早上走進辦公室我不會說：

“今天我聰明嗎？”，

而是說，“今天我幸運嗎？”

詹姆斯·哈里斯·西蒙斯

一

論年化回報率，詹姆斯·哈里斯·西蒙斯的文藝復興基金應該是全球第一。

他可能是地球上最會賺錢的人，從這個角度看。????????

盡管時間不如巴菲特長，而且一直有黑盒子的嫌疑。

有幾個感慨：

1、再厲害的人，也有離開的一天。

記得喬布斯離世前，見到蓋茨，他心里感慨：這個人真健康啊。

健康，年輕，是最寶貴的財富。但卻被我們忽視--在擁有的時候。??

2、投資的諸神們正在離去。

幾個老牌的投資大神，正在或者即將離開這個世界。???????

哲學投資的索羅斯，價值投資的巴菲特，量化投資的西蒙斯，也許在人類財富的歷史上都將成為絕唱。???????

3、西蒙斯有錢之后的舉動，告訴我們什么才是人生最有價值的。

西蒙斯做了大量有意義的慈善，資助一些非主流的研究，補貼數學老師，鼓勵人們探索最前沿的科學......???????

他的慈善，起源于自己的患自閉癥的女兒。

西蒙斯有兩個兒子不幸遇難，一個死于車禍，一個潛水溺亡。

對于這樣一個數學大師，一個靠捕捉微弱的概率優勢來獲取巨額財富的賺錢高手，西蒙斯總是在計算，并且一直在獲勝，從小時候和別人玩兒牌總能贏，到后來實現百億美元財富。??

然而，他卻被冷酷的隨機性擊中了人生最不能承受的軟肋，并且連中兩次。

西蒙斯的文藝復興基金在相當長的時間里，實現了極高的回報，幾乎沒有回撤，也幾乎逃離了所有的黑天鵝事件。?????

他卻無法逃離個人命運的“黑天鵝”。

從統計學的角度，這屬于概率極小的異常值，以至于會讓最不迷信的人也禁不住發出感概：難道這就是那種被上帝早已暗中標注的代價？????????????

西蒙斯曾經對朋友說：“我的一生不是拿到A就是拿到2（A是最大的牌，2是最小的牌），我真的不明白為何如此？”

二

西蒙斯的財富傳奇，真的是一個絕頂聰明的數學家戰勝資本市場的故事嗎？

文藝復興基金巨額回報，是因為他們找到了猶如印鈔機般的神秘公式嗎？??

本文將探討文藝復興背后的秘密。

這是一個開放的話題，從每個人都感興趣的財富密碼出發，我們將進入一個當下最炙熱的焦點：??

去除了傳統敘事（從哲學到科學，從投資到人工智能），概率洞察造就了算法上帝。

西蒙斯幾乎完全放棄了華爾街的邏輯，也絕不像價值投資者那樣去深入挖掘企業的未來現金流折現。

他只是在一個看似隨機的世界里，在有效市場假設打盹兒的那些瞬間，發現隱蔽的套利機會，構建模型（哪怕是局部和有限時間內有效），然后加以杠桿。而所有的下注本身，又構成了一個有概率優勢的系統。??????

某種意義上，神經網絡的AI，也是放棄了專家模式AI的知識庫和推理規則，自動從原始數據中學習和提取有用的特征，無需人工明確編程。?

可以說，西蒙斯的文藝復興，就是“投資領域的神經網絡派”。

概率成為底層，算法成為上帝。

三

西蒙的人生，在數學、投資、慈善三個方面都達至巔峰。

a、早期教育與學術生涯：

Jim Simons在1958年從麻省理工學院獲得數學學士學位，1961年在加州大學伯克利分校獲得博士學位。

在學術界，他因其在數學領域的杰出貢獻而享有聲譽，包括與Shiing-Shen Chern共同發展的Chern-Simons理論。

b、進入金融界：

1978年，Simons離開了學術界，轉向金融行業。他成立了文藝復興科技公司(Renaissance Technologies)，開始應用數學模型來分析和預測金融市場。

c、文藝復興科技公司的發展：

在1980年代，Simons嘗試多種交易策略，最初的嘗試并不成功。他嘗試了包括隱藏馬爾可夫模型在內的多種預測模型，但這些模型初期并未帶來預期的收益。

到了1988年，Simons改進了他的模型，轉向完全量化的策略，這一策略最終被證明是非常成功的。文藝復興科技的Medallion Fund開始產生異常高的回報，平均年回報達到了30%以上，遠遠超出了市場平均水平。

