距离上次在汉青听量化投资已经小半年了，没什么大进展。丁鹏的书、西蒙斯的传记粗略的翻了下，图书馆里也只有这本解读量化投资了。
如果超短裙的长度和口红的销量都能当经济指标，那凭什么量化投资就是怪力乱神？要成功，必须寻找到自己有比较优势的方向，这样才能事半功倍。有人有内幕、有钱，显然我们只能有技术。靠统计概率取胜，总好过看占星术吧。
国外的推特情绪指数对纳斯达克是有靠谱反映的，国内有机构用新浪微博的数据做过研究，也有比较靠谱的相关性。不用纠结于这是图论、社会媒体还是行为经济学的例证，只要它有效就可以了。虽然最后的赢家还是“有效市场”假说，但是大家显然都是在追求假说获胜之前利润。再说这也不靠谱，那也不靠谱，岂不知人脑才是最大的黑箱，最大的不靠谱。
为什么可行？塞柯塔说交易与心理是一个硬币的两面。市场存在过激反应，市场迟早是有效的，那些过激的傻瓜，早晚会意识到自己的错误，波动性会降下来，降到长期平均水平。当然，中短期波动不会立刻回到长期平均值。而且存在“墙倒众人推”的情况。罗闻全教授也认为：股票具有快速波动之后回顾本来价位的特性。计算机博士肖尔的研究方向是并行计算(我也是，握爪)，他认为“金融投资最完全的信息处理工作”，其公司有一半员工是电脑技术专家。亨利认为人们对宏观经济各类指标充满过度的解读，人类对信息反映存在偏差，而且人的反应偏差也是很稳定的 。
虽然可行，还是要泼几盆冷水：
首先就是要反对“美”。布莱克-舒尔斯-默顿的公式非常简洁、漂亮，这个理论几乎是社会科学里面最精确、成功的理论，但是需要注意现实生活往往不是完美的。例如由于金融价格不是连续的、存在肥尾现象，所以用正态分布和布朗运动描述价格是有缺陷的。生搬硬套，显然不是现实的考量方法。
再有就是不能相信数据。如果你把数据折磨的到一定程度，数据什么都会招的。历史极有可能重复，也有可能更改。当你自认为找到了灵丹妙药是，别人也是这么想的。
再有需注意有限的市场容量。200多斤的体重往水盆里跳，还要压水花的比喻，太贴切了。所幸，我估计我是到不了200多斤的。长期资本管理公司过度的使用了杠杆、粗放的风险管控，导致了它成为前车之鉴。
最后是运气。肖尔认为，为这个付出太大，而成功的可能性又太低，别的投资方法赚钱的性价比要好得多。西蒙斯也认为他的成功有很大运气成分。
泼完冷水，再热血沸腾下：
塞柯塔开创了计算机来测试和分析投资的先河。其半年时间做的十种商品、十年数据、四种模型的测试。而现在一个金融学本科生半天就可以搞定。
而西蒙斯的模型基本上是有：1.过激反应机会2.套利交易，主要是统计套利。3.趋势和联动性。4.偏门信息，如限价交易指令表。5.卖卖掉期合同。同时该模型特别注意风险控制，以及多代遗传演进相关的策略。遗传算法用于多代遗传演进相关的策略，而神经网络则应为记忆了太多的历史信息，而生存能力变差。
作者举例量化方法有模糊逻辑、神经网络、遗传算法、隐含马尔科夫模型、小波变换、贝叶斯网络、分型几何和聚类分析，这八个主题，接触过和师兄们搞过的就有六个，如此算来：洪哥，咱们动手吧！