Local EPUB Text
第5章 贾弗雷·伍德里夫
灰色地带
贾弗雷·伍德里夫明白三件事情：他想成为一名交易员；他想采用计算机的方法；他想做到与众不同。绝大多数的期货交易员，也就是CTA，使用趋势跟随策略。[1]这些程序试图通过发现趋势，顺势而为，直到反转信号出现才平仓离场。一小部分系统交易的商品交易顾问采用反向操作（也称为均值回归）的方法。就像名字所说的那样，这类系统试图辨别当前市场已进入超买或超卖状态时，进行反向操作。还有一种系统交易方法，它并不寻求在顺势而为或者反转交易中获利。这类系统试图辨别，相对于近期价格，价格的趋势向上还是向下。贾弗雷·伍德里夫就是这类极少数的商品交易顾问之一，他采用趋势识别方法，并且有他自己独特的思路。他也是这种系统交易模式最成功的实践者之一。
贾弗雷·伍德里夫是在夏洛茨维尔（美国弗吉尼亚州中部城市）长大的。他对工作的态度受到了童年时光的很大影响。当他读高中时，贾弗雷·伍德里夫认为，绝大多数人喜欢周五而讨厌周一是很悲哀的一件事。“我要确保我不是其中之一。”他说，“我确实想方设法地让周一和周五一样令人兴奋。”
还有一次童年的经历让贾弗雷·伍德里夫认识到工作的动力。暑假的时候，他和他姐姐去叔叔的葡萄园帮忙摘葡萄。一开始，他们与当地的工人一起干活儿。即使那些人的报酬是按采摘葡萄的重量支付，贾弗雷·伍德里夫也很吃惊地发现那些工人工作懒散，一点儿都不卖力。由于薪水与工作量挂钩，贾弗雷·伍德里夫和他的姐姐每小时挣的钱是那些工人的两到三倍。他的叔叔对葡萄采摘工作的缓慢进展十分失望，最后不得不解雇当地工人，转而雇用外地工人。贾弗雷·伍德里夫发现外地工人工作的时候很用心也很有效，他们的收入是他和他姐姐的两倍。很明显，那些外地工人明白激励机制。贾弗雷·伍德里夫十分推崇以激励机制为基础的公平和效率，就像他公司很不寻常的只有激励费用（管理费为0和30%的激励费用，对比通常情况下是1%～2%的管理费和20%～25%的激励费用）。[2]
贾弗雷·伍德里夫在弗吉尼亚大学读书，学校离他家只有30多千米。在大学毕业前，他就知道他想成为交易员。令他母亲惊愕的是，他1991年毕业之后从未找过工作，而是一直在研发期货交易系统。贾弗雷·伍德里夫在大学毕业前和他的同学成立了一只合伙制的期货产品，但只持续了几个月。他的合伙人家里提供了一笔钱供他们创业，也因此他的合伙人持有65%的股份。贾弗雷·伍德里夫就只能持有少数股份，但他没想到的是他的合伙人因此就自以为是贾弗雷·伍德里夫的老板，这是一个让贾弗雷·伍德里夫无法接受的安排，于是贾弗雷·伍德里夫很快就离开了。
过了几个月，贾弗雷·伍德里夫又成立了一只合伙制的期货产品——蓝色屋脊。贾弗雷·伍德里夫负责交易，而他的合伙人罗伯特·乔丹负责运营和市场销售。贾弗雷·伍德里夫并没有迅速崛起。1991年10月开始交易。在一开始的三个月和之后的两个年度，蓝色屋脊最终以略低于盈亏平衡点收尾。但在第三年，1994年，贾弗雷·伍德里夫的系统在一开始的六个月获得了超过85%的收益。贾弗雷·伍德里夫和乔丹立刻就签了合伙协议。一直到那个时候，他们都是平分公司微弱的收益。在他的系统开始产生大量收益时，贾弗雷·伍德里夫认为是时候将他们的合作关系以纸质协议的形式确定下来。这个决定本身可能并没有什么问题，但贾弗雷·伍德里夫提出的条款让乔丹非常恼火，以至乔丹突然停止合作关系，并向法院起诉贾弗雷·伍德里夫。从那以后，贾弗雷·伍德里夫和蓝色屋脊的关系就结束了，那家公司也没几个月就关门了。
之后，贾弗雷·伍德里夫创立了自己的期货交易公司——伍德里夫交易公司。他从亲戚那儿筹集了不到5万美元的初始资本，于1994年8月开始交易。在1994年的后5个月里，贾弗雷·伍德里夫损失了16%。1995年他又损失了12%。但这不祥的开始之后尾随的是1996年居然获利180%。良好的表现持续到1997年，那年的前四个月贾弗雷·伍德里夫又赚了65%。但接下来的5个月，贾弗雷·伍德里夫损失了超过他当年累计收益的一半还多。最高时，他管理的资产规模达到了300万美元。
在1997年的高点之后，损失和撤资使得资产只剩下150万美元。贾弗雷·伍德里夫对他自己不能筹集大量的资金感到沮丧，距1997年高点缩水了20%，而绝大部分是因为他在运营CTA而没有时间去追求他真正的事业：预测型模型。贾弗雷·伍德里夫认为他可能应当去纽约找一份自营交易的工作。他将剩余的资产都返还给投资者，关闭了伍德里夫交易公司，然后搬到纽约去找一份工作。
贾弗雷·伍德里夫一个朋友的婶婶是一位比较有名的对冲基金经理。在她的坚持之下，她为贾弗雷·伍德里夫安排了由公司总经理直接面试。贾弗雷·伍德里夫生动地回忆了这次面试，面试的地方他称之为“令人赞叹的地方”。贾弗雷·伍德里夫花了5分钟讲述他的故事并且解释他做了什么。然后公司总经理花了10分钟告诉贾弗雷·伍德里夫他们已经尝试过贾弗雷·伍德里夫所说的情况的不同组合，可惜完全没用。那位总经理告诉贾弗雷·伍德里夫他们没有适合贾弗雷·伍德里夫的职位，因为他不是“他们要雇用的那种人”。当贾弗雷·伍德里夫回忆那位面试官的建议时笑起来，“你是在浪费自己的时间。这就是个死胡同。你真的应当考虑在金融行业之外找工作。我十分高兴今天我们能有机会见面，并讨论这个话题。”
