1. 量化分析三大层次
什么是量化投资？
最近十年来,量化投资成为了欧美资本市场发展的热点与焦点,一举成为了国际投资界兴起的一个新方法,发展势头迅猛,。量化投资和基本面分析、技术面分析并称为三大主流方法。由于量化投资交易策略的业绩稳定,其市场规模和份额不断扩大,得到国际上越来越多投资者的追捧。
过去20年收益率最高的基金,是文艺复兴科技公司的大奖章,其客户平均年收益率高达35%;而过去四年高盛旗下的量化基金规模翻了一倍,超过1000亿美金。由此可见,量化投资已经成为机构投资者的重要利器。
量化投资对于基金公司/资产管理公司而言,有着非常明显的价值:
首先是容易冲规模。一个有效的量化模型是可以在多个产品上进行快速复制,从而迅速做大规模。这个在巴克莱的指数增强系列产品上得到最明显的体现。截止2011年底,巴克莱量化基金,管理规模超过1.6万亿美金,超过富达基金,成为全球最大的资产管理公司。
其次是可以获得绝对收益。利用量化对冲方式,构建与市场涨跌无关的产品,赚取市场中性的策略,适合追求稳健收益的大机构客户,例如保险资金、银行理财等。这个产品的代表性公司就是目前全球最大的对冲基金BridgeWater,旗下的旗舰产品Pure Alpha过去五年共赚取超过350亿美金。
第三是杜绝了内幕消息和老鼠仓。量化投资只利用公开数据,通过数学模型的运算,挖掘出隐藏在公开数据后面的信息,从而战胜市场,从方法论上就杜绝了内幕消息的可能。在交易过程中利用复杂的IT系统进行程序化交易,使得老鼠仓也无法成为可能。在国内金融市场监管日趋规范的情况下,量化投资这种方法必然会成为投资研究的主要方法。
量化投资的理论基础
说到量化投资的理论基础,就要从市场有效性假说说起，技术分析、基本面分析和量化分析代表了有效市场的三个不同的层次。在无效市场,技术分析是充分有效的,这在中国资本市场最初的十年得到很好的体现;当市场进入弱有效市场后,可以依靠基本面分析获得超额收益,2000年到2010年这十年基本上属于这个时代;当市场进入半强有效市场后,也就是从2010年开始我们可以观察到大部分基本面分析的产品已经无法获得超额收益,此时国内市场已经进入半强有效市场。当然当市场进入强有效市场后,则无论哪种方法均无法战胜市场,那时候只能被动指数化投资。
传统的有效市场假说认为,在半强有效市场,只能依靠非公开信息(内幕消息或者私人消息)来获得超额收益。但是我们可以知道的是,除了非公开信息并不是只有内幕消息和私人消息,还有另外一个获得非公开信息的方法:就是利用数据挖掘的方法,从公开的数据中挖掘出非公开信息,也就是量化投资的方法。这也就是在美国等成熟市场(基本上进入半强式有效市场状态),量化投资为啥可以得到蓬勃发展的原因。
随着中国市场有效性的提高,中国开始进入半强式有效市场阶段,再加上监管层对内幕消息的监管越来越严厉,使得通过这种方法获得非公开信息的方式越来越难,因此量化投资就成为了一个最好的获得非公开信息的科学理论与技术。
很多人问:量化投资是不是仅仅是一个昙花一现的概念,还是一个可以长期有效的科学理论,我想通过上述对有效市场假说的分析,已经得到了明确的答案:量化投资是在半强式有效市场中的最佳分析理论,也几乎是唯一可行的分析理论。
美好前景
中国经济经过30年的高速发展,各行各业基本上已经定型,能够让年轻人成长的空间越来越小了。未来十年,量化投资与对冲基金这个领域是少有的几个,可以诞生个人英雄的行业,无论是出生贵贱,无论是学历高低,无论是有无经验,只要你勤奋、努力。脚踏实地的研究模型,研究市场,开发出适合市场稳健盈利的交易系统,实现财务自由,并非遥不可及的梦想。
曾经有研究助理抱怨:“我们做量化研究的,一年都没有啥机会出去调研,免费旅游的机会都木有啊”。
“你只要好好研究量化模型,找到持续稳定盈利的策略,自然就会有大量的资金来找你合作,实现财务自由不困难。到时候你会开着游艇出海,去拉斯维加斯享受,去非洲草原猎象,又何必在乎眼前的这点免费旅游呢？”他点头如捣蒜。
在中国目前的很多领域,赚钱已经变成一个非常困难的事情,但是在量化投资与对冲基金领域,是完全依靠自己的勤奋与努力。一个持续稳定赚取的模型,不是靠关系和背景就可以的,而是靠着自己的聪明才智和脚踏实地的工作。
2. 量化投资到底是什么鬼，未来将颠覆中国股票市场
量化投资在一定程度上已经被别有用心地神话或者说标签化了，就像当下风头正劲的“互联网金融”一样，很多时候都被包装成了看似“高端大气”、且可能“一夜暴富”的卖点或者噱头。追根溯源，其实量化就是指运用数学或者统计模型来模拟金融市场的未来走向，从而预估金融产品的潜在收益。在前文中，我们还曾提到多个数字，如平均年收益率、年回报率、年盈利率，这些其实都表征同一个量化指标，即“年化收益率”。它是指投资者在一年的投资期限内所能获得收益比例，专门用于评估投资行为或金融产品的好坏优劣。 那么，究竟多高的年化收益率才能给投资者带来丰厚的投资回报?为了更加清楚的分析这个问题，我们不妨举个例子。
比如某位名叫“G”的投资者，在1990年时持有3.8万的启动资金，如果其所认购产品的平均年化收益率是60%，那么经过25年，到2015年，“G”将会拥有40亿，但如果其所购产品的平均年化收益率上涨15%(到75%)，那么25年后，“G”的资产将会是40亿后再加个零，变成400个亿。百亿身价竟仅仅始于3.8万?这种堪比原子弹爆炸的财富增长若仅仅用“回报丰厚”来形容，会不会未免有些太吝啬了?我并不十分相信那些投行精英们会如此慷慨无私，让投资者只需在家坐着就能稳收百亿回报，所以如果今后有人向我推荐金融产品，而且宣称年化收益率可以有60%，我肯定得思量思量，自己是不是真的运气那么好，这辈子可以被钱砸晕?毕竟像文艺复兴公司的传奇也像“文艺复兴”一样，虽然能被历史铭记，但却难以被时代复制。
