文艺复兴科技公司

我以前总把 Renaissance 拼错。我打字时会写成“Reen”，然后就不知道后面该怎么拼了。后来我学了个记忆口诀，才确保自己能拼对。

哦，我还以为你会说，你这个月已经打了这么多遍，现在终于记住了。

那也算一个原因。不过，准备好听这个了吗？Renaissance（文艺复兴）这个词里就有 AI。

哦，这句妙。妙啊。好，开始吧。

欢迎收听《Acquired》第 14 季第 3 期。这是一档讲述伟大公司，以及它们背后的故事和经营秘诀的播客。我是 Ben Gilbert。

我是 David Rosenthal，我们是你们的主持人。

David，人们常说，作为投资者，你不能跑赢市场，也无法择时；与其主动挑选股票，不如买指数基金、定期定额投资。他们还说，对冲基金没有持续的超额回报，今年的大赢家明年可能就成了大输家；不承担巨大风险，就不可能获得巨额超额收益。

我上大学时上过一门经济学课，老师是 Burton Malkiel——你当然知道，他参与创办了 Vanguard，也是这些观点的大力支持者。这就是我学到的东西。

David，结果事实证明他们错了。今天，各位听众，我们要讲述历史上表现最出色的投资公司——文艺复兴科技公司，简称 RenTech。它管理数十亿美元，三十年来的回报超过了你听说过的任何一家机构，包括伯克希尔·哈撒韦、桥水、乔治·索罗斯、彼得·林奇以及其他所有人。

哦，我们会在节目快结束时详细聊这件事，因为我觉得这可能是理解整件事的关键。

哦，卖个关子。David，我很期待。那么，Renaissance 到底做什么？为什么有效？又是怎样一步步发展成今天这样的？关于它的资料相当稀少，因为员工签署的是终身保密协议。David 和我会把研究所得都讲给大家听，从 Jim Simons 成为数学教授之前的经历讲起，帮助大家理解这一切。这期节目由《Acquired》的有限合伙人投票选出。说实话，我起初觉得知道 RenTech 的人还不够多，大家可能不会选它；但投票结果说明大家已经作出了选择。

邮件里还会透露下一期节目是什么，也会补充之前节目的一些后续信息。比如这次有位听众 Nicholas Cullen 给我们写信，找到了控股家族股东 H51（公司名称字幕听写待核）的章程原始文件。我们在最近一期邮件里附上了链接。听完这期之后，也欢迎到 acquired.fm/slack 和我们聊聊。

如果想听更多 David 和我的节目，可以看看《Acquired》的衍生节目 Acquired 2。最近一期请来的是 L. Bier nson，他带领团队开发了 Novo Nordisk 最早的一批 GLP-1 药物。如果你喜欢 Novo 那期，这一集会是很棒的后续。开始讲故事之前，我们先简短介绍本季的冠名赞助商。

本季的冠名赞助商是摩根大通，具体来说是他们很出色的支付业务。

没错。就像我们常说的，每家公司都有自己的故事，而每家公司的故事都离不开支付。摩根大通支付业务参与了《Acquired》里很多公司的发展，不只是《财富》500 强企业。他们也帮助公司从种子阶段一路成长到 IPO，甚至更远。

有了这些说明，请记住，本节目不是投资建议。David 和我可能持有节目中讨论的公司的投资，也可能希望自己持有。本节目仅供信息和娱乐之用。David，我们从哪儿开始讲这个故事？

好，我们从 1938 年说起。James Simons 出生在马萨诸塞州纽顿市，那是波士顿外一个相当富裕的郊区。Jim 的父母都非常聪明，尤其是母亲 Mara。他父亲是 20 世纪福克斯电影公司的推销员，工作是跑遍东北部各地的电影院，向它们推销整套电影片单。顺便说一句，这些情况我们要感谢 Greg Zuckerman。他写了《破解市场的人》（The Man Who Solved the Market），这是目前唯一一本专门讲 RenTech 和 Jim Simons 的书。我们研究时还和 Greg 聊过，他帮了我们很多，也帮忙核对了书出版后发生的一些事。谢谢 Greg。

Jim 的外祖父 Peter 很有个性。他是俄罗斯移民；用 Greg 在书里的话说，那时他身上俄罗斯的味道，甚至比波士顿还浓。Peter 很喜欢给 Jim 和表亲们讲故国的故事，里面有狼、女人、鱼子酱和伏特加。他还在工厂里教小 Jim 说俄语短句，比如“给我一支香烟”和“亲我的屁股”。我想 Jim 后来一辈子大概都说过这两句几千遍。

我觉得是。所以你看 Jim 的访谈时，会发现他的手总在抽动，因为他一辈子都在不停抽烟；很可能从十岁左右在工厂时就开始了。他一天抽三包 Merit，难以置信。虽然我想他晚年戒了烟，但在生命前 75 年左右，他确实大半时间都在连着抽。RenTech 的会议室和作战室也有些有名的故事：市场剧烈调整时，屋里烟雾缭绕，Jim 本人也在里面。这是另一个时代了。

对，这两者的区别很重要。

非常重要。他说自己对生意没兴趣，是因为他很小就迷上了数学。传说 Jim 四岁时就碰上了古希腊哲学家芝诺的著名悖论。

对，这很棒。芝诺悖论大意是，如果你把一个量不断除以二，就永远到不了零；它会渐近地靠近零，却不会真正碰到零。要做到那一点，你得用加法或减法，光靠除法不行。

所以 Jim 四岁时看到他们要去加油站加油，就提出：“那我们只用掉油箱里一半的油吧，因为这样之后我们仍然能再只用掉一半……”

……油箱里的油。好笑的是，四岁的小孩不会想到：那样的话，我们就走不了多远了。Jim 的梦想是去剑桥的 MIT 学数学。他只用三年就读完高中；在 MIT 大一第二学期，他就选修了一门研究生数学研讨课，内容是抽象代数。真厉害。

是啊。

Jim 后来三年读完 MIT 本科，又用一年拿到硕士学位。

真聪明。

但后来证明，他大一时上的那门研究生研讨课对他影响很大，因为他学得不好，跟不上进度。Jim 对自己很有认识。他看到 MIT 的其他一些人似乎从来没遇到难题，理解任何概念都不费劲；而他意识到：“哦，我很聪明，非常聪明，比这里大多数人都聪明；但我不是那种人。”那么，你该怎么面对这条信息？你会意识到，得把几项技能组合起来，才能在某个领域做到最好：不只是聪明，还得有别的本事。

没错。他高中时当过班长，会抽烟，受女生欢迎，长得有点像 Humphrey Bogart，是个很受欢迎的人。尤其那时已经是 20 世纪 50 年代后期，Jim 正在 MIT 念书；那很像 James Dean 和《无因的反叛》的年代。

对。毕业后，Jim 带着朋友们骑着摩托踏板车出发旅行。这故事简直编不出来：他们从波士顿一路骑到哥伦比亚的波哥大，其中一位同学来自那里。他们的想法是，做一件足够惊人的事，好让报纸不得不报道。于是大家骑上踏板车一路南下波哥大，途中经历了各种冒险，还出现了刀和枪……

后来他们被扔进了监狱。说真的，这群人竟敢冒这种险，实在太疯狂了。真的太疯狂了。所以……

MIT 毕业、骑行旅行结束后，Jim 前往加州的伯克利，跟着 Shing-Shen Chern 教授攻读博士学位。很多年后，Jim 和 Chern 合作提出了 Chern–Simons 理论，也就是我们前面提过的、后来成为物理弦理论基础之一的理论。

这就是当时的 Jim。那时候就是这样。

到加州结婚后，Jim 把他们得到的 5,000 美元结婚礼金——我相信是女方父母给的——拿来想办法增值。他每天早上从伯克利开车去旧金山，到美林证券的经纪业务办公室闲逛，像个小跟班一样守在那里，寻找交易机会，好把这笔钱变成更多的钱。

没错。那时可不能登录 Yahoo Finance，也不能打开 iPhone 上的股票应用程序。即使他们能拿到信息，谁知道这些数据比纽约或芝加哥——那里交易期货和大宗商品——延迟了多久？Jim 已经尽可能接近行情现场了，但其实还离得很远。

是啊。尽管如此，Jim 刚开始交易时赶上一波顺风，几天里赚了 50%。

Jim 后来回忆说自己上了瘾，那感觉像一阵刺激。

我敢说是。

只是他很快就把赚到的钱全赔回去了。

这堂课早点学到很重要。

是啊。差不多就在这时，他的妻子 Barbara 怀上了第一个孩子。她大概会说：“你不能每天早上开车去旧金山，像赌马一样拿我们的未来下注，对吧？”

确实。

Jim 于是说：“好吧，好吧，我不做了，先专心学术。”他两年后完成博士学位，夫妻俩回到波士顿。Jim 23 岁时加入 MIT，成为初级教授。他们在波士顿待了一年。Jim 虽然已经成家，在学术上也很成功，但还是坐不住。他骑踏板车去波哥大的朋友就是波哥大人，家人也住在那里。他有个想法：开一家地板瓷砖制造公司，因为“MIT 和波士顿的地板比波哥大的漂亮多了。我们应该在那儿开家公司，生产同样的地板。”

对，确实如此。

他在那里做了一年，把公司搭建起来。后来他又觉得无聊，想：“好吧，我不想只经营这家公司。我帮忙把它办起来了，现在也有了所有权。”于是他又回到波士顿，这次去哈佛当了一年教授。他履历上的教职越来越多；在哈佛待了一年后，他就想：“唉，我得到了……”

……又开始坐不住了。初级教授的薪水也不高。就像我们从他童年时说起的那样，他看得出富有的吸引力；他觉得这条路可发不了财。于是他想把自己的本事放到公开市场上试试，在新泽西州普林斯顿找了份工作——不过不是在……

……普林斯顿大学，不过他加入的不是大学，而是国防分析研究所（Institute for Defense Analyses，IDA）。这是一家非营利机构，只为美国政府提供咨询，具体来说是国防部，尤其是国家安全局。里面是民间密码破译人员。

对。这个组织成立的想法，一是让政府不同部门之间更好地协作，并为相同项目协调资金；二是政府会想聘用许多不在政府任职的人，来做一些高度机密的工作。

对。位于普林斯顿的 IDA 有点像同在普林斯顿的高等研究院，爱因斯坦来到美国时就去了那里。它像一个独立的智库和研究团体，只不过完全专注于密码破译，以及冷战期间针对俄罗斯人的信号情报工作。这家机构的章程很特别，它的工作方式也很特别：这些人一部分时间做密码破译，另一部分时间则可以自由发挥，因为数学家一起做自己感兴趣的项目，有助于激发创造力，发现巧妙的新算法。

对，这点特别关键。

这种文化后来几乎原封不动地带进了 RenTech。IDA 当时——我猜如今也还是这样——招募顶尖数学家和学者去做密码破译，给他们的薪水翻倍。重要的是，如果它是政府的一个部门，就不可能这么做，因为工资预算有国会批准的具体限制。

没错。他们明白，要吸引世界上最聪明的人才，不能只让他们去国防部工作。

正如你刚才说的，Ben，这个组织的章程规定，员工一半时间必须做密码破译；另外一半时间则可以做任何自己想做的事，比如研究、继续学术工作、发表论文。这很吸引人：就像在 MIT、普林斯顿或哈佛当教授，只不过你做的是密码破译，而不是教书；不用操心官僚流程，也没有办公室政治。你只管完成密码破译工作，然后发表成果，还能和同事合作。

对。Jim 到 IDA 后没多久，发生了一件很不可思议的事。记住，他那时正处于想赚钱的阶段。他找来一群非常聪明的同事，利用他们那一半自由时间，把密码破译和信号情报用的相同技术应用到股票交易上。于是他们合作发表了一篇论文，题为《股票市场行为的概率模型与预测》。这篇论文里提出的东西，本质上就是 RenTech，只不过比 RenTech 早了 20 年，太不可思议了。

