1. 量化分析三大層次
什麼是量化投資？
最近十年來,量化投資成為了歐美資本市場發展的熱點與焦點,一舉成為了國際投資界興起的一個新方法,發展勢頭迅猛,。量化投資和基本面分析、技術面分析並稱為三大主流方法。由於量化投資交易策略的業績穩定,其市場規模和份額不斷擴大,得到國際上越來越多投資者的追捧。
過去20年收益率最高的基金,是文藝復興科技公司的大獎章,其客戶平均年收益率高達35%;而過去四年高盛旗下的量化基金規模翻了一倍,超過1000億美金。由此可見,量化投資已經成為機構投資者的重要利器。
量化投資對於基金公司/資產管理公司而言,有著非常明顯的價值:
首先是容易沖規模。一個有效的量化模型是可以在多個產品上進行快速復制,從而迅速做大規模。這個在巴克萊的指數增強系列產品上得到最明顯的體現。截止2011年底,巴克萊量化基金,管理規模超過1.6萬億美金,超過富達基金,成為全球最大的資產管理公司。
其次是可以獲得絕對收益。利用量化對沖方式,構建與市場漲跌無關的產品,賺取市場中性的策略,適合追求穩健收益的大機構客戶,例如保險資金、銀行理財等。這個產品的代表性公司就是目前全球最大的對沖基金BridgeWater,旗下的旗艦產品Pure Alpha過去五年共賺取超過350億美金。
第三是杜絕了內幕消息和老鼠倉。量化投資只利用公開數據,通過數學模型的運算,挖掘出隱藏在公開數據後面的信息,從而戰勝市場,從方法論上就杜絕了內幕消息的可能。在交易過程中利用復雜的IT系統進行程序化交易,使得老鼠倉也無法成為可能。在國內金融市場監管日趨規范的情況下,量化投資這種方法必然會成為投資研究的主要方法。
量化投資的理論基礎
說到量化投資的理論基礎,就要從市場有效性假說說起，技術分析、基本面分析和量化分析代表了有效市場的三個不同的層次。在無效市場,技術分析是充分有效的,這在中國資本市場最初的十年得到很好的體現;當市場進入弱有效市場後,可以依靠基本面分析獲得超額收益,2000年到2010年這十年基本上屬於這個時代;當市場進入半強有效市場後,也就是從2010年開始我們可以觀察到大部分基本面分析的產品已經無法獲得超額收益,此時國內市場已經進入半強有效市場。當然當市場進入強有效市場後,則無論哪種方法均無法戰勝市場,那時候只能被動指數化投資。
傳統的有效市場假說認為,在半強有效市場,只能依靠非公開信息(內幕消息或者私人消息)來獲得超額收益。但是我們可以知道的是,除了非公開信息並不是只有內幕消息和私人消息,還有另外一個獲得非公開信息的方法:就是利用數據挖掘的方法,從公開的數據中挖掘出非公開信息,也就是量化投資的方法。這也就是在美國等成熟市場(基本上進入半強式有效市場狀態),量化投資為啥可以得到蓬勃發展的原因。
隨著中國市場有效性的提高,中國開始進入半強式有效市場階段,再加上監管層對內幕消息的監管越來越嚴厲,使得通過這種方法獲得非公開信息的方式越來越難,因此量化投資就成為了一個最好的獲得非公開信息的科學理論與技術。
很多人問:量化投資是不是僅僅是一個曇花一現的概念,還是一個可以長期有效的科學理論,我想通過上述對有效市場假說的分析,已經得到了明確的答案:量化投資是在半強式有效市場中的最佳分析理論,也幾乎是唯一可行的分析理論。
美好前景
中國經濟經過30年的高速發展,各行各業基本上已經定型,能夠讓年輕人成長的空間越來越小了。未來十年,量化投資與對沖基金這個領域是少有的幾個,可以誕生個人英雄的行業,無論是出生貴賤,無論是學歷高低,無論是有無經驗,只要你勤奮、努力。腳踏實地的研究模型,研究市場,開發出適合市場穩健盈利的交易系統,實現財務自由,並非遙不可及的夢想。
曾經有研究助理抱怨:「我們做量化研究的,一年都沒有啥機會出去調研,免費旅遊的機會都木有啊」。
「你只要好好研究量化模型,找到持續穩定盈利的策略,自然就會有大量的資金來找你合作,實現財務自由不困難。到時候你會開著遊艇出海,去拉斯維加斯享受,去非洲草原獵象,又何必在乎眼前的這點免費旅遊呢？」他點頭如搗蒜。
在中國目前的很多領域,賺錢已經變成一個非常困難的事情,但是在量化投資與對沖基金領域,是完全依靠自己的勤奮與努力。一個持續穩定賺取的模型,不是靠關系和背景就可以的,而是靠著自己的聰明才智和腳踏實地的工作。
2. 量化投資到底是什麼鬼，未來將顛覆中國股票市場
量化投資在一定程度上已經被別有用心地神話或者說標簽化了，就像當下風頭正勁的「互聯網金融」一樣，很多時候都被包裝成了看似「高端大氣」、且可能「一夜暴富」的賣點或者噱頭。追根溯源，其實量化就是指運用數學或者統計模型來模擬金融市場的未來走向，從而預估金融產品的潛在收益。在前文中，我們還曾提到多個數字，如平均年收益率、年回報率、年盈利率，這些其實都表徵同一個量化指標，即「年化收益率」。它是指投資者在一年的投資期限內所能獲得收益比例，專門用於評估投資行為或金融產品的好壞優劣。 那麼，究竟多高的年化收益率才能給投資者帶來豐厚的投資回報?為了更加清楚的分析這個問題，我們不妨舉個例子。
比如某位名叫「G」的投資者，在1990年時持有3.8萬的啟動資金，如果其所認購產品的平均年化收益率是60%，那麼經過25年，到2015年，「G」將會擁有40億，但如果其所購產品的平均年化收益率上漲15%(到75%)，那麼25年後，「G」的資產將會是40億後再加個零，變成400個億。百億身價竟僅僅始於3.8萬?這種堪比原子彈爆炸的財富增長若僅僅用「回報豐厚」來形容，會不會未免有些太吝嗇了?我並不十分相信那些投行精英們會如此慷慨無私，讓投資者只需在家坐著就能穩收百億回報，所以如果今後有人向我推薦金融產品，而且宣稱年化收益率可以有60%，我肯定得思量思量，自己是不是真的運氣那麼好，這輩子可以被錢砸暈?畢竟像文藝復興公司的傳奇也像「文藝復興」一樣，雖然能被歷史銘記，但卻難以被時代復制。