3. 北京文艺复兴投资管理有限公司怎么样
北京文艺复兴投资管理有限公司是2016-10-20注册成立的有限责任公司(自然人投资或控股)，注册地址位于北京市朝阳区望京园609号楼10层1103。
北京文艺复兴投资管理有限公司的统一社会信用代码/注册号是91110105MA008YC85H，企业法人冀烁文，目前企业处于开业状态。
北京文艺复兴投资管理有限公司的经营范围是：投资管理；资产管理。（“1、未经有关部门批准，不得以公开方式募集资金；2、不得公开开展证券类产品和金融衍生品交易活动；3、不得发放贷款；4、不得对所投资企业以外的其他企业提供担保；5、不得向投资者承诺投资本金不受损失或者承诺最低收益”；依法须经批准的项目，经相关部门批准后依批准的内容开展经营活动。）。
通过爱企查查看北京文艺复兴投资管理有限公司更多信息和资讯。
4. 如何评价《量化投资的文艺复兴之道》这本书
这本书篇哲学意味， 有文艺范。
量化投资方面，感觉最新有本新书是介绍如何应用数据挖掘技术进行量化投资的， 比较接地气，所介绍的方法有操作性。
5. 深圳前海文艺复兴投资基金管理有限公司怎么样
简介：深圳前海文艺复兴投资基金管理有限公司是深圳文艺复兴集团旗下基金管理子公司，集团下辖了创文科技、金米财税、文艺复兴投资基金、优学教育等子公司，已经发展为集企业商务服务、信息服务、金融服务、培训服务为支撑的企业服务生态级公司平台。前海文艺复兴投资基金管理有限公司主要从事非证券业务的投资管理、咨询。
法定代表人：罗永波
成立时间：2015-08-10
注册资本：1500万人民币
工商注册号：440301113621179
企业类型：有限责任公司
公司地址：深圳市前海深港合作区前湾一路1号A栋201室（入驻深圳市前海商务秘书有限公司）
6. 高频交易和量化交易到底有什么区别
从历史上看，很多高频交易公司的创始人都是交易员出身，原来就从事衍生品的做市、套利等业务。一开始这些工作并不需要多高深的知识。随着计算机技术的发展，交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、统计、计算机背景较强的人员加入以适应形势的发展。当然，这个过程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易模式。事实上，也没有证据表明全自动交易的公司就比半自动交易的公司更为优越，到目前为止，也只能说是各有利弊。
人工交易的最大弊端在于手动下单的地方离交易所较远，在行情剧变的时候往往抢不到单。在这一点上，全自动交易的公司可以通过托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现一些失误，最终程序出错酿成大祸，比如著名的骑士资本。
至于过度拟合无法抵御黑天鹅事件，那是人工交易和自动交易都无法避免的问题。一般来说，Getco、Jane Street、SIG、Virtu Financial等是半自动交易，Tower Research、Hudson River Trading、Jump Trading等是全自动交易。
量化投资公司跟高频交易公司则有很大的不同。首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。
量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。
7. 在投行内部做量化交易与独立出去做量化交易有何不同
这里我们只说量化交易，不讨论量化研究和量化定价这一块的业务。
量化交易是分两个阶段的。第一个阶段是2008年以前，或者说Dodd-Frank法案以前，投行内部林立着各样的很多对冲基金或者类对冲基金的实体，比如Morgan Stanley的PDT（Process Driven Trading）和高盛的Global Alpha，而很多投资银行的自营交易业务也很像对冲基金。在这一阶段，这些类对冲基金的实体和外面的对冲基金是没有啥区别的，业务很类似——赌方向、做部分对冲（Partial Hedging）、跨市场套利，也非常敢于承担风险。
当时在投行内做对冲基金类型的量化交易有着非常大的优势，因为两点——第一是银行有着非常良好的融资渠道，融资成本显著地低于当时的对冲基金，如果你尝试去组建过一个基金，你就知道资金成本对于一个对冲基金的影响多么大——巴菲特这么多年的成功是离不开长期1.6倍的财务杠杆和其低于中央银行存款准备金率的资金渠道的（详细内容参见AQR的论文——Buffet's Alpha）。 炒股需要经常总结，积累，时间长了就什么都会了。为了提升自身炒股经验，新手前期可以私募风云网那个直播平台去学习一下股票知识、操作技巧，对在今后股市中的赢利有一定的帮助。
第二是银行有着一个灰色的信息流——客户的交易记录。这个交易信息，就是今天，也是非常有用的内部消息。几周前Bill Gross从PIMCO离开时，所有投行的Sales都疯了，不停地研究之前PIMCO在自己银行的仓位，然后分析那些债券最有可能最先被清盘，从而给其它客户交易建议。而当年文艺复兴多次更迭合作的投行，就是因为其大奖章基金的交易记录得不到妥善的保密，很多合作银行的自营交易桌跟着交易。
