文/部分内容来源于
伊曼纽尔·德曼，如侵删图/部分内容来源于
网络，如侵删▼本文内容来源于
华尔街著名Quant大师伊曼纽尔·德曼，代表作《宽客人生》。如今，人们对量化人员(Quant)的态度与年我刚到华尔街的时候，已大不相同了。那个时候我刚开始工作，就注意到动不动就用量化语言总会给别人带来尴尬。
比如，在拥挤的电梯中，你会很自然地和你的同事谈起久期和凸性。如果你的同事入职比你早，他会千方百计地转移话题。他也许会问，“你看昨晚洋基队的比赛了吗？”或者，“今天期货下跌超过5%了！”而这种话题，分明只有债券交易员才喜欢。
很快你会意识到，两个成年人在电梯里讨论数学是件羞耻的事情。而在一家遍地都是交易员、销售人员和银行家的公司里，讨论UNIX和C语言是更加尴尬的事。在公共场合，如果有人发现你是做量化的，他们会立刻将目光转移到别处去。
即使在五年前，量化概念也很受抵触。有一次，我和一个做量化的朋友走在公司大楼里，突然一个可转债交易员走到我们中间，做了个龇牙咧嘴的鬼脸，双手揉太阳穴，仿佛很疼痛，大喊道，“啊!这里的气场好可怕！请赶快让我离开这里！”
那段日子，我会和组里的每一个新人打赌。我打赌，当有些交易员或者销售人员正准备进电梯，却看到我们量化组的人都在里面时，会埋怨到：“噢!难道公司就没有规定，不让你们所有人同时出现在电梯里吗？”当然，赌约往往以我获胜而告终。
我见过的最优秀的建模方法来自StanDiller，他后来成为80年代高盛金融策略组的组长。在福布斯的一篇采访中，记者问他获得过什么学位。“博士学位”，他告诉记者，“请不要告诉我的老板，否则我的薪水会被砍掉50万。”
在之后的15年里，这种情况逐渐有所改善。原因首先是，人们对技术的尊重；其次因为科技公司股价暴涨；再次是，量化交易和对冲基金的兴起；最后是，市场对量化风险管理的真实需求。
同时，IAFE（国际金融工程师协会）也在努力促使Quant成为一个值得尊敬的职业，而不仅仅是自学成才的杂家的代名词。
好了，接下来，我们言归正传。我想审视一下在华尔街建模的经验。我想澄清，兼具科学性和社会性的量化在金融建模领域所起的作用。通过这个，我希望能给在迷茫中的广大量化人员带来一点启发。
01
不同建模方法的分析
每个人内心深处都承认，建模的目的是预测未来甚至控制未来。在我说明Quant该做什么之前，我想先分析各种不同的建模方法。我是学物理出身的，所以接下来，将通过物理学的建模历史说明，随着学科发展，人们用模型刻画世界的方法远不止一种。
1、基本模型
第一种模型，是物理学家所说的基本模型。基本模型认为，世界上所有的现象和效应都有更深层次的本质，它包含一系列的假设和数据，以及用它们得出的系统性的因果关系和推论。基本模型认为，这个世界有亘古不变的法则。他们从上帝的视角描述世界的动态；他们试图寻求永恒的真理。
举个例子，我们都知道开普勒行星运动三定律：
1、行星以椭圆轨道围绕太阳公转；
2、太阳与行星的连线在相同的时间里扫过相同的面积；
、行星的公转周期的平方与它半径的立方成正比。
严格的说，这还不是一个最基本的模型，因为它还不存在因果和动态关系。但是，这些定律中包含某种仅凭观察所达不到的东西。它们不是一个现代数据挖掘者的观察结果。这组定律使数据结构发生了深刻的升华。
开普勒指出了，由行星轨道半径扫出的面积所满足的不变关系。事实上，它是对角动量定律的重述。此外，定律是稳定不变的，常数也是不变的，并且对所有行星、任何时刻，这些指数都是相同的。
牛顿为这种数据结构添加了动态推论。牛顿定律如下：
F=ma；
F=GMm/r^2；
牛顿定律是因果定律。力产生加速度，质量引起引力。这不再是个模型——它是一个理论。牛顿分离出适用的变量，并指出了它们之间的因果关系。
很少有金融模型能有这样的品质。Black-Scholes-Merton资产定价模型，是迄今为止最接近定律的金融模型，它分离出结构变量并描述了动态复制。尽管建立包含因果关系的模型困难重重且近乎不可能实现，但我们应该为之奋斗。
2、唯象模型
第二类模型，是物理学家所谓的唯象模型。唯象模型和基本模型一样，被用于从数据中得出推断，但是这些模型的比起基本模型来，就像玩具汽车跟真实汽车相比一样。