一个朋友的朋友帮贾弗雷·伍德里夫安排了一个法国兴业银行的面试。面试他的交易员正准备招几个自营交易员，那个交易员觉得贾弗雷·伍德里夫的交易方式与其他交易员都不相关，因此是很合适的。在1998年至2000年5月，贾弗雷·伍德里夫在法国兴业银行的自营交易非常成功。他发现，不用处理业务留给了他很多的时间继续研究。他在法国兴业银行期间，第一次运用系统方式交易股票账户（股票多空策略），这是他们公司股票交易项目的先驱。
贾弗雷·伍德里夫离开法国兴业银行，是因为他的老板乔纳森要开设一家有多个管理人运营的对冲基金，他也在受邀之列。乔纳森告诉贾弗雷·伍德里夫这个团队还有三位投资组合经理，其中的一位曾经为乔治·索罗斯和保罗·琼斯工作过，并且也是贾弗雷·伍德里夫的熟人。贾弗雷·伍德里夫很兴奋可以成为精英交易队伍的一部分。几个月前，贾弗雷·伍德里夫就开始为新的挑战做准备，贾弗雷·伍德里夫邀请麦克·斯玛——贾弗雷·伍德里夫的前室友，也是在蓝色屋脊交易公司工作时的手下——来纽约做他的助手。斯玛那时在准备一个交易系统。贾弗雷·伍德里夫刚离开法国兴业银行，就开始用斯玛的系统做交易，同时也在等待对冲基金运营。
贾弗雷·伍德里夫参加了一个讨论创办新的多个管理者运营基金的会议，他惊讶地发现他是除了乔纳森之外唯一一位出现的参会者。当他告诉斯玛那个会议时，斯玛说，“你应当去见见其他的管理者。”
在下一次会议，贾弗雷·伍德里夫再次发现他是参会的唯一管理者。“乔纳森，其他人在哪儿？”他问。
乔纳森回答说，“好吧，我很努力地寻找其他人，但恐怕只有你和我了。”贾弗雷·伍德里夫已经预想到了这种可能性，回答说，“我很抱歉，乔纳森，只是你。”
贾弗雷·伍德里夫自己的股票账户做得十分出色，在对冲基金计划失败后，他就只想继续交易这个账户，然后靠收益吃饭。贾弗雷·伍德里夫开账户时只有30万美元，当然他还要付斯玛的薪水。贾弗雷·伍德里夫告诉他这件事时，斯玛持怀疑态度。“你不打算开一只新的CTA产品，代客理财吗？你居然打算靠利润为生？”
“哦，当然了！”贾弗雷·伍德里夫回答道。贾弗雷·伍德里夫当时的回答和行为已经反映出他对自己系统的信心。虽然我觉得这听起来像一个荒谬的计划，但是他的信心是对的。在股票市场高波动的帮助下（这对他的系统尤其有利），一开始的25个月，他的账户以复利计算翻了20番。[3]
在2001年4月，贾弗雷·伍德里夫和斯玛搬回了夏洛茨维尔。在他账户增长的过程中，贾弗雷·伍德里夫认为应当开设期货账户做系统交易以分散风险，就像他最初做的。另外，因为那个时候股票账户只能开盘后交易，他觉得只有期货可以给他提供充足的容量建立一个真正的可扩展的管理模式，如果他选择这么做的话。他的计划是做两年的期货交易，建立历史成交记录和流畅的操作，然后再考虑将项目对外融资。贾弗雷·伍德里夫敲掉一个词“考虑”，因为他提到，那个时候，他不是非常确定他想再次经历，从管理自己的账户转为运营资金管理的烦琐事务。在2002年年底，第三位创始人格雷森·威廉姆斯加入了处于萌芽的公司，而量化投资管理（QIM）公司正式成立于2003年5月。就像它表现出来的，贾弗雷·伍德里夫从来就没碰触到那个两年决定的点。2003年年底，一位经纪人将QIM介绍给一位客户，贾弗雷·伍德里夫和斯玛、威廉姆斯一起都觉得他们已经做好准备代客理财了。
QIM有两个交易项目：一个是股票项目，另一个是期货项目；二者都展现了很强的风险收益比。期货交易项目占用了近50亿管理资产的85%。从2003年10月第一个客户开始直到2011年，期货交易项目达到了平均年化复利收益12.5%，年化波动率10.5%，同时损益比（GPR）1.43表现优异（附录A中有损益比的解释）。贾弗雷·伍德里夫自己交易期货的账户历史记录更为长久（从2001年12月开始），交易时采用了更大的杠杆比率，实现了平均年化复利收益118%，年化波动率81%，损益比1.94.（除了开始日期不同，较高的损益比是由于自己交易账户不用收取业绩提成。QIM股票账户的历史记录包括自己的交易账户和客户账户两部分。自己的交易账户交易时间从2000年4月开始到2005年9月，平均年化复利收益115%，年化波动率69%，损益比达到了2.69。客户股票交易账户从2008年5月开始，平均年化复利收益34%，年化波动率20%，损益比2.38。
贾弗雷·伍德里夫强调说合作创始人麦克·斯玛和格雷森·威廉姆斯对QIM的成功十分挑剔。他还很自豪，自QIM成立以来，公司人员流动率为0（公司现有员工31人）。
我去贾弗雷·伍德里夫的办公室里采访他。他的办公室位于弗吉尼亚州的夏洛茨维尔，一个很漂亮的大学镇。贾弗雷·伍德里夫的办公室引人注目的是满地散乱的书籍，我们之间的矮几上也放了几摞。很多书还都是新的。贾弗雷·伍德里夫是一个贪婪的读者。我的感觉是他会买任何他感兴趣的书，然后放在显眼的地方，这样就能随时翻阅。贾弗雷·伍德里夫42岁，但看起来年轻多了。如果我不知道他是QIM的创始人之一，我可能会猜他也就临近30岁。贾弗雷·伍德里夫很期待我们的会面，但极其沮丧的是他前一天感冒了。他不断道歉，因为他觉得自己思路混乱，引用又不精确。“天哪，我希望我没生病，我都想不明白了。”他说。[4]
你为什么会对计算机交易系统感兴趣呢？
我9岁还是10岁的时候，对概率和可能性很感兴趣。我会疯魔了一样地掷一副骰子，七点赢，六点和八点概率相当。我深深地着迷于随着时间等待结果——观察随机化——的到来，但是七点总是多于六点和八点。
