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。