各位估计下对冲基金经理詹姆斯。西蒙斯是用的什么类别的交易软件？

看到以前jaeson曾说过西蒙斯放弃了趋势追踪的策略，不知道是怎么回事

 

大道至简，计算机只能做计算机擅长的事情 。

 

时代在进步，交易工具在进步，投资者不再是过去的群体，全球金融市场所表现出来的趋势将越来越短暂和不太明显，作为庞大的基金继续采取趋势追踪或许会变得不再是明智之举！

 

在我看来，西蒙斯就是天字一号的建立在高技术支撑下的程序化套利炒单

 

按照报道来分析，这厮短线和超短都做，不像是趋势跟踪。

 

很弱智的问题。。。。。

 

本人觉得并不是弱智的问题，大道至简，资本市场就和战场一样，当今世界是人类有史以来高度文明的时代，人类至远古以来就以擅长使用工具而从众多物种脱颖而出。就算你是一位智者，高手。那么请问：美国如果不是靠的先进武器，你认为它可以称霸全球。当世界警察吗？别跟我说交易最重要的是什么什么，这很多人都明白。不知道你是否明白我想表达的是什么观点。

 

解读量化投资：西蒙斯用公式打败市场的故事
内容简介
詹姆斯•西蒙斯，基金领域的拓扑学大腕，成功取代保尔森的对冲之王，20年内最佳赚钱基金经理，在投资界掀起了一场量化投资的狂潮。
本书用轻松、幽默的讲故事手法，解读了西蒙斯量化投资“黑箱”之内的秘密。通过深入浅出地回顾西蒙斯的投资布阵，比较西蒙斯与巴菲特投资模式的迥异，分析投资领域技术分析方法和宏观分析方法的优劣，本书带我们走近了20年中平均每年总回报为80％的大奖章基金，看看它如何能将1万元变成1亿元。用数学公式打败市场，投资并非悬而未决的事情——这就是本书揭示的投资之道。

http://product.dangdang.com/product.aspx?product_id=20736105

第6章　更高、更强、更快
　一则交易指令以接近光速的速度从美国的西海岸发到美国纽约，却已经被别人占了先机。在以毫秒、微秒为单位的量化投资的军备竞赛中，更高、更强、更快的电子交易究竟使金融行业雪中送炭还是雪上加霜？
第7章　飓风里行船只往后看
　量化交易并不是一座取之不竭的金矿，过度的数据挖掘已经给量化投资敲响了警钟，有限的市场容量也已经成为量化投资发展的瓶颈。历史可以说是正在进行中的过去时，它既可能重复。也可能更改。
第8章　谁有下一个点石成金的手指
　统计学、数学、运筹学、量子物理学、信息学……这些量化投资中最基本的金刚钻，能否在翻云覆雨的模型中预测出下一个西蒙斯的生辰八字？这是一场机器与人的博弈，也将是另一段量化投资的传奇。

 

忻海
曾就任瑞银投资银行的外汇部和资本市场部，负责金融工程，任执行董事；现任法国巴黎银行资产管理部外汇重置业务亚太区主管，董事总经理，统领属下两人半。


白话金融投资

 

捅破那窗户纸，就不神秘了。。。。
哈哈。

 

少看点lssd的这些垃圾书，对人脑是有好处的。。。

 

我记得他的计算机占了整整一层楼吧。
想想，虽然交易信息看起来规模挺大的，但是对于超级计算机来处理能力来说，这点数据量根本不是需要动用超级计算机的。

需要动用超级计算机，一定是需要计算量很大的算法，另外要看多少的响应时间。

就我知道的常见算法里面，如果响应时间是分钟到小时级别，
那最有可能的是最大熵的训练。
其他的，贝叶斯网络的参数训练和结构训练也可以消耗类似的计算量，但是我不太看好贝叶斯网络。
ANN在数据规模大的时候也挺占计算量的，但是大规模情况下首先面临的问题是存储瓶颈。而且我不看好ANN在交易预测里面的应用。所以不太可能是ANN。

其他就剩下各种信号处理的方法了，小波变换之类，这些计算量虽然也挺可观的，但还够不上超级计算机的程度。除非他要在小于秒级的速度下完成大规模的小波变换计算。

其实我们也不必因为他拥有超级计算机而怕他。IT技术的发展是极其迅速的。比如07年的PS3的Cell处理器，被誉为第一个芯片级别超级计算机。它拥有相当于14年前（93年）全球top1超级计算机的计算速度。

