打开量化投资的黑箱昂达

哈喽，大家好，我是土妹，关注我频道的老朋友们可能知道我炒股炒了十几年，之前赚了很多钱，然后也亏了很多，有一次就亏了有一千多万，去年整个市场都不太好， 也亏了很多钱。之前很长一段时间处于一个半放弃的状态，就是专心工作去了，但现在又开始想 再重新把这个东西捡起来，然后经历了很多风风雨雨以后，我现在的感受是觉得搞投资一定要有非常系统的非常科学的方法，对于有计算机背景的人来说，搞量化投资是最靠谱的，所以最近几个月我一直在埋头搞量化交易的研究， 从今天开始会跟大大家带来一系列量化投资的视频，希望能给你给你们带来一些帮助。那我们就快开始吧，那最先开始想给大家带来这个系列是 这本书，这本书叫打开量化交易的黑箱，这个书应该是属于所有推荐量化交易里面的推荐书目里面排行最靠前的一本书， 因为他讲的比较系统，然后也是比较入门的，他涉及到的方面很多，对于想了解量化交易的人来说，这是一本非常好的入门的一个基本的材料。所以我觉得所有对量化交易感兴趣，或者说你不想搞量化交易，但只是对这个领域想稍微有所了解，这本书都是必读的一本书。 今天这期视频我们就来简单过一下前面几张的内容。那第一张是关注量化交易的原因，是什么让你关注到了量化交易呢？ 因为大家大部分人可能都是从主观交易就这种手工交易来开始的，量化交易跟我们普通人主观的交易最大的区别就是说这个策略是怎么样被制定的，以及他是怎么被 执行的。所谓主观交易和手动交易的话，就是我们平时很多时候都是相对比较随意，然后用主观的自己的一些观察，一些判断去做一些策略。但量化交易的话，他更多的是你可以认为他是死板，但是他也是比较科学的，比较严谨的一种做法。 那为什么量化交易会对大部分人有利呢？第一个我觉得最重要的是控制情绪，书上也说就是大部分人是没有办法很自律的执行，你本来想好这些交易策略的，很多时候我们做决策都是受各种恐惧、贪婪这种各种情绪 驱使的一些角色，所以有很多的随意性。然后我们毕竟是人，所以很多时候认知上是有很多认知偏差的。大家可能听说过一些什么铆定效应，还有比如说贪婪的情绪可能是会持续更长时间，恐惧的时间会持续短，但是会更强烈一些 等等，就是会受各种的人的因素的影响。那第三点的话，因为我们自己做交易的时候，很多时候你下单的时候是一个逻辑，但是你平仓的时候又是另外一个逻辑，就是 他不是一个一致性的一个交易策略，同时也很少有人能做到系统性的。所以很多人说做交易呢，适合那些特别自律、特别严谨，特别科学的人。那如果你做不到的话，我觉得量化交易就是一条非常好的路，我觉得自己也做不到， 所以我就是现在也一直在研究量化教育，就是这些原因，因为我觉得可以避免很多人为的一些各种因素的干扰，能够更理智的去做角色。 然后这本书里这句话我觉得很有意思，就是说当你成为一个宽客的时候，是他会逼使你去深入的思考交易的策略。为什么呢？因为当你考虑，比如说什么叫做便宜，什么叫做涨太多了，什么叫做趋势，或者怎么样去衡量 风险有多大，这些东西我们在主观交易的时候都是非常模糊的，但如果你要让计算机去懂，那一定是要非常明确， 没有任何含糊的，这个过程的思考会让你迫不得已，你必须要深入思考这些问题，能够帮助你去理解问题的本质。很多时候我们也都是比较懒的，没有太大的动力的话，我们也不愿意去思考，但是如果你做量化交易的话，这些问题你都必须得 意清楚，你才能写出一个程序来，写出一个策略来。所以走量化交易这条路的话，他其实可以帮助你去抓住事情的本质，那第一章我们就很快就过了。然后第二章的话就是简单介绍一些量化交易， 这个其实也是这本书的一个介绍的一些框架吧，就是它包含了哪些内容，就是量化交易包含哪些东西。