读书笔记 | 征服市场的人
本书全方位展示了量化投资领域的开创者詹姆斯·西蒙斯的生平和成就。从他的早年生活、数学成就到在金融投资领域的探索和创新，书中详细描述了他如何通过数学模型和单一交易模型创立大奖章基金，并实现年均超过50%的收益。
西蒙斯曾经和一位朋友提起过，如果能够破译股市密码继而征服投资世界“将会是了不起的成就”。他想用数学征服市场，如果成功，他非但能够赚到巨额的财富，甚至可能影响到华尔街以外的世界。有人认为这才是西蒙斯真正的目标所在。
西蒙斯认为强有力的定理和方程式可以帮助人们发现真理，并且使分属代数和几何的不同领域达到和谐统一。
西蒙斯的确热爱数学，但他也很渴望金钱。他明白财富可以让人独立，也可以让人产生影响力。
西蒙斯他们没有像绝大多数投资者那样专注于股市的基本面数据，诸如盈利、股息和公司新闻等。相反，他们致力于寻找能够预测股市短期行为的宏观变量。他们把股市划分为8种“状态”，其中“高波动期”意味着股票大幅震荡，“良好期”意味着股票保持升势。他们没有用传统的经济学方法来甄别或者预测这些“状态”，也没有试图去解释为什么市场会进入某种状态，而是纯粹用数学方法来甄别当前的市场属于哪种“状态”，然后利用模型来推荐购买股票。也就是说，他们并不关注市场为什么会进入某种状态，而是仅仅根据推断出的市场状态来制定策略。
他们认为，没有必要去理解市场变化的每个原因，只要找到一种系统性的能够适应市场的数学方法，并产生可持续的利润即可，这是西蒙斯后来投资策略的一个侧影。
西蒙斯与国防分析研究所的同事共同发表了一篇名为《股票市场行为的概率预测模型》的文章，提出一种投资者闻所未闻的投资方法：寻找能够预测股市短期行为的宏观变量，纯粹用数学方法来甄别市场的状态，然后利用模型来推荐购买股票。
一些投资者认为，市场是随机游走的，所有已知的信息都已经体现在价格之中，只有新的信息可以推动价格变化，但新的信息是无法预知的。另外一些人则认为，价格的变化是投资者对经济数据和公司情况做出的反应，认真研究是可以得到回报的。
西蒙斯来自一个完全不同的世界，有着完全不同的视角。他已经非常习惯于在看似随机的数据中探寻某种规律。科学家和数学家们非常善于从自然界混沌和杂乱无章的表面之下，寻找某些简洁和美丽的结构。寻获的这些规律或规则就构成了科学定律。
西蒙斯认为，可以把金融市场视为一般的混沌系统。就像物理学家通过挖掘海量数据来建立科学模型，从而描述出自然界的定理一样，西蒙斯决定建立数学模型来识别金融市场的价格规律。
马尔可夫模型是一连串事件的集合，下一事件的概率只能由当前状态决定，与之前的事件无关。在马尔可夫模型中，你不可能确定地预测出未来的事件，但可以通过观察整个链的规律来给出对于未来事件的较好的估计。
动量交易策略（Momentum Strategies），即预先对股票收益和交易量设定过滤准则，当股票收益和交易量同时满足过滤准则时就买入或卖出股票的投资策略。
西蒙斯与列尼·鲍姆尝试用数学模型来捕捉各种货币的价格趋势，并以此获利。鲍姆写出了一个算法并用其指导Monemetrics的交易：当货币汇率在算法给出的趋势线以下某一区间时，他们就买入，反之就卖出。
西蒙斯坚定决心要建立一个由算法驱动的高科技交易系统，或者说分步骤执行的计算机程序，来替代人类的主观判断。他不再想仅仅依赖粗糙的模型并辅之以个人的直觉来做交易，他有一个新目标，就是要建立一个复杂的、完全由预先设定的算法驱动的自动交易系统，一个完全屏蔽了人类干预的系统。
埃克斯一直认为金融市场和马尔可夫模型非常类似，下一事件只取决于当前的状态。在马尔可夫模型中，要精确预测下一步是不可能的，但是如果有可靠的模型，要预测未来多个步骤的趋势却是有可能的。
