随着现代金融和心理学理论不断深入发展，我们逐渐注意到了情绪变化对于金融投资和风险管理的巨大影响，行为金融学就试图揭示金融市场的非理性行为和人的真实决策规律过程。

香港大学SPACE中国商业学院客席副教授、平安磐海首席风险官、亚洲投资者学会风险管理中心执行董事陆晨博士，为大家详细解读了金融周期、金融市场风险管理、人工智能发展等多维度的热点话题。

收益伴随着风险，人靠自己的本能投资

投资是为了得到收益，但永远要面临非常不对称且十分巨大的风险（可能性），人们对于风险的态度很大程度上决定了他投资的最终结果，但中间的投资路径有很多不确定性。

对于风险的态度又是建立在对未来的预期之上，这里对未来的预期最有代表性的理论就是凯恩斯提出的“动物精神”：

每个人无论是专家还是平民对于未来市场的变化实际是一无所知的，投资是依赖于他们的直观本能。

风险就是未来由于投资者的认知理念或外部金融市场环境发生变化而发生多种结果的可能性。

对于风险的客观性的最好写照莫过于 “市场唯一不变的就是市场在变化”的描述。

在2008年金融风暴前我们做的风险管理，大部分是所谓在象牙塔里的风险管理方式，就是摒弃掉人的因素，基于传统经济学中理性人的假设，只考虑市场本身提供的信息而忘记了投资者的在不同市场场景下的心理因素变化， 完全倚赖人们总结的统计模型和设定的假设来计算预测外部市场的风险。

随着现代金融学的发展特别是行为经济学，金融学的日益壮大，人们开始正视人在整个金融市场投资中扮演的地位和作用，人的动物精神的预期判读就是建立在主观世界里，对未来的预期会在整个投资过程中影响着投资者的风险偏好和风险容忍度。

风险的主观性会从每一个人对股票的喜怒哀乐，对金融市场的前景判断的预期里反应出来。因为对前景和客观的不确定性，导致你对未来现象以及心理上会有很多的不确定因素，所以这两个客观性和主观性是交织在一起的，相互影响的。

传统金融学的核心思想就是建立在理性人的假设上，对人的经济投资活动进行优化。

其实我们的人生过程就是在不断追求最大值和最小值的过程：力求把利益最大化，让人生尽量减小波动不确定和损失。传统金融学假设每个人都很酷，知道什么时候买什么时候卖。但是后来大家在金融实验室里和实际交易中就会发现，理性人的假设是完全错误的。大家并不知道什么时候买，我们在现实中观察到的是完全相反的表现该买的时候我们去卖，该卖的时候我们去买。

就像我们在2015年中国股市崩盘时所看到的，大部分投资者是在4000-5000进场的，因为那个场景下个人投资者最舒服，感觉最安全，后面发生的我们都知道了。从这个角度来说，投资是一个反人性和后悔的游戏。

金融世界中充满了线性与非线性的辨证关系 

人都是自我矛盾的。做任何事情，可能潜意识中你自己都没想到，但你的行动却基于你的潜意识发生。

每次都是你的预期调整，预期的调整导致行动随之调整，这就是所谓的周期，而每一步的调整都是局部的非常小的。

大家都喜欢线性，因为线性最直接代表了急功近利。但是在金融市场中投资者的局部优化导致了整个系统变得更加脆弱和震荡，反过来对于投资者的初衷是个负面的打击，非线性随机性的特点表露无遗。

预期都是线性的，因为人本身就是线性的。预期主导了行动都在里面。但当我们行动时，预期调整却是非线性的。

为什么我们不愿做预期？因为你做了预期就要不断的修正以适应变化的市场，不断的自己否定自己。

在自然科学里人是独立于系统外的观察者，但在人文科学中，人既是观察者，又是参与者，著名投资家和哲学家索罗斯的反身性理论把量子力学的观点嫁接到金融市场，说明了金融市场和投资者之间的非线性关系，相互改变直至达到暂时的平衡。