首先最左边呢，我们可以看到左边的是这个数据，数据是在量化交易中是非常非常重要的，因为数据如果有问题的话，整个策略 就算再好也都是不行的，所以数据这边有很多的工作，然后整个呢交易的策略等等构在一起的这种量化策略是给人感觉像一个黑箱， 所以如果我们不知道的话，不知道里面是什么，但这本书是把这个黑枪拆出来给我们看，他涉及到的主要有上面的是三种输入的模型，就是阿尔法模型，就是我们正常说的一些交易的策略，比如说我在什么情况下买进，什么情况下 卖出，它的一个基本的一个逻辑，基本的一个策略是阿尔法模型，就是我们普通人认知的这个量化模型， 因为你除了这个你要盈利的那部分的一个逻辑的策略之外，风险模型和交易成本模型是一定要计算在内的，所以这两块也是非常重要的一个输入。根据这三种模型的输入，我们再去考虑怎么样去构建我们的投资组合，就是怎么样具体去做交易。当然实际的交易还是需要通过实 模型来做。后面的张杰会再详细讲这些模型到底在干什么，他一步一步帮我们拆开，其实很多东西我们不把它拆开的话，很多东西是都是模糊化的，但你会发现这些东西其实都需要定义清楚。那整个过程他这边写了有个研究两个字，就是因为 我们需要不停的去研究，不停去做试验，做测试才能得到更好的一个结果。那这期视频我们先这样吧，我觉得量化投资非常难，如果真的要决定要走这条路，要去研究量化怎么做的话，是需要花不少心血的。所以一定要想清楚你是不是真的一定要做量化，一定要去 学习这方面的内容，毕竟还是需要很多付出的。希望你喜欢我的视频的话就帮我点个赞，我们下期再见，拜拜。

打开亮化投资的黑箱，在深入了解亮化之前，先带大家看几则新闻。 一是换方量化共计向慈善机构捐赠二点二亿元。除此以外，其公司员工一直频繁的小猪以个人名义向慈善机构捐赠一点三八零零亿元。二是一则某量化私募基金年终奖五千万的消息刷屏社交网络，发帖博主称同事的同班同学做量化 今年奖金超过五千万元。三是量化巨头明红投资董事长邱惠明八月底斥资二点八五亿元购置上海豪宅。从某种程度上来说，大家关心的其实不是量化本身， 而是量化这个充满神秘感的行业究竟有多赚钱。简单来说，量化投资就是用数学模型和程序来决策，而不是 是单纯依赖人的经验。随着科技 ai 的快速发展，量化的智商也越来越高。在国外的资本市场，比如美国和欧洲，有百分之七十的交易都是由量化交易完成。而在中国，量化还属于新兴行业， 但已有一些知名的量化基金公司崭露头角，比如焕芳、林军九、昆明红这样的头部量化基金公司。而在海外，四的的文艺复兴公司是四的， 对于稍等都是响当当的存在。不过，量化投资也有它的分类，公墓量化基金往往进行中低频交易，而私募量化基金则往往依赖高频交易，速度快且频繁，甚至几天内就会大幅度调整。持股 高频策略的核心是从市场中不理智的交易中获利。因此，网上有传闻说，量化会收割普通理财者，让行情涨不起来， 会影响截至八月二十一日，量化公墓产品达四百四十三只，总规模两千七百三十三亿元，二零二三年竞增三百八十三亿元。要知道，在二零二零年至二零二二年 a 股活跃期，公墓量化的年均增长不到三百亿， 反而在指数不断调整二零二三年内，量化基金的规模竞增却达到三百八十二亿元，预计年底可能约三千亿元。其中西藏、东财、中正云计算与大数据回报率领先为百分之二十一点四，许多基金规模年内翻倍。尤其 国泰均安量化、选股性奥量化、多因子、普营安盛量化多策略增长尤为显著，分别达到五十倍、二十三倍和二十二倍。浅显的讲，量化交易就是把股价设定一个区间， 剩下的全油程序交易，完美的用算法高抛低息，甚至有百分之三或百分之五的波动，量化就可以盈利。 