3. 北京文藝復興投資管理有限公司怎麼樣
北京文藝復興投資管理有限公司是2016-10-20注冊成立的有限責任公司(自然人投資或控股)，注冊地址位於北京市朝陽區望京園609號樓10層1103。
北京文藝復興投資管理有限公司的統一社會信用代碼/注冊號是91110105MA008YC85H，企業法人冀爍文，目前企業處於開業狀態。
北京文藝復興投資管理有限公司的經營范圍是：投資管理；資產管理。（「1、未經有關部門批准，不得以公開方式募集資金；2、不得公開開展證券類產品和金融衍生品交易活動；3、不得發放貸款；4、不得對所投資企業以外的其他企業提供擔保；5、不得向投資者承諾投資本金不受損失或者承諾最低收益」；依法須經批準的項目，經相關部門批准後依批準的內容開展經營活動。）。
通過愛企查查看北京文藝復興投資管理有限公司更多信息和資訊。
4. 如何評價《量化投資的文藝復興之道》這本書
這本書篇哲學意味， 有文藝范。
量化投資方面，感覺最新有本新書是介紹如何應用數據挖掘技術進行量化投資的， 比較接地氣，所介紹的方法有操作性。
5. 深圳前海文藝復興投資基金管理有限公司怎麼樣
簡介：深圳前海文藝復興投資基金管理有限公司是深圳文藝復興集團旗下基金管理子公司，集團下轄了創文科技、金米財稅、文藝復興投資基金、優學教育等子公司，已經發展為集企業商務服務、信息服務、金融服務、培訓服務為支撐的企業服務生態級公司平台。前海文藝復興投資基金管理有限公司主要從事非證券業務的投資管理、咨詢。
法定代表人：羅永波
成立時間：2015-08-10
注冊資本：1500萬人民幣
工商注冊號：440301113621179
企業類型：有限責任公司
公司地址：深圳市前海深港合作區前灣一路1號A棟201室（入駐深圳市前海商務秘書有限公司）
6. 高頻交易和量化交易到底有什麼區別
從歷史上看，很多高頻交易公司的創始人都是交易員出身，原來就從事衍生品的做市、套利等業務。一開始這些工作並不需要多高深的知識。隨著計算機技術的發展，交易的自動化程度和頻率也逐漸提高，這些公司逐漸聘請一些數學、統計、計算機背景較強的人員加入以適應形勢的發展。當然，這個過程也出現了一些分化，有的公司還是保留了交易員在公司的主導地位，並且始終未放棄人工交易，最終形成了人機結合的半自動交易；而另外一些公司對新鮮技術的接受程度更高一些，往往採取全自動的交易模式。事實上，也沒有證據表明全自動交易的公司就比半自動交易的公司更為優越，到目前為止，也只能說是各有利弊。
人工交易的最大弊端在於手動下單的地方離交易所較遠，在行情劇變的時候往往搶不到單。在這一點上，全自動交易的公司可以通過託管機房來最大程度減少信號傳輸的時間，不過自動化交易往往因為程序過於復雜，加上很多公司人員流動較大，在程序的維護上會出現一些失誤，最終程序出錯釀成大禍，比如著名的騎士資本。
至於過度擬合無法抵禦黑天鵝事件，那是人工交易和自動交易都無法避免的問題。一般來說，Getco、Jane Street、SIG、Virtu Financial等是半自動交易，Tower Research、Hudson River Trading、Jump Trading等是全自動交易。
量化投資公司跟高頻交易公司則有很大的不同。首先，美國的量化投資公司基本上都是量化背景極強的人創辦的，比如說文藝復興的創始人西蒙斯是數學家出身，DE Shaw的創始人David Shaw是計算機教授出身，AQR的創始人Cliff Asness是金融學家出身，而高頻交易公司則更多是傳統交易員創辦的；其次，量化投資一般依賴於復雜的模型，而高頻交易一般依賴於運行高效的代碼。
量化投資公司的持倉時間往往達到1—2個星期，要預測這么長時間的價格趨勢需要處理的信息自然非常龐大，模型也因此更為復雜，對程序的運行速度反而沒那麼敏感；高頻交易處理信息的時間極短（微秒或毫秒級），不可能分析很多的信息，因此模型也趨於簡單，競爭優勢更多依靠代碼運行的效率，很多人甚至直接在硬體上寫程序；而最後，量化投資的資金容量可達幾百億美元，而高頻交易公司往往只有幾千萬至幾億美元，但由於高頻交易的策略表現遠比量化投資穩定，如Virtu Financial交易1238天只虧1天，因此一般都是自營交易，而量化投資基金一般來說都是幫客戶投資。
7. 在投行內部做量化交易與獨立出去做量化交易有何不同
這里我們只說量化交易，不討論量化研究和量化定價這一塊的業務。
量化交易是分兩個階段的。第一個階段是2008年以前，或者說Dodd-Frank法案以前，投行內部林立著各樣的很多對沖基金或者類對沖基金的實體，比如Morgan Stanley的PDT（Process Driven Trading）和高盛的Global Alpha，而很多投資銀行的自營交易業務也很像對沖基金。在這一階段，這些類對沖基金的實體和外面的對沖基金是沒有啥區別的，業務很類似——賭方向、做部分對沖（Partial Hedging）、跨市場套利，也非常敢於承擔風險。
當時在投行內做對沖基金類型的量化交易有著非常大的優勢，因為兩點——第一是銀行有著非常良好的融資渠道，融資成本顯著地低於當時的對沖基金，如果你嘗試去組建過一個基金，你就知道資金成本對於一個對沖基金的影響多麼大——巴菲特這么多年的成功是離不開長期1.6倍的財務杠桿和其低於中央銀行存款准備金率的資金渠道的（詳細內容參見AQR的論文——Buffet's Alpha）。 炒股需要經常總結，積累，時間長了就什麼都會了。為了提升自身炒股經驗，新手前期可以私募風雲網那個直播平台去學習一下股票知識、操作技巧，對在今後股市中的贏利有一定的幫助。
