□六禾投資投資總監 徐志雲

　　近期最受矚目的公眾事件當屬李世石和谷歌AlphaGo的五番棋人機大戰，結果有些出人意料，雖然谷歌AlphaGo上來連贏三局提前獲勝。但讓人感到絕望的不僅僅是AlphaGo在盤面上展現出的統治力，而是當人類棋手還在審視回味多年以來傳承下來的行棋框架和手筋定式時，AlphaGo已經基於勝率開創出一套新的體系超越人類，而且還在不斷地學習進化中。

　　在任何一項高複雜度遊戲中，短暫的領先落後並不重要，保持正確方向並持續進化的能力才是最可怕的！圍棋如此，投資亦然。

　　證券投資入門簡單，要真正做好卻是一項複雜度極高、講究能力圈的遊戲。投資者不僅要清楚地知曉自己的能力圈，更要具備不斷拓展能力圈的能力。和海外相比，國內資本市場發展時間不長，加之中國處於大國轉型期，轉型模式並無很好的參照樣本。上至宏觀政策、貨幣環境、資本市場制度，中至新的行業、新的商業模式，下至微觀企業的傳承重組、並購轉型，再加上新興市場估值體系的高可塑性，當前的A股市場充滿著各種變數和想像力。資本市場在各個方面都對投資人提出了更高的要求，倒逼著專業投資者不斷地做加法，突破自我，擴展能力圈。

　　彼得·林奇是投資領域做加法的極致。在對自己管理麥哲倫基金的生涯回顧中，他曾提到“我每年要訪問200家以上的公司和閱讀700份年度報告，一年行程10萬英里，早晨6:05乘車去辦公室，晚上19:15才回家，路上一直都在閱讀。每天午餐都跟一家公司洽談，每個月要對將近2000個公司檢查一遍，頭寸中大約持有1400種證券，管理基金期間買過的股票數量超過1.5萬隻。”彼得·林奇的投資幾乎涵蓋了所有行業、商業模式和邏輯類型，一套完備的投研體系和方法論也許會讓這些工作顯得有些機械化、程式化，但彼得·林奇如此廣泛的涉獵，以及十幾年如一日持續做加法的能力確實令人讚嘆。

　　但人畢竟是人，人工智慧可以像一列火車在封閉軌道上無邊界地前進，人卻很難。彼得·林奇13年璀璨但略顯短暫的基金經理生涯，最終也逃不開托爾斯泰筆下貪婪農夫式的無奈。

　　投資如同長跑，專業投資者在這場長跑中不僅要懂得做加法，更需要適時地做減法。

　　巴菲特是投資界做減法的楷模，其對能力圈的經典闡釋已為世人熟知。了解並恪守自己的能力圈，避免在不熟悉的領域犯災難性錯誤，在投資過程中做好減法是其業績數十年長青、持續獲取超額複利的秘訣。曾有位朋友評價，彼得·林奇的成功可以模倣，但巴菲特卻無法複製。

　　個人深以為然，但認為更準確的説法是，投資人做加法的路徑可以借鑒，做減法的歷程卻無法複製。投資中的加法是對客觀世界的不斷求索，對歷史興衰的回溯，對邏輯數據的驗證，對商業行為的預判，甚至市場中不同參與者的博弈方式都能從金融行為學中找到諸多端倪和線索。做減法的歷程則是直面自己的內心，認識自身能力的邊界，直面壓力、情緒以及各種潛在的約束，並最終找到最適合自己的投資方式。客觀世界的求索歷程可以複製、分享、團隊進化，但個人內心的舒適平靜卻是如人飲水、冷暖自知。正如巴菲特的成功之路，其早年師從格雷厄姆，後來又受芒格、費雪等人影響，這一段做加法的心路歷程一定很有價值，等到後期巴菲特已經做足減法，進入到一生只願意揮動20次球棒的狀態，我們能做的恐怕只有靜靜欣賞、致敬。

　　機器學習進化的方式同樣是有加有減，電腦既要有深度搜索、遍歷局部最優的加法能力，更需要評估全局、剔除冗余選擇、降低計算複雜度的減法能力。和計算量大、但規則和目標清晰簡明的圍棋相比，股票市場的運作機制更為複雜。股票市場背後是所有市場參與者決策的匯總，是一個典型的多因子、互相反饋、且需要實時決策的混沌系統，任何交易策略最多只能部分解釋股票市場的交易行為。應對這類複雜度更高的系統時，減法將展示出更多的魅力，受過良好加法訓練但更善於做減法的人腦會比機器更具優勢，專業投資者只要持續地做好加法減法、不斷進化，仍將擁有持久的生命力。