而散户们长期持有，想等百分之五十的收益，结果只能上上下下的坐电梯，这不就是有人在开着外挂玩一个纯投机的游戏吗？这与村里提倡的价值投资简直背道而驰。 假如股民是徒手抓鱼，由自用鱼杆钓鱼，鸡精是用网捞鱼，那么量化基金高频交易 还有一个说法，过去割韭菜用镰刀，现在量化交易就是用了收割机，韭菜的根都快割完了。过去股票有规律可循，量化基金一来全部靠边站，现金多，智能操作就是硬道理， 毫无逻辑可言，更没有了节奏与规律。当量化规模还小时，他就是一个跟随股价波动赚差价的小伞，当他成为一个庞然大物时， 这就涉嫌利用资金量的优势影响股价了。所以我认为量化基金交易急需整改，毕竟村里都发话了，既要活跃股票市场， 更要让千千万万的散户能在股市里赚到钱，不然散户跑光，那时股市会成无缘之水，也就 没了鱼，剩下的估计就是机构之间的镰刀互卡吧。大家觉得量化交易需要被整改或限制吗？欢迎点赞、关注并发表你的看法哦！

哈喽，大家好，我是土妹。今天我们继续来讲打开量化交易的黑箱。这本书里面的第六章和第七章的内容就是在我们已经定义好了这些交易策略，然后风险模型，交易成本模型以后，我们怎么样去执行我们的策略，去进行实际的交易。这是我们今天视频的 这内容，那我们就快开始吧。第六章内容呢，就是一个裁决者的一个身份，就是因为我们之前已经讲到 阿法策略，然后我们同时也有风险模型和这个交易成本模型，我们怎么样去裁决我们应该做什么具体的交易？那第一种大类呢，就是说基于一些规则，我们去做这个投资组合的一些构建，比如说我们就是 有一个最简单的策略，就是相等头寸的加权，比如说我根据这个模型我算出来这个股票是可能会涨的， 那他是值得拥有的，那我们就买，我们就不考虑这个头寸的比例了，这是一种最简单的规则。第二种规则呢，是相等风险价权，就是根据头寸的波动性，或者说其他的一些风险指标来反向的去调整这个仓位。比如说这个股票它的波动性是非常大的， 那我们给他的头寸就相对来说小一点，这样去是能够提高这个投资组合真实的一个多样性。 假如说我们只是相等头寸去加钱的话，那我们整个投资组合的一个表现就是我们整个账户的这个表现呢，他会受这个波动性最大的一个股票影响会非常大。 但是如果我们是对他进行这个波动性反向加权的话，那就说他的投资组合真实的多样性是会更高的。这边举的一个例子，比如说我同时这个模型告诉我这两个股票 都可以买，然后谷歌这个公司，它的波动率是百分之二点五。然后另外一个这个艾森艾克森美服公司呢，就是波动率是二点零，百分之二点零。如果我们基于波动率去调整这个权重的话，我们可能会给谷歌分配一个较少的权重。 这样子的话，他对整个账户的表现，他的影响就相对来说会比较小一点。这样子就是多样性会更多一点。 所以这也是一种常见的策略，就是相等风险甲醛。第三种类型呢，就是阿尔法模型里面，我已经决定了我买这个股票买多少比率等等， 这个模型的规则里面已经包含在里面了。如果是这样的话，往往会配合一些约束条件，比如说一个股票最多不能超过百分之二十等等。就是因为这个模型都是需要约束的，也不可能预测都是百分百准确，所以我们要加一些约束条件，会让他的风险会低一点。然后如果按 拉法模型可以给我们算出他预期的收益，或者说制性度这些东西的话，那我们可以根据预期收益越大或者说制制性度越高的这样子的一个信号，我们可以给他更多的投存。而第二种类型呢，他不是基于规则，他是基于优化的一个投资组合构建的一个策略。最常见的是 一些均值方差优化的技术。他的基本的一个思路是说，就是说如果我要承担额外的风险的话，那一定是要有收益补偿的，所以 我这个预期的收益是要经过风险调整的。那他这种算法是怎么算的呢？我们先看一下他的收入，所谓的均值呢？