宽客

精读全文

第 1 章 · 量化精英的崛起

一群物理学家和数学家，带着方程式闯进了华尔街。他们不看财报，不听CEO讲故事，只相信数字。结果呢？他们赚到了难以想象的财富——然后，又亲手引爆了一场危机。这是怎么回事？

一九八七年，黑色星期一。

道琼斯指数单日暴跌超过两成。整个华尔街乱成一锅粥。交易员在电话里吼叫，经纪人盯着屏幕发呆。

但有一个人，很平静。

他叫埃马纽埃尔·德曼。南非来的物理学博士。他刚刚从学术界转行，进了高盛。他不是传统的交易员，他写代码，建模型，用方程式描述期权的价格行为。

那一天，他意识到：

市场，可以被计算。

或者说——他以为可以。

这个念头，改变了整个金融世界。

---

**全书导览**

我们要读的这本书，叫《宽客》。作者是斯科特·帕特森，一位《华尔街日报》的资深记者。

"宽客"是什么？

是"Quant"的音译。量化分析师。一群用数学模型做投资的人。

这本书我们分四章来读。

第一章，我们从头说起——这群数学天才是怎么闯进华尔街的？德曼、西蒙斯、摩根士丹利的PDT团队，他们凭什么？

第二章，我们看繁荣背后的暗流——当越来越多的人用同一套模型，市场里藏着一种危险的相关性在悄悄积累。

第三章，是这本书最惊心动魄的部分——二〇〇七年八月，量化地震爆发。那几天发生了什么？为什么全球最聪明的模型同时失灵？

第四章，我们往后退一步，看整件事的教训——黑天鹅、风险重估，以及机器学习新世代的崛起，量化投资走向何方？

好。现在我们从第一章开始。

---

**数学家，为什么来华尔街？**

先说一个背景。

二十世纪七八十年代，美国的学术界有一批理论物理学家和数学家，非常聪明，但找不到好工作。冷战结束，军备竞赛降温，政府给物理学家的经费越来越少。博士毕业，然后呢？教书？做研究？薪水少得可怜。

