聲明:本文來(lái)自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

文 | 孫海寧

編輯：黃俊杰

1994 年，量化公司當(dāng)時(shí)是金融界最神秘也是最炙手可熱的公司。他們聘請(qǐng)數(shù)學(xué)家和物理學(xué)家，大規(guī)模采購(gòu)高性能計(jì)算機(jī)，投身于交易領(lǐng)域。這個(gè)行業(yè)的標(biāo)桿企業(yè)是 D.E. Shaw，其單日交易量足以讓紐交所成交量突破 2%。

這一年，D.E. Shaw 在金融領(lǐng)域完成了兩項(xiàng)重要貢獻(xiàn)。一名副總裁帶領(lǐng)團(tuán)隊(duì)開發(fā)并推出了 Juno，這款當(dāng)時(shí)罕見(jiàn)的免費(fèi)電子郵件產(chǎn)品，最終成功上市；另一名副總裁離職后，帶著團(tuán)隊(duì)的創(chuàng)新理念遷移到西雅圖，推出了全球首個(gè)電子商務(wù)巨頭，其市值一度超過(guò) 20000 億美元。

30 年后，另一家量化公司——幻方（中國(guó)頭部量化公司）的“副業(yè)”對(duì)整個(gè)科技行業(yè)產(chǎn)生了深遠(yuǎn)影響：該公司管理數(shù)百億元的資金，推出了大語(yǔ)言模型 DeepSeek R1，憑借無(wú)需任何營(yíng)銷費(fèi)用的全球震撼表現(xiàn)，吸引了大量用戶，其增長(zhǎng)速度甚至超過(guò)了早年的抖音。

貝索斯創(chuàng)辦亞馬遜，或者梁文峰創(chuàng)立 DeepSeek 的根本原因，自然不是因?yàn)樗麄冏鲞^(guò)量化投資，而是因?yàn)樗麄兌季哂袆?chuàng)業(yè)者的精神。然而，量化投資這一極其重視人才密度且高度保密的行業(yè)文化，確實(shí)為其大模型研發(fā)提供了理想的環(huán)境。

單純地吸引一群聰明人并不一定能帶來(lái)創(chuàng)新，一個(gè)相對(duì)簡(jiǎn)單的環(huán)境可能更關(guān)鍵。量化投資領(lǐng)域的實(shí)踐證明了這一點(diǎn)，而 DeepSeek 則再次證明了這一觀點(diǎn)同樣適用于大模型研發(fā)。

從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律

一名從業(yè)數(shù)十年、曾調(diào)研數(shù)千只基金的投資人士表示，許多“主觀”的投資其實(shí)質(zhì)就是依靠信息的收集和嗅探?；鸾?jīng)理們會(huì)仔細(xì)研究公開的財(cái)務(wù)數(shù)據(jù)，但他們同樣熱衷于舉辦業(yè)內(nèi)人士研討會(huì)、支付高額 consulting 費(fèi)用，甚至雇傭數(shù)百人在咖啡廳外排隊(duì)拍攝獨(dú)家信息，以便更快地捕捉市場(chǎng)動(dòng)態(tài)。

因此，人脈同樣不可或缺。盡管橋水基金的創(chuàng)始人瑞·達(dá)利歐將利率和匯率變動(dòng)的原理寫入書籍，反復(fù)強(qiáng)調(diào)其投資的成功，但《紐約時(shí)報(bào)》曾指出，真正讓達(dá)利歐獲得巨大財(cái)富的秘訣在于，他能夠討好政策制定者，利用他們的“透題”能力獲利，并在書中對(duì)此進(jìn)行了論證。

量化公司完全摒棄這些捷徑。他們堅(jiān)信任何事情都早有先手，自身無(wú)力超越對(duì)手做出判斷，因此所有投資決策均建立在基礎(chǔ)事實(shí)之上：人類行為具有規(guī)律性，價(jià)格運(yùn)動(dòng)中蘊(yùn)含可被捕捉的模式，而計(jì)算機(jī)恰恰具備這種捕捉能力。

