量化投资之—— 西蒙斯的宽客人生

自资本资产定价模型(Capital Asset Pricing Model 简称CAPM)和布莱克—斯克尔斯期权定价模型(Black-Scholes Option Pricing Model)被发明之后,无论是在美国的华尔街,还是在中国的陆家嘴,几乎所有的大型金融机构中,不断出现由物理学家、数学家、统计学家们组成量化团队,将他们的研究成果应用于金融市场,为复杂多变的产品建模并控制风险。现在他们有一个新的名字叫

西蒙斯、肯•格里芬、博阿兹•魏因斯坦、彼得•穆勒、克里夫•阿斯内斯等华尔街的顶级数量金融大师,都是宽客中的“巨人”,在金融市场上各显神通:格里芬专注于用数学方程寻找廉价证券、穆勒擅长在高能计算机上进行瞬间股票买卖、魏因斯坦精于交易信用衍生品,而共同的是,他们都是量化型投资的拥护者。

如果投资界也有江湖的话,那么今天我们所谈到的这位宽客就应该是投资界的王重阳,如果这个江湖也有什么秘籍的话,那么最大的秘籍就是宽客们的“量化模型”。

· 23岁戴上博士帽;· 26岁闯入情报界,摇身变为破译密码的特工;· 30岁成为纽约大学一所分校数学系带头人;· 37岁赢得几何学最高奖项;· 44岁闯荡华尔街,成立掀起业界变革的传奇对冲基金公司。

敏感的读者可能已经猜到,此人就是詹姆斯·哈里斯·西蒙斯(James Harris Simons),基金领域的拓扑学大腕,成功取代保尔森的对冲之王,20年内最佳赚钱基金经理,在投资界掀起了一场量化投资的狂潮。

西蒙斯是近20年来最成功的基金经理,一开始西蒙斯与华尔街的很多人一样,采用判断型的投资方法。但他发现这样需要花非常多的时间和心思关注宏观基本面,如美联储何时会加息、加息之后会对产生什么影响等,以此来分析判断外汇和商品的价格走势,然后进行相应买卖。虽然这种投资方法也为他带来了不错的收益,但也让西蒙斯承受了巨大的心理压力,甚至影响到他的身体健康状况。

西蒙斯是这样说的:“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。”后面一点是很重要的,因为判断型的投资完全依赖大脑根据最新的信息做出最新的判断,所以,如果想要不贻误战机,大脑必须随时随地地保持高度警觉的状态,根据新的信息,投资决策不断地调整。对于判断型的投资方法,西蒙斯说:“有时候你像个英雄,因为你投资赚了钱;有时候你像个狗熊,因为你赔了,不管怎么说,在大部分时候,投资的得失都是由运气决定的。”

受不了日复一日的巨大压力,西蒙斯开始思考既可以做英雄又能降低人所承受的各种心理压力的方式。数学家出身的他敏感的意识到,很多交易品价格的变化应该是有规律可循的。他说:“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。”

西蒙斯需要帮手,但他请来的却是一些看起来与投资毫无关系的专家。里昂纳多•鲍姆,统计学领域的佼佼者,西蒙斯当年觉得可以把鲍姆的算法用到外汇交易上来盈利,所以他央求老同事给他帮忙。西蒙斯曾经说:“当我把鲍姆说通之后,我就知道我们能编出交易模型来。”

西蒙斯还请到了石溪大学数学系教师埃克斯加盟,埃克斯自然不是等闲之辈,他在数学的数论学和几何学中都有建树,有几个定理就是以他的名字命名的。他加入后进一步对鲍姆的模型进行加工改进,对各种金融价格之间的关联关系进行研究,以找到获利的规律。不仅如此,埃克斯还将鲍姆的模型用在外汇之外的其他投资工具上,发现模型不仅仅能在外汇上赚钱,也可以在其他商品期货交易中赚钱:小麦、原油什么的,都行。