就是各个股票吧，就是各个资产他的平均期望收益是多少。这个阿尔法模型可以给我们一个预测， 就说如果我们买这个股票的话，我预期能涨多少钱。所以这个呢是阿法模型预测的对，当然是不一定准啊。只是说 说我们作为一个输入，作为他的一个均值。那方差呢？就是各个资产的一个期望的风险。这个风险其实我们是可以从历史的数据得到的，就是我不需要去预测，我从实际的这个历史的波动率，我可以得到他的一个期望风险。然后呢，各个股票之间他们其实是可能会相关的。 所以呢，这个算法里面我们需要去算一下期望，来说这几个股票之间他期望相关的系数举证是什么样子的？就是 a 跟 b， b 跟 c， a 跟 c 之间互相他们的一个关系系数应该是多少。但是这个矩阵在实际应用当中还是比较难得到一个很精确的一个结果的。因为相关性他不是一成不变的，他会一直会变化，所以我们只能从历史数据中得到一些估计，同时他可能是经常需要调整的。然后我们有了这些输入 以后，我们怎么去得到？就比如说我这个股票，那个股票分别要买多少的仓位，他这样的参数，我们可以设定一个目标函数，然后我们去寻找这个目标函数最大值或者是最小值。那最常见来说，我们搞投资的肯定是要追求 更高的下补比率，下补比率就是一个最常见的目标函数，那为了达到最高的一个下补比率，那么 我这个股票应该分配多少，那个股票应该分配多少，然后去根据这些输入条件去进行计算。实际应用当中，在搜索的时候，我们可能也是需要设定一些约束条件的，这个就是均值方差优化技术。然后书上跟我们介绍的是说基于规则的这种策略呢， 更加适合那种绝对型的阿法模型，就说我买一个股票，我就是为了希望他这股票会涨的，这种是绝对型的，然后进行优化的， 他可能更适应一些相对型的阿法模型，就是我可能会做一些对冲，我买入这个股票，我卖出一个另外一个股票，是这样子的一种相对型的一个策略。对于相对型的阿法模型来说，他是很关注这些股票的之间的相关系数是什么的，所以这个也是比较自然的这种类型呢，他更多的适用一些股票的中心策略。 上面讲的呢，是说我们综合了各种条件，然后我们去考虑各个股票占什么仓位，买多少，然后怎么进行这个投资组合。嗯，下一章呢是讲执行模型，就我们具体怎么去执行我们的交易，这里面其实也是有不少学问的。他的最主要主要的目的是说 交易的时候最小化这个交易成本。一般来说，要么呢，我们是自己去想一想这些执行算法是什么？或者说如果我们的交易量非常少的话，那可能自己简单的去一些简单的策略就可以进行执 执行。那如果我们的量非常大的话，就很多这个投资机构，他们可能会用经济商的算法，或者是购买第三方的算法去进行这个执执行交易，它里面包含的东西有， 其实比如说如果我们有大的订单，他有些自动拆分，在有很多流动性分池的时候，他有一些智能选择的一些下单策略。还有这个冰山算法是非常出名的，他是说如果我们有很多的这个交易，我们想要比如说买十万股， 那十万股如果我一下子挂出来，那肯定是很吓人的。所以呢，他可能会把一部分订单挂在上面，然后一部分呢是作为按订单来交易的，所以这个就被形象的称为冰三算法。就是在很多大机构，他们进行这些大额的这些股票交易里面比较常见的一些算法。然后 书上讲的这个进取型还是被动型的执行策略，他这边讲的是比如说如果是进取型的话，我们可能就用试驾直接去买，他就不是挂单，他可能是更加进取型的。 当然如果我们是挂在最高的那档，这也算是某种进取型，他这个进取还是被动，是有点相对的。所以如果我们是非常非常被动，那我们可能会挂一个比较低的价位去买一个东西，那你有可能就会买不到。 所以这个就是我们挂单的时候是挂的价格，到底是比如果我们买进的话，我们是这个价格买的高 还是第一就是支持我们挂单的时候的一个策略。