Note

「MoneyNeverSleeps」守株待兔的事件驱动逻辑

· Reading 1,158


「MoneyNeverSleeps」守株待兔的事件驱动逻辑


菲特曾说过:“我开发了很多过滤器。我知道我称之为我的能力圈,我一直在这个圈子里。而不必担心那些圈外的事情。游戏是你自己定义的——你在自己的游戏里占据优势非常重要。”很简单,巴菲特的范式就是,“看着球一个接一个地飞来,然后呆在最舒适的地方等待击打……


这就是金融世界里,事件驱动流派的生存方式,并以此构建了核心逻辑。这个思潮成为了大多数人的选择。因为这个逻辑的风行,金融市场上才有大量活跃的成交量,才会有海量的信息要分析,从而养活那么多以此谋生的人。


所谓事件驱动的逻辑,可以被看作为如下的三段论述:


  • 假设T0时刻的价格是P0,P0是合理的
  • T1时刻到来一个新的基本面信息,事件发生
  • 基于基本面信息,判断价格的运动方向和尺度,选择做多或者做空

在第二步中,人们普遍认为好消息会使公司的价值上升一定的百分比,坏消息则降低一个百分比,价格也随之波动。波动性体现的就是市场对新的信息的反映——只有新的信息才会导致价格波动。


有人会问,为什么要设定这样的逻辑?


答案是显而易见的:如果资产价格彻底不反应新的基本面的信息,不会带来价格的波动,那么为什么要设立金融市场呢?


关于基本面的信息,是几乎无法穷尽的。比如:公司业绩,分红情况,公布财报,运营变动,供需关系,市场获取,成本变化,政策指引,产业趋势…


显然市场不可能在几秒钟的时间里消化掉这些多样和复杂的消息类型——如果市场有效到这个程度,那就没有后面的交易机会了。由此可以说,股价在多少的时间内,反应多少,完全取决于市场的有效程度。


实际上,一个公司的情况,是很难通过一个数字被精确估值的。难的是一个数字里面要看出这么多的价值,这太难为金融工具本身了。资产价格本身在做出这种“脸谱化”高度抽象之后已经变得“失真”了,但对于金融来说,必须要有这么一个量化的参考——如果上市公司不将多样化的表现统一符号化,就无法实现大批量买卖交易。


回到三段论述,事件驱动逻辑还隐含了另一个重要的观点:


趋于稳定的价格反映的是所有过去历史的价格信息,只有未来的信息才能影响到股价。这是说,现有股价已经准确反映了所有经济和市场已有的信息——而同样是有效市场理论


在有效市场理论当中,股价的波动(布朗运动)被称作扩散。扩散与每年的波动幅度σ和消息的时间间隔⍙t有关。


不过,奇怪的是,有效市场理论当中,股价波动与⍙t根号是线性相关的?问题是,为什么要加根号呢?


实际上,EMM假设新的信息出现的间隔是相同的,每Δt秒出现一次。n个消息带来的股价波动并不与n成正比,而是与n的平方根成正比,而消息的时间间隔是⍙t,因此股价的波动就跟⍙t的平方根成正比了。按照这样的表达,扩散项单位时间内的独立增量符合标准正态分布。


这样一来,现代金融核心思想之一的“有效市场模型”EMM就认为:平均来看,股价会上涨(慢牛行情),但会在均值附近上下随机波动(布朗运动),并且波动的幅度不会超过一个范围(正态分布)。


EMM作为古典金融理论体系模型,被看作是基于高斯的正态分布的——平均来看,股价会上涨(漂移项),但会在均值附近上下随机波动(扩散项),并且波动的幅度不会超过高斯标准差的范围。长期来说,股价将只由漂移项决定。


总之,尽管有效市场模型做出了一系列的数学假设,而这样的假设却很具有主观的一厢情愿。但瑕不掩瑜,有效市场理论最少被质疑的一点,其实是关于事件驱动本身的理解:一个新的基本面信息到来,会引起股价的变化。


市场要有效,从而能够让市场吸收信息,并做出反应。反应之后,新的价格反应了公司的当前真实情况,公司不存在高估或低估,有利好资产价格就涨,利空则跌。

与此同时,有效市场又不能太高效,从而留下一部分做多或做空操作的时机。


一个有趣的问题是,事件驱动的观点是否能够在资本市场里获得成功呢?在底层认知上,它是否是足够可靠?


回答这个问题有助于我们理解最重要的一个疑问:能否用市场交易行为预测未来价格变化?


