大致写一点对于市场的理解，这些理解有些是自己的理解，有些则是出自某些值得尊敬的前辈的经验。 1、数据的平稳性和均值回归 从时间序列数据的性质来看，可以分成平稳和不平稳两种类型。对于平稳的数据而言，存在明显的mean-reversion.而后者，则不存在mean-reversion. 这两类股价的数据实质上对应着两种投资理念：价值投资和成长型投资。 价值投资，尤其是最原始的格林厄姆式价值投资，其逻辑基础正是建立在mean-reversion之上。对于平稳的数据而言，股价最终会回归到其均值之上。但是，这一判断的前提，股价会继续服从平稳性假设，则是一个需要对于公司进行极其深入的研究后，才能得到的判断。这并不简单。当确定了股价会继续服从平稳性假定，也即公司的基本面会好转或者至少不会恶化的时候。则可以在偏离均值1个乃至两个标准差内买入。在高于均值一个乃至两个标准差内卖出。 而成长型投资，则对应着不平稳的数据，用felix的话说，进行此类价值投资，犹如在人群中寻找凯撒，凯撒是很难碰到的。一旦碰到，则可坚定的采用买入并持有的策略。但是世界上的凯撒，没有几个。所以买入并持有这种战略，只能是特例。如果你不是巴菲特，没有一双发现凯撒的眼睛，还是不要尝试这种策略了。 巴菲特说，他是85%的格林厄姆+15%的费雪，其原因可能就在于，凯撒实在是太难找了。 2、从分位数回归到价值投资 分位数回归是肖志杰老师及其合作者在最近提出的计量技术，我并不是很懂这个计量技术。但是其背后的思想，却给我极深的启示。简单的说，分位数回归背后的思想是：价格的分布会随着价格的改变而改变。 当股价极高或者极低时，未来的价格的分布并不是一个正态分布，而是一个肥尾分布，不同的是，股价极高时，那是一个左肥尾分布，出现暴跌的概率相对较高，而暴涨的概率相对较低。当股价极低时，那是一个右肥尾分布，出现暴跌的概率较低，而暴涨的概率相对较高。 传统的使用标准差来度量风险的方法之所以不靠谱，其危险性也就在这里，他忽视了当股价处在极端状态时的肥尾特性。当然，在日常的状态下，股价还是大略服从正态分布的。 价值投资的逻辑也正在于利用股价极低时的右肥尾特性。