1.4 量化交易的故事

下面通过三个量化交易故事，讲解量化交易的起源、算法基石、优势与风险。

1.4.1 朱尔斯，雷格纳特的故事

从现存资料来看，最阜采用科学方法来研究和发现股票价格涨跌规律的人，既不是股票和股市交易起源地的荷兰人，也不是将金融实践发扬光大的英国人，更不是一开始就和金融共生在一起的美国人，而是看起来有些不"靠谱"的法国人。

最早采用量化方法来分析数据变化并从中挖掘市场价格涨跌规律的，是1834 年出生于法国贝当的朱尔斯·雷格纳特(Jules Regnault) 。雷格纳特出身贫寒，成年后到巴黎证券交易所成为股票经纪人助理，跑腿送信的日常工作中耳濡目染股票的涨跌，强烈激发起他探寻规律并赢取股市财富的梦想。雷格纳特鄙弃内幕交易和造谣传言、跟风赶浪等投机手段，他出版了《概率计算和股票交易哲学》一书，一一列举了当时股票交易中常见的"不诚实赚钱行为"。他首先站在道德的高度对这些行为予以严厉抨击"正直的投资者想一想这种诡计就会脸红"，继而批评了试图在技术图表中寻找短线交易机会的投机者一一"他们学了很多，预测了很多，对概率卓有研究并自认为精于投机等。但他们的快速破严是概率论的必然结果这如同行星围绕太阳轨道运行一样确定"。因为短线交易类似赌博，加上当时交易所可采用20 倍杠杆，所以频繁交易导致了很多快速破产的案例。雷格纳特坚信"上帝已经以完美顺序为万物进行了测量、计算和分自己"，并在书中详细阐述了自己发现的市场涨跌规律。

为什么雷格纳特强调短线交易的人一定会"快速破产"?

原来，雷格纳特认为，短线交易与赌博非常类似，如果你与朋友赌博，你输的就是他赢的，但股票交易不一样，股票交易有手续费(当时巴黎证券交易所对每一次的股票交易佣金为实际交易金额的1/8 ， 由于当时可以采用20倍杠杆，所以实际佣金大概是0.63%) ，只要你频繁交易，最后快速破产就是必然的事情了。

帮助雷格纳特成功的方法，是耐心、细致、烦琐的数据分析工作。

雷格纳特每天下班后坚持用纯手工方法，耐心细致统计梳理巴黎证券交易所1825 年至1862 年的股票、国债价格数据，他惊奇地发现如果持有股票或国债的周期翻倍，价格偏差将增长1.41 倍;如持有周期翻3 倍则价格偏差增长1.73 倍;翻4 倍则增长2 倍……由于1.41 、1.73 和2 分别是2 、3 、4 的平方根，这令雷格纳特激动异常"我首次发现了一个未被人表达的数学自然规律，股票价格的差值与所考察的股票市场周期平方根成正比。"

紧接着，雷格纳特绞尽脑汁剖析个中奥秘，他试图模仿牛顿的天体运行理论，认定证券价格范围应该是圆内的某一点，而圆的面积旷代表逝去的时间，所以股票价格偏差应该与时间的平方根成正比。虽然其莫名其妙的解释实在锚得离谱，但雷格纳特实实在在找到了致富的钥匙，他用这种办法分析当时巴黎证券交易所最大量的证券交易品种-3% 永续国债(面值100法郎，每半年付息1.5 法郎且永远不偿付本金) ，根据该国债价格长期浮动于32.50至86.65 法郎之间，计算出其合理价格应为73.4 法郎。低于此价他就果断买进，偏离越远买进越多;高于此价就果断卖出，偏离越远卖出越多等等。就这样，虽然也会遭遇短期的缩水和亏损，但持续到1881 年， 47 岁的他已不再需要上班打工，而是实现了"财务自由"。他雇了车夫、园丁，买了3 辆马车和几匹好马，每年都去度假。1894 年，雷格纳特去世，留下由债券、股票和房产构成的300 万法郎的财富。

雷格纳特的故事告诉我们: 市场价格的涨跌背后确实隐藏着某些普遍规律(包括雷格纳特当年来能正确解释的"正态分布"规律一一随机的产品价格在长时段呈正态分布的情况下，其价格波动的方差与时间成正比，而3% 永续国债正处于正态分布时段)。发现、掌握和利用这些规律，可以有效抑制人工主观交易无法摆脱的贪婪和恐惧抵制谣言和"内幕消息"的干扰，以理性量化的投资决策获取交易的成功。

1.4.2 爱德华·索普的故事

雷格纳特痛恨赌博，而爱德华· 索普(Edward Thorp) 却从赌博起家并进入资本市场。

索普1932 年8 月出生于美国芝加哥，毕业于加利福尼亚大学。作为麻省理工和加州大学的数学、金融学教授，工作之余他非常爱玩扑克游戏。他花了两年时间利用阜期的IBM 计算机和概率论的凯利公式发现了21 点的记牌技巧，发表了论文《21 点的优选策略》，一夜之间横扫内华达州雷诺市所有赌场，对普通赌徒展开"量化屠杀"，成功斩获上万美元。1962 年他出版专著《打败庄家》，其基本原理为:随机事件样本越多，结果的确定性就越高。正如投掷便币，只投10 次什么结果都可能产生，但投掷上万次，正反面比率必然接近于1 : 1 。同样对于某一手21 点，谁也不知道胜算多少，但只要遵循反复优化的算法规则，比庄家更精于算牌， 每次下注绝不超过总筹码的2% ，在胜算偏向自己时"见好就收"，就能避免突遭变局输光筹码并实现盈利最大化，最终依靠概率在足够多的总局数中立于不败之地。之后哈佛等大学学生对索普的策略改良升级，秘密组成"21 点团队"出入赌场， 2002 年美国出现了以此为题材拍摄的电影《决胜21 点》。

