西蒙斯的简历

犹太人，1938年出生，独子，数学天赋出众；20多岁开了一家地板工厂，回报丰厚；23岁博士毕业，在麻省理工和哈佛任教共3年，随后加入美国国防分析研究员破解密码，接着在石溪大学任教8年，期间再婚；74年卖掉地板工厂股份后交给别人投资糖，资产迅速暴增10倍；78年成立林姆若伊基金，10年25倍收益；1988年成立大奖章基金，投资方法由判断型转到量化型。

语录

那些著名的投资人究竟如何投资的过程其实对谁来说都是个谜。我们量化基金的投资方式和任何一个凭借基本面分析判断进行投资的方式相比并不是更为神秘。很大程度上来讲，我们的投资方式倒更为清晰透明，因为这些都是能够在电脑上编程处理的。

有一些价格走势不完全是随机的，这就是说有可能通过一定的方式来预测。

大奖章的投资标的：必须在公众市场上交易，必须有足够的流动性，必须适合用数学模型来交易。

为什么转型成量化型：首先，数学模型降低你的投资风险。其次，数学模型降低你每天所要承受的各种心理压力。

判断型的投资方法：有时候你像个英雄，因为你投资赚了钱。有时候你像个狗熊，因为赔了。不管怎么说，在大部分时候，投资的得失都是由运气决定的。

要赚钱，就需要市场动。

投资和语音识别其实很相似，都是要预测下一点发生的事情。

记者问：那您能说说大奖章基金的投资策略吗？

西蒙斯：没什么可说的

记者问：您使用什么金融工具呢？

西蒙斯：所有的

记者问：您有多少种不同的交易策略？

西蒙斯：很多

记者问：有人说贵公司用语音识别软件去分析交易所的噪音，这是真的么？

西蒙斯：我的博士们听到这个故事都笑了半天

西蒙斯加了一句，说他曾经研究过太阳黑子活动对市场的影响，记者赶紧问他得出了什么结论，西蒙斯笑而不答。

有效市场假说是基本正确的，也就是说，市场上没有什么明显的套利机会。但是，我们关注的是那些很小的机会，他们可能转瞬即逝。这些机会出现之后我们会做出预测，然后进行相应的交易。交易之后，我们又对新的市场情况进行跟踪和评判，我们的预测也会做相应调整。当我们的预测变化之后，我们的投资组合也会跟着变化，我们整天做的就是这个事情。我们总是不停地买入、抛出。我们之所以赚钱，就是靠我们不停地交易。

我们（巴菲特和我）的投资方法正好是两个极端。

我们一般不和我们的模型唱反调。

数学和其他科学其实很不同。数学要靠直觉，但是直觉对于凭借实验来论证的其他自然科学来说并不是最关键的。在其他自然科学中，虽说直觉仍然重要，但是猜测和假设更加重要，设计合理的实验（来验证或者推倒猜测和假设）也是很重要的。跟纯数学相比，其他自然科学可能涉及的面更加广，但不是那么深。在复兴技术，我们用的数学工具也挺复杂的，但是高深就谈不上了，不过我们用的统计学技巧可能非常复杂。我所需要的研究人员的确要懂得一定的数学，这样他能很熟练地使用我们所用的各种研究工具，但是更重要的是他应该对事情的根源很好奇，富有想象力，而且有恒心去揭示这些根源。

当我看见荧光屏上粒子四射的时候我想到的是股市。每一笔股票交易，哪怕是很小的一笔，几十只、几百只股票，都和其他的笔笔交易相关联，它们互相影响。每天股市上都有千千万万笔交易做成，每一笔都会影响到整个市场。复兴技术的工作就是分析这个异常复杂的体系，看看它们之间都有些什么关系。

别忘了，人脑才是最大的黑箱操作呢！

量化投资不是高深的学问，但绝对是一门艺术。

丁鹏的这本书很厚，不但页数本身较多，而且里边引用的很多参考文档出处也非常多，要全部读完，没有几年时间是不可能的，但书可以读得很厚，也可以读得很薄。对于有一定投资经验的人来说，在接触一个“新鲜事物”前，可以先有一个总览，然后选择自己感兴趣的方向深入下去。

按照书中选股和选时的策略例子，我大致整理成比较易读的对比模式，使用星级来区分同一指标的异同，星级的确定，与自己的投资经历，以及知识结构是分不开的，所以必然存在不客观和偏颇之处，随着投资环境的改变，可能与实际情况出入较大：

以下是书中的内容节选：

第1章　量化投资概念

量化投资策略：

1、  判断趋势，风险大收益高

2、  判断波动率，即套利，消除系统性风险，收益稳定

量化投资是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程

投资理念、策略，以及量化工具同时成功，才能获得实际收益

评：最简单的量化投资方式就是指数。空仓、做空和杠杆，能够强化趋势，使波动加大

量化投资策略的优势：纪律性、系统性、及时性、准确性、分散化

信息比率（information ratio）：衡量某一投资组合优于一个特定指数的的风险调整超额报酬。

将基金报酬率减去同类基金或者是大盘报酬率（剩下的值为超额报酬），再除以该超额报酬的标准差。信息比率越高，该基金表现持续优于大盘的程度越高。

量化投资理论发展史：

Markowitz于1952年建立均值—方差模型，把数理工具引入金融研究

Sharp（1964）、Litner（1965）、Mossin（1966）研究了资产价格的均衡结构，导出Capital Asset Pricing Model，成为度量证券风险的基本量化模型，随后，CAPM成为度量投资绩效的理论基础

