首先区分一下，这里讲的不是“如何做一个好的投资”。 好的投资要求你对股票、市场去做分析。无论是主观还是量化投资，好的投资都需要有一套方法论。 然而，随着经济的发展和时间的推移，各种公司、数据只会越来越多，市场情况也会变得更加复杂，个人投资者想要去洞察市场形成一套行之有效的方法论相当困难。 但是，好的投资人并不一定需要一套方法论。 最简单的途径就是找到合适的管理人。当然，这只是第一步。 所以，我们这里要讲的就是如何做一个好的投资人。 其实，作为一个好的投资人，最重要的一条就是，不要经常去问：“最近的收益怎么样啊？” 可能有人又要问了，这个问题有什么问题呢？ 这个问题最大的毛病就在于“最近”这件事非常难定义。“最近”可以是一天、两天、一周、一个月、半年、甚至两年，这些都可以定义成“最近”。 然后根据不同的时间维度，收益率的变化会非常大。 为什么呢？ 因为收益的来源有两部分：一部分是alpha，一部分是beta。 beta是市场的波动，也就是市场的涨跌，这部分管理人实际上是很难去控制的。 尤其是中国的这些指数增强产品，管理人是没办法做到完全把这些指数的波动率给对冲掉的。 换句话说，就是在“最近”这个范围尺度里，股市总是会上下波动的，这个波动就会对收益造成非常大的影响，从而导致“最近”这件事很难评估。 这也引出了一个好的投资人需要具备的最重要的特质，那就是：从问一个好的问题开始。 上面那个问“最近收益率怎么样？”的问题就是一个不好的问题。 那么一个稍微好一点的问题，就可以说“最近超额怎么样？” 就“超额”来讲，一个管理机构的好坏，是可以通过超额来评估的。 因为超额一个相对来说比较稳的指标，它剔除了前面说的市场波动，把beta拿掉了，不管市场是涨是跌，只要有超额，其实就是有alpha。 更好一点的问题是什么呢？ 就是：“夏普比率怎么样？” 这个问题好就好在它隐含了既要看alpha是多
量化思维认证个人
老虎认证： 一个工作玩耍两不误的教授。
IP属地：广东
0关注
2278粉丝
0主题
0勋章
如何成为一个好的投资人
如何成为一个好的投资人
把主观策略总结成量化策略靠谱吗？
最近有个做主观投资的朋友找到我，说他们的老板去年做了一个主观投资的策略，赚了10亿美金。然后希望跟我合作，看看是否能把他的方法论和经验套用在量化投资上，利用量化交易的算法和程序去实现，效果可能会更好。 其实这个request，好多朋友也跟我提过，我的position就是：把主观投资总结出量化策略其实是个伪命题。 为什么呢？ 因为好的基金经理，像是主观基金经理，他们真正的能力不是总结出了一套非常赚钱的逻辑，形成了一套规则，然后就可以根据这套规则去交易了。最好的基金经理的能使是突破就有的规则，知道什么时候打破它们。 当然，规则通常是有用的，有时候也很有必要，它们中的大多数存在都是有原因的。 股神巴菲特总结了非常多的投资方法论和规则。很多人把这些规则当做巴菲特制胜的法则来遵守，但多年过去，真正有多少人通过严格遵守和复制巴菲特的方法成功了？ 换句话说，如果一个人的成功可以很容易地被他人遵循相同的规则复制，那么它能否算作成功也需要打上一个问号。 知识可以分享，智慧无法言传。 ——赫尔曼·黑塞 很多卓越的投资者都通过自身的实践和经验总结了无数方法和理论，分享了诸多观点和见解，然后著书立说继续传播他们的所思所想。这一切都因他们非凡的成就被镀上一层闪耀的圣光，被众多追随者奉为圭臬。 所以，我们经常会看到很多教人如何向成功者学习的内容。正如前面说的，这里面确实是有一些有价值的，非常好的东西值得学习。但需要明白的是，我们所学的方法和规则，都只是知识，而不是智慧。 智慧无法分享，也不能通过按部就班地follow the rules习得，但它可以被发现，被体验。不假思索地执行规则并轻易的划定界限，很快就会忘记重要核心思想的初衷，完全关注“是什么”（what），而忽略“为什么”（why）。 巴菲特真正的伟大与智慧之处，就在于他知道什么时候打破自己的规则。他的成功不是因为遵循了某种规则，而是在实践的过
