（转）WorldQuant ：如何缔造量化金融王国

看全球顶尖量化交易公司 CEO 如何缔造量化金融王国

2017-05-29 Alpha CTA基金网
“ 投资交易的未来是什么 ?”
“ 是量化交易 !”

这是华尔街资深交易员、量化交易公司 WorldQuant 的创始人伊戈尔·图利钦斯基（Igor·Tulchinsky）的回答。伊戈尔认为，通过研发大批的量化金融模型，使基金公司变身「全球工厂」，手握更多信息资源，从而在投资交易时，立足于不败之地。这就是未来的交易模式。

量化交易不是「万能解药」？

WorldQuant 直译便是「全球量化」。伊戈尔在创立公司之初，除了想建立自己的品牌，更想把全球化的量化分析这一金融理念融入到企业文化中，WorldQuant 这个名字恰巧与公司的创办宗旨不谋而合。伊戈尔打趣地说道，好听又好记的名字都已陆续被其他金融公司「霸占」，只有「WorldQuant」依旧「待字闺中」。

World Quant的历史，可以追溯到 1995 年，当时它由千禧合伙投资（Millenium Partners）分离出来，始创之时，除了千禧的资金和技术平台支持，便只有伊戈尔独当一面。企业发展到 2007 年时，已有 30 名员工了，此后不断发展壮大，现如今的员工总数在 410 至 420 人左右。

WorldQuant 在美国的纽约和康涅狄格州都有办公室，也是其在全球量化投资交易的总部，此外，公司还将基金管理的触角延伸至英国和新加坡。伊戈尔对记者说，这些国家的交易市场比较成熟，有着健全的市场管理机制。公司的金融模型研发部门也遍布海外，最早的分支机构于 2006 年在中国创建，随后以色列、印度、俄罗斯、越南、泰国的办公室也相继落成。而技术开发部门则主要集中在美国。

当记者问起，为何把金融工程模型研发部门安排在海外时，伊戈尔表示，金融工程模型的研发需要非常高素质的人才，而人才的分布本就是全球化的，从统计分布的角度来说，纽约市不可能囊括世界上所有的人才。

基金的管理几乎是每个对冲基金的命脉所在，伊戈尔告诉记者，WorldQuant 只专注于量化金融交易。量化金融交易，顾名思义，是将金融工程交易的想法进行行为量化和数学公式化，根据相关的金融数据，比如价格、交易量等参数，进行建模，再将这些数据模型反演到历史金融数据中，参看它的表现如何，从而判断该模型在未来交易中的表现。整个交易都由计算机操作，完全自动化，不需要人为干预。而由于计算机程序本身强大的信息处理能力，量化交易可以应用到成千上万个交易对象中，也可在世界上任何一个交易场所进行交易。换言之，如果该模型在美国的金融市场中赚钱，它也可在量化后复制运用于其他国家的金融工程市场，亦可能产生良好的反响。较之于传统交易方式，它的交易范围更为宽广。

此外，计算机还可过滤掉许多突发的情绪化因素，机械地按照既定的程序执行交易，从而能够做出更理性的决策。较之于量化金融交易，传统交易则更易受到情绪影响，大起大落的市场不免催生交易员大喜大悲的情绪，从而影响判断，且人的分析能力有限，只能对几个市场对象进行分析，大大降低了效率，缩小了交易范围。

当然，量化金融交易也并非市场的「万能解药」。伊戈尔向记者解释道，并非所有的金融问题都可以用量化模型进行描述，比如偶然性事件犹如昙花一现，此后便销声匿迹，无迹可寻，这类情况，就无从用量化模型进行描述。又比方，散户投资者对某只股票看好或看空的心态，也无法用量化模型进行表述。在这类情况下，凭借交易员的经验操盘，往往能够做出更准确的判断，发挥出更好的效果。

量化金融交易的重点，是分析以往的金融工程数据，摸出市场规律，并将市场参与者的理性行为量化成金融模型，以此挖掘市场的非理性行为进行套利交易。随着信息技术的发展，金融市场透明度日益提高，信息的传播速度更快、范围更广。因此，非理性现象的存续时间也越来越短、转瞬即逝，发掘的难度也随之提高。所以，未来的量化交易将越发地依赖于对大数据的分析处理和低延迟性的交易执行（low latency trading），这也是大多数对冲基金今后发展的重点。

量化金融交易起始于 30 年前，在计算机开始广泛运用后不久，量化交易就已经形成最初的雏形了。起先，它只是在一个很小的范围通过交易经纪商得以应用，敢于「第一个吃螃蟹」的基金公司也只有寥寥数家。随着时间的流逝，量化金融交易以它独有的特性在市场展现其「捞金」实力后，越来越多的基金公司开始采纳这一交易新法，量化金融交易也变得炙手可热。

但到了 2007 年 8 月，多家基金公司竟毫无预兆地出现了集体亏损，史称「量化崩盘」（Quant Meltdown）。究其原因，就是因众基金公司使用同一家或相似的第三方机构为其打造量化金融交易策略所致。由于策略皆出自一人之手，导致多家基金公司的量化交易策略看法相似，造成损失。

多家基金公司在这场亏损中倒闭，侥幸逃过此劫的基金公司也及时改变策略，加强自身研发交易模型的能力，对资源进行重新整合，不再依赖第三方提供的交易模型，从而避免多个公司同时采用同一种交易策略，最大程度上扼制集体亏损的恶果。随后，美国金融市场也逐步恢复原有秩序，量化金融交易渐入佳境。

不光是美国这样成熟的发达金融市场，量化金融交易在发展中国家也同样潜力无限。伊戈尔说，WorldQuant 在很多发展中国家的市场里也进行量化交易。较之于发达国家，其市场的有效性更低，竞争的激烈程度也会平缓很多；对于基金公司而言，会有更多的机会应用量化模型来发掘市场参与者的非理性行为，并以此获利。另外，在发展中国家的金融市场，其交易量会相对小些，因此，只能将有限的资金投入到发展中国家的市场，从而避免对市场造成冲击。

伊戈尔说，量化交易是今后的主流趋势，而中国市场也将成为量化交易的重镇。当记者问及，WorldQuant 今后有无进军中国资产管理市场的计划时，伊戈尔笑着说：“一切皆有可能。”

高频交易（High Frequency Trading）作为量化金融交易的一部分，已经在美国金融市场得到广泛运用。它是一种非常快速的自动化程序交易方式，比如，在一个交易场所买入一只股票，接着在不到半秒内在另一个交易场所抛售，通过微小的价格差来获利，因此，速度至关重要。本着对速度的极致追求，甚至有交易机构将自己的「服务器集群」安装到了离交易所近在咫尺的地方，以缩短交易指令通过光缆传送的时间。

这种新概念的交易方式以速度制胜，但其风险也不容小觑。首先是操作上的风险，如果计算机程序上出现一个错误，在交易速度如此之快，交易量如此之大的情况下，会造成不可估量的损失。其次是资金上的风险，高频交易系统需要巨大资金的投入，如果在同一时刻，竞争对手投入更多的资金，制作出更强大、更快速的交易系统，也会造成会血本无归的窘境。2010 年 5 月 6 日，美国股市「闪电崩盘」（Flash Crash）便是高频交易风险的集中体现。当日，道琼斯工业平均指数下跌近 1000 点，此后迅速回弹，当日收盘时报跌 348 点。

基于种种风险，一些从事量化交易的基金公司对高频交易持谨慎态度。伊戈尔对记者说，WorldQuant 目前并没有计划进行高频交易。其主因是他并未看到足够的商机，高频交易主要依靠高速地进出市场来获利，交易往往只依靠少数几个信号来进行决策，其交易执行速度比量化模型更具决定性作用，因此，这个领域也竞争激烈。或许，过去还有些许未被发掘的好机会，但如今高频交易的竞争已进入白热化阶段，并不适合一般量化选股模型（Alpha）的应用，因此在该领域投入大量的研究就得不偿失了，为更好地控制风险，WorldQuant 并无打算从事高频交易。

重中之重是人才

WorldQuant 采用扁平化管理模式。公司虽有一些经理和管理人员发挥基本的管理职能，但总体架构依然非常扁平。这样的企业模式既有赖于员工的高度自律，更受惠于优秀人才高度集中的企业模式。

展望新的一年，伊戈尔说，WorldQuant 2015 年计划的重中之重依旧是广纳贤才，并在现有基础上不断扩大公司规模，探索新的资金管理模式，降低管理成本。公司会去人才最集中的地方招募人才，立足现实，着眼未来，并达到让公司持续增长的目标。现今的金融公司的一切盈利都源于员工的想法和创造力。目前，WorldQuant 美国总部的员工大多为名校博士。