然后有人发现——

华尔街，需要他们。

期权定价、风险对冲、衍生品设计，这些东西需要的数学，和物理学高度重叠。偏微分方程、随机过程、概率论——这些学术界的"无用之学"，在金融市场突然变得值钱了。

帕特森在书中写道，这批人带着一种近乎傲慢的自信进入金融界。他们觉得，市场不过是另一种物理系统，只要找到规律，就能预测，就能赚钱。

这种自信，是他们最大的武器。

也是他们最大的盲点。

---

**德曼：从夸克到期权**

埃马纽埃尔·德曼是这本书里第一个登场的关键人物。

他研究的是粒子物理，专门研究夸克。然后转行来到高盛。

他的工作，是给期权定价。

当时市场上有一个模型叫布莱克-斯科尔斯模型，是期权定价的圣经。但这个模型有一个假设——市场波动率是恒定的。

德曼发现，这不对。

一九八七年股灾之后，市场出现了一个奇怪的现象：价外期权的隐含波动率，比价内期权高。用图形表示，是一条"微笑曲线"——后来叫做波动率微笑。

这说明什么？

说明市场参与者，其实并不相信布莱克-斯科尔斯的假设。他们在用期权价格，隐含地表达对尾部风险的恐惧。

德曼和同事一起，建立了新的模型来捕捉这个现象。这在当时是革命性的工作。

他的核心观点是：金融模型不是物理定律，它们只是对现实的近似。你用模型，但你必须知道模型的边界在哪里。

这句话，后来很多人忘了。

---

**PDT：摩根士丹利的秘密武器**

再说另一个地方。

摩根士丹利，有一个神秘的部门，叫PDT——Process Driven Trading，流程驱动交易。

这个部门，几乎不和公司其他部门往来。他们有自己的服务器，自己的交易系统，自己的研究团队。

领头的人叫彼得·穆勒。数学家出身，会弹钢琴，偶尔在地铁站表演。

PDT的策略，是统计套利。

什么意思？

找两只历史上价格走势高度相关的股票。当它们的价格出现偏差——一只涨得多，一只涨得少——就买便宜的，卖贵的，等它们回归正常关系，赚差价。

听起来简单。

但执行起来，需要处理海量数据，需要极快的交易速度，需要精确的风险控制。这些，都是数学家和工程师的强项。

PDT的年化收益率，长期维持在惊人的水平。整个九十年代，他们几乎每年都赚钱。摩根士丹利的高层，甚至不太清楚他们到底在干什么——只知道，他们在赚钱。

大量赚钱。

---

**西蒙斯：最神秘的那个人**

说到量化投资，有一个人绕不过去。

詹姆斯·西蒙斯。

他是数学家，研究过微分几何，破解过密码，然后创立了文艺复兴科技公司，旗下的大奖章基金，是金融史上表现最好的对冲基金之一。

从一九八八年到二〇一八年，三十年，年化收益超过六成——扣费之前。

六成。

这不是一年，是三十年的平均。

西蒙斯的策略，从不对外公开。他雇佣的，几乎全是数学家、物理学家、语言学家——就是不要传统的金融从业者。他相信，市场里存在人类认知之外的规律，只有用机器和算法才能发现。