一个“主流”思路来自于另一个三段逻辑:


  • 价格变化是供求变化决定的
  • 能观察到的市场交易行为反映了当下的供求关系
  • 当下的供求关系和未来的供求关系存在关联性


这里的想法是,通过交易行为观察当下供求关系,推导未来供求关系,推导价格变化。


由此出发,不管是分析图形指标,量价关系,还是交易对手,都是在分析供需关系,计算筹码,进行博弈。自然而然的,“主力”就是这一观点下的产物,所谓的“Level2数据”也出自同门。


这一点甚至还会被大玩家利用——它们不再跟随趋势,而是制造趋势,利用封涨停战法,吸引市场目光,随后利用放量快速获利了结。


然而,批判地看,三段逻辑的每一个相关性都并不严谨——这种归纳性的认知并没有太深刻的道理。推理每递进一层,其相关性就要打个折扣。试问到最后,具体到量化,到底多大程度上,从价格变化可以看出未来的供求关系呢?


让我们一一剖析这个三段论述:


1 价格变化是供求变化决定的。


这句话基本可靠,不值得花费心思过多批判。


2 能观察到的市场交易行为反映了当下的供求关系。


理解这句话,需要理解什么是市场交易行为,我们又能“观察”到多少——实际上,是否具备“可观察性”,也是值得怀疑的。信息披露往往是不透明的,信息往往也经过加工和处理,你很难能够窥探到真相——甚至上市公司自己,有时也是懵懂的,不清楚自己为什么被打了一个涨停。这是一个盲盒,没有任何一方能全开地图作弊。


3 当下的供求关系和未来的供求关系存在关联性。


至于这句话,就更玄幻了。


关于当下和未来,有很多名言驳斥这样的观点:


  • 未来不是线性外推的
  • 过去的频率不等于未来的概率


如果这两者存在相关性,极端一点还不如说:资产当前价格就包含了对其未来做预测所需的全部信息。


如果这一观点成立,那么所谓的“加倍赌注法”就会奏效:硬币正面向上赌徒会赢得赌本;硬币反面向上赌徒会输掉赌本。于是赌徒为了不输钱,其策略就是在输钱后加倍投注赌金,为的是在下次赢钱时赢回之前输掉的所有钱,同时又能另外赢得与最初赌本相等的收益。当赌徒的赌金和可用时间同时接近无穷时,他赢得最初赌本的概率会接近100%。


显然,股市不可能是这种必定不会输钱的游戏,一个确定的未来将毫无机遇和风险可言!


其次,供求关系也是动态的。在同一时段,可能同时存在N种当下的供求关系,在影响着未来的供求关系,而他们的力量可能是相反的。


对此,投资聚义厅给出了一个有趣的例子:


好比某个个股,你能看到张三一直在买,李四一直在卖,直到有一天李四卖光了手中的股票。请问这个时候你买进去是否明天股价就可以突破了呢?


首先,存在一种可能,张三明天一拍大腿说我买错了,全都剁出来。把你砸成猪头;

其次,你不知道是不是会出来一个王五,拿着比李四多两倍的股票,把你砸成猪头;


那些后知后觉的大师们,只会在吆喝的时候强调一方的力量,而那些潜在的反对势力的力量,往往被选择性地忽略了。


再来看一个例子:如果供需和价格存在关联,是否可以通过观察上市公司大股东或者高管买卖股票的行为来预测股票价格的波动呢?比如大股东买完以后多少天,股价有显著超额正收益;大股东卖完以后多少天,股价有显著超额负收益。


如果这样的规律是普遍的,就不应该是单只股票的行为,而是市场当中存在广泛的关联性。实际上,这种关联性一定是存在的——原因并非真的这里有真实的物理因果机制,而是因为你在数据当中,即便没有因果关联,也总能“发现”一些并不存在的“规律”。


一个有名的故事,叫做"死亡偏见":


针对10万人进行智商测试。测试后,2000人会死,死人的智商为0,测试表现为0,假设其余活着的人的智商与测试表现无关。问:智商和测试表现的相关性是多少?


答案非常出乎意料:相关性是大约37%。


很可笑,这简直是无中生有。的确,死人贡献了相关性。说起来,这种相关性来自于这样的一个事实:


如果你一直干扰一个人的工作,那么他或她会在任何事情上都做得不好。但反过来则没有完全等价的东西——不管你通过何种办法激励一个人,某个人都不会突然之间变得非常擅长于做任何事情。正是这样的偏见的存在,几乎所有的能力测试都会显示出一些与智商IQ正相关的规律,即使测试是随机的!


所以,如果你看到一个很低相关性,那你还不如坦率承认,这里没有任何有意义的相关性!