如果我们是动量型的一个策略的话，往往会配合更加进取的一点的执行策略。因为如果我们不赶紧买的话，这股票可能会继续涨下去，他的动量是非常大的，他趋势可能是很明显的。所以如果我们 这种趋势跟随类的交易策略的话，可能会配合更加进取一点的执行策略。但如果我们是均值回复的类型的策略的话，我们就可以挂一个很低的单，然后就在那等着。 是这种是比较合适的，就是往往是用被动型去搭配的。当然到底是我们把这个价格挂的高一点还是低一点，也可以考虑。这个信号的强度。就是我们这个阿法模型算出来说啊，这个胜率有多少，胜率很高，强度强，强度很大，知性水平很高，那我们就可能会更加进取一点。 如果自信水平不是很高的话，那可能就会被动的挂一个相对比较低的单。这样子。这些执行算法虽然听上去抽象，但是实际上我们在手动交易，就是我们自己主观交易的时候，也是会考虑这些问题的。最主要的是我们要挂什么样的价格，这个在订单 量如果很大的情况下，就是显得尤为重要。那今天这期视频内容就是这些，欢迎你在评论区下方跟我留言，我们一起来互动。如果你喜欢我的视频的话，请帮我点个赞。那我们下期再见吧，拜拜。

哈喽，大家好，我是土妹，今天我们继续来讲打开量化交易的黑箱这本书里面的第四章和第五章风险模型，还有交易成本模型， 亏过钱的人都知道控制风险有多么多么重要，话不多说，就快开始吧。首先我们看一下风险模型，嗯，这句话就是想跟大家分享一下，其实有很多搞投资的大神，他们可能都赚了很多钱，但最后的失败基本上都是因为风险 管理上面没有做好，上面有错误导致的。所以这章的内容一定是非常非常重要的。那我们怎么去控制风险的规模？主要有两个方面，一个是硬性的约束，就是我们对一些头寸，或者说我们对整个这个资产组合 设置一些风险线，比如说我们可以做一些强制的规定，比如说一支股票不能超过百分之二十，这个硬性约束经上 很失败，但是实际上大部分机构也都是这样做的，其实是非常重要的一个东西。第二种是惩罚函数，他这个是通过一个函数来计算，就是我们一开始比如说没有仓位的时候，那我们增加仓位， 通过阿尔法模型我们可以得到一个预期的一个收益，那这个收益肯定是增增加的，那么我们就可以买入。但是如果我们的仓位已经很重了，通过整罚函数去计算，就已经没有办法再带来额外的收益的时候，这个时候我们就不能增加头寸了， 所以他这种是相当于我们搞一个函数，做一个算法，这样就去算一下，这个也是在量化交易里非常常见的。然后风险怎么去度量是很重要的，我们怎么去判断说，比如说这个股票的风险比另外一个股票的风险大， 我们当前的这个仓位的风险怎么样，是需要有些标准在量化交易里面去定义的。那第一个呢，就是 波动率，有一个很有名的这个模型，就是这个 par 模型，它是根据当前的波动率水平去计算这个投资组合预期收益的一个标准差，所以波动率是一个非常重要的一个度量。那第二种是投资组合里面各个金融产品之间的一个标准差，它衡量的是一个多样性， 因为如果我们的这个投资组合越多样的话，那受系统性风险的影响就会越小。第三种是我们去看这个策略的预期胜率是多少，但在实战中其实这个并不是那么容易实施，因为我们不是那么容易知道我们预期的胜率到底有多少，那我们知道了风险以后，我们要去控制风险的范围，这个主要是 一个是仓位。第二个是杠杆率，因为很多专业投资者他都是会上杠杆的，所以杠杆上有多少也是比较重要的。嗯，然后书上说这个风险的种类有哪些？如果 一些不必要的风险，我们可以消暑的话，我们就可以考虑去消暑。他比如说如果我们用相对的这种阿尔法策略，那会相对来说这个绝对的阿尔法收益的风险就会大一些，因为相对阿法策略他可以规避整个板块的风险。