这篇论文发表于 1964 年。

对。那时——其实今天世界上大多数地方仍是如此——投资的主要方式是基本面分析：比如我了解这家公司，就去分析它的营收和估值倍数；或者研究外汇市场、商品市场发生了什么，为什么铜价在这里动、英镑在那里动，然后依据这些判断去投资。

基本面投资者实际上是在估算一项资产的内在价值，再据此定价和投资。

对。60 年代也有技术派投资，有点像巫术：看着股票走势图，凭感觉觉得它要涨——“我追踪到这个形态了，它要涨了，宝贝！”或者“不对不对，这个形态说明它要跌。”

把它叫作“技术分析”也许有点抬举了。但他们要找的，基本上是从交易行为中挖出信号，以此推断未来的交易走势；而不是从资产的内在信息中推断未来价值。Jim 和同事提出的，是把这套做法交给计算机去完成，而不是靠人眼判断：用更多数据、更先进的信号处理技术。

数学模型、统计分析——今天我们经常听到这些，因为现在机器学习已经成了常见概念。

对。他们在 IDA、后来又在 RenTech 做的，正是早期机器学习。Jim 有个极其出色的洞见：这些方法和技术可以用来投资。也正好到了该聊……

……我们的本季冠名赞助商——摩根大通支付业务。金融业创新史很悠久，可以追溯到真正的文艺复兴时期：复式记账法和信用证改变了全球贸易和经济发展。摩根大通支付业务今天的技术投资，延续了这一传统。它们每天安全地处理 10 万亿美元的资金流，相当于全球所有美元流量的四分之一。想想这有多大的数据量：每秒 5,000 笔交易。这对全球经济非常重要。

对。我们为这段内容做准备时发现一件挺惊人的事：美国财政部已经开始用 AI 检测可疑支票欺诈，并在 2023 年借助新工具追回了超过“375 m billion dollars”——原字幕的数字单位听写含混。美国财政部每年支付数万亿美元，因此如果他们继续采用这样的新技术，追回的金额可能累计达到数十亿美元。

那这和摩根大通有什么关系？财政部最近选了摩根大通，为联邦机构提供账户验证服务。显然，在如此巨大的规模下，支付合规和不当付款问题都是他们关注的重点。因此，无论你是全球最大型的机构之一，还是像我们《Acquired》这样的小企业，摩根大通都能给你安心和保护。

没错。RenTech 和摩根大通支付业务还有一个共同的经营秘诀：它们都会分析数据，发现你原本想不到去寻找的模式和洞见。他们有一家家具店客户发现，顾客如果也去宠物店购物，消费金额会比平均顾客高 76%。于是这家家具店为这群顾客推出了宠物友好型家具。这类洞见正是推动增长的力量。

顺便告诉听众，现在是反欺诈月。想了解更多，也可以在 LinkedIn 上关注摩根大通。好了，David，这篇论文……

……发表之后，他们就要靠这种密码破译、信号处理和数据分析的方法在股市交易，赚很多钱。

对。所以自然会问：他们要用什么模型？具体怎么做？IDA 当时有位员工，也是组织内部这个“反叛小团体”的一员，名叫 Lenny Bal。碰巧他是某种数学概念——马尔可夫模型，尤其是它的一个版本“隐马尔可夫模型”——的世界级专家。

我记得大学二年级的一门计算机科学课上，我做过一个马尔可夫链作业：写 Java 程序读入一本公版书，然后给它一个种子词，也就是某个句子的第一个词，再按回车、回车、回车、回车。程序会沿着概率树搜索，根据刚读过的语料库，给出最可能的下一个词，生成一句话。这感觉像魔法。当然，早期这种粗糙的马尔可夫链——比如我大学时写的那个——生成的往往是一堆胡言乱语；后来它才发展成今天的 LLM。

对，就是这样。他们当时在 IDA 用它做密码破译，也在那篇论文里提出把它用于股市。

没错。把它用于投资，就像棒球一样：即使你不知道规则，只要看过足够多场比赛，就能根据当前状态猜测接下来各种情况发生的概率。投资，或者至少股市波动，也很像这样：你不知道未来会怎样，不知道股票 X 会不会影响股票 Y……

……你也不知道这些公司怎样开展业务、哪些人同时持有两家公司的股票，或者它们之间有什么联系，所以无法百分之百确定接下来会发生什么。不过，如果你收集足够多的历史数据，掌握过去每一种状态下的概率分布，就能作出有根据的猜测，至少能理解今天这种状态下各种结果可能出现的概率。

对，正是这样。

Jim、Lenny 和这群人因此特别兴奋：“太好了，我们去募集一只基金，用这套策略投资市场吧。肯定能募到钱，也肯定能赚很多，因为我们的想法这么棒。还能有什么问题呢？”

是啊。

最后他们放弃了这番努力，一方面是因为筹不到钱，另一方面是 IDA 已经发现此事，而且上司们并不高兴。

但没过多久，Jim 还是离开了。越南战争爆发；从他的背景可以想见，他并不支持这场战争。那时，Jim 在《纽约时报》发表了一篇评论文章，谴责越战。他的意思大概是：自己虽然在国防部体系里工作，但并不是国防部里的每个人都支持战争。以为在《纽约时报》上发篇评论不会给自己的工作惹麻烦，也太天真了。

对。

于是 Jim 在 1967 年被解雇了。尽管他是明星密码破译员，据说为小组作出了巨大贡献——这些贡献至今仍属机密——但他 30 岁，有妻子和三个孩子，突然就失业了。虽然他极其聪明，同事也很喜欢他，可他先后离开 MIT、离开哈佛，又离开了看起来像是最终归宿的 IDA，如今在那里也被赶了出来。他的工作机会并不多。

这可不是哈佛，也不是 MIT。

当然不是。但它有一项很重要的优势，这也是 Jim 最后去那里的原因：当时的纽约州州长 Nelson Rockefeller 发起了一项大规模计划，原字幕中听写成“……million”，具体金额无法判读；他的目标是把纽约州立大学的长岛校区打造为数学强校，成为“东部的伯克利”。

我还以为 MIT 已经是东部的伯克利了。

不过 Rockefeller 正在推动石溪成为数学和科学重镇，而 Jim 是关键人物。否则他们根本请不到 Jim 这样的人；但他的职业履历刚受挫，这位极有才华的数学家就成了可以说服来担任系主任的人选。

对。

他们基本给了 Jim 不受限制的预算和自主权，让他到全国、乃至全世界的数学系去挖教授，带他们到长岛。Jim 招人时会用金钱，比如老办法：“我给你加倍薪水。”但另一部分是，他有很大的自主权；石溪也和 MIT、哈佛或普林斯顿的政治环境完全不同。他会说：“来这里，我给你更高的薪水；更重要的是，你可以专心做研究。不用参加各种委员会，不必处理那些琐事，这里没有那些东西。你可能还要教一点课，但那不是重点。”Rockefeller 未必想把石溪办成优秀的教学型大学，他只想把人才聚集在那里。

对。

令人惊讶的是，这还真奏效了。Jim 开始招来许多优秀人才，包括从康奈尔大学来的 James Ax；他是代数和数论领域的超级明星。他在石溪招兵买马，建起了世界上最好的数学系之一。

真不可思议。

完全不可思议。但非常有 Jim 的风格，几年之后……

……这件事，还有他和 Barbara 的婚姻也开始破裂。他再次感到坐立不安，决定休学术假，回伯克利和以前的导师重聚，在加州海岸待一阵子。Chern 和 Simons 就是在这段时间合作，提出了 Chern–Simons 理论。这项工作后来获得美国数学学会几何学领域的最高奖项，也成了 Jim 在数学上的个人印记之一。

对。

也差不多在同一时期，那家哥伦比亚的地板公司被收购了。Jim 和几位合伙人因此赚到不少钱。Jim 刚离婚，在学术界又开始感到坐不住。他想起了自己在 IDA 时的构想：如果有资本，就能怎样在市场里投资。他重新开始交易，而且越来越投入。

……他离开石溪，开始全职交易，这震惊了整个学术界。要记得，他在那里组建了一支超级明星团队。Greg 的书里引述了一位康奈尔数学家的话：Jim 这么做，是堕落了，是把灵魂卖给了魔鬼。

对。

数学界当时确实认为，做投资就是浪费天赋。那时这还不像今天这么常见；Jim 是第一个这么做的人。离开学术界去做任何商业工作，都被视为辜负人类；而去投资几乎被看成肮脏的事，像是给富人玩的游戏，对社会毫无价值。

没错。我倒不觉得其他数学家怀疑这件事能不能做成；他们或许会想：“哦，这也许能成。”但态度更像：“哎，学者通常更看重声望而非金钱。我完全能想象其他人说，‘我想做的话也能做，不过我有更高尚的使命。大家也尊重我追求这个使命，我看重的是自己发表的论文和获得的奖项。’”

对。还有一点要说，石溪是个很好的地方，只不过它在长岛北岸的中心地带，不是汉普顿，更像长岛林木茂密的郊区。Jim 就在一家比萨店旁边的条形商业区里，搭建自己的交易业务。他很机智地把公司叫作 Monometric，是 money（钱）和 metrics（指标）的组合，也可以说是 econometrics（计量经济学）的变形。

是啊。

这些人对 Jim 的忠诚甚至超过对石溪的忠诚；但眼下他们仍然更忠于学术界，而不是金融业。在 Jim 开辟这条道路之前，这并不是一条现成的职业路径。不过其中一些人，尤其是超级明星 James Ax，Jim 说服他加入交易团队。于是有了 B、Ax 和 Simons，突然之间这就是一支在数学界极有声望的队伍。

是声望极高。他们三个人的名字，都出现在很多数学家每天会用到的定理里；如今三人竟然在同一家公司做交易。

而且由 Jim 领头。其他人尊重他，把他当作学者；更重要的是，他们愿意为他工作、仰慕他，也觉得他很酷。他走到大家面前说：“我觉得我们现在可以赚到钱。”

……单个掌控货币政策的政府官员会怎么做。正如你刚才说的，影响价格的信号很少，本质上就是猜一个人会采取什么行动。

对，这点非常重要。

他们当时已经搭起了定量分析方法的早期模型、基础设施和框架，但实际下单还是完全靠人工。整体上，他们仍然采用基本面分析：从模型里取一些信号，看看模型给出的结果是否有意思；但除非他们能说“对，我知道这里发生了什么，我有个假设”，否则不会据此行动。计算机并没有自行决定或执行交易，只是在提出模式和想法；Jim、Lenny、James 还得决定是否照着做，还是采取他们认为完全不同的行动。

是啊。

Jim 虽然是这群人的领头人，但也远没有确信自己应该把全部身家都投进这件事。他会想：“嗯，这挺有意思，我们正在搭建东西、做实验，太好了；但我也想把钱放到别的地方去，分散一下风险。”于是 Howard Morgan 出场了。

对。

接下来事情是这样发生的——外面的人对这段经过有很多误解。Howard 当时是宾夕法尼亚大学的计算机科学和商学院教授：他在 Penn 教计算机科学，在沃顿商学院教商科。他还参与把 ARPANET 引入……

……宾大。他是早期互联网的先驱，因此和科技圈、早期创业公司以及最初的互联网项目联系很紧密。Jim 对和 Howard 一起投资很感兴趣，于是两人想：“也许我们可以合作。”

太不可思议了，两种业务竟然在同一屋檐下。不过了解整段历史后，倒也说得通：他们投的是自己的钱，是 Jim 和他的朋友、Lenny、James、Howard 的钱，没有机构资本；他们不是出去向有限合伙人推销“请投资我的多元化策略，包括货币交易和私营科技创业公司”。

是啊。他们说的“多策略”确实是多策略。我们之后再聊今天的多策略具体指什么；在 RenTech 早期，投资组合一半是风险投资，一半是货币交易。

这太疯狂了。市场里始终有爆仓风险，但这种事确实发生在 RenTech 身上。由于我们很快讲到这里，人们可能会想：“那条款真够严厉的。”其实之前已经好几次出现这种情况的苗头。Simons 找 Lenny 说：“也许我们该止损，卖掉这些仓位也没关系。”但 Lenny 完全不为所动，坚信自己的判断，最终就会陷入触发这种协议条款的处境。

