Joel Greenblatt：复杂市场里，为什么高手反而不断寻找简单原则？

——研究可以复杂，执行必须简单；否则复杂最终只是给情绪留下更多借口

全文摘要

Joel Greenblatt于1985年创办Gotham Capital。到2026年，这段投资生涯已经跨越四十余年；今天他仍担任Gotham Asset Management管理合伙人和联席首席投资官。与此同时，他曾在Columbia Business School兼职任教超过二十年，教授“Value and Special Situation Investing”。Gotham官方资料与哥伦比亚商学院过往访谈都显示，一个贯穿Greenblatt投资、写作和教学的重要习惯，是把复杂问题不断压缩为可以被理解、验证和执行的基本原则。

这给交易者一个非常重要的提醒：市场本身可以无限复杂，但交易决策不能无限复杂。十个指标、七个周期、几十项宏观变量和一整套模型，并不会自动让一个交易系统更加专业。真正成熟的系统最终必须回答几个朴素的问题：为什么进场？什么事实证明自己错了？最多愿意亏多少？什么时候离场？什么情况下坚决不做？如果这些问题无法清楚回答，再复杂的模型也可能只是把不确定性隐藏在大量参数之后。

一、复杂市场最大的诱惑，是让人误以为“越复杂越专业”

交易做得时间越长，人越容易积累工具。刚进入市场的时候可能只有一条均线，后来增加MACD、RSI、布林带，再加入ATR、成交量、订单流、市场情绪和美元指数；再往后，开始研究美国国债收益率、实际利率、通胀预期、期权隐含波动率、央行资产负债表和资金流。工具本身没有错，问题在于工具数量增加以后，人很容易产生一种错觉：如果分析足够复杂，市场就会变得更加确定。

这就是“复杂性崇拜”的起点。一个拥有十块屏幕、几十个数据窗口和大量模型的人，看起来确实比只看一张K线图的人专业得多，但真正决定交易结果的并不是屏幕数量，而是这些信息最终有没有形成明确的决策。如果所有数据看完以后，你仍然不知道什么时候应该进、什么时候必须退，那么复杂只提高了信息量，并没有提高决策质量。

二、Joel Greenblatt特别值得研究的，不是因为他的投资方法“简单”

Greenblatt并不是一个只靠几个指标做投资的人。恰恰相反，他长期从事价值投资和特殊机会投资，涉及企业价值、资本结构、分拆、重组、特殊事件以及各种需要深入研究的情况。Gotham官方资料显示，他1985年创立Gotham Capital，后来成为Gotham Asset Management的管理合伙人和联席CIO；他还在Columbia Business School兼职任教超过二十年，教授价值与特殊情况投资。

所以研究Greenblatt，绝不能简单理解成“高手不需要研究复杂问题”。真正有价值的地方恰恰相反：他处理的是复杂问题，却不断尝试把复杂问题压缩成少数可理解的原则。 这和完全不研究是两回事。简单不是起点，而是大量研究之后的结果。

三、真正高级的简单，往往来自足够深的复杂研究

一个新手说“黄金涨就是买”，这不是简单，而是粗糙。一个研究了利率、美元、流动性、仓位结构、波动率和价格行为之后，最后把交易条件归纳成三个明确变量，这才可能叫简单。

这两者最大的差别在于，前者不知道自己忽略了什么，后者知道大量变量存在，却经过研究确认哪些变量真正影响决策。成熟交易并不是把世界想得简单，而是在承认世界非常复杂的前提下，仍然找出少数最重要的因果关系。

因此，“简单”绝不能成为懒惰的借口。真正的简化需要大量删减，而只有真正理解一个系统的人，才知道哪些东西可以删、哪些东西绝对不能删。

四、Greenblatt教学二十多年以后，得出的一个结论非常值得交易者反复读

2012年，Greenblatt在Columbia Business School的《Graham & Doddsville》访谈中谈到教学对自己的帮助。他说，教学迫使他把自己为什么做某件事、为什么不做某件事，以及什么方法有效、什么方法无效，提炼成别人可以使用的基本原则。他还特别强调，如果一个问题无法被非常简单、直接地解释，那么往往说明自己并没有真正理解它。

