时值全球顶级量化对冲基金AHL成立30周年，创始人Michael Adam、David Harding和Marty Lueck再次聚首。他们走进了伦敦阿比路录音室（Abbey Road Studio），一起坐下来重温AHL的成长历程，AHL与英仕曼集团的不解渊源，以及他们对于量化趋势追踪策略当前发展环境的看法。 
以下为文字实录（节选），Enjoy。

30年——忆往昔峥嵘岁月
 
主持人：欢迎来到由芝加哥商品交易所（CME）赞助的新一期顶级交易大师对话（Top Traders Round Table）管理期货和另类投资系列节目，我是主持人Niels Kaarstrup-Larsen，今天很高兴邀请在座各位同全球顶级交易大师对话。

本期节目对于整个管理期货界都有特别的意义，因为这是很长时间以来我们第一次把这几位改变了趋势追踪交易界先锋人物聚在一起。下面，就让我们隆重地有请Michael Adam、David Harding和Marty Lueck三位先生。

三位先生是AHL最初的创始人，Adam和Harding现在也是Aspect资本的联合创始人，Harding则是Winton资本的创始人和CEO。

感谢三位参加我们的访谈节目。业内人士都听过你们的大名。伦敦阿比路录音室曾经是摇滚明星甲壳虫乐队的录音棚，而你们三位是量化投资界的摇滚明星。和甲壳虫乐队的几位成员一样，三位曾经有过令世人艳羡的成功合作，后来你们又各自走向新的人生旅程。

在追忆往昔之前，请允许我先来问你们，多年后的再聚首，三位感觉如何？你们平时保持着联系吗？

Marty Lueck：我们保持着联系。Mike (Michael) 和我见面更多一些，David少些，但我们三人近几年的确一起见过几次面。

David Harding：是，过去10年，AHL成立20周年、25周年时，有过两顿晚餐，现在我们回首AHL成立30周年。

Michael Adam：是，两次David和我们一起。平时一年会有一次午餐，很明显我说的是我和Marty。哈哈……

主持人：当然，如果我记得不错的话。Michael，你的家族当时在AHL创立初期起到了不小的作用。回到牛津的那段岁月，就从你开始吧。

Michael Adam：就像很多成功的案例一样，在它开始的阶段却并不显得那么充满希望。我从牛津辍学，让自己成为了一个无法就业的人。

主持人：像比尔盖茨一样，哈哈……

Michael Adam：是的，确实很像，哈哈！回到话题，我辍学后到家族证券经纪公司工作。当时在伦敦有成千上万家小型的家族经纪公司，整天像河狸一样，忙前忙后的。我负责记帐，需要手绘图，但我却是个懒人，不喜欢这些手绘，所以我就跳槽去了一家计算机运营的公司。我建立起一个数据库，从而可以用计算机绘图记帐，这就是我对计算机编程兴趣的开始，也是我把自己变成废人的开始（哈哈……）。

当时我已经认识了Marty，后来又结识了David。当时伦敦只有少数人认为交易可以通过量化系统完成，David是其中之一。我们后来一起在我父亲的公司工作，关于这个，我想你得问问David和Marty他们当时的感受。

主持人：当然，那我先来问Marty，你当时在野村证券工作的时间并不长，是什么促使你最终决定加入Michael的？

Marty Lueck：那时在牛津，我们毕业以后的出路一般是去一家银行或是会计师事务所工作，我毕业以后加入野村证券，当时的工作就是销售一些日本股票，而我一开始甚至不懂什么是股票。不过我做得很好，第一年就被评为股票交易柜台的明星。

那时我经常和我的朋友Michael一起出去吃午餐，之前上大学的暑假我也曾去华盛顿在美国国防部做过合同工，并学习过编程，这些经历都令我着迷。相比在银行做那些单调无聊的工作，我更愿意做些有趣的事，比如在Michael父亲那里做编程。

主持人：我想这是在你认识David之前，当时你就管理着一个小的投资组合，用25000英镑在交易6个品种，去打败市场，结果怎么样？

Marty Lueck：如果我说的不对，Michael你来纠正我，我记得当时Michael的父亲给了很大启发，他说你们何不去应用这些技术交易模型。我们采纳了他的建议，另辟蹊径。当时，可交易的品种不多，只有一些实物交割的大宗商品，我们的投资组合里也就像你说的，只有6个品种，可可、咖啡、糖和三种有色金属。我们向Michael父亲陈述了我们的投资组合想法，他从家族给了我们25000美元，让我们去做交易。