第二是銀行有著一個灰色的信息流——客戶的交易記錄。這個交易信息，就是今天，也是非常有用的內部消息。幾周前Bill Gross從PIMCO離開時，所有投行的Sales都瘋了，不停地研究之前PIMCO在自己銀行的倉位，然後分析那些債券最有可能最先被清盤，從而給其它客戶交易建議。而當年文藝復興多次更迭合作的投行，就是因為其大獎章基金的交易記錄得不到妥善的保密，很多合作銀行的自營交易桌跟著交易。
這兩個優勢造成了當時的自營交易極其暴利，而且管理層為了做大業績，全力支持明星交易員放大杠桿——而實際上，金融危機期間很多的CEO都是靠著自營交易的暴利業績從交易大廳升職到管理層的——比如Citi的前任CEO Pandit和摩根斯坦利的前任John Mack。
這也造成了，為什麼很多高盛離職的自營交易員在金融危機後，當銀行不能做自營交易後出來自立門戶開設對沖基金，卻完全無法復制當年的業績——因為他們是因為整個組織的強大而獲得超額收益，當失去了資金優勢和信息優勢後，一切都成為了浮雲。
2008年，准確說是2009年後，一切都變了。
首先是政府明令規定自營交易不讓幹了，於是各種投行旗下的基金，放入資管部的放入資管部（比如Goldman Sachs Global Alpha進入GSAM），獨立營業的獨立營業（比如PDT從摩根斯坦利分離），要不直接就關門大吉了（比如UBS、德銀）。
還有一些碩果僅存的，一般是在股票交易部門，打著對沖為名，通過會計手法，維持著極小的自營規模，這種類似的團隊很多投行都有。但是不成氣候了，也不會造成任何系統性的風險——當然，各種馬路傳奇故事也銷聲匿跡了。
銀行內部還有沒有量化交易了，其實還有——那就是隨著計算機技術進步的自動化做市交易。做市在國內這個概念剛剛出現——因為期權做市商制度的引入。但是在美國這個是從華爾街開始就有的交易體系了。簡單來說，就是假設你經營一家買可樂的小店，你有兩個主要的交易——一是從總經銷商那裡拿貨，用的價格是Bid，二是分銷給街邊下象棋和夕陽下奔跑的孩子們，這是Ask。Bid是你的進價，Ask是你的出貨價格，Bid一般小於Ask（除非你是搞慈善的）。你持續的維持報出這兩個價格，同時根據你的存貨來調整報價或者對應報價的數量——比如你的存貨太多，大爺不出來下象棋了，你就降低Bid，這樣很難進到貨了，而保持Ask，等待有人來消耗你的庫存。
這個過程就是基本的做市商交易流程，在金融中，由於沒有實際的總經銷商供貨，你的報價（Bid-Ask）是基於你對於對應資產的Fair Price的估計來決定的，通常是你算出來的均衡價格加減一個值構造成Bid-Ask組合。在很長的時間內，這個報價都是靠人來完成，這個過程是枯燥的，而且很容易出錯——而對於期權類產品（非線性價格）也很難快速報價。我之前和期權交易員合作過很長時間，他們的工作不一定智力上很難，但是對於人得耐力絕對是一種挑戰——因為在開市後他們要注意力高度集中的報價，一quote兩quote，一quote兩quote，似爪牙，似魔鬼的步伐，報價，報價，在這交易大廳報價... ...
於是，從簡單的資產起，從交易所級別開始支持API交易了。什麼是簡單的資產，就是Vanilla類別的，比如個股、指數、外匯、國債等等。因此投行由於本來就是大量資產的做市商，開始把原來這套過程通過計算機來完成。後面大家發現計算機是完美勝任這項工作的，因為計算機能夠高速計算庫存來調整報價，還能報出很多復雜的單類型。因此從2000年開始個股、指數開始逐步被自動化做市來包攬，2005年後個股期權自動化做市大熱，而2008年後外匯自動化做市也相當成熟了，2010年開始國債自動化做市也在美國興起——這也是我目前在工作的內容。
那麼對沖基金呢，除了傳統的量化Alpha，他們難道不能也做這個業務嗎？實際上，很多對沖基金的自動化做市業務比投行還要好——比如Citadel，比如KCG。但是區別何在？區別在於兩點，第一是很多對沖基金不是專屬做市商（Designated market maker）。DMM的特權是其有專屬席位——在美國這樣高度商業化的國家，DMM也是非常稀有的。原因在於，DMM是有責任的，那就是在各種大型金融危機中，當流動性極差的時候，DMM還是要持續的報價，一quote兩quote，一quote兩quote，似爪牙，似魔鬼的步伐... ... 在流動很差的時候這是非常危險的，因為大家丟給你的都是不好的資產，比如大跌的時候，都在賣，你的Bid反復被Hit，然後又沒人來hit你的Ask，浮動虧損可以非常大。那麼DMM的特權呢，DMM可以獲得非常高比例的rebate，也就是說，傭金返點非常高。這是對於其承擔的義務的回報。
第二就是絕大多是對沖基金不是Broker，也是你一般想買股票不會去找他們報價。在外匯和債券這類市場中，有兩級市場，一個是B2C市場，也就是零售市場，裡面基本都是Broker-Client，而第二級就是B2B市場，都是Broker-Broker。一般來說，B2B市場的Bid Ask Spread要低一些。一個形象的例子就是，我小時候去批發書的商店買書，一個商店有本習題集沒有，於是老闆去隔壁家拿了一本，賣給我，最後肯定這個老闆要把一部分價格還給隔壁家，我付的價格和老闆付給隔壁家的價格就是B2C到B2B市場的差價。
這里投行又耍流氓了，他們有著B2C市場的接入優勢，因此只要客戶量夠大，基本都能把自動化做市實現盈利——因為根據大數法則，一定時間內，買賣雙方的交易量應該是均衡的。
