发帖
雷达卡
嘉宾介绍
wwqqer
★ 在上海长大的他在美国完成了自己的高等教育，于石溪大学取得最高荣誉Summa cum laude毕业，主修科全部摘A，毕业后在掌握全球经济命脉的纽约联储局任研究助理，曾是过百人的经济研究部中能说普通话的两个人之一。随后他在普林斯顿大学修读金融硕士，毕业后先后从事宏观分析、风险管理的相关工作。
★ 他是一个有“故事”的经管人------在纽约联储工作期间，他曾领略盖特纳的才思敏捷和雷厉风行；在普林斯顿大学求学期间，他曾聆听过包括诺贝尔经济学奖得主在内的多位大师的教诲，使他对前沿的金融领域一直保持着敏锐的嗅觉和深刻的洞察；而他同时也是中国“儒学”文化的传承者，对知识和真理拥有极高的追求，对求学和科研有着严谨的审慎态度和思辩力量，他甚至会在论坛讨论哲学、星座、热点时鲜等问题，但却同样可以用美丽的经管知识和悠美的东方人文底蕴，让它们焕发出不一样的味道……
★ 他是经管之家的资深版主------还是一位不折不扣的“经管大神”和“知识先锋”, 多年来他在论坛发布了超过100篇以上的精彩专题贴/原创贴/图书资源荐贴/热点问题追踪贴/新锐讨论贴。他绵绵不断地将国外一流且前沿的经管、金融、资管和大科技知识倾囊分享，并因此受到无数网友的喜欢和关注，在论坛有着极强的号召力和感染力……
欢迎订阅wwqqer文库 （ https://bbs.pinggu.org/forum.php?mod=collection&action=view&ctid=3095 ）
★ 4年前，他曾经应我们的邀请，做过一次专访，彼时的专访有温度、有料、有意趣，请戳：https://bbs.pinggu.org/thread-3166004-1-1.html
一晃4年过去了，时代发生着日新月跃的变革，经管和金融领域的变化也同样显著，这一次，他又为我们带来了哪些精彩而独道的思考呢？让我们共同拭目以待……
本文精彩观点速读
✔ 人与人最大的差别就是思维模式上的差别，没有哪个时刻比现在更需要开阔的思维。
-
开阔思维首先需要克服人性的弱点，培养一个谦虚好学的态度。
-
然后建立准专业知识体系，广度与深度兼顾。
-
在信息碎片化时代，要多读，多整理，多写，多实践才不会迷失方向。
-
我们所处的时代就是我们的命运。可以尝试先在代表新时代的人工智能，物联网，区块链，大数据，和量子力学等新兴领域中开阔思维。
✔ “一价定理”（Law of One Price）和 “天下没有免费的午餐”是我观察金融市场的两个主要思路。
✔ 当年我刚开始学习金融衍生品时，授课的教授就说你们除了要记住期权上的Black和Scholes，也不要忘了期货上的Melamed。
✔ 一个85岁高龄的长者对包括比特币在内的新科技还抱有如此开放的态度，我等后生晚辈还有什么理由逃避呢？态度决定一切，这大概就是牛人与凡人的差别吧。
✔ "If you can’t code and you can’t tell a story, life will be harder in the workforce as the robots keep coming."这句话虽然有些夸张，但是它的确一针见血地指出了人工智能带给我们的严峻挑战。
✔ 通常，一个人掌握的知识体系对思维模式的影响很大。比如，学经济的一般会从市场和均衡的角度考虑问题，学金融的一般是从风险和回报的角度考虑问题。如果一个人碰巧既学了经济又学了金融，那么他就可以同时从两个角度考虑问题。
✔ 市面上的书这么多，我们如何挑选呢？这个时候，我们不得不追求一下“名人效应”。比如，业界大牛或科学家亲自撰写的，或者是著名人士（扎克伯格，比尔盖茨，等等）或知名媒体（金融时报，经济学家，等等）推荐的，我们都应该留意一下。这样既可以节省搜索的时间，又可以保证搜索的质量。
✔ 写作就好比把奔跑中的猎豹用静态的照片保存下来。猎豹（或念头）跑得很快，不容易拍到。用镜头捕捉猎豹的过程就是思考的过程，但是如果这时不按下快门（不写下来），猎豹终究会跑出你的视线，最后落得两手空空。
✔ 有了谦虚好学的态度，知识体系很快就能建立起来，认知水平也会跟上。自己独立思考过，就不会轻信媒体或他人的观点。视野开阔了，思维模式也会发生改变，然后才有能力对新事物做出判断。
✔ 这是一个知识越来越贬值的年代，但是由知识和经验构成的体系以及由此提炼出的观点却依然有很高的价值，前提是你已经掌握了那个体系。所以，为了适应信息“碎片化”时代，我们要“多读，多整理，多写，多实践”。通过有目的的阅读和分门别类的整理，我们就可以把大量的信息碎片按自己轻重急缓的需要系统性地慢慢消化，使自己畅游在信息碎片的大海中，不至于迷失了方向。
✔ 著名的“新科技炒作周期”生动地告诉了我们：“人们总是在短期高估而长期低估科技能力”。老实说，没有人知道人工智能，区块链，甚至量子计算机将如何发展以致改变这个世界，但这并不妨碍我们现在去了解它们。
✔ 中国经济在转型，产业在升级，靠的就是新的科学技术+配套政策。各行各业由于性质不同，受到的冲击也会不同。做行业预测时，肯定要把这些新科技带来的影响考虑进去，更重要的是，我们的思维模式随着新科技而升级才能领先别人找到新的投资/创业契机。
✔ 研究已经表明我们之前认为了不起的alpha（超额市场回报），很可能只是一些特殊的beta（市场回报）。而各种风险因子就为我们揭示了其中一些beta。在我看来，这些因子为我们提供了不同的角度来观察金融市场，比如，地域，行业，市值大小等。这里着重讲一下动量和反转因子，以及ESG因子。
✔ 我们需要了解自己的投资所包含的风险。指数ETF的风险比较好把握，因为因子的风险敞口比较固定。但越来越多的主动型基金被包装成ETF，以赚取较高费用。这些产品不跟踪任何指数，所以，它们的风险就比较难掌握。这条建议在如今的时代显得尤为重要。
本文所涉及的经管/金融学习资源清单7份(详情请见正文第四部分）
✔ 学习资源书单1：人工智能思维学习-----国、内外经典书籍资源清单1份
✔ 学习资源书单2：机器学习大牛Michael Jordan推荐-----机器学习入门资源书单1份
✔ 学习资源书单3：区块链思维学习-----国内、外经典书籍资源推荐清单1份
✔ 学习资源书单4：大数据思维学习-----国内、外经典书籍资源推荐清单1份
✔ 学习资源书单5：量子思维学习------国内、外经典书籍资源推荐清单1份
✔ 学习资源书单6：认知科学/脑科学/遗传学习-------国内、外经典书籍资源推荐清单1份
✔ 学习资源书单7：资产配置与投资相关------国内、外经典书籍资源推荐清单1份
全文字数：1.8万字；建议阅读时间：25----30分钟。本文是经管、金融知识学习的超级大金矿，难得一见，欢迎转发，欢迎收藏。
说明：本文中标注的“见【1】，见【2】，见【3】”等字样，与文章最后的 “全文参考文献清单索引”完全一致。
一、惨痛！
一个价值2亿美元的金融市场教训
曾经有一个叫“比特币”的东西摆在我的面前，我因为自己的傲慢和偏见而没有珍惜。 等它高攀不起的时候我才追悔莫及，人间最痛苦的事莫过于此。。。
2017年年末，金融圈最热门的词条莫过于比特币，而这几天，稍微关注比特币新闻的同学可能会看到一个被媒体称为“华尔街基金大佬”，“对冲基金传奇人物”的人，常常出现在镜头前，对比特币的价格“大放厥词”（见本文最后索引清单中的【1】，【2】，【3】），此人就是迈克尔-诺沃格拉茨（Michael Novogratz，下称“老诺”）。
老诺在进入加密货币投资领域之前一直在华尔街叱诧风云。早先他在高盛工作，一路做到高盛合伙人。随后他出任知名宏观策略对冲基金“堡垒”（Fortress Investment Group）的基金经理。我因为工作的关系和他在那个时候相识。当年我和同事去向这位名声显赫的“金融大鳄”请教宏观投资的看法。在谈话临近尾声的时候，他话锋一转聊起了比特币和区块链，他说这是未来社会的发展方向，请注意，那时是2012年末，我们一行人都没有把这个放在心上，笑一笑，听过也就算了。
那个时候没多少人知道比特币，其价格自然是比白菜卖得还贱。后来，老诺又多次在公开场合提及了比特币。他不但投资了比特币，还把注意力移到了其它加密货币上。彭博社曾报导了他在以太币上的成功投资（见【4】）：他以1美元一个的价格买入了价值50万美元的以太币，等到单价涨到400多美元脱手时，总获利高达2亿多美元。