d、技術和團隊的完善：

1990年代，Simons繼續優化他的交易系統，引入更先進的數學和統計方法，聘請了物理學家、數學家和計算機科學家來開發復雜的算法和模型。

文藝復興科技采用高頻交易技術，利用市場微小的價格變動來實現利潤，這種策略進一步提高了其資金的回報率。

e、擴展與挑戰：

2000年代，文藝復興科技繼續擴大其交易范圍，包括股票、債券、外匯等多個金融市場。盡管面臨2008年全球金融危機的挑戰，文藝復興科技依然能夠保持良好的盈利記錄。

在這一時期，文藝復興科技的資產管理規模迅速增長，其管理的資金達到了數百億美元。

f、退休與慈善活動：

2010年，Simons宣布退休，但他繼續作為文藝復興科技的非執行主席活躍在金融領域。

退休后，Simons更多地將注意力轉向了慈善事業，特別是對數學和基礎科學的支持，通過Simons Foundation進行大量捐贈。

Jim Simons的金融生涯體現了他從一個純粹的數學家轉變為金融領域的革新者，他的成功展示了高級數學和計算機模型在投資策略中的巨大潛力。

他的故事也展示了科技與金融結合的前景，對全球投資策略和量化交易的發展產生了深遠的影響。

這并不是一個數學家靠發現神秘公式而將股市變成印鈔機的傳說。????????????????

在西蒙斯的經歷中，我們會發現，即使天才如他，也花了整整十年，才觸及文藝復興基金的“圣杯”。????????????

那么，這個圣杯是什么呢？????????

四

西蒙斯說：

“我是模型先生，不想進行基本面分析，模型的優勢之一是可以降低風險。

而依靠個人判斷選股，你可能一夜暴富，也可能在第二天又輸得精光。”

記得他曾經在一次訪談中提及，一切都和“統計學”有關。???

西蒙斯很簡單地分享了文藝復興基金的三種策略：

1、市場過度反應策略：

文藝復興科技通過分析市場數據，識別市場在接收新信息后的過度反應現象。

例如，如果某資產的開盤價格與前一日的收盤價格相比，出現異常的高或低，文藝復興會采取相反操作，利用市場的非理性反應獲取利潤。

2、套利交易策略：

文藝復興科技利用其高級算法模型來識別不同金融工具之間的價格差異，進行套利交易。

這包括但不限于跨市場、跨品種的套利機會，如不同期限的債券之間的價格差異，通過買入被低估的資產和賣出被高估的資產來賺取差價。

3、趨勢和動能策略：

通過對大量市場數據的分析，文藝復興科技能夠識別并利用中長期的市場趨勢。

這種策略尤其關注流動性環境變化對不同規模公司表現的影響，以及這些趨勢的周期性變化。

五

在AI的幫助下，人們總結出如下文藝復興的賺錢策略：

1、定量方法：

文藝復興技術以其定量投資方法而聞名，該方法在很大程度上依賴于數學模型和算法來分析和預測市場走勢。

該公司使用先進的統計技術、機器學習和數據分析來識別金融市場的模式和信號。

2、市場中立戰略：

文藝復興技術通常采用市場中立戰略，旨在無論市場的總體方向如何，都能產生回報。

通過同時持有多頭和空頭頭寸，該公司尋求從證券之間的相對價格波動中獲利。

3、高頻交易：

Renaissance Technologies以其高頻交易策略而聞名，該策略涉及高速執行大量交易，以利用市場中的微小價格差異。

該公司快速處理大量數據的能力使其在捕捉短期交易機會方面具有優勢。

4、關注非均衡現象：

文藝復興以其專注于預測金融市場的非均衡變化而聞名。

這涉及識別市場價格偏離其基本價值的情況，為有利可圖的交易創造機會。

5、高度專業的團隊：

與典型的對沖基金不同，文藝復興科技聘請的是科學家、數學家和程序員，他們將金融數據視為科學分析的數據集。

該團隊基于統計套利和高頻交易開發交易策略。

6、保密和專有模型：

文藝復興技術對其交易策略和專有模型高度保密。

該公司的成功部分歸功于其密切防范其交易算法和方法的能力，使其在市場上具有競爭優勢。

7、持續研發：

文藝復興大量投資于研發，以不斷改進其交易算法和模型。

該公司的數學家、科學家和研究人員團隊致力于完善其戰略，并在快速發展的市場環境中保持領先地位。

總體而言，文藝復興的投資策略的特點是深深依賴定量分析、復雜的數學模型，并專注于利用金融市場的低效率。

基金的操作側重于短期交易，以利用統計優勢，最小化長期市場暴露風險。

然而，似乎以上策略，任何一個都談不上獨家秘笈。

況且文藝復興基金歷史上也有重要員工離開，為什么沒有帶走西蒙斯的投資圣杯呢？?

六

我在Quora上看到一個討論：

a、文藝復興技術背后的秘密是什么？

b、數學真的能用來給投資者帶來高回報嗎？

（原主題討論鏈接是“https://www.quora.com/What-is-the-secret-behind-Renaissance-Technologies-Can-mathematics-really-be-used-to-bring-high-returns-to-investors”，本節文字大多屬于其中的參與討論者，里面有一些我的思考。）

里面有很多有趣的討論，我簡單整理如下。?