帕特森在书中描述，西蒙斯代表了宽客世界里最极端的一派：彻底的黑箱，彻底的数学，彻底的去人性化。

他们不问"为什么"，只问"是不是"。

---

**一个时代的氛围**

让我们停下来，感受一下那个年代的气氛。

九十年代的华尔街，是宽客的黄金时代。

对冲基金在爆炸式增长。衍生品市场在爆炸式增长。计算机算力在爆炸式增长。三件事同时发生，给了量化策略一个完美的土壤。

传统的基本面分析师，开始感到压力。凭什么？凭什么那群不懂财报的数学家，能赚这么多钱？

但市场用业绩回答了这个问题。

这批宽客，带着他们的模型，系统性地从市场里提取利润。他们找到了市场的"错误定价"，一次又一次，套利，套利，再套利。

但这里有一个问题，一个很微妙的问题。

当越来越多的人，用越来越相似的模型，去寻找越来越相似的机会——

会发生什么？

---

**当下映射：今天的量化**

说到这里，我们看一眼今天。

中国的量化私募，在过去十年里经历了类似的爆发。百亿规模的量化基金，从几家变成了几十家。策略从简单的统计套利，演进到多因子模型，再到机器学习驱动的高频交易。

二〇二四年，A股市场出现了一次量化策略的集体回撤。多家头部量化基金在同一时间段出现亏损，而且亏损方向高度一致。

听起来熟悉吗？

这正是这本书后面要讲的故事的预演。

模型同质化的问题，不是美国独有的。只要足够多的聪明人，用足够相似的方法，去挖同一片市场——危险，就在积累。

---

**第一章的核心**

好，我们来整理一下第一章的核心。

第一，数学家进入华尔街，不是偶然，是时代的产物。期权市场的发展，计算机的普及，学术界的就业压力，三股力量汇聚，催生了宽客这个群体。

第二，德曼、穆勒、西蒙斯，代表了三种不同的宽客路径。德曼是建模者，穆勒是套利者，西蒙斯是黑箱机器。但他们有一个共同点——相信数学能战胜市场。

第三，这种相信，在九十年代被市场反复验证。但验证，有时候是陷阱。

宽客们赚到了钱。

越来越多的人加入。

越来越多的人，用越来越像的方法。

这时候你要问一个问题——

如果所有人都在用同一张地图找宝藏，这张地图，还有效吗？

当模型开始泛滥，当因子开始拥挤，市场里那条隐藏的相关性，正在悄悄绷紧。

下一章，我们就来看：那根弦，是怎么越绷越紧的？

第 2 章 · 模型泛滥与相关性暗涌

当越来越多聪明人用同一套方法赚钱，会发生什么？

答案不是"大家都赚钱"。

答案是——一个隐形的炸弹，正在慢慢上膛。

上一章我们讲了量化精英的崛起。德曼、西蒙斯、PDT——这些用数学打进华尔街的人，靠模型赚到了别人想都不敢想的钱。核心逻辑是：市场有规律，规律可以被计算。今天我们来看：当所有人都开始这么想，会发生什么？

---

想象一个画面。

时间是二零零五年前后。纽约，曼哈顿中城，一栋写字楼的某个楼层。

会议室里坐着一群人。不是西装革履的传统交易员，是穿着休闲衬衫的博士。物理学博士，数学博士，统计学博士。白板上写满了公式。屏幕上跑着回测数据。

他们在讨论同一件事：

动量因子。价值因子。均值回归。

这些词，你可能没听过。

但在当时的华尔街，这是最流行的"暗语"。

---

什么是因子？

简单说，就是驱动股价的某种规律。

比如"价值因子"——便宜的股票，长期来看往往会涨回来。

比如"动量因子"——过去涨得好的股票，短期内往往还会继续涨。

这些规律，学术界研究了几十年。有论文，有数据，有验证。

听起来很靠谱，对吧？

但问题来了。

---

靠谱的东西，人人都想用。

帕特森在书中写道，到了二十一世纪初，华尔街的量化基金数量已经爆炸式增长。大型银行有自己的量化部门，对冲基金里量化策略占比越来越高，连原本做传统投资的机构也开始引进数学人才。