现在，我再来回想当初为什么会错过比特币。理由当然有许多，比如认知水平不够，专业知识不足......但说到底，还是态度的问题。彼时，我已从普林斯顿大学毕业，顶着名校的光环，自以为对金融市场和各类资产很了解。所以，根本没有也不屑去关心过比特币，连一点想尝试的念头都没有。同时，媒体也算是一个帮凶，因为它们把比特币描述成了只有毒犯和走私犯才使用的金融媒介。再加上“门头沟”的破产（注：日本的Mt Gox交易所是当时最大的比特币交易场所，因为受到骇客攻击而破产，比特币价格因此大跌）和“丝绸之路”的关闭（注：一个用比特币从事各种非法交易的网上黑市，后来被FBI取缔），这都加深了我对比特币的偏见。（其实，媒体尤其是国内媒体对比特币和加密货币的怀疑，抹黑从未停歇过，这点值得注意）。
而像老诺这样在华尔街摸爬滚打这么多年的“金融大鳄”，对金融市场肯定有自己的一套思维模式，这种street smart是别人想学也学不来的。所以他知道比特币的价值所在，他更知道人们将如何炒作比特币。我们不要只看到别人吃肉，而忘了别人挨打。早期比特币的价格波动非常大，先火箭式蹿升然后大幅回撤是家常便饭的事，能把币留在手中直到现在的都是牛人。
说到这里，我不得不提一个人。他就是美国芝加哥商品交易所（CME）的名誉主席Leo Melamed（芝商所是全球最大的期货期权交易市场）。当年我刚开始学习金融衍生品时，授课的教授就说你们除了要记住期权上的Black和Scholes，也不要忘了期货上的Melamed。从国债期货，欧洲美元期货，到股指期货，Leo在金融期货创新和推广上的贡献无人能及。这次芝商所又“敢为天下先”，率先提出了比特币期货的想法（尽管后来被Cboe-芝加哥期权交易所抢先一步开始实际交易）。一个不恰当的比喻，此举等于“把小三扶正“，机构们从此可以正大光明地交易比特币，一个全新的资产种类诞生了。
当媒体询问Leo对比特币的看法时，他说：“My whole life is built around new technology. I never said no to technology. People who say no to technology are soon dead. I’m still that same guy who believes in, at least examining change.That’s what bitcoin represents（见【5】）。“一个85岁高龄的长者对包括比特币在内的新科技还抱有如此开放的态度，我等后生晚辈还有什么理由逃避呢？态度决定一切，这大概就是牛人与凡人的差别吧。
既然谈到比特币，我就再多说几句。以我对区块链技术的了解，它的最大的价值在于去中心化，去中心化，去中心化，重要的事情说三遍。与之有联系的加密货币和加密技术的使用等等都是为了建立用户之间的信任，从而保证去中心化，即使牺牲一下完成每笔交易的速度也没关系。由此可见，即使各国央行发行自己的电子货币也无法取代比特币，因为它无论发行什么都没有办法（彻底）去中心化。除非由国际组织（比如IMF）出面发行。可是，但凡涉及多国协作的都是效率低下的（参考联合国或G20峰会），远远没有新科技的约束力来得强。去中心化是区块链带给我的颠覆性思维。
如果去中心化在金融领域里被推广，受影响最大的，首当其冲的就是推出比特币期货的CME和Cboe或类似这种的集中清算平台（central clearinghouse）。因为依靠区块链，客户和客户（P2P）将可以在互相不信任的情况下就把交易结算了，无需通过第三方。目前，一个基于加密货币衍生品交易和清算的区块链项目已经上马了（见【6】），还有好几个去中心化交易平台项目也在开发中（比如，0x项目和AirSwap项目），所以把它扩展到一般资产我们可能不需要等太久。这一点Leo不会没想到。那他为什么还要推出比特币期货来加速自己的灭亡呢？我想这就是大势所趋，即使他不做，也会有其他人或其他国家来做。就凭“顺势而为“这一点，我给Leo点个赞。
至于比特币的投资，就2017年下半年的这波行情来说，比特币的确存在泡沫。现在价格的攀升速度已远远超出了区块链发展速度。目前，区块链还未给实体经济带来多少价值，所以，人们在赌区块链的未来。其实比特币已经被多次宣告死亡，网上有人专门收集这样的信息，很有意思。从开始到现在（2017年12月），比特币已经死了二百多回了（见【7】）。但每次比特币都是王者归来。
在我看来，由于区块链发展已经滞后，当下加密货币价格的波动完全由供需决定。如果我们把加密货币相对有限的供给与排队等着进场的资本相比较，那么2017年的泡沫就是浮云，就算泡沫破灭，也会很快恢复元气（同之前曾发生过的一样），现在毕竟仍是加密货币的初级阶段。
以比特币在美国的情况为例，一些中小型对冲基金已经开始交易比特币和其它加密货币，比特币期货也已经有了，然后大型对冲基金会加入（见【8】），再来是投行（高盛准备2018年夏天开始交易比特币，见【9】），然后会有比特币ETF，最后全面推向广大散户。老诺曾说过比特币将是我们见过的有史以来最大的泡沫，因为这是一个任何人，不分贵贱，不论种族信仰，都可以来参与的全球性狂热。
如果我们仔细观察这类资产，其中不同的加密货币因为潜在的应用不同，所拥有的发展前景也会不同。目前按其功能可以分成三大类。一个是货币功能（以比特币为代表），其次是平台功能（以以太币为代表），最后是除了以上两种功能外的其它功能，主要包括应用功能（比如瑞波币等）。
由于第一类加密货币可以独立于现有金融体系而存在，与实体经济联系不多，所以它们与股票债券等普通资产的相关性较低，我们正好可以利用这一点来分散我们投资组合中风险。在投资组合中少量持有，可能会有意想不到的效果。而后两种加密货币需要在实体经济中广泛应用才能体现价值，所以可能不太适合作为避险资产。
另一方面，除了几个名气大的加密货币，目前仍然是其它货币（俗称“山寨币”）“群雄纷起”的年代。与股票投资比起来，“山寨币”投资更像是高风险高回报的风投/天使投资。我们每个人都可以过把天使投资人的瘾，因为除了没有高企的准入门槛之外，其它都和风投/天使投资的过程相似。比如，投资人需要判断新的“山寨币”提出的idea是否能转换成business，“山寨币”每完成一个milestone，投资人需要检验其开发进程和效果是否符合预期等等。如果不出意外，“区块链”将成为继“人工智能”之后又一个热门词。各种公司会利用发行“山寨币”或投资建设“区块链”来圈钱，但是，不是每个系统都需要虚拟货币，也不是每个系统都需要去中心化的。在个人资金有限的情况下，如何挖掘有潜力的货币，这就要依靠我们的知识体系，认知水平和思维模式了。套用雷军那句名言：“风口站对了，猪也可以飞起来。”
至于长期，政府的打压始终是比特币最大的威胁。比特币是否能取代美元最终成为世界通用的货币？这不是一个简单的经济问题，而是牵涉到人类的共同命运。如果比特币和区块链代表着先进生产力，那么需要改变甚至摒弃的就是现有体制，至少在金融业是这样的。关于这一点，IMF总裁拉加德看得就比较透彻（见【10】）。
关于加密货币投资和未来的发展，这里篇幅有限，以后找机会再详谈。不管怎样，我一直认为对于加密货币无论是看空，还是看多，都有各自的理由，没必要争论。你相信就拿稳，不相信就不碰。
声明：在做本访谈时，本人持有比特币以及其它电子加密货币。本访谈内容仅代表个人观点，不构成任何投资意见。
二．反思！
开阔思维将是我们的“救命稻草”
我承认用“2亿美元的教训”做标题有标题党的嫌疑，但我想要强调的是数字背后的教训，这才是无价之宝。唯有谦虚的态度才能克服人性的弱点。使我们能够“跳出盒子思考”（thinking outside the box）。有了谦虚的态度，我们才知道自己的不足，才会有紧迫感迫使自己离开舒适区（step out of comfort zone）。
我承认用“2亿美元的教训”做标题有标题党的嫌疑，因为50万美元的投入对老诺来说是九牛一毛，但普通人绝不会这么投资的，所以也就赚不到2亿美元。但我想要强调的是数字背后的教训，这才是无价之宝。
首先，就是要端正态度，端正态度，端正态度。重要的事情说三遍。有了谦虚好学的态度，知识体系很快就能建立起来，认知水平也会跟上。自己独立思考过，就不会轻信媒体或他人的观点。视野开阔了，思维模式也会发生改变，然后才有能力对新事物做出判断。所谓“艺高人胆大”，突破观念束缚的勇气和胆量正来源于此。下面我想展开谈一谈。
1.开阔思维将是我们的“救命稻草”
我在14年的访谈中（https://bbs.pinggu.org/thread-3166004-1-1.html ），针对僵化的投资理念，曾引用过一句谚语：“If all you have is a hammer, everything looks like a nail”，我觉得太形象了！人与人最大的差别就是思维模式上的差别，而僵化的思维模式会阻碍我们进步。
显然，开阔思维的重要性不言而喻。不过，我想强调的是在历史上，再也没有哪个时刻比我们现在更需要开阔的思维！
