jzy/my_wiki

Fork 0

Files

T

AAsige 7db565afce maintain | 2026-08-07 The Laws of Trading 交易决策法则入库 + mihomo 网络工具批次

2026-08-07 14:35:02 +08:00

33 KiB

Raw Blame History

title, source, source_file, source_date, extracted_date, type, tags, confidence, contested, evidence_boundary

title

source

source_file

source_date

extracted_date

type

来源说明

本文件是《The Laws of Trading: A Trader's Guide to Better Decision-Making for Everyone》（Agustin Lebron，Wiley 2019）的中文结构化摘编。作者 2008-2014 年在 Jane Street 任交易员，本书以 11 条"交易法则"组织交易决策方法论，面向交易员与广义决策者。每章保留核心法则（英文原文+中文译）、关键机制与定义、关键案例（含数字）、可复用框架与证据边界。

证据分级

可核验公共事实：监管规则（Reg T、SEC 禁空令）、市场事件（2010 闪崩、LTCM 1998、Knight Capital 2012、2008 危机、VW 轧空、瑞郎 2015）、学术引用（Akerlof 1970、Kahneman、Lo/Repin/Steenbarger 2005、Rutherford 2005 等）。
作者经历性轶事：希腊银行配股 prospectus 错误、闪崩熟人交易、Veldt/Jo 做市对局、1500-2000 人概率访谈——匿名、不可独立核验。
虚构教学案例：Ethel/Persephone 基金、Xin/Ashok 游戏、Fred 的 FITB 方案、$120 亿压力测试场景——结构示意，数字为教学假设。
作者论断/理论化：edge 公理、成本四象限、"风险设定点"、市场=自适应系统（引 Lo 2017）——方法论候选，不作已验证事实。
转述二手数字：cum-ex 退税重复次数、出租车牌照价格、铁路用工降 20 倍等——有报道/研究来源但未逐一复核。

全书结构（11 条法则总表）

章	主题	核心法则（英文）	核心法则（中文）
1	Motivation 动机	Know why you are doing a trade before you trade.	交易前先明了自己为何交易
2	Adverse Selection 逆向选择	You're never happy with the amount you traded.	你永远对交易的数量不满意
3	Risk 风险	Take only the risks you're paid to take. Hedge the others.	只承担被付酬承担的风险，对冲其余
4	Liquidity 流动性	Put on a risk using the most liquid instrument for that risk.	用流动性最强的工具承担风险
5	Edge 优势	If you can't explain your edge in five minutes, you don't have a very good one.	五分钟讲不清的 edge 不是好 edge
6	Models 模型	The model expresses the edge.	模型表达 edge，而非反过来
7	Costs and Capacity 成本与容量	If you think your costs are negligible relative to your edge, you're wrong about at least one of them.	认为成本相对 edge 可忽略，至少错判了一项
8	Possibility 可能性	Just because something has never happened doesn't mean it can't.	从未发生过≠不可能
9	Alignment 利益对齐	Working to align everyone's interests is time well spent.	花时间对齐各方利益是值得的
10	Technology 技术	If you don't master technology and data, you're losing to someone who does.	不掌握技术与数据，就在输给掌握者
11	Adaptation 适应	If you're not getting better, you're getting worse.	不进步就是在退步

Introduction 引言（PDF xiii-xxii）

核心论点：交易无处不在（开篇以 2014-02-24 上班路上列举 10 笔"交易"：早起换工资、乱穿马路省 2-30 秒换风险、让座、买咖啡、换休假等）；金融市场四特征（普适性降序）：①标准化产品（AAPL 每股相同；原油按特定时间地点交割）②参与者众多 ③参与者异质（组织：零售/养老/对冲基金/投行/做市商；功能：投资者/投机者/对冲者/指数者）④低交易成本（买 $50 万 SPY ETF 成本 <$20，比 Home Depot 买锤子便宜）。
非零和论：承 Adam Smith《国富论》，交易使双方受益（养老金与做市商、农民期货对冲 vs 投机者）；作者称该观点"接近社会科学中的科学事实"。
对零售投资者的批评：经纪商激励过度交易、财经媒体贩卖事后叙事（引 Malkiel 2012、Taleb 2007）；"零售投资者最有用的建议是 do less"（作者主张）。
本书定位：不教具体赚钱交易，教判断"某交易是否赚钱"的思维工具；11 条法则源自作者经历并可在文学中找到影子（Macbeth、Alice in Wonderland）。
证据边界：SPY 交易成本 $20 为作者估算。

