来源：机器之心 作者：微胖
疫情起伏，上海封控。
在某实施封闭式管理的小区，年近三十的王阳（化名）跟随大家在阳光下安静隔着一米排队，等待核酸检测。王阳有着一张娃娃脸，身着连帽衫和百慕大短裤，脚蹬拖鞋，举手投足仍流露出浓浓书生气。
四年前，这位 15 岁被中科大少年班录取，19 岁求学 MIT 的 PH. D 回国加入一家名为天演资本的量化私募，成为一名数据科学家。虽然国内量化私募行业历史不足十年，但行业格局业已相对稳定，王阳所在的公司天演资本，境内外资金管理规模达 500 亿元，是行业头部机构之一。
「说实话，工作日居家办公一开始并不适应，主要是生活习惯上，每天买菜、团购太耗费精力。」王阳一边排队一边刷着团购群，他已经开始想念公司的午餐和下午茶。
偶尔刷到几张前滩太古里的照片又勾起他的一些记忆。「三月初我们还在备战今年跑马拉松、铁人三项，就在这里。」王阳指了指太古里的天空跑道，一个上海首创的智能跑道。
「现在只能在家玩玩 Switch。」
公司的健身房，同事们在尝试 TRX。
神秘的金融工程
除了生活习惯，王阳的居家工作节奏几乎不受影响。吃早餐，喝上一杯速溶咖啡（疫情期间，上海人已喝不到现磨咖啡），读一读新闻，开始一天的工作。
因为有策略运行在市场里，他先盯着市场看了一会儿。「从收集数据、设计模型，到写成代码再解决各种投资风控上的问题，都是几个同事从零搭起来的。」模型掌管着上百亿人民币的资金，根据数学公式调整股票组合。
看着团队创造的工具不断与市场互动，并成为金融市场运行规律的一部分，是王阳最为着迷的事情。「其实，每天看看也只是因为有趣，不会改变什么。模型已经写好，今天是赚还是亏都是一个随机过程」看了一会儿，王阳打开 IDE（代码编辑器），读取数据集、运算和观察结果，开始新的研究。
在扎克伯格、拉里 · 佩奇以及他们在硅谷的同行还没上小学的时候，一些量化投资机构已经在整理数据，并建立了复杂的预测算法。与巴菲特等人基于直觉、基本面的传统投资方法不同，从事量化投资的人会利用复杂的数学公式和计算机。
这群人多数都不是学金融，而是学数学或者物理出身。他们相信，某种意义上，市场规律就像被加密的情报，凭借算法模型，他们可以在看似随机的数据中分辨噪音和真正的信号。
随着外部称作人工智能的一类技术崛起，一些专家认为，语音识别和股票交易之间存在高度相似，都是关于概率分布的游戏。王阳也多了把与市场博弈的「兵器」。「用 AI 做投资，是一个非常 powerful 的工具，非常有效。」 王阳很自信，「它能从数据中找到更多的细节。」
正所谓手有利器，心有乾坤。量化金融研究正是通过各种数据科学手段加深对金融市场的理解，不断进化、提升投资能力。
不同寻常的开放文化
简单午饭过后，王阳依旧按老时间和同事连线开会。国内这个行业里以年轻人居多。在王阳的公司，「85 后」和「90 后」占了主流。再看看这些年轻人的简历：毕业于剑桥、清北、MIT 等院校，来自数学、物理、电子工程、统计学等专业，不一而足。研究部门里，一半人都有 PhD 学位。
王阳所在的公司，西装领带反而会被视作奇装异服。
这也是量化投资的奇妙之处。来自完全不同学科领域的科学家和工程师，可以为一个共同目标努力。
据说，为了体现对人才的不拘一格，德邵的创始人戴维 · 肖甚至招过喜剧演员、击剑手、吹长号的、拆弹专家，还有一名叫杰夫 · 贝索斯的程序员。
平时，王阳会和同事会在公共区域讨论甚至激辩。公司的办公室呈纯开放式设计，所有工位尽收眼底，没有任何隔断，在淡蓝色背景衬托下，犹如大海一样没有边界，创始人也只能随机找位置办公。
落地玻璃窗构筑呈全透明状态，不禁让人想起一句话，极度坦诚就会无坚不摧。
如果说这些谢尔顿式的人才组成了一个古希腊哲学家式的「少数人圈子」，办公室就是这些人的雅典城市政广场。而这与通常印象中的投资机构文化，完全不同。
