这个系列写了六个人。李录、段永平、Burry、巴菲特、索罗斯、塔勒布。六个人，六种资本配置逻辑，六个资本最终停留的位置。
但如果你把这六个人放在一起看，会发现一个被默认为前提的假设：他们都在用自己的判断赚钱。李录判断商业模式，段永平判断认知边界，Burry判断赔率偏差，巴菲特判断企业现金流，索罗斯判断系统反馈，塔勒布判断定价模型。他们赚钱，是因为他们的判断比市场更准确。
第七个人打破了这个假设。
前六个人在研究世界，西蒙斯在研究数据。前六个人相信人的判断，西蒙斯则断言：在资本市场里，人的判断本身就是最大的噪音。如果说巴菲特把资本交给了企业，索罗斯把资本交给了系统，那么西蒙斯做了一件更彻底的事——他把判断连根拔掉，然后在那片空出来的土地上，种了一套完全不同的东西。
Jim Simons。文艺复兴科技公司创始人。过去三十年全球最赚钱的基金经理——不是之一。而他和前六个人最大的区别，就藏在文艺复兴那个没有任何窗户的机房里。
壹、一个数学家走进华尔街
西蒙斯不是金融出身。他23岁拿到加州大学伯克利分校数学博士学位，30岁成为纽约州立大学石溪分校数学系主任。他和陈省身合作提出的陈-西蒙斯理论，至今仍是量子场论和拓扑学的基础工具。40岁之前，他是个纯粹的数学家。
1978年，他离开学术界，创立文艺复兴科技公司。最初几年，他像所有传统交易员一样——看基本面、看技术指标、凭直觉下单。结果是持续亏损。
然后他做了一件事：把所有交易员全部开除。他自己是数学家，他的核心团队是密码学家、量子物理学家、计算语言学家、天体物理学家。没有一个MBA，没有一个CFA，没有一个在华尔街工作过的人。
他对这群人说了一句话：“我们不要判断市场。我们找数据里的规律。”
这就是大奖章基金的起点。也是资本配置史上最激进的一次方法论断裂——不是改良，不是优化，是把整个决策体系从“人”切换到“算法”。判断被连根拔掉了。此后三十年的问题只剩下一个：拔掉之后，用什么替代它？
贰、大奖章到底赚了多少钱？
大奖章基金1988年成立，是文艺复兴旗下封闭式旗舰基金，不接受外部投资者，只管理文艺复兴员工的个人资本。这种封闭性本身就是一个强烈信号——他们相信自己找到的规律足够可靠，可靠到不需要用别人的钱来放大收益。
1988年至2018年，费前年化回报约66%，费后约39%。注意，这是30年的复利，不是某一次押注的回报。同期巴菲特的伯克希尔年化约20%，索罗斯的量子基金年化约30%，彼得·林奇的麦哲伦基金年化约29%（1977-1990年，时间窗口与大奖章不完全重合，仅作量级参考）。大奖章比这三个人都高，高出一倍以上。
更关键的，不是收益率，是夏普比率——每承担一单位风险，获得多少超额回报。大部分优秀基金经理的夏普比率在0.5到1之间。巴菲特的长期夏普比率约0.76-0.79（AQR《Buffett's Alpha》，1976-2011），已是30年以上历史的股票/基金中最高纪录。大奖章是多少？超过2.0。几倍于任何人类主观判断驱动型基金经理。在金融史上，夏普比率稳定超过2的基金几乎不存在——大奖章是那个例外。
而且不是某一年特别高拉高了平均。2007年8月“量化地震”中，几乎所有量化基金同时亏损，大奖章一周内回撤约20%，团队一度考虑人工干预、平仓离场——最终没有干预，算法继续交易，当年以上涨约85%收官。三十年间，大奖章唯一的年度亏损出现在1989年（初期，此后重写了算法）。人类的业绩曲线是阶梯状——看对了跳升，看错了跌落。大奖章的业绩曲线更接近于一条平滑向上的直线。这种形态本身就在说话：它的回报来源和人类判断完全不同。
叁、他们到底怎么赚钱？
大奖章的具体策略从不公开。这是金融界最严密保护的秘密之一。但30年的业绩数据可以读出一些结构性特征：
第一，高频中频混合信号。他们不是做高频交易——文艺复兴还有另一支专门做高频的基金，大奖章不是。大奖章持仓周期通常在几天到几周。这个频率刚刚好——比高频慢到不需要和交易所拼硬件速度，比低频快到可以做无数次独立决策、让概率真正发挥作用。
第二，多策略并行。大奖章内部有数百个子策略，每个策略独立运行，独立产生交易信号。没有一个策略是“核心策略”。这比任何人类基金经理的持仓都更分散——不是行业分散，是逻辑来源分散。任何一个子策略失效，都不会威胁到整个基金的生存。
第三，机器学习之前，先用统计推断。大奖章从80年代末就开始用隐马尔可夫模型等统计工具处理金融数据，远早于“机器学习”这个概念普及。但他们的方法和今天的机器学习不同——不是把数据倒进神经网络等输出，而是用统计推断去检验每一个信号背后的因果逻辑是否稳定。一个信号必须经过多层统计检验，确保它不是随机噪声，才会被纳入策略库。
第四，绝对纪律。所有交易由算法自动执行。人类退出了交易决策，但没有退出模型决策——算法负责执行，研究团队负责不断淘汰旧信号、验证新信号。真正自动化的不是研究，而是执行。算法没有恐惧、没有贪婪、没有在战火中长大的童年创伤、不会因为昨天亏了钱就今天手软。它只有信号，执行，下一个信号。
肆、拔掉判断之后，剩下什么？
前六个人，每个人配置的对象都可以用一句话说清楚。李录配置结构，段永平配置认知，Burry配置赔率，巴菲特配置现金流，索罗斯配置风险暴露，塔勒布配置肥尾。
