財富與風險
吉姆·西蒙斯
概率優勢
讓模型代替人交易的量化之王
背後是什麼故事？
西蒙斯早期也試過基本面交易，賺過也虧慘過。真正的轉折是他決定徹底放棄「判斷」這件事。他招人的標準出了名地怪：不要華爾街的人，只要天體物理學家、密碼學家、語言學家、統計學家——理由是華爾街的人會帶著一堆已經被證偽的信念進門。文藝復興內部所有研究員共享同一個模型、同一套薪酬公式，沒有人可以有自己的小策略、自己的小倉位。
這是一家把「個人英雄」這個概念從制度上刪除掉的公司。它的業績在西蒙斯本人退休之後依然延續。
概率優勢 × 高重複
「我們的勝率大概只有50.75%，但如果你做幾百萬次，51%就足夠了。」這是與巴菲特完全相反的一極：巴菲特靠極少數高確信度的重倉，西蒙斯靠海量低確信度的輕倉。兩人的共同點比分歧更重要——他們都拒絕在中間地帶下注。不確定卻下重注，是最常見的死法。
賭場的優勢只有1%到5%，但賭場從不虧錢，因為它把這個微弱優勢重複了千萬次，同時嚴格限制單次下注上限。
數據比模型重要
文藝復興花在收集、清洗、對齊歷史數據上的時間和金錢遠超所有競爭對手，他們保存了別人認為是垃圾的東西：錯誤報價、被撤銷的訂單、天氣記錄、舊報紙。原因很樸素——模型是公開的數學，誰都能學；數據是私有的資產，只能自己攢。
現代類比：幾乎所有AI公司的模型架構都大同小異，真正拉開差距的是數據管道。
不預測，只識別
「我是模型先生，不做基本面分析。」他從不問「這家公司好不好」，只問「這個價格模式在歷史上出現過多少次，之後發生了什麼」。這等於主動放棄因果、只要相關。代價是永遠不知道自己為什麼賺錢，好處是不會被自己編的故事騙——而後者是絕大多數投資者虧損的真正原因。
規模是收益的敵人
大獎章從1993年起對外部投資者關閉，只對內部員工開放，規模死死卡在約100億美元，賺到的錢強制分掉。因為策略容量有限：錢越多，自己的交易就越會把價格推走，優勢被自己吃掉。這是全世界最難做的決定之一——主動拒絕一筆可以到手的鉅額管理費。
文藝復興對外開放的其他幾隻基金規模大得多，業績卻平庸許多，反過來證明了這個約束是真的。
系統高於個人
全公司一個模型、一套薪酬、禁止藏私活。邏輯是：任何一個人的直覺都會在某個時刻失效，只有集體持續積累的系統能穿越週期。大部分投資機構毀於明星經理離職或失手，文藝復興從設計上就不存在明星經理。
把手放開
設計一個系統很容易，在它虧錢的時候不去救它極難。1998年長期資本崩盤期間大獎章連續回撤，西蒙斯一度想人工干預，最終決定不動。這一條是所有量化方法真正的門檻——不是數學能力，是在最難受的時刻把手放開的能力。
後來怎麼了？
2020年3月疫情暴跌期間，文藝復興對外開放的幾隻基金單年虧損20%到30%，同一年內部封閉的大獎章卻大賺76%。同一家公司、同一批科學家、同一套方法論，結果天壤之別。原因很直白：外部基金為了容納大資金，被迫做長週期、低換手的策略，而那恰恰是西蒙斯的優勢不成立的地方。
同一個團隊，換一組容量約束，業績可以從神話跌回平庸——策略的邊界比人的能力更決定結果。
對外募資的誘惑是所有成功策略的頭號殺手。西蒙斯守住了大獎章，但沒能守住整個公司。
看任何人的業績，先問一句：這隻基金和他最好的那隻，是不是同一套約束？
今天怎麼用？
先分清你在打哪一種仗。如果你的優勢很小但可以重複（銷售、投放、A/B測試、內容分發、招聘面試），那就別在單次結果上糾結，把重複次數做上去，同時死守單次投入的上限。如果你的優勢很大但機會極少（換工作、創業、結婚、大額投資），那就完全反過來：少下注，下重注，寧可長期空倉等待。
最糟糕的是把兩者搞混——在小優勢上重倉（那叫賭博），在大優勢上輕倉（那叫錯過）。還有一個反直覺的推論值得記住：當你的方法開始穩定賺錢，最先殺死它的通常不是競爭對手，是你自己給它加上去的規模。
深度閱讀
和誰對照著讀
延伸
金句
做點新東西，不要隨大流。
以美為指引——做你覺得美的事，最終會有回報。
然後，祈禱有點好運氣。
這一篇如果說中了你正在經歷的事，
轉給可能需要的人，或者存下來，下次好找。