如果不存在“死人偏见”呢?


比如你看到了更强的相关性,而这一规律如此的明显。当你看到大股东买进行为,你就要在几天的窗口期内考虑对冲风险了,那么该如何操作呢?


思量很久,你便会发现,这个操作也并不容易实现——买卖行为如何在对冲时量化?对冲应该适用什么样的规模?换句话说,你根本没有一个好的工具,把这种关联性交易出来。即便你费劲千般努力做到了,成本又是多少呢?你所获得的超额收益,是否能弥补你的做空成本呢?


这就是事件驱动逻辑遇到的困境。金融行为本身就是多样和模糊的,人们可以按照自己的意愿归纳出任何范式,这种范式在小样本条件下也许运作的很好——也许是运气使然,但却很难拓展到大样本的情形——这会带来极高的交易成本。


经验告诉我们,数据分析时,在“随机”中,你总会发掘出“规律”或者“范式”——只要握有数据,你总是可以找到某些好像有道理,但纯粹是随机性导致的“模式”。


这就像是那句著名的格言,天下没有免费的午餐——No Free Lunch所说:


脱离具体的问题或场景,空谈哪种算法更好毫无意义。不论A算法多聪明,B算法多笨拙,它们在数学上的“期望”是完全相同的。如果考虑所有的潜在问题和场景,则所有的算法都一样好。如果要谈论相对优劣,必须要针对具体的问题和场景。


从更高的纬度来看,这个新的三段逻辑并不绝世独立——它可以看作是一种观点,一种流派。当不同的流派针锋相对时,就是不同算法,不同价值观的碰撞。


算法自身的归纳偏好于问题是否匹配,往往会对结果起到决定性作用。算法算力再优秀,也是为了某些场合和应用来设计的。


因此,范式是要有的,但并没有我们想象的那么普世。建立自己成熟的交易体系,往往要了解其假设条件,摸清其适用的边界,而这至关重要。


你的方法论也一定不是一招鲜,在复杂的市场当中,一个成熟的策略,一定是包含了不同问题情景下,建仓、加仓/减仓、卖出、止盈、止损等一系列操作规则的方法论,是一个完整的闭环。


回到本篇的核心问题吧:事件驱动逻辑是否一个无懈可击的认知,通过股价波动,以及供需的观点,让我们窥见未来的蛛丝马迹呢?


从前面的讨论可知,所谓的范式,大多受到经验和认知天花板的局限。这就像克利希拉穆提所说的:我的经验就是我的局限,你的经验就是你的局限,不是嘛?


本质上,事件驱动本身,深刻地依赖运气和经验,一切从主观的观察出发,进行归纳,成功与否完全仰仗主观观点和客观世界的契合度——这是一种难以量化的关联,不如称其为运气或直觉更为贴切。


单凭运气永远都做不了大生意。要知道,信息的传播也有一个过程,比如内幕人士—核心股东—核心卖方—大部分买方卖方—散户这个传播链上,如果你是散户,在得到信息之前,股价变化已经反映了一部分的信息。于是,你开始思考,有多少是已经反映出来的,有多少是还没有反应出来的。


是否似曾相识?没错,所谓的“炒主题”就是这个套路——这个技术革命,那个产业规划,都会带来深刻的影响。影响的范围有多大,哪些公司受到影响,每个人都会有自己的看法。然而奇妙的是,大家似乎都拎得清,消息是正面的或是负面的,股价应该涨还是跌——主题来了,但凡沾边的,不蹭蹭热点都不甘心。只要利好,一切就是合理的,就大搞特搞,到最后,就连政策本身都成为了一个题材。


在无人车概念最火热的时候,硅谷的无人驾驶公司估值都变得轻而易举。《纽约时报》曾披露这样的估值方式:每位工程师就可以支撑估值大约1000万美元,一个刚起步的三人创业公司,估值就是3000万。


炒主题是可以获取暴利的,而“可以暴利“这件事本身又构成了“可以暴利”的基础。这就是传说中的反身性吧...


