【e报道】从华尔街到陆家嘴，大象正在起舞

开篇跟大家分享两个真实的小故事。

年初，交易门采访一家位于北京的量化私募时，负责人告诉我，他们很需要人工智能和大数据的人才，但在薪酬上无法跟财大气粗的互联网公司比着给钱。无奈下，他们只得暗度陈仓，通过外包的方式，与BAT、各大高校实验室的技术人才合作。他们出数据，对方利用闲暇时间研发策略。如果能赚钱，就提成。不赚钱，就拉倒。

据交易门了解，面临人才困局，采取如此做法的交易团队远不止这一家。

第二个故事发生在美国。微软工程师Alex来自战斗民族俄罗斯。他其貌不扬，本在西雅图过着平静的中产阶级生活，去年突然收到来自华尔街各大基金公司的电话。这些大公司注意到了他在大数据分析方面的深厚积累，派出猎头对他展开疯狂抢夺。

Alex对金融投资几乎一窍不通、也从未在任何金融机构任职。名不见经传的他，却收到华尔街巨头文艺复兴基金、Citadel等多家巨头的Offer。经过艰难抉择，Alex接受了来自某家基金公司的邀请。首年底薪：70万美元。

不管是美利坚，还是大洋此岸的中国，不管是初创小公司，还是金融巨头，各类金融机构对技术人才的争夺已经白热化。这场轰轰烈烈的人才抢夺战背后，是传统金融机构向科技转型这一不可逆转的大浪潮。甚至有人说，到底是金融机构，还是科技公司，也许在不远的未来，都将“傻傻分不清楚”。

而这场声势浩大的转型大海啸，至少在10年前，其实就已经山雨未来风满“街”。

卖方代表：高盛

见证后危机时代的量化大爆发

2017年年初，时任高盛CEO的Lloyd Blankfein高调宣布：“我们是一家科技公司，我们是一个平台。”这一言论引起一片哗然。

要理解高盛CEO什么意思，不妨先看看高盛内部最有科技感的量化投资部门QIS（Quantitative Investment Strategies）最近10年在做什么。

2007年8月6日，Quant Meltdown（时称“量化崩盘”）来袭时，高盛的QIS风头正劲。其时，这个由数学家、计算机专家和物理学家组成的投资部门管理规模达1650亿美元。但一朝量化崩盘来袭，几乎让QIS全军覆没。高盛最终关掉了两只最知名的基金：Global Alpha和Global Equity Opportunities。接下来的坍塌如多米诺骨牌一般，华尔街著名的量化对冲基金AQR的旗舰基金在8月头十天跌了13个点，传奇的文艺复兴基金也没有逃过这一劫。

华尔街的大投行里，传统银行家们把责任推给了看上去很神秘的量化分析师（Quant）。指责他们搞了一堆自己看不懂的数学公式，用了太多杠杆，采用相关性极高的策略，并且透明度不够。这才引爆了这场相似策略流动性危机下的踩踏狂抛。

其实用了太多杠杆，相关性极高，透明度不够这样的指责，又哪里仅仅是Quant的问题。紧接着十几个月里，金融危机袭来，传统Banker就可以把上述评论一字不改，反身自责于自己一手参与制造的次贷危机。

由此看来，问题并不出在某一种特定的投资模式。症结在于华尔街的大型金融机构并不清楚自己在做什么的时候，就把某一类表面看上去赚钱的业务推向了大规模复制的极致。

金融危机带给各大机构的教训深刻：建立系统化、全局化、透明化的管理数据，风险、仓位的投资流程，对机构生存乃至市场稳定有极端的重要性。

后危机时代，数据，才是支持华尔街的“石油”，而处理分析数据的技术体系成了华尔街的“炼化厂”，由技术能力所支撑的投资风控全流程体系则成了“总控室”和“消防局”。有超强投资能力的个体天才经理或许还会间或出现，然而以选股英雄彼得·林奇所代表的一家机构围绕某个明星天才开展业务的时代已经远去。

正因为这样，量化投资模式的历史大潮非但没有逆转。金融危机后，量化投资在华尔街反而得到更加爆发式的发展。根据《对冲基金研究》（Hedge Fund Research）2017年通报的数据，截至2016年，由量化策略（包括高频交易、ETF和由AI驱动等策略）管理的资产如今比2009年翻了两倍，达到9180亿美元。

而今，华尔街的大机构们离了系统化的技术工具，早已经寸步难行。他们越来越依赖物理、数学、计算机，金融工程背景的人才在机构内部应用投资风控的数理模型。工程师们对“alpha generation”，“smart beta”，“gamma scalping”，“delta hedging”、“option theta”这些拗口的名词顺手拈来，通过对不同参数的计算、分析与展示，用系统化的手段来检验模型、量化风险和预测市场。以高盛的固收部门为例，工程师就占用了员工总人数的1/4。

2007年之后，高盛的QIS部门经过重组，现在管理超过900亿美元，其中310亿美元集中投资于被称为“Smart Beta”的ETF，160亿用来投资Equity Alpha，还有32亿是用来做复制其它对冲基金的被动策略。

在高盛，量化分析师没日没夜地挖掘数据，寻找任何有预测性、可以写成算法的信号：他们用机器算法寻找跨地域的链接，把世界划分成几百个相互牵制的“经济联合体”，Quant们再通过计算机模型分析数据，找到分布在上百万不同地理位置、几十万不同资产价格之间千丝万缕的关系。