DeepSeek是一款基于AI技术的智能搜索引擎，结合深度学习与自然语言处理，提供精准、高效的搜索体验。探索DeepSeek，感受未来智能搜索的无限可能！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。

　　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。

　　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。

　　贝索斯创办亚马逊，或者梁文锋造出 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。

　　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。

　　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《》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。

　　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。

　　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。

　　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。

　　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”。

　　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。

　　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。

　　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：

　　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。

　　“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”。

　　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。

　　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。

　　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。

　　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。

　　受量化公司青睐的候选人往往来自数学、计算机、统计学等专业，金融、商科背景不是加分项。

　　创立幻方前，梁文锋在浙江大学读通信工程，之后也偏好雇高中或大学时参加全国或国际学科竞赛，比如 NOI（全国青少年信息学奥林匹克竞赛）、IOI （国际信息学奥林匹克竞赛），拿到好名次、最好是金牌的年轻人。

　　没竞赛背景，最好本科能考上北大、浙大、清华等高校，学计算机、电子信息工程专业。

　　“科学家做这行的优势不是数学或计算能力，而在于他们的科学思维。”西蒙斯说，他们更不可能接受统计学上的偶然事件。

　　2022 年 2 月，一名拿过奖的首席分析师写 “定量分析” 研报说宁德时代未来可能跌超 20%。

　　一年前，同为行业龙头的贵州茅台面临相似的市场环境，两家公司股价走势长得也像，他据此推测茅台过去的跌幅可以指引宁德时代的未来表现。

　　Two Sigma 面试员工时，一个例题是如何用数学方法验证 “CEO 离职，公司股价下跌”。

　　幻方总部位于杭州，它和同行们的北京办公室也聚集在清华科技园，而不是国贸、金融街。

　　文艺复兴公司内有能容纳 100 人的礼堂，定期举办科学讲座，比如结直肠癌研究的最新进展。

　　轩浩就职于一家全球顶级量化投资机构，其内部有多个小组互不透风、独立交易，就像一个个小投资机构：

　　各组只要控制好风险，投资方法论并不需要一致，每年扣掉交给公司的提成、数据接口等成本后，剩下的利润都归自己所有。

　　“有一个组瞄准一种另类资产，做一套策略赚了数十亿元。所有人都财富自由了。”

　　研究员花大量时间用于成果展示，“如果没有取得太大的进步，你会感到有压力。” 一名员工说。

　　大厂的中层管理者把手下人数与晋升机会挂钩，不会轻易允许下属参与其他团队分工，自己还要在双月会上争抢更多业务领地。

　　所有人都要在 KPI 或 OKR 中提前写定自己下周、下个月、下个季度要干什么。

　　“我们一般不前置分工。” 梁文锋说，员工没有 KPI，“遇到问题，自己就会拉人讨论。” 当想法显出潜力，公司会自上而下调配资源。

　　把数十亿美元交给机器打点，完全相信它们是件反人性的事，哪怕对行业先驱也如此。

　　缓解焦虑不是靠退回人工干预，而是穷尽数据、算力，将算法的潜力发挥到极致。

　　文艺复兴的数据库从 18 世纪开始，现在 “每天增长 40TB（1TB = 1000GB）”，他们还有 “52000 个计算核心与 150GB 每秒的全球传输速度”。

　　模型说要下 1000 单，那应该在 10 秒、20 秒还是 1 分钟内执行完？

　　卖的时候，是线%、市场交易量变小的时候，还是趁有人愿意买，涨 15% 就提前止盈？

　　伊黎试过从文本信息中提取因子，先人工看完 1000 条样本、打上标签，用它们训练一个自动打标的语义分析模型，还要训练另一个模型验证打标准确性。

　　GPT 模型理论架构最早来自 Google，OpenAI 成为最终受益者，是因为敢在前景模糊时，租卡、买数据，花千万美元一次又一次训练更大的模型。

　　一个量化从业者感慨梁文锋从浙大信息与通信工程专业毕业后，没有选择当时很好、之后会更好的就业机会，自己花几年闭门琢磨用算法买股票——

　　到了 2021 年，大语言模型的影响主要还停留在学界，ChatGPT 没诞生。

　　当时头部量化投资公司个个用了机器学习，但只有幻方花出上亿元买来一万张英伟达显卡，运行各种大型 AI 模型。

　　【投资人说】正在组建超级投资者社群、超级创业者社群、超级读者群、超级媒体群等，目前总人数已超1000人。

　　关注【投资人说】微信公众号，发送信息「进群」，与各行业精英直接交流，共同进步。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　马科斯家族崩塌！莎拉怒斥清算之日，亲姐真面目遭全球围观

　　罗马诺：切尔西可以支付一定费用将桑乔送回曼联；拉爵：曼联仍然没有数据分析，只能靠威尔考克斯的眼睛

　　《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律

　　AMD 称 Radeon 显卡在日市占达 45% 高点，AIB 表示 GPU 供应不足