足夠多的人依靠邏輯進(jìn)行交易，其結(jié)果往往呈現(xiàn)出某種規(guī)律。

可口可樂(lè)和百事可樂(lè)均從事汽水業(yè)務(wù)，受相同市場(chǎng)環(huán)境影響。如果兩家公司的股價(jià)差距無(wú)端擴(kuò)大或縮小，至少有一家存在定價(jià)錯(cuò)誤，價(jià)格差異最終必將在二者之間找到平衡。四十年前，先察覺(jué)這一機(jī)會(huì)的投資者通過(guò)程序監(jiān)控相關(guān)股票價(jià)格差異的變化，便可管理一只規(guī)模達(dá)3000萬(wàn)美元的基金。

足夠多的人依靠情緒進(jìn)行交易，其結(jié)果同樣呈現(xiàn)規(guī)律。

可口可樂(lè)的投資者中總有過(guò)于自信者，他們更傾向于隨自己喜好的消息買入，對(duì)不喜歡的消息視若無(wú)睹。由此，新消息往往會(huì)推高可口可樂(lè)股價(jià)，學(xué)界發(fā)現(xiàn)過(guò)去收益較好的公司未來(lái)成功率較高，這一現(xiàn)象被稱為“動(dòng)量效應(yīng)”。

量化研究員賈乾指出，股票收益波動(dòng)中最多僅有5%的部分可被解釋。他的工作是找到能刻畫規(guī)律、解釋波動(dòng)的“因子”，并基于這些因子構(gòu)建投資策略。可口可樂(lè)未來(lái)走勢(shì)與百事可樂(lè)過(guò)去股價(jià)、可口可樂(lè)過(guò)去漲幅等因素相關(guān)，而股價(jià)、漲幅數(shù)據(jù)即可作為“因子”輸入量化模型。

這些因子可以是簡(jiǎn)單易懂的信息，也可以更加復(fù)雜。

特朗普常會(huì)發(fā)布各種令人震驚的想法在Twitter上，他上任初期，J.P. Morgan的研究員通過(guò)程序分析特朗普數(shù)以千計(jì)的推文語(yǔ)義，構(gòu)建了一個(gè)名為“Volfefe”的指數(shù)，并驗(yàn)證其能夠解釋美國(guó)國(guó)債利率變動(dòng)。量化模型通過(guò)買賣國(guó)債賺取利潤(rùn)時(shí)，可以將“Volfefe”指數(shù)作為因子使用。

量化公司文藝復(fù)興創(chuàng)始人西蒙斯研究過(guò)月球周期對(duì)市場(chǎng)的影響。其中一個(gè)研究路徑是：月球運(yùn)動(dòng)影響潮汐，潮汐影響航運(yùn)，航運(yùn)影響油價(jià)。但最終卻無(wú)功而返。這是因?yàn)閭鲗?dǎo)鏈條過(guò)長(zhǎng)、中間變量過(guò)多，因子對(duì)價(jià)格的影響就難以識(shí)別。

機(jī)器學(xué)習(xí)方法在量化投資領(lǐng)域普及后，許多影響股價(jià)的因子已經(jīng)完全無(wú)法用邏輯解釋。研究人員確定評(píng)價(jià)因子的標(biāo)準(zhǔn)，輸入開盤價(jià)、收盤價(jià)、成交量等“原始因子”，程序便能自動(dòng)組合、迭代出更能預(yù)測(cè)股價(jià)的新因子。投資機(jī)構(gòu)WorldQuant曾分享過(guò)一個(gè)被實(shí)際應(yīng)用于交易的“較為簡(jiǎn)單”的因子：

