码农土木化之后，量化是不是学霸们唯一的出路？
回答一个满级读者的问题。
他是一个应届生，国内读的顶校，留美的读的顶校，我看了你留言里面发来的简历图片。
人很顶。
那么他问我什么呢，他拿了美国某个机构量化部门的offer，想让我，全面的聊聊量化这件事。
首先，我没法全面，因为你面进去的那是一个全球头部的大厂。
而我是一个小团队。
通过我后面的描述，你渐渐就会明白我的意思，有些你将来工作中要面对的，或者要做的事情，是我们这个规模所见不到的。
所以我没法提前把你遇到的一切工作内容，都预先告知。
但我也可以对你有参考价值，毕竟你没有创过业，没有当过老板，没有全局视角。
我们从头看起。
交易这件事呢，它的原始形态很简单，就是韦小宝召集一群手下，押大小，双儿，虎头，这些词儿都这么来的。
那么玩着玩着，有些人就会想要技术分析。
国内很多传统游资都是做技术分析的，就跟美国上世纪早些年是一样的。
其实你玩过的那些技术分析都是人家玩剩下的。
所以这里面早期就两派，赚取市场内在价值的，或者图表分析押注的。
你注意，这个和我那天讲选择与努力里面的赚取Alpha和Beta还不一样。
我是这么看的，我觉得图表分析派，其实就是电脑算命
当然，这是聊天，听听笑笑就好了，到处讲是要挨骂的。
我为什么这么讲，是因为绝大部分图表分析派，他们都是先有一个主观的判断，而一切的数学工具，是被他们引用来，作为辅助支撑的。
这就跟电脑算命一样，其实不是电脑在算命，是那个瞎子，他已经有判断了，然后用电脑来当个佐证而已。
因为我和不少图表分析派的牛散聊过天。
我发现聊来聊去，聊到最后，他是没有一个数学的，他的内核就是主观判断。
什么意思呢，就是你离开，你本人不要在场，你留下你的交易系统，我换个人来执行，是不是也一样盈利？
如果不是，那你的底层就不可能是数学。
那么再往后，人类进入了量化。
祖师爷要出场了，已故的数学家西蒙斯。
其实他名为祖师爷，但不是第一个，他是上世纪八十年代后期出场的，但在上世纪八十年代早期，就有量化了。
所谓量化的萌芽，或者它的雏形非常简单，就是我讲了很多年的那四个字：
大数定律。
一个事情，只要我的胜率超过5成，且可重复，那我重复，就可以一直赚取利润。
我讲过最多的一个案例，99年的时候，我在联众上玩梭哈。
那大家都没有开发算牌器，都是凭主观判断在打，我手搓了一个算牌器，我按概率来决定跟不跟。
在当时平台还不抽佣的情况下，我的胜率就是超过了5成，打着打着，所有玩家的钱，就都流向我了。
这就是一个最简单的量化，发现一个超过5成概率的事件，重复它。
只不过那个年代我都不知道啥叫个量化，但你可以看到，真是有缘分。
那么上世纪早期的量化就是这个状态，有人在局部市场里，发现一个规律，趁规律还存在的周期内，就不断的重复它。
西蒙斯最牛的地方是什么？
是用他数学家的身份，试图把这个领域给做大做强。
到八十年代后期，他找了很多统计学家，程序员，真的把这件事做大了。
做大的意思是说，可以在更广阔的市场空间里寻找套利的机会，在更广阔的时间里寻找套利的机会。
你像玩梭哈，一种游戏你就得开发一个算牌器，相当于你的算法聚焦于某个平台的单一品种。
那你有没有想过，其实市场里面不同品种之间，不同平台之间，有更多的套利机会呢？
这就叫更广阔的市场。
西蒙斯是第一个做到的。
那么，你人工打牌是很慢的，如果聚焦到一秒之内，是不是也有规律可以被总结出来，用以套利？
这就叫更广阔的时间。
西蒙斯也是第一个做到的。
那么到后面，这个游戏就没啥神奇的，无非是谁的算法更牛，谁的算力更大，谁更能管理好自己的团队。
算法更牛的意思是说，市场本身是变化的。
你统计出的规律是有时间窗口的，它不可能一直是这样，于是算法会失效，你就需要重新设计。
这就是一个不停寻找BUG，不停利用BUG赚钱的过程。
算力大的，你更容易构建算法，更容易捕获机会，你享受BUG利润的时间就长嘛。
管理好团队是个人性问题。
同患难易，共富贵难。