1965年Samuelson、Fama建立有效市场理论

1973年Black、Scholes建立期权定价模型，1976年Ross建立Arbitrage Pricing Theory，多因素定价模型是APT理论的典型代表

80年代金融市场四大发明：票据便利发行（NIFs）、SWAP、期权交易、远期利率协议。

80~90年代对期权定价理论的进一步研究刺激了对倒向随机微分方程求解的发展，加上数值计算，促进期权定价理论数学模型的新研究。

90年代金融学家更佳注重金融风险管理，最著名的是VaR，以JP.摩根的风险矩阵（RiskMetrics）为代表。

90年代，与有效市场理论不符的现象，日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应，结合心理学，形成了行为金融学。

90年代末至今，非线性科学在金融理论及其实践上的运用，极大丰富了金融科学量化手段和方法论研究

1991年创立的Santa Fe预测公司是使用非线性技术最有名的投资公司之一，创始人Doyne Farmer、Norman Packard两位博士系统阐述了李雅普诺夫指数对于混沌分类的重要性方面和重构相空间的延迟方面都有着重要贡献，还是用一些不同算法：遗传、决策树、神经网络。

Bloomberg统计2008年11月4日，1184只量化基金总资产1848亿美元，1988年21只管理80亿美元，年均增速20%，同期非量化基金年增速8%

1998年长期资本管理公司失败，量化策略和模型不能完全信赖。量化正在发展，08年金融危机已经有一部分量化基金能够及时改进模型以减少损失。

量化策略发展方向：

1、  模型数据多样化

2、  参数市场化

3、  定量定性相结合

Columbine Capital Services公司的量化模型核心思想是预测超额收益Alpha，分为3类：

1、  成分模型：用单因素或单一收益特性来分析股票，有5个子模型

2、  个股选择模型：使用多因素和多重收益特征来预测未来Alpha，选出买入和卖出个股组合，有6个子成员

3、  国际化模型：某一国家或地区的Alpha预测，寻找单一市场上所没有的超额收益

Columbine Capital Services公司的量化模型评级系统：

1、  因子选取：基于各种收益和风险因子的定义和选择

a)         每个因子必须具有经济意义

b)         每个因子必须具备显著的预测能力

2、  模型评级：建立不同类型的多因素量化模型，进而对股票进行筛选、排序和分级。10个等级，1表示最好，再做出买入、中性或卖出评级。

量化投资的主要内容

1、  量化选股

a)         公司估值法

b)         趋势法

c)         资金法

2、  量化择时

a)         中国股市尚未达到弱有效，股票价格与时间序列相关

b)         混沌、分形理论将股价纳入非线性动力学研究范畴，中国（乃至全世界）股市的指数收益中，存在经典线性相关之外的非线性相关

3、  股指期货套利，研究内容有现货构建、套利定价、保证金管理、冲击成本、成分股调整

a)         期现套利

b)         跨期套利

4、  商品期货套利

a)         盈利逻辑：相关产品在不同地点、不同时间都有一个合理的价格差异，而价格的波动出现不合理价差，需要纠正。

b)         价差变化规律统计是重要前提，利用统计分析工具、图表、基本面、技术分析。

c)         资金成本考量，套利头寸和提前结束头寸

5、  统计套利，利用证券历史价格规律，属于风险套利

a)         贝塔中性策略

b)         协整策略，即累计偏离修复

6、  期权套利

a)         水平套利

b)         垂直套利

c)         转换套利

d)         反向转换套利

e)         跨式套利

f)          蝶式套利

g)         飞鹰式套利

h)         套利分析需要解决：高低损益平衡点确定、套利空间计算、交易成本、市场容量

7、  算法交易

a)         选时

b)         选价

c)         选成交量

d)         被动型、主动型、综合型

8、  资产配置

a)         战略资产配置

b)         战术资产配置

c)         全球资产配置、大类资产配置、行业风格配置

量化投资的主要方法

1、  人工智能

a)         专家系统

b)         机器学习

c)         神经网络

d)         遗传算法

2、  数据挖掘（数据融合、数据分析、决策支持）

a)         关联分析

b)         分类/预测

c)         聚类分析

3、  小波（wavelet）分析（小是指它具有衰减性），又称数学显微镜

a)         与傅里叶变换相比，是时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数）逐步进行多尺度细化，最终达到高频处时间细分，低频处时间细分，自动适应时频信号分析的要求，聚焦到信号的任意细节，解决傅里叶变换的困难。

b)         主要作用是进行波形处理，去噪、重构、诊断、识别，实现预测

4、  支持向量机（support vector machine），适合分类和预测问题的处理

a)         升维，应用核函数的展开定理，不需要知道非线性映射的显式表达式

b)         线性化

5、  分形理论（fractal）誉为大自然的几何学

a)         自相似原则、迭代生成原则

b)         用于金融时序数列的分解与重构，并进行数列的预测

6、  随机过程（stochastic process）

a)         与位势论、微分方程、力学及复变函数有密切联系

b)         概率方法，用到轨道性质、随机微分方程

c)         分析方法，用到测度论、微分方程、半群理论、函数堆、希尔伯特空间

d)         其他还用到组合方法和代数方法

e)         主要研究多指标随机过程、无穷质点、马尔科夫过程、概率与位势

f)          马尔科夫过程很适合与金融时序数列的预测，是典型应用