1
我是大道至简的信徒。大道至简在中国的传统文化中有很多经典的诠释，比如老子在《道德经》中说万物之始，大道至简，衍化至繁。比如禅宗的三祖僧璨大师在他著名的《信心铭》中提到，至道无难，唯嫌拣择。
不过，如果你仅仅知道大道至简的理念，其实对现实层面的指导是有限的。在现实的工作生活中，你往往遇到的是复杂的局面，怎么去简化呢？用什么样的方法论？这些都是实际的问题。
在多年的实践中，我慢慢有了一个认识：尽管大道至简的理论听起来是极美的，令人神往的，但是在现实生活中你往往需要遍历过复杂性之后，才有可能做到大道至简。
也就是说，一个一无所知的人是不可能坚守简单的，因为复杂对他的诱惑实在太大了。用一个经典的例子的诠释，比如有一个人从小在庙里修行，没有经历过红尘的诱惑，即使他修行到心如止水，但是这种淡定可能是经不起诱惑的。就像歌里唱的，山下的女人是老虎，一旦他下山了，之前的修行可能就会动摇。这也是《色戒》里讲过的故事。
所以，真正的简单并不是一开始的简单，而是遍历复杂性之后重新回归的简单。那样的简单才是跃升了一个层次的简单，也才是能够守得住的简单，也就是高维的简单。
因此我曾经提出来一个观点叫做认知升维，手段降维。我们看起来的简单是指手段降维之后的呈现，但是，这个背后是认知上的升维，这个才是根本才是原因。如果认知升不上去，那么你的行为的复杂性就降不下来。
这就是普通人跟高手的差距。
2
大约在两年前，有一次跟李国飞兄聊天，谈到这个问题，他提出了一个观点——大道至繁。
他的意思是说，只有先经历过大道至繁，才有可能最终做到大道至简。这跟我之前体悟到的，要遍历复杂性之后，才能悟到简单守住简单，是相互验证的。
但是他的话依然对我有一些新的启发。
从先后顺序来说，我们不要一开始追求简单，那是水中月镜中花，是求不到的。我们还不如一开始就旗帜鲜明的追求复杂，当经历过足够复杂之后，在某一个顿悟时刻，简单的算法也许会自然呈现出来。
或者我们可以这么理解，大道至简是一种算法，但是这个算法的输入端却要求有大量复杂性的输入，这听起来是个悖论。但世间的很多事，本就是悖论。
当然，当我们把时间线拉长，这个悖论就不是真正的悖论，而是次第。是有先后顺序的。
先繁而后能简。
3
这几天读了一本书，德国社会心理学家格尔德·吉仁泽的《风险与好的决策》。
书中，作者关于简单和复杂的论述，有些意思。
我摘录一些如下：
传统的想法是用复杂的分析解决复杂的问题，其中一种工具就是营销专家发明的Pareto/NBD模型（一个描述客户重复购买行为的模型）。该模型可以计算出每位顾客的活跃度，这正是公司梦寐以求的信息。但是，令很多营销专家沮丧的是，管理者往往不采用这个模型，而使用根据个人经验总结出的简单经验法则。比如，一家全球性航空公司的经理们依靠的是“过去最近一次购买”法则。
如果一个顾客有9个月或更长时间没有采取购买行动，就可将其归类为不活跃顾客，反之则为活跃顾客。
这条简单法则只关注一点：最近一次购买。目前，飞行常客项目和服装零售商都在使用这条法则。这条法则难道不是太过简单了吗？它忽略了顾客的购买数量、购买时间间隔等Pareto/NBD这类复杂工具详细分析的所有信息，也没有进行精确的计算。使用这条法则似乎表明人们并没有理性地做出决策，因为他们的认知能力有限，无法处理所有必要的信息。那么，有一条好理由能比得过其他所有理由和精确的计算吗？
两名商学院教授做了一项聪明的研究，目的是证明复杂方法胜过简单法则。他们计算了一家航空公司、一家服装零售商以及在线CD零售商“CDNow”使用复杂方法做出准确预测的次数，与简单法则做出准确预测的次数进行比较。但是，研究结果却与两位教授的预期不同。在2/3的情况下，简单法则的速度更快，所需信息更少，也更加精确。对那家全球性航空公司而言，简单法则的预测准确率为77%，而复杂方法为74%（图6–3）。对服装零售商而言，简单法则更有效，预测准确率高达83%，而复杂方法为75%。对在线CD零售商而言，简单法则和复杂方法的预测准确率相同，都是77%。这项研究未能证明两名教授所认为的信息越多越好的原则，我把他们的发现称为“少即是多效应”。
少即是多只是一次性现象吗？答案是否定的。有20项研究比较了两种简单法则和一种被称为“多元回归”的复杂方法，平均结果如图6–4所示。
多元回归在商业预测领域的应用很广泛，比如预测下一年的销量。预测时，该方法会对每个原因的重要性进行加权。研究涉及的第一条简单法则叫作“计数法则”，它强调公平地看待所有原因，就像1/N法则平等地对待所有投资产品一样。第二条简单法则叫作“最好原因法则”，这是一种只考虑一种原因的法则，与“过去最近一次购买法则”类似。从这条法则的名称我们可以看出，它做预测时只依赖于最好的那个原因。
这里，我们还需要记住已知风险和不确定性之间的区别。已知风险对应的是后见之明：我们知道所有的细节（比如去年的销售数据），因此能够对其原因进行解释。就“预测”过去的事情而言，研究显示复杂方法更有效。但是，当涉及不确定的未来（比如明年的销售数据）时，两条简单法则都比复杂方法有效。
4
吉仁泽的论述引发了我一些新的思考，事实上我们在用量化的方法做投资研究的过程中，就遇到大量的简单与复杂的问题。