这两个优势造成了当时的自营交易极其暴利，而且管理层为了做大业绩，全力支持明星交易员放大杠杆——而实际上，金融危机期间很多的CEO都是靠着自营交易的暴利业绩从交易大厅升职到管理层的——比如Citi的前任CEO Pandit和摩根斯坦利的前任John Mack。
这也造成了，为什么很多高盛离职的自营交易员在金融危机后，当银行不能做自营交易后出来自立门户开设对冲基金，却完全无法复制当年的业绩——因为他们是因为整个组织的强大而获得超额收益，当失去了资金优势和信息优势后，一切都成为了浮云。
2008年，准确说是2009年后，一切都变了。
首先是政府明令规定自营交易不让干了，于是各种投行旗下的基金，放入资管部的放入资管部（比如Goldman Sachs Global Alpha进入GSAM），独立营业的独立营业（比如PDT从摩根斯坦利分离），要不直接就关门大吉了（比如UBS、德银）。
还有一些硕果仅存的，一般是在股票交易部门，打着对冲为名，通过会计手法，维持着极小的自营规模，这种类似的团队很多投行都有。但是不成气候了，也不会造成任何系统性的风险——当然，各种马路传奇故事也销声匿迹了。
银行内部还有没有量化交易了，其实还有——那就是随着计算机技术进步的自动化做市交易。做市在国内这个概念刚刚出现——因为期权做市商制度的引入。但是在美国这个是从华尔街开始就有的交易体系了。简单来说，就是假设你经营一家买可乐的小店，你有两个主要的交易——一是从总经销商那里拿货，用的价格是Bid，二是分销给街边下象棋和夕阳下奔跑的孩子们，这是Ask。Bid是你的进价，Ask是你的出货价格，Bid一般小于Ask（除非你是搞慈善的）。你持续的维持报出这两个价格，同时根据你的存货来调整报价或者对应报价的数量——比如你的存货太多，大爷不出来下象棋了，你就降低Bid，这样很难进到货了，而保持Ask，等待有人来消耗你的库存。
这个过程就是基本的做市商交易流程，在金融中，由于没有实际的总经销商供货，你的报价（Bid-Ask）是基于你对于对应资产的Fair Price的估计来决定的，通常是你算出来的均衡价格加减一个值构造成Bid-Ask组合。在很长的时间内，这个报价都是靠人来完成，这个过程是枯燥的，而且很容易出错——而对于期权类产品（非线性价格）也很难快速报价。我之前和期权交易员合作过很长时间，他们的工作不一定智力上很难，但是对于人得耐力绝对是一种挑战——因为在开市后他们要注意力高度集中的报价，一quote两quote，一quote两quote，似爪牙，似魔鬼的步伐，报价，报价，在这交易大厅报价... ...
于是，从简单的资产起，从交易所级别开始支持API交易了。什么是简单的资产，就是Vanilla类别的，比如个股、指数、外汇、国债等等。因此投行由于本来就是大量资产的做市商，开始把原来这套过程通过计算机来完成。后面大家发现计算机是完美胜任这项工作的，因为计算机能够高速计算库存来调整报价，还能报出很多复杂的单类型。因此从2000年开始个股、指数开始逐步被自动化做市来包揽，2005年后个股期权自动化做市大热，而2008年后外汇自动化做市也相当成熟了，2010年开始国债自动化做市也在美国兴起——这也是我目前在工作的内容。
那么对冲基金呢，除了传统的量化Alpha，他们难道不能也做这个业务吗？实际上，很多对冲基金的自动化做市业务比投行还要好——比如Citadel，比如KCG。但是区别何在？区别在于两点，第一是很多对冲基金不是专属做市商（Designated market maker）。DMM的特权是其有专属席位——在美国这样高度商业化的国家，DMM也是非常稀有的。原因在于，DMM是有责任的，那就是在各种大型金融危机中，当流动性极差的时候，DMM还是要持续的报价，一quote两quote，一quote两quote，似爪牙，似魔鬼的步伐... ... 在流动很差的时候这是非常危险的，因为大家丢给你的都是不好的资产，比如大跌的时候，都在卖，你的Bid反复被Hit，然后又没人来hit你的Ask，浮动亏损可以非常大。那么DMM的特权呢，DMM可以获得非常高比例的rebate，也就是说，佣金返点非常高。这是对于其承担的义务的回报。
第二就是绝大多是对冲基金不是Broker，也是你一般想买股票不会去找他们报价。在外汇和债券这类市场中，有两级市场，一个是B2C市场，也就是零售市场，里面基本都是Broker-Client，而第二级就是B2B市场，都是Broker-Broker。一般来说，B2B市场的Bid Ask Spread要低一些。一个形象的例子就是，我小时候去批发书的商店买书，一个商店有本习题集没有，于是老板去隔壁家拿了一本，卖给我，最后肯定这个老板要把一部分价格还给隔壁家，我付的价格和老板付给隔壁家的价格就是B2C到B2B市场的差价。
这里投行又耍流氓了，他们有着B2C市场的接入优势，因此只要客户量够大，基本都能把自动化做市实现盈利——因为根据大数法则，一定时间内，买卖双方的交易量应该是均衡的。
那么对冲基金靠什么——靠更好的策略。对冲基金如果要做高频做市的，基本在B2B市场参与，他们不是DMM，但是也自己去报价，然后靠着对于价格走向的准确判断，来调整报价，实现拿到多数对自己有利的单，或者持有更久符合预测方向的单，来达到盈利。这种不是DMM却自发去做做市商的行为，叫做Open Market Making。
