地球上最會賺錢的人

早上走進(jìn)辦公室我不會說：

“今天我聰明嗎？”，

而是說，“今天我幸運嗎？”

詹姆斯·哈里斯·西蒙斯

一

論年化回報率，詹姆斯·哈里斯·西蒙斯的文藝復(fù)興基金應(yīng)該是全球第一。

他可能是地球上最會賺錢的人，從這個角度看。????????

盡管時間不如巴菲特長，而且一直有黑盒子的嫌疑。

有幾個感慨：

1、再厲害的人，也有離開的一天。

記得喬布斯離世前，見到蓋茨，他心里感慨：這個人真健康啊。

健康，年輕，是最寶貴的財富。但卻被我們忽視--在擁有的時候。??

2、投資的諸神們正在離去。

幾個老牌的投資大神，正在或者即將離開這個世界。???????

哲學(xué)投資的索羅斯，價值投資的巴菲特，量化投資的西蒙斯，也許在人類財富的歷史上都將成為絕唱。???????

3、西蒙斯有錢之后的舉動，告訴我們什么才是人生最有價值的。

西蒙斯做了大量有意義的慈善，資助一些非主流的研究，補(bǔ)貼數(shù)學(xué)老師，鼓勵人們探索最前沿的科學(xué)......???????

他的慈善，起源于自己的患自閉癥的女兒。

西蒙斯有兩個兒子不幸遇難，一個死于車禍，一個潛水溺亡。

對于這樣一個數(shù)學(xué)大師，一個靠捕捉微弱的概率優(yōu)勢來獲取巨額財富的賺錢高手，西蒙斯總是在計算，并且一直在獲勝，從小時候和別人玩兒牌總能贏，到后來實現(xiàn)百億美元財富。??

然而，他卻被冷酷的隨機(jī)性擊中了人生最不能承受的軟肋，并且連中兩次。

西蒙斯的文藝復(fù)興基金在相當(dāng)長的時間里，實現(xiàn)了極高的回報，幾乎沒有回撤，也幾乎逃離了所有的黑天鵝事件。?????

他卻無法逃離個人命運的“黑天鵝”。

從統(tǒng)計學(xué)的角度，這屬于概率極小的異常值，以至于會讓最不迷信的人也禁不住發(fā)出感概：難道這就是那種被上帝早已暗中標(biāo)注的代價？????????????

西蒙斯曾經(jīng)對朋友說：“我的一生不是拿到A就是拿到2（A是最大的牌，2是最小的牌），我真的不明白為何如此？”

二

西蒙斯的財富傳奇，真的是一個絕頂聰明的數(shù)學(xué)家戰(zhàn)勝資本市場的故事嗎？

文藝復(fù)興基金巨額回報，是因為他們找到了猶如印鈔機(jī)般的神秘公式嗎？??

本文將探討文藝復(fù)興背后的秘密。

這是一個開放的話題，從每個人都感興趣的財富密碼出發(fā)，我們將進(jìn)入一個當(dāng)下最炙熱的焦點：??

去除了傳統(tǒng)敘事（從哲學(xué)到科學(xué)，從投資到人工智能），概率洞察造就了算法上帝。

西蒙斯幾乎完全放棄了華爾街的邏輯，也絕不像價值投資者那樣去深入挖掘企業(yè)的未來現(xiàn)金流折現(xiàn)。

他只是在一個看似隨機(jī)的世界里，在有效市場假設(shè)打盹兒的那些瞬間，發(fā)現(xiàn)隱蔽的套利機(jī)會，構(gòu)建模型（哪怕是局部和有限時間內(nèi)有效），然后加以杠桿。而所有的下注本身，又構(gòu)成了一個有概率優(yōu)勢的系統(tǒng)。??????

某種意義上，神經(jīng)網(wǎng)絡(luò)的AI，也是放棄了專家模式AI的知識庫和推理規(guī)則，自動從原始數(shù)據(jù)中學(xué)習(xí)和提取有用的特征，無需人工明確編程。?

可以說，西蒙斯的文藝復(fù)興，就是“投資領(lǐng)域的神經(jīng)網(wǎng)絡(luò)派”。

概率成為底層，算法成為上帝。

三

西蒙的人生，在數(shù)學(xué)、投資、慈善三個方面都達(dá)至巔峰。

a、早期教育與學(xué)術(shù)生涯：

Jim Simons在1958年從麻省理工學(xué)院獲得數(shù)學(xué)學(xué)士學(xué)位，1961年在加州大學(xué)伯克利分校獲得博士學(xué)位。

在學(xué)術(shù)界，他因其在數(shù)學(xué)領(lǐng)域的杰出貢獻(xiàn)而享有聲譽，包括與Shiing-Shen Chern共同發(fā)展的Chern-Simons理論。

b、進(jìn)入金融界：

1978年，Simons離開了學(xué)術(shù)界，轉(zhuǎn)向金融行業(yè)。他成立了文藝復(fù)興科技公司(Renaissance Technologies)，開始應(yīng)用數(shù)學(xué)模型來分析和預(yù)測金融市場。

c、文藝復(fù)興科技公司的發(fā)展：

在1980年代，Simons嘗試多種交易策略，最初的嘗試并不成功。他嘗試了包括隱藏馬爾可夫模型在內(nèi)的多種預(yù)測模型，但這些模型初期并未帶來預(yù)期的收益。

到了1988年，Simons改進(jìn)了他的模型，轉(zhuǎn)向完全量化的策略，這一策略最終被證明是非常成功的。文藝復(fù)興科技的Medallion Fund開始產(chǎn)生異常高的回報，平均年回報達(dá)到了30%以上，遠(yuǎn)遠(yuǎn)超出了市場平均水平。

d、技術(shù)和團(tuán)隊的完善：

1990年代，Simons繼續(xù)優(yōu)化他的交易系統(tǒng)，引入更先進(jìn)的數(shù)學(xué)和統(tǒng)計方法，聘請了物理學(xué)家、數(shù)學(xué)家和計算機(jī)科學(xué)家來開發(fā)復(fù)雜的算法和模型。

