赚钱是学习的最好动力

新生大学 · 公众号 · · 2019-08-20 20:00

正文

    
     新的世界有新的造富方式。1 %的人，往往非常重视计算机和媒体相关的知识和应用，并且从几十年前开始就大量学习和布局。

    
     如果你花点时间去认真学习研究，你的世界观就会改变。

把你的原则转换成算法，让计算机和你一起决策

    
     1971 年，瑞·达利奥刚大学毕业不久，在纽约证券交易所做文书工作。在公寓里，他观看了尼克松的关于离开布雷顿森林体系的讲话，并尝试解读其中的影响。纸币的价值来源于黄金的背书，但现在美国政府将不再遵守这个承诺。

    
     第二天早上，达利奥走到混乱的纽交所交易大厅，以为会看见股市大跌。但事实是，道琼斯平均指数上涨了接近 4 %，金价也大涨，这在历史上被称为“尼克松大涨（Nixon shock）”。
    
      达利奥听到尼克松声明，但他却曲解了其影响。

    
     这件事改变了Dalio对市场的思考方式，对他形成了史无前例的冲击。他很快就认识到，他不能相信自己的经验。

    
     瑞·达利奥现在已经  60  多岁。他在尼克松声明后的 4 年成立了桥水基金，如今已经是世界上顶尖对冲基金公司。回忆那时候的经历，达利奥表示：“对我来说，这是上了一课。我开发了一套可操作的能预判市场惊喜的方法。
    
      我尝试不要让我的经验主导我的思维方式；
     
      我能超越我的经验来分析经济机器是怎么运作的。
     
     ”

    
     之后的投资生涯中，他总结出一套用算法和计算机决策来发挥集体智慧的办法，让计算机不带感情地以更快的速度处理决策，特别是投资决策，来克服个人的非理性与集体盲从。过去 20 多年，桥水基金创造了超过 20% 的年平均投资回报率（即使经历了 2008 金融危机等），管理基金规模超过1500 亿美元，累计盈利 450 亿美元。

    
     他在《原则》中写到：

    
     未来，计算机编码会变得和写字一样重要。

    
     计算机在帮助决策方面的作用，迟早会变得像它们今天在收集信息方面的作用一样大。当计算机帮助我们决策的时候，它们将了解到我们的情况，包括我们的价值观、长处和短处。它们将能自动地找到在特定领域比我们更强的人的帮助，从而能给我们提供合适的建议。

几行代码，终究改变了金融世界的很多玩法

    
     在金融江湖中，既有行事高调明星般频频出镜瑞·达利奥，也有戴维·E·肖这样始终锦衣夜行的低调大佬。

    
     戴维·E·肖在华尔街拥有无可撼动的尊崇地位，被誉为“量化交易之王”。
    
      确切地说，他是掀起定量交易浪潮的先驱，将金融交易推向了全新的层次和更广阔的世界。

    
     1988年，华尔街充斥着金融和经济学毕业生，人人都打扮得山青水绿，金融公司都是清一色的西装领带。D.E． Shaw则放任员工选择自己喜欢的衣着，比如格子衫、牛仔裤、人字拖什么的，戴维·E·肖本人就常年穿着黑色T恤衫和短裤 —— 即使在纽约寒冷的冬天也是如此。“ 员工们为什么要打领带？”

    
     当时的华尔街，金融公司们都拥有人声鼎沸的交易大厅，交易员们像是打了鸡血一样兴奋，高呼着各种指令或者粗鲁的脏话。
     
      相比之下，D.E． Shaw则坐满了安安静静写代码的人。

    
       真正让戴维·E·肖有别于其他金融大亨的地方在于：他并没有金融或者经济学教育背景，也不擅长做资产交易，更志不在此
      
      。他一直强调自己斯坦福大学计算机科学博士的身份，特长是大规模并行计算。

    
     上世纪八九十年代，当一小批华尔街人尝试用计算机科技来辅助自己赚取更多交易回报的时候，戴维·E·肖的想法却恰恰相反，
    
      他千方百计地想提升计算机技术，将金融交易作为其最新技术的应用试验田。

    
     “在D.E． Shaw & Co．创立之初，我花了很多时间，从数学的角度去理解金融市场及其现象。” 戴维·E·肖后来在接受采访时这样说，“我正在做的是算法金融，但我是一名计算机科学家。”

