數(shù)據驅動的(de)投資思想史
發布時(shí)間(jiān)：2023-01-28 | δσ 來(lái)源: 川總寫量化(huà)
作(zuò)者：石川
摘要(yào)：推薦友(yǒu)王聞老(lǎo)師(shī)關于↕δαε另類數(shù)據的(de)新書(shū)姊妹(mèi)篇《另類數(shù)據：理(lǐ)論與實踐δ★€》與《另類數(shù)據：投資新動力》。
0
數(shù)據，無論它被賦予“傳統”還(hái)是(shì)“另類”的(de< )标簽，是(shì)投資中最重要(yào)的(de)組ππ₽成部分(fēn)。沒有(yǒu)數(shù)據、沒有(yǒu)高(gāo)質量的(de♠™λ)數(shù)據，再厲害的(de)模型、再≈₹×高(gāo)效的(de)算(suàn)法也(yě)是(shì)徒勞$✘®。
在 CRSP 被建立之前，華爾街(jiē)充斥著(zα±♦he)某某一(yī)夜暴富的(de)傳說(shuō)；而當&" CRSP 出現(xiàn)之後，對(duì)股市(₽✔♣shì)的(de)定量研究走上(shàng)了(le)台面，Eugene ∏→Fama 的(de)有(yǒu)效市(shì)場(chǎng)假 說(shuō)成為(wèi)了(le)範Ωλ₽β式。在 Compustat 被推出之前，人(ré""©n)們對(duì)基本面數(shù)據和(hé)股票(piào)價格是(shìδ&∑)否有(yǒu)任何聯系持懷疑态度；而應用(> ↓yòng) Compustat 數(shù)據，Ball and Brown α ÷通(tōng)過 event study 證實公司盈餘和(hé)₹↕↑股價之間(jiān)的(de)密切關聯。從(cóng)此， 會(huì)計(jì)學也(yě)體(tǐ)面地(dì)從(có∏∞★ng)研究記賬轉向研究财務信息如(rú)何影(¥σΩyǐng)響資本市(shì)場(chǎng)。在 ≠∑Odean 數(shù)據集（retail← & investor 交易賬戶數(shù)據）普及之前，' 人(rén)們将 CAPM 或 Fama-French 三因&₹₽子(zǐ)模型下(xià)的(de)異象解釋為(wèi)數(sh€≥₩♥ù)據挖掘（data snooping）或風(fēng)險補™< →償的(de)産物(wù)；而以 Odean 數(shù)據集為(wè☆ §♣i)研究目标的(de)行(xíng)為(wèi)金(>jīn)融學的(de)發展為(wèi)各種因子(×$≈£zǐ)和(hé)異象背後的(de)成因提供了(le∏×♥)新的(de)依據。在 I/B/E/S 分(fēn)析師≈☆(shī)一(yī)緻預期數(shù)據被完善之前，學界和(hé)業(yè)界'♠研究股票(piào) cross-section 的(de)協變♥¶量焦點聚焦于來(lái)自(zì)基本面（比如 >(rú) value）和(hé)技(jì)術(shù)↔ £面（比如(rú) momentum）；而 I/B/E/₩'©S Estimates 數(shù)據極大(dà)拓展了(ααle)協變量的(de)範疇，為(wèi)資産定價和(hé↑$↑±)量化(huà)投資提供了(le)不(bù)可(kλ ě)或缺的(de)增量信息。
……
我們可(kě)以把上(shàng)面的(de)ε排比段一(yī)直延續下(xià)去(qù)，而不(bù)斷湧現(xi' àn)的(de)數(shù)據集也(yě)λε"Ω向人(rén)們明(míng)确地(dì)傳達出兩個(gè)信号：（1）無論✘'→是(shì) CRSP、Compustat、Odean 還(hái)是£≥₽≥(shì) I/B/E/S 數(shù)據集，在Ωδ¶它們被提出之初，對(duì)于彼時(shí)投資者而言，均是(shì)全新♣☆•的(de)存在。雖然如(rú)今它們早已家(jiā)喻λ$ 戶曉，但(dàn)在當初依然可(kě)以被視↓≤♣(shì)作(zuò)不(bù)折不(bù)扣的(de)“另類”數(shùλ≤)據。（2）新數(shù)據以及随之而來(lái)的(de)新的(deα↑)分(fēn)析方法的(de)出現(xiàn)，不(bù)σ↕£斷重新塑造并推動了(le)人(rén)們對(duì)于金(jīn)融市↔ ≠(shì)場(chǎng)的(de)理(lǐ)解。
人(rén)們對(duì)于新數(shù)π™↔據的(de)包容性接受和(hé)創造性使用(yòng)，恰恰是©ε₽↓(shì)一(yī)部由數(shù)據驅動的(de)投資思想史。站(zhàn)在當下(xià)，面對(duì)數(shù)♥σ¥據在過往投資中發揮的(de)作(zuò)用(yòng)，似乎怎麽強調數(shù§λ≈₩)據的(de)重要(yào)性都(dōu)不(bù)過>ε≤分(fēn)；而展望未來(lái)，我們又(yòu)應該怎樣以客觀的(deγ±∏')眼光(guāng)和(hé)科(kē)學的♣✘(de)手段面對(duì)和(hé)使用(yòn σ'®g)新數(shù)據呢(ne)？為(wèi)了(le)回答(dá)這(zhè)個(gè)問(wèn)題，以數∑Ω(shù)據的(de)視(shì)角回顧一(yī)下(xià)投資方法論創>☆∏新的(de)發展，并以此為(wèi)起點更好(hǎo$✘↑>)地(dì)迎接未來(lái)新數(shδ÷♥∏ù)據帶來(lái)的(de)想法創新和(hé)風(fēng)險挑戰似乎成Ωα₹為(wèi)了(le)一(yī)個(gè) ∑↔必然之舉。
這(zhè)也(yě)正是(shì)今天我想鄭重¥♠ ↔推薦好(hǎo)友(yǒu)王聞老(lǎα≈&o)師(shī)和(hé)他(tā)的(de)合作(zuò)者孫佰清老λ'(lǎo)師(shī)關于另類數(shù)據的€"→™(de)新書(shū)姊妹(mèi)篇《另類數(shù)據：理(lǐ)論與實踐》β§≈與《另類數(shù)據：投資新動力》的(de)初衷。不(bù)過在那(nà)之前，先讓我們跟₩'✘随王老(lǎo)師(shī)的(de)精彩描述，回π 顧一(yī)下(xià)數(shù)據驅動的(de)投資思想史。我可©Ωσ(kě)以摸著(zhe)良心說(shuō)，這(zhè)段σ÷回顧精彩紛呈！（以下(xià)小(xiǎo)結節β®☆選自(zì)《另類數(shù)據：投資新動力》尾聲，≠≤≥有(yǒu)删減，參考文(wén)獻有(λ♦yǒu)更新。另外(wài)我在适當的(deβ ♥")地(dì)方，加入了(le) [川總寫量化$→(huà)]/[因子(zǐ)動物(wù)園] 公衆号之前創作(zuò)的( ↕ de)相(xiàng)關內(nèi)容的(de♠±λ)鏈接，供讀(dú)者參考。）
1
學術(shù)界通(tōng)過數(shù)據來(lái)分(fēn)析資本市♥↕€β(shì)場(chǎng)，可(kě)以追溯到(♥Ωαdào) Alfred Cowles (1933)。Cow®φles 是(shì)《計(jì)量經濟學》這(zhè)本§全球經濟學頂刊的(de)創辦人(rén)之☆©一(yī)，他(tā)在這(zhè)本期刊的(de)第一(yī)卷上€(shàng)發表了(le)題為(wèi)《股市(sh¥ ®ì)預測者能(néng)夠預測嗎(ma)？》的(d &₹πe)文(wén)章(zhāng)。在這(zhè)篇文(↑✔wén)章(zhāng)中，Cowles 搜集了(le)金(jīn♥ε>)融機(jī)構推薦的(de)股票(pià≤↑αo)、保險公司的(de)股票(piào)交易記錄、《華爾街(j>✔☆'iē)日(rì)報(bào)》中的(de)社論以及金(j∏→♣↓īn)融機(jī)構的(de)投資通(tōng)訊等四類“股市×✔(shì)預測者”，通(tōng)過那(nà)個(gè)時(shí)代能¥ε(néng)夠理(lǐ)解的(de)數(shù₹ δ)據分(fēn)析工(gōng)具，對(duì)文(wén)章(zhā ←ng)标題的(de)問(wèn)題給了(le)簡單明(míng)了(le∑₩)的(de)回答(dá)：“這(zhè)是(shì)值得(de)懷疑•™的(de)”。十年(nián)之後，Cowles (19☆ >44) 在《計(jì)量經濟學》發表的(de)一(yī)項新的(de₹∏∏ )研究，其中使用(yòng)了(le) 15 年(nián)內(nèi)将近(♠✔≤jìn) 7000 個(gè)預測數(shùσ™¶)據。結果再次表明(míng)“沒有(yǒu)任何證據能(nén→♥g)夠證實，人(rén)們能(néng)夠成功預測股市(shì)的(d© ≠₽e)未來(lái)走勢”。
