Local EPUB Text
赚钱策略的三个步骤
到1997年，大奖章基金的员工们发现了被数据证明有效的赚钱策略，或者说总结出了发现交易信号的三个步骤：识别历史价格数据中的异常模式；确保异常在统计上显著，随着时间的推移表现一致且并非随机；查看是否可以合理解释与之相关的价格表现。
有一阵子，员工们押注的主要是他们可以理解的模式。大多数异常情况是由于价格、交易量和其他市场数据之间的关联所致，或是由投资者行为及其他一些因素导致的。持久有效的一种策略是对价格回归进行下注。事实证明，大约60%突然大幅上涨或下跌的产品价格会回归，至少部分回归。这种回归策略使得大奖章基金在波动尤其剧烈的市场中，在价格陡然变化时却还未回归的情况下获利丰厚。
到了1997年，超过一半的由西蒙斯和他的团队发现的交易信号是不直观的，或者是那些他们不能完全理解的。对于那些无法通过建立合理的假设来解释的信号，大多数量化交易公司会忽略掉，但西蒙斯和他的团队从来不喜欢花费太多时间寻找市场现象产生的原因。如果信号满足各种统计强度的度量标准，西蒙斯和他的团队就愿意去押注它们，但西蒙斯和他的团队不会相信那些荒谬的规律。“用前三天的交易量除以价格变化，这个信号可以参考，我们会将这个数据包括在内，”文艺复兴科技公司的一位高管说，“但是我们不相信那些荒谬的规律，例如，股票代码开头字母是A的股票表现一定更加优异。”
西蒙斯和他的团队并不会主动寻找那些没有明确解释的交易，只相信在统计上有意义的策略。没有明显逻辑可以解释但重复发生的价格特征有一个额外的好处：这些特征不太可能被竞争对手发现和采用，大多数竞争对手不会接触这类交易。布朗解释说：“如果是意义非常明显的信号，早就被用于交易了。有些信号你不理解，但它们就在那里，而且可能相对较强。”3
采用只依赖数据判断和解释的交易策略会带来显而易见的风险，现象的背后可能是毫无意义的巧合。如果人们花足够的时间对数据进行排序，就不难发现一些看似可以产生出色回报但实则是偶然发生的交易。量化投资人将这种有缺陷的方法称为“数据的过度拟合”。为了凸显依赖信号的愚蠢性，量化投资人戴维·雷恩韦伯（David Leinweber）结合孟加拉国黄油年产量、美国奶酪产量以及孟加拉国和美国的绵羊交易量对美国的股票回报率进行拟合预测，其预测成功率达到了99%。4
通常，文艺复兴科技公司的解决方案是在交易系统中加入这种令人头疼的信号，但是会在刚开始的时候限制分配给它们的资金。之后研究人员开始努力了解异常现象出现的原因。随着时间的流逝，他们经常会发现合理的解释，从而让大奖章基金相对那些忽视这些现象的公司拥有更大的优势。文艺复兴科技公司最终选择寻找一些合理的信号、一些有强有力的统计结果支持的交易信号，以及一些看起来离奇但实际上非常可靠，以至于不能被忽视的信号。“我们会问，这背后是否有某种合理的行为方式作为解释？”几年后西蒙斯解释道。5
就像天文学家使用强大的设备来持续观测银河系中是否存在异常现象一样，文艺复兴科技公司的科学家们对计算机进行编程以监视金融市场，持续地努力直到发现被忽视的模式和市场的异常行为为止。一旦确定这些模式和信号是有效的，而且公司确定了要在交易中投入多少资金，就将信号放置到系统中，并在没有任何干扰的情况下执行。大奖章基金也越来越依赖其系统自主学习的策略。这是一种机器学习方式，输入足够多数据的计算机经过训练可以输出自己的答案。例如，能够持续产生盈利的策略可能会自动获得更多资金，而无须得到任何人的批准甚至注意。