们的理念均吸引了大批粉丝，却也冲突了几十年。



02 让我们换一个视角，你会发现他们并不冲突

如果你把市场视为一个多主体交互的复杂网络，这些智能参与者具有异质性预期（而不是像均衡理论中的同质性预期），那么他们构成了一个复杂适应性系统（CAS）。

市场参与主体通过交互，自下而上的完成自组织，来适应外部环境。在这个系统中流动的信息作为一种负熵，实质上的起到了令复杂适应性系统（CAS）有序组织的作用，没有这种有序组织，系统将无法适应环境，从而归于毁灭。

所以，CAS中信息流动完成系统自组织才是系统存活的关键。负责信息交互的主体占据着资源配置的关键生态位，所以商人、投资经理和交易员容易发家致富。当然，他们容易赚到钱，并不是因为他们是玩钱的，而是他们处于信息的关键节点上。

通过复杂适应性系统（CAS）我们可以认知到信息的价值，有了信息的价值，才有风险的概念，他们是成对出现的。信息可以在某个维度上降低风险不确定性，这也是「盈亏同源」的来源。

通过复杂适应性系统（CAS）我们可以理解那些变化莫测的相关性和所谓尾部风险，这是长期以来资产配置实践的灾难。实际上，复杂系统的交互会出现幂律分布的结果，并不存在严格意义上的标准差，标准差和修补的尖峰肥尾的说法，都是我们把正态分布作为认知基础的错误假想。

通过复杂适应性系统（CAS）我们可以理解为什么没有持续赚钱的策略，智能主体在这个系统中陷入「凯恩斯选美」的困局。他们不但要选出自己认为美的姑娘，还需要选大多数人也认为漂亮的，这就使得主体们需要归纳总结经验，他们进入到了递归学习的循环中，最吸引眼球的是过去最赚钱的策略。于是学习效应推动大家都采取这样的策略，这在量化策略中遍地都是，特别是一些参数的设定，几乎都是经验（empirical 这个词充满了不可靠，尽管大部分数据科学都拿过去的统计结果说未来的事儿）的。

于是策略变得拥挤、策略就开始不赚钱甚至赔钱，策略周期性的大小年效应就出现了。

美股是个典型案例。最近十年能战胜标普500股指的策略极少，所以大家都开始被动投资，市场内部的社区弹性结构迅速凝结成一个整体，于是系统性风险加大了，直到一次外部猛击，引爆了系统性风险。这就是2020年3月份，美国市场崩溃的原因。



03 如何在混沌边缘预测？

通常，各种策略和预期的交互具有明确的动力学机制（参与者清楚自己的投资逻辑)，但这种交互会形成震荡型的混沌结构，相空间不断分岔演化，就像生态学中的Logistic map。有学者试验过，金融市场可以被生态链模拟，甚至一个食物链就足够了。

复杂系统不但演化路径可能出现不可计算的混沌态，而且是初值敏感的。「差之毫厘，谬以千里」，也就是说，如果你不是实时占有所有系统的信息，哪怕差出一点点，一旦多次迭代后，误差都是几个数量级的增长。而假设你是交易所，可以看到所有人的底牌和flow，那么复杂系统的混沌特征也会使得你的计算能力也不够做预测，那么什么大数据预测股指的，用AI预测市场的，已被证明，此路不通，（可能在选股上略有优势）。

这样混乱的市场状态，投资人该如何下手呢？复杂系统的特征不是「复杂」，而是「秩序诞生在混沌的边缘」。相空间可能会存在准稳态，称之为「吸引子」，市场状态围绕着吸引子震荡。这个市场的「吸引子」就是投资中常说的「大概率事件」，准确的说是大「概率状态」。

实际上，「基本面」恰恰就是一种「吸引子」，而且市场与基本面联通效率越高，这个「吸引子」就越可靠，而如果市场机制缺陷，令基本面与市场联通效率很低，则基本面吸引子不可靠，就像十几年前我们的A股，还包括那些很难交割的商品品种。

「基本面」并非唯一的「吸引子」，当市场形成泡沫时，这同样是个吸引子，姑且称之为「吸引子泡沫」，存在正负两种泡沫。

这时候，聪明的市场参与者又发现了模式，形成了围绕两种模式的投资派别，一种是围绕着基本面吸引子的价值投资者，另一种是围绕着市场表观模式的趋势投资者，他们通过市场的量价结果进行模式识别，从最简单的自相关过程模拟（AR）到技术性的GARCH模拟，再到玄学性质的「浪化分析」。