1、首先，這是一家由科學家經營、并為科學家經營的公司。

“文藝復興的秘密是它沒有雇用MBA，他將投資者回報率低歸咎于商學院畢業生的從眾心態。

編程和建模被視為公司優勢的核心，而不是收費。"

作為一名數學家，西蒙斯為文藝復興構建了獨特的企業文化。

決策迅速做出，反饋是恒定的。每一件事都有緊迫感。

該公司鼓勵開放，每個人都可以走進去。

從總經理到清潔人員，每個人都會獲得一定比例的利潤。這是對他期望他們長期貢獻的補償。

西蒙斯說，在一些項目需要數年才能完成的環境中，根據一年的表現向某人支付報酬的想法毫無意義。

2、頂級人才的“層級差”，可能是成功最關鍵的要素之一。

文藝復興的高管曾經說：

“我們有一些一級數學家和很多二級數學家。其他量化基金大多是三級數學家，更糟糕的是，他們甚至不知道這些層次的存在！”

西蒙斯作為頂級數學家，他對頂級人才的理解，超越了絕大多數人。?

這里我又要用到一個詞：Taste。

西蒙斯對于頂級人才和智慧的本質，有非常好的Taste。???

“必須有人在市場上創造相關性。”--而一級數學家能夠在市場上獲得馬太效應式的優勢。????????

文藝復興使用的技術和其他量化投資者使用的技術相同，它只是做得更好，持續時間更長。這是文化和運氣的結合。

進行文藝復興操作所需的計算機技能很廣泛，但并不罕見。也就是說，你需要雇傭很多優秀的人才，但你不需要非凡的天才。

文藝復興確實使用了很多數學，它最著名的研究人員是頂尖的數學家，但我認為很多最高級別的東西并沒有進入他們的實際交易中。我認為一個好的本科數學學位就足夠了。

當然，你需要硬件，而且很多，但沒有什么特別的。

關鍵只有兩點，那就是：

頂級人才+判斷力（Taste）。

你需要吸引頂尖人才，讓他們非常努力地工作，讓他們專注于公司的利益，讓他們接受保密并阻止他們為自己的基金分流。

你還需要在何時啟動模型、如何快速擴展以及何時拔掉插頭等方面做出正確的決策。

3、核心戰略是眾所周知的，細節是獨一無二的。

這些細節有數百萬個，對業績至關重要。

核心策略是進行到極致并執行得非常出色的投資組合級統計套利。

基本上，創建了對沖市場風險、行業風險以及文藝復興可以統計預測的任何其他類型風險的多倉和空倉組合。高度對沖降低了凈回報率，但投資組合的波動性降低了更多。

因此，隨著大量交易的進行，大數定律確保虧損的概率非常小。

在這種情況下，杠桿同時放大了預期回報和波動性，所以即使杠桿很高，虧損的概率仍然非常小。

這種策略的一般特性可以從2014年7月22日文藝復興在參議院常設小組委員會調查聽證會上的聲明中推斷出來。

文藝復興收集“所有他們認為可能影響可交易工具價格變動的公開數據——新聞報道、分析師報告、能源報告、作物報告、天氣報告、監管發現、會計數據，當然還有來自世界各地市場的報價和交易。”

他們的模型“使用這些數據來預測未來價格變化”。

聽證會特別關注的是文藝復興的大獎章基金（Medallion Fund），聲明中說：

“文藝復興為大獎章基金開發的模型所做的預測通常略微有盈利。”

接下來，就是對這些微小的盈利施加“魔法”。??

4、“市場有效理論”的反向套利者。

文藝復興科技非凡業績的核心原因之一，是他們拒絕遵循有效市場理論這一主流教條：

簡單來說，有效市場假說認為所有市場參與者都能接觸到所有市場信息，因此沒有人能基于他人不知道的信息獲得優勢。

早年巴菲特和芒格都反對市場有效理論，但是晚年巴菲特一直鼓勵個人投資者購買標普500指數基金。

橡樹資本的馬克斯給出的折衷主義的描述，可能是大家能夠接受的：

市場有效理論長期看是對的，但短期內可能沒那么有效。

如果能夠利用短期的不完全有效，就有機會套利。

本質而言，文藝復興恰恰是利用了二者之間的“落差”地帶。

市場有效理論（有效市場假說），起源于對布朗運動和股價變化隨機性的關聯思考。

西蒙斯說：???

布朗運動是有更好機會被應用的東西。布朗運動是看數據和排序隨機活動或那些看起來是隨機活動的方法。這樣的模型和這樣的方法是非常有用的。

...我們使用非常嚴謹的統計方法來確定我們所思考的潛在現象，并真正解釋它。但這不是證明定理。"

有趣的是，西蒙斯并不是靠證偽市場有效理論來賺錢，文藝復興賺的恰恰是那些短線操作的家伙們的錢。?????