数字是多少？

没有精确统计。但帕特森的描述是：

用同类模型的资金，以千亿美元计。

千亿。

---

停一下。

我们来想一个问题。

如果全班同学做同一道题，用同一种方法，答案一样——那这道题还能赚分吗？

市场也是这个逻辑。

当所有人都在买"价值低估的股票"，这些股票还会低估吗？

当所有人都在做同一个动量策略，这个策略还有超额收益吗？

答案是：

会越来越难。

这就是所谓的"因子拥挤"。

---

因子拥挤，不只是收益变薄那么简单。

它还藏着一个更危险的东西：

隐藏相关性。

什么意思？

正常情况下，A股票和B股票可能没什么关系。一个是科技股，一个是消费股。你买了A，又买了B，感觉是在分散风险。

但如果持有A的基金和持有B的基金，用的是同一套因子模型——

那A和B就被悄悄绑在一起了。

不是因为公司业务有关联。

是因为买家是同一批人，用的是同一套逻辑。

帕特森的核心观点是：模型同质化创造了一种肉眼看不见的相关性。表面上是分散投资，底层却是高度集中的风险暴露。

---

这让我想到一个当下的案例。

二零二二年，美股科技股集体暴跌。

很多人说，是因为美联储加息，利率上升压制了成长股估值。这是原因之一。

但还有一个原因很少被提到：

大量量化基金同时持有相似的科技股组合。当市场开始下跌，这些基金同时触发风控线，同时开始卖出。

卖出，导致价格更低。

价格更低，触发更多风控。

更多风控，更多卖出。

这就是一个自我强化的螺旋。

不是因为公司变差了。

是因为持有者太像了。

---

回到《宽客》里的世界。

书中有一个细节让我印象深刻。

那个年代，量化基金之间有一种奇特的竞争关系。

大家都知道对方在用类似的模型。但没有人愿意停下来。

为什么？

因为只要你停，别人就会继续赚。

这是一种典型的"囚徒困境"。

理性的个体选择，导致了集体的危险处境。

每一家机构单独看，都是在做风险管理。

但所有机构加在一起，却在共同制造一颗炸弹。

---

帕特森在书中有一个比喻，我觉得非常准确。

他说，这些量化基金就像在同一条河里捕鱼的渔船。

起初，鱼很多，大家都有得捞。

后来，渔船越来越多。鱼越来越少。

但没有人愿意离开这条河。

因为离开意味着放弃。

而留下，至少还有鱼。

直到有一天，河里的鱼突然全部消失——

不是因为鱼死了。

是因为所有渔船同时把网撒向了同一个地方。

---

还有一个问题值得深想。

这些博士，这些天才，他们不知道这个风险吗？

他们知道。

部分人知道。

但知道，不等于能改变。

这里有一个结构性的困境：

量化基金的客户，看的是短期业绩。

如果你说"我觉得市场风险在积累，我要降低仓位"——

客户的反应是什么？

"那你为什么没别人赚得多？"

于是，个人的理性判断，被机构的激励机制覆盖了。

风险在积累。

但没有人有足够的动力去踩刹车。

---

模型同质化还带来了另一个问题：

模型是用历史数据训练出来的。

历史数据里，有没有"所有人同时用同一套模型"这种情况？

没有。

这是一个全新的状态。

但新的状态，会产生历史上从未见过的风险。

模型不知道。

因为模型从没见过这种情况。

这就像用晴天的地图，去导航一场暴风雪。

地图没错。

但地图描述的，不是你现在所在的世界。

---

到了二零零七年夏天，那颗炸弹已经上膛很久了。

导火索，是次贷危机开始发酵。

一些量化基金因为别的原因需要变现，开始卖出持仓。

然后，那个隐藏的相关性，开始显现。

本来不相关的资产，开始同步下跌。

本来分散的风险，开始集中爆发。

这就是后来被称为"宽客地震"的事件。

但那是下一章的故事了。

---

这里我想留一个问题给你。

你想想看——

如果一套策略被太多人使用，它还有效吗？

如果有效，为什么？

如果无效，那最聪明的人，应该去找什么？

是更好的模型？

还是——

找一个别人还没挤进去的地方？

这个问题，二零零七年八月那个星期，会有一个残酷的答案。

当市场在几天之内出现了"百年一遇"的波动，当所有模型同时失效，当最聪明的人也看不懂屏幕上的数字——

那一周，到底发生了什么？

下一章，我们来还原那场量化史上最惨烈的崩溃现场。

第 3 章 · 2007 年 8 月量化地震

二零零七年八月，一个普通的夏天。没有战争，没有金融危机的新闻头条。但在那几天里，全球最聪明的一批人，看着自己的模型集体失灵。他们不知道发生了什么。你猜，问题出在哪？

上一章我们讲了模型泛滥与相关性暗涌。

核心是什么？

是当越来越多的宽客用同一套逻辑、同一批因子在市场里捞钱，表面上大家各自独立，底层却悄悄绑在了一起。就像一片森林，看起来每棵树都在独自生长，但根系早就缠绕成了一张网。

今天我们来看：这张网，是怎么在五天之内被撕碎的。

---

时间回到二零零七年八月六日，星期一。

地点：曼哈顿，各大对冲基金的交易室。

那天早上，一切看起来很正常。

宽客们坐在屏幕前，模型在跑，信号在出，交易在执行。

然后，有些不对劲。

某些策略，开始亏钱。

不是大亏，是那种……不该亏的亏法。

按照模型的逻辑，这些仓位应该涨。但它们在跌。

一个小时后，还在跌。

下午，还在跌。

交易员开始互相打电话。不是为了抱怨，是为了确认一件事：

"你们那边也是这样吗？"

