4 膜拜量化大神

從表3.1中可以看出，在美國對沖基金經理收入排行榜中，主要是量化投資這個流派的頂尖高手，本章就來介紹其中幾個典型的金融大鱷。

4.1 文藝復興科技：西蒙斯

詹姆斯·西蒙斯（James Simons）是世界級的數學家，也是偉大的對沖基金經理之一。在華爾街，韜光養晦是優秀的對沖基金經理恪守的準則，西蒙斯也是如此，即使華爾街專業人士，對他及他旗下的文藝復興科技公司也所知甚少。然而在數學界，西蒙斯卻是一位赫赫有名的數學大師。

西蒙斯1958年畢業于麻省理工學院數學系，1961年獲得加州大學伯克利分校的數學博士學位，那時候他才23歲。1964—1968年，西蒙斯成為美國國防研究院的研究人員，他同時也在麻省理工學院和哈佛大學教授數學。1968年，他被紐約州立大學石溪分校授予數學學院院長的職位。

1976年，西蒙斯贏得美國數學協會的Oswald Veblen幾何學獎，用來表彰他在多位平面面積最小化研究中的成果，這項成果證明了伯恩斯坦猜想中N維的第8維，同時也成為佛拉明的高原問題猜想的有力證據。

西蒙斯最著名的研究成果是發現并實踐了幾何學的測量問題，這項研究成果被命名為陳氏-西蒙斯定理（這是一項與美籍華裔數學家陳省身共同研究的成果）。

1.關于大獎章基金

1988年，西蒙斯成立了大獎章基金，最初主要涉及期貨交易，當年該基金盈利8.8%，1989年則開始虧損，不得不在1989年6月停止交易。在接下來的6個月中，西蒙斯和普林斯頓大學的數學家勒費爾（Henry Larufer）重新開發了交易策略，并從基本面分析轉向數量分析。

經過幾年炫目的增長，大獎章基金的資金規模在1993年達到2.7億美元，并開始停止接受新資金。1994年，文藝復興科技公司的雇員從12人增加到36人，交易的金融產品增加到40種。在鼎盛時期，公司有150名雇員，交易60種金融產品，基金規模則有50億美元。在150名雇員中，有1/3是擁有自然科學博士學位的頂尖科學家，涵蓋數學、理論物理學、量子物理學和統計學等領域。所有雇員中只有兩位是華爾街老手。而且該公司既不從商學院中雇傭職員，也不從華爾街雇傭職員，這在美國的投資公司中幾乎是獨一無二的。

自1988年創立以來，大獎章基金的年均回報率高達34%，這還是扣除了5%的管理費和44%的績效以后給投資人留下的收益率。2004年，西蒙斯僅傭金就賺了5億美元，15年來其資產從未減少過。

為了說明這一點，我們收集了1988—2009年大獎章基金的年收益率值，并與S&P500及中國上證指數進行對比，如表4.1和表4.2所示。

分析1988—2009年大獎章基金年收益率數據可以發現，從1988年建立起，除1989年出現負增長（-4.10%）外，其余年份公司的收益率均為正值。其中，大獎章基金在1998年的亞洲金融危機中保持了41.50%的高增長率，在2008年的全球金融危機中保持了80.00%的驚人增長率，這些優異的表現與公司采取的量化投資分析策略密不可分。

2.模式識別技術

西蒙斯采用的一個重要策略技術就是模式識別。所謂模式識別，就是利用計算機數據模型對現有的知識進行分類，從而對未來進行預測的技術。模式識別在日常生活中的用處有很多，比如語音識別、指紋識別、人臉識別等。這種模式識別技術同樣可以用于金融市場中，比如識別出市場的底部和頂部特征，識別出當前是趨勢還是震蕩等，這就為下一步的交易打下了良好的基礎。目前用得比較多的模式識別技術是人工神經網絡（Artificial Neural Networks，ANNs）。

人工神經網絡是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的，并具有自學習和自適應的能力。

人工神經網絡是受到生物（人或其他動物）神經網絡功能的運作啟發而產生的。由于人工神經網絡通過一種基于數學統計學類型的學習方法（Learning Method）得以優化，所以人工神經網絡也是數學統計學方法的一種實際應用。

一個人工神經網絡由三部分組成，如圖4.1所示。

（1）輸入層：眾多神經元接受大量非線性輸入信息。輸入的信息稱為輸入向量。

（2）輸出層：信息在神經元鏈接中傳輸、分析、權衡，形成輸出結果。輸出的信息稱為輸出向量。

（3）隱藏層：簡稱“隱層”，是輸入層和輸出層之間眾多神經元和鏈接組成的各個層面。隱層可以有多層，習慣上會用一層。隱層的節點（神經元）數目不定，但數目越多，神經網絡的非線性越顯著。