事實上，別說遠超指數，極少有基金能夠長期跑贏美股的指數基金。

一項為期15年的研究顯示，幾乎所有基金的表現都不如標普指數。

事實上，一年后，64.5%的公司表現不佳。

十年后，85.1%的公司表現不佳。

十五年后，91.6%的公司表現不佳。

5、在噪音中發現信號。

盡管市場有效理論認為所有的人能夠接觸到所有的信心，但是這并不意味著每個人都能同等地解讀所有數據。

例如，許多人可能能夠接觸到粒子加速器的量子狀態數據，但只有少數人知道如何處理這些數據。

吉姆·西蒙斯幾十年來一直在強調這一點。他談到了所謂的“趨勢”，這些趨勢可以被視為市場參與者在一定時期內持有的、并非基于所謂基本面的信念。

例如，人們可能會好奇美元上漲（或下跌）的根本原因是什么，但可能沒有這樣的原因。它可能僅僅因為要這樣做而上漲或下跌，直到某些事件發生，趨勢被打破，市場參與者被迫改變他們的看法。

牛市是一個完美的例子——當大多數市場參與者相信市場將繼續上漲時，牛市就會發生，并且通常即使逆向的負面趨勢的證據變得相當明顯，它們仍會繼續這樣做。在這種時期的末尾，通常會發生超調現象——無論是在上漲還是下跌的過程中都是如此。

粗略地說，吉姆·西蒙斯所做的就是從海量數據中挖掘這些趨勢。問題非常復雜，因為即使是較少數量的這類趨勢的混合也很快變得非常復雜。這似乎如此復雜，以至于主流經濟學一直將市場運動視為由高斯分布控制的隨機隨機過程，即基本上是噪聲。

這并不意味著沒有噪聲，當然有很多噪聲。但關鍵點是存在非常有用的載波信號，正如電子工程中所說，且存在過濾掉噪聲的方法，這正是RT一直在做的事情。

西蒙斯曾對此做出解釋：

“這就像在查看大量數據并真正尋找支撐這些數據的底層內容。從這個意義上說，它有點像天文學。

你從天空中觀察大量數據，收集下來，這些數據通常很混亂，你需要清理它們以去除異常值或其他某些因素。

然后你希望能以一種方式分析這些數據，使其能合理解釋你可能對你所觀察的對象持有的任何假設或一系列假設。

這是我們工作的一大部分。在這方面，我們雇傭的人員是實驗物理學家或天文學家。”

還要注意，提取的信號數據本質上仍是隨機的。

這意味著即使是RT也不能確定明天市場會上漲還是下跌。他們不需要知道，他們計算的是一段時間內的概率分布，例如可能有X％的機會上漲，Y％的機會下跌，Z％的機會保持不變。有了這種分布的知識，就很可能構建衍生品投資組合，以比隨機更好的機會獲利。

6、（微小盈利??杠桿）+防范黑天鵝。?

對于那些微小的套利機會，因為未加杠桿時投資組合的回報率較低，所以需要杠桿。

然而，由于波動性遠低于預期回報，至少根據模型，杠桿可以提高而不增加虧損的概率。

經過多年的使用和改進，文藝復興知道其模型非常可靠。然而，他們也知道總有發生模型無法覆蓋的事情的風險，特別是那些超出以往經驗的事情，即所謂的“黑天鵝事件”。

因此，看漲期權是理想的選擇：它可以提供高杠桿，并且可以提供雙重保護——

既保護低于期權費用的非常低的虧損概率，也防范可能由于黑天鵝事件而導致的潛在災難性損失的未知概率。

7、不成為“長期資本”。

似乎長期資本也是采用“微小盈利??杠桿”，也曾經有幾年輝煌，然而卻扛不住黑天鵝，很快就爆了。??????????

盡管該公司團隊里也有兩位諾獎得主和華爾街的老江湖。??

都是運用數學，為什么長期資本不行？

“通過這種方式確實可以創造真正的價值，但最重要的一點是始終記住，數學和量化方法通常只是工具，它們只是放大、簡化并加速你可以通過其他方式做的事情。

同樣的方式也可能失敗，如果不尊重并為意外做好準備，后果可能更糟。

其中一個風險是被自己構建的東西的優雅和力量所誘惑，以至于忽視了其假設和限制（這就是LTCM發生的事情）。

另一個風險是非專家的高層管理人員使用這些工具而沒有完全理解它們，這推動了2008年金融危機前多年的許多事件。

所以，秘密在于數學確實有效，而且確實可以在速度或模式識別上為使用它的人創造競爭優勢。

但就像鋒利的刀片或火一樣，應將其視為工具而非魔法棒，并且應始終認真對待最壞的情況并為風暴做具體準備。

如果忽視這一教訓，將來還會有破產發生……

另一方面，無可否認的成功推動了全球范圍內將量化技術作為常規最佳實踐的采納。人們必須評估每家公司在這一領域的實施技能和戰略邏輯，就像在任何其他關鍵業務領域一樣。

8、文藝復興的風險控制。

另外，我和ChatGPT聊了一會兒，它說文藝復興有別于長期資本的幾點：?????

