大卫·肖: 数量优势
在曼哈顿市中心的一幢摩天大楼的高层办公室里，肖已经将全美国最有才华的数学家、物理学家以及计算机科学家都招募到他的公司中，他的心中只有一个目标:要将他们的数量技能综合在一起，这样他就能够连续不断地从全球的金融市场上掘取利润。肖的公司用无数的相互关联的，复杂的数学模式在全球十多个国家中交易了几千种股票，还交易一些与这些股票市场相关的金融工具( 认股权证、期权，以及可转换债券) 。这家公司从不同的债券之间的差价中赚取利润，严格控制股市波动或者其他的金融市场(货币和利率)直接带来的风险。
关于公司所采用的任何一个交易策略，肖一点儿都不愿意透露，这可以说是一个传奇。他的员工都要签署保密协议，而且即使他们还在公司中工作，并未离开公司，他们都要意识到，不该他们知道的交易方法就不许他们知道。因此，在我对他的采访中，我非常清楚地知道这个原则，我甚至都不会用明显的疑问句去尝试着问肖一些关于他公司的交易方法。尽管如此，我仍然准备了下列的我认为并不特别敏感的一些问题：
● 贵公司曾经使用了哪些策略，但是现在已经停止使用了，因为它们不再有效?
● 为了要找到贵公司现在使用的策略，您认为他们应该需要掌握哪些数学知识?
● 哪些股市反常现象曾经为您提供了交易机会，但是，现在它们已经明显地消失了，您的所有竞争对手都意识到了这个事实?
即使这些都是一些很慎重的问题，但是，肖还是很礼貌地婉拒了。虽然他没有用这些确切的词语拒绝我，但是，肖对这些问题的回答可以用下面的话语来概括" 我更倾向于不回答这些问题，因为我的答案也许能给我的竞争对手提供一些很远的暗示，这样他们就能发现对他们很有帮助的方法。"
自从肖在1999 年创立了他的旗舰的交易系统以来，这个交易系统就一直为他带来利润。在过去的11 年中，这个交易系统在扣除所有的费用以后，收获了22% 的年均复合收益率，同时还严格地控制了风险。在这个交易系统存在的那段期间内，最坏的收益就是从最高值下跌到当月最低值之间的11% 差额一一而且仅仅在四个月中就完全把这个亏损赚了回来。
肖的公司如何在过去的数十年间，无论是牛市还是熊市都能连续不断地赚取利润呢? 很明显地，肖并不会说出一一或者至少不会说出他的公司使用的任何一种交易策略的细节。但是，基于肖本人承认的那些事实以及字里行间之间的意思，你也许能够大致勾勒出他的公司使用的交易策略的雏形。下面的解释无可否认地包括了我对他的公司使用的交易策略的许多臆测，但是，我旨在为读者提供了解肖的公司使用的交易策略的蛛丝马迹。
以经典套利这个话题为起点，我开始了对他的采访。虽然肖并不使用经典套利，但是，它为我们提供了一个概念上的出发点。经典套利指的是那些在不同的价位上买卖同一种证券(或者商品)的交易，这种交易必须要买卖同时进行，因此能够获得无风险的利润。一个经典套利的案例就是在纽约用290 美元购买一盎司的黄金，同时又在伦敦把这一盎司的黄金卖出去，卖出的价格是291 美元。在当前的这个时代中，计算机和接近于即时的交流，经典套利的机会事实上已经完全不存在了。
统计套利和经典套利的概念不同，前者是把买和卖同一种证券或者商品密切地与一些金融工具相联，以获取可能的利润，而后者则是同时买卖那些一致的金融工具，以锁定利润。在统计套利中，每一个单独的交易都不再是一件确定的事情， 但是，概率多少就意味着优势的大小。使用统计套利的交易员将在交易中遭受巨大的亏损，但是在未来他就会盈利，假设交易的可能性和交易成本都同时被正确地估计。一个合适的类比就是轮盘赌(从赌博的角度来看) : 在赌博时，任何一个特定的旋转的指针指定的赢钱的概率都只能稍稍高于50% ，但是，它的优势和概率的法则将保证他只能在未来赚钱。
统计套利有许多种不同的类型。我们将只关注其中的一种类型：配对交易。除了为我们提供一个很容易理解的论证之外，配对交易还有一种优势，据说它是摩根斯坦利交易集团使用的策略之一。在肖开始创办他自己的公司之前， 他曾经在摩根斯坦利公司中工作。
配对交易包括一个两步的过程。第一步，过去的数据用来确定两只渐渐趋合的股票。第二步，要监控每一只股票，使每只股票的收益都不相同。不管在何时， 当已经确定的两只股票能够实现一个统计学上的有意义的不同的收益时，卖出收益更好的那只股票，同时买进收益较差的那只股票。基本的假设就是，在未来，这些密切相连的股票的收益将渐渐聚合。到目前为止，这一理论都还是正确的，这个配对交易的方法将在未来为你的交易提供一种优势及盈利， 即使任何一笔交易都有赔钱的可能。
1999 年，耶鲁管理学院的几个教授（Evan G. Galev. WiJljam N. Goetzmann , and K. eert Rouwenhort. 配对交易: 相对价值套利法则的绩效分析。国家经济研究局工作报告第7032；1999年3月）发表了一篇研究性的文章， 详细地描述了一个完美的配对交易以及如何测试一种具体的策略。通过使用1963年到1997 年的数据，他们发现了，他们测试的那个具体的配对交易的策略产生了统计学上的显著的利润，同时相对来说，风险也很低。事实上，在过去的整整25年中，这个配对交易策略产生的收益率要远远高出标准普尔的收益率，同时风险(波动性)更低。但是，这个配对交易策略在最近的几年中也表现出了主要的恶化的迹象，在调查的那个期间( 1994 年至1997 年)，收益率接近于零。一个合理的猜测就是，不同的交易公司(也许包括肖的公司)使用这个配对交易策略的次数越来越多，越降低盈利的几率，直到盈利的几率完全消失。
那么，肖的公司使用的交易方法和配对交易有什么关系呢？肖的公司使用的策略和配对交易很相似，也许都是在识别那些债券的结构基础之上的，这些债券和其他债券相比，价格偏低。但是，这也是它们的相似之处。这个复杂元素的部分列表将肖的交易方法与一个简单的统计套利策略区分开来，比如配对交易，包括下面的一些，也许是全部：
● 交易信号建立在二十多个不同的预测技巧的基础之上，而不是一个单独的方法之上。