目前正是从互联网时代向人工智能时代过渡的关键时刻，我们对当下弱人工智能的一个初步共识是它们可以很好地回答和解决人类提出的问题，无论是数据处理，图像识别，还是语音处理等等，更厉害的是，围棋软件AlphaGo Zero（最近又进化成更广泛适用的版本：Alpha Zero）告诉我们其实人类一直在扯人工智能的后腿。如果让它们在事先设定的规则内自我学习，而不借助人类先前总结的经验，它们反而可以做得更好。从这个角度看，人类是多余的！
但是厉害归厉害，它们还没有强大到拥有真正的智能，比如，它们还不会自己制定规则，不会自己提出问题，不会进行联想，处理数据也是在人类设定的范围内进行，等等。所以，有人曾说"If you can’t code and you can’t tell a story, life will be harder in the work force as the robots keep coming."这句话虽然有些夸张，但是它的确一针见血地指出了人工智能带给我们的严峻挑战。
知名科幻作家，雨果奖得主郝景芳也说过类似的话：“很显然，我们需要去重视那些重复性标准化的工作所不能够Cover到的领域。包括创造性、情感交流、审美、艺术能力，还有我们的综合理解能力，我们把很多碎片连成一个故事这样的讲述能力，我们的知觉。所有这些在我们看来非常不可靠的东西，其实往往是人类这个智能非常独特的系统。”
由此可见，未来人类可从事的工作将分别向两个极端靠拢：一端是像软件工程师那样编程（更高科技化），另一端是像销售明星般口吐莲花（更人性化）。中间剩下的大部分工作都可以交给人工智能完成。这些工作的特点是操作重复度高或工作内容容易被预测，不需要主观创新。
如果很不幸你正好是被夹在中间，那就要重新思考自己的处境了。在计算机和互联网时代，我们工作时想的是如何利用电脑和网络使自己办事效率更高。而在人工智能时代，我们应该谦虚地承认人工智能的主导地位。当将来人工智能在做事的时候，我们要想办法发挥自己的长处，使自己参与进来以体现自身价值。可以这么说，开阔思维和主观创新是使人们能够在人工智能时代里生存的为数不多的“救命稻草”之一。
2.人，生来傲慢！开阔思维需要克服人性的弱点……
可是，我们明知道开阔思维很重要，我们也经常立下“雄心壮志”要不断学习提升自我。但到头来，我们还是下意识地掏出手机，在游戏中虚度光阴。为什么丰满的理想和骨感的现实会有如此强烈的反差呢？这全是因为人性的弱点在作怪。
“食色性也”，人生来就懒惰且贪图享乐。人们习惯于停留在舒适区，用自己熟悉的方法解决问题（俗称“习惯”），不管这个方法合不合适，这就导致了僵化的思维。另一方面，人是社会性的动物，在很多时候都很希望能获得他人或所在群体的接纳和认可，以得到精神上的满足，即“归属感”。当这个群体越大，这种“从众效应”也越大，从而严重影响人们打破原有框框的勇气。而且，更糟糕的情况是，当人们发现有新的观点与自己原有的认知不相符时，他们会用非常激进的手段来扼杀它们，“欲除之而后快”。
造成这种现象的原因可能有好几个，其中一个是因为人具有喜欢确定而厌恶风险的本性，新观点带来的潜在的不稳定和不确定往往使人表现得“信念固执”（belief perseverance），即人们一旦建立起某种信念就很难打破。而且越是遇到相左的观点，越是要捍卫自己的信念。
另一个重要原因则是有关于态度。人，生来傲慢。在远古时代，这种傲慢引起的竞争意识促进了种群竞争，优化了种群基因，保证了种群延续。但是在文明社会，这种对有别于自己认知的其它见解的傲慢使人固步自封，严重阻碍了进步。
由此可见，语言上的巨人行动上的矮子是本性使然。唯有谦虚的态度才能克服人性的弱点。使我们能够“跳出盒子思考”（thinking outside the box）。有了谦虚的态度，我们才知道自己的不足，才会有紧迫感迫使自己离开舒适区（step out of comfort zone）。有了谦虚的态度，我们才会为自己的傲慢与偏见而感到脸红。在这个新旧时代交替的关键时刻，我们更需要谦虚的态度来接受新事物，新观点，新思维。否则，我们就是最先被人工智能淘汰的那一批人。
3.关于开阔思维------如何有效的建立“准”专业知识体系？我的经验是“多读，多写，多实践”
通常，一个人掌握的知识体系对思维模式的影响很大。比如，学经济的一般会从市场和均衡的角度考虑问题，学金融的一般是从风险和回报的角度考虑问题。如果一个人碰巧既学了经济又学了金融，那么他就可以同时从两个角度考虑问题。由此可见，我们可以通过建立专业的知识体系来开阔思路。这样做的好处是理论知识理解透彻，运用自如，但缺点是费时费力，见效慢。
与此相对的另一种方法是实行“拿来主义”，跳过背景知识，直接学习他人经验或接受他人观点。这样做的好处是省时省力，可以在短时间内触及到更多的领域。但是坏处是理解不透彻，不能举一反三。
由此，我想到了一个很好的例子，2016年的美国总统大选。当时大家的普遍看法是像特朗普那样的小丑和疯子不可能当总统。如果他当选了，那将是世界末日，股市将暴跌。但事实是特朗普逆袭成功成为了美国总统，世界末日并没有出现，而股市也连创新高。为什么会误判？究其原因，还是缺乏对美国政治生态和全球民粹主义趋势的深入了解。
既然从“深度”着手，建立专业知识体系太花时间（方法1），而只注重“广度”，直接听取他人观点有时又不太靠谱（方法2），所以我就折衷一下，在保持“广度”的情况下，每个领域再稍微深挖一下，建立“准”专业知识体系，兼顾深度和广度。
如何有效的建立“准”专业知识体系？我的经验是“多读，多写，多实践”。从开阔思维的角度来说，那些由专家们编写的面向大众的科普畅销书正好可以满足我们这方面的需求（在科普方面，我觉得中国的科学家们做得还不够，所以学好英语很重要，否则我们得等上一年半载才能看到中文翻译版，如果有的话）。这是入门各个新领域的最佳捷径。
先谈“多读”。刚才提到可以多读科普畅销书。但是市面上的书这么多，我们如何挑选呢？这个时候，我们不得不追求一下“名人效应”。比如，业界大牛或科学家亲自撰写的，或者是著名人士（扎克伯格，比尔盖茨，等等）或知名媒体（金融时报，经济学家，等等）推荐的，我们都应该留意一下。这样既可以节省搜索的时间，又可以保证搜索的质量。
就拿我自己来说，当下热门的人工智能是个新领域，但我在目前的工作中还用不上它，所以我就采取建立“准”专业知识体系的方法来了解它。我在附录一中列出了在人工智能方面我认为值得一读的“准“专业书籍。其中给我较深印象的是李彦宏的新书《智能革命》。作为目前国内在人工智能领域执牛耳的百度，它的掌门人李彦宏在该领域的“名人效应”不能再强了。书的内容也的确没有让我失望，既有专业知识，又有作者自己的观点，以及对人工智能的未来和社会的未来的思考。
比如，他在书中用通俗的语言介绍了“深度学习”和“人工神经网络”。只要稍微有些理工知识的同学都能理解。从开阔思维的角度来说，这些“准”专业知识的深度已经足够。如果想要更具体地了解相关的理论知识，那么就要诉诸于前文提到的方法1了（相关书籍在第四部分书单中有提到）。
当开阔的思路与自己的专业想碰撞时，可能会产生很奇妙的“化学反应”，我们通常把它称作“创新”。环视当今世界，我想没有人能比经济学家弗里德曼（Milton Friedman）更了解货币了吧。正是基于他对货币的深入思考，当他了解了互联网这一新事物时（上世纪末），这位货币主义和自由主义的宗师就预言了匿名电子货币（见【11】）。十年后（2009年），世界上果真出现了这样的货币（比特币）。我想当年弗老对刚兴起的互联网的了解不会比我们现在的普通人多。所以从他的例子中，我意识到我们在开阔思路时，（1）有时“广度”比“深度”更重要，（2）自己的专业不能丢。
接下来是“多写”。这个“写“包含了两个层次。在第一个阶段（”多读“），我们已经读了许多资料。为了加深理解，我们每读完一份资料或一本书，可以做个读书笔记。这个笔记通常记录的是（1）每个章节的重点和整本书的脉络（2）自己的心得体会（包括与其它资料的联系）。
等到我们积累得多了，思考得多了，一定会产生自己的想法。这时候，我们就可以把这些都归纳总结在一个专题下（常见的题目如：浅析XXX，或者XXX之我见，等等）。如果能做到这一步，我们才能说已经初步掌握了一个（准）专业知识体系。而这些笔记起到了”提纲挈领“的作用。
有人曾说过“对于巩固自己所学知识最有效的办法就是为别人讲解”，而写作就是一种书面的讲解方式。在写作的过程中，我们会对知识做深层次的思考，加深自己的理解。前几年有本畅销书《万万没想到：用理工科思维理解世界》。书中的每一章就是一个专题，都是作者平时积累的读书笔记，再加入他个人的思考。读者读了之后，很受启发。所以我们也可以尝试这样的写作。
