真正构建了量化金融的 12 个人：免费偷走他们的基础知识

真正构建了量化金融的 12 个人。以 0 美元偷走他们的底层知识 2026 年 7 月 20 日 · 8 分钟阅读 · 查看原文 ↗ Finance Quant Automation AI 你看着图表，觉得自己能"感觉"到市场。 这些人什么都没感觉。他们写方程。然后他们提取了数万亿美元。 靠纯粹数学和痴迷。 这是我研究他们所有人之后学到的东西。 1. Jim Simons（1938-2024） 公司：Renaissance Technologies（1982 年创立） 伯克利数学博士。密码分析学家。然后担任 Stony Brook 数学系主任。物理学里的 Chern-Simons 理论。那是他在学术界的遗产。 但市场？那才是他成为不朽的地方。 **Medallion Fund，1988 年推出，是 RenTec 最著名的东西：约 40% 的年化。净。自 1993 年起对外封闭** Simons 证明了，真正的科学人才碾压传统金融背景。他雇佣物理学家、数学家、程序员。不是银行家。不是 MBA。 > 教训：房间里大脑的质量，比任何文凭都重要。Medallion 团队可能是地球上任何一家金融公司里最聪明的一群人。不夸张。 2. Ed Thorp（生于 1932 年） **公司：Princeton-Newport Partners**（1969 年创立） 他先破解了二十一点。1962 年写了《Beat the Dealer》。然后他看向市场，说"这只是个赔率不错的大赌场"。 可转换套利和统计套利的先驱。他在 60 年代就在用最优下注规模（Kelly criterion）和连续时间数学。比它成为标准早了几十年。 Princeton-Newport：连续 19 年，年化 20%+。 还有这个。他在 Black、Scholes 和 Merton 之前好几年就发现了 Black-Scholes 公式。只是没发表。忙着印钱。 > 教训：第一性原理的数学 + 真正的资本管理。这是原始的量化打法手册。当大多数人还在用纸和直觉的时候，他就在做这个了。 3. David Shaw（生于 1951 年） 公司：D.E. Shaw & Co.（1988 年创立） 斯坦福计算机科学博士。哥伦比亚大学教员。Morgan Stanley 的 APT。 构建了第一批主流量化对冲基金之一。把真正的统计方法论和 CS 学科纪律带进了股票交易。这种文化（高数学标准、程序员友好、研究产出）成了整个行业的模板。 孵化了 Two Sigma 和另外十几家巨头。 > 教训：计算机科学、应用数学和资本的交叉点。现代量化就住在那里。句号。 4. Cliff Asness（生于 1966 年） 公司：AQR Capital Management（1998 年创立） 芝加哥金融博士。师从 Eugene Fama。之前在高盛。 把 AQR 建成一个 1000 亿美元以上的系统化资产管理公司。因子投资的先驱。价值、动量、质量、规模。现在机构用的所有这些因子？他把它们产品化了。把学术论文变成了规模化运作的真实策略。 他的研究产出（AQR Insights、学术期刊）塑造了配置者们如何看待市场。 > 教训：把学术研究转化为真实可投资的产品，是一种技能。不是每个博士都能做到。Asness 可以。这很稀有。 5. Robert Mercer（生于 1946 年） 公司：Renaissance Technologies（1993 年加入；2009-2017 年联合 CEO） UIUC 计算机科学博士。IBM Research。语音识别。统计机器翻译。 他把工业级 ML 带进了 Renaissance。他在 IBM 的工作是现代 NLP 的基础。而他把同样的统计火力用到了市场上。比"AI 交易"成为流行词早了几十年。 > 教训：相邻领域的深度专长，会以不明显的方式迁移。NLP 到数十亿美元。谁能想到。 6. John Meriwether（生于 1947 年） 公司：Salomon Brothers 债券套利；Long-Term Capital Management；JWM Associates 西北大学 MBA。80 年代建起了 Salomon 传奇的债券套利部门。然后 1994 年创立了 LTCM。 是的，LTCM 崩了。那是一堂价值十亿美元的尾部风险课。但他在 Salomon 的履历是卓越的。他看到了别人看不到的相对价值机会。建起了团队和基础设施，以巨大规模去捕获它们。 > 教训：即使是传奇履历，也保护不了你免受尾部风险。市场不在乎你有多聪明。它会找到你。永远都会。 7. Myron Scholes 和 Robert Merton 公司：Long-Term Capital Management；Platinum Grove Asset Management；斯坦福和 MIT 的学术职务 1997 年诺贝尔奖。Black-Scholes-Merton 期权定价框架。 这个方程是整个衍生品行业的基础。每一个期权市场。每一个风险管理系统。每一个衍生品交易台。都追溯到他们的工作。 LTCM 是一个章节。不是整本书。 > 教训：解决真实问题的理论突破，会创造出价值数万亿美元的行业。只是纸上的数学。这很疯狂。 8. George Soros（生于 1930 年） 公司：Soros Fund Management（Quantum Fund，1969 年创立） LSE。纳粹占领下的匈牙利难民。Karl Popper 的学生。 全球宏观。1992 年"击垮了英格兰银行"。做空英镑，数天赚 10 亿美元以上。 他不是系统化的。他是主观判断型的。他的反身性理论（市场会影响它们所预测的基本面）是严肃的智力工作。即便你是纯量化，也值得研究。 > 教训：不是所有伟大的投资者都是量化。有些人对宏观有一种数学捕捉不到的直觉。那也没问题。两条路都走得通。 9. Stanley Druckenmiller（生于 1953 年） 公司：Duquesne Capital Management（2010 年关闭）；此前与 Soros 共同管理 Quantum Fund Bowdoin College。30 年。平均年化 30%+。没有一年下跌。 与 Soros 共同主导了那笔 1992 年的英镑交易。 > 教训：风险管理。知道何时不下注。它跟 alpha 一样产生复利。坐得住是一种技能。大多数人没有。 10. Ray Dalio（生于 1949 年） 公司：Bridgewater Associates（1975 年创立） 哈佛 MBA。大宗商品交易员。 把 Bridgewater 建成世界上最大的对冲基金（峰值 AUM 1700 亿美元以上）。开创了"风险平价"投资，以及在不相关收益流之间做系统化分散的概念。 他的《Principles》记录了一切。决策过程。系统化思维。痛苦 + 反思 = 进步。 > 教训：写下你的决策。你的逻辑。你的错误。这会在几十年里复利。不公平的优势。说真的。 11. Igor Tulchinsky（生于 1965 年） **公司：WorldQuant**（2007 年创立）；此前在 Millennium UPenn 计算机科学博士。 把 WorldQuant 建成最大的系统化 alpha 研究机构之一。"alpha 工厂"模式。从全球研究者那里众包信号。www.worldquant.com 训练下一代量化。 > 教训：规模化研究本身（而不只是资本）是一种真正的优势。更多大脑在搞 alpha，意味着更多 alpha。简单的算术。 12. David Siegel 和 John Overdeck 公司：Two Sigma Investments（2001 年创立） 两人都是计算机科学博士。都出自 D.E. Shaw。 把 Two Sigma 建到 600 亿美元以上 AUM。"一家碰巧做交易的科技公司。"工程优先。ML 优先。数据基础设施。 > 教训：量化的未来是工程主导的。不是金融主导的。如果你以为这跟经济学有关，你已经落后 20 年了。醒醒。 荣誉提名 Fischer Black（1938-1995）——Black-Scholes 的共同创造者；本应分享 1997 年的诺贝尔奖 Eugene Fama（生于 1939 年）——有效市场、因子研究；2013 年诺贝尔奖 Andrew Lo（生于 1960 年）——MIT；自适应市场假说；AlphaSimplex Manoj Narang——Tradeworx；HFT 先驱 Vincent Mathieu、Yves Lemperiere——Capital Fund Management；CFM 统计套利先驱 Brevan Howard 的 Alan Howard——大量使用系统化基础设施的主观宏观 Pete Muller——PDT Partners；Morgan Stanley 的 Process Driven Trading 部门，后来独立分拆 Boaz Weinstein——Saba Capital；CDS 策略和尾部风险 这 12 个人有什么共同点？ 技术领域的真实专长。大多数人有数学、CS、物理的博士。他们的优势来自真正的深度。 长周期。几十年的工作。复利既作用于收益，也作用于技能。 > 教训：表层知识不够。从来不够。永远不会够。 > 有纪律的风险管理 每一个惊人的成功，都配着严格的风险框架。例外（LTCM、87 年的 Soros）恰好证明了这条规则。 > 组织能力 建一家顶级公司，意味着召集并留住伟大的团队。不只是单打独斗的天才。Simons 不是一个人做到的。 > 适应 1990 年的策略在 2026 年不管用。那些活下来的人不断适应。他们要么进化，要么死。 这对你意味着什么： 读他们的书。关注他们的公司。别复制他们的策略。你复制不了。那些优势已经没了。死了。 复制他们的思维方式。他们的方法论。他们对技术深度的痴迷。 发展真正的技能。数学。CS。统计。领域知识。在 2026 年，表层的金融知识毫无用处。 > 并记录一切。你的交易。你的逻辑。你的错误。这才是你复利学习的方式。 听着，构建这个领域的人不是靠运气。他们痴迷。他们有技术。他们打长局。 你也可以做到。但你必须真的去做那份工作。没有捷径。 如果你读到了这里，你就已经是这个领域里前 5% 的人了。 保存这篇文章。 关注 @tsukiema_ 获取更多。 并把它分享给某个需要停止猜测、开始思考的人。 be stoic. 标签：# X # Finance # Quant # Automation # AI # Guide 相关文章 The Quant Research Pipeline Nobody Explains. Most people think quant research starts with a strategy idea. Quant Finance Automation AI