由于索普在赌场无往不胜，终于被列入"禁入者"黑名单。于是他转战华尔街新生的股票权证市场，将数学公式编成电脑程序来寻找市场定价失常。他用量化模型精确计算出权证的合理价格，一旦偏离就抢筹下单。1969 年索普辞职下海，首创全球量化交易对冲基金。索普运作"Princeton-Newport Partners" 和"Ridgeline Partne四"两只对冲基金近30 年， 基金年均收益稳定在19% 至20% ，无一年亏损。索普的对冲基金标志着资管行业向定量化和程序化转型升级。他总结并出版了《战胜市场》一书，但为了合伙人的利益，书中对量化模型和数学公式严格保密。退休后索普将基金权杖交给了22岁的华尔街奇才格里芬。

索普的故事告诉我们: 资本市场的投资交易与赌博在操盘策略技巧中有很多相似之处，真本质区别只在于前者密切关联经济动态而后者与经济无关。只要依靠概率建立起科学的量化模型，精确计算出投资标的合理价格，依照长期海量优选出的比例"下注"并自动止亏止盈，按市场变化随时调整"筹码"数据，就可以凭借足够的概率而最终积小胜为大胜。

1.4.3 詹姆斯·西蒙斯的故事

詹姆斯· 西蒙斯(James Simons)20 岁获学士学位， 23 岁博士毕业. 24岁成为哈佛大学数学系最年轻的教授， 26 岁破译美国五角大楼密码. 37 岁与中国数学家陈省身联合发表了著名论文《典型群和几伺不变式》并创立著名的"Chem-Simons 定律"， 39 岁斩获全球几伺界最高荣誉维布伦奖， 40 岁设立林姆若伊基金沿用传统的基本面分析法从事外汇交易， 45 岁创立文艺复兴科技公司，他不雇用华尔街人士，完全靠数学模型捕捉市场机会，利用电脑交易，其管理资产规模高这220 亿美元。

交易之初，西蒙斯与众多基金经理一样执着于宏观基本面，但不久他意识到广泛的数据可以模型化，并结合价值投资、风险投资等不同理念创造出更有效的新模型，于是分工合作，由统计学家兼密码破译者鲍姆负责建模，同获数学界最高荣誉科尔奖的艾克斯对模型进行改进。然而模型投入使用第一年获得微利8.8% ，第二年4 月大亏30% ，合伙人艾克斯与其分道扬铺。西蒙斯请来普林斯顿大学勒费尔教授，两人经过半年反复分析后做出了历史性的决定一一删除以往模型中所有宏观经济基本面内容，重点集中于短线交易。西蒙斯总结"模型的优势之一是可以降低风险， 而依靠个人判断选股，你可能一夜暴富， 也可能第二天又输得精光。"

西蒙斯运作的大奖章基金主要投资于全球范围的商品期货、国债、外汇和股票等，他平均持有2500 到3000 种不同产品，长期持仓但曰均交易超万次，投资组合中每种产品平均隔天就会有仓位变化。1989 至2009 的20年间，大奖章基金实现年均净间报率35% ，同期高出索罗斯10% ，高出同期巴菲特18% ，如算上5% 的管理费和44% 的业绩捏成， 其年均净回报率达40%-80% 。

更重要的是，市场越"乱"该基金表现越好。如1994 年美联储连续6次加息，导致美国债券市场每回报率为-6.7% ， 大奖章基金却净赚71% ;2000 年科技股泡沫破灭，标普擂数下跌10. 1% ，大奖章基金净回报98 .5% ，几乎翻番; 2007 律、2008 年次贷危机爆发，对冲基金大面积亏损，大奖章基金赢利73%-80% 。在西蒙斯眼中"当大家都像无头苍蝇一样到处乱撞时，对我们来说最为有利，因为我们掌握的那些规律正是在这些时候出现"。

美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005 年、2006 年分别以15 亿美元、17 亿美元净收入稳居全球之冠， 2007 年以13 亿美元屈居第五， 2008 年再以25 亿美元重返榜首，连续15 年共赢利235 亿美元，是当之无愧的有史以来最成功的"量化投资之王" 。

但量化交易绝非完美无缺。2011 年西蒙斯旗下主要投资于全球期货和远期交易的文艺复兴机构期货基金(RIFF) 年增长仅1.84% ，到2012 年居然破天荒亏损3.17% ，亏损幅度超过同年巴克莱CTA 指数的平均降幅1.59%。RIFF 虽规模较小，但回报率暴跌逾同期行业平均水平且一发而不可收拾，到2012 年年底其资产规模锐减至7.88 亿美元，远低于2011 年的40 亿美元。2015 年10 月底文艺复兴科技公司正式宣布RIFF 关闭，明星悄然陨灌。

西蒙斯的故事告诉我们: 金融领域的技术创新，大多源自跨学科的资源、整合，而非从无到有的发明创造。西蒙斯从数学家变身投资领域首屈一指的"模型先生"，让世人对量化交易的特色优势有了最直观的理性认知。从传统的基本面分析到数学方法搭建量化投资模型，是交易进化的必经之路，但量化交易所依据的基本规律更易于在"乱市"中发挥关键性作用，正常市道下反而可能表现平平甚至低于投资界的平均水平。