1.投資的困惑

一天，12歲的兒子忽然問我：“爸爸，我怎樣才可以賺到很多的錢？”

我想了想，答道：“兩個辦法。一個辦法是要在學校好好讀書，門門功課得A；還要體育出色，至少區(qū)域大賽得獎；而且要參與社區(qū)活動，培養(yǎng)領導才能；這樣才能考上常春藤大學。在大學里也不能天天派對，還要繼續(xù)努力學習，GPA一定要 4.0，暑假還要做實習，這樣畢業(yè)之后就有望在一家好公司找到一份好工作。有了工作就更要努力，還要跟同事搞好關系，爭取早日升遷……這樣也許你在60歲退休之前就可以掙到不少錢了。”

兒子有些失望：“哦……那另一個辦法呢？”

“另一種辦法是投資。” 我回答，，“如果你投資方面有天賦，又肯努力，也許30歲之前就可以掙到很多錢了。”

兒子興奮地看著我：“真的嗎？那我怎么投資呢？”

我答道：“投資先要有資本，但更重要的是要有投資的能力。我可以給你一千塊錢做種子資金，但你每天放學后都要讀一下《華爾街日報》，晚飯時我們可以討論你的投資組合。”

投資理財對于我們每個人來講，是一個既陌生但又永遠躲不開的話題。年輕人要攢錢買房結婚；結婚生子后要存錢供他們上學出國；中年人更要把握住事業(yè)上的機會，投資置業(yè)；而老年人如今很多兒女在外，更需要理財養(yǎng)老傳承。

投資有時似乎很容易：趕上2006-2007年的牛市，買對了股票，閉著眼睛都能大把賺錢。但很多投資者都經歷過2008-2009年那些驚心動魄股市過山車和2009年至今漫長難熬的熊市。很多人覺得投資很高深，財經媒體上每天都有專家學者在討論國際國內、宏觀微觀，但多數(shù)云遮霧罩，令投資者不知所措。有些人覺得投資很簡單，買低賣高而已；但實際操作起來往往成為追漲殺跌，有時甚至職業(yè)基金經理也不能免俗（見圖1）；有些人覺得投資需要聽消息跟風潮，于是每天四處打聽熱股內幕；還有些人覺得投資是一門“藝術”，關鍵在于“戰(zhàn)勝自我”，只可意會不可言傳，不時還要參禪拜佛。但投資究竟是怎么回事呢？

2.現(xiàn)代投資理論

投資作為一門科學，是從1952年哈利•馬可維茨的論文《投資組合的選擇》開始的。論文中他提出了一個簡單但又深刻的問題：投資組合的選擇標準是什么？也就是如果面臨多只股票和現(xiàn)金的選擇，我們應該如何決定投資組合的資金配比？直覺上大家知道這個標準肯定不只是收益，否則我們會把全部資金投入預期收益最高的股票；肯定也不只是風險，否則我們會把全部資金投入風險最小的資產。那么收益與風險的關聯(lián)在哪里，又如何權衡呢？
馬可維茨的偉大，在于他提出選擇投資組合的目標是達到“有效組合”，也就是構建在給定的風險下獲取最大預期收益的組合。不同風險下的有效投資組合形成所謂的“有效前沿”。最終的選擇，可以通過求解不同風險厭惡水平下的“效用函數(shù)”最大化問題來得到。

馬可維茨是金融歷史上第一個人，通過投資組合選擇的問題，把風險提高到與收益同樣重要的位置，建立起權衡收益與風險的理論框架，并開創(chuàng)了現(xiàn)代投資組合理論的先河。馬可維茲和他的學生夏普也因此獲得了1990年諾貝爾經濟學獎。金融作為一門科學由此誕生，經過不斷發(fā)展和完善，從學術象牙塔逐漸傳入華爾街，從而徹底地改變了全球資本市場的理論和實踐。

3.“量化圣經”

我第一次接觸《主動投資組合管理》還是在1998年，當時在華爾街數(shù)量型對沖基金D.E.Shaw & Co 從事量化股票交易。雖然知道正在從事的工作是前沿的，但也總是苦于知其然而不知其所以然，因為從馬可維茨的現(xiàn)代投資理論到華爾街的投資實踐之間還有很大的一段理論空白。

