（本文作者张晓泉，清华大学经管学院 irwin and joan jacobs讲席教授）
“成功者和失败者之间的最大区别在于，成功者从自己和他人的错误中学习。”
——sir john templeton（著名投资者）
上篇文章讲述了ltcm盛极而衰的故事，其实，这个故事或许还有另一种走向。
文艺复兴科技公司renaissance technologies，同样是由一群堪称天才的高智商数学家和科学家组成，同样是依靠算法和模型进行交易，同样取得了巨大的成功，创造过赚钱机器的神话。
然而，ltcm高开低走，成为历史的注脚，后来人的警示，renaissance仍在续写自己的传奇。
尽管两者有些许相似，但它们的不同之处才是成败的关键。下面就从量化的角度来做一个对比和分析。
短期预测胜过长期预测
由于都采用算法和模型进行交易，有些人把ltcm归入了量化交易的范畴，这一点尚有争议。
但从产品层面讲，renaissance 和 ltcm的第一个明显区别就是它们进行不同类型的交易，交易的持续时间也截然不同。
ltcm主要以政府债券对进行交易，这些交易需要几个月的时间才能完成，因此需要在几个月内作出准确的预测。而renaissance只持有几天（有时甚至几个小时）的交易，只需要全天的预测。
在其他条件相同的情况下，较短的预测周期意味着时间序列建模的训练数据更有效。这让renaissance能够快速识别其模型何时在现实世界中出现偏误。模型失效最危险的方式之一就是在回测中表现良好但在实际中表现不佳。renaissance 能够在一两天内发现经过回测验证的模型是否在实践中失效。
类似的失败renaissance早年也有不少，但由于发现得很快，所以损失也比较小。
相比之下，ltcm 则需要几个月的时间才能发现其模型在现实中与回测中的表现不同。当他们第一次注意到重大模型故障时为时已晚；由于已经积累了好几个月的不良风险敞口，公司濒临破产。
克制的增长和规模控制
相对于业绩上的巨大成功，renaissance的产品线增长却很少。
renaissance始于大宗商品和货币交易，到 20 世纪 80 年代中期，它掌握了如何创造可持续但相对较小的利润。为了增长，它需要开拓更大的市场：股票。renaissance对股票交易算法进行了近十年的测试，发现了许多在回测中成功但在现实世界中失败的算法。
一些优秀的人才由于不断尝试又失败产生的挫败感离开了，还有人认为renaissance对股票过于谨慎，而另一些人认为股票问题无法解决。好在核心科学家团队坚持了下来，他们终于找到了一种在现实中有效的算法。这是数百次增量调整和错误修复的结果，而不是某个时刻的“顿悟”。renaissance在多年里缓慢地扩展了这种股票算法。
即使在扩大股票业务规模的同时，renaissance也采取了平衡措施以实现温和增长。2003年，西蒙斯得出结论，renaissance管理的资金量超出了其模型可以从容分配的资金量，因此该公司停止吸收外部投资者的资金，这一决定多年来一直没有改变。
相比之下，ltcm的产品类型可谓是全面开花。它最初专注于主权债务收敛交易，其他公司注意到了它的成功并开始复制其交易。ltcm 成立后 24 个月内，竞争的涌入导致其利润下降，ltcm 便将目光投向其他地方，随后开始大量投资与债券截然不同的双重股权结构公司和并购套利。
实际上，ltcm未能在其核心产品中展示出可持续的盈利能力，并且转向新的、甚至未经验证的产品。这种举措却被外界和媒体视为成功的标志。
对于时间序列预测产品来说，验证成功是真实（而不仅仅是运气）的最佳方法是在很长一段时间内证明在现实世界中的准确性。renaissance做到了这一点，ltcm却没有。
永远不要因为直觉而怀疑模型，也永远不要完全信任模型。
ltcm 成立之初，只专注于一种产品：由算法生成的主权债务收敛交易。该公司深信其原创算法的威力——它基于两位诺贝尔奖得主的研究成果，并且拥有令人称羡的业绩记录。只可惜，这个记录是短暂的。基于很少的结果（由于交易的长期性），它就与幸运连胜没有区别。结果，ltcm完全相信自己的模型。
从收敛交易扩展到并购套利和双重股权结构公司，迫使ltcm更多地依赖其合作伙伴的直觉。
当然，ltcm为这些新产品构建了模型。但是，没有模型来分配不同产品（资产类别）之间的风险，这部分的工作是由委员会完成的。风险分配最终反映了委员会成员的信念和内部政治。
例如，ltcm伦敦办事处负责人在公司内有一定影响力，并对荷兰皇家壳牌公司的特定交易充满热情。于是，尽管这笔交易风险高度集中且缺乏成功的经验，ltcm还是投入了超过20亿美元。
再来看renaissance。
西蒙斯在投资生涯早期曾因忽视算法建议而多次受挫，在这个过程中，他认识到在模型出现严重问题时可以而且应该识别出来，停止按照其建议进行交易，并加以修复。同时，他也意识到，如果他对模型的决策普遍感到不舒服，但模型的决策又没有明显错误，那么他的直觉就无法产生更好的结果。
在renaissance，关闭模型、调试然后再开启是家常便饭，但推翻模型的建议是不可逆的；任何推翻决策的理由要么必须嵌入模型本身，要么就应该被摒弃。
renaissance也得益于其单一交易模型，该模型负责公司旗舰基金的所有决策。在软件开发中，单一代码库已经成为一个贬义词，但它为renaissance带来了一个有趣的优势：它迫使产品之间的分配权衡必须由算法来管理。这与 ltcm 的人机混合模式不同，在 ltcm，模型挑选资产，但由委员会决定如何在不同资产类别之间分配风险。
差异化数据
最后一个将renaissance 和 ltcm区分开来的因素是renaissance 对差异化数据的关注。
renaissance 起步时专注于一种相对普通的数据类型：商品和货币的每日收盘价。这是其他交易者也会使用的数据。但renaissance意识到，差异化数据不仅意味着不同类型的数据，它还意味着与竞争对手相比，同一数据类型具有更高的质量和更广泛的覆盖率。
实际上，关注与竞争对手相同的数据类型是非常有意义的。
所有其他交易公司都重视这种数据类型，就说明这种数据类型提供了强烈的信号。而且，放大已知的有价值信号往往比寻找一个全新的信号要更容易且更有性价比。
renaissance通过搜集比竞争对手更久远的每日价格数据、整合更多来源的数据，以及清洗和交叉检查数据以消除错误值，从而放大了信号。
随着公司的壮大，renaissance开始搜集新的数据类型：从日常收盘价到日内价格，到公司财务数据，再到自由文本新闻报道……
事后看来，很容易将renaissance的优点ltcm的缺点进行对比。但renaissance并非完美，而ltcm也有一些极具创新性、有价值的想法，在其倒闭后被其他公司悄悄采用。
现实世界是复杂的，但有一条简单的经验甚至适用于与金融或算法无关的初创企业：在扩大规模之前，先做好核心产品。不要把媒体、投资者甚至客户的赞誉与持续盈利的能力混为一谈。归根结底，这才是最终让一个企业能够掌控自己命运的关键所在。
本文仅代表作者观点。