時(shí)間(jiān)來(lái)到(dào)二戰之後，倫敦經濟→Ω♠學院的(de)統計(jì)學教授 Maurice Ken≠'dall (1953) 在《皇家(jiā)統計(jì)↑<↓¥學會(huì)雜(zá)志(zhì)》這(z✘∑α£hè)本曆史最悠久的(de)統計(jì)®β學雜(zá)志(zhì)上(shàng)發表了(le)《經濟的(÷Ωde)時(shí)間(jiān)序列分(fēn)析》，在這(z®•hè)篇文(wén)章(zhāng)中，Kendall 研究★$了(le)股票(piào)市(shì)場β €(chǎng)和(hé)商品期貨市(shβ∑∏€ì)場(chǎng)的(de)價格數(shù)據，結果表明₩★α(míng)資産價格“序列的(de)數(shù)字就≈™$(jiù)好(hǎo)像是(shì)在‘漫遊’”。C↑÷ owles-Kendall 的(de)分(fēn)析構成了(le)資産≤₩±價格随機(jī)遊走假說(shuō)的(de)最初證據。按照(zhào)古典經濟學思想，≠<♣≤價格是(shì)由供需決定的(de)，在此基礎上(sh>γàng)通(tōng)過蛛網模型刻畫(h ✘uà)的(de)價格動态變化(huà)就(jiù•∞←)會(huì)有(yǒu)著(zhe)明(míng)确的(de)變化(h₹∑αuà)模式。然而 Cowles-Kendall 的(de)數(☆®'shù)據分(fēn)析結果并沒有(yǒu)支持這(zhè)種價格有(yǒu♥α)規律變動的(de)假說(shuō)。
1960 年(nián)，芝加哥(gē)大$γ(dà)學的(de) James Lorie 和(hé) Lawren♦ce Fisher 在美(měi)林(lín)證券的(de)支持∞$下(xià)，創立了(le)證券價格研究中心（CRSP）。它與€Ωσ♥其說(shuō)是(shì)研究中心，不(bù)如(rú)說(shuō÷★)是(shì)一(yī)個(gè)曆史股價的(de)♣÷>數(shù)據庫。一(yī)開(kāi)始它顯然是(shì)那(nà)個(gè♦©≈✘)時(shí)代的(de)“另類”數(shù)✔π據集，這(zhè)并不(bù)妨礙它後來(lái)成長(cháng)為(✘♥ε☆wèi)全球金(jīn)融市(shì)場(ch ¥ǎng)數(shù)據研究中最常使用(yòn' &☆g)的(de)數(shù)據庫。CRSP 的(de)出現(xiàn)激發了($♦£le)更多(duō)學者開(kāi)始關注金(jīn)融市(shì)場(♣$πchǎng)的(de)價格，很(hěn)快(kuài)金(jīnε₽±)融市(shì)場(chǎng)的(de)研究摒棄了(le)古典經濟學>♦的(de)價格理(lǐ)論，從(cóng)經濟學的(de)邊緣走到(dàoα♦)了(le)經濟學的(de)中心舞(wǔ)台。α™
不(bù)久之後的(de) 1964 年(nián)，麻省理(lǐ)工(gōβπng)學院的(de)教授 Paul Coo♣∏☆tner 把相(xiàng)關文(wén)章(zhāng)彙編成冊，由此産&"♠生(shēng)了(le)當時(shí)影(yǐng)響深遠(yuα∞φǎn)的(de)第一(yī)本金(jīn)融實證分(fēn)析論文(wén)> 集：《股票(piào)價格的(de)随機(jī)特征》。在應用(yòΩ✔ng) CRSP 數(shù)據庫方面，芝加哥(gē™≤<)大(dà)學教授、2013 年(niánφ£)諾貝爾經濟學獎得(de)主 Eugene Fama 絕對(duì)是(shì)關鍵性的(de)人(rén)物(wù)。面對∑←♦ (duì)随機(jī)遊走的(de)實證證據，作(zuò)為(wèi)博士剛畢δβ÷業(yè)不(bù)久的(de)年(nián)輕人(rén) ∞☆↕，Fama 在 1965 年(nián)的(de)《商業(yè)∑®α雜(zá)志(zhì)》上(shàng)全文(wén)發表了(¶✘le)其博士論文(wén)《股市(shì)價格行(xíng)∑Ω±€為(wèi)》。這(zhè)篇近(jìn) 70 多('≥βduō)頁的(de)長(cháng)文(wén)，一(y≈"ī)方面應用(yòng)各種當時(shí)的(de)統計→₹(jì)技(jì)術(shù)分(fēn)析價格，另一(yī)方面也($≠yě)對(duì)資産價格的(de)随機(jī ♦→)特征給出了(le)直覺性的(de)經濟解釋：影(yǐng)響資産價格的(de)關鍵是(s≤±hì)投資者的(de)預期，而影(yǐng)>Ω✘響預期的(de)則是(shì)信息，因為(wèi)•≈信息是(shì)以不(bù)可(kě)預見( jiàn)的(de)方式到(dào)達市(shì)場(c≈↔←♥hǎng)，所以價格是(shì)随機(jī)變動的(de)。
這(zhè)一(yī)簡單而又(yòu)深刻的(de)論 ±₩述把預期、信息這(zhè)些(xiē)關鍵概念引入到(d¥βào)資産價格分(fēn)析中，打破了( &©le)古典經濟學圍繞供需論述價格形成機(jī)制(zhì)的(de)思想∑ 梏桎。幾年(nián)之後，Fama (1970) ∏δ把 1965 年(nián)文(wén)章(z♣•πhāng)的(de)思想總結為(wèi)“一↕≥(yī)個(gè)價格始終‘充分(fēn)反映’可<÷±→(kě)得(de)信息的(de)市(shì)場(chǎng'λ×)被稱為(wèi)是(shì)‘有(yǒu)效的(de)’γ&”。至此，金(jīn)融經濟學領域中經典的(de<≈)“有(yǒu)效市(shì)場(chǎng)假說(shu₽σ✔ō)”問(wèn)世了(le)。後來(lái)這(zhè)個(gè)思想超出了(l₽ e)金(jīn)融學的(de)範疇，延伸到(dào)社會(huì₩&¥)科(kē)學的(de)其他(tā)領域。
在有(yǒu)效市(shì)場(chǎng)假說(shuō)形成₹®ε的(de)過程中，除了(le)針對(duì)資産價§&格自(zì)身(shēn)時(shí)間(jiān)序列分(fēn)♣≠®↑析得(de)到(dào)的(de)随機(jī)波動特征之外(w↑±ài)，另外(wài)一(yī)個(gè)重要(₩↓>yào)脈線是(shì)事(shì)件(jiàn)研究（event study），也(yě)就(jiù)是(shì)分(fēn)析特定公司事(§λγ↔shì)件(jiàn)對(duì)股價的(de)→®♦←影(yǐng)響。顯然，事(shì)件(jiàn)研究↔∏< 需要(yào)使用(yòng)能(néng)夠反映公司基本☆®面的(de)财報(bào)數(shù)據，以及各種公司公告的(de)資料。在這 ₹★ε(zhè)方面最為(wèi)重要(yàoγ")的(de)數(shù)據庫是(shì)标準普爾這(zhè)家★§(jiā)金(jīn)融服務商提供的(de) Cγπ≈ompustat。
事(shì)件(jiàn)研究的(de)起點（之一(yī)）是 ≈≥(shì)芝加哥(gē)大(dà)學的(₩∞✘de) Ray Ball 和(hé)西(xī)澳大(dà)學的(de✔₹∞) Phillip Brown 在 1968 年(ni×↓←£án)做(zuò)的(de)研究，他(tā)們應用(yòng) Compusλ>tat 數(shù)據庫，分(fēn)析了(le)公司盈餘對(duì)股價的(de)影(yǐng)響，結果表明(míng)當公司發布正向盈餘時(shí)，股價就(jiù) ∑會(huì)迅速做(zuò)出正向反應，反之ו↕亦然。這(zhè)個(gè)發現(xiàn) <↑進一(yī)步支持了(le)資本市(shì)場(ch↕Ω±ǎng)是(shì)信息有(yǒu)效市(shì)場(c↕↑≥hǎng)的(de)假說(shuō)。在當時(¶↓≥÷shí)信息經濟學崛起的(de)大(dà)背景下(xià)∑∏，Ball-Brown 的(de)研究讓會(huì)計(→Ωjì)轉變成為(wèi)一(yī)門(mén)研究财務信Ω 息是(shì)如(rú)何影(yǐng)響資本市(s→♣hì)場(chǎng)的(de)學問(w€☆←èn)。
