为什么说 Quant 的工作内容和物理研究很相似？都有何相似之处？

腾天 · 2018-9-30 17:14:29

的确是差不多。

我们高频量化交易做研究的套路基本就是所有科学和工程学的经典套路：细心观察，提出假设，设计实验检验假设，总结规律、提炼理论。这也是 @董可人提到的P宗的经典套路

当然也有Q宗的，从理论入手，设计模型、设计实验检验理论，最后得到新的产品，这是衍生品矿工的经典套路。

江嘉键 · 2018-9-30 17:14:30

物理研究和 Quant 的日常工作确实有很多相似点。诚如诸位提到的，它们都遵循波普尔的科学哲学范式，以证伪原则作为自己研究的判断标准。就我个人的体会，有一个更具体的相同点非常重要：对于物理和金融量化分析的这两个领域，好的研究始终都是 “优秀的直觉+严谨的数学” 的结合。

对于理工科出身的 Quant，不少金融背景的人会对他们有一个刻板印象：理工科出身的人通常深信数学模型无所不能，而忽略了市场本身。但对我来说，在物理或者其它自然学科的学术研究中，“数学模型无所不能”从来不是一个被认可的观点。在物理研究中，对于研究的问题本身的直觉和经验，几乎和严谨的数学一样重要。做物理研究本身就像是茫茫黑夜里面走路，而好的物理直觉则是转瞬即逝的火苗，指引你找到一条正确的道路。物理史上有不少类似的趣闻轶事，诸如 “薛定谔带着情妇去瑞士度假，回来就提出了量子力学最重要的方程之一，这到底怎么回事？！” “德布罗意这种平时看起来不务正业的博士生，怎么可能在毕业论文直接提出了波粒二象性？” 这些方程和理论本身缘何而起，发现者本身也未必能说出所以然，而它们本身看起来如此富于深邃的美感，简直像是上帝执着他们的手写下来的。像“Good Taste” 或者 “Good Intuition” 这种形容词，无论是对于物理研究者或者 Quant 来说，都是一个非常，非常高的赞誉。

作为 ”优秀的直觉+严谨的数学” 的范例，在《主动投资组合管理》第10章里面提出了一个精炼信息的预测经验公式。在投资决策过程中，我们会得到各种各样的信息：某个股票分析师的建议，机构的一致预期，甚至某类内幕小道消息。这些信息有不同的形态和量纲（可能是文字描述，也可能是各种单位不同的数字），该如何把这个原始信息进行精炼，让它们成为我们投资决策的一部分？书中得到了一个精炼预测（refined forecast）的经验表达式，其给出的启发式推导思路非常像物理研究：

1 信息本身偏离自身的均值越大，则该信息强度越高，且不同类型的信息应该不受量纲影响，因此表达式中应当有其标准分值；

精炼预测 = 常数*标准分值

2 信息和我们需要预测收益率相关性越高，则价值越高，因此表达式中应当有信息系数；

精炼预测 = 常数*信息系数*标准分值

3 精炼预测应该有和收益率相同的量纲，以便于修正我们对于投资组合收益率的期望。然而信息系数和标准分值都是无量纲的。如果资产本身波动越大，就越容易受新信息的影响，因此引入资产本身的波动率，以保证精炼预测和收益率有相同的量纲：

精炼预测 = 波动率*信息系数*标准分值

在技术附录部分，上述的经验表达式得到了严格的证明。基于新信息的条件下，该表达式正是对收益率的最优线性无偏估计（Best Linear Unbiased Estimation, BLUE）。如此，直觉带领我们走入无人抵达过的未知之境，而数学赋予我们的直觉以清晰和规范。

在解释什么物理学家和数学家有什么区别时，我的导师曾经说过一番话，我觉得也同样是用于 Quant 的工作：“数学家研究微分方程时，通过复杂的推导，他们可以证明这个方程有解。而至于解是什么，他们一无所知。但我们不可能因此而止步不前。这就是我们理论物理学家开始介入的时候：基于我们的经验和直觉，构造一个解的形式，然后和实验结果对比验证。这种做法在数学系的人看来粗糙不堪，不可理喻。但最终，他们会承认我们是对的。这就是我们的工作方式：打磨自己的物理直觉，直到找到那条真正通往万物真理的道路。”

