这篇访谈讲的是投资赚钱越来越难，因为量化交易者太多，把能赚钱的规律（Alpha）都变成了公开的常识（Beta）。嘉宾Leigh Drogen认为，主观选股的基金经理如果结合量化工具和行业知识，还能在某些领域（比如工业股）打败纯机器。他重点提了三个标的：AutoZone被看空，因为电动车和自动驾驶会让DIY修车消失；Zynga有风险，游戏创新太快，商业模式可能5年内被颠覆；Apple被中性提及，市场低估了iPhone销量韧性。
本期《Invest Like the Best》邀请Estimize创始人Leigh Drogen，探讨投资领域从主观选股向量化策略的转型。核心观点是：Alpha收益正变得越来越难获取，因为量化投资者大量涌入导致Alpha迅速转化为Beta。Drogen指出，任何潜在Alpha边缘需从数据、执行和模型三个维度分离。他介绍了Estimize如何通过众包盈利预测（每家公司平均获得数百条估算）为对冲基金提供信息优势，但警告若所有人使用相同数据，Alpha将消失。他提及《Revenge of the Humans》一书，认为主观管理者仍可通过人类判断击败系统化策略。重要结论：在信息军备竞赛中，生存需参
Leigh Drogen，Estimize创始人、前统计套利投资组合经理，探讨投资领域从主观选股向量化策略的转型。核心判断：Alpha收益正变得越来越难获取，因为量化投资者大量涌入导致Alpha迅速转化为Beta；任何潜在Alpha边缘需从数据、执行和模型三个维度分离，而主观管理者仍可通过人类判断击败系统化策略。
Drogen认为，曾经有效的统计套利策略正在被量化投资者的涌入所“套利”，Alpha迅速转化为Beta。
Drogen以自身经历开场：他曾在Geller Capital使用IBIS（卖方分析师盈利预测）数据集构建市场中性策略——通过Z-score标准化全市场，做多前十分位、做空后十分位。这套策略基于分析师预测的固有偏差：机构偏见、投行压力、合规障碍导致分析师在财报前几周不更新预测，且倾向于让公司“击败”被下调的预期。
“我们基本上是在套利卖方分析师数据集中的低效率。”这套策略在2006-2007年表现极佳，但在2009年遭遇毁灭性反转——动量策略经历了80年来最差的五个时期之一。Drogen的导师在2008年中期全部转现金，靠手动交易指数期货精准捕捉了后续波动，但最终关闭基金。
关键数据：2009年对动量策略的冲击是80年仅5次的极端事件。
Drogen的框架：任何Alpha边缘应从三个维度分离——信息边缘（正被快速套利）、分析边缘（量化人才稀缺）、行为边缘（对主观管理者最重要）。
Drogen介绍，Estimize通过众包盈利预测（每家公司平均获得数百条估算），为对冲基金提供比卖方更准确、更少偏见的共识数据。
Estimize收集美国上市公司的EPS和营收预测，覆盖约2,100家公司（3条以上估算），其中1,400家拥有10条以上估算。对于苹果这样的巨头，Estimize可获得约1,000条估算，而卖方通常只有30-40条。
关键数据：Estimize共识70%的时间比卖方更准确；对于中小盘股（卖方仅7-10条估算），准确率升至75-80%。
激励机制：贡献者免费获取他人数据（匿名账户），Drogen称之为“对行业的蚕食”——行业年收入约4亿美元，Estimize正将其压缩至1亿美元。
Drogen的警告：如果所有人都购买Estimize数据，其中的Alpha将消失。但数据集的Alpha生命周期呈钟形曲线——Estimize仍处于上升期（“今天的Alpha比昨天更多”），预计还有4-5年。若能穿越“低谷期”成为“必备套利数据集”（如IBIS、做空数据），可成长为年收入1亿美元的公司。
Drogen认为，最前沿的量化公司正在将“众包”理念推向极致，从集中式研究转向分布式模型生成。
Drogen描述了三种模式：
1. 传统平台型（Millennium）：给“pod”提供资金和风控，但研究独立
2. 集中研究型（AQR）：单一研究团队管理多个组合
3. 众包型（WorldQuant）：500名全球合同分析师独立生成Alpha，PM从“Alpha池”中挑选构建组合——PM甚至不知道具体Alpha的内容
Numerai更进一步：提供匿名化数据集（240,000个数据点，变量和结果均经处理），全球参与者提交预测模型，表现优异者获得加密货币（Numeraire）奖励。Drogen指出：“这对应我们做Force Rank的方式——不关心幅度，只关心排序是否正确。”