把主观策略总结成量化策略靠谱吗？
万圣节的“幽灵” 经济学
自2022年3月起，美联储一直以激进的加息方式极力遏制猖獗的通胀（连续加息11次累计加息幅度高达525个基点）。 近来通胀问题得以缓解，加息步伐也有所放缓，11月初，美联储年内第3 次暂停了加息。 然而，以往疯狂加息累积的副作用已经在逐步显现，美国经济陷入衰退的风险也在悄然攀升。 在最近的一项调查中，高达71%的美国成年人将经济描述为“不太好”或“很差”。超过一半（51%）的受访者认为经济正走向更糟糕的境地。 吊诡的是，在同一项调查中，60%的成年人表示自己的财务状况“良好”或“优秀”。 与此同时，美国人的某些消费行为也描绘了与悲观的经济状况相悖的另一幅图景。 万圣节期间的经济盛况无疑是这些反常现象的集中体现。 万圣节消费热潮 过去几年，美国的物价和利率都在稳步上涨，许多家庭因此勒紧裤腰带，减少非必要支出。 尽管如此，除去受疫情影响的时期，美国人在万圣节期间的花费实际上也是在逐年上升的。即使在调整了通货膨胀的影响后，其支出也比疫情之前增加了近10亿美元。 美国的万圣节到底有多盛大？ 据美国零售联合会估计，2023年美国人在万圣节的花费将超过120亿美元，其中41亿美元用于服装，36亿美元用于糖果，34亿美元用于装饰品。 “死而复生”的零售店 每年秋天，当寒意来袭时，美国的城镇上都会发生一些奇特的变化。 沉寂已久的空置店面、关门废弃的大卖场，突然间又复活了。 此时恰逢万圣季，又平添了一层诡异的色彩——这些闲置的店面几乎在一夜之间都变成了一家名为 Spirit Halloween 的连锁商店。 Spirit Halloween是北美最大的万圣节零售商，也是万圣节经济效益的典型代表，它在美国拥有1500多家分店，人们在万圣节服装、糖果和装饰品上的花费很大一部分都被它收入了囊中。 自1983年创立以来，Spirit Halloween已成为每年秋季出现在空置商场中的标志性景观，是万
万圣节的“幽灵” 经济学
如何量化运气对成功的影响？
怎样取得成功？成功人士的秘诀又是什么？这些问题共同构成了一门经久不衰的学问——成功学。 描写成功人士的文章和著作，都有着相似的叙事逻辑，即他们的成就都归功于出类拔萃的个人特征，如天赋、智商、情商、才能或是精神品格。这种设定不仅是大部分成功学的基础，也影响着社会资源的分配方式。 于是就有一种自然而然的假设：最成功的人，往往也是最有能力的。 很少有人去验证该假设是否正确，因为它本身就带有事后偏见(Hindsight Bias)，是通过一种事后决定论的机制来寻找成功的“原因”。 事实上，是人们需要这些原因。因为只有这样，才能把一个个随机选择和意外因素串联成令人信服且合乎逻辑的故事，而故事，通常更受欢迎。 在这种相对主流的成功叙事中，运气鲜少被提及或往往被忽略，因为它的存在可能会削弱故事主角的能力，不利于人物形象的塑造。 不过，这只是其中的一面。如果以财富作为成功的一个标准，在另一面，则写有不少“幸运儿”的故事。 在移动互联网时代，某人因为一句话、一个动作、一张照片或一个视频全网走红的事件屡见不鲜，而且可以说是当下“最容易”且常见的一种成功方式。巨大的流量本身就会产生经济效益和财富流动，所以许多爆红事件总会伴随着这样一些网络流行句式：“命运的齿轮开始转动了”，“泼天的富贵轮到____了”。 