Ben Qian · 2018-9-30 17:14:31

但奉劝一句哥们，物理学有微观有概率问题，但宏观上有相对论牛顿定理这些可以准确预言并检测结果的理论。金融市场上却没有一套可以准确预言证券价格长期走向的理论公式。也许有人会拿出基本面分析或者巴菲特的例子。但是基本面公司业绩分析优秀的股票未必就一定会涨，不涨甚至跌的例子也太多太多了。我认为是扰动太多了。你的投资可能会受到技术面投资者的强大扰动，又可能会受到指数投资者的扰动。高频交易一次黑天鹅事件就会使你的努力前功尽弃。但相对论牛顿定理的预言能力却准确得多。所以，金融市场永远要掌握各种理论，看那种理论在哪个时期有效。并不是逻辑正确，就必然能实现的。这里的概率问题也许与量子力学有联系，但你不可能像物理学宏观理论语言的那样，去预言证券市场的走势。

不知彼岸 · 2018-9-30 17:14:32

Quant，我可是外行，不过有一点很有意思，物理的热力学模型常基于布朗运动，而金融衍生品定价模型也常是基于其underlying asset价格的布朗运动，比如假设股价随机游走。因此，不难想见，两者导出偏微分方程需要用的各种数学技术基本一样。
此外，据说，在美国衍生品市场发迹的那些年有大量物理学phd去了金融业工作。有个物理学phd后来就自己的金融业之旅还写了自传呢。@老豚晕糖的答案里提到的My life as a quant的作者就是了。

webwolf7 · 2018-9-30 17:14:33

这世界上的水都是相通的。
All the water in the world are linked together。

李发 · 2018-9-30 17:14:34

是比较像，因为现在很多做物理“研究”的跟大部分做量化“投资”的一样，都越来越接近搞玄学了。

Fred Hu · 2018-9-30 17:14:35

其实并不相似，大多数都是面试的物理学学生陶瓷的套路而已

水城领主 · 2018-9-30 17:14:36

经济是社会科学，物理是自然科学。

物理的定理只要研究出来之后就可以称为定理，即在同等实验条件下，使用该定理重复一千次结果也是一模一样的。

经济则不然，即使相同实验条件下，实验结果仍然会出现不一样的偏差。因为经济学的实验对象是人，每个人都是一个单独的个体所以每一个实验结果都会有所不同。

但是经济定理和物理定理仍然存在共同性，而且经济学家也在努力把经济定理“物理化”也就是隔离每个因素，尽量使实验结果可重复化。这样做的目的就是为了研究在同等条件下抛去个体因素，人们作为整体的时候的行为，从而制定“定理”然后给决策者作为参考，制定商业计划或者国家政策。
物理定理不存在时效性，一经发现即可使用很久并且可重复。
经济定理时效性强，不同时间，受众定理结果都会不一样

杨帆 · 2018-9-30 17:14:37

其实就是感觉一些underlying asset有一些规律，但是搞不清楚具体啥规律。就取一些数据（样本空间）去验证下，验证成功了是否代表就有规律了？就有一系列判断办法比如显著性等，最后这种规律在某种条件成立，去样本外执行赚钱去

熊泳杰 · 2018-9-30 17:14:38

Quant的工作实质上是对历史数据进行解读，找到合理的行为模式构建交易策略，通过回测初步验证，通过压力测试和外推品种测试继续验证，再经过交易成本计算的构建，最后在市场上进行交易。更多的是运用数学和统计学，以及计算机科学。要说和物理研究相似，可能不仅仅是物理吧，和所有科学研究都比较相似，就是追求可重复，可验证。

金融需要量化，需要数学统计学等工具，但是完全照搬物理的研究方式，显然是走偏了。宽客们的收益率并没有高于基本面投资者以及趋势投资者，甚至很多人都不做主动型多头策略，他们的优势在于风控，回撤通常较低，夏普比率高，净值曲线稳定。市场中性策略和统计套利都是追求低回撤，稳定收益，风险低固然是好事，但是盈利能力非常有限，资本容量也非常有限。这个问题是中性的，一切取决于投资人的风险承受能力和贪婪的程度。随着对金融理解越来越深入，我相信宽客们能做得更好，毕竟数理优势巨大，手里拿着枪炮怎么也该比别人拿弓箭厉害多了，只是目前用得还不够好。

