|
|
# 答疑课堂（二）｜投资实战篇、投资进阶篇思考题集锦
|
|
|
|
|
|
你好，我是王喆。
|
|
|
|
|
|
在上一次的答疑课堂里，我挑选了财富框架篇和个人发展篇中同学们比较关注的一些问题，进行了回答。今天的思考题答疑，我将聚焦在这门课的后两个模块，投资实战篇和投资进阶篇上。那我们话不多说，直接进入问答的部分。
|
|
|
|
|
|
## 投资实战篇
|
|
|
|
|
|
[12讲](https://time.geekbang.org/column/article/404958)
|
|
|
|
|
|
**问题一：五到十年前，借钱买房的现象非常普遍，那时候买房的人也取得了巨大的收益。如今，在购买首套房的时候，很多同学也会掏空家里的“六个钱包”，甚至会向亲戚朋友借钱补充首付。但也有一些同学，受限于预算，只能购买老破小、郊区房，甚至卫星城市的房子。**
|
|
|
|
|
|
**你觉得哪种做法更适合当下，如果你现在要买房，会怎么做？**
|
|
|
|
|
|
答：我们首先要明确一个问题，就是时代背景：五到十年前，是一个房地产行业飞速发展的时代。而当下是什么样的环境呢？生育率下降、经济增速放缓，甚至还有中美关系遇冷这样的国际大背景。可以预见的是，属于房地产的时代短时间内不可能再现了。
|
|
|
|
|
|
基于这样的时代背景，我自然会反对因为给自己买房，让整个家庭承担过多压力的做法。因为房产的增值预期显著不足，存在一定的下行风险。如果因为买房问题造成整个家庭的基本生活不能维持，甚至给父母养老带来麻烦，这个风险是咱们个人不能承受之重。
|
|
|
|
|
|
所以，在预算不足的情况下，我们能做的就是降低预期、降低消费欲望、降低家庭财产风险，在力所能及的范围内买房。
|
|
|
|
|
|
我们在 [12讲](https://time.geekbang.org/column/article/404958) 里反复强调过：**对于首套房，要买，但一定要控制预算。**在针尖上跳舞确实不容易，但这就是当下最妥当的策略。在未来局势不太明确的情况下，留一定的“粮食”和“弹药”来应对大环境的变化是很有必要的。
|
|
|
|
|
|
[13讲](https://time.geekbang.org/column/article/405898)
|
|
|
|
|
|
**问题二：你觉得通货膨胀会影响到你的房贷决策吗？**
|
|
|
|
|
|
答：要回答这个问题，我们一定要先明确**“买房决策”和“房贷决策”是两个决策过程**。“买房决策”是决定要不要买房，“房贷决策”是在决定要买房的前提下，从技术上、数据上分析最优的房贷策略。
|
|
|
|
|
|
所以回到这个问题，通货膨胀其实影响的是你的“买房决策”，而不是“房贷决策”。因为我们在考虑买房时，要考虑通货膨胀和房产价值增长的关系。但是在进行贷款决策时，影响我们最终决定的，还是我们在课程中通过模拟实验得出的结论：**只有理财收益率和房贷利率的关系，才是影响房贷方式的终极要素。**
|
|
|
|
|
|
[14讲](https://time.geekbang.org/column/article/406509)
|
|
|
|
|
|
**问题三：买基金最忌讳的就是频繁交易，你觉得是为什么？你可以从基金的特点和基金的交易费率两个角度，来回答一下这个问题吗？**
|
|
|
|
|
|
答：基金不适合频繁交易的原因有两个。第一个是申购费和赎回费的问题。基金的申购费比较低，经常会有打折，一般在0.15%左右。但是，短时间内进行赎回的赎回费率非常高，经常达到1.5%。如果频繁交易基金，每交易一次，就会损失1.5%左右的本金。即使是专业的投资策略，也基本不可能通过收益来抹平交易费率的损失。
|
|
|
|
|
|
另一个原因和基金本身的特点有关。我们要清楚地认识到，**挑基金本质上是挑选专业的基金经理帮你管钱**。我们在购买基金前就要好好评估管理这只基金的经理。但是，正所谓“用人不疑，疑人不用”，我们一旦选定一位基金经理，就不应该频繁更换。就像一位董事长选定了公司的CEO，也不可能随便更换，因为这就不符合知人善任的基本原则。