假如我们就是选 两个股票，然后对他们进行配对交易这种，那不管这个股板块是往上走还是往下走，这个 风险是跟我们没有关系的，因为我们是一个对冲的交易，任何资产组合他都是有可能会有一些共有的系统性风险的。比如说利率风险，假如美联储提高利率，这是对大部分金融市资产都是会有影响的。然后我们大部分人 认知里面的这些风险怎么去判断都是理论型的，就是我们根据某些市场理论去推断，但也有些是使用经验型的风险模型， 他是根据历史数据去判断的，也就相当于数据挖掘类的。其中一个比较流行的就是主成分分析的一种算法，不过大部分人还是采用理论型的，这种大家平时都能够理解的这个风险 属于常识类的一一些风险，其实一个很常见的选择是很多宽客他会去购买一些风险模型的一些软件模块，直接拿来用，这个也是很常见的。那我们再来看一下交易成本模型，交易成本有哪些东西构成呢？除了我们最常见知道的就是一些佣金 和一些费用，这个经济商那边他都会告诉你就是要付多少钱，他的规则是什么样的，所以他相对来说是比较固定不变，是容易计算的。但是我们做量化交易的话，其实还有两个 成本是非常重要，一个就是划点，就你现在准备下单来买入一个东西，买入一个股票，或者说卖出一个 股票，可能你从你决定到实际成交的时候，他是中间有些价差的，这个东西就是划点，其实在我们在实际交易中是不能忽略这个部分的游戏，如果我们交易有很多 交易的量很多也经常交易的话，这个划点也是一个不小的一个成本。但是他因为没有办法准确的估计，我们只能等我们 已经成交完了，我们才能算出来这个划点实际的划点是什么。但是在交易之前我们只能是 进行一个估计，我们只能知道说如果这个产品他波动性很大的话，那他可能划点也会更大，那时间越长，他的划点肯定也会更大，所以我们知道他是跟时间和波动性是相关的。但是具体这个划点的 成本有多少，我们只能估计其中就是说趋势跟随类的策略的话，受益的影响会更大，因为一旦一个 趋势形成，比如说他开始上涨了，那他可能会一直涨下去，那我们下单下到晚了就会买贵了。所以如果我们用的是趋势跟随策略，那划点的成本会更高一些。然后第三个就是市场冲击成本，尤其是如果资金量大了以后， 买入的行为本身肯定会推高产品价格的。因为比如说你挂了一些单上去，那别人看到你挂了很多单，对别人的交易行为都是有影响的。然后我们实际买这些股票或什么的，我们会把这个价格买上去的， 所以这个就是市场冲击成本，他对很多宽客来说，这是一个可能是一个最重要的一个成本，所以很多大的机构这个市场冲击成本对他们来说是非常非常大的。对于我们个人的独立的这种交易者来说，可能成本没有那么大，但是如果你选择了一个产品流动性并不是很大的一个股票，那可能就会有 很大的市场冲击成本了。因为有些小股票他可能每天也成交不了多少，那你的一个买入的行为就会改变他的价格本身，所以就是会有市场冲击。然后这个书里面就是跟我们讲了一下我们这个交易成本， 我们要估计的话，用什么样的模型去计算嘛？那实实际的交易成本呢？是图中虚线的这样的一个部分，就是如果我们的交易规模越大，比如说我们一次买几千股，几万股、几十万股，随着规模越来越大，交易成本是越来越高的，所以它是这样子的一个弧线。 所以如果我们第一种类型呢，是我们相相当于是不怎么考虑他的一些市场冲击成本，就划点这些我们不考虑，我们只考虑这个佣金或者说其他一些经济的费用的话，那他可能就是一种长直的。就是我们左上角第一个图，那如果 交易规模越大的话，他就可能就越不准，他这个模型很简单，但是交易规模量大的话，肯定是非常不准的。