有(yǒu)效市(shì)場(chǎng)假說(shuō)的(de→↔)重點是(shì)資産價格的(de)動态變化(huα≤¶à)，那(nà)麽資産價格在截面上(shàng)（cross-section）的(de)差異如(rú)何理(lǐ)解呢(> ¶ne)？上(shàng)個(gè)世紀六十年(nián∏<)代，諾獎得(de)主 William Sharpe 和(hé₽ "≥)另外(wài)幾位學者先後獨立創立的(de)資本資産定價模型（CAPM）為(wèi)其奠定了(le)理(lǐ)論基礎。C≥ΩAPM 模型把資産（超額）預期收益率表示為(wè≠≤↕<i)市(shì)場(chǎng)風(fēng)險溢價因子(zǐ)™↕的(de)線性函數(shù)，因為(wèi)隻有(yǒu)一(yī)£™¶個(gè)因子(zǐ)，所以這(zhè)個(gè)模型也(yě)被稱為(wè♣↕&i)單因子(zǐ)模型。進入到(dào) 70 年(nián)代後，諾獎得( de)主 Robert Merton 以及另外(wài)一±ε(yī)位（川總帶感情色彩地(dì)插一(yī♣™)句：理(lǐ)應也(yě)成為(wèi)諾∞∑↕÷獎得(de)主的(de)）金(jīn)融研究大(dà)±✘✔家(jiā) Stephen Ross 分(σ☆£<fēn)别從(cóng)均衡和(hé)套利這(zhè Ωφ€)兩個(gè)核心思想出發，創立了(le)時(shí)跨資本資産定價模型（ICAPM）和(hé)套利定價理(lǐ)論（APT），這(zhè)兩個(gè)模型都(dōu)把資産預期收益率表示為(wè₹♥i)多(duō)個(gè)因子(zǐ)的(de)函數(±←shù)，因此也(yě)被稱為(wèi)多(duō)λ←因子(zǐ)模型。
這(zhè)些(xiē)因子(zǐ)模型在數(shù)據中的( ¶de)表現(xiàn)如(rú)何呢(ne)？在這(z"γhè)方面，我們不(bù)得(de)不(bù)再次談及 Fama 的(deγ)貢獻。1973 年(nián)，Fama 和(hε£₹é) James MacBeth 通(tōng)過₽"☆應用(yòng) CRSP 數(shù)據，在實證分(fē±∑↑n)析中得(de)到(dào)了(le)支持 CAPM 模型的(de)••→λ證據。與此同時(shí)，這(zhè)篇論文(wé≥<n)創立了(le)以他(tā)們名字首字母命名的(de) Fama-MacBeth 回歸，後來(lái)也(yě)成為(wèi)資産定價實證分(f↑™ēn)析的(de)經典方法。
上(shàng)個(gè)世紀 70 年♦ε(nián)代，金(jīn)融學界建立起以有(yǒu)效市(shì)場(δ≥>↓chǎng)假說(shuō)和(hé)資本資産定價模型這(zεπhè)兩個(gè)支柱為(wèi)核心的(de)标準範式，并且認為(wèi)↓這(zhè)個(gè)範式是(shì)牢不§®≠&(bù)可(kě)破的(de)。但(dàn)是(€±shì)很(hěn)快(kuài)，一(yī)些(xiē)學者開(₽kāi)始使用(yòng)更新的(de)數(shù)據以及更新的(de¥∑)統計(jì)方法來(lái)講述不(bù)同的(de)故事(shì)：他α₽↑∑(tā)們發現(xiàn)了(le)背離(l δ <í)前述經典範式的(de)異常現(xiàn)象，簡稱異象（anomalies）。
異象研究首先挑戰了(le) CAPM 模型，其中的(de)代表♠★↔性研究是(shì)來(lái)自(zì)加拿(ná)大(dà)馬克馬斯特大(d←↑€à)學 Sanjoy Basu 和(hé)美(měi)國(guó)西(xī₹®$₹)北(běi)大(dà)學的(de) Rolf Banz。≤λ£Basu (1977) 發現(xiàn)了(le)市(≈≥shì)盈率這(zhè)個(gè)指标和(hé)股票(<≠piào)平均收益率存在著(zhe) CAP ×M 模型不(bù)能(néng)解釋的(de)負向關系，後來(lái)學××→者也(yě)發現(xiàn)了(le)其他(tā)一(yī)些€'(xiē)市(shì)場(chǎng)價格∏δ↑✔和(hé)會(huì)計(jì)指标的(de)比率也(₹♥>×yě)有(yǒu)類似效應，它們被統稱為(wèi×£)價值效應；而 Ban (1981) 則發現(xià≥™≥☆n)以股票(piào)市(shì)值度量的(de)公司規模要(yà☆♣☆o)比股票(piào)貝塔更能(néng★≠)解釋收益率的(de)截面差異，由此産生•α(shēng)了(le)“規模效應”。
另一(yī)方面，就(jiù)資産價格的(de)時(shí)間(jiān)序列來(l®€ái)說(shuō)，其随機(jī)遊走•♦的(de)性質也(yě)受到(dào)挑戰，這(zhè)方面研究的(de)代表人(rén©$)物(wù)是(shì)華人(rén)學者、現(xiàn)任麻省理(lǐ)工 ∞§™(gōng)學院教授羅聞全（Andrew Lo），他(tā)和(hé)當£☆×ε時(shí)在沃頓商學院的(de)合作(zuò)者 ∞₽Craig MacKinlay 合作(zuò)發表了(le)一(yī)系列的γ₩↕>(de)文(wén)章(zhāng)，用(yòng)全 ★新的(de)統計(jì)方法研究股票(piào)價格的(♠↑εde)時(shí)間(jiān)序列，所有(yǒu)這(zhè)些(xiē)γ&αφ研究後來(lái)彙集成冊，書(shū)名直指他(tā)們的(de)∏™核心結論：《非随機(jī)遊走降臨華爾街(jiē)》。
從(cóng)上(shàng)個(gè)世紀 80↓∞ 年(nián)代開(kāi)始，整個(gè)資本市(shì)場(→∏chǎng)的(de)實證研究卷入到(dào)經典範式和(hé)異↕象之間(jiān)的(de)争論之中，就(jiù)此産生(shē₩•¥ ng)了(le)三大(dà)不(bù)同的(de)學術(shù)流✘β派。第一(yī)大(dà)流派可(kě)以看✔←>(kàn)作(zuò)是(shì)經典範式的(de)“忠誠者”，這(zhè)一(yī)流派的(de)基本思想是¶✘δ(shì)市(shì)場(chǎng)是(s↑ hì)完美(měi)的(de)，市(shì)場(chǎng)中的(de)參與♣∑↓者也(yě)是(shì)完美(měi)的(de)§，我們在數(shù)據中發現(xiàn)的(de)各種“異象”隻是λ★✔(shì)各種數(shù)據挖掘的(de)結果，因此存在著(zhe)各種偏差©™↕，比如(rú)幸存者偏差、選擇偏差等。第二ε&大(dà)流派是(shì)經典範式的(de)“革新者”，這(zhè)一(yī)派的(de)學者堅守β® 新古典經濟學的(de)基本原則，認為(wèi)市(shì)場(chǎng&₽$≥)參與者是(shì)理(lǐ)性的(de)，市(shì)場(chǎng✔↑≠)以及我們分(fēn)析市(shì)場(chǎng)的(de)方法中存在著(★σ¶zhe)問(wèn)題，比如(rú)實證分(fē♦ "n)析中沒有(yǒu)考慮到(dào)各種交易成¶§•¥本導緻的(de)市(shì)場(chǎng)摩擦，以及 Roll 批評（Roll's Critique）等。最後一(yī)派的(de)學者可(kě)以看(kàn)作(zuò)是>"Ω(shì)經典範式的(de)“異教徒”，他(tā)們一(yī)方面認為(wèi)市(shì)場(₹π≤chǎng)是(shì)不(bù)完美(měi)的∏ (de)，但(dàn)同時(shí)更進一(yī↓©)步，他(tā)們背棄經濟學傳統的(de)個(gè)人(rén)理(lǐ)γ★性原則：借鑒心理(lǐ)學中發現(xiàn)的εΩ(de)各種心理(lǐ)偏誤，他(tā)們把資本市(shì)場(chǎng)的€σ(de)異象和(hé)個(gè)人(rén≈>§£)非理(lǐ)性行(xíng)為(wèi)聯系起來(lái)，由此産生←₹∞♥(shēng)了(le)行(xíng)為(wèi)金(jīn)融學（behaviora♣ φ l finance）。
