首页 > 编程语言 >“量化之王”的人生算法

“量化之王”的人生算法

时间:2024-05-29 20:01:04浏览次数:14  
标签:西蒙斯 之王 大奖章 自己 文艺复兴 算法 人生 数学 量化

”量化之王“吉姆·西蒙斯总结自己的五大“人生算法”:1) 以美为导向;2) 与最聪明、最优秀的人为伍;3) 不随波逐流;4) 不轻言放弃;5) 坚守乐观主义。

5月11日,对冲基金文艺复兴科技(Renaissance Technologies)的创始人、传奇量化投资大师吉姆·西蒙斯(Jim Simons)去世,享年86岁。

《金钱心理学》一书的作者、著名专栏作家摩根·豪泽尔曾说过:

在每个领域都存在这么一个人,他的竞争优势就是比其他所有人都更聪明。在金融领域,过去二三十年来,这个人就是西蒙斯。

在豪泽尔看来,西蒙斯不仅是数学天才,更是一位真正的美学大师。对他而言,推动整个系统有条不紊、精准高效地运转,处理复杂的问题并找到优雅解决方案,本身就是一种至高无上的美。正是这种对美的追求,催生了文艺复兴科技的崛起。

量化鼻祖的开挂人生

西蒙斯出生于美国马萨诸塞州的一个普通家庭,从小就展现出了卓越的数学天赋。20岁那年,西蒙斯从毕业于麻省理工学院毕业,获得数学学士学位。仅仅三年后,他就拿到了加州大学伯克利分校的数学博士学位。38岁时,他已经拿到了几何领域的最高奖项——维布伦奖。

虽然他的前半生几乎全都献给了数学,但西蒙斯始终对赚钱都很感兴趣。他希望自己能有足够的经济自由追求感兴趣的事业。《纽约客》杂志曾在一篇人物专访中写过一个有趣的轶事:

西蒙斯总是不停地吸烟,即使是在封闭的会议室里也不例外......他说,不管这样做会被罚款多少,他都可以付得起。

1970年代,西蒙斯在担任纽约州立大学石溪分校数学系主任期间,开始参与大宗商品交易。西蒙斯的投资副业很成功,因此他决定离开学术界,于1978年成立了自己的投资公司,也就是后来的文艺复兴科技。

文艺复兴的旗舰基金大奖章,自1988 年(西蒙斯开始投资后的十年)启动,在接下来的30年里,大奖章基金创造了超过一千亿美元的利润,每年的总回报率高达66%(扣除费用后为39%)。如果1988年向大奖章基金投资1美元,在2018年可以收获1400万美元的回报。大奖章基金也被彭博社称为“独一无二的赚钱机器”。

大奖章基金的秘密:用统计学寻找市场的模式

七八十年代,投资界有两种主流的研究方法:1)基本面研究(根据关键驱动因素了解和预测资产走势);2)技术分析(研究价格图表)。

西蒙斯的策略是进行“基本面透视”(如跟踪供求关系等)。虽然取得了一定的成功,但西蒙斯认为日内交易的情绪波动“令人心惊肉跳”。他希望有一种更系统的方法,因此开始创造第三种方法:使用复杂的数学模型来判断价格走势。

作为曾经短暂为美国国家安全局服务过的密码破译员,西蒙斯相信“市场中存在模式",而且他能找到这些模式。这项工作需要的不是商科学生,而是数学博士和天文学家。他的第一批员工是自己在大学任教时的前同事。

历经数年,文艺复兴科技公司创造了一套三步流程,用于寻找“具有统计意义的赚钱策略”:

1. 从历史定价数据中发现异常模式;

2. 具有统计意义、非随机且长期一致;

3. 具有一定的可解释性。

这些信号被称为“可交易效应”。虽然许多信号如今在量化基金中很常见,但文艺复兴最先做到了这一点,而且做得更好。

一些著名的交易主题包括:

均值反转:价格在走高或走低后往往会回调(一位文艺复兴员工曾说过:“我们从其他人对价格的反应中赚钱”)。

趋势:文艺复兴可准确预测投资趋势(无论是上涨还是下跌)会持续多久。

数据发布:一些资产的价格在经济数据发布(如劳动力统计数据)之前下跌,而在发布之后上涨。

季节性:周一的价格走势与周五相似,而周二则回归到之前的趋势。

交易习惯:商品交易商会在周五卖出头寸,这样他们就不会在周末发生意外时持有资产。

我们可以从西蒙斯传奇的人生中学到什么?除非你是一个量化专家,否则有价值的经验是关于西蒙斯如何做他所做的事情(以及为什么),而不是他具体做了什么。虽然一本包含文艺复兴秘密算法的书会立即成为畅销书,但其价值也会立即消失——众人皆知的交易策略,没有任何意义。

另一方面,西蒙斯的人生经验是永恒的。

在 2022 年的一次演讲中,西蒙斯概述了贯穿其一生的五项原则:

以美为导向

西蒙斯按照自己的方式生活。这位数学天才在担任石溪大学数学系主任之前,曾是美国国家安全局的密码破译员。之后,他放弃了学术生涯,建立了一家对冲基金。西蒙斯的人生以一种不可预知而又非凡的方式展开,因为他追随着自己的好奇心去解决有趣的问题。

但是,对冲基金或任何企业都可以是美的吗?西蒙斯相信可以,他认为他的工作具有“美学成分”:

找对人,处理好问题,把事情做对......把事情做对是一件美事。

美学的特质在于为棘手的问题找到优雅的解决方案——比如让一群超聪明、高自我的人通力合作,战胜市场。

西蒙斯对市场复杂性的答案不是数学,就像巴菲特的答案不是“价值投资”一样。西蒙斯是一位系统构建者,文艺复兴基金的繁荣得益于他汇聚的人才和创造的文化。数学家西蒙斯从事的是“人”的事业。

与最聪明、最优秀的人为伍

在文艺复兴以及石溪分校,西蒙斯的成功取决于寻找人才,即找到那些“比你更聪明”的人,并说服他们加入。他在《如何投资》一书中曾对大卫-鲁宾斯坦回忆说:

我喜欢招兵买马。我的成功秘诀就是找到优秀的人才。

在文艺复兴,西蒙斯最重要的工作是找到优秀的人才,并创造合适的条件和激励机制来促进合作:

我的算法一直是,把聪明人聚在一起,给他们很大的自由。创造一种氛围,让每个人都能与其他人交谈,他们不会躲在角落里做自己的小事情,而是与其他人交谈。提供最好的基础设施、最好的电脑等等。让每个人都成为合作伙伴。这就是我们在文艺复兴使用的模式。

有多少创始人和管理者雇用比他们更聪明的人,然后“让他们做自己的事情”?不安全感、官僚主义和短期思维很快就会阻碍他们的发展。

不要随波逐流

在创办文艺复兴的早期,西蒙斯同样根据基本面进行交易

他回忆说,文艺复兴的同事们当时做的事情就是“阅读报纸、股票代码、新闻电讯,然后得出结论”。

但他同时认为,如果每个人都想出了一模一样的解题思路,那就不应该照着做下去,要做一些原创的事情。

西蒙斯相信有统计异常可以利用,并希望打造一个“能在睡觉时赚钱的模型”。然而,他花了十年时间才找到战略、人才和技术的成功结合点。

不轻言放弃

一路走来,西蒙斯也有过怀疑:

有时候,我看着这一切,觉得自己只是一个不知道自己在做什么的人。

格雷戈里·祖克曼(Gregory Zuckerman)的传记《解决市场问题的人》(The Man Who Solved The Market)中曾提到,西蒙斯早年合作伙伴经常流失。研究人员和交易员来来去去,而西蒙斯却一直专注于自己的事业,没有受到什么影响。

有多少人有这样的耐心、毅力和信心?

西蒙斯专注于建立一个连接人才、战略和资本的系统。正所谓“你不知道自己不知道什么”,那些看似无足轻重的小事,都可能成为事业突破的关键因素。西蒙斯从不压制团队的好奇心和尝试欲,而是给予极大自由,放手一搏。这也许正是文艺复兴的成功不可或缺的基因。

经过多年的学习、实验和人脉网络的搭建,西蒙斯才掌握了华尔街最有价值的秘方。这种秘方不仅仅是“统计异常现象”的集合,而是人才、数据、技术的结合。

当桑德尔·斯特劳斯(Sandor Straus)沉迷于收集更精细的历史定价信息时,西蒙斯并没有让他把时间花在更直接、更明显的回报上。他让斯特劳斯沉浸在自己的好奇心中。

斯特劳斯和他的同事们创建并发现了更多的历史定价数据,帮助阿克斯开发了新的预测模型。他们后来发现的一些每周股票交易数据可以追溯到 19 世纪,这些可靠的信息几乎无人能及。

当时,团队还不能利用这些数据做什么,但这些珍贵的历史数据,让文艺复兴得以了解市场对黑天鹅事件的反应,后来帮助西蒙斯的团队建立了从市场崩溃和其他突发事件中获利的模型,帮助公司在其他机构巨亏的绝望时刻战胜市场。

坚守乐观主义

西蒙斯的最后一条原则是“期待好运”,他称之为“最重要的原则”。西蒙斯在工作中无疑是非常幸运的,他始终牢记运气的作用。

他曾在一次采访中说:

人们低估了运气的重要性,顺风顺水的时候觉得成功都是自己的功劳;在事情发展得很糟糕时,却总倾向于将其归咎于运气不佳。

我们必须认识到,运气在每个人的生活中都扮演着有意义的角色。如果你的父母是体面人,出生在世界的一个好地方,你就会在游戏中遥遥领先。就我而言,我很幸运,在学习数学时能与一些非常优秀的人合作。我在文艺复兴时期选择的合作伙伴也很幸运。