随机方程组可以用来描述随着时间进化的动态过程，也可以容纳高度的不确定性。
埃克斯和斯特劳斯把过去的价格变化输入模型，以期预测未来的价格走势。数学家亨利·劳弗开发了计算机仿真程序来测试某种策略是否应该被放到交易模型中。这些策略通常基于均值回归的理念。如果交易品种的开盘价相比前一天的收盘价低了很多，那么劳弗会买入期货合约；反之如果开盘价异常的高，他则卖出期货合约。
卡莫纳建议尝试一种不同的方法：让计算机自己来寻找这些数据间的关系，从而找到过去某个相似的交易环境，然后观察价格的表现，这样他们就可以开发一个复杂但更为准确的预测模型来识别隐藏的价格趋势。
埃克斯的模型主要聚焦于两种简单的策略。有时候，模型采用动量交易策略，追逐价格趋势，然后假设趋势持续，买卖一篮子商品；其他时候，模型采用反转策略，认为当前的价格趋势会反转。
埃克斯的一部分仓位是依靠直觉进行投资的，并没有完全依从他和斯特劳斯开发的那些复杂的交易模型。这很类似于早年鲍姆对于传统投资方法的回归，以及西蒙斯对卡莫纳“核方法”的不适应。看来量化投资的确是不顺应人的本性的，哪怕是对于数学教授们也是如此。
华尔街有一条不成文的规则：不要频繁交易。除了成本高之外，短期交易产生的价差微乎其微，不值得投资者追逐。
伯勒坎普倡导做更多的短期交易。他认为，如果交易不频繁，每次交易成果对公司都具有较大的影响，那么如果亏损的交易多来几次，公司就完蛋了；但是如果交易频繁，那么单次交易的结果就不至于那么重要，有助于降低公司的整体风险。如果交易得足够多，那么只要保证其中51%是盈利的就够了。
Axcom团队找到的某些交易信号并不特别新奇和复杂，但是很多交易者忽视了它们。这些信号要么出现的概率不足50%，要么相对于交易成本的潜在盈利空间太小。投资者选择忽视，继续寻找更丰厚的投资机会，就像渔夫忽视网中的孔雀鱼，总想着抓大鱼一样。但是由于交易的频率很高，所以大奖章基金认为这些孔雀鱼也很值得拥有。
“统计套利”通常意味着很多笔交易同时进行，但其中绝大多数交易与大盘没有关系，只是利用了市场中出现的各种统计意义上的异常行为。
就像之前的技术分析者一样，西蒙斯也试图在市场数据中寻找规律、信号和相关性。但是他期望通过运用更加科学的方法，比之前的技术分析者走得更远。西蒙斯赞同伯勒坎普所说的，技术指标更加适用于短期交易，而非长期交易。另外，西蒙斯希望借助严格的测试和更为复杂的模型，基于统计学分析而非肉眼观察，避免那些技术分析者经历过的惨败。
劳弗的5分钟分段法使得团队有能力识别新的价格异常情况和潜在趋势，或者用他们的术语来说，叫作“非随机交易效应”（Nonrandom Trading Effects）。
西蒙斯告诉基金持有人，事实上，文艺复兴科技公司是利用其他投机者的疏忽和错误赚钱，无论其规模是大是小。
典型心理偏差包括“损失厌恶”（Loss Aversion）、“锚固偏见”（Anchoring Bias）和“禀赋效应”（Endowment Effect）。损失厌恶是指，投资者因承受损失而感受到的痛苦是因获利而感受到的满足的两倍；“锚固偏见”是指，先入为主的信息或经验会扭曲当前的判断；“禀赋效应”就是俗话说的“屁股决定脑袋”。
劳弗做了一个价值连城的决定：大奖章基金应该只用单一的交易模型，而不是像其他量化交易公司那样在各种市场和市况下使用多个不同的模型。尽管使用多个交易模型会更直观，但单一模型可以更充分地利用斯特劳斯收集的广泛的定价数据，在多资产类别中更全面地寻找相关性和交易信号。
为了解决“大奖章基金管理的资金规模有限，应该在目前发现的这么多可供交易的信号上如何分配”这个问题，劳弗开始开发计算机模型来识别日内的最优交易。劳弗认为这个算法应该是动态调整的，即根据对未来市场变化方向的实时概率分析，对基金持仓进行调整。这种算法就是早期形式的机器学习。