金融研究的对象是人，属于社会科学，哪些是社会科学？经济学、社会学、心理学；物理研究的是自然界的客观规律，属于自然科学，哪些是自然科学？物理学、化学、生物学。金融市场符合有生命体的特征，会进化、会成长，没有一条定理能让你稳赚不赔、也没有一种策略能让你赚一辈子的钱。金融市场是复杂系统，类似的还有经济、社会；天气、湍流，三体及N体问题。它们都属于复杂系统，它们的基本特征是：1.不可逆、不可重复 2.非线性 3.会产生突变 4.随机性和确定性并存 5.非周期性（在这里可能会有人说股市期市债市皆有自身的周期，周期性是要求时间间隔严格一致的，比如每一次都是5年，那么是周期性；如果是多周期重叠，比如这次是3年，下一次是7年，再下一次又是3年，循环往复，那么是准周期性；而真实的市场周期几乎没有规律，国际经济所谓的7年之痒：1987-1994-2001-2008-2015，1987年发生了黑色星期一，全球股市遭受重创，但是时间极为短暂；1994年并没有发生很重大的事件；2001年互联网泡沫破灭；2008年次贷危机；这个只有统计意义上的规律之前经常被人提及，然而它就在2015年被打破了，全球市场并没有发生崩溃，反倒是A股经历了半年的疯狂上涨后诞生了史上最惨烈最快的崩盘，但是整个年度还是上涨的。复杂系统，用最简洁的话说，就是混沌的。

混沌不是简单的无序、随机，是不具备周期性和对称性的有序。并且不可逆，无法重复做实验验证。
但是目前宽客们干的事情，把金融市场搞成了随机的，居然正态分布、布朗运动都扯出来了，以此理论基础建立的模型居然要用到随机微积分，使用这些模型进行交易，活不过几年就垮台。长期资本管理公司的明星团队：莫顿、斯科尔斯因为发明了期权定价模型获得诺贝尔奖，理论基础就是有效市场假说，以及波动率正态分布。但是然并卵，公司存活了不到4年即宣告破产，被美联储救市联合巴菲特廉价收购了。

最成功的宽客，当属文艺复兴科技的西蒙斯，做的是高频交易、利用量化模型捕捉市场短期的过度波动带来的负反馈机会，通过每天成百上千次的交易、利用大数法则稳定赚钱，不持有任何仓位过夜。他是一个纯粹的数学家，没有用到传统金融理论中的有效市场假说，模型也会每天更新，工作量巨大，团队里招了几十个自然科学家。

还有那些利用回测或者模拟交易的，别说你回测10年、20年，就是100年也没用（当然，A股历史也就20多年）；交易模型必须建立在对金融深刻理解的基础上，以演绎法的逻辑推导来建立模型，你得明白这个模型背后的意义，为什么这个参数是0.5而不是1，为什么这个方程组可以模拟市场的走势，这种时候回测是可以起到一定程度的验证作用的，但是也仅限于一定程度上，并不是物理实验那样验证了就可以无限重复。如果只是为了得到好的回测结果，抛开金融的理论基础去修改模型做回归，那么结果必定是过度拟合，该模型对过去十分有效，对未来无效。目前大多数模型都是用的归纳法，通过统计学判定一些条件满足时涨跌的概率和赔率，然后根据这个只有历史统计意义上的概率和赔率执行交易，比如最简单的MACD金叉则买入、死叉则卖出（这个策略长期下来肯定没用，不用试了，但几十年前有一段时间很有用），现实中的策略当然不会这么简单，但是本质上一样，都是利用的归纳法。再一个，模拟交易不用真金白银，自身压根没有心理波动，根本体会不到坚持模型还是止损换策略等等内心的挣扎，甚至没有交易成本，你估算的交易成本可能和真实的交易成本差距很大很大，这个估算是难以精确量化的，你模拟10亿、100亿资金规模也没用。

我目前对于金融和物理学的交叉持中立态度，混沌最简单的三体问题，以及湍流，物理学界貌似都还解决不了，更别说应用到金融里面去了，无数个交易者之间相互作用，要是从微观角度入手，将其看成一个个的粒子的相互作用，我简直不敢想象，何况这些“粒子”还是有智慧的，行为方式会改变。要用演绎法去推导出描述不同市场走势的方程组，像天气预报那样短时间内比较精确地预报天气是目前没人能够做到的，这个游戏太难了。传统的物理学研究方式，观察/思想实验、提出规律、设计实验、验证，在金融市场大概率无效，更多的只是过度拟合和幸存者偏差带给你的错觉而已。

为什么说 Quant 的工作内容和物理研究很相似？都有何相似之处？

10 个回复