网红现象所带来的造富神话，显然不同于前面提到的那种成功叙事，也无法用那样的逻辑和假设来解释。对于巴菲特的成功，很少有人会说他只是“运气好”，而对于网红的成功，倾向于认为是“走运”的却是大多数。 那么，在像巴菲特这样成功的人身上，是否也存在“运气”的成分？要讨论这个问题而不陷入“宿命论”的窠臼，就需要从科学的角度去探究“运气”的影响。 先来看前面的假设会有什么问题。 社会许多层面的资源分配都遵循着一种众所周知的模式——80/20定律（也称为幂律或帕累托定律），80%的资源由20%的人所拥有。其中，
如何量化运气对成功的影响？
中秋寄语
中秋节是一个承载着传统文化的节日，今年依旧延续我们的传统，在这个节日，继续为超量子基金的朋友们送上一份满含文化的礼赠。 随着人工智能的发展，我发现自己思考的问题会离科学和技术越来越远，反而离生命、哲学和文化越来越近。 科技是如此的reliable，在我觉得可以take science and technology development as granted的时候，却发现我对生命、哲学和文化的认知一次次被更新。 于是乎，今年推荐的书就是一本由MIT物理学家Max Tegmark撰写的关于生命、哲学和文化的书：《生命3.0》。 在生命1.0的“生物阶段”，人类通过进化获得了承载智慧的硬件（身体&头脑）和软件（意识&思想）。 在生命2.0的“文化阶段”，我们继续通过进化获得了硬件，但自己设计了很多的软件（宗教、政治、哲学、文化、艺术、科学）。人类对美好、幸福、愉悦、痛苦等的主观体验，都是建立在头脑和意识中的。 在生命3.0的“科技阶段”，终于，我们在一个窄窄的门缝里，看到了一束光：人类可以依靠自己来设计硬件和软件，通过人工智能来继续推进我们对世界的思考、认知和交互。 在宇宙138亿年的历史里，绝大多数时间是在生命0.0的阶段度过的。虽然生命1.0存在于过去漫长的38亿年，但是现代人类（homo sapiens）仅仅出现于30万年前，而文明的兴起最早也只能追溯到公元前3000年。 在宇宙的维度里，人类的文明和生命的迭代如此的微不足道，但是幸运的我们则处在一个重要的转折点上。 如果说前两个生命阶段是碳基生命，那么未来的生命3.0则是可以建立在硅基上。 过去几年里，超量子基金在给投资赋予硅基的生命：以前的投资是需要碳基的人类（如巴菲特）来做的，直到非常非常近的历史(超量子过去5年在做），投资这件事还是很难用硅基的机器来做的。 也就是在过去的五年里，在投资这件事上，智能
中秋寄语
决策，好与坏
在提到行为经济学时，丹尼尔·卡尼曼（Daniel Kahneman）绝对是不容忽视的存在。 尽管这位心理学家从未上过经济学课程，但他确实因“将心理学研究的见解融入到经济科学中，特别是在不确定性下的人类判断和决策领域”的贡献而荣获2002年的诺贝尔经济学奖。 卡尼曼的研究伙伴Amos Tversky因为去世得早（1996年），没能共同分享这一奖项。 △Amos（左）与卡尼曼（右） 2024年3月28日，卡尼曼去世，享年90岁。在所有关于卡尼曼的文章中，他所撰写的畅销书《Thinking, Fast and Slow》（中文版译作《思考，快与慢》）总是绕不开的话题。 哪怕没有完整地看过这本书，但对于这本书的名字，包括书中提出的“系统1”和“系统2”以及关于偏见的论述，大概也有所耳闻。 可能有人会说，作为一本畅销书，《思考，快与慢》都被推“滥”了，书中那些概念和理论也总是被反复提及和引用，为什么还要推荐它？ 正是由于这本书为人“熟知”，它才更容易被人忽略，这就是书中所说的“知道”的错觉——对这本书所知甚少或是只看过书评、梗概等，就构建了对这本书全部印象，在最大限度忽略自己无知的基础之上，自以为掌握了书本的所有内容。 