对。这也再次说明，他们当时并没有真正做基于模型的量化交易，更多是凭直觉。

所以有一段时间，RenTech 几乎完全成了一家风险投资公司。风险投资这边的一笔投资是 Franklin 字典。

Ben，你记得 Franklin 电子词典吗？

那曾是他们最大的投资之一。就这一笔投资而言，它占 Jim 净资产的一半。

什么？那是在交易业务低迷的时候吗？

对。

我完全不知道，太夸张了。

所以 Greg 在书里说 Jim 当时专注于风险投资；外界的说法也大多是这样。但他专注于风险投资，是因为那是唯一能赚钱、也确实在赚钱的业务。我的意思是，只有这一块有优势，因为 Howard 能接触到项目来源……

他们在全球货币市场肯定没有优势。我想，可能部分因为交易亏损，James Ax 也开始有点泄气。他告诉 Jim，自己想和 Sandor Strauss 搬去加州。Sandor 当时也在团队里，是另一位石溪校友。他们想去加州在那里做交易。

Jim 说：“行，没问题。我和 Howard 在这里做风险投资，你们不如去加州创办自己的公司。”他们确实这么做了，公司叫 Axcom。

……Axcom。他们会和 Axcom 签合同，让 Axcom 管理 RenTech 剩下的交易业务。这是一种有意思的保持独立的安排：Jim 以持有 Axcom 一部分股权为交换，签下一份非常优惠的合同——文艺复兴筹集了一笔资金，聘请 Axcom 管理；但技术上说，这笔业务不是 Renaissance，而是 Axcom 这家独立公司在做量化交易。

对，我想 Jim 持有 Axcom 四分之一，是这样吗？

是的。重要的是，我不认为当时有人知道 Axcom 会变成什么样，也不知道它会赚钱赚得那么夸张。

对。没人知道即将发生什么；要是知道了，他们就不会把公司拆分出去。

Ax 和 Strauss 到加州之后，Strauss 主要负责计算和数据基础设施；他在石溪做的就是这方面的工作，加入 Renaissance 后也负责搭建这些东西。他开始热衷于数据，收集证券的盘中价格变动。当时我想，市面上数据供应商能提供的最好内容，大概只有证券的开盘和收盘价格。Strauss 想办法拿到了类似逐笔记录的数据，差不多每 20 分钟一条，记录证券全日的价格变化（原字幕如此，未据音频核验）。

没错。他是在做数据抽取、转换和加载（ETL），那时还没人知道 ETL 是什么。

而且没人要求他这么做，只是出于自己的兴趣，甚至近乎痴迷：如果要用数据，就应该把格式、内容和标签都整理清楚。

Claude Shannon 又出现了。我知道，我们在高通那期聊过他。他是信息论之父，也是吸引众多人才来到 MIT 的核心人物，为后来电话技术和广义电信产业铺了路。想想 Bur Camp 曾在 MIT 和 Claude Shannon 有过交集，真酷。

太酷了。对他们这项用途最重要的是，Camp 曾和 John Kelly 合作；Kelly 提出了 Kelly 准则，用来确定下注规模，扑克玩家大概都很熟悉。

对。有了 Strauss 提供的深得多、好得多的数据，又有 Bur Camp 加入，与 Ax 一起改进模型，并提醒他们：模型给出交易信号后，还得把下注规模控制好。之前他们可能还比较粗糙：每笔交易都下相同金额？总之，开始更系统地处理这个问题后，模型终于开始奏效。

对，这是转折点。到了 80 年代中期，Axcom 交易业务的内部收益率（IRR）达到 20% 以上。不一定能超过风险投资的 IRR，但它流动性好、表现也可靠……

问题就在于，他们还不知道这些回报有多可靠。虽然已经连续几年取得不错的成绩，但还得弄清楚：长期来看，它们和股市到底有多不相关？这些回报有多可预测？还是说只是方差特别高？不过早期结果确实很好，Jim 和 Bur Camp 尤其受到鼓舞。

这太疯狂了，难道不惊人吗？

太疯狂了。Howard 把风险投资业务拆分出去后，Jim 决定再设一只基金，由 Renaissance 和 Axcom 合资。他们打算用 Jim、James、Bur Camp 等这些声望卓著的数学家职业生涯中获得的奖章，给新基金命名。于是他们称它为 Medallion Fund。

Ben 和各位听众，我们终于讲到故事里最重要的部分了。Medallion 基金是 RenTech 的皇冠明珠，甚至可以说是公司唯一真正有意思的业务。它源于这样一个发现：Axcom 那边做的事太有意思了，也许不该把它完全放在外面，而应该把它更深入地纳入 Renaissance；说到底，我们不该那么早放弃量化交易策略。

对。我不知道 Strauss 如果早几年开始做数据工程，能不能实现这些。

是啊。不过在讲 Medallion 基金即将开始、并延续至今的那段不可思议的表现之前，现在正好来听一段关于 ServiceNow 的故事。ServiceNow 是我们第 14 季的重要合作伙伴，是一家了不起的公司。

没错。

ServiceNow 通过数字技术改造企业，帮助自动化流程、改善服务交付、提高运营效率，所有这些都集成在一个智能平台上。《财富》500 强里有超过 85% 的公司使用他们的产品。他们迅速跻身 Microsoft 和 NVIDIA 之列，成为当今世界最重要的企业软件公司之一。

对。

我们《Acquired》也经历过类似过程，David：如果当初不叫《Acquired》，不专门讲技术公司的成功收购，我们也不可能逐渐扩展成今天这档讲述伟大公司的播客。你不能一开始就什么都做。

正是如此。我觉得这对听众来说是个很棒的经营秘诀：不能随便挑一个用途，必须有策略地选择。IT 服务管理是完美的垂直切入点，因为企业其他所有部门——从 CEO 往下——都要和 IT 部门打交道。IT 服务管理一旦迅速改善，原来要等很久的支持工单现在神奇地解决了，这就为其他部门铺了路，让他们也会说：“我们或许也该用 ServiceNow，提升服务水平，实现数字化转型。”

对。其他部门决定加入 ServiceNow 平台后，谁负责为他们部署？当然是 IT 部门——他们本来就是 ServiceNow 的忠实用户。

说实话，我不确定历史上还有哪个企业软件公司的经营策略比 ServiceNow 更出色。它先在 IT 部门站稳脚跟，然后把同一平台用到人力资源，提供员工体验；用到客户服务管理，处理客户服务请求；再用到财务部门，处理监管报告、审计和费用审批。现在他们又在加入 AI，这将……

……把一切提升到新水平。

没错。

想了解 ServiceNow 平台及其经营秘诀，看看它如何改造你的企业，可以访问 servicenow.com/acquired。联系他们时，就说是 Ben 和 David 推荐的。

他们有了一个全新的计划和愿景：Medallion 基金。可惜基金刚成立时就碰了壁，Ax 最后开始精疲力竭。但 Bur Camp 说：“不，不，不，这只是异常，我们会解决。我真的相信，我们用这些模型做的事会特别赚钱。”于是他在 1989 年夏天买下 Ax 的大部分股份，把办公室搬到伯克利。

Bob Mercer 后来有句很有名的话：“我们的判断有 50.7% 的时间是对的。”我觉得他可能是为了说明问题，随口编了这个数，不过即使你只在 50.7% 的时候判断正确，也能赚到几十亿美元。

是的，这确实说明，一旦有一点优势，关键是别下太大的注，让几次不顺就把你打到归零；同时还要确保自己能一遍又一遍地参与游戏。

对，还要回到 Kelly 准则，随着下注不断调整每次的金额。

当然，这些想法抽象来说很好：假设你就坐在赌场里，能够完美下注，再直接走到柜台兑换筹码。市场却不同，存在真实的交易成本。特别是在那个年代，还没有后来那些创新的交易模式，比如订单流付费和零交易费。每做一笔交易都有实际成本；而且你会因为下单而改变市场价格。

对，这就是滑点。还有各种现实问题，比如别人可能抢先交易。这不是把程序运行起来就行；作交易决策时必须满足现实世界的约束。

与其下几笔大注，他们会做 100,000 笔小注。随着时间推移，量化行业不断发展、变得复杂，我认为最终限制交易速度的特别重要因素会是滑点：规模一旦到了一定程度，你的交易本身就会推动市场。更深一层……

……进入订单簿。假设你想买 500 万美元的某项资产。你最初买的 10 万美元，可能还能按报价成交；但等你买到最后 10 万美元时，价格也许已经变得很不一样了。

对，我们马上还会回到这个问题。这对早期 RenTech、乃至今天整个量化金融行业来说，都极其重要。

David，这也以一种很粗略的方式呼应了我们上一期讲的 Hermès：如果家族打算把公司卖给 Bernard Arnault，最早愿意卖出的那位家族成员可能拿到最高价，之后价格会逐渐下降。因此，在订单簿里排第一个，而不是最后一个，可能更有利。

是的。我觉得过去几年我通过《Acquired》和自己投资，逐渐学会了一点：每个市场都受供给和需求影响。你可以看报价、估值和价格走势，但那有时就像只看平均值一样，会让人误判。

没错。你不该只看某项资产的报价，还应该看愿意买进的数量、愿意卖出的数量，以及所有买家和卖家各自愿意以什么价格成交。股票图表上显示的只是当前股价，但它没有呈现表面之下的情况：那里有很多买家和卖家，他们的出价意愿各不相同，想买卖的数量也不一样。

对。Medallion 刚开始奏效时，大约是 1989 年底、1990 年初，基金规模还很小，所以滑点暂时不是大问题。

是啊。1990 年，Bur Camp 买下 Ax 的股份后，Medallion 管理的资金大约是 2,700 万美元。那是基金的第一个完整年度，收益率达到 77.8%。

77.8% 是扣费前的总回报；扣除费用和业绩分成后，净回报仍有 55%。

这时费用和业绩分成是多少？这两个数字无论哪一个，都已经是极其惊人的回报——前提是这不是一种风险高到在不同市场条件下会彻底崩溃的策略。如果它真是一套可重复、能产生这些数字的策略，那可太了不起了。

确实如此。这简直像打开了新世界的大门。

那么，刚才的总回报和净回报差得挺多。说说费用和业绩分成。业绩分成我看到不同来源说早期是 20% 或 25%；但基金的管理费是 5%，这太疯狂了。世界顶尖风险投资公司收 3% 的管理费，大家已经觉得很夸张、难以接受。怎么会有人一上来就向投资者收 5% 管理费？

有几个原因。第一，投资者并不老练，主要是他们自己和朋友的钱；是他们先定下了这个标准。第二，他们确实需要钱。Strauss 的基础设施每年要花大约 80 万美元，所以他们倒推了一下管理费：“我们每年需要 80 万美元运营基础设施，还得有钱付员工工资等开支。”于是就定了 5% 的管理费。

就当时这只基金而言，确实如此。管理费算比较高，业绩分成则还算正常。于是到了 1990 年底，Simons 对眼前的进展兴奋不已，就对 Bur Camp 说：“你应该搬到长岛来。我们把所有东西重新集中到这里，我想全力投入这件事。我觉得稍微调整一下，明年扣费后就能做到 80%。”

David，我觉得得把这件事的量级说清楚，让大家理解这有多大。他们一生中为基金所有者创造的业绩分成，大约有 600 亿美元。

对。六倍的回报一年就拿到，当然不差；可另一方面，你原本持有的是一个巨大业务的一大部分，而它已经向所有者分配了 600 亿美元现金。

是啊，那还只是业绩分成。所有者本身就是负责人，所以如果算上从公司流出的现金，我估计可能是这个数字的两倍。过去 35 年里，从 Medallion 流出的资金大概有 1,500 亿到 2,000 亿美元。

