1. 两条路径的本质不在方法而在世界观过去几年我在资管行业里频繁听到一个词路径选择。很多人把价值投资和量化投资理解为两种技术路线像手机分成安卓和iOS一样选一个用就行了。但实际接触下来我发现这两条路的分歧远不止工具层面它们背后是两套截然不同的世界观。价值投资的前提假设是市场经常犯错价格会偏离内在价值而这个偏离最终会回归。所以价值投资者把自己定位成价格与价值之间的套利者核心能力是判断一家公司到底值多少钱。他们研究的对象是具体的生意、具体的产品、具体的团队赚钱的底层逻辑是时间站在好公司这边。量化投资的前提假设则完全不同市场不是永远犯错但市场的错误有统计规律。单次交易很难说价格是高是低但一千次交易里某些模式会反复出现。量化投资者把自己定位成概率的捕捉者核心能力不是判断某家公司值多少钱而是从海量数据里找出那些历史上有效、未来大概率仍有效的规律。他们赚钱的底层逻辑是样本足够大时规律会显现。这两种世界观直接决定了一切后续动作。价值投资者需要深度研究、需要行业认知、需要财务分析能力他们的工作状态像侦探——每一家公司都是一个谜。而量化投资者需要统计知识、编程能力、系统架构经验他们的工作状态像工程师——每个策略都是一套需要不断迭代的系统。还有一个非常现实的差异能力边界。价值投资的瓶颈在于人的精力一个基金经理能深度覆盖的股票数量是有限的哪怕团队作战全市场几千只股票也不可能全研究透。量化的瓶颈则在于数据和算力理论上可以同时盯住全市场的所有标的但数据的质量、更新的频率、模型的有效性都是约束条件。所以价值投资vs量化投资真正要比的不是谁赚得多而是你的能力禀赋和资源条件更适合哪一端。这个判断如果在入行初期没想清楚后面换路径的代价是非常高的。2. 价值投资的中国式打法在非有效市场里找定价错误2.1 中国市场的价值投资和教科书上写的不是一回事格雷厄姆和巴菲特那套东西放在中国市场不能照搬。教科书上说价值投资就是买便宜的好公司长期持有。但这个逻辑成立的前提是你买入的价格确实低于内在价值而且市场最终会认可这个价值。A股的真实情况是价格长期偏离内在价值的时间可能远超你的持有期限很多便宜的股票可以更便宜很多贵的股票可以更贵。我在实际跟踪中发现能在A股做价值投资做得好的人基本都做了一件事把价值的定义本土化。他们不是简单看市盈率、市净率而是把价值拆成三个层面——静态价值现有资产和现金流折现能值多少、动态价值未来三到五年盈利增长能释放多少、博弈价值市场情绪和政策环境会不会推动估值修复。这三个层面缺一不可只看静态价值很容易掉进深度价值陷阱——买了一堆看起来便宜但永远不涨的股票。另一个本土化的关键点是政策敏感性。中国的产业政策对行业格局的影响极大供给侧改革、新能源补贴退坡、集采、平台经济反垄断每一轮政策调整都重新定义了一批公司的内在价值。你不可能脱离政策周期去谈企业价值。所以A股的价值投资者不只是财务分析专家还得是产业政策的半个研究员。2.2 深度研究的三个关键步骤从行业空间到个股定价第一步定行业。这一步解决的是赛道够不够长的问题。做价值投资不是找好公司而是找在好赛道里的好公司。我会先看行业未来五年的市场规模增长空间渗透率、渗透速度、竞争格局变化先圈定3到5个最值得投入研究精力的行业。行业没选对后面个股做得再精细也事倍功半。第二步定公司。这一步解决的是壁垒够不够厚的问题。我的经验是看四个维度就够了成本是不是真的比同行低、品牌能不能让用户多掏钱、渠道网络是否难以复制、技术迭代是否形成护城河。这四个维度不需要全部优秀但至少要有两项显著领先。我见过太多投资者盯着一家公司的利润增速看半天却没有认真想清楚它的壁垒到底是什么结果一次行业下行周期就露馅了。第三步定价格。这一步解决的是现在买划不划算的问题。