本书讲的是量化投资大师西蒙斯的成长史。运用自己的专业知识建立了数学模型，转向投资行业 “奇袭” 华尔街。西蒙斯是文艺复兴科技公司（Renaissance Technologies）的创始人，这个公司在投资领域取得了巨大的成功。该公司旗舰产品大奖章基金获得了年化 66% 的收益率，在交易中心获得了超过 1000 亿美元的利润，这个记录在投资界无人能出其右，沃伦・巴菲特、乔治・索罗斯、彼得・林奇、史蒂文・科恩，甚至瑞・达利欧都难以企及。而他的制胜法宝就是数学建模 + 电脑操作。模型的优势之一是可以降低风险，增加决策的准确率。西蒙斯的众多投资策略中其中有一条是寻找趋势和动能。这值得学习，通过对于各种大数据的分析，寻找中长期的一种趋势。有许多特征是隐藏在数据背后的。比如美国股市会出现 5-7 年一个轮回的价值和成长股风格轮动。在高流动性背景下，小盘股的表现会超过大盘股。

文艺复兴科技公司旗下的大奖金基金，在 1988—2018 年这 30 年间获得了 39.1% 的年化复合收益率，这还是在扣除了 5% 的管理费和 44% 的业绩提成后的数字，费前收益率甚至能达到年化 66% 左右。这个收益率远远超过了那些相对于西蒙斯更为人所知的投资大师，如做宏观投资的索罗斯和做价值投资的巴菲特所创造的收益率。在一两年间获得高收益相对容易，在 10 年间获得高收益已经非常困难，保持 30 年的高收益更是难上加难。西蒙斯和其他先驱者，使用现在看起来并不复杂的技术，迅速摘掉了市场上最低垂的果实，积累了第一桶资金。这只是开始，在之后的 30 余年里，计算机技术继续发展，量化投资正逐渐发展成资本市场中的一个新宠，不断有新的模型被开发出来，更多的 “不可能” 变成了现实，最终使量化投资在 21 世纪成为金融领域发展的大势所趋。但是在发展了 30 年之后，量化投资的计算方式高度重叠，你能计算出来的，我也可以。这就引发了另一重疑虑，会不会有新的公式，借由原先量化投资的正向计算模型，来挖坑坑杀呢？再回到国內，与历史悠久的海外量化基金行业不同，中国国内的量化基金行业发展起步较晚。海外量化基金使用最多的策略是股票多空，其空头仓位一般通过融券卖空实现，而当前中国国内融券难度较大、成本较高，所以空头仓位一直以来大多是通过做空股指期货实现的。这就决定了国内量化基金的发展与股指期货息息相关。中国国内市场上的量化投资兴起于 2010 年股指期货上市，虽然起步较晚，但得益于中国国内场内股指期货和场外个股期权等衍生品市场的逐渐完善，量化投资迅速发展成为一股不容小觑的力量。从 2017 年到 2020 年，量化基金在所有证券类私募基金中的占比从不足 5% 提升到 15%，管理规模增长了 4 倍，量化交易成交量在整个 A 股市场成交量中的占比超过 15%。不管是从规模增长还是比重增长来看，近年来量化投资在中国飞速发展，虽然与美国市场相比仍有差距，但总体上看未来市场潜力巨大。作为舶来品，量化投资在中国市场的发展有优势，也有劣势。以中国股票市场为例，量化投资的优势在于散户在中国市场上占有主导地位。在美国市场，由于投资者的主体是机构投资者，从长期来看持续获得较高的超额收益有一定的难度。而中国股票市场的投资者结构则有所不同，散户投资者所占的股票市值约占整个市场的 25%，其交易额达到了所有股票交易额的 85%。散户往往容易受 “羊群效应” 等影响，造成股票价格上存在大量市场异象。在中国使用量化投资策略可以有大量机会探索、利用市场异象发掘规律，制定策略，进而获得较高的超额收益。在中国市场上从事量化投资的劣势在于中国资本市场仍处于市场深度和产品种类逐步完善的阶段，特别是能够用来对冲的工具有限，已有的工具也受到了一些限制。

看完了哈～本书通往陈省身、杨镇宁、香农、纳什、丘成桐、伯乐坎普…… 等硬核理工直男宇宙。传主吉姆斯・西蒙斯是理论数学家，陈省身是其导师，双方合作发表过论文《特征形式与几何常量》，首次提出了陈 - 西蒙斯常量。作者实在太风趣了，跟马亲王有一拼，时隔一年再次复读，依然笑喷好几次。1. 作者的《史上最伟大的交易》也非常精彩，主角是 2008 年次贷危机中，另一个声名鹊起的保尔森。也许是有意为之，作者笔下的两个主人公 —— 吉姆斯・西蒙斯、约翰・保尔森，在投资逻辑上南辕北辙，但都获得了他人无法企及的成功。尤其西蒙斯，几乎不懂投资，也不做投资研究，却成为量化投资宗师，拿着百亿美元退休，你说气人不气人？