浅谈研究

摘要:


“研究”是一个多数人日常提起的概念,也是大量基金的“核心”竞争力。然而有研究能力的分析师,大部分基金没有,即使出类拔萃的基金,往往也不超过3人。一方面是中国私募股权市场投资发展迅速,系统的研究方法有待建设;一方面过去资产流动性较弱,机构可以直接判断,分析师之前需要发现资产,而不太需要对资产做价值判断。随着资产和信息的流动性提高,资产的发现能力不再稀缺,机构也无法处理更大规模的信息。基金的核心竞争力从资产发现转移到资产定价。未来基金的对抗,一定是信息筛选和处理能力的对抗,这个能力成为持续正确资产定价的前提。那么,分析师的选拔和培养成为基金的核心竞争力之一。


入门以来,深受李曙君先生在社会科学的影响,结合自己7年信号与系统科学训练,找到了一条“信息有限下的研究方法”,并取得一定正反馈。借此,我想以多年科学研究方法为基石,结合投资研究特点,试图回答三个问题:

 

1.     现在普遍存在的研究方法问题在哪里?

2.     分析师研究在基金投资中的核心定位到底是什么?

3.     研究体系如何搭建,可以借鉴的自然科学方法是什么?

 

序:

 

自然科学和社会科学有着巨大鸿沟,比如自然科学中空间的不连续性,在社会科学中没有明显表征。然而,社会科学其实是自然科学的具象展现形式。自然科学的思考方法长期引导社会科学的研究和革命。自然科学在理论物理和量子物理边缘遇见光的“波粒二象性”;社会科学在释迦摩尼的金刚经中遇见“若见诸相非相,即见如来”。近年来,随着基础研究和理论物理的突破,特别是弦理论的提出和普及,社会科学的抽象表征逐渐与自然科学统一。

 

投资作为社会科学中和各位密切相关的学科,研究成为其重要组成部分。研究能力成为各大基金的核心竞争力。然而研究能力,作为投资决策中的先验知识,却被大量基金滥用为后验知识。大量基金将研究作为必要条件而非充分条件,用结果讲逻辑,而非归因。同时大量使用“类比法”和“归纳法”,进而做出大量“逻辑正确,结果错误”的常识性错误判断。

 

鉴于此,本文作为“研究方法”系列第一篇,希望以自然科学中的信号处理学科知识为基石,解析“研究”本质的理解。

 

 一、  研究的定义:

 

维基词典中,关于Research的定义如下:

 

Research comprises "creative and systematic work undertaken to increase the stock of knowledge, including knowledge of humans, culture and society, and the use of this stock of knowledge to devise new applications." It is used to establish or confirm facts, reaffirm the results of previous work, solve new or existing problems, support theorems, or develop new theories.

 

定义中可以看到,“研究”是一个“创造性,系统性增益价值的过程 ”,这里面“增益”体现在对事实的确认,对错误结果的去伪。

 

科学研究史上有两个重要的理论研究者,分别是波普尔和库恩,波普尔曾经提到:“可以证伪的才是科学,而不是证实”。库恩在《科学革命的结构》中认为科学革命依靠的是范式革命。范式,就是一种理解世界的角度。

 

因此,我们可以简单总结研究的本质是“主动系统性去伪存真的范式”

 

二、  研究在投资中的定位:

 

那么在投资过程中,我们如何做到“主动系统性去伪存真”?

 

投资过程是社会科学中信息的博弈过程,抽象的信息可以表征为企业基本面情况、创始人背景;具象的信息可以表征为资源禀赋、资金大小等。投资决策过程本质上是信息处理过程。在信号的处理过程中,大概可以简化为以下模型:


3957f9c058b8456383d5213c648e6b65.png


这个模型在投资决策过程中得到应用,可以简化为以下模型:


a3777b4328344a4f9d0c3d7eda326aa9.png


在投资机构的信息处理过程中,项目信息作为输入进入到决策委员会,决策委员会承担基金“处理系统”的决策,输出一个信号:投资或否定。

 

决策委员会决策的前提是输入信号的真实性。换言之,决策委员会默认所有信息都是真实信息,不隐含相关利益带来和认知局限带来的噪声。然而由于决策委员会输出的是二元结果,这个系统其实又是一个非常敏感的系统,微小的信息变化可能直接影响系统输出结果,信噪比(信号与噪声比例)成为关键指标。为了进一步提升输出,信息系统会在输入端增加一个滤波器,去掉噪声,保存信号。可以进一步优化模型如下:


19a397dcebc9425f834b431dfcd3dc11.png


实际信号处理中,信号会通过傅里叶变化从时间域信息转换为频率域信息,然后通过滤波器过滤噪声,过程如图所示:


e0b943b5a938480c9a790cc6a0001bd3.png


左图为时间域信息,绿色为信号,粉色为噪声,信号与噪声叠加形成观测到的红色信息。如果我们直接将红色信息输入系统,系统可能给出错误判断,因为信息中夹杂了大量噪声,特别是蓝色分割线之后的部分,红色信息与绿色信号出现了方向上的偏移,严重干扰处理系统。


因此,科学上会将时间域信息利用傅里叶变换转化为频率域信息(右图),可以看到,无法分割的时间域信息变成了频率域的脉冲信号。进一步,我们可以利用滤波器将绿色信号分离出来,再进行时间域还原,就可以保存完整信号。