西蒙斯把这个模型用在他管理的大奖章基金投资中,对此金融行业里大多数的人都认为这纯粹是无稽之谈,数学模型怎么可能赚钱?开张第一年,大奖章赚了8.8%,不好也不坏;但第二年起模型似乎开始罢工了,年初到4月大奖章赔了30%。西蒙斯果断的意识到可能是模型出了问题,于是又请来一位数学大师亨利•劳佛,对模型进行诊断和手术。

劳佛和西蒙斯花了半年时间苦思冥想,做出一个影响大奖章“一生”的决定:将过去模型中有关宏观经济数据的部分完全剔除,只留下技术性数据,同时把注意力都集中在短线交易时间上。这次修正被称为大奖章基金的“遵义会议”,“20世纪80年代末,我完全停止了基本面分析,变成了一个彻底的、依靠模型的量化投资人,”西蒙斯说。当时制定的投资战略被保留至今,成为大奖章长盛不衰的根本。劳佛于1991年全职加入了文艺复兴科技公司,至今仍然是公司的研究部负责人。

西蒙斯和这些数学家、统计学家、密码破译员修正好模型和投资方案后,大奖章基金的奇迹开始上演:1990年净回报率55.9%,翌年39.4%,之后两年分别是34%和39.1%;1994年美国债券市场回报为负6.7%,大奖章基金却净赚了71%;2000年科技股灾,标准普尔美国股票指数跌了10.1%,大奖章却获得了98.5%的高回报;2008年全球金融危机,大部分对冲基金亏损,大奖章赚了80%。从1998年成立到2008年的20年间,大奖章基金的年平均回报是35.6%,而同期标准普尔美国股票指数每年平均仅涨了9.2%。如今这枚华尔街的“大奖章”仍然在不停地赚钱。

我们前面强调说上面这些回报都是净回报,这一点很重要。因为西蒙斯的文艺复兴科技公司不仅仅在回报上算是鹤立鸡群,他们的收费也属于超高级别。西蒙斯的大奖章基金的管理费一直都是5%,远远高于同业平均。西蒙斯的表现费提成过去是20%,和同行类似。但是他在2002年将表现费提高到了36%,随后又进一步提高到44%,这在对冲基金行业是很少见的。

西蒙斯的团队中包含了各个领域的专家,甚至是语音识别专家,却几乎没有经济学家和金融学家,其实很多人都问过西蒙斯为什么要搜罗世界上最优秀的语音识别专家来从事金融研究,西蒙斯说:“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。”也就是说,通过对目前已知的各种信息进行分析,去伪存真,然后判断下一点最可能会发生的事情。

然而,看似“不务正业”的这群人却利用数学公式和数据模型创造了大奖章基金的奇迹。这群靠数学模型分析金融市场,并用复杂的数学公式和计算机在稍纵即逝的市场机会中挖掘利润的投资家被称为宽客(Quant),他们预测股票是涨还是跌基于一连串令人头晕的数字变量。21世纪初,精于技术的宽客开始成为华尔街的主宰,在华尔街成就了自己的宽客帝国。西蒙斯、肯•格里芬、博阿兹•魏因斯坦、彼得•穆勒、克里夫•阿斯内斯等华尔街的顶级数量金融大师,都是宽客中的“巨人”,在金融市场上各显神通:格里芬专注于用数学方程寻找廉价证券、穆勒擅长在高能计算机上进行瞬间股票买卖、魏因斯坦精于交易信用衍生品,而共同的是,他们都是量化型投资的拥护者。

金融行业的业内人士开始纷纷窥视西蒙斯的基金,如果他找到了百战百胜的赚钱法宝,那么大家也想要分一勺羹。很多专业的量化投资网站上满是对文艺复兴科技公司所采取的投资策略的八卦和揣测,文艺复兴科技公司在美国证交会的季度报表也成了很多人掘金的场所,可惜,该公司的基金都是对冲基金,不在美国本土注册,它向美国证交会上报的材料信息非常有限。