這(zhè)場(chǎng)大(dà)争論涉及了(le)諸多(duΩō)金(jīn)融頂尖學者，其中光(guāng)譜兩端的(de)代表人(ré ± ≥n)物(wù)，經典範式的(de)支持者 Euge ≈£βne Fama 和(hé)異教徒 Robe⮶rt Shiller，以及廣義矩估計(jì)這(zhè)種資産價格實證分(fēn)析方法的(de)發明(mí✔¥ng)人(rén) Lars Hansen，一±&↓&(yī)起因為(wèi)“在資産價格實證分(fēn)析中↑ε ±的(de)貢獻”而分(fēn)享了(le) 2013 年(n₽φián)諾貝爾經濟學獎。另外(wài)一'∑ (yī)位行(xíng)為(wèi)經濟學的(≤∑de)代表人(rén)物(wù)，同樣來(lái)自(zì)芝加哥→ ↕(gē)大(dà)學的(de)教授 Richard Thaler，也(yě)因為(wèi)包括行(xíng)為(wèi)金(jīn)融在內 ®(nèi)的(de)行(xíng)為(wèi)經濟 "學貢獻，而獨享 2017 年(nián)諾貝爾經濟學獎。
作(zuò)為(wèi)有(yǒu)效市(shì)場(chǎng)假說(shuō)的(de)提出者和(hβ↔£∞é)堅定支持者，Fama 和(hé)他(tā)後ε♠期研究的(de)主要(yào)合作(zuò)者，來(lái)自(zì)≠'達特茅斯學院的(de) Kenneth French®₽© ，從(cóng) 1992 年(nián)開(kāi)始用(yòng)¶•γ一(yī)系列的(de)文(wén)章(₽&☆§zhāng)，提出了(le)基于數(shù)據驅動并且可(kě)以融入規模 &效應和(hé)價值效應的(de)三因子(zǐ)模型，用(yòng)以解釋當時(shí)市(shì)場(chǎng)中發現(xi™π×®àn)的(de)各種異象（Fama and Fren♦λ ch 1992, 1993）。需要(yào)指出的(de)是(shì)，F≥↔ama (1991) 在《有(yǒu)效資本市(≈✘shì)場(chǎng)：第 II 集》中曾把多(duō)因子♠£ε(zǐ)模型看(kàn)作(zuò)是(shì)一(yī)個(gè)“事φπ(shì)後從(cóng)數(shù)據中尋找能(néng)夠描述平均收益率 "截面變量的(de)許可(kě)證”（這(zhè)後來(l¶∑ái)也(yě)被學界戲稱為(wèi)使得(de)挖因子(zǐ)變得(de)合€∞φ理(lǐ)化(huà)的(de)“釣魚許可(kě)證”（fishin ∏≥Ωg license））。
就(jiù)此而言，Fama 看(kàn)起來(lái)對♥γ®$(duì)使用(yòng)多(duō)因子(zǐ)≠£模型來(lái)刻畫(huà)資本市(s≤hì)場(chǎng)持謹慎保守的(de)态度；但(dàn)∞™÷'是(shì)面對(duì)著(zhe)來(lái)自( ↓zì)數(shù)據的(de)持續挑戰，他(tδλ•ā)自(zì)己很(hěn)快(kuài)修正¥了(le)一(yī)些(xiē)立場(chǎng)，轉而使®用(yòng)多(duō)因子(zǐ)模型賦予的(de)“釣®π¶'魚許可(kě)證”去(qù)尋找可(kě)以解釋各種截面異象的'€(de)因子(zǐ)以及因子(zǐ)模型了(le↔×"ε)。在之後的(de)多(duō)因子(z₽€∑ǐ)模型之争中，Fama and French (2015) 在三因子≈σ¥(zǐ)模型基礎上(shàng)加入了(le)★π•盈利因子(zǐ)和(hé)投資因子(zǐ)，從(cóng)而把解釋收益•¥率截面的(de)因子(zǐ)模型擴展到(dào)五因子(zǐ)模型。對(duì)于這(zhè)場(chǎn ©>g)從(cóng)上(shàng)個(gè)世紀 80 €≠γ年(nián)代開(kāi)始持續至今的(de)₽♥φ大(dà)辯論，感興趣的(de)讀(dú)者可(kě)以參閱瑞典皇家(•∞$€jiā)科(kē)學院撰寫的(de)諾獎科(kē)學背景以及三位諾獎得(de)主的(de)頒獎演說(shuō)。
在這(zhè)場(chǎng)大(dà)辯論中¶♥"，有(yǒu)一(yī)個(gè)另類數(shù)據特别有(yǒβ≈u)意義，這(zhè)就(jiù)是(shì)行(xíng)為(wèi)δ'金(jīn)融學者 Terrance Odean 使用(y¶♠≈Ωòng)的(de)散戶投資者（retail investor）交易賬戶數(sh₹ ₽ù)據，後來(lái)這(zhè)個(gè)數(sλ♥hù)據集也(yě)被稱為(wèi) Odean 數(shù)據集。這(z ∞hè)個(gè)數(shù)據集是(shì)由一(yī)個(gè)未署名的( ∏de)全美(měi)證券經紀商提供的(de)，通(tōng)過這(zhè)≠'←個(gè)數(shù)據集，Odean 和(hé)合作(zuò)者α÷進行(xíng)了(le)一(yī)系列微(wēi)觀層£φ✔面上(shàng)散戶投資者實際交易行(xíng)為(wèi)的(de)研究，σ®這(zhè)些(xiē)研究在總體(tǐ)意義上(shàng)表明(míng)>≈，散戶投資者會(huì)持有(yǒu)相(xiàng)對(duì)集中的(de)投資組合，≈≤∞•他(tā)們交易很(hěn)活躍，投機(jī)性很(hěn)強，而這(zhè ♥♦)些(xiē)行(xíng)為(wèi)λ∞會(huì)讓他(tā)們的(de)投資績效不(bù↓∑)佳。另外(wài)，作(zuò)為(wèi)一(yī)<×個(gè)整體(tǐ)，散戶投資者會(huì)表現(x×iàn)出系統性而非随機(jī)性的(d£•e)交易行(xíng)為(wèi)。有(yǒu)關這(zhè)↓↔∏些(xiē)研究的(de)綜述，讀(dú)者可 ≠♦→(kě)以參考 Odean 和(hé) Brad Barber 于 201™∑€₽3 年(nián)在《金(jīn)融經濟學手冊第Ωα≥☆二卷》上(shàng)發表的(de)綜述文(wén)章(zhāng)。
進入到(dào)新世紀第二個(gè)十年(nián)，大(dà™×)數(shù)據、人(rén)工(gōng)智能(néng)和(hé¥♥→)機(jī)器(qì)學習(xí)、雲計(jì)算(suàn)和(hé)α§✔量子(zǐ)計(jì)算(suàn)等新興科(kē)技(jì)帶來(γ$lái)的(de)數(shù)據、算(suàn)法和(hé)算(suàn)力₩∞全方位的(de)突破，極大(dà)地(dì)影(y™✘λǐng)響和(hé)改變了(le)我們人(rén)類社會(h≠<↑uì)，當然也(yě)包括金(jīn)融市(shì)場(chǎng)£"的(de)研究與實踐。面對(duì)技(jì)術(shù)✘↓↓突破，金(jīn)融、财務和(hé)會(huì)計↓Ω(jì)學的(de)學術(shù)研究，不(b≠←®ù)斷發現(xiàn)新的(de)針對(duì)股票($≤&piào)收益率的(de)預測變量。來(lái)自(zì)芝加哥(gē)大(☆→β∞dà)學的(de) John Cochrane，在其 20€×11 年(nián)美(měi)國(guóε£')金(jīn)融學會(huì)主席演講中，把不(b<♣δù)斷增加的(de)收益率截面預測變量，稱為↔♠£(wèi)“因子(zǐ)動物(wù)園”(factor zoo)。