本着人才无国界的原则，WorldQuant 的国际人才大多从中国、俄罗斯、以色列、印度等各国引进，公司为其办理美国的工作签证（H1-b），帮助国际人才获取绿卡，并实行海外轮换制度，让这些国际人才能够自由地游走于各国的办公室之间，领略异国文化。与此同时，公司还为其职员提供充分的自由度去选择自己感兴趣的岗位和工种，并为那些工作勤奋，极富创造力的员工提供优厚的福利待遇，以「绑住」华尔街精英们那颗「躁动不安」的心。此外，WorldQuant 还通过一个基于网页的量化仿真系统 WebSim，建立了一个虚拟研究中心（Virtual Research Center），这样公司就可以在世界上的任何一个角落招贤纳士，进一步拓展人力资源范围，增加效率，并降低管理成本。

在 WorldQuant，模型的开发是后期定量金融交易成败与否的关键。而中国已成为 WorldQuant 进行模型研究和开发颇为重要的一个点，其办公室分布在北京、上海和台北。北京的办公室筹建于 2006 年底，为获得最优质的人才，笔试、面试过程近乎严苛，通过各种竞赛和测试层层选拔。最后，WorldQuant 从申请职位的 2000 人中，遴选出了 5 人，可谓千里挑一。目前，北京和上海两地的员工总人数在 80 人左右。伊戈尔说，中国是一个很大的国家，有着极大的增长潜力、丰富的劳动力资源和众多的优秀人才，中国员工也非常努力、勤奋、聪明。这也是他选择中国的原因。

同印度和以色列等国的研究员一样，在中国办公室的研究员日以继夜地辛勤工作，基本只为同一目标，即通过研究各类型的金融数据，来寻找量化模型 —— Alpha。简而言之，Alpha 就是一种交易策略，研究员通过计算机程序将这种交易策略用量化模型的形式描述出来之后，再将其应用到历史数据中进行反复演算，以验证这种模型是否可行，能否获利。一个好的 Alpha 模型堪比金融市场的点金术，弥足珍贵。

为了更有效地寻找量化金融模型，伊戈尔和他的员工们还合著了一本名为《寻找量化金融模型Alpha》（Finding the Alpha）的书，从 20 到 30 个不同的角度来讨论如何探索和开发量化金融模型，以及其可行性。想法不断的伊戈尔结合其量化分析的经验，还打算出第二本书《非规则：新一代定量法》（The Un-Rules: Quant Laws for a New Generation），意在汇总所有的想法，取长补短，由于没有一个想法是完美的，博采众长才是交易王道。伊戈尔对记者说，他近期还打算再出第三本书，名为《止损》（Cutting the Loss），即，如果在交易时发现策略不佳，应该及时停止，亡羊补牢，为时未晚。但这种理念是否也能运用到生活中去，尚存在争议。

开发出更多更好的交易模型 —— Alpha，并在全球开设更多的分支机构，扩大公司规模。伊戈尔表示，为达成这一系列目标，并无捷径可走，除了努力工作，还是努力工作。

不平坦的创业之路

伊戈尔出生于苏联，十一岁时，随父母避难来到美国。全家几经迁徙，最终定居在得克萨斯。伊戈尔的父亲是一个小提琴制作家，跟他的父亲不同，伊戈尔从小就对数学、金融工程以及计算机展露出浓厚的兴趣。他早年在得克萨斯大学奥斯汀分校（The University of Texas at Austin）获得了计算机专业的本科及硕士学位，接着去了 AT&T 的贝尔实验室从事科研工作。其后，又在宾夕法尼亚大学的沃顿商学院获得了 MBA 金融创业方向（MBA in Finance & Entrepreneurship）的硕士学位。

正式创业前，伊戈尔先后从事过 30 多份工作，从牛排餐馆洗碗工到风险投资家。流年似水，这些工作都未能让他满意，进取坚韧的性格，令其不停地进行新的定位，审时度势，越挫越勇。到了1993年，抱着试一试的心态，伊戈尔加入了 Timber Hill Brokerage，正式开始了交易员生涯。几年后，他进入了事业的春天，加盟千禧合伙投资，获得了独立施展自己开发的交易策略的机会，经过多年的磨砺和更多人的协助参与。最终，伊戈尔从千禧合伙投资分离出来，并在其 41 岁时，创立了自己的公司，WorldQuant。