就像许多耳熟能详的经典名著，因为过于经典，任谁都能聊上几句，真正读过的却不一定占多数。尤其是这种非虚构类偏专业（涉及心理学、概率统计、经济学）的书籍，更是如此。 所以，把这本书放在第一期书单推荐的首位，一来是为了纪念和致敬卡尼曼，二来是因为经典值得反复推荐和阅读。当然，这里的阅读是指自己去看原著，而不是看别人的阅读笔记或是总结解读。我们都知道吸二手烟有害，但读二手书拾人牙慧同样不是很益于健康。 最重要的一点是，《思考，快与慢》中所讨论的问题，是关于人类日常生活和生存中永恒的主题之一——决策。 以这本书为例，要不要看它，就是读者面临的第一个决策。 当你初次接触这本书时，
决策，好与坏
世界读书日：分享读书的三个原则
在世界读书日这天，你肯定会收到各式各样的书单推荐，所以这篇先来分享读书的几个原则，在你挑选书籍和阅读时候应该会有所帮助。 这里要介绍的三点原则，根据其英文首字母，可以总结为FAR：就是Fun（有趣）, Accessible（不装B）, 和 Rigorous（严谨）。 Fun原则 在关于读书学习的励志格言中，有一句相信大家都耳熟能详，那就是：“书山有路勤为径，学海无涯苦作舟”。但不知有多少人发现它其实是有问题的。 这个格言出自韩愈的《劝学篇》，它告诉我们学习就要勤奋和辛苦，好像勤奋了就可以学会，辛苦了就可以学好。然而，它忽略了学习中很重要的两个因素——学习者的兴趣和主动性。 试想一下，如果有人在你刚开始学习的时候就告诫你：学习是一件非常漫长且辛苦甚至痛苦的事。那简直就是《劝退学篇》。 实际上，勤奋和辛苦之于学问既不是充分条件，也不是必要条件。 说它们不是充分条件的原因是：即便你很勤奋和辛苦，也许方向根本是错的，努力半天也是白费。所以“勤能补拙”这句话明显也是有缺陷的。 当你方向错误时，你越勤奋，离你的目标就越远。 机器不知疲倦，比人勤奋，而GartnerGroup的分析师Milind Govekar曾经说 “If we automate a mess, we’ll get a bigger mess（如果我们对垃圾做自动化，我们得到的是更大的一堆垃圾）”。 当然，勤奋和辛苦也不是学问的必要条件，因为有不少例子表明某些大神可以毫不费力的用巧劲站到学术的最高点。 举个例子：华盛顿大学的David Baker和同事研究的是复杂的把氨基酸拼装成蛋白质的问题，如果他们用愚公精神用勤和苦去做，可能在有生之年都完成不了。 后来研究团队灵机一动，把这个拼装的工作变成了一个在线游戏，于是接近6万人贡献了无数的时间和精力去玩这个游戏，在玩的过程中用一年的时间解决了困扰科学界40年的难题。 Bak
世界读书日：分享读书的三个原则
准确率超过90%的预测模型为什么不靠谱？
在进入正题之前，先来做一个小测试。 在国际著名期刊《Journal of Finance》上有这么一个研究：研究人员调查了美股的市场择时策略。每年1月，他们都会构建一个模型，预测以标普500指数衡量的市场当年的走势。如果模型预测上涨，就做多市场，如果预测下跌，就做空市场。 研究人员对该模型进行了22年的测试，结果显示，模型在22次中有20次正确预测了市场走向，准确率高达91%。此外，当模型发出上涨信号时，平均年收益率为 15.2%，发出下跌信号时，平均年收益率为-10.9%。结果具有统计学意义。 当然，还有一个不容忽视的因素是，该研究是在《Journal of Finance》上发表的（金融领域三大顶级期刊之一）。 问题来了，你会参考这个模型来构建自己的投资策略吗？ 如果你的回答是Yes，请接着往下看。