Local EPUB Text
长远来看，只有少数几个大型量化公司能够蓬勃发展
我曾听到许多观察量化交易的人无数次地引用这一批评观点。初看上去，这个观点是很有道理的，整个事情是这样的：最大规模的资金最充裕的宽客能够将最多和最佳的资源注入黑箱，最佳资源包括从数据到执行算法的各个方面，能够与他们的服务供应商进行谈判，获得更有利的条款。基于这个假设条件，他们能够比规模较小的同行表现更好是合理的。最终，规模较小的宽客将会因业绩不佳或投资者间的摩擦而被淘汰。进一步，表现好的宽客最终将用自有资金取代投资者的资金，使得那些渴望投资量化交易的投资者进退两难：是应该选择规模小的、较差的宽客，以能够保持自有资金而直到他们破产呢？还是在可能的情况下投资于少量规模最大的量化公司呢？还是因为这两者都不足够吸引人，简单避开这个领域呢？
这个批评和推断理论上是有趣的，但是它忽略了许多量化交易的重要事实，因此得出一个错误的结论。第一，2007年8月和2008年可以证实，管理大量资金并不总是件好事，因为在困难时期，重新调整如此大的投资组合是耗资巨大的。换句话说，在获得规模的同时牺牲了柔韧性。
第二，大型宽客制定最吸引人的策略是不可能的，是不切实际的，因为在最吸引人的策略中，能被有效管理的资金量太小，以至于不值得大型宽客付出努力。例如，大型宽客在市场中很少利用澳大利亚和中国香港这样的市场进行统计套利，因为他们不能将足够的资金投资于这些市场。任何市场的高频交易能力十分有限，因此在规模大的量化交易者的投资组合中，高频交易是很罕见的行为。
第三，有合理的证据表明，较小的对冲基金实际上表现优于大型的对冲基金[1]。一些观察者认为，这部分是因为小型的对冲基金被渴望成功的基金经理进行管理，而不是由自满的已经成功的经理所管理。不管如何，没有特别好的理由相信，资源的缺乏对于宽客而言是比主观判断型交易者更大的障碍，相对于规模较大和使用相似策略的交易者而言，资源的缺乏是任何规模小的交易者需要面对的。正如一个小型主观判断型交易者所言，“当经纪人获取了一个公司的有用信息，他们总是想：我不可能第一个得到这个消息。我只有努力工作，凭借自己的力量发现有用的消息”。换句话说，虽然有证据表明，较小的基金经理比大型的基金经理表现更好，但没有理由将小型宽客和小型主观判断型交易者区分开来。两者都面临着大型宽客不会面对的挑战，都必须寻找方法解决这些问题。
第四，较小规模基金的基金经理倾向于将注意力集中在他们熟悉的事情上，而大型经理为了扩大资金规模，需要多样化的投资领域，大型经理会涉及越来越多远离自己专业的领域。大多数成功的交易策略对于管理资金的能力有限。照此，为了获得成功，大型交易者必须综合其他策略，这些策略可能与原本获得成功的策略有所不同。长期资本管理公司和Amaranth公司便是如此，还有一些成功的大型对冲基金，诸如肖氏公司、卡克斯顿（Caxton）和城堡公司。虽然其中一些公司比另外一些更擅于管理分散型的投资策略，但是有利于大型多策略对冲交易基金的证据是含糊不清的。
第五，绝大多数的量化策略的成功与否是由负责人良好的判断力和有效的研究过程所决定的。因此，拥有重要的应用科学知识、交易经验和良好判断力的优秀宽客比数十个缺乏这些品质的博士更有价值。
这里，有一点值得提到：自从工业革命开始，各行各业都朝着专业化方向发展。对于量化交易，这通常意味着更大型的公司倾向于雇用拥有专业技术的人做特定的工作。然而，现实生活中并不是这样的（也可能是传闻）。实际上，无须雇用不懂软件开发（或者硬件问题、网络优化）和可能没有交易经验的数学家，能与广泛涉及量化交易各个领域（数学、计算机科学和金融）的资深合伙人进行合作可能效果更好。
一个领域的专家和另一个领域的专家沟通过程中经常会丢失信息。让各行各业的参会者在一起开会，很容易发现这个现象。所用术语几乎总是不同，沟通方向可能不同，假设条件经常不同，也许最重要的是，对问题能否被解决的理解不在一个足够高的水平，各领域专家的沟通效率无法最大化。
我清楚地记得作为实习生在金融行业的第一份工作，在一个团队为交易柜台开发技术。花费大量时间和精力尽力堵住程序员、统计学家和交易者之间的沟通漏洞，而很多工作经常是徒然的。这并不是对那个团队的控诉：这是任何领域普遍存在的问题，需要各种学科的专家。另一方面，学科之间的交叉应用需要很多创造力。在量化交易发展过程中很容易看到这一点。计算机科学、物理、统计、遗传学、博弈论、工程学以及大量其他领域科学已经应用于资本市场。深入了解许多专业的人在使用多学科技术时更得心应手。
有很多第一手的、合理的并且引人瞩目的证据表明，由小型量化投资者组成的团队是有生产力的，能够从容应对与大型的量化经理团队之间的竞争。也有许多宽客虽然不是最大规模的宽客，但是确定也有充足的资源处理许多最大规模宽客所考虑的前沿问题。例如，最小规模的公司总是依赖于数据供应商，但是一些业绩比较好的小型规模的宽客实际上是自己收集和清洗数据，这件事被很多人认为只有最大型的公司才能操作。不论从理论上看还是从经验上看，很少有证据支持仅有最大规模的宽客才能生存的观点。
这并不是说最大型的公司没有优势，本书这部分刚开始就列出了其优点。但是支持大型宽客的论据并不是无懈可击，业绩较好的小型规模的宽客是足够强的论据。有数百个量化投资基金可供选择是件很好的事情。
总而言之，我们认为小型宽客和大型宽客之间并没有本质的不同。一些大型宽客公司投资于更好的基础设施，另一些则没有这样做。有一些小型公司具备许多专业知识和技能，即使它们是小规模公司，另一些由于缺乏资源而遭受损失。我们发现这归结为对经理自下而上的评估体系，没有有效的自上而下的证据表明大型宽客或者小型宽客谁更有优势。对经理的评估是我们下个章节会讨论到的话题。
[1] 关于这个话题有趣的、技术性的初级读本是由Damiano Brigo提供的，其中伴随着宽客对任何金融工程师都应受到斥责的观点的辩论。在www1.mate.polimi.it/ingfin/document/Crisis_Models_Mip_16_giugno_2010_Brigo.pdf上可以找到相关文档。由Damiano Brigo，Andrea Pallavicini和Roberto Torresetti（Hoboken，NJ：John Wiley&Sons，2010）编写的Credit Models and the Crisis：A Journey into CDOs，Copulas，Correlations and Dynamic Models，对这个问题进行了深入的研究。