这句话放到交易里，杀伤力非常大。因为很多人一旦被问“为什么现在开仓”，回答会迅速扩展成十分钟演讲：因为日线趋势、四小时结构、十五分钟背离、美元指数、美债收益率、亚洲盘低点、订单流、消息面和情绪指标共同作用。但继续追问一句：“那么哪一条如果发生变化，你会立即承认自己错？”很多人突然就回答不出来了。

真正的问题不是分析太多，而是没有提炼。

五、研究可以很长，交易指令必须很短

机构研究报告可以写五十页，因为它的任务是理解问题；交易执行却不可能在价格快速变化时重新阅读五十页报告，它需要提前被压缩成可以执行的规则。

这就像飞机的设计极其复杂，但飞行员真正面对紧急情况时使用的是高度标准化的检查单。飞机后面可能有成千上万个零部件、无数工程计算和冗余系统，但关键时刻不会要求飞行员重新推导空气动力学公式。

交易也是一样。系统底层可以包含很多复杂计算，但最终给执行层的答案必须清楚：现在是否允许交易、方向是什么、风险是多少、失效条件在哪里，以及出现异常以后怎么办。

复杂应该存在于研究层，而不是混乱地堆在执行层。

六、为什么交易者特别容易迷恋复杂系统

因为复杂能够制造一种强烈的安全感。一个交易只依据价格突破，看起来太简单，人会担心是不是漏掉了什么；如果同时加入十个过滤器，心理上会感觉“这么多条件都支持，应该更安全”。

但条件越多并不一定意味着风险越小。很多指标本身来自同一组价格数据，它们可能只是用不同数学方式描述同一个现象。例如几条趋势指标同时看多，并不等于你获得了五个独立证据，它们可能只是一个趋势信息被重复计算了五遍。

复杂最大的危险之一，就是把“重复信息”伪装成“多重确认”。交易者看到很多绿色信号，以为拥有大量独立证据，实际上可能只有一个底层变量。

七、十个指标同时亮绿灯，不代表有十个理由做多

假设EMA、MACD、RSI、ADX、Supertrend和几条趋势线全部显示黄金偏多。视觉上，这似乎是六个证据。但这些指标绝大多数都直接或者间接由价格计算，它们高度相关。

如果黄金突然反转，六个指标很可能一起失效。你原本以为自己做了分散确认，真正拥有的却可能只是同一信息的六种包装。

因此，成熟交易系统真正需要研究的是信息来源，而不是指标数量。价格趋势是一类信息，波动率是一类，宏观利率是一类，资金流可能又是一类。真正有意义的“多重确认”，应该来自尽可能不同的逻辑，而不是把同一个数据不断变换公式。

这也是简化的第一步：先删除重复信息。

八、屏幕越来越多，并不一定代表决策越来越好

现代交易最大的变化之一，是信息成本越来越低。几十年前机构才能获得的数据，现在个人交易者几秒钟就能看到。理论上，这是巨大的优势；现实中，它同时制造了严重的信息过载。

一个屏幕放黄金，一个放美元，一个放美债，一个放VIX，再放原油、白银、ETF资金、期权、新闻和社交媒体。每一块屏幕都在告诉你一件事，但真正的问题是：它们在你的决策体系里分别拥有什么权重？

如果没有明确权重，信息越多，解释空间越大。行情上涨时可以找到利多，行情下跌时也能找到利空。最终你不再是利用信息做决策，而是在结果出现以后利用信息解释结果。

这种复杂没有提高预测能力，却明显提高了“自我合理化能力”。

九、真正专业的系统，会主动限制自己需要看的变量

很多人认为专业意味着不断增加内容。真正成熟以后，交易者往往开始反过来做：删除。

过去每天看二十个变量，现在只留下真正改变交易行为的五个；过去使用十个指标，现在可能只保留三个；过去每一个新闻都需要阅读，现在开始区分哪些新闻会真正改变持仓逻辑，哪些只是噪音。

