桥水达里奥的交易系统

最有名的是 “纯阿尔法” 与 ”全天候”

我开了一个头，请大家跟帖

几十年以前，诺贝尔经济学奖得主哈里·马科维茨构建了一个被广泛应用的模型，你可以把一组资产以及它们的预期回报、风险和相关性（显示这些资产在过去的表现有多高的相似度）输入该模型，然后确定一个由这些资产组成的“最优组合”。但这个模型无法告诉你改变其中任何变量所产生的渐进变化效果如何，以及如何处理这些假设的不确定性。那时我极其忧虑，如果我的假设是错的怎么办，所以我希望以一种很简单的方式理解多样化。我找到了布莱恩·戈尔德，一名刚从达特茅斯大学毕业的数学系学生，于1990年加入桥水。我请他制作了一张图表，这张图表显示了假如我渐进地增加具有不同相关性的投资，一个资产组合的波动性将如何减弱，其质量（以相对于风险的收益规模来衡量）将如何提升。我将在“经济与投资原则”中更详细地解释。
这个简单的图表带给我的震撼，可能就像爱因斯坦在发现E=mc2时的感觉一样：我发现如果我拥有15—20个良好的、互不相关的回报流，我就能大大降低我的风险，同时又不减少我的预期收益。这简单明了，但如果这个在纸面上行得通的理论在实践中的效果也很好的话，那将是一个重大突破。我称之为“投资的圣杯”，因为它指出了赚大钱的方法。这是我们学习过程中的又一个关键时刻。

转至 雷•达里奥《原则》

我们发现的这些原则适用于所有的经营活动。无论经营宾馆、科技公司还是任何其他东西，你的业务都会产生回报流。拥有几个良好的、互不相关的回报流，要比只有一个好，而且，知道如何结合不同的回报流，要比能够选出好的回报流更有效果（不过显然你必须二者都做）。当时（而且直至现在），大多数投资经理没有明白这一点。他们管理单一资产类别的投资：股权管理者管理股权，债券管理者管理债券，等等。他们的客户给他们钱，是希望他们在收获此类资产的总体收益（例如标准普尔500股市指数）之外，还能通过押注、高估和低估特定资产的价值（例如买入比特定指数中更多的微软股票）取得一些额外收益。但同一资产类别内部的具体资产通常约有60%是相互联系的，这意味着在一半以上的情况下，这些资产的价值是一起上升或下跌的。如下图显示，如果一个股权投资经理把1 000只存在60%相关性的股票纳入自己的资产组合，与只选择5只股票的情况相比，多样性并没有高多少。如果以下图指出的方式平衡我们的押注，我们将轻松击败那些选择了相关性较高的资产组合的人。
由于我的做法是系统性地记录我的投资原则，以及这些原则预计可能产生的收益，所以我积累了很多互不相关的回报流。事实上，我掌握着约1 000个回报流。因为我们的交易涉及许多不同的资产类别，同时在每一类里，我们都会调适和检验许多基本交易规则，所以我们有很多高质量的回报流可供选择；而一个普通的投资经理只会跟踪少量的资产，而且可能不会以系统化的方式交易，与我们相比，他的选择就要少得多。 我和鲍勃、丹合作，从浩繁的原始信息中总结出了最好的决策规则。规则得出后，我们就在长时间框架里对其进行返回测试，利用系统模拟，将这些规则放在过去的环境中，看看它们的共同表现将会如何。
结果让我们感到震撼。理论上，这种新方法将让我们的单位风险收益增长3—5倍，而我们可以根据可容忍的风险规模调节我们想要的收益规模。换言之，我们会比别人赚得多得多，同时降低因失败而出局（我以前就几乎出局）的风险。我称此为“杀手体系”，因为它既可能为我们和客户创造可以“杀死”别人的收益，也可能因我们忽略某些重要因素而“杀死”我们。
这一做法的成功教会了我一个原则，后来我把它应用到生活的所有方面：想要拥有很多优势，而又不暴露于不可接受的劣势之下，最稳妥的方式是做出一系列良好的、互不相关的押注，彼此平衡，相互补充。
转至 雷•达里奥《原则》

