长期资本复杂的金融工具拆分让准备接手的人费尽了心思。最后得出的结论是“头寸如此复杂，金钱机器的组成部分在基金的对家中如此分散，以至于简单的途径转移头寸是不可能的。”没什么比这个例子更有说服力了，“精巧的系统与鲁棒性没有必然联系。”《解读量化投资》一书中说到：“许多量化基金采用相对简单的数学公式，只用一两行就能解释清楚。许多量化基金的复杂也许在于它的科技：电脑系统、通信技术、电子交易手段等。”这话说的很实际也中肯。在国内期货市场上，数量化手段应用的远比股票市场要成熟，但一个似乎普遍认可的原则也是“简单、直接、有效更纤细的论述请参考《期市截拳道》。”。
投资市场是个英雄莫问出处的地方。只要有业绩，恐怕即便是投掷骰子、算周易这还真不是夸张，如果投资者看过一篇申万研究所经济学博士杨国平“辛卯年股市运行易学预测”的讲稿就会明白笔者所言非虚。不过，笔者并不是想在这里嘲讽这种现象。相反的，由于对易学的不了解，笔者根本没有任何立场。甚至，内心中笔者愿意相信该人的价值判断。社会就缺少这种敢于向“懂又不懂还极度偏见”人群呐喊的力量。不向群体意识低头的同时还敢比出中指的勇气比一个观点本身的对错要让人值得尊敬且重要得多。也不会有人在乎。在这样的大背景下，算法本身的复杂度确实不是问题的重点。难怪西蒙斯本身也承认，其大奖章基金所用的数学都是很简单的数学（尽管，笔者真的怀疑，一个数学家嘴里的“简单”究竟与普通人的理解有没有什么差别）。可问题是究竟要简单到什么程度却没有一个定论，而且片面的强调简单也多少会产生些误导。一个最起码的常识恐怕是再简单的数学动手能力差恐怕做不好。
先假设其他的工作都已经准备就绪，“就只差算法开发了”。可能是笔者接触面仍然不够宽广，但算法的校验平台在股票市场里基本就没有一个好产品。这些东西往往需要自己动手来完成，因为即便算法开发者貌似大度的与他人分享，别人有没有时间帮这个忙也还是问题。这就直接回到了我们一开始说的那个话题，算法交易的真正复杂之处在于算法之外。即便是想出一个简单到弱智的有用算法，对于校验这个工作来说仍然只是相当于把一切算法转换成一组简单的表达状态的数值并走完自己的运算过程。要一个人完成这么多的工作，不会些编程恐怕是说不过去的。这还只是长征的第一步，还存在着参数优化，仓位控制，资金分配等诸多实际问题，更不用说算法本身就需要考虑一定的复杂度。所以笔者还是想提醒一句，读者最好还是能有个思想准备，不要把算法复杂度和工作量作出过分紧密的假设，往往其他工作也并不轻松。
现实中的问题可不像大学里讲的经济学那样，有着一眼就能看穿的公式结构，各种优美的平滑函数在那里等待着被解答，又或者有了Maple之后，各种计算只是把公式输入到电脑之中就会有个结果。呈现在我们面前的就是一堆数字，其余任何规律的探索都是分析员梳理出来的。可问题来了，有什么理由让我们相信一个确定性的公式存在于这堆一眼看去就让人恶心的数据中呢？更不要提什么平滑、可导之类的苛刻要求了。这或许解释了为什么笔者除非万不得已，否则很少翻开经济学著作或教科书的原因。也有人就此得出了一个跟巴菲特价值投资理念极度吻合的逻辑：“凡是使用微积分之类的数学方法来指导投资都很可疑。这其实是国内一个推崇价值投资的评论员在做一期比较价值投资和数量化投资的节目时发表的言论。”尽管有些偏激，但某种程度笔者个人认为，这句话只限于做估值模型或者其他试图模拟出股价走势的技术。对于以剥离信息为目的的处理手段来说，用什么方法都不过分。上来看有它的道理。最优化的思想仍然是需要的，仅仅是因为目标函数的不确定要求我们通过其他方式对其进行搜索。具有全局优化能力的算法很多，读者可以自己随便翻开一本进行阅读。这可能是笔者尝试解决这一问题所能使用的唯一方法笔者在写作本书的时候，总是希望不要把问题过于具体化。以免读者由于笔者的水平有限而遭到错误引导。笔者最不想成为的就是塔勒布笔下“缺乏想象力，而且还压制他人想象力”的家伙。实际上，笔者的个人学习经历也部分证实了一个道理：“往往自己发现并加以确认的技术手段远比别人的正面说教有用。”当然，如果读者有足够的数学修养能绕过这个问题，也可以不必朝着这个方向作出努力。