传统认为，才华横溢的量化分析人员可能最不愿意和他人合作。这些人智商超群，往往在职业生涯早期就获得了大量成就与认可，这也让他们更倾向于独狼式研究。一些交易公司也允许研究人员与其他员工在一个个孤岛中工作，有时甚至搞赛马制，鼓励员工相互竞争。
但也有一些公司，比如王阳所在的这家，却鼓励开放与合作。科学家与数学家需要辩论、需要相互分享想法，这样才能产生理想的结果。作为有史以来最为成功的对冲基金之一，文艺复兴科技的数学模型就出自一个数百人团队之手。
「策略和模型不是一个人的事情。」王阳反复强调「这个行业里名校高学历都是标配，再天才的人一个人也比不上有效合作的五个天才。」哪怕最顶尖的科学家也需要参加学术会议，与其他科学家互相启发，敝帚自珍在哪里都是行不通的。更何况大型数学模型和交易软件都属于复杂系统工程，任何人都不可能独立解决所有问题。
再完美的数学模型，也需要跟数据科学家和开发工程师合作，形成有竞争力的解决方案。王阳补充道，「我们和纯学术研究唯一区别就是我们还要追求落地。停留在纸面上的成果，意义有限。」因此，在公司里，任何想法都可以被分享，既有可以被推广的成功经验，也有撞墙之后的痛苦领悟。
分享知识而不是建立藩篱
与此相适应的是高度平等透明的制度设计，一切都为高效研发服务。公司没有行政级别，包括老板在内没人拥有独立的办公室，每个人的办公桌都是同样配置。
每个策略的资金分配和产出、公司的整体盈利、奖金池的金额和分配原则、公司的目标和面临的挑战都会在公司全体大会上公布给所有人，包括行政、客服以及刚入职一天的新人。
下午五六点，王阳暂别电脑，结束一天工作。没有人会刻意加班，迎合他人。「这行业里结果太清晰了，没什么表演的空间。研究能力不提升上去就出不了结果，加班再多也没用。」他解释称，在这里，一切取决于研究的质量，而不是老板是否喜欢你。
工作时间也可以开一局台球。王阳想念这样的日子。
没有 KPI？！
新冠疫情持续反复，加之其他不确定因素，近期国内外裁员风潮此起彼伏，员工收入也见缩水。不过，这些曲折没有波及到王阳。
「报酬福利没受影响，也没听说谁拿 N+1（补偿金）走了。」他说。
听者或许可以嗅出言语之间的凡尔赛，但王阳并无此意。在一家没有 KPI 、也没有末位淘汰的公司工作久了，大家早已习惯一种非正式但极具学院气息的工作模式。
「研究不应该被外界因素干扰。」公司创始人不止一次地说过。KPI 只是在一个随意选择的数据集上，对一些随意选择的指标做出随意的规定，和客观真实没有必然关系。「研究的好坏只有一个比较标准，就是接近客观真实。我们研究的目标是提升我们对客观真实的理解，而不是 KPI 值。」
人为或借助外力营造一个相对纯粹的世界，这些科学家就有可能保持极强的专注力和敏锐度。许多顶尖研究机构并不要求教职人员一年要发多少文章，也没有要求文章一定发在什么级别的学术刊物上。
不会有人根据短期经济成果给研究员施加压力。他们可以自由设想各种方案，逐一尝试，最后收敛到一个最好结果。「你在进行一项研究，有人要求你一定要在下个月拿出模型，这种事情绝对不会发生。」 王阳斩钉截铁地说。
王阳所在的公司，将不断演化进步写进名字里。
以美为导向，它可以体现在一个公司的运作方式上，或者是一个实验结果上。文艺复兴科技公司创始人西蒙斯曾说，「当某种东西运作良好时，就会产生一种美感。」
500 亿管理规模已经暗示王阳所在的这个集体掌握了某种平衡之美——它兼顾了前沿研究与结果导向。在这里，最重要的是找到这样一群充满好奇、勇于创造的人，将他们放在一起，营造出最适宜的环境，任其自然生长。这些人会找到重要问题，并有能力解决它。科研能力的提升以及随之而来的研究成果，是唯一的目标。
在这样的环境当中，驱动力只能来自于智力上的好奇心。他们不会理会传统智慧的约束，也不受任何陈旧制度的羁绊，自由探索任何有价值的投资策略。
「不论置身什么环境，我都会尽全力解决有挑战的问题。从无到有提出独创性解决方案，这也是研究人员体现自我价值的最重要方式看，也是提升自己能力最有效的方式。」王阳坦言，「如果没有取得太大进步，我会感到压力。」