金(jīn)融大(dà)數(shù)據産生($ ®shēng)的(de)“因子(zǐ)動物(wù)園”給資∞✘産定價的(de)實證研究帶來(lái)了(le••)極大(dà)的(de)挑戰。首先，随著(zhe)因子(zǐ)動物(wùεε)園的(de)擴充，一(yī)個(gè)顯而易見(jiàn)的(de)≥φ統計(jì)挑戰是(shì)，在回歸方程中右側變量的(de)個¥δγ(gè)數(shù)在快(kuài)速接近(jìn)觀測值（以及觀測時( ↕shí)段）的(de)個(gè)數(shù)，這(zh∑βè)樣傳統的(de)低(dī)維統計(jì)分(δ fēn)析便難以适用(yòng)，我們需要(yào)使用(yòng✔γ☆Ω)更為(wèi)複雜(zá)的(de)高(gāo)維統計(jì)分(fēn)析方法（high/lar₽ge dimensional statistics）。
其次，針對(duì)相(xiàng)同或者相(xiàng)近(£∞jìn)的(de)數(shù)據集進行(xíng)多(duō♥×₹→)個(gè)不(bù)同因子(zǐ)的(de)檢驗，會(huì)帶來(lái) π虛假的(de)統計(jì)顯著性，進而造成 p-值操縱（p-hacking）和(hé)多(duō)重假設檢驗（multiple hypothesis &∞testing）問(wèn)題。在這(zhè)方面，杜克大(d©↑βà)學 Campbell Havery 教授在 2017 ↑≥年(nián)美(měi)國(guó)金(jīn)融學會(huì)的(d≤δ"e)主席演講上(shàng)做(zuò)了(le↕ )有(yǒu)力的(de)說(shuō)明(míng)，同時(shí)$★±他(tā)還(hái)和(hé)華人(rén)學者劉岩撰寫了(le)♦♥一(yī)系列文(wén)章(zhāng)探討(tǎo)這(zh✘←è)類資産定價實證研究中的(de)問(wèn)題。
第三，學者們實證研究中發現(xiàn)的×★®≠(de)預測變量和(hé)收益率之間(jiān)的©§♥↕(de)關系都(dōu)是(shì)在事(₩♠♣shì)後從(cóng)已觀測數(shù)據中得π✔δ↔(de)到(dào)的(de)，因此存在著(zhe)前瞻性偏差（look-ahead bias）：站(zhàn)在事(shì)前，這(zhè)些(xiē)♦✘預測變量的(de)預測效力以及它們和(hé)目标變量之間(ji★>ān)的(de)關系并不(bù)必然是(shì)已知(zhīλ©≈)的(de)，對(duì)于現(xiàn)實世界的(de)投δ÷資者而言更是(shì)如(rú)此，這(•∏¥βzhè)正是(shì)倫敦經濟學院的(de) Iaσ↕§n Martin 和(hé)芝加哥(gē)大(dà)學的(de) Stefa♥±♥'n Nagel 兩位學者提出的(de)投資者學習(xí)（investor lear≥λπning）問(wèn)題（Martin and Nagel 2022）。
大(dà)數(shù)據時(shí)代産生(shēng)了(le✔☆)衆多(duō)可(kě)能(néng)存在的(d↑&e)預測指标，在它們形成的(de)高(gāo)維↕$→↑環境中，多(duō)重假設檢驗和(hé)投資者λ©學習(xí)的(de)挑戰會(huì)變得(de)更加嚴重。其∑★π↔核心問(wèn)題是(shì)：資産定價的(de)異λ<•象研究可(kě)能(néng)存在著(zhe)“複制(zhì)危機(jī)”（replicati₽↕on crises）。一(yī)方面，當使用(yòng)略微(wēi)不(bù)同γ≥±的(de)數(shù)據集或者數(shù)據分(fēn)析方∑©δ↔法時(shí)，異象是(shì)無法複制(zhì)的(de<$)，按照(zhào)三位在美(měi)華人(rén)金(jīn)融學 Ω€↕者侯恪惟、薛辰和(hé)張橹（Hou, Xue an←Ωd Zhang 2020） 的(de)說(shuō)法：“φ→大(dà)多(duō)數(shù)異象按照(zhào)當前♠★←φ可(kě)接受的(de)标準而言無法成立™₩→”。另一(yī)方面，這(zhè)些(xiē)異象在☆↓♥↔真正的(de)樣本外(wài)可(kě)能(néng)是(shì)不(bù)存 ∑♣∞在的(de)，用(yòng) Harvey, Liu and Zhu (2016) 的(de)說♣✘®(shuō)法：“大(dà)多(duō)數(shù)金(jδ≤īn)融經濟學中聲稱的(de)研究發現(xiàn≠α§)很(hěn)可(kě)能(néng)是(sβ£↑hì)錯(cuò)誤的(de)”。
除了(le)上(shàng)面這(zhè)些(xiē)問(wèn)題以外(wπ→♥'ài)，來(lái)自(zì)法國(guó¥∏Ω)和(hé)瑞士的(de)三位金(jīn)融學者 De★✘•ssaint, Foucault and Frésard (> ↔2022) 提出了(le)另類數(shù)據存在著(zhe)時(shí)長(chán∑£≠g)效應（horizon effect）問(wèn)題。例如(rú)各種預測公司盈餘這(zhè)類财務指标的(d↑↕e)另類數(shù)據，考慮到(dào)這(zhè)些(xiē ε§)另類數(shù)據主要(yào)涉及短(d₽βuǎn)期信息，所以 DFF 把它們稱為(wèi)短(duǎn)期導向數(shù)據（short-term oriented "✔πdata）。由此而來(lái)産生(shēng)的(de)題是(shì)：這(zhè) $₩→類數(shù)據可(kě)以改進财務預測¥>→嗎(ma)？通(tōng)過使用(yòng)賣方分(fēn)析↕♣師(shī)的(de)預測數(shù)據，DF↔α®>F 發現(xiàn)随著(zhe)另類數(shùσσ♣)據逐漸進入投資世界，分(fēn)析師(shī)們針對(d©≈≈uì)短(duǎn)期（短(duǎn)于 1 年(nián)）财務☆§指标的(de)預測質量提升了(le)，但(dàn)是(s €§hì)針對(duì)長(cháng)期（長(chán ≤→εg)于 1 年(nián)）财務指标的(♥ de)預測質量則是(shì)下(xià)降了(le®™)，并且兩者産生(shēng)的(de)淨效應是(shì)模糊的(de)。σ≈∏↔因為(wèi)資産價格是(shì)短(duǎn)期和(hé)長 ≥®☆(cháng)期現(xiàn)金(jīn)流折現(xiàn™≥π∏)的(de)總和(hé)，這(zhè)樣另類數(shε &ù)據的(de)價值也(yě)就(jiù)存疑了(le)。
在面對(duì)由另類數(shù)據帶來(lái☆¥)的(de)高(gāo)維環境中，應該如(rú)何應對(du ∑>ì)上(shàng)述學術(shù)研究→✔←的(de)挑戰呢(ne)？學術(shù)界當前給出的(de)答(d₽∞↕á)案是(shì)使用(yòng)各種機(jī)器(qì <×)學習(xí)模型加以應對(duì)。芝加哥(gē)大✔∞£↓(dà)學的(de)華人(rén)學者顧詩颢、修大(dà)成以耶魯≤γ 大(dà)學的(de) Bryan Kelly 在他($π¥tā)們 2020 年(nián)刊發的(de)經典文(↕☆♠♥wén)章(zhāng)中，指出資産定價的(de)機(jī)器(q£↕€÷ì)學習(xí)方法可(kě)以用(yòng)來(lái)描↕$©≤述：“(a) 用(yòng)于統計(jì)預測的(de)各種<↕₹高(gāo)維模型集合，(b) 用(yòng)于模型選擇和(hé)緩解過拟合的(de©♠£)正則化(huà)方法，以及 (c) 在大(dà)量可(kě)能(nén¥✔≈g)存在的(de)模型設定中有(yǒu)效的(de)×α 搜索算(suàn)法”。近(jìn)幾年(nián)來(lái)，應用(yòng)正則化(huà)£÷πδ、決策樹(shù)、集成方法、深度學習(σλ₹xí)和(hé)各種不(bù)同主成分(fēn)分(£♠ ₹fēn)析的(de)機(jī)器(qì)學習(xí)研究層出不(bù)窮。←€≠♣
此外(wài)，耶魯大(dà)學的(de) Stefano Giglio ✘•以及 Kelly 和(hé)修大(dà)成在 2022 年(nián)發表了('σ le)一(yī)篇綜述論文(wén)，其中總結了(le)₽₹ δ當前資産定價中機(jī)器(qì)學習(xí)方法的÷δ₩∏(de)研究現(xiàn)狀，同時(shí)指出™§了(le)未來(lái)的(de)主要(yào)研究方'σ向。不(bù)過，上(shàng)述機(jī)器(qì)學↔≠₩∏習(xí)的(de)方法并不(bù)能(néng)很(hěn)好✔☆βδ(hǎo)地(dì)解決前面提及的(de)多(duō)重假設檢驗和(hé)投資★"者學習(xí)。