文藝復(fù)興科技采用高頻交易技術(shù)，利用市場微小的價格變動來實現(xiàn)利潤，這種策略進(jìn)一步提高了其資金的回報率。

e、擴(kuò)展與挑戰(zhàn)：

2000年代，文藝復(fù)興科技繼續(xù)擴(kuò)大其交易范圍，包括股票、債券、外匯等多個金融市場。盡管面臨2008年全球金融危機(jī)的挑戰(zhàn)，文藝復(fù)興科技依然能夠保持良好的盈利記錄。

在這一時期，文藝復(fù)興科技的資產(chǎn)管理規(guī)模迅速增長，其管理的資金達(dá)到了數(shù)百億美元。

f、退休與慈善活動：

2010年，Simons宣布退休，但他繼續(xù)作為文藝復(fù)興科技的非執(zhí)行主席活躍在金融領(lǐng)域。

退休后，Simons更多地將注意力轉(zhuǎn)向了慈善事業(yè)，特別是對數(shù)學(xué)和基礎(chǔ)科學(xué)的支持，通過Simons Foundation進(jìn)行大量捐贈。

Jim Simons的金融生涯體現(xiàn)了他從一個純粹的數(shù)學(xué)家轉(zhuǎn)變?yōu)榻鹑陬I(lǐng)域的革新者，他的成功展示了高級數(shù)學(xué)和計算機(jī)模型在投資策略中的巨大潛力。

他的故事也展示了科技與金融結(jié)合的前景，對全球投資策略和量化交易的發(fā)展產(chǎn)生了深遠(yuǎn)的影響。

這并不是一個數(shù)學(xué)家靠發(fā)現(xiàn)神秘公式而將股市變成印鈔機(jī)的傳說。????????????????

在西蒙斯的經(jīng)歷中，我們會發(fā)現(xiàn)，即使天才如他，也花了整整十年，才觸及文藝復(fù)興基金的“圣杯”。????????????

那么，這個圣杯是什么呢？????????

四

西蒙斯說：

“我是模型先生，不想進(jìn)行基本面分析，模型的優(yōu)勢之一是可以降低風(fēng)險。

而依靠個人判斷選股，你可能一夜暴富，也可能在第二天又輸?shù)镁狻！?/p>

記得他曾經(jīng)在一次訪談中提及，一切都和“統(tǒng)計學(xué)”有關(guān)。???

西蒙斯很簡單地分享了文藝復(fù)興基金的三種策略：

1、市場過度反應(yīng)策略：

文藝復(fù)興科技通過分析市場數(shù)據(jù)，識別市場在接收新信息后的過度反應(yīng)現(xiàn)象。

例如，如果某資產(chǎn)的開盤價格與前一日的收盤價格相比，出現(xiàn)異常的高或低，文藝復(fù)興會采取相反操作，利用市場的非理性反應(yīng)獲取利潤。

2、套利交易策略：

文藝復(fù)興科技利用其高級算法模型來識別不同金融工具之間的價格差異，進(jìn)行套利交易。

這包括但不限于跨市場、跨品種的套利機(jī)會，如不同期限的債券之間的價格差異，通過買入被低估的資產(chǎn)和賣出被高估的資產(chǎn)來賺取差價。

3、趨勢和動能策略：

通過對大量市場數(shù)據(jù)的分析，文藝復(fù)興科技能夠識別并利用中長期的市場趨勢。

這種策略尤其關(guān)注流動性環(huán)境變化對不同規(guī)模公司表現(xiàn)的影響，以及這些趨勢的周期性變化。

五

在AI的幫助下，人們總結(jié)出如下文藝復(fù)興的賺錢策略：

1、定量方法：

文藝復(fù)興技術(shù)以其定量投資方法而聞名，該方法在很大程度上依賴于數(shù)學(xué)模型和算法來分析和預(yù)測市場走勢。

該公司使用先進(jìn)的統(tǒng)計技術(shù)、機(jī)器學(xué)習(xí)和數(shù)據(jù)分析來識別金融市場的模式和信號。

2、市場中立戰(zhàn)略：

文藝復(fù)興技術(shù)通常采用市場中立戰(zhàn)略，旨在無論市場的總體方向如何，都能產(chǎn)生回報。

通過同時持有多頭和空頭頭寸，該公司尋求從證券之間的相對價格波動中獲利。

3、高頻交易：

Renaissance Technologies以其高頻交易策略而聞名，該策略涉及高速執(zhí)行大量交易，以利用市場中的微小價格差異。

該公司快速處理大量數(shù)據(jù)的能力使其在捕捉短期交易機(jī)會方面具有優(yōu)勢。

4、關(guān)注非均衡現(xiàn)象：

文藝復(fù)興以其專注于預(yù)測金融市場的非均衡變化而聞名。

這涉及識別市場價格偏離其基本價值的情況，為有利可圖的交易創(chuàng)造機(jī)會。

5、高度專業(yè)的團(tuán)隊：

與典型的對沖基金不同，文藝復(fù)興科技聘請的是科學(xué)家、數(shù)學(xué)家和程序員，他們將金融數(shù)據(jù)視為科學(xué)分析的數(shù)據(jù)集。

該團(tuán)隊基于統(tǒng)計套利和高頻交易開發(fā)交易策略。

6、保密和專有模型：

文藝復(fù)興技術(shù)對其交易策略和專有模型高度保密。

該公司的成功部分歸功于其密切防范其交易算法和方法的能力，使其在市場上具有競爭優(yōu)勢。

7、持續(xù)研發(fā)：

文藝復(fù)興大量投資于研發(fā)，以不斷改進(jìn)其交易算法和模型。

該公司的數(shù)學(xué)家、科學(xué)家和研究人員團(tuán)隊致力于完善其戰(zhàn)略，并在快速發(fā)展的市場環(huán)境中保持領(lǐng)先地位。

總體而言，文藝復(fù)興的投資策略的特點是深深依賴定量分析、復(fù)雜的數(shù)學(xué)模型，并專注于利用金融市場的低效率。

基金的操作側(cè)重于短期交易，以利用統(tǒng)計優(yōu)勢，最小化長期市場暴露風(fēng)險。

然而，似乎以上策略，任何一個都談不上獨家秘笈。

況且文藝復(fù)興基金歷史上也有重要員工離開，為什么沒有帶走西蒙斯的投資圣杯呢？?