Citadel是期权自动化做市的王者，顶峰时期一年的利润可以到1 Billion（2009），而整个市场那年的利润也就是7 Billion左右。因此如果策略逆天，没有客户流，也能靠做市赚钱的。
此外，做市业务之外，对冲基金还多了很多机会。因为很多业务银行做起来不划算——比如商品。考虑一个金融类公司，不能光讨论交易策略，宏观上你一定要思考资金成本等问题，这才是投资之道在投资之外。商品这些之前银行干了很多坏事的业务（详细参加高盛的铜交易和JP的风电交易）都被监管方克以了极高的资本罚金。这是Basel III里面的规定，也就是你拿着1元的股票和1元的监管资产过夜受到的处罚是完全不同的，具体算法参见Basel对于RWA（Risk Weighted Asset）计算的细则。这一系列监管，造成了对冲基金有了大量的新业务——因为投行退出。而大量银行的人才也流向了对冲基金。
现在门径这么清晰，那么投行和对冲基金做量化交易的工作差别就很明显了——投行主要以自动化做市为中心的高频信号、客户流分析、报价博弈论等研究为主。而对冲基金主要是传统的量化Alpha、量化资产配置为主——当然还有公开市场自动化做市了。
希望可以帮助到你，祝投资愉快！
8. 文艺复兴科技用的是什么模型
文艺复兴的模型起源于统计信息理论，是一种从大量噪音中寻找信号，最后做出结论的方法，和最大熵理论和隐含马尔可夫过程都有关系。语音识别也是同样的道理:需要从人们所发出的各种因人而异、似是而非的声音里面寻找信号，过滤掉各种噪声。文艺复兴技术雇用了很多这方面的专家。这种技术的使用使复兴技术能够更有效地从过去的价格中去除大量噪声，发现规律。西蒙斯在复兴技术的左膀右臂布朗和默瑟都是这方面的专家。
1 .市场过激反应
这个模型是复兴技术的创始人之一施特劳斯在2007 年接受采访时说的，而且他说过去大奖章靠这个模型赚了很多钱。言下之意，这个模型现在已经不赚钱了，所以才说给公众听。
如果某个期货的价格在开盘的时候远远高于前一天的收盘价，大奖章会沽空这个期货;如果开盘价远低于上一天的收盘价，那么大奖章就会买人。
这个模型针对的正是市场对于新的消息常常反应过激的现象。离开或者低开，那么返回原地的可能性要大于扔硬币出现正面的概率，所以大奖章高开之后抛出，低开之后买人。这个模型在很多的投资书上也有提过，肯定有很多人专门做这样的交易，所以现在用这个简单的形式赚钱的可能性已经不太大了，因为在同一个地点采同一种蘑菇的人太多。但是，投资者对消息反应过激的偏差并没有消除，所以类似的情况肯定会在其他许多地方出现，或者以其他形式出现。
比如说，在整个一天的交易过程中(而不是仅仅看开盘价和收盘价) ，有可能某个汇率的价格突然大跌或者大涨，或者某个股票的价格在公司有新消息公布之后突然大幅波动，这时候它们返回原地的机会就比较高。我们可以想象，使用一些量化模型对这类变动进行分析， 将那些返回原地的情形和没有返回原地的情形分类，寻找一些能够区别两类情形的条件，然后再使用这些条件进行交易。条件是什么意思呢?我们举个具体的例子:是不是某种汇率在1 分钟之内价格变化超过2% 以上回归的可能性大一些，但是如果变化只是1. 5% 就不一定?另一个例子:是不是同时有多只股票的价格(标准普尔500指数里面的250 只股票)移动超过1% 的时候回归的可能性大一些?又一个例子:在过去30 天中已经出现过一次或者两次以上价格波动之后又回落的商品期货.如果再次出现价格波动的时候，回落的可能性是不是会大-些?这类各种各样的"如果 那么 " 都可以算是一个个量化投资模型，它们的变化是无穷无尽的，有的可能有一定的道理，有的则很难解释。
量化研究可以对这些林林总总的模型进行分析、归纳，依照历史数据进行模拟，可以给出各种模型的历史回报和风险。但是，数据研究到了一定的程度，最后还是要西蒙斯这样的人来判断:通过量化研究找到的那些过去表现很好的模型只是数字上的巧合呢还是有-定的道理?它们未来重复出现的可能性有多大?如果西蒙斯认为它将来再次出现的可能性要比随机出现的大，那么他就有可能将这个条件编成程序，放到计算机里面去。如果未来这个条件再次满足的话，计算机就可以自动进行交易。
寻找这类机会，计算是否满足各类条件需要很强的计算能力，因为你可能需要对市场上的各种交易进行连续监控，获取各类数据，并且在最短的时间要做出响应。我们根据已有的资料分析，这类模型仍然是大奖章使用最多的一类模型:追踪很短线的市场过激反应，采取相应的买卖手段，
等待市场的回归。西蒙斯自己也说过:当市场波动性比较高时，大奖章的模型一般表现较好。大奖章使用的这类短线过激反应的模型正适合于市场上下起伏状况:大家都摸不着北，一会儿要买，一会儿要卖，西蒙斯的电脑模型正好在浑水里面摸鱼。
2. 套利交易
这类模型是西蒙斯自己于2000 年11 月接受采访时透露过的。
如果美国政府债券长期债券的折价远远高于短期债券的折价，那么购人长期债券，抛出短期债券。
他当时也承认，像这样的机会现在已经不存在了，因为有很多像长期资本管理这样的公司专门做这样的生意。美国政府债券交易市场是交易量非常大、信息流动很迅速的市场，这样的套利机会的确寥寥无几，其他西方发达市场的
政府债券也情况类似。所以基本上可以肯定，大奖章现在不做这类交易了。
但是在一些新兴市场的国家债券市场上，这样的机会仍然可能存在，大奖章有没有在那些市场上交易呢?西蒙斯说过，大奖章只投资流动性比较好的产品，所以我们推测它投资新兴市场债券的可能性也比较低.