赚钱之后，老员工拿得多，新员工不服气，老员工拿少了，心有怨气，就出奔了。
这件事是没辙的，所有公司都会这样，人有钱了，就不想干活了，或者变得傲慢自负，无法和同事相处，正常的很。
你怎么能让大家有钱了还愿意保持创业的初心，继续加班，是很难的。
所以天底下大部分公司都做不大，也做不久，或者能做大但做不久，或者能做久但做不大，都是正常的。
我08年刚开始做的时候就是一个人手动捡乌龙指，后来变成程序去挂单撤单。
再后来才开始慢慢招人，做算法。
这里面做到后来，拼的是人才，你招了个金牌，人家直接把数学家招去了。
他能够在更广阔的数据里面挖到规律，那他就比你发展的快。
而他发展得快，实际上就制约了你的发展，人家就变大公司了，你就发展不起来了。
那么再到后面，就开始堆卡，开始用AI去找规律，用算力去挖掘更大范围内数据里的规律。
那你的发展就更加被制约了，因为你拼不过人才拼不过卡。
所以这事儿没啥神奇的，就是一个很普通的生意。
你要去的那个地方，是全球非常顶流的，但他们做的事情的本质，就是我前面描述的这样。
大公司也是这样，小公司也是这样，其内核都一样，无非大家覆盖的平台，品种，数据范围不一样。
那是因为大家的人才结构不同，算力不同。
那么讲完了行业，我来回答你那天的具体问题。
首先，我不认为你问我的，码农不重要了，码农土木化了。
古法编程，手搓代码这个岗可能不重要了，但码农的思维方式很重要。
其实我从18年开始，就跟读者们讲过很多次量化的底层逻辑。
但现在都26年了，很多人都听了很多年了，他还是不理解，这里面的原因就是缺乏码农的经历。
大多数人，对选择的理解，是跟分析绑定的。
所以我那天讲，为啥雪峰老师有那么大的影响力，因为符合多数人的习惯。
多数人都是遇到具体问题，具体分析，分析完了，再做决策。
于是他们把这个习惯代入到交易的世界。
他觉得他是分析完了之后，才决定是买还是卖，买多少，卖多少。
但一个成熟的，或者说有完整项目经历的高级码农，是不可能这么做事情的。
你像08年，我是内核工程师。
linux内核的代码量，就不是人脑可以去分析完的。
你说几千行代码能在你脑子里跑一遍我信，几千万行怎么跑？
你要分析的那个数据量，超出了你的脑容量。
所以码农做事的风格是不需要理解也能做，我不需要理解内核是怎么跑的，我的做法是先选择，后测试。
所以我那天讲的才是选择与努力，而不是努力去选择。
分析派才是努力去选择，他们面对的数据世界的量很小，他分析得完，于是先分析，后选择。
而无论内核的世界也好，金融的世界也罢，都是超级海量数据的世界。
分析不完，学不完，真的学不完，于是只能放弃。
我先选择，后努力，努力干嘛？调试呀。
我是在不懂的情况下，已经选择了，已经下场了，无非不是真金白银，是模拟仓位。
因为真金白银我输不起嘛。
然后直接下单，去测试。
加速时间轴，快速测试，看看亏还是盈，遇到问题就去修改，就去调试嘛。
对内核工程师来说，这是非常习惯的事情。
我拒绝学习任何东西，我知道学不完，我干脆不学了，我假设一个交易系统，我管你O不OK呢，跑了再说，有问题就改。
跑测跑测，它最后如果在那么广阔的历史数据里都表现的非常好，我就拿一点点我亏得起的真金白银去实盘跑。
于是我的钱就越滚越多了，就这么来的。
这跟传统投资人依赖自己有本金有经验的模式是完全不同的。
这就叫先去选择，而后努力测试。
而不是先去分析而后选择。
先分析后测试的人，他每一次遇到情况，都会重新思考，他要不要买，要买多少。
于是他主观意愿就很强。
而选择+测试的，他实际上根本不知道为啥买为啥卖，以及买卖了多少。
就像你平常用电脑，你真的知道电脑底层的内核此时此刻在怎么运行么？你不知道的。
你只是出厂前就测试过了，那交易系统也一样，它上线前我测过了，它没报BUG，我管它怎么做选择呢。
它报BUG我再去修嘛。
所以，这个思维习惯很重要。
不是码农消失了，而是人人都变成了码农。
只不过你可以不掌握任何编程语言，但你一定要掌握码农式的选择与努力。
- 政要秘闻