所以 Jim 买下了……

Bur Camp 把自己在 Medallion 基金里的全部份额都重新投入 Renaissance，之后搬回石溪大学。Strauss 也去了石溪大学。所以现在成了 Jim Simons 在纽约主导全局，Strauss 在那里建设工程系统，而 Ax——我想他当时还保留着一小部分股份。

对，Strauss 也持有一部分股份。

Jim 接手并把一切搬回纽约后，基本上决定把 Renaissance 打造成一个更好的、理想化程度更高的 IDA，以及石溪大学数学系。他要把这里变成学术天堂：如果你是世界上最聪明的数学家或系统工程师之一，这就是你想去的地方。

的确花了很久。而且我们还没介绍后来共同担任公司联合 CEO 长达 20 年的两个人。

好，我们接着讲。Jim 把一切搬回长岛，把公司办成这样一个学术天堂，招揽世界上最聪明的人。1991 年，也就是第二年，公司取得了 54.3% 的毛回报，扣费后净回报为 39.4%。没达到 Jim 预期的 80%，但仍然非常出色。

没错。

1992 年的毛回报是 47%，1993 年是 54%。1993 年底，Simons 决定关闭基金，不再接受新的有限合伙人。现有的有限合伙人可以继续留在基金里，但不再接收新的资金流入。他对他们的做法非常有信心，认为只靠现有投资者的资金，他们就能赚到更多钱。

此时 Medallion 已经积累了大量现金，成了一只颇有规模的基金，资产总额大约 2.5 亿美元。放在 1994 年看，这还不算大；但别忘了，这是一群局外人和学者积累出来的十亿美元级业务，已经有人开始注意到他们。业绩分成数字也开始变得实在起来：来源字幕这里听起来像是 700 万、300 万、5,200 万美元。流向合伙人的自由现金流也确实开始可观了。

对。

但当他们接近十亿美元这个量级时，就开始遇到我们之前提到的“交易会推动市场”问题，也就是滑点。

嗯，那是在 90 年代中期，他们达到 2.5 亿、5 亿美元的规模时，对吧？

对。电脑模型会给出信号：“按这个价格，我们应该买进这么大一笔。”他们去执行时，却只能按这个价格买到目标数量的 10%、20% 或 30%，随后价格就完全变了。

对。这就引出了……

1993 年，Peter Brown 和 Bob Mercer 加入了这段故事。Jim 招来的数学家之一 Nick Patterson，尤其热衷于出去招揽新人。他和 Jim 一起招人。我觉得这是 Renaissance 文化的关键之一：聪明人希望有更多聪明人来共事。Nick 心想：“这太令人愉快了，我想去找世界上最优秀的人来一起工作。”

对。而且你说语音识别非常适合他们在做的事，这挺有意思。为什么呢？语音识别、自然语言处理所需要的工作，某种意义上和 Renaissance 用来分析市场的信号处理是一样的。

不只是有点像，确实是同一类信号处理。语音识别是一个隐马尔可夫过程：电脑听到声音并试图把它转成语言，但它并不真正懂英语。它知道的是，听到这一组频率、音调和声音之后，接下来可能出现的内容范围有限。Greg 的书里举了一个很好的例子：我说“苹果”，你可能会说“派”；“派”作为“苹果”后一个词的概率显著更高。

是的，在实际生产规模下。

这非常重要。也正因为如此，即使之前招来的学术人才都很优秀，Brown 和 Mercer 仍可能是 Renaissance 历史上最关键的两位新人：他们既擅长数学，又有大型系统的经验。Jim 和 Nick 知道，如果要进入股票市场，就会面对海量数据和复杂得多的市场，因此需要更复杂的系统。Renaissance 现有的学术界人才从未体验过那种规模，也从没建造过类似的东西；他们将要进入的世界，复杂度和维度都在迅速增加。

你们发现了这些公司之间各种关系的权重，接下来不是只做一笔交易，而是同时做 10 笔、100 笔，甚至上千笔交易。一部分交易是为了对冲，以便隔离出电脑正在寻找的某个特定变量；另一部分则必须切成非常精细的小份额，避免推动市场。因此，无论是数据输入，还是如何根据数据采取行动，这都是一个超多变量、多维度的问题。

是啊，股票的投资范围在多维度和彼此关联性方面都复杂得多。世界上的货币就那么多，尤其是足以形成可交易市场的货币，数量有限。股票则不同：全世界有成千上万只市场深度足够、可以交易的股票，而且在某种程度上，它们都彼此相关。这里不断叠加复杂度，还得把许多新东西纳入计算。许多股票还在多个交易所交易，所以你可能也要寻找同一只股票在不同市场、不同时间的价格差异。要分析、关联并据此行动的维度一层叠一层。

所以 Patterson 和 Simons 去 IBM 挖人，就像 Steve Jobs 去施乐帕洛阿尔托研究中心挖人一样。他们把 Peter、Bob 以及一位编程同事 David Magerman 从 IBM 带到 Renaissance，开始构建股票模型。

一个团队在另一套模型上做的工作。公司确实有鼓励分享经验的文化，但你得等到午休时，别人抽时间来向你学习，再把心得应用到他们自己的模型里。这中间有延迟，而且最后也未必真的会采用。

对，这完全独特而且具有革命性。如今，没有哪家大规模投资公司，更不用说量化公司，会只用一个模型来运营。投资组合经理、团队和多策略团队在文化上彼此竞争；即使没有竞争，在 Citadel 这边做的工作，也不会影响你在 Citadel 那边做的工作，对吧？

Bob 和 Peter 所做的，是把 Renaissance 的一切统一起来，让所有力量都朝着同一个方向。

对。在继续之前……

在谈它的影响之前，我们要感谢节目的老朋友 Vanta。它是领先的信任管理平台，能够自动处理安全审查和合规工作，例如 SOC 2、ISO 27001、GDPR、HIPAA 合规与监控。对于金融等受到严格监管、需要大量安全与合规工作的行业来说，这一点尤其切题。Vanta 帮组织快速、简单地完成原本极其耗费时间和资源的工作。

David，股票这台机器——它确实是一台机器。Peter 和 Bob 在 1993 年加入，1994、1995 年开始构建模型，Renaissance 也开始进入股票市场。想想他们在 1994、1995 年使用的电脑，就会觉得不可思议：他们用当时的技术，实时分析市场，完成如此复杂的计算和协调，还取得了这样的结果。

是啊，令人惊叹的是，回报可能略有下降，肯定比 1994 年那个爆发式年份低一些，但每一年仍然超过 30%，多数年份高于 40%。他们进入复杂度高得多的市场，同时扩大管理资产规模，还能保持这样的业绩，真是难以置信。

对，David，如果简单看一下、算一算：1994 年他们的管理资产是 2.76 亿美元，增长了 93%；下一年管理资产达到 4.62 亿美元，之后增长 52%；再下一年，管理资产是 6.37 亿美元。你很快就能明白我要说什么：管理资产的增长不是靠引进新投资者，对吧？基金已经不再接受新投资者，全部都是靠复利增长。这就是 1993 年的那笔资金，从当年年初的 1.22 亿美元，到 1999 年变成 15 亿美元。

是啊，然后到了……

……然后到了 2000 年，他们的表现彻底爆发：毛回报 128%，扣费后的净回报 98.5%。这太惊人了。基金管理资产从 19 亿美元增至 38 亿美元，再一次完全靠投资收益，而不是引进新投资者。

就是在科技泡沫破裂的那一年。

对。市场其他部分大幅下跌时，Medallion 全年毛回报达到 128%。这成了一个规律：波动率高的时候，Medallion 特别出色。他们的收益与市场不相关；这就是他们最终的证明：他们不只是印钞机器，而且无论市场环境如何、整体市场处于什么状态，都是印钞机器。

David，正如你说的，波动实际上会让他们的算法更有效，因为他们在寻找市场表现反常、能够利用他人错误决策的情形。只要投资者承受压力，Medallion 就可能获得一点优势：它会说，“哦，你现在因为恐惧而卖出；我可以判断你该不该恐慌抛售。如果我判断你不该卖掉这项资产，我就从你手里买过来。”

有个很有意思的故事，能充分说明 Jim 管理公司和团队的天赋，也说明他们是在那一年真正弄明白这件事的。科技泡沫破裂的头几天，Medallion 实际上遭受了几笔重大损失。一部分原因可能是模型还没调好，因为 Renaissance 的人以前没见过这种市场行为；也可能是模型在那几天的表现不佳。

对。危机过后，Peter Brown 来到 Jim 面前，提出辞职，因为他们前几天遭受了那些损失。Jim 说：“你在说什么？你当然不应该辞职。经历过这件事、知道任何情况下都不能百分之百相信模型之后，你对公司的价值反而更高了。”

这真是个绝妙的洞见，很能说明 Jim 是怎样的领导者。

完全是。Jim 最终在 2009 年退休时，也有一个类似的故事；Peter……

……后来 Peter 和 Bob 接任联合 CEO。大约一年之前，发生了所谓的“量化地震”：和科技泡沫破裂时类似，所有量化公司突然都遭遇了大幅回撤，Renaissance 也受到冲击。那段时间 Peter 非常坚持：应该相信模型、维持风险敞口，这会是他们极其赚钱的一段时间。Jim 则踩下刹车，介入并降低风险。

这确实有道理。我自己也发现，我会自然而然地和对面的人唱反调。如果有人表现得咄咄逼人，我可能就会站到另一边。停下来反思时，我会想：“我本来没打算在这场谈话里持这个立场。”但人很自然地会想站在对立面，好让坐在对面的人得到平衡。

对。回到 2000 年这次出色的表现，Ben，正如你刚才说的，他们的回报与市场不相关。他们那年不仅成绩极佳，而且是在市场下跌时取得的。现在我们得介绍一个概念：夏普比率。金融行业的听众都知道它；对其他人来说，这是个很重要的概念，我想大家直觉上也能理解。

对。夏普比率正是把这两个概念结合起来衡量的指标。

没错。这个指标以经济学家 William F. Sharpe 命名，1966 年开始提出，本质上衡量基金相对于无风险利率的表现。比如那年基金回报率是 15%，无风险利率是 3%，那么分子就是 12%；再用它和波动率比较。严格来说，分母是标准差，也就是过去若干年的波动程度。通常会看三年、五年或十年的夏普比率。

他们的夏普比率是 2.0，是标普 500 基准的两倍。

太棒了。

1995 到 2000 年，夏普比率达到 2.5，真的开始表现得很好。

简直不可思议。我要去哪里报名投资？

后来他们加入了海外市场，夏普比率达到 6.3，是最好的量化公司记录的两倍。这家公司至少从历史上看，几乎不可能亏钱；而且在与市场不相关的情况下，大幅跑赢市场。我相信，如果我的资料没错，2004 年他们的夏普比率甚至达到 7.5，惊人。

还是用体育打个比方：这不是名人堂级别的数据，简直像让 Tom Brady 看起来成了第三替补。

没错。2000 年业绩上升之后，2001 年他们把基金的业绩分成提高到 36%，此前是 20% 或 25%，具体哪一个来着。记住，基金已经不再接收新投资者，不过外部投资者仍在里面。接着 2002 年，他们把业绩分成提高到 44%。如果做得到，真是好差事。但作为参照，红杉资本和 Benchmark 等风投公司收取的业绩分成已经很高，也就是 30%；44% 则前所未有。

完全如此。我只能想象，现有投资者对此不会太高兴，但他们的议价能力太强了，投资者又能怎么办呢？

好，再次向听众道歉，我得再花一分钟说说业绩分成的另一种看法，不过先把故事讲完。2001 年，他们把业绩分成提高到 36%；2002 年，提高到 44%。到了 2003 年，他们实际上表示：“我们没法靠费用激励把你们这些外部投资者赶走，所以要直接请你们离开。”

对。为什么这么做？一会儿我会讲一个原因，但显而易见的原因之一是：Medallion 基金的管理资产已经达到十亿美元级别。即使在股票市场交易，他们也开始受到滑点限制。

