第一节

任何模型都不会万无一失

记得刚构建好“后袋”资产配置模型没多久，在一家咖啡厅，我向钱小白和金多多详细解释了我的这个思路，并询问两位朋友对这个模型的整体看法。

钱小白是一个理财小白，没有任何投资和理财的经验和方法；而金多多的理财知识和投资经验都颇具基础。我本来以为两个人会对这个模型表现出截然相反的态度。令我有点惊讶的是，尽管有这么多不同，但钱小白和金多多都对这种层层剥开、递进解读、讲解细致的描述方法表示了赞同。钱小白说：“虽然一些投资术语和资产类别并没有那么容易在短时间内消化，但至少有了一条研究个人理财的基准路径。”金多多来说：“有模型就势必要基于假设，结果也势必会有很多联动影响因素，能否后续再讲一下这个模型的潜在问题和后续发展呢？”

两位的反馈正好成为本书这一章节的灵感。

截至现在，本书所有的财富配置思路都试图通过基于历史数据和公开资料建立的“后袋”配置模型而展开，希望从金融和投资学理论以及统计数据中找到支持的依据，并遵照巴菲特、史文森、芒格等人的公开建议和经验，确定一个合理的范式。

其实，“个人财富管理模型”和“后袋”资产配置模型都是脱胎于以上这个思考过程和研究思维的。读者通过阅读本书，建立起个人财富配置和理财思路的能力圈，那才是本书最重要的价值。

不过，万事都没有那么简单。我在美国一所大学读书期间，曾经和一位教授探讨过数理统计模型的价值问题。

在一个项目中，我花了大量的精力，通过参阅文献和编程设计，制作了一个能够分析上市企业预期收入和主要董事会成员个人情况关系的模型。

当我兴冲冲地将这个模型汇报给这位教授时，他却丝毫没有表现出兴奋，反而一直追问我在研究过程中所取得的定性观点和理论思考。

他这种对模型的忽视态度让我有点吃惊。后来经过交流才明白，在做研究的过程中，模型的设计可能会帮助我们更有效率地得到想要的分析结果，但更重要的一定是最后的结论和研究过程所产生的思路，而非模型本身。换句话说，模型是为研究服务的工具，并不是主角。因为任何模型的准确率其实都建立在多种假设的基础上，我们如果刻意追求使用某个模型，很可能会产生错误的结果。

本书所介绍的“个人财富管理模型”和“后袋”资产配置模型也是一样的，它们的最大价值并不在于多么正确和精妙，而在于以非常直白和简约的面貌，让零基础的普通人可以快速认知并在松弛感下进行学习，甚至可以说这两个模型的准确率根本不是我所考虑的。

真正重要的是我详细论述建立这两个模型的整个过程，这里面倾注了围绕个人财富规划和个人资产保值众多相关议题的详细思考和具体分析方法。这些内容才是我期待读者可以通过阅读本书掌握的东西。老实讲，本书如能启迪读者开始沿着这些思路思考自己的财富问题，那么即便这两个模型被“打入冷宫”也没有任何问题。

特别是拥有具体“定量形态”的“后袋”配置模型，其本身更容易出现错误，很大一部分原因还在于历史数据往往无法真正预测未来的走势，甚至有时候结论可能完全朝着反方向而去。

历史数据的迷惑性

任何由历史数据推测出的预期，比如简单地以历史数据的算术平均值作为一种预测值，在本质上都是基于一种概率分布的假设。

换句话说，历史数据所得出的预测值仅带有参考意义，不具备任何准确性的保证。因为我们无法知道某件事发生的概率到底呈怎样的分布。

有些人可能会反驳我，认为如果计算过去100年里，某一个指数1年内涨幅达到10%的次数，再除以100，似乎从统计上可以计算出这个指数获得年收益10%的概率，因为样本量（100年）已经很可观。然而，即便我们可以用穷举法计算出这个概率，但由于经济活动和企业以及行业的变化多端，依然无法确定未来10年里的每一年到底能否获得10%的增长。而如果遇上倒霉的时候，在未来10年里的某一年或者两年，这个指数的年化跌幅超过15%，如果什么都不做，可能这10年的投资要想回本就没有什么希望了。试想，投资者有多少个10年的投资期限可以浪费呢？

这就是基于历史数据预测未来的主要问题之一——若无法考虑到小概率事件的发生，就会遭受特别巨大的风险。前文所描述的各类市场灾难就是这种问题的集中体现。

所以当利用历史数据来预判未来时，历史的结果只能用来参考，决不能用来确信。举一个简单的例子，一个初中生A在整个初三的所有模拟考试中，成绩都在班级中游附近徘徊。按照这个班所有考试时候学生的成绩分布看，考试成绩是围绕平均分呈现中间多，两头少的格局。大多数同学（超过2/3）的分数集中于平均分左右两个标准差的范围内，考出高分和低分的同学都较少。

