人口结构 原来，外卖兴起和人口结构有关

投资人风格各异，有的很理论，很研究业务，有的很感性，很研究产品，智信资本的张金健似乎在两者之间徘徊。

长期以来，张金健一直在研究如何在大量的信息中区分“噪音”和“信号”，试图找到一种过滤噪音、看清事物本质的方法论，并将其应用于投资。

张晋建在文中详细讲解了投资中如何区分“噪音”和“信号”。

他在讲话中说了这些核心观点:

1.信号源是什么？

噪声不同，信号提取也一样。只有去掉“噪声源”，才能找到真正的信号源。

2.投资中的信号是什么？什么是噪音？

信号是一样的，唯一不同的是噪音。长期保持周期性不变的是信号。作为投资者，投资其实就是这个时代的语境。

3.在这个噪音越来越大的时代，如何投资创业？

首先，保持开放。当噪音越来越多的时候，可能需要更灵敏的雷达来捕捉那些信号，越开放，捕捉到的变化就越细微；

第二，长期的觉察，只有对信号的长期观察和理解，才有可能在某一天捕捉到真正属于你的信号；

第三，找变化，拉长时间轴，噪音均匀零。只有找到那些变化，才能找到生命中最重要的信号。

在这里，享受:

今天这个社会信息量越来越大，噪音越来越多。如果以每五年为一个生命周期，我们会看到它的成长、衰落和各种变化。

人类今天能做一些伟大的工作，不是因为我们选择了更多的信息，而是因为我们选择了“专注”。“专注”帮助我们屏蔽不需要看到的信息，然后专注于当下。

从本科到研究生的七年时间里，我一直在做一个研究:什么是信号，什么是噪声。它是如何使用“滤波器”来消除噪声以及如何接收信号。后来，我成功地将这种方法应用到投资中。

什么是“信号”和“噪音”

上图是我研究生期间发给中科院下属某杂志社的一篇论文的节选。当时我正在研究基于沙漠的车辆识别，也就是在沙漠中，通过对地球轨道卫星图像的分析，我找到了抛锚的汽车来营救被困在沙漠中的人。

你可以看到这张纸上的每张照片都有一些小的黄色边框。这些框架是由计算机识别的汽车。举个例子，第一张图中的框架是一辆沿着沙漠公路行驶的汽车。这些车都是一位数像素级的图像，稍微大一点的不会超过20像素。