当我12岁时，我读了一篇有关计算机的文章，讲的是一台新电脑，价值300美元，在现在来看那可能等于几千美元了。我试着说服父母给我买一台，但因为电脑确实太贵了，他们只同意我要在30天质保期内退回才可以。这就意味着我还是没有电脑。那台电脑的款型使你可以将资料存储在类似于卡带的介质里，我觉得很灵巧。我想编程序掷骰子，这样我就可以掷得快一些了。这感觉有点儿奇怪，让计算机来决定随机性，而不是骰子，但编写程序是件很有意思的事情。为了在我退回计算机之前有更多的时间编程，我装病翘了几天课，用了把体温计靠近灯泡的伎俩。
你如何学会编程的呢？
我记得有一些手册。当然了，随机数字发生器只是一个简单的程序，这是计算机自带的。即使我恳求我的父母把计算机留下来，他们也依然退了回去。但我还是很高兴自己有30天的时间编程。我觉得它对我不断开动脑筋很有帮助。进入大学之前我都再没怎么编程。
还有其他童年的经历对你成为交易系统研发者有影响吗？
当然了！在那之前的一年，我祖父住在宾夕法尼亚州，带我去看我最喜欢的棒球球队费城人队，之后我就迷上了棒球统计。我记录并统计每场比赛之后报纸上刊登的费城人队每个队员的成绩情况。早期的经历显露出，一旦我对什么事情着迷就会对数字特别执着。我刚12岁的时候把比尔·詹姆斯《棒球抽象理论》从头读到尾。他以数量化的方法创建新的有趣的统计资料。我现在已经不记得细节了，但詹姆斯创建的统计资料会提供更多的信息，也更容易理解。比如，如果你21岁命中率是0.311，这就比26岁的时候具有相同的命中率更有意思。回想起来，比尔·詹姆斯的数量分析风格对我最终建立预测市场的交易系统的思考过程影响颇深。比尔·詹姆斯的分析风格在被搁置数十年后，终于得到了棒球企业的认可和利用。
比尔·詹姆斯的棒球统计和你的交易系统有什么样的联系呢？
詹姆斯总能想到新的测量标准。比如，一轮中的第一打击手在最差的击球手之后打击，将会相对于在四号位的打击手拥有更低的打点率。詹姆斯会把这种不一致正态化。一旦你调整了他们的击球槽，他将找出拥有更多打点的第一打击手，和那些应该在三号和四号位打击的人。我喜欢把数据正态化的逻辑。
你是什么时候开始接触市场的呢？
我一出生，我家里就为我投资了一只基金。当我18岁的时候，我开始在日报上核对我的基金所持有的股票价格。几天之后我就厌倦了，因为每天的价格变动都很小。但是，我发现期权的价格变动幅度很大，按百分比来说。那个时候，流动性最强的期权是OEX（标的是标普100指数）。我和我父亲商量给我开一个2500美元的账户。我的经纪人给我推荐了一笔交易，典型的经纪商风格。“这肯定赚钱，”他向我保证。不过，赔钱了，然后我再也没有采纳过经纪人的建议。涨了，跌了。一次交易就够了；我再也不会这么做了。
他建议的是什么交易呢？
我都不记得那是股票还是期权了。我所记得的就是他很确信那笔交易，但根本不管用。然后我就开始考虑我如何才能预测市场的趋势。
你的交易品种是什么？
我基本上交易OEX期权。只有一笔股票交易我还记得。我并没有看到1987年11月9日的那次崩盘。第二天早上时，我发现市场已经跌得很厉害了。我一直关注一直科技股，那是家里一个朋友推荐的，已经从20美元涨到40美元了。我一直想以更低的价格买入，但从来没实现过因为它一直在上涨。在20日早上，这只股票的价格已经跌到十几美元了。我为了下单，至少给施瓦布的客服打了50次电话，我听到的一直都是占线。最后我终于打通了，并将我的账户号告诉接电话的女士，“我想买100股CHPS。”
她说，“好的，这是你的账户，你要卖出100股CHPS。”
我激动的回复她，“不，不，是买！”
她说，“你肯定是要卖。没有人买！”
我又说，“不是，我要买，买进。”
她以奇怪的语调说，“真的么？所有人都在卖出。”
我回答，“我要买入。”所以她下单了，成交价是14.5美元，在那之后它涨得很猛。我认为那笔交易最重要的一点是，即使在最初的时候我也想做反转操作。
你是根据什么交易期权的呢？
一样的，我是个反向操作者。我将买卖比作为最基本的指标。我很喜欢它背后的逻辑。我也关注阿姆氏指标。
你性格中有什么是与反向操作有关的？
我只是无法忍受庸庸碌碌和接受统一的想法。我想自己评估所有的东西。
你是如何交易的呢？
这很有趣。今早在你来之前，我正在翻阅我以前的经纪结算单，我惊讶地发现自己对早期交易的记忆似乎是有误的。印象里我最初的10笔期权都是赚钱的。然而，在核对经纪结算单时我发现我最初的10笔交易确实赚钱了。但是我也买了看涨期权，而大部分是赔钱的。我不巧地忘记了只有买入的看跌期权是赚钱的，而不是所有的10笔交易。当然，那个时候，我们处于下跌的通道，所以买入看跌期权可以一直赚钱并不奇怪。我现在觉得，我应该向那些我告诉过他们这个故事的人更正一下真实的情况。直到那个时候，总的来说，我做得还是不错的。因为看涨期权赚了很多。我账户的初始资金2500美元已经翻了四倍还多，超过了1万美元。然后，我的第11笔看跌期权，我损失的比我之前10笔交易合起来赚的还多。
第11笔交易发生了什么呢？
市场报复性反弹，看空期权基本都不值钱了。
因为你买入看跌期权，为什么你会损失那么多呢？
因为在我赚钱的时候，我在持续加仓。
所以你一笔就全没了？
对啊。
那个时候，你因为那笔单子而停止交易了吗？