答案是：

是的。

---

帕特森在书中写道，这场危机的触发点，很可能来自某一家基金的被迫平仓。

被迫平仓。

这四个字，是理解这场地震的钥匙。

什么叫被迫平仓？

你借了钱来做交易。这叫杠杆。当你的亏损超过某个阈值，借钱给你的人会说：还钱。现在。

你不想卖，但你必须卖。

于是你开始抛售手里的仓位。

问题来了。

你抛的那些仓位，和隔壁基金持有的仓位，高度重叠。

因为大家用的是同一套因子模型。

你一抛，价格下跌，隔壁基金的净值也开始下滑，他们的风控系统报警，他们也开始抛。

然后更多的基金开始抛。

这不是市场在定价，这是一场踩踏。

---

八月七日，周二。

亏损在加速。

有些基金单日亏损超过了过去一年利润的总和。

更诡异的是，那些平时表现稳定、互不相关的策略，开始同步崩溃。

统计套利在亏。

市场中性策略在亏。

动量策略在亏。

按照模型，这些策略不应该同时亏损。它们的设计初衷，就是为了分散风险。

但现实是：

全线溃败。

帕特森的核心观点是，这揭示了一个深层真相：量化策略的"不相关性"，是在正常市场条件下成立的。一旦市场进入流动性危机，所有人同时需要现金，所有的相关性假设都会失效。