我们的估计是，大奖章的债券和利率方面的投资方向可能主要是两块:
一块是交易很频繁的债券期货、利率期货，这类交易属于上面提过的短期过激反应模型的交易范罔;另一块是流动性比较好，但是在柜面交易的利率掉期合同，这个我们下面单独说。
3. 趋势和联动性
这个模型也是西蒙斯自己于2000 年提过的。
追踪商品市场的中、长期趋势。 但是他也说了这类中长期的趋势现在已基本上不存在了，即便存在的话能赚到钱的机会也不大，原因也是很多人都在做这类套利，所以机会就没有了。我们推测，大奖章已经不使用这类比较长线的趋势模型了，虽说它过去很可能使用过这类模型。
商品期货的交易现在流动性越来越大， 参与者越来越多，其中包括不少所谓的长线投资者，所以在这个市场进行短线交易的机会应该越来越多，主要是前面所说的过激反应的一类，也包括我们后面要提到的市场微观结构的一类，大奖章的这两种模型都应该用在商品期货市场上。
我们认为西蒙斯的交易模型里面还有可能包括商品期货价格和相关股票、汇率价格联动的交易模型。比如，原油期货的价格和中石油的股票价格应该有一定的关系， 但是原恼期货的价格变化可能更快一些，中石油的股票价格可能需要几秒，或者几毫秒的时间来反应，如果模型的反应足够
快、交易速度足够快的话，这也是-类短线套利模型。这种联动的关系在各类金融市场里面有很多:商品价格和股票价格、商品价格和商品出口或者进口同的外汇汇率、外汇汇率和贵重金属价格、利率和金融类股票的价格、利率和外汇汇率，等等， 虽说我们没有确凿的证据证明大奖章的确在从事这类利用相关性的套利操作，但是我们认为这类交易符合它传统的捕捉过激反应的模式， 而且它能够快速处理大量数据的优势也可以在这方面用上， 所以它从事这类交易的可能性是比较高的。
4. 偏门信息源
这是在2004 -2007 年间复兴技术诉讼于禧公司以及两名前雇员自罗波尔斯基和沃尔夫冰的案件之中透露出来的。
使用交易量信息和其他不太常用的信息源。 使用交易量数据来辅佐预测未来的价格变化并不稀罕，很多投资人都会参考过去一段时间某只股票或者期货的交易量来进行交易决策。但是这个方法在一些柜面市场交易的产品上可能做不到，因为没有公开的交易量数据。另外，交易量数据反映的只是已经成交的交易量，但是从某种角度来讲，那些可能成交但是还没有成交的交易包含更为重要的信息，因为它们还没有做成，将来做成的可能性仍然存在，做成的话会影响股价未来的走势。
很少有人会去关心没有做成的交易。
我们已经知道这个套路了:西蒙斯会。
在沃尔夫冰反诉讼复兴技术的文件中，沃尔夫冰声称复兴技术公司要求他开发一套交易程序，这个程序能够通过分析"限价买卖指令表数据"而对下一步价格变化进行预测。限价买卖指令是一类比较常用的交易指令，投资人限定在某个价位买人或者沽出一定数量的股票或者其他工具。股票交易所会及时公布这类数据，交易人在下单的时候能够看到在当前买人卖出价的上下方都有多少买人、卖出的限价指令，这样他也能够对价格的下一步变化做出一些判断。但是对一些交易量很大的股票或者其他工具来说，限价买卖指令表是一个非常庞大的数据库，而且投资人在不断增删或者调整买卖指令，所以指令表还在不停变化，一般的投资人看到的只是这个表格很小的一部分。要想从这个庞大而且是不停变化的"列军时刻表"上看出风景，同时在最短的时间内发出生杀指令，这不是人脑能够完成的，也不是一般的量化模型和电脑系统所能够做到的，而复兴技术公司元论在量化模型还是在电脑系统这两个方面都远远领先同行:官所招募的许多专家正是大规模信息处理的行家，它的电脑系统要比一般大学的电脑系统功能强大许多，所以它去看风景有着得天蚀厚的优势。
通常各个交易所都会公布限价买卖指令表，但是能够真正在实际操作中使用这些数据的投资手段还不多。我们前面提过的麻省理工学院的量化专家罗闻全教授推测说:假定某只股票的交易价格是15.05 美元，如果某人通过细筛限价买卖指令表的数据发现在15 美元有一个数额很大的沽空限价
买卖指令，他就可以在1 5 .0 1 美元开始沽空这个股票，如果15 美元的沽空指令被执行的话，股价肯定会受到打压而大幅下降，这时候他再将沽空的股票买回来，从而获利。罗闻全说:"如果有很大的沽空指令等在股价下方的时候，股价肯定会受到很大的向下压力。" 但是也有人不同意罗教授的解释:股票最后的交易价格是1 5 . 05 美元，如果这时候有-个卖出指令是15美元，那么这个在市场价格之下的卖出指令会立即被执行， 不可能给谁在15.01 美元洁空的机会，所以那个例子是不合适的。
但是这种在交易价格之下沽空或者在交易价格之上买人的限价买卖指令在柜面市场是很常见的，它们常常被投资者用来作为止损的手段。所以在柜国市场上，做市商或者其他人如果能看到投资人的这类限价指令的话就有可能进行"超前交易"，搭顺风车。这种做法虽说违反监管规定，但是
在做市商的交易部门是非常常见的，也是做市商利润的一个重要来源。可是， 复兴技术公司不是做市商， 所以不能直接从这个方向获利。
