对冲之王

Nana 2017-03-14 0

就是几个历史人物的简短传记，个人认为它的中文名字有误导读者的倾向，我本来是抱着看对冲方法的心态去看的。还不如按照英文书名直接叫“华尔街的物理学”更贴切。只能说，取这个名字可能比较能够吸引人，但是这种做法，有点low，标题党

游杰 Jeffrey 2016-08-17 0

一本历史书看了我将近一个月，书的前面部分还是很精彩的，不足之处就在于对于最新的物理学应用叙述地太少，就当做了解金融数学历史上几个杰出人物的传记看吧

pppppm 2015-08-13 0

没之前看那本《富可敌国》好看。讲得也不够深入，但对于初步理解模型解决经济学问题，提供了一些证据。最后作者自己的观点，还是比较中肯的。与经济行为学的内容对比着看，思考良多。

雪石 2016-01-24 0

物理学量化分析金融市场特征的应用简史。作为科普读物，学术评述比较简略。有点感触很深：对世界的革新性理解往往发生在实业界，而非学术圈。

右下 2017-02-11 0

权当故事书看了，不值得重看。

Kind Xie 2016-07-24 0

讲的是量化的来源和追溯历史…

felix 2016-07-19 0

一天读完。被中文书名误导了，此书不是写西蒙斯的，而是金融模型史，用物理思想理解金融模型，比以前读过那本涉及面更广更新，信息量略大。

kangni 2016-12-31 0

好玩，翻译好像有删减... 20161231

OntheDesk 2017-02-04 0

科普读物

李撒娇 2017-04-07 0

几位对金融发展有影响的数学家、物理学家传记，内容似乎跟书名不太契合。结语很凝练。

船长阿道克 2015-09-10 2

数量金融历史的科普书。除了巴舍利耶和布莱克之外，讲了一些以前的书很少涉及的段子，奥斯本、索普、索内特等等这样历史发展的线索更丰满一些。另外，书名基本属于卖书的噱头，和书没啥关系。

Nana 2017-03-14 0

就是几个历史人物的简短传记，个人认为它的中文名字有误导读者的倾向，我本来是抱着看对冲方法的心态去看的。还不如按照英文书名直接叫“华尔街的物理学”更贴切。只能说，取这个名字可能比较能够吸引人，但是这种做法，有点low，标题党

游杰 Jeffrey 2016-08-17 0

一本历史书看了我将近一个月，书的前面部分还是很精彩的，不足之处就在于对于最新的物理学应用叙述地太少，就当做了解金融数学历史上几个杰出人物的传记看吧

pppppm 2015-08-13 0

没之前看那本《富可敌国》好看。讲得也不够深入，但对于初步理解模型解决经济学问题，提供了一些证据。最后作者自己的观点，还是比较中肯的。与经济行为学的内容对比着看，思考良多。

雪石 2016-01-24 0

物理学量化分析金融市场特征的应用简史。作为科普读物，学术评述比较简略。有点感触很深：对世界的革新性理解往往发生在实业界，而非学术圈。

右下 2017-02-11 0

权当故事书看了，不值得重看。

Kind Xie 2016-07-24 0

讲的是量化的来源和追溯历史…

felix 2016-07-19 0

一天读完。被中文书名误导了，此书不是写西蒙斯的，而是金融模型史，用物理思想理解金融模型，比以前读过那本涉及面更广更新，信息量略大。

kangni 2016-12-31 0

好玩，翻译好像有删减... 20161231

量化投资的科普读物

哭笑所以 2016-07-26 0赞

作者通过讲述量化投资发展的历史故事，试图梳理量化投资的发展脉络。作者的主要观点一是金融领域的很多发展都是通过物理数学领域研究方法的应用而发展的；二是数学模型是对真实世界近似性描述，都有相应的前提假设条件，要注意失效情况；三是数学模型只是工具，不是经济危机的罪魁祸首，要更好地利用它来服务于经济。本书对量化投资历史的讲述故事性强，适合普通人入门了解量化投资知识。不足之处在于具体应用讲述不够深入，多为理念性内容。应用点：1.思考研究问题时要善于借鉴其它学科尤其是物理数学的研究方法。2.金融投资可以近似的用数学模型来描述预测，在做投资时要有自己的一套交易系统。3.要高度重视数学模型假设条件的适用性，审慎研究跟踪其失效条件。

关于<对冲之王>的思考

unbelievable 2017-01-22 0赞

本书以叙事的方式,讲述了华尔街的一些兴衰风云,其中讲述很多具有里程碑意义的任务和事件,也提到很多不错的书,对于向从事金融或经济方向的人来说具有很与指引.感触比较深的有四个方面:
     一是物理学家对华尔街巨大的影响力,一般人会觉得物理学与经济学的距离还是蛮远的,但看到很多物理学家提出的模型比搞金融还厉害,看来科学还是具有相通性.
   二是对数周期模型:破裂是一点点的由小事件发展而来的,它所遵循的是一种很特殊且呈加速状态的模式;这个对于生活中的其他事情也有很好的指导意义,比如公司破产,家庭分裂,国家暴乱,战争爆发等等.
   三是香农的信息论:传输信号所负载的信心量,聪目某种程度上讲,与信息接收者解码信号的难易程度有关.同时信息就是金钱.
   四是完美的经济学模型,正如作者结尾中所写,完美的模型应该包含行为经济学(人性所导致的的羊群效应等)和理想模型(即理性人假设).