六

我在Quora上看到一個討論：

a、文藝復(fù)興技術(shù)背后的秘密是什么？

b、數(shù)學(xué)真的能用來給投資者帶來高回報嗎？

（原主題討論鏈接是“https://www.quora.com/What-is-the-secret-behind-Renaissance-Technologies-Can-mathematics-really-be-used-to-bring-high-returns-to-investors”，本節(jié)文字大多屬于其中的參與討論者，里面有一些我的思考。）

里面有很多有趣的討論，我簡單整理如下。?

1、首先，這是一家由科學(xué)家經(jīng)營、并為科學(xué)家經(jīng)營的公司。

“文藝復(fù)興的秘密是它沒有雇用MBA，他將投資者回報率低歸咎于商學(xué)院畢業(yè)生的從眾心態(tài)。

編程和建模被視為公司優(yōu)勢的核心，而不是收費。"

作為一名數(shù)學(xué)家，西蒙斯為文藝復(fù)興構(gòu)建了獨特的企業(yè)文化。

決策迅速做出，反饋是恒定的。每一件事都有緊迫感。

該公司鼓勵開放，每個人都可以走進(jìn)去。

從總經(jīng)理到清潔人員，每個人都會獲得一定比例的利潤。這是對他期望他們長期貢獻(xiàn)的補(bǔ)償。

西蒙斯說，在一些項目需要數(shù)年才能完成的環(huán)境中，根據(jù)一年的表現(xiàn)向某人支付報酬的想法毫無意義。

2、頂級人才的“層級差”，可能是成功最關(guān)鍵的要素之一。

文藝復(fù)興的高管曾經(jīng)說：

“我們有一些一級數(shù)學(xué)家和很多二級數(shù)學(xué)家。其他量化基金大多是三級數(shù)學(xué)家，更糟糕的是，他們甚至不知道這些層次的存在！”

西蒙斯作為頂級數(shù)學(xué)家，他對頂級人才的理解，超越了絕大多數(shù)人。?

這里我又要用到一個詞：Taste。

西蒙斯對于頂級人才和智慧的本質(zhì)，有非常好的Taste。???

“必須有人在市場上創(chuàng)造相關(guān)性。”--而一級數(shù)學(xué)家能夠在市場上獲得馬太效應(yīng)式的優(yōu)勢。????????

文藝復(fù)興使用的技術(shù)和其他量化投資者使用的技術(shù)相同，它只是做得更好，持續(xù)時間更長。這是文化和運氣的結(jié)合。

進(jìn)行文藝復(fù)興操作所需的計算機(jī)技能很廣泛，但并不罕見。也就是說，你需要雇傭很多優(yōu)秀的人才，但你不需要非凡的天才。

文藝復(fù)興確實使用了很多數(shù)學(xué)，它最著名的研究人員是頂尖的數(shù)學(xué)家，但我認(rèn)為很多最高級別的東西并沒有進(jìn)入他們的實際交易中。我認(rèn)為一個好的本科數(shù)學(xué)學(xué)位就足夠了。

當(dāng)然，你需要硬件，而且很多，但沒有什么特別的。

關(guān)鍵只有兩點，那就是：

頂級人才+判斷力（Taste）。

你需要吸引頂尖人才，讓他們非常努力地工作，讓他們專注于公司的利益，讓他們接受保密并阻止他們?yōu)樽约旱幕鸱至鳌?/p>

你還需要在何時啟動模型、如何快速擴(kuò)展以及何時拔掉插頭等方面做出正確的決策。

3、核心戰(zhàn)略是眾所周知的，細(xì)節(jié)是獨一無二的。

這些細(xì)節(jié)有數(shù)百萬個，對業(yè)績至關(guān)重要。

核心策略是進(jìn)行到極致并執(zhí)行得非常出色的投資組合級統(tǒng)計套利。

基本上，創(chuàng)建了對沖市場風(fēng)險、行業(yè)風(fēng)險以及文藝復(fù)興可以統(tǒng)計預(yù)測的任何其他類型風(fēng)險的多倉和空倉組合。高度對沖降低了凈回報率，但投資組合的波動性降低了更多。

因此，隨著大量交易的進(jìn)行，大數(shù)定律確保虧損的概率非常小。

在這種情況下，杠桿同時放大了預(yù)期回報和波動性，所以即使杠桿很高，虧損的概率仍然非常小。

這種策略的一般特性可以從2014年7月22日文藝復(fù)興在參議院常設(shè)小組委員會調(diào)查聽證會上的聲明中推斷出來。

文藝復(fù)興收集“所有他們認(rèn)為可能影響可交易工具價格變動的公開數(shù)據(jù)——新聞報道、分析師報告、能源報告、作物報告、天氣報告、監(jiān)管發(fā)現(xiàn)、會計數(shù)據(jù)，當(dāng)然還有來自世界各地市場的報價和交易。”

他們的模型“使用這些數(shù)據(jù)來預(yù)測未來價格變化”。

聽證會特別關(guān)注的是文藝復(fù)興的大獎?wù)禄穑∕edallion Fund），聲明中說：

“文藝復(fù)興為大獎?wù)禄痖_發(fā)的模型所做的預(yù)測通常略微有盈利。”

接下來，就是對這些微小的盈利施加“魔法”。??

4、“市場有效理論”的反向套利者。

文藝復(fù)興科技非凡業(yè)績的核心原因之一，是他們拒絕遵循有效市場理論這一主流教條：

簡單來說，有效市場假說認(rèn)為所有市場參與者都能接觸到所有市場信息，因此沒有人能基于他人不知道的信息獲得優(yōu)勢。

早年巴菲特和芒格都反對市場有效理論，但是晚年巴菲特一直鼓勵個人投資者購買標(biāo)普500指數(shù)基金。

橡樹資本的馬克斯給出的折衷主義的描述，可能是大家能夠接受的：

市場有效理論長期看是對的，但短期內(nèi)可能沒那么有效。

如果能夠利用短期的不完全有效，就有機(jī)會套利。

本質(zhì)而言，文藝復(fù)興恰恰是利用了二者之間的“落差”地帶。

市場有效理論（有效市場假說），起源于對布朗運動和股價變化隨機(jī)性的關(guān)聯(lián)思考。

西蒙斯說：???

