171
0大家好，我是点拾投资的创始人朱昂。这是一档关于人生和投资的播客，我们希望用投资来引导人生，也希望通过建立正确的人生观来更好的做投资。
今年的世界读书日，我们想聊一本很多人未必听过书名、但大概率听说过主人公名字的书——《征服市场的人》。
这本书写的是量化投资传奇人物詹姆斯·西蒙斯。
他创立的大奖章基金（Medallion Fund），在1988年到2018年的30年间，创造了惊人的年化回报。更重要的是，这并不是一个靠“灵光一现”完成的故事，而是一整套关于模型、概率、组织、迭代与纪律的方法论。
有意思的是，打造这台“史上最强印钞机”的人，30岁前几乎没买过股票。
他原本是数学家、密码破译者、大学教授，后来却带着一群数学家、物理学家和计算机科学家，走进了充满贪婪与恐惧的金融市场，建立起了一套尽量排除情绪、只尊重数据的交易系统。
这本书表面上写的是量化投资，往深一点看，写的是：
市场能不能被建模？为什么“拍脑袋”决策不靠谱？概率优势到底是怎么一点点积累出来的？
🎙️对话人：
朱昂：点拾投资创始人，资深金融从业者，专注于基金经理访谈与研究。
杨柳：中欧基金量化投资部系统化投资组组长。
🎯时间轴：
Part1 从“神”到“人”：《征服市场的人》为什么比想象中更值得读？
世界读书日，为什么要从《征服市场的人》这本书聊起？
传奇历史到职业种子：杨柳为什么对西蒙斯有天然共鸣
一本好传记的意义不是造神，而是把传奇重新还原成“有血有肉的人”
西蒙斯留下的三点方法论：相信模型、组织天才、长期迭代
Part 2 市场真的可以被“算出来”吗？量化投资的起点是先相信“规律存在”
从破译密码到建模市场：量化的最早雏形
杨柳的从业经验：从幻想一个完美模型，到接受模型必须不断迭代
从隐马尔可夫到神经网络，量化是一套不断升级的方法体系
一旦把“人”放进模型，不稳定的变量可能就出现了
市场到底可不可以预测？不能100%，但可以争取提高概率
AI时代来临后，是否让“非线性建模”能力变得更强？
算力爆发之后，AI对非线性关系的建模能力被大幅放大
Part 3 量化投资是怎么赚钱的？为什么“团队”比天才更重要？
文艺复兴的关键转折：凯利公式 + 高频交易
对量化来说，真正重要的不是“每次都赢”，而是如何找到独立事件、重复下注
金融市场最难的两个问题：噪音太多，以及规律本身会不断变化
“独立性”：真正的分散，不是买得多，而是彼此足够独立
技术分析 vs 量化：K线、统计模型、机器学习并不是敌人，关键在于你怎么理解
量化投资追求的阿尔法从哪来：风险溢价、信息优势与模型优势
西蒙斯真正厉害的地方，也许不只是模型，而是“组织高密度人才”的能力
文艺复兴和中欧基金的共同点：把聪明人组织成一个系统
中欧量化团队协作逻辑：不靠个人英雄，而是让平台持续进化
Part 4 从科技创新到AI量化：量化会被改写吗？
技术进步既带来赋能，也带来竞争——工具越来越强，门槛也在被重塑
今年以来AI的投入产出比已经到了一个转折点，初级量化研究的门槛正在降低
“端到端”是终局，但在那之前更重要的是如何给模型“加约束、给路径”
中欧量化的进化：基本面量化1.0 → 量价因子工厂 → AI端到端
量化如何解决“阿尔法与容量的矛盾”：目标是找更稳的因子，做更优的交易
《征服市场的人》前半本讲“如何赢市场”，后半本回到“如何理解人生”
这不是一本“三天学会量化”的手册，而是一本关于热爱、挑战与坚持的书
真正支撑一个人走下去的，不只是方法，而是对这件事本身的热爱
关键词解释：
大奖章基金（Medallion Fund）：文艺复兴科技旗下最著名的基金产品。
韦布伦奖（Veblen Prize）：数学领域重要奖项之一。
Money Matrix / Monemetrics：西蒙斯早期投资公司的名字，带有“金钱 + 数学/度量”的含义，是文艺复兴科技前身阶段的一部分表述。
文艺复兴科技（Renaissance Technologies）：西蒙斯创立的量化投资机构。
隐马尔可夫链（Hidden Markov Chain ）：一种用于处理状态转移和序列问题的统计模型，常用于识别“表面看不到、但可能在变化的状态”。
马尔可夫模型（Markov Model）：核心思想未来状态与当前状态有关，而不完全依赖更久远的信息。
凯利公式（Kelly Criterion）：用于决定在不同胜率下如何分配下注比例。
江恩理论 / 江恩公式（Gann Theory）：由技术分析师威廉·江恩提出的一套市场分析方法，强调价格与时间的关系，试图通过几何角度、周期和比例来预测市场走势。
风险提示：基金有风险，投资需谨慎。以上内容仅供参考，不预示未来表现，也不作为任何投资建议。其中的观点和预测仅代表当时观点，今后可能发生改变。未经同意请勿引用或转载。
