量化交易是通过分析大量数据，运用各种数学、物理、工程等方法理论，建立策略模型，自动进行投资交易，规避人为交易弊端的方法。

    爱德华·索普，1932出生于在芝加哥的一个普通家庭。从小显现出过人的天分，高中毕业后以优异成绩进入加州大学洛杉矶分校。1955年，在该校物理系读研究生，1959年，在麻省理工大学数学系任教。

    一次偶然的机会，索普看到一篇发表在《美国统计学会会刊》上关于如何赢得21点的论文。21点游戏的目标是使手中的牌的点数之和尽可能的大且不超过21点。索普很感兴趣，便利用自己的数学知识完善了这个理论，使其有了更稳定的胜率，最后写出一个论文《21点常胜策略》。

    索普想把这篇文章发表到《美国科学院报》上，但当时这个报纸只接受院士投稿，于是索普就找到克劳德·香农帮忙。没错，就是那位信息论的创立者。

    香农很支持索普，并建议把论文名字改成《21点有利策略》，毕竟论文是研究性的，不是为了赚钱。最后在香农的加持下，论文很快发表。

    论文发表后，索普还面临一个问题，于是他请教香农：我有了一个高概率赚钱的策略，但要如何下注能使我在持续赚钱之前，本金不会输光呢？香农说这个问题我解答不了，你可以去请教贝尔实验室的凯利。

    凯利并不是一个赌徒，而是一位著名的物理学家，曾和香农合作，研究如何在信息传输过程中，降低噪音在的干扰，使噪音干扰引起错误的可能性尽可能低。后来这个方法被用到赌场的投注比例上和投资的资产配置上，就是著名的凯利公式。

    凯利公式是一个在期望净收益为正的独立重复赌局中，使本金的长期增长率最大化的投注策略。

赌局假设：

    假设有这样一个赌局，你赢的概率p是40%（当然输的概率就是q=1-p=60%），赢后的净赔率b是2（即你投1元钱，赢后不仅能拿回本金1元，还能获得2元钱的额外收益；净赔率=赔率-1），输了失去全部本金。

赌局玩法：

    假设这个赌局可不断地重复玩下去，你每次都把手上全部资金的f（0

凯利公式告诉我们答案：

    f=（pb-q)/b

    其中，f为现有资金应进行下次投注的比例；p为赢的概率，q为输的概率，b为净赔率。

    回到假设的问题，赢的概率p=40%，输的概率q=60%，净赔率b=2。根据凯利公式，可以计算出，使得资金增长最大化的f的值，

    f=（pb-q)/b=（40%*2-60%）/2=10%

    索普在了解了凯利公式后，花两周时间总结了这个公式的速算方法，因为你去赌场总不能带着计算器吧。之后索普去赌场实战，验证自己的理论，很快获取了大量的收益，也因此被赌场拉入了黑名单。

    之后，索普开始转战华尔街，投资股票等更多品种，这是后话了。

从这个故事我们能看出几点：

1、这是个聪明人的圈子。

    从事量化交易的人基本理科出身，智商高，都是聪明至极的人。如果想开发自己的策略，建模分析能力一定好好。

    曾经有一部电影《雨人》，汤姆克鲁斯主演的，剧中其哥哥拥有高超的计算能力，并在赌场中玩21点屡屡获胜。

    2008年一部电影《决胜21点》上映，讲的是麻省理工的高材生用超常的数学才能和小伙伴组团在赌场中盈利的故事。可见这些人都有高于常人的能力。

2、量化交易应对风险的能力如何？

    1987年10月19日，美国股市遭遇“黑色星期一”，一天内道琼斯指数下跌508点，跌幅高达22.6%。美股开盘就出现暴跌，当索普中午和太太一起共进午餐时，道琼斯大跌7%。

    午餐进行到一半的时候，索普接到电话被告知道琼斯指数已经下跌18%。这时候索普的太太紧张起来，问索普是不是要取消午餐，回去工作。索普笑笑说，我们做的是市场中性套利策略（索普就是这个策略的奠基者），市场下跌和我们无关，我们所有的头寸都进行了合理的对冲。

    可见，这些聪明人制定的策略可以经得起市场多方面的考验，而我们普通投资者在出现黑天鹅时往往手足无措，多数要被市场打败。

    回到问题，量化交易虽然能及时的对市场变化做出反应，但并不是普适的，遇到特殊情况还是需要人为的干预。

    大奖章基金成立于1988年3月，是美国私募基金公司文艺复兴科技公司的一支基金产品，基金经理是两位美国著名的数学家：西蒙斯和埃克斯，他们分别于1967年和1976年获得美国数学学会5年一度的伟布伦奖，这也是大奖章基金名称的由来。

    西蒙斯也是华人数学家陈省身先生的学生，曾与陈合作发现了陈氏-西蒙斯定理。之后放弃研究数学，转而经商。

    该公司雇员中有三分之一是拥有自然科学博士学位的顶尖科学家，涵盖数学、理论物理学、量子物理学和统计学等领域。

    当指令下达后，交易员们会通过数千次快速的日内短线交易来捕捉稍纵即逝的机会。交易量之大甚至有时能占到整个纳斯达克市场交易量的10%。不过，当市场处于极端波动等特殊时刻，交易会切换到手工状态。

    可见，强如西蒙斯的大奖章基金在特殊情况下也要进行人为的干预，因为模型都是基于数据的。但数据是有限的，有真实的历史数据，也可以制作一些模拟数据。可无论用多少数据测试模型，都只是离散的样本。而世界是连续的，用离散可以无限逼近连续，却永远也达不到连续。

    如果觉得量化交易晦涩的话，我们可以拿一个身边的事情做类比：自动驾驶。

    量化交易是对市场数据变化做出判断，买或卖；自动驾驶是对路况信息做出判断，向左或向右。相同点是二者都是根据大数据，制定策略模型。由于大数据的离散性以及连续世界的不可遍历性，总有些情况是测试样本没有涉及的，所以自动驾驶出问题也是必然的。

    例如，某个交易员错误的输入了一个天文数字的交易指令，可能引起多家量化交易机构作出异常反应，引起金融海啸。类似的，如果一阵飓风袭来，自动驾驶又会作出什么反应呢？

3、普通投资者能获胜吗？

    现在各个投资机构都有大量的策略，什么时候建仓，什么时候清仓，都有程序化的指标遵循。不会受到人性的干扰，到达某种指标就执行相应的操作，没有丝毫犹豫。

    而我们普通投资者每天分析股价，摸索自己的方法，试问能和那么多聪明人合力建立的策略相比吗？当市场有一个大的波动时，自动策略马上做出响应，而普通投资者却在犹豫要怎么做，往往错失最佳的操作时机。

  量化交易发展得如火如荼，国内也是如此，从招聘网站的招聘信息和薪资待遇可见一斑。那么普通投资者在这种环境下如何避免与其竞争呢？

    尽量避免量化交易深入介入的领域，比如外汇、黄金、期货等这种T+0交易的品种。在这些领域，人性的恐惧和贪婪很难战胜冷冰冰的机器，普通投资者很难战胜策略模型。