孵化 DeepSeek 的量化交易：一个数据驱动的隐秘世界

文 丨 孙海宁

编辑 丨 黄俊杰

1994 年，量化公司是当时最神秘最热门的技术公司，他们雇用数学家和物理学家，成批买来高性能计算机做交易。这个行业里的标杆公司是 D.E. Shaw，它能在一天内贡献纽交所超 2% 的订单量。

这一年，D.E. Shaw 为计算机行业做了两个贡献。一个副总裁带队，做出了当时罕见的免费电子邮件产品 Juno，成功上市；另一个副总裁离职，带着自己和老板讨论产生的好点子开车去了西雅图，做出了全世界的电商鼻祖、市值超过 20000 亿美元的亚马逊。

30 年后，又有一家量化公司的 “副业” 影响整个计算机行业：管理数百亿元的中国头部量化公司幻方，推出大语言模型 DeepSeek R1，没花一分钱营销就震撼全球，用户涌来的速度甚至快过早年的抖音。

贝索斯创办亚马逊，或者梁文峰造出 DeepSeek 的主要原因自然不是因为他们做过量化，而是因为他们骨子里都是创业者。但量化投资这个极度追求人才密度且极度保密的行业文化，确实提供了适合大模型研发的环境。

招来一群聪明人不必然导致创新，叠加一个简单的环境才够。量化公司证明了这一点，DeepSeek 则证明这也适用于大模型研发。

“很多主观投资说难听点，就是靠打听。” 一名从业几十年、调研过数千只基金的投资人说。基金经理们也钻研公开的财务资料，但他们同样乐于组织业内人士研讨会、支付每小时上千元的专家咨询费，甚至 雇上千人守在咖啡店门口拍视频 ，只为更早获得独家信息，抢先同行一步下注。

于是，人脉变得和经验一样重要。尽管桥水基金创始人瑞 · 达利欧把利率、汇率的变动原理写成书，反复讲桥水基金凭它们投资，但《纽约时报》的记者觉得达利欧赚钱的真正秘诀是讨好宏观政策决定者，靠他们 “透题” 赚钱，也写了本书论证。

量化公司完全放弃这些捷径。他们相信任何事都有人更早知道，自己也没能力超越对手做任何判断。他们全部投资决策基于一个简单的事实：人类行为总是不断重复，因此价格运动有规律可循，而计算机可以捕捉到这个规律。

足够多人靠逻辑交易，会产生规律。

可口可乐和百事可乐都做汽水生意，受同样的市场环境影响。如果两家公司股价差距没来由地扩大或收窄，那至少有一家定价错误、价差总要回归。四十年前，先发现这个机会的投资者靠程序监测六、七只相关股票的价差变动，就能撑起一只管理 3000 万美元的基金。

足够多的人靠情绪交易，也产生规律。

可口可乐的投资者中总有自信过头的，他们会更倾向于跟着自己喜欢的消息买入，而把自己不喜欢的消息当作噪音。由此，新消息只会将可口可乐股价向上顶，学界发现过去收益好的公司，未来大概率还会好下去，把这规律称为 “动量效应”。

量化研究员贾乾说，股票每天收益的波动中，最多可能有 5% 可被解释。他的工作就是找到能刻画规律、解释波动的 “因子”，基于它们构建投资策略。可口可乐未来走势与百事可乐过往股价、可口可乐过往涨幅相关，股价、涨幅数据就能作为 “因子” 投入量化模型。

因子可能是上面这样容易理解的信息，也可以更加复杂。

特朗普习惯把各种耸人听闻的想法随手发在 Twitter 上，他第一任期内，J.P. Morgan 的研究员通过程序分析特朗普上万条推文的语义、构建 “Volfefe” 指数，并验证它可以解释美国国债利率变动。靠买卖国债赚钱的量化模型可以把 Volfefe 指数当作因子。

量化公司文艺复兴创始人西蒙斯研究过月球周期对市场的影响。路径之一可能是：月动影响潮汐、潮汐影响航运、航运影响油价。但他最终无功而返。传导链条太长、中间变量太多，因子对价格影响就难以识别。

机器学习方法在量化行业普及后，很多左右股价变化的因子已经完全无法用逻辑理解。研究员确定评价因子的标准，输入开盘价、收盘价、成交量等 “原始因子”，程序就能自动组合、迭代出更能预测股价的新因子。投资机构 WorldQuant 曾分享过一个实际用于交易的 “较为简单” 的因子：

((rank(correlation(sum(((open * 0.178404) + (close * (1 - 0.178404))), 12.7054), sum(adv120, 12.7054), 16.6208)) < rank(delta(((((high + low / 2) * 0.178404) + (vwap * (1 - 0.178404))), 3.69741))) * -1)

除了能增加因子对价格的解释能力外，没人知道公式中的 0.178404 等数字有什么现实意义。但量化研究员不介意。“如果是意义非常明显的信号，早就被用于交易了。有些信号你不理解，但它们就在那里，而且可能相对较强。” 文艺复兴 CEO 彼得 · 布朗说。

量化研究员轩浩告诉我们，基于现实意义、拍脑袋想因子十分困难，“一天能想十个，就是天才了”。人找的因子通常能持续几个月、半年帮基金赚到钱。而机器挖出来的因子失效非常快，“但架不住每天能产生几千个。”

如果知道因子的人多了，抢着做同一种交易，它就会失效。这让量化行业在保密方面近乎偏执。头部量化公司会要求离职员工 18-24 个月内既不能自己交易、也不能去其他公司任职。“俗称 Gardening Leave，回家种花。” 轩浩说。

D.E. Shaw 创始人大卫 · 肖曾说自己公司安保水平媲美中央情报局。被记者问 D.E Shaw 是否用神经网络算法构思策略时，这名拥有数十亿美元财富的创始人回答：“我可以告诉你，然后必须杀了你。”

单次买卖可赚可赔，量化公司只关注大量交易时击败市场的概率。2000 年初，文艺复兴的大奖章基金每天交易 15-30 万次，“我们只在 50.75% 的情况下是对的。” 一名员工说，但这已足够成就公司大奖章基金一年管 38 亿美元、赚 21 亿美元的成绩。

美国国家数学博物馆每年举行一次 “数学大师” 锦标赛：聚起一群聪明人，比谁能在限时内能解出最多这样的数学问题：找到最小正整数 m，使 m²+7m+89 能被 77 整除。

2014 年比赛夜的参与者有陶哲轩，他 24 岁成为加州大学洛杉矶分校数学系终身教授，31 岁获得 “菲尔兹奖”——数学界的诺贝尔奖。不过他只是第二，赢过他的是约翰 · 奥弗德克，量化公司 Two Sigma 的联合创始人。

奥弗德克可能也不是 Two Sigma 最聪明的人。2015 年时，这家公司已经招了 130 名博士和 6 名国际数学奥林匹克竞赛获奖者。奥弗德克前东家 D.E. Shaw 直接说自己招聘时有 “毫无歉意的精英主义”，前美国财政部长、哈佛大学校长劳伦斯 · 萨默斯在 2006 年想去 D.E. Shaw 工作，同样要做智力测验。