关键类比：AlphaGo团队将AlphaGo交给普通棋手，人+机器击败了纯机器。Drogen认为，主观管理者在特定领域（如工业、公用事业）可超越系统化策略，因为系统化策略“打一垒安打”，而主观管理者可“打二垒、三垒安打”。
Drogen论证，主观管理者若能结合量化工具与行业专长，可在特定领域超越纯量化策略。
核心案例：财报后漂移模型。Drogen发现，工业股对财报反应弱于其他板块（因工业股基于周期盈利而非季度预期），但纯量化模型无法区分——它只输出Z-score。主观分析师可“在工业板块降低权重”，避免错误信号。
关键数据：量化策略通常持有数百个头寸，最大仓位低于低阈值；主观管理者可持有10%的单股仓位，在信号“全绿”时大幅加仓。
Drogen的框架：主观管理者应：
证伪条件：如果主观管理者无法严格遵循决策流程（如Michael Lewis《Undoing Project》中肿瘤学家不使用自己的评分标准），则混合模型失效。
Drogen认为，市场正经历结构性变化：更多数据、更少“傻瓜”、更低波动，但下一次危机可能来自被动投资者的集体行为。
2010年闪电崩盘回忆：Drogen当时在StockTwits，观察到市场连续数日“渗漏”，最终“没有买单”。他的导师曾教他：“崩盘后总会重新测试底部。”指数确实在数周后回测低点，因为Fidelity等长期基金在该水平设置了买入限价单。
关键判断：算法和自动化不一定会增加不可预见错位——做市商在波动时关闭系统，而统计套利者（StatArb）在波动中赚钱，反而增加流动性。真正的问题是：“如果75%的资金是被动的，在崩盘时谁来喊‘买’？”
Drogen的假设：更低波动可能来自：
证伪条件：如果Betterment等平台用户在下次崩盘中大规模将风险滑块拖至零，则被动资金可能成为波动放大器。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| AutoZone | 看空（长期归零） | 汽车电子化+自动驾驶将使DIY维修消失；Drogen认为“5-10年内你不会开车” |
| Zynga | 风险提示 | 创新周期加速，商业模式5年内可能被颠覆 |
| IBM | 风险提示 | “经典价值股”，但Drogen认为其难以创新走出当前周期 |
| Apple | 中性（提及市场误判） | 市场持续低估其iPhone销量韧性 |
| Chipotle | 未明示 | 作为信用卡数据使用案例：不同基金从同一数据得出相反结论 |
1. “Alpha正在变成Beta，且速度在加快。”（Drogen）——IBIS数据集用了30年才被套利，Estimize可能只需10-15年；数据集的Alpha生命周期呈钟形曲线，穿越“低谷期”才能成为“必备套利数据集”。
2. “人+机器可以击败纯机器。”（Drogen）——AlphaGo团队将AI交给普通棋手后击败纯AI；主观管理者在特定领域（如工业、公用事业）可超越系统化策略，因为系统化策略“打一垒安打”，主观可“打二垒、三垒安打”。
3. “先验假设是量化研究的起点——如果你不知道为什么有效，就不会知道为什么失效。”（Drogen）——Drogen批评许多产品跳过此步骤，导致策略失效时无法及时退出。
4. “肿瘤学家不使用自己的评分标准，主观管理者也一样。”（Drogen，引用《Undoing Project》）——专家在决策中偏离自己制定的规则；Drogen认为主观管理者的最大优势是“行为边缘”——严格遵循决策流程。
5. “崩盘后总会重新测试底部。”（Drogen的导师）——2010年闪电崩盘后指数数周内回测低点，因为Fidelity等长期基金在该水平设置了买入限价单。
6. “WorldQuant的PM不知道Alpha池里有什么——这是无限可扩展的。”（Drogen）——500名全球合同分析师独立生成Alpha，PM从池中挑选构建组合；Drogen认为这是最前沿的量化组织模式。
7. “被动资金的下一次危机：Betterment用户会把风险滑块拖到零吗？”（Drogen）——如果被动投资者在崩盘中集体恐慌，市场可能失去稳定器；Drogen认为“底部是因为人们卖出才形成的”。
8. “AutoZone是零——5-10年内你不会开车，特斯拉会帮你修。”（Drogen）——Drogen认为AutoZone是典型的价值陷阱，技术颠覆（电动汽车+自动驾驶）将摧毁其商业模式。