這種模式識別技術在交易中可以識別市場的高點和低點，尋找最好的交易機會，并且自動進行委托交易。目前，高盛、橋水等頂尖對沖基金也開始進行這方面的研究和投資。

3.熱心慈善

西蒙斯把大量金錢花費在慈善事業上，他是數學研究的主要贊助人，在全球范圍內贊助會議、項目等。西蒙斯和他的第二任妻子瑪麗蓮·西蒙斯聯合創辦了保羅西蒙斯基金會，這是一只主要資助醫療、教育及科學研究的福利基金。瑪麗蓮擔任該基金會的主席，詹姆斯擔任該基金會的秘書和投資人。

為了紀念他和前妻芭芭拉所生的孩子保羅，他在紐約州立大學石溪分校修建了一座占地0.53平方公里的公園。1996年，34歲的保羅在騎摩托車的時候死于車禍。西蒙斯的另一個兒子尼克23歲時在從巴厘島到印度尼西亞的旅途中溺水身亡。由于尼克生前曾在尼泊爾工作，所以西蒙斯家族成為尼泊爾最大的醫療事物捐助者。西蒙斯還創建了美國數學協會（Math for America），這是一個專門改善美國公立學校數學教育的非營利性組織。

2006年，布魯克海文國家實驗室曾因為經費短缺打算關閉重離子對撞實驗機的項目，但是西蒙斯帶領公司的高管向該項目進行了資助，解決了經費問題。同年，西蒙斯向紐約州立大學石溪分校捐贈了2500萬美元，這筆經費主要用于大學的數學和物理研究。

2008年2月27日，當時的紐約市長Eliot Spitzer宣布紐約將接受西蒙斯基金會6000萬美元的捐贈，用于在紐約州立大學石溪分校建立西蒙斯幾何和物理研究中心。這是紐約歷史上私人向公立大學進行的最大捐贈。

西蒙斯家族的基金會已經承諾近幾年捐贈3800萬美元用于研究自閉癥的成因，同時基金會再拿出1億美元用于投資，投資所得全部用來研究自閉癥的治療，西蒙斯將親自過問投資的去向和使用，這一切都因為他心愛的女兒患上了自閉癥。西蒙斯提供了家人的DNA進行研究，并給予援助，幫助解決研究問題。當麻省理工學院向西蒙斯請求腦部研究經費的時候，西蒙斯規定該項目要有自閉癥研究，并且由他親自選定科學家。

有關西蒙斯更多的故事，大家可以閱讀《解讀量化投資：西蒙斯用公式打敗市場的故事》一書。

4.2 德邵基金：德邵

1.超級學霸

德邵是一個超級學霸，從斯坦福大學計算機專業的博士畢業之后，不到30歲就進入哥倫比亞大學擔任教授，專門研究超大規模并行計算。此后，他進入華爾街著名投行摩根士丹利做量化交易員。兩年后，他成立了自己的對沖基金公司，并進行高頻交易，公司員工一度達到1300多人，并且大多擁有博士學位。在他的帶領下，定量分析交易也逐步登上了投資界的頂峰。20年來，德邵管理的資產規模從初創時的2800萬美元增加到300億美元，可以說是人生贏家。

大家可能對大規模并行計算不是很了解，從概念上來說是指很多臺計算機同時使用多種計算資源解決計算問題的過程。并行計算是提高計算機系統計算速度和處理能力的一種有效手段。普通計算機的運行速度比較慢，特別是普通家庭使用的微型計算機，計算能力其實并不強。但在某些領域需要使用的一些大型計算機，比如天體物理的運行、衛星云圖的分析、軍事導航的規劃、天氣預報等，這些計算量和計算速度遠不是普通計算機所能解決的，需要大型計算機進行處理。現在很多計算機程序采用的是串行的方式，指令流一條一條進去，速度非常慢。通過大規模的并行計算，可以將計算機的運行速度成倍提高，而在這個研究領域，德邵取得了非常出色的成績，是這個領域的領軍人物。

然而，德邵覺得在哥倫比亞大學并沒有完全實現自己的人生價值。斯坦福大學是一個頂級學府，這個白色的象牙塔看上去像世外桃源一般，其實并不然，每位老師都要去尋找研究課題，需要資金資助項目，要么向國家申請科研經費，要么找其他人士資助。學校中的許多研究以理論為主，其研究具有前沿性，但一般在5年之后才能看到效益。

凡是科學領域的基礎性研究，一般很難獲得大規模的資金支持。德邵也一樣，雖然他在學術界名聲赫赫，但和當年的西蒙斯一樣，他很清貧。二人想，既然有這么好的數學模型和計算機能力，為什么不去金融市場搏一搏呢？

2.高頻交易

就像哥德巴赫猜想被譽為數學皇冠上的明珠一樣，如果說量化投資是投資領域的皇冠，那么高頻交易幾乎可以說是這頂皇冠上的明珠。

在金融市場上，每時每刻都有大量的投資者進行買賣，但是大多數普通投資者的交易速度比較慢。如果投資者可以在價格上漲之前買入，在價格下跌之前賣出，就會獲得短線的差價收益，我們稱之為短線交易。當這個交易時間差縮短到秒級以下時，一般就稱為高頻交易。主要的高頻交易策略有以下幾種。