我们在写作的时候，有时候想法太多，会一时无从下手。而且，思考的速度远快于开口说话的速度，更快于用手书写的速度。我们在“胡思乱想”时，上一秒在想这个念头，等到下一个念头来的时候，前一个念头早已变得模糊不清。这也是为什么我不提倡“多想（不写）”，而是着重强调“多写”。写作就好比把奔跑中的猎豹用静态的照片保存下来。猎豹（或念头）跑得很快，不容易拍到。用镜头捕捉猎豹的过程就是思考的过程，但是如果这时不按下快门（不写下来），猎豹终究会跑出你的视线，最后落得两手空空。所以，即使刚开始拍得不好（写得不好），可能只拍到猎豹的尾巴，那也没关系。假以时日，总会有收获的。
我个人的写作体会是一有想法就把手头的工作放一放，赶快想办法把它记下来。往往因为想法来得快走得也快，没有办法做完整的记录，所以就抓关键词。通常我的第一版草稿里都是各种关键词。这些关键词随后慢慢地提炼成文章的提纲和中心思想，然后就有了每个大段落的关键句，这样往下写就顺畅了。
总的来说，这个“多读“和”多写“的过程与学术论文的写作过程异曲同工。只不过，我把它推广到更一般的自我提升上，作为开阔思路的一种手段，而不是仅限于学术研究。因此，在”多读“上范围更广，而在”多写“上没有写论文要求那么高。
最后，就是要“多实践”。“多写”和“多实践”是思考的一体两面，都能帮助我们加深理解。比如我们学习炒股，一方面我们通过看书学习别人的经验，策略，和各种流派，了解金融市场的运作规律等等来建立知识体系。另一方面，我们要入场实际操作（可以先从模拟盘开始）。操作的过程肯定不会一帆风顺，所以最好把这些失败的教训记录下来（与高手交流的心得也是实践的一部分），并且与已有的知识体系对照着一起思考。如此反复，经验在不断积累，知识体系也在不断学习中“长大”，两者相辅相成。
最近看到篇文章很有意思（见【12】），用在这里与“多实践”很切题，遂摘录如下：
“人人都该买点比特币，因为只有买了，你才能加入那个世界去看看，哪怕你买个100块钱，至少也能知道钱包怎么下载，买的币是不是真的卖不出去，交易所是不是不给提现，区块打包是个什么鬼，多长时间能被确认，不至于当看到相关信息的时候，满脑子的XX日报。”
三．震惊！
知识越来越“贬值”的时代，
我们却与“碎片化”正面交锋！
“碎片化”的信息大大地增加了我们要“多读”的内容，我们可以利用它们来帮助构建知识体系，这是好事。但另一方面，过多的“碎片化”信息分散了我们的注意力，降低了学习效率。这是一个知识越来越贬值的年代，但是由知识和经验构成的体系以及由此提炼出的观点却依然有很高的价值，前提是你已经掌握了那个体系……
最近，网上都在谈论信息“碎片化”的问题。在如今移动互联网盛行的时代，由于制作和传播信息的成本很低，我们可读的内容不是太少而是太多，而且篇幅也越来越短，信息“碎片化”的倾向很严重。更有不少媒体在贩卖这些“碎片”。
我的看法是既然信息“碎片化”是时代的产物，那么我们就应该顺应这个潮流，而不是回避它或抵抗它。
具体来说，一方面，“碎片化”的信息大大地增加了我们要“多读”的内容，我们可以利用它们来帮助构建知识体系，这是好事。但另一方面，过多的“碎片化”信息分散了我们的注意力，降低了学习效率。许多同学抱怨明明自己很努力，每天看了许多东西，但最后好像什么也没有学到。由此产生了抵触和焦虑的情绪。
这个问题的关键在于知识和信息的“碎片化”不代表学习知识和吸收信息的过程可以“碎片化”。正相反，为了避免学习知识过程的“碎片化”，我的建议是在一开始接受信息的时候，就给自己设定一些范围和目的（我对设定范围的建议见第四部分清单），并且分门别类及时整理，慢慢把碎片化的知识转化成体系知识。人的脑容量有限。如果没有预先设定范围，我们一般只留下最近看的东西，或是留下我们本能上享乐需要的东西，比如娱乐八卦等。
所以，预先设定范围是有帮助的。这个有点像我们平时玩的拼图游戏。一开始，我们拿到的是一大堆毫无头绪的碎片（知识碎片），我们一般先从相对容易的边角开始拼搭（基础知识），然后慢慢地把它们拼成一个个小局部（小体系），然后再找到另外一些碎片把小局部拼接起来成为大局部（大体系）。直到最后完成整幅拼图。如果在拼接的过程中发现这块碎片没用，那就先把它放一边，以后再拿出来试试。同样的，如果我们遇到许多不在预先设定的范围内的碎片知识，我们就先分门别类地保存起来以后再用。
上文中提到的畅销书《万万没想到》，其中有一章讨论了概率论的五个智慧（随机，误差，赌徒谬误，在没有规律的地方发现规律，小数定律），其实就是概率论的知识碎片。作者万维刚通过大量的阅读和实践总结出这些观点，然后他把这些观点告诉了我们。如果我们自己不加思考，无法和自己的知识体系产生联系，这些碎片很快就会被遗忘。
对于此类书籍（把对于不同事物的观点集合于一本书，而非一本书集中讨论一个事物），由于观点众多，作者不可能花太多篇幅详细解释每个观点，所以，可能会产生上文中方法2的缺点，即读者只知其然，而不知其所以然。这也是为什么我们看过许多“心灵鸡汤”，但能记住的很少，能带来启发的就更少了，因为里面的观点犹如水中浮萍，不与任何知识体系产生联系。
所以，如果遇到类似“概率论的五个智慧”时，我们可以先把它和其它概率论的资料整理在一起。等到我们要建立概率论知识体系时，再拿过来一起思考。或者如果我们已经有自己的概率论知识体系，那么我们可以把这五个智慧与自己已知的相关理论联系起来一起思考。要知道，当我们将一个知识与其它知识进行联系，实际上是在增加这个知识的提取线索。这种线索越多，我们对知识的掌握越牢固。
这是一个知识越来越贬值的年代，但是由知识和经验构成的体系以及由此提炼出的观点却依然有很高的价值，前提是你已经掌握了那个体系。所以，为了适应信息“碎片化”时代，我把前文中的经验进一步改成“（有目的）多读，多整理，多写，多实践”。除了书籍以外，我们还可以接受其它形式的资料，比如视频（TED演讲），音频等。通过有目的的阅读和分门别类的整理，我们就可以把大量的信息碎片按自己轻重急缓的需要系统性地慢慢消化，使自己畅游在信息碎片的大海中，不至于迷失了方向。
顺便提一下，在知识管理领域有所谓的DIKW体系（数据 Data，信息Information，知识 Knowledge，智慧 Wisdom），这与我这里所讲的有相似之处，如下图所示
（图1:新时代的DIKW体系）
四．震撼！
我们所处的时代就是我们的命运！
“新时代”知识图景和导航！
我们所处的时代其实就是我们的命运，我们可以尝试先在代表新时代的人工智能，物联网，区块链，大数据，和量子力学等新兴领域中开阔思维，保持“与时俱进”的勇气、魄力和行动力。这也是改变我们新时代命运的“利器”！老实说，没有人知道人工智能，区块链，甚至量子计算机将如何发展以致改变这个世界，但这并不妨碍我们现在去了解它们。
全文精华在此猛戳：不可不看的超级强悍书单6份！最一流、前沿的好书集中营！
我心目中的“新时代”
在上文讨论信息“碎片化”时，我曾建议阅读前先设定范围，以免被太多的信息碎片分散注意力。我认为我们在为自己工作充电之余，可以适当关注一下未来社会的发展趋势，并把阅读范围设定在此之上，因为你所处的时代就是你的命运。在接下来的这一部分，我会为大家推荐很多书，这些推荐的书籍侧重于新的思维模式，而不是具体的技术。除了书籍以外，我们还可以接受其它形式的资料，比如视频（TED演讲），音频等）。
在我看来，这个趋势不仅包括人工智能，还有物联网，区块链，量子计算机和大数据（见图2）。这几个新事物将共同开启“互联网时代”之后的“新时代”。
（图2：我心目中的“新时代”趋势图和应知图）
首先，人工智能和物联网简直是“天生一对”。前者好比大脑，后者好比（一大群）身体。大脑发出指令使身体各个部分工作，后者在工作时收集信息给大脑处理，使得大脑下一次发出更精准更“聪明”的指令。
【1.人工智能思维学习资源书单】
以下是人工智能思维相关书籍推荐，由于新事物发展速度快，仅阅读书籍可能跟不上节奏，所以我又添加了一些博客和微信公众号等更新较快的媒体，另外，有些英文原版书已有中文版，但由于我没时间一一核实，所以这里只以我见到的版本为准，排名不分先后，下同。
李彦宏，《智能革命》
吴军，《智能时代》
李开复，《人工智能》
诺奖得主Herbert Simon，《The Sciences of the Artificial》
Brynjolfsson 和McAfee，《The Second Machine Age》，《Machine, Platform,Crowd》
Martin Ford，《Riseof the Robots》
Tegmark，《Life3.0: Being Human in the Age of Artificial Intelligence》