（回答No的可以先想一下选择的理由，然后继续往下看。） 现在告诉你，整个模型给出的预测是基于超级碗球队的输赢情况，比如NFL（后来的NFC）球队获胜，股市会上涨，AFL（后来的AFC）球队获胜，市场就会下跌。 现在，你还愿意参考该模型进行投资吗？为什么？ 如果答案依然是Yes，你会如何解释超级碗的比赛结果与随后股市走势之间的关系？ 下面是对答案环节。 以上所说的都是事实，这篇标题为《An Examination of the Super Bowl Stock Market Predictor》的论文最早于1990年6月发表在《Journal of Finance》上。 论文由威斯康星大学拉克罗斯分校副教授Thomas Krueger和北卡罗来纳大学夏洛特分校副教授William Kennedy撰写。他们对超级碗与股市走势之间的关系给出了两种可能的解释：一是这纯属巧合；另一个是，如果有足够多的人相信它，那这种现象可能真的存在。他们观察了超级碗比赛后第二天的市场反应，发现第二个猜
准确率超过90%的预测模型为什么不靠谱？
用数据分析“不劳而获”的可行性
在中文的语境下，有许多描述量变引起质变的词句和典故，诸如“水滴石穿”、“聚沙成塔”、 “千里之堤溃于蚁穴”等等，这些都是为人熟知且显而易见的道理。然而，当切换到数字世界时，人的直觉就不那么可靠了。 一定有不少人曾经思考（幻想）过一个场景：全国约有14亿人口，如果每个人都给我1块钱，我就会成为一个亿万富翁，就算只给我1分钱，我也能成为千万富翁。1分钱对任何人来说可能都是微乎其微或可有可无的，但全都给我的话就会让我变得非常富有！ △William Hogarth - "The importance of knowing perspective" (Absurd perspectives), Engraving on paper 当然，这个白日梦的最美妙之处就在于它总是止步于此，至于具体如何让每个人给自己这1块钱或1分钱则不在考虑（做梦）的范畴内。 那么，我们来看另一个（看起来）更实际一点的情形。 （几乎）“零成本”的税收，存在吗？ 我们现在使用的email基本上都是免费收发的（忽略流量费用和订阅等增值服务，仅考虑基础email收发功能），所以经常饱受广告推销、低质、垃圾邮件的困扰。 为此，有人提议：对发送的每一封email收取少量的税费，比如每封email 1分钱，用以遏制垃圾邮件的泛滥，更重要的是，这可以带来一笔不少的税收。 据统计，2023年，全球平均每天发送和接收的email为3473亿封，如果每封email收取1分钱，每天将会产生约35亿的资金，一年将超过1.2万亿。 这样一来，既能提高垃圾邮件的发送成本进而减少它的存在，也能提高人们沟通的效率和价值，同时还能产生可观的经济效益，可谓是一举三得，岂不妙哉！ 发现上面两种情形有何相似之处了吗？ 两者都依赖于这样一个事实：个体的牺牲微不足道，但它们会乘以一个非常大的数字。而这是我们可以期望达到的最接近不劳而获白日梦的程度。
用数据分析“不劳而获”的可行性
雄辩(常常)胜于事实
在一个信息触手可及的世界里，事实与真相本该更快地浮出水面，谣言与谬论应该是不堪一击、不攻自破的。然而，现实却恰恰相反，事实在被人看到和接受之间隔着重重迷障。 追求关注和点击的新闻总是极尽夸张、耸人听闻，“事实”也是频繁变化和反转，错误的、失真的信息常常捷足先登，在真相到达之前大行其道。这是第一重障碍，来自外部环境。 第二重，也是最大的障碍，源于人自身。 △René Magritte. La Reproduction interdite (Not to Be Reproduced). 