「我们不雇佣数理逻辑不好的学生」这句话是一个公司创始人说的，也是他的公司招聘的唯一硬性标准。如果你能进入这个公司，你的一只脚就跨入了富豪的行列了。

想象一下，如果 1ml 水价值 100 元，那么 1 瓶 500ml 的水就价值 5 万元；

一箱 24 瓶的水就价值 120 万元，而一个普通集装箱大约可以装 2700 箱，价值约 32.4 亿元；

如果你有 226 个这样的集装箱，你就拥有大约 7340 亿元的样子，这是多大的规模？

一家叫文艺复兴的公司在今年3月提交给美国证监会的 13F 表格中所声明的他们管理的资产总市值：7348.7 亿美元。

而这家公司的老板，既没有经济学背景也不是金融出身，他靠着数学领域积累的知识在金融市场披荆斩棘，通过将数据模型化进行量化交易，成为了华尔街有史以来最成功的对冲基金经理之一 ，詹姆斯·西蒙斯。

本文要讲讲的大神西蒙斯和大奖章基金的事儿。

大奖章基金 = 印钞机？

西蒙斯创办的文艺复兴公司，旗下最负盛名的基金叫：大奖章基金（medallion fund），从 1988 年到 2018 年，保持了 66% 的平均年化收益率。

通常情况下，对冲基金公司会收取 2% 的管理费和 20% 左右的业绩分红，剩下的收益分给投资人，但文艺复兴的收费几乎是整个行业最高的，他们收取 5% 的管理费和 44% 的业绩分红，虽然十分过分，即便如此，扣除这些费用后，大奖章基金的平均年化收益依然做到了 39%。

哪个基金能做到 39%收益率，其实不算难，有很多做趋势交易的小规模期货投资基金在时运好的时候几乎都能做到，但谁能连续判断趋势正确呢？有可能第二年负收益了。

但连续 30 年做到 39% 的收益回报，大奖章基金简直是横行金融行业的「哥斯拉」，如果你非常幸运的在 1988 年给这个基金投资 100 美元，那么在 2018 年你的收益是 195.18 万美元。

不过很遗憾，大奖章基金你根本买不到，从 1988 年到 1993 年，大奖章基金只有五年时间接受外部投资，之后便关闭了入口，从此只接受公司的内部人员的钱进行投资，有人问为什么这样做？

道理很简单，因为赚钱一时爽，一直赚钱一直爽，假如你家里有一台印钞机，可以源源不断的生产钞票，你也根本不需要把钱再分给外人，自己闷声发大财就好了。

那么文艺复兴公司的老板詹姆斯·西蒙斯 ，到底是什么人？

西蒙斯，数学家？

20岁的西蒙斯从麻省理工数学系毕业，23岁便拿到加州大学伯克利分校的数学博士学位，凭借博士期间一篇名为《关于完整系统的传递性》论文，西蒙斯获得了在麻省理工 3年的任教工作机会，不过后来还是跳槽到了哈佛大学教课。

似乎在顶尖学府做学术做教育是一件非常完美的事，但西蒙斯跟别的数学家不一样，他不是一个理想型的数学家，他极度渴望赚钱，这不光是为了满足对豪车豪宅的物质欲望，更是因为他从内心就认为「金钱就是力量」（Money is Power）。

1964年苏美冷战时期，美国国防分析研究所（IDA）联系了西蒙斯，想高薪邀请他加入一个数学研究小组来破译苏联的密码，就像当年的图灵一样，并且保证他在工作之外还能有时间研究其他数学问题。

如此好事儿，西蒙斯马上就答应了，这一干就是4年，然而因为自己的反战态度得罪了当时的军方领导就被开除了。离开 IDA 后，西蒙斯去了纽约大学石溪分校担任数学主任，在那里他达到了人生的学术生涯巅峰。

1974年，西蒙斯和数学大师陈省身共同发表了一篇论文，提出了陈-西蒙斯定理（chern-simons form）描述三维拓扑量子场论，直接导致西蒙斯获得了1976年维布伦奖（Oswald Veblen Prize），这是几何和拓扑学界的最大奖项，同时，这个理论间接的促使 2016年诺贝尔物理奖的诞生。

西蒙斯和好友陈省身、杨振宁的合照

清华大学 2005年落成的「陈-赛蒙斯」专家公寓，就是当年西蒙斯捐款修建的。

而此时的西蒙斯在石溪分校不仅研究数学，还在研究大宗商品的交易，改变就在不经意间发生。

数学家离开了象牙塔

1978年，他离开石溪分校，创办了 Monemetrics 公司，正式进入金融工业界，并邀请曾经 IDA 的同事 伦纳德·鲍姆和詹姆斯·阿克斯一起创业。 靠着东拼西凑搞来的400万，一支叫 Limroy 的对冲基金就运作起来了。