我们现在可以比较心平气和的来看待这个问题了。单个算法的复杂程度可能并不高，有些甚至可以最终归结为仅仅是比较两个数值的大小读者有兴趣可以翻开《期市截拳道》，看看里面介绍的很多数量化实例。但算法的设计往往需要参数对于这个问题，笔者比较倾向于认为参数是一定会存在于算法中，只是显式还是隐式的表现而已。毕竟，非参数方法能处理的问题是有限的。能应用到策略算法的部分就更是凤毛麟角。举例来说，我们可能觉得均线系统太过于死板，于是费尽心思希望均线可以自适应。可是看看自适应均线系统的算法部分，哪一个又少了参数？我们在担心模式迁移，于是用可变参数的思路试图捕捉模式迁移过程。可决定参数变化速度的决定因素还是一个参数！我们可以希望参数本身会倾向于收敛又或者最终可以落实到一个非参数的算法过程，但显然这种努力需要极大的付出而且没有办法保证一定可以有良好的结果。这也是为什么参数优化过程至少在当前阶段还是需要考虑的问题。而一旦涉及到参数就一定会牵扯到优化等细节问题。这些问题的复杂度一般会超过我们的设想，而且其重要性往往并不差于算法本身。
（第九节）数量化投资的注意事项——黑天鹅
这节是一个对普通人来说事不关己的轻松话题，但对于（数量化）投资来说没有人会愚蠢到忘记这个可怕的现象——黑天鹅。尽管它是可以与“厚尾”联系起来的话题，但笔者仍然希望从世界观的角度来阐述。因为，对未知抱有一丝敬畏远比天天喊着“人定胜天”这种近乎于传销式的口号来的稳妥。而黑天鹅最直接的作用是让我们认清人类渺小的现实，时刻提醒自己不要过度的自信。
什么是“黑天鹅”？塔勒布将其归纳为符合稀有性、冲击性和事后（而不是事前）可预测性的事件。这个貌似比较抽象的东西是如何与我们的投资相联系的呢？部分原因来自于模式的迁移。实际上，这并不是塔勒布的“黑天鹅”在金融市场应用的一个好解读，部分原因在于塔勒布太过于极端。
尽管笔者并不同意塔勒布将他的“黑天鹅”理论进行无限制的领域应用，但有些问题确实值得我们深思。“假想的理解“以为自己知道在一个超出他们认知的更为复杂的世界中正在发生什么”——《黑天鹅》”几乎每时每刻都在这个市场中发生。坦白讲，笔者也确实怀疑是否有人能够真正了解这个市场，从业时间越久就越是如此。我们学到的理论有多少是正确的，多少是错误的？那些所谓的错误难道是真的错了么？一系列近乎于哲学式的思考会让我们觉得脚下根本就没有一块牢固的支点。我们这些小角色的感受没有什么说服力，但曾经呼风唤雨的梅里韦瑟也是在莫顿·米勒与尤金·法玛接近于对立的观点阐述中选择了自己的方向。要去相信什么是需要很大勇气的，而很多时候这也不过就是个信念而已。电视上衣着整齐的分析师们告诉投资者“流动性收紧并不意外”，另一方面却把自己预计后半年才会到来的加息挪到了眼前。人类是解释问题的高手，却并不擅长于预测。分析师特别擅长把一套套“因为所以”的逻辑关系摆在投资者面前，却没有几个人能保证逻辑推出的结果一定会被市场验证。“无论怎样，人就是需要接受一个合乎逻辑的解答。”这个回答或许有几分无奈，但道理却十分明确。仔细想想，塔勒布的“三重迷雾”我们一个都躲不掉。算法交易也仍然如此。
没必要与塔勒布这种接近于哲学式的思考方式较劲。因为一切都要继续，生活也好、投资也罢都是一个滚动的车轮，不会因为方向不明就停止。因为我们可以给出一个到目前为止最合适的方向前进，剩下的交给上帝就好了。“谋事在人，成事在天”也说的就是这个道理。笔者不知道西蒙斯所说的“运气”究竟是什么，或许在某个层面仅仅就是指“黑天鹅”还从来没有打破大奖章所挖掘的已有模式吧，谁知道呢。
