內容簡介
本書是國內第一本有關量化投資策略的著作，首先介紹了量化投資大師西蒙斯的傳奇故事（連續20年，每年賺60%）；然後用60多個案例介紹了量化投資的各個方面的內容，主要分為策略篇與理論篇兩部分，策略篇主要包括：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易和資產配置等。理論篇主要包括：人工智慧、數據挖掘、小波分析、支持向量機、分形理論、隨機過程及IT技術等；最後介紹了作者開發的D-Alpha量化對沖交易系統，該系統全球市場驗證顯示具有長期穩健的收益率。
本書適合基金經理、產品經理、證券分析師、投資總監及有志於從事金融投資的各界人士閱讀。
前言
連續20年，每年賺60%，從來沒有出現過虧損！
這是量化投資大師西蒙斯教授給出的戰績，這個成績將巴菲特和索羅斯遠遠地拋在身後，這已經成為華爾街頂尖對沖基金經理眼中的神話，一個讓人瞠乎絕塵的神話！
量化投資是最近十年來在國際投資界興起的一個新方法，發展勢頭迅猛，和基本面分析、技術面分析並稱為三大主流方法。基本面分析和技術面分析可以看做是傳統的證券分析理論，而量化投資則是結合了現代數學理論和金融數據的一種全新的分析方式，是現代化的證券分析方法。
和傳統的基本面分析和技術面分析比較起來，量化投資最大的特點就是定量化和精確化。
採用傳統分析方法取得良好業績的投資者首推巴菲特，連續40年，每年可以獲得20%的複合穩定收益。而量化投資大師西蒙斯則連續20年為投資者獲得超過35%的收益率，若包括業績提成在內，則實際每年投資收益率超過60%，由此可見量化投資的巨大威力。
2008年筆者去歐洲訪問研究，和德意志銀行、雷曼兄弟以及一家歐洲很大的對沖基金的研究員交流，2010年去香港和摩根斯坦利、美林證券以及野村證券的投資經理交流。給我最大的感受就是：這些國際頂級的投行在量化投資模型研究的深入與紮實。‘一切用數據說話’，這是他們任何投資決策的基石。
不知道有一天中國的金融市場全面開放後，國內的投資者能否抵擋華爾街金融大鱷們的衝擊。於是決定寫一本有關量化投資的書。
當開始動筆寫作本書時候，才發現這是一個極其艱難的工作。市面上沒有任何一本談論量化投資策略的書籍可供參考，故事書倒有幾本，但關於策略的內容少之又少，而有關量化投資的研究報告也散落在網路的各個角落。經過3個多月的精心篩選，精選出60多個精華策略，形成了本書的主要內容。希望能起一個拋磚引玉的作用，讓更多的投資者採用這種先進的分析方法，獲取更高和更穩定的投資收益。
本書特色
第一，實戰性。書中的案例絕大多數來自於實際的市場數據，只有很少一部分是純理論的分析。尤其是策略篇中的內容大部分來自於專業投資機構的研究報告，具有極強的實戰價值。
第二，基於中國市場。與量化投資最接近的書籍當屬“金融工程”，但目前金融工程中絕大多數的案例都來自於國外市場，很多策略在國內市場還不具備投資條件。本書中的案例基本上都是對國內市場（股票、期貨等）中的實際交易數據的分析，特別適合國內的投資者。
第三，理論性。量化投資離不開最新的數學和計算機理論的支持，本書用了將近一半的篇幅來闡述與量化投資有關的基礎理論，並用了很多案例來說明這些理論的套用方法。避免了一般投資策略書籍重技術而忽視理論的缺點，從而使量化投資更加科學化。
本書主要內容
本書的內容分為：策略篇和理論篇。策略篇中闡述了各種量化投資的策略與方法，理論篇則詳細介紹了支持量化投資的各種數學工具。
策略篇一共介紹了8個方面的投資策略，分別是量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易及其他策略。
