Skip to content

人类判断 vs 机器信号

投资到底应该靠人的理解,还是靠机器从数据里找信号?这个问题不能用“都有道理”糊过去,因为两边默认世界完全不同。

人类判断默认市场错价来自叙事、制度、商业质量、管理层、周期和行为偏差。它相信某些关键变量必须由人理解:公司为什么赚钱、政策为什么改变、管理层是否可信、赔率是否足够。

巴菲特、李录、德鲁肯米勒、Tepper、Marks 都在不同层面站在这一侧。

机器信号默认市场里存在大量微弱、短暂、难以叙事化的非随机结构。它不要求人能讲出漂亮故事,只要求信号可验证、可执行、扣除成本后仍然有效。

吉姆·西蒙斯 和 Renaissance Technologies 是这一侧最极端的样本。

这不是“主观 vs 客观”这么简单。人类判断的风险是叙事捕获;机器信号的风险是过拟合和黑箱崇拜。

人类判断更擅长解释机制和边界,但容易爱上故事。机器信号更擅长处理高维数据和重复机会,但容易在 regime 变化、成本上升或竞争加剧时失效。

当问题涉及公司质量、制度变化、管理层、资本配置、政策反应函数和长期商业模型时,人类判断胜。

当机会分散、短暂、微弱、可大量重复,且解释成本高于执行价值时,机器信号胜。

先问两个问题:

  1. 这个机会是否需要机制解释才能判断?
  2. 这个机会是否能被数据反复验证并扣除成本?

如果两者都不能回答,只是在讲一个听起来聪明的故事,那不是判断,也不是信号,只是噪音。