<The Physics of Wall Street - A Brief History

我是大猪:) 2015-11-22 1赞

//2015-11-22 22:13

<对冲之王 - 华尔街量化投资传奇> 读后感

首先我要吐槽一下这个名字，完全和我想的故事不一样，我还以为会介绍某些牛逼的对冲基金的思想算法和故事，结果讲的是数学和物理学关于经济预测的起源发展和经过。
后来仔细把书倒过来一看封皮印的字: The Physics of Wall Street - A Brief History of Predicting the Unpredictable 。原来如此，是翻译的人哗众取宠起的新名字。
难道是怕真名字没人买吗？估计销量至少少三分之二。

读完这本书，给我印象最深的两点：

1.前沿科研属于前无古人的事业，有时自己也不知道是在最前沿，更别说同时代人的理解和支持，所以真的要冒着很大的阻力和拥有自己的信心去前进。无论是当代的什么著名人物来阻扰你，都要坚持住自己的观点和执着，去努力顶着狂风暴雨向前走，可能大部分时间是孤零零的探索，而研究的价值，也许只有在几十年几百年后才会有人发现和理解。超越一个时代实在是一个太过痛苦和孤独的事情。

2.以前我一直以为那些历史的牛人都在幸福美满无忧无虑的环境中做出卓越的贡献让人类进步，而随着我对物理学数学的历史故事了解的越多，越发现他们大部分也是在生活贫困，家庭不和谐，时代艰辛和战争中去寻找到的真理。

这两点也许就够了。

//22:37

《对冲之王》读书笔记

孟龙傅 2016-01-02 3赞

金融物理学，主流与民科的区别

黑暗即是虚空 2015-07-31 8赞

       这本书早在去年去香港的时候就看到有中译本了，这次大陆的译本书名有些投机取巧，事实上这本书从原名就看得出来是讲物理学进军金融学的历程，讲量化投资的东西其实不多。
       最近，我跟另一个博士合作的一项研究也是关于这种交叉学科的实证研究。我不得不承认，尽管这些“物理方法”提供了不同的视角，但其中的金融学意义仍然有待挖掘。
       书中提到的索内特也是我最近关注的焦点，对于极端事件，龙王还是黑天鹅直接决定了我们是否可以预测这种极端事件。
       书写的相当通俗，翻译也很流畅，各种专业名词也翻译的比较准确，所以对于试图了解金融物理学这一领域的人来说是本不错的入门书。
       然而，一旦牵扯到物理学，没办法，民科这种东西就出来了。有时也真的是无法理解为什么这些民科如此大言不惭的声称自己推翻了相对论，重建了量子力学，证明了哥德巴赫猜想。
       而现在物理学进军金融学后，我也发现民科的一些迹象，不管是一些论坛还是一些书籍上。
       民科似乎非常喜欢所谓的非线性系统，比如混沌。
       目前一个争论在于金融市场的收益率究竟是随机的还是混沌的，多数证据倾向于支持随机。
       不过民科们倒是对混沌颇有热衷，连混沌的基本概念都没搞清，就开始宣称，市场不是随机的，有效市场是错误的。
       不管是混沌还是随机，要长时间预测未来都是不可能的。而混沌允许在很短的时间内比较准确的预测（这个时间可从最大李雅普诺夫指数的倒数得出），而随机则允许在无法预知未来的情况下，可以得到关于分布，期望和波动上的合理计算。
       混沌理论只是告诉我们即便是有确定性的方程，长期预测也是不可能的。混沌也可称为“确定性的随机”。
       混沌和随机的关键区别在于，随机系统认为这些不确定性是由外生因素造成的，而混沌系统则认为是内在因素造成的。
       有些书籍的作者似乎根本就没搞懂什么是混沌，用混沌否定随机，甚至是将混沌作为技术分析的一个依据，都是胡扯。
       另一个严重误用在于分形，比较典型的书就是《证券混沌操作法》，作者宣称什么分形分析，其实说白了就是技术分析，跟分形没有一毛钱关系。
       另外长记忆也是容易被随意解释的。
       即便市场存在显著的长记忆，也不代表你就可以很轻易的预测市场。长记忆更多的是说序列很容易发生异常扩散，完全超出你的预测范围。目前没有证据证明长记忆和技术分析有什么关系。
       我想指出的是，这些理论本身都是非常严谨的，但被民科随机发挥之后，变成了什么跨时代的东西，变成了无往不利的利器，最搞笑的是，他们提出的策略依然是技术分析的层面，和这些物理学理论没有关系。
       我当然不反对技术分析，不过我觉得技术分析没必要从这些理论找支点，你认真研究技术分析本身就可以了，搞那么多玄虚的概念并不会提升你的业绩。再说这些理论都需要编程实现，你如果不会编程计算，那么就算你懂对你也没什么用处。
       关于概率论上，民科很喜欢抓住正态分布的缺陷不放。
       然而任何一个从事了相关研究的人都知道，正态分布的确简单实用，在大多数时候都是比较接近真实情况的，正如书中所讲，只有在极端事件发生时，正态分布会低估其发生的概率。我们当然可以采用其他分布，或者用自助法模拟，但是这些方法换来的是更加复杂的数学和实现程序，对于理论推导来讲，正态分布还是有其价值的。再说，真正懂的人都知道怎么去修正这些缺陷。
       另外，金融物理学的一些方法也是有问题的，比如之前在学术期刊上很流行的重标极差分析法（R/S）就是一个例子，这个方法无法区分短记忆和长记忆。
       值得一提的是就连一些券商的研究报告也是有这种随便乱用概念的问题。我之前看过一份券商研究，使用赫斯特（Hurst）指数去预测市场的牛熊拐点。结果看上去非常惊人，准确率极高，但很可惜这是数据过度拟合、过度挖掘的结果。因为赫斯特指数本身是个标量，你根本不能从这个数值的大小上去判断市场的方向。
       而且包括像最大李雅普诺夫指数等都存在了如何准确计算参数的问题，金融物理学本身还有相当多的问题没有解决。
       更重要的，也是我开头讲的，这些方法很少提供金融学上的意义。比如我们如何计算资本成本，到头来还是回到资本资产定价模型或者一些多因子模型上去。物理学还没有为我们提供任何有参考价值的信息。
       这也是金融物理学的最大问题，它主要集中于动力系统的层面，而对于金融学之中的许多核心问题却没有涉及。
       当我们在看《对冲之王》这本书的时候，不要忘记，任何科学上的进步都不是随机误用概念就可以完成的。
       我相信严谨的投资者是不会随意去当某种理论的代言人的，每一种理论都有自身的优点和不足，投资者应该从实用的角度去修正这些理论，而不是在意识形态上挥舞理论的旗帜。
       最后我还是得重新将《漫步华尔街》中的一句话搬出来：统计上的显著关系并不代表你就可以获取超额收益。
       对于投资者而言，知道一个东西是什么和怎么做是完全不同的。从研究的角度来看，这些统计当然是很好的工具，但是如何将统计结果转化为策略就是另一个层面的问题了。
       最后一个问题，未来我们的市场是不是完全由这些量化方法统治呢？
       对于像债券期权这些金融产品我的答案是可能会。但是股票就不用想了，由于股票本身没有到期日，你也不可能准确预测未来的现金流和资本成本，因而给股票准确估值是不可能的。（对于价值投资者而言，准确估值没有任何用处，一个保守性的估值外加一个安全边际才是值得研究的地方）。
       由于股票的内在价值很难确定，这就使得这个市场依然会成为各种策略相互碰撞的战场。这也就决定了股市可以任由中国大妈任性挥金，理性与非理性不断博弈。
       2015年的股市最令人心醉的一点在于，估值低的股票涨的没有估值高的股票多，但市场下跌起来，都是五十步笑百步。