第1章 Motivation 动机（PDF 页 1-19）

核心法则：交易前先明了自己为何交易。

关键概念：效用 utility（风险调整后的财富）；对冲（买期望值为负的房屋保险是理性对冲）；风险容忍设定点（引 Grable & Rabbani 2014，NLSY 2010 面板，单一因子解释多数风险行为变异——作者理论化类比）；System 1/2（Kahneman）；Dunning-Kruger 效应；预承诺 precommitment（Crockett 2013, Neuron）。
关键案例：牙医 David 赌财报短线期权；美国彩票年收入约 $700 亿（Thompson 2015）；8 枚硬币全正面赢 $255/否则输 $1 与付 $1 赢 $256 表述等价（EV=0），成本 $1.10 则卖家获利；Amazon $2,000 买 $1,800 行权价看跌期权 $16，跌到 $1,700 赚 $84，深虚值期权系统性偏贵；Alex Honnold 无绳攀 El Capitan 3,000 英尺（Free Solo，MRI 显示杏仁核无激活）；Lo/Repin/Steenbarger 2005：情绪反应最强烈的交易者最不成功；作者首笔真实交易为德意志银行上行看涨期权。
对商品研究复用：交易动机自检清单（赚钱/娱乐/找刺激/智力验证）；书面预承诺+交易日志对抗事后偏差；"trading isn't about you"——记录持仓理由早于行情结果。

第2章 Adverse Selection 逆向选择（PDF 页 21-40）

核心法则：你永远对交易的数量不满意（曼哈顿硬币罐：估 $220 出价 $160，无论成交与否都懊悔，因卖者信息占优）。

关键概念：信息不对称/逆向选择（Akerlof 1970 柠檬市场）；贝叶斯信念更新（10 次掷币 3 正面，频率主义估 P=30%，贝叶斯主张接近 50%）；市场=分布式信息聚合器，价格是最可靠公共信号；赢家诅咒（拍卖胜者应以"赢下拍卖为条件的估值"出价）；特殊交易 special trade（无先例、模型失效、需"异常即关机"规则）。
关键案例（数字）：
- Veldt Resources 做市：自估值 54.35 ZAR、拟报 54.25-54.45；对手 Jo 报 53.50-54.00（2000 股），价差 0.50 vs 0.20 → 置信度仅 40%；贝叶斯加权 100/140×54.35+40/140×53.75=54.18；@54.00 买入 1000 股后 Jo 重开 53.50-54.05（10000 股）→ 交易是坏的。特殊交易例：Veldt 派息 5.20 ZAR 除息日不确定——日常 25,000 股×0.02 ZAR=500 ZAR/天，除息不确定性 ±5 ZAR/股=±125,000 ZAR。
- 配股计算：Foo Corp $40、1,000 万股、发 100 万股 @$20、10 权利换 1 股 → 除权后 $420m/1,100 万股=$38.18/股、权利 ($38.18−$20)/10=$1.82（naive $2 是错的）。
- 希腊银行配股：prospectus 载"1 股=1 权利、1 权利=2 新股"，理论值 2.50，市价仅 1.20-1.30；2 小时后证实排版错误，实为"2 权利=1 新股"——"goalposts have moved"：勿与可追溯改条款者交易。
- IPO：报 200 万股被按比例砍至 500,000；热门 IPO 分配少则喜、全额分配=烂公司；锁定 90-180 天。
对商品研究复用：用对手盘口宽度推断其置信度（贝叶斯框架）→ 期货盘口深度/基差结构分析；特殊交易清单（交割月规则、保证金调整、政策/合约变更）；赢家诅咒→现货招标/拍卖式采购出价条件化；专精化→聚焦少数产业链。