● 在这些方法中，每一种方法也许都要比配对交易更加复杂。即使相互关联的债券之间的不同的收益正是这些策略之一中的核心，正像它是配对交易中的核心那样，它的数学结构更有可能是它能够即时分析大量债券之间的相互联系，而不是只能分析两只股票。
● 这些策略适用于全球的股市，不仅仅美国股市。
● 这些策略囊括与股市相关的金融工具一一认股权证、期权，以及可转换债券一一除股票以外。
● 为了要平衡投资组合，使其相对地不受股市总体发展趋势的影响，也许需要适当地调整头寸，以解释那些因素，比如不同债券的变化多端的波动性，和投资组合内的股票之间的联系。
● 平衡投资组合的日的不是为了要移除股价波动在更宽阔的股市中的影响，而是为了要缓和货币价格波动和利率浮动对股市产生的不利影响。
● 采用具体的人市和退市策略，以使交易成本减小到最小化。
● 要即时地同时监测这些策略和这些模式。其中任何一个因素的变化都能影响任何一个其他因素或者所有因素的变化。例如，预测要买进一组债券， 同时又卖出另外一组债券的技巧的信号就需要重新平衡这个投资组合。
● 交易模式是动态的一一也就是说，随着时间的推移，它也会发生变化， 以适应不断变化的市场条件，反映出要终止或者重新修正一些预测技巧，以及重新引进一些全新的预测技巧。
我不知道一一一正是因为如此，永远都不会知道一一上述描述事实上有多么接近于事实情况。但是，我想，到目前为止， 它也许是有效的，为读者提供了一个了解肖的公司使用的交易策略的机会。
肖在很小的时候就表现出了对创业的爱好。当他十二岁时，他从他的朋友们那里募集到了100 美元，用这笔资金拍摄了一部恐怖电影。由于他从小在洛杉矶地区长大， 他成功地劝说其他小孩的父母提供了免费的帮助，比如负责特技效果和剪辑的工作。当时的想法就是让邻近地区的其他小孩观看这部电影，入场费是50 美分。但是，由于处理室丢失了其中的一卷胶卷，这个计划最终夭折了。当他后来读高中时，他成立了一家公司，生产和销售迷幻的领带。他购买了三台缝纫机，以及雇用了一些高中生来生产这些领带。由于他在此之前从未想过如何销售这些领带， 而且，事实证明，从一家店到另一家店推销这些领带并不是一种非常有效的方法， 最终，这次的创业也失败了。
但是，他第一次认真地创业非常成功。当他还是史坦福大学的一名研究生时， 他休了两年学， 创办了一家计算机公司，研发编译程序(这是一种计算机模式， 将用户输入的程序语言翻译成类似于机器语言的指令) 。虽然这次的创业十分盈利，但是，肖的研究生导师对他说，既想得到博士学位，又想管理一家公司，这是不现实的事情。于是，肖就卖了他的公司，专心学习，最后获得了他的博士学位。他从来都没有想过要把他的这个盈利很强的公司给保留下来，放弃他唾手可得的博士学位这个目标。"那时，对我来说，完成研究生学业非常重要，"他说道，" 你要真的想扎根在计算机研发这个行业里，你就必须要成为一所顶尖大学里的一名教职工，或者成为一家领先的研究实验室中的一名博士科学家。"
肖的博士论文《基于知识的关于关系数据库计算机的检索》， 提供了建造一台巨大的并行计算机的理论基础。在肖的论文中， 其中的一个关键定理证明了，在一些重要的问题上， 从理论上来说， 一台多重处理器的计算机的优势和一台单独处理器的计算机的优势相比，它的优势与这个问题的重要性成正比。这个定理暗示出计算机功能结构是很重要的：它论证了和单独处理器的设计相比，并行处理器的设计不可避免地成为实现重大进展的超级计算机技术的方法。
肖已经拥有了足够多的成就，至少在半打的职业领域里，他都取得了成功。除了这个核心的交易业务以外，肖的公司还孵化和分拆了许多其他的公司。也许最著名的一个公司就是朱诺在线服务公司，这是一家全世界仅次于美国在线公司的最大的拨号上网服务提供商。1999 年5 月，肖建立了这家公共公司，而且还在纳斯达克上市(代号是JWEB ) 。此外，肖还创办了DESoFT 公司，这是一家金融的技术公司，后来它被美林证券公司收购，这一次的收购事件对这家经纪公司日后发展成为一家在线的交易服务提供商至关重要。FarSight 是一家在线的经纪公司，和一家做市的营销公司一一DE肖金融产品公司， 都是DE 集团发展的其他业务， 随后都被卖给了其他公司。除了大量创办了许多成功的公司以外，肖还对薛定诗公司(正是因为这个原因，肖担任了这家公司的董事会的主席) 和分子模拟公司都提供了风险资金的支持，这两家公司都是计算机化学软件方面的领军公司。这些投资反映出肖的坚定信念，认为新药物和新材料的设计将从实验室中走出来，更多地运用在计算机中。肖预测出，计算机硬件和软件的发展在未来将不断加快研发新药物的步伐，使成功地研发出新药物成为可能， 而且他想要在把这种愿景转变为事实的过程中发挥他自己的作用。
当你看到这里时，你也许想知道，这个人还能有睡觉的时间吗?噢，这个似是而非的观点越来越加深， 因为除了这些所有的业务以外，肖无论如何都要腾出一些时间，追求他自己的政治利益。他曾经供职在克林顿总统的那届政府中的科学和技术顾问委员会，以及担任教育技术委员会的主席。DE 集团接待客户的区域一一装饰得特别少， 三十一英尺的空间， 从四面的墙壁以及七彩的阳光背景中延伸出来的长方形反射出隐秘色彩的表面一一看起来很像是现代艺术博物馆中一个巨大的展厅。这种光秃秃的，斯巴达式的，以及未来派的装饰风格毫无疑问地都折射出这家公司的技术力量。
这段采访是在大卫·肖的办公室中进行的。这间办公室非常宽敞， 屋顶非常高，打开两扇相邻的玻璃，你就可以看到南面辽阔的视野以及曼哈顿市中心的西面。肖肯定很喜欢仙人掌，这些仙人掌放在窗台上， 和办公室墙角中的那个像树一样高的绿色植物。办公室的中央摆放着一张非常大的，不规则的多边形形状的，磨砂铝的桌子。桌子的一头供办公使用， 而另一头供开会使用。我和肖分别坐在桌子的两端，面对面地完成了采访。
您开始您的生涯是通过设计超级计算机吧。您能告诉我那段经历吗?