1）流動性回扣交易策略

為了爭取更多的交易訂單，美國所有的證券交易所都為那些創造流動性的券商提供一定的交易費用回扣，通常為0.25美分/股。不論是買單還是賣單，只要交易成功，交易所就向該流動性的原始提供券商支付回扣，同時向利用該流動性進行交易的券商征收更高的費用。隨著這種激勵機制的日益普及，越來越多以專門獲取交易回扣為盈利目的的交易策略便應運而生。

假設在某案例中某投資者的心理成交價格為30～30.05美元。如果交易系統中的第一個買單（如100股）配對成功，以30美元的價格成交，那么，交易系統中的第二個買單（如500股）便跳顯出來。再假設該買單也配對成功，以30美元的價格成交。根據上述交易信息，專門從事流動性回扣策略的高頻交易者的計算機系統就可能察覺到該投資者其他后續30美元買單的存在，于是，回扣交易商計算機采取行動，報出價格為30.01美元的買單100股。毫無疑問，那些曾以30美元的價格出售股票的券商更愿意以30.01美元的價格出售給該回扣交易商。

在交易成功之后，回扣交易商立刻調整交易方向，將剛剛以30.01美元購得的100股股票以相同價格，即30.01美元掛單賣出。由于30美元股價已不復存在，故該賣單很可能被該投資者接受。

這樣一來，盡管回扣交易商在整個交易過程中沒有盈利，但由于第二個主動賣單給市場提供了流動性，從而獲得了交易所提供的每股0.25美分的回扣傭金。不言而喻，回扣交易商所獲得的每股0.25美分的盈利是以機構投資者多付出的1美分為代價的。

2）獵物算法交易策略

在美國，超過一半的機構投資者的算法報單遵循SEC國家最佳競價原則（National Best Bid or Offer，NBBO）。所謂NBBO，即當客戶買入證券時，券商必須保證給予市場現有的最佳賣價；同樣，當客戶賣出證券時，券商必須保證給予市場現有的最佳買價。根據該原則，當一個報單由于價格更為優先從而在排序上超過另一個報單時，為了能夠成交第二個報單，常常調整股價并與前者保持一致。事實上，一只股票的算法報單價格常常以極快的速度相互攀比追逐，從而使該股票價格呈現出由高到低、由低到高的階段性變動趨勢。這也正是在實際交易中經常看到數量有限的100股或500股小額交易常常將股價推高或拉低10美分甚至幾十美分的原因。

獵物算法交易策略是在對上述股價變動歷史規律進行研究的基礎上設計出來的。一般來說，該策略通過制造人為的價格來誘使機構投資者提高買入價格或降低賣出價格，從而鎖定交易利潤。

假設在某案例中某投資者遵循NBBO并且心理成交價格為30～30.05美元。像上例中的流動性回扣交易商一樣，獵物算法交易商用非常相似的程序和技術來尋找其他投資者潛在的連續算法訂單。在計算機確認價格為30美元的算法報單存在后，獵物算法交易程序立即發起攻擊，報出價格為30.01美元的買單，從而迫使該投資者迅速將后續買單價格調高至30.01美元；然后獵物算法交易商進一步將價格推高至30.02美元，誘使該投資者繼續追逐。

以此類推，獵物算法交易商在瞬間將價格推至該投資者所能接受的價格上限30.05美元，并在此價格將股票賣給該投資者。獵物算法交易商知道30.05美元的人為價格一般難以維持，從而在價格降低時進行補倉，賺取利潤。

3）自動做市商策略

眾所周知，做市商的主要功能是為交易中心提供交易流動性。與普通做市商一樣，自動做市商高頻交易者通過向市場提供買賣訂單來提高流動性。不同的是，他們通常與投資者進行反向操作。自動做市商高頻交易者的高速計算機系統具有通過發出超級快速訂單來發現其他投資者投資意向的能力。例如，在以極快速度發出一個買單或賣單后，如果沒有被迅速成交，則該訂單將被馬上取消；如果成交，則系統即可捕捉到大量潛在、隱藏訂單存在的信息。

假設在某案例中某投資者向其算法交易系統發出價格在30.01～30.03美元之間的系列買單，外界無人知道。為了發現潛在訂單的存在，自動做市商高頻交易者的高速計算機系統開始以30.05美元的價格發出一個100股的賣單。由于價格高于投資者價格上限，因此沒能引起任何反應，于是該賣單被迅速撤銷。計算機系統又以30.04美元的價格再次探試，結果還是沒能引起任何反應，于是該賣單也被迅速撤銷。計算機系統再以30.03美元的價格繼續探試，結果交易成功。基于此，計算機系統意識到一定數量的價格上限為30.03美元的隱藏買單的存在。于是，運算功能強大的該計算機系統隨即發出30.01美元的買單，并利用其技術優勢趕在機構投資者之前進行成交，然后再以30.03美元的價格反賣給機構投資者。