理論篇主要闡述了支持量化投資的各種數學和計算機工具，這部分的內容對讀者的數學功底有比較高的要求，一共有7章，分別是人工智慧、數據挖掘、小波分析、支持向量機、分形理論、隨機過程和IT技術。
在第17章，我們介紹了一些主要的數據和工具，包括名策多因子模型、Multicharts程式化交易平台、交易開拓者期貨自動交易平台、大連交易所套利交易指令和MT5外匯自動交易平台。
在本書的最後，闡述了筆者開發的D-Alpha量化對沖交易系統，包括：系統構架、策略分析流程、核心算法以及驗證結果，從全球市場的驗證結果顯示，D-Alpha系統具有穩健的收益率。
讀者對象
本書適合於各種不同的投資者使用。對於專業量化投資者來說，書中的理論篇提供了基本的理論方法和算法，可以在此基礎上開發出更高效，更精確的策略模型，提高自己的投資收益率和收益率的穩定性。
對於傳統方法專業投資者來說，本書的策略篇中很多量化方法可以作為傳統投資方法的補充和精化，在投資決策中數量模型的結果可以降低很多人為的誤差和情緒影響，彌補傳統投資決策的缺陷。
對於普通投資者來說，可能缺乏數據和模型方法的技巧，但是書中各種策略的思路和方法同樣可以給他們以啟迪和幫助，特別是在開闊思路，加強交易能力方面，量化投資是普通投資者的一件利器。
致謝
在本書的寫作過程中，得到了業界同仁的大力協助。其中陳晨碩士校對了全書的第1~3章的內容，梁冠群博士校對了第4~9章的內容，翟淑星博士校對了第10~13章的內容，李心潔碩士校對了第14~17章的內容，戴蔡凌和陸運天協助做了封面設計，對他們的貢獻表示誠摯的感謝。
曾經猶豫是否要出版此書，因為有業內的朋友告誡我：“你將策略模型說出去，自己賺不到錢了”，我不同意他的觀點，因為策略模型是在不斷深化中發展的。沒有一個公司可以靠一個產品包打天下，我們做寬客的也不可能只靠一個模型吃一輩子。只有更多的人來研究量化投資，才能開發出更多更穩定的投資模型，才能促進中國整體對沖基金的發展。人類現代科技的基石就是“分享”，不是嗎？
由於自己才疏學淺，此書只能起著拋磚引玉的作用，希望將來有更多更好的研究書籍問世，也希望中國能湧現自己的量化投資大師，給投資者帶來持續穩定的收益。
經常有年輕的寬客問我“中國量化投資的未來有希望嗎？”我的回答是“美國對沖基金2萬億美金，中國還不到100億人民幣。美國最聰明的人都在華爾街做對沖基金，你說中國的量化投資會不會有未來？”
相信自己，是成功的第一步！
今天是2011年九月十九，九九歸一，真是好日子。自2001年底上海交大畢業留校做計算金融研究算起，到現在正好過去整整十年，好快啊，就以此書作為自己十年研究工作的一個總結吧。
窗外起風了，天涼好個秋！
目錄
策略篇
第1章 量化投資概念 2
第2章 量化選股 24
第3章 量化擇時 112
第4章 股指期貨套利 182
第5章 商品期貨套利 216
第6章 統計套利 244
第7章 期權套利 280
第8章 算法交易 307
第9章 另類套利策略 326
理論篇
第10章 人工智慧 350
第11章 數據挖掘 385
第12章 小波分析 410
第13章 支持向量機 432
第14章 分形理論 454
第15章 隨機過程 475
第16章 IT技術 488
第17章 主要數據與工具 514
第18章 對沖交易系統：D-Alpha 535
參考文獻 542
表目錄
表1 1 不同投資策略對比 8
表2 1 多因子選股模型候選因子 29
表2 2 多因子模型候選因子初步檢驗 30
表2 3 多因子模型中通過檢驗的有效因子 31
表2 4 多因子模型中剔除冗餘後的因子 32
表2 5 多因子模型組合分段收益率 33
表2 6 晨星市場風格判別法 35
表2 7 夏普收益率基礎投資風格鑑別 36
表2 8 中信標普風格指數 41
表2 9 風格動量策略組合月均收益率 42