a、長期資本的策略主要集中在固定收益市場的套利機會，特別是利差交易，這讓他們高度依賴特定市場的表現。

此外，他們對市場的一些基本假設，如流動性永遠存在，最終證明是災難性的。

相比之下，文藝復興科技運用了廣泛的策略和資產類別，包括股票、期貨、債券等，其交易決策完全基于統計模型和算法，避免了人為的情緒和偏見干擾。

此外，他們持續開發和調整算法，以適應不斷變化的市場環境。

b、長期資本沒有充分考慮到極端市場事件，例如1998年的俄羅斯金融危機，這直接考驗了其模型的健壯性。他們的模型未能適應非線性風險，導致重大損失。

文藝復興科技的模型更加靈活，能夠適應包括極端市場事件在內的各種情況。

他們的系統設計包括能夠從市場異常中快速調整并恢復的機制，以及嚴格的風險管理措施來避免重大損失。

c、長期資本以其高杠桿操作而聞名，這使得其能夠放大收益，但同時也極大地增加了風險。其杠桿比例一度高達30:1，這使得一旦市場反向移動，其資本就面臨巨大風險。??

雖然文藝復興科技也使用杠桿，但他們對風險的管理遠比長期資本嚴格。

文藝復興基金的交易策略包括低持有期和高頻交易，這減少了長期市場波動的影響，并允許基金更快地調整其頭寸以適應市場變化。

當然，文藝復興的做法，基于其多年的數據和技術積累、強大的人才團隊、快速扁平的決策體系等等，極難復制。???????????

對個人投資者來說更是沒啥可比性。?

9、這是一個漫長的生存者游戲。

先說一個加爾定律：

“一個有效的復雜系統總是從一個有效的簡單系統演變而來。從零開始設計的復雜系統永遠不會起作用，也無法進行修補以使其正常工作。“也許文藝復興真的沒有特別的秘密，他們賺這么多錢的原因一方面非常簡單，但同時對我們其他人來說完全無法實現。 絕對關鍵的首要原因是：

吉姆·西蒙斯花了十年時間為量化戰略的發展提供資金，然后由于運氣、良好戰略和有利于該戰略的特定市場制度的結合而起飛。

他能夠做到這一點的原因很簡單：

他擁有資本，他對曾經和他一起/為他工作的高度不穩定的人有耐心。

現在誰能有10年的耐心來資助一些真正行不通的事情？ 還有一些隱蔽的生存秘密，例如他們的交易成本極低。

當然，人們不應該低估數據質量、人才質量等——當然，所有這些都是最重要的，也是必要的。

簡而言之，現在這幾乎是一個自我實現的預言：他們現在交易成功，因為他們已經成功交易了很長時間。

10、沒有秘密......說了你也不懂。

格雷戈里·祖克曼的書是一個很好的敘述。

有一位專業人士說：

“自1990年代以來，我一直在研究這個問題。我認識很多在文藝復興科技工作過的人，并且我關注了發布出來的信息。我還問過吉姆·西蒙斯這方面的問題。”

他的觀點是：

沒有什么秘密。

不過，這似乎沒有什么意義。

就像一個業余國際象棋愛好者去問卡斯帕羅夫，怎樣成為世界冠軍？?????????????

這位天才棋手可能同樣會回答：

沒有什么秘密。

到底是沒有秘密，還是“說了你也不懂”？??

一位在伯克利讀書的學生說：

這并不是什么秘密。

我想澄清關于這個問題的許多誤解。他們會給人們一個錯誤的印象。

“當我在伯克利學習數學時，很快就會發現自己無法與任何人討論自己正在學習的內容。

一旦你進入高年級課程，沒有人真正理解你在學什么或為什么學這些。

這些課程嚴格、要求高，材料也難以掌握。

另一方面，出自著名的哈斯商學院的商科學生則可以輕松地通過課程并獲得好成績。

差異在于學習的質量。

數學非常困難，讓大多數學生感到恐懼。

沒有人會承認這一點，因為大多數人喜歡嘲笑數學的不切實際。”

詹姆斯·西蒙斯創立了文藝復興：作為一個從伯克利獲得數學博士學位的人。

我無法想象這需要做些什么樣的工作。

該公司的招聘哲學是聘請非金融人員。他們看重科學家、工程師、信號處理專家、統計學家、物理學家。

他們首先是科學家，而不是金融家。

我們對文藝復興了解不多，因為聲稱任何人都能完全理解“世界上最好的物理和數學部門”的工作簡直是個笑話。

如果你確實理解了他們的工作，你可能已經為他們工作了。

小結

概括而言，文藝復興的成功并不真正取決于擁有什么秘密武器，而是有一群聰明的人在實際解決問題。

在研究方面，文藝復興區別于其他人的是他們是純粹的經驗主義者，而其他人在策略設計中帶有一些（自以為是的、先入為主的）偏見。

這太像正在生成式AI領域發生的事情了。?