Russell和Norvig，《Artificial Intelligence: A Modern Approach》
Kurzwell，《TheAge of Spiritual Machines》，《The Singularity Is Near》，《How to Create a Mind》
Jeff Hawkins，《OnIntelligence》
Negnevitsky，《ArtificialIntelligence: A Guide to Intelligent Systems》
Bostrom，《Superintelligence:Paths, Dangers, Strategies》
Barrat，《Our Final Invention: Artificial Intelligence and the End of the Human Era》
Domingos，《The Master Algorithm: How the Quest for the Ultimate Learning Machine Will RemakeOur World》（中文版《终极算法》）
Kaplan，《HumansNeed Not Apply: A Guide to Wealth and Work in the Age of ArtificialIntelligence》
Mindell，《OurRobots, Ourselves: Robotics and the Myths of Autonomy》（中文版 《智能机器的未来》）
国际象棋大师Kasparov，《Deep Thinking: Where MachineIntelligence Ends and Human Creativity Begins》
Boden，《AI:Its Nature and Future》
徐英瑾，《心智、语言和机器:维特根斯坦哲学和人工智能科学的对话》
尼克，《人工智能简史》
吴恩达，《Machine Learning Yearning》
物联网相关书籍推荐：
Sinclair，《IoTInc.》
Kranz，《Buildingthe Internet of Things》
Kellmereit和Obodovski，《The Silent Intelligence: The Internet of Things》
一些干货微信公众号：
机器学习研究会，AI研习社，数据科学与人工智能，人工智能爱好者社区
【2.机器学习大牛Michael Jordan曾推荐过的一份机器学习入门书单】
机器学习大牛Michael Jordan曾推荐过一份机器学习入门书单，并附上了推荐理由（见【13】）。虽然教科书不是本访谈的讨论对象，但是我还是把它们列出来。如果有同学想要构建机器学习的专业知识体系而不是开阔思维，那最好从以下这些书（或类似的书）着手。
Frequentist Statistics
-
Casella, G. and Berger, R.L. (2001).“Statistical Inference” Duxbury Press.—Intermediate-level statistics book.
-
Ferguson, T. (1996). “A Course in LargeSample Theory” Chapman & Hall/CRC.—For a slightly more advanced book that’squite clear on mathematical techniques.
-
Lehmann, E. (2004). “Elements ofLarge-Sample Theory” Springer.—About asymptotics which is a good startingplace.
-
Vaart, A.W. van der (1998). “AsymptoticStatistics” Cambridge.—A book that shows how many ideas in inference (Mestimation,the bootstrap, semi-parametrics, etc) repose on top of empirical processtheory.
-
Tsybakov, Alexandre B. (2008)“Introduction to Nonparametric Estimation” Springer.—Tools for obtaining lowerbounds on estimators.
-
B. Efron (2010) “Large-Scale Inference:Empirical Bayes Methods for Estimation, Testing, and Prediction” Cambridge,.—Athought-provoking book.
Bayesian Statistics
-
Gelman, A. et al. (2003). “BayesianData Analysis” Chapman & Hall/CRC.—About Bayesian.
-
Robert, C. and Casella, G. (2005).“Monte Carlo Statistical Methods” Springer.—about Bayesian computation.
Probability Theory
-
Grimmett, G. and Stirzaker, D. (2001).“Probability and Random Processes” Oxford.—Intermediate-level probability book.
-
Pollard, D. (2001). “A User’s Guide toMeasure Theoretic Probability” Cambridge.—More advanced level probability book.
-
Durrett, R. (2005). “Probability:Theory and Examples” Duxbury.—Standard advanced probability book.
Optimization
-
Bertsimas, D. and Tsitsiklis, J.(1997). “Introduction to Linear Optimization” Athena.—A good starting book onlinear optimization that will prepare you for convex optimization.
-
Boyd, S. and Vandenberghe, L. (2004).“Convex Optimization” Cambridge.
-
Y. Nesterov and Iu E. Nesterov (2003).“Introductory Lectures on Convex Optimization” Springer.—A start to understandlower bounds in optimization.
Linear Algebra
-
Golub, G., and Van Loan, C. (1996).“Matrix Computations” Johns Hopkins.—Getting a full understanding of algorithmic linear algebra is also important.
Information Theory
-
Cover, T. and Thomas, J. “Elements ofInformation Theory” Wiley.—Classic information theory.
Functional Analysis
-
Kreyszig, E. (1989). “IntroductoryFunctional Analysis with Applications” Wiley.—Functional analysis isessentially linear algebra in infinite dimensions, and it’s necessary forkernel methods, for nonparametric Bayesian methods, and for various othertopics.