对。因此，如果他们想保持这样的……

这么惊人的业绩，他们没法把基金规模再做大太多。这就是问题所在，也是 Warren Buffett 经常谈到的事：他基本上只能继续增持苹果，而不能转去买下一家优秀的家族企业。能对他们产生显著影响的机会规模都太大了，实际能做的也就这些。

而且当你的规模很大时，你进入任何市场都会影响它。

对。Renaissance 现在采用的策略，他们判断规模超过 50 亿美元就行不通。所以 2003 年，他们开始把……

……把所有外部投资者都请出 Medallion。但显然，机构投资者仍然非常希望把钱交给 Renaissance 管理。那么他们怎么办？是时候再开一只基金了。于是他们成立了 Renaissance Institutional Equities Fund（文艺复兴机构股票基金）。

这里有个有意思的故事。Peter Brown 说，有一天 Jim 走进他的办公室，说：“Peter，我给你一个思想实验。如果你娶了一位 Rockefeller 家族成员，你会建议这个家族把大部分财富投进标普 500 吗？”Peter 回答：“不会，当然不会。考虑风险后的回报并不够好。”这些人习惯的夏普比率远高于标普，对吧？Jim 说：“正是如此。现在开始设计一款他们应该投资的产品。”

而且不缺外部资金需求。关于他们的营销资料，有个挺好笑的说法：上面真的会写，“这不是 Medallion 基金，我们不承诺 Medallion 那样的回报，收费也不像 Medallion 那样高。”

David，你说过 Medallion 的费用和业绩分成涨到了多少来着？5% 加 44%？机构基金只收“1 和 10”：每年 1% 管理费，加上 10% 的业绩分成。显然这是完全不同的产品。

但人们并不觉得它不同。大家非常兴奋，觉得这是 Renaissance 的产品，分析师也一样，用的都是那些很厉害的电脑；他们想：“肯定也能获得惊人的超额回报。”可归根结底，这是一种完全不同的投资工具，表现远不如 Medallion。

对。它实现了自己的目标吗？实现了。但它是 Medallion 吗？不是，也没有 Medallion 那种特别之处。

机构基金还有些好玩的地方。我花了很多时间翻看过去十年 Medallion 的 13F 文件。他们好像有两只机构基金。

对，有机构股票基金和 Diversified Alpha。于是……

最有意思的是，他们会提交 13F 文件。David 和我常看节目嘉宾、朋友经营的对冲基金的 13F，也会看其他投资者的持仓，想知道他们这个季度买了什么、卖了什么。通常文件里有 15、25 个，也许 50 个不同的名字。Renaissance 的 13F 却有 4,300 只股票，每个头寸都很小。

对，那是模型里的信号之一。

看这些文件，你会觉得持仓一直在四处变化，而 13F 只是某一个时点的快照，把它写在纸上。虽然这是一份季度末持仓文件，但如果早一天或早一周取样，结果可能完全不同。

我们交谈过的一些人这样描述机构基金和 Medallion 的区别：Medallion 的交易和头寸平均持有时间大约一天，或一天半；机构基金的持仓平均则有几个月。所以在 4,300 只股票的投资组合里，每天都有很多交易，但单只股票的交易速度比 Medallion 慢得多。

这说得通，又回到了滑点的问题。机构基金更大、每次投资金额更多，就不能像 Medallion 那样频繁交易，否则收益都会被滑点吃掉。

对。而且整体看起来确实很像标普 500。比如截至 11 月 23 日，也就是一年已经过了 11 个月时，它上涨了 88.6%。听起来像指数型的回报。看 2020 年最初四个月，也就是疫情暴跌之后，他们下跌了 10.4%，比整个市场跌得少，但走势仍然像是整体市场的映射。

这就是我们为什么要在节目里讲这家公司。科技泡沫崩盘时我们已经说过，波动率高的时候，Medallion 特别出色。没有哪个时期比 2007 和 2008 年更能说明这一点。

没错。

2007 年，Medallion 的毛回报是 136%；2008 年，毛回报达到 152%。这简直不可思议。2008 年整个金融世界都在崩溃，他们却做到了这一点。这也说明他们的钱从哪里来：交易的另一方是谁？是情绪化行事的人。他们有非常稳健的模型，不受情绪影响，可以执行极其复杂的多变量交易组合；模型要他们承担什么风险、保留什么敞口，他们就精准地建立对应的一组交易。

对。不过有个小小的细节，我也不确定是否站得住脚。替这件事辩护的人可能会说：Warren Buffett 可以站在交易的另一边，Medallion 在这笔交易上赚钱，而 Warren 以一天半为时间跨度做这笔交易；Warren 以 50 年为时间跨度，也能赚钱。

这个说法很有道理。但反驳是，Medallion 一天半后就卖给了另一个在更低价格买入的人。因此，沿着交易链条，总有人承担了损失。这个人可能不是 Medallion 的直接交易对手方，也可能不是整个量化行业，但链条上的某个人会承担损失。正如你说的，这确实是零和游戏。

是。不过重要的是，你和对手方能不能都受益。我认为这里，你和交易对手，也就是和你交易的人，可能追求的是不同结果。比如我能不能在这一笔交易里从 Warren Buffett 身上多赚一分钱？当然可以；但他的策略决定了这点无关紧要。

对。也许他们以前就能这么做，只是没把握扩大规模会不会奏效。我想他们很擅长判断：策略在规模多大之前还能运作，何时开始出现边际收益递减。

是的。关键是，在波动率最高的时期，比如 2020 年，Medallion 依然表现突出。根据我们能找到的过去几年业绩数据，2020 年……

毛回报为 149%，净回报为 76%。神奇依然存在。

太惊人了。我们没法确认，有些来源称他们近几年把规模从 100 亿美元调整到觉得舒服的 50 亿美元基金规模。如果确实如此，就说明他们仍在 Medallion 里找到更多有利可图的策略，才能在更大的规模下维持同样惊人的回报。

对。总之这一切都太不可思议了。就我们所知，Ben，你在节目一开始提过，其他人也都这么认为：Medallion 拥有史上所有单一投资工具中最好的投资业绩记录。

David Rosenthal，你做这期节目时的电子表格工作值得称赞。你有段时间没为节目做表格了，我很佩服你这次的成果。

我还记得怎么用 Excel。

勉强记得吧。随着 Copilot 和 GPT 出现，这可能会变成一门失传的技艺。

是啊。总计 600 亿美元的业绩分成，可真是一大笔钱。

说到大钱，故事结束前，我们还得提一下，Renaissance 的钱为公司带来了巨大的社会影响力。Bob Mercer 这个名字可能让很多听众觉得熟悉：他是 Breitbart 和 Cambridge Analytica 的主要资助者，也是 2016 年特朗普竞选活动和英国脱欧阵营的主要金主之一。

对，Henry Laufer 和其他人也是大额捐助者，捐赠规模大致和 Bob Mercer 在右翼的金额相当。

对，双方都有数千万美元、好几千万美元；Renaissance 的员工和校友在多个竞选周期里都通过各种渠道捐了款。这成了公司的争议焦点，尤其是在 2016 年——

Mercer 显然成了内外部都颇具争议的人物，尤其是大家意识到，他把 Breitbart、Cambridge Analytica、特朗普当选和英国脱欧这些事情串在了一起。

对。最后，Jim 在 2017 年要求 Bob 辞去联合 CEO 职务，他照做了。不过他仍是公司的科学家，继续参与模型研发，只是不再和 Peter 一起从领导层面管理公司。

最让我意外的是，尽管他们的政治立场可能截然相反，这些人竟然仍然一起工作。

这真是轻描淡写了。

而且每个人都积极参与政治、影响力很大。

是。Bob Mercer 虽然不再是 Renaissance Technologies 的 CEO 或联合 CEO，但仍在那里工作；他们彼此之间仍然关系密切，也都对彼此评价很高。

这出乎意料。

“出乎意料”是最好的说法。Renaissance 的一切都和世界其他地方稍有不同。

好，说到这……

我想转到分析环节，想讲一段小小的独白，请 Ben 包涵。我觉得这可以算是 Renaissance 的“作战手册”，但我更愿意把它看作 Renaissance 的“织锦”。这想法受到 Costco 的启发，因为我们在研究时和很多人聊过，大家都说 Renaissance 像是由一些彼此契合的拼图构成的。

一般是友好竞争，但确实如此。比如风险投资公司里，一笔交易会有负责的合伙人或团队，他们主导交易，其他合伙人可能帮一点忙，但大多数时间都在推进自己的交易。我觉得这是金融业里最合作的情形了。再往前，还有多策略对冲基金，旗下团队真的会彼此竞争，争取自己的策略进入公司的最终交易模型。

对。但 Renaissance 采用单一模型架构，所以所有人都围绕同一项投资策略、同一套投资基础设施协作。每个人都能看到其他人的工作。研究团队和基础设施团队的每个人都能访问整个模型，其他地方都做不到这一点。

这是个好观点。整个代码库都是完全可见的。而且因为只有一套模型、一个策略，别人改进模型的表现时，你也会直接受益，和他自己受益一样多。这和其他对冲基金真的很不一样。

为什么这和我把一部分薪酬投进自己工作的多策略对冲基金不一样？我难道不希望其他团队也表现出色吗？当然希望。但你不会像希望自己的团队成功那样希望其他团队成功，因为你的薪酬或职业发展更多取决于自己的业绩，而不是别人的表现。

是啊。这是个大问题。在很多公司，大多数时候你打算以后还要有下一份工作，所以你会在意功劳归谁，也会想把业绩做得特别好，再去别处发展；或者建立声誉后再离开。Renaissance 的人大多不会有下一份工作。你在 LinkedIn 上发现员工的任期中位数是多少来着？16 年左右？

对，我刚开通 LinkedIn 高级版，可以看任期中位数。数据很惊人。Renaissance 只有大约 300、400 名员工，但按 LinkedIn 的资料，员工任期中位数大约是 14 年。

对。好，这就引出第二点：这是一支小得离谱的团队。Renaissance 的员工不到 400 人，只有一半从事研究和工程，另一半则是……

……要么做后台工作，要么负责对外销售开放式基金。我们姑且说，大概有 150 到 200 人真正亲自参与 Medallion 的运营。

对。Renaissance 的同行公司——Citadel、D. E. Shaw、Two Sigma 等——再加上 Jane Street、Jump 这些高频交易公司，每家至少有 2,000 到 5,000 名员工。

哇，我没想到会这么多。

是，其他公司的员工人数至少比 Renaissance 多一个数量级。

你觉得是因为可用资本的限制吗？

不是。机构基金规模已经很大，峰值时超过 1,000 亿美元；目前管理着 600 亿到 700 亿美元，除此之外，Medallion 里还有 100 亿或 150 亿美元。

对，所以管理资产和这些大基金差不多。

是啊。这有各种好处。第一，就像 Hermès Atelier 工坊的优势：大家彼此都认识，知道同事的名字，也认识同事的孩子和家人。

对。他们的网站上直接写着，公司有 90 位数学、物理、计算机科学及相关领域的博士。关于页面有十条挺随意的要点，这就是其中之一。

对。还有一个相关之处：公司在长岛一个偏僻的地方，你实际上能认识……

……同事的家人和孩子。你不会跑去纽约市和 Two Sigma 的人喝酒，互相交流情况，或者比较身体尺寸；你们更可能是在泳池边一起玩。

完全是。而且 Renaissance 不从金融行业招聘，所以你认识其他金融人士的可能性不大。你原本是科学相关领域出身，现在在长岛东塞托基特工作。那里好像只有一万人，甚至更少。你住在小镇上，不常进城；就算进城，也不是去和其他金融人士喝酒。因此，即使没有那份好几页的竞业禁止协议和终身保密协议，你也很难进入那些社交圈子，根本接触不到外界。