第3章 Risk 风险（PDF 页 41-69）

核心法则：只承担被付酬承担的风险，对冲其余（2008 秋虚构开局：额外压力测试显示潜在 $120 亿亏损，因"垃圾利差不爆开"情景下 AAA 与垃圾债同跌）。

关键概念：自融资组合（买股=借款，交易净额为零，须计资金成本与机会成本）；抵押品/资本需求（Reg T 要求 ≥50% 保证金：IBM $187.50 须存 $93.75）；对冲（买 XYZ+卖股指期货，暴露只剩相对市场部分）；Goodhart's Law（度量成为目标即失效）；VaR 定义（如一日 1% VaR=$1,100 万=1% 概率日损≥$1,100 万；VaR 只报最小损失，盲区：1% 亏 $100 万 vs 0.9% 亏 $100 万+0.1% 亏 $1 亿，VaR 相同）；效用函数（零财富=-∞ utilons；Giving Pledge 2010，Gates/Buffett 承诺捐近 $1,000 亿）；风险 7 类：市场/交易对手（清算所也会倒）/流动性（"wearing"持仓到期）/模型/运营/技术/声誉法律。
关键案例（数字）：
- Ethel（Persephone 基金）2007-10 买低估 15% 的 XYZ，随后 18 个月 S&P 500 跌近一半，XYZ 仅跌 30%——对了却因投资者撤资清盘；对冲情景：XYZ+10%/市场+8% 赢，XYZ−10%/市场−12% 仍赢。
- Xin/Ashok 游戏：$2,500 万生物科技仓（现价 $10，好/坏消息 $25/$5，好消息概率 25%），$10.10 卖出、$10.02 买回 80%（赚约 $160,000），剩 $500 万敞口；叠加封顶合同后：坏消息 75% 赚 $276 万、$20-30 区间 24% 亏 $474 万、>$30 占 1% 亏 $1,969 万；EV=$586,000，但 1/50 概率亏约 $2,000 万。
- 2010-05-06 闪崩：美股均跌 9%，P&G 一度 −37%；熟人交易员 −25% 买入、−10% 卖出（15 分钟 15% 利润），但 −25% 成交被作废、−10% 卖单保留，P&G 回升平盘后净亏 10%。
- PTT（泰国最大公司）做空 10,000 股风险清单：市场（个股/泰国市场/泰铢/油价）、流动性（借券召回被迫高位回补）、资本（保证金变更）、执行（新兴市场机制，先做测试单）、政治（国有化/没收/追溯性持股限制）、沟通（公告不平等待遇/翻译错误）。
- 对冲优化：买 $100 万 XLP 卖 β×SPY，回归 XLF=β·SPY（图例 β≈1.0782）；常数项=alpha 主张（如 5bps/天），统计有效性存疑；Dodge Challenger 一家三辆=风险高度相关、无自然对冲；Enron 2001 员工 401(k) 买自家股，失业+退休金清零。
对商品研究复用：风险 7 类清单→期货交易逐项核对（保证金/强平=资本风险，逼仓/交割=流动性，政策与汇率=政治/市场风险）；对冲框架：先识别 edge 所在精确风险（β 回归定对冲比例，勿漏常数项/alpha）；VaR+Goodhart→监控指标多样化，压力测试用"全指数一夜 −15%"式情景；爆仓=无限糟糕，仓位纪律优先于 EV 最大化。

