西蒙斯生平
西蒙斯出生於1938年，美國麻州一個普通中產家庭。小時候對數字極度敏感，他21歲就拿下MIT的數學學士，23歲取得加州大學柏克萊分校博士學位，他在數學界名聲響亮，他與中國數學家陳省身合著的「陳-西蒙斯理論」，今天在物理學仍具有重要地位。他原先在學校當數學教授，後來當系主任，也在情報單位工作過，幫美國政府破解蘇聯密碼。西蒙斯也自己利用自己的專業能力搞點小投資，他發現金融領域接受新科技的進度十分緩慢，這讓自己大有機會。
1978年，他離開學校，在紐約創立「金錢計量學公司」這家公司後來改名叫「文藝復興科技公司(Renaissance Technologies)」，原本只是想用統計與電腦模型，做些大宗商品與期貨的小規模套利，但初期經營得不算順利，經過十年的摸索與調整，終於步入佳境。
文藝復興科技公司的「大獎章基金」在1988年至2018年間創造了超過1000倍報酬，年化報酬率達到了前無古人的66%、因為公司要收20%的業績分成，5%資產管理費，但即便收這麼高的業績分成，淨報酬還是高達39%，依舊名列第一。唯一的問題是: 你我都投不了，這基金現在只對公司員工與合夥人開放，這是為了保護規模不至於大幅擴張，而不得不去尋找報酬率不那麼高的標的，而降低整體報酬率。
這家公司從不雇用傳統華爾街分析師。他的團隊幾乎全是數學家、物理學家、天文學家、電腦科學家。
2019年7月，《富比士》報道其身價為高達217億美金，在富比士排行第44。
這位天才數學家退休後專注慈善與科學研究，捐出數十億美元成立「西蒙斯基金會」，支持基礎數學與自閉症研究，於2024年過世。
投資策略
詹姆士·西蒙斯被稱為量化交易之父，他的投資邏輯很簡單一句話：「市場裡的價格變化關係可以用數學計算，並且會重複發生」
投資市場上分析向來主流有兩種，一種叫量化分析，一種是質性分析，量化分析是用數學方式統計某種因素跟價格的相關性，企圖尋找其重複模式的早期訊號，並利用其重複性獲利，質性分析則比較主觀，用來處理無法量化的特徵，例如企業執行長的誠信等等。西蒙斯則是徹頭徹尾的量化模式。
但這種模式真正考驗是: 如何區分「雜訊」與「信號」。
我們每天在市場上看到的價格波動、利多利空、消息傳聞、技術面、基本面分析，絕大部分都是噪音。真正的「信號」——也就是可被統計驗證、具有重複性且可預測的市場行為——往往隱藏在大量資料之中，肉眼看不到。這時候，數學與電腦就成為了他的武器。
用電腦建立一套由數千個微小策略組成的複雜系統，時間有長有短。
這些策略都像是「螞蟻」，也許單一策略一次只能賺個2%、3%，但整體合在一起，就像一支軍團，每天都在不同市場與品種中自動執行套利。
不去重視因果邏輯關係，而比較重視會重複發生的規律性。這也是經過長久經驗摸索得到的心得。
舉例來說: 如果每次天氣晴朗，股市就漲，那麼只要專注於觀測天氣晴朗的預兆，而不去探究天氣跟股市間的關係。
他們會研究股票開盤與收盤之間的短期關聯、價格與成交量之間的關係等等。
例如週一走勢通常跟週五相似，這被稱為週末效應，週二則常出現反轉，第二天會延續前一天走勢。如果出現明顯漲勢，大獎章基金會在週五收盤前買進，週一一早就賣掉，善用這個週末效應。
如果報導東歐缺麵包，它們就去過濾過去麵包短缺跟小麥價格上漲的例子，觀察財報公布後的股票交易規律。
他們許多策略以動量為主，比如計算日幣連續跌三天的話，第四天上漲的機率有多少，又或者黃金的價格是否會帶動白銀。
特別是大跌後的反彈(短期小幅反彈或是反轉創新高)讓大獎章基金獲利最多。
這個方法需要搜集非常多的各類數據，西蒙斯買回一大堆書，把書中的原物料，債券，貨幣價格，甚至派人去聯準會把當時還沒有電子化的歷史利率數據抄下來並變成電腦資料，，甚至拿到19世紀的交易數據，並且把很多電腦磁帶的舊資料轉化成新型電腦能夠理解的新格式。
西蒙斯相信某個地方會出現的規律，在別的地方也應該會有。
股票每一筆獲利並不大，只有50.73%勝率，但就這樣方法賺進數十億美元。
這是一套將「高頻交易 + 巨量數據 + 機器學習」等科技應用到金融市場的方法。
電腦會自動偵測機會，自動下單交易，還會自動調整，其中的某些策略失靈了，就把錢轉向最近表現好的策略。這就像動物的演化，會適應環境而調整。
因此，就算市場上大部分人都在賠錢，他們依然仍夠找出少數獲利機會，別人虧錢，他們還是賺錢的，而且表現非常穩定。