除德邵之外，華爾街還有大量的高頻交易商，他們利用高速的計算機系統，在瞬息萬變的交易市場中賺取了不菲的利潤。

3.征服計算化學

對于曾經在哥倫比亞大學任教的德邵教授而言，在金融市場上拼殺并不僅僅是為了賺錢，他一直認為自己是一個科學家，而不僅僅是一個交易員、投資者。在登上個人財富的頂峰之后，他決定回歸科學研究領域，這位低調而神秘的科學家兼對沖基金經理于2001年宣布再次投身科學研究。

事實上，程序化交易也不是那么有趣的。將強大的盈利系統開發出來后，每天系統都在不知疲倦地交易，機器不覺得無聊，但是人類會覺得無所事事。德邵并不老，作為50多歲就位列世界500富的頂尖計算機專家，他依然年輕力壯。由于整天無事可做、精神空虛，于是這位比有錢人懂科學、比科學家有錢的計算機專家決定回到學校，從事他的老本行。但這一次德邵著眼的領域和以前不太一樣，他選擇了一個新的領域——計算化學。

計算機的發展的確給人類社會帶來了翻天覆地的變化，現在也逐步向很多科研領域進發。計算機的開發和應用與人類科學的發展息息相關，筆者研究的人工智能領域在近幾十年里發展得也相當不錯，我們常用的語音識別、語音合成、語音輸入軟件，包括一些機器人技術，都屬于計算機和人類交互的應用領域。計算機除能研究應用科學外，還能研究文科。幾年前，谷歌運用其強大的數據庫和識別系統做了一個計算歷史學庫，把所有的歷史文獻全部輸入數據庫，用計算機分析其中的關系，發現了很多歷史上的未解之謎，這要比歷史學家在成千上萬的史料中查找一些蛛絲馬跡效率高得多。

同樣的情況也發生在化學研究領域。很多化學研究員一直在實驗室中用試管、燒杯做實驗，雖然精度、條件有所提高，但效率依舊不高，因為當時計算化學用于實際問題中的計算精度并不高。德邵覺得這樣做研究效率實在太低，于是決定在這個領域進行大刀闊斧的改革，開發強大的化學計算機解決這個問題。他建立了團隊，計劃開發專門用于計算化學的超級計算機，取名為Anton。

大約在2004年，德邵研究中心（D.E.Shaw Research）正式成立，很快做出了第一臺Anton。Anton比傳統計算機強大太多，比一般的超級計算機要快10000倍，比最好的超級計算機要快1000倍，超級計算機和Anton相比完全不在一個數量級。

在計算化學方面，Anton采用模擬分子運行。如果用傳統計算機模擬需要1個月，但用Anton這臺超級計算機，只要1秒鐘就可以計算模擬，這簡直是天壤之別。俗話說“工欲善其事，必先利其器”，正是這個道理。

神器在手，天下我有！有了這個神器，德邵團隊開始在Science和Nature兩大頂級期刊上陸續發表文章，一舉成為計算化學領域的領頭羊，這就是一顆極客的心。

4.3 高盛量化：德曼

德曼的故事同樣傳奇，他是從理論物理領域跨界到量化投資來的，并且利用其在物理學方面的知識，在金融衍生品市場上賺取了大量的收益。我們先來看看他的簡歷。

1.勵志人生

1962—1966年：物理學士，南非開普敦大學。

1966—1973年：物理博士，美國哥倫比亞大學。

1973—1975年：博士后，美國賓夕法尼亞大學。

1975—1977年：博士后，英國牛津大學。

1977—1978年：博士后，美國洛克菲勒大學。

1979—1980年：助理教授，美國科羅拉多大學博爾德分校。

1980—1985年：研究員，美國貝爾實驗室。

這是一個標準的貧窮物理研究員的資歷，他的老師是著名的華人物理學家李政道。德曼一度醉心于物理學研究，用他自己的話來說：走艱辛的物理之路，和上帝對話。

德曼在年輕時就對物理學內容充滿激情，同時也對現實懷抱有著極度渴望。激情與渴望貫穿了他的生命，當然，失望也是常態。在十六七歲時，他希望自己成為另一個愛因斯坦；在20歲出頭的時候，他覺得能夠成為第二個費曼就足夠了；又過了兩年，他覺得能夠成為李政道就可以了；然后，他開始羨慕隔壁房間能夠出國參加研討會的博士后。他對自己的期望呈現著大多數人必然經歷的“時間衰減”，也恰如金融股票期權隨著到期日的臨近所表現出來的逐漸失去潛在收益那樣。

然后他就開始亂投簡歷，終于有兩所學校聘請他了，一所是芝加哥伊利諾理工大學，靠近費米實驗室，有一臺巨大的高能粒子加速器；另一所是科羅拉多大學博爾德分校，其理論粒子物理曾經收到上百份簡歷。他去參觀了一下，打聽到自己的簡歷排在第3位。一段時間過去了，排在第一位的一個女生找到更好的工作走了，排在第二位的已婚帥哥搞到東海岸一個終身職位走了，終于輪到了他。結果老婆不答應，于是德曼只好揮淚告別了老婆和兒子，繼續追逐他的物理學之路。但是在那個年代，理論物理的問題基本上已經解決了，德曼的智商好像也很難接近諾貝爾的高度，于是在能源危機爆發之初的1980年，他加盟了貝爾實驗室。

