投资者总是觉得自己被欺骗原因在这里 - 彭博社

在一月初的芝加哥一家酒店，坎贝尔·哈维向美国金融协会发表了一场激动人心的总统演讲，该协会是全球领先的金融经济学研究学会。他说，要在期刊上发表文章，存在一种强烈的诱惑，即折磨数据直到它承认——也就是说，进行一轮又一轮的测试，以寻找可以声称具有统计显著性的发现。哈维，杜克大学富夸商学院的教授说：“不幸的是，我们的标准测试方法往往无法回答我们提出的问题。”他告诫大家：“我们不是销售人员。我们是科学家！”

彭博社商业周刊他们不是隐士。寻求庇护者挤满了拜登承诺关闭的监狱美国正在用寻求庇护者填满臭名昭著的前监狱大学橄榄球需要向大联盟学习一课那些销售比职业选手更多棒球棒的网红兄弟们哈维在学术界识别出的问题在投资界同样严重，甚至更糟。像交易所交易基金这样的大众市场产品正是使用你在学术期刊中发现的同样有缺陷的统计技术 concocted 的。哈维在2014年与杜克大学的同事刘燕共同撰写的一篇论文中写道：“这意味着公司向客户销售的半数金融产品（承诺超额收益）都是虚假的。”

打败市场很难，但总有新的产品试图这样做

我们大多数人都有一种模糊的感觉，认为投资公司收取高额费用，却产生的结果与随便扔飞镖在股票列表页面上得到的结果没有什么区别。然而，发现我们是正确的，这仍然令人不安。而理解出错的机制是很重要的。

问题的核心在于，击败市场是很困难的，但人们仍然不断尝试。丰富的计算能力使得测试成千上万，甚至数百万种交易策略成为可能。标准的方法是查看如果在过去20年市场的起伏中使用该策略，它会表现得如何。这被称为回测。作为质量检查，该技术随后在一组“样本外”数据上进行测试——即未用于创建该技术的市场历史。

然而，在错误的手中，回测可能会出现可怕的错误。曾经发现，在一批联合国数据中，预测标准普尔500指数的最佳指标是孟加拉国的黄油生产。Randall Munroe的极客网络漫画xkcd完美地捕捉了这种精神：它描绘了一位女性声称果冻豆会导致痤疮。当统计测试显示没有证据表明有影响时，她修正了自己的说法——这一定与果冻豆的口味有关。因此，统计学家测试了20种口味。19种没有显示任何结果。偶然间，有一种口味的果冻豆消费与痤疮爆发之间存在高度相关性。漫画的最后一幅是报纸的头版：“绿色果冻豆与痤疮相关！95%置信度。只有5%的巧合机会！”

金融数据的情况更糟，因为研究人员在寻找珍贵的“异常”时有更多的调整空间——数据中看似可能成为赚钱机会的微妙模式。他们可以改变时间段、考虑的证券集合，甚至统计方法。负面结果被放入文件抽屉；正面结果则提交给期刊（终身教职！）或制作成我们依赖于退休的ETF。测试样本外的数据以保持诚实是有帮助的，但并不能解决问题。经过足够的测试，最终出于偶然，即使是你的安全检查也会显示出你想要的效果。

也称为数据挖掘或过拟合，p-hacking是强迫数据屈从于你意志的技术术语

哈维称折磨数据直到它坦白的术语为“p-hacking”，这是对p值的引用，p值是统计显著性的一个衡量标准。P-hacking也被称为过拟合、数据挖掘——或数据窥探，这是麻省理工学院金融工程实验室主任安德鲁·洛的创造。洛说：“你越是回顾过去，就越有可能找到你喜欢或关注的奇特模式。这些模式最不可能重复。”

当华尔街的人们可以通过他们的股票选择技能赚取丰厚的收入时，这些把戏并不是必要的。当人们意识到很少有人能够持续击败低成本的指数基金，比如跟踪标准普尔500指数时，这种工作变得稀缺。

指数基金便宜，因为其赞助商不需要雇佣昂贵的股票挑选者，但它们并不完美。指数中的股票按市值加权，因此苹果占标准普尔500的3.7%，而鲁珀特·默多克的新闻集团仅占0.008%。当某只股票因某种原因变得热门时，指数基金必须购买更多的该股票，这可能不是最明智的选择。

华尔街的答案是今天最时尚的投资风格：智能贝塔。根据彭博社汇编的数据，截至二月底，美国投资于使用 智能贝塔策略 的股票交易所交易基金超过 $5000亿。“贝塔”是指你从拥有整个股市的一部分中获得的投资回报，就像在传统的指数基金中一样；“智能”部分则是指打破与市场价值的联系。智能贝塔指数中的股票可能根据公司销售、账面价值或特殊成分（如“质量”，基于管理良好的公司往往在股市中表现优异的理论）进行加权。

问题是，基金经理在争夺投资者资金的竞争中变得过于创造性。引用 吉普赛女郎 中的脱衣舞者，你必须有一个噱头：有超过一千个新指数的ETF。可惜，创造力并不等于成功。大型投资管理公司先锋集团在2012年计算出，ETF在其回测中表现良好，在上线前的五年中平均超越市场10个百分点，但在之后的五年中则每年落后市场1个百分点。根据 投资组合管理杂志 的一篇文章，最复杂的策略在其回测中遭遇的下滑最大。

关于谁在提出虚假的投资概念，争论不断。位于康涅狄格州格林威治的AQR资本管理公司，最初是一家量化对冲基金，通过管理他人的资金在智能贝塔基金中迅速成长。它专注于“因素”，如质量和动量，声称这些因素能带来可靠的超额收益。AQR的创始人兼首席投资官克利福德·阿斯尼斯是一位亿万富翁。加利福尼亚州纽波特海滩的Research Affiliates首席执行官兼创始人罗布·阿诺特表示：“我认为克利夫这些年来做了一些杰出的工作，”但他补充说，他“对数据挖掘的普遍性及其对他所使用的因素的影响缺乏足够的怀疑。”

阿斯内斯通过电子邮件回应称，这两家公司“在价值、低风险和动量等一系列因素上基本上有着非常相似的信念，我们认为我们都对这些因素施加了很多先验的怀疑。”他补充说，“到目前为止，几乎没有证据表明AQR研究中的基于质量的因素现在的表现与回测时有所不同。”但这并不是一个很大的主张，罗切斯特大学西蒙商学院的教授罗伯特·诺维-马克斯说，他曾为AQR提供咨询，现在为另一个团队——维度基金顾问提供咨询。“即使它表现得非常糟糕，你也不会知道。样本外的时间实在太少，无法做出任何一方面的主张。”

老话说得好：如果资产管理者和金融教授都超级聪明，为什么他们不超级富有？大笔资金是由那些忽视金融理论的公司赚取的。位于长岛的文艺复兴科技公司充满了数学家和物理学家，但不会雇佣金融博士。Two Sigma Investments由计算机科学家和数学家管理。D.E. Shaw由一位计算生物学家创立。等等。反映出数学家对金融领域马虎态度的蔑视，2014年在美国数学学会通报中提到回测过拟合被称为“伪数学和金融骗子行为。”

哈维，自那时以来已完成美国金融协会会长任期，曾写道，金融在确保其发现具有统计有效性方面落后于其他领域，包括遗传学。“我们行业中的许多人，包括我自己，”过去对数据进行了不充分的测试，他在芝加哥说。现在他说，那次演讲让一些人感到不满，但这没关系。“为了推动这个领域进一步发展，有时你必须愿意变得非常不受欢迎。” ——与赛杰尔·基尚和达尼·伯杰共同撰写