并且现在Cell（只不过是0.25TFlops而已）已经不算快的了。NV的Fermi架构用来做超级计算是相当的强力，比如一块GTX480显卡，拥有2TFlops的计算能力。用20块GTX480搭个集群，不过也就是10W出头的开支，但是个人却可以获得400TFlops的理论计算能力，要知道，现在Top500超级计算机第20名，也不过是260TFlops的峰值计算能力而已。

当然啦，要把这理论计算能力发挥出来不是这么简单的事情，需要非常高水平的编程。另外用家用显卡跑超级计算，有稳定性（比如24*7运行）和可靠性问题（比如计算错误等）。
一般来说，GPU的计算能力，能发挥出一半效率，就是水平十分高了。但即使如此，跟西蒙斯用的超级计算机比，也不会有数量级上的差距。

所以说硬件不是大问题。关键还是编程水平。

 

恩...我的计算犯了个严重的错误...居然多算了一个数量级...
10W的设备搭出来的系统只有理论40TFlops的计算能力。要达到理论400TFlops，需要投资100W。这个就有点高了的说...

不过anyway，超级计算机的排名更新是十分迅速的。08年的第20名是日本的超级计算机，也不过是76TFlops而已。

 

请教一下lvsoft，你说“贝叶斯网络的参数训练和结构训练也可以消耗类似的计算量，但是我不太看好贝叶斯网络。”

能否详细说一下为什么不看好？谢谢～～

 

贝叶斯网络分两个概念，一个是贝叶斯概率，另一个是许多因果链组成的网络。
贝叶斯概率的诞生是出于这么一个目的，也就是计算“逆概率”。大多数情况下，传统的概率都是根据一定知识，去计算某一个事件发生的概率。而所谓逆概率，则是当确知某个事件发生之后，去计算导致这个事件发生的各种原因的概率。

所谓网络，则是A事件导致B，而B又导致C，如此下去构成的一张复杂的因果链。

贝叶斯网络，包括几方面内容。首先是概率计算，也就是假设这个网络的因果链确定，并且各个事件的概率参数确定，那么当网络中某个事件发生的时候，去计算网络里面其他事件的发生概率。比如：我是个厨师，我做X光发现肺部有阴影，我患上了癌症。现在根据"我做X光发现阴影"，可以计算出“我患上癌症”的概率，而决策的依据则是厨师行业患上癌症的这个先验数据。

其次，是参数训练和结构训练。这类基本就是根据现有的数据去计算各种先验知识。比如厨师行业患上癌症的概率是多少？这个如果没有相关行业调查是不知道的。那么可以通过大量的病例，来进行推测。
结构训练也是类似的东西，用来分析事件A和事件B之间，是否存在因果链。

以上是对贝叶斯网络做个简单的介绍。下面我要说说我为啥不太看好。贝叶斯网络乍一看很强大，非常适合用于市场分析。它可以根据市场的某个确定行为（比如涨落），来分析背后的原因（比如有人在炒作之类的）。但是，贝叶斯网络有个非常严重的问题，就是这东西是静态的。比如厨师行业得肺癌的概率，是基本不会变化的。
但是市场不是静态的，市场背后的人的意志，是时刻变化的。

当然也有动态贝叶斯网络来处理这种动态的情况，但是DBN太初步了，目前还在发展中，而且DBN的名字也不对，这个也不是真正的动态，只是允许参数变化而已，结构变化也是不允许的。这也不符合市场的分析要求。

所以我觉得贝叶斯网络还是不太适合，但是也许能找到一些相对稳定的因素，来加以利用。

最后的问题是，贝叶斯网络的计算规模太庞大了。一个上千个因素的网络，几乎是无法计算的。但是上千个因素对于交易市场来说太少了～

 

嗯，非常感谢lvsoft的答复
的确是说到了BN的要害，先验概率分布的获得和网络结构的构造是BN应用的两大难点，
概率分布的更新是可以自动完成的，不过网络结构的确是很难动态改变，
目前有一些自动构造BN网络结构的算法，不过存在运算量，可信度等方面的问题。
如果有比较可靠和相对稳定的网络结构，使用BN应该是比较好的一个选择。

 

许多自动构造BN网络结构的算法太扯了，纯粹是为了数学上好看而好看。为了拟合数据而拟合。
我真的很不相信这样构造出来的网络，能够反映客观的因果链...