主持人：也就是在这段时间，你们结识了David，尽管David是剑桥大学的校友（哈哈……）。David，你当时情况如何？又是什么促使你加入他们，走到这一步？

David Harding：我在当时英国最大的一家CTA商品期货交易公司工作，管理资产大概450万美元。那已经是我的第三份工作了，我的第一份是在伦敦国际金融期货交易所，后来成为一名商品期货交易员，每天需要画200张图，远远多于Michael需要画的（哈哈……）。

这并不是我想要的生活，但这份工作却让我有很多时间可以充分地思考这些图形，发现规律。我也利用业余时间读了很多技术分析相关的书籍，学习了债券的知识，我有一种强烈的感觉，市场并不是有效的，我们可以找到一些方法来预测市场趋势。

当我遇到了Michael和Marty，我们便成为了一个很好的组合，我有过大公司工作经历，450万美元的CTA基金，而他们两位则在写一些我在大银行机构里没有见过的非常先进的程序。于是我就把我的想法放到他们的程序中测试，很有趣，我从技术分析中得出的结论和他们通过量化编程的方法得到的结论经常是相当一致的，那时，我就感受到了程序的力量。

灵光初现——当科学邂逅金融
 
主持人：David，我想要再来和你讨论一点，科学和金融结合在今天已不再稀奇，但回到当年，这可不是什么家常便饭，你是从何时开始认识到你能够成功地将二者结合？你觉得科学就是从图形中看出来的那些规律，还是什么其它的数据？

David Harding：实际上在上世纪80年代初，金融机构就开始雇用越来越多的科学家。但到了1987年，对于那些大银行来说，我们感受到的是这种策略的失败。以我本人为例，当时我有物理学的学位，在金融城有五年工作经历，每年收入10万英镑。科学家在不断进入金融行业，他们很快就适应了金融业的规则，他们懂得有效市场理论、随机游走原理、偏微分方程，金融业因此成为了科学家们职业发展的沃土。

多数科学家进入了这个相对过于理想化的金融理论圈中，最终到了2008年金融危机爆发，实践表明这些数学理论和数学公式是错误的。我们都是物理学家而不是数学家，相对更加重视实证检验。我们也需要努力摆脱物理学家固有的思维模式，作为物理学家，我们被训练的是理论计算和实验方法，但金融是无法被实验的。

Marty Lueck：但这种科学的思维模式也给我们带来了优势，因为我们更喜欢提出新想法，而且像你说的，更有实证检验的意识。这就让我们更加深入地思考，管理期货和普通世界有什么区别。

管理期货里面更多的是富有经验的交易员把他们的想法进行程序化，由电脑在市场中交易，于是交易员可以去海边度假，这自然是好事情。我们会去思考，是否可以增加些品种，是否能扩充我们的模型变量，是否可以加快交易速度，是否可以实现日内交易，就是这样不断提出新想法，不断改进。

Michael Adam：我们也很幸运，正赶上了技术进步的好时代。当时曾经有人建议我们买一台惠普计算机，即使很昂贵，但相对而言，价格还是可以接受的。而这种计算机实验也让我们具备了独有的优势。

David Harding：在前三年里，我们一直期待惠普能出新款电脑，让我们可以去运行一个当时需要运算36小时的模型。后来新款出来，我们是全英国第一个购买这款电脑的，原先36小时的运行时间被压缩到了1小时。

Michael Adam：我们用自己的模型回答别人的问题，他们都对我们的模型运行能力感到诧异。这一点我们一直没提到过，但确实，在创立之初，我们挣钱不是靠投资管理，更多的是一种类似于咨询服务的模式。此外，David是很懂市场的，我和Marty对技术更感兴趣，而不是金融市场方面，所以我也觉得我们这个团队也有着技能互补方面的优势。

David Harding：这是你当时要雇我的原因吧。

Michael Adam：是的是的，你是唯一一个候选人，哈哈哈。
 
创业之初——“筚路蓝缕，以启山林”
 
主持人：David，你是从何时开始意识到你们所做的正在给行业带来一些突破性的进展？

David Harding：当你发现了一些重要而又正确的规律时，也许你不会想30年以后你会坐在录音棚里讨论这个事，但你的确会去意识到你有了一些发现，可以将其一般化，得到更有力的结论。这里面那个出色的发现者其实不是我，但我可以判断这些结论是否具有重要意义。

有那么三四个比较重要的发现。也有十个一开始觉得很有意义，但很不幸后来被证实是错误的。也就是说这些发现到最后不一定能成为值得推广的结论。而且，这些发现应当是非常简洁美观的规律，你知道，如果它们是通过复杂繁琐的数学公式得到的结论，这种结论很可能是错误的。

Michael Adam：是的，我们更加关注的是那些简单直接的规律。我们做了很多简化分析的工作，最后可能只是得到两三个重要发现。我仍然觉得我们很幸运。比如那个用指数方法衡量风险，并将在各品种中正态化，现已被业界普遍采纳，并成为监管标准模型。

我们同时也在为英国国债的做市商服务，为做市商设计利润模型，通过模型量化方法实现每季度利润误差不超过0.5%，这也意味着量化模型对于做市商的重要价值。

这其中，我们需要关注的就是做市商能够接触到市场上的哪些品种，买卖差价有多大，自然价差越大，做市商利润就越高，进而做市商就可以关注哪些品种的交易优势更大，就在这些品种上做更大配置。这些细节是我们竞争者关注不到的方面，我们相比他们也就拥有了不可比拟的独特优势。

总的来说，就是这三四个发现，让我们有信心继续沿着这个方向走下去。

主持人：最终，你们在1987年2月选择离开Adam家族公司，用10万英镑管理资产规模成立AHL，这样的资金规模是否限制了你们可交易的品种范围？你们如何扩大管理资产规模？你们是不是也像其它初创公司一样整天被各种各样琐碎的事情烦扰着？

Michael Adam：不只是一开始，一直都是如此。我们最初做的更多是咨询服务。比如那时，我们做一些模拟期权的研究，然后给收益保证型基金提供投资交易建议。这些工作对后来AHL的成功都有重大意义。而且，如果没有David后来加入，我和Marty也许只是做一点计算机咨询服务，不太可能真正把业务做起来。

早期，量化交易只是一件让大家觉得很新鲜的事情，如果一切顺利，人们会说我们聪明，如果不顺利，就会是一件悲惨的事。直到几年后，数据越来越丰富，我们的信心才逐渐建立起来。
David Harding：我对他们做的电脑程序有信心。那些用计算机绘制出来的三维图像、热点图像着实令人印象深刻。有几个客户对此大力支持，他们鼓励我们继续走下去，把这些计算机程序进一步用在交易里面。他们的支持很宝贵，我们因此才能建立起业绩记录。

Michael Adam：所以当时有我父亲的支持，有给力的朋友们，业务就这样一点点做起来了。前6个月发生了很多。现在想来，最大的挑战还是如何说服别人加入你的事业。David，你怎么看？

David Harding：成功了自然是一件好事情，过程却有很多痛苦。且不谈那些痛苦的经历，就说人们对未来的判断都是相当有限的，如果人们真的知道创业意味着什么，那么估计没人会选择去创业。你需要有相当大的热情，要不计后果，要有些天真，要有点魔性，甚至也要有点贪婪，才能去应对创业中面临的层层挑战，这当然不是理性的选择。

主持人：这也是为什么创业的终极因素是人。如果创业团队选错了人，那将会是毁灭性打击，如果用对了人，那也会变得所向披靡。

David Harding：是的，让团队变得更加强大。这就是为什么我们如果有40个候选人，我们从中选出6个来面试，最终选出那个对的人。

Michael Adam：当时我们几乎不可能去雇用那些投行的银行家或是交易员，一个原因是我们开不出那么高的工资，另一个就是他们的年龄可能比我们还大。所以当时我们只能去雇用新毕业生。

但现在来看，这也给我们带来了优势。因为，我们如果去雇那些有一定市场经验的人，最让我们头疼的就是如何训练他们摒弃固有思维，他们曾经获得的那些训练到了这里对我们却可能是不合适的，阻碍我们的业务进程。

所以我们的策略就是直接雇用没有经验的新人，把他们一步一步培养塑造成我们想要的样子。
 
发展壮大——AHL结缘英仕曼
 
主持人：最初AHL是依靠这种科学化的交易方法吸引了英仕曼集团吗？那段时间发生了什么？

Michael Adam：英仕曼集团当时和美国新泽西的一家基金管理人MINT有了非常成功的合作。他们期待能够扩大在伦敦交易市场的份额，AHL和MINT在很多方面类似，因此也吸引了英仕曼集团。我们AHL对于英仕曼集团提高它的市场竞争能力是有价值的。

