西蒙斯：用数学改变金融

2024-05-15 12:05

这个时代的传奇人物，又少了一个。

他是数学家里最会赚钱的人，也被《金融时报》誉为“世界上最聪明的亿万富翁”；他的投资业绩曾超越巴菲特，称霸华尔街；他与巴菲特、索罗斯并称为投资界“三座不可逾越的高峰”；他就是被称为「量化之王」（Quant King）的量化交易开创者——詹姆斯·西蒙斯（James Simons）。

5月10日，西蒙斯去世，享年86岁。他曾用一句玩笑话轻描淡写地概括了自己的一生：“我做了很多数学工作，我赚了很多钱，而且我几乎把所有的钱都捐了出去，这就是我一生的故事。”

实际上，这句话翻译过来应该是：身为数学家，西蒙斯备受赞誉，硕果累累；进军金融界，他叱咤风云，横扫华尔街；晚年致力于慈善，他慷慨解囊，反哺科学回馈社会。

屡获殊荣的天才数学家

早年的西蒙斯作为一名数学家，其生活一直沿着既定的轨道行进着。

20岁从MIT数学系毕业；23岁拿到加州大学伯克利分校的数学博士学位；24岁到MIT和哈佛任教（因为不喜欢哈佛的氛围很快便离职）；26岁加入普林斯顿国防分析研究所（IDA），负责为军方破译密码，后因公开发表反战言论被研究所解雇；很快又在30岁时收到纽约大学石溪分校抛来的橄榄枝，担任石溪分校数学系主任。

在那里，西蒙斯吸引了许多才华横溢的数学家，建立了该系卓越的声誉，并且迎来了其数学生涯中的“高光时刻”，那就是与“现代微分几何之父”陈省身的合作。

1974年，西蒙斯和陈省身共同发表了一篇论文，介绍了陈-西蒙斯不变量（Chern-Simons invariant）。他们的工作不仅在数学领域，而且在量子场论、弦理论和凝聚态物理领域都做出了开创性的贡献，然而两人当时并不知道，在后来也都表示“不懂任何物理”。

△西蒙斯和陈省身（1973年）

1976年，西蒙斯因其数学研究（包括发现陈-西蒙斯不变量）而获得美国数学会奥斯瓦尔德-维布伦（Oswald Veblen）几何奖（这是该领域的最高荣誉）。

虽然“不懂物理”，但因为数学，西蒙斯的名字也与物理产生了千丝万缕的联系。1990年和2016年诺贝尔物理学奖得主的研究都与陈-西蒙斯变量有关。

此外，西蒙斯还与同样在石溪分校的诺贝尔物理学奖得主杨振宁颇有渊源，两人在一次采访对话中讨论了数学与物理之间的关系和研究的重叠。

在谈话中，杨振宁谈到西蒙斯曾向自己介绍了数学方法，使他认识到自己的规范场理论与数学方面的联系，从而推动了该方面的研究和进步。

杨振宁还分享了一件趣事，西蒙斯当时给他推荐了一本很著名的数学书，他读了之后非常沮丧，然后开玩笑说：“现代数学书只有两种类型，一种是你读不完第一页的，一种是你读不完第一句的，而他（西蒙斯）给的这本书是后者。”

△杨振宁和西蒙斯对谈

学术方面的诸多荣誉与突破性研究并未让西蒙斯产生巨大的满足感，相反地，这似乎让他看到了一马平川的未来。尽管热爱数学，但他仍然渴望新鲜的刺激，因为他已经习惯了挑战质疑和克服困难。

思量过后，西蒙斯决定将自己的天赋应用到一个更为实际的方向——尽可能多地赚钱。

这个想法令西蒙斯的同僚们震惊不已，大家虽然嘴上不说，但心里都觉得喜欢赚钱是一种低级趣味，认为他浪费了自己的才华，是堕落的行为。西蒙斯的父亲也觉得他放弃终身教职是个巨大的错误。

这些都是西蒙斯要面对的全新挑战和质疑，也是真正令他感到兴奋的东西。

其实，西蒙斯从未全身心投入学术圈。所以，无论是给军方破译密码期间，还是在数学研究和教学之际，西蒙斯都曾多次涉足交易，并且在心里盘算着如何拥有更多的财富。他明白，财富可以让人独立，也可以产生影响力。

在国防部破译密码的工作，让西蒙斯看到了数学模型在看似无意义的数据中捕捉某种规律的可能性，也让他结识了一群智力超群的数学家和工程师，并且开始借助计算机运用统计学和概率论等数学工具预测股市的短期走势，这对他日后发展的事业意义重大。

△西蒙斯（左）与IDA的同事

创造辉煌：从破解密码到破译市场

“预测彗星的轨迹比预测花旗集团股票的走势更容易。当然，它的吸引力在于，成功预测一只股票比预测彗星能赚更多的钱。”——西蒙斯

1978 年，西蒙斯放弃了出色的学术生涯，投身于金融业——一个他一无所知的世界——并在后来成为华尔街史上最成功的投资者之一。

破解密码的独特经历使得西蒙斯习惯于在混乱中寻找秩序，在噪音中识别微妙的信号。他将这种方法应用于市场当中，在这里，他发现人类行为及其固有的偏见和情绪创造了可预测的模式。

40岁时，西蒙斯创立了名为Monemetrics的投资公司，并着手证明商品、货币、股票和债券交易几乎可以像微积分和偏微分方程一样可预测。

在组建团队时，西蒙斯避开了传统的华尔街金融分析师和商学院毕业生，转而聘请了一群志同道合的数学家和科学家，包括天体物理学家和密码破译员等。他坚信这支由数学家、物理学家和统计学家小团队（主要是前大学同事）可以从太阳黑子到海外天气等各种数据中找出可用的投资信息，识别市场趋势并从中盈利。