看着《拯救华尔街》上那幅“在长期资本管理公司1美元投资所产生的总价值变化曲线图”，笔者第一个想到的就是“感恩节前后的火鸡”这个故事。真是应了那句老话，“这种从过去预测未来的天真在一切事情中都存在”。不过，感恩节的火鸡可能确实与长期资本一样逃不了最终被消灭的厄运，我们普通投资者没有如此之高的杠杆难道也会这么惨？这个问题还真是没法回答。但如果你满足于“我至少没有旁边那个股民老张更惨”或许就可以有答案。如果所有的火鸡都最终是死路一条，吃的胖一点也没什么不好。很多时候，人并不是追求绝对意义上的改良，而是相对意义上的公平。至少笔者会认为与20年前相比，笔者的生活条件有了很大的改善。很多城市里的人都在歇斯底里的叫喊，仅仅只是与有钱人相比，大家觉得不公平。换句话说，蛋糕也确实是大了，很多人也确实分到的比从前多了，但比例上少了就不爽。人性，仅此而已。既然人本来就没那么高尚，相对的优越就存在意义，至于总体上的事情既然不在掌控，那就交给黑天鹅吧。
塔勒布的另一个颇具意义的观点是其对“平均斯坦”与“极端斯坦”的划分。这是从另一个角度来审视一切的有趣思维。实际上，如果我们能平心静气地想，或许今天能有机会在这里谈论数量化投资，部分原因也是因为极端事件的指引。按照其对极端斯坦事件的划分，很多诸如每种语言的使用人数、“名人”的知名度等都要被纳入进来。但最让我们关心的还是其把金融市场、商品价格、通货膨胀率，经济数据也一并划入其中。看着上蹿下跳的原油期货价格，说一点都不信还是有难度的。但这个领域往往是诸多首席经济学家的地盘，他们绝对是你最不想碰到的争论对象。于是，按照笔者的写作习惯，碰到如此棘手的问题我们会选择躲在另一个行业领军人物的事例背后。
《解读量化投资》中曾经介绍过这样一个事例：1989年起，西蒙斯与埃克斯的模型开始罢工，两人意见出现分歧。最终，西蒙斯的意见胜出，并请来普林斯顿大学的数学教授劳佛。两人经过较长时间的研究，决定“将过去模型中的有关宏观经济数据的部分完全剔除，只留下技术性的数据。同时，他们将注意力集中在短线的交易时间上……”
这使我们想到了一个流传在市场里的名言“短线赌钱，长线赌命”。这话放在本节确实再合适不过了。分析师的任务是不断的发掘合乎逻辑的观点，并让更多人接受它。但接受它的人按此操作赔成了无产阶级可不关分析师的事。这是什么道理？如果今天立法，说错的分析师一律枪毙或者实际操盘水平不及宣传的一律判无期，这个世界早就安静了。正是这种责任归属不明确，才导致的营销概念比踏实的做事更盛行。这也是为什么笔者对写报告这种事厌恶到骨髓的原因。没人说得清楚未来的哪个时间段会有“黑天鹅”降临，但显然以短线累计胜利果实的方式要比长线上遭受其毁灭打击来的保险些。尤其是在一个《中国证券报》时不时就来告诉你“部分中小公司业绩变脸”的市场，相信什么都要打些折扣。
回到本节的主题上来，“黑天鹅”事前不可预知性需要我们从至少两个层面来面对现实。首先，要调整好心态，时刻以相对收益的方式来看待投资。其次，是要在资产组合里适当的考虑部分策略的操作周期，以缩短暴露在未知事件影响下的头寸越少越好为最终目的。本着这样的思路，或许是投资实务对这种事件能做出的唯一回应了。
（第十节）数量化投资的注意事项——容错
就笔者的经验来看，100%胜率的策略不存在。但本着谨慎的态度，还是应该说它或许存在，但为其付出努力并不是件收益与成本角度衡量的合算买卖。既然，我们要面对一个允许失败的算法环境，容错机制就是必须要考虑的问题。
在本节开始之前，要举两个简单的算术题。
1.一只一元股票，上涨了10%后又下跌了10%，该股票价值0.99，实际亏损1%。
2.两只一元股票，一只上涨两次10%，价值1.21，另一只下跌了两次10%价值0.81，该组合价值2.02，获利1%。
可能很多投资者已经明白了笔者的意思。围绕着一只个股（投资标的）而言，对称策略的胜率如果只有一半，那往往是不够的。长期执行这样的策略会导致亏损。但收益率的不对称却可以更改这个窘境，甚至可在胜率上作出让步，使其低于一半。对于多个股（投资标的）而言，策略本身的胜率重要性位置将进一步下降。
笔者想了很久，还是决定把这些话的功劳归于彼得·林奇。尽管彼得·林奇没有这种风格的原话，但还是表露了类似的思想。在《成功投资》一书中第16章，彼得·林奇写到“如果你寻找的是10倍股，那么你持有的股票越多，在这些股票中出现一只10倍股的可能性就越大。持有的股票越多，你在不同的股票之间调整资金配置的弹性就越大，这是我的投资策略的一个重要组成部分。”