考慮到(dào)這(zhè)一(yī)點，Nagel 教授在近→∑(jìn)期《高(gāo)維世界評估市(shì)場(chǎng)有(yǒ∏©u)效性》的(de)報(bào)告中提出使用(yòng™ε>)實證貝葉斯方法（empirical Bayes m&δ±ðod）來(lái)應對(duì)這(zhè)兩個(gè)難題。該方法通(tōng)過®÷<金(jīn)融數(shù)據來(lái)形成相(xiàng)↑→關的(de)先驗信念，進而分(fēn)析資" 産定價的(de)可(kě)預測性問(wèn)題，比如(rú)，Chinc÷ o, Neuhierl and Weber (2021) 根據已©₹&☆觀測數(shù)據來(lái)确定某個(gè)預測指标是(sσ¥hì)異象的(de)先驗概率分(fēn)布，他(tā)們♣₩÷>把這(zhè)個(gè)概率稱為(wèi₽≈©)異象基率（anomaly base rate）。此外(wài)，實證貝葉斯方法還(hái)可(kě)以用(yε←&òng)來(lái)處理(lǐ) Giannone, Lenza aγ<≤δnd Primiceri (2021) 提出☆∞♥的(de)稀疏性幻覺（illusion of sparsity）的(de)問(wèn)題。所謂稀疏性，是(shì)指在•∏當前主流的(de)資産定價多(duō)因子(zǐ)模型中，通(tōng)常↓↓&隻存在少(shǎo)數(shù)幾個(gè)定σ♥價因子(zǐ)。但(dàn)是(shì)在高( ≥♠ gāo)維環境下(xià)，稀疏性假設就(jiù)不£♣→(bù)合理(lǐ)了(le)，Bryzgalova, Huang and Ju✔lliard (2023) 采用(yòng)貝葉斯方法支持了(le)容許數(shù)γ✘α十個(gè)因子(zǐ)的(de)模型。最後，Jensen, K♣∑®elly and Pedersen (2022) 在最近(jìn)一(yī)α↕×篇引發學界熱(rè)議(yì)的(de)論文(w←¥én)中，通(tōng)過貝葉斯方法否定了(le)“複γ¥®制(zhì)危機(jī)”的(de)存在∑•。從(cóng)實際應用(yòng)的(de)角度來(lái)看£ε✘(kàn)，考慮到(dào)另類數(shù)據當下(xià)和(hé©©× )将來(lái)帶來(lái)的(de)大(dà)量潛在的(de)預測指£™₩标，貝葉斯統計(jì)方法在高(gāo)維環¶ 境的(de)資産定價分(fēn)析中會(huì)更有(yǒu)裨益。&≥γ
從(cóng)投資實務的(de)角度來(lái)看(kàn)，賺取風(f₹ε↔₹ēng)險調整後的(de)超額收益是(shì)第一(yī)要(yào)務，☆↔∑∏因此構造可(kě)以獲利的(de)投資組合是(shì)最終目的(de)。ε®×§在包括回歸、決策樹(shù)以及神經網絡這σ ←(zhè)些(xiē)主流的(de)有(yǒu)監督學習(xí)方法中，我們首£♣₽♥先要(yào)估計(jì)收益率截面。在這(zhè)方面，或許更為(wèi)¥ §✘直接的(de)方法是(shì)使用(yòng)強化(huà)學習(xí)（reinforcement learniεπng）這(zhè)種具有(yǒu)無監督特點的(de)學習(xí)機(jī)×σ∞制(zhì)，它可(kě)以處理(lǐ)投資決策和(hé)市(shì)場₹©(chǎng)之間(jiān)的(de)交互關系☆♦★，從(cóng)而在不(bù)需要(yào)考慮資産定價的(d₽λe)情況下(xià)給投資組合進行(xíng)建模。±π♦
此外(wài)（本段為(wèi)川總所加），伴随著(zhe)協變量高(g€↔āo)維數(shù)問(wèn)題的(de₩§£)另一(yī)思潮是(shì)“越複雜(zá)越好(hǎo)”這(zhè)一(yī)聽(tīng)上(shàng)去(qù)有(yǒu™±)些(xiē)颠覆的(de)觀點。2019 年(nián)，<✘↕Belkin, et al. (2019) 發現(xi àn)了(le)機(jī)器(qì)學習(xí)中樣本外(wà≤≠i)誤差的(de)“double descent”現(xiàn)象，引發了(le)機(jī)器(qì)學習(xí)領域和(hé)理(lǐ)論統計→← (jì)領域的(de)廣泛討(tǎo)論。該文×α(wén)指出當變量個(gè)數(shù) ↓₽> 樣本個(gè)數(shù)時(shí)，樣本外(wài)總誤差并沒有(®£δyǒu)“爆炸”，而是(shì)随著(zhe)複雜(zá)度的(de)提★×升單調下(xià)降。這(zhè)背後的(de)直覺解釋是(shì)，±ε模型越複雜(zá)，越是(shì)對(duì)真實世界→✘的(de)更優近(jìn)似，而這(zhè)種近(jìn)似帶來(lái)"¥的(de)好(hǎo)處在特定的(de)情況下(xià)可( ₹£kě)以蓋過因 over-parameterization 造成的(de)統計(jì)成本。在資産定價領域，Bryan εφKelly 和(hé)他(tā)的(de)合作(zuò×&¶)者一(yī)起寫了(le)一(yī)系列“複雜(zá)度美(měi)德”的(de)論文(wén)（例如(rú) Ke•¶lly, Malamud and Zhou 2022），從(cóng)不β≠(bù)同角度探討(tǎo)了(le)探索≠ δ提升複雜(zá)度對(duì)樣本外(wài)投資機(×∏δ™jī)會(huì)帶來(lái)的(de)提升。當然，σγβ即便我們認同了(le)“越複雜(zá)越好(h >ǎo)”，也(yě)依然要(yào)回答(dá)©÷•€更重要(yào)的(de)問(wèn)題，即如(rú)何估計(jì)參數(shù)，如(rú)何正則化(huà)，如(rú)何利用(yòng)層出不(bù)窮的β®↓(de)新數(shù)據來(lái)形成關于預期收益率更好(hǎo)的(d∑©®e)預測（即高(gāo)維問(wèn)題∏'✔求解）。在這(zhè)方面，通(tōng)過貝葉¥™斯框架将經濟學推理(lǐ)注入機(jī)器(qì)×&λ學習(xí)算(suàn)法是(shì)一(yī)條充滿前景的(de)研究 •≤<路(lù)徑（Nagel 2021）。
上(shàng)面這(zhè)些(xiē)從(cóng)象牙塔産生(sh >ēng)的(de)由數(shù)據驅動的∞€¶→(de)投資思想，無論是(shì)從(cóδ÷•>ng)随機(jī)遊走到(dào)有(yǒu)效市(shì)場(chǎnφ ↓g)假說(shuō)，從(cóng)異象到(dào)行(xíng)¥☆ ♥為(wèi)金(jīn)融，從(cóng)三因子(zǐ)模型到(""dào)因子(zǐ)動物(wù)園，從(c©επóng)回歸分(fēn)析到(dào)機(jī)器(qì)學習(♦→xí)，都(dōu)深刻地(dì)影(yǐng)響和(hé)改•φ♣π變了(le)人(rén)們對(duì)金(j"™īn)融市(shì)場(chǎng)運行(xíng)機(jī)制(¶ γzhì)以及收益和(hé)風(fēng)險之間✘™π(jiān)權衡的(de)理(lǐ)解。這(zhè)些(xiē)投資&®∑♣思想，催生(shēng)了(le)指數(shù)基金(↕£₽jīn)、市(shì)場(chǎng)中性、Smart Beta →α、因子(zǐ)投資、基本面量化(huà)等投資理(lǐ)念₩™©δ，讓金(jīn)融市(shì)場(chǎng)成為(wèi)社£÷會(huì)大(dà)衆關注的(de)焦點，讓金(jīn)融研究成為(wèi¥→ )社會(huì)科(kē)學中的(de)顯學。
同樣地(dì)，我們也(yě)應該期待今天✘↔的(de)另類數(shù)據，能(néng)夠像今天的(de)“數(shù)據♦”在過往曆史中那(nà)樣，發現(xiàn)前所未見(j≤↕βiàn)的(de)新規律，從(cóng)♠←而幫助我們在實務中形成新的(de)投資理↕≈&α(lǐ)念，同時(shí)做(zuò)出更好(hǎo)的(de)投資決策。
