所以說做的人這麼多，比較飽和，應該使量化投資這個行業不管是現在，還是接下來的發展都非常有挑戰吧？
對，就是做的人多。所有領域的挑戰就來源於同業做的人多。比如你要做得好，等著別人被震下去，等著別人被淘汰掉，你就可以存活了，無非就是這樣子。在國內可能還有一點，就是因為中國人喜歡一窩蜂，不像老外對競爭比較回避，他們有意識地主動回避，他們的詞彙中沒有精益求精、薄利多銷、愚公移山這些成語，但中國人有。所以我們將來可能惡性競爭的激烈程度更大，做得不是很好的人會被更快地淘汰掉，做得好的人在競爭中忍受的磨難也更多。
另外投資者對量化投資不了解，以及一些不切實際的期望，都是將來對量化投資的一些考驗吧。
不過，在我們的行業中，每個人的背景不一樣，看問題的角度也會有所不同。
同樣是量化方法，俄羅斯導彈學家的建模和一位科班出身的金融博士的建模就不一樣；再者，每個人所能挖掘到的因素也會不同，就像挖礦，同樣是用係統性的方法去挖，結果有人挖得到，有人卻挖不到；另外，每個公司的風險偏好也有差異，有的公司風險偏好較高，它就會去賭係統性風險，而有的公司完全不喜歡風險，就不會去賭任何的係統性風險。總之，在切入點、挖掘因素的方向以及風險承受力方麵存在的差異，導致每一家公司雖然相關性很高，卻並不完全相同。
我們經曆了各種風浪，經曆過了全球各個市場，也看到了各類模型在各個市場裏如何趨於飽和和失效，在各種驚濤駭浪裏衝過來了，應該是比較能夠麵對這些未來的挑戰的。
過度的數據挖掘大多是海市蜃樓你之前說過有一句話叫“過度的數據挖掘大多是海市蜃樓”。
對，基本上就是這個意思。我們這個領域很大一部分被淘汰掉的人是因為數學太好，這個聽上去有點奇怪吧。因為他們喜歡過度挖掘數據。並不是說數學越好的人越能夠在這個領域成功，事實經驗完全不是這樣子。在這裏邊海市蜃樓非常之多，所以導致很多作量化投資的人在剛進來的時候，他會受這種海市蜃樓之害，因為在很多數據上麵，比如說反轉交易，你隨便拿一個數據，即使美國現在這麼有效的市場，你拿股票收盤價分析，你也可以發現有反轉的現象。但這些簡單模型在實戰中根本無效。很多沒有經驗的、剛入行的、統計知識好的人一看，就說這個東西能賺錢。
所以是害了這些數學好的人。
他們如果以此作為事業選擇的一個判斷依據，他們就會把自己害得很慘，他會看到海市蜃樓，然後他們去忽悠別人，或者被別人忽悠，就不再繼續學習了，然後自己去單幹了，會發現最後原來賺不到錢。當他們賺不到錢的時候，他們很難自己想明白，除非有人指點他們，到底他們為什麼賺不到錢。他們一定認為這個係統錯了，數據錯了，交易上有問題，等等。實際上有些東西根本就不在那兒，再怎麼樣聰明的交易方法也抓不住。所以對年輕人來說一定要有耐心，看看清楚，要有一個比較好的方法，否則老是被這個海市蜃樓折磨，老是覺得自己這麼聰明，為什麼賺不到錢。我們周圍有這樣的人，雖說是名校畢業的博士，然而老是為海市蜃樓所苦，老是覺得自己發現這個模型很好，到處給別人說要不要試一下，最後真的讓他試他也賺不到錢，十幾年下來都是如此。
如果從全世界的角度來看，量化投資幾十年前開始興起，現在來看全世界通過量化投資所管理的資產規模，還有它在投資行業所占的比例，還有很大的發展空間嗎？
已經基本上穩定了，沒有什麼大的發展空間了，就這樣了，除了像中國這樣的新興市場以外。任何一個行業發展了十幾、二十年就基本上飽和了，量化也基本飽和。量化整體還會漲，它跟整體股市漲的幅度差不多的。它這塊餅的比例已經確定了，就是它作為人腦投資的一種補充，可能現在是70%的資產是靠人腦的判斷，30%是靠機器的判斷，但是已經確定了，沒有辦法顯著性地更大。實際上很多大的買方公司，隻做多的公司，你隻要看人數相對資產規模比例低的公司，它一定是已經用了量化的。它沒有辦法去一個一個公司地看，管不過來。然後每年收益比指數跑贏一個點、兩個點就不錯了，很多公司都是這樣。所以我認為在全球範圍裏基本上已經到了瓶頸，那麼新型市場中，像巴西、阿根廷、印度、中國，你說有機會嗎？肯定有，因為有壁壘。但是壁壘一旦消除，聰明人眼睛都盯著它，飽和得也會非常快。中國將來就會這樣。