在任何市场中，投资策略均难以避免策略容量饱和与幸存者偏差加大这两个系统性风险。前者或许意味着需要结合策略容量程度，在部分投资策略间进行切换，并通过观察策略收益表现和历史盈利数据进行大致评价。而后者需要从统计学的角度出发，识别幸存者偏差的发生、降低偏差出现的比例并有效规避认知中的幸存者偏差习惯，从而改进组合投资策略，加强投资逻辑理性化。
幸存者偏差对投资的影响
“降低投资中的幸存者偏差，有助于保持业绩稳定性及可预见性。”
幸存者偏差，是一种常见的逻辑谬误。它是指人们只看到经过某种筛选而产生的结果，却没有意识到筛选的过程，因此忽略了被筛选掉的关键信息。当取得资讯的渠道仅来自于幸存者时，此资讯可能会与实际情况存在偏差。
例如，在市场广泛的研究分析过程中，我们针对成功的企业所具有的环境与条件通常会有较多的分析和总结，而对于那些经营失败的企业或是学习了成功经验但仍旧失败的企业却缺乏有效总结，这些失败了的企业更多会被解释为受周期因素、宏观因素等影响，这种简单的解释使我们无法通过了解该行业的竞争环境变化来预判企业未来的经营趋势。在调研中，我们发现，有很多企业主们对成功的认识并不能有效复制，这也较多地体现为一种幸存者偏差的观点，从而影响了调研的真实性。
在投资管理的过程中，投资人往往会根据已经形成或总结出的投资经验与规律进行拓展及应用。这些经验及规律不仅仅包含基本面分析的结论，也包含政策分析、技术分析等策略。在我过往的组合管理实践中，主要是通过“统计财务报表——建立主动投资选股模型——结合模型筛选进行投资标的相对优劣势比较” 这一系统筛选，进行长周期的投资。
然而，随着近几年市场参与者的多元化，单一策略市场容量过快饱和与幸存者偏差上升过快的现象加速显现，这种现象降低了以往投资方法论的年化业绩表现，为控制组合净值波动、稳定组合业绩带来了难度。而如何通过主动管理手段降低投资中的幸存者偏差，进而实现业绩的稳定性及可预见性，是我在目前投资研究过程中思考的问题。
识别幸存者偏差
“优质资产为收益之源，这是实现长期投资目标的核心。”
在影响股价的各种因素中，我认为微观层面的公司质地是一个决定性因素，着重于研究资产的盈利能力，有助于避免大小市值投资的主观偏差。这是因为企业的真实经营情况，会通过其自身的投资行为进行反应。在不同的宏观背景下，选择拥有资产还是保持现金，是观察和预判企业未来经营效果的一个重要指标。
从过往长期的研究案例来看，毛利率超过20%、ROE超过10%的企业，无论营收规模是大是小，都是值得重点关注的研究目标。而且，围绕这些评价指标，需要结合长期的数据进行相关性及方差检验，进而评价一家企业是否具备运营优质资产的能力。社会经济活动中的任何一种制造业，都能够通过产业分工形成更细分的产业链条，从理论上看，优质资产应当能被源源不断地提供和产生。通过模型分析，我们发现，尽管所处行业不同，但优秀公司、优良资产的ROE和增速都有着高度的相似性。
但落到研究上，企业真实的经营情况跟投资者眼中的企业会存在偏差。股票并不能完全反映基本面情况，这是因为资本市场还是基于惯性，从公司基本面和市场情绪两个角度进行投资，而后者往往对短期收益会有比较明显的影响。这两者之间没有对错之分，差别在于拉长了看年化收益率略有不同。
由此延伸出来的讨论是，在二级市场中，股票估值的“顶”与“底”，是由不同参与者的报价共同决定的。“底”更多地融合了产业投资者和一级市场投资人对资产价值的理解；“顶”则代表了最乐观的股票投资者对股票的交易热情。由此，我们会看到，不管行业是景气还是不景气，股票的价格都完全不成正比。正因为充分考虑了幸存者偏差可能导致的风险，我在构建投资组合时会尽量淡化行业性的标签。
我们的投资目标，是希望获取资产从被低估到合理重估的那部分收益，这个阶段反映了我们对经济活动的认知规律高效地转化成了投资行为。至于行业由景气向更景气的外延拓展、股价由价值重估向更猛烈的重估提升，可能并不是研究基本功带来的收益，而是正确判断市场情绪带来的收益，这部分收益是随机的。如果我乐观，就会被人收割，如果我悲观，就会卖飞。总而言之，我不希望追逐超越行业基本面的额外收益和额外风险，不需要在过度定价部分暴露过多风险，我所追求的是一个行业从不景气到景气的确定性的收益机会。