平时是零相关。

危机时是百分之百相关。

---

停。

让我们想一个问题。

为什么这些聪明人，没有提前预见到这一点？

不是因为他们笨。

是因为他们的模型，是用历史数据训练出来的。

历史数据里，有过流动性危机吗？

有。

但不多。

而且，更关键的是——

历史数据里，没有"这么多宽客同时持有相同仓位"这件事。

因为这是第一次。

模型在预测一个从未存在过的世界。

这就是宽客们最大的盲点。

---

八月八日，周三。

部分基金开始紧急开会。

高盛旗下的量化基金，那一周的亏损据报道高达数十亿美元。

文艺复兴科技，西蒙斯的公司，据说也受到了冲击，尽管他们后来的恢复速度远快于同行。

德劭基金，城堡基金，AQR——

整个量化江湖，没有人幸免。

有一个细节，帕特森在书中描述得很生动。

某位宽客坐在屏幕前，看着数字不断变红，试图搞清楚到底发生了什么。

他调出了所有的风险指标。

正常。

他检查了市场数据。

没有明显的宏观事件。

他看了看新闻。

没有重大消息。

然后他意识到：

这不是市场在反应外部信息。

这是市场本身，在自我吞噬。

---

这场危机，持续了大约五天。

到八月十日前后，市场开始企稳。

部分基金的亏损，在随后几周内得到了一定程度的恢复。

但有些东西，回不来了。

那就是信心。

宽客们第一次集体意识到：

他们的模型，不是在描述市场的真相。

他们的模型，本身已经成为了市场的一部分。

当足够多的人用同一个模型，模型就开始影响它所试图预测的对象。

这在哲学上有个名字，叫"反身性"。

索罗斯讲过这个概念。

但宽客们，是在二零零七年八月，用真金白银，亲身验证了它。

---

这件事，放到今天，有没有映射？

有。

非常直接。

二零二三年前后，A股和全球市场里，量化私募的规模急速膨胀。

中国市场里，百亿量化基金的数量，在几年内从个位数增长到几十家。

大家用的因子，高度相似。

动量、反转、市值、换手率——

同一套逻辑，同一批信号。

二零二四年初，A股市场出现了一次剧烈波动。

部分量化基金在极短时间内出现了超预期的回撤。

原因之一，和二零零七年的美国如出一辙：

因子拥挤，叠加流动性收紧，触发连锁平仓。

历史，不是在重演。

但它在押韵。

---

帕特森在书中还提到了一个更深的问题。

这场地震，暴露的不只是模型的缺陷。

暴露的，是整个量化行业的结构性脆弱。

当一个策略有效，资金会涌入。

资金涌入，策略会被稀释。

为了维持收益，基金会加杠杆。

杠杆越高，系统越脆弱。

一旦有人开始撤退，多米诺骨牌就开始倒。

这个循环，不是偶然。

这是内嵌在量化行业商业模式里的矛盾。

你越成功，你就越危险。

---

那五天之后，很多宽客开始重新思考一个问题：

我们到底在做什么？

我们是在发现市场的规律？

还是在制造市场的规律？

这个问题，没有简单的答案。

但它是量化投资走向成熟，必须直面的问题。

---

量化地震，让宽客们付出了真实的代价。

但更大的代价，还在后面。

二零零七年八月，只是一次预演。

真正的风暴，在一年后到来。

而那场风暴，让整个金融世界重新思考一件事：

我们真的理解风险吗？

黑天鹅，是小概率事件？

还是我们的模型，根本就没有能力看见它？

下一章，我们来看量化之后的世界——那些经历了地震的人，是就此离场，还是用新的方式重新出发？机器学习的新一代宽客，又是如何站在前人的废墟上，重新定义风险的？

第 4 章 · 量化之后：反思与进化

一场危机过后，宽客们痛定思痛。他们会放弃模型吗？

不会。

那他们学到了什么？更重要的是——下一代的机器，比他们更聪明，还是更危险？

上一章我们讲了二零零七年八月的量化地震。

核心是什么？

是一场看不见导火索的爆炸。没有坏消息，没有政策冲击，只是有人开始卖，然后所有人都被迫卖。模型失灵，因子崩塌，五天之内，华尔街最聪明的一批人，集体亏损。

今天，我们来看最后一个问题。

崩塌之后，他们怎么了？

---

停。

先说一个名字。

纳西姆·塔勒布。

这位黎巴嫩裔的学者和交易员，在量化地震发生之前，就已经反复警告过一件事。他把它叫做——黑天鹅。

什么是黑天鹅？

塔勒布的核心观点是：人类习惯用过去的数据预测未来。但历史上从未发生过的事，不代表它不会发生。它只是在等待时机。

你见过一千只白天鹅。

于是你得出结论：天鹅都是白的。

然后有一天，一只黑天鹅出现了。

你的模型，碎了。

二零零七年八月，就是那只黑天鹅。

宽客们构建的风险模型，绝大多数基于一个假设：市场的波动服从正态分布。也就是说，极端事件发生的概率，极低极低。

但帕特森在书中写道，这个假设本身就是一个陷阱。真实的市场，尾部风险远比模型预测的要厚。极端事件，不是百年一遇，而是隔三差五就来敲门。

百年一遇。

这四个字，是整个量化行业最危险的幻觉。