大牛Ian Goodfellow也推荐过几本机器学习教科书，其中当然包括他自己写的那本《DeepLearning》
【3.区块链思维学习资源书单】
互联网使得信息可以自由传递，而区块链使得价值的自由传递成为可能。不过，我们要知道目前很火的区块链只是记录交易的一种协议或形式（链式），属于“有向无环图”（Directed Acyclic Graph，DAG）的一种。将来可能有其它形式出现（目前“网状”已经出现，见【14】）。所以，我用“泛区块链”来泛指这股发展趋势。这股趋势将逐步取代互联网，最终自成一家（crypto ecosystem）并影响人类发展的进程。这也给了经济学家一个新课题：加密经济学。以下是区块链思维相关书籍推荐：
Tapscott，《Blockchain Revolution》
张健，《区块链：定义未来金融与经济新格局》
长铗，韩锋，《区块链：从数字货币到信用社会》
Mougayar，《The Business Blockchain: Promise, Practice, and Application of the Next Internet Technology》
Wattenhofer，《The Science of the Blockchain》
Swan，《Blockchain: Blueprint for a New Economy》
Bettina Warburg，TED演讲，《How the Blockchain will Radically Transform the Economy》
以太坊创始人Vitalik Buterin谈（1）加密货币和人工智能安全（2）去中心化的意义：https://medium.com/@VitalikButerin/why-cryptoeconomics-and-x-risk-researchers-should-listen-to-each-other-more-a2db72b3e86b
https://medium.com/@VitalikButerin/the-meaning-of-decentralization-a0c92b76a274
比特币区块链是区块链中一个较为特殊也较为成功的一个。比特币相关书籍推荐：
Vigna和Casey，《The Age of Cryptocurrency》
Antonopoulos，《The Internet of Money》 (Volume 1 & 2) ，《Mastering Bitcoin: Programming the Open Blockchain》，《Mastering Ethereum: Building Smart Contracts and Dapps》
Popper，《Digital Gold》
Wiley，《Bitcoin for Dummies》
David Lee，《Handbook of Digital Currency》
Narayanan等，《Bitcoin and Cryptocurrency Technologies》
长铗，李钧，《比特币：一个虚幻而真实的金融世界》
一些网站和微信公众号：
美国最大加密货币交易所Coinbase推荐书单：https://blog.coinbase.com/digital-currency-read-listen-watch-list-1529971d7262
了解比特币推的荐文章：https://www.nateliason.com/bitcoin-crypto-reading-list/
https://cointelegraph.com/，https://www.coindesk.com/， https://medium.com/（这个网站类似国内的简书，我从中学到了不少区块链技术方面的知识）。
中国其实在这方面起步很早，也有一大批优秀的人才，可惜国内大环境不好。有人说中国拒绝加密货币（先关闭交易平台，后对‘挖矿’企业拉闸限电）就错过了掌握世界金融话语权的机会，这个现在不好说，要等将来回头看才知道。推荐一些国内相关网站和公众号：区块链之家，币乎社区，巴比特资讯，猫说。
【4.大数据思维学习资源书单】
当区块链与物联网和人工智能放在一起应用时，会产生1+1远大于2的效果，这里数据是关键。
比如将来的某一天，我想租一辆车，可能一辆无人驾驶车就已经停在了家门口。所需费用的支付和车辆使用权的记录都已通过区块链完成。而从汽车零部件上收集的信息可以及时提醒汽车进行检修。这个例子中，人的参与度非常低（大量相关工作岗位会消失，类似的例子还有许多），但是会产生大量的数据。而且，区块链的应用可以使数据传递和共享更加畅通高效。这些数据经过分析处理后可以进一步完善人工智能和物联网，使它们变得更“聪明”。所以人们说“大数据是新时代的原油”，因为它为新时代的进步提供了动力。大数据思维相关书籍推荐：
Barabasi，《爆发：大数据时代预见未来的新思维》
Provost和Fawcett，《Data Science for Business: What You Need to Know about Data Miningand Data-Analytic Thinking》
Wheelan，《NakedStatistics: Stripping the Dread from the Data》
Segaran，《BeautifulData: The Stories Behind Elegant Data Solutions》
Fung，《NumbersRule Your World》，《Numbersense: How to Use Big Data toYour Advantage》
Fioramonti，《HowNumbers Rule the World》
Rudder，《Dataclysm:Who We Are》
Davidowitz，《EverybodyLies: Big Data, New Data, and What the Internet Can Tell Us About Who We ReallyAre》
O'Neil，《Weaponsof Math Destruction: How Big Data Increases Inequality and Threatens Democracy》
Schönberger和Cukier，《Big Data: A Revolution That Will Transform How We Live, Work, andThink》
Aiden和Michel，《Uncharted: Big Data as a Lens on Human Culture》
【5.量子力学学习资源书单】
我一直认为弱人工智能时代还称不上第四次工业革命（继蒸汽，电气，电子计算机之后），而要等到量子计算机出现才是。截止目前（2017年12月），我们离人类历史上首个量子计算机的出现已经很近了（见【15】）。把量子计算机超乎想象的运算能力提供给由人工智能，（量子）物联网和（量子）区块链组成的超级连接网上（network），这将彻底颠覆我们现在的世界。
其实，量子计算机只是“量子革命”这个大趋势的一部分。就我对该趋势的粗浅的了解，我觉得可以适时摒弃脑子里根深蒂固的“牛顿思维模式”，而开始接受“量子思维方式”。正如我在《细思极恐的星座分析》（https://bbs.pinggu.org/thread-5953190-1-1.html）里讲述的，量子力学中的叠加态和纠缠态都是在经典力学中无法观察到的现象，这给我的心灵带来了极大的震撼。它使我之前对这个真实世界所建立起来的“三观”全毁了！由此可见开阔思维的重要性！随着量子计算机的出现和应用，我相信更多的震撼在等着我们。量子思维相关书籍推荐：
Susskind和Friedman，《Quantum Mechanics: The Theoretical Minimum》
Aaronson，《QuantumComputing since Democritus》
McFadden和Al-Khalili，《Life on the Edge: The Coming of Age ofQuantum Biology》（中文版《神秘的量子生命：量子生物学时代的到来》）
尼古拉·吉桑，《跨越时空的骰子：量子通信、量子密码的背后原理》
Halpern，《Einstein'sDice and Schrödinger's Cat》，《The Quantum Labyrinth》
诺奖得主Feynman，《QED: The Strange Theory of Lightand Matter》，《Six Not-So-Easy Pieces: Einstein’sRelativity, Symmetry, and Space-Time》，《The Character ofPhysical Law》
诺奖得主Wilczek，《A Beautiful Question: FindingNature's Deep Design》，《The Lightness of Being: Mass,Ether, and the Unification of Forces》
Carroll，《TheBig Picture: On the Origins of Life, Meaning, and the Universe Itself》
Krauss，《TheGreatest Story Ever Told So Far: Why Are We Here?》，《AUniverse from Nothing》（中文版 《无中生有的宇宙》），《Quantum Man:Richard Feynman's Life in Science》
大栗博司，《超弦理论》
Cox和Forshaw，《The Quantum Universe》
Goswami，《QuantumCreativity: Think Quantum, Be Creative》（中文版 《量子创造力》）
【6. 认知科学/脑科学/遗传相关学习资源书单】
在人工智能和量子力学方面取得长足进步后，人们必将触及到认知科学，因为只有更好地了解我们自己（的智能），才能开发出更高级的人工智能。认知科学/脑科学/遗传相关书籍推荐：
科斯林，《上脑与下脑：找到你的认知模式》
布鲁斯·罗森布鲁姆，《量子之谜：物理学遇到意识》
Boden，《Mindas Machine: A History of Cognitive Science》
Kaku，《The Future of the Mind: The Scientific Quest to Understand, Enhance, and Empowerthe Mind》
Laszlo，《The Self-Actualizing Cosmos: The Akasha Revolution in Science and Human Consciousness》
Dawkins，《TheSelfish Gene》，《The Magic of Reality: How We Know What's Really True》
Mukherjee，《TheGene》（比尔盖茨推荐）
Pinker，《The Better Angels of Our Nature: Why Violence Has Declined》，《How the Mind Works》
Ridley，《Genome:The Autobiography of a Species in 23 Chapters》（查理芒格推荐）
Carey，《The Epigenetics Revolution: How Modern Biology Is Rewriting Our Understanding of Genetics, Disease, and Inheritance》（中文版 《遗传的革命》）