正是如此。Renaissance 招的是已有经验的科学家和博士，不像 Jane Street 或 Bridgewater 那样招刚毕业的大学生。

我感觉那里像是一座没有学生的大学校园。你在网上看过照片吗？

看过。你搜 Renaissance Technologies，看看园区照片：有个小庭院、蜿蜒的步道，四周都是树林。

还有网球场。

对。小团队带来的最后一个好处，是他们创造的金融影响力有多大。我不确定这说法是否完全成立，但假设另一家量化基金赚到和 Renaissance 一样多的业绩收入，在 Renaissance 这笔钱由几百人分享；在 Citadel 则要由 5,000 人分享。去别处工作似乎不太划算。有人在准备这期节目时告诉我们：“你永远没法和他们竞争，但他们会付给你足够多的钱，让你不想走。”

是啊。接下来就是我之前一直吊胃口、特别兴奋的一点：第三块拼图，也就是 Renaissance 与众不同、难以复制的地方，我认为是 Medallion 本身的结构。它是一只有限合伙制基金，有 5% 管理费和 44% 业绩分成。所以它不是自营交易公司，也不是把资金合成一个池子的专有交易账户；它真的是一只普通合伙人／有限合伙人基金，只不过普通合伙人和有限合伙人是同一批人。

不会吧？

对，所以如果你在那里工作，你的 401(k) 就是……

Medallion 基金，太不可思议了。

所以过不了几年，你就能一辈子衣食无忧。

当然，要看你怎么定义“一辈子衣食无忧”；不过我想这件事会非常、非常快地发生。

好，那既然如此，怎么避免一群有才华的年轻人分出去，自己成立一只 Medallion 基金？尤其是他们都能访问整个代码库。整个设计就像大学数学系，大家不断分享知识，因为共享所有知识，才能做出更好的同行评审研究。把所有钥匙都交给每个人，听起来风险很大。

我认为，44% 的业绩分成结构就解决了这个问题。基本上，相当于每年收 5% 管理费，再拿走 44% 的业绩。假设 Medallion 一年大致翻倍，我们把数字约算一下，直接相加：当年 49% 的经济回报归当前团队，51% 归资深员工群体。

很有意思。这是个很好的洞见：它的结构像大学院系的终身教职制度。

我一直在问自己：为什么？如果已经没有外部有限合伙人，为什么还要这么做？这是我能想到的最好解释，而且我觉得相当聪明。

对，这比“钱都属于一个人，每年给当前团队发奖金，只要给得足够多就能留住他们”更优雅。我想 Jane Street 这类自营交易公司的运作方式大多是这样。Jane Street 大部分是自营交易公司，主要使用自有资金，但那种情形是固定的。如果 Renaissance 也一样，Jim 就会永远拥有这家公司。我觉得 Renaissance 并非如此。

对。所以关键在于，他们实际上只有一只基金……

……长期不变的。你刚加入公司时，拿到的只是业绩分成；但随着时间推移，你会成为公司的重要投资者，逐渐转向那 51% 的有限合伙人一侧，最后彻底退出普通合伙人身份，只作为有限合伙人。所以你说得对，这是一种把价值从老一代转移给新一代的机制。它很清晰、容易理解，而且可能比“我是老板，我想给大家随意发奖金”更有税务优势。

对。我觉得这三点构成了 Renaissance 这幅织锦的核心：一套所有人共同协作的模型；一支特别小的团队，彼此熟识，而且每个人为这套模型做出的贡献都能让大家受益；第三，是这种高业绩分成的普通合伙人／有限合伙人结构，为新加入的人和离开的人都创造了合适的激励。

对，我觉得没错。有些故事里的片段我们一路上没找到合适位置讲，但这些确实是很有意思的历史事件，值得了解。第一个叫“篮子期权”。那是 2002 年，Renaissance 已经有 13 年时间知道自己基本上拥有一台印钞机器。有了印钞机器该怎么办？加杠杆。

David，这揭示了我们之前还没在节目里说过的一点：他们不只是要找到价值 50 亿美元的有利可图交易，而是想把 50 亿美元尽可能大幅加杠杆，找出价值 600 亿美元的盈利交易去做。篮子期权让他们有合法途径获得极高的杠杆……

……以一种让他们觉得安全的方式加杠杆。

对。如果不用杠杆，采用这套策略的回报会低得多。

没错。所以我们之前没谈到的这套方法的一个关键部分就是杠杆。不过每家量化基金都会用杠杆，只是 Renaissance 比其他人更聪明。

这一点很重要。《Acquired》报道的十家公司里，大概有九家完全不涉及杠杆。我们来自科技和风险投资行业，杠杆就像个脏词，让人害怕。你可以想象，假设他们判断正确率不是 0.25%，而是 50.01%，那他们就得做大量交易才能赚到足够的利润。所以他们要用 50 亿美元股本，实际投入 600 亿美元执行策略，才能得到想要的回报。

对。还有这件事的另一个部分：他们认为这种做法在税务上非常高效。根据他们报税的方式，篮子里当然有资产，但他们实际拥有的是买入或卖出整个篮子的期权，而且大约每 13 个月才行权一次——具体时间我不清楚，大概是一年左右。所以他们的说法是：“我们买入某项资产，持有一年，再卖掉。”

对。说几个公司今天的数字，然后我们就深入讲它的影响力和方法。今天我们谈到的 Medallion 规模是 100 亿或 150 亿美元，具体看问谁；历史上更像是 50 亿或 100 亿美元。机构基金约为 600 亿到 700 亿美元，曾达到 1,000 亿美元。David，你说产生的总业绩分成是 600 亿美元。Forbes 估计，Jim Simons 如今个人身家约为 300 亿美元；和多年来的其他一些数据大致吻合：他曾拥有 Renaissance 约一半的股份。

假设 Medallion 平均毛回报是 66%，资产规模 150 亿美元，那么管理费是 7.5 亿美元，业绩分成是 43 亿美元，总共约 50 亿美元。再加上机构业务的 12 亿美元。当然，Medallion 的投资者就是公司员工，所以你也可以说把两笔收入分开算有点傻。

确实，这还没算他们作为有限合伙人从 Medallion 获得的回报。

完全没算。我们花了很多时间说，这些其实都是一回事；不过把这些数字和其他公司比较，心里有个概念也挺有意思。这是一家年收入大约 70 亿到 80 亿美元的公司。

运营基础设施肯定要花不少钱。

对，这也是我想谈的。我们就只看 Medallion：他们每年有 7.5 亿美元管理费收入。我不觉得他们的年度费用能接近 7.5 亿美元，但他们运行着规模不明的基础设施，某种超级计算集群。运营一个 Amazon 数据中心要多少钱？

我觉得规模小得多，不过确实有很多数据。

是啊，他们网站上说有 50,000 个计算核心，全球连接带宽为每秒 150 吉比特，研究数据库每天增长超过 40 太字节。数据量很大。运营成本会有 7.5 亿美元吗？我不知道，但肯定不是零。他们靠管理费不至于亏钱，不过经营这门生意确实有硬成本。

我也在想，Medallion 的费用收入是不是基本用来支付当前团队的底薪？感觉可能是这样。如果你曾建过数据中心，或者能估算 Medallion 在计算、数据和网络方面的运营费用，我们很想听听。hello@acquired.fm。

好，接下来讲 POWER。这部分很有意思。新听众可能不熟悉：这是 Hamilton Helmer 在《七种力量》一书中的框架。它想回答的问题是：什么因素能让一家企业持续获得差异化回报、长期比最接近的竞争者更赚钱？七种力量是反向定位、规模经济、转换成本、网络效应、流程力量、品牌和独占资源。

我觉得是终身保密协议，以及在纽约州法律允许范围内的竞业禁止条款。但竞业禁止也不是终身的；我听过不同说法，比如六年、五年之类。

对。说到底，竞业禁止更多取决于一方愿意为此打到什么程度。但现实是，人们不离职；更不会离职后自己创业。

是啊。我半夜想到这件事，觉得 Renaissance 实际上有三层有效的竞业约束。最底层是你说的法律层面，就是你签的协议。接下来是经济层面，我们刚才花了很多时间讨论的那幅“织锦”：离开实在不划算。留在这里，和更少的人一起工作，比去 Two Sigma 跟更多人一起工作更好。

对，我觉得那是下一层。最高一层可能是社会层面：你和世界上最聪明的人一起工作，处在一种合作氛围里，大家都……

……你做的事情会直接影响你，对吧？这是你的社群，你的社群。

完全是。你没有住在纽约市、汉普顿或硅谷；你选择加入这里。如果这就是你想要的，还有什么地方比这里更好？

好，那它属于哪一种力量？

人才本身，你可以归为独占资源。但我不确定这是否完全概括了这里的情况。我想的是流程力量，因为这是人才、模型和激励机制的结合。

对，我同意。我最看重的也是流程力量：你能逐渐掌握一个系统如何运作的复杂知识，再围绕它建立流程，让别人很难复制。我觉得这些系统也是多年层层叠加起来的。最近五年加入公司的人，可能都没法从头到尾理解整个系统。我没有找人核实，但代码超过 1,000 万行；系统复杂到什么程度、做什么交易、为什么做、交易要多快完成，我认为没人能把整个模型都装在脑子里。

我完全同意，尤其是模型本身。也许你可以说模型是独占资源。我要说，数据才是独占资源。模型是不是，我不确定；可能吧。我想知道 1,000 万行代码分别做什么，这就是模型。但我真正认为独占的是：他们拥有干净的数据，也建立了相应系统。世界上最优秀的博士在思考如何清洗数据——这不是光鲜的工作——但他们大概拥有其他人没有的、格式最好的历史市场数据宝库。这才是真正的独占资源。

关于这点我有几个细节。第一，他们的数据可能确实比任何其他公司都好，多亏了 Sandor Strauss，以及他在 80 年代就开始做的工作，那时还没人真正做这件事。所以他们有这些数据，其他公司没有。

但其他所有量化公司也在这上面投入了大量资源，对吧？他们都想做好这个，钱不是问题。

是啊。为了准备这期节目，我和几个人聊过，不止一个人对我说，Renaissance 可能有两种运作方式。一种可能是，他们在 20 多年前发现了一种永恒的秘密，一直根据它交易了 20 多年。比如他们发现了某种股票类型之间的关系，一直加以利用，只有他们知道，没人能弄明白。

不是说每到两年某一天就重构一次，而是每天都在重构；整体来看，大约是两年一个周期。

那么，这就说明，哪怕只剩五个人，他们大概也能把系统重新搭起来，需要的只是数据。（字幕“with five people left”语义不清；按“只剩五个人”理解，未听音核验。）这也说明，这里可能没有真正的独占资源，不论是模型本身，也许连数据也不是。我猜数据还是独占资源。比如，你在那里工作了十年，也不知道 1955 年的大豆期货数据当初是怎么进数据库的；即使你已经习惯使用这些数据，也能去别处重建模型，你还是不知道数据最初是怎么进来的。

我觉得这个说法有道理。旧数据当然有用，但随着市场演变，它的价值可能也会逐渐衰减。

没错。我想强调的更广泛一点：其他大型量化公司也在这些事情上投入数亿、甚至数十亿美元。大家到处寻找另类数据。像 Bridgewater 这样的公司，会为一些你绝不会想到可能影响股市的东西付钱，金额从数百万、数千万到数亿美元不等。

