追寻美的指引--纪念西蒙斯

周六早上醒来,James Simons(西蒙斯)辞世的消息刷屏了。多数人知道他,是因为他的财富和量化对冲基金公司-文艺复兴。但他更值得为人纪念的身份,则是数学家和慈善家。

西蒙斯1938年生于麻省,毕业于MIT,在UC Berkeley获得博士学位。曾任职于MIT, Harvard,后来在SBU(Stony Brook University,纽约州立大学石溪分校)担任了数学系主任。此后他跨行到了金融界,开创了传奇式的文艺复兴对冲基金。

西蒙斯作为数学家,最大的成就是他与陈省身共同提出的Chern-Simons Theory,这一理论在低维拓扑学、量子场理论和弦理论中有着广泛的应用。


下图就是据说是流体冲击情景下的Chern-Simons Form随曲面三维位置和极坐标位置变化的示意图(根据鹿鹿数模@知乎提供的代码绘制),因为觉得很美,根据西蒙斯的"指导原则":"be guided by beauty",就把这个图贴上来。


西蒙斯很早就有做生意的兴趣。在26岁时,因为背上债务,不得不委身于军方,帮助他们破译密码。这项工作对他来说十分轻松,但报酬却很高。不过,由于他毫不避讳地坚持反战,这与他上司的上司的立场截然相反,最终被解雇。

随后他进入石溪分校,担任了数学系主任。这项工作中,最重要的任务可能就是挖角。可能是因为之前一直有做生意的历练,他在这一任务中如鱼得水,囊括了大量人才,一度导致同州的康纳尔大学向州长抗议。最终,经他的努力,石溪分校数学系终于从一文不名发展到有20多位数学家、成为世界顶尖的几何学研究中心之一。这也为他后来成功创办文艺复兴打下了人才基础。

不过,伯乐也有相不中马的时候。他在石溪最大的损失,就是没能发掘出当时还在担任助教的丘成桐,也就是最近因为在华中科技大学的一个演讲,受到项立刚等等"专家"攻击的数学巨搫。不过,西蒙斯一直跟华人科学家很有缘分。下图是他与杨振宁、陈省身的合影:


虽然在平凡之辈看来,西蒙斯是天纵英才,但也有他解决不了的难题。在试图证明某些有几何定义的数字(比如 p i pi pi,几乎在任何情况下都是无理数这一猜想时,遇到了挫折,让他变得灰心丧气甚至有点绝望,并最终将他推向了金融界。

1978年,西蒙斯成立投资公司并专职做交易。

对于他的离职,不同的人有不同的看法。他的父亲说他放弃终身教职是犯了一个错误,他更愿意别人问起儿子的工作时,能够回答说是"数学家"而不是"企业家"。大部分数学家认为以追求金钱为目的是不光彩的。他的同事沙利文认为,数学是神圣的,吉姆是认真的数学家,是可以解决最棘手问题的人。而康纳尔大学的卡莫纳则批评得更为尖锐,认为他是"把灵魂卖给了魔鬼"。


有这样一群"清高"的人作为土壤,这也许是他们基础学科得以发展的重要原因之一吧。

不过,对西蒙斯来说,亦师亦友的陈省身对他离职的看法,则更耐人寻味。陈省身说,你又不是希尔伯特式的人物,转就转呗,反正数学界也不会损失什么。

西蒙斯转型做投资也并非一翻风顺。直到1989年,他们的交易策略仍然是主观和量化相结合的。他回忆到,有时候你像个英雄一样赚钱,有时候又像个狗熊一样的赔了。后来,他们决定完全转向量化,并且放弃一切宏观指标。由此开始,文艺复兴,特别是旗下的大奖章基金,开始了自己的狂飙时代。

从1988年到2019年,西蒙斯的大奖章基金年化收益率为39%(费前收益率则是66%!)。与之对比,巴菲特1965年---2018年的年均净值增长率为21%、索罗斯旗下量子基金从1969年---2000年的年均收益是32%。


西蒙斯也在2019年,成为财富榜上排名第21位的人。

很多人很好奇大奖章为何如此厉害,它的成功密诀究竟是什么?这也许是个永远的迷,不过,我们也有一些解读这个秘诀的一些线索。

一是美国证券交易委员会(SEC)1988年批准了电子交易,这是实现高频交易的技术基础。

二是从西蒙斯挖人来看,他招了不少之前在IBM via voice项目组做语音识别的人,语音识别与股价涨跌一样,同样是一维的时间序列。因此,预测一维时间序列的波动(即趋势和反转)应该是有意义的。只不过,随着技术的发展,我们应该、也可以使用新的技术(比如神经网络)来预测一维时间序列的波动。

第三个线索则比较有意思。在国内如果我们要挖掘一家公司的秘密,有时候会去裁判文书网搜索。西蒙斯的公司也曾卷入过诉讼。在一起诉讼中,一些商业秘密不得不被批露。两名文艺复兴的前员工表示,文艺复兴公司开发了涉及互换交易的一种策略。他们在法庭文件中将其描述为"大规模骗局",违反了SEC管理卖空的规定。彭博社曾对此作过报道,现在这篇报道还可以在这里读到。

这里我们不评价文艺复兴的做法是否真正违法。无论如何,规则有漏洞,那是规则的问题。在交易中,找到这些规则的、技术上的"漏洞"(或者交易机会),是高胜率策略的关键之一。