这种删减不是退化，而是系统逐渐知道自己靠什么赚钱。

一个成熟系统真正重要的进化，并不总是加入新模块。有时候最大的升级，是终于确认某些东西根本没有必要继续看。

十、好系统可以复杂，但决策树必须清楚

这句话可以作为整篇文章最重要的框架。

一个量化系统底层可能包含几十个因子、多个周期、波动率调整、仓位计算和风控模块，这完全没有问题。但系统最终必须能够形成一棵明确的决策树：条件A满足以后检查B，B满足再检查C；如果C不满足，不交易；如果全部满足，进入计划；进场以后若出现D，则退出。

真正危险的系统，是参数很多，却没有明确优先级。指标互相冲突以后，交易者可以任意挑选自己喜欢的信号。今天MACD重要，明天RSI重要；盈利的时候说趋势最重要，亏损的时候又改口说宏观长期逻辑最重要。

这种系统看起来复杂，实际上没有系统。

十一、一个交易最终必须回答：为什么进

“感觉会上涨”当然不够，“技术面很好”同样不够。真正职业的入场理由必须能够被压缩成少数清楚条件。

例如，一笔黄金趋势交易可以被定义为：高周期方向向上，价格完成关键区域突破，波动结构支持继续扩张，同时风险收益达到预设最低标准。至于背后为什么选择这些条件，可以有很长的研究报告，但下单时不需要重新讨论全部历史。

如果连为什么进场都无法用几句话说明，通常意味着这笔交易并不是一个明确策略的结果，而是大量模糊印象的集合。

模糊印象最大的危险，是盈利以后它什么都能解释，亏损以后它同样什么都能解释。

十二、第二个问题：到底错在哪里

这是比“为什么进”更加重要的问题。

任何交易观点都必须存在失效条件。你可以认为黄金进入上升趋势，但究竟发生什么以后，你承认趋势判断不再成立？是价格跌破关键结构，是宏观变量发生改变，还是波动结构完全脱离模型？

如果答案是“再看看”，那么实际上并没有真正定义风险。

大量交易最终从小亏损变成巨大亏损，并不是因为完全没有止损数字，而是因为逻辑止损从未被明确。价格到了以后，人会重新解释；再跌一点，又找到新理由；最后原本短周期交易被硬生生改造成长期投资。

明确“错在哪里”，本质上是在开仓以前限制未来那个不愿认错的自己。

十三、第三个问题：如果错了，亏多少

这应该是所有复杂研究最终必须落到的数字。

你可以拥有非常强的观点，仍然必须规定它值得冒多少风险。研究深度和仓位大小不能直接画等号，因为研究再深也无法消除未知变量。

真正成熟的资金管理会把“方向判断”和“生存约束”分开。即使这是一笔极高确信度交易，账户也必须拥有最大亏损边界；如果风险达到这个边界，系统需要结束，而不是用更多研究证明为什么还可以继续扛。

一句话：观点可以无限讨论，亏损必须有限。

十四、第四个问题：什么时候走

很多系统对入场研究得极其精细，对退出却异常随意。

进场要五项指标、三个周期和两层过滤，出场只有一句：“根据行情灵活处理。”

这其实完全倒过来了。

真正影响最终收益的，不只是有没有抓到方向，还包括盈利如何兑现、趋势什么时候结束、盈利回撤允许多少以及异常行情如何处理。如果出场完全依赖临场感觉，那么系统最关键的一半仍然交给情绪。

简单执行并不意味着只有一个固定止盈，而是退出规则必须提前被定义。

十五、第五个问题：什么时候不做

这是最容易被忽视的一条。

成熟系统不仅要有入场条件，还应该拥有“禁止交易条件”。波动率过低不做，流动性异常不做，重大事件前不做，风险收益不够不做，账户回撤已经达到限制不做，自己的状态严重异常也不做。

