量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4年被腾讯云+社区评选为“年度最佳作者”。

近日，《投资咨询杂志》编委会发表了与James Simons的讨论访谈，QIML节选相关比较有意思的内容进行分享。

James Simons | 数学家、投资家和慈善家

问

在你早期的职业生涯中，你是一位非常成功的数学家，在微分几何方面做了一些开创性的工作，然后你进入了金融行业。你在数学方面的深入研究对你有帮助吗？还是说这对你现在从事的事业来说，只是一个兴趣？

James Simons

问

数学有用吗？或者它只是帮助你发现人才？

James Simons

我知道人们会提出我能理解的新想法，因为我是数学家。但最重要的是，雇佣优秀的人才是有益的。

问

在你的研究团队中，合作和数学一样重要吗？

James Simons

在文艺复兴科技，合作非常重要。

西蒙斯相信：最好的科学工作是人们在一起合作完成的！

这在华尔街是独一无二的，尤其是在量化金融。人们通常在竞争中度过，有时竞争可以带来最好的结果。但西蒙斯会说，他希望人们在遇到问题时，把它留给其他人去发现和解决。

因此，他们有了开放的代码，任何人，从初级员工到高级员工，都可以看到他们的代码，看到其他人在做什么。所以不可避免地，当有人感到沮丧，转向其他事情时，其他人可以看看他们在做什么，他们做了什么，并找到改进的方法。

问

许多离开文艺复兴科技的基金经理都没能复制大奖章基金的业绩。就广泛的投资策略而言，大奖章基金成功的秘诀是什么？如果你愿意，请谈谈你是否有程序化交易或交易员？你依赖哪种类型的数据和价格预测器？你如何优化交易成本？以及你在全球投资什么类型的资产？

James Simons

大奖章基金成功的秘诀在于一个由世界级科学家组成的团队，以及长期以来的辛勤工作，他们采用数学方法进行投资。

问

Medallion的大部分模型构建数学和统计基本上都依赖于这些工具的预测吗？还是只是坚持数学和预测?

James Simons

问

在我们研究和投资的过程中，最大的问题是将信号与噪音或技术与运气区分开。你能详细讲讲数学是如何帮助你确定好的策略或将信号与噪音分离的吗？

James Simons

我所做的数学实际上是在训练我的头脑，它们和赚钱没有任何关系。虽然Chern-Simons很棒，但它对赚钱一点帮助也没有。

问

你认为你的模型能使用多久？

James Simons

问

市场周期是变化的，可能在一段时间内不起作用，然后又会再次起作用。你是怎么处理的？

James Simons

问

你所做的一些测试是否有点像数据挖掘？也就是说，你是否测试了很多策略，直到找到一个行之有效的策略？这是好事还是坏事？

James Simons

问

你是否认为使用这样的量化方法赚钱变得越来越困难？肯定会有更多的竞争，更多的人使用这种方法。这有没有让它变得更困难?

James Simons

问

人工智能和机器学习领域是如何影响投资策略的？它是如何影响你的？当和在这个领域的人交谈时，他们有时会提到一个挑战——在机器学习系统中，他们无法解释为什么他们会收到信号，机器就这么做了。你对这方面有什么看法？

James Simons

问

James Simons

我们寻找数学家、科学家和统计学家。我们不寻找以前在金融行业工作过的人。我们寻找对赚钱感兴趣的优秀科学家。我认为人们在面试时过于强调一个人能够快速回答问题。我记得有一个人在面试时回答得很慢，但在我看来，他会是我们公司的一个很好的补充。所以我打电话给他在哈佛的论文指导老师，询问他的情况。指导老师说：“我有一些需要解决的问题，他选择了最难的一个，并做得很好。”我否决了面试小组的意见，说：“我们要雇用这个人。”他确实很优秀。

我永远不可能在数学竞赛中取得好成绩。我自己并不是一个思考速度极快的人，我只是努力工作。这就是我需要做的，努力工作，不要太快。我在1968年发表的一篇论文花了我五年的时间才完成。但它在数学文献中被引用了1850次。对于一篇数学论文来说，引用太多了。