1937 事实通常被认为是客观的、可验证的信息，可以帮助我们做出明智的决定并形成对周围世界的信念。 但研究已经表明，仅向某人提供事实并不一定能改变他们对特定问题的看法或信念。 实际上，许多人常常抵制挑战他们现有信念和价值观的新信息。这种现象被称为逆火效应（backfire effect），它会使得有效的对话或辩论变得困难，尤其是在具有争议的话题上。 既定事实vs顽固的头脑 人的大脑具有很强的信息保留能力，它总是倾向于在现有记忆的基础上创造新的记忆，而不是直接取代错误的信息。这种存储信息的方式并不利于纠正，所以，印象一旦形成，就会非常持久。 △René Magritte, La Clairvoyance, 1936 当我们试图回忆一条更正的信息时，头脑中会得到两个相互竞争的想法——一个基于原始信息，另一个包含更正的细节。哪种信息被编码得更深刻或更新更近，就更有可能成为主导的记忆。 这就是持续影响效应（continued influence effect），它可以从认知层面解释为什么人们即使欣然接受纠正，有时候也无法覆盖掉最初的错误信息。 在此基础上，确认偏见（Confirmation Bias）会驱使人们带着证实现有信念和价值观的目的去寻找和解释信息，同时忽视或驳回与之相矛盾的信息。这
雄辩(常常)胜于事实
投资中的风险、不确定性和无知
最近总有人问我们一个问题：你们在春节前别的量化机构都大幅回撤的时候为什么能做到还是正超额？ 我其实在过去几年的路演中多次讲到了底层逻辑，能看懂我公式的自然就懂了，但是看不懂公式的，有没有办法解释清楚呢？ 这篇文章就是在不写公式的前提下讲清楚我们是怎么理解风控的。 “正确的思考方式是Zeckhauser打桥牌的方式。就是这么简单。聪明人会做出可怕的蠢事……也许像Zeckhauser这样伟大的桥牌手不会，但这是经过训练的反应。”——查理·芒格 芒格称赞的这个人是美国经济学家、哈佛大学肯尼迪学院政治经济学教授Richard Zeckhauser，他是桥牌冠军，也被誉为“概率先生”。 为什么芒格会用“伟大”来形容他？在Zeckhauser的论文《Investing in the Unknown and Unknowable》中，我们可以找到一些关于“正确思考方式”的线索。论文的标题在当下的环境也显得尤为贴切。 这里主要介绍论文中对风险（risk）、不确定性（uncertainty）和无知（ignorance）的讨论。 任何投资都存在一定程度的“风险”和“不确定性”，二者常被混为一谈，但它们之间有明显的区别。 来看这两个例子。 1）掷两个骰子一百万次，根据大数定律，骰子落在2的概率为2.78%，落在 7 的概率为 16.67%，这是一个确定的系统。 2）预估10年期利率的未来走向或是未来10年甚至1年后的宏观大局。这是一个不确定的系统。 风险是一种概率被明确定义的情况，它的重要性远不如不确定性。依赖骰子、纸牌和机械设备的赌场，以及拥有大量数据储备的保险公司，有充分的理由考虑风险。但我们大多数人只有在愚蠢到去赌场或购买彩票时才需要担心风险……——Richard Zeckhauser 可见，“风险”表示概率已知或可知。然而，生活中却鲜有纯粹是“风险”的情况，大多数结果都介于“风险”和“不
投资中的风险、不确定性和无知
“霉霉经济学2”
