量化投资之王 詹姆斯 西蒙斯   77岁高寿的詹姆斯 西蒙斯（James Simons）拥有种种骄人的成绩，他是23岁戴上博士帽的数学天才、26岁转战情报界的破译密码特工、30岁回归学界并在七年后获得几何学最高奖项的数学系主任。当然，他最为华尔街敬仰的还是缔造了量化投资的先驱 文艺复兴基金（Renaissance Technologies Corp.）。   这位 量化投资之王 2010年已经离开了260亿美元规模的文艺复兴基金。在《福布斯》杂志今年的排行榜上，西蒙斯拥有140亿美元个人身家，成为个人资产排名第四的对冲基金经理、全球排名第76位的富豪。人们一直很好奇，他有什么投资心得，从他丰富的人生经历中可以学到哪些经验？西蒙斯最近接受的访谈能给我们带来一些答案。   在日前数学科普视频网站Numberphile分享的采访视频中，西蒙斯回忆起自己早年的投资经历，说最初是父亲给了一点钱，他才有机会尝试投资。刚起步时，他也和一般投资者没什么区别，花了两年时间磕磕碰碰，才认准要摸清数学模型的门道。     西蒙斯说，他开始做投资 有些是（用）家里的钱，还有别人凑了些钱。前两年没用任何模型。 那时他们交易n.com target=_blank >外汇、大宗商品、金融工具等等，没有股票。那种感觉就 和普通人一样 。   我觉得那纯粹是运气好。我们很成功，可我发现那是非常揪心的生意。 某天早上起来，你感觉自己是天才，市场都向着你。 第二天醒来，你又发觉自己是蠢材，市场都和你对着干。太虐心了。   观察价格形态，我发现可以在这方面做些研究，也许有些方法能预测价格，它们属于数学和统计学方面的方法。开始我一个人着手研究，然后带了些人一起。我们逐步建立了模型，模型越来越好，最后取代了基本面。   采访者问，身为数学家，按说西蒙斯应该一下子就想到用模型，为什么两年以后才这么做？   西蒙斯回答，想到跟去做还是两码事。起初，他的确用数学家的眼光去看。团队里有位做代码的同仁，本来他以为可以和那人一起建模，但对方更感兴趣基本面，而且预计 模型不会很强大 。所以西蒙斯的公司就没有深入研究模型。之后，公司又招了一位数学家，还多了一些电脑高手，就再次开始建模，做那些真正可行的模型。   解码金融模型   首先，西蒙斯引用 有效市场 （efficient market）的理论说，其实数据里面什么也没有。比如价格数据会预示未来的种种情况，所以某种程度上说价格总是对的，但事实上不是。包括历史数据在内，数据里有一些异常情况。不过渐渐地，西蒙斯领导的团队发现了越来越多的异常情形。其中没有一种应该作为极端异常的情形排除在外，忽略不计。它们属于细微的异常。将这类微妙的异常集合在一起，就可以开始准确预测某些事。   说到模型，采访者代很多好奇的人问了些问题：模型有多精密？是那种方程式和算法的庞然大物，还是些简单的东西？   西蒙斯说，今天的模型系统相当精密，可那也不是一大堆堆砌在一起，它应该算 机器学习 。其过程类似于：你发现一些可以用于预测的模式，会猜测哪些是有预见性的，接着就在电脑上测试，测试结果可能是你猜对了，也可能猜错；接下来，你利用长期历史数据、价格数据等信息做测试；最后把它们加入系统，如果有效就留在系统里，无效就剔除。   因此，西蒙斯认为，系统不存在什么精密的方程式，至少在预测这个环节没有。但预测不是系统唯一的环节，还必须了解交易时的成本，一旦交易就可能影响市场动向。普通散户买个200股还不会怎么影响，可要是你想买20万股，就会推升价格。   那么问题来了：价格会被你推高多少？会不会因为那么做过于扭曲市场，让你自己也没法获利？所以必须了解成本，必须明白怎样尽量减少波动，减少自己所有持仓的波动。西蒙斯说，满足这部分要求，得用一些非常复杂的应用数学，也不是什么惊天动地的高深学问，可是很复杂。   采访者又问：模型是只涉及数学领域，还是多个领域？ 西蒙斯没有透露具体用了哪些理论，而是说大部分用到统计学，还有些概率论。模型的研究范围很广泛，涉及各类可能有效的事物。它是个大电脑模型，由一个主模型控制一定规模的资金，但不会控制庞大的资金，因为那样会太影响市场。主模型操纵的规模在合理的范围内，永远不会变成独霸市场的大怪兽。毕竟，要是一家独大也就没有对手方了。   模型背后的人   西蒙斯说，上述模型自身还有局限，至少他们公司自己这么看，不过他们在不断完善，公司有大概100位博士做这种工作。 既然有局限性，采访者就问，如何管理模型，是西蒙斯开始觉得需要怎样做了就去改还是怎样。   西蒙斯将改进归功于公司请了聪明的员工。他说： 我的运算法则一直就那样，但你可以聚合聪明人，给他们极大自由，营造人人都愿意和别人沟通的氛围。他们不会躲在角落各自为政，会和别人交流。你提供了最好的基础设施，最棒的电脑，以及其他可以利用的工具。人人都是合伙人。那就是我们在文艺复兴基金用的模式。我们会请来有头脑的员工，他们之前根本不懂金融，但他们可以学会了解。 本文标签: