一个让人不服气的排行榜
如果让你猜，过去几十年里赚钱最多的投资人是谁，你大概会说巴菲特。但按「年化收益率」排，第一名不是他。
巴菲特的旗舰伯克希尔，长期年化大约 20%，已经是人类投资史上的奇迹。而有一只叫大奖章基金（Medallion Fund，数学家西蒙斯创办的文艺复兴科技公司旗下基金）的产品，从 1988 年到 2018 年，扣掉管理费之前的年化收益约 66%，扣完天价费用后还有约 39%——三十年，几乎年年为正，连 2008 年金融危机都赚了 80% 多。
更离谱的是它的老板。詹姆斯·西蒙斯（Jim Simons）不是股神，不看财报，不拜访公司管理层，不研究行业。他是个数学家——和陈省身一起搞出过「陈—西蒙斯理论」的那种纯数学家，四十岁之前的人生和华尔街毫无交集：教书、做研究、给政府破密码。他招的人也不对劲：物理学家、语音识别专家、密码学家、天文学家，唯独不要华尔街出来的。
这群「外行」把华尔街最聪明的一群人按在地上摩擦了三十年。他们靠的是什么？
这就是这本书要回答的问题：一个不看财报、不听消息、不预测涨跌的基金，到底怎么把钱从市场里赚出来的？
量化到底是什么
先把名词落地。量化基金（quantitative fund），就是把「买什么、什么时候买、买多少」这些决定交给数学模型和计算机程序的基金。人负责设计规则和检查机器，机器负责执行。
对照着看更好懂。传统基金经理的决策链是：读研报 → 调研公司 → 形成判断 → 下单。这里面的每一步都依赖人的经验和直觉，同一个经理今天和昨天、心情好和心情差，可能做出不同决定。量化基金的决策链是：收集数据 → 模型计算 → 程序下单。同一份数据喂进去，今天和一万天后跑出来的结果是同一个。
所以量化的本质不是「用电脑炒股」，而是把投资从一门手艺变成一门工程。手艺靠师傅带徒弟，工程靠写下来的、可检验的规则。
先拆掉三个误解
「量化」这个词在新闻里名声不太好，主要因为三个误解，先拆掉，后面才好讲。
- 量化 ≠ 高频交易。高频交易（眨眼间买卖成千上万次）只是量化的一个分支，而且是资金量不大的分支。大部分量化基金几天甚至几周才调一次仓。新闻里把「量化」和「高频」划等号，就像把「汽车」和「F1 赛车」划等号。
- 量化 ≠ 人工智能神话。现在确实有用机器学习的量化基金，但行业里大量的策略只是统计和算术。它没有那么玄——玄的是它背后的纪律。
- 量化 ≠ 稳赚不赔。量化基金照样亏钱、照样爆仓，而且死起来有自己的特色。第十章专门讲它们怎么死。
为什么非要交给机器
你可能会问：人炒股炒得好好的，为什么非要交给机器？三个理由，每一个后面都会展开成一章甚至几章。
第一，人会骗自己，规则不会。行为金融学（研究人在金钱面前怎么犯蠢的学问）发现，散户和基金经理犯的是同一批错误：涨了拿不住、跌了死扛、对自己买的股票越看越顺眼。把规则写下来交给机器执行，等于把手绑在桅杆上，提前封死自己犯蠢的可能。
第二，机器看得过来。A 股五千多家上市公司，一个研究员能深入覆盖二三十家就到头了，而一套模型可以给五千家同时打分、每天打分。广度是机器碾压人的第一个地方。
第三，机器能赚到人赚不到的钱。有些机会一次只值千分之几、存在几十秒，人眼睛都来不及眨。这类钱不是「人赚得慢」，而是根本不在人的时间尺度上。第八章会看到，为了抢这种钱，有公司专门铺设了一条穿山光纤，只为比对手快 3 毫秒。
这本书的路线
接下来的十章，我们按历史顺序走一遍：量化思想怎么从学院论文里长出来（第二、三章），西蒙斯们怎么把它变成印钞机（第四章），「因子」这个核心工具怎么被发现、被工业化（第五、六章），套利和高频这两个特殊分支怎么运作（第七、八章），机器学习带来了什么又埋下了什么雷（第九章），量化基金怎么爆仓（第十章），以及它在中国这片特殊土壤上长成了什么样（第十一章）。
最后一章，我们回到你身上：在这个机器越来越强的市场里，一个普通人到底被收割了没有，又能从这些数学家身上偷学点什么。
西蒙斯说过一句很能代表量化精神的话：「我们不雇用会预测市场的人。我们雇用会找规律的人——然后让规律自己说话。」