對于一名沉浸于學界20多年的物理學家而言，進入工業世界無異于墮入刑罰之地，只能為了錢而非興趣工作。在貝爾實驗室的商業分析系統中心，他只是龐大的科層體系中的一個小角色，不僅焦慮與壓抑如影隨形，更讓他無所適從的是官僚作風和低效率的環境。因此，當高盛向他招手的時候，他毫不猶豫地來到了華爾街。

華爾街從來就不是一個學術之地，高盛亦然。但是，在成為寬客之后，他居然如魚得水，沉醉于通過數學來呈現紛繁復雜的人類活動，運用數學工具來賺取利潤。同時，他也享受高盛的競爭氛圍。高盛有著特殊的企業文化，與其他公司相比，更多一點紳士風格，更多一點人文關懷，更能包容思想的多樣性，更少一些論資排輩。在高盛，只要有所專長，就能與眾不同；只要有所貢獻，就能獲得尊重。因此，盡管他進入高盛時已經年過四十，卻仍有一種重返青春的感覺。

興趣是最好的導師，志趣相投的同事則是事業取得成功的最佳伙伴。費希爾·布萊克是他在高盛遇到的最好的領導，也是最好的老師和同事。這位終其一生都沉迷于均衡理念的天才，是第一批由金融學術界投奔華爾街的學者，并且早在20世紀60年代就利用市場本身的均衡條件發明了迄今為止金融業界影響最大的布萊克-斯科爾斯-默頓模型。費希爾獨特的個人魅力和行事風格不僅感染了德曼，也激發出他更多的熱情。費希爾與他合作開發了至今仍被業界廣泛采用的布萊克-德曼-托伊模型，并且提示他量化模型中沒有考慮到的其他一些因素，讓他懂得世界是難以名狀的、復雜的。更為可貴的是，在他離開高盛到所羅門兄弟公司經歷了糟糕的一年后，費希爾仍以包容之心接納他，并接替了自己在高盛量化策略小組的領導職位。毫無疑問，費希爾是德曼在不平凡的寬客生涯中所遇到的最重要的人。

在高盛，德曼不厭其煩地對各種量化模型進行延展、調校，追求將各種期權產品設計得更為精細。他詳細描述了自己工作的全過程，也展示了期權領域的激烈競爭。當諸如障礙期權、股票最大價格的期權、股票平均價格的期權、回望期權、超表現期權、期權的期權等奇異期權在20世紀70年代末、80年代初第一次被發明出來的時候，只是將理論界向前推進一步罷了。而十數年后，新期權結構化產品的發展已經像一場軍備競賽。任何創設了客戶廣為接受的產品的公司，在其他公司復制產品設計之前，都可以從領先優勢中獲取利潤；而競爭者往往在幾個月內就能倒推出一個產品的設計理念，加上一些新花樣，再把產品推向市場。

如果說布萊克-斯科爾斯-默頓期權定價理論的誕生為世界提供了智慧的基石，促成了金融學領域的一場具有顛覆性意義的革命，那么德曼就是這場革命所催生的華爾街新貴——寬客中具有代表性的一員。隨著金融學的方法論從以哲學思辨和歷史描述為主過渡到以定量描述和模型檢驗為主，寬客們游刃有余地不斷完善和創新投資策略，運用數學金融工具使金融市場變得更有效率，所創造的財富也令人瞠目。德曼是第一代寬客的典型代表。經過愛因斯坦那輝煌的一代，科學有了突飛猛進的發展；可是到了德曼這一代，大家做著拿諾貝爾獎的夢，卻發現沒有什么突破可做，找教職也極其困難。正是因為這個學科太成熟了，所以大家個個都是多面手，能做實驗，懂哲學，會建模，能解方程，會計算，最重要的是他們中的好多人會編程！那個年代計算機不會出現在個人家里，但是會出現在物理實驗室里，德曼的貝爾實驗室的經歷使得他去高盛的時候編程水平領先華爾街起碼10年。

德曼于2000年被國際金融工程師協會選為年度金融工程師，成為第一個獲得這一獎項的實務工作者。2003年，他離開高盛，重返哥倫比亞大學成為一名教授和金融工程項目負責人。返璞歸真后，他對金融學家和物理學家之間的區別進行了回顧：物理學家轉行成為金融學家后，并不過多指望他們的理論，而很多經濟學家卻天真地這樣做；物理學家能夠清楚地知道基礎性理論和現象學模型之間的區別，而訓練有素的經濟學家卻從來沒有見過真正一流的模型。

那么，為什么物理學方法在金融學中難以很好地發揮作用呢？或許也正如德曼所說，在物理學里，你是在同上帝下棋，它并不經常改變規則；而在金融學里，你是在同上帝創造出來的人類下棋，這些人憑借他們短暫的判斷來對資產進行評估。真實的金融和人類世界與物質世界不同，比我們用來了解它的任何模型都要無限度地更加復雜。