那时我还在大学里，我着迷于这个怀疑一一人类的思维到底是什么样一一是什么让它不同于一台计算机。当我还是史坦福大学的一名大学生时，我就开始思考我是否能够设计出一台更接近于人脑的机器，它有许多的运行得非常缓慢的处理器一一也称为神经细胞一一并行工作， 而不是一个运行得非常快速的处理器。
那时还有其他人也在致力于发明并行的起级计算机吗?
虽然那时，在我开始设计超级计算机以前就已经有许多杰出的研究员一直在致力于研究并行的计算，但是， 绝大多数的研究员都只是看着那些方法，连接，比如，八台或者十六台处理器。我对这个想法一一如何做才能建造一台拥有数百万处理器的并行的计算机特别痴迷， 每一个处理器都要与一些储存器相邻。但是，必须要有一个取舍。虽然计算机有许多处理器，但是，这些计算机必须形状更小，价格更加低廉。但是，对于一些理论上的难题，你必须要提高计算机的运行速度，要使其比最快的超级计算机还要快千倍。客观地来说， 还有另外的一些研究员， 他们对那时的这些"细粒度"的并行机器特别感兴趣一一例如，某些科学家一直致力于在计算机视觉方面工作一一但是，这肯定不是计算机这个行业内永恒的主题。
您刚才说到，您一直在试图设计出一台更接近于人脑的计算机。您能详细解释一下这个吗?
那时，使计算机速度缓慢的其中一个主要因素就是经常被人们称为是"冯诺依曼瓶颈" 的这个限制。传统的冯诺依曼计算机是以约翰·冯·诺依曼命名的。这样的计算机只有一个单独的中央处理器(CPU ) ，它连接着一个单独的存储单元。最初，无论是从速度方面还是大小方面来说，中央处理器和存储单元都配合得天衣无缝。然而，随着时间的推移，随着中央处理器的速度越来越快以及存储单元越来越大， 二者之间的连接一一中央处理器需要花费一点时间才能吸取存储单元内的东西，执行计算，以及再把计算的结果送回到存储单元中一一变得越来越成为一个瓶颈。
人脑就不会出现像这样的瓶颈，因为记忆存储要经过数以亿计的不同的单元，这些单元通过无数的突触而连接彼此。虽然我们还不是很完美地理解它，但是我们的确了解，不管计算是怎么一回事，它都发生在存储单元的周围。从本质上来说， 这种想法和这种记忆看起来是更加广泛地融合在一起，这种融合要远远超过传统的冯诺依曼计算机中的这二者之间的融合。驱动我的研究向前发展的这个基本的想法就是，如果你能够建造一台计算机，在这台计算机中，每个单独的处理器都配一个单独的存储单元，那么，你也许就能够突破这个冯诺依曼瓶颈。
我猜那时还没有出现必不可少的技术吧。
这种新技术那时刚开始出现。我在1980 年完成了我的博士学历。在我成为哥伦比亚大学的一位教职工之前， 把许多处理器都放在一个单独的芯片上几平是不可能的，但是芯片上可以放一些非常小和简单的处理器。我们的研究项目就是要努力建成一个芯片，这个芯片要包含许多真实的和多位的计算机。那时，我们能够把8 位处理器放在一个单独的芯片上。如今，你也许能够把512 位，或者1024 位的相似的处理器都放在一个芯片上。那时，克雷也已经正在制造超级计算机。那么，您的研究工作和他的有什么不同之处?
西摩·克雷也许是世界上活着的最伟大的单处理器超级计算机的设计师。他因推动技术信封而著名。他每建造一台新机器，就使用一些新类型的半导体、冷却器和接线图。他从未在一台真实的计算机中使用过这些半导体、冷却器和接线图。此外，他还是一名一流的计算机建筑师，但是，他将卓越的工程技巧和绝对的技术无畏精神综合在一起使他占尽优势。他一直都对高速率的技术很精通，而且我更关注要建造、设计出一台完全不同的计算机。
您刚才提到， 您参与计算机的设计的渊源来自于您对人类思维的着迷。那么您相信， 从理论上来说，计算机最终有可能会像人类那样思考吗?
从理论的角度来看，我看不出有什么内在的原因能够证明这些计算机为什么不能像人类那样思考。
这么说来，《2001: 太空旅行》中的哈尔计算机并不是一个纯粹的科幻。
很难得到确切的答案， 但是，我本人看不出有什么引人注目的原因，让我相信这在未来的某个时间段内不会发生。但是，即使它真的能够证明我们能够造出- 白真正的智能机器，我仍然严重地怀疑， 在未来相当长的一段时间内，这并不会发生。
但是，就计算机本身能够有感觉这方面而言，从理论上来说，您相信这能实现吗?