科学家对华尔街的入侵

peter 2013-09-21 21赞

这本书告诉我们，过去一个世纪，物理学家和数学家是如何用日趋精细的数学模型，来全面入侵华尔街的。如果你对量化金融感兴趣，这本书值得好好一下。

在1900年，法国一位叫巴舍利耶（Bachelier）的学生，为生活所迫，在证券交易所做个临时工以勤工俭学。他憧憬着成为一名数学家，他的论文也结合了实习的经验，是关于股市价格投机的数学理论。但当时的法国数学界对于应用领域的研究不屑一顾，即使他的导师是大名鼎鼎的庞加莱（Poincare），论文也没有获得优秀，从而使得他获不了终身教职，直到晚年才终于获得认定，实在是悲催。

直到大约60年后，他的论文被MIT的量化金融之父萨缪尔森（Samuelson）发现，才重新浮出水面。世人惊奇地发现，他在1900年，就已经独自一人做了几件惊天动地的事情。他发现了有价证券上下波动的随机性，并且用数学的方法为其建立了量化的模型。同样的数学工具，在1906年，为另外一名物理学家用来推断出原子的存在，并且重新塑造了物理学，那个物理学家叫-爱因斯坦。

Bachelier认为股票价格上下波动满足正态分布，他甚至重新发明了概率论。另外，他认为股票今天的价格和明天的价格是不相关的，市场是有效的，你无法找到策略战胜市场。萨缪尔森惊奇地发现，很多他们的工作在60年前就已经被老巴一个人干掉了，只可惜老巴找到了钥匙，但是没能等到门的出现，最终开门的就成了萨缪尔森了。

你如果要问，知道这个又怎么样呢，你又不能预测出明天的股票价格是多少，我如何赚钱？确实，老巴的理论不能预测准确的股价，但他能准确地告知你不同股价可能出现的概率，也就是量化了风险。当你知道了骰子出现六的机会是1/6，你就知道该如何下注了。

由于老巴的默默无闻，另外一个叫奥斯本（Osborne）的家伙也在大约老巴论文发表的60年后，重新研究股票的随机运动，写出了类似的论文，但修正了一处老巴的缺陷。奥斯本认为，不是股票价格波动的绝对值满足正态分布，而是股票价格波动的百分比满足正态分布。毕竟，10元钱的股票，不可能跌到0元以下，但可以高到20元以上。

说来也奇妙，奥斯本这家伙原来是一个天体物理学家，但生育能力很强，在他生了一对双胞胎，也就是他的第8个和第9个小孩后，迫于生计，他觉得要在股市上赚点外快了，所以才投身股市的。他后来还发现了很多股市套利的技巧，比如买卖股票不要设定整数价位，那样的获利机会更高，等等。当时计算机还没有普及，否则他可能就是最早的宽客（Quant）了。

