LTCM的另一種結局？

（本文作者張曉泉，清華大學經管學院 irwin and joan jacobs講席教授）

「成功者和失敗者之間的最大區別在於，成功者從自己和他人的錯誤中學習。」

——sir john templeton（著名投資者）

上篇文章講述了ltcm盛極而衰的故事，其實，這個故事或許還有另一種走向。

文藝復興科技公司renaissance technologies，同樣是由一群堪稱天才的高智商數學家和科學家組成，同樣是依靠演算法和模型進行交易，同樣取得了巨大的成功，創造過賺錢機器的神話。

然而，ltcm高開低走，成為歷史的註腳，後來人的警示，renaissance仍在續寫自己的傳奇。

儘管兩者有些許相似，但它們的不同之處才是成敗的關鍵。下面就從量化的角度來做一個對比和分析。

短期預測勝過長期預測

由於都採用演算法和模型進行交易，有些人把ltcm歸入了量化交易的範疇，這一點尚有爭議。

但從產品層面講，renaissance 和 ltcm的第一個明顯區別就是它們進行不同類型的交易，交易的持續時間也截然不同。

ltcm主要以政府債券對進行交易，這些交易需要幾個月的時間才能完成，因此需要在幾個月內作出準確的預測。而renaissance只持有幾天（有時甚至幾個小時）的交易，只需要全天的預測。

在其他條件相同的情況下，較短的預測周期意味著時間序列建模的訓練數據更有效。這讓renaissance能夠快速識別其模型何時在現實世界中出現偏誤。模型失效最危險的方式之一就是在回測中表現良好但在實際中表現不佳。renaissance 能夠在一兩天內發現經過回測驗證的模型是否在實踐中失效。

類似的失敗renaissance早年也有不少，但由於發現得很快，所以損失也比較小。

相比之下，ltcm 則需要幾個月的時間才能發現其模型在現實中與回測中的表現不同。當他們第一次注意到重大模型故障時為時已晚；由於已經積累了好幾個月的不良風險敞口，公司瀕臨破產。

克制的增長和規模控制

相對於業績上的巨大成功，renaissance的產品線增長卻很少。

renaissance始於大宗商品和貨幣交易，到 20 世紀 80 年代中期，它掌握了如何創造可持續但相對較小的利潤。為了增長，它需要開拓更大的市場：股票。renaissance對股票交易演算法進行了近十年的測試，發現了許多在回測中成功但在現實世界中失敗的演算法。

一些優秀的人才由於不斷嘗試又失敗產生的挫敗感離開了，還有人認為renaissance對股票過於謹慎，而另一些人認為股票問題無法解決。好在核心科學家團隊堅持了下來，他們終於找到了一種在現實中有效的演算法。這是數百次增量調整和錯誤修復的結果，而不是某個時刻的「頓悟」。renaissance在多年裡緩慢地擴展了這種股票演算法。

即使在擴大股票業務規模的同時，renaissance也採取了平衡措施以實現溫和增長。2003年，西蒙斯得出結論，renaissance管理的資金量超出了其模型可以從容分配的資金量，因此該公司停止吸收外部投資者的資金，這一決定多年來一直沒有改變。

相比之下，ltcm的產品類型可謂是全面開花。它最初專註於主權債務收斂交易，其他公司注意到了它的成功並開始複製其交易。ltcm 成立後 24 個月內，競爭的湧入導致其利潤下降，ltcm 便將目光投向其他地方，隨後開始大量投資與債券截然不同的雙重股權結構公司和併購套利。

實際上，ltcm未能在其核心產品中展示出可持續的盈利能力，並且轉向新的、甚至未經驗證的產品。這種舉措卻被外界和媒體視為成功的標誌。

對於時間序列預測產品來說，驗證成功是真實（而不僅僅是運氣）的最佳方法是在很長一段時間內證明在現實世界中的準確性。renaissance做到了這一點，ltcm卻沒有。

永遠不要因為直覺而懷疑模型，也永遠不要完全信任模型。

ltcm 成立之初，只專註於一種產品：由演算法生成的主權債務收斂交易。該公司深信其原創演算法的威力——它基於兩位諾貝爾獎得主的研究成果，並且擁有令人稱羨的業績記錄。只可惜，這個記錄是短暫的。基於很少的結果（由於交易的長期性），它就與幸運連勝沒有區別。結果，ltcm完全相信自己的模型。

從收斂交易擴展到併購套利和雙重股權結構公司，迫使ltcm更多地依賴其合作夥伴的直覺。

當然，ltcm為這些新產品構建了模型。但是，沒有模型來分配不同產品（資產類別）之間的風險，這部分的工作是由委員會完成的。風險分配最終反映了委員會成員的信念和內部政治。

例如，ltcm倫敦辦事處負責人在公司內有一定影響力，並對荷蘭皇家殼牌公司的特定交易充滿熱情。於是，儘管這筆交易風險高度集中且缺乏成功的經驗，ltcm還是投入了超過20億美元。

再來看renaissance。

西蒙斯在投資生涯早期曾因忽視演算法建議而多次受挫，在這個過程中，他認識到在模型出現嚴重問題時可以而且應該識別出來，停止按照其建議進行交易，並加以修復。同時，他也意識到，如果他對模型的決策普遍感到不舒服，但模型的決策又沒有明顯錯誤，那麼他的直覺就無法產生更好的結果。

在renaissance，關閉模型、調試然後再開啟是家常便飯，但推翻模型的建議是不可逆的；任何推翻決策的理由要麼必須嵌入模型本身，要麼就應該被摒棄。

renaissance也得益於其單一交易模型，該模型負責公司旗艦基金的所有決策。在軟體開發中，單一代碼庫已經成為一個貶義詞，但它為renaissance帶來了一個有趣的優勢：它迫使產品之間的分配權衡必須由演算法來管理。這與 ltcm 的人機混合模式不同，在 ltcm，模型挑選資產，但由委員會決定如何在不同資產類別之間分配風險。

差異化數據

最後一個將renaissance 和 ltcm區分開來的因素是renaissance 對差異化數據的關注。

renaissance 起步時專註於一種相對普通的數據類型：商品和貨幣的每日收盤價。這是其他交易者也會使用的數據。但renaissance意識到，差異化數據不僅意味著不同類型的數據，它還意味著與競爭對手相比，同一數據類型具有更高的質量和更廣泛的覆蓋率。

實際上，關注與競爭對手相同的數據類型是非常有意義的。

所有其他交易公司都重視這種數據類型，就說明這種數據類型提供了強烈的信號。而且，放大已知的有價值信號往往比尋找一個全新的信號要更容易且更有性價比。

renaissance通過搜集比競爭對手更久遠的每日價格數據、整合更多來源的數據，以及清洗和交叉檢查數據以消除錯誤值，從而放大了信號。

隨著公司的壯大，renaissance開始搜集新的數據類型：從日常收盤價到日內價格，到公司財務數據，再到自由文本新聞報道……

事後看來，很容易將renaissance的優點ltcm的缺點進行對比。但renaissance並非完美，而ltcm也有一些極具創新性、有價值的想法，在其倒閉後被其他公司悄悄採用。

現實世界是複雜的，但有一條簡單的經驗甚至適用於與金融或演算法無關的初創企業：在擴大規模之前，先做好核心產品。不要把媒體、投資者甚至客戶的讚譽與持續盈利的能力混為一談。歸根結底，這才是最終讓一個企業能夠掌控自己命運的關鍵所在。

本文僅代表作者觀點。