少點兒專家，少點兒先入為主的邏輯，少點兒人類概念的解釋，會令系統更加具有預測能力。?????????

也許，下一個超越文藝復興基金的，將是人工智能。

七

在上面一節雜亂但有精彩的網絡討論之后，我想進入一個更加廣泛的討論。

畢竟，文藝復興基金離我們很遠，專業的金融也離我們很遠。??????

我們能夠從中獲得的，是理解這個世界的模式。?????

我想談及四個主題：

1、概率思維；2、概率轉向；3、消除意義；4、底層解碼。

（以下部分文字，亦來自網絡討論。）

1、概率思維

當（前聯合CEO）Bob Mercen說文藝復興基金“在50.75%的時間里100%正確”時，他是什么意思？他們的風險與回報率是多少？

這是一種看待事物的方式。

考慮一下籃球罰球手和賭籃球比賽的人之間的區別。兩者都有50.75%的成功率。

罰球手會把49.25%的失誤看作是錯誤。他會說他成功了50.75%的時間。

而賭球的人知道，即使他總是選擇賭注的好的一面，體育比賽中也存在很多隨機性。他可能覺得他100%的時間都選對了要賭的隊伍，而贏得50.75%的賭注是最佳的表現。

再舉一個例子，考慮一個接手高風險病例的外科醫生，其中50.75%的病例病人存活；

與一個贏率為50.75%的賭場相比。外科醫生每次都試圖贏得勝利。賭場則完全滿足于50.75%的時間勝出，因為從長遠來看，它的利潤是統計上確定的。

（這就是大數定律。）

許多定性投資者像罰球手和外科醫生一樣思考。要么他們是對的并賺錢，要么他們是錯的并虧錢。

（寄希望于水晶球，過于線性，過于脆弱。）

頂尖的定性投資者需要經常正確——比如說70%或80%的時間——因為他們得不到太多的多樣化。

大多數定量投資者，像羅伯特·默瑟和文藝復興科技一樣，像賭徒一樣思考。

如果你總是站在交易中有正向優勢的一方，你仍然只能贏得大約50.75%的時間。你可以在如此小的優勢中取得成功，因為你不斷地進行著成千上萬的賭注——就像賭場轉動輪盤一樣。

當定性投資者虧錢時，他們會重新審視決策，以弄清楚哪里出了問題。當定量投資者虧錢時，他們會重新審視他們的決策過程。

2、概率轉向

早在20世紀70年代末和80年代初，人工智能和機器學習就發生了一場革命。

一般的方法是避免硬性和快速規則的復雜決策樹，并用貝葉斯判斷來處理問題。

我此前的文章里，談及了那篇著名的《苦澀的教訓》。

其中，寫到了語音識別的歷史，這里面的的關鍵人物還和文藝復興有交集。??

“在語音識別領域，20世紀70年代有一個由DARPA（美國國防部研究局——編譯者）贊助的早期競賽。

參賽者挖空心思，使用了一系列利用人類知識的招術，包括對單詞、音素、人類聲道等的理解。

另一方面，還有一些更注重統計特性的新方法，它們基于隱馬爾可夫模型（HMM）進行了更多的計算。

同樣，統計方法在基于人類知識的方法上取得了勝利。這導致了自然語言處理領域的重大變革，統計和計算逐步主導了該領域。”

人類對規則的追求，敗給了概率。

在算法、算力、數據指數級增長的背景下，人類社會正在發生巨大的概率專項：

“近年來，這一趨勢產生了新的進展，深度學習在語音識別中崛起。深度學習方法更少地依賴于人類知識，而更多地利用計算資源和大規模訓練集上的學習，以產生明顯更好的語音識別系統。

與棋類游戲一樣，研究人員總是試圖構建系統，符合自以為是的思維方式，他們試圖將這些知識放入他們的系統中，但最終證明效果適得其反，也是對研究人員時間的巨大浪費，

因為通過摩爾定律，大規模計算變得可行，而且能得到很好的利用。”

“自以為是”，這不正是那些光鮮的華爾街基金經理們脆弱的智慧嗎？?????????

《苦澀的教訓》給出了一個普遍觀點：

“意識的實際內容是極其復雜的；我們不應該試圖通過簡單方法來思考意識的內容，如思考空間、物體、多智能體或者對稱性。所有這些都是任意的、本質上復雜的外部世界的一部分。”

世界太復雜了，而且世界如同膨脹中的宇宙一般，還在擴散式地發展著。?????