经过四年的过山车岁月，Monemetrics更名为文艺复兴科技公司（Renaissance Technologies，以下简称RenTech），正式开启了辉煌之路。

除了用算法和模型识别市场效率低下的投资机会之外，西蒙斯还痴迷于构建一个可以在没有人为干预的情况下运作的交易系统，他“不想每分钟都担心市场，而是想要一个在睡觉时都能赚钱的模型”，这一愿景需要自动化，要用到机器学习，而这预示着人工智能在金融领域的兴起，也意味着量化交易的崛起。

这一目标最初遭到投资者甚至他自己的一些员工的质疑。然而，事实证明，西蒙斯开创的量化投资方法不仅行得通，而且大获成功。

RenTech成为了华尔街史上最强大的「赚钱机器」。

1988 年至 2018 年间，RenTech的旗舰产品大奖章基金 (Medallion Fund) 收益超过 1000 亿美元，年均净回报率高达39% (这个是去除了各种税费，扣完了高额业绩报酬之后基金认购者拿到的回报率)，包含费用的年均回报率超过66%。

这是什么概念呢？

对比一下，同期标普500指数的年均回报率大概10%，巴菲特巅峰期的年均收益率为30.4%，索罗斯同期的年均回报率为25%左右，彼得·林奇创下的最高纪录是29%。如果一个基金每年的回报率是39%, 大约两年多一点就可以翻一倍了。这个翻倍速度堪比摩尔定律，是非常恐怖的。

RenTech「印钞机」般的造富神话平息了批评者的声音，也让许多怀疑者噤声。在大部分时间里，RenTech都是华尔街最大的量化基金，其投资风格极大地改变了对冲基金的交易方式，并在投资界留下了许多传说。

大奖章基金以跑赢市场和任何试图与之竞争的投资者而闻名，也因严格保守秘密而闻名。多年来，许多竞争对手尝试破解大奖章基金的秘密并复制其「神迹」般的表现，均以失败告终。

RenTech现在管理着约500亿美元的资产，几十年来，大奖章基金只对西蒙斯和公司的员工开放，并收取4%的管理费和36%至44%的业绩报酬，远高于其他对冲基金，但回报同样也是丰厚的。扣除费用后，该基金自成立以来仍产生超过30%的年化净回报率。相比之下，巴菲特的伯克希尔·哈撒韦公司的复合年收益率仅为14%左右。

已故的诺奖得主丹尼尔·卡尼曼曾在一次采访中表示，相较于巴菲特，他对西蒙斯的量化投资方法在未来的表现更有信心，同时也认为量化更有可能成功。

算法掌舵：量化交易如何称霸金融市场

“我对任何股票都没有意见……计算机有它的意见，而我们盲目地遵循它们。”——西蒙斯

西蒙斯开创了量化交易的先河，改变了整个华尔街的面貌。到2020年，量化投资策略占所有交易业务的近三分之一，甚至连传统投资公司也将西蒙斯方法论的各个方面纳入其实践当中。

如今人工智能正在重塑着全球的各行各业，RenTech的发展历程为算法具有做出比人类更好决策的潜力提供了一个令人信服的蓝图，尤其是在以大量数据为特征的领域。

在扎克伯格等人还没上幼儿园的时候，西蒙斯和他的团队就开始应用人工智能，致力于用算法、计算机模型和大数据推动行业变革了。

虽然西蒙斯对自己的投资策略守口如瓶，外界也无从得知，但RenTech的成功还是有迹可循的。

除了超凡的数学天赋，西蒙斯的过人之处还在于远见卓识和管理能力。他比其他人更早地看到了量化交易的可能性，并建立了一家公司，为杰出的科学家提供资源、环境和技术。

西蒙斯通过不断引入新的人才和技术，充分挖掘并最大化地发挥自身优势，攻克一个又一个难题，才达到领先的优势。在瞬息万变的市场环境中，大奖章基金长期非凡的业绩表现，靠的不是单一的算法或模型，而是不断地更新和迭代。

在投资领域，想要效仿巴菲特的人很常见，但很少有人能够复制西蒙斯的方法和投资策略。因为量化投资的特点在于，不可能有一个算法能永远成功，想copy别人的成功只能开发别人没有的新的ideas。这也是超量子基金投研体系中所强调的。

另外，西蒙斯还分享过五项原则，其中也有与超量子基金投研体系金字塔相通的地方。

1）不要随波逐流，要不断创新。如果每个人都想做同样的事情，那就别做。

2）与最聪明、最优秀的人为伍。让他们自由发挥，如果他们比你聪明，那就更好了。

3）不轻易放弃，要坚持，但不是固执，而是留下有实现目标的机会和余地。

4）以美为引导。就像一个伟大的定理可以很美一样，一个真正运作得非常好、非常高效的公司也可以很美。

5）期望好运。

西蒙斯的量化投资经历引人入胜，因为他挑战了传统意义上对谁能在金融世界中获胜的假设。他不依赖内幕消息、直觉或传统研究，而是利用算法的力量，创建了一个自动化系统，可以识别隐藏在看似随机的市场波动中的模式。

资本市场人才辈出，总有一些天才另辟蹊径，以出乎意料的方式找到答案，西蒙斯就是这样一位传奇，在杂乱无序的市场中，他用数学淘到了真金。在这个数据饱和的世界中，那些了解如何利用算法的力量，同时认识到算法局限性的人，将拥有越来越宝贵的优势。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章