也有人想撞撞运气,直接问西蒙斯。西蒙斯最经常被人问到的问题就是:你成功的秘密到底是什么?西蒙斯总是一成不变地回答:“运气”。

西蒙斯:“我的博士们听到这个故事都笑了半天。”但是西蒙斯加了一句,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样的结论,西蒙斯笑而不答。

1999年西蒙斯参加一次研讨会,破天荒地大开金口,多说了几句关于文艺复兴科技公司的投资理念:“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,它们可能转瞬即逝。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,我们的预测也会作相应调整,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。”

西蒙斯有一次把他的投资策略和巴菲特的相比较,他说大奖章的投资有点儿像科罗拉多州的粗放型农耕:中间架一个喷灌,然后四周是一大圈的麦地,随便拔一个麦穗儿可能长得并不怎么样,但是大部分都还长得不错,靠数量、靠概率取胜。而巴菲特的投资方式更像密集型农耕,种的不多,每一个麦穗儿都很重要,他说:“我们的投资方法正好是两个极端。”

大奖章基金当然是量化到牙齿的基金,在量化基金的运作中,电脑模型收集大量的历史数据,然后从这些数据中寻找规律,这些规律一般用数学公式来表述,叫模型。如果认为过去的规律不是偶然的,将来还会再次出现,量化基金就会按照公式指示的交易方向来交易,各种电脑模型发出交易的信号或者指令,指令要么由基金公司的交易员来手工执行,要么通过电子方式直接执行,现在的量化基金大部分都使用完全自动的交易过程,交易员只是在模型或者市场出现异常的情况下才介入。文艺复兴科技公司大概雇有20多个交易人员,他们的任务是以最低的成本来完成交易,并且尽量不被市场察觉,降低交易成本、避免市场察觉对量化基金来说是成败的关键,因为量化基金所要抓住的是很小的市场机会,交易成本稍微多一点点就可能意味着模型从盈利变成亏损。

人的判断在量化基金的交易过程中不是一个决定的因素。西蒙斯说:“我们一般不和我们的模型唱反调。”有时候市场的波动性超乎寻常,或者模型的信号减弱,这时交易人员才可能干预。

但这并不是说人完全是机器的奴隶,不管多么复杂的电脑模型,都是需要人去设计、编程、维护和控制的。连西蒙斯自己都说,没有一个长期不变能赚钱的模型,所以,模型必须要不断更新,这也完全是通过人来完成的,文艺复兴科技公司的科学家整天都在寻找可能重复的规律,他们的研究对象是浩如烟海的金融数据。西蒙斯的公司在完成这项任务的时候用的是大批的数学家、统计学家、物理学家、语音识别专家,可以这样说,他们采取的寻找、比较、确定新的模型的方法在很大程度上借鉴了自然科学、工程科学的方法,换句话说,更多情况下,用实验来测试,让数字去说话。

他的投资模型所用的数学有多么高深,他的研究人员所需要的数学水平有多好呢?西蒙斯介绍说:“数学和其他科学其实很不同,数学要靠直觉,但是直觉对于凭借试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,设计合理的试验(来验证或者推倒猜测和假设)也是重要的,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。在文艺复兴科技公司,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就可能非常复杂。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。”这段话是很值得那些立志在量化投资研究领域钻研的人深思的。

悄悄告诉您,虽然西蒙斯很遥远,可我们却很近,我和我的同事们,长江期货的量化投资团队,也是这样一批具有物理、数理及系统工程专业的博士和博士后,我们同样至力于采用各类专业的量化模型和计算机在稍纵即逝的市场机会中挖掘利润和平衡风险。如果您对我们的量化交易产品感兴趣,也欢迎来长江期货与我们接洽!返回搜狐,查看更多

You May Also Like

More From Author

+ There are no comments

Add yours