Gregory Zuckerman寫的Jim Simons傳記——《The Man Who Solved The Market》，是我很期待閱讀的一本書。
站在有效市場理論的角度來說應該“沒有人能夠打敗市場”，但也有少數幾個人改變了我們對市場的看法。例如，價值投資的巴菲特和量化投資的西蒙斯（Jim Simons）。
此書主要講述量化投資鼻祖、對沖基金之王Jim Simons，他是如何與一群科學家、數學家創立文藝復興科技公司，並打造史上最賺錢的量化基金。
出於該領域（尤其是文藝復興公司）的隱秘性，這本書沒有披露關於他們在市場上佔據優勢的細節，但從中仍可學習到Medallion基金自1988年以來，是如何取得66.1%的年均投資回報率的一些真知灼見。
原本我想寫篇書評，可惜這本書的內容，還是讓我有些失望，但書中關於Simons的量化投資策略，仍有不少可參考之處。
01
投資大師Jim Simons與資深作家Gregory Zuckerman的花火
書中主角Simons是投資大師，作者Zuckerman是金融領域裡大師級的資深作家。但是，看到前言就不難明白，這本書是Zuckerman厚著臉皮從各種渠道蒐集來的小道消息（令我失望的重要原因）。
Simons根本沒有見他。
1、Jim Simons
對量化基金稍有了解的人，幾乎沒有誰會不知道文藝復興科技公司掌門人Jim Simons。他不僅是最早用量化做對沖基金的，還是位有趣的數學家，曾是哈佛大學數學系最年輕教授之一（待了沒幾天就辭職了，因為他不喜歡那裡的氛圍）。
Simons使用應用數學創建了華爾街歷史上最偉大的賺錢機器。
20多年間，在他管理下的Medallion基金年均淨回報率是35.6% (這個是去除了各種稅費，扣完了基金業績報酬之後基金認購者拿到的回報率。包含費用的年均回報率超過66%)。
這很厲害嗎？ 對比一下，投資大師索羅斯同期的年均回報率25%左右。同期標準普爾500指數的年均回報率大概百分之十。如果一個基金每年的回報率是35.6%, 大約兩年多一點就可以翻一倍了。這個翻倍速度堪比摩爾定律，是非常恐怖的。
2、Gregory Zuckerman
Gregory Zuckerman熱衷於撰寫大型金融交易，私募股權公司等投資和商業話題，是《華爾街日報》的特約撰稿人和資深專欄作家。
他擔任該報記者12年，定期為廣為閱讀的“Heard on the Street”專欄撰寫對沖基金和投資方面的文章。
書的可讀性還是很強的，我自己感到缺憾的是其實沒有太多關於量化交易的內容（也可以理解，文藝復興和Simons對此都諱莫如深），書可以當做Simons這個人和文藝復興這個公司的傳記來讀。
資深作家會如何撰寫投資大師？透過此書，我們可以瞭解到文藝復興科技公司裡眾多的關鍵人物，Simons的家庭、工作和其他的重要的公司成員。
02
一本值得創業公司關注的創業參考書
文藝復興科技公司的繁榮昌盛，非一日之功。他花了整整十年的時間，組建了一支實力雄厚的團隊，才不斷地賺錢。
書裡大部分場景其實在描述Simons是如何遇到各種困境的，本來以為可以暢快淋漓的看到他如何笑傲江湖，橫掃私募基金行業，看到的卻是每章都出現的新問題，要解決各種複雜的關係。
1、Simons擅於辨識人才
Simons樂於採取富有建設性的態度來解決工作中存在的問題，他知道金融知識可以分享，但無法告訴別人怎麼變聰明。辨識人才是Simons的厲害之處，也是文藝復興公司獲得成功的重要因素之一。
他慣用一種激進的方法征服金融市場，聘請了物理學家、數學家和計算機科學家來收集大量數據，並建立算法，尋找全球市場中隱藏得很深的模式。
麥教授的私募基金團隊也在做類似的工作，也有最棒的物理學家、數學家和計算機科學家加入。但是我們的環境太優越了，數據獲取要容易很多倍，過去30年的金融理論發展也讓我們有了很多Simons團隊創業時沒有的insight 。
2、猶如一本創業參考書
這本書我一開始是當量化交易類的書看的，但是看完卻覺得這書可以是創業的參考書，因為裡面描述的困境是創業公司需要關注並解決的。