9ee2df0f5eb9402999288f939a19f5b5.png


信号与系统发展,不仅是信息处理方法的发展,更重要的是滤波器的发展,特别是数字信号的传播方式,大幅度提升了滤波器的使用效率,进而提高信噪比。


回归到投资信息处理模型,基金在投资决策委员会前面增加了投资经理/分析师职务来承担的信息的处理角色,本质上,分析师承担了滤波器的功能:


338b3b8bd05e47c29556556925e2c414.png


鉴于此,分析师的角色看似无关系统,人人皆可研究,实际上分析师的作用对于整个系统至关重要,刚才演示了正确的滤波器使用方法,如果滤波器稍有偏差,结果滤掉信号,剩下噪声,如下图所示:


47aea4bf05e74eb288b9ec1e6dbd3b9c.pnge14803e552c9447c8265aa360cbab3bc.png


因此,在信号处理中,滤波器的使用是极其重要的环节,因此中国无论北至克拉玛依,南至西沙群岛,雷达设置和目的不一样,滤波器和核心算法处理都是统一和集中的。没有经过验证的滤波器对于系统是一个灾难,会严重影响系统输出。


回归到投资决策,分析师如果没有接受系统训练,就会为投资决策提供大量噪声,甚至滤掉信号。因为每个人的生长背景不同,好比在频域图中的位置不同,有的是高频,有的是低频,有的是全通,没有好坏之分,只是使用场景不同。具体来讲,有的人熟悉城市生活,更容易捕捉到消费升级中的审美需求;有的人熟悉农村生活,更容易捕捉到小镇青年的情感表达,没有好坏,只是特点。

特别是处理系统年限变大,距离原始信息更远,分析师承担的角色就更为重要。


然而每个分析师一定要熟悉自己的特点,就类似于滤波器熟悉自己的使用场景,如果用高通滤波器过滤低通信号,就会出现危机,到头来以为是决策能力不行,实则是信号不对。


所以,每个分析师需要清晰自己在系统里面的重要定位,并不断了解自己的研究特点和方法。


三、  分析师的基本步骤:6b693d1c2bee41f2ac067e80b50c211a.png

 

分析师的研究成长路径,类似于滤波器的调试过程。这是因为分析师培养是一个系统性渐悟,而非点石成金的顿悟。我们大致可以分为以下几个步骤:建立反馈机制,定型基础参数,稳定性检测。

 

3.1 建立系统层面的反馈机制:

 

在信号处理中,我们首先需要了解用什么滤波器(低通、中通、高通),进一步选择适当的滤波器,所以每个滤波器一定有自己的特点,也需要找到适用的场景。

 

作为分析师,必须了解自己的性格特点和思维方法,这样的特点,可以归纳为以下:

 

1.     分析师对什么时间尺度的信息敏感(短期、中期、长期)

2.     分析师对什么人群更理解(农村,二三线城市,超级城市,富二代)

3.     分析师对什么变化方式更觉知(情感变化、细节变化、宏观变化)

 

以上三个问题了解了,分析师就可以了解自己的特性,并针对自己的擅长的领域做研究。在研究过程中,必须建立反馈机制,反馈机制的目的是帮助分析师更加了解自己的特性。没有反馈机制的研究就好像没有验证的滤波器,只能看到信息的输出,无法确认是信号还是噪声。这套反馈机制,本质上是根据已经得到验证的结果做反推,对分析师的滤波结果做训练。所以第一个阶段分析师的研究,应该围绕在系统可以给予反馈的范围做研究。

 

在系统过程中,我们如何给予反馈?

 

佛家讲“成住坏空”,热力学第二定律告诉我们,世界是熵增的并最终走向毁灭。因此,任何一个组织,无论多么伟大,最后都收敛于死亡。传承千年的组织,只有宗教,即使是宗教,天主教也遭遇新教革命,禅宗也一花开五叶。

 

因此,投资的反馈,是在一定时间周期内的讨论,不能无限期的讨论,无限期讨论是个伪命题。就好比我们说这个人身体好,只能说他在这个年龄段身体好,不能说他一辈子身体好,因为他必将死亡。

 

然而谈死容易,谈生难。暴露企业的风险容易,对风险定价难。分析师很容易陷入对企业批判当中,现在不成功的批判他,现在成功的质疑他。因此作为分析师,大谈未来死亡是没有意义的,我们需要讨论生机。讨论机会在哪里,风险如何定价,一定周期之中,哪些企业存活下来,他们存活下来的原因是什么。已经死掉的企业原因是什么,哪些可以学习。

 

这样,分析师在这些企业生的时候可以学,死的时候也可以学。唯有在企业生的时候预判他的死是不能学习的。

 

美团和小米的股价最近很多波动,但不影响他们都是伟大的公司和组织,不影响他们在时代中的角色,即使短期收益有变化,只要相比初始是盈利的,都应该学习和思考。

 

3.2   定型基础参数

 

了解自身特点之后,第二个阶段是定型基础参数,分析师根据自身特点定型基本方向、逻辑和研究领域,这就像是滤波器的基础定型。

 

3.3   稳定性测试

 

对于每一个分析师,系统需要定期测试其稳定性,由于人的背景和经历在不断变化,可能对过去敏感的事物麻木,也可能对过去麻木的事物敏感,此时,分析师的个人特性开始发生转移,类似高通滤波器正向低频转移,我们需要及早发现和调整。