那第二种就是这个 左下角的是线型交易成本，就是我们用一个线去模拟，假如规模越大的话，交易成本就越大，然后我们去估计一个这个线段的斜率，他也可以达到一个模拟的效果。这种方式呢因为比较简单，所以也是比较常见的。第三种就是分段的线型交易成本，这种估计的方法呢会更准确一点， 当然是他模型建模也会稍微复杂一点，因为我们要去算这三条线段呢，他的斜率是多少，是达到一个最好的近似的一个效果。其实当然我们还有一些飞线性的一些估计的 办法，就我们直接去估计这条曲线，但实际上这个也很难估计的很准，所以分段线性是很多大机构可能会采用的一些方法。我们独立交易者， 就个人交易者的话，一般可能会用现行交易成本或者是这种常值的，就是第一种就简单估计一下交易成本是比较多见的，那今天关于风险模型和交易成本模型 就跟大家聊到这，这两部分大家千万不要忽视，如果做量化交易的话，这些模型一定要都提前算好，然后我们把它写到程序里面去进行计算，因为如果我们不考虑的话，可能会有很严重的后果， 会导致整个是不能用的一个策略。那希望这期视频能对你有些帮助，如果你喜欢的话，请帮我点个赞，那我们下期再见吧，拜拜！

二零二零年八月，文艺复兴科技公司的 medallion 基金年化回报再次超过百分之六十，这已经是连续三十二年暴打市场。基金创始人詹姆斯西蒙斯从不招金融专业的人， 团队全是数学家、物理学家、密码学家，他们用超级计算机分析几十年价格数据，寻找人类看不见的模式。但这个印钞机只对内部员工开放，外部投资者一分钱都投不进去。为什么？ 西蒙斯在罕见的采访中说，我们的策略容量有限，钱太多会稀释收益。而且老实说，我也不知道为什么有效， 只知道它确实有效。这句话让整个华尔街几倍发凉。全球最赚钱的对冲基金， 运作原理连创始人都解释不清。量化基金就是用数学模型和算法自动交易，完全排除人为判断，不看财报，不调研，不关心 ceo 是 谁，只相信历史数据和统计规律，策略千奇百怪，高频交易在毫秒间套利，统计套利，捕捉 相关性。因此，投资筛选低估值、高动量股票，核心信仰是市场有规律可循，只要数据够多，算力够强，就能持续赚钱。但二零二零年三月，这个神话肃然一变。疫情暴跌时，顶级量化基金集体翻车， chu sigma 单月亏百分之十五， b 少亏百分之十三， a q 二亏百分之十八。原因很简单， 算法基于历史训练，但历史上从未出现全球同时封城。摩星说，航空股跌百分之三十，该抄底，结果继续跌百分之七十。摩星说，原油不可能负数，结果 wti 跌到负三十七美元。 一位第一少前交易员匿名爆料，我们的黑箱在正常市场无敌，但极端时刻就是自杀。程序模型假设市场理性连续可预测，但现实是非理性跳跃混乱。 量化最大的道德风险是军备竞赛。 citadel securities 花数亿美元在芝加哥和纽约之间出专用光纤，只为快零点零零一秒。 jump trading 用微波传输替代光纤，因为微波在空气中比光在光纤里快。 这场竞赛的终点是什么？二零一二年， connect capital 的 交易算法出 bug， 四十五分钟亏四点四亿美元，公司破产。没有阴谋，只是代码写错了。量化基金的终极悖论，当所有人都用算法时，算法就失效了。 二零一零年五月，闪电崩盘，倒值九分钟暴跌一千点，就是量化算法集体触发止损，互相踩踏的结果。诺奖得主习乐说过，金融市场不是物理世界，他会因观察而改变。 当百分之七十交易由机器执行时，市场不再是人性化，而是算法求和困境。 所有人优化同一个目标函数，最终一起坠崖。西蒙斯的 medellin 是 幸存者，偏差， 那些爆仓的量化基金才是常态。正如黑天鹅作者塔勒布所说，量化交易百分之九十九的时间减钢镬，百分之一的时间被压路基碾死。