俗话说得好，工欲善其事，必先利其器。在面对错综复杂、天天在变化的市场时，投资者想要研究透市场，也就需要一堆小模型来帮助自己。
鉴于投资这个行业的专业性、小众性，在绝大多数时候，这些有用的小模型在市面上，都不太容易找到现成的版本，或者找到的现成版本多少有这样那样的问题。所以，就需要大家自己动手，多做一些适合自己的小模型。
这里，就让我们来看一些有用小模型的例子，希望能对大家有所启发。
货币基金收益率高低比较模型：一般来说，货币基金的短期收益率高低，呈现比较强的连贯性。也就是说，之前几十个交易日收益率高的，之后几十个交易日就容易高。因此，在进行短期资金管理时，一个比较所有货币基金收益率孰高孰低的小模型，就会帮到你。
基金超额收益率排名模型：一支基金是好是坏，光从业绩涨跌本身其实很难看出来，我们需要比较它们相对基准指数的超额收益率。而对于同属一类的几百个基金，我们就需要一个小模型，来比较它们的超额收益率、尤其是长周期的超额收益率谁更高、谁更稳定、谁从市场当时波动的特殊情况来看更有价值（短期业绩往往不说明什么问题）。当然，对于历史上超额收益率更优秀的基金，当前基金经理是否更换，也是需要仔细观察的。
单个公司历史数据分析模型：企业的财报重要，它们的历史财报往往更重要，在理解行业历史变动、企业长期竞争优势、复权基本面增长等方面，有莫大的帮助。但是，现成的资讯软件却常常不能提供足够完善的历史数据分析模型，这就需要投资者们自己动手。
股票基本面筛选模型：一个股票估值可能不高，可是在资质相同的股票中，它的估值是不是最低的呢？一个企业的成长性可能还可以，但是有没有比它更好的呢？在A股上市股票已经有几千个时，进行股票基本面的各个角度的筛选，也就显得尤为重要。
最近表现最好/最差的产品：一般来说，投资者很容易能在资讯软件上，找到当天表现最好、最差的股票，或者一年之内表现最好的基金。不过，这些数据的时间跨度往往不够完美，而如果想看几年里的产品表现、或者一个自定义时间段的表现列表，比如从2015年6月12日股市最高点以来的表现，一个自制的小模型往往就更方便。
指数精准估值模型：指数的估值对于投资的价值不言而喻，但是，我们在市场上能看到绝大部分的估值数据，都是依据成分股的总市值权重、而不是在指数中所占的实际权重计算的（两个权重常常不一样）。这时候，为了得到一个指数的精准估值数据，投资者就需要自建一个小模型。
股票精准估值模型：相对指数，单个股票的估值数据更容易取得，但也更容易有所偏颇。比如，净利润里是否要扣掉非经常性损益？净资产中应该包括永续债吗？DCF模型里贴现率到底取多少合适？是现在一年期定存的1.5%、10年期国债的3.7%、企业普遍的借贷成本5%到8%、还是过桥贷款的10%到15%？这时候，为了搞清企业在各个口径下精准的估值，投资者必然需要一个自己的小模型。
指数基金跟踪误差模型：对于指数基金的投资者来说，最担心的事情往往是购买的指数基金产生了跟踪误差、尤其是逆向的跟踪误差。简单来说，就是涨幅小于标的指数、或者跌幅大于标的指数。这种误差的产生，往往和基金经理的管理能力有关。因此，建立一个模型分析指数基金历史上的误差，也就颇有裨益了。
封闭式基金折价模型：封闭式基金的折价、尤其是高于20%、甚至达到30%到40%的大折价，往往在熊市中，随着投资者的信心萎靡而产生。伴随着市场信心恢复，标的资产（往往是股票，但也有一些债券等其它产品）价格的上升和信心回暖带来的折价率回升，会使得封闭式基金的交易价格大幅上涨，在2005年年中、2015年7-9月份A股市场封闭式基金的大折价中，我们都可以看到这样的例子。因此，投资者就需要一个可以自动监测封闭式基金折价情况的模型。
在研究市场时，投资者可以建立的小模型还有很多，这里不再一一列举。有了这些小模型，就好比有了一群忠于职守、高效准确、永不辞职的小助手，时时刻刻提醒可能出现的理性投资机会在什么地方，让我们的投资者们能够更好的把握这个市场。