表2 10 大小盤風格輪動策略月收益率均值 45
表2 11 中國貨幣周期分段（2007—2011年） 48
表2 12 滬深300行業指數統計 49
表2 13 不同貨幣階段不同行業的收益率 50
表2 14 招商資金流模型（CMSMF）計算方法 58
表2 15 招商資金流模型（CMSMF）選股指標定義 58
表2 16 資金流模型策略——滬深300 60
表2 17 資金流模型策略——全市場 62
表2 18 動量組合相對基準的平均年化超額收益（部分） 68
表2 19 反轉組合相對基準的平均年化超額收益（部分） 69
表2 20 動量策略風險收益率分析 72
表2 21 反轉策略風險收益率分析 72
表2 22 趨勢追蹤技術收益率 94
表2 23 籌碼選股模型中單個指標的收益率情況對比 100
表3 1 MA 指標擇時測試最好的20組參數及其表現 118
表3 2 4個趨勢型指標最優參數下的獨立擇時交易表現比較 120
表3 3 有交易成本情況下不同信號個數下的綜合擇時策略 121
表3 4 自適應均線擇時策略收益率分析 125
表3 5 市場情緒類別 127
表3 6 滬深300指數在不同情緒區域的當月收益率比較 130
表3 7 滬深300指數在不同情緒變化區域的當月收益率比較 130
表3 8 滬深300指數在不同情緒區域的次月收益率比較 131
表3 9 滬深300指數在不同情緒變化區域的次月收益率比較 131
表3 10 情緒指數擇時收益率統計 133
表3-11 月度Tsharp擇時模型統計結果 138
表3-12 預測Tsharp值（月度）對上證綜指的預測作用 139
表3-13 季度Tsharp擇時模型統計結果 140
表3-14 預測Tsharp值（季度）對上證綜指的預測作用 141
表3-15 SVM擇時模型的指標 157
表3-16 SVM模型樣本外預測多空次數 158
表3-17 SVM模型樣本外預測準確率 158
表3-18 SVM模型趨勢交易策略評估 159
表3 19 噪聲交易在熊市擇時的收益率 172
表4 1 各種方法在不同股票數量下的跟蹤誤差（年化） 192
表4-2 股指期貨多頭跨期套利過程分析 201
表4 3 不同開倉比例下的不同保證金水平能夠覆蓋的市場波動及其機率 213
表4 4 不同倉單持有期下的保證金覆蓋比例 214
表6 1 2011年滬深300股票同一行業走勢高度相關的組合（部分） 250
表6 2 殘差的平穩性、自相關等檢驗 251
表6 3 在不同的閾值下建倉、平倉所能獲得的平均收益 253
表6 4 採用不同的模型在樣本內獲取的收益率及最優閾值 254
表6 5 採用不同的模型、不同的外推方法在樣本外獲取的收益率（%） 255
表6 6 主成分配對交易在樣本內取得的收益率及最優閾值 257
表6 7 主成分配對交易在樣本外的效果 257
表6 8 標準策略、延後開倉、提前平倉策略實證結果 263
表7 1 多頭股票—期權套利綜合分析表 286
表7 2 多頭股票—股票期權套利案例損益分析表 287
表7 3 多頭股票—指數期權套利案例損益分析表 288
表7 4 轉換套利分析過程 289
表7 5 買入跨式套利綜合分析表 292
表7 6 買入跨式套利交易細節 293
表7 7 賣出跨式套利綜合分析表 294
表7 8 賣出跨式套利交易細節 295
表7 9 買入寬跨式套利綜合分析表 296
表7 10 賣出寬跨式套利綜合分析表 297
表7 11 買入蝶式套利綜合分析表 299
表7 12 賣出蝶式套利綜合分析表 301
表7 13 買入飛鷹套利綜合分析表 303
表7 14 賣出飛鷹式套利綜合分析表 304
