模型漂移 (Model Drift) 想象一下你有一张多年前绘制的城市地图，它曾经精准无比。但随着城市发展，新的道路、桥梁和地铁线路不断涌现，这张旧地图就渐渐“失灵”了。在投资世界里，模型漂移就是这个道理。它指的是一个最初被验证为行之有效的投资模型或策略，因为其赖以建立的市场环境、数据规律或投资者行为发生了根本性变化，导致其预测能力和盈利能力显著下降甚至失效的现象。这种情况在高度依赖数据和算法的量化投资中尤为常见，但也对所有依赖系统性框架的投资者敲响了警钟。
模型就像是投资大海中的航船，而“漂移”则意味着航船的罗盘或引擎出了问题。导致漂移的原因多种多样，主要可以归结为以下几点：
市场并非一成不变的静态系统，它在持续演化。
许多量化模型依赖于特定的因子来筛选股票，例如低市盈率的“价值因子”或持续上涨的“动量因子”。
这是模型构建中的一个典型陷阱。如果一个模型在回测阶段被过度优化，以至于完美地匹配了历史数据中的每一个微小波动（包括随机的“噪音”），那它很可能只是“记住”了过去，而非“理解”了规律。当市场进入新的阶段，这种模型往往会因为缺乏适应性而迅速失灵。
对于以价值投资为核心理念的投资者来说，模型漂移的概念不仅是旁观量化世界的趣闻，更是对自己投资体系的深刻提醒。
无论是复杂的计算机模型，还是某个“大师”的选股公式，如果你不理解其背后的商业逻辑和基本面依据，就绝不应盲目跟随。价值投资的核心是理解你所投资的生意，而不是依赖一个你无法解释的预测工具。
没有一劳永逸的投资策略。伟大的投资者同样拥有自己的“心智模型”，但他们会持续学习，不断根据现实世界的变化来审视和修正自己的认知框架。把你的投资逻辑看作一个需要不断维护和升级的“模型”，警惕它因为思维固化而“漂移”。
价值投资最伟大的智慧之一就是“安全边际”。它承认了未来的不确定性和我们认知的局限性。当你以远低于其内在价值的价格买入资产时，你已经为可能发生的错误（包括你自己的“模型漂移”）预留了缓冲垫。即使你的判断不完美，足够宽的安全边际也能保护你的本金免受永久性损失。