这两类投资群体是可能通过学习效应互相转化的，可别瞧不起趋势性投资者，无论是模拟市场还是现实市场，他们都是参与的主体，而且经常能间歇性的赚到大钱，但多数是靠「迷之自信」，简言之是表面上靠「信仰」，实际上是靠「运气」的群体。


▲ 推荐阅读了解更多关于「迷之自信」的决策问题
在【Attractor 风险配置框架】下趋势投资者的情绪称为拥挤度，他们是系统性风险的标识物。因为他们代表着流行观点和持仓，但绝不是判断趋势的赢率指标。

复杂适应性系统（CAS）的特性造成了其在时空坐标中无法预测的结果，所以才会有很多前辈告诉你，不要去「择时」。你心中肯定困惑过，不择时怎么行动啊？任何决策的行动都会有时间标签，但时间绝对不是原因。

不择时，而是「择机」。虽然市场状态无法准确预测，但是吸引子这个准稳态多数时候是可理解的。我们观察全局，可以洞察到吸引子这个准稳态，这种洞察力，即来自于经验，更来自于视角。你可以在吸引子尚未出现时布局，也可以等吸引子形成后投资。

系统可能在多个吸引子状态中跳跃，吸引子自身也可能变化，这一般是系统异化引发的。你可以观察到系统内的不稳定因素，应力的积累点一般都是损失或者盈利极度不正常的地方，也就是结构出现了极化，这就是辩证法中说的主要矛盾。他积累着巨大的势能，是未来系统状态演化的能量来源，也是我们「预测能力」的来源。

一般而言，我们无法预测到那个导火索，但是一旦导火索开始燃烧，你应该马上反应过来，这可不是一个小鞭儿。比如在2008年初，比如在2020年2月，你对复杂适应性系统（CAS）的理解和洞察力带来了「预测能力」。



04 策略间需要合作，而不是各立门派

简单而言，长期靠谱的策略就两个，基于基本面的价值投资和控局坐庄出老千。但这两个策略自身也面临着复杂适应性系统（CAS）的问题，什么是基本面？公司？行业还是宏观周期？你能控多大的局？一个上市公司，一个P2P，还是一整个A股？这是复杂适应性系统（CAS） 的分层规模（Scale）问题。

在不同的 Scale 下，你既可以顺势而为，这时候你需要的是信息。也可以控局而为，这时候你需要的是资源。当然，二者的结合是最好的。

回到投资的场景，如果你参透了宏观周期，那么复杂适应性系统（CAS）中月度季度收益率吸引子态心中有谱。如果对公司基本面非常透彻，那么你对 复杂适应性系统（CAS） 中3-4年滚动收益率吸引子态有信息优势。这些不同层次的信息还会发生相互影响。所以，你需要综合多个视角才能做好投资，而不是一条路走到黑，相信时间的价值。

量子物理告诉我们，时间本身就是一个假象，他不过是事物相互左右的顺序，交互反馈才是实在，时间只是后验结果的标识。所以，无法在时间轴上预测。

我从未见过多个角度的知识都集大成的天才，所以，投资需要合作，需要系统化的合作。技术派和基本面派别，宏观周期派和企业价值派都有很好的互补。投资者是在一个不完整信息的局面中下注，一个层次的决策，只能靠赔率来保护组合，降低风险损失。而多个角度的赢率信息可以增强信号。

基本面的信息什么时候能在市场中发酵显现出来? 这经常决定了基本面投资者的回撤表现，对盘面表象的技术面理解，对系统当前所处状态可以有更好的把握，而并非用于模式预测。

这就引出了最艰深的一个问题，当我们掌握了基本面的动因，如何下手呢？

从市场照见基本面的过程就是「定价」过程，当你发现你的动因已经被市场充分定价了，那你的信心最多就值个标配，顺势而为即可，如果你的动因尚未被市场充分定价，则需要结合自己的风险预算，和自己模型中赢率的可靠性，决定下注多少。

偷懒的做法是密切关注市场对各主要风险敞口的定价，也就是风险溢价，他能实时让你理解市场是怎么想的。

总结

当你把市场视为一个复杂适应性系统（CAS）后，你就可以发现信息的价值，和风险的意义了。

你可以明白一般均衡不是市场的基本模型，而是一个特解，也可以理解，我们现在大部分的金融定价和监管是在一个打满补丁的特解基础上的，脆弱不堪，这也是我们屡次陷入系统性风险泥沼的原因，尽管，这几乎是系统的宿命。

同时，你也可以理解如何洞察作为复杂适应性系统（CAS）的市场，并做局部预测，明白为什么价值投资是长赢策略，但其也需要多个角度和多个层次的合作，形成一套系统化的合作框架。

—THE END—