布朗運動是有更好機(jī)會被應(yīng)用的東西。布朗運動是看數(shù)據(jù)和排序隨機(jī)活動或那些看起來是隨機(jī)活動的方法。這樣的模型和這樣的方法是非常有用的。

...我們使用非常嚴(yán)謹(jǐn)?shù)慕y(tǒng)計方法來確定我們所思考的潛在現(xiàn)象，并真正解釋它。但這不是證明定理。"

有趣的是，西蒙斯并不是靠證偽市場有效理論來賺錢，文藝復(fù)興賺的恰恰是那些短線操作的家伙們的錢。?????

事實上，別說遠(yuǎn)超指數(shù)，極少有基金能夠長期跑贏美股的指數(shù)基金。

一項為期15年的研究顯示，幾乎所有基金的表現(xiàn)都不如標(biāo)普指數(shù)。

事實上，一年后，64.5%的公司表現(xiàn)不佳。

十年后，85.1%的公司表現(xiàn)不佳。

十五年后，91.6%的公司表現(xiàn)不佳。

5、在噪音中發(fā)現(xiàn)信號。

盡管市場有效理論認(rèn)為所有的人能夠接觸到所有的信心，但是這并不意味著每個人都能同等地解讀所有數(shù)據(jù)。

例如，許多人可能能夠接觸到粒子加速器的量子狀態(tài)數(shù)據(jù)，但只有少數(shù)人知道如何處理這些數(shù)據(jù)。

吉姆·西蒙斯幾十年來一直在強(qiáng)調(diào)這一點。他談到了所謂的“趨勢”，這些趨勢可以被視為市場參與者在一定時期內(nèi)持有的、并非基于所謂基本面的信念。

例如，人們可能會好奇美元上漲（或下跌）的根本原因是什么，但可能沒有這樣的原因。它可能僅僅因為要這樣做而上漲或下跌，直到某些事件發(fā)生，趨勢被打破，市場參與者被迫改變他們的看法。

牛市是一個完美的例子——當(dāng)大多數(shù)市場參與者相信市場將繼續(xù)上漲時，牛市就會發(fā)生，并且通常即使逆向的負(fù)面趨勢的證據(jù)變得相當(dāng)明顯，它們?nèi)詴^續(xù)這樣做。在這種時期的末尾，通常會發(fā)生超調(diào)現(xiàn)象——無論是在上漲還是下跌的過程中都是如此。

粗略地說，吉姆·西蒙斯所做的就是從海量數(shù)據(jù)中挖掘這些趨勢。問題非常復(fù)雜，因為即使是較少數(shù)量的這類趨勢的混合也很快變得非常復(fù)雜。這似乎如此復(fù)雜，以至于主流經(jīng)濟(jì)學(xué)一直將市場運動視為由高斯分布控制的隨機(jī)隨機(jī)過程，即基本上是噪聲。

這并不意味著沒有噪聲，當(dāng)然有很多噪聲。但關(guān)鍵點是存在非常有用的載波信號，正如電子工程中所說，且存在過濾掉噪聲的方法，這正是RT一直在做的事情。

西蒙斯曾對此做出解釋：

“這就像在查看大量數(shù)據(jù)并真正尋找支撐這些數(shù)據(jù)的底層內(nèi)容。從這個意義上說，它有點像天文學(xué)。

你從天空中觀察大量數(shù)據(jù)，收集下來，這些數(shù)據(jù)通常很混亂，你需要清理它們以去除異常值或其他某些因素。

然后你希望能以一種方式分析這些數(shù)據(jù)，使其能合理解釋你可能對你所觀察的對象持有的任何假設(shè)或一系列假設(shè)。

這是我們工作的一大部分。在這方面，我們雇傭的人員是實驗物理學(xué)家或天文學(xué)家。”

還要注意，提取的信號數(shù)據(jù)本質(zhì)上仍是隨機(jī)的。

這意味著即使是RT也不能確定明天市場會上漲還是下跌。他們不需要知道，他們計算的是一段時間內(nèi)的概率分布，例如可能有X％的機(jī)會上漲，Y％的機(jī)會下跌，Z％的機(jī)會保持不變。有了這種分布的知識，就很可能構(gòu)建衍生品投資組合，以比隨機(jī)更好的機(jī)會獲利。

6、（微小盈利??杠桿）+防范黑天鵝。?

對于那些微小的套利機(jī)會，因為未加杠桿時投資組合的回報率較低，所以需要杠桿。

然而，由于波動性遠(yuǎn)低于預(yù)期回報，至少根據(jù)模型，杠桿可以提高而不增加虧損的概率。

經(jīng)過多年的使用和改進(jìn)，文藝復(fù)興知道其模型非常可靠。然而，他們也知道總有發(fā)生模型無法覆蓋的事情的風(fēng)險，特別是那些超出以往經(jīng)驗的事情，即所謂的“黑天鵝事件”。

因此，看漲期權(quán)是理想的選擇：它可以提供高杠桿，并且可以提供雙重保護(hù)——

既保護(hù)低于期權(quán)費用的非常低的虧損概率，也防范可能由于黑天鵝事件而導(dǎo)致的潛在災(zāi)難性損失的未知概率。

7、不成為“長期資本”。

似乎長期資本也是采用“微小盈利??杠桿”，也曾經(jīng)有幾年輝煌，然而卻扛不住黑天鵝，很快就爆了。??????????

盡管該公司團(tuán)隊里也有兩位諾獎得主和華爾街的老江湖。??

都是運用數(shù)學(xué)，為什么長期資本不行？

“通過這種方式確實可以創(chuàng)造真正的價值，但最重要的一點是始終記住，數(shù)學(xué)和量化方法通常只是工具，它們只是放大、簡化并加速你可以通過其他方式做的事情。

同樣的方式也可能失敗，如果不尊重并為意外做好準(zhǔn)備，后果可能更糟。

其中一個風(fēng)險是被自己構(gòu)建的東西的優(yōu)雅和力量所誘惑，以至于忽視了其假設(shè)和限制（這就是LTCM發(fā)生的事情）。

另一個風(fēng)險是非專家的高層管理人員使用這些工具而沒有完全理解它們，這推動了2008年金融危機(jī)前多年的許多事件。

所以，秘密在于數(shù)學(xué)確實有效，而且確實可以在速度或模式識別上為使用它的人創(chuàng)造競爭優(yōu)勢。

但就像鋒利的刀片或火一樣，應(yīng)將其視為工具而非魔法棒，并且應(yīng)始終認(rèn)真對待最壞的情況并為風(fēng)暴做具體準(zhǔn)備。

如果忽視這一教訓(xùn)，將來還會有破產(chǎn)發(fā)生……

另一方面，無可否認(rèn)的成功推動了全球范圍內(nèi)將量化技術(shù)作為常規(guī)最佳實踐的采納。人們必須評估每家公司在這一領(lǐng)域的實施技能和戰(zhàn)略邏輯，就像在任何其他關(guān)鍵業(yè)務(wù)領(lǐng)域一樣。