不确定性和非线性是永恒的。

在金融市场中追寻永远不变的交易秘诀就是要用确定性来应对不确定性，无一例外的会失败。

索罗斯的反身性理论的精妙之处在于，错误只需要部分数据证实，对于不确定性环境中剔除了错误不工作的部分，就是以不确定性来对抗不确定性，增加正确的可能性。

人工智能能帮助人类做些什么？

人工智能最近在国内风靡一时，带动很多服务业，金融投资等行业的快速发展。

金融科技、人工智能的崛起在降低操作成本，提高效率等方面有突出贡献，从而使人们对它怀有很大的遐想。但现在有很多不实的报道神话AI人工智能，媒体也发出很多耸人听闻的机器取代人类的消息。

人工智能AI在服务智能化的领域是更进一步更细致深入地模拟和完备自动化人类的活动。同样的在智能投资的领域，现在的人工智能替代的只是投资决策过程中非核心的部分，而不是我们主观臆想的神奇自我感知的投资交易功能。

AI投资追求和遵从的是：

1）基于动态的信息假设来预测动态的未来；

2）在获得有限信息的情况下，能够比人更快速、更精准地发现潜在的市场结构变化预测未来。

更有趣的两个观察是：如果我们查询最初AI的终极追求就是要让冰冷的机器像人一样有炙热的感情，而AlphaGo之所以能战胜人类围棋顶尖高手，恰恰是因为它没有情感和感觉，因此疲惫、后悔、迟疑对它而言都不存在。

另外一个牵扯到思想意识形态的是，人从小接受的教育有演绎推理和归纳，归纳法是在浩瀚无边的宇宙中渺小的人类向往了解无法接触感知的宏观世界的望远镜，但归纳法的本质是从局部推出全部宏观，随着外部世界的变化和人自己的变化，归纳法的线性特点受到巨大挑战。

而AI，特别是以Alphago为代表的机器学习，他们的输入在某种程度上是全部的宏观信息，AI要解决的就是利用所有现有的信息来回答下一步的最优对策是什么的局部问题。

首先AI和人的思维方式是完全相反的方向，人急于求成总想一步到位，但AI不知疲倦地反复重复上面解决问题的方式，对于一系列局部问题的最优化解连接起来形成了强大的优势，这就是为什么Alphago能够所向披靡的原因。

所以，人工智能的思维方式是完全不一样的，辅以它的非常强大计算功能以及存储量，它解决每一个局部最优解之后，会把所有这些局部求和，得到一个最优的路径。局部和全部，现在和未来，线性和非线性都反映出人类和AI的认知不同。

人是风险管理中最重要的因素之一

经过了人类金融历史上最残酷的2008年金融海啸，以黑天鹅博士Nassim Nicholas Taleb为代表的金融从业者首先提出了风险管理的实质在于管理非预期的尾部极端风险，进而提出了风险压力测试的理念框架和方法论，在全球的范围内迅速推广得到广泛的应用。

有效的风险管理要面对残酷的现实的考验，但在极端的压力情景下，内部的结构包括人性的部分开始出现在一般的情境下看不到的惊人变化，也就是金融环境和投资者都在改变并且表现出更强的“反身性”的传染，诱导人们对投资的预期发生根本的信心转变。因此人成为有效的风险管理中的一个至关重要的风险因素。

人类最喜欢从局部推全局，但鉴于金融市场的非线性和随机性等特点，数学归纳法是不适用于金融投资的决策分析中的：特别是最后的尾部极端风险都是跳跃性的，而不是连续的，同时没有太多的数据提供研究。

正确的态度是你永远都不能证明任何事是对的，唯一能做的就是找出来哪些是错的。而人生就是一个不断优化，不断试错的过程。

人的认知真实反映出头脑中的四个象限，包括：

1. 你知道你知道的，即自信程度；

2. 你知道你不知道的，即个人有自知之明；你不知道你知道的，这是人的直觉，对一类特有的问题能够回答但不知道原因是什么。

最后一个现象就是黑天鹅栖息的巢穴：你不知道你不知道的。正是因为人的认知的不完善，无法预测未来，因此想要做到100%的控制风险是痴人说梦，最后的99.999的小数位无论多高都会留下一个缺口，正是这个被很多人视为不可能，无需防范的微不足道的风险缺口导致了金融市场上的几次惊天崩盘，像London Whale，Long Term Capital，AIG 等。