这是什么意思？这意味着在高清图像中，我们必须尝试找到只有十几个像素甚至几个像素的信号。

回头想想，人生不就是这样吗？在大量的冗余信息中，找到最重要的信号。这是我们一直在研究的，然后在投资过程中一次又一次的经历。

2012年入行的时候，不知道什么是投资，也不知道做什么。和大多数新投资者一样，我的第一反应是看卖家的报告，包括CICC、MS、GS等。

我将报告中的行业信息分为供应链、需求方、渠道方等。，一开始可能只有五个参数，后来逐渐变成十几个、二十个甚至五十个参数。

发现对行业了解越多，参数越来越多。

这时，我突然觉得我需要等待。这个过程好像有问题，因为在过去七年的科研中，我体会到了一件事:信号是找一样的，只有噪音是找不一样的。

假设你学了一个新东西。当它变得越来越难细分的时候，恭喜你，十有八九你会发现噪音。

而且越学越简单，看到越来越多的共性，就回归老子说的“一”，找到真正的信号。

导师多次说过:噪音不同，信号提取也一样。最典型的噪声，比如白噪声，每一个单个点都是随机的，但综上所述，其实就是高斯分布。

所以我们永远不能站在一个点上研究一件事，因为那种研究只会让人脑袋越来越大，参数越来越多。

再举一个我室友的例子。

我室友之前暗恋过一个女生，那个女生居然暗恋我室友。一天打完球，女孩跑过来对他说:“你饿吗？我给你买了些薯片。”正常人会认为这是一个已经发出的信号。

但是这个时候，我把一个哥们放在下铺，特别贬义的说:“这个薯片最近特价。我一直想买，果然你买了。”然后室友觉得很有道理，就没有得到女生的真实信号。

这时信号和噪音已经混在了一起，他得到了一个没有意义的波段。

所以有时候，在我们的生活中，我们会抱怨为什么我们没有收到这个信号，为什么我们没有注意到世界的变化，例如，为什么我们没有看到一家公司即将崛起。

本质上并不是因为我们看不到那些信号，而是因为你身边有这么一个“坏朋友”，他是你身边的噪声源，不断为你提供各种高斯噪声。

那么你如何识别他们呢？只能长期保持观察和觉察。总有一天，当这个信号的噪声源消失了，你就有机会得到真正的信号。

就像刚才的例子，把“噪音源”去掉，我室友也许就能和那个女生在一起了。

投资中的“信号”和“噪音”

当我们看投资时，投资的信号是什么？什么是噪音？

有人说，五年往往是一个周期。细分方面，什么是长期不变？每五年你能想到什么？是什么让噪音尽可能低？

我在投资领域找到了第一个信号:人口结构。

所以从2012年到2014年，我花了两年时间研究世界上不同国家、不同时期、不同节点的人口结构。直到14年结束，我突然发现我之前的研究全是噪音。

扩展一下，先看看图中这四个国家的人口结构，你会发现这些国家都有一个共同的特点:出生断层。

比如中国有两次人口高潮，日本也差不多，这种现象不仅发生在日本和中国，德国和俄罗斯也有。再往前看，其实还有波兰和韩国。

这是为什么？

因为他们都是二战的主要参与者。也许是因为战争失去了一代人；又或许是因为备战，我开始暴力造人；也可能是因为战败后，回到家就没事干了，只好生孩子。

比如日本2000年的人口结构和中国2020年的人口结构非常相似。为什么一个国家2000年的人口结构和另一个国家2020年的人口结构相似？

合理的说，如果都是二战的主要参与者，不应该同时面对同样的问题吗？

这是因为日本一开始觉得自己太强大了。当他们以最快的速度占领中国东部三省时，他们在1939年提出了1亿人口的计划。

他们觉得如果要全面占领中国，日本人是不够的，于是天皇鼓励大家多生多死。

也就是说，二战结束前，日本实际上处于一场非常激烈的“人造运动”。至于中国，二战结束后的十年间，出现了褒扬“英雄母亲”的趋势，最终形成了我国第一波人口高潮。

所以，也是战争。对于不同的国家来说，其影响是巨大的，方式和阶段也是不同的。很多时候我们以为这些事情和我们无关，其实和我们息息相关。

中国于1978年将计划生育写入宪法，并于1982年将其作为一项基本国策。你知道这意味着什么吗？

这意味着1983年以后出生的孩子几乎都是独生子女，独生子女意味着你小的时候，没有兄弟姐妹与你对峙、争吵，意味着你长大后不需要经过人类的对抗而做出太多的和谐、妥协、胶水。

走得更远意味着什么？

这意味着当我们第一次进入职场时，我们这些83后出生的孩子发现我们的自我很大。一代人每个人的EGO都很大会怎么样？

当83后成长到22岁的时候，也就是2005年以后，中国出现了一系列的小生意小贩。

淘宝这个时候也有大量活跃的小卖家，因为这些人觉得自己无法适应和别人在一起的工作环境，必须独立生活，从小就待在自己最熟悉的地方。

与此同时，这一时期出现了另一个有趣的数据:2005年至2017年，中国的离婚率几乎增长了两倍。

2005年之前，离婚率基本保持平稳缓慢增长，2000年至2005年甚至有所下降。到了2005年，这些83后开始陆续进入法定结婚年龄，很多人会发现，自己无法接受和另一个性格不同的人生活在一起，无法妥协。

所以，这个过程表面上和我们没有关系，实际上大家都是这波浪潮中的一滴水。

作为投资者，投资其实就是这个时代的语境。我们看到的不仅仅是一个点，一点点的变化，而是整个时代，以及它有序推进的整个过程。

再来看看另一个国家:印度。

如果你仔细看看印度的人口结构，你会发现它实际上是荒谬的。

从这张图中，你可以感觉到印度在全球化的进程中没有参与感。因为无论是一战还是二战，无论是全球化还是WTO，它的人口都还在有序增长，没有断层，没有变化。

所以当我们投资印度公司时，我们会发现一个问题:你投资的是什么？

这就是我们常说的——谁是我们的用户？你真的了解你的用户吗？他是哪一年出生的，那一年发生了什么？他成长经历中的时代语境是什么？他会形成什么样的性格？这些性格的特点是什么？