没有，我继续交易，但做得没有那么好了。那个夏天我尝试着做日内交易。我弄了一整套实时报价计划。我的计划本来是夏天盯盘的。在这么做了三天之后，我意识到，这不适合我。
在大学的时候，你知道你想要做什么吗？
我想做交易。在我大三的时候，我参加了AT＆T投资挑战赛，那是一个针对学校学生的实盘模拟大赛，需要50美元的报名费。我用我和舍友的名字报名了。我想让我的舍友威尔也参加这个大赛，但是他对交易没有兴趣。所以我就用他的账户交易。我用不同的方式操作两个账户，以增加我赢的可能性。获奖的有10个人，我是第六名，但是用威尔的名字。第六名的奖金是3000美元。除了现金奖励，前十名赢得去巴哈马的旅行一周，并且可以带一位同伴。我告诉威尔，“你必须接受奖励。那是在你名下的。”
有正式的颁奖典礼吗？
有的。
谁上去领奖的呢？
威尔去的。他们给威尔的奖励支票有这么大。
（贾弗雷·伍德里夫在空中比划了一个很大的长方形。）
第二天早上，我们去当地银行想把它兑现了。支票都塞不进柜员的窗口。
我不明白，他们给了你一张超大型支票？
那不是一张真的支票，但我们没有意识到因为那看起来很正规。我们白跑了一趟，就和白痴一样。我俩谁也没意识到那个支票只是个道具。后来我们收到了寄来的真正支票。
我觉得有点儿内疚，为了赢得比赛自己做了两手准备。在第五天，刚好有个野餐，我就去找那个活动的两个主办人之一坦诚了这件事。“你在开玩笑吧？”他说，“我们希望每个人都能做10个账户。我们希望大家多开几个账户，尝试不同的策略。你没有必要以你朋友的名字参加。”
你想做交易，那你有什么打算吗？
我很快就意识到我不想做经纪商赚取佣金，也不想成为一名仅为了赚取管理费的基金经理。激励费用的机制很吸引我。我喜欢这个收入与业绩表现挂钩的主意。
除了知道你倾向于激励费用这个机制，你有计划如何交易吗？
我知道有一个很好的机会我可能无法琢磨出如何打败市场，但我也知道有些人正在与市场搏斗，感谢你第一本《金融奇才》和后续的系列。当我知道有效市场的假说的时候，我就试着去证明那是错误的。
就在那段时间，我上了一门经济学的课程。我被某些学术结论彻底吓到了，比如有效市场假说。我拒绝学这些东西，因为我认为这大部分都是错误的。教授一个学期都用多选来做小测试。我恳求他期末考试不要用多选了，用问答题的形式吧。考前一个星期，他通知说考试是多选题。我沮丧极了，我决定考试的时候在桌子上放一盒彩笔，而且我坐在第一排，因此所有人都可以看见。我在试卷上注解说，我认为有正确答案的题目我就会填写答案，但是对我认为正确答案不在选项里的题目，我会解释为什么我觉得没有正确答案，并且会用不同颜色的笔写上我认为正确的答案。我也注明了，如果他坚持原则只看多选选项，并且对我提供的其他答案毫不在意，那么我就无法通过考试。他确实只看了多选选项，忽视了我所有的注解。我成绩是51分，没能通过考试。我不介意得到51分这件事情，事实上我很高兴，因为我知道那些所谓的“正确”答案有多离谱。
有人指导你吗？
大家总是问有没有人指导我。事实上我完全是自学的。我尝试用很多种方法思考，但这是唯一可行的方式。但如果你问我有没有给自己设定一个要超越的目标，那肯定是保罗·琼斯。这和他的交易方式没有关系，因为很早我就知道我对主观交易没有兴趣。就在我读《金融奇才》那本书的时候，保罗·琼斯刚好来达顿（弗吉尼亚大学商学院）演讲。那个时候他还没有那么出名。
你还记得他说的任何对你有影响的话吗？
我记得他很自信，很有魅力，我很喜欢他，就是这样。我喜欢他是弗吉尼亚大学毕业生这个事情。
开始的时候你是如何开发你的交易系统的呢？
在我大学毕业后，我还没有自己的电脑，所以我用工科楼里的计算机。计算机实验室非常大，楼顶也特别高，我不知道在此之前那里是用来做什么的，容纳了超过100台计算机。我开始查看趋势跟随策略，那看起来很有意思，但是我认为已经有很多成功的趋势跟随者了，我不想和他们竞争。我想做些与众不同的事情。
我们谈了这么久，我很清楚你不选择趋势跟踪方法是另有原因的。这是由你的性格决定的。一种交易方法，就定义而言，需要与大群体保持一致，而这和你的天性是完全相反的。即使这种方法有效，你在做的时候也会很受折磨。
对的。我与众人背道而驰的本性会抵制我与别人做相同的事情。我也相信如果每个人都认为趋势跟随有效，那做起来可能就不会表现得那么吸引人。我永远都不会成为一个趋势跟随者。这是很明显的。均值回复会更有意思。但是我也不喜欢均值回归。
你为什么不喜欢均值回归呢？
因为我发现还有更有效的方式。就在那个时候，在计算机实验室里。（贾弗雷·伍德里夫在说这些词的时候语气很重，意味着这是他人生中非常关键的时刻。）
你发现了什么？
我意识到我可以创建第三类模型，简单来说就是趋势中性，交易模型既不是趋势跟随，也不是反向操作。我建了几个这种模型，做了一些初步的测试。我的结论是，这种方法的余地很大。
我完全被这类模型迷住了，这种方法现在依然是我交易的核心部分，我等不及做更多的测试。为了加快速度，我同时使用两台电脑。但那个时候实验室人很多，我不得不放弃一台电脑。我开始想，这个地方今晚总会空出来的。我决定整理好我的思路，这样晚上的时候我就可以同时使用很多台计算机了。我很开心能想到这个主意。当人们开始离开的时候，我就占了两台计算机，然后四台，最后我用了20台机器做回测。
测试系统的时候是每台机器测试一个品种吗？