第4章 Liquidity 流动性（PDF 页 71-92）

核心法则：用流动性最强的工具承担风险。

关键概念：流动性按参与者而异（散户 100 股 vs Ms. Fund 20 亿美元 vs 巴菲特 400 亿现金）；四维评估法：Spread to cross（点差）、Size（可交易量）、Margin（保证金）、Specificity（工具与风险因子的贴合度）；流动性六大维度：规模（SPY 永远 1 美分点差，散户 0.2bps，但买 20 亿会推动市场）、频率（做市商每日数百次小单，供过于求即"过度做市"）、唯一性（利率互换各具特色，压力期分化）、透明度（债券靠电话询价；美股 Reg NMS 下 latency arbitrage）、异质性（同质参与者=流动性危机，如市政债买家同遭 margin call）；市场冲击、adverse selection。
关键案例（数字）——FITB 案例：Fred 要赚 $500k（FITB 涨 10%）→ 需买 $5M 股票。①买股票：点差 15.34-15.36（过 2c 付 1c），326k 股，点差成本 $3.3k；日成交 $100M 时冲击约 $20k，进出翻倍 ≈$40k；Reg T 保证金 50%=$2.5M。②SSF：点差宽 30-40%→成本 $60k，保证金仅 20%=$1M。③买 Call：5% OTM、14 天到期、行权价 16.10、波动率 25%，期权值 7-8c，涨 10% 后到 0.83，每张赚 0.75，需 6700 张，实际成交约 0.15、成本 0.07/张=$7/张≈$47k，全额付保费 $100k。④卖 Put：Niederhoffer 1997、2007 两次爆仓。⑤买 XLF（含 0.57% FITB，点差 1c）：$5M 暴露需 $667M XLF，单边 $133k、双边 $266k。⑥SPY 仅含 0.08%。最终方案：2000 张 FITB calls + $2M 股票 + $1M XLF + 空 SPY/买 SPY put 对冲（portfolio margin 可降保证金）。
- 结构票据：无二级市场、银行不回购（"买了不能卖的车"）；年金佣金高达 10%；美国共同基金 8000-10000 只、全球近 10 万只；住房交易成本≈资产 10%，按揭占收入 12-18%（BLS 2013）；健身房会员 $40/月 vs 单次 $10（48 次为盈亏平衡点）。
对商品研究复用：对每个商品风险（如焦煤敞口）按四维打分：现货/期货/期权/ETF/指数中选最贴合并最流动的组合；警惕同质持仓（全市场同向做多=市政债式踩踏）；检查保证金效率（期货 20% vs 现货 50%）；评估自身技术层级能拿到的真实流动性。
证据边界：FITB 价格、XLF 持仓比例（0.57%/0.08%）、冲击 $20k 等为教学假设数字，未核验。

第5章 Edge 优势（PDF 页 93-114）

核心法则：五分钟讲不清的 edge 不是好 edge（edge 长期盈利性与解释所需时间成反比）。

关键概念：Edge 公理：一切有 edge 的交易盈利，都因你理解并能行动于某个边际参与者（marginal trader）不理解或无法行动的事实；边际交易者=最激进但不至于自己砸盘的卖家；你只需"比中位股数的交易者更好"。Edge=你讲给自己听的故事，最忌讳伪装成数学/物理事实；认知偏误：过度自信（男性高估 IQ 约 5 分，Furnham 2005；Dunning-Kruger；>90% 自认驾驶技术高于平均）、确认偏误（台湾交易 data dredging：测试"几百个"变体，结果纯属统计假象）。
关键案例：JAL 蓝鳍金枪鱼（1970 年代初美加航向吨位比 7:1、返程亏损；Okazaki 与 MacAlpine 在 PEI 发现 700 磅蓝鳍被当垃圾，1972-8-14 东京筑地首拍，14 小时空运，JAL 垄断多年，Parkinson 2007）；德国股息税套利：cum-cum（临时卖给税务优惠方德国银行分享退税）与 cum-ex（除息日与登记日间 1-2 天窗口连环转售，同一股票退税最多重复 10 次，1000 万毛股息→净 750 万+2×250 万退税；2012 年立法禁止并追溯为逃税，Reuters 2016, Die Zeit 2017）；真实 edge 都很简单：做市、ETF 再平衡、on-the-run vs off-the-run 国债回归；行业：新人培训 6-18 个月才能贡献正收益；黑箱交易仍需人开机关机（2008-09 危机、2010 闪崩）。
对商品研究复用：①每笔商品交易写出"故事"并自查：我知道什么/能做到什么，边际对手为何不知/不能？②数据挖掘审计：记录所有试过的参数、样本、时间窗；③检查新想法与既有盈利交易是否矛盾；④问"若这是真 edge，还应在哪里看到证据？"；⑤对政策/交割规则类 edge（仓单、升贴水）预判监管废止风险。
证据边界：cum-ex 退税倍数"10 次"、金枪鱼重量为转述他人报道；"9/10 年赚钱、第 10 年破产"为概率性断言。