我们的推测是:复兴技术通过某种统计算法来快速综合限价买卖指令表里的各种信息，能够很快判断出在不同价位不同数量的限价买卖指令对目前的股价究竟是推还是拉，还能够判断出如果股价真是达到了某个或者多个限价买卖指令， 这些交易被执行之后，股价又可能会有什么样的连锁反应。
我们可以拿一个斯诺克台球桌来比喻:白色球是目前的股票价格，它停在球桌的正中央;许许多多的限价指令像桌上的其他球，数量很多，每个球都有不同的分量，而且都在移动，跟白色球的距离也不同。这些球都对自球有吸引力或者排斥力，所以你可以估算出来如果在没有桌面阻力的情况下自球会向哪个方向滚动，你还可以进一步计算白球在滚动的过程中会碰到哪些球，反弹之后的方向和速度会如何，等等。有了这个判断之后，你就可以采取相应的交易策略，如果你的判断正确，你就可以赚钱。
从纯粹物理学的角度来判断，你可以将白球的轨迹很准确地进行预测，但是我们知道在金融市场上，不断会有新的消息到来，要么直接改变白球的轨迹，要么通过改变其他球的大小、位置、速度和方向来间接改变白球的轨迹，所以你不可能准确预测。但是，如果这些新的信息的到来完全是
随机的，那么你把这个实验重复千万次的话，那些随机的效果会相互抵消，剩下的就是准确性相当高的预测了。准确性相当高的预测用另外的话说就是旱涝保收的投资回报。
沃尔夫冰在他的反诉讼中指称，他认为复兴技术的限价指令表模型会触犯到证券交易法的有关限制条例，所以他拒绝开发这个交易程序。他说在他2003 年离开复兴技术公司的时候该公司还没有使用这个程序。究竟这种算法有没有触犯美国法规我们无从判断，但是如果用的是公开渠道可以
获得的信息，进行一些运算而获得的新的信息，这应该是合法的。复兴技术后来有没有用这个模型我们也不知道，但是可以肯定的一点是，使用别人很少使用的信息来进行分析、判断和交易的做法肯定也是复兴技术长盛不衰的一个重要方面。这类使用限价买卖指令数据来判断价格走势的基金
现在已经有几家，一般都不大，像复兴技术这样技术力量雄厚、能够在全球多个市场同时操作的公司还比较少.
复兴技术使用其他信息糠的另外证据也是来自沃尔夫冰的反诉讼文件。他指称他在复兴技术公司的上司让他开发一个模型，从一个交易系统的公开数据中推测出交易系统本来要保密的信息，从而获利。他说的交易系统叫"机构投资组合交易匹配系统"，是美国一家叫投资技术集团的公司提供
的，供机构投资人交易的电子平台。这个平台其实跟普通的股票交易所有些类似，但是所有的参与者都是大的基金，没有通过券商交易的散户，也没有虎视眈眈的做市商。这种绕过大家熟知的交易所进行交易的平台叫"暗池" ， 在过去10 年的发展非常迅速。一方面是因为电子交易技术的发展
和普及.另一方面是许多机构投资人对交易所垄断地位的不满，许多国家也都慢慢放开了交易所之间的竞争，允许新的平台提供跟交易所类似的服务。这些平台的交易成本一般比较低，而且保密性可能要比交易所高，因为在这些平台上，限价指令通常是不公开的。在沃尔夫冰的诉状中他没有
谈及究竟复兴技术想要窥视何种投资技术集团不愿意透露的信息，但是我们估计很可能也是跟限价买卖指令相关的数据。
沃尔夫冰在诉状中说， 他当时就告诉了复兴技术的老板这种做法是违反证券交易法规的，所以他拒绝参与这个项目。当然，这是诉状里面的一方之词， 当时的情况究竟如何，复兴技术拒绝评论。沃尔夫冰说后来投资技术集团采取了相关的措施，堵住了这个有可能被外界窥视的漏洞，所以复兴技术最终没有采用这个模型。
这两个指称都说明复兴技术的一些交易策略着重分析那些较少为人所关注的数据来摞。这些数据来源较少被人所关注一般是有原因的，常常是所需要的技术的复杂程度很高。
5. 买卖掉期合同
这也是在2004 -2007 年的诉讼案件中透露出来的。沃尔夫冰指称复兴技术使用掉期合同的交易方法是一个"大骗局"，但是他没有具体透露是哪一种掉期合同，为什么是大骗局。他在反诉状里面说复兴技术的做法违反了美国证交会和全美证券交易商协会有关证券沽空的法规。
在交易工具的选择上，复兴技术一般走的是标准化的道路，选择买卖流动性高、历史数据比较齐全、交易成本比较低的各种工具:外汇、商品期货、利率和债券期货、蓝筹股票都符合这些条件。很多比较复杂的期权因为都是柜面交易，而且买人卖出价差比较大，所以不太适合大奖章基金
快速买人卖出的交易方式。西蒙斯1998 年才邀请罗闻全到复兴技术公司去讲授关于布莱克-舒尔斯-默顿的期权复制和标价的理论，但是那时候期权的交易已经非常普遍，我们提过的芝加哥奥康纳兄弟早就通过交易期权而盆钵满盈，由此我们可以推断复兴技术很少使用期权或者其他复杂的产品。事实上，这样一个非常成功的投资基金很少使用非常复杂的产品， 对普通投资人来说，这也许是个值得思考的问题。