Osborne的假设很快就被一个叫曼德尔布罗（Mandelbrojt ）的数学家推翻，他在1963年的论文中指出，股票的分布不是那么柔和的正态分布，而是更加激烈的幂次分布。也就是说，极端事件的出现比想象的要大很多。但是，他的命运和最早的老巴有点类似，在60年代，整个学术界好不容易接受了老巴的理论，并且惊喜地开始对风险进行量化管理，从而激发了大量的市场行为。这时候，如果接受Mandelbrojt的理论，那无疑是说，风险是无法准确量化的，大家都不能下注了，那哪行。加上Mandelbrojt的计算结果在股票正常情况下和Bachelier和Osborne的差别细微，只有在极端情况下才出现大的偏差，所以大家觉得无所谓（估计也没有多少人认真看他的论文），这样，轮到Mandelbrojt的论文被雪藏了。另外一个原因，是由于当时Mandelbrojt在工业界而不是学术界工作，所以他的论文很难被接纳和发表，更难被重视。他确实是在一家企业内部而不是学校里面做的研究，这家公司叫IBM。

当然，他的运气比较好，只过了30年就又重新被世人接受。当然，那是因为这段时间股市的波动更激烈了，出现了更多的金融危机，使得大家不禁质疑原有的基于Bachelier和Osborne的假设是否有问题，才逐步接受Mandelbrojt的理论。而后来，Mandelbrojt也发明了分形几何这门学科，成为了研究复杂系统的主要工具，这些都是后话了。

如果说，前面三位都是富有开拓精神的学者，都醉心于理论研究的话，后面这位仁兄就是实干型人才了。索普（Thorp），一个喜欢研究赌博的学生，最早开始研究德州扑克的记牌规律，获得了成功，写了一本有名的书，叫《Beat the Dealer》，告诉大家如何通过扑克赌博赢钱。之后他醉心研究俄罗斯轮盘赌，他认为，如果轮盘足够好的话，只要知道了开始条件，就能预测小球停在哪个格子。他拉了一位大人物下水一起做了一个小型的计算器，到赌场真的赢钱了。这个大人物叫香农（Shannon）。

后来由于赌场太刺激了，他决定还是回学校教书。但马上又迷上了Osborne的理论，并投身到期权市场中，为期权进行了精确的定价（通过计算机程序），然后进行了套利活动。为了控制风险，他还发明了对冲操作模式，并成立了最早的对冲基金。十分有趣的是，他的基金为了获得一位早期投资人的钱，还被这个投资人之前的资金管理人面试，这是一个名叫巴菲特的家伙。

如果说Thorp具有叛逆性格的话，下面这位仁兄就更加有过之而无不及了。他在哈佛博士论文评审前，由于参加了反政府运动，被哈佛开除了。他叫布莱克（Black），看名字就知道他很黑。他后来跑到了咨询公司工作，认识了另外一个叫Scholes的家伙，1970年他们做了一件和Thorp很相似的事情，就是计算期权的价格。用同样的方法，他们甚至能计算各种不同的衍生产品的定价和风险。同样的工作另外一个叫Merton家伙也做了，他们一起发表了论文，这个公式后人也称为Black-Scholes-Merton公式。因为这个公式，Scholes和Merton获得了诺贝尔经济奖（1997年，当时Black已经去世）。

Black他们帮助整个金融业理解了如何为期权等一系列金融衍生产品定价，并且能量化其风险。所以银行家们都很感激他们，因为用Black的公式，银行家可以制造出风险可配置的各种衍生品来销售。值得注意的是，Black他们对股票风险的评估，也是基于正态分布的假设。

Black其实也不算黑，他赶上了好时代，因为金本位的退出，业界急迫需要一种方式来锁定美元等货币的稳定性，货币期权就变得相当的重要了。1971年期权获准在交易所挂牌交易，并获得了迅速的发展。 Black和Merton后来被高盛聘用成立量化投资部门，Scholes和Merton还参与创办了著名了LTCM基金，一度获得了超级的成功，成为量化投资的楷模，直到1997年的崩盘。

LTCM基金崩盘了，大家也重新思考Black-Scholes-Merton的模型是否有问题，答案是肯定的，Mandelbojt已经指出，其对风险的评估不准确，碰到大事情是就失效了。

Mandelbojt说的大事件，后来也被称为黑天鹅。他的意思是指，极端事件往往比你想象的要多得多（想想我们电视里面讲的这次洪水是百年一遇，过两年，又一个千年一遇的来了，你就知道传统的预测多么的不靠谱）

导致大事件发生的原因，通常和复杂系统分不开。 Farmer 和Packard就是研究复杂系统的两个专家，他们研究混沌理论，使用分形几何工具，使用大量的计算机模拟工具，这使得他们对于复杂系统的感觉远远超过了旁人，而股市就是一个复杂系统，这样，他们就有了用武之地。很显然，他们对幂次规律的把握和分形几何的应用，使得他们必然站在Mandelbojt一边。

说来也巧，他们两个最早也和Thorp一样，在念书的时候研究了俄罗斯轮盘赌，甚至成立了一个公司，专门用他们制作的微信计算机来到赌场获利，他们比Thorp和Shannon胆识大多了，真是后生可畏。后来，他们成立了Prediction Company（预测公司），一听就霸气。这是一个基金公司，利用他们掌握的分形几何，混沌理论，计算机模拟工具等，来进行对冲套利。他们还开发了大量的算法交易模型，最终他们被O'conner收购（这是一个和LTCM同期，但却活下来的公司，差别也在于他们用了Mandelbojt的理论而不是Bachelier和Osborne的理论），而O'conner又最终辗转被瑞银UBS收购了。采取同样策略的也包括有数学家James Simons的文艺复兴（Renaissance）科技公司。