表9 1 鵬華300 LOF兩次正向套利的情況 341
表9 2 鵬華300 LOF兩次反向套利的情況 342
表10 1 自動推理中連詞系統 356
表10 2 模式識別短線擇時樣本數據分類 373
表10 3 RBF神經網路股價預測結果 379
表10 4 遺傳算法新股預測參數設定 383
表10 5 遺傳算法新股預測結果 384
表11 1 決策樹數據表 393
表11 2 關聯規則案例數據表 396
表11 3 SOM股票聚類分析結果 407
表11 4 21種股票板塊指數布爾關係表數據片斷 408
表12 1 深發展A日收盤價小波分析方法預測值與實際值比較 430
表12 2 不同分解層數的誤差均方根值 431
表13 1 SVM滬深300指數預測誤差情況 448
表13 2 SVM指數預測和神經網路預測的比較 448
表13 3 技術反轉點定義與圖型 451
表14 1 持續大漲前後分形各主要參數值 466
表14 2 持續大跌前後分形各主要參數值 467
表14 3 外匯R/ S 分析的各項指標 472
表14 4 V(R/S)曲線回歸檢驗 473
表15 1 灰色馬爾可夫鏈預測深證成指樣本內（2005/1—2006/8） 486
表15 2 灰色馬爾可夫鏈預測深證成指樣本外（2006/9—2006/12） 487
表16-1 VaR算法GPU和CPU時間對比 499
表18-1 D-Alpha系統在全球市場收益率分析 541
從西蒙斯的神話開始
比巴菲特還能賺錢的人
沃倫·巴菲特是投資界人盡皆知的股神，但可能很多投資者不知道詹姆斯·西蒙斯。這位創造了華爾街投資神話的傳奇人物，他所管理的大獎章基金的平均年收益率比巴菲特的收益率要高得多，1989—2007年的平均年收益率高達35%（若考慮高達44%的收益提成，則實際基金的年收益率超過60%），而股神巴菲特在同期的平均年複合回報率也不過為20%。
經歷了1998年俄羅斯債券危機和2001年高科技股泡沫危機，許多曾經聞名遐邇的對沖基金經理都走向衰落。羅伯遜關閉了老虎基金，梅利韋瑟的長期資本管理公司幾乎破產，索羅斯的量子基金也大幅縮水。與之相比，西蒙斯的大獎章基金的平均年淨回報率則高達35%。從1988年成立到1999年12月，大獎章基金總共獲得了2478.6%的淨回報率，是同時期中的第一名；第二名是索羅斯的量子基金，有1710.1%的回報；而同期的標準普爾指數僅是9.6%。即使2008年面對全球金融危機的重挫，大獎章的回報率居然高達80%。
在2008年底的統計中，西蒙斯勇奪2008年“對沖之王”寶座，大賺25億美元（約195億港元），著名對沖基金經理保爾森居次位，賺20億美元。出乎意料的是，大炒家索羅斯未入三甲。
《美國海外投資基金目錄》的作者本海姆指出，西蒙斯創造的回報率比布魯斯·科夫勒、喬治·索羅斯、保羅·都鐸·鍾斯、路易士·培根、馬克·金頓等傳奇投資大師都要高出10個百分點，在對沖基金業內幾乎無出其右。作為一個交易者，西蒙斯正在超越有效市場假說。有效市場假說認為市場價格波動是隨機的，交易者不可能持續從市場中獲利。而西蒙斯依靠他的交易模型，獲得了如此驚人的成就，其最核心的就是量化投資模型。
數學天才
西蒙斯生於波士頓郊區牛頓鎮，是一個製鞋廠老闆的兒子，3歲就立志成為數學家。從牛頓高中畢業後，他進入麻省理工學院，從師於著名的數學家安布羅斯和辛格。1958年，他獲得了學士學位，僅僅三年後，他就拿到了加州大學伯克利分校的博士學位，一年後他成為哈佛大學數學系的教授。
西蒙斯很早就與投資結下緣分，早在1961年，他和麻省理工學院的同學投資於哥倫比亞地磚和管線公司；在伯克利，他嘗試做股票交易，但是交易結果並不太好。