掉期合同在外汇、债券、股票领域都存在，指合同的双方同意在将来特定的时间按照事先商定的办法交换一系列现金流。比如外汇掉期，一般有两个日子，在比较近的那个日子，甲乙双方交换一笔外汇;到了较远的那个日子，双方再换回来， 两次交换的数目稍有不同，以反映两种外汇之间利率的不同。按照每日交易量来说，外汇掉期是外汇市场交易量最大的一种合同，而外汇市场又是全球交易量最大的一个市场。利率掉期我们在讲长期资本管理的时候提起过，这类合同一般期限比较长，从数年到三四十年不等，双方在固定的日子里交换现金流，通常是一方支付固定利率，一方支付浮动利率。按照总存量来说，利率掉期是金融行业存量最多的工具，因为一笔合同的期限通常很辰， 所以总存量很大。外汇或者利率合同都是流动性非常高的工具，所以复兴技术把它的短期交易模型用在这两种工具上不足为奇。另外，这两种工具其实都是其他一些交易量同样很大的
简单工具组合起来而成的，复兴技术也有可能通过监控整体和零件之间的价格差别而寻找套利机会。不过这种套利操作是很常规的，所以机会也许是凤毛麟角。但是利率。掉期和外汇掉期怎么会触犯证券沽空的条例呢? 一个可能性是组装利率掉期的零件之一一一政府债券期货合同一一的交易要受到一定的限制，美国证交会和全美证券交易商协会有关证券沽空的限制条款包括防止操纵市场的内容，通过交易利率掉期合同，复兴技术可以问接洁空相关的美国政府债券期货。
另外一种可能性是复兴技术交易股票掉，期。这类合同的甲方乙方在未来固定的时期交换现金流，一方按照某种利率，另一方则按照某种股票或者股票指数的表现。这种产品的交易量不大，都要通过投资银行量体裁衣而完成，所以流动性并不高。但是这种产品的基础一一利率的变动和股票
价格、股票指数的变动一一都是有很多数据可以用来做量化分析的，所以，复兴技术通过这种产品来沽空某种直接沽空可能受到限制的股票或者股票指数的可能性也是存在的。但是我们觉得这种可能性比较小，首先，这不太符合复兴技术一贯的交易原则; 其次，如果复兴技术长年累月买卖这种
交易量不太大的工具，那么复兴技术使用股票掉期合同的消息应该早就传到市场上了。我们目前没有看到任何关于该公司交易这类产品的报道。
综合起来看，复兴技术通过交易利率掉期而间接影响政府债券期货的可能性比较大。
另外，从已经掌握的资料来看，复兴技术公司交易范围的扩大通常不是通过使用比较复杂，或者最时髦的产品来达到的，它最可能采取的多元化策略是将成熟市场已经用过的那些交易方法用到其他比较新的市场中去。它申请印度股市的交易牌照就是一个例子，它在中国股市上进行交易的那一天我想也不会太远。
模型的新陈代谢
除了上面所说的这五点之外，西蒙斯接受采访时的另外一席话也是值得思考的。他说"我们起初建立大奖章基金的时候试图捕捉的那些市场异常到目前仍然存在，不过它们都有些弱化。在这种情况下，你必须加大交易的幅度。你的交易系统必须是一层上面又有一层。每个新的交易策略被提出来之后，我们就在内部讨论，这究竟是一个全新的交易策略呢，还是包括在我们已经有的模型里面了?这时候我们就需要使用统汁测试的方法来判断这个所谓新的交易策略究竟是不是新的。如果真是新的，我们下一步的工作就是确定给这个新的交易策略多少权重。这就又给我们的模型体
系新加了一层。我们会不断给我们的模型添加新的内容的。"
这段话值得细究。
第一， 它多少证实了我们上面的第一个猜测，那就是复兴技术最主要的策略是利用市场过激反应这个现象，捕捉价格跳动之后回归的那些机会。
第二，复兴技术所使用的杠杆可能有所升高，因为市场信号在弱化。当然复兴技术的杠杆不可能达到长期资本管理的水平，从我们已知的信息来看，这家公司所使用的杠杆水平相对其他对冲基金是比较低的。
第三，复兴技术在最近十几年中的交易速度越提越快，这也很可能是西蒙斯说的"加大交易幅度"的一部分。第四，复兴技术不断引进新的模型， 将新的模型和老的模型并行使用。
复制文艺复兴技术
我们可以看出大奖章的历程:
·首先是通过统计信息分析方法来判断外汇和债券短期的价格变化，尤其关注过激反应的一类。
·在这个基础上加入了风险控制模型。
·之后又引入了统计套利，开始高速交易大量股票。
·接着义引入了统叶套利的变种，低速交易大量股票。
·继续引人其他模型，分析像现价交易指令表这样的不太常用的数据来澜。
这就是大奖章。
当然，复兴技术的上百名专家不是天天坐在那里看电脑的。他们每天都可能提出新的想法，对已有模型的改进和补充肯定是在不断进行的。但是提出一个崭新的模型则需要时间，12 年也不过是两三个模型而已。
这些基本上就是我已经了解到的关于复兴技术公司交易模型的信息了当然，如果你想凭着上面说的一些东西来"复制"复兴技术的模型，光靠这些还差很远。很多银行和复兴技术的竞争对手都想复制它的天书秘籍，复兴基金不惜去打官司来捍卫自己的秘密。
我们随后还将看到，复兴技术公司成功的秘密不在一个公式上:它有很多不同的公式，适用于不同的-丁.具和不同的市场条件;它另外还有很多公式，帮助它进行风
险管理(何时入市、何时止损、何时止盈、每种交易公式之间的分配、杠杆的配置等) ;它还有很多公式控制公司的交易成本。