现今,金融世界的产品已经很复杂了,类似于保险计划,需要不断地推陈出新,被看作是批量的工业品被生产和售卖,利用深奥的数学模型不停歇地创造新的金融衍生品,甚至衍生品的衍生品——为了延续生计,就需要远远不断地制造新概念。


而这边投资管理也变成了一门玄学,随便哪个大学的金融学、投资学课程里,教学生的定价方法,都是DCFDDM,但在现实当中,理论派们的工具遭到冷落。反而是各种范式大行其道:“低PE”、“高成长”、 “长期持股”,乃至于巴菲特的投资方法,都可以看作“范式”家族的一员, 甚至还有范式的范式:PEG加速流相对PE分位数…一个简单的核心理念,被人们层层包装——为了让大师们源源不断地刷存在感,就要一天不停地创造新的范式。


PEG”的范式包装一下就变成了“戴维斯双击”,“戴维斯双击”的范式包装一下就变成了“购买业绩加速的股票”的范式。于是,股票市场喜欢成长股,更是特别喜欢加速成长的股票。说起来,这些大玩概念的人又何尝不是事件驱动的逻辑呢?


玩概念的人高兴起来,完全不去考虑真实的市场环境,考虑竞争和商业模式,考虑市场天花板的存在。认为一切都很美好,只要有事件驱动,就有涨跌,只要认为现在的价格是合理的,然后判断这个事件的影响就可以了。


可世界上哪有这么完美的情形?要知道,就以市场天花板为例进行类比,自然界有界上限的存在是很普遍的:


经营风险:公司的损失受资本化的限制,有众所周知的最大损失。

有上限再保险合同:再保险合同几乎总是有上限(即最高索赔额),但再保险人可以在同一风险来源上施加多个合同,而合同的增加会推高索赔上限,从而涵盖更高的潜在累积损失。

暴力行为:虽然战争的尾巴非常肥,但任何此类事件的最大影响都不能超过世界人口。

信用风险合同:贷款有一个有限的最大损失,类似于再保险。

城市规模:虽然城市被证明是Zipf分布的,但一个城市的规模不能超过世界人口的规模。

环境危害:虽然这些变量是非常厚的尾巴,风险是由星球(或大陆的)几何尺度作为一个确定的上限。

复杂网络:连接的数量是有限的。

公司规模:公司的销售额受国内生产总值的约束。

地震:的最大危害是由能量所决定的。

水文:洪水的最高水位是由地形地貌,最大水量限定的。

病毒传播:感染人数和死亡人数不会超过人口总数。


真实的市场环境要复杂得多,竞争对手的搅局,商业模式的探索...估值不是一蹴而就的。如果某个定价方法告诉你,因为某一年的业绩上升了10%,一个公司的内在价值要上升35%,你会相信这样的鬼话嘛?


别说,人们还真信——这就是PEG方法的范式试图告诉我们的。可仔细想想,这样的范式并没有深刻的物理机制,就因为一年的业绩加速了,所以这个方法的估值可以上调25%,市值则上调了35%。


这里没有深刻的逻辑——任何一本教科书当中,都没有这个逻辑的严肃推导。一切只是因为你相信这个范式,所以你相信这个范式得出的结论。

这不正是事件驱动的逻辑吗!


绕了一大圈,事件驱动依旧阴魂不散。你的范式往往在一定条件下才能成立。为了等待完美范式条件的机会,你就要多花很多时间去研究市场,研究这一范式能够成功的黄金时间窗口。一旦抓住一次机会后,便静静等待下一次机会的出现。


你所需要做的就是守株待兔,发明新的范式(大树)并静静等待(兔子)。



这个策略是如此的好用,乃至于没有人付诸实践去践行一种传说中的,认知更加艰难的“价值投资”了。在价值投资的世界里,成功的投资者往往更具批判性,而不是单纯地迷信某种力量或范式。


这是一个弱肉强食的时代,最最有趣之处恰恰在于,正是“事件驱动派”的人们对短期利益有效的追逐,自然演化出了一种“反应过度”。而这种“反应过度”恰恰是真正的“价值投资派”的获利的来源…


如果你问什么是“价值投资”,不如稍作等待,容我们慢慢展开这个孕育惊奇的美妙故事吧…




- END -



Disclaimer: The content above represents only the views of the author or guest. It does not represent any views or positions of FOLLOWME and does not mean that FOLLOWME agrees with its statement or description, nor does it constitute any investment advice. For all actions taken by visitors based on information provided by the FOLLOWME community, the community does not assume any form of liability unless otherwise expressly promised in writing.

If you like, reward to support.
avatar

Hot

No older comments, be the first to grab the sofa.

CFD markets involves substantial risk and there is always the potential for loss. Past performance is not indicative of future results. You understand and agree that there are risks associated with the use of online trading services ( COPYTRADE、FOLLOWTRADE、FOLLOWGUARD ), including uncontrollable factors such as hardware breakdown, software fault, or Internet disconnections. FOLLOWME does not held any responsibility for the communication failures, miss-transmissions or delays that occur during online trading.

appstore-download goole-download
login