這本書主要是追蹤吳盛富的臉書才知道，才了解原來台灣有像葉怡成教授這樣非機構單位在做量化而且還匯總出了多本書。在現今越來越多 Smart Beta (中文叫指數加強基金)的 Index Fund 的現在，有這樣總結各種實驗的一本書算是可以幫助普及這方面的知識。不過這樣的東西並不是新的東西，最早就有 Fama French 的 Tri-Factor Model，算是把 CAPM 系列的模型拿出來冷飯熱炒賣給 Retail Investor。畢竟純量化在美國市場大概是已經競爭大到很難做甚至近乎失效，不過對於機構投資人是微利的東西而是可以把他包裝成低成本的指數型基金來賣給 Retail Investor 來加減賺，來趕上這股 Index Fund 的熱潮。書中的一些數據有參考價值，不過問過一些做量化的人就知道，回測的模型到實際使用還是有十分大的距離。所以對於 Retail Investor 的實際操作我是覺得並沒有實際效用，而且黑箱的模型沒有經過自己的思考，就跟海龜交易法的失敗的學員一樣，就算是獲利的模型沒有紀律去完全找模型操作的話，也是注定虧損的。黑箱模型對於心理博弈並沒有任何幫助，甚至是有害的。中國的 A 股也許指數加強還是有效的，但如果只是想做美股的話已經有一大堆便宜的 Smart Beta Index Fund 可以買了，覺得照市值加權的 Index Fund 不好的話已經有許多選擇，自己建模型的好處不大，而且你自己的資料源也不一定比那些機構強，好的資料源很貴，爛的資料源也只是 Garbage In Garbage Out。量化方面的角度對於個人投資人我覺得還是拿來做風控意義會比較大。能夠在中文書中有這樣的知識角度算是蠻難得的，還是值得稱讚一下。

Seth Klarman 的大作 Margin of Safety 大概已經算是經典中的經典了。一般對於經典我都是傾向看原文的，但由於英文版絕版都已經被炒到幾百美元一本，還是拿簡體翻譯的來看簡單划算。由於是經典其實裡面許多概念都已經被網路上各種文章摘要了大部分，其實整體來說讀完後獲得的資訊並沒有那麼多，比較多是回顧一些歷史對於寫作當時的市場狀況再做一次復盤，來模擬當時市場狀況的心理。當然裡面也有提到一些尋找機會的點，像是常見的 spin-off 還有一般基金不會關注小市值的企業或是價格太低的股票等等各種限制，都會是 Retail Investor 可以尋找的優勢。對於這些很多其他部落客或是 Joel Greenblatt 的書也都有寫過。

不過 Seth Klarman 一直是比較難抄他作業的 Big Whale，主要是他許多部位都在債券裡面，你看到他 13F 的 filing 你並不知道他到底是不是重倉。就像 Monish Pabrai 之前也說他現在美國的部位佔很小，所以就算是你看到他集中持股的部分可能佔他實際資產也並不是很大。

讀傳統流派的價值投資人工一個一個去篩選等等，跟前一篇寫的量化的作法一直是我在思考的。對於無法全職投資的人，特別是理工科出生的鐵定是對量化有所憧憬，加上這兩年興起的 Deep Learning 熱突然把傳統 Machine Learning 推到 AI 的最前沿，加深了許多理工科想要用量化戰勝市場的期待。如果能夠自動化的話，等於是全職領一份薪水然後又有被動的投資收入滾滾來。越對於這個問題深入思考就越覺得這對於 Retail Investor 是十分困難的。量化跟建模的門檻對於資料源還有研究甚至設備等等門檻並不比人工一個一個去研究低，許多細節會把你搞死而且定期調整跟維護的成本也不見得低，維護的同時你也無法完全消除人性的弱點，就是你必須相信你的模型。傳統研究產業的方式會落入更多人性跟情感博弈的陷阱，這是不及完全自動化的地方，但如果你能夠有意識的克制並消除，對於產業跟公司長久的研究，還是比起建模等等要容易許多，你可以直接挑簡單的下手並長久累積拓展能力圈。整體來講雖然人工辛苦但還是比起建模容易，反而容易因為熟悉而消除心理面的弱點。而情感博弈這種東西我認為還是能夠經過多次練習而佔優勢的。