我就是这么做的。我很兴奋得到的结果，我测试了一整个晚上，第二天接着测试。进展得十分顺利，于是第二个晚上我也熬了一个通宵。我连着工作了40个小时，我每个小时喝罐百事补充咖啡因以保持清醒。那个时候我还住在农场。第二天之后的那个早晨开车回去是十分危险的。我记得开车的时候我都迷糊过去好几次。我回到家，花了三分钟告诉我父亲我做了什么，然后就去睡觉了。我一下睡了24个小时。当我睡醒后，觉得精神抖擞。我记得后来读到“你无法补充睡眠并且思考”，实践证明那是错的。
你接下来做了什么？
我回到计算机实验室，继续测试，虽然后来我再也没有熬夜了。
你有什么进展么？
我发现同时使用几个模型比只使用一个最棒的模型要好得多。
在那周之后的某个时候，我突然有种感觉，“哇，我觉得我抓住它了，”我告诉我的母亲，“我知道，毕业之后我没有去面试找工作，这让你很失望，但相对的，我在尝试做交易，我知道你觉得这很疯狂。但我想让你知道，如果我现在做的事情成功了，我将会做得很好。我不想让你觉得我做这个就是为了赚钱。我现在做的这件事情最棒的地方在于，如果我擅长应用预测模型，我就可以将这个方法应用到科学领域。所以我不会仅仅是一名交易员，即使我做得很成功。我做得越成功，它被应用到科学领域的机会就越大。”
你有将这个方法应用到科学领域吗？
我设立了一个基金，数量基金。远期计划是改善统计预测方法和软件。相对于数据挖掘——由于使用不当而被赋予了负面含义也是应该的，我更喜欢统计预测或者统计知识这样的词汇。[5]我们还没有做得那么远，但是我们还没有打算做那些，因为我们还处于需要依赖这种边缘技术赚钱的阶段，而不能简单地出去为科学家们开发软件。我们想开发软件，这样它就不会是送给我们对手的一份礼物。
如果你们为科技研究提供软件，那么其他人就可以将它作为金融市场的一种预测工具，这肯定会降低你现在的获利水平，你是如何处理这个问题的呢？
即使我们全力以赴准备开发这种广泛性的软件，那也要花至少五年的时间。可能到那个时候，QIM已经因为什么原因关闭了。如果QIM长时间表现很差，并且我们决定关闭它，那也不能说明我研发的这种预测模型技术是无效的。以某种角度看，这可能只说明这类模型在这些年是有利润的，而后来其他人赶上来，发现了我们正在做的事情，并将这种无效性消除了。那可能就是一个广泛推广预测软件的好时机了。但这不是我现在需要解决的问题，因为我已经离我的目标——为科学家们提供能在更广泛领域内使用的预测模型软件——不远了。我们正在筹措基金做这件事情。一开始，我们的基金规模是5千万美元，现在已经有1亿美元了。
你的基金现在做什么呢？
作为一只基金，我们每年都会投出去一定比例的钱。
资金都投给谁了呢？
目前，资金都给了学校和当地的慈善机构。
所以这只基金的主要项目是QIM后期你所要关注的。
这只是一个大的框架，虽然在某些有趣的情况下，预测模型项目是可以和QIM同时运行的。
当你在蓝色屋脊第一次开始代客理财时，在初始那年的三个月和后来的两个年度，你的业绩略有亏损。在之后那年的前六个月你赚了80%。反差巨大，看起来似乎你的交易方法与早期的几年相比发生了巨大的转变。这段时间里，你的方法有什么重大的变化吗，如果是的话，这种变化是什么呢？
我开始的时候，针对不同的市场采用不同的模型。我后来发现这些模型在真实的交易中十分脆弱，因为他们被过去的数据过度优化了。在1993年，我用越多的数据来修正模型，模型表现就会越好。我还发现对不同市场采用同样的模型，可以提供更加稳健的方法。所以，在这段时间发生的重大转变是从针对每个市场使用不同的模型，转为所有的市场都采用通用的模型。第二个变化是投资品种的多样化。一开始的时候，我只交易两个品种，有的时候也会交易三个品种。但是当资产管理规模增加之后，我意识到最好对所有的市场都使用相同的模型。我在投资组合中添加了很多投资品种。多样化的转变同样帮助我改善了业绩表现。直到1994年，我交易的品种大约是20个，并且我再也不采用针对某个市场的那种模型。这些变化使得业绩发生了巨大的改变。
当你只交易两个或三个投资品种时，你如何决定投资哪个品种呢？
这就是问题了。我选择在回测时表现最好的品种。
听起来，那个时候你犯了某些新手经常会犯的曲线拟合错误。
是这样的。在一开始的那几年我走入了数据挖掘的误区。
你后期在蓝色屋脊使用的交易系统，是QIM运用在多个投资品种上的交易系统的早期版本吗？
很相似，但没有那么复杂——模型比较少就不需要大量的计算。
但在概念上它们是类似的吗？
哦，那当然了。那是同样的东西。只是一个非常早期的版本。
你是怎么想到这种交易系统的呢，表现如此之好，既不是趋势跟踪也不是均值回归？
（贾弗雷·伍德里夫在他办公室地板上找出一本书，开始讲述。讽刺的是，那本书他还没读过。）
在你找书之前，我问了你一个问题……
哦，是的，我在回避那个问题。
我知道。（贾弗雷·伍德里夫笑了起来）但我没有料到你会这么做。你取得重大进展，一部分是试图寻找稳定的系统可以在不同的市场运行；另一部分是用多个品种交易而不是一个。但是这两个中的任何一个都不怎么有特色。可能绝大部分的CTA都在用不同的系统交易，但很大部分的CTA也会在不同的市场使用同一套系统。这两个要素都毫无疑问得非常重要，但它们本身并不是重点。它们并不能使你从那么多的CTA中脱颖而出。无论你添加了什么料，它一定是你想出并且存在于你的系统之中的。