对这些模型有一个贴切的比喻：我们希望这个模型是具有描述性的并且是有用的，但是我们不想自欺欺人把它当做真理。
唯象理论没有宣称，“这就是定律”。恰恰相反，它认为，你可以近似地认为这是真实的。说得矫情些，这些模型在用人类而非上帝的语言描述世界。
比如液滴模型，将原子核视为一个带电荷的理想液滴，而忽略它是由更小的粒子组成的事实。你可以校准液滴的参数，使它符合已知的原子核的属性，然后用这个模型计算和预测其他尚未测量的属性值。
本质上，这种方法非常像金融领域中广泛应用的收益率曲线模型。这个模型用今天的债券价格对未来的利率期望进行校准，然后，以此给其他流动性较差或者更复杂的的衍生品估值。
、统计模型
第三类模型，是统计和回归模型。统计模型包括数据和统计推断，但是完全缺乏动态关系。这是最简单的建模。如果你只是需要一个答案而不介意答案是否优美，这一方法非常有用。
物理学家和金融建模者虽然都使用统计分析来估计模型参数或者检验动态模型，但是只有金融建模者会在没有明显机制的情况下去寻求变量间的关系。这样做也许有用，但必须注意到它的局限性。
02
关于模型的一些看法
1、金融不是物理
因为物理学致力于寻求基本模型，试图把预测值精确到8位小数。相反，大部分金融模型都是基于类比的唯象型模型，而且金融建模永远不会提供精确到8位小数的预测。
但你确实也不应该指望它这样。在物理学中，你是在和上帝玩游戏，而上帝不会经常改变规则。你试图结合你的直觉、实验和数学来描述世界。你用的参数，比如质量和电荷，是不随时间变化的，并且明显不是人类的产物。
物理学，更经得起数学和精确度检验。金融是模糊的，因此更难检验。金融领域的牛顿或许直到今天还没有出现。这就是为什么物理学家比Quant多，因为在一个已经建立的可靠的框架内做有用的工作会更容易一些。
在金融里面的固定收益证券领域，因为有多期的、确定的现金流，固定收益的模型比股票模型更经得起数学的检验。从某种意义上说，固定收益证券中，一切都是收益率曲线的衍生品；在股票中，只有衍生品才是衍生品。这就是为什么固定收益证券的Quant数量比股票Quant多。
这里有个简单的例子。我曾经对一个股票交易员说过，“我认为，平均来说，固定收益证券交易员似乎比股票交易员更聪明。”他同意，并补充道，“这是因为在股票交易中更聪明没有竞争优势。”
2、金融模型是插值模型
SteveRoss说过：“……期权定价不仅是金融领域最成功的理论，也是经济学所有分支中最成功的理论。”
我赞同他的说法，因为期权理论的基本问题是对混合非线性证券的定价，期权理论是一种巧妙而且独特的插值法。这并不是一种贬低。
交易员利用期权理论，将关于波动率和概率的简单的、线性的感知，转变为关于价格的复杂的、非线性的形式。他们将混合期权，看做简单证券按概率加权组合。
Black-Scholes公式之所以表现得如此之好，是因为它试图解决相对价值问题而非绝对价值问题。你给它一个已知价格的债券和另一个已知价格的股票，它会告诉你该债券和股票混合成的一个期权的价值。
、金融模型将预期转换为价值
金融建模的基本问题，是如何将预期转换成现值。即使是错误的预期也比全凭猜测来得容易。
作为一个交易者，Black-Scholes公式所要求的只是你对未来波动率的预期，然后它将你对未来不确定性的概念转化为公允价值。这是没有黑盒子和巫术的模型；它将人的预期转化为数字，而这是一个模型正确的发挥作用的方式。
现在人们的预期只是预期，模糊而不确定。如果你建立一个符合预期的模型，许多实用的结果就会随之而来。
4、只用你能驾驭的因子
最好使用你能命名并理解的因子来搭建市场模型，这要比黑匣子一样模糊不清的预测模型要好。
5、金融模型应该更加简洁
如果你的模型的基础只是一个观念，那么必然含糊不清，更不可能在此基础之上建立可靠的模型。
我在高盛工作的第一周，RaviDattatreya就试图告诉我这点。他让我修改他建立的基于Black-Scholes改进的债券期权模型。我慢慢地、小心翼翼地开始用物理学的方法解决这个问题。