我会用DCF模型做参考基准但不会只盯模型输出的那个数值。模型的参数假设变一变估值结果差三倍都有可能。我真正关注的是估值的安全边际如果我把未来增速假设下调20%当前价格还有没有吸引力。如果下调后依然有吸引力这才是值得建仓的位置。2.3 组合构建与持有纪律拿得住才是价值投资的分水岭价值投资最难的不是研究而是持有。全市场能找到的好公司其实不少但能让投资者从头到尾拿住、赚到完整行情的非常稀缺。我自己总结了三道纪律来约束持有过程。第一道纪律是仓位上限。单一个股仓位不超过总仓位的20%单一行业不超过30%。这不是为了分散而分散而是防止你在某个判断出现偏差时输掉全局。第二道纪律是只卖三种情况基本面逻辑被证伪、估值达到预期的两倍以上、发现了确定性明显更高且空间更大的替代标的。第三条纪律是定期复盘持有逻辑每季度把这个股票当初买入的逻辑重新审视一遍如果逻辑依然成立哪怕股价跌了也不卖。这套纪律听起来容易执行起来很难。因为市场每天都有噪音每天都有让你觉得该卖了的消息。我见过很多投资者在2022年四季度割肉离场错过了2023年一季度的修复行情。本质上不是研究没做够而是持有纪律不够硬。3. 量化投资的中国式演进从单因子到多因子再到机器学习3.1 量化不是程序化炒股因子才是核心原料很多人对量化投资的印象就是用电脑自动买卖股票这个理解太表面了。量化投资的核心不是自动化而是把投资逻辑变成可检验、可迭代的数学模型。这个模型的基本单元就是因子。因子是什么简单理解因子就是历史上能区分涨跌的某种特征。比如市盈率、市净率、过去一个月的涨跌幅、换手率、北向资金流入等这些都是原始因子。单因子的预测能力有限所以实际策略都是把几十上百个因子组合起来形成一个打分体系——每个股票算一个综合分分数高的买入分数低的卖出。A股量化有一个鲜明的特殊性散户占比高市场无效性中蕴含了大量可被因子捕捉的机会。比如散户普遍存在追涨杀跌过度反应处置效应这些行为偏差这些偏差会导致某些股票被错误定价而量化因子恰恰能系统性地捕捉这些错误定价。这也是为什么过去几年量化策略在A股的超额收益显著高于成熟市场——猎物更多。3.2 多因子模型的构建流程从选因子到组合优化构建一个多因子模型大概分四步。因子挖掘。先收集所有可能影响收益的数据怎么找因子我有两个思路一个是财报驱动——从上市公司的财务报表里衍生出各种指标比如毛利率变化、应收账款周转率、现金流覆盖度另一个是量价驱动——从价量和资金流向数据里找规律比如连续放量、大单净流入、涨停板后的换手变化。中低频基本面因子做底仓高频量价因子做增益两者搭配能显著提升策略的稳定性。因子检验。因子不是找出来就能用。拿到一个候选因子先做单因子回测看它历史上的IC信息系数均值、IC的稳定性、换手率、衰减速度。一个合格因子至少要满足三条标准IC均值绝对值超过0.02、IC胜率高于55%、因子换手在可接受的范围内。不达标的因子一律淘汰这个环节做的越严格后面的模型就越扎实。因子合成。把筛选出来的有效因子按权重合成一个综合因子。这里最容易犯的错误是主观调权重看到哪个因子最近表现好就给它加权重这是典型的过拟合思维。正确的做法是用数学方法确定权重比如最大化ICIR信息比率的优化方法或者用等权、风险平价的方式做合成。权重的确定一定要在样本外验证过而不是凭借感觉拍脑袋。组合优化。有了综合因子后每个股票都有自己的预测分。接下来要做的是组合层面的优化——在控制行业暴露、风格暴露的前提下最大化组合的预期收益。关键是约束条件行业不能偏离基准太多、单票权重不能太大、换手率不能太高。没有约束的优化结果往往是一个风险极度集中的组合基本面稍微一变就回撤巨大。3.3 机器学习在量化中的应用能提升多少又有什么坑近年最火的方向是机器学习很多团队尝试用神经网络替代传统多因子模型。