我們很難用不變的公式，線性的思維，來理解這個充滿不確定性的世界。??

文藝復興基金對華爾街式的“解釋”毫無興趣，因為那套話語體系過于淺薄，而且刻舟求劍，也許只在推銷基金時有效。

人們總說關聯性不是因果性，但是對比起脆弱的因果性，短時間有效的關聯性，也許更有價值。????

而且，誰在乎那些短期呈現出某些關聯性的隨機數據背后是啥解釋呢？難道賺錢不是最好的解釋？????????????????????

西蒙斯說自己是模型先生，《苦澀的教訓》有一段文字可謂英雄所見略同：???

“它們不應該被固有化，其原因是復雜性是無窮無盡的；相反，我們只應該構建可以找到并捕獲這種任意復雜性的元方法。這些方法的關鍵在于它們能夠找到很好的近似值，但對它們的搜索應由我們的方法完成，而不是我們自己。

我們希望 AI 智能體可以像我們一樣發現新事物，而不是重新找到我們所發現的。在我們發現的基礎上構建只能令人更加難以看清發現過程的完成情況。”

把上面的AI換成文藝復興的模型，同樣有效。?

3、消除意義

《香農傳》里談及，香農的信息論認為，世界上英語的文本量在毫不影響信息內容的情況下，可以減半。

香農說：“當我們書寫英文的時候，寫下的一半詞語都受到語言結構的限制，而另一半則是自由選擇的結果。”

后來，他對冗余成分的預估上升到80%，只有20%的單詞承載了實際信息。

人類語言的冗余機制，令我們在現實中接觸到的大多數話語和所謂只是，都只是噪音，或者干脆說是垃圾。??????????????

在某種意義上，從圖靈到香農，再到索普，以及西蒙斯，這些絕頂聰明人都在干著“解碼”的事情。?????

對比起那些邏輯、規則和語言的意義，他們更在意的是“概率”。

香農曾經向馮·諾依曼談他對信息的理解，說“信息解決不確定性”的問題應當成為工作的核心。

面對香農提出的如何為該主題命名的問題，馮·諾依曼立刻說：信息減少了“熵”。

而在深度學習的今天，人們進一步消除了意義：

“GPT技術路線的一大核心理念，是用最簡單的自回歸生成架構來解決無監督學習問題，也就是利用無須人特意標注的原始數據，學習其中對世界的映射。”

斯蒂芬·沃爾弗拉姆對此有一段精辟的描述：

在神經網絡的早期發展階段，人們傾向于認為應該“讓神經網絡做盡可能少的事”。

例如，在將語音轉換為文本時，人們認為應該先分析語音的音頻，再將其分解為音素，等等。

但是后來發現，（至少對于“類人任務”）最好的方法通常是嘗試訓練神經網絡來“解決端到端的問題”，讓它自己“發現”必要的中間特征、編碼等。

別說AI，想想我等人類，從小學英語，浪費了多少時間在學語法，學規則，學主謂賓，結果折騰了幾十年，現在還是英語白癡。?????

4、底層解碼

還是在Quora的那個帖子里，一位金融從業者說，他遇到一位頂尖的聲納探測專家，該人擁有多個博士學位的物理學家，既古怪又風趣。他的專長是信號處理。

“他的世界——信號處理，與我們的領域有著驚人的相似之處。

我們探討了貝葉斯概率決定論，

討論了哪些模型（高斯、泊松等）適用于分布，

討論了假陽性的成本（想想交易優勢），以及在稀疏數據中時間與行動之間的套利（確認）。

我們講的是同一種語言。我們在討論真正的問題：如何從噪音中區分出信號？多快？錯誤的成本是什么？正確的成本是什么？哪個統計法則適用于隨機性？

接下來，他毫不留情地嘲諷了”所謂的基本面分析師“。

“這是公平的估值”......生活是不公平的，親愛的，你真的認為市場是公平的嗎？

“基于部分總和的估值”......弗蘭克·N·斯坦僵尸估值。

“基本面很強”......讓基本面再次偉大......

“長期故事仍然完整”......

“基于DCF的目標價比市場估值高出10%”......停止調整終值來合理化你的主觀觀點。

“頂級管理層”......也是人們曾經對安然、貝爾斯登、柯達、通用汽車、克萊斯勒所說的。

他認為，這些話語里有太多理論，太多名詞，太多廢話。

對比而言：

a、物理學家將市場視為一個統計問題。這是實用的。

b、MBA頭腦中充滿了太多未經驗證的理論。那些廢話既昂貴又耗時。

如果我們想要理解這個真實的世界，尤其是當要用真金白銀去下注的時候，那些夾層解釋，完美概念，是沒有意義的。

許多金融和MBA類的知識被高估了。

一個簡單的測試是：

教物理學家金融比教授分析師物理學要容易得多。

然而，很多人因為這些被高估的知識而產生了能力幻覺。????