    
     戴维·E·肖是最成功的那一个。在他将数学和计算机科学带入金融领域之后，算法在金融界的地位突飞猛进，
    
      从一个略具辅助性质的边缘角色大举跃升为行业趋势的主力军之一，稍具规模的公司都会配备算法工程师或者量化交易团队。

    
     过去 30 年间，D.E.Shaw的资管规模从 1988 年创立之初的 2.8 亿美元，大举膨胀至如今的 530 多亿美元，足足扩大了将近 190 倍。资管规模增幅之惊人，连第一位投资人 Donald Sussman 都深感意外，他曾感叹“从没想到过”。

赚钱是学习的最好动力，几行代码帮你成为聪明的决策者

    
     人工智能技术正以惊人的速度发展。据第三方数据调研，五年内中国和人工智能相关产业 （包括大数据的应用，智能制造，智能监控） 的产值至少会和今天的互联网相当。

    
     也许基金经理并不会因技术的发展而丢掉饭碗，但对于处理数据模型和辅助投资决策，人工智能将是增强投资过程的无价工具。要成为
    
      赚钱的投资者
     
     ，你需要正确的信息，你需要控制情绪做出合理地分析，并且对你的信息采取有效行动，你需要在正确的时机做出决定。
    
      而这些，正是机器远胜于人类的领域。

    
      那，我们到底如何入手？

    
     幸运的是，技术的飞速发展早就给普通人留下了入手的暗门，帮助每一个人超越自身时间和空间的局限性。

    
     如果不是学习技术的门槛大幅降低，你也不会看到全球各国领导人、大公司创始人都在建议，每个普通人都要学点编程。

    
     而我们则建议，对于成年人或者进入职场的人来说，学习一门新的知识，目的主要不在于积累，而在于解决问题。

    
      量化交易就是学习编程重要的应用方向，赚钱其实是最好的学习动力。

    
      量化交易，即借助计算机技术和采用数学模型去实现投资策略的过程。
     
     因此，它也被称为自动化交易，其核心是用先进的数学模型替代人为的主观判断。

    
     从策略优化的角度而言，量化交易也可以从庞大的历史数据中，海选出能带来超额收益的多种“大概率”事件，并制定其为投资策略，再用海量模型验证并固化这些规律和策略，然后严格执行已固化的策略来指导投资操作。

    
     这里，
     
      有三个关于量化交易的关键点：

    
     第一，
    
      量化交易核心还是人的思想，量化策略都是基于思想，所以量化交易的思维模型打造很重要。

    
     就像编程真的不难，难得是有想法 —— 也类似识字却不会写文章一样。在量化交易领域如何不懂编程，最大的苦恼在于整天都在用别人的程序，自己缺看不懂，无法迭代和提升，甚至难以控制风险。至于如何更好提升量化投资收益，都是“有想法”之后才有的东西，需要不断学习。

    
     第二，
    
      管理风险才是每一个投资者首先必须强化的信念。
     
     量化交易不存在稳赚不赔，我们其实要让代码帮助我们提高正确概率，24小时帮助控制风险；

    
     第三，
    
       量化交易领域需要一定数据的获取、清晰和分析能力
      
     ，如果有过数据分析训练基础更好让机器实现远胜于人的效果，用好计算机的网络效应。

    
     我们可以拿李世石和柯洁与Alpha Go对弈的案例来解释这一点。

    
     当李世石和柯洁与Alpha Go对弈时，
     
      他们不只是对抗Alpha Go本身，他们正在对抗的是在他们之前的所有伟大的棋手。
     
     市场有了人工智能，从每个可获取的信息来源收集数据，然后计算机就能够以远远超出人类思维维度的能力分析数据。

    
     当然，不可能人人都迅速成为瑞·达利奥和戴维·E·肖。但是，
    
      快速入门 Python，用简单有效的程序设计一个适合自己的交易与资金管理系统，却是每个人都能做到的。

    
     如果能盈利，就证明你这个交易系统可用，照着操作，就有希望找到自己的现金奶牛。

    
     如果你也希望让代码帮助你成为聪明的投资者，可以来自学训练营刚刚重磅推出的💡
     
      Python量化营
     
     💡，开启科学系统化的训练：

赚钱是学习的最好动力

正文

把你的原则转换成算法，让计算机和你一起决策

几行代码，终究改变了金融世界的很多玩法

赚钱是学习的最好动力，几行代码帮你成为聪明的决策者

请到「今天看啥」查看全文