第6章 Models 模型（PDF 页 115-140）

核心法则：模型表达 edge，而非反过来。

关键概念：生成式 vs 现象学模型：BSM（对数正态、无套利假设）为生成式；隐含波动率微笑为现象学（远虚值期权隐含 vol 更高形成 smile/smirk）——用模型要认清适用边界；"confusing the map with the territory"；好模型特征：稳健性（样本外 OOS、参数微扰、数据源故障）、可检视性（模块化）、人机分工（wetware）：计算机擅长明确/高速/输入稳定问题，人擅长模糊/稀疏变量/前所未见事件；数据稀缺悖论（全球日产生数十 TB 数据但相关数据少；异方差性——今天的数据比 5 年前重要；预测 1% 日波动已是大成就，噪声约为信号 100 倍）；过拟合：训练/验证/真 OOS 三组划分。
关键案例（数字）：
- HFT 悖论：模型 55% 对/45% 错，但对的时段有 9 个竞争者、你只拿到 10%（0.55×0.1=5.5%），错的时段全归你→你做单 89%（45/50.5）是坏单——"bicycle for a fish"。
- Viniar 25-sigma：高盛 CFO 称"连续几天看到 25 个标准差的波动"，概率相当于连中英国彩票 21-22 次（Dowd 2011）。
- Knight Capital 2012-8-1：RLP 新代码复用测试标志 "Power Peg"，45 分钟 $440M 亏损，一年后被 Getco 收购。
- Jordan 六西格玛：500 个样本，日均 $2000、标准差 $10000，日亏 $58k=六西格玛（正态下概率 0.00034%），但肥尾下历史上出现过多次 ±$60k；-$200k 无先例仍不能下结论（2016-11-8 大选日既是特例又是永久 regime shift）。
- 停手基准：已知一日 edge 约 1%，OOS 已做到 0.98% 就别再优化；只做到 0.1% 就该加码或修正信念。
对商品研究复用：区分商品模型是生成式（基本面传导）还是现象学（统计回归）；OOS+参数扰动+数据中断演练三件套；用"edge 上限"反推是否过度优化；策略失效诊断：突变→查 edge（基本面/竞争者/监管）vs 查模型（技术环境/数据），渐变→看同类策略是否同病（edge 问题）或独病（模型问题）；dev/prod 环境分离（Knight 教训）。
证据边界："数十 TB/日""0.00034%""89%"为书中数字（六西格玛概率可核验）；Jordan、HFT 55/45 为构造例证。

