說到投資的風險與收益🤷🏻♂️，幾乎每個人都會說，風險越大🥙，收益也越大🏫。研究人員基於市場中大量的金融數據分析得知，風險與收益呈現正相關關系🙅🏼，這也是金融學研究的主流觀點。但美國經濟學家Bowman的Bowman悖論卻認為，風險與收益呈現負相關關系。誕生這個悖論僅僅是實證分析的結果，它是非主流觀點🙌🏼，自1980年提出以來，就一直備受爭議至今🐰。
然而，基於物理學方法卻可以知道💇🏽🪫，風險與收益成正比，這僅僅是實證分析的結果，缺少可控實驗和理論分析的研究👰🏻🕷。事實上，研究人員構建了實驗室金融市場📘🧑🏼🔧，開展一系列可控實驗。最終他們揭示了一個與主流觀點相反的結果——即當金融市場是封閉且有效時，風險與收益呈現負相關關系🛫，當然他們同時還揭示了一些有趣的人類動力學行為規律。
進一步的理論分析也支持了這個實驗發現🛑。這個結果與Bowman悖論一致🦒，爭論不休的經濟學問題終於有了一個結論，而這個結論來自物理學方法的檢驗。
當你透過藍色眼鏡看一張白紙，你眼中看到的將是“藍紙”而非白紙🖨。與此類似📕，在當前金融數據的研究中，金融數據就是鋪在你眼前的“白紙”🛒，而你使用的各種統計分析方法就是你佩戴的“藍色眼鏡”。也就是說𓀅，基於各種統計方法分析金融數據得到的結果，通常依賴於統計方法本身，這就導致這些結果可能與事實不符。
但是🕹，當人們使用物理學的思想和方法來研究這些金融數據時📅，困擾大多數人的有色眼鏡看出來的東西都不對勁的問題迎刃而解。一門新的物理學研究方向誕生了💁🏽，它就是實驗室真人統計物理學，也叫實驗金融物理學🧑🏼🌾。
為伽利略和牛頓解決問題的物理學思想
物理學有兩個思想，第一個就是：尋找原因時應該選擇最主要的原因——這其實就是一些物理學家常說的“粗粒化”。
第二個思想🔕，即獲得的結果應該具有普適性。這裏的普適性一是指可以用於解釋過去或已知（解釋力）🧑🏿🦰，二是指可以用於預測未來或未知（預測裏）👆🏻，兩者缺一不可。
以大多數人在中學學過的自由落體為例，假設一個小球從屋頂自由下落🤹🏻♀️：影響小球下落高度(h)的可能因素非常多，例如：時間(t)⬅️、空氣阻力🏊🏽♀️、大氣壓力🪃、濕度👌，甚至暗物質、暗能量🌡、等等🦆。出生於16世紀中期的伽利略只考慮時間與高度的關系，創立了自由落體定律，還列出了公式。
自由落體定律隨後幫助100多年後的牛頓創立了經典力學，經典力學使今天人們能夠把火箭和衛星送上天♠️。這是物理學第一個思想的運用👆🏼🤸🏼。
基於伽利略的自由落體定律，牛頓建立了他的第二定律，牛頓第二定律不僅可以幫助解釋伽利略在地球上做出的自由落體定律🤳🏼，而且可以幫助解釋開普勒(1571-1630)針對太空中行星運動得到的行星運動三定律。更重要的是，牛頓第二定律還可以用於預言未知的現象🚣🏿♀️，例如😎🎤，海王星的發現就得益於牛頓第二定律和萬有引力定律的理論預言♻。這就是物理學第二個思想的運用。
放之四海 而皆準的物理學方法
光有物理學思想還不夠，物理學方法也很重要🈯️。
眾所周知，任何一個學科的誕生，都是人們從身邊事物或熟悉的事情觀察分析開始的，物理學也不例外。從亞裏士多德(公元前384-322)時代到開普勒時代，物理學家首先觀察身邊熟悉的自然界👮🏿，然後分析、歸納這些觀察數據，之後獲得了許多結果，例如亞裏士多德得出地球是球形的結論、開普勒總結了行星運動三定律🏠。這些結果都是分析自然界中已有的數據或現象（例如海平面不平🖖🏽🥜、行星繞著太陽旋轉）獲得的結果，即都是實證分析的結果。
所以🧚🏻，“實證分析”該是物理學第一個方法，它自物理學這個學科誕生之初就有了🧖🏻♀️。
物理學第一個方法的優點：結果可靠😥、數據巨大⚓️。“結果可靠”是因為被分析的數據來自自然界😔、非人為構造🦸🏿♀️，故而其結果應該是自然界特定對象的客觀描述🕠。“數據巨大”則是指，龐大的自然界中含有各種海量數據，無疑這對人們認識、理解自然界大有裨益。
物理學第一個方法的缺點：不可控性🕺🏽、非格式化。因為這些數據來自自然界🤶，所以，人們無法（或很難）控製產生這些數據的條件。也正因此🏄♀️，實證分析通常只能得到相關關系而非因果關系——但，與相關關系相比，因果關系代表了更深層次的認識🙆🏼♀️，對人類通常也更有用🧫。