从一开始，西蒙斯的团队就对交易成本非常在意，称之为“磨损”。他们经常会测算在没有交易成本的情况下，获利水平会提升多少。对于模型给出的理论价格和实际操作中得到的价格之间的差额，团队给它起了个名字，称之为“魔鬼”。
20世纪90年代初期还是基本面投资者的黄金时代，他们采用的主要方式是调研公司，即研究各种年报和财务报表，沃伦·巴菲特是此类投资方式的拥趸。
宏观投资者的套路是预测全球政治和经济的变化，主要的利润来自次数有限的大规模下注。
夏普比率是以经济学家威廉·F.夏普（William F. Sharpe）的名字命名的，主要被用来衡量投资组合将风险纳入考量范围之后的回报率。高的夏普比率表示既好又平稳的业绩表现。
他们认为，语言可以被视为一种概率游戏。在一个句子的任意单词之后出现的单词服从某种概率分布，这种概率分布是由通行的用法或者上下文决定的。
IBM的团队认为，这种类似的概率分布也适用于语音识别领域。他们的目标是给计算机“喂”足够多的语音和文本，通过计算机自身的学习，开发出一个统计意义上的概率模型，可以根据语音的序列猜测文本的序列。计算机无须“理解”这些文本到底在说什么，只要能按照概率猜测并记录下来就可以了。
从数学意义上说，布朗、默瑟和杰利内克的团队把语音序列视为一个随机过程，每一个当前出现的语音都是随机的，但同时依赖上一步出现的那个语音，这个过程遵循隐马尔可夫模型。语音识别系统的任务就是基于已知的一串语音序列，通过概率计算，对产生这些语音的“隐藏”文本序列做一个最佳估计。为了实现这个目标，IBM的研究者们运用了鲍姆-韦尔奇算法来获得各种语言的概率分布。他们的程序与传统做法截然不同，不是靠手工编程去学习复杂的语法，而是让计算机自己从数据中抓取有用的信息。
布朗和默瑟等人依赖的贝叶斯定理是由托马斯·贝叶斯提出的一种统计学定理。贝叶斯基于当前的信息给每个估值赋予一定的概率权重，然后根据新增的信息来调整这些权重，以得出最佳估值。贝叶斯定理的绝妙之处在于，它可以不停地缩小目标范围。
罗伯特·弗雷等人在摩根士丹利开发了一套统计套利策略，通过识别少量的全市场因子来解释个股的变化。西蒙斯投资的开普勒资产管理公司将这种方法用于统计套利，基于这些因素的变化情况，根据不同股票的敏感性测算出其理论上的价格趋势，然后做多低于趋势线的股票，同时做空高于趋势线的股票。运用时间序列分析等统计手段，弗雷等人不断地搜寻偏离历史趋势的交易机会，他们称之为“交易谬误”。这种手段背后的假设是，这些偏离随着时间推移大概率会被抹平。
布朗和默瑟的输入包括基金的交易成本、各种杠杆、风险参数和各种其他限制和要求。考虑到所有这些因素，他们设计了一个系统来构建理想的投资组合，做出最优决策，创造最大回报。这种方法的美妙之处在于，通过将所有的交易信号和投资组合需求组合成一个单一的模型，文艺复兴科技公司可以很容易地测试和添加新的信号，瞬间得知一个新型投资策略是否能够盈利。
布朗和默瑟还使自己的系统具有自我适应性，即能够自主学习和调整。如果该系统的推荐交易没有被执行，不管出于什么原因，它都会自我修正，自动搜索买入或卖出指令，驱使投资组合回到正轨。
布朗和默瑟保留了弗雷从摩根士丹利的经验中提炼出的预测模型。它能继续识别出足够多的盈利模式，通常是在股市出现问题后，通过押注股市的回调来获取盈利。
大奖章基金拥有一个单一的、整体的交易系统，所有员工都可以接触到赚钱的算法背后的每一行源代码，所有这些代码都可以在公司内部网络中以明文形式阅读，不存在藏于某个角落的只有高层管理人员才能访问的代码。任何人都可以尝试着修改代码以改善交易系统。西蒙斯希望他的研究人员能够交换想法，而不是只限于其私人项目。