我想设置一种结构，可以允许我尝试无数种组合。当我开始的时候，我只能尝试上千种组合，但这些年里计算机能力大幅提升，我最终可以尝试数万亿种组合。但这样做很容易导致数据的过度优化。
我最后发现了一个办法。有些书籍是有关预测模型过程的，书里尤其提到千万要小心“数据燃烧”，就是说你一定要限制你尝试组合的数量。我觉得这个建议是相当蠢，因为可以找到一种方法尝试任意数量的组合，而不会过度优化。你每天都会接收到新的数据。如果你能谨慎地承认那些新的数据所告诉你的，你就知道该怎么做了。这可能会花一些时间。如果你做程序化交易，发现业绩表现在某个合理的时间段与预期并不一致，去看看是不是过度优化或者是存在事后聪明。如果你期望夏普比率大于1，而你得到的夏普比率低于0.3，这意味着你犯了一个或几个事后聪明的错误，或者错误地判断了交易成本。我当时使用的是距离当天一年之前的数据作为培训数据，而距离当天一年之内的数据作为确认数据，用现在正在发生的数据来测试。实际上，是在用历史记录检测数据。
我明白为什么你情愿寻找一种非趋势跟踪的方法，考虑到你厌恶和一群人挤在一起，但是为什么你会从心里讨厌均值回归的方法呢？
这和我不追求趋势跟踪是同样的原因——换句话说，其他人在做同样的事情。均值回归可能比趋势跟踪更适合我，但是我希望能有自己的风格。我希望有一种适合我自己性格的方法，同样的，我想要摆脱你所写的前两本“金融奇才系列”带给我的影响。均值回归部分符合我的性格，但是因为人们都熟知它，这种方法并不完全符合我的性格。所以我寻找其他的方式嚼碎数字，那是一种既非趋势跟踪也非均值回归的方法。
在不透露交易核心的情况下，第三种交易的核心是什么？
我试图以不同的方式组合我从日数据中提取的次要变量。
你能给我一个例子说明，什么是变量吗？
那就举一个波动率的例子吧。波动率是用来衡量数据偏离价格的水平，但与价格趋势无关。关于辅助变量变量的想法，我是从比尔·詹姆斯那里得来的。
比尔·詹姆斯的棒球统计数据和你的辅助变量之间有什么联系呢？
詹姆斯统计了基本数据，然后把不同类型的数据分开使之具有意义，而我从获取的价格数据区分出不同的量化指标，也就是辅助变量，价格与辅助变量合起来就能提供有意义的市场指标了。
你所有的辅助变量都来自于每日开盘价，最高价，最低价和收盘价这些数据吗？
当然。这就是我数据的全部来源。
你并不加入其他诸如GNP或者任何经济变量吗？
如果我能做的话我会的。事实上我试过了，但我不能有效地应用他们。
这些产生出来的辅助变量如何让你建立交易系统呢？
我把不同的辅助变量糅合进趋势中性的模型中。
什么是趋势中性模型？
它们并不用来反映趋势的继续或者转向。它们只用来预测未来24小时市场的可能方向。
你的系统中有多少个模型呢？
一共有一千多个。
既然有这么多，你能不能给我举其中的一个做例子，以便我更好地理解你的意思呢？我假设仅给出一千个模型中的一个并不足以揭示系统中的意义吧。
问题是这些模型有着共同的特点。给你一个例子而不危害到我们的知识产权是很难的。
你们系统的发掘过程是看到一个市场中的图形结构并测试其有效性的东西，还是提出理论假设然后再检验其有效性的东西呢？
我知道该怎么说了。
（他又起来找另一本书了——这次是一本我写的书，《股市奇才》。他翻了翻并找到了他要找的要点。）
这是个关键。要是不重要我是不会花时间这么做的。
（贾弗雷·伍德里夫开始读起我对大卫·肖的采访。他翻过了几段引用，读起当我问他如何能判断一个市场图形结构能够代表一个交易机会的时候肖的回答。）
你有越多的变量就意味着你可能会发现更多的人造数据，这也就让人越发难以判断你发现的结构是否有其预测价值。我们花了很大力气去避免落入“过度适应的数据”这个陷阱中……与其在数据中盲目地搜寻图形结构——一个自身内部有着方法性危害的办法，比如，自然科学和医疗研究社区，我们通常会建立一个基于一些结构性理论或者量化认识的假设，然后看看这个假设是否被数据所支持。
（贾弗雷·伍德里夫强调说）我不这么做。我读了这些只是为了说明一点，我做我不应该做的事，这确实是个有趣的发现，因为我应该失败才是。根据几乎所有人，要达成系统交易（和普遍的预测模型），必须从“这是一个在市场环境中合理的有效假设”这一框架入手。相反的，我确实是盲目地从数据中进行搜寻。
人们希望假设能够合乎逻辑这是好的。但我认为这是有局限性的。我希望能够搜寻剩下的那些东西。我希望使这个过程自动进行。如果你把问题弄得非常确定，那么过度优化的问题就会被克服。我假设存在有效的图形结构，那么我宁愿测试上万亿个结构也不愿只做我能想到的几百个。
这个过程中一部分是手动的。那些用于建立价格预测模型的辅助变量必须要合乎逻辑。例如，价格驱动的数据，像波动率或者价格加速，可能提供重要信息。由价格驱动的辅助变量列表是我手动建立的。然后我有一个以任意形式组合辅助变量的模型来观察哪些有效。
我想把这项工作交给电脑，但我知道拥有后置偏好和解决过度优化是多么的重要。一方面，我仍在试着逆向求解那些我想出来的有趣的模型。这些图形结构在市场中到底说明了什么心理？老实说我也还不清楚。
你从数以百计的辅助变量列表中选出辅助变量的组合并建立模型。决定于你独特的挑选限制，那会产生上百万（如果没上亿的话）个可能的组合。表面上看从这当中选出一千个模型像是一个数据挖掘的过程。