西蒙斯他们开始像研究数学问题一样，研究外汇市场。试着模拟出外汇策略，当出现市场信号时，让程序自动进行买卖，这在一定程度上就是现在机器学习干的事儿，梳理海量数据，模拟不同的预测方案，而这种交易方式，在当时华尔街纯属异类。

在1982年西蒙斯又开始涉足一级市场中科技公司的投资，因此把公司改名为「文艺复兴」。从1978年到1995年，在这17年间文艺复兴发生了翻天覆地的变化。

1984年，合伙人鲍姆因为投资失败造成巨大亏损，直接导致自己从公司出局。

1985年，阿克斯想要把公司搬到加州，西蒙斯答应了并且参股了阿克斯新公司的 25% 的股份。

1988年，西蒙斯不满足阿克斯 20% 年化收益，便招揽了香农的弟子数学家 埃尔温·伯利坎普来改进交易模型，由于阿克斯和伯利坎普的投资思路不同，产生了矛盾，最后阿克斯也出局。

1990年，伯利坎普也离开文艺复兴，回到了伯克利教书，西蒙斯以6倍价格回收了伯利坎普的股份。从此西蒙斯一人掌控文艺复兴，而这是一个时代的开始。

1993年，西蒙斯从 IBM 请来比特·布朗和罗伯特·莫瑟两个编程大师，两年后，基金开始改革策略，让原本严重依赖商品、外汇、债券市场资金管理规模达到极限的基金，瞬间找到了新的跑道。基金规模也从1992年的 2.8 亿美元增长到 1997年的 9.0 亿美元（包括期货、大宗商品、外汇、债券、股指）。

虽然基金运行了10多年，但依然不能完全相信模型，时常主动介入交易，2000年的股灾，大奖章基金短时间血亏，西蒙斯毫不迟疑的停掉了策略就是一个铁证。后来，基金重新盈利，年终将所有的损失扳回来，这事儿是后话。

因为大奖章基金并不对外公开，内部非常隐秘，外界充满了对他们的猜测，根据西蒙斯团队的背景，猜测他们使用了隐马尔科夫模型（HMM）相关的算法，但很可惜，这点并没有实际的证据。

钱，真的能改变一切

2000年股灾，大批对冲基金倒闭，标普 500 指数收益率 -9.10%，而大奖章基金依然逆天的创造了 128.1% 的收益率。

有了钱，他们就开始更加丧心病狂的收集数据，包括抓取市场上所有状态的交易订单、交易标的公司的年度、季度盈利报告、政府报告、经济预测和学术论文，甚至把新闻媒体的关键词、互联网的帖子评论，几乎一切可以拿来结构化的数据，统统放入自己的数据库保存并进行分析。

为了试图从中找到可靠的交易模式，公司的目标是预测股票在几秒钟后、几天后、甚至几个月后的价格，而这套全自动的系统和策略一直平稳运行着。

同时，公司成长到近200名员工，这其中超过半数是数学家、物理学家、统计学家，这个公司几乎看不到商学院出身的人。

这显然和西蒙斯自己的偏好有关系，他曾经说过：我们不要数理逻辑不好的学生。好的数学家需要直觉，对很多事情的发展总是有很强的好奇心，这对于战胜市场非常重要。

西蒙斯还干了件非常厉害的事儿，因为现行算法运作良好，他和布朗一商量，让新员工研发新的算法，并且投入部分资金到加拿大、日本、英国、德国，中国香港、芬兰、瑞士。

通常来说，其他地区金融市场会跟随美国脚步来变化，但信息却有滞后，动作会不同步，正因如此，大奖章基金的交易跟整个市场的相关性迅速下降，风险也随之分散了。而加入外国市场的这一步，是一招妙棋。

巴菲特也自叹不如

聊点专业金融的事儿，我们判断一个投资组合往往采用夏普比率 作为指标，用来衡量收益和波动性关系。夏普比率是由诺贝尔获得者威廉夏普 1966 年提出的。夏普比率，越大，说明同样风险下获得更高回报。

1990 年到 2000 年，大部分时间里大奖章基金的夏普比率为 2.0，是同期标准普尔 500 指数夏普比率的 2 倍。在加入国外市场算法和改进交易技术后，大奖章基金的夏普比率在 2003 年飙升至 6.0。