德曼后來將自己的經歷寫了一本自傳的書《寬客人生》。毫無疑問，《寬客人生》是一部充滿誠意的作品。德曼對自身的從業經歷進行了完整的呈現，也對自己由一個物理學家轉型為金融學家的心路歷程有著透徹的剖析。這是一個關于天才、奮斗和創新的故事，是一個關于科學家發現華爾街、華爾街接納科學家的故事，同時也是一個關于人們應該如何正視自己、正視貪婪的故事。盡管今天的華爾街已經不乏這類故事，但由一位寬客“鼻祖”式的量化金融大師娓娓道出，自然有一番別樣的風味。

2.德曼的模型

1）BDT利率模型

在德曼之前，拉維對固定收益的建模貢獻是通過對債券收益率而并非債券價格建模，但缺點是拉維假設不同期限的債券是相互獨立的，事實上不同期限的國庫券都可以被分解為6個月的零息債券，它們是相互聯系的。拉維的做法很顯然違反了一價定律，更不用說在此基礎上為期權定價了。

德曼接替拉維的工作后，主要修正此錯誤，用不同期限的市場利率，如1個月/半年/三年的市場利率作為基準數據，并據此為遠期利率建模。此模型的一個關鍵原則就是把更長期的債券看成由連續的短期債券投資所產生出來的。因為實務交易部門的需要，建模必須簡單、一致，能夠合理地反映現實，所以BDT假設市場只關心單一因素——短期利率，然后用二叉樹拓展即可。

德曼在嘗試改變二叉樹時間間隔的時候，不經意地發現了二叉樹時間間隔和利率運動的均值回歸的關系。發展出一種利率模型只需要一個好想法和幾個人就可以，但是要把這種模型變成用得上的工具就需要更多人了，而且市場數據的搜集也是一個大問題。

2）丹麥王國日經指數看跌權證

20世紀80年代末，隨著日經指數不斷攀升，高盛有組織地大筆買入這樣的看跌期權。這些看跌期權是以日元計價的，高盛在買回這些低價的看跌期權后，又高價賣給那些看跌日經指數的美國買家，而美國買家是用美元來實現收益的。這其實就是一個雙幣期權，或者稱為GER（Guaranteed Exchange Rate Option，保障匯率期權）。GER的價值取決于美元兌日元的匯率的變動和日經指數變動之間的相互關系，并不是日經指數和日元之間的相互關系，這個義務倉的收益設計是獨立于日元價值的。

德曼重新思考這個問題并找出更加直觀的方法向交易員教導這個結果。德曼思考了計價單位的選擇，先用美元計價來推導一遍，然后用日元計價來推導一遍，結果確實如此。既然設計GER的時候針對美國買家是美元收益，應該獨立于日元，為什么GER收益卻取決于日經指數變動和以美元計價的日元價值之間的關系？后來德曼找到了答案：GER的回報是用美元支付的，不受美元兌日元的匯率的影響，只有當日經指數變動的時候，回報才會變化。但是為了對沖GER，必須對沖掉日經指數變動的風險，這就需要持有一定數量的日經指數期貨。而日經指數期貨卻是以日元計價的，在GER定價的時候，需要考慮到這兩個成本。

20世紀80年代末90年代初的奇異期權主要針對想從別國獲利的投資者，通過結構化，通過購買法國CAC-30指數等來達到購買別國股票分散風險獲利的目的，而不用真的購買法國的股票以避免高額成本。總之，不同的奇異期權的發行方可能是為了達到自己的目的而提高收益或者降低成本，而購買方同理。20世紀末期，法國高師等越來越多的數學家創造出更復雜的奇異期權來為客戶量身定做。這類復雜的奇異期權之所以受銷售員歡迎，是因為可以收取更多的費用。德曼的這個貢獻讓高盛從這些期權產品中獲取了大量的收益。

3）波動率微笑曲線與建模

波動率微笑曲線是1990年12月德曼在高盛日本東京分公司的期權交易員那里看到的。按照原始的BS公式，把波動率設為常數，在橫軸為執行價格、縱軸為到期時間、垂直豎軸為隱含波動率的三維圖形里面應該是一個沒有起伏的平坦曲面。但實際情況卻是執行價格越低，隱含波動率越大得像45°角的凸面一樣。如果BS公式有問題，那么德爾塔對沖也就要修改了。正像衡量債券的價值不是價格而是收益率，德曼認為衡量期權的價值不能看價格而需要看隱含波動率。1987年股災之前的隱含波動率曲面還是比較平坦的，而之后就開始出現傾斜的彎曲。因為1987年的股災已經改變了市場結構和預期，所以投資者開始愿意花錢購買期權來保險。