第7章 Costs and Capacity 成本与容量（PDF 页 141-165）

核心法则：认为成本相对 edge 可忽略，至少错判了其中一项（开篇 Seinfeld"密歇根瓶子骗局"：蹭邮局免费卡车，G&A 降 50%）。

关键概念：成本按可见性×线性度分四象限：
- Q1 可见线性：佣金、交易所费、清算、融资、保证金——货比三家可降，但别榨干关系（SAC Capital 付最高佣金后因内幕交易被查倒闭，Eavis 2013）。
- Q2 可见非线性：租金、工资、设备、行情数据、法务；持仓限额（期货交易所头寸上限；加拿大电信外资持股 ≤20%，Lexology 2017）。
- Q3 不可见线性：交易折旧（trade depreciation）——盈利交易本身向市场发信号"here lies money"，交易越多泄漏越多；坏交易反而变好（对手竞争给更好价格）；终极推论：任何 edge 长期归零。
- Q4 不可见非线性：羊群效应、机会成本、未知的未知。
关键案例（数字）：
- LTCM（1998）：Merton、Scholes 两位诺奖得主；交易=空权益波动率+多低质高收益债/空优质债（赌利差收窄）+多卢布俄罗斯国债；1998-8-17 俄罗斯违约贬值；LTCM 持高收益债市场的 5%，连同模仿者合计 15-20%——"monkey see, monkey do"，压力期同质持仓互相踩踏（Lowenstein《When Genius Failed》2001）。
- 羊群成本量化：策略相关交易量占市场 >10% 即为高风险；近期业绩好→羊群更大。
- 机会成本：A 策略 $1000/日 vs B $600/日，不做 B 的机会成本 $600/日。
- 未知的未知：颠覆式创新（Christensen 1997；Lepore 2014《The Disruption Machine》反驳）；Kodak 破产；纽约出租车牌照 $130 万(2013)→$16 万(2018)。
- Bell Labs 社会学：8 个诺奖、晶体管 1947、信息论 1948、激光 1958、MOSFET 1960、Telstar 1962、UNIX 1969、C 1972、光纤 1976、C++ 1979；Kelly 1950 皇家学会演讲三组架构、内部自设研究生课程、允许失败。
- 高盈利错觉：trade 空间连续性论证（超盈利点周围必然也是高盈利区）；test trade 试水；放量杀盈利主因是 Q3 市场冲击（Day1 独做→Day4 成群）；员工分红不足会"用脚投票"另起炉灶。
对商品研究复用：给每类商品策略建成本四象限表，显式列出 Q3/Q4 成本（冲击、折旧、羊群、机会成本）；评估同策略市场占有份额（>10% 警示）；test trade 验证隐性成本（交割、仓储、仓单注册费等）；按折旧率排序资本配置；监控"重新发明轮子"（BRK A/B、皇家壳牌两地价差、on-the-run/off-the-run、货币 carry 等经典交易总是被新人"重新发现"）。
证据边界："15-20%""$1.3M→$160k""8 个诺奖"为书中转述未独立核验；"Day 4 成群"为经验断言；SAC 佣金对比（Eavis 2013）有来源。

第8章 Possibility 可能性（PDF 页 167-195）

核心法则：从未发生过≠不可能。推论：足够多人依赖某命题为真，它就会变假。

关键概念：逻辑可能性 vs 物理可能性；归纳假设（IH）+ grue 悖论（绿色物 2021-08-14 变蓝——书中日期示例）；市场=随机过程+自组织反馈系统；正反馈（动量）固有失稳，负反馈（均值回归/做市）趋于稳定；"推土机前捡硬币"；相关性数学（全书唯一公式段）：双引擎系统要求 P(fail)²<10⁻⁶→单引擎 ≤0.001；相关性仅 0.1 即把总故障率从百万分之一放大到万分之一（100 倍）；需 400 次独立观测才能 95% 置信相关非零——小相关几乎无法纯统计检出；explain-away 效应（Pearl）；校准技术：抽象概率估计差、具体概率（骰子）直觉准；"90% 能赴约"实际 <50% 会到（作者自称访谈 1500-2000 人）；加赌注（skin in the game）：自认 75% 就应接受赢 $10/输 $30 的对赌。
关键案例（数字）：
- 美房价 1991-2007 初：Case-Shiller 年涨 6%（15 年翻倍+）vs GDP ~3%；抵押贷款余额 $3.9 万亿（1991）→$12.9 万亿（2006），年增 8%；MBS 靠"跨区违约低相关"扩张，NINJA 贷款与 IO-ARM 泛滥→2006 起 ARM 重定价→全国性相关违约→2008 危机。
- 1987-10-19 黑色星期一：美股跌约 22%；组合保险（Black-Scholes 1973；Leland/Rubinstein 1980 创 LOR）用程序化卖空复制看跌：S&P500=300 时 $1M 组合付 ~$15,000/年买 270 行权价看跌，封顶亏 $100,000（10%）——防崩盘机制反而放大崩盘。
- Dentsu IPO（2001-11-30）：瑞银误输 16 股@61 万日元为 61 万股@16 日元，9:02 已成交 64,915 股（发行 135,000 股@42 万日元=570 亿日元≈$4.6 亿之半），回购 18,339 股仍亏 ~$6,500 万；日本无"明显错误"撤单规则；2005 瑞穗 J-Com 亏 >$3 亿；2009 瑞银日债误单隔夜幸免。
- 2008：9-19 SEC 禁做空 799 家金融股（后 900+）；大众轧空：2006 底 <100 欧元→2008-03 <200 欧元→2008-10 一度 >1000 欧元（<2 年 10 倍），波及 BaFin 与 DAX 调整。
- 瑞郎：2011-09-06 SNB 设 EUR/CHF 1.20 下限；2015-01-15 突取消，欧元单日跌 ~17%（约 500 个标准差），零售 FX 经纪商（杠杆最高 100 倍）同日破产；SNB 储备曾达 GDP 70%。
对商品研究复用：对库存/基差/仓单/价差历史极值建立"可能性清单"，禁用"从未发生"排除尾部；测算跨品种/跨区域尾部相关（压力期跳升）；拥挤度监测：多数人押注同一规律（低波动、正基差）时该规律变脆；具体概率校准+对赌测试后再下注；识别反馈类型与时间尺度（库存均值回归 vs 趋势动量）。
证据边界：房价/贷款数字引自 FRED 2018 未复核；SEC 脚注写 June 19, 2008 与正文 September 19 不符（书内疑误）；VW/瑞郎为新闻级引用。