6.0 是什么概念？拿另一个例子对比一下，从 1976 年到 2011 年，股神巴菲特掌控的伯克希尔·哈撒韦的夏普比率是 0.76。

6.0，可能是股神想都不敢想的事儿！

在 2000 年科技泡沫破裂期间，文艺复兴也难逃此劫，虽然最终扳回所有亏损，但中间还是被市场按在地上摩擦了很久，亏了很多，西蒙斯决定向银行买入「一篮子期权（a basket of options）」来保护自己。

这样避免市场再次崩溃，公司也不至于像之前那么狼狈。当时全球降息，住房市场复苏，银行迫切需要把钱贷款出去，像文艺复兴这样的稳定高回报的基金，简直就是银行的救世主。

一篮子期权是一种金融工具，它的价格和市场表现挂钩，文艺复兴通过一篮子期权构建的投资组合，以非常高的性价比给自己的基金加了杠杆，同等资金成本，它的竞争对手杠杆空间只有 7 倍，而大奖章基金可以做到 20 倍，拿 2002年的数据看，标普 500 下跌了 22.1%，而大奖章通过看跌期权撬动了 20 倍的杠杆，控制了 600 亿美金的头寸，最终获利 25.8% 的收益。

构建这种规模的期权组合其实很复杂，尤其是大奖章基金本身就有无比多的策略，每个子策略可能就代表它持有某种资产的头寸。

银行作为期权卖方，实际承担了无限风险，不知道当时大奖章是如何说服他们的？有可能是权利实在太香了，实在忍不住就出来卖了。卖对了负责人升职加薪，卖错了拍屁股走人，反正银行背锅。

而持有一篮子期权还有巨大隐藏好处，就是让文艺复兴有资格获得更优惠的长期资本利得税。在美国，短期收益的税率为 39.5% ，长期资本利得税是 20%，这相差实在太了，因此文艺复兴可以光明正大的从美国国家税务局（IRS）眼下避税，简直是白 Piáo 的高手。

不过这事儿被 IRS 查出来了，这是 IRS 目前处理过的争议最大的案件，涉及到了68亿美金的补缴税款。作为金融界最大的瓜，各大媒体进行了长年的跟踪报道，但最后交税是逃不过的，反正西蒙斯赔得起，68亿不值一提。

华尔街闯荡 30年的西蒙斯把文艺复兴这个「金融小作坊」，做成了「金融巨鳄」，在2009年的时候选择了退休，一直作为文艺复兴科技公司荣誉主席至今。

从西蒙斯他们依靠数学模型自动化完成分析和交易，这是一个数学家的远见和胆识的完美结合，而系统进行实际预测的结果市场反应的一样时，这也许就是数学的魅力所在吧。

精通算法和数学的交易员

成为了华尔街最重要的玩家

权容禛 | 著

何佩佩 | 译

本书生动讲述了华尔街「宽客」及其运用量化交易技术驰骋于投资领域的故事，同时介绍了人工智能在投资领域的发展。全书分为三部分。第一部分介绍了开创量化交易的几个著名人物。第二部分结合作者在华尔街对冲基金公司与投资银行的工作经历，描述了宽客的职场生活和竞争压力。第三部分剖析并展望人工智能在投资领域的应用发展趋势，以此帮助读者更好地了解这个行业的未来动向。

算法领域的「圣经」

豆瓣评分 9.4

Robert Sedgewick , Kevin Wayne | 著

谢路云 | 译

本书作为算法领域经典的参考书，全面介绍了关于算法和数据结构的必备知识，并特别针对排序、搜索、图处理和字符串处理进行了论述。第4版具体给出了每位程序员应知应会的50个算法，提供了实际代码，而且这些Java 代码实现采用了模块化的编程风格，读者可以方便地加以改造。本书配套网站提供了书中内容的摘要及更多的代码实现、测试数据、练习、教学课件等资源。

本书适合用作大学教材或从业者的参考书。

配套网站algs4.cs.princeton.edu提供了本书内容摘要以及相关代码、测试数据、编程练习、教学课件等资源。

机器学习和量化交易相结合

打造 AI 预测股市的新策略

[韩]安明浩 | 著

王雪珂 | 译

本书介绍了机器学习必要的统计与概率方面的数学理论，以及适用机器学习的领域相关的领域知识，同时收录了实现代码。利用机器学习编写程序时，机器学习算法所占的比重并不大，重要的是理解数据并掌握特性。在此过程中，如果具备统计与概率相关的数学知识和机器学习应用领域的专业知识，则能大大节约时间，并简化问题。经过这些过程的机器学习才能获得良好的应用效果。