那麼對沖基金靠什麼——靠更好的策略。對沖基金如果要做高頻做市的，基本在B2B市場參與，他們不是DMM，但是也自己去報價，然後靠著對於價格走向的准確判斷，來調整報價，實現拿到多數對自己有利的單，或者持有更久符合預測方向的單，來達到盈利。這種不是DMM卻自發去做做市商的行為，叫做Open Market Making。
Citadel是期權自動化做市的王者，頂峰時期一年的利潤可以到1 Billion（2009），而整個市場那年的利潤也就是7 Billion左右。因此如果策略逆天，沒有客戶流，也能靠做市賺錢的。
此外，做市業務之外，對沖基金還多了很多機會。因為很多業務銀行做起來不劃算——比如商品。考慮一個金融類公司，不能光討論交易策略，宏觀上你一定要思考資金成本等問題，這才是投資之道在投資之外。商品這些之前銀行幹了很多壞事的業務（詳細參加高盛的銅交易和JP的風電交易）都被監管方克以了極高的資本罰金。這是Basel III裡面的規定，也就是你拿著1元的股票和1元的監管資產過夜受到的處罰是完全不同的，具體演算法參見Basel對於RWA（Risk Weighted Asset）計算的細則。這一系列監管，造成了對沖基金有了大量的新業務——因為投行退出。而大量銀行的人才也流向了對沖基金。
現在門徑這么清晰，那麼投行和對沖基金做量化交易的工作差別就很明顯了——投行主要以自動化做市為中心的高頻信號、客戶流分析、報價博弈論等研究為主。而對沖基金主要是傳統的量化Alpha、量化資產配置為主——當然還有公開市場自動化做市了。
希望可以幫助到你，祝投資愉快！
8. 文藝復興科技用的是什麼模型
文藝復興的模型起源於統計信息理論，是一種從大量噪音中尋找信號，最後做出結論的方法，和最大熵理論和隱含馬爾可夫過程都有關系。語音識別也是同樣的道理:需要從人們所發出的各種因人而異、似是而非的聲音裡面尋找信號，過濾掉各種雜訊。文藝復興技術僱用了很多這方面的專家。這種技術的使用使復興技術能夠更有效地從過去的價格中去除大量雜訊，發現規律。西蒙斯在復興技術的左膀右臂布朗和默瑟都是這方面的專家。
1 .市場過激反應
這個模型是復興技術的創始人之一施特勞斯在2007 年接受采訪時說的，而且他說過去大獎章靠這個模型賺了很多錢。言下之意，這個模型現在已經不賺錢了，所以才說給公眾聽。
如果某個期貨的價格在開盤的時候遠遠高於前一天的收盤價，大獎章會沽空這個期貨;如果開盤價遠低於上一天的收盤價，那麼大獎章就會買人。
這個模型針對的正是市場對於新的消息常常反應過激的現象。離開或者低開，那麼返回原地的可能性要大於扔硬幣出現正面的概率，所以大獎章高開之後拋出，低開之後買人。這個模型在很多的投資書上也有提過，肯定有很多人專門做這樣的交易，所以現在用這個簡單的形式賺錢的可能性已經不太大了，因為在同一個地點采同一種蘑菇的人太多。但是，投資者對消息反應過激的偏差並沒有消除，所以類似的情況肯定會在其他許多地方出現，或者以其他形式出現。
比如說，在整個一天的交易過程中(而不是僅僅看開盤價和收盤價) ，有可能某個匯率的價格突然大跌或者大漲，或者某個股票的價格在公司有新消息公布之後突然大幅波動，這時候它們返回原地的機會就比較高。我們可以想像，使用一些量化模型對這類變動進行分析， 將那些返回原地的情形和沒有返回原地的情形分類，尋找一些能夠區別兩類情形的條件，然後再使用這些條件進行交易。條件是什麼意思呢?我們舉個具體的例子:是不是某種匯率在1 分鍾之內價格變化超過2% 以上回歸的可能性大一些，但是如果變化只是1. 5% 就不一定?另一個例子:是不是同時有多隻股票的價格(標准普爾500指數裡面的250 只股票)移動超過1% 的時候回歸的可能性大一些?又一個例子:在過去30 天中已經出現過一次或者兩次以上價格波動之後又回落的商品期貨.如果再次出現價格波動的時候，回落的可能性是不是會大-些?這類各種各樣的"如果 那麼 " 都可以算是一個個量化投資模型，它們的變化是無窮無盡的，有的可能有一定的道理，有的則很難解釋。
量化研究可以對這些林林總總的模型進行分析、歸納，依照歷史數據進行模擬，可以給出各種模型的歷史回報和風險。但是，數據研究到了一定的程度，最後還是要西蒙斯這樣的人來判斷:通過量化研究找到的那些過去表現很好的模型只是數字上的巧合呢還是有-定的道理?它們未來重復出現的可能性有多大?如果西蒙斯認為它將來再次出現的可能性要比隨機出現的大，那麼他就有可能將這個條件編成程序，放到計算機裡面去。如果未來這個條件再次滿足的話，計算機就可以自動進行交易。
尋找這類機會，計算是否滿足各類條件需要很強的計算能力，因為你可能需要對市場上的各種交易進行連續監控，獲取各類數據，並且在最短的時間要做出響應。我們根據已有的資料分析，這類模型仍然是大獎章使用最多的一類模型:追蹤很短線的市場過激反應，採取相應的買賣手段，
等待市場的回歸。西蒙斯自己也說過:當市場波動性比較高時，大獎章的模型一般表現較好。大獎章使用的這類短線過激反應的模型正適合於市場上下起伏狀況:大家都摸不著北，一會兒要買，一會兒要賣，西蒙斯的電腦模型正好在渾水裡面摸魚。
2. 套利交易
這類模型是西蒙斯自己於2000 年11 月接受采訪時透露過的。
如果美國政府債券長期債券的折價遠遠高於短期債券的折價，那麼購人長期債券，拋出短期債券。
他當時也承認，像這樣的機會現在已經不存在了，因為有很多像長期資本管理這樣的公司專門做這樣的生意。美國政府債券交易市場是交易量非常大、信息流動很迅速的市場，這樣的套利機會的確寥寥無幾，其他西方發達市場的
政府債券也情況類似。所以基本上可以肯定，大獎章現在不做這類交易了。
但是在一些新興市場的國家債券市場上，這樣的機會仍然可能存在，大獎章有沒有在那些市場上交易呢?西蒙斯說過，大獎章只投資流動性比較好的產品，所以我們推測它投資新興市場債券的可能性也比較低.