Radin，《EntangledMinds: Extrasensory Experiences in a Quantum Reality》（中文版 《纠缠的意念》）
Paul Davies，《The Matter Myth》（中文版《物质神话：挑战人类宇宙观的大发现》）
Johnson，《MindWide Open：Your Brain and the Neuroscience of Everyday Life》（中文版 《心思大开》）
Doidge，《TheBrain's Way of Healing》，《The Brain That Changes Itself》（中文版《重塑大脑，重塑人生》）
Bohm，《Wholeness and the Implicate Order》（中文版《整体性与隐缠序——卷展中的宇宙与意识》）
Lanza和Berman，《Biocentrism》（中文版《生物中心主义：为什么生命和意识是理解宇宙真实本质的关键》）
一些网站和微信公众号：https://www.quantamagazine.org/，量子科学公众号
其它相关书籍：
诺奖得主Roth，《Who Gets What》
诺奖得主Tirole，《Economics for the Common Good》
Rachel Botsman，《Who Can You Trust? : How Technology Brought Us Together and Why It Might Drive UsApart》
Kevin Kelly，《失控》，《The Inevitable: Understanding the 12 Technological Forces That WillShape Our Future》
Jon Gertner，《TheIdea Factory: Bell Labs and the Great Age of American Innovation》
霍金，《时间简史》，《大设计》
总的来说，从之前的铁路到互联网，电子计算机再到如今人工智能，区块链和比特币，几乎每一样新科技都会引起人们的骚动。著名的“新科技炒作周期”（The Hype Cycle，下图）生动地告诉了我们：“人们总是在短期高估而长期低估科技能力”。老实说，没有人知道人工智能，区块链，甚至量子计算机将如何发展以致改变这个世界，但这并不妨碍我们现在去了解它们。
正相反，这种不确定性迫使我们更要时刻把握发展的最新动向。只有在深入了解这些新科技之后，我们才会有一个客观的判断（比如，机器学习大牛Jordan对人工智能的看法，见【16】）。这个客观的判断可以帮助自己保持清醒的头脑，避免由新科技引发的盲目狂热或恐慌。
（图3：新科技炒作周期图）
更进一步，我们可以利用这个判断来扬长避短，提升相关技能，才不至于被颠覆性（disruptive）的浪潮拍死在沙滩上。而且不但自己受益，还可以帮助下一代。比如，人们之前普遍认为是“金饭碗”的会计，审计，口译，甚至律师，理财顾问等行业，将来会大部分甚至完全被人工智能和区块链所取代。如前文所述，这些工作的特点是操作重复度高或工作内容容易被预测，不需要主观创新。我最近常和朋友开玩笑说：“为了对冲事业上的风险（career risk），做会计的最应该买比特币。”因此，孩子们在培养技能或选择专业时，类似这样的“雷区”就是我们要提醒他们避免的。
上升到国家的层面也是如此。中国经济在转型，产业在升级，靠得就是新的科学技术+配套政策。各行各业由于性质不同，受到的冲击也会不同。做行业预测时，肯定要把这些新科技带来的影响考虑进去，更重要的是，我们的思维模式随着新科技而升级才能领先别人找到新的投资/创业契机。正如我们之前所看到的，得益于互联网的虚拟网店如亚马逊和京东把实体店逼入了绝境，而移动互联网的兴起更是催生了“共享经济”。
注：由于准备时间仓促，书单可能不完整，而且有些耳熟能详的书我就不列出来了，比如，《快思慢想》，《The Signal and the Noise》，Thaler的书等等。在已列出的书中，有些我已经看完，有些看了部分章节，有些正打算开始看。不管怎样，我会按照前文所介绍的“多读，多写，多实践”的方法来尝试构建我自己的“准专业”知识体系，开阔思维。
五．夜话！
我对金融投资和市场的看法：
“一价定理”（Law of One Price）
和 “天下没有免费的午餐”
我观察金融市场的思路总结起来主要有两条：“一价定理”（Law of One Price）和 “天下没有免费的午餐”。“一价定理”在金融学中的用处特别大，因为它支撑起了金融交易中的“对冲”机制。后者是说，人们要想取得收益，就必须承担风险，而且是系统性风险（systemic risk）。如果承担非系统性风险（idiosyncratic risk），则无任何益处。并且，人们承担的（系统性）风险越大，作为补偿的因子风险溢价（factor risk premium）也越大。
1.我观察金融市场的两个主要思路
我曾在我的Smart Beta策略的帖子里总结过我对金融投资和金融市场的看法（见【17】）。我想借这次访谈的机会再展开说一下。
我观察金融市场的思路总结起来主要有两条：“一价定理”（Lawof One Price）和“天下没有免费的午餐”。
先说第一个。“一价定理”很容易理解：如果两个东西的回报一样，那么它们的价格也应该一样。它也可以理解为“不存在套利机会”（no arbitrage）。这个假设和经济学中的一般均衡理论有一定的联系。如果市场达到一般均衡点（general equilibrium），就一定不存在套利机会。但反过来，却不一定。
“一价定理”在金融学中的用处特别大，因为它支撑起了金融交易中的“对冲”机制。当年，Fisher Black 和Myron Scholes两人就是因为发现股票和债券与对应的股票期权之间的对冲关系，而推导出了Black-Scholes期权定价公式（见【18】）。而且，由于我们卖出若干份期权来对冲1份股票的风险，可以得到如同国债一样的无风险回报，这个对冲关系暗含了所谓的“风险中性测度”（risk-neutral measure，或称 Q measure）。
这个“风险中性测度”是数学家们想象出来的世界（或称一种概率分布）。在那里的风险溢价为零，只是为了计算方便，但它却帮了我们的大忙。统计套利策略原本的中心思想正是建立在此之上：如果真实市场里的价格偏离了“风险中性测度”中的模型（一般基于布朗运动）提供的价格，而且如果我们认为这两者最终会趋于统一，那么我们可以制定策略进行套利。
在我看来，造成一价定理出现偏差的原因很多时候要归咎于人的行为偏差。我们需要通过套利来消灭可套利机会，使得金融市场的有效性在长期得到保持。虽然，“一价定理”只存在于理想世界中，但它使我在观察真实的金融市场时有了一个重要的参考点，尤其是在长期。
再来谈一下“天下没有免费的午餐”这件事。这里说的意思是人们要想取得收益，就必须承担风险，而且是系统性风险（systemic risk）。如果承担非系统性风险（idiosyncraticrisk），则无任何益处。并且，人们承担的（系统性）风险越大，作为补偿的因子风险溢价（factor risk premium）也越大。
无论是多因子策略还是smart beta策略，它们的回报来源于所持有的各种因子风险敞口（factor risk exposure）。而且，由于不同因子的风险敞口不同，它们带来的回报也不同（比如，回报到来的时间和回报的大小）。又比如，在对冲基金行业中，虽然有少数几个耳熟能详的明星基金，但大多数基金取得的高收益不是来自“对冲”，而是因为承担了高额的风险（见【19】）。
而且，这个溢价是随时间变动的（time varying），我们不知道何时能够得到补偿。这也是为什么巴菲特不断鼓励人们不要在意一时的得失也不要随意改变投资风格，而要做长线投资。只有这样获得溢价补偿才是大概率事件。巴菲特本人就用他大半生的经历来证明这个理念的正确性。
研究已经表明我们之前认为了不起的alpha（超额市场回报），很可能只是一些特殊的beta（市场回报）。而各种风险因子就为我们揭示了其中一些beta。在我看来，这些因子为我们提供了不同的角度来观察金融市场，比如，地域，行业，市值大小等。这里着重讲一下动量和反转因子，以及ESG因子。
动量和反转等因子把人在金融市场上的行为缺陷曝露得一览无余。2017年诺奖得主Thaler（赛勒）和De Bondt教授发现了投资者倾向于过度反应的行为偏差（见【20】）。接着，Jegadeesh和Titman两位教授由于怀疑“过度反应”这种行为偏差的存在，“一不小心”发现了“动量因子”（见【21】）。
虽然，对于动量和反转等风格因子的成因至今还未有定论，但它们在各个金融市场和各类资产的存在的范围之广（见【22】，【23】），历史之长（见【24】），使我们不得不怀疑这是由参与者自身的缺陷（即投资者的行为偏差）造成的。为了解释动量因子的成因，好些个行为金融理论被发展了起来，包括前景理论，处置效应，推定预期等（见【25】）。
另一方面，最近新流行的ESG因子（环境，社会责任，公司治理）的切入点则是企业的道德和可持续发展。美国著名指数公司MSCI是这个领域的开拓者。该公司有一套完整的ESG评估系统，可以对其指数内的所有上市公司进行相关评级。这对数据的质量和数量的要求都很高，因为它要通过数据把公司在公众场合的道德印象给量化。这种量化是多方面的，比如客户投诉率是否高于平均水平，董事会是否有独立性（关联交易数量），公司文化是否有包容性和多样性（董事会中女性成员数量），等等。当然，公司财务报表分析一直是衡量公司可持续发展的重点。而且，有意思的是，一个公司在道德上的倒退往往与会计指标的恶化有联系，于是成为股价下跌的前兆（见【26】）。
2.如何选择适合我们的金融产品？一定要注意“费用”的损耗！
低费用的ETF的出现给被动投资添上了翅膀，并把主动投资逼下了神坛。目前掌握着金融市场大部分资金的机构投资者（institutional investors），比如养老基金，大学捐赠基金，资产管理公司，保险公司等都在转向被动投资。而智能投资顾问也乘着被动投资的东风而蓬勃发展起来。
这里值得注意的是，对于主动投资产品的提供者（比如，资产管理公司，投资银行）来说，主动投资业务的萎缩意味着可收取的管理费用大幅减少，因此他们会挖空心思地在被动投资里做文章。Smart Beta ETF的走红就与这个有关。以美国为例，他们的推销套路大致是这样的：“我们的策略是被动投资里带着点主动，两边的好处都能沾上点。是不是很smart？可是，这么好的东西我不能白给你，你得多付钱才行啊”。这时，不明真相的我们就有可能上钩，但其实这些ETF和普通的因子ETF区别不是很大，因为它们的风险敞口相似。
顺着我在开头提到的那两个思路，在理想情况下，如果两个同类金融产品承担的风险相同（假设非系统性风险已被分散，只包含系统性风险），那么它们的长期回报应该一样，价格也因此应该一样。如果是这样，那么我们应该选择费用最低的那个金融产品。换句话说，如果两个同类产品的费用不同，我们就要搞清造成差异的原因，是由于潜在的收益不同（包含的风险不同），还是利用信息不对称收取高费用，还是其它原因。
换句话说，我们在选择同类金融产品时，应该先留意一下费用，不管你是自己操作（LOF，ETF，等等）还是交给专业人士打理（基金，私募，或智能投顾，等等）。这里的费用指的是一切费用，包括税费，管理费，等等。有些金融产品在长期可能有一些潜在的优势，但也无法弥补较高的费用带来的损失。巴菲特所推崇的“滚雪球”（复利效应）可以使小投入产生让人意想不到的大回报。但另一方面，在费用上的“雪球”也可能越滚越大，有时大得让你“意想不到”。可惜的是，后者往往被人们忽略，造成坑人于无形。