如果说Farmer和Packard的Prediction Company，以及James Simons的Renaissance特别留意不低估风险，利用稳健的对冲策略和算法交易来进行大量的小额套利行为的话，物理学家 Sornette则是特别关心这些大事件，也就是黑天鹅。

Sornette本来专门研究崩塌理论，比如地震，比如气球在涨到一定程度的突然爆炸，比如航天器容器中的裂缝等。他发现很多大的崩塌其实是有规律的，也是和一系列小的破裂事件相关，只是恰好这系列破裂时间的连续时机合适，所以大事件就来了。他不认为这像黑天鹅那样悄然出现，他认为这更像是一个龙王，也是大事件，虽然还没有到来，但已经听到它的脚步了。也就是说，他认为崩塌是可以提前预测的。

这个不得了，如果你能知道大事件何时发生，那么你就赚翻了。 Sornette确实对90年代后的金融危机都做了准确的预测，为了证实他的准确性，他还参与了投机操作，做空指数，并获得了400%的回报。

这就是到目前为止物理学家入侵华尔街的过程。

虽然2008年的金融危机大家都归罪于Quant，归罪于这些科学家们，认为他们导致了股市的巨大波动，带来了风险。但我认为，随着我们对股市规律的更加了解，我们就能更准确地判断风险，更好地建设一个健康的金融市场。这是一个持续进步的过程，最大的风险不来自这些科学家，而是我们停滞不前。

科学家对华尔街的入侵

peter 2013-09-21 21

这本书告诉我们，过去一个世纪，物理学家和数学家是如何用日趋精细的数学模型，来全面入侵华尔街的。如果你对量化金融感兴趣，这本书值得好好一下。

在1900年，法国一位叫巴舍利耶（Bachelier）的学生，为生活所迫，在证券交易所做个临时工以勤工俭学。他憧憬着成为一名数学家，他的论文也结合了实习的经验，是关于股市价格投机的数学理论。但当时的法国数学界对于应用领域的研究不屑一顾，即使他的导师是大名鼎鼎的庞加莱（Poincare），论文也没有获得优秀，从而使得他获不了终身教职，直到晚年才终于获得认定，实在是悲催。

直到大约60年后，他的论文被MIT的量化金融之父萨缪尔森（Samuelson）发现，才重新浮出水面。世人惊奇地发现，他在1900年，就已经独自一人做了几件惊天动地的事情。他发现了有价证券上下波动的随机性，并且用数学的方法为其建立了量化的模型。同样的数学工具，在1906年，为另外一名物理学家用来推断出原子的存在，并且重新塑造了物理学，那个物理学家叫-爱因斯坦。

Bachelier认为股票价格上下波动满足正态分布，他甚至重新发明了概率论。另外，他认为股票今天的价格和明天的价格是不相关的，市场是有效的，你无法找到策略战胜市场。萨缪尔森惊奇地发现，很多他们的工作在60年前就已经被老巴一个人干掉了，只可惜老巴找到了钥匙，但是没能等到门的出现，最终开门的就成了萨缪尔森了。

你如果要问，知道这个又怎么样呢，你又不能预测出明天的股票价格是多少，我如何赚钱？确实，老巴的理论不能预测准确的股价，但他能准确地告知你不同股价可能出现的概率，也就是量化了风险。当你知道了骰子出现六的机会是1/6，你就知道该如何下注了。

由于老巴的默默无闻，另外一个叫奥斯本（Osborne）的家伙也在大约老巴论文发表的60年后，重新研究股票的随机运动，写出了类似的论文，但修正了一处老巴的缺陷。奥斯本认为，不是股票价格波动的绝对值满足正态分布，而是股票价格波动的百分比满足正态分布。毕竟，10元钱的股票，不可能跌到0元以下，但可以高到20元以上。

说来也奇妙，奥斯本这家伙原来是一个天体物理学家，但生育能力很强，在他生了一对双胞胎，也就是他的第8个和第9个小孩后，迫于生计，他觉得要在股市上赚点外快了，所以才投身股市的。他后来还发现了很多股市套利的技巧，比如买卖股票不要设定整数价位，那样的获利机会更高，等等。当时计算机还没有普及，否则他可能就是最早的宽客（Quant）了。

Osborne的假设很快就被一个叫曼德尔布罗（Mandelbrojt ）的数学家推翻，他在1963年的论文中指出，股票的分布不是那么柔和的正态分布，而是更加激烈的幂次分布。也就是说，极端事件的出现比想象的要大很多。但是，他的命运和最早的老巴有点类似，在60年代，整个学术界好不容易接受了老巴的理论，并且惊喜地开始对风险进行量化管理，从而激发了大量的市场行为。这时候，如果接受Mandelbrojt的理论，那无疑是说，风险是无法准确量化的，大家都不能下注了，那哪行。加上Mandelbrojt的计算结果在股票正常情况下和Bachelier和Osborne的差别细微，只有在极端情况下才出现大的偏差，所以大家觉得无所谓（估计也没有多少人认真看他的论文），这样，轮到Mandelbrojt的论文被雪藏了。另外一个原因，是由于当时Mandelbrojt在工业界而不是学术界工作，所以他的论文很难被接纳和发表，更难被重视。他确实是在一家企业内部而不是学校里面做的研究，这家公司叫IBM。