经过行为金融学的多年的研究和发展，现在人们对于投资中在盈利和损失时投资者的表现有了更加深入的了解：盈利时变得保守，损失时急于翻盘而加大风险偏好，追求风险。

应用我们分析问题的架构来看，我们所处的解决问题的氛围是截然不同的，起点的不同就导致了最后解决问题的结果不同。双赢是一个伪命题，要么丢现在赢未来，要么赢现在丢未来。那些最成功赢利的投资者都是前端的钱，赢未来的钱，几个经典的例子比如大空头中的独眼医学博士和黑天鹅博士等，所谓的风险有效配置。

中国的私募行业从业务规模，交易策略种类，管理方式等方面在过去几年取得了迅猛发展。

私募行业区别于公募基金的盈利方式，以对冲系统风险后的超额（无风险）收益alpha为其主攻目标。在中国，绝大部分的私募对冲基金公司都是开发多因子alpha模型来挖掘这部分捉摸不定的收益。

今年的私募对冲基金行业步履维艰，今年上半年整体的平均收益是负的，大幅落后于单边主动管理型的基金。

中国私募对冲基金行业的一个共识（解释）就是在过去几年整个私募对冲基金行业赖以生存的赚取正向“alpha”收益的大小盘因子在今年突然失效，因为量化交易策略倚赖大量的历史数据通过统计概率分析的方法发现规律，因此它的动态调整能力是非常欠缺的。

这也从另一方面说明了统计概率的方法和AI人工智能方法的不同，AI能够通过较少的历史数据和多种复杂的关系的学习迅速发现其中隐含的规律，更加动态地调整方法来应对。

统计只是表达数据中的内涵关系，而不能解释后面的原因。因此当很多投资者一脸茫然地询问中国私募对冲基金为何不能像路演介绍中提及的穿越牛熊取得绝对收益时，得到的答案只能停留在统计的表述层面，而无法得知为什么大小盘因子在2017年突然失灵。

我结合我们在上面分析中谈到的证伪的方法论和行为金融学的观点尝试来回答这一尖锐提问，我要讲的一个观点是这个让这么多投资者前赴后继，孜孜不倦地追寻的alpha可能在我们讨论的统计范畴内是不存在的！                                                                            

过去两年的发展，中国市场上对于FOF, 聪明的beta和风险溢价的策略已经非常有了长足的进步，从投资理念到投资产品都趋于成熟。我们原来理解的很多属于alpha范畴的收益其实是风险溢价或聪明beta的交易策略。

从另一个角度来看，如果一个交易方法可以非常清晰地表述出来，进而实施交易操作， 那么这样的收益毋庸置疑地来自于聪明beta风险溢价。通过证伪切除的方法，这些都不属于alpha；那么alpha就是在所有能够清晰地表述描绘的交易策略的大集合之外。这留给我们没有太多的选择，超额收益alpha只存在于行为金融学的精神情绪层面。

2017年大小盘因子的失灵伴随着白马50的崛起，其实这些都是观察到的市场表面现象，之所以有这样的此涨彼消的结果，是由于投资者的投资理念和思想感觉由于国内和国际的金融环境发生改变而受到冲击影响，贪婪和恐惧导致他们放弃原来一直持有的中小盘股而倒戈一击投入了蓝筹股的阵营。

因此真正导致大小盘因子失效的原因是投资者的本能动物精神发生了改变，在统计风险因子后面的正是这些投资者的情绪和对市场的解读。

我认为在中国至少有一个alpha，那就是在中国市场对相关金融政策的解读，很显然，这是超越于所有的smart beta 以外的。

而且通过以上的分析，我们可以推断出，不同于原来依赖于统计模型来描述的静态的alpha，我们这里提及的精神层面的alpha会非常动态，这和市场上投资者的善变，不确定随机性是统一的。

从这个角度上来讲，行为金融学和AI是成为真正重新认识揭示alpha的相辅相成的重要途径。

行为金融学提供了框架和指导，而AI可以在最短的时间内，以最有效地深度学习当前市场投资者的表现以及投资产品业绩所反馈的重要信息，提炼出最新的市场信息，并以其为指引来做下一步局部的投资策略调整。