((rank(correlation(sum(((open * 0.178404) + (close * (1 - 0.178404))), 12.7054), sum(adv120, 12.7054), 16.6208)) < rank(delta(((((high + low / 2) * 0.178404) + (vwap * (1 - 0.178404))), 3.69741))) * -1)

除了能增加因子對(duì)價(jià)格的解釋能力外，公式中的 0.178404 等數(shù)字并沒(méi)有明確的現(xiàn)實(shí)意義。量化研究員對(duì)此并不介意。如果信號(hào)非常明顯，早就會(huì)被用于交易。有些信號(hào)你不懂，但它們就在那里，可能強(qiáng)度還蠻大。文藝復(fù)興的彼得 · 布朗說(shuō)。

量化分析師軒浩告訴我們，因子的設(shè)計(jì)需要兼顧現(xiàn)實(shí)意義和突發(fā)性，普通人能想出十個(gè)就非常了不起。人想出的因子能持續(xù)數(shù)月甚至半年還能為基金帶來(lái)收益。而機(jī)器挖掘出來(lái)的因子很快就會(huì)失效，但每天都能產(chǎn)生成千上萬(wàn)條。

如果信息過(guò)多了，搶著做同一種交易，就會(huì)導(dǎo)致失效。這讓量化行業(yè)在保密方面近乎偏執(zhí)。頭部量化公司要求前員工 18-24 個(gè)月內(nèi)不能自己交易，也不能去其他公司任職。軒浩說(shuō)，這有點(diǎn)像 gardening leave，回家種花。

D.E. Shaw 的創(chuàng)始人大衛(wèi) · 肖表示，他們的安保水平堪比中央情報(bào)局。當(dāng)記者問(wèn)他們是否使用神經(jīng)網(wǎng)絡(luò)算法時(shí)，這位擁有數(shù)十億美元財(cái)富的創(chuàng)始人回答說(shuō)："我可以告訴你，但必須殺了你。"

單次買賣可能賺也可能賠，但量化公司只關(guān)注長(zhǎng)期交易中擊敗市場(chǎng)的概率。2000 年初，文藝復(fù)興的大獎(jiǎng)?wù)禄鹈刻旖灰?15-30 萬(wàn)次，員工表示公司只在 50.75% 的情況下是對(duì)的，但這已經(jīng)足夠成就公司大獎(jiǎng)?wù)禄鹨荒旯芾?38 億美元、賺 21 億美元的成績(jī)。

招募聰明的人，在簡(jiǎn)單環(huán)境中解決復(fù)雜問(wèn)題

每年美國(guó)國(guó)家數(shù)學(xué)博物館都會(huì)舉辦一次 "數(shù)學(xué)大師" 賽事：聚起一群聰明人，比誰(shuí)能在限時(shí)內(nèi)解出最多這樣的數(shù)學(xué)題：找到最小正整數(shù) m，使得 m2+7m+89 能被 77 整除。

2014 年的比賽中，參與者中有陶哲軒，當(dāng)時(shí)他 24 歲成為加州大學(xué)洛杉磯分校數(shù)學(xué)系終身教授，31 歲獲得菲爾茲獎(jiǎng)。不過(guò)他只是第二名，第一名是約翰 · 奧弗德克，Two Sigma 的聯(lián)合創(chuàng)始人。

奧弗德克可能也不是 Two Sigma 最聰明的人。2015 年時(shí)，Two Sigma 已經(jīng)招募了 130 名博士和 6 名國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽獲獎(jiǎng)?wù)?。奧弗德克前東家 D.E. Shaw 直接表示，他們招聘時(shí)沒(méi)有任何歉意的精英主義，前美國(guó)財(cái)政部長(zhǎng)、哈佛大學(xué)校長(zhǎng)勞倫斯 · 薩默斯在 2006 年想去 D.E. Shaw 工作，同樣要做智力測(cè)驗(yàn)。

量化投資公司更傾向于招募數(shù)學(xué)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)等專業(yè)的候選人，而金融學(xué)和商科類專業(yè)的背景并非必要優(yōu)勢(shì)。