表面上看，每个人都不一样。但从时代来看，每个人都有很多共同点。让我们投资或者回到那个点，寻找相似而不是不同。

很多人可能会问，人口结构和经济的关系有多大？这些信号的异同在科学领域真的有意义吗？能否指导一下自己的投资方式？

问完这个问题，我做了很多人口学研究，看了很多书。

有一本大家推荐的书，叫《人口悬崖》。这本书的作者哈利·但丁是美国非常重要的人口学家。他对整个美国的人口结构进行了广泛的调查，最终发现虽然美国每个家庭都不一样，但其实有很多相似之处。

于是，他总结了这些相似之处，画了一张趋势图。

这张图显示，美国任何家庭的孩子，到了26岁，都想买下人生中的第一套公寓；31岁，希望有过渡房；42岁，希望有一个改善的住房；46岁时，我想拥有更好的家具，能够支付孩子的大学学费。

通过大量统计，他发现46岁是美国人口结构中平均家庭消费最高的年龄。这可能意味着我们只需要把包括移民在内的出生指数往前推46年，然后就能看到普通美国家庭可预见的消费高峰。

在此之前，我们不妨回顾一下婴儿潮一代的出生趋势:从1934年到1937年，出生率开始加速，并在1961年达到峰值。

按照46岁作为家庭消费的最高支出点，消费高峰应该比生育高峰晚46年，所以1983年到2007年会有一个强劲的经济繁荣。

在得出这个假设后，哈利·但丁去查看道琼斯指数，发现得到的数据与预测结果惊人的相似。

所以，有些东西似乎与我们无关，但它作为一个整体可能有意想不到的相关性。

这里其实有很多细分。如果你看看世界各地不同国家的经济数据，研究它们的人口结构、生育率、结婚率、离婚率，你会发现它与你生活中的许多事情都有联系。

这就像奥本海默《信号与系统》中的“傅立叶变换”。

“傅里叶变换”是指任何一个波都可以分解成不同周期函数的叠加，那么你的生活中一定会有一些小周期，但大周期是什么呢？我们需要找到那些大信号。

今天美国团外卖和饿变强了，所以很多人解释为什么外卖在中国能起来。原因很多，比如微支付的兴起，手机普及率的提高，微信红包的进一步推广等等。，但归根结底，都是关于科技结构对我们的影响。

你想过人口和社会结构对我们的影响吗？我们可以回到一个问题:如果没有科技的发展，手机，红包，小额支付等等。，会有外卖吗？我们把这个问题推给一些更发达的国家，看看这些国家是否经历了同样的过程。

以日本为例。

上图是日本从1963年到2007年与餐饮相关的所有子类别的增长情况。有两条线路增长非常快，从1963年到1990年分别增长了14倍和12倍。

这两行是熟食，这是今天日本的午餐文化，还有家庭外的饭菜，这是餐馆里的饭菜。

所以在没有智能手机的时代，日本增长最快的两类餐饮消费是外卖和外出就餐。

原因是什么？因为技术结构？还是送货员起床了？我们可以回顾一下从1963年到1990年日本的社会结构发生了什么变化。

根据图中的数据，从1970年到1990年的20年间，日本独居和两户居住的家庭比例增加了9.8%。

所以你突然意识到，你今天为什么叫外卖？因为你只有一个人，或者你和你女朋友或者老婆。其实，一个家庭的每个人都知道，当你有了孩子或老人，你不愿意点外卖。

很多时候我们好像是科技带来的革命。其实是社会结构变化的潜移默化的影响，随着单身潮和离婚率的上升而增长。

由于单身家庭和丁克家庭的比例迅速扩大，一种基于外卖和外出就餐的需求被挤出来了。这一需求在日本20年间增长了14倍和12倍，而同期日本整体消费指数只增长了7倍左右。