|
|
|
|
|
|
正是基于这两点，我们买基金最忌讳的就是频繁交易。
|
|
|
|
|
|
[17讲](https://time.geekbang.org/column/article/408993)
|
|
|
|
|
|
**问题四：在讲投资跟踪表的“头脑风暴阶段”这部分时，我提到投资支点可以来自某位专家的介绍，也可以来自于跟同事朋友的讨论。但是，我们在 [06 讲](https://time.geekbang.org/column/article/398936) 中纠正投资误区的时候，明明讲过不要盲从专家的意见。你觉得这两点是不是前后矛盾了？为什么？**
|
|
|
|
|
|
答：对于这个问题，其实很多同学在评论区的回答已经非常好了，这里我再总结一下。
|
|
|
|
|
|
“盲从专家意见”，指的是把专家意见直接拿过来用，没有自己的思考和验证，这完全不符合支点投资法的基本原理。因为**我们设立投资支点时，最关键的一点就是要寻找经过自己思考、可验证的投资支点**。
|
|
|
|
|
|
而在头脑风暴阶段，我们考虑专家意见是为了扩大idea的来源。在把idea转换成投资支点前，我们还要经历支点研究阶段，用数据和你的投资经验去验证，判断专家的意见是否能转换成投资支点。这才是更为关键的步骤。
|
|
|
|
|
|
## 投资进阶篇
|
|
|
|
|
|
[20讲](https://time.geekbang.org/column/article/411242)
|
|
|
|
|
|
**问题五：我知道很多同学热衷于抄底，认为抄底也是在践行价值投资的理念。你对抄底是怎么看的？你认为抄底和价值投资的关系是怎样的？**
|
|
|
|
|
|
答：这个问题对散户投资者来说非常关键，只有把它搞清楚，才能避免很多错误的投机性“抄底”行为。
|
|
|
|
|
|
很多散户投资者进行抄底，往往是抱着占便宜的心态，进行投机性的抄底。举一个典型的例子：一位股民最近一直盯着茅台这只股票，但无奈茅台的价格一直很高，不敢在高点买入。这个时候，茅台的股价从最高点下跌，一直跌了20%。这位股民觉得抄底的时候到了，于是大举买入。
|
|
|
|
|
|
这就是典型的想占便宜的投机操作。这位股民的投资支点没有设立在任何价值投资分析的基础上，而是建立在自己非常感性的投资情绪之上，这样的抄底操作是我们要极力避免的。因为这种抄底大部分都抄在了下跌的半山腰上，投资者往往会陷入越抄底越下跌的尴尬境地，本来想占便宜，却连本金都损失掉了。
|
|
|
|
|
|
如果说价值投资和抄底有关系的话，我想**价值投资更像是中长期的基于数据分析的抄底操作**。为什么这么说呢？因为价值投资的本质就是寻找价值低估的投资标的。那么在一个大的时间尺度上，去抄底价值低估的股票，就是价值投资的一种方式。
|
|
|
|
|
|
这里要注意两点：一是这种基于价值的抄底是和个人的投资情绪没有一点关系的，它应该基于扎实的基本面分析和长期的对估值分位数的分析；二是这种抄底操作的周期往往会比较长，一般要以年为周期。比如A股在2018年和2019年长期稳定在3000点以下，就是一个公认的价值低估时期，留给你进行价值投资的时间其实是很长的。
|
|
|
|
|
|
总结一下，就是要**分清投机性抄底和价值投资**，散户要尽量在一个比较长的时间尺度上，去判断一个投资标的是否处在一个稳定的价值低估时期，然后再决定是否进行价值投资。
|
|
|
|
|
|
[22讲](https://time.geekbang.org/column/article/412855)
|
|
|
|
|
|
**问题六：如果让你设计一种行业轮动策略，你会怎么设计呢？比如，你会如何确定应该在哪些行业上进行轮动？你选择行业的标准是什么呢？**
|
|
|
|
|
|
答：这个问题其实没有标准答案，但我们可以遵循下面的原则。
|
|
|
|
|
|