Zuckerman用兩個章節的內容，分享Simons的個人經歷。他是數學界的奇才，但與普通數學家不同的是，他對錢也很感興趣。
Simons受僱於美國國防部破解密碼，每天都得想點子破解密文，加密和還原信息，這與從股市中找信號有點類似。
安全部門對外隔絕，但內部是開放的，鼓勵同事之間相互交流，這一點使他後來在管理文藝復興公司時，也推崇開放的企業文化。
Simons在安全部門認識了數學家Baum（是著名的Baum-Welch算法的發明者，用來解Hidden Markov Model，就是隱馬爾科夫模型，這個模型在做機器翻譯，語音識別，交通規劃都有用，我曾經也花了不少時間研究它在金融場景下的應用），他們有不少的合作往來。
Baum後來加入文藝復興，開發了最早的量化算法。Simons那時得空就搞研究，自己做了個股票模型，通過市場行為把市場分成多個狀態，這成了他後來建立更復雜模型的基礎。
03
我與書中某些觀點的不同見解
書中零星散佈一些Simons團隊對量化投資的觀點，我不完全認同這些觀點。
1、金融知識不是必須的：文藝復興基金和其他量化基金的區別，是他們團隊由科學家而不是華爾街的人組成。零金融背景的他們把金融數據看做科學文本數據，就像以前在實驗室裡做實驗一樣。
我不太認同這一點。物理和數學也是在追求對自然的更深刻的理解，從牛頓物理到量子力學和相對論，很多基本假設都發生過改變。
對金融市場也是這樣，量化也許能發現一些金融理論還沒有研究清楚的問題，但是量化算法的收益和對金融市場的深刻理解一定是相輔相成的。
2、合理化模型的預測不是首要任務：僱傭科研人員而不是經濟學家，其中一個可能存在的問題，是他們更關心交易異常的統計學意義，而不是其可解釋性。
因此，他們敢於做那些難以解釋/理解的非直覺性異常現象的交易。在採用機器學習和模型預測時，我們的模型預測很難合理化。
同上，這樣的模型也會幫助我們更深刻理解金融市場的本質，我不太喜歡數據決定論。數據一定能幫我們揭示覆雜數字之後的金融市場邏輯。
3、研究報告很可能是錯誤的：為了尋找靈感，Simons成立了一個讀書俱樂部，閱讀和討論那些聲稱發現alpha的報告和文章。可惜當他們試圖對這些報告進行反向測試（backtest）時，卻始終沒有成功。
這個也是金融市場實踐者不喜歡看學術研究的一個原因。反過來想，如果研究人員真的發現了alpha，他們可能一開始就不會發表這些報告了。
就好比1970年，Black-Scholes的模型就推出來了，兩位作者延後了三年才發表這篇文章，因為他們用了三年時間在市場上看模型是否能賺錢，結論是不能。
當然最終他們還是在1994年成立了LTCM基金賺了不少錢（1998年又賠光了），在1997年拿了諾貝爾獎。閱讀學術報告雖然不能直接拿到賺錢的模型，不過確實是獲取靈感和想法的來源之一。
4、擁有一個獨立的交易模型：Henry Laufer認為，與其為每個投資類型創建一個單獨的交易模型，不如為所有投資類型建立一個大的模型，讓它們利用已經收集到的大量數據，建立不同投資類型之間的相關性模型。
這樣未來新的想法可以很容易迭代進來，因為模型已經對市場和價格變動有了隱性的理解。即使是歷史數據較少的投資類型，如果它們與歷史記錄較豐富的投資類似，也可以進行交易。
而我則認為，這個在平時的時候是對的，但是當遇到股災的時候，所有的股票都超強正相關，加之股災歷史數據少，非常容易在股災的時候做錯誤的判斷。
04
篇末
毋庸置疑，我非常期待看到西蒙斯與文藝復興的故事，然而這本書裡沒有講透一些根本性的問題。側面來說，我們讀一本書，獲取知識是一層境界，而帶著自己的想法和見解來閱讀，是更高層級的讀書。
簡單來說，我們不一定要去認同書中的觀點。可以不完全認同，但也要給出自己的見解，那麼讀這本書的意義才會深刻。
在這本書中，Gregory Zuckerman撰寫了一個偉大的故事，講述了形形色色的人物如何構建了文藝復興公司。Simons團隊曾多次被他們的模型失效的原因所困擾。
然而，該團隊堅持不懈，克服了每一個障礙，成為有史以來最成功的量化基金。對於任何有志於成為量化分析師，或者是任何想進入量化金融世界尋求有趣冒險的人來說，這本書都是必讀的書。