我們的估計是，大獎章的債券和利率方面的投資方向可能主要是兩塊:
一塊是交易很頻繁的債券期貨、利率期貨，這類交易屬於上面提過的短期過激反應模型的交易范罔;另一塊是流動性比較好，但是在櫃面交易的利率掉期合同，這個我們下面單獨說。
3. 趨勢和聯動性
這個模型也是西蒙斯自己於2000 年提過的。
追蹤商品市場的中、長期趨勢。 但是他也說了這類中長期的趨勢現在已基本上不存在了，即便存在的話能賺到錢的機會也不大，原因也是很多人都在做這類套利，所以機會就沒有了。我們推測，大獎章已經不使用這類比較長線的趨勢模型了，雖說它過去很可能使用過這類模型。
商品期貨的交易現在流動性越來越大， 參與者越來越多，其中包括不少所謂的長線投資者，所以在這個市場進行短線交易的機會應該越來越多，主要是前面所說的過激反應的一類，也包括我們後面要提到的市場微觀結構的一類，大獎章的這兩種模型都應該用在商品期貨市場上。
我們認為西蒙斯的交易模型裡面還有可能包括商品期貨價格和相關股票、匯率價格聯動的交易模型。比如，原油期貨的價格和中石油的股票價格應該有一定的關系， 但是原惱期貨的價格變化可能更快一些，中石油的股票價格可能需要幾秒，或者幾毫秒的時間來反應，如果模型的反應足夠
快、交易速度足夠快的話，這也是-類短線套利模型。這種聯動的關系在各類金融市場裡面有很多:商品價格和股票價格、商品價格和商品出口或者進口同的外匯匯率、外匯匯率和貴重金屬價格、利率和金融類股票的價格、利率和外匯匯率，等等， 雖說我們沒有確鑿的證據證明大獎章的確在從事這類利用相關性的套利操作，但是我們認為這類交易符合它傳統的捕捉過激反應的模式， 而且它能夠快速處理大量數據的優勢也可以在這方面用上， 所以它從事這類交易的可能性是比較高的。
4. 偏門信息源
這是在2004 -2007 年間復興技術訴訟於禧公司以及兩名前雇員自羅波爾斯基和沃爾夫冰的案件之中透露出來的。
使用交易量信息和其他不太常用的信息源。 使用交易量數據來輔佐預測未來的價格變化並不稀罕，很多投資人都會參考過去一段時間某隻股票或者期貨的交易量來進行交易決策。但是這個方法在一些櫃面市場交易的產品上可能做不到，因為沒有公開的交易量數據。另外，交易量數據反映的只是已經成交的交易量，但是從某種角度來講，那些可能成交但是還沒有成交的交易包含更為重要的信息，因為它們還沒有做成，將來做成的可能性仍然存在，做成的話會影響股價未來的走勢。
很少有人會去關心沒有做成的交易。
我們已經知道這個套路了:西蒙斯會。
在沃爾夫冰反訴訟復興技術的文件中，沃爾夫冰聲稱復興技術公司要求他開發一套交易程序，這個程序能夠通過分析"限價買賣指令表數據"而對下一步價格變化進行預測。限價買賣指令是一類比較常用的交易指令，投資人限定在某個價位買人或者沽出一定數量的股票或者其他工具。股票交易所會及時公布這類數據，交易人在下單的時候能夠看到在當前買人賣出價的上下方都有多少買人、賣出的限價指令，這樣他也能夠對價格的下一步變化做出一些判斷。但是對一些交易量很大的股票或者其他工具來說，限價買賣指令表是一個非常龐大的資料庫，而且投資人在不斷增刪或者調整買賣指令，所以指令表還在不停變化，一般的投資人看到的只是這個表格很小的一部分。要想從這個龐大而且是不停變化的"列軍時刻表"上看出風景，同時在最短的時間內發出生殺指令，這不是人腦能夠完成的，也不是一般的量化模型和電腦系統所能夠做到的，而復興技術公司元論在量化模型還是在電腦系統這兩個方面都遠遠領先同行:官所招募的許多專家正是大規模信息處理的行家，它的電腦系統要比一般大學的電腦系統功能強大許多，所以它去看風景有著得天蝕厚的優勢。
通常各個交易所都會公布限價買賣指令表，但是能夠真正在實際操作中使用這些數據的投資手段還不多。我們前面提過的麻省理工學院的量化專家羅聞全教授推測說:假定某隻股票的交易價格是15.05 美元，如果某人通過細篩限價買賣指令表的數據發現在15 美元有一個數額很大的沽空限價
買賣指令，他就可以在1 5 .0 1 美元開始沽空這個股票，如果15 美元的沽空指令被執行的話，股價肯定會受到打壓而大幅下降，這時候他再將沽空的股票買回來，從而獲利。羅聞全說:"如果有很大的沽空指令等在股價下方的時候，股價肯定會受到很大的向下壓力。" 但是也有人不同意羅教授的解釋:股票最後的交易價格是1 5 . 05 美元，如果這時候有-個賣出指令是15美元，那麼這個在市場價格之下的賣出指令會立即被執行， 不可能給誰在15.01 美元潔空的機會，所以那個例子是不合適的。
但是這種在交易價格之下沽空或者在交易價格之上買人的限價買賣指令在櫃面市場是很常見的，它們常常被投資者用來作為止損的手段。所以在櫃國市場上，做市商或者其他人如果能看到投資人的這類限價指令的話就有可能進行"超前交易"，搭順風車。這種做法雖說違反監管規定，但是
在做市商的交易部門是非常常見的，也是做市商利潤的一個重要來源。可是， 復興技術公司不是做市商， 所以不能直接從這個方向獲利。