文艺复兴的另一个成功秘诀,可能是所谓的壁虎式交易法则:即交易要像壁虎一样,平时趴在墙上一动不动,蚊子一旦出现就迅速将其吃掉,然后恢复平静,等待下一个机会。不过,如何理解这个法则,不同的人可能会有不同的解读了。

真正指引文艺复兴成功的因素,其实西蒙斯自己介绍过。秘诀就是围绕一些非常优秀的科学家来构建公司,这些科学家是经过相应考核的,公司独特的激励机制,也使得他们能一直跟公司在一起。这个激励机制的核心就是大奖章基金,它只对公司员工开放,而且每个人的薪资主要与整体的表现、而不是个人的表现相关。

如何复制这样一个团队,这可能不仅仅是令国内的机构感到困难的地方,甚至在全球都是这样。这才是文艺复兴真正的护城河,而这种领导力,西蒙斯从在石溪担任数学系主任时就开始构建了。

"不管我在做什么,我总觉得自己像个局外人,"西蒙斯说,"我全神贯注于数学,但我从来没有觉得自己是数学系的一员。我总是有一只脚在那个世界的外面。"

然而,当西蒙斯转身到投资界后,事情刚好反过来,他的一只脚,又踏回了数学界。

1996年,他的儿子保罗车祸遇难。2003年,小儿子尼古拉斯溺水身亡。西蒙斯选择以自己的方式逃避痛苦,开始潜心琢磨那些流传已久悬而未决的数学谜题。"那是避风港,是我心中一个安静的角落"。


2007年,他与苏利文发表了《微分形式普通上同调的公理特征》这篇论文,又杀回了数学界。

文艺复兴和高频量化赚了很多钱。西蒙斯也常常会被问起,高频交易究竟有何意义?每次西蒙斯都会回答,高频交易提供了流动性,使得价格发现更加有效,并且降低了做市商利润,从而使得总体交易成本下降。很难说西蒙斯自己对这个回答有多满意。

可以说,西蒙斯前半生是在追逐利润,后半生则是在追寻人生的意义。带着对人生意义的追寻,西蒙斯开启了慈善家的生涯。


西蒙斯于2004年创立了Math for America协会,旨在促进纽约市中学数学教师的招募。这可能跟他第一次放弃教职,转投军方项目有关。

他解释说,我们通常认为,我们的老师懂数学。你会说当然了。但是很让人吃惊的是,尤其是当你上了中学的时候,你会发现大部分的数学老师数学懂得却不多。其中一种回答就是如果他们真的懂这门学科,那他们可以带着同样多的知识去 Google,Goldman Sachs或者什么其他地方。所以我们必须使这个职位变得更加吸引人,这也就是说给他们发更高的工资,这也正是我们在纽约和几个其他城市通过我们的项目正在做的,给老师们更多的尊重,并提供更多的支持。

西蒙斯还大量捐赠以支持对基础科学的研究,捐赠超过了10亿美元。他提到,如果单从对基础科学的投资规模上讲,应该还没有一个基金的规模能够与我们相比。

2010年,他签署了一项协议,将把他所有的财富,捐给慈善事业。

西蒙斯对中国也有捐赠。清华捐有一栋专家公寓楼,就是他捐赠的,以"陈赛蒙斯"命名。


在西蒙斯逝去时,我想,他更希望被人作为数学家和慈善家被纪念,而不是企业家。这也是他父亲对他的期望。他做到了。

财富扩大了西蒙斯的影响力,数学和慈善则延长了他的生命。

这是西蒙斯在AMS演讲上给出的人生指南:

  • Do something original
  • Be guided by beauty
  • Don't give up easily
  • Hope for good luck.
相关推荐
qife12 天前
AI 对冲基金模拟系统
机器学习·量化交易·金融科技·ai投资
DolphinDB智臾科技15 天前
如何计算股票复权因子与复权行情
数据分析·量化交易·因子挖掘·dolphindb 实时计算
阡之尘埃1 个月前
Python量化交易12——Tushare全面获取各种经济金融数据
python·金融·数据分析·pandas·量化交易·宏观经济
TGITCIC1 个月前
AI量化交易是什么?它是如何重塑金融世界的?
量化交易·量化·ai金融·deepseek量化交易·大模型金融·ai量化·大模型理化
人大博士的交易之路3 个月前
今日行情明日机会——20250409
人工智能·数学建模·分类·数据挖掘·量化交易
breakloop3 个月前
量化交易从0到1(理论篇)
笔记·学习·量化交易
船长@Quant3 个月前
Airflow量化入门系列:第四章 A股数据处理与存储优化
python·量化交易·airflow·dask·工作流编排·ta-lib·vectorbt
船长@Quant3 个月前
PyTorch量化进阶教程:第六章 模型部署与生产化
pytorch·python·深度学习·transformer·量化交易·sklearn·ta-lib
船长@Quant3 个月前
PyTorch量化进阶教程:第五章 Transformer 在量化交易中的应用
pytorch·python·深度学习·transformer·量化交易·sklearn·ta-lab
船长@Quant3 个月前
PyTorch量化进阶教程:第二章 Transformer 理论详解
pytorch·python·深度学习·transformer·量化交易·sklearn·ta-lib