如果一个系统永远能够找到开仓理由，它几乎一定存在问题。市场并不是每天都提供同样质量的机会，而真正专业的系统必须拥有拒绝市场的能力。

很多时候，交易系统最值钱的一句话不是“买”。

而是“不符合条件”。

十六、为什么复杂系统容易给情绪留下更多借口

参数越多，人越容易在交易以后进行重新解释。

假设你有十项条件，其中六项支持多头、四项支持空头。你决定做多以后，如果市场上涨，你会说六项多头条件果然正确；如果市场下跌，你又可能说其实四项空头指标已经提前警告，只是自己没有重视。

这样一来，无论结果如何，系统永远没有错。

一个永远无法被证明错误的系统，其实也无法真正被验证。

复杂最大的风险之一，就是让交易者拥有无限解释空间。你以为自己增加了科学性，实际上可能只是增加了事后找理由的自由度。

十七、真正好的模型，必须能够被证伪

模型存在的意义，不是证明自己永远正确，而是告诉你什么情况下它不再适用。

趋势模型必须知道什么叫趋势结束；均值回归模型必须知道什么时候已经从偏离变成结构性变化；套利模型必须知道价差为什么可能长期不回归；宏观模型也必须定义哪些变量改变以后原有因果链失效。

如果一个模型只有盈利解释，没有失败解释，那么它更接近信仰，而不是交易工具。

真正职业化的简单，往往就体现在这里：我不需要知道市场所有事情，但必须知道什么事情发生以后，我不再做这笔交易。

十八、Greenblatt的教学经历为什么会反过来改善他的投资

Greenblatt在Columbia的访谈中提到，教学逼迫他把自己做投资的原因提炼成基本原则，而这个过程反过来也帮助了自己的投资和写作。2012年那次访谈时，他已经表示自己是在Columbia教学的第17年；Gotham目前的官方资料则概括为他在Columbia兼职教授价值与特殊情况投资超过二十年。

这里面有一个很值得交易者借鉴的方法：试着把自己的系统教给别人。

当你真正尝试向一个完全不了解你系统的人解释时，大量平时隐藏的问题会暴露出来。你以为自己理解的东西，可能突然说不清；你以为规则明确的地方，实际上充满例外。

教学本身，就是一种系统压力测试。

十九、如果你无法把策略写成一页纸，先不要急着加更多指标

很多交易者拥有几十页策略说明，但真正到实盘以后，仍然不停问自己：“现在到底做不做？”

这说明文档很长，规则却不清楚。

一个非常有效的训练，是强迫自己把整套系统压缩成一页纸：交易什么环境、什么信号、什么时候进入、风险多少、什么时候退出、哪些情况禁止交易。背景研究可以单独保留，但执行规则必须能够快速读取。

如果压缩过程中发现无法删减，因为任何一个指标好像都“可能有用”，那恰恰说明系统还没有找到核心驱动因素。

二十、简单并不意味着固定参数，而是明确关系

有人会误解“执行简单”，以为所有东西都必须固定，比如永远8美元止损、永远20美元止盈、永远0.01手。

真正成熟的简单并不是机械地固定数字，而是把关系定义清楚。

例如根据ATR调整止损，根据账户权益计算风险，根据波动环境改变仓位，这些都可以是动态的。但计算逻辑必须明确，不能临时凭感觉决定。

所以简单和动态并不冲突。

真正应该消灭的不是变化，而是随意。

二十一、专业系统真正应该复杂的地方，是风险工程

很多人喜欢把复杂度全部堆在进场上。

如何多抓几个点。

如何提高胜率。

如何减少假突破。

但真正值得复杂设计的部分，往往是风险控制。

仓位如何根据波动调整，连续亏损如何降风险，不同品种相关性如何处理，极端行情怎么暂停，保证金达到什么程度停止开仓，技术故障发生以后如何保护账户，这些问题完全可以非常复杂。