在上一篇文章中，我们讲到了演唱会门票价格飙升与供需、鲍莫尔成本病的关系，其中提到了演唱会市场如火如荼的盛况，以及被媒体津津乐道的“泰勒经济”，这里继续从另一个角度探讨其背后的经济学原理。 随着Taylor Swift巡回演唱会Eras Tour电影正在全球热映，与之相关的数据纪录正在不断刷新，也开始令人眩晕。在关于演唱会的宣传和报道中，“经济效益”无疑是最醒目的关键词，但放到美国整体的经济环境下看，一些信息又好像存在矛盾，事实也在这种喧嚣里失焦。 “如果Taylor Swift是一个经济体，她的规模将超过50个国家”，“ Taylor Swift每个周末的表演带来的收入相当于两到三个“超级碗”比赛”，各大城市甚至国家领导竞相邀请她到当地演出……头版报道里类似的表述不一而足，其目的都是为了更具象地描绘Taylor Swift的演唱会带来的经济热潮，但其中有一种说法是“她为美国经济增加了数十亿美元”或是“让某地经济增长了数千万美元”，这种说法是否准确？ 那么问题就来了，像Taylor Swift这样的超级巨星，其演唱会对一个国家或地区的经济所产生的效益是否被夸大了？实际的经济影响又是什么？ 不可否认的是，无论是粉丝经济还是演唱会为当地带来的消费刺激，Taylor Swift的确在经济和文化上产生了巨大影响。但转折点在于，处于演唱会聚光灯下的企业和员工所获的收益可能是来自于那些因此失去顾客的企业。 要产生经济影响（Economic Impact），支出（消费）必须被视为“新的支出（消费）”，而不是从一家企业转移到另一家企业。许多报道往往过度强调围绕某项活动消费的积极成果，而忽视了衡量新消费的一些复杂因素。 “看得见的”和“看不见的” 评估演唱会经济影响的挑战在于，如果活动在某城市举办，如何衡量本可以消费在其他地方的“看不见”的资金。 从经济学的角度看，这需要考虑“反事实”消费支出
“霉霉经济学2”
诺奖得主谈金融经济学的未来50年
上个月，欧洲金融协会举办了第50届年会，会上邀请了Oliver Hart、Bengt Holmström和Paul Milgrom三位诺贝尔经济学奖得主来讨论金融经济学50年的过去和未来。Oliver Hart是我导师的导师，另外两位我都上过他们的课，所以格外亲切。 这里将会议内容做了一个整理，在2023年即将结束之际，一起来看看金融经济领域过去发生了什么，现在正在发生什么，以及未来应该期待什么？ 讨论的议题如下： 1）金融经济学为社会做了什么？ 2）金融经济学的未来50年 3）人工智能和数字化的影响 4）金融模型是否太简单而无法直接应用于数据？ 5）科学的可重复性 6）（诺贝尔奖得主）职业生涯中犯过的最大错误是什么？ 7）谁将成为下一位诺贝尔经济学奖获得者？ 8）气候变化 9）加密货币、数字资产和去中心化金融 10）金融经济学家现在应该做什么？ 11）市场力量与竞争 三位诺贝尔经济学奖得主简介 在契约理论方面做出贡献，获得2016年诺贝尔经济学奖的Oliver Hart和Bengt Holmström。 Oliver Hart，哈佛大学Lewis P.and Linda L.Geyser经济学教授、美国人文与科学院院士。Hart是不完全契约理论的开创者之一，他的研究重点是所有权结构和合同安排在公司治理和边界中发挥的作用。他最近的工作重点是各方如何签订更好的合同以及企业的社会责任。 Bengt Holmström，麻省理工学院 Paul A. Samuelson经济学名誉教授。Bengt是一位微观经济理论家，以其对契约和激励理论的研究而闻名，特别是应用于公司理论、公司治理和金融危机中的流动性问题。 Paul Milgrom，因“对拍卖理论的改进和新拍卖形式的发明”成为2020年诺贝尔经济学奖共同获得者之一。 Paul是斯坦福大学经济系人文与科学教授，也是管理科学与工程系和商
诺奖得主谈金融经济学的未来50年
商人马克·吐温：灯红“韭”绿的投资生涯