大约过了一周，他不耐烦了，“你要知道，”他说，“在这项工作中，你只需要知道四件事：加法、减法、乘法和除法，甚至大部分时候不用除法就能得到结果。”
现在刚来华尔街的Quant，往往惊讶于Black-Scholes公式的天真，并立即尝试通过增加跳跃过程、随机波动、相关性、交易成本等因素来改良它。但是交易者只是人类，能力有限，而数据是稀缺的，所以额外的复杂性未必能改善模型。
当然，随着时间的推移，人们确实能够逐渐把模型做得更复杂，新的理论催生新的策略，进而产生更新的模型。
6、计算器就能变成交易员
LeeVance，前高盛交易员，曾经这样告诉我，“因为模型的目的是把参数估计转化为价格，所以，使用模型的人必须对参数和动态关系有内在的直觉。”
如果这对你不是理所当然的，说明你在这行工作的时间还不够长。交易员必须学会思考模型中的参数，建模者必须学习建立符合交易员心理框架的模型，否则两者根本不存在交集。
刚开始在高盛工作时，我仍沉浸在物理学家的梦想里，试图建立统一理论。我认为，能建立一个适用于所有利率敏感性工具的万能模型。
FischerBlack在这行待了很久，对此表示怀疑。他坚信不同领域可以有不同模型。随着我逐渐接触现实世界，我明白了他是对的。
一个人应该有雄心，但不该过分有雄心。金融世界是复杂的，有效的模型通常是只有几个主要变量的低维模型。大多数真实的东西，对于一个完整的理论模型而言，太混乱了。这正是隐含价值——其在有效的参数校准中，掩盖了这么多的未知因素——能够发挥如此巨大作用的原因。
正因为如此，金融估值与艺术品估价或者古董估价有许多共同点，知识、经验和感觉与任何公式同等重要。
大多数时候，金融模型都有这个测不准原理在起作用，你需要校准的因素越多，你的模型往往越没用。
0
Quant与交易员
1、现实问题是基础设施
学术界对使用模型的理念大加赞赏，因为他们没有意识到，管理建立这些模型必需的基础技术设施多么庞大。应用交易模型需要一组投资组合系统，一组产品数据库，一组图形交互界面，实时报价和校准系统等。
只需要在华尔街待几个月，就能发现限制模型的建立与使用的现实条件其实是软件系统。
所以，不要回避实践问题和软件系统。在过去的十年中，我的大部分时间都用来开发风险管理软件来构筑我建模的基础。其中，许多有趣的问题来自于和交易员关于风险和软件接口的讨论。和学术生活不同，在华尔街工作的一个好处是，当你缺乏灵感的时候，你真正需要的是时间而不是天赋。
2、如何与交易员打交道
Quant和交易员有根本不同的气质。Quant来自这样一个背景，他需要将一件事做得足够深、足够好，直到完成之前都不会停止。华尔街的工作经常需要迅速找到几个近似答案。
我刚到华尔街时，最困难的调整是学习同时做很多事，以及中断一个紧急的、未完成的任务，去做一项更紧急的任务。
在我们公司进行年度绩效评估时，这种气质的差异表现得最明显。在大会上，每个人的缺点和优点都会被员工彼此指出来。
一般来说，一个Quant评价另一个Quant时，会详细列出他身上所有的好品质——渊博的技术知识，良好的数学技巧，聪明的发明才能等。因为很多Quant共享这些品质，所以Quant对Quant的评价往往缺乏区分度。
交易员的评论往往一针见血。我认识的一个交易员写道：“这个家伙很聪明，但是话太多了，我们没有时间听。告诉他，他这样很讨人厌。”交易员和Quant对金融价值的看法不同。交易员需要直白的对话，因为好的交易的本质是聪明地应对变化及其带来的威胁。
衍生品价格是非线性的，放大了波动。所以，衍生品交易员自然会考虑变化。当他们考虑期权时，他们会考虑市场变动会对明天的价格变化产生怎样的影响。交易员会考虑情景对冲。Quant考虑更多的是，现值以及如何计算所有情景下的期望值。
FeynmanKac会告诉你，两种方法是互补的。然而，观念上的差异——Quant对未来可能场景的静态观点与交易员对明天变化的动态观点——使得两者难以沟通。你越学会同时用两种方式思考问题，你们彼此越能沟通和理解。
交易员喜欢道听途说，他们认为，价格变动是对供给和需求的反应。Quant则喜欢结构性的东西，他们用模型描述这种变动。这两种描述方式不一定是竞争性的，它们可以相互补充。