我没有完全弄明白，一台计算机本身能够有感觉，这意味着什么，或者正是因为这样，当我们说计算机更接近于人类，我不明白这到底意味着什么。但是，我也看不出有任何内在的原因能够解释为什么认知只应该存在于基于碳氢化合物的系统中，就像我们人类。关于人类是如何思考的，肯定还有许多方面我们尚未了解，但是，在某种程度上，我们可以被视为是一种非常有趣的集高度有序的和自动调节的分子在一起的综合体。然而，我还没有看到任何一个说服力极强的证据表明，人类，作为人类进化的产品，展示了这些分子能够被组合在一起的唯一一种可能的方法，这些分子被组合在一起的目的就是为了能够产生出一种现象，例如思维。
那么，您曾经试图要把您的理论概念应用到建造一个适用于起级计算机的真实的工作模式吗?
是的，至少在一个很小的规模上，我做过这样的尝试。当我拿到博士学位后，我被哥伦比亚大学任命为计算机科学系的一名教职工。非常幸运的是，我从美国国防部高级研究计划署(高级研究计划署以建造其网络而著名，它的网络就是互联网的先驱)接到了一个百万美元的研究项目。这笔资金可以让我组织一个35人的团队，设计出那些定制的集成电路和建造这种类型的巨大的并行机器的工作原型。这是一个相当小的版本，但是它的确为我们提供了一次彻底检验我们的想法和收集数据的机会。基于相同的架构原则，我们需要用这些数据计算出全尺寸的超级计算机能够实现的理论上的速度。
如果您成功地造出一台超级计算机，那么您想过谁应该拥有所高权呢?
最初我们都没有想过。但是，一且我们成功地建造出了一个工作原型，我们都很明白，要想建成一台全尺寸的超级计算机，还需要1000 万美元到2000 万美元的资金支持，这远远超出了政府愿意为基础研究项目提供的资金。那时，我们就开始四处寻找风险投资，然后创建了一家公司。我们的初衷不仅仅是为了赚钱，而且还是为了从科学的视角来看，要把我们的研jt推向更深处的研究。
那时，其他人已经用并行的处理器的原型建造出了超级计算机了吗?
有一些人已经建造出了多处理器的计算机，包括数量相对较少的处理器，但是， 当我们启动我们的研究项目时，还没有人成功地建造出一台基于我们提出的工作原型的巨大的并行的超级计算机。
那时您成功地募集到资金了吗?
没有，至少在长达数月的尝试以后，我们还没有募集到资金， 在此之后，我的职业生涯遇到了一个意料之外的转折。要是我没有遇到这个转折，我现在也不会确切地知道，我们是否最终能够找到一个人，他愿意在一个很明显是相当风险的生意计划上拿数亿美元的资金来冒险。但是，基于早期我们从风险投资公司得到的那些反馈，我现在都怀疑我们很有可能不会募集到任何资金。但是，那时发生的事情却是当话儿一出口，说出我正在私有领域中探索选择，我就收到了一个猎头公司打来的电话，询问我是否愿意前往摩根斯坦利投资公司，参加一个非常有趣的小组。那时，我对公司的前景已经相当悲观了， 认为我们不可能再会募集到我们需要的资金，也不能再用这些资金来创办一家严肃的超级计算机公司。因此，当摩根斯坦利主动向我抛出了在我看来是一个真实的不同寻常的橄榄枝后，我就兴高采烈地就去华尔街了。
直到那时，您曾经想过您要投身金融市场吗?
不管怎么说， 我从来都没有想过。
我曾经了解到，您的继父是一名金融经济学家，他首次向您介绍了有效市场假说（关于有效市场侬说这种理论， 有三种形式: ( 1 )弱式有效市场假说一一不能用过去的价格信息预测未来的价格: (2) 半强式有效市场假说一一当前的价格反映出所有已公开的信息: (3) 强式有效市场假说一一当前的价格反映出所有的信息，包括已公开的和内部未公开的信息）。这让您对发现那些能够打败市场的策略的可行性存有偏见吗?此外，从您个人的长长的投资业绩来看，您的继父仍然相信有效市场假说吗?