可以做到超越指數的超高報酬率，以及極低的夏普比率(整個90年代的夏普率都是2.0)，甚至在2003年達到6.0。是其他大型量化基金的兩倍，這個數字代表大獎章基金一整年幾乎都沒有賠錢的風險。
(夏普比率:在金融領域衡量的是一項投資（例如證券或投資組合）在對其調整風險後，相對於無風險資產的表現。它代表投資者額外承受的每一單位風險所獲得的額外收益。)
成功因素
大獎章基金的成功，來自於極致的「非人性投資」。
它完全不依賴人類直覺。「人類的腦袋根本無法處理這麼多資訊，模型的表現遠遠優於人類。」
這套方法拒絕任何「故事型投資法」——不看財報、不管總經、不關注政策，只用數據說話。
如果把市場比喻為一間巨型賭場，那麼傳統投資者是靠牌技、靠直覺下注；而西蒙斯的團隊，就像用數據算牌的數學黑客，他們不賭運氣，只賭數學機率。
它不追求暴利單筆交易，而是靠「高週轉、低獲利率」積小成大。大獎章基金的平均持倉時間約為兩天，幾乎是市場上最短的之一。他們每天會進行上百萬筆交易，整體勝率只有50.37%，但是這50.37%勝率很穩定，每天一點點利潤累積下，產生驚人利潤。
這就是所謂「統計套利」：不靠預測，不賭方向，只賺機率偏差。
到1997年已經有超一半是非直覺的，也就是人類看不懂原因的。這種交易的好處是別家量化競爭對手不會用，
現在大獎章基金也做債券，原物料，但更倚賴複雜的股票交易。
市場無效率太複雜了，可說是用密碼隱藏在市場裡。這些因素之間存在數學關係，透過資料科學，他們了解各因素"何時"會產生關聯，什麼關聯，多頻繁?
文藝復興的方式完全顛覆華爾街歷來正統觀念: 不要頻繁交易，但正是這些不是出身華爾街的人才能不抱持成見。
AlphaGo的出現也是顛覆數千年來人類對圍棋的認知，許多以前認為錯誤的方法，被AI證明是人類的迷信。
平衡報導
這樣的方法真的完全沒有缺點嗎?
事實上有的，因為使用黑箱量化策略做決定，一但出錯，人類看不懂電腦為何這麼做，也就難以解決問題。
而且不是所有用量化的投資基金都有同樣的成績，大部分量化基金公司的績效平平，大獎章基金是特殊的。而1998年，用類似方法的LTCM(長期資本公司)失敗，更是讓華爾街的人對電腦做決策與交易很感冒。
LTCM跟文藝復興的差異:
(1)槓桿率不一樣
(2)主要聘用經濟學家
(3)LTCM的押注需要時間，文藝復興公司主要偏愛短線操作
文藝復興還是有吸取LTCM的教訓，文藝復興的箴言『永遠不要太相信模型』，2008年，西蒙斯就主觀判斷叫停程式交易，大幅波動時活下去比相信模型重要，即便後來證明程式是正確的，但風控重於報酬率，存活下去機率比對錯重要。
這也是巴菲特的心法精髓，存活下去重於一切。
1998年大獎章基金就將期貨交易減少25%，而LTCM不然，他們交易策略陷入困境時，他們的留倉部位不減反增。
LTCM的問題是把模型當真實情況。模型充其量只是反應部分真實。
LTCM還跨足自己不懂的網銀，丹麥房貸，這提醒文藝復興公司專注於打磨本業，不要跨足新事業。
結語
投資領域一直都有效率市場跟非效率市場之爭, 也就是投資人能否在市場上得到超額報酬,打敗指數?
教授們的研究確實一般人無法長期勝過市場指數, 連巴菲特也不否認這點, 甚至非常支持, 問題在頂尖的那群人的績效是運氣還是實力?自己做不到不代表別人做不到。之前說過，自身能力限制決定歸因能力，因為自己做不到，所以認為別人也做不到，文藝復興基金的存在證明市場上存在無效率行為，但絕對不是那麼容易被找到的。
事實上，大多數散戶使用被動投資策略是最合適的，因為大多數主動基金也難以做到超越指數，而且基金越是龐大越難以做到，市場上無效率的果實有限，難以餵飽那麼多資金需求，因此波克夏規模越龐大，也就越接近指數表現，這也是文藝復興科技所以要限制不再增加新資金進大獎章基金的重要因素。
個人看法是這樣，新人投資入門最好是被動投資，有興趣研究主動投資，有能力則可先從量化入門，因為有科學依據，並非質性分析不行，而是量化分析有數學作為依據，可以看穿許多沒有依據的虛假觀點，避免上當。以數據事實為依據，也可以避免許多人性的認知謬誤，例如崇拜權威的羊群心理。量化的觀念先有了，再從事質性分析，可以避免困在迷宮無所依據而出不來。
而投資要想成功，第一件重要的事就是避免上當，數學不會騙人，因為數學，不會就是不會。
LTCM的失敗不能完全歸因於電腦分析，完全交由電腦就容易忽略人性的瘋狂程度，完全用人腦則無法精確理性決策，各有優缺，人腦跟電腦有效結合，強弱互補，才是最強的組合。
END