当然，他的运气比较好，只过了30年就又重新被世人接受。当然，那是因为这段时间股市的波动更激烈了，出现了更多的金融危机，使得大家不禁质疑原有的基于Bachelier和Osborne的假设是否有问题，才逐步接受Mandelbrojt的理论。而后来，Mandelbrojt也发明了分形几何这门学科，成为了研究复杂系统的主要工具，这些都是后话了。

如果说，前面三位都是富有开拓精神的学者，都醉心于理论研究的话，后面这位仁兄就是实干型人才了。索普（Thorp），一个喜欢研究赌博的学生，最早开始研究德州扑克的记牌规律，获得了成功，写了一本有名的书，叫《Beat the Dealer》，告诉大家如何通过扑克赌博赢钱。之后他醉心研究俄罗斯轮盘赌，他认为，如果轮盘足够好的话，只要知道了开始条件，就能预测小球停在哪个格子。他拉了一位大人物下水一起做了一个小型的计算器，到赌场真的赢钱了。这个大人物叫香农（Shannon）。

后来由于赌场太刺激了，他决定还是回学校教书。但马上又迷上了Osborne的理论，并投身到期权市场中，为期权进行了精确的定价（通过计算机程序），然后进行了套利活动。为了控制风险，他还发明了对冲操作模式，并成立了最早的对冲基金。十分有趣的是，他的基金为了获得一位早期投资人的钱，还被这个投资人之前的资金管理人面试，这是一个名叫巴菲特的家伙。

如果说Thorp具有叛逆性格的话，下面这位仁兄就更加有过之而无不及了。他在哈佛博士论文评审前，由于参加了反政府运动，被哈佛开除了。他叫布莱克（Black），看名字就知道他很黑。他后来跑到了咨询公司工作，认识了另外一个叫Scholes的家伙，1970年他们做了一件和Thorp很相似的事情，就是计算期权的价格。用同样的方法，他们甚至能计算各种不同的衍生产品的定价和风险。同样的工作另外一个叫Merton家伙也做了，他们一起发表了论文，这个公式后人也称为Black-Scholes-Merton公式。因为这个公式，Scholes和Merton获得了诺贝尔经济奖（1997年，当时Black已经去世）。

Black他们帮助整个金融业理解了如何为期权等一系列金融衍生产品定价，并且能量化其风险。所以银行家们都很感激他们，因为用Black的公式，银行家可以制造出风险可配置的各种衍生品来销售。值得注意的是，Black他们对股票风险的评估，也是基于正态分布的假设。

Black其实也不算黑，他赶上了好时代，因为金本位的退出，业界急迫需要一种方式来锁定美元等货币的稳定性，货币期权就变得相当的重要了。1971年期权获准在交易所挂牌交易，并获得了迅速的发展。 Black和Merton后来被高盛聘用成立量化投资部门，Scholes和Merton还参与创办了著名了LTCM基金，一度获得了超级的成功，成为量化投资的楷模，直到1997年的崩盘。

LTCM基金崩盘了，大家也重新思考Black-Scholes-Merton的模型是否有问题，答案是肯定的，Mandelbojt已经指出，其对风险的评估不准确，碰到大事情是就失效了。

Mandelbojt说的大事件，后来也被称为黑天鹅。他的意思是指，极端事件往往比你想象的要多得多（想想我们电视里面讲的这次洪水是百年一遇，过两年，又一个千年一遇的来了，你就知道传统的预测多么的不靠谱）

导致大事件发生的原因，通常和复杂系统分不开。 Farmer 和Packard就是研究复杂系统的两个专家，他们研究混沌理论，使用分形几何工具，使用大量的计算机模拟工具，这使得他们对于复杂系统的感觉远远超过了旁人，而股市就是一个复杂系统，这样，他们就有了用武之地。很显然，他们对幂次规律的把握和分形几何的应用，使得他们必然站在Mandelbojt一边。

说来也巧，他们两个最早也和Thorp一样，在念书的时候研究了俄罗斯轮盘赌，甚至成立了一个公司，专门用他们制作的微信计算机来到赌场获利，他们比Thorp和Shannon胆识大多了，真是后生可畏。后来，他们成立了Prediction Company（预测公司），一听就霸气。这是一个基金公司，利用他们掌握的分形几何，混沌理论，计算机模拟工具等，来进行对冲套利。他们还开发了大量的算法交易模型，最终他们被O'conner收购（这是一个和LTCM同期，但却活下来的公司，差别也在于他们用了Mandelbojt的理论而不是Bachelier和Osborne的理论），而O'conner又最终辗转被瑞银UBS收购了。采取同样策略的也包括有数学家James Simons的文艺复兴（Renaissance）科技公司。

如果说Farmer和Packard的Prediction Company，以及James Simons的Renaissance特别留意不低估风险，利用稳健的对冲策略和算法交易来进行大量的小额套利行为的话，物理学家 Sornette则是特别关心这些大事件，也就是黑天鹅。

Sornette本来专门研究崩塌理论，比如地震，比如气球在涨到一定程度的突然爆炸，比如航天器容器中的裂缝等。他发现很多大的崩塌其实是有规律的，也是和一系列小的破裂事件相关，只是恰好这系列破裂时间的连续时机合适，所以大事件就来了。他不认为这像黑天鹅那样悄然出现，他认为这更像是一个龙王，也是大事件，虽然还没有到来，但已经听到它的脚步了。也就是说，他认为崩塌是可以提前预测的。