虽然我的继父是向我灌输那个想法最多的第一人，这是真实的，但是，我仍然不太确定，他曾经认为要打败市场是不可能的事情， 如果不是所有的关于某家已知的公司的公共己知的信息都已经反映在它的当前的股价中。我从他那里学到的事情可能会使我比绝大多数人更加具备怀疑精神，怀疑股市中是否真的存在"免费的午餐"，但是，他从来都没有说过，也没有证据反驳有效市场假说， 这反倒证明了市场事实上恰巧是有效的。
事实上，从来都没有方法能够证明事实如此。您所能够证明的只是被测试的那些具体的模式不存在。您永远都不能证明，目前还没有可以打败市场的模式。
你说得非常正确。总而言之，我是在这个想法下长大的。这个想法就是，如果可能， 那么要想打败市场肯定也是一件非常困难的事情。而且即使是现在，我发现市场事实上是多么的有效。如果为了能够赚到一大笔钱，您必须要做的就是要在某只股票的历史价格中识别出一些标准模式，这是相当棒的。但是，那些所谓的技术分析员发表的言论大多都只与像支撑位和阻力位以及头和肩的模式这样的概念有关. 这些言论在方法得当的实证研究中绝对没有任何立足之地。
但是，是不是高可能这些模式中的许多模式都不能被严格地测试，因为它们不能被客观地定义?例如，您也许用一种方法定义了一种头和肩的模式， 而我对它的定义也许和您的完全不同。事实上，从理论上来说，关于这些模式，可以有无限种可能的定义。
是的，这是一个特别好的观点。但是，人们不能精确地解释这些正在被测试的假说就是伪科学的标志杆之一。即使对于这些模式来说，针对于那些自诩为技术分析员的人们从传统上描述的各种各样的模式而提出一个合理的共识性的定义，这也是很可能的事情，但是，从总体上来说，那些研究员并未发现这些模式有任何预测价值。有趣的事情就是，就连那些最备受人们尊敬的华尔街公司也雇用了一些这样的"前科学的"技术分析员，尽管事实是，几乎没有证据能够证明他们正在做的事情比占星术更加有用。
但是，请稍等一下。我采访过的相当大部分的交易员都更加纯粹地偏向于技术面分析，而且他们也取得了非常好的收益/风险成绩，这完全是不仅仅靠运气得来的。
我认为，这要看你对技术面的分析的定义。从历史观点上来说，绝大多数的人们都已经使用过这个术语，他们在很大程度上已经是非科学的头和肩的支持与阻力阵营中的一员。最近那些在这个行业中做严肃的和学术的工作的人们都称他们自己为定量分析员，而且其中的有些人的确已经发现了市场中存在着真实的反常现象。当然，问题就在于，一旦这些反常的现象被公布出来，这些现象可能就会消失，因为人们利用了它们。麻省理工学院教授安德鲁·罗就是这个行业中最重要的学术专家之一。他识别出了一些历史的低效的现象，而且还把这些结果公布了出来。如果你和他讨论此事，那么他很有可能会告诉你两件事情:第一件，随着时间的推移，这些现象可能会消失;第二件，他怀疑，消除这些市场的反常现象可以被部分地归因为像我们这样的公司的出现。
您能列举一个关于市场反常现象的例子吗?这个反常的现象曾经存在过，但是由于它被公布了出来，现在已经不再管用了。
我们不想泄露这方面的信息。在我们的生意中， 知道哪些管用和知道哪些不管用都一样重要。正是因为这个原因，一旦我们投入了巨额费用，这笔费用经常涉及要决定那些在公开文献中出现的反常现象都不存在，我们最不想做的事情就是让我们的任何一个竞争对手能够免费利用这种信息，将他们的注意力吸引到出版的这些结果都不再有用以及备受质疑的方法往往代表着死胡同的这个事实上面来。
那些人们都是在学术性很强的金融和经济期刊上发表他们对市场低效的研究结果吗? 还是他们中的有些人也涉及在市场中进行交易?
有些研究员事实上也在市场中进行交易，他们也公布工作中的某些方面的研究成果，尤其是在像《投资组合管理杂志》这样的期刊上面发表文章，但是总的来说，那些研究人员比那些实践人员更愿意发表他们的研究成果。
为什么像在市场中从事交易的人们也能够发表一些管用的研究结果?
这是一个非常好的问题。他们之所以这样做有若干方面的原因。发表在那些公开文献中的绝大多数的高质量的工作事实上都不能用在打败市场的实践中。反过来说，那些绝大多数的管用的研究成果也有可能从来都不会被公布。但是，只有极少数的成功的定量交易员时而不时地发表一些有用的信息，即使他们这样做，对他们没有任何好处。我喜欢的一个例子就是艾德·索普，他是这个行业中的先驱。他比其他任何人都先于做这件事情。艾德一直都很乐于公布他在数十年间不断研究而发现的那些盈利策略，不管这些策略是金融领域之内的还是之外的。当他弄明白如何在21 点的赌场上赢钱时，他就发表了《击败庄家》一书。然后，当他弄明白如何打败市场时，他就出版《打败市场》一书，用那些教授们经常使用的清晰的语言具体地解释了如何利用当时市场中存在的某些显而易见的低效现象。当然，当他出版了这本书后，那些市场低效现象就不存在了。
在赌场的那个例子中，消灭市场低效现象意昧着要在赌场中使用多个游戏机吗?
在赌博这方面，我不是专家，但是，我的理解是，这些赌博不仅要使用一些固定的和游戏相关的对策，而且他们也越来越意识到" 点算牌" 的重要性，因此，他们也变得更有效地把这些点算牌从赌场中排除出去。
我知道，一些经典套利的机会旱已不复存在。但是，当您初次开始交易时，像这样的受骗的交易还存在吗?
即使在那时，这些真实的套利机会并不多。每隔一段时间，我们都能够在一些紧密联系的工具中交易一套规模很小的交易。当这些工具被综合在一起后，它们就会锁定一笔没有风险或者几乎没有风险的交易。偶尔地，我们甚至也发现了在同样的大金融机构中的不同部门中能够执行给定的某个套利交易中的每一个部分，这是可能实现的事情。如果这个大金融机构在整合全公司的基础上一直都在使用技术来有效地管理所有的头寸， 那么，在它的不同部门中执行给定的这个套利交易中的每一个部分将是不可能的事情。但是，即使是在那段时间内，这些机会都非常稀少，现在基本上你都不会再看到它们。
计算机技术的巨大发展极大地有利于寻找那些市场低效现象，这些现象提供了一个概率优势，那么，计算机技术的这些发展会使先前的一些低效现象消失，使人们更难发现一些新的低效现象吗?
由于人们能够绝大多数的"易被识别"的低效现象，从很大程度上来说，这个游戏已经结束了。也许某一天，某人将发现一个简单的低效现象，它已经躲避了我们所有的人，但是这一直都是我们的经历，你能想到的那些最明显的和数学上的那些最直接的想法都会消失在那些潜在的交易机会中。这些想法只留给你许多规模小的低效现象，这些现象经常都是相当复杂的，通过使用一个标准的数学软件包，或者使用那些你也许在大学时学到的传统的分析技巧，你可能不会发现这些现象。即使你莫明其妙地能够发现其中的一种低效现象，不必像我们那样，在过去的11 年中， 一直都在付出非常昂贵的，长期的研究努力，那么，也许你发现的这种低效现象将不足以弥补你的交易成本。
结果，进入这个行业的门槛就变得非常高。像我们这样的公司已经识别出给定的一个金融工具中的数十个市场低效现象，我们也许能够在现有的交易成本中赚到钱。反过来说一个进入这个行业的新工作人员如果仅仅识别出一个或者两个市场低效现象，那么他往往就很难赚到钱了。
您在这方面有哪些优势?