第9章 Alignment 利益对齐（PDF 页 197-216）

核心法则：花时间对齐各方利益是值得的。

关键概念：交易公司四要素=资本（内/外来源是关键区分）、劳动、技术、关系；委托代理问题：固定薪酬下经理只有"不被解雇"弱激励（现状偏见+结果高方差便于辩解），经济最优=最低限度工作+扩张客户；Batesian 拟态：有 edge 者因 IP 保护而含糊，无 edge 者模仿其含糊→投资者无法区分；利润分成（2/20）诱发高方差：思想实验"稳赚 5%" vs "硬币赌 AUM 一半"，经理期望 1% vs 5% 且不担亏损（heads-we-win）；掷币锦标赛 16,384 经理→10 年后剩 16 个"年化 50% 无败绩"明星；高水位仅部分纠偏，反诱"关旧开新"（2008-09 大量使用）；真解=资本与劳动合一；薪酬"离钱远近"原则；文化一致性（层级型给明确指令、开放型需征询）；批评 Google "Don't be evil" 空洞，原则须可执行。
关键案例（数字）：Niederhoffer：1997-10-27 美股 −7.2% 使其基金爆仓清算；1998 押房重开；2002 Matador Fund 年回报常 >40%，2007 夏净值 −75% 再爆仓；房产经纪：自售房比代客售高 ~5%（Rutherford 2005, JFE 76:627-665）；$50 万房佣金 $25,000，多付 5 倍努力仅多 $2,500；作者母亲：加拿大 TSE200 指数基金费 1.9%/年 vs 同类 0.3%，另埋 3%/年顾问费，年烧 4.6%。
对商品研究复用：每笔交易资本来源/自有资金占比；费用与激励是否诱高方差（资管 vs 自营）；对"分享交易信号"者先问拟态问题"为何不自己做"；分析现货/期货/交割链条各方（贸易商、矿商、对冲基金、做市商）激励是否与己方一致，尤其基差与交割月博弈。
证据边界：2/20、16,384→16 为理想化模型；Niederhoffer 业绩为叙述无审计；房产 5% 有期刊论文可核验。

第10章 Technology 技术（PDF 页 217-237）

核心法则：不掌握技术与数据，就在输给掌握者。

关键概念：人类能力史=识字→算术→数据处理，每轮淘汰旧"平均工作"（美国农民 1900 年 1200 万→现 <100 万而人口增 3 倍；铁路 1947 年 6550 亿吨英里/135 万人→2014 年 18500 亿吨英里/18.7 万人，每吨英里用工降 20 倍）；数据价值原理："最有价值的输入数据=同/相似流程过去的输出"（订单成交数据>外部数据），连接归纳假设与 TD 学习；机器擅长重复/速度/可靠/规模化，人类擅长独特性/情感/创造力；交易员保留部分=理解价值、供需机制、博弈；软件即社会学：开发范式之争不重要，团队共识才重要；调试是"从不被教的最重要技能"；技术债（Cunningham 1992）可金融化：度量=(a) 架构缺陷致 bug（bug 库根因分析）+(b) 新功能增量成本（设计时记录+回归测试失败数作金丝雀）。
关键案例：Rothschild 滑铁卢信鸽故事（作者自注 perhaps apocryphal）；"90% 数据产生于最近两年"（流行说法，无注）；做市商百万行代码、数千万参数 vs 30 年前电话找人接大宗单的对照。
对商品研究复用：数据优先级：交易所订单/成交/仓单数据优先；新策略先找"相似流程过去输出"（同品种历史、跨境可移植性）；技术债记账（bug 根因分类+设计评审+回归失败数折算成本）；人机分工：模型跑重复信号，人盯政策/天气/地缘/交割月异动。
证据边界：铁路/农民数字有来源（Our World in Data、Levinson 2016）可核验；其余多为作者工程经验断言。