我們的推測是:復興技術通過某種統計演算法來快速綜合限價買賣指令表裡的各種信息，能夠很快判斷出在不同價位不同數量的限價買賣指令對目前的股價究竟是推還是拉，還能夠判斷出如果股價真是達到了某個或者多個限價買賣指令， 這些交易被執行之後，股價又可能會有什麼樣的連鎖反應。
我們可以拿一個斯諾克檯球桌來比喻:白色球是目前的股票價格，它停在球桌的正中央;許許多多的限價指令像桌上的其他球，數量很多，每個球都有不同的分量，而且都在移動，跟白色球的距離也不同。這些球都對自球有吸引力或者排斥力，所以你可以估算出來如果在沒有桌面阻力的情況下自球會向哪個方向滾動，你還可以進一步計算白球在滾動的過程中會碰到哪些球，反彈之後的方向和速度會如何，等等。有了這個判斷之後，你就可以採取相應的交易策略，如果你的判斷正確，你就可以賺錢。
從純粹物理學的角度來判斷，你可以將白球的軌跡很准確地進行預測，但是我們知道在金融市場上，不斷會有新的消息到來，要麼直接改變白球的軌跡，要麼通過改變其他球的大小、位置、速度和方向來間接改變白球的軌跡，所以你不可能准確預測。但是，如果這些新的信息的到來完全是
隨機的，那麼你把這個實驗重復千萬次的話，那些隨機的效果會相互抵消，剩下的就是准確性相當高的預測了。准確性相當高的預測用另外的話說就是旱澇保收的投資回報。
沃爾夫冰在他的反訴訟中指稱，他認為復興技術的限價指令表模型會觸犯到證券交易法的有關限制條例，所以他拒絕開發這個交易程序。他說在他2003 年離開復興技術公司的時候該公司還沒有使用這個程序。究竟這種演算法有沒有觸犯美國法規我們無從判斷，但是如果用的是公開渠道可以
獲得的信息，進行一些運算而獲得的新的信息，這應該是合法的。復興技術後來有沒有用這個模型我們也不知道，但是可以肯定的一點是，使用別人很少使用的信息來進行分析、判斷和交易的做法肯定也是復興技術長盛不衰的一個重要方面。這類使用限價買賣指令數據來判斷價格走勢的基金
現在已經有幾家，一般都不大，像復興技術這樣技術力量雄厚、能夠在全球多個市場同時操作的公司還比較少.
復興技術使用其他信息糠的另外證據也是來自沃爾夫冰的反訴訟文件。他指稱他在復興技術公司的上司讓他開發一個模型，從一個交易系統的公開數據中推測出交易系統本來要保密的信息，從而獲利。他說的交易系統叫"機構投資組合交易匹配系統"，是美國一家叫投資技術集團的公司提供
的，供機構投資人交易的電子平台。這個平台其實跟普通的股票交易所有些類似，但是所有的參與者都是大的基金，沒有通過券商交易的散戶，也沒有虎視眈眈的做市商。這種繞過大家熟知的交易所進行交易的平台叫"暗池" ， 在過去10 年的發展非常迅速。一方面是因為電子交易技術的發展
和普及.另一方面是許多機構投資人對交易所壟斷地位的不滿，許多國家也都慢慢放開了交易所之間的競爭，允許新的平台提供跟交易所類似的服務。這些平台的交易成本一般比較低，而且保密性可能要比交易所高，因為在這些平台上，限價指令通常是不公開的。在沃爾夫冰的訴狀中他沒有
談及究竟復興技術想要窺視何種投資技術集團不願意透露的信息，但是我們估計很可能也是跟限價買賣指令相關的數據。
沃爾夫冰在訴狀中說， 他當時就告訴了復興技術的老闆這種做法是違反證券交易法規的，所以他拒絕參與這個項目。當然，這是訴狀裡面的一方之詞， 當時的情況究竟如何，復興技術拒絕評論。沃爾夫冰說後來投資技術集團採取了相關的措施，堵住了這個有可能被外界窺視的漏洞，所以復興技術最終沒有採用這個模型。
這兩個指稱都說明復興技術的一些交易策略著重分析那些較少為人所關注的數據來摞。這些數據來源較少被人所關注一般是有原因的，常常是所需要的技術的復雜程度很高。
5. 買賣掉期合同
這也是在2004 -2007 年的訴訟案件中透露出來的。沃爾夫冰指稱復興技術使用掉期合同的交易方法是一個"大騙局"，但是他沒有具體透露是哪一種掉期合同，為什麼是大騙局。他在反訴狀裡面說復興技術的做法違反了美國證交會和全美證券交易商協會有關證券沽空的法規。
在交易工具的選擇上，復興技術一般走的是標准化的道路，選擇買賣流動性高、歷史數據比較齊全、交易成本比較低的各種工具:外匯、商品期貨、利率和債券期貨、藍籌股票都符合這些條件。很多比較復雜的期權因為都是櫃面交易，而且買人賣出價差比較大，所以不太適合大獎章基金
快速買人賣出的交易方式。西蒙斯1998 年才邀請羅聞全到復興技術公司去講授關於布萊克-舒爾斯-默頓的期權復制和標價的理論，但是那時候期權的交易已經非常普遍，我們提過的芝加哥奧康納兄弟早就通過交易期權而盆缽滿盈，由此我們可以推斷復興技術很少使用期權或者其他復雜的產品。事實上，這樣一個非常成功的投資基金很少使用非常復雜的產品， 對普通投資人來說，這也許是個值得思考的問題。