我试用过一段时间结论是机器学习确实能提升非线性特征的捕捉能力但它解决不了数据本身信息不足这个根本问题。机器学习真正的价值有三个场景第一捕捉因子之间的非线性交互效应比如低估值高动量低波动这个组合单独看每个因子都一般但组合起来效果很好第二处理非结构化数据比如研报文本、公告情绪、社交媒体信息第三动态调整因子的权重组合让模型适应不同市场风格切换。但机器学习在量化上也有三个大坑我踩过其中两个。第一个是过拟合训练集里表现极好的模型一到实盘就失效这是最常见的。第二个是因子逻辑的可解释性下降机器学出来的东西很难说清楚它在赚什么钱一旦市场结构变化你根本不知道模型什么时候会失效。第三个是算力和工程成本高企一个小团队很难支撑高频的模型迭代和回测。我的建议是先用传统线性模型把基础做扎实再逐步引入机器学习做增强。不要一上来就上最复杂的模型复杂不等于有效。4. 实操框架资金属性决定路径混合策略是第三条路4.1 自我评估你适合哪条路径在决定走哪条路之前先把自己的条件摆到桌面上。我列了一个简单的评估清单做不了精确打分但能帮助你快速判断倾向。评估维度价值投资量化投资性格特征有耐心能忍受长时间不赚钱对单一标的有持续兴趣对数字和模型敏感享受系统搭建和迭代过程核心技能财务分析、行业研究、商业判断统计学、编程、数据处理时间尺度单笔持有以年为周期一年不涨很正常策略迭代以周甚至以天为周期模型会不断变化资金容量个人和中小资金比较灵活大规模资金需要更长的建仓期高频策略容量有限中低频策略容量相对大成功关键深度认知 持有纪律数据质量 模型迭代效率这个表不是说价值投资就不需要编程能力量化就不需要研究能力。而是说你的主天赋应该点在哪一边。用我自己的例子说我在做研究时最享受的是把一家公司的商业模式彻底搞清楚的过程而对调参、写代码、反复回测这件事并不算热衷所以我走的是价值投资这条路。4.2 资金属性是最后拍板的那只手很多人在选路径的时候只盯着收益忘了看自己的钱是什么属性的钱。如果是自有资金没有赎回压力持有期限可以拉长到三年以上价值投资的优势能充分发挥。因为你可以忍受短期净值的波动等待价值回归的那一天。但如果这笔钱有明确的时间限制比如两年后要用来买房、一年后要用来付学费价值投资就是高风险选择——你等得起钱等不起。如果是管理他人的资金情况就更复杂了。价值投资的信息沟通成本极高你买入一只股票后可能连续半年净值不涨甚至下跌你需要一遍遍地跟客户解释你的逻辑解释股价没涨但价值在累积。不是每个客户都有耐心听这些。量化投资的沟通成本相对低一些你可以用波动率、回撤、夏普比率这些统计指标来回应客户的疑虑。4.3 机构视角的混合策略价值为底量化为翼实际上头部资管机构很少是非此即彼的。我观察到一个趋势纯价值或纯量化的单一策略边际优势在下降而价值量化的混合策略开始成为主流方向。这里说的混合不是简单地把钱分成两半各做各的而是在一个组合内部实现协同。比如用量化模型做全市场的初步筛选筛出一个高概率股票池再交给基本面研究员做深度分析或者用量化模型辅助价值投资的风险控制通过组合优化来约束单一行业的暴露风险。这样既能保留基本面研究的深度又能获得量化系统的广度和纪律性。我所在的团队就在走这条路。量化模型负责跟踪全市场的估值分位、情绪指标、资金流向给出整体的仓位建议基本面投研则在量化推荐的范围内做个股深度研究。两者互补的效果比单纯任何一边都好。5. 常见问题与避坑实录5.1 价值投资最常见的三个坑价值陷阱是我第一要提的。看着市盈率很低以为捡到了便宜结果买进去之后发现公司基本面持续恶化估值越跌越贵。这类案例在A股主要集中在传统周期行业比如钢铁、煤炭、地产的下行期。