这个不得了，如果你能知道大事件何时发生，那么你就赚翻了。 Sornette确实对90年代后的金融危机都做了准确的预测，为了证实他的准确性，他还参与了投机操作，做空指数，并获得了400%的回报。

这就是到目前为止物理学家入侵华尔街的过程。

虽然2008年的金融危机大家都归罪于Quant，归罪于这些科学家们，认为他们导致了股市的巨大波动，带来了风险。但我认为，随着我们对股市规律的更加了解，我们就能更准确地判断风险，更好地建设一个健康的金融市场。这是一个持续进步的过程，最大的风险不来自这些科学家，而是我们停滞不前。

金融物理学，主流与民科的区别

黑暗即是虚空 2015-07-31 8

       这本书早在去年去香港的时候就看到有中译本了，这次大陆的译本书名有些投机取巧，事实上这本书从原名就看得出来是讲物理学进军金融学的历程，讲量化投资的东西其实不多。
       最近，我跟另一个博士合作的一项研究也是关于这种交叉学科的实证研究。我不得不承认，尽管这些“物理方法”提供了不同的视角，但其中的金融学意义仍然有待挖掘。
       书中提到的索内特也是我最近关注的焦点，对于极端事件，龙王还是黑天鹅直接决定了我们是否可以预测这种极端事件。
       书写的相当通俗，翻译也很流畅，各种专业名词也翻译的比较准确，所以对于试图了解金融物理学这一领域的人来说是本不错的入门书。
       然而，一旦牵扯到物理学，没办法，民科这种东西就出来了。有时也真的是无法理解为什么这些民科如此大言不惭的声称自己推翻了相对论，重建了量子力学，证明了哥德巴赫猜想。
       而现在物理学进军金融学后，我也发现民科的一些迹象，不管是一些论坛还是一些书籍上。
       民科似乎非常喜欢所谓的非线性系统，比如混沌。
       目前一个争论在于金融市场的收益率究竟是随机的还是混沌的，多数证据倾向于支持随机。
       不过民科们倒是对混沌颇有热衷，连混沌的基本概念都没搞清，就开始宣称，市场不是随机的，有效市场是错误的。
       不管是混沌还是随机，要长时间预测未来都是不可能的。而混沌允许在很短的时间内比较准确的预测（这个时间可从最大李雅普诺夫指数的倒数得出），而随机则允许在无法预知未来的情况下，可以得到关于分布，期望和波动上的合理计算。
       混沌理论只是告诉我们即便是有确定性的方程，长期预测也是不可能的。混沌也可称为“确定性的随机”。
       混沌和随机的关键区别在于，随机系统认为这些不确定性是由外生因素造成的，而混沌系统则认为是内在因素造成的。
       有些书籍的作者似乎根本就没搞懂什么是混沌，用混沌否定随机，甚至是将混沌作为技术分析的一个依据，都是胡扯。
       另一个严重误用在于分形，比较典型的书就是《证券混沌操作法》，作者宣称什么分形分析，其实说白了就是技术分析，跟分形没有一毛钱关系。
       另外长记忆也是容易被随意解释的。
       即便市场存在显著的长记忆，也不代表你就可以很轻易的预测市场。长记忆更多的是说序列很容易发生异常扩散，完全超出你的预测范围。目前没有证据证明长记忆和技术分析有什么关系。
       我想指出的是，这些理论本身都是非常严谨的，但被民科随机发挥之后，变成了什么跨时代的东西，变成了无往不利的利器，最搞笑的是，他们提出的策略依然是技术分析的层面，和这些物理学理论没有关系。
       我当然不反对技术分析，不过我觉得技术分析没必要从这些理论找支点，你认真研究技术分析本身就可以了，搞那么多玄虚的概念并不会提升你的业绩。再说这些理论都需要编程实现，你如果不会编程计算，那么就算你懂对你也没什么用处。
       关于概率论上，民科很喜欢抓住正态分布的缺陷不放。
       然而任何一个从事了相关研究的人都知道，正态分布的确简单实用，在大多数时候都是比较接近真实情况的，正如书中所讲，只有在极端事件发生时，正态分布会低估其发生的概率。我们当然可以采用其他分布，或者用自助法模拟，但是这些方法换来的是更加复杂的数学和实现程序，对于理论推导来讲，正态分布还是有其价值的。再说，真正懂的人都知道怎么去修正这些缺陷。
       另外，金融物理学的一些方法也是有问题的，比如之前在学术期刊上很流行的重标极差分析法（R/S）就是一个例子，这个方法无法区分短记忆和长记忆。
       值得一提的是就连一些券商的研究报告也是有这种随便乱用概念的问题。我之前看过一份券商研究，使用赫斯特（Hurst）指数去预测市场的牛熊拐点。结果看上去非常惊人，准确率极高，但很可惜这是数据过度拟合、过度挖掘的结果。因为赫斯特指数本身是个标量，你根本不能从这个数值的大小上去判断市场的方向。
       而且包括像最大李雅普诺夫指数等都存在了如何准确计算参数的问题，金融物理学本身还有相当多的问题没有解决。
       更重要的，也是我开头讲的，这些方法很少提供金融学上的意义。比如我们如何计算资本成本，到头来还是回到资本资产定价模型或者一些多因子模型上去。物理学还没有为我们提供任何有参考价值的信息。
       这也是金融物理学的最大问题，它主要集中于动力系统的层面，而对于金融学之中的许多核心问题却没有涉及。
       当我们在看《对冲之王》这本书的时候，不要忘记，任何科学上的进步都不是随机误用概念就可以完成的。
       我相信严谨的投资者是不会随意去当某种理论的代言人的，每一种理论都有自身的优点和不足，投资者应该从实用的角度去修正这些理论，而不是在意识形态上挥舞理论的旗帜。
       最后我还是得重新将《漫步华尔街》中的一句话搬出来：统计上的显著关系并不代表你就可以获取超额收益。
       对于投资者而言，知道一个东西是什么和怎么做是完全不同的。从研究的角度来看，这些统计当然是很好的工具，但是如何将统计结果转化为策略就是另一个层面的问题了。
       最后一个问题，未来我们的市场是不是完全由这些量化方法统治呢？
       对于像债券期权这些金融产品我的答案是可能会。但是股票就不用想了，由于股票本身没有到期日，你也不可能准确预测未来的现金流和资本成本，因而给股票准确估值是不可能的。（对于价值投资者而言，准确估值没有任何用处，一个保守性的估值外加一个安全边际才是值得研究的地方）。
       由于股票的内在价值很难确定，这就使得这个市场依然会成为各种策略相互碰撞的战场。这也就决定了股市可以任由中国大妈任性挥金，理性与非理性不断博弈。
       2015年的股市最令人心醉的一点在于，估值低的股票涨的没有估值高的股票多，但市场下跌起来，都是五十步笑百步。