掉期合同在外匯、債券、股票領域都存在，指合同的雙方同意在將來特定的時間按照事先商定的辦法交換一系列現金流。比如外匯掉期，一般有兩個日子，在比較近的那個日子，甲乙雙方交換一筆外匯;到了較遠的那個日子，雙方再換回來， 兩次交換的數目稍有不同，以反映兩種外匯之間利率的不同。按照每日交易量來說，外匯掉期是外匯市場交易量最大的一種合同，而外匯市場又是全球交易量最大的一個市場。利率掉期我們在講長期資本管理的時候提起過，這類合同一般期限比較長，從數年到三四十年不等，雙方在固定的日子裡交換現金流，通常是一方支付固定利率，一方支付浮動利率。按照總存量來說，利率掉期是金融行業存量最多的工具，因為一筆合同的期限通常很辰， 所以總存量很大。外匯或者利率合同都是流動性非常高的工具，所以復興技術把它的短期交易模型用在這兩種工具上不足為奇。另外，這兩種工具其實都是其他一些交易量同樣很大的
簡單工具組合起來而成的，復興技術也有可能通過監控整體和零件之間的價格差別而尋找套利機會。不過這種套利操作是很常規的，所以機會也許是鳳毛麟角。但是利率。掉期和外匯掉期怎麼會觸犯證券沽空的條例呢? 一個可能性是組裝利率掉期的零件之一一一政府債券期貨合同一一的交易要受到一定的限制，美國證交會和全美證券交易商協會有關證券沽空的限制條款包括防止操縱市場的內容，通過交易利率掉期合同，復興技術可以問接潔空相關的美國政府債券期貨。
另外一種可能性是復興技術交易股票掉，期。這類合同的甲方乙方在未來固定的時期交換現金流，一方按照某種利率，另一方則按照某種股票或者股票指數的表現。這種產品的交易量不大，都要通過投資銀行量體裁衣而完成，所以流動性並不高。但是這種產品的基礎一一利率的變動和股票
價格、股票指數的變動一一都是有很多數據可以用來做量化分析的，所以，復興技術通過這種產品來沽空某種直接沽空可能受到限制的股票或者股票指數的可能性也是存在的。但是我們覺得這種可能性比較小，首先，這不太符合復興技術一貫的交易原則; 其次，如果復興技術長年累月買賣這種
交易量不太大的工具，那麼復興技術使用股票掉期合同的消息應該早就傳到市場上了。我們目前沒有看到任何關於該公司交易這類產品的報道。
綜合起來看，復興技術通過交易利率掉期而間接影響政府債券期貨的可能性比較大。
另外，從已經掌握的資料來看，復興技術公司交易范圍的擴大通常不是通過使用比較復雜，或者最時髦的產品來達到的，它最可能採取的多元化策略是將成熟市場已經用過的那些交易方法用到其他比較新的市場中去。它申請印度股市的交易牌照就是一個例子，它在中國股市上進行交易的那一天我想也不會太遠。
模型的新陳代謝
除了上面所說的這五點之外，西蒙斯接受采訪時的另外一席話也是值得思考的。他說"我們起初建立大獎章基金的時候試圖捕捉的那些市場異常到目前仍然存在，不過它們都有些弱化。在這種情況下，你必須加大交易的幅度。你的交易系統必須是一層上面又有一層。每個新的交易策略被提出來之後，我們就在內部討論，這究竟是一個全新的交易策略呢，還是包括在我們已經有的模型裡面了?這時候我們就需要使用統汁測試的方法來判斷這個所謂新的交易策略究竟是不是新的。如果真是新的，我們下一步的工作就是確定給這個新的交易策略多少權重。這就又給我們的模型體
系新加了一層。我們會不斷給我們的模型添加新的內容的。"
這段話值得細究。
第一， 它多少證實了我們上面的第一個猜測，那就是復興技術最主要的策略是利用市場過激反應這個現象，捕捉價格跳動之後回歸的那些機會。
第二，復興技術所使用的杠桿可能有所升高，因為市場信號在弱化。當然復興技術的杠桿不可能達到長期資本管理的水平，從我們已知的信息來看，這家公司所使用的杠桿水平相對其他對沖基金是比較低的。
第三，復興技術在最近十幾年中的交易速度越提越快，這也很可能是西蒙斯說的"加大交易幅度"的一部分。第四，復興技術不斷引進新的模型， 將新的模型和老的模型並行使用。
復制文藝復興技術
我們可以看出大獎章的歷程:
·首先是通過統計信息分析方法來判斷外匯和債券短期的價格變化，尤其關注過激反應的一類。
·在這個基礎上加入了風險控制模型。
·之後又引入了統計套利，開始高速交易大量股票。
·接著義引入了統葉套利的變種，低速交易大量股票。
·繼續引人其他模型，分析像現價交易指令表這樣的不太常用的數據來瀾。
這就是大獎章。
當然，復興技術的上百名專家不是天天坐在那裡看電腦的。他們每天都可能提出新的想法，對已有模型的改進和補充肯定是在不斷進行的。但是提出一個嶄新的模型則需要時間，12 年也不過是兩三個模型而已。
這些基本上就是我已經了解到的關於復興技術公司交易模型的信息了當然，如果你想憑著上面說的一些東西來"復制"復興技術的模型，光靠這些還差很遠。很多銀行和復興技術的競爭對手都想復制它的天書秘籍，復興基金不惜去打官司來捍衛自己的秘密。
我們隨後還將看到，復興技術公司成功的秘密不在一個公式上:它有很多不同的公式，適用於不同的-丁.具和不同的市場條件;它另外還有很多公式，幫助它進行風
險管理(何時入市、何時止損、何時止盈、每種交易公式之間的分配、杠桿的配置等) ;它還有很多公式控制公司的交易成本。