David Harding：英仕曼买下51%的AHL股份。他们希望持有AHL的多数股份，然后消化吸收并控制我们的投资管理这一业务板块，他们做到了。

Michael Adam：从我们AHL的角度来说，愿意把股份出售给英仕曼，有两个原因。我们懂市场，所以一个显然的原因就是融资渠道，我们需要融资，英仕曼有融资的通道。另一个更大的动机就是我们希望接触更多市场品种，在很多尚未接触的市场品种领域，作为外行，我们很难靠自己的力量控制交易成本。英仕曼集团在这些品种中已经有了较为成熟的交易对手体系，这是吸引我们的地方。

Marty Lueck：是的，英仕曼用MINT的模型，把大交易分割成一笔笔小交易，降低他们自己的交易成本，大家都很开心，他们投放了10多亿美元，实在不能再多了。当他们问我们是否能够再提供更多模型时，我们说，我们是资产管理者，不是商品的经纪商，不过我们愿意把商品经纪这块业务做得更强。

Michael Adam：后来我们又经历了相当长的困难时期。记得我们在四楼或是五楼，感觉每天都是在打仗。我们努力试图压缩从得到数据到最终实施模型交易的时间，也就是加快交易实施的速度。因为我们在模型优化方面能做的越来越少，这就需要我们更快地像去掷骰子一样提高操作频率，获取优势，而这和经纪商希望实现自由交易的理念是格格不入的。

Marty Lueck：当时量化趋势追踪交易在金融界仍被视为异类。趋势追踪交易出现的第一年，《经济学人》杂志就写了一篇文章，说市场是有效的，这种交易注定会失败。

Michael Adam：那篇文章把我们同美国一些用计算机预测市场的机构作类比，全文采用了高度怀疑的语气。

Marty Lueck：完全持怀疑态度。

David Harding：有效市场理论是百分百的正统理论。
 
 
扬帆起航——成为量化投资行业引领者
 
主持人：David，从我们刚才的对话中，我想知道，一开始你是通过什么方式向投资人介绍AHL的理念和方法的，吸引投资人兴趣的？

David Harding：我把我们计算机生成的图像放到演示稿中，这本身就引起了商品经纪界很多同仁的兴趣。不同于投行里的那些证券经纪人，商品经纪人通常没那么高端，很多是家族传承，比如一些棉花商、白糖商人。但趋势追踪策略也就是从商品交易领域开始的，这些人相对不那么受金融理论的束缚。我本人也没有正式从事过投资银行业。就是这些人开始的量化对冲基金业。

1990年前后，Renaissance腾飞，大家都去效仿James Ax，甚至包括华尔街的摩根士丹利，也有Citadel等等，量化对冲基金真正开始崛起。从业界到学校，人们都在研究开发用于交易的计算机程序。

Marty Lueck：我觉得科技在金融领域的应用最初很多从商品交易界开始，后来推广到金融市场其它领域，商品市场的结构为其它高流动性板块提供了一个范例样板。只要你在商品市场有了经验，知道这些交易是如何运行的，那么有朝一日，市场出现国债期货，即使你没有国债交易的经验，你也会迅速知道该如何操作。因为我们有办法将数据一般化，所以对任何一个新的交易板块或交易品种，我们都可以迅速将模型应用其中，并发掘获利机会。
 
历久弥新——拥抱大数据，迎接新挑战
 
主持人：从使用数据的角度，你们这么多年都取得了哪些进展？

David Harding：现在，我们操作股票时，会有各种各样的数据，我们有各个公司的资产负债表数据、基本面数据、气象数据，这些我们都会使用。

Marty Lueck：当然，我们愿意使用新方法，尽可能准确预测未来会发生什么。比如，现在的机器学习手段。如果我们把这些问题留给Google，他们的答案会非常简单。但我觉得金融市场的现实要更加复杂。

我不能说我们已经有了很好的系统，可以分析解读卫星数据，或是建立神经网络，从而知道明天会发生什么，下周会发生什么。这样说太过了。但另一方面，我们的确比以往有更多的可用数据。我们要思考，如何消化、理解、运用这些数据。