另一方面，自然界的這些數據格式是由人們的采集方式決定的💞，這為人們研究這些數據帶來了額外的麻煩——這也就是前面提及的“非格式化”的意思🏃♂️🛤。
那麽如何克服這兩個缺點呢🚵🏽？這就誕生了物理學的第二個方法。
物理學的第二個方法就是實證分析與可控實驗相結合的方法。因為實證分析揭示的通常是相關關系，而非因果關系，所以，伽利略開始在實驗室中做實驗😺，以便可以有目的地調節一個或少數參數（同時固定其余所有參數），以便揭示這些參數與結果之間的因果關系。這樣就是可控實驗，這些實驗通常是在實證分析結果的啟發下開展的。
物理學第二個方法的優點💇🏼♀️：可控性（因果關系）、格式化。這裏的優點正對應物理學第一個方法的缺點。
物理學第二個方法的缺點：偏離事實、數據稀疏🤜🏻。要知道🦢，這些可控實驗是特定的人（例如伽利略）在特定的實驗室針對特定的實驗樣品或系統做出來的，所以🧖🏻，最終獲得的實驗數據可能會偏離真實世界中的規律。另一方面👳♀️，一般而言，實驗室中產生的數據與自然界中蘊藏的海量數據相比，通常少得可憐✖️，這正是——“數據稀疏”。
為了解決第二個方法的缺點，物理學的第三個方法就是實證分析🏄🏼♂️、可控實驗、理論分析三者相互結合、互為補充的方法🈴💅🏻。鑒於物理學第一個方法隱含的缺點，牛頓當年就是直接從第二個方法出發的🧛🏻♀️🤜🏼。
更為重要的是，牛頓還意識到第二個方法產生結果的狹隘性🫡，例如：開普勒的實證分析結果“行星運動三定律”是針對太陽系的行星歸納總結得到的，所以，這個行星運動三定律只適用於太陽系中當時已經觀察到的幾個行星🙅♂️，並不適合其他的行星和恒星🤪。同樣，可控實驗的結果與特定的實驗樣品和器材甚或開展實驗的人有關，這些結果的可靠性自然令人生疑🦹🏻♂️。
鑒此🆕，牛頓基於微積分、使用理論分析的方法🦝🚴🏿♀️，推廣了物理學第二個方法獲得的結果，使其突破狹隘性🚿、具有普適性。
今天⏫，人類的生活已經在物理學的影響下產生了翻天覆地的變化，例如電的使用👊🏻、衛星電視👶🏿、智能手機等🔢。不得不承認：物理學第三個方法的成功是巨大的、是空前的。
研究人這一特殊粒子的“實驗室真人統計物理學”
在傳統的統計物理學中，人們並不關心個體（例如單個水分子）的運動，換言之，個體究竟如何運動，對系統整體的宏觀統計物理性質並無影響。但是，“人”這種特殊的粒子具有其它物質粒子不具有的兩個特性👨🏿⚖️，一是學習能力👯♀️🕵️♂️，二是（對環境的）適應性🦕。若有兩個人，在同一條路上，相向而行🚻，如果他們對這個世界一無所知，他們必然相撞🧑🏽🏭，但是🦹🏿，相撞後🧊，兩人都感覺不爽，那下次兩人再次走到同一條路上，再次相向而行時，他們就會避開對方，也就不會再次相撞了😽🏌🏿♂️。
這就是人這種“粒子”的特殊性。過去已經系統開展的相關研究多是對於與人類行為有關的金融數據的統計物理分析📓。不過，主要是研究宏觀現象本身，並不涉及微觀機製——而揭示微觀機製才是物理學的用武之地。
一個重要的實驗是我們曾經做過的研究👦🏻。
正確認識市場的宏觀性質和微觀機製⏳，有助人們利用金融市場造福人類。200多年前👰🏼♀️，斯密(1723-1790)分析了各種市場的數據後，得到結論：市場中有只“看不見的手”起著調節作用⛔️，這只“手”使得市場在沒有外界幹預下能夠自動達到供求平衡🤠。顯然，對照物理學第三個方法🤸，斯密的結論僅僅是實證分析的結果，還缺少可控實驗和理論分析🧯♟。鑒此，有研究人員設計了實驗室金融市場🤌🏿，開展了一系列可控實驗，同時也進行了相關的理論分析（基於多體計算機模擬），可喜的是，實驗和理論皆支持了斯密的結論👂🏿，並且同時還揭示市場中存在一些新奇的相變現象💂🏻♀️⚈。可見，斯密基於實證分析獲得的結論通過了物理學第三個方法的檢驗。
物理學的思想和方法確實有助人們從金融數據或市場中獲得更為可靠的結論。這也正是實驗室真人統計物理學在新時期應運而生的主要原因👩🦽🧂。當然，現有的金融學研究中也有一些可控實驗和計算機模擬研究🚠，但是，這些研究通常並不同時遵循此文中提及的兩個物理學思想。從這個角度也可以看出🧑🏿🦲，實驗室真人統計物理學可以與現有金融學研究形成一個良好的互補關系💇🏽，當然💇🏿♂️，難能可貴的是，它的誕生更豐富了傳統統計物理學的研究範疇——不再僅僅研究無智能的物質系統⛹🏽♂️，也可以研究有智能的人類系統了🤗！
（作者為恒行2平台物理系教授）