所以规模经济肯定可以排除。真要说的话，这里甚至有规模不经济。

是，规模不经济。策略规模太大就会失灵。

对，会有滑点。我不觉得这里存在网络效应；他们几乎不跟任何人交流。

不过，他们和电子经纪商以及交易执行链上的各方，确实建立了很好的关系。我觉得他们的交易执行很好，市场数据也非常快，他们从市场获取数据的能力很强。

你觉得他们这方面真的比竞争对手好吗？

不知道，这大概不是他们的秘密武器。

对，我也觉得不是。转换成本不适用。品牌或许有助于他们为机构基金募资，但这不是业务的大头。机构基金的费用收入也许完全是靠品牌带来的。

是啊。不过很多上市股票公司和对冲基金也有很强的品牌，平均取得市场回报、夏普比率也不错，因此能够募到钱。风投公司也是一样。

没错。所以对我来说，剩下的就是反向定位。我觉得这里确实有反向定位，而且我们可能会连续两期都讲大规模的反向定位。你说说看，你们的反向定位是什么？谁被反向定位了？

市场上的直接竞争者，也就是其他量化公司。我说的直接竞争并不是争有限合伙人的资金，而是争夺同类交易活动；他们在交易中是彼此的对手方。

我不认为他们是彼此的交易对手方。他们都在找相似的交易机会，真正的对手方是他们交易的那些人，是他们占了便宜的那些牙医。

可量化基金经常彼此成为交易对手方。

对，不过我想说，他们是在寻找类似交易机会时的对手。对 Renaissance、尤其是 Medallion 来说，我认为反向定位有两点。第一，相比大多数公司的多模型、多策略做法，单一模型有它的优势，就像我刚才说的那幅织锦。但我觉得更重要的，可能是 Renaissance 内部的所有激励都完全一致，都指向把基金规模控制在最有利于业绩的水平。这一点在其他地方绝非普遍。他们比任何人都更有动力，真正把能够实现的业绩推到最大。即使资金不断流入、费用收入随之增加，他们仍有一种独特的激励机制，让他们……

所以，他们不愿为了多收这些钱而牺牲业绩。尤其是 GP 和 LP 两边都是同一批人。我们又绕回这个话题了。

我大致接受反向定位这个说法，只是我觉得答案简单得令人不快，甚至有点烦：他们在某一类数学和机器学习上就是比所有人都强，而且做得更久，所以会一直赢过你。

还有一种说法我也听人提过：Renaissance 某种程度上就是一个数学系，而其他公司都不是。

可能是文化。说真的，也可能只是他们的文化能持续吸引合适的人，并以一种有点虚假的利他主义方式激励他们：这里就是个做事很有意思的地方。结果当然是变得非常有钱，但我不会因此去 Citadel 工作。

我觉得确实可能如此，也许这就归入流程力量。

好。我认为这是流程力量和反向定位的某种组合；其他力量我觉得都不适用。

对我来说，这是流程力量和独占资源。

好，我接受。还有《七种力量》没有涵盖的一点，是战术层面的执行力。整本书的重点就在于战略不同于战术。我觉得 Renaissance 确实可能一直比对手执行得更好，其中有一部分就是：他们比你聪明。

如果你相信他们每两年就不断重造整套系统，那确实如此。而且他们还有积累下来的知识。如果你从 19……不管是 1964 年还是什么时候，就开始搭建机器学习系统，那你今天在机器学习上肯定很强。过去 15 年里和你共事、从你这儿学到全部历史知识并在你的系统里工作的人，机器学习也会比外面那些人更强——那些人只是最近因为机器学习又成了新热点，才开始受启发来学它。所以我的答案是，学习会复利增长。

很好。好，下面说他们的方法。David，你已经织好了那幅三部分组成的“织锦”，我没什么要补充的了。不过还有几件事值得讲。第一，信号处理就是信号处理。他们根本不在乎底层资产是什么，也不根据基本面交易。Medallion 完全不看基本面；只有机构基金会稍微看一点，比如参考市盈率之类的，这挺有意思，因为那完全是另一套技能。

Jim、Peter 等人被问到为什么只招学者、不从华尔街招人时，会说一句话：“我们发现，教聪明人投资，比教做投资的人怎么变聪明容易。”这简直荒唐。他们根本没教任何人投资；他们做的只是信号处理。我敢说，Renaissance 研究部门至少一半的人都看不懂资产负债表。很好笑：这里有一大群人在投资行业工作，但没有一个人是投资者。

还有个想法，你可以看它是否适用。我一直在想复杂适应系统（complex adaptive systems）。几年前我们请 NZS Capital 的人来节目，读了他们以及圣菲研究所（Santa Fe Institute）关于这个主题的研究后，我就一直在琢磨这件事。

对。我听 Renaissance 的人谈过这个问题，他们会说：“模型其实并不理解市场，但它能预测。我们对它预测市场走势有足够信心，因此会依赖它。”它到底理解还是不理解并不重要；它说不出原因也没关系。但它知道自己有一点优势，所以应该据此交易，即使它无法解释为什么。

说到模型，我一直想把这个问题弄清楚：Renaissance 是机器学习的发源地吗？这真的很难回答。我们给几位很有名的 AI 研究者和 AI 史学家发了邮件，问了这个问题。得到的答案并不意外：他们说不知道，因为 Renaissance 什么都不分享。

Renaissance 只是在尽可能多地吸收非结构化数据。他们似乎比其他人早了十年、二十年意识到：只要数据足够多，即使没有结构、没有标签，也能让大型语言模型说出听起来正确、像是真的话；放到交易里，也能让交易判断超过 50% 的时候是对的，做出“听起来正确”的交易。他们比所有人都早发现了这套大型无监督学习方法，一直领先到去年 AI 浪潮出现为止。如果事实确实如此，那么我们对它的“七种力量”分析就得完全不同了。

对，太高兴我们提到这点了。Renaissance 和 AI 来自完全相同的学术圈子、同一批人和同一个社群。为了说得更明确些，另一位导师是……

另一位曾以 Geoffrey Hinton 为学术导师的人，是 OpenAI 联合创始人 Ilya Sutskever——虽然那是很多年后的事了。正如我们谈到马尔可夫模型和隐马尔可夫模型时说的，那是 Renaissance 的基础之一，也是今天 AI 和生成式 AI 的基础之一。

对。好，还有一个重要观点：你应该去交易别人没有在交易的秘密。表面看这很显然——当然应该找出一种别人没有采用的交易策略。但我刚才用了几个字：“我应该想出来”。我认为谬误就在这里。大多数投资公司会从人那里收集想法，再做极其严格的数据分析，判断要不要执行这些交易。我可能说错了，但我认为现代 Renaissance 并不是这么做的；他们所有投资想法都来自数据和信号处理。因此，他们会做一些直觉上完全说不通的交易。当这种交易有利可图、却不符合直觉时，你就不会有竞争对手。只要找出两样东西之间一种人类永远想不到的关系——我说“两样”只是打比方，也可能是 10 样、20 样、100 样东西，以不同权重、在不同时间尺度上的关系——这就是利用别人不知道的秘密、战胜市场其他人的绝佳办法。

说得太好了。很多、甚至大多数其他量化公司都不这么做。也许有些会，但我觉得大多数公司的模型只是给出建议，再由一位或几位主投资组合经理决定是否执行。

对。举个很直观的例子，因为人的自然反应会是：“哦，我能理解这两样东西为什么相关。”可实际的关联未必是你想的那种。比如 Tesla 股票和小麦期货总是一起波动。人是会讲故事的动物，你可能会在脑子里编出一个理由，解释它们为什么一起动；要是信了这个理由，你也许会决定它们总有一天会停止同步波动。

完全正确。我做研究时对此很惊讶。我原以为这就是整个量化行业的常态，结果发现并非如此；我相信，这基本上只有 Renaissance 和可能另外几家公司会这么做。

……要想做到这一点，你需要全球最快的网络连接。

对，这就是 Jane Street。有一类交易既快又聪明，但你不一定两者都要做到：不需要同时拥有全球最快的连接和最聪明的交易。人们通常会选一条赛道，要么做高频交易，要么尽可能做最聪明、最不显而易见的交易。这就把我们带到 Medallion：它处在“慢而聪明”的象限。机器学习系统会发现数据中的关系，寻找不显而易见的交易需要大量计算；但真正下单的速度相对较慢。交易仍然要在几秒或几分钟内完成，但它的优势不在于像《闪电侠》讲的那样做高频交易。

还有一点我们也听说了：Renaissance 隐藏交易的能力世界一流。

对，他们能让自己的交易不推动市场，也让人看不出是谁在交易、什么时候交易。这是因为早期他们做得还不够好，别人会截获他们的交易并抢跑，于是他们不得不适应，开发出巧妙的系统，让外人不知道是谁在买、买了多少，也不知道他们是否会继续买。

对。在谈价值创造和价值获取之前，我最后想说一点：这是一门令人害怕的生意。它需要大量控制、风险模型和紧急停止机制。要是软件出了 bug，几分钟内会不会做出一大堆亏损交易，把钱全赔光？过去靠电话打给经纪人的年代不可能这样；现在完全可能，而且确实发生过。

所以整个投资组合都没了？

我不知道是不是整个组合，但他们损失了大量有限合伙人资本。那是一家上市公司，股价一夜之间跌了 75%，后来有人出手收购了它。

他们的交易对手方可能还追缴了保证金。所以在 Renaissance 负责金融控制和安全系统的人，肩上的担子可真重。

完全是。好，开始谈价值创造和价值获取。我先抛一个有争议的说法：David，Renaissance Technologies 实际上不在做投资生意，而是在赌博；更具体地说，他们是庄家。

我刚才就在想你是不是要这么说。我完全同意，他们不是在做投资生意，也不知道该怎么投资；模型知道。我这么说吧：他们不是投资者，也不在做投资生意……

他们在所参与的市场里做生意，但他们进入这些市场不是当投资者，而是在那里开起凯撒宫赌场，让所有人进来和他们做交易。他们稍有优势，也会有输的时候，但大多数时候都能略胜一筹。假设他们有 50.01% 的概率判断正确，那么这么多年来、又以这么大的规模，他们只是在每个愿意和他们交易的人身上收取一点“庄家抽水”（vig）。效果确实惊人：Jim Simons 从所有和他交易过的人那里，成功把 300 亿美元抽进了自己的口袋。

我想你接下来要说的，也许和凯撒宫或赌场类似：他们虽然不是在做投资生意，但其实是在提供一种服务。是这个意思吗？

投资生意怎么定义，确实要看你怎么定义“投资者”。如果想说得特别讲究——我这个例子里多少就是这么做的——投资者是这样的人：向企业提供风险资本，让企业未来创造某种价值；或者把钱借给某项有内在价值的资产，让它能用这笔资金创造生产力，之后给投资者带来回报。当然，很多事情也被称作投资，却不是这种情况。

对，钱并没有投到什么东西里去创造价值。

没错。但它的商业模式确实和赌场一样：你有一点优势，让一大群顾客进来，然后凭借这点优势从他们那里赢钱。

我刚才想说的是，赌场也是服务提供者，为顾客提供娱乐。

顾客都知道赌场里的游戏规则有利于赌场。同样，我认为——而且这可能很准确——Renaissance 和其他量化公司也在为市场提供服务：它们让人们想做的交易能更快完成，价差也小得多。

完全正确。这就是量化基金为世界创造价值的无可争议之处。人们很容易说量化基金毫无价值，因为这是零和游戏，它们没有真的给企业提供资金、让企业拿去做事，只是在做套利，或做我们这一集聊过的其他策略。但你说得对，市场流动性确实有价值；市场深度增加后，回头看 Renaissance 刚成立的年代，就会发现，如果没有这种变化，散户今天根本不可能像现在这样投资：零交易手续费，能近乎实时地投资各类公司；任何人几乎在任何时段都能买到各种市场里的证券，几乎瞬间就能拿到非常细致的报价。从前这些都做不到。

没错。从前没有。市场上有许多量化基金和对冲基金，随时愿意成为任何想交易之人的对手方；这确实是一种服务。

对。不过它们并不都是 Medallion，也并非都拥有优势，即使它们可能会这么说。很多基金会亏钱。没错，也有很多会亏给你们这些听众。你们也可能打败市场——这不是投资建议，请别尝试。平均来说，Medallion 不会亏钱给你；不过，外面还有很多其他对冲基金、高频交易公司和交易对手，你是有机会赢过它们的，只不过它们不是 Jim Simons 的基金。

Greg 的书结尾有个很精彩的小故事。那大概是 2020 年代中期市场某次抛售期间，Jim Simons 给家族办公室负责人打电话。那时他已经从 Renaissance 退休很久了，却打电话问：“市场都跌成这样了，我们该怎么办？”你可是 Jim Simons 啊，Jim Simons 还在问：“我们该怎么办？怎么办？”