退一萬步，如果西蒙斯把所有的公式都交出來.能把這些公式變成錢的公司和個人在全球仍然是屈指可數。為什麼?答案在公司的名字裡面:一家投資公司，卻叫復興技術。很多人都認為.大獎章賺錢最大的秘密就在它的技術上。這里的技術指的是電腦技術、通信技術。
9. 量化對沖領域有哪些經典的策略和傳奇人物
阿斯內斯是法瑪在芝加哥大學指導的金融博士，其博士畢業論文在三因子模型的基礎上加入了動量因子，以四因子模型的形式完成了一系列的實證分析。博士畢業後阿斯內斯進入高盛，成為了一名量化交易分析員，隨後在高盛組建了全球阿爾法基金，主要從事以量化為導向的交易工作，業績不俗。1997年他離開高盛創辦了自己的AQR資本管理公司，目前該公司是全球頂尖的對沖基金之一。雖然沒有直接的證據證明阿斯內斯在工作中採用的是多因子模型基礎上的股價預測技術，但是可以想見的是，市值、賬面市值比、動量因子和因子模型應該與其量化交易策略存在一定的關聯。阿斯內斯在一些訪談和學術論文中也時常談到價值、動量/趨勢、低風險、套息等相關概念，是為佐證。
由學術研究進入量化交易實業領域的一個更為極端的例子，應該是文藝復興科技公司的西蒙斯，這也是中國讀者較為熟悉的一個量化交易從業者。西蒙斯於1961年在加州大學伯克利分校取得數學博士學位，年僅23歲，並在30歲時就任紐約州立大學石溪分校數學學院院長。他在1978年離開學校創立了文藝復興科技公司，該公司因為旗下的量化旗艦基金——大獎章基金傲人的業績而聞名。關於西蒙斯所使用的量化交易策略，坊間一直有諸多猜測。許多人認為其所使用的應該是基於隱馬爾科夫模型的量化交易策略，原因在於西蒙斯的早期合夥人鮑姆是隱馬爾科夫模型估計演算法的創始人之一，同時文藝復興科技公司招聘了大量的語音識別專家，隱馬爾科夫模型正是語音識別領域的一個重要技術工具。作者對這一說法持懷疑態度，不過不管怎樣，從文藝復興科技公司比較另類的人員構成來看，這應該是一個比較純正的使用量化交易策略進行運作的對沖基金公司。
雖然大部分的量化對沖基金正在使用的交易策略都或多或少的進行保密，但是仍然有一些量化交易策略在多年的使用後開始慢慢為外界所熟知，統計套利就是其中之一。這個策略的概念最早產生於摩根斯坦利，當時的做法也被稱為配對交易，實際上就是使用統計的方法選取一對歷史價格走勢相似的股票，當兩支股票之間的價格差距變大、超出一定閾值之後，就分別做多和做空這兩支股票，依靠該價格差在隨後的時間里回歸到正常水平來獲取收益。由於這種量化交易策略既源自於統計分析、又存在等待價差回歸的套利特性，因此被稱之為統計套利。而隨著對這類交易策略的進一步深入研究，統計套利策略目前已經遠遠超出了配對交易的范疇，變得更加的復雜和多樣化。
肖曾經是摩根斯坦利這個統計套利交易組的成員之一，他於1980年在斯坦福大學獲得計算機博士學位，隨後留校進行學術研究。肖在1986年加入摩根斯坦利後負責該組的技術部門，但是在兩年之後、如同統計套利的首創者班伯格（注）一樣、由於政治斗爭等原因從公司離職，並創立了自己的德劭基金公司。結合了肖的大規模並行計算研究背景和在摩根斯坦利接觸到的統計量化策略，德劭基金公司利用計算機量化模型作為主要的策略進行交易並取得了巨大的成功。值得一提的時，肖在對沖基金領域紮根之後，仍然不忘科學研究，其成立的德劭研究公司致力於通過強大的計算機硬、軟體能力在分子動力學模擬等生化科研領域取得前沿性進展。這與阿斯內斯一直在金融雜志上發表學術論文的行為，相映成趣，當然肖的學術研究相對而言可能更為極客一些。
相比起統計套利，傳統意義上的套利策略是一個更為人熟知、更經典的量化交易策略。實際上現代金融框架的一部分都是基於「無套利」這樣一個假設原則建立起來的，可見套利策略的深入人心與重要性。如果說統計套利的重點在於刻畫和預測多個資產間的統計關系，那麼傳統套利可能就更重注於各個資產的價值計算，以及策略執行時的交易成本估計和優化。只不過量化交易策略進化到現在，統計套利和傳統的套利策略已經是互相滲透、互相融合的了。以計算機能力見長的德劭基金公司，對這兩種套利策略應該都是有所涉及的。
說起套利，不得不提到長期資本管理公司。這家公司的陣容十分豪華，包括債券套利的先驅梅里韋瑟、兩位諾貝爾獎獲得者莫頓和斯科爾斯、美聯儲副主席穆林斯等諸多頂級從業者，主要從事的正是債券的量化套利交易，當然其中也會包含一些其他形式策略的成分。公司成立的前三年間表現非常出色，但是在1998年俄羅斯國債違約之後，相關的連鎖反應使得公司產生巨大虧損，在美聯儲的干預下被華爾街幾家公司出資接管，形同倒閉。實際上，長期資本管理公司在俄羅斯債券上的損失本身並不大，但是許多大金融機構在虧損環境下必須保證足夠的資本量，因此通過出售流動性較好的七大工業國債券等資產來減低風險、增加資本，全球主要債券價格在賣出壓力下大幅下跌，波動巨大，這才導致了杠桿極大的長期資本管理公司在債券套利上產生巨額虧損。