8、文藝復(fù)興的風(fēng)險控制。

另外，我和ChatGPT聊了一會兒，它說文藝復(fù)興有別于長期資本的幾點：?????

a、長期資本的策略主要集中在固定收益市場的套利機(jī)會，特別是利差交易，這讓他們高度依賴特定市場的表現(xiàn)。

此外，他們對市場的一些基本假設(shè)，如流動性永遠(yuǎn)存在，最終證明是災(zāi)難性的。

相比之下，文藝復(fù)興科技運用了廣泛的策略和資產(chǎn)類別，包括股票、期貨、債券等，其交易決策完全基于統(tǒng)計模型和算法，避免了人為的情緒和偏見干擾。

此外，他們持續(xù)開發(fā)和調(diào)整算法，以適應(yīng)不斷變化的市場環(huán)境。

b、長期資本沒有充分考慮到極端市場事件，例如1998年的俄羅斯金融危機(jī)，這直接考驗了其模型的健壯性。他們的模型未能適應(yīng)非線性風(fēng)險，導(dǎo)致重大損失。

文藝復(fù)興科技的模型更加靈活，能夠適應(yīng)包括極端市場事件在內(nèi)的各種情況。

他們的系統(tǒng)設(shè)計包括能夠從市場異常中快速調(diào)整并恢復(fù)的機(jī)制，以及嚴(yán)格的風(fēng)險管理措施來避免重大損失。

c、長期資本以其高杠桿操作而聞名，這使得其能夠放大收益，但同時也極大地增加了風(fēng)險。其杠桿比例一度高達(dá)30:1，這使得一旦市場反向移動，其資本就面臨巨大風(fēng)險。??

雖然文藝復(fù)興科技也使用杠桿，但他們對風(fēng)險的管理遠(yuǎn)比長期資本嚴(yán)格。

文藝復(fù)興基金的交易策略包括低持有期和高頻交易，這減少了長期市場波動的影響，并允許基金更快地調(diào)整其頭寸以適應(yīng)市場變化。

當(dāng)然，文藝復(fù)興的做法，基于其多年的數(shù)據(jù)和技術(shù)積累、強(qiáng)大的人才團(tuán)隊、快速扁平的決策體系等等，極難復(fù)制。???????????

對個人投資者來說更是沒啥可比性。?

9、這是一個漫長的生存者游戲。

先說一個加爾定律：

“一個有效的復(fù)雜系統(tǒng)總是從一個有效的簡單系統(tǒng)演變而來。從零開始設(shè)計的復(fù)雜系統(tǒng)永遠(yuǎn)不會起作用，也無法進(jìn)行修補(bǔ)以使其正常工作。“也許文藝復(fù)興真的沒有特別的秘密，他們賺這么多錢的原因一方面非常簡單，但同時對我們其他人來說完全無法實現(xiàn)。 絕對關(guān)鍵的首要原因是：

吉姆·西蒙斯花了十年時間為量化戰(zhàn)略的發(fā)展提供資金，然后由于運氣、良好戰(zhàn)略和有利于該戰(zhàn)略的特定市場制度的結(jié)合而起飛。

他能夠做到這一點的原因很簡單：

他擁有資本，他對曾經(jīng)和他一起/為他工作的高度不穩(wěn)定的人有耐心。

現(xiàn)在誰能有10年的耐心來資助一些真正行不通的事情？ 還有一些隱蔽的生存秘密，例如他們的交易成本極低。

當(dāng)然，人們不應(yīng)該低估數(shù)據(jù)質(zhì)量、人才質(zhì)量等——當(dāng)然，所有這些都是最重要的，也是必要的。

簡而言之，現(xiàn)在這幾乎是一個自我實現(xiàn)的預(yù)言：他們現(xiàn)在交易成功，因為他們已經(jīng)成功交易了很長時間。

10、沒有秘密......說了你也不懂。

格雷戈里·祖克曼的書是一個很好的敘述。

有一位專業(yè)人士說：

“自1990年代以來，我一直在研究這個問題。我認(rèn)識很多在文藝復(fù)興科技工作過的人，并且我關(guān)注了發(fā)布出來的信息。我還問過吉姆·西蒙斯這方面的問題。”

他的觀點是：

沒有什么秘密。

不過，這似乎沒有什么意義。

就像一個業(yè)余國際象棋愛好者去問卡斯帕羅夫，怎樣成為世界冠軍？?????????????

這位天才棋手可能同樣會回答：

沒有什么秘密。

到底是沒有秘密，還是“說了你也不懂”？??

一位在伯克利讀書的學(xué)生說：

這并不是什么秘密。

我想澄清關(guān)于這個問題的許多誤解。他們會給人們一個錯誤的印象。

“當(dāng)我在伯克利學(xué)習(xí)數(shù)學(xué)時，很快就會發(fā)現(xiàn)自己無法與任何人討論自己正在學(xué)習(xí)的內(nèi)容。

一旦你進(jìn)入高年級課程，沒有人真正理解你在學(xué)什么或為什么學(xué)這些。

這些課程嚴(yán)格、要求高，材料也難以掌握。

另一方面，出自著名的哈斯商學(xué)院的商科學(xué)生則可以輕松地通過課程并獲得好成績。

差異在于學(xué)習(xí)的質(zhì)量。

數(shù)學(xué)非常困難，讓大多數(shù)學(xué)生感到恐懼。

沒有人會承認(rèn)這一點，因為大多數(shù)人喜歡嘲笑數(shù)學(xué)的不切實際。”