在同一个市场内，我们可以用代表整个市场的ETF的费率作为参考点。以中国为例，上证50ETF的费率为0.5%（管理费）+0.1%（托管费），在二级市场买卖无需支付申购赎回费用。而传统开放式基金的管理费一般在1%~1.5%，加上托管费0.25%左右，另外还有1%的申购费和1.5%的赎回费。在税费方面，买卖和申购赎回ETF可免印花税，分红免缴所得税。所以，如果买了传统基金，什么事没做，先输给ETF几个百分点。
至于这两者未来的风险调整后收益（扣除费用前）孰高孰低，就见仁见智了。由于风险敞口相似，对于传统基金，我们一般总能找到相对应的一个ETF或多个ETF的组合。
另外，我们还需要了解自己的投资所包含的风险。指数ETF的风险比较好把握，因为因子的风险敞口比较固定。但越来越多的主动型基金被包装成ETF，以赚取较高费用。这些产品不跟踪任何指数，所以，它们的风险就比较难掌握。这条建议在如今的时代显得尤为重要，因为我们以前一直认为主动型基金是由人来管理投资组合，而现在，机器人也来参与了。
最近，一个号称全球首支由人工智能控制的ETF在美国上市了（代号AIEQ，见【27】）。与只有简单程序和固定操作的智能投顾不同，这支ETF的基金经理机器人能处理大数据，并把机器学习运用到基本面分析和技术分析上来进行投资。这个投资方法听上去很“高大上”，而且收费也可以接受（0.75%）。但深究一下发现整个决策过程就是“黑箱操作”，我们不知道机器人是如何思考的，也就无从得知产品的策略和风险。（其实这正是人工智能现阶段的特点。由于我们只看到人工智能输出分析结果，但不清楚背后的逻辑，这种“黑箱操作”使我们人类觉得机器好像有“智能”似的。）它可以稀里糊涂地赚钱，也可能莫名其妙地输钱。类似这种产品是我们吃瓜群众要避免的。
【全文书单7：关于资产配置与投资相关学习资源书单】
以上建议是针对长期的系统性资产配置，可能不适用于个股或短期投机。我在下面列出了一些关于资产配置的书籍，我自己从中受益不少，感兴趣的同学可以看一下。资产配置与投资相关书籍推荐：
Andrew Ang，《AssetManagement: A Systematic Approach to Factor Investing》
Meb Faber，《ShareholderYield》，《Global Value》，《The IvyPortfolio》，《Global Asset Allocation》，《Invest with The House》，《The Best InvestmentWriting》
Grinold和Kahn，《Active Portfolio Management》
David Swensen，《PioneeringPortfolio Management: An Unconventional Approach to Institutional Investment》
James P. O'Shaughnessy，《WhatWorks on Wall Street》
Berkin，《YourComplete Guide to Factor-Based Investing》
Antti Ilmanen，《ExpectedReturns: An Investor's Guide to Harvesting Market Rewards》
Lasse Heje Pedersen，《EfficientlyInefficient: How Smart Money Invests and Market Prices Are Determined》
Wesley Gray，《QuantitativeValue》，《Quantitative Momentum》，《DIY Financial Advisor》
Rob Arnott，《TheFundamental Index: A Better Way to Invest》
Carl Richards，《TheBehavior Gap》，《The One-Page Financial Plan》
Brett Steenbarger，《ThePsychology of Trading》，《Trading Psychology 2.0》
总结
这次访谈其实是我个人在新时代来临之际的一次反思和自省。我把反思所得写下来，日后可以常常提醒自己。如果碰巧你读了之后有所启发，那就让我们共同进步吧。欢迎大家来交流。最后，简单总结一下：
· “一价定理”（Law of One Price）和“天下没有免费的午餐”是我观察金融市场的两个主要思路。
· 我们在选择同类金融产品时，应该先留意一下费用。
· 人与人最大的差别就是思维模式上的差别，没有哪个时刻比现在更需要开阔的思维。
-
开阔思维首先需要克服人性的弱点，培养一个谦虚好学的态度。
-
然后建立准专业知识体系，广度与深度兼顾。
-
在信息碎片化时代，要多读，多整理，多写，多实践才不会迷失方向。
-
我们所处的时代就是我们的命运。可以尝试先在代表新时代的人工智能，物联网，区块链，大数据，和量子力学等新兴领域中开阔思维。
每当时代变革时，大部分的人都出于本能站在十字路口徘徊张望。我想对他们说，不要犹豫了，前进吧！拿出自己的才华、勇气、求知的信念与决心去驾驭新时代的浪潮。当别人对新事物熟视无睹的时候，我们却可以见微知著。当别人开始大惊小怪的时候，我们早已升级了思维模式，见怪不怪了。否则，我们这次错过的是比特币，下次错过的可能就是自己理想中的工作，事业和美好的生活。
全文参考文献总索引清单
1.http://www.8btc.com/bitcoin-2018-40000
2.https://zhuanlan.zhihu.com/p/31103766
3.http://finance.sina.com/gb/tech/sinacn/20171127/23141679246.html
4.A Crypto Fund King Says Bitcoin Will Be the Biggest Bubble Ever，https://www.bloomberg.com/news/articles/2017-09-26/mike-novogratz-is-set-for-comeback-with-crytocurrency-hedge-fund
5.https://www.reuters.com/article/us-cme-group-bitcoin/cmes-melamed-sees-bitcoin-becoming-new-asset-class-idUSKBN1D712M
6.The Decentralized Derivatives Association (DDA), https://www.decentralizedderivatives.org/
7.Bitcoin Obituaries，https://99bitcoins.com/obituary-stats/
8.大型对冲基金考虑进入比特币市场，华尔街日报，http://cn.wsj.com/gb/20171221/fin143951.asp
9.https://cointelegraph.com/news/bloomberg-goldman-sachs-to-setup-cryptocurrency-trading-desk
10.Christine Lagarde，Central Banking and Fintech—A Brave New World? https://www.imf.org/en/News/Articles/2017/09/28/sp092917-central-banking-and-fintech-a-brave-new-world
11.The rise of Bitcoin was predicted by Nobel Prize winning economist Milton Friedman，http://www.dailymail.co.uk/sciencetech/article-5000260/Bitcoin-predicted-Milton-Friedman-18-years-ago.html
12.蔡垒磊，为什么人人都该买点比特币？，2018/1/4
13.Machine Learning Books Suggested by Michael I. Jordan from Berkeley，http://www.statsblogs.com/2014/12/30/machine-learning-books-suggested-by-michael-i-jordan-from-berkeley/
14.The Tangle – IOTA，https://iota.org/IOTA_Whitepaper.pdf
15.Yale Professors Race Google and IBM to the First Quantum Computer，New York Times，https://www.nytimes.com/2017/11/13/technology/ quantum-computing-research.html
16.Michael I. Jordan：人工智能的研究机会和挑战 http://www.sohu.com/a/165017892_99940985
17.对于目前流行的量化投资与smart beta策略的一些看法，https://bbs.pinggu.org/thread-3151691-1-1.html
18.Black and Scholes，The Pricing of Options and Corporate Liabilities，Journal of Political Economy，1973，Vol. 81, No. 3
19.如何复制对冲基金的成功？，https://bbs.pinggu.org/thread-3135025-1-1.html
20.De Bondt and Thaler，Does the Stock Market Overreact?，The Journal of Finance，1985，Vol. 40, No. 3
21.Jegadeeshand Titman，Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency，The Journal of Finance，1993，Vol. 48, No. 1
22.Asness，Moskowitz，Pedersen，Value and Momentum Everywhere，The Journal of Finance，2013，Vol. 68, No. 3
23.Stefan Hubrich，An Investigation of Factor Based Investing in the Cryptocurrency Space，SSRN，October 2017
24.Geczy and Samonov，Two Centuries of Price Return Momentum，Financial Analysts Journal，2016，Vol. 72，No. 5
25.浅析动量因子，https://bbs.pinggu.org/thread-2986322-1-1.html
26.Friede，Busch，Bassen，ESG and Financial Performance: Aggregated Evidence from more than 2000 Empirical Studies，Journal of Sustainable Finance & Investment，2015
27.http://www.equbotetf.com/about-aieq/
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