西蒙斯配置的是什么？不是企业，不是认知，不是赔率，不是现金流，不是系统反馈，不是定价模型。判断被连根拔掉之后，在那片空出来的土地上，他建起了一座工厂。
别人有一个Alpha，文艺复兴有一个Alpha工厂。这个工厂的原材料是数据——他们自己清洗了几十年的Tick级交易数据，别人没有。这个工厂的工人是几十个顶级数学家、密码学家、量子物理学家，持续迭代。这个工厂的反馈机制是每天重新验证所有模型的预测效果，任何信号一旦统计显著性下降，立刻被淘汰或降低权重。
数据只是原材料。真正被配置的，是把数据不断转化成Alpha的生产流程。这就是文艺复兴真正的护城河——不是某一个秘密算法，而是一套生产算法的系统。
西蒙斯配置的不是统计学。他配置的是数据世界里那些不断重复、却无法被人类肉眼识别的信息结构。他不问“这只股票好不好”。他问“在过去三十年所有出现过这种量价模式的交易日里，第二天上涨的比例是多少”。如果答案是51%，他就买。他不关心这家公司做什么、CEO是谁、护城河有多宽。那些信息不在他的模型里。他不是在任何一个维度上比市场更聪明。他是把“人类判断”从决策流程中连根拔掉，用统计优势替代认知优势。
伍、为什么这个案例对系列很重要？
写完七个人，这个系列已经到了一个必须自我审视的时刻。
前六个人，尽管策略各异，但都共享一个底层假设：市场存在可以被人类认知捕获的错误定价。李录的结构判断，段永平的认知深度，Burry的赔率分析，巴菲特的企业定价，索罗斯的反身性，塔勒布对模型风险的定价——每一种能力的核心，都是人类判断在某个维度上优于市场。
西蒙斯挑战的就是这个假设本身。
他不是在同一个坐标系里画了一条更好的线。他换了一个坐标系。轴的一侧是人类判断，另一侧是统计规律。大奖章的业绩曲线——更稳，更高，和任何人类判断驱动型基金的回报相关性极低——本身就是这条新坐标轴的证明。
陆、统计优势的局限
但西蒙斯的体系也有它的边界。承认这个边界，才能真正理解他配置的是什么。
第一，容量上限。大奖章被迫封闭的根本原因，不是不想收外部资金，而是策略容量极其有限。一旦资金量超过最优规模，交易本身就开始影响价格，统计优势就被自己吃掉了。所以大奖章只管理文艺复兴员工的内部资金，规模长期限制在百亿量级以内。这是和巴菲特最尖锐的对比——巴菲特的策略，规模越大越有优势，几千亿美元照样配置。西蒙斯的策略，一旦超过最优规模，就在自我瓦解。
第二，环境依赖。统计优势不是永恒的——它依赖特定的市场微观结构。如果交易所改变规则，如果流动性提供者改变行为模式，如果数据生成过程本身发生变化，某些信号就会失效。大奖章的模型团队每天在做的事情，就是在统计优势消失之前找到新的信号。这不是一劳永逸的发现，是永无止境的迭代。
第三，黑盒风险。算法越复杂，人类越无法理解它为什么做出某个具体决策。在绝大多数时候这不是问题——人类不需要理解，只需要执行。但极少数时候，如果模型产生了系统性的错误——不是某个子策略失效，而是多个子策略同时被同一个宏观冲击触发——人类没有能力在危机时刻接管一个自己无法理解的系统。这是统计优势的终极脆弱性：它的优势建立在人类无法理解的基础之上。平时这是护城河，危机时这是陷阱。
最后
这个系列走到第七篇，七个人的资本，停在了七个完全不同的地方。但如果从更远的距离看，这七个人其实对应着三种不同层面的配置对象。
巴菲特、李录、段永平配置的是现实——企业、现金流、商业模式、认知边界。他们的资本最终停在那些可以触摸、可以理解、可以长期持有的东西上。索罗斯、Burry、塔勒布配置的是市场参与者的行为——系统的失衡、定价的偏差、模型的错误。他们的资本停在集体行为与真实世界之间那道裂缝里。西蒙斯配置的是信息本身——数据深处那些反复出现、却无法被人类肉眼识别的统计结构。
从企业，到市场，再到信息。资本配置的对象越来越抽象，也越来越远离我们肉眼能够直接理解的世界。企业可以研究，市场可以观察，而信息本身却无法被直觉感知。它只能通过数据、统计和不断迭代的系统被识别出来。
西蒙斯真正创造的，不是一个算法，而是一家能够持续生产Alpha的组织。把判断连根拔掉之后，剩下的是一个系统。而资本最终停在的，从来不是某一次正确判断，而是一个能够持续产生正确判断的系统。
本备忘录为个人研究记录，不构成投资建议。
市场有风险，投资决策需基于独立判断并自行承担责任。
Frank · JDV Research （价道研究）
全球资本市场与科技资产的长期投资与研究
往期内容：
塔勒布：那个靠别人崩溃赚钱的人 / 价道研究 #82 人物系列19
杨植麟的另一面：月之暗面背后的决策系统 / #81 人物系列18
从巴菲特的资本结构，到普通人的财富跃迁 / #80 知行系列38
从粟裕的战争艺术，到投资者的非对称收益 /#79 知行系列37
谷歌财报最大的信号:资本开支的阶跃，与资本效率竞争的回归 / #78 知行系列36
从林彪的战争体系，到投资者的复利系统 / #77 知行系列35
为什么主动投资越来越难跑赢指数？/ 价道研究 #76 知行系列34
微软还能年轻多久？——AI时代伟大的公司，都要重新证明自己 / #75 资产系列24