在浙江大學(xué)攻讀通信工程專業(yè)的梁文峰，在創(chuàng)立幻方之前，他的職業(yè)生涯曾側(cè)重于參加包括NOI（全國(guó)青少年信息學(xué)奧林匹克競(jìng)賽）、IOI（國(guó)際信息學(xué)奧林匹克競(jìng)賽）等國(guó)際學(xué)科競(jìng)賽，并在取得優(yōu)異成績(jī)，尤其是金牌之后的年輕人。如果沒(méi)有競(jìng)賽背景，建議本科階段考入北大、浙大、清華等頂尖學(xué)府，并主修計(jì)算機(jī)科學(xué)或電子信息工程專業(yè)。

科學(xué)家在該領(lǐng)域的優(yōu)勢(shì)不在于計(jì)算能力或數(shù)學(xué)天賦，而在于他們所具有的科學(xué)思維。西蒙斯指出，這些科學(xué)家更傾向于避免被偶然事件所左右。

2022年2月，一名曾分析過(guò)股票的首席分析師撰寫了一份“定量分析”報(bào)告，預(yù)測(cè)寧德時(shí)代未來(lái)股價(jià)可能下跌超20%。盡管該分析師事后證明他的結(jié)論是正確的，但他采用了一種以偶然性為依據(jù)的推導(dǎo)方式：在一年前，貴州茅臺(tái)在類似的市場(chǎng)環(huán)境中出現(xiàn)過(guò)相似的股價(jià)走勢(shì)，因此他推測(cè)茅臺(tái)的 past 下跌幅度可以作為指引來(lái)預(yù)判寧德時(shí)代的表現(xiàn)。

量化研究則采用了不同的研究范式。在Two Sigma公司面試應(yīng)征者時(shí)，一個(gè)例題是如何利用數(shù)學(xué)方法驗(yàn)證“CEO離任會(huì)導(dǎo)致公司股價(jià)下跌”這一假設(shè)。面試者與考官將圍繞這一問(wèn)題展開討論，涵蓋以下幾點(diǎn)：如何確定收集的數(shù)據(jù)樣本足夠多、足夠全面？如何定義“下跌”——是用一天的跌幅，還是一周、一個(gè)月的跌幅？如何設(shè)計(jì)對(duì)照組和測(cè)試組以確保兩者盡可能相似？如何區(qū)分CEO離任是由于能力不足還是正常退休？如何區(qū)分股價(jià)下跌是由于CEO離任，還是被整體市場(chǎng)向下拖累？采用哪種統(tǒng)計(jì)值作為推斷依據(jù)？當(dāng)該統(tǒng)計(jì)值超過(guò)多少時(shí)，應(yīng)以多大的置信度拒絕原假設(shè)？

盡管量化公司與傳統(tǒng)金融行業(yè)在選址上保持距離，Two Sigma、D.E. Shaw等公司選擇不在華爾街設(shè)立辦公室，而將總部設(shè)在杭州，其與同行們的北京辦公室則聚集在清華大學(xué)科技園，而不是國(guó)貿(mào)、金融街等傳統(tǒng)金融區(qū)。這種選址策略本身是一種宣言：不依賴人情世故，不依賴信息交易，潛心研究也能創(chuàng)造財(cái)富。

去過(guò)D.E. Shaw辦公場(chǎng)所的投資人表示，那里的環(huán)境非常安靜，類似于大學(xué)圖書館的研究室。文藝復(fù)興公司內(nèi)部有一個(gè)可容納100人的禮堂，定期舉辦科學(xué)講座，涵蓋如結(jié)直腸癌最新研究等話題?！爱?dāng)聽到有人談?wù)撚腥さ慕y(tǒng)計(jì)應(yīng)用時(shí)，有助于激發(fā)思考?！币幻麊T工如此說(shuō)道。

