西蒙斯:用数学模型征服华尔街

外汇天眼 APP 讯 : 如果说世界上有哪个人能将知识与财富的关系演绎得最为深刻,这个人恐怕非詹姆斯 · 西蒙斯(James Harris Simons)莫属。这位世界顶级数学家,依靠对数学模型的深刻理解,一手打造了华尔街 赚钱机器 文艺复兴科技公司,并依靠公司旗舰产品大奖章基金(MedallionFund)20 年来的超群表现赢得无数赞誉。

创新互联专注于林口网站建设服务及定制,我们拥有丰富的企业做网站经验。 热诚为您提供林口营销型网站建设,林口网站制作、林口网页设计、林口网站官网定制、微信小程序开发服务,打造林口网络公司原创品牌,更为您提供林口网站排名全网营销落地服务。

在华尔街,它凭借复杂的数学模型和算法进行海量数据分析,成为近些年市场上最成功的量化交易公司之一。 全球收入高的对冲基金经理,年净赚 15 亿美元。在华尔街,韬光养晦是优秀的对冲基金经理恪守的准则,詹姆斯 · 西蒙斯也是如此,即使是华尔街专业人士,对他及其旗下的文艺复兴科技公司也所知甚少。然而在数学界,西蒙斯却是大名鼎鼎。早在上个世纪,詹姆斯 · 西蒙斯就是一位赫赫有名的数学大 师。

西蒙斯是一个马萨诸塞州鞋厂老板的儿子 , 他于 1958 年毕业。于麻省理工学院数学系 , 在 1961 年获得加州大学伯克利分校的数学博士学位 , 西蒙斯在 23 岁的时候就获得博士学位绝对是神童之一 !1964 年至 1968 年期间 , 西蒙斯是美国国防研究院的研究人员之一,他同时在麻省理工学院和哈佛大学教授数学。1968 年,他就被 Stony Brook University 授予数学学院院长的职位,仅仅 30 岁。

1976 年,西蒙斯赢得了美国数学协会的 Oswald Veblen 几何学奖,用来表彰他在多位平面面积最小化研究的成果,这个成果证明了伯恩斯坦猜想中 N 维的第 8 维,同时也成为了佛拉明的高原问题猜想的有力证据。

西蒙斯最著名的研究成果是发现并实践了几何学的测量问题,这个研究成果被命名为陈氏 - 西蒙斯定理。1978 年,西蒙斯离开了学术界而创建了一家投资基金,主要投资于商品期货和其他金融工具。

壁虎式投资法

所谓 壁虎式投资法 ,是指在投资时进行短线方向性预测,同时交易很多品种,依靠在短期内完成的大量交易来获利。用西蒙斯的话说,交易 要像壁虎一样,平时趴在墙上一动不动,蚊子一旦出现就迅速将其吃掉,然后恢复平静,等待下一个机会。 我们随时都在卖出和买入,依靠活跃赚钱。 西蒙斯称,他只寻找那些可以复 制的微小获利瞬间,而绝不以 市场终将恢复正常 作为赌注投入资金

无论是 1998 年俄罗斯债券危机,还是本世纪初的互联网泡沫,大奖章基金历经数次金融危机,始终屹立不倒,令有效市场假说都黯然失色。对此业内人士普遍认为,西蒙斯的不败神话主要得益于其 壁虎式投资法 。

转战投资界 第二战场 二十年后,西蒙斯用一系列数据证明了自己的成功:1989 年到 2009 年间,他操盘的大奖章基金平均年回报率高达 35%,较同期标普 500 指数年均回报率高 20 多个百分点,比 金融大鳄 索罗斯和 股神 巴菲特的操盘表现都高出 10 余个百分点。即便是在次贷危机爆发的 2007 年,该基金的回报率仍高达 85%。

投资理念

我们知道,对大量交易而言科学的交易方法要求投资者做好两步:一是找到期望值为正的交易系统,二是利用资金管理技术提升交易绩效。

1、基于数据挖掘的交易策略

任何成功交易的第一步都是找到期望收益为正的交易系统。为了实现这个目标,投资者需要在一个庞大的备选策略集中进行筛选。大奖章基金偏好的是基于数据挖掘的交易策略。20 世纪 90 年代中期,许多交易所开始提供高频金融数据。事实上这个领域成了西蒙斯的蓝海。

人们推测,通过麾下精通数据挖掘技术的团队,通过对指令册数据和订单流数据的大规模数据挖掘,西蒙斯在这个领域中找到了很多成功的交易策略。有了备选交易策略集 合,投资者需要筛选出有效的交易策略。有效的交易策略能够在某种程度上对市场的未来行为进行准确预测。数据挖掘领域的常见做法是交叉验证,也就是将数据划分为建模样本和验证样本。有效的交易策略应该能够在建模样本和验证样本上体现出较好的预测效力。

2、 交易的衍生工具比较少

基础资产的价格更有可能出现规律性,影响基础资产的价格也更容易。交易基础资产的另一个好处是,基础资产市场流动性更强,要知道 LTCM 的垮台很大程度上是所交易资产的流动性不足引起的。西蒙斯总结了 LTCM 的教训,非常重视所交易资产的流动性。

西蒙斯与其他成功投资人的相通之处在于:利用系统性的交易策略开发得到期望值为正的交易系统;利用资金管理技术提升绩效。


网页题目:西蒙斯:用数学模型征服华尔街
新闻来源:http://myzitong.com/article/cjhhos.html