詹姆斯·西蒙斯創(chuàng)立了文藝復(fù)興：作為一個從伯克利獲得數(shù)學(xué)博士學(xué)位的人。

我無法想象這需要做些什么樣的工作。

該公司的招聘哲學(xué)是聘請非金融人員。他們看重科學(xué)家、工程師、信號處理專家、統(tǒng)計學(xué)家、物理學(xué)家。

他們首先是科學(xué)家，而不是金融家。

我們對文藝復(fù)興了解不多，因為聲稱任何人都能完全理解“世界上最好的物理和數(shù)學(xué)部門”的工作簡直是個笑話。

如果你確實理解了他們的工作，你可能已經(jīng)為他們工作了。

小結(jié)

概括而言，文藝復(fù)興的成功并不真正取決于擁有什么秘密武器，而是有一群聰明的人在實際解決問題。

在研究方面，文藝復(fù)興區(qū)別于其他人的是他們是純粹的經(jīng)驗主義者，而其他人在策略設(shè)計中帶有一些（自以為是的、先入為主的）偏見。

這太像正在生成式AI領(lǐng)域發(fā)生的事情了。?

少點兒專家，少點兒先入為主的邏輯，少點兒人類概念的解釋，會令系統(tǒng)更加具有預(yù)測能力。?????????

也許，下一個超越文藝復(fù)興基金的，將是人工智能。

七

在上面一節(jié)雜亂但有精彩的網(wǎng)絡(luò)討論之后，我想進(jìn)入一個更加廣泛的討論。

畢竟，文藝復(fù)興基金離我們很遠(yuǎn)，專業(yè)的金融也離我們很遠(yuǎn)。??????

我們能夠從中獲得的，是理解這個世界的模式。?????

我想談及四個主題：

1、概率思維；2、概率轉(zhuǎn)向；3、消除意義；4、底層解碼。

（以下部分文字，亦來自網(wǎng)絡(luò)討論。）

1、概率思維

當(dāng)（前聯(lián)合CEO）Bob Mercen說文藝復(fù)興基金“在50.75%的時間里100%正確”時，他是什么意思？他們的風(fēng)險與回報率是多少？

這是一種看待事物的方式。

考慮一下籃球罰球手和賭籃球比賽的人之間的區(qū)別。兩者都有50.75%的成功率。

罰球手會把49.25%的失誤看作是錯誤。他會說他成功了50.75%的時間。

而賭球的人知道，即使他總是選擇賭注的好的一面，體育比賽中也存在很多隨機(jī)性。他可能覺得他100%的時間都選對了要賭的隊伍，而贏得50.75%的賭注是最佳的表現(xiàn)。

再舉一個例子，考慮一個接手高風(fēng)險病例的外科醫(yī)生，其中50.75%的病例病人存活；

與一個贏率為50.75%的賭場相比。外科醫(yī)生每次都試圖贏得勝利。賭場則完全滿足于50.75%的時間勝出，因為從長遠(yuǎn)來看，它的利潤是統(tǒng)計上確定的。

（這就是大數(shù)定律。）

許多定性投資者像罰球手和外科醫(yī)生一樣思考。要么他們是對的并賺錢，要么他們是錯的并虧錢。

（寄希望于水晶球，過于線性，過于脆弱。）

頂尖的定性投資者需要經(jīng)常正確——比如說70%或80%的時間——因為他們得不到太多的多樣化。

大多數(shù)定量投資者，像羅伯特·默瑟和文藝復(fù)興科技一樣，像賭徒一樣思考。

如果你總是站在交易中有正向優(yōu)勢的一方，你仍然只能贏得大約50.75%的時間。你可以在如此小的優(yōu)勢中取得成功，因為你不斷地進(jìn)行著成千上萬的賭注——就像賭場轉(zhuǎn)動輪盤一樣。

當(dāng)定性投資者虧錢時，他們會重新審視決策，以弄清楚哪里出了問題。當(dāng)定量投資者虧錢時，他們會重新審視他們的決策過程。

2、概率轉(zhuǎn)向

早在20世紀(jì)70年代末和80年代初，人工智能和機(jī)器學(xué)習(xí)就發(fā)生了一場革命。

一般的方法是避免硬性和快速規(guī)則的復(fù)雜決策樹，并用貝葉斯判斷來處理問題。

我此前的文章里，談及了那篇著名的《苦澀的教訓(xùn)》。

其中，寫到了語音識別的歷史，這里面的的關(guān)鍵人物還和文藝復(fù)興有交集。??

“在語音識別領(lǐng)域，20世紀(jì)70年代有一個由DARPA（美國國防部研究局——編譯者）贊助的早期競賽。

參賽者挖空心思，使用了一系列利用人類知識的招術(shù)，包括對單詞、音素、人類聲道等的理解。

另一方面，還有一些更注重統(tǒng)計特性的新方法，它們基于隱馬爾可夫模型（HMM）進(jìn)行了更多的計算。

同樣，統(tǒng)計方法在基于人類知識的方法上取得了勝利。這導(dǎo)致了自然語言處理領(lǐng)域的重大變革，統(tǒng)計和計算逐步主導(dǎo)了該領(lǐng)域。”

人類對規(guī)則的追求，敗給了概率。

在算法、算力、數(shù)據(jù)指數(shù)級增長的背景下，人類社會正在發(fā)生巨大的概率專項：

“近年來，這一趨勢產(chǎn)生了新的進(jìn)展，深度學(xué)習(xí)在語音識別中崛起。深度學(xué)習(xí)方法更少地依賴于人類知識，而更多地利用計算資源和大規(guī)模訓(xùn)練集上的學(xué)習(xí)，以產(chǎn)生明顯更好的語音識別系統(tǒng)。

與棋類游戲一樣，研究人員總是試圖構(gòu)建系統(tǒng)，符合自以為是的思維方式，他們試圖將這些知識放入他們的系統(tǒng)中，但最終證明效果適得其反，也是對研究人員時間的巨大浪費，

因為通過摩爾定律，大規(guī)模計算變得可行，而且能得到很好的利用。”

“自以為是”，這不正是那些光鮮的華爾街基金經(jīng)理們脆弱的智慧嗎？?????????

《苦澀的教訓(xùn)》給出了一個普遍觀點：

“意識的實際內(nèi)容是極其復(fù)雜的；我們不應(yīng)該試圖通過簡單方法來思考意識的內(nèi)容，如思考空間、物體、多智能體或者對稱性。所有這些都是任意的、本質(zhì)上復(fù)雜的外部世界的一部分。”

世界太復(fù)雜了，而且世界如同膨脹中的宇宙一般，還在擴(kuò)散式地發(fā)展著。?????

