EBC：#头号神秘量化对冲# 开创了世界上最伟大的赚钱机器——连续40年用惊人的回报打败巴菲特和索罗斯！｜EBC金融探秘全球对冲基金圈

#头号神秘量化对冲# 开创了世界上最伟大的赚钱机器——连续40年用惊人的回报打败巴菲特和索罗斯！｜EBC金融探秘全球对冲基金圈

1988年，量化交易的鼻祖詹姆斯·西蒙斯（James Simons）创立了该公司最赚钱的投资组合，也被称为“世界上最伟大的赚钱机器”，即“大奖章基金（Medallion Fund）”。大奖章基金的定量模型是基于对伦纳德·鲍姆（Leonard E. Baum）的鲍姆－韦尔奇算法（Baum–Welch algorithm）模型的改进和扩展。

根据最新的彭博亿万富翁指数，这位全球最赚钱的对冲基金基金经理詹姆斯·西蒙斯（James Simons）以256亿美元的身家排名第62名。

迄今为止，詹姆斯·西蒙斯（James Simons）的算法基金公司表现优于大多数基金, 他成功的秘诀是：始终对外人封闭的文艺复兴战略。根据机构投资者的数据，传奇的Medallion大奖章基金去年动荡的一年间还上涨了 76%。

数据表明，文艺复兴是很多对冲基金中薪酬最高的机构之一。然而，值得注意的是，工资并不是大多数人为西蒙斯工作的原因。真正的吸引力是他们向大奖章基金投资的机会，该基金仅对大约300名员工开放，其中约 90 名是博士，以及少数与公司有着深厚联系的人。自1988年成立以来，每年的回报率约为40%。

这些几乎优异到神奇的收益表现，使得众多投资者对文艺复兴的投资方法感到非常好奇。

我们结合多家海外对冲基金调研机构的分析，总结了文艺复兴基金的赚钱神器——大奖章Medallion交易策略的独特性：

-交易策略以短线操作为主；

-使用“每笔交易数据库“，很可能使用限价指令表之类，别人很少用的数据进行分析。使用别人很少使用的信息来进行分析、判断和交易的做法，是文艺复兴基金长盛不衰的重要原因；

-模型用的不是很高深的数学，而是很复杂的统计学工具；

-使用语音识别的分析方法来分析数据，很可能是统计信息论（伯乐坎普），最大熵（德拉.皮耶特拉兄弟）及隐含马尔科夫模型（帕特森）；

-使用不止一个交易模型获取信号，交易模型不断变化；

-在交易不同的金融工具和不同的基金中，可能使用不同的交易模型；

-不用华尔街的专家，雇佣研究人员着重科学和电脑背景。电脑和其他交易技术的运用对公司的成功，是非常关键的因素，因为速度也造就利润；

-对交易工具的流动性问题的考虑，占很重要的位置；

1964年至1968年，他是美国国防研究院的研究人员，同时也是麻省理工学院和哈佛大学数学教授；

1982年,创立对冲基金--文艺复兴科技公司(Renaissance Technologies)，并在1988年创立大奖章基金，拉开了投资领域“人机大战“的序幕；

1998年至2007年，金融市场危机不断，使得许多大红大紫的对冲基金经理走向衰落。然而，西蒙斯的大奖章基金表现优异；

1988年到1999年，大奖章基金获得2478.6％的回报率，是同期基金中的第一名，超第二名索罗斯的量子基金一倍。即使在2007年次贷危机时大奖章基金的回报率仍高达85％。

文艺复兴基金的无敌天团：100 名博士、天体物理学家、统计学家和计算机科学家

这么多年来，西蒙斯一直对大奖章基金的投资模型讳莫如深，除了团队核心成员，没有人知道他们是如何在市场中赚取这么多回报，也没有任何其他组织和个人能够复制他们的辉煌。人们开始尝试从复兴公司核心团队的背景来推测大奖章基金辉煌业绩背后的“神秘模型“。

文艺复兴拥有非常好的工作环境和一流的员工，据悉，该公司雇佣了大约 100 名博士、天体物理学家、统计学家和计算机科学家，他们创建交易股票、债券、商品和货币的模型——通过在市场噪音中寻找微弱信号来预测价格走势。

经过几年的反复试验，西蒙斯和他的团队发现，从几秒钟到几个月的短期交易效果最好。这就像天气：预测下一小时下雨的可能性比预测两周后的风暴要容易得多。

我不知道怎么雇佣做基本面交易的交易员，因为他们有时候赚钱，有时候亏钱。但我确实知道如何雇佣科学家，因为我对这个领域有些自己的感觉。

我不是世上最机敏的人，要是参加数学奥林匹克竞赛，我的表现也不会特别好。可我喜欢琢磨，在心里琢磨事，也就是反反复复地思考某些事。事实证明，那是种很棒的方法。

——詹姆斯·西蒙斯

文艺复兴基金对外一贯低调，所以外界对其知之甚少。其中关于他们最多的猜测是使用了隐马尔可夫模型(HMM)。

在文艺复兴科技成立初期，著名的统计学家莱昂纳多·鲍姆（Leonard Baum）无疑起到了关键的作用，功不可没。核心创始人鲍姆就是著名的Baum-Welch算法的发明者之一，这是隐马尔可夫模型(HMM)模型用于参数估计的核心算法；

如有咨询需求，可联系EBC投资顾问或官网垂询。