所以在投资的时候，我们会思考技术带来了什么样的革命，但其实我们应该回到信号这边，思考人口结构正在发生什么变化。社会结构带来了哪些变化？单身的人越来越多，这意味着什么？真正的信号是什么？答案都在信号里。

如何应对高移动性的噪音世界

这里又来了一个问题:在这个由人口结构和社会结构驱动的社会中，我们应该如何利用它们？信号与噪声的理论是什么？

我在想，我一定不是第一个去找这些东西的人。这个世界上有些人在用信号与噪声的理论思考，包括很多优秀的产品经理或企业家，他们也在用这种方法构建产品和商业模式。

于是我尝试在经济学领域寻找一些支撑点和整合点，最终找到了一个叫费希尔的人。

费舍尔是华尔街的传奇人物，也是布莱克-浅滩期权定价模型的著名支持者。他去世一年后，诺贝尔将经济学奖授予了他的两位模型参与者。

在他的一生中，他写了很多关于定价和量化方法的文章，这些是现代金融的基础。

在此基础上，他在1986年发表了一篇论文:噪音，他用了八页的篇幅描述了什么是金融领域的噪音。

他在论文中写道，价值投资者无法在短时间内证明自己的能力，因为世界上有很多噪音，促使一些所谓的噪音交易者，这些交易者围绕噪音进行交易，最终他们的交易行为本身成为一种噪音，进一步影响更多的噪音交易者。

于是，这个社会就变成了价值交易者和噪音交易者的对抗。

很多时候噪音交易者的数量远远大于价值交易者，所以股价会在短时间内快速波动，波动方向往往与价值交易者完全相反。

在这篇论文的最后，费舍尔问了一个问题:这些噪音交易者一文不值吗？他的回答:没有。

正是因为这些噪音交易员为整个市场提供了流动性，市场才能长期发展。试想如果大家都是价值交易者，谁来卖？大家都在卖的时候谁会买？

所以在生活中，不要担心这些噪音，也不要担心听到这样的话:“你的竞争对手每三个月就被资助一次；或者在你还没想明白的时候，你发现他一年被资助了三次。”

这个世界上有太多的噪音，在你的生活、事业、日常人际关系中，但我希望你最后不要被它们改变，因为它们只是噪音。

根据遵循费希尔的理论，系统中的流动性越强，系统的噪声就越大。

另一方面，每一次技术革命实际上都把世界的流动性推向了更强的地方。以前我们以为工业革命带来了流动性的增加，后来发现和信息革命相比，根本不算什么。

当我们认为目前信息和资产的流动效率已经很高的时候，突然有一天区块链技术出现了，你会发现过去的流动性什么都没有。将来，你甚至可以把任何你不敢想的事情变成流动资产。

在这个噪音越来越大的时代，如何投资创业？基于多年来对信号和噪声的了解和研究，有三点与大家分享:

首先，保持开放。

在这个时代，你必须对世界的变化保持敏感。因为当噪音越来越大时，可能需要更灵敏的雷达来捕捉那些信号。因此，你会发现锅盖变得更平，直径也更大，因为它可以捕捉到更小的变化。

所以首先，不管你今天在哪里，每个人都需要保持开放。

第二，长期意识。

信号永远不会在某一天突然来到你的门前。就像我室友一开始的例子，那个女生虽然是他生命中最重要的信号，但是之前的信号传输还是有问题的。他从一开始就没有意识到真正的信号。相反，你可能会认为你旁边的坏朋友是你生命中重要的朋友。直到有一天，毕业后，坏朋友走了，干扰噪音被处理掉。

所以，在生活中，一定要保持长久的觉察，因为只有长时间的观察和理解信号，才有可能在某一天捕捉到真正属于自己的信号。

第三，发现变化。

因为在任一单个点上，噪声都是随机的、不一样的，但是扩展到足够长的时间轴上，噪声是均匀的、零的。所以，只有发现那些变化，才能找到人生最重要的信号。

多年来，我从这种研究方法中受益匪浅，希望这种研究方法也能帮助你在这个高度移动和嘈杂的世界中成为一个优秀的滤波器，屏蔽你生活中的噪音，找到你生活中的信号。

最后，就像我们说的，思考事物的本质，回归简单的生活。