我和鲍勃、丹合作，从浩繁的原始信息中总结出了最好的决策规则。规则得出后，我们就在长时间框架里对其进行返回测试，利用系统模拟，将这些规则放在过去的环境中，看看它们的共同表现将会如何。 结果让我们感到震撼。理论上，这种新方法将让我们的单位风险收益增长3—5倍，而我们可以根据可容忍的风险规模调节我们想要的收益规模。

换言之，我们会比别人赚得多得多，同时降低因失败而出局（我以前就几乎出局）的风险。我称此为“杀手体系”，因为它既可能为我们和客户创造可以“杀死”别人的收益，也可能因我们忽略某些重要因素而“杀死”我们。 这一做法的成功教会了我一个原则，后来我把它应用到生活的所有方面：想要拥有很多优势，而又不暴露于不可接受的劣势之下，最稳妥的方式是做出一系列良好的、互不相关的押注，彼此平衡，相互补充。 虽然对这一新做法很兴奋，我们还是谨慎推进。我们最初只给了这一系统10%的权重，在我们表现最好的20个月里，该系统在19个月里赚了钱。

在我们的信心变得更大之后，我决定去找我精选的一些熟识的投资者，说服他们给我100万美元的试验账户，运用这一策略来做投资。我知道，请求这些机构投资者投入这样相对不多的钱，将让他们难以拒绝。最初我称这一新产品为“精华5%”，因为它由我们决策规则中最好的5%组成，后来我将其改名为“纯粹阿尔法”，以表示它只包含阿尔法。因为“纯粹阿尔法”不包含任何贝塔，所以它没有随任何市场沉浮而升降的倾向。它的回报只取决于我们能在多大程度上超越竞争者。 通过我们全新的“阿尔法叠加”方法，投资者不仅可以得到他们选择的资产类别（无论是标准普尔500股市指数、债券指数还是大宗商品）带来的收益，还能得到我们在所有类型的资产中挑选和押注产生的收益。尽管这一做法史无前例，但我们还是细致地向投资者讲解了我们的逻辑，说明它为什么事实上比传统方法安全得多。我们还向他们说明，累积性表现的预计范围如何，围绕总体表现的预计浮动范围将会有多大。在我们的客户看来，这好像是一架从没试飞过的飞机模型，但从构造上看要比任何其他飞机都好得多。有没有敢于登上这架飞机的人？
转至 雷•达里奥《原则》

交易系统
现金是长期投资产品里最差的一种， 因为它会因通胀和税收因素而不断贬值。不同的投资策略， 每一种适用于一个特定环境（增长率上升加通胀率上升，增长率上升加通胀率下降， 以此类推） ， 我就能创造一种资产配置组合， 它足够均衡， 可以在长期里表现良好， 同时又不会遭受不可接受的损失。 因为投资策略总是保持不变， 所以几乎任何人都能使用。 称其为“全天候资产组合”
---------------------------------------------------
投资管理方式称为“阿尔法叠加”， 在这种方式中， 消极（“贝塔”） 和积极（“阿尔法”） 的风险敞口是区分开来的。 来自某一市场（如股票市场） 的回报本身称为该市场的“贝塔”， 与别人竞争而冒险押注所产生的回报称为“阿尔法”。 例如， 一些人的回报高于股市平均水平， 而另一些人的回报低于股市平均水平， 我们就说他们分别有正面和负面的“阿尔法”。 我们用阿尔法叠加的方法提供了一种不受潜在市场表现影响的押注方式。利用这种方式对待市场让我明白， 成为一个成功的投资者的要诀之一，是只对你有高度信心的投资对象进行冒险押注， 并对这些对象进行充分的分散投资
---------------------------------------------------
我们把这一新思路植入我们的计算机， 对其进行返回测试， 以观察其在所有国家、 所有时期表现如何， 然后向客户详细解释， 以便他们深入理解背后的逻辑。
---------------------------------------------------