是啊，人都会犯错。

再从斜一点的角度看，价值创造确实存在。人们很容易批评：这么多聪明人跑去金融行业，真希望他们能为世界做些更有生产力的事。但归根结底，人会去做激励机制鼓励他们做的事。除非出现一个能极大鼓舞人心的全球性大目标——比如二战期间，人们的爱国精神和拯救世界、战胜邪恶的愿望，曾推动大家克服万难——否则，或者当人们感觉不到这样的生存危机时，他们就会做对自己和家人最有利的事。有人想建立商业帝国，就去建帝国；有人是强硬的资本家，就去赚很多钱。系统就这样运作。所以你可以对这一点生气，但人们还是会把量化金融当作一份收入丰厚的职业。幸运的是，这行也创造了很多有价值的东西。我觉得人们经常忽略了：这些利润极高的职业和企业，往往会产生能在别处发挥价值的研发成果。

这个关于价值创造与价值获取的观点真让人开眼界。说说看，你来讲。

其实没什么复杂的：高频交易公司用了大量 InfiniBand。我不能确定，但我有点觉得 Mellanox 是靠量化金融建立起这门生意的。

对，这只是很多例子之一。它当然有边界，但我觉得常被忽略的是，这个领域带来了大量技术创新。

对，这些观点都很好，也都在研究中出现过，我完全同意。我认为，说量化金融没有给世界创造价值是不对的；在我看来，它确实创造了价值。但它创造的价值有没有它攫取的那么多？尽管如此，他们真的非常擅长获取价值。

完全同意。他们也确实非常擅长获取价值。好，接下来进入看涨和看跌分析。这个环节我们原本做了很久，上期节目却没放进去，结果听众意见很大。所以，听众朋友，谢谢你们表达关切：“看空／看多”环节没有被永久砍掉，现在像凤凰一样复活了。不过这一集大概是最不适合恢复它的一集。看涨 Renaissance 的理由是什么？过去的业绩能代表未来的成功，对吧？他们会继续吸引全世界最聪明的人，保持极其独特的文化，也不会受到诱惑，让机构基金业务反过来成为主业……

继续保持领先，大概就是看涨的理由：他们其实仍然领先。Medallion 的 GP 和 LP 利益相关方——我不知道，大概是全世界 500 个人吧——能享有这份看涨理由；我们其他人则完全无法投资进去。

对。看跌的理由是……

看跌的理由是，事情正在变化，而且各方面都在变：竞争对手可能正在追上来；科技行业已经掌握了大型语言模型，也许这会让人更容易与 Renaissance 竞争。这条界线并不清晰，但确实有可能：也许 Renaissance 早了别人十年，如今其他人终于赶上来了。

好，进入新的结尾环节“萦绕心头”。做了一个月 Renaissance 研究之后，有什么是你们各自真正忘不掉的？对我来说，可能从我讲的“织锦”就能看出来：我觉得这是一个极有力的例子，说明激励机制的力量有多大，以及把激励设计好有多重要。文化也不能轻轻带过。我认为 Jim Simons 把学术环境管理成实验室的样子，却没有让它变成实验室那种散漫的地方。可以说有点像早期的 Google。

对，像早期 Google。根据我们的研究和目前能看到的情况，Renaissance 历史上似乎没有什么散漫的事，现在也没有。他们都非常专注。对我来说，这又说明了激励机制的力量：那里的员工不到 400 人，研究和工程团队不到 200 人；你一起工作的同事，就是你所做这一切成果的唯一贡献者、监督者和受益者。这种安排太有力量了。

我想不到世界上还有哪里像这样。也许有些风投基金或其他投资公司，但没有哪家能在日常运营里保持完全流动性，同时取得这样的回报。这种地方独一无二。

没错，简直像纯汽油直接注入血管。当然，这不代表我一定想去那里工作；我想我不会，但它真的……

对。我一直忘不掉的一点，是之前讲的复杂适应系统。从外部能了解到的情况看，Renaissance 确实建成了一个大型计算机系统，能够发现世界上不同实体之间的关系，包括股票、大宗商品、债券价格等。无论它能不能解释这些关系，它大多数时候都能判断正确。

优势可能只是小小的一点，但只要大多数时候占优，就足够经营一家赌场。这是我的结论：他们是庄家，拥有优势；而这份优势来自一张关系图，连接着我们以为只是噪声、他们却能从中识别出信号的各种实体。

这也让人想到你刚才说科技行业近年所谓的追赶。现在有开源技术，也有各种可以买到的技术，搭出这套东西到底有多难？这可能是看跌理由。我不知道。既然复杂适应系统也会自然变化，如果现在人们可以购买技术、搭建这种系统，那么回报就会被套利压低。

对。好，我们来讲点有趣的“片花推荐”（Carve Outs）吧。

好啊，太棒了！听众朋友，最近有三个人跟我说很喜欢这个环节，所以我决定多加几个。尽情享受吧。干脆另开一个新播客，就叫《Carve Outs：44%业绩分成》吧！

哦，不过 Christian Dior 真的创造了一个“新风貌”。

没错。听过 LVMH 那期的人还记得，我们说过 Christian Dior 最具开创性的成就之一，就是他的“新风貌”系列。二战后，这个系列像是一场生命的庆典。军事化、方方正正的衣服不再流行，取而代之的是性感、甚至可以说奢华的面料；战时配给也结束了。

没错，真大胆。

Apple TV+ 这部剧拍得很精彩，通过倒叙讲述 Christian Dior、Balenciaga、Coco Chanel 经历的艰难战争岁月，以及他们的人生轨迹如何交错。

哦，Coco 也在剧里？他们会怎么塑造她？如果很多人看这部剧，我很好奇会不会影响 Chanel 的产品销量；也想知道看过的人觉得她是令人同情还是像个反派。你们可以在 Slack 的 carve-outs 频道聊聊她的形象和真实情况。

Chanel 还有一段很疯狂的历史：字幕听写在“这家公司最后被 Chanel 买下”之后，接着提到 Chanel 香水部门和纽约的两位犹太兄弟——Wartheimer（姓名按字幕拼写）；但原句断裂，无法确认这里的买卖双方关系。（原字幕此处关系不清，未听音核验。）天啊，我们真该做一期 Chanel。总之，《The New Look》无论你关不关注时尚、奢侈品，我保证都是一个美丽又令人心碎的故事。

正如你和听众所知，我不是个爱看电视的人，但这部剧太对我的胃口了，整个故事都发生在战时的巴黎。

好，我得去看，你也得看。第三件是送给听众的趣事。我们做完 Nike 那期后，Cole Haan 的总裁联系了我们。听过那期的人知道，Cole Haan 多年前就从 Nike 分拆成了独立公司。总裁跟我们聊天时提到，愿意专门为 Acquired 听众做一份优惠。我坦率地告诉他：如果折扣够好，我就会在节目里告诉大家。先说明，这不是赞助，只是他喜欢节目，所以联系了我们；我自己也买过不少 Cole Haan 产品……

……这些年来我买过不少 Cole Haan 产品，也一直很喜欢。所以，现在所有商品都可享 35% 折扣：访问 khan.com/acquired，或者结账时输入优惠码 ACQUIRED35。谢谢 Dave 给我们这份优惠。我想它只开放几周；如果你是在节目刚上线时听到，赶快去看看。他们可能会在某个时候故意关闭优惠，以免它流传到各种优惠券网站。不过这确实是送给 Acquired 听众的一件趣事。

太棒了，他喜欢 Acquired，也想回馈听众。我喜欢。

好，David，轮到你推荐了。

我的推荐和《The New Look》从一个很不一样的角度有关，但都涉及视频、时尚、奢侈品和风格：Class of Palm Beach 的 Instagram 和 TikTok 账号。

太棒了，David。你我去 Palm Beach 两天，你就迷上了这个账号，真有意思。

是啊，Ben 和我最近为了一个演讲活动去 Palm Beach 待了几天，特别棒。我以前从没去过。

哦，那儿真不错！

我们不确定有没有看到 Renaissance 的人，不过确实看到了一些 Birkin 包。

是啊，我们刚录完 Hermès 那期，我当时特别高兴能去那儿。

回家后，我妻子 Jenny 问我：“你不知道 Class of Palm Beach 这个 TikTok 账号吗？”

David 就说：“我都一千岁了，完全不知道你在说什么，Jenny。”

对对对，我真是活在石头底下。我都当爸爸了。她就把账号给我看：有个住在 Palm Beach 的女人，会在 Instagram 和 TikTok 上发视频，在街上采访路人，问他们穿的是什么、穿了哪些品牌、有什么风格。太精彩了。我最喜欢的一段，我们看看能不能找到并放进节目说明：一位接受采访的女士把一只迷你 Kelly 放在她的 Birkin 包里。

奢侈，真是奢侈。

就是那一刻我上头了，觉得这是我看过最棒的东西。我着迷了。

好，如果我用 TikTok，我肯定会关注。

Instagram 上也有。

哦，那好。我真的在 Acquired 的 Instagram 账号上关注了 Class of Palm Beach。不知道我们关注了多少人，反正不多，但确实关注了。

看 David 开始经营我们的 Instagram 账号，真年轻啊。

哦，不行。

好，听众朋友，非常感谢 J.P. Morgan Payments、ServiceNow 和 Vanta 的支持；点击节目说明里的链接可以了解更多。David，我知道你要感谢几位你采访过的人，其中几位也是我们一起采访的。

是的。先感谢这期节目的资料来源，他们非常慷慨地贡献了时间和见解。首先要特别感谢 Greg Zuckerman，他是《攻克市场的人》的作者。这是关于 RenTech 和 Jim Simons 的权威著作。Greg 花了很多时间和我们交谈、通过邮件来回确认，确保内容准确。他和这本书也是 Medallion 投资回报数据的权威来源。我知道他为整理那张表付出了很多心力；如今那张表已经传遍了互联网，确实应该如此。现在大家到处引用的 66% 回报数字，都是来自 Greg 的分析。

是啊，他的研究真的帮了我们，也帮了所有企业史和金融史研究者。

还有几份主要的一手资料，数量不多，我们可以全都列出来：Peter Brown 关于篮子期权的国会证词；Peter Brown 在 GS Exchanges 的访谈——其中不少问题直接来自 Greg 的书和他讲的故事。

挺好笑的是，Peter 当时问：“你们这些问题是从哪儿来的？怎么知道这么多？”我就想：拜托，显然他们读过那本书啊。

还有一本很好的书叫《The Quants》，出版得早一些，应该是 2011 年；它没有《攻克市场的人》那么新，只有几章讲 Renaissance，不过里面有些不错的内容。还有一篇 2016 年的 Bloomberg 深度报道，我们会放在节目说明里。我觉得《The Quants》和那篇文章大概是最早公开讲 RenTech 的资料。这些资料都会放在节目说明里。

还有其他人要感谢吗，David？

还有 Howard Morgan。我们采访了他，听他讲 First Round Capital 的历史很有意思；当然还有 Renaissance 的创立、他和 Jim 合作、彼此投资对方基金的经历。

很棒。喜欢这一集的话，可以去听几年前的 Berkshire Hathaway 系列，那是完全不同风格的投资故事。你可以在 acquired.fm 订阅新节目邮件；我们会分享节目上线后才学到的小信息，包括听众的更正。你也可以在播客平台搜索并订阅 ACQ2，听我们最近一期节目：那期节目请到的嘉宾被称为这项成果真正的创造者——或者说，领导团队研发它的人。字幕将名称听写为“L-glutide”，说它后来发展成 semaglutide；接着提到所有现代 GLP-1 药物，并将后续药物名听写成“soic wovi”。很高兴请到来自 Novo Nordisk 的 L. Beer Nudson 做客。节目结束后，欢迎到 acquired.fm/slack，和 Acquired 社群里其他聪明的听众讨论。