我們必須進入更深處，從底層解碼世界。

八

在中國的傳統里大家講“書畫同源”，就是說書法跟繪畫是從一個源頭來的；那么我們也可以說，數學跟物理歷史上也是同源的。

楊振寧曾經在一次演講中如此開場。

他講到，1969年自己在紐約州立大學石溪分校講授一門廣義相對論課程。有一天，突然發現廣義相對論所需要用到的黎曼曲率張量公式，很像楊-米爾斯理論里的一個公式。

于是，他去請教時任數學系主任的西蒙斯。西蒙斯告訴他這兩個公式都是纖維叢上的聯絡。

1974年，西蒙斯與著名華裔數學家陳省身聯合發表了論文《典型群和幾何不變式》，創立了著名的陳-西蒙斯定理。

該幾何定律對理論物理學具有重要意義，被廣泛應用到從超引力到黑洞的各大領域。

1975年，楊振寧去拜訪陳省身，談及令他驚詫不止的是，規范場正是纖維叢上的聯絡，而數學家是在不涉及物理世界的情況下搞出來的。

楊振寧說：“這既使我震驚，也令我迷惑不解，因為，你們數學家居然能憑空想出這些概念。”

陳省身立即反對說：“不，不，這些概念不是憑空想出來的。它們是自然而真實的。”???

在該次演講中，楊振寧如此收尾：

今天沒有人會再說“數學與物理世界完全沒有關聯”了。

可是為什么“自然而真實”的、與物理世界本來無關的數學觀念，是這樣的“對稱”，而且從而“支配”了宇宙間一切基本“力量”，恐怕將是永遠不解之謎。

九

那么，西蒙斯的文藝復興，用到了那些深奧的數學知識嗎？

曾經有人問西蒙斯：??

你做的數學和你的交易之間有聯系嗎？

西蒙斯回答：

沒有。絕對沒有。

提問者又說：

然而，你雇傭數學家和科學家來做你的大部分工作。為什么會這樣？

西蒙斯坦誠回答：

數學和科學是兩個不同的概念，兩個不同的學科。

就其本質而言，好的數學是相當直觀的。

實驗科學并不真正以這種方式運作。直覺很重要。猜測很重要。思考正確的實驗很重要。但它更寬，更不深。

因此，我們在這里使用的數學可能是復雜的。但這并不是重點。我們不使用非常非常深的東西。

西蒙斯曾經談及文藝復興的策略優勢：??

“我們如何做它不比其他大量的基本面投資者神秘。某種程度上不那么神秘正是因為我們做什么都可以進行編程。——厲害的不是算法，而是工程化！”

如果說，理解這個世界的本質，需要數學和物理，那么，改變這個世界，則需要工程能力。?????

這似乎也是OpenAI的秘密所在。

十

本文概述了地球上最會賺錢的人，如何打造出一部賺錢機器。??????????????????

但我更感興趣的是，我們該如何理解這個被隨機性所支配的世界？?????????????

人們總說：相關性不是因果性。

這句話經常用于批評人類通過某些表象的相關性，而得出錯誤的因果性。???

但事實上，在深度學習的領域，人們的“教訓”是，不要教AI太多人類的“因果知識”。??

某種意義上，大模型能夠在高維數據之間，發現人類暫時無法洞察和解釋的“因果”。???

圖靈獎得主希發基思說，我們在理解世界的過程中，提出了三類關于知識的基本問題：?????

1、Why（目的論問題）：

我們期待從現象中找到一個目的。

例如，我們為什么會存在？這是兩千年前的先賢們最愛思考的問題；

2、What（本體論問題）：

這涉及到“存在”的本質。

例如，世界是否是一個虛擬的游戲？

3、How（認知論問題）：

這類問題，則是是科學的、數學的、經驗的。??????

希發基思認為，只有認知論問題才能嚴格求解。

然而，因為某些必須的冗余，這個草臺班子式的世界，充斥了太多平庸的、迷信的、甚至是欺詐的“知識”。?????

人類一直試圖去解釋這個世界，并且用該解釋去預測未來。

然而，大多數對過去的解釋，并不具備對未來的預測能力。

要想突破這一點，我們必須打破許多夾層解釋，去除那些建立在脆弱假設基礎之上的無聊知識，淺薄知識，虛妄知識。???

當然，這并不是說，統計學統治一切，算法成為上帝。（雖然目前的確如此。）?

作為一個堅定的科學主義者，一個理性決策的“渾球”，一個與最狂野的機遇共舞的隨機生存者，西蒙斯在不確定的世界里發現細小的確定性，并巧妙加以杠桿，創造了驚人財富。

他給出了一個思考者在不確定性世界的生存范式。

西蒙斯總結自己的人生：

我研究了許多數學，我賺了很多錢，然后我把錢都捐出去了，這就是我的人生故事。

多么酣暢淋漓的一生！