这是一个敏感的话题。一个单独的市场低效现象也许不足以弥补交易成本。但是，当多个市场低效现象同时发生时，它们也许提供了一个机会，让你能够赚到你统计出的预期收益，收益将超出与之相关联的交易成本。在其他条件都相同的情况下，你识别出的现象越多，你可能就会遇到越多的交易机会。
如何通过使用多种策略实现盈利?每一种策略都不能独立地带来收益。作为一个简单的例子，想象一下现在有两种策略，每一种策略都能实现预期的100 美元的收益，交易成本各是110 美元。这两种策略都不能只依靠其向身而实现盈利，要想实现盈利，它必须要依靠另外一种策略。现在我们再进一步假设，这些交易的子集都能实现180 美元的均利润，交易的成本各是110 美元。在这些交易的子集中，这两种策略都能提供向着同一种方向的信号。交易子集能够获取高收益，即使每一种策略本身都是失效的。当然，对于肖的公司来说，这些策略之间的相关性的作用是非常复杂的。肖的公司在许多相关的市场中使用无数的交易策略。
随着这个行业逐渐成熟你需要找出越来越多的市场低效现象，并识别出交易的机会，而且，这对新手来说，是一件越来越难的事情。当我们在十一年前开始交易时，你识别出了一个或者两个市场低效现象，而且它们超越了交易成本。这就意味着，你还可以做有限的研究，而且开始完成盈利的交易，这给你提供了一种研究基金未来的方法。如今，情况越来越复杂。要是我们没有在11 年前开始研究，那么，我想，我们将要花费更多的资金才能达到我们现在已经达到的这个目标。
您在您的模式中只使用价格数据吗?还是您也使用那些基本面数据?
肯定地，不止使用价格数据。我们也浏览资产负债表、收入报表、交易总量的信息以及我们能够得到的其他的各种各样的数据。关于我们在实践中发现的这些非常有用的数据的类型，我不能说得太多，但是，我可以告诉你，我们使用了数量非常多的数据，而且不仅在获取这些数据方面上花费了大量的时间，而且在把它们转换成对我们有用的形式方面上，也花费了许多时间。
把贵公司的交易哲学概括成如下的几个方面是客观的吗? 只能在有限的程度上预测市场，而且任何一个单独的策略都不能实现引人注目的收益/风险率。然而， 如果您综合了足够多的策略，那么，您就能够发现一个很有优势的交易模式。
你总结得非常全面。我想补充的是，我们试图尽可能多地对冲那些系统性风险因素。
我想，您的意思应该是，用相关的空头来平衡那些多头，因此，这样就能够消除这个凤险因素一一市场中的股价波动走势。
在我们交易的多个市场中，消除对整体市场不利的因素是我们的交易方法中一个非常重要的组成部分，便于我们管理风险，但是，除此之外，还有一些其他的风险因素。关于这些因素，不管在何时，当我们没有下特别的赌注时，我们一直都在努力控制我们的头寸。例如，如果你要买进IBM 公司的股票，那么，你就会不仅在股市总体走势上以及河这个总体股市相关的计算机行业的表现上放置一个隐含的赌注，而且还会在一些其他的风险因素上面投放一个隐含的赌注。
比如?
这些例子将包括经济活动的总体水平，由IBM 的出口业务引起的未被对冲的汇率，和IBM 这家公司的资产、债务，和商业活动相关的净有效利率，以及一系列的数学衍生的其他风险因素，用直观的有用的术语来描述这些因素将是很困难的一件事情。虽然消除所有的风险因素既是不可能的又是不划算的，但是，我们仍然试图要把我们接触到的这些风险降低到最小程度。我们不能在预测这些风险因素的同时又能使我们接触这些变量，我们只能预测它们。至少能够在统计的基础上预测它们。
您在交易的初期使用的一些策略现在已经完全过时了。您能讨论其中的一个策略吗? 只是作为一个证明市场出现低效现象的例子，这个现象至少曾经一度地为您提供了交易机会。
总的来说，我不太愿意提起这些已经成为历史的市场低效现象，它们现在都已经消失了，因为这种信息能够帮助竞争对手做出如何更有效地分配稀少的研究资源的决定，这让他们有机会"免费搭乘"我们自己发现的那些反证，这将给他们带来一次不公平的竞争优势。但是，我可以给你列举一个例子，它就是估价过低的期权(期权的交易价格远远低于理论模式暗示出来的价格水平) 。要是现在你发现了一个看起来定价错误的期权，那么，通常来说，这会有一个原因。数年以前，情形并不是这样。
当您在历史数据中发现了一个看似反常的现象或者模式时，您如何判定它代表的是实实在在的事情，而不是一个出现的机会?
当你知道越多的变量时，你就有可能发现更多的虚假的统计数据，而且你更加难以判断你发现的这个模式是否真的有预测价值。我们很谨慎，尽量要避免这些与"校正数据"相关的数学陷阱。
虽然我们使用一系列的不同的数学技巧，以确定我们使用的策略很稳健，而且还要让它们有预测价值，但是，我们使用得最有用的工具之一就是科学的直接应用的方法。我们不是在这些数据中盲目地搜索那些交易模式一一你会明显地意识到在自然科学和医学研究界中使用这种方法带来的危险一一我们往往在一开始就在某种结构理论或者定性地理解市场的基础上制定一个假设，然后再测试这种假设， 看那些数据是否支持它。
不幸的是，最常见的结果是，这些真实的数据并不能提供一些证据，允许我们可以直接拒绝这个市场有效的"虚元假设" 。但是，每隔一段时间，我们的确发现了一个新的市场反常现象，它通过了我们所有的测试，于是，我们就把它纳入到真实的市场策略中。
我曾经听说过，您的公司去年(1998 年)遇到了大麻烦，但是，当我现在看您的这些投资成果时，我看到的是，曾经的最坏的收益只下降了11%一一而且，即使是这样，您很快就在几个月的时间内弥补了您赔掉的资金。我不明白这究竟是怎么一回事。那时发生了什么事情?