為了激勵(lì)聰明的人不斷進(jìn)行創(chuàng)新，最好的方法是減少不必要的管控和干預(yù)。

詹 Voros 于一家全球頂級(jí)量化投資機(jī)構(gòu)任職，該機(jī)構(gòu)內(nèi)部設(shè)有多個(gè)互不相通、獨(dú)立運(yùn)作的投資小組，類似于若干個(gè)小型投資機(jī)構(gòu)：只要各組能夠有效控制風(fēng)險(xiǎn)，投資方法論不必一致，扣除公司提供的分成收益及數(shù)據(jù)接口等費(fèi)用后，剩下的利潤(rùn)全部歸該組所有?！坝幸粋€(gè)組發(fā)現(xiàn)了某類另類資產(chǎn)，制定了獨(dú)特的投資策略，賺取了數(shù)十億元的資金。所有員工都實(shí)現(xiàn)了財(cái)富自由?！?/p>

通過(guò)減少不必要的干預(yù)和管控，可以更好地激發(fā)創(chuàng)新活力。

另一類量化投資公司更傾向于集體決策，讓團(tuán)隊(duì)共同開發(fā)一個(gè)交易系統(tǒng)，同時(shí)保留一定的自主權(quán)。在文藝復(fù)興科技公司，員工可以自由出入同事辦公室，隨時(shí)與同事討論或協(xié)作。研究團(tuán)隊(duì)需要將成果進(jìn)行展示，如果沒(méi)有取得顯著進(jìn)展，團(tuán)隊(duì)成員可能會(huì)感到壓力。公司的評(píng)判標(biāo)準(zhǔn)非常明確：如果交易賬戶在一天結(jié)束時(shí)相比開始時(shí)有收益，則被視為成功。

這種管理方式與互聯(lián)網(wǎng)公司有著顯著的不同。大公司通常將中層管理者的晉升機(jī)會(huì)與手下員工的人數(shù)掛鉤，不允許他們參與其他團(tuán)隊(duì)的工作，也不允許他們?cè)诠芾韺訒?huì)議中爭(zhēng)奪更多的業(yè)務(wù)領(lǐng)域。所有員工都需要在每周、每月、每年的KPI或OKR中提前制定自己的目標(biāo)和計(jì)劃。在這種環(huán)境下，很難區(qū)分個(gè)人貢獻(xiàn)與公司整體表現(xiàn)，因此管理者必須依靠各種管理手段來(lái)激勵(lì)員工。

文藝復(fù)興科技的管理模式與幻方量化公司相似，并被DeepSeek量化交易團(tuán)隊(duì)繼承。他們的辦公區(qū)在會(huì)議室的兩側(cè)都設(shè)置了可以隨時(shí)推開的門，營(yíng)造出一種"留有余地"的氛圍。"我們一般不前置分工。"梁文峰這樣表示，員工不需要設(shè)定明確的目標(biāo)KPI，"遇到問(wèn)題，自己就會(huì)拉人討論。"當(dāng)一個(gè)想法顯示出潛力時(shí)，公司會(huì)根據(jù)需要調(diào)配資源。

一種方式，用到極致

將數(shù)十億美元交給機(jī)器進(jìn)行交易決策，完全信任這些算法，即使對(duì)行業(yè)先驅(qū)也是如此。在嘗試使用機(jī)器學(xué)習(xí)算法時(shí)，西蒙斯并不放心，因?yàn)樗麩o(wú)法理解模型為何總是建議買入而不是賣出，"這是一個(gè)黑箱！"

緩解這種焦慮的方法不是重新引入人工干預(yù)，而是通過(guò)窮盡數(shù)據(jù)和算力，充分挖掘算法的潛力。文藝復(fù)興科技的數(shù)據(jù)庫(kù)自18世紀(jì)以來(lái)就開始積累，如今"每天增長(zhǎng)40TB（1TB=1000GB）"。他們擁有"52000個(gè)計(jì)算核心和150GB每秒的全球傳輸速度"。Two Sigma則擁有"超過(guò)7200個(gè)服務(wù)器"和"來(lái)自10000多個(gè)數(shù)據(jù)源的300PB數(shù)據(jù)（1PB=1000TB）"。