---

危机之后，华尔街开始反思。

但反思的方向，出乎很多人的意料。

你以为他们会说：模型靠不住，我们要回归基本面。

没有。

他们的结论是：模型还不够好。

这话听起来像是在狡辩。但仔细想想，它有一定道理。

问题不是用了模型，问题是用了错误的模型。

用了太简单的模型。

用了太同质化的模型。

于是，新一代宽客开始登场。

这一次，他们带来的武器不再是线性回归和因子模型。

他们带来的，是机器学习。

---

场景还原。

时间：二零一零年前后。

地点：不再只是曼哈顿。还有硅谷，波士顿，伦敦，甚至北京。

一批从谷歌、微软、斯坦福出走的工程师和科学家，开始涌入对冲基金。他们不懂金融，但他们懂神经网络，懂深度学习，懂如何让机器从海量数据里自己找规律。

这一代人，和德曼、西蒙斯那一代不同。

德曼那一代，是用数学描述市场。

这一代，是让机器自己去理解市场。

听起来更强大，对吗？

等等。

问题来了。

机器找到的规律，人类能看懂吗？

很多时候，不能。

机器告诉你：明天买这只股票。

你问它：为什么？

它说：因为一万七千个变量之间的非线性关系指向了这个结论。

你能验证吗？不能。

你能理解吗？不能。

你能在它出错的时候及时叫停吗？

这才是真正的问题。

---

帕特森在书中反复强调一个词：可解释性。

他的核心观点是，模型越复杂，它的行为就越难以预测。而一个你无法理解其逻辑的模型，在极端市场环境下，可能会做出你完全无法预料的事情。

二零一零年五月六日。

美国股市。

下午两点四十五分。

道琼斯指数在二十分钟内暴跌将近一千点。

然后，在接下来的二十分钟里，又几乎全部涨回来。

这就是著名的"闪崩"事件。

一千点。

二十分钟。

没有任何宏观新闻。没有任何基本面变化。

调查结果显示：是算法交易之间的连锁反应。一个算法触发了另一个算法，另一个算法又触发了更多算法，像多米诺骨牌，像二零零七年的那场地震，只是这一次，速度快了一百倍。

机器，比人类更快。

但也因此，机器的错误，比人类的错误，更快扩散。

---

那么，风险应该怎么重新估算？

这是量化地震之后，整个行业最核心的追问。

旧的答案是：用历史波动率，用正态分布，用夏普比率。

新的答案还没有完全形成。

但有几个方向，开始被越来越多的人认同。

第一，承认尾部风险的存在。

不要假装极端事件不会发生。要专门为它建模，专门为它留出资本缓冲。

第二，警惕相关性在危机时刻的突变。

平时不相关的资产，在危机时刻会突然高度相关。这一点，二零零七年已经用真金白银证明过了。

第三，限制杠杆。

这是最简单也最难执行的一条。因为杠杆是利润的放大器，没有基金经理愿意主动放弃它。但帕特森在书中写道，正是过高的杠杆，把二零零七年的流动性危机变成了一场系统性灾难。

杠杆，是宽客世界里的火药。

少量使用，威力惊人。

装满仓库，一个火星就是末日。

---

还有一个更深层的反思，帕特森没有回避。

他问了一个很多人不敢问的问题：

宽客的存在，究竟让市场变得更有效，还是更脆弱？

教科书的答案是：量化交易提供流动性，发现价格偏差，让市场更有效率。

但二零零七年八月告诉我们：当所有人用同一套逻辑提供流动性的时候，流动性会在同一时刻消失。

当所有人的模型同时发出卖出信号，没有人会是接盘的买家。

市场，在最需要流动性的时候，变成了一片沙漠。

这不是某一个宽客的错。

这是整个系统的结构性问题。

每个人都在理性地保护自己，但集体行动的结果，是集体的灾难。

经济学里有个词叫"合成谬误"。

个体的理性，加在一起，可能是集体的非理性。

宽客地震，就是这个谬误最昂贵的一堂课。

---

当下映射。

二零二二年，加密货币市场。

一批算法交易基金，用类似的量化逻辑在比特币和各类代币之间套利。

然后，Luna崩盘了。

然后，三箭资本崩了。

然后，FTX崩了。

连锁反应，一个接一个。

不同的资产，不同的时代，同样的剧本。

模型同质化，杠杆过高，流动性在危机时刻蒸发。

历史，用不同的皮肤，一遍一遍地重演。

---

整书收束。

回头看这本书，我们走过了四站。

第一站：一批天才用数学打进了华尔街，建立了一个全新的王国。

第二站：这个王国开始内卷，模型越来越像，风险悄悄积累。

第三站：二零零七年八月，王国的地基在五天内开裂，所有人措手不及。

第四站：危机之后，反思与进化——但新的工具，也带来新的未知。

帕特森想告诉我们的，不是量化投资是好是坏。

他想说的是：任何工具，强大到一定程度，都会产生你没有预料到的后果。

数学可以描述市场，但市场里有人。

人会恐慌，会模仿，会在同一时刻做同样的事。

这一点，没有任何模型，能完全算进去。

合上这本书，带走一句话——

不是模型错了，是我们以为模型不会错。

模型能算出风险，算不出人心。—— 提炼自宽客全书核心论点，斯科特·帕特森著