你刚才说到的这些投资成果只是针对于我们的股票和与股票相关的交易策略， 自从11 年前我们创办公司以来，它就一直是我们的坐盘交易活动中的核心。但是，多年来，我们在交易中也使用了固定的收入策略。从本质上来说，这种策略和我们以前使用的与股权相关的策略完全不同，而且我们接触到的基本风险也不相同。虽然我们在一开始利用这个固定的收人策略赚了许多钱，但是，在1998 年末爆发全球经济危机时，我们也亏了许多钱，和那段时期内的绝大多数的固定的收入套利交易员一样。如果按照百分比例和绝对美元的数量计算的话，虽然我们的亏损金额比那些赔钱的公司，例如，美国长期资本管理公司要小得多，但是，这些亏损数额已经相当大，足以使我们以后都不再涉足此类的交易。
美国长期资本管理公司( LTCM) 一一著名的前所罗门债券交易员约翰·梅里韦瑟领导的一个对冲基金集团，最重要的成员包括获得诺贝尔奖的两位经济学家罗伯特· 默顿和麦隆·舒尔茨一一在1998 年的下半年濒临破产。这家公司在前三年实现了年均34% 的收益率， 将其管理下的资本规模扩大到近50 亿美元。之后，这家公司仅在1998 年8 月的一个月内就亏损了44% (近20 亿美元) 。许多因素导致了这些亏损，但是，最重要的因素要归因于这家公司过度使用杠杆: 这家公司使用的借贷对其投资组合施加了大约40 倍的影响。巨额亏损和巨额债务促使了美国长期资本管理公司的破产。然而，美联储对其拨放了35 亿美元的救助资金，因此，这家公司获救了。(一家私有金融机构提供了这笔资金，这笔资金并不是政府的钱)
您已经尝试了所有的凤险业务，那么您还有时间去度假吗?
我刚刚就度过了一周的假期一一一长期以来，这是我第一次休假。
这么说来，您的假期都不多?
是的，我的假期都不会太多。当我度假时，我发现每天我都需要花费几个小时在工作上，这样做只是为了让我自己时刻处于理智状态。
您有招募杰出的数学和科学的天才的好名声。那么，您雇用他们，只是因为他们具备非常单纯的智能，即使当时您的公司中并没再适合他们的职位?
和其他绝大多数的公司相比，我们更愿意招聘一些能力强而经验不太多的人们。如果我们真的遇见一位非常有才能的人，那么，我们就会尽量把他们招聘进来， 即使我们没有适合他的岗位。最有说服力的例子也许要数杰夫·贝佐斯的例子了。我的其中之一的合伙人走进来告诉我"我刚刚面试了一位非常优秀的人他叫做杰夫· 贝佐斯。公司目前并没有适合他的工作，但是，我认为，有一天他会成为能为我们赚许多钱的人，我想，你应该抽点时间和他谈一下。"于是，我就去见了杰夫，他的智慧、创造力，以及创业的本能打动了我。我告诉那位合伙人，他是正确的，即使目前公司没有适合他的岗位，但是，不管怎么样，我们都应该把他招聘到公司中，看他以后是否符合我们的期望。
最后贝佐斯离开了您的公司，然后去创办了亚马逊公司吗?
是的。杰夫在我们公司的那段时期内，做了许多事情，但是他的最后一个任务就是和我一起工作， 寻找各种不同的与技术相关的新业务想法。其中的一个想法就是创建一个相当于万能的电子书店。当我们发现利用电子目录，可以通过英格郎姆的书店( 一家主要的书商)定购图书时，杰夫和我就做了一些快速而容易确定的计算，我们都觉得开创这样一项新业务应该是可能实现的事情，而且首笔投资金额并不大。虽然我想，那时我们都还不知道这项业务未来会有多么成功，但是，我们都认为，这是可以做的事情。有一天，当事情再向前发展一步时，杰夫说要和我讨论一下。我们散着步穿过中央公园时，他告诉我，他一直都想成为"创业者"，要是他决定他想要一个人实现这个想法时，我的想法是什么。
那么，您是怎么回答的?