这个班的情况是很正常的，几乎在全世界每个班级都大致如此，因为人的学习能力和智力水平整体上就是呈现上述这样的分布。所以按照A在初三所有考试的成绩判断，我们有理由认为他在中考时的分数也应该在班级的中游，通过询问班主任这个位次能考什么样的高中，A的家长基本能够在中考前就判断出A大致上能进什么样的学校。这就是历史数据对未来的参考价值。

然而，当A进入考场后，因为心情过于紧张，数学的大题没有做出来，影响了心情，导致后面几场考试发挥失常，原先的复习和能力没有完全发挥出来，中考成绩排在了班级末尾，这个成绩可能无法达到普通高中的录取要求，只能进那种需要花费更高学费才能入读的私立高中。这种看似低概率的事，在我们从小到大身边的亲属、同学中发生的案例数也不少。这其实就是历史数据对未来预测的失准以及它所带来的严重后果。

在“后袋”配置模型中，三种情景假设预测的年化收益率都是基于沪深300、标普500以及短债指数、货币基金指数过去10年的历史平均年收益率计算而来，按照上述思路，在后续10年中，这些收益率只能是一种预测，无法确定，这也就是为何我们需要“个人财富管理模型”来帮助提前规划好收支，准备好应急基金和大额支出，并且让每年的收支盈余成为活水，不断成为“后袋”资产后续的有力补充，以及面临重大损失风险时的底气。

除了历史数据的局限，“后袋”配置模型的不确定性还体现在我所选择的指数型产品的投资收益率可能并不是最大化的。

平衡模型复杂度和个人能力圈

“一千个人眼里有一千个哈姆雷特”，可能这句话最能概括任何模型的特别之处——适合自己的才是好的模型，这个世界上不可能有万无一失的模型或者方法。

以本书中的“后袋”配置模型来说，最显著的一个疑问便是，当人们把大额资产配置于沪深300或者标普500这样的以大盘股和价值股为主的指数，有没有可能就忽视了小盘股和成长股的优势了呢？

大小盘股票，成长/价值股票其实都是股票的风格。以风格为主要考量的投资策略往往是对冲基金和量化基金的首要考量，因为不同风格的股票可以产生非相关性的互补（也就是分散化效应），也可以被用来当作因子，成为量化投资模型的重要自变量。

在被动投资领域，大小盘股票或者成长/价值股票都有代表性的指数，以这类风格指数作为追踪目标的被动投资基金也不少，可以帮助投资者更深层次地将投资到股票中的资金进行分散化。

以A股市场为例，据中证指数官网的介绍，沪深300指数一般被用来代表大盘股和权重股，截至2023年年底，绝大部分样本股票市值超过500亿元，大约40%的成分股市值超1000亿元。该指数被普遍认为囊括中国最优质的企业及各行各业的顶尖企业，可以反映国家宏观经济的走势；中证2000则代表小盘股，从沪深市场中选取市值规模较小且流动性较好的2000只证券作为指数样本，反映市值规模较小证券的市场表现，截至2023年，样本中大部分企业的市值都在50亿元之下。国证成长以及国证价值指数则可以分别代表成长股和价值股。前文已经较详细分析了成长股和价值股的区别，这里不再赘述。

如果我们将“后袋”中投资于沪深300或者标普500这样的大盘股指数的资金分别按比例投资于不同风格的指数，成绩是否会更好呢？

本书不作任何预测，仅仅用历史数据来展现这个想法的潜在答案。

以美国华尔街比较有名的“四种指数基金策略”为例，该策略简单来说就是把资产等额分成四份（每份占比25%），然后分别投入美国市场上四种不同风格的指数基金中（四种基金分别是：大盘混合指数基金、大盘价值指数基金、小盘混合指数基金以及小盘价值指数基金），其中大盘混合指数基金追求复刻大盘股和成长型股票的走势，以此可类推出其他三种基金的策略。

从历史数据来看，从1930年到2021年以平均年化回报率计算，投资“四种指数基金策略”的回报率要明显高于仅投资标普500指数，两者的差距在2.5个百分点以上。以这91年中的10年为一个周期，其中在最差的10年周期中“四种指数基金策略”的年化下跌幅度比仅投资标普500指数高了大约50%，而最好的10年周期中“四种指数基金策略”的年化回报又比仅投资于标普500指数高了大约21%。

所以从历史上看，如果美国投资者长期投资“四种指数基金策略”，那么长期的收益率是要好于仅投资于标普500指数的。但数据仅仅能代表过去，而且这种看似比较有支撑力的观点本身也有陷阱。

明显的例子是，如果加入债券和货币等资产进入这四种资产组合中，那么新版“四种指数基金策略”还能比标普500指数有优势吗？类似“后袋”资产配置这样的投资组合往往会由不同性质的资产以及不同风格的投资策略组成，而普通人无法测算出这几种资产之间具体的相关性和最优配置比例。现在的资产类别和投资策略千差万别，要真的能妥善分析出这些配置模型，我们或许都可以成为一个正儿八经的基金经理了。

总之，个人能力圈和“后袋”资产配置模型复杂度之间需要良好的平衡。普通人不可能花费大量的额外时间去做自己能力圈以外的事，选择最适合自己的方法来打理自己的资产才是最正确的道路。