《对冲之王》读书笔记

孟龙傅 2016-01-02 3

<The Physics of Wall Street - A Brief History

我是大猪:) 2015-11-22 1

//2015-11-22 22:13

<对冲之王 - 华尔街量化投资传奇> 读后感

首先我要吐槽一下这个名字，完全和我想的故事不一样，我还以为会介绍某些牛逼的对冲基金的思想算法和故事，结果讲的是数学和物理学关于经济预测的起源发展和经过。
后来仔细把书倒过来一看封皮印的字: The Physics of Wall Street - A Brief History of Predicting the Unpredictable 。原来如此，是翻译的人哗众取宠起的新名字。
难道是怕真名字没人买吗？估计销量至少少三分之二。

读完这本书，给我印象最深的两点：

1.前沿科研属于前无古人的事业，有时自己也不知道是在最前沿，更别说同时代人的理解和支持，所以真的要冒着很大的阻力和拥有自己的信心去前进。无论是当代的什么著名人物来阻扰你，都要坚持住自己的观点和执着，去努力顶着狂风暴雨向前走，可能大部分时间是孤零零的探索，而研究的价值，也许只有在几十年几百年后才会有人发现和理解。超越一个时代实在是一个太过痛苦和孤独的事情。

2.以前我一直以为那些历史的牛人都在幸福美满无忧无虑的环境中做出卓越的贡献让人类进步，而随着我对物理学数学的历史故事了解的越多，越发现他们大部分也是在生活贫困，家庭不和谐，时代艰辛和战争中去寻找到的真理。

这两点也许就够了。

//22:37

量化投资的科普读物

哭笑所以 2016-07-26 0

作者通过讲述量化投资发展的历史故事，试图梳理量化投资的发展脉络。作者的主要观点一是金融领域的很多发展都是通过物理数学领域研究方法的应用而发展的；二是数学模型是对真实世界近似性描述，都有相应的前提假设条件，要注意失效情况；三是数学模型只是工具，不是经济危机的罪魁祸首，要更好地利用它来服务于经济。本书对量化投资历史的讲述故事性强，适合普通人入门了解量化投资知识。不足之处在于具体应用讲述不够深入，多为理念性内容。应用点：1.思考研究问题时要善于借鉴其它学科尤其是物理数学的研究方法。2.金融投资可以近似的用数学模型来描述预测，在做投资时要有自己的一套交易系统。3.要高度重视数学模型假设条件的适用性，审慎研究跟踪其失效条件。

关于<对冲之王>的思考

unbelievable 2017-01-22 0

本书以叙事的方式,讲述了华尔街的一些兴衰风云,其中讲述很多具有里程碑意义的任务和事件,也提到很多不错的书,对于向从事金融或经济方向的人来说具有很与指引.感触比较深的有四个方面:
     一是物理学家对华尔街巨大的影响力,一般人会觉得物理学与经济学的距离还是蛮远的,但看到很多物理学家提出的模型比搞金融还厉害,看来科学还是具有相通性.
   二是对数周期模型:破裂是一点点的由小事件发展而来的,它所遵循的是一种很特殊且呈加速状态的模式;这个对于生活中的其他事情也有很好的指导意义,比如公司破产,家庭分裂,国家暴乱,战争爆发等等.
   三是香农的信息论:传输信号所负载的信心量,聪目某种程度上讲,与信息接收者解码信号的难易程度有关.同时信息就是金钱.
   四是完美的经济学模型,正如作者结尾中所写,完美的模型应该包含行为经济学(人性所导致的的羊群效应等)和理想模型(即理性人假设).

对冲之王

推荐文章

猜你喜欢

附近的人在看

推荐阅读

拓展阅读