大奖章基金的员工们发现了被数据证明有效的赚钱策略，或者说总结出了发现交易信号的三个步骤：识别历史价格数据中的异常模式；确保异常在统计上显著，随着时间的推移表现一致且并非随机；查看是否可以合理解释与之相关的价格表现。
文艺复兴科技公司的系统似乎有效，但是所有公式都不可靠。这一结论加强了文艺复兴科技公司管理风险的方法。如果交易策略不起作用，或者市场波动加剧，那么文艺复兴科技公司的系统往往会自动减少头寸和风险。
观察股价在财报公布后如何表现，跟踪公司的现金流数据、研发支出、新股增发以及其他因素，也都非常有价值。
文艺复兴科技公司和IBM都致力于通过建立模型，消化不确定的、混乱的信息，从而构建可靠的预测，并且无视没有足够数据支撑的传统分析结论。
布朗和默瑟的系统运转得非常出色，研发者能不断测试和研发新的算法机制，优化现有的单一交易系统。新加入的员工开始挖掘在其他市场的预测指标，包括加拿大、日本、英国、法国和德国的预测指标，以及一些其他小国家的股市，比如芬兰、荷兰和瑞士的预测指标。通过将这些市场的数据整合到大奖章基金的现有算法模型中，大奖章基金优化了收益率，其收益表现和主要金融市场表现的关联度有所下降。
西蒙斯想要构建一只专注于长期交易的新基金。像大奖章基金一样，这只新基金的研发人员需要研发出一种几乎不需要人工干预的交易工具。利用该交易工具，投资者可以从事长期投资，其投资周期可以长达一个月甚至更久。新型对冲基金将吸纳文艺复兴科技公司已有的一些常用策略，比如寻找影响股价相关性和走势的因素，但也会加入其他更基本的策略，包括基于市盈率、资产负债表数据和其他信息买进廉价且看涨的股票。
大奖章基金仍然持有数千个多空头的投资头寸，持有期限从一两天到一两周不等。基金做了一些更短期的交易，被某些人描述为高频交易，但是大多数时候是为了对冲或逐步建仓。文艺复兴科技公司仍然注重梳理并收集数据，但是细化了风险管理及其他交易技术。
大奖章基金仍然保持着在债券、大宗商品和外汇上的交易，通过判断趋势和回归预测信号赚钱，包括特别有效的一种被命名为“似曾相识”（Déjà Vu）的信号。但是，相比之前更甚的是，现在的投资策略是基于混合的复杂信号而进行的股票交易，而不是简单的配对交易。
文艺复兴科技公司在数千个同步交易中有着微弱的优势，积累起来就是一个足够可观且稳定的、可以创造巨大财富的优势。而获得这些稳定收益的关键是，影响股票和其他投资品种走势的因素，要比任何一个经验最丰富的投资者可以理解的都复杂得多。
文艺复兴科技公司的成功是对人类行为可预测性的有力提醒。文艺复兴科技公司研究过去，是因为它足够相信投资者将来会做出类似的决定。同时，员工们采用科学的方法来对抗认知和情感偏见，这种理念在解决各种挑战性问题时都有价值。这些员工提出假设，然后测试、评判并调整其理论，试图让数据而非直觉和本能去引导他们。
影响金融市场和个人投资的因素和变量比大多数人意识到的更多。投资者倾向于专注地寻找最基本的价格推动因素，但是遗漏了许多其他因素，也许是一整个维度的信息。与绝大多数人相比，文艺复兴科技公司了解更多重要的价格推动因素，以及通常会被忽略的、影响资产价格的数学关系。
西蒙斯一生中的大部分时间都致力于解开谜题和应对挑战。早年，他专注于研究数学问题和破译敌人的密码。后来，他又专注于研究金融市场的隐藏模式。2019年春天，临近81岁生日之际，西蒙斯还在面对着两个难题，这可能是他一生中最难解的两个难题：理解并治疗孤独症，发现宇宙和生命的起源。
寒 杉 舍
平台微信：handsome_shop
合作微信：jee515
- 本文由 chengsenw 发表于 2026年4月3日 18:10:46
- 转载请务必保留本文链接：https://www.gewo168.com/35960.html
评论