數學家解碼金融模型建立量化投資帝國(圖)
「量化投資之王」詹姆斯·西蒙斯。（網路圖片）
【看中國2015年06月07日訊】77歲高壽的詹姆斯·西蒙斯（James Simons）擁有種種驕人的成績，他是23歲戴上博士帽的數學天才、26歲轉戰情報界的破譯密碼特工、30歲回歸學界並在七年後獲得幾何學最高獎項的數學系主任。當然，他最為華爾街敬仰的還是締造了量化投資的先驅——文藝復興基金（Renaissance Technologies Corp。）。
這位「量化投資之王」2010年已經離開了260億美元規模的文藝復興基金。在《福布斯》雜誌今年的排行榜上，西蒙斯擁有140億美元個人身家，成為個人資產排名第四的對沖基金經理、全球排名第76位的富豪。人們一直很好奇，他有什麼投資心得，從他豐富的人生經歷中可以學到哪些經驗？西蒙斯最近接受的訪談能給我們帶來一些答案。
在日前數學科普視頻網站Numberphile分享的採訪視頻中，西蒙斯回憶起自己早年的投資經歷，說最初是父親給了一點錢，他才有機會嘗試投資。剛起步時，他也和一般投資者沒什麼區別，花了兩年時間磕磕碰碰，才認準要摸清數學模型的門道。
兩年彎路
西蒙斯說，他開始做投資「有些是（用）家裡的錢，還有別人湊了些錢。前兩年沒用任何模型。」那時他們交易貨幣、大宗商品、金融工具等等，沒有股票。那種感覺就「和普通人一樣」。
「我覺得那純粹是運氣好。我們很成功，可我發現那是非常揪心的生意。」「某天早上起來，你感覺自己是天才，市場都向著你。……第二天醒來，你又發覺自己是蠢材，市場都和你對著幹。太虐心了。」
「觀察價格形態，我發現可以在這方面做些研究，也許有些方法能預測價格，它們屬於數學和統計學方面的方法。開始我一個人著手研究，然後帶了些人一起。我們逐步建立了模型，模型越來越好，最後取代了基本面。」
採訪者問，身為數學家，按說西蒙斯應該一下子就想到用模型，為什麼兩年以後才這麼做？
西蒙斯回答，想到跟去做還是兩碼事。起初，他的確用數學家的眼光去看。團隊裡有位做代碼的同仁，本來他以為可以和那人一起建模，但對方更感興趣基本面，而且預計「模型不會很強大」。所以西蒙斯的公司就沒有深入研究模型。之後，公司又招了一位數學家，還多了一些電腦高手，就再次開始建模，做那些真正可行的模型。
解碼金融模型
首先，西蒙斯引用「有效市場」（efficient market）的理論說，其實數據裡面什麼也沒有。比如價格數據會預示未來的種種情況，所以某種程度上說價格總是對的，但事實上不是。包括歷史數據在內，數據裡有一些異常情況。不過漸漸地，西蒙斯領導的團隊發現了越來越多的異常情形。其中沒有一種應該作為極端異常的情形排除在外，忽略不計。它們屬於細微的異常。將這類微妙的異常集合在一起，就可以開始準確預測某些事。
說到模型，採訪者代很多好奇的人問了些問題：模型有多精密？是那種方程式和演算法的龐然大物，還是些簡單的東西？
西蒙斯說，今天的模型系統相當精密，可那也不是一大堆堆砌在一起，它應該算「機器學習」。其過程類似於：你發現一些可以用於預測的模式，會猜測哪些是有預見性的，接著就在電腦上測試，測試結果可能是你猜對了，也可能猜錯；接下來，你利用長期歷史數據、價格數據等信息做測試；最後把它們加入系統，如果有效就留在系統裡，無效就剔除。
因此，西蒙斯認為，系統不存在什麼精密的方程式，至少在預測這個環節沒有。但預測不是系統唯一的環節，還必須瞭解交易時的成本，一旦交易就可能影響市場動向。普通散戶買個200股還不會怎麼影響，可要是你想買20萬股，就會推升價格。
那麼問題來了：價格會被你推高多少？會不會因為那麼做過於扭曲市場，讓你自己也沒法獲利？所以必須瞭解成本，必須明白怎樣盡量減少波動，減少自己所有持倉的波動。西蒙斯說，滿足這部分要求，得用一些非常複雜的應用數學，也不是什麼驚天動地的高深學問，可是很複雜。
採訪者又問：模型是只涉及數學領域，還是多個領域？
西蒙斯沒有透露具體用了哪些理論，而是說大部分用到統計學，還有些概率論。模型的研究範圍很廣泛，涉及各類可能有效的事物。它是個大電腦模型，由一個主模型控制一定規模的資金，但不會控制龐大的資金，因為那樣會太影響市場。主模型操縱的規模在合理的範圍內，永遠不會變成獨霸市場的大怪獸。畢竟，要是一家獨大也就沒有對手方了。
模型背後的人
西蒙斯說，上述模型自身還有侷限，至少他們公司自己這麼看，不過他們在不斷完善，公司有大概100位博士做這種工作。
既然有侷限性，採訪者就問，如何管理模型，是西蒙斯開始覺得需要怎樣做了就去改還是怎樣。
西蒙斯將改進歸功於公司請了聰明的員工。他說：「我的運演算法則一直就那樣，但你可以聚合聰明人，給他們極大自由，營造人人都願意和別人溝通的氛圍。他們不會躲在角落各自為政，會和別人交流。你提供了最好的基礎設施，最棒的電腦，以及其他可以利用的工具。人人都是合夥人。那就是我們在文藝復興基金用的模式。我們會請來有頭腦的員工，他們之前根本不懂金融，但他們可以學會瞭解。」