“我不知道为什么行星都绕着太阳旋转，但这并不代表我不能识别这种状态。” 不怎么懂金融的西蒙斯，在给 LP 路演时解释，没必要弄清楚市场为啥是这么运行的，不影响大奖章基金获得令人咋舌的投资收益。当然很长一段时间内，潜在 LP 们根本不相信西蒙斯，还没有骗子说的自洽。2. 如题，量化投资可能是 AGI 最早的应用场景。抛一枚硬币，连续四次正面朝上，理论概率为 6.25%，再抛一次正面朝上的机率，是变大还是变小？大奖章基金前执行事务合伙人伯乐坎普认为，虽然理论上两次抛硬币，彼此间没有相关性，但是在同一个位置，同一只手抛同一枚硬币，一定有某种因素干扰结果，从 50% 发生偏移，就是可以创造收益的投资机会。同样的，数学家西蒙斯不相信资本市场是随机游走的，一定有某种规律可循，一定可以定价。其实，所谓随机游走，就如同将灵异事件归因于玄学，背后一定存在未经发现，或者当时无法解释的因素。量化投资机构则通过找到某种规律，确定买入卖出的信号，就可以完成交易了，同时尽可能规避大宗交易扰动市场，否则影响收益。因此，这类信号与规则相当于是无形资产，是不能公开的，否则就失效了。文艺复兴团队则更进一步，联席 CEO 罗伯特・默瑟曾经在 IBM 研究语音转换算法，加入文艺复兴后，主导应用大规模机器学习算法，投喂给系统海量信息，让系统自己总结规律，这个过程在 AI 时代被称为 “训练”。3. 理性主义 与 动物精神明明是西蒙斯自己要开发一个避免人类干扰的计算机交易系统，也是西蒙斯想要依赖科学的方法，而不是技术图表或者直觉，来寻找那些被忽视的异常规律的。但西蒙斯也有纠结的时候，他的初衷是用计算机预测市场，当交易系统给出结论时，西蒙斯却犹豫了，因为他完全无法理解背后机制。就像潜在 LP 不相信他一样，西蒙斯也无法无脑相信系统。西蒙斯时不时总想干预系统的决策，也正是因为保持怀疑，才没有步 LTCM 的后尘。“西蒙斯确信基金应该由交易系统来管理，但他一有时间就瞎忙活，每周花 5～10 个小时交易黄金和铜，还以为自己从中悟到了什么真理。” 伯勒坎普说。西蒙斯还曾经研究过太阳黑子周期和月球周期对交易的影响，但是无功而返。4. 长期资本管理（LTCM）做错了什么？文艺复兴又做对了什么？1998 年大名鼎鼎的 LTCM、D. E. Shaw 先后折戟，不仅给西蒙斯的文艺复兴腾出了市场，还提供了警示：永远不要对交易模型过度信任。“长期资本管理公司的基本错误是认为其模型就是事实真相，” 文艺复兴合伙人帕特森说，“我们从未相信我们的模型能够反映全部事实，它只反映事实的一部分。” 另一个原因，LTCM 的团队多数来自华尔街，而文艺复兴在招聘时，则尽可能绕开华尔街。因为西蒙斯担心金融从业者的既定认知，干扰团队决策，影响团队气质。这还真不是西蒙斯小题大做，特有的不良习气、行业认知，一旦形成是难以消除的。PS1. 当你要求 AI 以某种风格写篇命题作文时，就会用到隐马尔可夫链模型。AI 先随机输出一个词，然后调用相关词数组，每个数组元素都是一个字（或单词），带有权重参数。此时，AI 会在权重最高的几个词中随机选择一个，相关词数组随之更新，按同样方式生成第三个词、第四个…… 循环往复，最终形成文章。为什么每次随机选词？是为了每次生成的文章不同，通过不确定性可以使文章生动一些。注：权重参数是通过海量文章训练出来的，基于贝叶斯定理。PS2. 书中描述了大佬经历的纠结与打脸时刻，人家也没少犯错误，但还能成为大佬，不能简单的、单一的归因于运气。搞清楚大佬做对了什么，比仅仅借此与自己和解更有价值。PS3. 为了保护商业机密，西蒙斯及文艺复兴团队是非常低调的，甚至起初不接受采访，不建议创作本书。作者只能通过大量侧面访谈，多年搜集信息，但仍坚持认为这是一部 “非虚构类” 作品。毋庸置疑，这本书应该算非虚构类作品，但是等于真相吗？先假设作者搜集到的信息全部为真，但肯定不是全部，是所有史料的真子集，因此只能算史实的一个切面，而且是用多个碎片拼接出来的。就如同给一个场景拍照片，拍摄角度不同，取景的范围，得到的画面，就可能与真相背道而驰了。那么，每一位受访者有意无意的，或者有所保留，或者有所曲解，甚至记忆模糊之下，作者能获得绝对真实的信息吗？他有能力纠正吗？看起来，非虚构似乎就是伪命题。那么，读多少本非虚构，才能获得真相呢？可能我们得接受芝诺提出的乌龟悖论，真相只能无限趋近，但永远无法抵达。