降低偏差出现的概率
“运用统计工具与人工智能分析工具，是降低幸存者偏差出现概率的方法。”
结合过往的投研实践，我们可以从两个方向对幸存者偏差的出现进行控制，其中一个方面是降低幸存者偏差出现的概率。运用统计工具与人工智能分析工具进行广泛的数据与信息处理，是降低幸存者偏差出现概率的方法。
一般来说，数据样本范围越广，越能够充分反映真实情况。由于以往的投资研究受制于统计样本和信息获取的工具效率不高，当研究总体数量巨大或者需要耗费大量时间和资源时，我有时会选择一部分样本进行研究，但这部分样本可能无法完全代表全部总体的特征，这种通过局部样本数据进行定性分析的投资策略，就比较容易形成错误的“预期差”。
金融是一个非常具有被AI颠覆条件的行业，因为它所有的专业技能都是标准化的。如果基金经理只在命题框架内做投资，视野会越来越狭窄，对于投资的理解和认知深度方面也会遇到挑战。近些年来，全球的经济环境和产业结构在发生变化，没有哪位投资人可以准确把握市场的脉络，所以需要依靠一些工具帮我们规避前文提到的风险。随着ChatGPT被广泛应用，我们能够借助开源的模型平台所提供的高效学习和处理数据的工具，并对研究结论和投资策略进行修正，从而提升投资策略的成功率。
2017年开始，我基于财务评价对所有行业及公司进行了模型化处理。在这几年的实践中，基于自身对行业研究和投资的思考，我对模型进行了多次优化及重构，并已形成对应策略。当前阶段，我的工作就是结合AI对行业公司的模型进行学习和迭代优化。我认为，优秀的模型除了要满足业绩绩效评价的条件外，更重要的是要突破单一品种规模的限制，否则最终会沦为高频交易。
此外，借助算力的提升，负向验证分析也会逐渐为投资决策过程提供支持。投资行为的结果具有“两面性”，基金经理的成长曲线也应当是通过专业的研究预判缩小投资行为的“负效应”，而不是追逐“正效应”。我会定期回顾单只股票在基金组合中贡献的实际盈利，当盈利实现与预期不一致时，及时反思失误在哪里。通常来说，对于经过深度研究、持续跟踪并且长期看好的个股，我的持有期会比较长。
控制偏差出现的方向
“建立标准化的第三方评价体系，为建立多种策略后的策略选择提供依据。”
要控制幸存者偏差的出现，另一个方面是控制其出现的方向，即建立标准化的第三方评价体系。择时体系对应的是策略选择，选股模型的结果要有评分体系，为建立多种策略后的投资策略选择提供依据。
这是我希望未来能够在投资管理过程中逐渐精进的部分。我会定期评估自己的投资组合，根据市场变化及时调整投资策略。随着量化工具在金融投资中的广泛应用，策略切换会更加频繁，因此，我在坚守强化自身风格的同时，也需要时刻借助“第三方”视角和工具来审视市场波动，分析自身与同业表现偏差出现的原因，以更包容的心态看待多样化的市场策略。
回首过去17年，我的从业经历大体可分为三个阶段：第一阶段是从2006年至2010年，先后在券商、基金公司负责行业研究；第二阶段始于2011年，先后担任基金经理助理、基金经理，管理公募组合；第三阶段是从2022年开始，我加入了广发基金专户投资部，工作岗位从公募基金经理转为专户投资经理。
从公募到专户，组合的目标从追求相对收益变成追求绝对回报，我对自己的定位也在发生变化：做深度研究，充分合理定价，控制追逐幸存者偏差的诱惑。过往在公募组合所取得的年化收益率，只代表了我在之前的宏观经济背景、行业竞争格局以及投资范式下所获得的成绩，那或许也是一种幸存者偏差的结果。
未来，虽然经济增长方式和产业格局正在不断发生变化，但过往的方法论依然有其适用性，只是需要对策略进行不断升级。现在，我专注于自己的研究工作，每天坚持跑模型，根据模型结果进行调研，再付诸投资实践，而这些都让我走在不断升级的路上。