避坑的方法就是买入前问一句这个公司便宜是因为市场忽视了它的价值还是因为市场预见了它的衰退第二个坑是逆势加仓的执念。财报出问题了股价下跌了按照别人恐惧我贪婪的原则不断加仓结果越加越套。价值投资确实需要逆向思维但逆向的前提是对基本面有极高的把握。如果你对公司的了解还没到比市场更懂它的程度就别轻易逆势加仓。第三个坑是讲故事式的估值。把未来的增长预期推得很远用一个远期的高增长贴现回来支撑当前的股价。这种思路在牛市里很爽一旦增速不及预期杀估值的速度会非常惊人。我的纪律是DCF模型里超过五年的预测权重一律打折。5.2 量化投资最常见的三个坑过拟合是量化里最出名也是最大的坑。一个策略在历史回测里年化收益30%、回撤5%一上实盘就水土不服大概率是过拟合了。我的排查方法是做样本外测试和分段稳定性检验把历史数据切成几段分别看策略在每段的表现是否一致如果只在某一段时间里好这说明策略很可能只是拟合了那一段的行情。第二个坑是因子失效的迟滞反应。A股市场这十年经历了几轮明显的风格切换2016年是价值蓝筹2019年是成长科技2021年是赛道抱团2023年到2024年又是微盘和小市值。一个因子在一个阶段表现很好不代表它永远有效。我见过不少团队在因子已经失效了大半年之后还在用旧模型交易原因就是没有建立因子的有效期预警机制。第三个坑是交易成本的忽视。量化模型在回测时可以做到理论收益远高于实盘中间最大的差值就是交易成本。模型调仓越频繁冲击成本和滑点就越高。做回测的时候如果只算佣金不算滑点和冲击成本那回测结果就是镜花水月。5.3 一条高效的学习路径建议不管选哪条路建议都用先窄后宽的方式去学习不要一开始就想把整个领域搞透。价值投资可以先选定一个行业把它从头到尾研究透建立起自己的分析框架后再横向扩展。选行业的建议是选你身边能接触到的、认知门槛不高的行业比如消费、医疗这样你可以通过实际消费和调研来验证自己的判断。我最早就是从消费行业入手的价格数据的获取容易品牌认知的分析也更直观后来才延伸到制造业和科技行业。量化投资则建议先掌握Python和pandas把数据清洗和基础统计分析跑通然后找一个简单的单因子策略完整地走一遍流程——下载历史数据、计算因子值、做信号生成、写回测框架、检查回测结果。先跑通最小闭环再考虑引入更复杂的模型和因子体系。一上来就学深度学习、强化学习大概率会陷入看着很高级但完全用不起来的困境。还有一个我觉得很重要的习惯不管走哪条路都要定期做书面复盘。我每个季度都会写一份投资回顾记录当时决策的逻辑、当下的结果、中间的实操过程。半年后再回看这些记录很多当时觉得特别对的判断其实漏洞百出。这个反复矫正的过程比看多少本投资书都有效。6. 写在最后的一点体会做资管这几年我最大的感触是市场上根本没有正确的投资方法只有适合你的投资方法。价值投资和量化投资本质上是两种性格的人用自己最舒服的方式在做同一件事——寻找错误定价并从中获利。价值投资最舒服的状态是持股一年以上、深度研究少数标的量化投资最舒服的状态是短周期、分散化、用模型替代主观判断。这两者没有高下之分只有匹配度之分。如果你还在犹豫走哪条路我的建议是先别急着下结论用一两年时间都尝试一下。拿自己的钱小仓位分别跑两套框架。不要用模拟盘模拟盘的感受和真实资金完全不一样拿真金白银试错哪怕亏点钱你才真正知道自己扛不扛得住波动、信不信得过那个逻辑。这两年里写下来的复盘记录比任何测评都有参考价值。最后分享一个小技巧不管最后选了哪条路都建议保留一部分另一条路的思维。做价值投资的学一点量化工具做辅助判断可以提升组合构建的科学性做量化的多了解一些基本面信息可以防止模型失效时手足无措。两条路径真正的高手不是宣称自己只信某一派而是能在两者之间自由切换知道什么时候该用哪套逻辑。这条路没有终点只有不断往前走。