举个例子，假如有一个策略，在过去几年的回测曲线看起来不错，但是最大回撤有点大，比如最大回撤是20%，这个时候我跟团队的小伙伴说，有没有办法把最大回撤降到15%以内呢？
当我提出这个目标，小伙伴就会去想尽各种办法，比如加过滤条件，参数优化等等方式，经过一段时间努力他可能真的做到了，把历史曲线做的更加漂亮了，最大回撤真的到了15%以下，甚至收益还没有牺牲，看上去是一个完美的提升。
但是这样的优化真的有意义吗？
我们在实践中就曾遇到这样的例子，非常漂亮的历史曲线，然而在未来的行情中，这样的策略并不那么好用。
如果用简单而复杂的理论来解释，那么在本质上，做历史回测曲线的过程只是在解释历史。所以，当我们做出一条漂亮的历史业绩曲线，这只是说明我们完美的解释了历史。而当我们去解释历史的时候，就很容易不由自主的进入复杂性的怪圈，因为模型和方法越复杂，你就越能够完美的解释历史。
想象一下，如果你只用一个因子去解释历史，它是非常粗糙的，但是你不断的增加因子，当因子增加到100个甚至更多的时候，你几乎可以解释历史上发生的一切。但是这样的复杂系统对你预测未来会有帮助吗？
答案是很可能没有帮助。
因为历史是确定的，面对确定的信息，复杂性有优势。把模型的复杂性推到极致，当你穷尽所有的因子，就能完美的100%的解释历史。
但是未来是不确定的，某种程度上是不可测的。当你面对极度不确定的环境，一个复杂的系统就失去了它神奇的功能。即使有了一个100个因子的系统，面对未来的时候你怎么去分配因子之间的权重，并没有完美的方法。
这个时候反而是简单的法则，在面对未来的时候，更加有用。
用一句话来总结就是，复杂的模型适用于解释历史，而简单的法则更适用于应对未来。
5
那么你也许会问，为什么简单的东西就更适合于应对未来呢？
首先这里面有一个假设，如果过去和未来是连续的，那么复杂的东西是可以继续适用的。但是在现实世界中，过去与未来之间有时候是连续的，有时候是非连续的，有时候会断裂或者跳跃式，就如东非大裂谷一般。一旦出现跳跃，那么整个复杂模型就会崩塌和失效。
越是复杂的东西对外界条件的依存度就越高。比如说，人是一个极其复杂的生物系统，人对于生存的各种条件，氧气，温度，食物等等依存的条件是非常高的，远高于其他动物。
当年恐龙之所以灭绝，也是因为恐龙这个物种对外界的依存度太高了，一旦外界环境发生巨变，它就无法继续生存。
但是有很多简单的物种能够在地球上生存数十亿年。比如海藻，比如单细胞动物等等，他们就是因为更简单更朴素，对外界的条件的依存度没那么高，就容易穿越未来。
这个部分，王东岳先生在《知鱼之乐》和《物演通论》中有过精彩论述，这里就不展开了。
我们再说说另外一个有趣的人。
6
相信你认识他——李小龙。
我原来对李小龙并不了解，印象中无非就是一个传播中国武术的演员。但是最近在朋友英子的推荐下读了李小龙的一本书，《生活的艺术家》，对他有了焕然一新的，甚至颠覆性的认识。
李小龙绝不是一个演员那么简单，他是一个武术家，更是一个哲学家，他对很多事物的认识非常深刻。
关于功夫的修炼，他提出了一个三阶段论。
功夫的修炼有三个阶段：初级阶段、艺术阶段以及“无艺术”的阶段。
在初级阶段，习武者对武术中的搏击艺术一无所知，天真无邪。在搏击战时，他只是本能地防御和攻击，而不知道什么是对，什么是错。尽管他不懂什么是科学搏击方法，但他显示出的是本真的自己。
第二阶段是艺术阶段，也就是功夫训练的开始。有人会教他各种各样防御和攻击的方法，各式各样的踢腿、步法、移动、调整呼吸以及思考问题的技巧。毫无疑问，此时他对搏击有了一个科学的认识，但是遗憾的是，他同时也丧失了本真的自我以及自由的感觉。他的动作不再自然，他的思想也往往会在不同的动作之间，停下来思索和分析各种动作是否正确。更糟的是，他可能会被智力所束缚，而让自己游离于真实之外。
第三阶段，“无艺术”的阶段。经过多年严格而艰难的训练之后，他意识到，功夫终究没什么特别的，他不会再强迫自己去想招式，而是像压在土墙上的水一样，调节自己去适应他的对手——从最细微的裂缝里流过。这时他只要像水一样无形且漫无目的即可，其他什么也不用去做。没有任何事情掌控着他，他因此也就获得了自由。
这个三阶段，不正是从大道至繁到大道至简的过程吗？
最后，请允许我用李小龙的一段话来结束这篇文章，以表达对他的敬意：
让所有的训练随风而去，让心无知无觉地工作，让“自我”消失到无人知晓的地方，只有这样，截拳道才能达到尽善尽美的境界。
تم التحرير 08 Jun 2020, 09:46
إخلاء المسؤولية: الآراء الواردة هنا تعبر فقط عن رأي الكاتب، ولا تمثل الموقف الرسمي لـ Followme. لا تتحمل Followme مسؤولية دقة أو اكتمال أو موثوقية المعلومات المُقدمة، ولا تتحمل مسؤولية أي إجراءات تُتخذ بناءً على المحتوى، ما لم يُنص على ذلك صراحةً كتابيًا.
اترك رسالتك الآن