我們很難用不變的公式，線性的思維，來理解這個充滿不確定性的世界。??

文藝復(fù)興基金對華爾街式的“解釋”毫無興趣，因為那套話語體系過于淺薄，而且刻舟求劍，也許只在推銷基金時有效。

人們總說關(guān)聯(lián)性不是因果性，但是對比起脆弱的因果性，短時間有效的關(guān)聯(lián)性，也許更有價值。????

而且，誰在乎那些短期呈現(xiàn)出某些關(guān)聯(lián)性的隨機(jī)數(shù)據(jù)背后是啥解釋呢？難道賺錢不是最好的解釋？????????????????????

西蒙斯說自己是模型先生，《苦澀的教訓(xùn)》有一段文字可謂英雄所見略同：???

“它們不應(yīng)該被固有化，其原因是復(fù)雜性是無窮無盡的；相反，我們只應(yīng)該構(gòu)建可以找到并捕獲這種任意復(fù)雜性的元方法。這些方法的關(guān)鍵在于它們能夠找到很好的近似值，但對它們的搜索應(yīng)由我們的方法完成，而不是我們自己。

我們希望 AI 智能體可以像我們一樣發(fā)現(xiàn)新事物，而不是重新找到我們所發(fā)現(xiàn)的。在我們發(fā)現(xiàn)的基礎(chǔ)上構(gòu)建只能令人更加難以看清發(fā)現(xiàn)過程的完成情況。”

把上面的AI換成文藝復(fù)興的模型，同樣有效。?

3、消除意義

《香農(nóng)傳》里談及，香農(nóng)的信息論認(rèn)為，世界上英語的文本量在毫不影響信息內(nèi)容的情況下，可以減半。

香農(nóng)說：“當(dāng)我們書寫英文的時候，寫下的一半詞語都受到語言結(jié)構(gòu)的限制，而另一半則是自由選擇的結(jié)果。”

后來，他對冗余成分的預(yù)估上升到80%，只有20%的單詞承載了實際信息。

人類語言的冗余機(jī)制，令我們在現(xiàn)實中接觸到的大多數(shù)話語和所謂只是，都只是噪音，或者干脆說是垃圾。??????????????

在某種意義上，從圖靈到香農(nóng)，再到索普，以及西蒙斯，這些絕頂聰明人都在干著“解碼”的事情。?????

對比起那些邏輯、規(guī)則和語言的意義，他們更在意的是“概率”。

香農(nóng)曾經(jīng)向馮·諾依曼談他對信息的理解，說“信息解決不確定性”的問題應(yīng)當(dāng)成為工作的核心。

面對香農(nóng)提出的如何為該主題命名的問題，馮·諾依曼立刻說：信息減少了“熵”。

而在深度學(xué)習(xí)的今天，人們進(jìn)一步消除了意義：

“GPT技術(shù)路線的一大核心理念，是用最簡單的自回歸生成架構(gòu)來解決無監(jiān)督學(xué)習(xí)問題，也就是利用無須人特意標(biāo)注的原始數(shù)據(jù)，學(xué)習(xí)其中對世界的映射。”

斯蒂芬·沃爾弗拉姆對此有一段精辟的描述：

在神經(jīng)網(wǎng)絡(luò)的早期發(fā)展階段，人們傾向于認(rèn)為應(yīng)該“讓神經(jīng)網(wǎng)絡(luò)做盡可能少的事”。

例如，在將語音轉(zhuǎn)換為文本時，人們認(rèn)為應(yīng)該先分析語音的音頻，再將其分解為音素，等等。

但是后來發(fā)現(xiàn)，（至少對于“類人任務(wù)”）最好的方法通常是嘗試訓(xùn)練神經(jīng)網(wǎng)絡(luò)來“解決端到端的問題”，讓它自己“發(fā)現(xiàn)”必要的中間特征、編碼等。

別說AI，想想我等人類，從小學(xué)英語，浪費了多少時間在學(xué)語法，學(xué)規(guī)則，學(xué)主謂賓，結(jié)果折騰了幾十年，現(xiàn)在還是英語白癡。?????

4、底層解碼

還是在Quora的那個帖子里，一位金融從業(yè)者說，他遇到一位頂尖的聲納探測專家，該人擁有多個博士學(xué)位的物理學(xué)家，既古怪又風(fēng)趣。他的專長是信號處理。

“他的世界——信號處理，與我們的領(lǐng)域有著驚人的相似之處。

我們探討了貝葉斯概率決定論，

討論了哪些模型（高斯、泊松等）適用于分布，

討論了假陽性的成本（想想交易優(yōu)勢），以及在稀疏數(shù)據(jù)中時間與行動之間的套利（確認(rèn)）。

我們講的是同一種語言。我們在討論真正的問題：如何從噪音中區(qū)分出信號？多快？錯誤的成本是什么？正確的成本是什么？哪個統(tǒng)計法則適用于隨機(jī)性？

接下來，他毫不留情地嘲諷了”所謂的基本面分析師“。

“這是公平的估值”......生活是不公平的，親愛的，你真的認(rèn)為市場是公平的嗎？

“基于部分總和的估值”......弗蘭克·N·斯坦僵尸估值。

“基本面很強(qiáng)”......讓基本面再次偉大......

“長期故事仍然完整”......

“基于DCF的目標(biāo)價比市場估值高出10%”......停止調(diào)整終值來合理化你的主觀觀點。

“頂級管理層”......也是人們曾經(jīng)對安然、貝爾斯登、柯達(dá)、通用汽車、克萊斯勒所說的。

他認(rèn)為，這些話語里有太多理論，太多名詞，太多廢話。

對比而言：

a、物理學(xué)家將市場視為一個統(tǒng)計問題。這是實用的。

b、MBA頭腦中充滿了太多未經(jīng)驗證的理論。那些廢話既昂貴又耗時。

如果我們想要理解這個真實的世界，尤其是當(dāng)要用真金白銀去下注的時候，那些夾層解釋，完美概念，是沒有意義的。

許多金融和MBA類的知識被高估了。

一個簡單的測試是：

教物理學(xué)家金融比教授分析師物理學(xué)要容易得多。

然而，很多人因為這些被高估的知識而產(chǎn)生了能力幻覺。????