除了一些例行工作，近一年来，王阳还在研究一个很前沿的跨代算法。所谓前沿，也意味着「人迹罕至」，就连学界也没人探索过这个算法在金融领域的应用。能不能有产出？王阳也不知道。
但除了每月跟资深同事讨论一下研究进展和遇到的问题，公司没有给王阳任何 deadline。「金融市场不确定性永远是巨大的，但除了做好自己的研究也没什么更好的办法。」王阳说，「不管怎么样，大型机构总会保障你的基础生活。我们按照正确的方法把事情做好就行。这个研究不成，下一个总会成的。」
「在金融市场运作的科技公司」
在量化投资行业，最先进的计算机硬件可能无处不在。但真正灵魂是软件，这往往需要团队花费大量精力开发出适应市场的新方法。这不仅需要雄厚资本、过人胆识，更需要对技术本身的深入理解。
「我们更像是一家在金融市场运作的科技公司。」王阳说。
当年求职时，他曾在简历上提到了一个自己毕业论文中用到的算法。公司对王阳的前沿研究表现出浓厚兴趣，不仅让他将学术背景完整介绍一遍，还与他讨论起了算法在金融市场中应用的具体问题。
他们甚至聊到了入职后研究计划的可能性。比如，研究周期如何？需要什么样的资源支持？多少数据？算力？还大方谈及解决这些挑战为公司带来的丰厚回报。
「公司的入职率其实很低。面试中的提问都是根据每个人简历单独设计的。」做了面试官之后，王阳才知道这些。
平时，研究员们互称 「 X 总」时都是在打趣，叫「 X 博」时才预示一场严肃对话的开始。对话时的氛围感时常让人有置身研究所的错觉。大多数的国内量化私募只有不到 10 年历史，人数也并不多，往往还带有强烈的创始人个人风格。
王阳所在公司的创始人常说，科学研究只是一门语言。这门语言的特点是定义清晰，绝无歧义。「科学研究里，对就是对错就是错，没有大概、也许，除非能写出一个 Moment generating function。」 Moment generating function 是指矩生成函数，用来精确描述一个随机变量。
「他很崇尚理性，其他形式上的东西他都不在乎。跟他讨论问题，你可以坐着，他站着。」 王阳记得入职第一天就和他讨论过如何将多个信号融合。
如今，公司对先进技术的坚定经受住了多年来的多重考验，王阳也因此时常觉得幸运。
毕业时，很多朋友认为王阳应该在高校任教，再顺理成章地拿到绿卡，继续过舒适、安稳的高校生活。但他清楚，许多数学家和科学家都是天生的难题解决者，不会找那个木板最薄的一块钉钉子。
「你不会总有灵光一现的时刻，更漫长的是自我的孤独与煎熬。」他说。
相比之下，量化投资在数周甚至数天之内就能推动结果产生。一个简单的回溯测试或者一小笔资金的实盘就可以终结关于一千种、一万种假设对与错的无休止争论, 朝着真实坚定迈出一小步之后，再研究下一步。
实时关注模型调整产生的结果
王阳也亲历过当年 AI 人才抢夺大战的轰轰烈烈。「你看到的都是成功案例，你不知道的都是失败案例。」对此，他深有感触。
困扰几乎所有 AI 人才的问题「落地难」，在量化投资领域却几乎不存在。「当然，作为金融企业，还是需要募资，需要中后台支持。但是，业务模式存在已久，行业内解决方案也都很成熟。我们做的只是把原来主观的投资慢慢用算法升级。」王阳进一步说，「只要能取得研究上的成功，转化成经济成果的道路是完全通畅的。」
许多技术企业需要不断融资。在现金枯竭前证明自己的业务模式，然后再进行下一轮融资。多轮汰弱留强之后，只有极少部分能实现稳定盈利，成为一门有机增长的生意。同样以技术取胜，但量化私募几乎没有这样的融资案例。虽然有行业监管特殊性的原因，更多是由于大中型量化私募纯靠自身造血就可以保持正现金流。
「跟初创科技企业比，一夜暴富的希望肯定要小一点。但收入已经非常丰厚了，不需要拼工作强度也没有大起大落。」王阳说，「作为科学家，研究成果能稳定转化，支持自己继续安心做研究，已经很满足了。」
有时，研究就像一趟穿越未经探索过的黑暗的旅程，花费几个月甚至数年时间也只能蹒跚而行。此时，王阳会坐在窗台上举着啤酒瓶，他坚信一定有办法对价格建模。
