发布时间
2026/03/25 04:5812 分钟前源站更新
2026/03/25 04:5812 分钟前首次抓取
2026/03/25 04:5812 分钟前正文
发布时间
12 分钟前源站更新
12 分钟前首次抓取
12 分钟前记录信息
用于追踪这条内容的来源与记录标识。
Source
原始链接
发布时间
2026/03/25 04:5812 分钟前源站更新
2026/03/25 04:5812 分钟前正文
首次抓取
2026/03/25 04:5812 分钟前发布时间
12 分钟前源站更新
12 分钟前首次抓取
12 分钟前记录信息
用于追踪这条内容的来源与记录标识。
Source
原始链接
Alphaville. Quant trading ≠ software company
西妮德·奥沙利文是哈佛商学院的前高级研究员，航空航天工程教授，目前在多策略量化对冲基金 CFM 工作。
如果你一生从未玩过扑克，有一个绝佳的公式可以指导你在任何一手牌上下注多少。它被称为凯利公式，它说你的赌注大小应该由你的优势大小决定，而不是由底池大小、其他玩家手腕上的理查德·米勒手表，或流经你血液中的脏马提尼数量决定。所以，如果你下注超过你的优势支持的范围，你不会变得更富有。你会被彻底淘汰。
已故的吉姆·西蒙斯对此进行了大师课讲解。他的对冲基金文艺复兴科技公司“发现”——毕竟他是一位数学家——其著名的奖章基金管理的资产正确金额约为 100 亿美元，大约是全球股票市场的六千分之一。
尽管投资者迫切希望获得奖章基金的一部分，但它的规模已被限制在那个水平二十年，每六个月支付利润以阻止基金增长。2003 年，它甚至驱逐了所有外部投资者，而不是管理更多资金，现在仅由员工组成。
这让我们想到了三位前 DeepMind 研究人员，他们教会计算机玩无限注德州扑克，与高频交易公司 Tower Research 合作，以及刚刚将其位于布拉格的人工智能实验室估值为 5 亿美元的风险投资公司——部分原因是股票市场非常、非常庞大。
正如 TechCruch 上个月末报道的：这引发了一个问题：人工智能正在接管量化基金吗？也许风险投资公司这么认为。毕竟，从外部看，量化基金看起来很像一家软件公司：有代码和数据，有名校出身的工程师和数学家，还有经过回测和部署的算法。
而且看起来有 SaaS 单位经济学；将算法用于一美元与数十亿美元之间没有边际成本，就像多服务一个用户没有边际成本一样。所有这些都构成了一个美丽的损益图，向上和向右，会让任何 B 轮创始人羡慕不已。
那么——如果不是科技公司，量化基金是什么？实际上，要多得多。
这是一个客户簿，需要数年时间建立，一堆资产可能在赎回通知下发时流出，所有这些都建立在一系列交易策略之上，而这些策略越成功，其价值就会非线性且极其快速地侵蚀。
这恰恰、对称地、完全与风险投资家想要购买的东西相反。
风险投资家想要非线性增值的交易：更多用户使产品变得更好，从而吸引更多用户，从而创建著名的护城河。在护城河领域，模仿者无关紧要，因为竞争对手可以复制你的技术，但不能复制你的网络。这是整个资产类别的精神基础——购买随着世界使用而变得更好的东西。
相反，交易策略随着世界使用而变得越弱。它的存在取决于价格错误，它通过纠正该价格而获得报酬。最终，该错误定价会消失；使用该优势的人越多，其套利通过其他、更笨的人在更慢的硬件上运行你的相同想法而消失于普遍性中。
如果你试图通过它扩展更多资本——这正是风险投资扩展投资的方式——它会退化得更快，因为你的头寸相对于可用流动性增长，你自己的订单开始移动你希望交易的价格。天啊！
此外，软件具有规模经济，而交易具有规模不经济；考虑一下，边际用户是免费的，而边际美元是征税的，税率随着之前投入的每一美元而上升。
那么，为什么 Creandum 会将其有史以来最大的支票写入一个没有自有管理资产、没有客户和交易员的 AI 实验室扮演量化机构呢？Alphaville 询问了该公司副总裁卡梅隆·塞勒斯，他同意没有单一策略能保证长期成功——他说，Creandum 绝不会在此基础上为交易提供担保。塞勒斯认为，能够数十年复利增长的公司，是通过持续产生新方法，而不是捍卫一两个见解来做到这一点的。
正确。这表明 Creandum 并不是声称该实验室发现了神奇的、永恒的策略，而是更接近于一个不断产生新优势的工厂，因为旧优势正在衰减。那么它是一个工厂吗？
塞勒斯提供的证据是，今天的模型比去年的模型好 10 倍以上——在回测中。这可能是真的，但这里有两个主要问题。首先，回测和实际损益之间的差距是系统化交易中最臭名昭著的昂贵差距。其次，塞勒斯表示同一谱系仅在变得更好。EquiLibre 需要展示的是优势替换的证据，而不是优势改进。