我认为交易界最需要的是，同时理解模型和市场的人。当然，那也不是万能的；单从这方面而言，长期资本管理公司的人比任何人都完美，但是长期资本管理公司最后失败了。
04
关于量化的一些总结
许多猎头手中的Quant的简历简直像祈祷文，“知道HJM，知道BGM，知道GARCH……”
但是，在研究领域，你不只是想要一个有很多知识的人，他还必须能持之以恒、能花几个月甚至几年的时间，来建立一个模型、能把自己从掉进的坑里挖出来的人。为了达成这点，读个博士学位是一个很好的但也是痛苦的训练。
你可以开发世界上最聪明的模型，但是聪明的交易员不会拥抱它，除非他们理解它。因此，你需要用定性的术语来解释你的结果，花费时间再多也不为过。这样做也有助于你的理解。
1、关于量化的研究
虽然量化模型目前有饱和的趋势，但是继续研究仍然会带来很多好处。研究机构能帮助传播使用优秀模型。它们可以帮助企业解决投资问题，从而吸引更多客户。它可以为公司带来更多的多元化人才。随着投资银行规模的扩大和能力的提升，这些将变得更加重要。
从长远来看，关于研究和教育的争论与北美自由贸易协会的争论非常相似。研究不是零和游戏，它创造价值。随着越来越多的人接受新理念，蛋糕会越做越大。
2、思想实验：用适当的模型
你怎么知道模型是正确的呢？我们很难通过观察来证明模型的准确性。
数据，尤其是精确数据，是稀缺的，而金融界里人类的行为和反应是不稳定的。一个制度下正确的，在另一个制度下可能是错的。更糟糕的是，金融模型根据我们对未来的隐性预期校准参数。
所以，你测试的不仅仅是模型的动态关系本身，还包括我们的预期。这比测试一个物理模型是否准确更难；物理没有隐含人类预期，只有观察到的数值——当然，如果除非你想得很复杂，把物体的质量和电荷也当成是人类的发明，但是这些数值是从理论和数据的比较中提取出来的。
FischerBlack说过，“最后，一个理论之所以被接受，不是因为它被传统的实证检验证实了，而是因为一个研究者说服了另一个研究者这个理论是正确和有用的。”
我认为，在金融中，使用数学模型是正确的。它们只是模型，而非事物本身。别指望它们是对的。相反，把模型看成你可以探索的平行思想宇宙的集合。每一个宇宙都应该是自洽的，但是真实的金融世界和人类世界比它们中的任何一个都复杂。你常常试图用其中一个模型来考察真实世界，以发现这个模型对真实世界的近似是否可行。
你必须时常问自己，“模型是否有一系列的可行的变量来描述世界，以及是否有一组这些变量之间的联系，来分析甚至干预世界?”
你应该试图用你能想到的可以感知的变量，对现实做出有限的近似，这样你就可以对你自己或者你的老板说，“我们的头寸本质上是新兴市场波动率的空头，所以我们亏了钱。”
好的理论，比如BS公式，提供了一个理论实验室，你可以在里面探索可能的原因及所产生的后果。他们给了你通用语，你能够用它来量化和传达你对价值的感觉。正如AndyWarhol说的，“在未来，所有的模型都是正确的，但是每个都只有15分钟的寿命。”
我曾经读过歌德的一本传记，歌德是最后一位同时为艺术和科学献身的人。科学家认为歌德是一个诗人，他偏离了自己的本职工作。对他的批判中，说他曾错误地将自然看作艺术品，他曾试图在应该定量的地方定性。
但是，根据我读的那本书，歌德并不单纯地认为自然是一件艺术品。相反，他认为我们对自然的认知和描述才是一件艺术品。
我也是这样形容我们在金融建模中做的事——我们是在对我们的所见做一个美丽而真实的描述。我们凭借直觉，进行发明创造，编制近似的法律和模式。我们能通过相互理解来融合艺术和科学。我们能用我们的直觉，科学知识和教学技能去描绘一幅如何定性思考、如何在限定条件下定量分析人类世界的图景，通过这样做，我们影响了别人思考问题的方式。
期权估值模型的成功是关于一个简单的、渐近正确的理念如何被过度推崇以致被滥用无度的故事。这总让我想起布莱克的《地狱的箴言》里的一句格言，“如果愚人坚持他的愚蠢，那他就会变得聪明。”
我认为，这就是我们对期权理论做的事情。但是硬币的另一面就是期权估值的灾难，当人们更