不确定性和非线性是永恒的，我们要不断调整才能应变化来对冲不确定性

风险管理能帮助我们？

首先是要保证活着(依赖于压力测试)。在活着的假设下，我们最想知道的是自己在很悲惨的场情下最多会损失多少钱（VaR，ES）。

现代风险管理的技术和统计模型会帮助我们回答这些问题。随着AI和机器学习的突飞猛进的发展和当前的经济金融的新常态，过去大干快上的对公业务受到巨大的冲击和影响，各个金融机构纷纷转向零售业。首先，在降低操作成本提高金融服务效率上，AI有着突出的优势。同时金融机构面对的风险特别是有强烈的信息不对称的特性的信用风险从过去的企业信用风险分析转向个人的信用风险分析。

对于一个企业的信用风险分析，我们的传统大数据和统计的分析（象牙塔里的风险管理）足以应对，但是对于个人客户，一个突出的特点就是在原来的传统的信用分析上要增加人性的部分，人性作为个体要比企业更加多变，AI和机器学习在比统计概率更微观的维度上协助金融机构更加细致地刻画投资者的人性：哪些是好人哪些是坏人，在哪些场景下是好人还是坏人。

AI会通过社会微数据的收集，进而从日常表现来推导判断投资者是好是坏，及在不同场景下的表现对于金融机构的收益和风险的影响。

从某种角度上来讲，统计分析是对高时间维度，空间场景下的粗犷地大数据研究，AI把时间和空间场景维度划分成更加细小，从而降低了不确定性能够发现人在特定场景下的表现反映，后续通过贝叶斯理论对客户的行为有更准确深刻的揭示，AI 通过精确的客户行为分析定位，对零售客户的服务和风险管理更有针对性，更加动态全面。

到目前为止，所有的金融衍生品里唯一能够反应人性更有效的控制风险是期权。

期权作为非线性额金融衍生品，除了大家熟悉的资产价格之外，它还增加了一个新的维度：情绪恐惧思想的波动性。而在金融市场中最难控制的就是人性。期权恰恰是利用了恐惧贪婪的非线性聚集的特点来以牙还牙对冲市场中在极端行情下人和市场的不理性的表现。

人都是急功近利和自私的，以最快的速度达到目的，这就是我们人生轨迹的一阶导数（切线）但是人自己以及周围场景都在不断变化，这样就会导致偏离原来的直线轨道，而一旦偏离轨道，线性的计划就会变成局部的非线性调整。

所以我们能够做到的就是像机器一样，利用所有的信息做好每一小步，坦然面对人生的不确定性，非线性，随机性保证还活着进而进行不断的调整，以不确定性来对冲不确定性。

风险管理的最高境界就是把赔钱的痛苦变成赚钱的喜悦。利用风险、期权等一系列非线性的金融产品去赚钱，在万家等崩盘的时候，你就是非线性的赚钱。

作为投资者，在金融市场中的首要目标便是“活下去”，然后再利用风险管理，不断的进行调整，切勿妄自推断和总结归纳。投资者最终的目标是将赔钱的痛苦变成赚钱的喜悦，实现非线性的盈利。

陆晨博士

Dr. Chern Lu

香港大学SPACE中国商业学院客席副教授、平安磐海首席风控官、亚洲投资者学会风险管理中心执行董事

陆晨博士在美国、香港和中国内地金融市场的证券交易、风险管理、定量调研，以及教习系统设计、巴塞尔新资本协议等领域拥有20多年的工作经验。他负责的专业咨询领域包括市场/信用风险模型开发、风险控制、资本管理、当日对冲交易策略。

陆博士曾任职美国知名投行投资交易总监，开发了FALEX当日数学统计套利交易策略，以市场心理学、行为金融学为主导的ETF交易策略，管理超过2亿美元的投资组合，并开发了可负责CDS，ABS，CMO，CDO在内的多种交易的信用衍生产品交易系统，将交易捕获、中台复核、头寸管理、盈亏计算、以及风险管理集于一体。

陆博士拥有美国纽约大学数学博士学位，为注册金融分析师（CFA）、金融风险管理师（FRM）、国际风险管理师（PRM），具有纳斯达克交易所、纽约证券交易所经纪商等专业资历认证。