先回答那个问题：你被收割了吗
「量化收割散户」是近几年中文互联网最流行的市场叙事之一。讲完十一章，我们可以把这个说法拆开验货了。答案分两半，一半会让你松口气，一半不太中听。
不太中听的一半：在短线交易里，你确实是别人的「饲料」。第十一章说过，量化模型吃的是定价错误，而 A 股的定价错误很大一部分来自散户行为：追涨杀跌、听消息、看股吧、涨一点就跑跌了就装死。当你用手机凭着一条「重磅利好」挂单买入时，屏幕对面大概率是一台服务器，它 0.01 秒前就算出了这条消息值多少钱，你的冲动就是它的利润来源之一。短线交易对一个没信息优势、没速度优势、没模型优势的人来说，不是「可能亏钱」的游戏，而是数学期望为负的游戏——算上佣金和印花税，你还没开局就已经落后了。
松口气的一半：只要你不在它的猎场里玩，量化对你更多是好事。量化的长期净效果是把价格修得更准、把买卖价差压得更低。你一个季度才交易一次，机器收割你的频率优势毫无意义；你买的指数基金更便宜了、报价更连续了，这里面有做市机器人们的功劳。「收割」这个比喻暗示有人盯着你的钱袋子——实际上机器根本不在乎你是谁，它只认行为模式：它收割的不是「散户」这个身份，而是「冲动、从众、高频操作」这组行为，谁表现出这组行为就收谁的，机构照样被收。
那市场里还剩什么钱是你的
市场里的钱大致分三堆：
- 时间差的钱：毫秒级的做市差价、几秒级的消息反应。这是高频的猎场，跟普通人无关，以前不属于你，以后也不属于。
- 定价错误的钱：别人恐慌你冷静、别人贪婪你克制赚到的钱。量化正在大批量地收割这类错误——但注意，它收割的是「可统计、可重复」的错误；那些需要理解一门生意、理解人性的错误（比如对一家好公司的长期偏见），机器反而抓不全。这是巴菲特们和少数深度研究者仍然活着的原因。
- 资产增值的钱：经济在增长，企业利润在累积，长期持有宽基指数就能分到的那一份。这堆钱最大、最稳、跟机器的竞争最少——机器再多，也抢不走「GDP 增长」这个贝塔。第三章那个「承认平庸」的指数基金，吃的就是这堆。
对普通人的结论朴素到反高潮：机器抢走的主要是第一堆和第二堆里你本来就不该去抢的部分；第三堆它反而帮你把价格修得更公道。
可以偷学的三样东西
不跟机器比快，但可以偷它的方法论。这本书写了十一章，量化真正值得普通人抄的作业其实就三条：
第一，把规则写下来，在没有情绪的时候写。量化的一切纪律都来自「规则先于交易」。普通人版本：写下你买入的理由、什么情况下卖、最多亏多少必须撤——写在纸上，市场暴跌那天拿出来照着做，而不是打开行情软件跟着心跳做决定。这一条能挡掉散户亏损的半壁江山。
第二，用数据检查自己。量化基金每周复盘：策略实际表现和预期差多少，为什么。普通人版本：每年算一次自己的真实收益率（券商 App 都有），和沪深 300 全收益指数比一比。连续三年跑不赢，就体面地把大部分仓位换成指数基金——第三章的九成定律大概率也包括你，承认它不丢人，博格靠承认它发了财。
第三，永远先问「我错了怎么办」。量化机构老板办公室里挂的是回撤曲线不是收益曲线。普通人版本：任何一笔投资，先想清楚最坏情况亏多少、能不能承受、止损线在哪，再想能赚多少。顺序反过来的人，市场是有很多种办法教育的。
回到西蒙斯
开头那个问题现在可以完整回答了。不看财报的数学家凭什么赢？因为他从不玩「我认为会怎样」的游戏——他玩的是「数据说历史上这种情况 50.75% 会这样」的游戏，然后把每一手都押得很小、玩一万次、戴上最严的风控、随时承认模型会错。他的优势不神秘，是纪律 × 数据 × 次数的工程复利。
而这个回答里最值得带走的一句是：量化赢的方式，恰好暴露了大多数人输的方式——用感觉代替规则、用故事代替数据、用一把梭代替分散、用「这次不一样」代替历史。机器不是赢在比人聪明，是赢在从不犯人会犯的那些错。
你不需要成为机器。你只需要在自己的时间尺度上，把规则、数据和纪律这三样东西借过来，然后去买你本来就买得起的那个未来——经济增长本身。剩下的钱，让机器们自己去抢吧。
全文完。祝你在机器的市场里，做个清醒的人。