德曼認為BS公式對股票波動率的限定性太強了，不符合實際：一方面，股價不一定以恒定的波動率來擴散；另一方面，有時候股價根本就不會發生擴散。德曼根據市場發生股災的可能性的百分比來分配波動率進行建模。到了1993年，德曼團隊在奇異期權上碰到越來越多的微笑曲線，從而不得不下決心來解決這個問題，至少能應對當前的困境。德曼仍用二叉樹來為波動率曲面建模，時間間隔的長短可以看成波動率的幅度，將二叉樹延展并扭曲成凹凸狀，而二叉樹每個小三角的顏色深淺就代表波動率的大小。指數期權二叉樹圖像是橫軸是指數大小、縱軸是期權到期日的二維圖像，指數越高，波動率越低，小三角形顏色也就越淡；反之亦然。而在轉換為指數期權的隱含波動率二維圖像后，就可以解釋現實中股票市場為什么會出現微笑曲線了。

德曼提出自己的局部波動率和隱含二叉樹，但這僅僅找到了一個看似可以解釋現象的原因，上升為理論還需要德曼團隊經過艱苦卓絕的奮斗，例如，證明隱含二叉樹和隱含波動率曲面之間的映射關系是否存在唯一性的問題。波動率微笑毫無疑問是期權中最有魅力的部分，通過解決波動率微笑曲線的定價，可以在期權市場上穩定地獲得頗豐的套利收益，德曼做到了這一點。有關德曼更多的故事，可以閱讀他寫的自傳《寬客人生》，這本書將他的人生經歷和后來的寬客之路寫得非常好，絕對值得一讀。

4.4 橋水基金：達里奧

達里奧是目前全球最大的對沖基金橋水的創始人。和其他三位大師不同的是，他并沒有很強的數理背景，而是通過對經濟和金融市場的深刻理解，才獲得了如此輝煌的成就。

1.高爾夫俱樂部的球童

1949年，達里奧出生于紐約皇后區杰克遜高地的一個意大利裔家庭。在達里奧8歲時，全家遷往馬薩諸塞州。

“我當年是一名差生，”達里奧回憶道，“學過的東西總是記不住，也不喜歡上學。”

從12歲起，達里奧就在附近的高爾夫俱樂部里當球童，俱樂部的會員包括很多華爾街投資人。達里奧把獲得的小費攢了起來，后來用這些錢買了人生中的第一只股票——美國東航空，這筆投資為達里奧帶來了3倍的收益。從那時起，達里奧意識到投資股票是一個簡單的游戲。在幾年后進入附近的長島大學讀書時，他手上的股票投資組合已價值幾十萬美元。

在選修了幾門金融課后，達里奧發覺，竟然還有他喜歡的課程，“靜坐”便是其中之一，這門課幫他養成了以后的工作習慣：大多數早晨，在走進辦公室之前，他都會陷入冥想。

“這是一種精神練習法，能讓你清除雜念，”達里奧說，“創造力來自開放的思想。”

從長島大學畢業后，達里奧進入哈佛商學院讀書。讀書期間，他做生意賺取學費，賣過魚叉、油、棉花等。

離開哈佛商學院后不久，他加盟了希爾森海頓斯通公司。這是一家主要從事零售經紀預算業務的公司，老板是桑福德·威爾。達里奧在期貨分部工作，每天和牧場主、糧農等人打交道，告訴他們如何規避風險。

一次，達里奧和分部的上司外出喝酒。因話不投機，達里奧動手打了上司。在不久后的“加州食品與谷物種植者協會”的年會上，他付錢給一名異國舞者，讓她在眾目睽睽下脫掉外衣。這些舉動導致他被炒了魷魚。

丟掉了工作的達里奧說服一些老客戶雇他做顧問，并在一套兩居室里成立了橋水公司。那一年，他26歲。

1985年，通過公關，世界銀行的職工退休基金同意讓橋水公司管理它們的部分資金。1989年，柯達公司也看中了橋水公司。當時，柯達公司的大部分資金在股票市場里。

達里奧的觀點多年未變，那就是通過投資各種各樣的市場，如美國和國際債券，利用杠桿交易（用小額資金進行數倍于原始金額的投資），冒較小的風險獲取最大的收益。

“達里奧有全新的思考方式。”曾主管柯達退休基金的拉斯蒂·奧爾森說。

達里奧的部分創舉是：設立一只主要迎合機構投資者而非富豪個體的對沖基金。在橋水公司管理的大約1000億美元中，只有一小部分來自富豪，以及政府經營的主權財富基金；幾乎1/3來自公共養老金，如賓夕法尼亞州公立學校雇員退休系統；另外1/3來自企業退休基金，如柯達和通用公司的退休基金。

橋水公司為其機構客戶提供了兩種不同的對沖基金：一種是以積極型投資為特點的基金——絕對阿爾法（Pure Alpha）；另一種是以資產分配為主要策略的對沖基金——全天候（All Weather）。除此之外，公司還出版了一本名為Daily Observation的日常刊物，供全世界的投資者付費閱覽。

2.絕對阿爾法

絕對阿爾法對沖基金是在1989年建立的，這種對沖基金投資于多個品種資產，希望在獲得市場超額收益的同時承擔更低的風險。絕對阿爾法通過積極的資產管理技術在一系列不相關資產里分散投資降低風險。它擁有30個或者40個同時交易的債券、貨幣、股指和大宗商品頭寸，以避免投資于單一市場所造成的價格大幅度波動。