2
溫故是(shì)為(wèi)了(le)知(zhī)新。
回顧如(rú)今的(de)“老(lǎo)數(shù)據”以及在曆史長>&(cháng)河(hé)中為(wèi)了(le)應用™↔(yòng)它們而發展出來(lái)的(de)各種投資方法論，€♣是(shì)為(wèi)了(le)在未來(lái)更好(hǎo)地(←₩αdì)利用(yòng)今天的(de)“新數(shù)據”。
當前，投資進入了(le)一(yī)個(gè)更加÷$$♥高(gāo)度不(bù)确定性的(de)時(shí)代。在這(zhè)♠∞個(gè)時(shí)代，隻有(yǒu)擁抱新數(shù)據，并在這★£™(zhè)個(gè)過程中通(tōng)過創新方法用♣₩(yòng)好(hǎo)時(shí)下(xi∞>≈à)另類但(dàn)在将來(lái)也(yě)注定普及的(de)數(shù)↓據，才能(néng)在細微(wēi)之處把'握金(jīn)融市(shì)場(chǎng)跳(tiào)動的(de£₽λ)脈搏，才能(néng)在青萍之末感受風(&§fēng)的(de)力度。
相(xiàng)信看(kàn)到(dào)這(zhè)裡δ±∏(lǐ)，數(shù)據的(de)重要(yào)性對(duì)于±×你(nǐ)已經不(bù)言而喻。而如(rú)果你(nπ€₽ǐ)也(yě)和(hé)我一(yī)樣期待開(kāi)啓一(yī)段另類£™&數(shù)據之旅，那(nà)麽請(qǐng)讓我回歸本文(wén¶λ₽)的(de)正題：《另類數(shù)據：理(lδ☆₹★ǐ)論與實踐》以及《另類數(shù)據：投資新♥動力》。這(zhè)兩本書(shū)的(de)出 "版，填補了(le)中文(wén)文(wén)獻在投資另類數(shù↓↑)據方面的(de)空(kōng)白(bái)（官宣在此）。
《另類數(shù)據：理(lǐ)論與實踐》∏₩↕©共有(yǒu) 8 章(zhāng)，是®↕(shì)一(yī)個(gè)統一(yī)的(de)↔✔框架，體(tǐ)系化(huà)地(dì)介紹∞¶了(le)另類數(shù)據的(de)概念、分(fēn¥λπ)類、挑戰和(hé)風(fēng)險、應用(yò'€ng)流程和(hé)價值等方面的(de)內(nèi)容，≤πφ 并對(duì)不(bù)同類型的(de)另類數(shù)據展開(kāi)¥♦ "了(le)詳細的(de)說(shuō)明(m✔£€πíng)。
《另類數(shù)據：投資新動力》分(fēn)為(wè®←©σi) 5 章(zhāng)，更偏重應用(yòngγ¶λ)，全方位地(dì)介紹了(le)另類數(s<↕'hù)據在金(jīn)融市(shì)場(chǎng✘≤&φ)中的(de)應用(yòng)，無論是(s"€© hì)文(wén)本數(shù)據、消費(fèi)相(xiàng)±≠×關數(shù)據、傳感器(qì)數(shù)據、≥ ₽ESG 數(shù)據、投資者關注數(shù)據、商業(yè)洞察數(shù)λ©↑據、衛星圖像數(shù)據、位置數(shù)據等；無論是(shα>±γì)股票(piào)量化(huà)投資和(hé)主觀投資，利率±☆和(hé)彙率投資，又(yòu)或者是(shì)大(dà)宗商€≥εβ品投資中的(de)應用(yòng)，應有(yǒu)盡有(yǒu)。
在這(zhè)兩本書(shū)出版之前，我曾有(yǒu)幸閱讀(dú)γ過初稿。它們給我的(de)感受（如(rú)果隻用(yòng)兩個(€§gè)字總結）是(shì)客觀，如(rú)果再加兩個(gè)字，那(nà)麽是(s★ γ×hì)客觀和(hé)全面。
先說(shuō)客觀。毫無疑問(wèn)，♠✘σ>無論對(duì)學界還(hái)是(shì)業™σ(yè)界，另類數(shù)據是(shì)如(rú)今投資界的(de)寵兒(é↓→<r)和(hé)熱(rè)點（比如(rú)，你(nǐ)如(rú)果沒點獨門§±α(mén)數(shù)據，想在 top 3 發實證≤≥₹研究幾乎沒戲了(le)），但(dàn)這(zhè)兩本書(shū)并®$§沒有(yǒu)所謂的(de)“蹭熱(rè)點”、不(bù)負責任地π£(dì)鼓吹另類數(shù)據的(de)好(hǎo)處，而是(shì)中立而≥♣系統的(de)呈現(xiàn)另類數(shù)據π₹↔的(de)機(jī)會(huì)和(hé)挑戰，這(zhè)和(•☆hé)我在《另類數(shù)據的(de)前景與陷阱》中所傳達出的(de)價值觀不(bù)謀而合£≤。
再說(shuō)全面。當人(rén)們說(shuō)起≈λ←另類數(shù)據的(de)時(shí)候，可(kěΩ₹≈)能(néng)本能(néng)的(de)反應是(shì)兩眼放 ÷♦(fàng)光(guāng)，馬上(sh≠≈♠àng)會(huì)問(wèn)它能(néng→★)不(bù)能(néng)産生(shēng✘β¶)風(fēng)險因子(zǐ)無法解釋的(de)↓σ♦ α。然而，這(zhè)種想法僅僅局限于另類數(shùγ¥✘λ)據産業(yè)鏈末端的(de)應用(yòng)層面。對(duì)于另類數(s¶&hù)據這(zhè)個(gè)大(dà)課題來(lái)說(shuō)，×∞♠÷數(shù)據是(shì)如(rú)何産生(shēng)的(de)、∑φ ☆質量和(hé)時(shí)效性如(rú)何，使用(yòng)時'₽φα(shí)是(shì)否有(yǒu)合規風(€λ₩fēng)險，如(rú)何評估其成本價值、市(shì)場(✔™chǎng)價值、經濟價值，其可(kě)預測性是(shì)短(d §uǎn)期的(de)還(hái)是(shì)長(chán ∞׶g)期的(de)，如(rú)何從(cóng)基礎₽'♦設施和(hé)人(rén)才儲備層面建設另類數(shù)據團隊，如(r¶>ú)何讓另類數(shù)據有(yǒu)機(jī)地(dì)Ω→↔融入到(dào)整個(gè)投研和(hé)♥☆↕交易過程（從(cóng)而形成運營阿爾法）等都(dōu)是(sh ₽↑ì)同樣甚至更加重要(yào)的(de)問↕×≤(wèn)題。對(duì)于這(zhè)些(xiē)問(wèn)題，這(zhè≠₹★)兩本書(shū)給出了(le)詳盡的(de)說(shuō)明(míβ ©ng)。
正是(shì)因為(wèi)“客觀和(hé)全面”這(zhè)兩個(gè) ♠我個(gè)人(rén)非常看(kàn)重的(de •♦÷)特色（相(xiàng)信公衆号的(de)小(x¶↔•iǎo)夥伴認可(kě)這(zhè)個(gè)觀點），所以我願意毫↔♠≠無保留地(dì)把它推薦給感興趣的(de)小(xiǎo)夥伴。≠ε÷希望它們能(néng)祝你(nǐ)在使用(yòng)£¶β另類數(shù)據的(de)道(dào)路(lù)上(shànγ' ↕g)愈行(xíng)愈遠(yuǎn)，乘風(fēng)破浪。
另類數(shù)據這(zhè)個(gè)名詞出現(xiàn)的(d≥≤e)曆史并不(bù)很(hěn)長(cháng)，但(d →γ>àn)是(shì)它背後蘊含的(de)核心→思想卻并不(bù)新穎，而是(shì)自(zì)↕♠古有(yǒu)之：我們需要(yào)在不(bù)斷出現(xiàn)的(de)另類數(shù≠σφ)據中用(yòng)适應時(shí)代的(de☆£♠)方法挖掘出新的(de)投資見(jiàn)↔✘解，在不(bù)斷演化(huà)的(de ♣)金(jīn)融市(shì)場(chǎng)中能(néng)夠長(chá β<€ng)時(shí)間(jiān)地(dì)獲÷♥取超額收益，從(cóng)而在投資管理(lǐ)的(de)激烈競₩ ≤争中生(shēng)存下(xià)來(lái)。
參考文(wén)獻
Ball, R. and P. Brown (1968). An empiri↕€♠cal evaluation of ac↔↑∑₹counting income numbers∑★✘γ. Journal of Accounting Reseaε÷≈rch 6, 159 - 178.