西蒙斯固然生来幸运,但他也努力寻找和践行了让他成功的人生算法,这是我们都可以效仿的。

他在总结自己的一生时说:

我做了很多数学题,赚了很多钱,我几乎把所有的钱都捐了出去。这就是我的一生。

标签:西蒙斯,之王,大奖章,自己,文艺复兴,算法,人生,数学,量化
From: https://blog.csdn.net/Gabriel100yi/article/details/139281270

相关文章

  • 数组算法-差分数组
    //差分数组使用背景:区间元素同步增减//差分数组:用来表示原始数组中相邻元素的差值,表示原数组的变化。classex_diff{private:vector<int>diff;public:ex_diff(vector<int>nums){/**求diff[]*diff[i]=nums[i],i......
  • 【KELM回归预测】基于麻雀算法优化核极限学习SSA-KELM-Adaboost实现风电回归预测附mat
    以下是使用麻雀算法优化核极限学习机(SSA-KELM)和Adaboost算法实现风电回归预测的MATLAB代码示例:matlab复制%导入风电数据load(‘wind_data.mat’);%假设数据存储在wind_data.mat文件中X=wind_data(:,1:end-1);%输入特征Y=wind_data(:,end);%输出标签%数......
  • 动态规划在图搜索中的应用:Floyd算法详解
    多源汇最短路问题-具有多个源点Floyd算法O(n^3)-动态规划给定一个n个点m条边的有向图,图中可能存在重边和自环,边权可能为负数。再给定k个询问,每个询问包含两个整数x和y,表示查询从点x到点y的最短距离,如果路径不存在,则输出“impossible”。数据保证图中不存在负权回路。......
  • 用Python写一个热点事件追踪的算法
     要编写一个热点事件追踪的算法,首先需要明确算法的主要目标和所需的数据。在这个例子中,我们将基于微博的热度(如点赞数、转发数和评论数)来追踪热点事件。以下是一个简单的Python算法,仅供参考: 1.导入所需库 ```pythonimportrequestsfrombs4importBeautifulSoupimp......
  • 代码随想录算法训练营第二十二天 | 235. 二叉搜索树的最近公共祖先、701.二叉搜索树中
    235.二叉搜索树的最近公共祖先题目链接:https://leetcode.cn/problems/lowest-common-ancestor-of-a-binary-search-tree/文档讲解:https://programmercarl.com/0235.%E4%BA%8C%E5%8F%89%E6%90%9C%E7%B4%A2%E6%A0%91%E7%9A%84%E6%9C%80%E8%BF%91%E5%85%AC%E5%85%B1%E7%A5%......
  • 59天【代码随想录算法训练营34期】第十章 单调栈part02( ● 503.下一个更大元素II ●
    503.下一个更大元素IIclassSolution:defnextGreaterElements(self,nums:List[int])->List[int]:dp=[-1]*len(nums)stack=[]foriinrange(len(nums)*2):while(len(stack)!=0andnums[i%len(nums)]>nums[stack[-1......
  • 代码随想录算法训练营day7(哈希表)
    代码随想录算法训练营day7(哈希表):今天继续学习哈希表,对一些容器的语法操作我会在内容或者产出中说明,放上题目链接可以先试着自己做做看。学习内容:4543831518学习产出:454我的思路就是前两个vector为一组,后两个为另一组。构建两个map储存两组可能出现的sum值(两......
  • 为什么算法和数据结构重要?
    算法的重要性 效率提升:优秀的算法可以显著提高程序的执行效率,减少运行时间。解决复杂问题:算法提供了解决复杂问题的系统方法,如排序、大规模数据处理、路径规划等。优化资源使用:通过优化算法,可以更好地利用计算资源,如内存和处理能力。 数据结构的重要性 数据组织:良......
  • 量化交易:如何在QMT中运行Python策略并在VSCode中高效调试?
    哈喽,大家好,我是木头左!为何选择QMT和VSCode进行量化策略开发?在量化交易的世界里,选择正确的工具与拥有优秀的策略同等重要。调用用VisualStudioCode(简称VSCode)或pycharm,方式都差不多。结合QMT的数据处理能力和VSCode的便捷调试功能,可以极大地提高量化策略的开发效率和质......
  • 算法:LRU 和 LFU 缓存淘汰算法
    零、资料LRU和LFU缓存淘汰算法(javascript与go语言实现) 一、基本概念LRU(LeastRecentlyUsed)和LFU(LeastFrequentlyUsed)是两种常见的缓存淘汰算法,用于在缓存空间有限的情况下选择合适的缓存对象进行淘汰,以提高缓存的利用效率LRU算法基于"最近最少使用"的原则进行淘汰......