1964年，他離開了大學校園，進入美國國防部下屬的一個非營利組織——國防邏輯分析協會，並進行代碼破解工作。沒過多久，《時代周刊》上關於越南戰爭的殘酷報導讓他意識到他的工作實際上正在幫助美軍在越南的軍事行動，反戰的他於是向《新聞周刊》寫信說應該結束戰爭。當他把反戰想法告訴老闆時，很自然地就被解僱了。
他又回到了學術界，成為紐約州立石溪大學的數學系主任，在那裡做了8年的純數學研究。1974年，他與陳省身聯合發表了著名的論文《典型群和幾何不變式》，創立了著名的陳-西蒙斯理論，該幾何理論對理論物理學具有重要意義，廣泛套用於從超引力到黑洞。1976年，西蒙斯獲得了每5年一次的全美數學科學維布倫獎金，這是美國數學世界裡的最高榮耀。
在理論研究之餘，他開始醉心於股票和期貨交易。1978年，他離開石溪大學創立私人投資基金Limroy，該基金投資領域廣泛，涉及從風險投資到外匯交易；最初主要採用基本面分析方法，例如，通過分析美聯儲貨幣政策和利率走向來判斷市場價格走勢。
十年後，西蒙斯決定成立一個純粹量化投資的對沖基金。他關閉了Limroy，並在1988年3月成立了大獎章基金，最初主要涉及期貨交易。1988年該基金盈利8.8%，1989年則開始虧損，西蒙斯不得不在1989年6月份停止交易。在接下來的6個月中，西蒙斯和普林斯頓大學的數學家勒費爾重新開發了交易策略，並從基本面分析轉向量化分析。
大獎章基金
大獎章基金主要通過研究市場歷史資料來發現統計相關性，以預測期貨、貨幣、股票市場的短期運動，並通過數千次快速的日內短線交易來捕捉稍縱即逝的市場機會，交易量之大甚至有時能占到整個納斯達克交易量的10%。當交易開始時，交易模型決定買賣品種和時機，20名交易員則遵守指令在短時間內大量地交易各種美國和海外的期貨，包括商品期貨、金融期貨、股票和債券。但在某些特定情況下，比如市場處在極端波動的時候，交易會切換到手工狀態。
經過幾年眩目的增長，大獎章基金在1993年達到2.7億美元，並開始停止接受新資金。1994年，西蒙斯的文藝復興科技公司從12個雇員增加到36個，並交易40種金融產品。現在，公司有150個雇員，交易60種金融產品，基金規模則有50億美元。在150名雇員中有三分之一是擁有自然科學博士學位的頂尖科學家，涵蓋數學、理論物理學、量子物理學和統計學等領域。所有雇員中只有兩位是華爾街老手，而且該公司既不從商學院中雇用職員，也不從華爾街雇用職員，這在美國投資公司中幾乎是獨一無二的。
無論是1998年俄羅斯債券危機，還是本世紀初的網際網路泡沫，大獎章基金歷經數次金融危機，始終屹立不倒，令有效市場假說都黯然失色。1989年到2009年間，他操盤的大獎章基金平均年回報率高達35%，較同期標普500指數年均回報率高20多個百分點，比金融大鱷索羅斯和股神巴菲特的操盤表現都高出10餘個百分點。即便是在次貸危機爆發的2008年，該基金的回報率仍高達80%。從2002年底至2005年底，規模為50億美元的大獎章基金已經為投資者支付了60多億美元的回報。
這個回報率是在扣除了5%的資產管理費和44%的投資收益分成以後得出的，並且已經經過了審計。值得一提的是，西蒙斯收取的這兩項費用應該是對沖基金界最高的，相當於平均收費標準的兩倍以上。
2006年，西蒙斯被國際金融工程師協會評選為年度金融工程師。
模型先生
針對不同市場設計量化的投資管理模型，並以電腦運算為主導，在全球各種市場上進行短線交易是西蒙斯的成功秘訣。不過西蒙斯對交易細節一直守口如瓶，除了公司的200多名員工之外，沒有人能夠得到他們操作的任何線索。
對於數量分析型對沖基金而言，交易行為更多是基於電腦對價格走勢的分析，而非人的主觀判斷。文藝復興公司主要由3個部分組成，即電腦和系統專家、研究人員和交易人員。西蒙斯親自設計了最初的數學模型，他同時雇用了超過70位擁有數學、物理學或統計學博士頭銜的人。西蒙斯每周都要和研究團隊見一次面，和他們共同探討交易細節及如何使交易策略更加完善。
作為一位數學家，西蒙斯知道靠幸運成功只有二分之一的機率，要戰勝市場必須以周密而準確的計算為基礎。大獎章基金的數學模型主要通過對歷史資料的統計，找出金融產品價格、巨觀經濟、市場指標、技術指標等各種指標間變化的數學關係，發現市場目前存在的微小獲利機會，並通過槓桿比率進行快速而大規模的交易獲利。
和流行的“買入並長期持有”的投資理念截然相反，西蒙斯認為市場的異常狀態通常都是微小而且短暫的，“我們隨時都在買入賣出和賣出買入，我們依靠活躍賺錢”西蒙斯說。
西蒙斯透露，公司對交易品種的選擇有3個標準：即公開交易品種、流動性高，同時符合模型設定的某些要求。他表示：“我是模型先生，不想進行基本面分析。模型的最重要的優勢是可以降低風險。而依靠個人判斷選股，你可能一夜暴富，也可能在第二天又輸得精光。”
西蒙斯的所作所為似乎正在超越有效市場假說：有效市場假說認為市場價格波動是隨機的，交易者不可能持續從市場中獲利。而西蒙斯則強調，“有些交易模式並非隨機，而是有跡可循、具有預測效果的。”如同巴菲特曾經指出“市場在多數情況下是有效的，但不是絕對的”一樣，西蒙斯也認為，雖然整體而言，市場是有效的，但仍存在短暫的或局部的市場無效性，可以提供交易機會。
在接受《紐約時報》採訪時，西蒙斯提到了他曾經觀察過的一個核子加速器試驗，“當兩個高速運行的原子劇烈碰撞後，會迸射出數量巨大的粒子。”他說，“科學家的工作就是分析碰撞所帶來的變化。”
“我注視著電腦螢幕上粒子碰撞後形成的軌跡圖，它們看似雜亂無章，實際上卻存在著內在的規律，”西蒙斯說，“這讓我自然而然地聯想到了證券市場，那些很小的交易，哪怕是只有100股的交易，都會對這個龐大的市場產生影響，而每天都會有成千上萬這樣的交易發生。”西蒙斯認為，自己所做的，就是分析當交易這隻蝴蝶的翅膀輕顫之後，市場會做出怎樣複雜的反應。
“這個課題對於世界而言也許並不重要，不過研究市場運轉的動力非常有趣。這是一個非常嚴肅的問題。”西蒙斯笑起來的時候簡直就像一個頑童，而他的故事，聽起來更像是一位精通數學的書生，通過複雜的賠率和機率計算，最終打敗了賭場的神話。這位前美國國防部代碼破譯員和數學家似乎相信，對於如何走在曲線前面，應該存在一個簡單的公式，而發現這個公式則無異於拿到了通往財富之門的入場券。
黑箱作業
大獎章基金現在基本上是黑箱作業，它的工作人員發誓要保守秘密，採取的是自營交易的運作策略。對沖基金行業一直擁有黑箱作業式的投資模式，可以不必向投資者披露其交易細節。而在一流的對沖基金投資人之中，西蒙斯先生的那隻箱子據說是最黑的。
就連優秀的數量型對沖基金經理也無法弄清西蒙斯的模型究竟動用了哪些指標，“我們信任他，相信他能夠在股市的驚濤駭浪中遊刃有餘，因此也就不再去想電腦都會幹些什麼之類的問題”，一位大獎章基金的長期投資者說。當這位投資者開始描述西蒙斯的投資方法時，他坦承，自己完全是猜測的。
不過，每當有人暗示西蒙斯的基金缺乏透明度時，他總是會無可奈何地聳聳肩，“其實所有人都有一個黑箱，我們把他稱為大腦。”西蒙斯指出，公司的投資方法其實並不神秘，很多時候都是可以通過特定的方式來解決的。當然，他不得不補充說，“對我們來說，這其實不太神秘。”
在紐約，有一句名言是：“你必須非主流才能入流”，西蒙斯的經歷似乎剛好是這句話的註解。在華爾街，他的所作所為總是讓人感到好奇。
西蒙斯在越戰期間違反了軍紀，之後就投身於理財行業。西蒙斯的文藝復興科技公司總部位於紐約長島，那座木頭和玻璃結構的一層建築從外表看上去更像是一個普通的腦庫，或者是數學研究所。和很多基金公司不同的是，文藝復興公司的心臟地帶並不是夜以繼日不停交易的交易室，而是一間有100個座位的禮堂。每隔半個月，公司員工都會在那裡聽一場科學演講。“有趣而且實用的統計學演講，對你的思想一定會有所啟發。”一位喜歡這種學習方式的員工說。