Banz, R. (1981). The relationship betwe$α §en return and market value of common s©✔tocks. Journal of Financial Economics 9, 3 - 18.
Barber, B. and T. Odean (20₩δ13). The behavior of individual in≈₩vestors. In G. Constantinides, M.↔™§₹ Harris, and R. Stulz (eds.♣♣£) Handbook of the Econo¥♠mics of Finance 2. Elsevier BV.
Basu, S. (1977). Investment performa>£®nce of common stocks in γ"relation to their price-earnings r✘≥atios: A test of the efficient ∏>market hypothesis. Journal of Finance 32, 663 - 682.
Belkin, M., D. Hsu, S. Ma, and ∞♥αS. Mandal (2019). Reconcil÷₽≠φing modern machine-learning pract→₹∑✘ice and the classical bias-vari↓±ance trade-off. PNAS 116, 15849 - 15854.
Bryzgalova, S., J. Huang, and ε✘ C. Julliard (2023). Bayesian solu✘™tions for the factor zoo: We just ra✘★>n two quadrillion models. Journal of Finance 78, 487 - 557.
Chinco, A., A. Neuhierl, and M. Weber≤ ≠ (2021). Estimating the ₩'¶anomaly base rate. Journal of Financial Economics 140, 101 - 126.
Cochrane, J. H. (2011).☆∑§ Presidential address: D∞>iscount rates. Journal of Finance 66, 1047 - 1108.
Cootner, P. (1964). The Random Character of σ✘±Stock Prices. MIT Press.
Cowles, A. (1933). Can stock market f∑₽"orecasters forecast? Econometrica 1, 309 - 324。
Cowles, A. (1944). Stock mar<↕ket forecasting. Econometrica 12, 206 - 214.
Dessaint, O., T. Foucau★$lt, and L. Frésard (2022). Does ↑γalternative data improve foreca¶÷¥λsting? The horizon effe©$♦ct. Swiss Finance Institute©× Research Paper Series N. 20-106.
Fama, E. F. (1965). The behavi"£or of stock market prices. Journal of Business, 34 - 105.
Fama, E. F. (1970). Efficient capiεβ¶tal markets: A review of theo₹ry and empirical work. Journal of Finance 25, 383 - 417.
Fama, E. F. (1991). Ef₹↓<ficient capital markets: II. Journal of Finance 46, 1575 - 1617.
Fama, E. F. and K. R. French (1992)'σ"π. The cross-section of ex<↔σpected stock returns. Journal of Finance 47, 427 - 465.
Fama, E. F. and K. R★<←±. French (1993). Common risk ±α♣factors in the returns on stocks and b¥©$onds. Journal of Financial Ec✔↓€±onomics 33, 3 - 56.
Fama, E. F. and K. R. French (201λ α5). A five-factor asset pricing ∏&ααmodel. Journal of Financial Economics 116, 1 - 22.
Fama, E. F. and J. D. MacBet£φ¥h (1973). Risk, return, and eq♠¥uilibrium. Journal of Political Economy 81, 607 - 636.
Giannone, D., M. Lenza, and G>•ε. Primiceri (2021). Economic predict &€™ions with big data: The illusion of ₩→sparsity. Econometrica 89, 2409 - 2437.
Giglio, S., B. Kelly, an"≥↑✔d D. Xiu (2022). Factor models, ma±☆₽₽chine learning and ass€ et pricing. Annual Review of Financial∞→←¶ Economics 14, 337 - 368.
Gu, S., B. Kelly, and D. Xiu (2020≥γ®). Empirical asset p γ₽ricing via machine learning. Review of Financial Studies 33, 2223 - 2273.
Havery, C. R. (2017). $∏★Presidential address♦ ×: The scientific outlook in financia✔σ←l economics. Journal of Finance 72, 1399 - 1440.
Harvey, C. R., Y. Liu, •αand H. Zhu (2016). ... and the cross↓✔♣-section of expected returns. Review of Financial Studies 29, 5 - 68.
Hou, K., C. Xue, and L. Zhang≈•φ (2020). Replicating anomalies. Review of Financial Studies 33, 2019 - 2133.
Jensen, T., B. Kelly, and L. Ped∑ersen (2022). Is there a replication c→♣αrisis in finance? Working paper.
Kelly, B., S. Malamud, and K. Zhou (202☆♠2). The virtue of complexity in re ™turn prediction. Working paper.
Kendall, M. (1953). The ana ★&lysis of economic time-seri₽♠es. Part I: Prices. Journal of the Royal Statist®≈ical Society 116, 11 - 34.
Lo, A. W. and A. C. MacKinlay (1999)÷€↑'. A Non-Random Walk down Wall Street. Princeton University Pre∑÷€ss.
Martin, I. and S. Nagel (2€ 022). Market efficiency in the age of £∞big data. Journal of Financial <δEconomics 145, 154 - 177.
Nagel, S. (2021). Machine Learning in A♥₩sset Pricing. Princeton University Press.
Nagel, S. (2022). Evaluatin€&♣↕g market efficiency in a high-dimen♠←₩'sional world. Speech o✘£•n Hong Kong Conference fo£§r Fintech, AI and Big Data Businα¶ess.
免責聲明(míng)：入市(shì)有(yǒu)風(fēng)險，投資需謹慎。在£¶任何情況下(xià)，本文(wén)的(de)內(nèi)容、信息及數(♣÷→shù)據或所表述的(de)意見(jià✔λ€n)并不(bù)構成對(duì)任何人(rén)的£×↕(de)投資建議(yì)。在任何情況下(xià) ☆，本文(wén)作(zuò)者及所屬機(jī)構不(bù)對(duì)¥任何人(rén)因使用(yòng)本文(wén)&$的(de)任何內(nèi)容所引緻的(de)任何損失負任何責任。除特别∏ε說(shuō)明(míng)外(wài)，文(w↕én)中圖表均直接或間(jiān)接來(lái)自(zì)于相(xiàn¥δ₹g)應論文(wén)，僅為(wèi)介紹之用(yòng✘•)，版權歸原作(zuò)者和(hé)期刊所有(yǒu)。