← Acquired

文艺复兴科技精读

Renaissance Technologies

Episode 2024-03-182024-03-18简体中文Members only
Listen to this episode00:00 / 3:00:13
Reading settings
Reading preferences
Text size
Download in-depth read
Read offline

简体中文 · In-depth read · Current version

Downloads are not available yet.

Text language

In-depth read · Key ideas, reasoning, and examples, organized by topic.

§01惊人业绩与封闭体系

节目开场便挑战了主动投资的常见观点:市场无法持续跑赢,对冲基金的回报不具持续性,巨额收益必然伴随巨额风险。主持人把 Renaissance Technologies 描绘为一个突出的反例,提到 Medallion 基金有 30 年业绩记录,税前年化回报据称达到 66%。惊人业绩伴随着极端保密:创始人曾为政府担任密码破译员,早期员工缺乏投资经验,公司则从物理、天文学和语音识别等领域招聘研究人员。

主持人还强调,最有名的 Medallion 基金不接受外部投资者。这改变了故事的意义:听众不能直接买入基金、复制它的策略;而且按常规公开资料,也很难评估它的业绩。节目主要依靠 Greg Zuckerman 的著作和对业内人士的采访,同时承认 Renaissance 极其保密,外部人士能独立核实的信息非常有限。

§02一位兼具学术与现实视角的数学家

Jim Simons 在 Boston 郊区一个家境宽裕的家庭中长大,家庭兼具学术能力、商业经历和社会资源。父亲做电影销售,母亲被描述为尤其聪明,外祖父则经营一家制鞋厂。外祖父的俄罗斯背景和工厂故事很有画面感;主持人用这些细节说明,Simons 从小既接触家族生意,也接触学术数学之外的现实世界。

主持人把 Simons 描写成数学天赋出众、同时又很了解自己的人。他小时候据说就自己想到 Zeno 悖论;但在 MIT 上研究生研讨课时,他发现有些同学的数学能力远胜于自己。节目没有把他简化成“天才”,而是强调他自称拥有“品味”:能分辨什么问题值得研究,什么问题即使有了答案也无人在意。他认为这种判断力和与人交往的能力,可以补充技术能力。

§03好奇心与冒险精神先于基金

开场传记也展现了 Simons 好冒险、闲不住的一面。MIT 毕业后,他带朋友骑踏板摩托从 Boston 前往 Bogotá,途中甚至遇到持刀、持枪和入狱等经历。后来他在 Berkeley 攻读博士时,用 5,000 美元婚礼礼金开始交易,每天到 San Francisco 的 Merrill Lynch 经纪营业部寻找机会。主持人把这视作他早期对市场的兴趣,距离后来 RenTech 的方法还很远。

§04交易从一次挫折开始

Simons 初次亲自交易时兴奋不已,但这种成功并不持久。他短暂赚了 50%,很快又把利润全亏了回去。妻子怀孕后反对他拿家庭未来去冒险,他便停止交易,回到学术界。这段经历和 RenTech 后来系统化的交易方法形成对照:Simons 对市场有兴趣,但他早期的交易更接近投机,而不是后来建立的量化策略。

接下来,他意外地参与了一家地板砖公司的创业。这个项目体现了他愿意尝试陌生领域;后来公司出售时,他和合伙人也由此获得资金。他短暂回到教学岗位后又感到厌倦,于是寻找在学术界之外运用数学能力的方式。通往 Renaissance 的道路并非直接或必然,而是由各种试验和转向组成。

§05IDA 提供了研究环境

Simons 后来加入 Institute for Defense Analyses(IDA),这是一家向美国政府和国家安全局提供密码分析服务的非营利机构。IDA 的工作安排很特别:研究人员一半时间做密码破译,另一半时间可以用于学术研究、合作和发表论文。这种环境吸引了许多不愿进入传统政府部门工作的学者。主持人认为,这种认真做应用研究、同时保留自由探索空间的文化,后来也被带进了 RenTech。

§06密码破译与市场交易有共同难题

在 IDA,Simons 邀请同事一起探索:密码破译和信号情报的方法能否用于金融市场?他们于 1964 年发表论文《股市行为的概率模型与预测》,提出了计算式分析方法。当时投资通常依赖公司基本面,或较随意的走势图解读。两者之间的概念桥梁是信号检测:密码破译和市场交易都面对充满噪声的观测数据,可以尝试用数学、统计和算法从中提取模式。

主持人把这项构想与早期机器学习联系起来,但这段材料能支持的是数学方法上的相通,并不能证明 RenTech 当时已经拥有现代 AI。团队想用数据估算接下来会发生什么,而不必先解释所有底层关系。这个区别后来很重要:策略依靠的是可预测的模式和概率,而不是对某家公司或资产未来上涨的传统叙事。

§07Markov 状态让预测变得可行

Lenny Baum 擅长 Markov 模型,包括隐 Markov 模型。模型可以不去解释混沌系统背后的每一种机制,而是识别可观察状态,再估计哪些状态可能接着出现。主持人用棒球说明这一点:三坏两好之后,接下来可能的结果有限;而一个全新的打席则有更多可能。只要观察足够多,即使没有完全理解整个系统,也能算出有用的概率分布。

Keep reading as a member.

You've read the free preview. Become a member to read the rest, with side-by-side reading and downloads where available.