6月9日～10日，两天时间读完了这本书，有一些收获，记录如下：
1、量化交易算法
我以前认为量化交易使用的算法都是深度学习模型，有点像ChatGPT模型训练时使用的算法。看完这本书以后才了解，其实并不是。
在本书的前部分就说了，使用的典型算法包括：马尔可夫链和核密度(Kernal)算法，这两种算法都是基于学习时间序列数据（<时间点，数值>）生成的异常检测模型和预测模型，从而给出下一步的操作决策。这种机器学习方式对算力的要求不高，所以在GPU没有出现的年代，就开始了。书中介绍，西蒙斯公司80年代使用的是IBM计算机和Sun工作站。
2、量化交易属于短期的高频交易
西蒙斯创立的Axcom公司最开始使用的相对低频和长期的交易，公司经常会持有某些头存达到数周甚至数月之久。
数学家伯勒坎普认为这么做很危险，因为市场波动很大，低频交易可能会妨碍抓住新的投资机会，并在市场下行时扩大投资亏损。伯勒坎普建议寻找更小的投资机会，也就是提高交易频率。可以考虑模仿赌场的做法，赌场每天都有很多赌局，只要超过一半的赌局盈利，赌场整体上就是赚钱的。只需要拥有一点点优势，高频的重复博弈就会确保大数定律站在自己这一边。这个建议后续被采纳，短期高频交易逐渐成了量化交易的主流。经过统计，这个胜率是50.7%
3、凯利公式与交易仓位配置
1960年～1962年，伯勒坎普在著名的贝尔实验室实习，为物理学家小约翰.拉里.凯利（John Larry Kelly Jr.）工作。凯利开发了一种可以在赛马中获利的公式——凯利公式。凯利公式是从香农早期的信息理论发展而来的，强调了赌注（仓位）大小的重要性，这成了伯勒坎普学会的重要一课。
Axcom公司时代，模型主导人是数学家埃克斯，他做交易时一部分仓位是依靠直觉进行配置的，并没有完全依赖交易模型做自动配置。伯勒坎普认为，当模型给出盈利概率较高的投资决策时，应该果断加仓，这是从凯利公式中得到的启发。
埃克斯之后，伯勒坎普主导了模型研发和交易，凯利公式的思想就用在了“大奖章”基金上。
4、聚焦：只用单一交易模型
大奖章基金只用单一的交易模型，而不是像其他量化交易公司那样在各种市场和市况下使用不同的模型。尽管使用多个模型的好处是更直观，更具备可解释性。但一模型的好处是可以更充分地利用文艺复兴公司（斯特劳斯主导数据收集）收集的广泛的定价数据，在多资产类别中更全面地寻找相关性和交易信号。相反，如果运行多个模型，单个模型可以使用的数据就少得可怜。
5、量化交易赚钱的秘密：利用其他投机者的错误
大奖章基金持续赚大钱，那么谁是持续的输家呢？
西蒙斯告诉基金持有人，文艺复兴科技公司其实是利用其他投机者的疏忽和错误赚钱，无论其规模是大是小。“比如，某位经常预测法国债券市场涨跌并频繁下注的国际对冲基金经理，就是一个很好的收割对象。”
西蒙斯和同事们认为，很多投资者都有认知偏差，正是这些人的认知偏差，导致了恐慌、泡沫、暴涨和崩盘。
————————
我想起了2015年股灾的那几天，手中持有的股票每天只要一开盘，就是跌停，卖都卖不掉。只到有一天，我在跌停板卖出了$兴业银行(SH601166)$ ，结果当天收盘的时候，这支股票涨停。
当时的我就是一个因为认知偏差而被收割的对象。
6、量化投资的未来：专用量化模型+持续迭代/微调
在文艺复兴科技公司掌握了机器学习技术以后，其他量化投资者也开始拥抱这种做法。预计，从商业到生活的大量决策模式将发生改变，越来越多的公司和个人将通过模型来持续学习他们的成功和失败。如同投资者马修.格拉内德所说：“亚马逊、腾讯、奈飞等新兴公司正在变成主流，获得的数据越多，它们就会变得越聪明。”
数据分析方面，量化要分析的维度、种类大大增加了。以前需要等待农产品生产数据来做期货买卖的决策，现在需要通过农机销售情况或者耕地的卫星图片进行预测和指导决策。集装箱码头的账单数据能对全球贸易状况给予指引。量化交易员甚至能通过手机监控，看到商店中不同货架的销售数据。你如果希望知道一个新商品的受欢迎程度，可能需要在电商网站的评论数据中做舆情分析。算法还能对药品监督委员会中成员背景信息做分析，从而预测新药获批准的概率。
7、散户的未来
《三国演义》中刘备说：”今与水火相敌者，曹操也。操以急，吾以宽;操以暴，吾以仁;操以谲，吾以忠;每与操相反，事乃可成耳。”
如果量化是曹操，散户就是刘备，跟量化反着来就对了。
量化做高频交易，我们就做低频交易，少下注；
量化做短期，我们就做长期，着眼3年到5年；
量化分析海量维度数据，我们就只分析自己最熟悉的企业，深入了解。