确立一个“风险中性”的基准仓位， 在进行慎重的冒险时偏离这个仓位， 这种做法是一种投资管理方式的起源。 后来我们将这种投资管理方式称为“阿尔法叠加”， 在这种方式中， 消极（“贝塔”） 和积极（“阿尔法”） 的风险敞口是区分开来的。 来自某一市场（如股票市场） 的回报本身称为该市场的“贝塔”， 与别人竞争而冒险押注所产生的回报称为“阿尔法”。 例如， 一些人的回报高于股市平均水平， 而另一些人的回报低于股市平均水平， 我们就说他们分别有正面和负面的“阿尔法”。 我们用阿尔法叠加的方法提供了一种不受潜在市场表现影响的押注方式。利用这种方式对待市场让我明白， 成为一个成功的投资者的要诀之一，是只对你有高度信心的投资对象进行冒险押注， 并对这些对象进行充分的分散投资。
---------------------------------------------------
我们应当把问题和分歧摆到桌面上， 从而总结应当怎么做才能改进。 于是我和罗斯合作编写了一份交易部门的“错误日志”。 从那时起， 任何时候出现任何性质的不良结果（如一项交易没有执行、 我们支付的交易费显著高于预期等） ， 交易员都会记录下来，然后我们采取补救行动。 随着我们不断跟踪和解决这些问题， 我们的交易执行机制不断完善

我在1981年12月发表的一篇文章中写道，我相信（我至今依然相信）“理论上……假如有这么一台计算机，能存储世界上所有的事实，同时拥有完美的程序，能以数学方式表达世界所有不同部分之间的所有关系，我们就能完美地预见未来”。
—摘自达里奥《原则》P699

确立一个“风险中性”的基准仓位，在进行慎重的冒险时偏离这个仓位，这种做法是一种投资管理方式的起源。后来我们将这种投资管理方式称为“阿尔法叠加”，在这种方式中，消极（“贝塔”）和积极（“阿尔法”）的风险敞口是区分开来的。来自某一市场（如股票市场）的回报本身称为该市场的“贝塔”，与别人竞争而冒险押注所产生的回报称为“阿尔法”。例如，一些人的回报高于股市平均水平，而另一些人的回报低于股市平均水平，我们就说他们分别有正面和负面的“阿尔法”。

从 很早 的 时候 起， 每当 我 在 市场 上 开始 一笔 交易， 我都 会把 自己 用来 做 决策 的 标准 写下 来。 然后， 每当 我 结束 一笔 交易， 我都 会 回顾 一下 这些 标准 的 效果 怎么样。 有一天 我 想到， 如果 我把 这些 标准 转化 成 公式（ 现在 更 时髦 的 叫 法 是“ 算法”）， 然后 用 这些 公式 计算 历史 数据， 我 就能 检测， 假如 把 我的 这些 公式 运用 到 历史 交易 中， 效果 会 怎么样。 实践中 我是 这么 操作 的： 与 往常 一样， 我从 自己的 直觉 开始， 但我 会用 合乎逻辑 的方式 将 这些 直觉 表达 为 决策 标准， 然后 用 一种 系统化 的 方式 描述 这些 标准， 就我 在 每个 特定 情境 下 会 如何 操作 绘出 一幅 思维 导 图。 然后 我会 用 这些 系统 处理 历史 数据， 观察 我的 决策 在过 去的 表现 如何， 进而 根据 具体 结果 合理 地 改进 这些 决策 规则。 我们 利用 能够 得到 的 最久 远的 历史 数据（ 通常 超过 一个 世纪） 检测 这些 系统， 范围 涉及 所有 有数 据 记录 的 国家， 这 让我 可以 很好 地 透视 经济/ 市场 机器 在历史上 是 如何 运行 的， 以及 如何 对其 押注。 这样做 让我 得到 了 教益， 并 引导 我 改进 我的 标准， 使之 成为 永恒 和 普 适 的 标准。 一旦 仔细 审查 完 这些 关系， 我 就能 把 现实 中 不断 得到 的 数据 输入 这些 系统， 然后 计算机 就会 处理 这些 数据， 做出决策。
        桥 水 最初 的 利率、 股票、 外汇 和 贵金属 系统 就是 这么 产生 的。 接着 我们 把这 些 系统 合并 为 一个 系统， 以 管理 我们 的 投资 组合。