David Harding：其中的一个风险就是对数据的过度解读。比如，5年前，Google Trend作为一个基于Google搜索功能建立的新型数据库，当时一度被媒体热炒，上了BBC新闻头条，但后来证明，Google Trend得出的有些结论是完全错误的。这就是一个典型实例。

再比如机器学习，其实我们1987年那会做的研究就可以被描述为机器学习。机器学习当然不是神经网络，它是一种数据研究的科学。

Marty Lueck：提到这点，Google Translate是神经网络一个很好的例子，语言是包含人们的情绪的，不过错误翻译并不会带来灾难性后果。但是如果你把同样的逻辑放在金融市场里就不合适了，因为你必须去考虑人性的贪婪，人们在交易中赚取更多利润那种强烈的欲望和动机。

金融市场就像一个大的神经网络，每个人都在里面投入资本，并渴望获得回报，而且每个人都会把这当成一场游戏，获胜是他们的目标。历史经验已经反复证明了这一点。
 
与众不同——数学指导下的资产配置
 
主持人：现在我们把话题转向资产配置。全球最大的对冲基金桥水创始人Ray Dalio说，资产配置是他成功的秘诀。你们在投资中是如何做资产配置的？

Marty Lueck：我觉得首先，我们更多把资产配置看成是创造机会，我们并不去判断哪个板块将会成为市场热点，而是去通过交易新品种获得更多市场机会。首先，考虑没有流动性限制的情况，我们会买卖市场上所有能够交易的品种，每个品种都有着几乎相等的配置。然后，我们再回归现实，考虑实际流动性限制以及不同品种之间的相关性。最后，也是整个过程最迷人的地方，就是我们的量化模型，通过对各个品种的趋势追踪，来给出最终的资产配置建议。所以，我不认为资产配置是独立于模型之外的，相反，模型不断发掘新的机会，并给出优化的资产配置建议。

David Harding：我同意。相比AHL或是Winton，桥水的策略是基于经济学，而AHL、Aspect、Winton策略都是基于数学和统计学的，我们并不把经济学理论应用到模型之中，也许这是优势，也许这是劣势，但数学是我们资产配置的理论基础。

Michael Adam：是的，在桥水，你要先做资产配置，再做具体交易。而在AHL、Aspect、Winton，正如Marty说的，资产配置是模型的输出结果，而非输入因子，在模型给出配置之前，我们不需要分析师去做一些主观猜测和判断。我们必须弄清这一点。

主持人：金融学告诉我们，多元分散配置是唯一免费的午餐，那有没有什么时候，模型完全无法再加入新的品种？

David Harding：从数学角度，只要一个新品种预期回报率为正，同组合里现有的其它品种相关度低于1，加入它就会让你的投资组合更好。当然，回报率是完全不确定的，也许预期回报率是1，但它上下波动为10，那很难说10年后这个品种收益是正还是负。所以，即使从数学角度加入新品种可以优化投资组合，我们不一定真的实际去这样操作。
 
再迎挑战——低通胀下的趋势追踪
 
主持人：我想再来讨论一下近几年的低通胀、低收益率环境。David，你觉得把现在的情况放在几百年金融市场的历史中，该怎么看？

David Harding：我觉得任何一种交易策略都不可能永远地有效，任何一个交易机会也不可能永久地持续下去。比如，我们之前使用的一些趋势追踪模型，从近30年交易历史看，的确效果越来越差。这就是我们为什么要始终努力创新。

Michael Adam：我记得David曾说，央行以低通胀为目标将是一场灾难。当时看来似乎也不是什么灾难。但15年过去，现在我认同你说的话。这10年的人为低通胀、低利率环境，历史将会给出裁决。这对于社会财富再分配，对于资源配置都没有好处。通过印钱维持低利率是个糟糕的想法，终有一天这将结束，而到时趋势追踪策略又会大赚一笔。
 
最后总结三点：

第一，即使趋势追踪模型效果在逐渐变弱，但作为科学家，我们有不断进取、不断质疑、不断创新的精神，我们有信心去发掘新的市场机会；

第二，我们也曾经历过低利率的时代，当时业绩表现也很弱，1987年后，趋势追踪策略曾经非常辉煌，后来在美联储试图管理S&L危机时，趋势追踪策略经历了四五年困难时光，之后便再次反弹，所以，我认为今后趋势追踪策略仍有大量机会；

第三，我认为科学、量化、系统化的投资方式是一种合理的投资方式，虽然它不能保证你每年30%的收益，但长期坚持并不断改进，会是一种安全的方法。