也就是说，成熟系统往往出现一个有趣结构：

进场规则越来越清楚，风险体系反而越来越完整。

这比堆二十个入场指标更接近工程化交易。

二十二、胜率越被强调，系统越容易走向过度过滤

很多人希望把胜率从55%提高到60%，再从60%提高到70%，于是不断增加过滤条件。每增加一个条件，历史回测中的坏交易似乎少了一些。

最后得到一个看起来非常漂亮的模型。

问题是，样本也越来越少。

参数越来越依赖历史。

一个原本具有普适逻辑的策略，可能被调成只适合过去某段行情。

这就是过拟合。

复杂性在回测里最诱人的地方，是它能够不断解释过去；真正困难的是未来并没有义务重复过去。

因此，复杂模型最需要的不是更多参数，而是更严格的样本外验证。

二十三、一个系统越难解释，越要警惕是不是只是在拟合过去

这里需要区分两种“解释不了”。

一种是真正先进的机器学习系统，内部关系确实复杂，但拥有严格验证、稳定的数据治理和明确风险限制；另一种是个人交易者把大量指标拼在一起，最后谁也不知道到底为什么赚钱。

后者尤其危险。

如果模型一旦失效，你甚至不知道应该修哪里。是RSI参数的问题，还是趋势过滤的问题？是周期错了，还是宏观过滤失效？所有模块互相纠缠以后，系统维护成本会急剧上升。

复杂度越高，越需要清楚的模块化。

否则所谓升级，只是在不断增加未知故障点。

二十四、真正的模块化，是让每个模块只回答一个问题

趋势模块回答：方向是什么。

波动模块回答：现在的市场状态是否适合这种策略。

信号模块回答：什么时候允许进场。

仓位模块回答：这一笔应该承担多少风险。

退出模块回答：什么情况下结束。

账户风控模块回答：什么时候整套系统停止工作。

如果每个模块职责明确，系统即使复杂，也仍然可管理。

最糟糕的情况，是一个指标同时被用来判断方向、加仓、止损和退出。这样任何一个参数改变都会影响全系统。

真正的简单并不是模块少。

而是职责清楚。

二十五、为什么很多老交易员最后的桌面反而越来越干净

这是很有意思的现象。

新手刚开始时可能只有一张图，学习几年以后屏幕越来越多；真正做得足够久，有些人又开始删东西。

原因不是他们退步了。

而是终于知道哪些变量真正改变决策。

你不再需要每分钟检查所有市场，不再因为一条新闻立即改变计划，也不再把每一个指标变化都当成新信号。

真正的经验不是收集更多信息。

而是知道：

什么信息可以放心忽略。

二十六、简单规则最难的地方，是执行起来非常“无聊”

复杂系统能够持续给人刺激。

这个指标变化了。

那个周期出现背离。

又一个新闻出来。

总有事情可以分析。

简单系统则可能非常无聊。条件没到，不交易；风险没到，不加仓；止损触发，退出；没有例外。

这种重复对人的心理其实很困难。

因为交易者总想证明自己有能力“灵活处理”。

但长期稳定往往恰恰来自减少这种临场发挥。

真正职业化以后，你会慢慢接受：好系统的执行过程，本来就不应该每天充满戏剧性。

二十七、所谓“盘感”，最容易成为复杂系统最后的漏洞

盘感不是完全不存在。长期观察市场的人，确实可能形成大量难以语言化的模式识别能力。

问题是，一旦盘感拥有推翻所有规则的权力，任何系统都会失效。

趋势规则说不做，但盘感觉得要突破。

风险规则要求减仓，但盘感觉得这一次特别有把握。

止损已经触发，但盘感认为马上会回来。

如果每一次例外都可以用“经验”解释，那么系统实际上没有边界。

成熟的处理方式不是完全消灭主观判断，而是明确主观判断拥有多少权限。

二十八、一个真正简单的系统，首先能让你迅速发现自己有没有违规

这点非常重要。

如果规则只有五条，交易结束以后很容易检查：五条里哪一条没有做到。

如果规则有五十条，而且每条都拥有不同解释空间，复盘会变得极其困难。任何亏损都可以归因于某个被忽视的小条件，而真正的执行问题反而被掩盖。

所以规则清楚的另一个巨大价值，是提高问责能力。

你知道自己为什么亏。

是系统亏损，还是执行违规。

两者只有被分开，策略才能真正进化。

二十九、复杂研究真正应该解决的是“不确定性来源”