我们使用行业轮动策略时，应该充分结合自己的专业信息优势来选择行业。有专业信息优势，你才能更清楚一个行业的周期规律。比如，我们程序员肯定更清楚信息技术行业的周期规律，医生肯定更清楚医药卫生行业的变化，而农民也会对粮食的收成、猪肉价格的周期有更深的认识。
|
|
|
|
|
|
所以，最适合散户的方式是：**选择两个或多个自己有信息优势的行业，然后研究出它们的行业周期，并以此为基础，设计行业中长期的轮动策略。**
|
|
|
|
|
|
当然，行业轮动策略也可以脱离行业信息，纯粹用技术指标来构建，这样就需要我们利用回测平台，进行精准的策略设计和参数选择。这也是一条可行的路，但对投资者的编程能力和数据处理能力有更高的要求，更适合有一定量化投资基础的同学。
|
|
|
|
|
|
[24讲](https://time.geekbang.org/column/article/415181)
|
|
|
|
|
|
**问题七：你觉得线性多因子模型最大的局限性在哪里？你能结合自己做投资时的判断过程，来说明线性多因子模型的缺点吗？**
|
|
|
|
|
|
答：线性多因子模型最大的局限性就在于它的形式是线性的，但**很多实际的投资逻辑往往是非线性的**，线性的模型是不足以表达这类问题的。
|
|
|
|
|
|
例如，在股票投资中，我们的核心目标是预测一个上市公司未来的净利润。如果你的多因子模型中包括一个预测上市公司未来产品销量的因子，和一个预测产品价格的因子，那么逻辑上应该是这两个因子的乘积能够预测上市公司未来的营收或净利润，线性组合是无法预测它的。
|
|
|
|
|
|
在这种情况下，如果你非要用线性模型来拟合历史数据，那得到的拟合效果就可能会很差，或者非常不稳定。在这些情况下，如果能够换用非线性模型（比如深度学习模型）来识别这种更复杂的经济结构，可能会大幅改进模型的效果。
|
|
|
|
|
|
我自己在构建多因子模型的时候，最顶层还是用线性模型，但是下面的某些因子可能是通过非线性结构，由更基础的因子构建出来的。这是解决一些非线性结构问题的折中办法。如果你对深度学习模型掌握得很好，就有可能做出更彻底的非线性模型。
|
|
|
|
|
|
[25讲](https://time.geekbang.org/column/article/416033)
|
|
|
|
|
|
**问题八：在精力有限的情况下，你觉得下面三个场景中的问题，哪一个更适合用机器学习的方式解决？为什么？**
|
|
|
|
|
|
* **我想训练一个分钟级别的预测螺纹钢期货涨跌的模型；**
|
|
|
* **我想用机器学习模型寻找下一周可能上涨的行业；**
|
|
|
* **我听说过涨停敢死队的故事，想用机器学习模型在盘中预测哪只股票可能会涨停。**
|
|
|
|
|
|
答：这个问题是开放式的，没有标准答案。但如果让我选择的话，我会从第二个想法做起，去选择下一周可能上涨的行业。
|
|
|
|
|
|
我在选择时主要考虑了三点：
|
|
|
|
|
|
第一，我本身能够投入的精力和时间有限，选择一个中低频率的问题，就不会跟高频的专业量化团队正面碰上，对手的实力不会那么强。
|
|
|
|
|
|
第二，选择中低频率的问题，后续的交易也更好实施。用机器学习模型每周产生一到两个交易信号，我来手动交易就可以了，不涉及非常复杂的自动化交易系统的开发。
|
|
|
|
|
|
第三，预测上涨行业这个问题本身会是一个容量特别大的方向。也就是说，不同研究者采取的预测方式可能会有较大的差异，市场上可以容纳更多的策略同时盈利。而选择其他两个问题的话，策略的容量可能会比较小，容易被更高级的策略“赢家通吃”。
|
|
|
|
|
|
当然，上面只是我自己的思考，也是一个业余投资者的建议。具体对哪个问题进行深入研究，你还要结合自己的时间投入量，以及对问题的理解深度来最终确定。
|
|
|
|
|
|
以上就是我对这门课后两个模块中，同学们讨论比较激烈的八个问题的回答。当然，我们的答疑环节并没有结束。如果你有不一样的想法，或者新的疑问，欢迎在留言区写下你的思考，我和李腾看到后都会在第一时间去解答。
|
|
|
|