我們必須進(jìn)入更深處，從底層解碼世界。

八

在中國的傳統(tǒng)里大家講“書畫同源”，就是說書法跟繪畫是從一個源頭來的；那么我們也可以說，數(shù)學(xué)跟物理歷史上也是同源的。

楊振寧曾經(jīng)在一次演講中如此開場。

他講到，1969年自己在紐約州立大學(xué)石溪分校講授一門廣義相對論課程。有一天，突然發(fā)現(xiàn)廣義相對論所需要用到的黎曼曲率張量公式，很像楊-米爾斯理論里的一個公式。

于是，他去請教時任數(shù)學(xué)系主任的西蒙斯。西蒙斯告訴他這兩個公式都是纖維叢上的聯(lián)絡(luò)。

1974年，西蒙斯與著名華裔數(shù)學(xué)家陳省身聯(lián)合發(fā)表了論文《典型群和幾何不變式》，創(chuàng)立了著名的陳-西蒙斯定理。

該幾何定律對理論物理學(xué)具有重要意義，被廣泛應(yīng)用到從超引力到黑洞的各大領(lǐng)域。

1975年，楊振寧去拜訪陳省身，談及令他驚詫不止的是，規(guī)范場正是纖維叢上的聯(lián)絡(luò)，而數(shù)學(xué)家是在不涉及物理世界的情況下搞出來的。

楊振寧說：“這既使我震驚，也令我迷惑不解，因為，你們數(shù)學(xué)家居然能憑空想出這些概念。”

陳省身立即反對說：“不，不，這些概念不是憑空想出來的。它們是自然而真實的。”???

在該次演講中，楊振寧如此收尾：

今天沒有人會再說“數(shù)學(xué)與物理世界完全沒有關(guān)聯(lián)”了。

可是為什么“自然而真實”的、與物理世界本來無關(guān)的數(shù)學(xué)觀念，是這樣的“對稱”，而且從而“支配”了宇宙間一切基本“力量”，恐怕將是永遠(yuǎn)不解之謎。

九

那么，西蒙斯的文藝復(fù)興，用到了那些深奧的數(shù)學(xué)知識嗎？

曾經(jīng)有人問西蒙斯：??

你做的數(shù)學(xué)和你的交易之間有聯(lián)系嗎？

西蒙斯回答：

沒有。絕對沒有。

提問者又說：

然而，你雇傭數(shù)學(xué)家和科學(xué)家來做你的大部分工作。為什么會這樣？

西蒙斯坦誠回答：

數(shù)學(xué)和科學(xué)是兩個不同的概念，兩個不同的學(xué)科。

就其本質(zhì)而言，好的數(shù)學(xué)是相當(dāng)直觀的。

實驗科學(xué)并不真正以這種方式運作。直覺很重要。猜測很重要。思考正確的實驗很重要。但它更寬，更不深。

因此，我們在這里使用的數(shù)學(xué)可能是復(fù)雜的。但這并不是重點。我們不使用非常非常深的東西。

西蒙斯曾經(jīng)談及文藝復(fù)興的策略優(yōu)勢：??

“我們?nèi)绾巫鏊槐绕渌罅康幕久嫱顿Y者神秘。某種程度上不那么神秘正是因為我們做什么都可以進(jìn)行編程。——厲害的不是算法，而是工程化！”

如果說，理解這個世界的本質(zhì)，需要數(shù)學(xué)和物理，那么，改變這個世界，則需要工程能力。?????

這似乎也是OpenAI的秘密所在。

十

本文概述了地球上最會賺錢的人，如何打造出一部賺錢機(jī)器。??????????????????

但我更感興趣的是，我們該如何理解這個被隨機(jī)性所支配的世界？?????????????

人們總說：相關(guān)性不是因果性。

這句話經(jīng)常用于批評人類通過某些表象的相關(guān)性，而得出錯誤的因果性。???

但事實上，在深度學(xué)習(xí)的領(lǐng)域，人們的“教訓(xùn)”是，不要教AI太多人類的“因果知識”。??

某種意義上，大模型能夠在高維數(shù)據(jù)之間，發(fā)現(xiàn)人類暫時無法洞察和解釋的“因果”。???

圖靈獎得主希發(fā)基思說，我們在理解世界的過程中，提出了三類關(guān)于知識的基本問題：?????

1、Why（目的論問題）：

我們期待從現(xiàn)象中找到一個目的。

例如，我們?yōu)槭裁磿嬖冢窟@是兩千年前的先賢們最愛思考的問題；

2、What（本體論問題）：

這涉及到“存在”的本質(zhì)。

例如，世界是否是一個虛擬的游戲？

3、How（認(rèn)知論問題）：

這類問題，則是是科學(xué)的、數(shù)學(xué)的、經(jīng)驗的。??????

希發(fā)基思認(rèn)為，只有認(rèn)知論問題才能嚴(yán)格求解。

然而，因為某些必須的冗余，這個草臺班子式的世界，充斥了太多平庸的、迷信的、甚至是欺詐的“知識”。?????

人類一直試圖去解釋這個世界，并且用該解釋去預(yù)測未來。

然而，大多數(shù)對過去的解釋，并不具備對未來的預(yù)測能力。

要想突破這一點，我們必須打破許多夾層解釋，去除那些建立在脆弱假設(shè)基礎(chǔ)之上的無聊知識，淺薄知識，虛妄知識。???

當(dāng)然，這并不是說，統(tǒng)計學(xué)統(tǒng)治一切，算法成為上帝。（雖然目前的確如此。）?

作為一個堅定的科學(xué)主義者，一個理性決策的“渾球”，一個與最狂野的機(jī)遇共舞的隨機(jī)生存者，西蒙斯在不確定的世界里發(fā)現(xiàn)細(xì)小的確定性，并巧妙加以杠桿，創(chuàng)造了驚人財富。

他給出了一個思考者在不確定性世界的生存范式。

西蒙斯總結(jié)自己的人生：

我研究了許多數(shù)學(xué)，我賺了很多錢，然后我把錢都捐出去了，這就是我的人生故事。

多么酣暢淋漓的一生！