在調(diào)用資源、設(shè)計(jì)量化策略時(shí)，團(tuán)隊(duì)需要對(duì)每一個(gè)細(xì)節(jié)都充滿熱情。例如，一個(gè)模型預(yù)測(cè)股價(jià)會(huì)上漲20%，那么我們應(yīng)該以什么概率相信它？如果模型建議買入并開倉(cāng)1000股，那么應(yīng)該在10秒、20秒還是1分鐘內(nèi)完成交易？在賣出的時(shí)候，是等到股價(jià)漲到20%、市場(chǎng)交易量減少的時(shí)候，還是趁有人愿意以較低價(jià)格買入，漲到15%就提前止盈？

不是每一分投資都會(huì)有相應(yīng)的回報(bào)，結(jié)果出現(xiàn)之前，量化研究員甚至無(wú)法確定自己的努力方向是否正確。伊黎曾嘗試從文本信息中提取因子。她首先人工瀏覽了1000條樣本數(shù)據(jù)并打上了標(biāo)簽，然后用這些數(shù)據(jù)訓(xùn)練了一個(gè)自動(dòng)打標(biāo)的語(yǔ)義分析模型。接著，她又用這個(gè)模型驗(yàn)證打標(biāo)的準(zhǔn)確性。經(jīng)過(guò)分析，她篩選出了幾十個(gè)因子，測(cè)試后發(fā)現(xiàn)有五個(gè)因子可以應(yīng)用。

大模型的發(fā)展與上述量化策略類似。GPT模型的理論架構(gòu)最早來(lái)自于谷歌，而OpenAI成為受益者，正是因?yàn)樗麄兏矣谠谇熬吧胁淮_定時(shí)租用算力資源、購(gòu)買數(shù)據(jù)集，反復(fù)訓(xùn)練更大的模型。雖然1.17億參數(shù)的模型表現(xiàn)平平，15億參數(shù)的模型依然不夠理想，但到了1750億參數(shù)的階段，模型才真正開始展現(xiàn)出智能。

黃仁勛曾問(wèn)OpenAI聯(lián)合創(chuàng)始人蘇茨克沃："在研發(fā)GPT模型時(shí)，你一直相信擴(kuò)大規(guī)模能提高性能嗎？"蘇茨克沃回答："這是一個(gè)直覺(jué)。我有一個(gè)很強(qiáng)烈的信念，更大意味著更好。"

量化從業(yè)者梁文峰在畢業(yè)后沒(méi)有選擇當(dāng)時(shí)較好的就業(yè)機(jī)會(huì)，反而花了幾年時(shí)間獨(dú)自研究用算法投資股票，結(jié)果現(xiàn)在再想換工作都很難。

到了2021年，大語(yǔ)言模型的興起更多體現(xiàn)在學(xué)術(shù)領(lǐng)域，ChatGPT的出現(xiàn)讓量化投資公司開始大量采用機(jī)器學(xué)習(xí)技術(shù)。然而，僅有的幾家使用AI的量化公司中，幻方花為了測(cè)試技術(shù)實(shí)力，斥巨資購(gòu)買了上億元用于購(gòu)買一萬(wàn)張英偉達(dá)顯卡，用于運(yùn)行各種大型AI模型。

成功人士往往能找到一套正確的方法論，并將其貫徹到極致。前者更多依賴運(yùn)氣因素，后者則需要依靠堅(jiān)持原則的信念，這正是AI無(wú)法替代的人類決策特點(diǎn)。

文中提到的賈乾、軒浩、伊黎均為化名。

圖片標(biāo)題來(lái)源：《模仿游戲》