要优化你的投资组合，你需要进行3万亿次计算。建议不要在家里自行尝试。
在位于新泽西州纽瓦克的PGIM Quantitative Solutions公司的办公室里，有理论物理学之美，也有挑选股票此等琐事。也就是在这里，一位从美国航空航天局（NASA）离职，投身于投资事业的物理学博士——乔治·N·帕特森（George N. Patterson）带领着一个由13个博士组成的研究团队。
华尔街的物理学家？如果你对偏微分方程有所涉猎，你就不会觉得这有什么奇怪。
描述股票价格漂移的方程与定义热量运动的方程几乎完全相同。不过，自然科学和金融学科之间还是有很大区别的。行星的运行轨迹是可以预测的，而证券市场有时完全不按道理出牌。
帕特森用一句话进行了很好的总结：“万有引力从来没有行情不好的时候”。
作为PGIM Quant的首席投资官，帕特森的任务是将金融教科书上的抽象理论应用于实际任务之中，包括为机构中大多数客户挑选股票、债券和大宗商品的投资组合。使用工具包括连接函数、有向图以及隐马尔可夫模型在内的艰深理论。输入：61 TB的数据。输出：每年40万单生意。
帕特森说：“我们就像一只过滤小虾米的须鲸。”的确，只不过他们只是一个大鲸群中的一只：在拥有149年历史的保德信金融集团（Prudential Financial）管理的价值1.3万亿美元的全球投资中，PGIM Quant占了1020亿美元。
现年58岁的帕特森还记得儿时与身为大宗商品交易员的父亲一同参观纽约商品交易所（New York Mercantile Exchange ）的情形。这么看来，当他在NASA位于加州帕萨迪纳的实验室工作时，被巴克莱全球投资者公司（Barclays Global Investors）挖走也不足为奇了。2017年，他加入了PGIM。
你能靠一屋子电脑打败市场吗？就算能，也没那么容易。
PGIM并未披露其独立管理账户的业绩，这些账户的历史可以追溯到49年前，但它确实有一些规模较小、记录较新的共同基金。据晨星（Morningstar）报道，在过去5年间，PGIM Quant经营的大公司基金、小公司基金和国际基金表现良好，在扣除费用前相关指数都遥遥领先，但扣除费用后却落后于人。机构客户支付的费用较低(公布的年费率为资产的0.3%至0.65%)，因此他们的业绩可能更好。
PGIM的计算机专家们即便只是跟踪基准指数，也能赚到钱，原因在于捐赠基金和养老金客户有着不同的严格限制，譬如或许有的公司不想持有化石燃料股票，但还是想跟上标准普尔500指数（S&P 500）；有的公司不想和武器、烟草搭上关系；或许还有公司想要降低其在其他地方过度关注的股票权重。
但总体目标很明确：实现利益最大化，在奖励预期回报的同时对风险做出处罚。风险很重要，否则你的投资组合就会偏离轨道，完全由像英伟达和Netflix这样的激进成长型股票组成。
在PGIM Quant，一台具有风险意识的计算机在一个有数千个维度的空间内向一个高点摸索，每个维度都代表一种可以拥有的证券——还好有快速芯片。每一天，每位客户都会接受效率最大化的服务，每个客户的解决方案都要经过3万亿次计算。
已故的哈里·马科维茨（Harry Markowitz）在72年前就提出了风险与收益之间的关系。他用任何两只股票之间的协方差来计算分散投资的回报，协方差是衡量这两只股票是否会步调一致的标准。这样做的目的就是获得低协方差（或更好的负协方差）的证券。
帕特森表示，这些东西在金融教科书上一片岁月静好，但现实却不尽然。你可以通过观察过去几年的股票价格来衡量协方差。帕特森借用电子工程学中的一个术语，称这种输入有很多 “噪音”。让计算机根据过去的价格来工作，它可能会抓住一个侥幸心理，即某个汽车公司和某个鱼粉公司之间的协方差很低。计算机会告诉你，由特斯拉和鱼粉股票组成的投资组合会特别稳定。但这是无稽之谈。
对于经典投资组合理论来说，另一个问题就是，它假设协方差是一个单一的固定数字。但在现实世界中，两种资产的协方差在平静的市场中可能很低，但在动荡的市场中却会飙升。这正是全球金融危机的本质所在：一切都在同时崩溃。
从这一经验中汲取智慧之后，定量分析师现在用“协方差”来衡量证券之间的关系，明确允许在熊市中依赖性上升。PGIM的分析也体现了这些，还加上了其他的改进措施。
帕特森的团队制作了一张图表，利用证券文件来衡量公司之间的联系。（例如：门制造商Jeld-Wen透露，该公司15%的收入来自家得宝（Home Depot）。他们正在使用马尔可夫模型（以一位俄罗斯数学家的名字命名）来描绘股市情况。这一分析假设有一个精灵藏在一个黑暗的房间中，从两个罐子中的一个上取出上下波动的球，其中一个罐子随机装着平均看涨的球，另一个罐子装着看跌的球。你只能看到出来的球，而你要试图推测他选择罐子的规则是什么。
帕特森不希望他的数学家们太沉迷与此。用他的话说，定量研究就是一个“上了膛的枪”。如果计算机发现了一个“似乎有效但我们不知道原因的统计异常”，那他就不会用它。为了说明自己的目标，他引用了一句阿尔伯特·爱因斯坦（Albert Einstein）的名言：
“使用足够的复杂性去模拟现实世界，但要行之有度。”
本文作者为福布斯（资深）撰稿人，文章内容仅代表作者本人观点。
本文译自：
https://www.forbes.com/sites/baldwin/2024/07/29/how-to-be-successful-on-wall-street-without-beating-the-market/
文： William Baldwin
翻译：Vivian
福布斯中国独家稿件，未经许可，请勿转载
头图来源：盖蒂图片社
关注《福布斯》微信公众号
精彩资讯永不错过
▽