在絕對阿爾法投資策略下，橋水公司以波動性為標準建立了兩種不同的對沖基金：Bridgewater Pure Alpha I——12%的目標波動率和100億美元的管理資產；Bridgewater Pure Alpha II——18%的目標波動率和230億美元的管理資產。

自成立以來，絕對阿爾法對沖基金只在3個年度遭遇虧損，但虧損的幅度均不超過2%。在過去的20年里，絕對阿爾法對沖基金獲得了接近15%的年收益率。

從圖4.2中可以看出，1991—2011年，Bridgewater Pure Alpha II的累計收益率為標普500指數累計收益率的3倍。

絕對阿爾法策略的主要理論基礎是法瑪的三因子模型，這個簡單的模型對整個金融市場的影響力巨大，在本書后面的章節中我們還會討論這個模型，它主要闡述了一個很簡單的道理：從長期來看，要想在股票市場上獲得超額收益，就必須配置那些價值高的、規模小的股票。

3.全天候基金

1996年，橋水公司建立了第二只對沖基金——全天候對沖基金，通過建立最優的貝塔資產組合來獲得更高的市場收益率。2011年，全天候對沖基金已經擁有460億美元的資產，成為美國最大的基金。

全天候對沖基金的核心理念之一是風險平價。通過資產配置，對低風險資產運用更高的杠桿，對高風險資產運用低杠桿，使得投資組合里所有資產的預期收益率和風險都接近相同。

圖4.3給出了截至2011年年末，在累計收益率相同的情況下，全天候投資組合與股票市場組合的風險對比。全天候對沖基金的投資組合收益率的波動一直不大，在獲得與股票市場相同的累計收益率時，其風險僅僅是股票市場風險的1/3 （4.5%：15.1%）。

全天候對沖基金的核心理念之一是風險平價，而與這種理念相對應的便是構建最優的貝塔組合的投資策略。風險平價是指平衡多種收益資產的風險敞口，以期在未來任何環境下都可以獲得穩定的回報。

達里奧之所以運用風險平價投資原則，是因為他發現傳統的平衡資產配置有一個非常嚴重的問題——傳統的投資組合方法通過忍受很高的短期風險（集中投資于股票）來獲得較高的長期回報。例如60%的股票和40%的債券，從表面上來看，這樣的資產配置已經平衡了；但是從風險的角度來看，這樣的資產配置是極度不平衡的——有將近90%的風險來自股票，而債券投資所帶來的風險只占10%。

如果短期的風險高度集中在一種類型的資產上，那么很容易帶來長期低回報的巨大風險，從而威脅到未來的償債能力。這是因為如果環境變化造成了市場的長時間低迷，則每種資產的收益率都會受到非常大的影響，所以集中持有股票的長期風險對于投資者而言將是巨大的。這些傳統的投資組合由于十分依賴股票的表現來實現其預期收益率，所以它們將受制于股票市場的波動（貝塔），這與平衡資產配置的初衷是相悖的。

為了履行風險平價的投資理念并構建最優貝塔組合，通常需要以下兩個步驟。

第一，通過使用杠桿降低或者增加資產的風險水平，使每種資產都擁有相近的預期收益率和風險。通過借款購買更多的低風險（低貝塔）、低收益率資產（如債券），使其具有與股票類似的風險和預期收益率水平。同時（如果有必要），通過去杠桿化減少高風險（高貝塔）、高收益率資產（如股票），降低其風險和預期收益率水平。這樣就形成了具有相近預期收益率和風險，但不同經濟相關性的投資收益流。

第二，從以上投資收益流中選出投資組合，使其在任何經濟環境下都不會與預期收益率出現偏差。這主要是通過持有類似風險水平的投資組合來實現的，并且組合里的資產會在以下情形之一表現得很好：通貨膨脹、通貨緊縮、經濟增長或經濟下滑。

自1996年以來，全天候對沖基金經歷了股票市場的牛熊市、兩次大的經濟衰退、一次房地產泡沫、兩次擴張和緊縮時期、一次全球金融危機，以及這之間市場無數次的波動起伏。在各種不同的經濟環境下，全天候對沖基金的投資組合的夏普比率都超過0.6的期望值，在名義目標風險10%以下，它的表現明顯好于股票、債券及傳統的資產組合。

全天候策略的理論基礎是風險平價模型，這個模型是由錢恩平博士提出的，在他的《風險均衡策略》一書中有詳細闡述，這也是整個FOF資產配置的重要理論基礎之一。

除了上面提到的4位大神級的量化大師，華爾街通過量化投資賺取大筆收益的人比比皆是。更多有關這些對沖基金大佬的故事，可以去看《富可敵國》一書，這是筆者看過的最好的有關對沖基金人物傳記的書。

說到這里，讀者肯定很好奇：既然量化投資這么好，那么有哪些量化投資策略呢？需要什么樣的理論基礎呢？