QIML补充

俗话说，把市场教给数学家比把数学教给市场专家要容易得多~

文艺复兴科技的工程师和量化分析师应具备：数学能力、编程能力、对数据的热爱，最重要的是，有能力并渴望在学院式的环境中工作。

为什么如此，也是有一些背景的啦，自从西蒙斯老爷子在1977年开始涉足金融领域，便奠定了这个基调：

2015。西蒙斯在接受Numberphile采访时说: “也许有一些方法可以从统计学上预测价格，我们逐渐建立了模型”。

这些模型的核心通常分为两大类，趋势跟踪或均值回归：1988年第一年增长了8.8%，1989年下降了4.1%。但在1990年，在专注于短期交易后，大奖章扣除费用后获得了56%的回报。

最终，科学家们甚至为他们的模型开发了一种内部编程语言。如今，大奖章使用数十种策略作为一个系统一起运行。据知情人士透露，支持该基金的代码有几百万行。不同的团队负责特定的研领域究，但实际上每个人都可以在任何事情上工作。每周二都有一个会议讨论各种想法。

在大奖章的成功鼓舞下，西蒙斯在90年代中期开始寻找更多的研究人员。一份有华尔街工作经验甚至金融背景的简历就是一张通行证。西蒙斯曾经说过：“我们雇佣那些做过出色科学研究的人”。接下来涌现的人才，其中大部分至今仍是该公司的核心。在此期间，他们正在努力进行语音识别和机器翻译。

以至于后续更多的IBM资深人士加入了他们的行列，其中包括弦理论学家Stephen Della Pietra和Vincent Della Pietra、发明了识别人类语音的算法Lalit Bahl、专长于数字信号处理的Mukund Padmanabhan等。

文艺复兴科技还花费大量时间收集、分类和清理数据，并使研究人员能够访问这些数据：如果你有一个想法，你想要快速测试它。如果你必须让数据成形，它会极大地减缓这个过程。

“你需要建立一个层层叠叠的体系”。西蒙斯在2000年接受机构投资者采访时说。对于每一个新想法，你都必须确定：这是真正的新想法，还是以某种方式嵌入到我们已经做过的事情中？一旦确定了，团队就会计算出给它多少权重。随着时间的推移，信号可能最终会消失，但通常会被保留下来，因为它们有时会重现或者如果被移除，会产生意想不到的结果。

在2013年的某次会议上，有人分享了大奖章投资者的一个例子：通过研究云层覆盖数据，他们发现从纽约到东京，晴天与上涨的市场之间存在相关性：事实证明，当巴黎多云的时候，法国股市上涨的可能性比晴朗的时候要小。不过，但这并不是一个赚大钱的机会，因为它只在50%的情况下是正确的。关键是，如果有一些信号非常强烈，而且很有意义，那么它们早就被交易出去了。我们要做的是寻找很多很多这样的信号。我们有90个数学和物理的博士，他们整天坐在那里寻找这些信号。 我们有1万个处理器在那里不断研磨，寻找信号。

除了语言专家外，天体物理学家对该系统的成功有着巨大的影响。这些科学家擅长筛选“有噪声”的数据。

问

如果你纯粹停留在数学领域，你的命运将会不同。当你离开数学界进入投资行业，从而改变了自己的职业道路，创造了自己的财富。纯粹的科学家并不特别受经济潜力的驱动。

James Simons

问

如果今天有一位年轻的数学家来找你说“我想进入投资行业”，你会鼓励这个人吗？你有什么建议吗？

James Simons

我会鼓励那些想赚钱的数学家，我会指导他们申请文艺复兴科技，看看他们能否在那里被聘用。我认为还有很多机会。

QIML补充

如果你认为自己是文艺复兴科技的合适人选，那就准备好接受高强度的面试吧。一开始和其他面试一样：收集简历，电话面试等，但后面就不一样了哈~

如果你在文艺复兴科技前面的面试都顺利通过的话，你会被要求做一个Research Talk！

这还没完，通过者还要求在黑板上解决数学、物理、统计学、计算机科学等方面的问题，度过难熬的一天。