EquiLibre 的首席执行官马丁·施密德完全不否认曲线问题。事实上，他同意它。风险投资对冲基金没有意义，他告诉 Alphaville——“我们不是对冲基金或交易公司，我们是一家技术和 AI 公司。”他认为，风险投资的钱花在计算上，以创建将曲线翻转过来的模型。
那么，交易只是第一个垂直领域。持久的知识产权是学习如何部署在现实世界中行动的人工智能——正如施密德所说，前沿实验室的模型“只是与人交谈”。他以谷歌为例，谷歌并没有预见到建造 YouTube 或 Waymo——它首先建立了一个印钞的业务，而钱购买了期权。他说，大多数新 AI 实验室都是本末倒置的。他们先研究，收入永远没有。EquiLibre 正试图扭转这一点。
这令人耳目一新的坦率。但谷歌类比可以有另一种看法——谷歌的登月计划是由一个复利的现金业务资助的，而 EquiLibre 提议从一种使用即枯竭的现金业务中为其实验室提供资金。
然而，交易记录仍在进行营销。EquiLibre 表示，自成立以来“拥有零负月的完美记录”。但量化基金应该在事情变糟时进行评判。拥挤的交易突然平仓或资金市场变得动荡是区分真正优势和强劲顺风的典型环境。
例如，著名的 2007 年 8 月“量化地震”重创了即使拥有多年正回报的系统化交易员。一些人迅速恢复，因为他们建立了一个持久、适应性强的机器；另一些人则消亡了，因为他们没有。
EquiLibre 的零负月对此没有提供任何信息。它成立于 2025 年在加密货币上推出，后来扩展到股票，在这段时间里大多数事情大部分时间都是上涨的。在上升浪潮中，部署可能是适度的美元，连续盈利月份不断——这不是韧性的证据，而可能是缺乏严肃测试。
现在，回到凯利公式。这个公式不仅告诉你下注多少，还告诉你一个赌注值多少。
EquiLibre 的优势值等于它在退化前可以吸收的资本，乘以其在信号通常短暂生命中赚取的收益，再贴现一个事实，即部署的资本甚至不是 EquiLibre 的——它是 Tower Research 的。即使对三者都慷慨一些，你可能得到的优势价值也远低于 Creandum 投资轮所暗示的 5 亿美元估值。
困惑可能源于对 EquiLibre 的错误标签。人工智能并没有突然将交易变成软件业务。量化交易者从市场使用机器学习以来，甚至在它被称为机器学习之前，在当前 AI 热潮之前很久就已经开始了。对于量化基金来说，AI 是一种使研究人员更快、科学更好的工具。更好的工具不会取代研究人员；它们提高了优秀研究人员的价值。量化中的限制不是时间，而是想法。
它不能做的是改变支配量化研究人员创造的每一个策略的数学——优势决定了赌注，而扩展它的能力决定了上限。
量化基金不是科技公司，科技公司也不是量化基金。一个基于复利定价，另一个则因被耗尽的阿尔法而生死存亡。投资者应该小心不要混淆两者。
发布时间
9 小时前
2026-07-28 05:00:02 UTC
源站更新
9 小时前
2026-07-28 05:00:03 UTC
首次抓取
9 小时前
2026-07-28 05:03:26 UTC
文章指出，量化基金与软件公司本质不同：量化策略的边际收益随使用扩大而衰减，无法像科技公司那样实现非线性规模增长；投资者应警惕将两者混淆的风险。
文章通过凯利准则引出核心观点：量化基金的收益依赖于交易策略的边际优势，而该优势会随着资本规模扩大和策略普及而快速衰减。这与科技公司依靠用户网络效应实现非线性增长的商业模式截然相反。文中以文艺复兴科技公司 Medallion 基金为正面案例，说明其通过严格控制规模维持收益；同时以新成立的 AI 量化实验室 EquiLibre 为例，批评其获得高估值可能基于错误类比——尽管 EquiLibre 声称自己是科技公司而非对冲基金，并用风险投资支持 AI 研发，但其核心收入仍依赖会随使用而耗尽的交易策略。文章强调，量化策略的价值取决于其能吸纳的资本上限和存续期，而非像软件产品那样可无限扩展；AI 在量化领域仅是提升效率的工具，无法改变策略容量有限的基本数学约束。最后警告投资者，混淆两类商业模式可能导致误判。
Quant trading strategies degrade as they scale, unlike software businesses that benefit from network effects. Investors should not confuse the two when valuing AI-driven quant funds.
记录信息
用于追踪这条内容的来源与记录标识。