数据挖掘可以是一个十分有意义的过程。只不过大部分做数据挖掘的人做得都很糟。你可以做很多事使得数据挖掘有效。并非每种数据都能这么做。有些数据是找不到有效性的。幸运的是，我对于存在非趋势跟踪的、非反趋势模型的直觉是正确的。我的直觉是应该存在比趋势跟踪更复杂的自然图形结构。
为了避免数据挖掘的陷阱，你做了什么事呢？
你首先要做的就是明白表面有效的事情中有多少是错误的。
怎么实现呢？
这么说吧，与其训练目标变量，也就是之后24小时的价格变化，我会生成具有相同分布特性的随机数。我知道任何我选出来的得分很高的模型都是100%符合曲线的，因为它们是人为伪造的数据。经人造数据得到最优秀的模型这就是基本标准。然后当你用真实数据的时候你需要找到比这个基本标准表现好得多的模型。只有不同模型间表现的差别暗示了期望表现，并不是模型的全部表现都被训练了。
在数据挖掘中，人们犯的最严重的错误是什么呢？
很多人认为使用样本内的数据做训练然后在样本外的数据中做测试是合适的。[6]他们按照模型在样本内的数据中的表现把这些模型加以区分，然后选择表现最好的那些模型在样本外的数据中进行测试。人们倾向于选择那些在样本外数据中仍能够表现良好的模型用以交易。这种过程只不过是把样本外的数据变成了训练数据的一部分而已，因为它只选取了在样本外的时期中表现最佳的模型。这就是人们最普遍犯的错误，也是为什么当数据挖掘被应用时产生了糟糕结果。
那应该怎么做呢？
你可以在所有模型中找那些平均来说在样本外的数据中表现优异的图形结构。你知道如果这些样本外的模型在样本内的分数达到一个很高比例的时候你会表现得很好。总而言之，要是你的样本外结果超过样本内的50%，你就得到了有意义的东西。如果SAS和IBM造出了很棒的预测模型软件，那么QIM的商业模型就别想发挥作用了。
因为如果他们做到了，那么就会有很多人在金融建模时使用这些软件了是吗？
是有很多人这么做，但他们在使用这些软件时经历了很多挫折，结果他们做了错误的数据挖掘。
作为你一个人，你为什么觉得你能想出一个在金融市场中比这些有着海量博士的大公司开发出的软件更好的数据挖掘程序？
因为这些商业软件注重于允许使用者处理包含大量数据的问题，而不是为使用者提供确保他们不会单纯拟合曲线的严谨的协议。当软件允许使用者能够处理前所未有的大量数据时，人们就会激动不已，但他们忽视了正确的处理任务。这些软件不仅不能指导用户正确地进行数据挖掘，它们实际上把用户领向了一个允许他们得出伪造证明以支持其训练结果的错误方向上。
你给20世纪80年代后的数据和2000年之后的数据同样的权重吗？
有的时候我们给最近的数据稍高些的权重，但是更早些数据的价值仍然很惊人。我们发现的图形结构的稳定性也很让我惊讶，我本以为市场中有预测能力的图形结构会随着时间有更大变化的。
这意味着即使那些模型表现得不好也不会被剔除吗？
剔除一个模型会以巨大的退化为代价。我们不会对一个模型的短期结果做出反应，因为任意模型在当年的表现完全无法预测其在下一年的表现。有预测意义的是其在31年中的表现。近些年提供的那额外3%的数据不会对模型在整个训练期间的表现产生太大影响。
你仅在期货项目下所管理的资金就高达50亿美元。容量是个问题么？你是否需要为更大规模的管理资产做出相应的调整呢？
从早些年到现在，我们所做的一项改变是，曾经我们只在开盘时交易，而我们现在在整个交易时段都会交易，这使容量扩大了很多。另一项使容量扩大的改变是我们的资产配置向流动性更好的市场倾斜。我们交易股指和利率的比重上升了，而非金融期货合约的比重下降了。虽然这项改变降低了我们的分散化投资，但我们很愿意这么做，因为在高流动性的市场上，我们倾向于获得更高的利润。因此除了容量的增加，资产配置向高流动性的市场倾斜同样改善了我们的表现。
你是按照市场的相对流动性来分配仓位大小的吗？
我们在2006年开始对高流动性市场提高资产配置，而大约在六个月之前，除了标准普尔因其潜在的超大容量之外，我们把风险权重的设置完全改成基于流动性的了。
关于容量，另一个需要说明的重点是它并非是静态的；在相关市场中，它在数量与波动性上会发生很大变化。估计我们现在的容量在60亿～90亿美元之间。但是我们总会附加说明，如果市场平均波动率下降50%，我们的容量会下降相似的数量。
你是如何控制风险的？
风险管理的核心是衡量每个市场的风险，对每份合约采用每日以美元计价的波动幅度的指数加权移动平均法。这个风险管理标准保持我们的波动率始终不会偏离目标水平太远，即使市场趋势有大的反转时也是如此。我对风险管理很满意的一点是，在2008年和2009年市场处于混乱的时候，我们的波动率也依然与我们12%的年化波动率目标很接近。
我假设，2008年你在每个市场交易的合约数量都比你平时的要小，对吗？
当然了。当波动率增加，我们交易的合约数量猛然下降。
除了由于基础产品市场波动率变化导致交易规模调整之外，你还有什么其他控制风险的手段吗？
在项目运行的整个历史过程中，采用波动率调整是非常成功的。我们风险管理这两年做得不好是由于降低杠杆规则。最初的构想是，无论何时只要月内最大回撤达到6%，我们就减仓至75%。[7]最大回撤达到8%时，减仓至50%；最大回撤达到10%时，减仓至25%。当最大回撤降低时，也是用同样的规则加仓。从2003年到2009年，降低杠杆规则对于我们的风险收益比只有轻微的削弱作用，但这种规则能让人安然入睡，因为损失无论何时增加，我们的交易规模都会很小。然而，在2010年和2011年，降低杠杆规则让我们受到很大的伤害，因为我们的模型在热火朝天地赚钱，可是我们的交易规模却很小。借用趋势跟踪的一个名词，得益于风险叠加我们两头受损。