在一次Barra組織的量化會議上，一位同行向我推薦了《主動投資組合管理》，當時還是第一版。此書的兩位作者，Grinold和 Kahn，曾任Barra的研究總監(jiān)，是Barra模型最早的創(chuàng)始人之一，也是成熟市場量化投資領域的開創(chuàng)者。書中兩位作者系統(tǒng)性地介紹了很多學者和投資實踐者在近30年的量化投資實踐中，逐漸開發(fā)完善的投資理論與實踐技術，并逐一討論了將理論付諸實踐過程中的各種問題和細節(jié)?！吨鲃油顿Y組合管理》在投資史上第一次為投資管理建立了一個科學的框架，在象牙塔中的現(xiàn)代投資理論與混沌原始的投資實踐之間找到了一個應用的結合點。

當然，500多頁的書，第一次看的時候難免有些困難，并不一定能夠完全理解書中的推導和評論，但基本的理念已經牢記在大腦里，例如“主動管理基本定律： IR = IC*Sqrt（Breath）”。在之后的工作中，每當我?guī)еS多問題來查閱這本書的時候，總會有新的體會。于是，我和同事開始稱它為“Quant Bible“（量化圣經）?？梢哉f《主動投資組合管理》是一本劃時代的著作，對整個一代在華爾街從事量化投資的人，都有深刻和長遠的影響。

4.量化投資在中國

2008年我創(chuàng)建了對沖基金，The Red Capital,LLC (紅色資本)，并在北京設立了一個研發(fā)辦公室，招聘了一群北大清華的高材生，希望能夠把華爾街的理念、技術和經驗與國內的高質量數(shù)理人才結合，同時也為中國的對沖基金培養(yǎng)一顆種子。這些剛從學校里畢業(yè)的高材生雖然經歷過數(shù)學或物理方面的系統(tǒng)訓練，但金融知識為零，該如何起步呢？當時的訓練教材就是Barra的USE3模型和《主動投資組合管理》這本書。于是紅色資本的這些初始員工，就在這本書里得到了他們最初的投資啟蒙，也為他們今后的職業(yè)發(fā)展奠定了一個扎實的基礎。

在量化交易方面，美國究竟比中國領先多久？量化投資領域，中國不僅本行業(yè)的技術儲備不如歐美，而且量化交易經常運用的各行各業(yè)最先進科學模型（eg.FBI用的人臉識別模型，NASA的空間物理模型、地質勘探的地心引力模型等)目前也落后于歐美。也就是說量化交易提供支持的整個泛行業(yè)科研科技儲備是比較落后的。曾面試中國量化交易基金經理時，感覺在本土化上具備很強優(yōu)勢，但研究水平和視野開闊度，比起外資同行還是稍遜一籌，這不光是能力問題，更多是技術環(huán)境問題。和其它交易策略不一樣，量化交易不是純粹靠交易天分、市場直覺（但很重要，常能激發(fā)策略靈感）、而是很大程度靠科學研發(fā)能力（large scale research) 和技術水平（hardcore technologies）。

談到這里，就簡單說下量化交易的策略研發(fā)方法。

第一類，傳統(tǒng)策略量化。很久前，交易員們就開始做趨勢策略、反轉策略、剝頭皮策略、造市策略等各種不同風格的策略，只不過那時是手工操作，或者半程序化。隨著市場發(fā)展技術成熟，量化交易把這些策略的研發(fā)和執(zhí)行程序化了，從而提高了研發(fā)效率和水平、降低了交易成本，較大程度的排除了人的不穩(wěn)定因素。這類量化交易策略，可以說是利用技術來提高原有策略的研發(fā)和執(zhí)行，并在交易頻率和規(guī)模有了變化，但本質上并不算嶄新的策略類別，以前賺錢策略的也許能賺的多一些，虧錢的策略，量化也不能把他變成賺錢，這就是「思路錯了量化也救不了你」。