退一万步，如果西蒙斯把所有的公式都交出来.能把这些公式变成钱的公司和个人在全球仍然是屈指可数。为什么?答案在公司的名字里面:一家投资公司，却叫复兴技术。很多人都认为.大奖章赚钱最大的秘密就在它的技术上。这里的技术指的是电脑技术、通信技术。
9. 量化对冲领域有哪些经典的策略和传奇人物
阿斯内斯是法玛在芝加哥大学指导的金融博士，其博士毕业论文在三因子模型的基础上加入了动量因子，以四因子模型的形式完成了一系列的实证分析。博士毕业后阿斯内斯进入高盛，成为了一名量化交易分析员，随后在高盛组建了全球阿尔法基金，主要从事以量化为导向的交易工作，业绩不俗。1997年他离开高盛创办了自己的AQR资本管理公司，目前该公司是全球顶尖的对冲基金之一。虽然没有直接的证据证明阿斯内斯在工作中采用的是多因子模型基础上的股价预测技术，但是可以想见的是，市值、账面市值比、动量因子和因子模型应该与其量化交易策略存在一定的关联。阿斯内斯在一些访谈和学术论文中也时常谈到价值、动量/趋势、低风险、套息等相关概念，是为佐证。
由学术研究进入量化交易实业领域的一个更为极端的例子，应该是文艺复兴科技公司的西蒙斯，这也是中国读者较为熟悉的一个量化交易从业者。西蒙斯于1961年在加州大学伯克利分校取得数学博士学位，年仅23岁，并在30岁时就任纽约州立大学石溪分校数学学院院长。他在1978年离开学校创立了文艺复兴科技公司，该公司因为旗下的量化旗舰基金——大奖章基金傲人的业绩而闻名。关于西蒙斯所使用的量化交易策略，坊间一直有诸多猜测。许多人认为其所使用的应该是基于隐马尔科夫模型的量化交易策略，原因在于西蒙斯的早期合伙人鲍姆是隐马尔科夫模型估计算法的创始人之一，同时文艺复兴科技公司招聘了大量的语音识别专家，隐马尔科夫模型正是语音识别领域的一个重要技术工具。作者对这一说法持怀疑态度，不过不管怎样，从文艺复兴科技公司比较另类的人员构成来看，这应该是一个比较纯正的使用量化交易策略进行运作的对冲基金公司。
虽然大部分的量化对冲基金正在使用的交易策略都或多或少的进行保密，但是仍然有一些量化交易策略在多年的使用后开始慢慢为外界所熟知，统计套利就是其中之一。这个策略的概念最早产生于摩根斯坦利，当时的做法也被称为配对交易，实际上就是使用统计的方法选取一对历史价格走势相似的股票，当两支股票之间的价格差距变大、超出一定阈值之后，就分别做多和做空这两支股票，依靠该价格差在随后的时间里回归到正常水平来获取收益。由于这种量化交易策略既源自于统计分析、又存在等待价差回归的套利特性，因此被称之为统计套利。而随着对这类交易策略的进一步深入研究，统计套利策略目前已经远远超出了配对交易的范畴，变得更加的复杂和多样化。
肖曾经是摩根斯坦利这个统计套利交易组的成员之一，他于1980年在斯坦福大学获得计算机博士学位，随后留校进行学术研究。肖在1986年加入摩根斯坦利后负责该组的技术部门，但是在两年之后、如同统计套利的首创者班伯格（注）一样、由于政治斗争等原因从公司离职，并创立了自己的德劭基金公司。结合了肖的大规模并行计算研究背景和在摩根斯坦利接触到的统计量化策略，德劭基金公司利用计算机量化模型作为主要的策略进行交易并取得了巨大的成功。值得一提的时，肖在对冲基金领域扎根之后，仍然不忘科学研究，其成立的德劭研究公司致力于通过强大的计算机硬、软件能力在分子动力学模拟等生化科研领域取得前沿性进展。这与阿斯内斯一直在金融杂志上发表学术论文的行为，相映成趣，当然肖的学术研究相对而言可能更为极客一些。
相比起统计套利，传统意义上的套利策略是一个更为人熟知、更经典的量化交易策略。实际上现代金融框架的一部分都是基于“无套利”这样一个假设原则建立起来的，可见套利策略的深入人心与重要性。如果说统计套利的重点在于刻画和预测多个资产间的统计关系，那么传统套利可能就更重注于各个资产的价值计算，以及策略执行时的交易成本估计和优化。只不过量化交易策略进化到现在，统计套利和传统的套利策略已经是互相渗透、互相融合的了。以计算机能力见长的德劭基金公司，对这两种套利策略应该都是有所涉及的。
说起套利，不得不提到长期资本管理公司。这家公司的阵容十分豪华，包括债券套利的先驱梅里韦瑟、两位诺贝尔奖获得者莫顿和斯科尔斯、美联储副主席穆林斯等诸多顶级从业者，主要从事的正是债券的量化套利交易，当然其中也会包含一些其他形式策略的成分。公司成立的前三年间表现非常出色，但是在1998年俄罗斯国债违约之后，相关的连锁反应使得公司产生巨大亏损，在美联储的干预下被华尔街几家公司出资接管，形同倒闭。实际上，长期资本管理公司在俄罗斯债券上的损失本身并不大，但是许多大金融机构在亏损环境下必须保证足够的资本量，因此通过出售流动性较好的七大工业国债券等资产来减低风险、增加资本，全球主要债券价格在卖出压力下大幅下跌，波动巨大，这才导致了杠杆极大的长期资本管理公司在债券套利上产生巨额亏损。