这确实是个进退两难的事。如果你相信均值回归适用于交易系统，那么如果在一段时间里这个系统不管用，那就有超过一半的可能，在之后的一段时间里它会超常发挥。不过，如果你在最大回撤之后降低风险，那么同时意味着你会有最小的仓位。另一个方面，通过降低最大回撤的仓位，你降低了爆仓的风险。讽刺的是，我认为两个观点都是正确的——在损失之后降低仓位会减轻一次灾难性损失的可能性，但这样做是以对业绩的负面影响为代价的。
人们对于市场有些什么样的误解呢？
最糟糕的误解莫过于“自由市场”由什么构成。以自由市场的名义，场外市场（OTC）毫无约束的扩张是华尔街机构最大的利润中心。允许场外市场业务不受监管，不透明无异于50个8岁的孩子一个月不受监督。场外市场经常在那些法律上看起来很“复杂”的客户——他们其实很幼稚——身上占便宜。场外市场的建立就是为了将信息不对称最大化，当然也是一个市场错误运行的例子。市场应当是公平、透明的，就像期货和股票市场一样。
公众在交易时犯的最糟糕的错误是什么呢？
过度交易和听信传闻。
赔钱的时候会让你感情上有负担吗？你是如何处理的呢？
会的，业绩表现不好的时候日子过得非常艰难。我处理的方式，就是非常努力地专注于改善交易系统。
请总结一下你所赖以为生的交易规则，好吗？
看看别人不做什么。调整仓位的大小，把固定的波动率作为总体风险的目标。小心交易成本。
有什么结束语吗？
当我十几岁的时候，我父亲洞察力很强，他潜移默化地教会我要客观地评价自己的进步。这堂课，比任何东西都要重要，对我的成功更是至关重要。
贾弗雷·伍德里夫的观点为他长期的成功所证实，提供了关于交易系统四点想法：
1.可以找到既非趋势跟踪又非均值回归的系统，并且其表现比常用的方法更好。（通过比较贾弗雷·伍德里夫的风险收益比和整个市场程序化交易员的风险收益比来判断。）
2.可以运用数据挖掘技术在海量数据中找到有用的模式，并且不会掉入过度优化的陷阱。（虽然，作为严重警告，绝大多数人试着这么做会误用这个方法，以致最后找到的模式只适用于过去，而不能真实交易。）
3.古老的价格数据（如，30年之久）可以与最近的数据一样有效。
4.真实交易时，在很多市场有效的系统比只在某个市场有效的系统要管用得多。记住：开发能广泛运用的系统，而不是针对某个特殊市场的系统。
贾弗雷·伍德里夫风险管理的核心技术——调整仓位以改变整体波动率——适用于大部分的交易员，即使对那些不使用系统交易方法的交易员也适用。当市场变得不稳定的时候，贾弗雷·伍德里夫会降低交易合约数量。对每个市场的合约价值，贾弗雷·伍德里夫将平均以美元计价幅度作为标准来调整投资组合仓位。用这种方法，贾弗雷·伍德里夫始终保持他的投资组合波动率在目标水平附近，在过去20年波动率非常大的情况下都是如此。
贾弗雷·伍德里夫研发了一种适合他性格的交易方法，我所见过的其他成功的交易员也是如此。他内心十分希望开发一种与其他所有人都不同的交易方法，这就是他所做的。他在很早的时候就能意识到一种交易方法是否适合他。为手动日内交易的市场建立了一套实时报价系统之后，他仅用了三天就放弃了这个项目，他很快就意识到：这不是我，这个不适合我。
[1]商品交易顾问（CTAs）是在商品期货交易委员会（CFTC）注册的，交易期货的经理人。其官方命名方式在至少两个方面都不恰当：商品交易顾问是经理人而不是顾问，而其主要投资于金融市场（比如，股指、利率和外汇）而不是大宗商品。
[2]管理费用按照所管理的资产规模收取。激励费用按照超过一个高水位标准——上一期收取激励费用时的最高净资产价值——的百分比收取。几乎所有的商品交易顾问和对冲基金经理都同时收取两种费用；伍德里夫收取超常规的激励费用，但不收取管理费用。
[3]实际的复合收益比这要低，因为伍德里夫取出了一部份钱以支付房租和斯玛的费用。
[4]贾弗雷·伍德里夫是本书中第一个被采访的人，这也是我最后写完的章节。大约一年多之后，我把整章发给贾弗雷·伍德里夫以便校对。他发了一封邮件回来并自嘲道：“你能想象吗，把这张读完之后我又得了重感冒，现在我脑子晕得厉害！”
[5]数据挖掘是指用计算机分析海量数据，以发现数据规则的过程。虽然数据挖掘技术可以发现数据的某种特征，而这样的特征人们是很难凭借经验或假设发现的，但这也可能会导致发现一些毫无意义的规则，类似于运气的偶然发生概率，或者分析产品的缺陷。当研究非常庞大的历史价格数据组合时，会很容易发现许多规则，而这种规则在过去是偶然发生的，不具有任何预测价值。对价格数据使用数据挖掘就会有这样的情况，这就是为什么在提到交易系统时数据挖掘总带有贬义色彩的原因。
[6]在开发交易系统时，为了避免后置偏好可获得的过去的数据被分成用于系统开发的看得到的数据（也就是“样本内”）和用于系统测试的看不到的数据（也就是“样本外”）。任何从样本内数据中得到的结果都被忽视了，因为它们是后置偏好的。虽然区分数据并保留看不见的数据用以测试是避免产生误导的结果的必要条件，但是随着伍德里夫的解释，这并不是充分条件。
[7]在2011年，QIM改变了其在表现糟糕时用以减少杠杆的精确计算方法，但新的公式在概念和实践上都与原来的很相似。因此把其杠杆减少看成一个过程更容易些。