研究不能因为追求简单就停止深入。

相反，研究层应该尽可能理解风险来自哪里。

这笔黄金多单最大的风险到底来自美债实际利率，还是美元流动性？这套趋势策略最容易在哪种波动环境失效？这个套利模型最大的风险是短期噪音，还是结构关系永久改变？

复杂研究真正应该做的，是把模糊风险拆开。

一旦风险来源被理解，执行反而可以变得更简单。

所以成熟系统的演化过程通常是：

先复杂化理解。

再简单化行动。

三十、简单原则真正的价值，是让人在压力下仍然能够执行

平静的时候，每个人都能进行复杂分析。

真正考验系统的是市场突然快速变化的时候。

黄金一分钟跳几十美元，账户浮亏快速扩大，新闻不断出现，这时人的认知能力会明显下降。如果系统仍然要求你临时比较十几个变量，再决定是否止损，执行质量一定下降。

这就是为什么紧急情况下必须拥有简单规则。

不是因为市场简单。

而是因为人在压力下没有平时那么聪明。

好的交易工程必须按照“最差状态下仍能执行”设计，而不是按照“最佳状态下理论最优”设计。

三十一、职业交易最终追求的不是解释市场，而是做出可重复决定

市场每天都有无数故事。

今天上涨可以解释成降息预期，明天上涨又可以解释成避险需求，后天上涨还可以解释成央行买盘。

解释永远不缺。

真正稀缺的是一套能够重复的决策方法。

同样的条件出现，今天这样处理，一个月以后仍然按照同样逻辑处理；系统发生亏损，也不会临时重新定义规则。

这才是职业交易真正意义上的“稳定”。

不是每天赚钱。

而是每天用同样的标准决定是否承担风险。

三十二、Greenblatt真正值得交易者借鉴的，是“提炼能力”

Greenblatt的公开职业轨迹很有意思：1985年创办Gotham Capital，长期参与价值和特殊机会投资，又在Columbia Business School教授相关课程超过二十年，同时通过多本面向投资者的书籍不断把投资逻辑转化为更容易理解的框架。

投资、教学和写作看似是三件事，背后其实共享一种能力：把大量复杂事实提炼成可传递原则。

这种能力对交易者同样关键。

真正职业化，不只是你知道多少。

还包括：

你能不能把知道的东西组织起来。

三十三、复杂性崇拜最终最大的成本，是无法知道自己为什么赚钱

一个交易者最危险的状态之一，是账户正在赚钱，却不知道真正的收益来源。

十套模型同时运行，很多策略互相覆盖，市场顺风的时候整体曲线非常漂亮。直到某一天环境改变，所有模型同时恶化，却没有人知道到底是哪一个底层风险因子出了问题。

这就是复杂系统的“隐性相关性”。

表面上有很多策略。

底层可能都在押同一件事。

例如都依赖低波动，都依赖趋势延续，或者都依赖充足流动性。

所以系统越复杂，越应该不断问一个简单问题：

我的利润究竟来自什么？

如果回答不了，风险可能比看起来大得多。

三十四、真正的简单，是把“不知道”也写进系统

没有任何系统能够解释全部市场。

所以成熟策略必须允许出现一种状态：

现在没有答案。

宏观信号冲突，技术结构混乱，赔率不够清晰，就不交易。

很多复杂系统最大的毛病，是因为指标足够多，永远可以强行产生一个答案。

但现实世界有大量时间处于灰色区域。

职业交易不需要每天给市场下结论。

能够承认“不知道，所以不承担风险”，本身就是非常高级的简单原则。

三十五、最后，把整套交易系统压缩成五个问题

如果要把整篇文章真正落地，我认为任何交易系统最终都应该能够被压缩成五个问题：为什么进场？什么事实证明我错？如果错了最多亏多少？什么情况下退出？什么情况下根本不做？

