MIT 的 Andrew Lo 教授在一次讲座中说过一段话，可能是对金融和物理最精准的区分：
“If enough people try to forecast prices, you get no pattern. You get randomness.”
这不是比喻。这是机制描述。
01 / 那个球不会改变主意
物理学的稳定，不只是“规则不变”这么简单。
你研究引力，引力不会因为你研究了它而改变。你用牛顿定律捕捉炮弹轨迹，炮弹不会提前闪躲。你观测到双星系统的轨道衰减，轨道也不会因为你观测了就偏移半度。
研究者和研究对象之间，没有互动和反馈回路。
但金融市场完全不同。
这不是在说市场不理性。恰恰相反——市场因为太理性，才会让规律消失。
你发现了一个价格规律。你开始利用它。其他人看到了你的业绩，也加入了。买方力量涌入，价格被推向新位置。规律消失了——不是因为规律错了，而是因为你和你的竞争对手把规律“用完了”。
用 Lo 的话说：随机不是市场的假设，随机是竞争的结果。
如果市场不够随机，恰恰说明参与竞争的人还不够多。
02 / 你到底在下注什么？
理解了 Lo 的悖论，一个更深层的问题就浮现了：下注的对象，会不会因为你的下注而发生变化？
这取决于你在做什么建模。
基本面建模试图描述资产本身的价值——公司的现金流、行业结构、竞争壁垒、管理团队。这些是相对稳定的事实。一家公司不会因为你分析了它的护城河，护城河就发生变化。
预期建模则完全不同。你试图描述的是“其他人对资产的共同判断”。你研究的是人群的行为模式、共识的形成过程、信息在市场中的传播路径。
因此，Lo 的悖论几乎只作用于预期建模。
基本面不会因为你分析了它就改变。但预期——你对预期的利用，本身就是改变预期的力量。
一个关键的区分：大多数量化策略，都在做预期建模。
动量因子赚的是“市场对信息反应不足”的钱。反转因子赚的是“市场过度反应后回归”的钱。情绪因子赚的是“群体非理性”的钱。这些都是对人群行为模式的利用——而人群一旦意识到自己被利用，就会改变行为。
这不是市场失效。这是市场在正常运转。
03 / 人类应对方式的死胡同
Lo 自己给出的答案是：控制情绪。
“The game isn't predicting patterns. It's controlling emotions when patterns break.”
这是人的答案。合理，但不够。
不够的原因不是情绪控制不重要，而是人类适应速度有上限。你控制情绪的速度，永远跟不上 Pattern 消失的速度。当你意识到“这个规律正在被套利殆尽”，你的资金可能已经在这个规律里了。
更根本的问题在于：预期建模要求你实时更新“对他人预期的预期”。这不是一层递归——你不仅要猜别人怎么想，还要猜别人如何判断你对他们想法的判断。每一层递归，都在加速 Pattern 的消耗。
人类不是做不了这种递归推理，而是做不了足够快的递归推理。
而市场不会等你。
04 / 演化速度必须快于市场
如果 Lo 的悖论不可回避——Pattern 必然被消耗，预期必然自我消灭——那唯一的出路不是“更准地预测 Pattern”，而是在旧 Pattern 消失之前，系统已经演化出了新 Pattern 的捕获能力。
这就是代码演化（Code Evolution）路线的意义。
传统因子挖掘是搜索——在预设的算子空间里排列组合。搜索空间是闭合的，所有人搜同一个空间，Pattern 自然加速消耗。
一个实验：用同样的 Prompt、同样的算子库，通过三个不同 API key 让 GPT 生成 100 个因子，再对结果做 AST 子树同构检测——超过 40% 的因子结构高度相似。这不是偶然，这是搜索空间封闭的必然结果。AlphaAgent（KDD 2025）也独立验证了同样的现象：传统 GP 和纯 LLM 公式搜索生成的因子，在 AST 子树同构检测下重复率高得惊人。
代码演化是另一个逻辑。系统不只在一个空间里搜索，而是通过代码层面的变异和选择，持续跳到新的搜索空间。这是从“在地图上找路”，到“不断扩展地图本身”的区别。
CogAlpha 展示的正是这种能力——七层 Agent 层级，从因子生成到回测评估到代码修复，构成了一个能自我迭代、自我校验的演化闭环。它不是在找一个更好的因子，而是在建一个持续产出更好因子的系统。
这不是“更快的人”。这是“不同维度的系统”。
我们 GIM 在基本面建模和预期建模两条路径上都已做了大量理论创新和实验。这些工作会在后续文章中逐步展开。但一个方向是确定的：当市场在处理速度上已经超过人类集体，系统的适应速度必须超过市场的变化速度。
05 / No Human in the Loop，不是哲学
说到“No Human in the Loop”，很多投资人的第一反应是：这不安全。
但“安全”是一个动态概念。
在 Pattern 半衰期以天计的世界里，人类介入每一次决策循环，本身就是风险。不是因为人不够聪明，而是因为人的介入速度跟不上 Pattern 消耗的速度。
既然市场会反抗，你研究的成果，就是消灭自己的过程。
那解决方案就不能是“研究得更好”。解决方案必须是：让系统自己跑。
不是因为人不重要。恰恰是因为人太重要了——人的判断力应该用在更高维度的事情上：系统架构、风险框架、目标设定。而不是在每一轮 Pattern 衰减中做最后一公里的执行决策。
市场的反身性不会消失。但一个能持续演化的系统，可以在反身性消灭旧规律的同时，捕获新规律。
物理定律不改变主意，但市场会。所以你需要一个比市场变得更快的东西。
本文基于 GIM 团队对资管行业的技术观察与思考。文中观点不代表投资建议。