第二類，科學技術驅動量化交易策略。是純粹或很大程度上基于技術(technologies)差別的策略。這類也有一定歷史，但真正變成一個龐大引入注目的策略類別，則是近10年計算機技術的飛速發(fā)展過程中產生的。常見的情形是，某機構因為采用的算法效率更高，計算機硬件更強大（超級計算機），產生了細微的速度和計算優(yōu)勢，從而在交易上搶的先機，并運用自動化交易頻繁交易大量產品，用巨大的交易量產生穩(wěn)定的收益。這類策略，IT技術和科學模型起了很關鍵的作用。這就是「技術就是你的思路」。

較早開始高頻交易的Tradebot是這類策略的典型運用者，在2002年就達到了每天一億個訂單，差不多在那個時候很多傳統(tǒng)做市商被Tradebot 和 Getco 這樣的新型電子做市商擠出市場，后來Tradebot 和 Getco 一路用技術碾壓其它電子做市商競爭對手。在2005年,Tradebot 剝離了 BATS Global Markets，也就是現(xiàn)在美國第三大股票市場BATS。而1999年Tradebot 剛成立時，工作室地點是美國農村Kansas City的一間小地下室，里面陰暗潮濕，只有5個交易員坐在電腦屏幕前監(jiān)控交易，那時每臺電腦上都配備了一套叫“Tradebot”的軟件。而Getco 對策略的運用更廣，野心更大。2012年，也是老牌做市商的 Knight因技術故障，向紐交所發(fā)送大量錯誤order，導致公司巨虧4.4億美元，股價兩個交易日暴跌七成，被Getco以18億美元價格收購。

人們常對西蒙斯文藝復興的大獎章基金長期持續(xù)的高回報印象深刻，而實際上不太為媒體所知的是 ，Tradebot常年保持每天（而不是每月或每年）盈利，not even one single losingday，原因是文藝復興有很多新基金要向外部投資者融資（賺錢的大獎章很早停止了外部融資，而實際新基金表現(xiàn)比大獎章差很多），需要做一定程度的IR，而Tradebot 不對外部投資者開放，自己低調賺錢，這也是HFT很普遍的特點。如果不是市場幾次出現(xiàn)大動蕩，HFT被揪出來當替罪羊，媒體口誅筆伐，基本是沒有多少人知道這個低調的類別。

第三類，新型量化交易策略。則是得益于計算機技術的發(fā)展，慢慢發(fā)展起來的策略，它不完全是基于執(zhí)行的技術優(yōu)勢，更多是利用技術研發(fā)出新策略。例如統(tǒng)計套利交易策略，需要較多計算機計算資源進行數(shù)據挖掘模式識別，這在以前僅僅靠人力是難以勝任的，IT技術的發(fā)展和成本的降低使得這些策略的研發(fā)得以可行。這就是「技術產生新策略」。

量化投資這個行業(yè)的科技含量之高，使得它吸引了大量數(shù)學博士、物理博士、計算機博士來利用本學科的最先進技術和科學模型研發(fā)出更多的先進模型，并促進技術進步，也反哺其它傳統(tǒng)行業(yè)。最明顯的是顯卡和GPU的飛速發(fā)展，一定程度上是受到高頻交易對巨大計算能力需求推動的。世界上有很大一部分超級計算機，除了呆在物理實驗室，還在對沖基金里。

如何成為一個量化交易者許多學數(shù)學和統(tǒng)計學的高材生都有志成為量化交易者，但現(xiàn)今由于高頻交易、算法交易和程序化交易的出現(xiàn)，使得量化交易的工作職位描述變得很寬泛。量化交易領域的工作需求很大，而且他們不僅僅需要在數(shù)據分析上有突出技能的人，也需要對自動交易系統(tǒng)更了解，可以構建和執(zhí)行自動交易系統(tǒng)的人。本文將介紹數(shù)學和統(tǒng)計背景的人如何成為量化交易者，哪些專業(yè)技能和培訓可以幫助你成為一個寬客，哪些工作經驗可以勝任量化交易工作和相關工作。量化交易者需要具備數(shù)據分析、數(shù)據挖掘和數(shù)據研究的能力，這些能力只是很小的一部分，也必須在其它領域精通：

1）針對交易的特定計算機技能

數(shù)學和統(tǒng)計在數(shù)據分析軟件和平臺應用很廣泛。然而，它們在量化交易