这五个问题当然不能代替所有研究。它们背后可以有复杂模型、统计分析、宏观研究和长期回测。

但真正进入市场以后，所有复杂研究最终都应该服务于这五个答案。

如果研究越来越多，答案反而越来越模糊，那么系统正在朝错误方向进化。

如果研究越来越深，答案却越来越清楚，那么你才真正开始接近成熟。

结语：市场可以复杂，但你的下一步必须清楚

Joel Greenblatt真正值得交易者研究的地方，并不是所谓“简单投资法”本身，而是他长期投资、教学和写作背后不断重复的一个动作：把复杂问题压缩成基本原则。

1985年创办Gotham Capital以后，他已经经历四十余年市场周期；与此同时，他又在Columbia Business School教授价值与特殊情况投资超过二十年。教学迫使一个投资者不断回答最朴素的问题：为什么这么做？为什么不那么做？什么真正有效？什么只是看起来聪明？Greenblatt自己也曾明确谈到，能够用简单、直接的方式解释一个问题，本身就是检验是否真正理解它的方法。

这对今天的交易者尤其重要，因为我们拥有的工具已经太多了。

二十年前得不到的数据，今天打开手机就能看到；过去只有机构才能完成的计算，现在普通电脑几秒钟就能跑完。信息越来越多，模型越来越复杂，AI又进一步降低了分析成本。

真正稀缺的东西反而发生了变化。

不再是“能不能获得更多信息”。

而是：

能不能从更多信息里，提炼出真正决定行动的少数变量。

你可以研究十个周期，但最终必须知道当前到底是什么状态；你可以计算几十个指标，但最终必须知道是否允许开仓；你可以建立复杂的宏观模型，但最终必须知道哪一个事实出现以后应该承认错误。

市场可以无限复杂。

账户不能无限解释。

系统可以有几十个模块。

下一步动作必须清楚。

真正成熟的交易，并不是把所有复杂问题都变简单，而是在理解复杂以后，依然能够明确告诉自己：现在应该做什么，现在为什么不能做，以及什么时候必须停止。

所以，关于Greenblatt和“复杂性崇拜”，我最终想留下三句话。

研究可以复杂，执行必须简单；否则复杂最终只是给情绪留下更多借口。

真正的简单不是知道得少，而是知道很多以后，仍然知道什么最重要。

一个好系统最重要的能力，不是解释市场所有变化，而是在市场最复杂的时候，仍然让你知道下一步应该怎么做。

这才是简单原则真正昂贵的地方。

不是因为世界简单。

而是因为世界已经足够复杂。

所以你的规则，必须清楚。

——文汇阁量化交易

风险提示

本文仅用于投资理念、交易系统设计、行为金融、风险管理及投资方法研究，不构成对Joel Greenblatt、Gotham Asset Management、Columbia Business School或任何股票、黄金、外汇、原油、债券、基金、期货、期权、差价合约及其他金融产品的投资建议、收益承诺或具体交易指令。文中涉及Joel Greenblatt的职业经历、教学经历及相关公开观点，主要依据Gotham Asset Management及Columbia Business School公开资料整理，仅用于讨论“复杂研究与简单执行”这一交易方法论。

金融市场具有高度不确定性。简单的交易规则并不意味着低风险，复杂的量化模型也不能消除方向风险、模型风险、参数风险、流动性风险、杠杆风险、交易对手风险、滑点、技术故障及极端行情造成的损失。任何历史回测、统计规律、交易框架或投资者经验均不代表未来结果。实际交易应结合自身资金规模、风险承受能力、策略特征和实际市场环境独立判断，并预先明确仓位、杠杆、止损、最大回撤及系统暂停条件。