一切看似顺理成章，水到渠成。但其背后也蕴藏无数艰辛，冷暖自知。伊戈尔说，1998 年时，整个金融市场非常萧条，几乎成为了量化金融的危机时代，曾有人劝他辞掉工作，调侃他的头发都要掉光了，但他还是坚持下来，成功通过了事业的瓶颈，并建立了自己的量化金融王国。

令伊戈尔感到自豪的是，作为一个金融公司，WorldQuant 不仅立足于投资获利，更能在自身获利的情况下，让更多的人分享到它的果实。WorldQuant 慈善基金成立于 2008 年，一开始规模较小，后逐渐扩张。该基金主要针对各分公司所在国家的高校学生，目前覆盖国家有美国、中国和印度。学生可通过公司网站进行申请，经审核后，择优发放。记者发现，北京大学和上海交通大学的学生就曾获得 WorldQuant 慈善基金会提供的奖学金。

如今，该基金会已有专人管理，并在发展壮大后，创办成立了 WorldQuant 大学。这也是世界上第一所提供免费量化金融（Quantitative Finance）网络硕士课程的大学。
而对于那些刚走出校园，有志于投身金融行业的年轻人，伊戈尔给出的建议是，保持积极进取的心态，对想做的事情，努力追求，永不妥协，坚持不懈，终将成功。他进一步举例，许多年轻人有着很好的想法，却因没有真正地付诸行动而付之东流。成功没有捷径，只有努力进取，找到正确的切入点，将所有的想法付诸实践才能达成最终的梦想。

（转）WorldQuant ：如何缔造量化金融王国相关推荐

顶尖量化交易公司 CEO 如何缔造量化金融王国？
" 投资交易的未来是什么 ?" " 是量化交易 !" 这是华尔街资深交易员.量化交易公司 WorldQuant 的创始人伊戈尔·图利钦斯基(Igor·Tulch ...
科研实习 | 牛津大学英仕曼量化金融研究院招收机器学习+金融访问学生
合适的工作难找?最新的招聘信息也不知道? AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职! 牛津-英仕曼量化金融研究院 At the Oxford-Man Insti ...
quantaxis 云服务器_量化金融策略开源框架：QUANTAXIS
简介: QUANTAXIS量化金融策略框架,是一个面向中小型策略团队的量化分析解决方案,是一个从数据爬取.清洗存储.分析回测.可视化.交易复盘的本地一站式解决方案. QUANTAXIS量化金融策略框架 ...
python商业分析_科研进阶 | 纽约大学 | 商业分析、量化金融：基于Python的商业分析工具...
科研进阶 | 纽约大学 | 商业分析.量化金融:基于Python的商业分析工具(8.22开课)mp.weixin.qq.com 课题名称 = 基于Python的商业分析工具 = 项目背景数据分析为 ...
《量化金融R语言初级教程》一2.6　如果方差不够用
本节书摘来异步社区<量化金融R语言初级教程>一书中的第2章,第2.6节,作者: [匈牙利]Gergely Daróczi(盖尔盖伊) , 等译者: 高蓉 , 李茂责编: 胡俊英,更多章 ...
量化金融-分类数据的检验
量化金融–假设检验3-分类数据的检验分类型数据的常用检验方法量化金融--假设检验3-分类数据的检验分类型数据的介绍常用的检验方法卡方检验.Fisher检验方法的分析原理介绍卡方检验 Fi ...
牛津博士讲大数据和量化金融
本讲座选自2015年8月27日在2015中国国际大数据大会主题论坛五──牛津大学NIE金融大数据实验室.数据科学高级研究员.博士王宁所做的题为<大数据和量化金融,从机器交易,高频交易到大数据交易 ...
python常用的量化金融库
下面是常用的量化金融常用的库,以及与量化金融有关的支持库,有些需要科学上网才能打开. 文章目录 python基本的数值库和数据结构金融工具和定价指标交易和回溯测试风险分析因素分析时间序列( ...
全国数字金融与量化金融案例大赛经验分享
CSDN话题挑战赛第1期活动详情地址:https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f 参赛话题:大学生竞赛指南话题描述: ...

（转）WorldQuant ：如何缔造量化金融王国

（转）WorldQuant ：如何缔造量化金融王国相关推荐

最新文章

热门文章