令人驚訝的還不止這些。西蒙斯一點也不喜歡華爾街的投資家們，事實上，如果你想去文藝復興科技公司工作，華爾街經驗反而是個瑕疵。在公司的200多名員工中，將近二分之一都是數學、物理學、統計學等領域頂尖的科學家，所有雇員中只有兩位是金融學博士，而且公司從不雇用商學院畢業生，也不雇用華爾街人士，這在美國的投資公司中堪稱絕無僅有。
“我們不雇用數理邏輯不好的學生”，曾經在哈佛大學任教的西蒙斯說：“好的數學家需要直覺，對很多事情的發展總是有很強的好奇心，這對於戰勝市場非常重要。”文藝復興科技公司擁有一流的科學家，其中包括貝爾實驗室的著名科學家Peter Weinberger和維吉尼亞大學教授Robert Lourie。他還從IBM公司招募了部分熟悉語音識別系統的員工。“交易員和語音識別的工作人員有相似之處，他們總是在猜測下一刻會發生什麼。”
人員流動幾乎是不存在的。每6個月，公司員工會根據業績收到相應的現金紅利。據說半年內的業績基準是12%，很多時候這個指標可以輕鬆達到，不少員工還擁有公司的股權。西蒙斯很重視公司的氣氛，據說他經常會和員工及其家屬們分享周末，早在2000年，他們就曾一起飛去百慕達度假。與此同時，每一位員工都發誓要保守公司秘密。
近年來，西蒙斯接受最多的質疑都與美國長期資本管理公司（LTCM）有關。LTCM在20世紀90年代中期曾經輝煌一時，公司擁有兩位諾貝爾經濟學獎得主，他們利用電腦處理大量歷史資料，通過精密計算得到兩個不同金融工具間的正常歷史價格差，然後結合市場信息分析它們之間的最新價格差。如果兩者出現偏差，電腦立即發出指令大舉入市；經過市場一段時間調節，放大的偏差會自動恢復到正常軌跡上，此時電腦指令平倉離場，獲取偏差的差值。
LTCM始終遵循“市場中性”原則，即不從事任何單方面交易，僅以尋找市場或商品間效率落差而形成的套利空間為主，通過對沖機制規避風險，使市場風險最小。但由於其模型假設前提和計算結果都是在歷史統計資料基礎上得出的，一旦出現與計算結果相反的走勢，則對沖就變成了一種高風險的交易策略。
而在極大的槓桿借貸下，這種風險被進一步放大。最輝煌時，LTCM利用從投資者籌得的22億美元資本作為抵押，買入價值1250億美元證券，然後再以證券作為抵押，進行總值12500億美元的其他金融交易，槓桿比率高達568倍。短短4年中，LTCM曾經獲得了285%的收益率，然而，在過度操縱之下，在僅兩個月之內又輸掉了45億美元，走向了萬劫不復之地。
“我們的方式和LTCM完全不同”，西蒙斯強調：“文藝復興科技公司沒有也不需要那么高的槓桿比例，公司在操作時從來沒有任何先入為主的概念，而是只尋找那些可以複製的微小的獲利瞬間，我們絕不以‘市場恢復正常’作為賭注投入資金，有一天市場終會正常的，但誰知道是哪一天。”
西蒙斯的擁護者們也多半對黑箱操作的風險不以為然，他們說：“長期資本公司只有兩位諾貝爾獎金獲得者充當門面，主要的還是華爾街人士，他們的賭性決定了終究會出錯，”另一位著名的數量型基金管理人也表示：“難以相信在西蒙斯的方法中會沒有一些安全措施。”他指出，西蒙斯的方法和LTCM最重要的區別是不涉及對沖，而多是進行短線方向性預測，依靠同時交易很多品種、在短期做出大量的交易來獲利。具體到每一個交易的虧損，由於會在很短的時間內平倉，因此損失不會很大；而數千次交易之後，只要盈利交易多於虧損交易，總體交易結果就是盈利的。
通過西蒙斯的傳奇故事，相信讀者也都了解了量化投資的威力和魅力，那是不是很想進入這個行業，並創造自己的傳奇呢?