我告诉他，他要离开公司，我当然很难过，而且我得让他知道他为公司做出了多么卓越的贡献。要是他继续待在公司中，前途会有多么光明。但是，我也告诉他，要是我，我也会做出和他相似的决定，我完全理解，他那时做出这样的决定，他要一个人单枪匹马地这么做，而且我也不会劝他放弃这个决定。我向他保证道，虽然不久前我们讨论了这个电子书店的想法，但是，不管怎么样，如果他决定他想要一个人去实现这种想法，我都没有任何反对意见。我还告诉他，我们也许会或者也许不会在未来做出和他竞争的决定，他说道，这对他来说，看起来还相当公平。
杰夫的离开是相当和睦的，而且当他完成了亚马逊的第一个系统的内部测试版本时，他邀请我和我公司中的其他人对它进行测试。直到我使用这个测试版本在网上定购了我的第一本书后， 我才意识到电子书店这个概念是多么强大。虽然当杰夫还在公司中时我们就讨论了电子书店这个概念，但是，正是在杰夫离开公司，他才使其成为亚马逊公司的雏形。肖的交易方法需要非常复杂的数学模式，非常快速的计算机运算能力，他的那些交易员要连续不断地对全球股票市场进行监测，以及即时的，极端低成本的交易执行，很明显地，那些普通投资者难以接触这种交易方法。但是，在这个采访中出现的一个概念也许对单独投资者来说，有很强的适用性，这个概念就是每一个无法带来盈利的市场模式( 按照肖的话说，就是" 市场失效现象" ) 。如果和其他模式一起使用，那么它就有可能成为一个盈利策略的基础。虽然肖很鄙视那些图表模式和传统的技术因素，但是，可以使用一个类推的想法:从理论上来说， 将不同的交易模式(或者指标)综合在一起，那么就有可能产生出一个有用的交易模式，即使独立地使用每个模式并不能带来盈利。
这种协同效应也将适用于那些基本面因素。例如， 一个研究员对十个不同的基本面因素进行测试，发现每一个因素都没有价值，不能暗示出股价未来的波动。难道这就意味着，我们就应该视这些基本面因素是无用的吗?显然不是。即使没有一个单独的因素能够提供出一个有用的预测效果，但是，将这些因素综合在一起也能产生出一个有用的价格指标，法是完全有可能实现的事情。
在这段采访中出现的另外一个重要的原则与使用合适的方法测试交易想法相关。一位试图发现一个系统性的方法， 或者任何一种把计算机模式合并成为信号的方法的交易员都应该非常谨慎数据陷阱一一一让计算机自动地搜索数据，测试数以万计的数据，希望能够找到盈利的模式。虽然让计算机花费时间来搜索这些数据通常都不是一个难题，但是，如此地浪费计算机却需要更关键的费用: 它很有可能会产生出那些看起来很不错的交易模式(系统) ,但是，这些模式毫无预测功能一一这就会给你的交易带来巨大的损失。
为什么呢? 因为即使是在那些随机的数据中也能找到这些交易模式。例如，如果你把100万个硬币每个都抛10次，那么，平均来说，在这些硬币中，大约有997 个硬币在落到地面上，10 次都能正面朝上。很明显地， 由此而假设这些硬币在未来在落到地面上，正面朝上的几率有可能会很大，这是相当愚蠢的。但是，像这样天真地进行推理恰恰正是一些系统研究人员应该做的事情，他们测试输入到计算机的大量的价格数据，然后用最盈利的价格组合进行交易。如果你对交易系统的很多的变化形式都进行了测试，那么，有些变化形式就偶尔地成为盈利的模式一一正像如果你掷足够多的硬币的话， 就会有一些硬币正面朝上一样。通过要求每一个理论的假设都应该优于每一个计算机测试， 以及通过采取严格的统计措施， 评估这些结果的磕著性， 肖避免了这个数据陷阱的问题。
对大卫·肖访谈记录的更新
近年来，大卫·肖公司的股权策略以及与股权相关的策略呈继续大幅上涨的趋势，实质上，尽管在这段期间内，正是因为使用了这些策略，才使其管理的资产的规模也不断扩大，收益不断提高。2000年，这些策略带来的收益率上涨了58%；2001 年，上涨了23% ;2002 年的前9 个月的收益率大约是22% (以净收益为准) 。结果，在前14 年的投资生涯中， 使用这些策略带来的年均复合收益率已经升高到24% 以上的比率，包括当前的各种费用。它的夏普比率(收益/风险措施)现在大约是2.00，对于其长期的投资记录，这可是一个相当高的数字。
在过去三年半的时间里，您的投资业绩使您管理的资产增加了两倍。使用股权策略以及与股权相关的策略，您目前管理的资产的规模是多少?这些资产的增加会给您带来一些负荷问题吗?
我们目前管理的资产大约有43亿美元，其中29亿美元的资产，我们使用了股权策略以及与股权相关的策略。现在，迫切需要提高我们的投资管理的服务，只有这样，我们才能够更加容易地募集到更多的资金，但是，对我们来说，避免接受更多的资金，使其不要超过我们相信我们能够更加有效地利用这些资金进行投资的能力，这也是很重要的一个问题。虽然在过去的几年中，由于新的搜索结果以及一些与市场相关的因素，这些策略带给我们的负荷越来越大，但是， 我们正在管理的这些资产仍然要受负荷，而不是受吸收更多资金的限制。
由于您管理的资产的规模经常接近于您预估的负荷水平，要是您自己的正面的投资业绩使您管理的资产规模不断扩大，直至超出了您预估的负荷水平，那么将要发生什么事情?
要是发生了这种情况，我们就把收益一直返还给那些投资者，直到我们管理的那些资产的规模回到我们期望的水平上。
自从上次对您的采访以来，您的交易方法有明显的变化吗?
对我们的大部分的策略来说，基本的方法没有任何变化。但是，在我们目前使用的那些策略上，我们补充了新研究的市场效应。此外，我们还使用了一种新策略，这种策略主要应用在疲软的债券市场上。
您交易的这些市场效应或者低效现象只有有限的生命吗?
这要看具体的情况。那些相对来说较容易地寻找或者利用的市场反常现象一般来说都不会出现得太久。但是，那些更加明显的市场低效现象将持续更长的时间，需要复杂的定量分析的技巧， 你才能识别出这些现象。我们一般都会关注这种类型的市场低效现象，而不会关注那些更加简单的不可能会持久的市场效应。在过去的数年中，我们不得不停止对这些更加简恨的市场效应的交易。
关于最近我们见到的那些公司和会计丑闻，您有什么看法?
我相信监管和立法在这方面的审查，公司的世界现在处于非常健康的环境中。许多行政总裁和财务总监都是在这个范围内行使他们的职权的一一在某些案例中，正像我们见到的那样，凌驾于这个框架之上一一"管理" 他们的收益以及执行复杂的可疑的资金挪移，给公司的正常发展蒙上一层阴影。像这样的行为肯定有损全球资本市场的有效运转，关系到一个国家的安全， 尽管这个国家曾经在会计透明方面领先于其他国家。这是一个相当积极的进步，应该逐步采取措施来保证投资者和分析员掌握他们投资的那些公司的正确可靠的信息。