“十月，这是炒股最危险的月份之一。” 这句话出自文学巨匠马克·吐温的小说《傻瓜威尔逊》，股市中有个“十月效应”现象就是源于此处。 迷信该效应的人通常会提到历史上三次股市重大危机的时间来印证这一观点，因为它们要么发生在10月，要么发生在接近10月的时候。 1929年大萧条：华尔街崩盘（10月24日至29日） 1987年黑色星期一/星期二：股市崩盘（10月19日） 2008年金融危机股市崩盘（9月29日） 然而，这句话后面还有一句： “其他月份是七月、一月、九月、四月、十一月、五月、三月、六月、十二月、八月和二月。” 两句话合起来，几乎就是马克·吐温整个投资生涯的写照，也奠定了他在商界的地位。 与他的文学作品一样，顶级的幽默往往来源于真切惨痛的经历和体悟。 马克·吐温（Mark Twain）原名Samuel Langhorne Clemens，是美国历史上最重要、最著名的作家和智者之一，以对19世纪美国的敏锐观察和辛辣讽刺著称。 马克·吐温的写作事业非常成功，他凭借多部畅销书成为19世纪美国收入最高的作家之一。 而他的另一个重要的身份是商人，他在投资、创业方面的经验非常丰富，可惜都是失败的经验。 毫不夸张的说，马克·吐温的文学成就有多高，他的投资经历就有多糟。 如果把马克·吐温所做的失败投资列个清单，就是一份“如何实现破产目标”的指南。 马克·吐温灾难级的投资经历经常被写进当时新闻报道的头条和后来的一些书籍，其中有一本书，书名就叫做《如何不致富：马克·吐温的财务灾难》。 纸醉“金”迷，灯红“韭”绿 马克·吐温原本出生在一个经济稳定的中产阶级家庭。他的父亲John Clemens是一名律师，还经营着一家杂货商店。 虽然John的收入足以为家庭提供体面的生活，但他并不满足于此，他渴望发大财，沉迷投机炒地，但从未成功，还经常因此濒临破产。 父亲去世时，马克·吐温才11岁，他的家庭也从
商人马克·吐温：灯红“韭”绿的投资生涯
专业并有喜感的骗局
现在骗局太多了，但是做的专业并有喜感的并不多。 今天给大家看一个教科书级别的。 图中的文字翻译如下： 只看第一段，会让人以为是某位曾经的名流富豪或公众人物复出的演讲，表示将改过自新从事公益慈善事业了。 结果第二段一开头就直奔主题了。先是“自曝”收入来源（小道八卦消息吸引好奇心），接着说自己懂得炒股生财之术，并且在股市混得风生水起，有大量追随者想求得成功秘辛。 到这里其实还是一般骗术常用的套路，那就是“这儿有个好东西，一般人我都不告诉”。 然后话锋一转，骗子开始诉诸怜悯。先说自己多年以来受各种疾病折磨，又把病根扯到股市上去（还真是紧扣主题），表明自己可能时日无多，即便如此，也依然想要为这个社会做点贡献。 为此，愿意将自己几十年的炒股心法倾囊相赠，传授于世间，不为其它，只为忏悔和单纯的奉献，最重要的是可以帮助更多人炒股赚钱，让更多的人富起来。（这一段是直接升华起了主题，喊起了口号——分享投资心法不为其他，只为让大家发财，只要人人都加入进来，世界将会变得更美好。。。） 末了了再次诉诸情感，表演一个痛改前非后无私奉献敢为人先的“领头人”，希望通过分享“股海秘笈”获得救赎，哈哈哈，简直“人间有真情，人间有大爱”。 文字后面还配了一张非常鲜明显眼的图片，图中的标题和文字描述都十分乍眼，很像一些媒体起底爆料的风格，图片下面紧跟着一排小字和诱骗点击的链接。 这个是在Facebook上做的广告，小扎实在是让人无力吐槽了，这种东西都可以放出来，好好的一个上市公司毫无底线，和别的美国IT公司的差距真的有点大。 为什么骗局会这么容易识别呢？一个理论就是骗子需要用骗局来筛选受骗人，如果你一眼看出问题，那么你就不是他们的“客户”。如果你觉得这个机会很好，那么后面他们继续做局就很简单了。
专业并有喜感的骗局
去老虎APP查看更多动态