第11章 Adaptation 适应（PDF 页 239-259）

核心法则：不进步就是在退步。

关键概念：自然选择=变异来源+差异化繁殖适应度，选择在个人/组/公司/市场四层同时发生（双向因果）；变异来源清单：无中生有（ETF 1990s 初）、跨市场移植、组合交易、监管变化（1971 布雷顿森林解体→外汇；1990s 印花税→UK CFD；京都议定书→碳交易）、新数据（北欧交易所披露对手方）、交易催生交易（股指期货→期现套利；证券化→信用衍生品）、规模流动性、客户谈判（组合保证金）；繁殖=教授传承（个人）、组群分拆合并、公司孵化（仙童/惠普→硅谷；DE Shaw 走出 Bezos 与多家顶级交易公司；2013 Getco 合并 Knight）；市场"非有效而是自适应"（Lo 2017），最低技能门槛持续抬升；个体改进：growth mindset 有限（无天赋不可补）；追踪"不对劲"信号（德国税务股息交易：0.01 欧元行权价看涨异常放量→发现整个套利生态）；组级：邓巴数 50-150、泰勒主义 vs 扁平化须匹配业务（UA 173 航班 1978-12-28 因机长层级过强油尽坠于波特兰外 6 英里→CRM 训练；手术室清单化 Gawande）；公司级：组间沟通机制+军事学（亚历山大/汉尼拔/克劳塞维茨）；把交易看作"发现"而非"财产"；"座位价值"（VORP/WAR 类比：替换为边际交易员）；Mark 做市新兴市场 ADR（尼日利亚 NSE/拉各斯）消除跨境摩擦=资本大坝凿洞——交易非零和。
对商品研究复用：定期检视策略衰减（edge 旧了 vs 模型旧了）；变异源扫描：新品种/新市场可移植性、交割与监管规则变化、交易所新数据产品；建立"不对劲"信号跟踪清单；明确自身所在选择层级与提升杠杆；把"适应"理解为随库存/基差环境切换策略形态，而非死守单一静态 alpha。
证据边界：进化比喻是作者世界观（引 Dawkins/Lo）；UA173、邓巴数、Bezos 经历可核验。

Notes 注释（PDF 页 261-269）

NINJA=no income, no job, no assets（绕过信用审查）；IO-ARM 只付息期后重定价+还本，仅当房价强涨假设成立才有意义；相关系数 −1~1；独立系统年失效次数服从泊松分布；vanilla option 定义；固定薪酬经理罕见，多为 AUM 百分比收费（激励找新客户而非盈利）；Goldfinger（007 电影）靠伦敦-巴基斯坦黄金套利致富——流行文化将套利=邪恶，反衬书中对套利的正面定义（"arbitrage=让同一物的两个版本同价"）。

全书可复用框架汇总（对期货/商品研究）

交易动机自检：每笔交易前记录动机（赚钱/娱乐/找刺激/智力验证），书面预承诺+日志对抗事后偏差。
逆向选择检查：用对手盘口宽度/报价行为推断其信息优势（贝叶斯加权）；列出特殊交易事件（交割月、保证金调整、政策变更）并设"异常即关机"规则。
风险七类清单：市场/交易对手/流动性/模型/运营/技术/声誉法律，逐项核对；压力测试用"全指数一夜 −15%"式未发生情景。
流动性四维评估：点差/规模/保证金/贴合度，跨工具（现货/期货/期权/ETF/指数）选择。
Edge 五分钟测试：写出交易"故事"，回答"我知道什么/能做到什么，边际对手为何不能"。
模型三件套：OOS+参数扰动+数据中断演练；区分生成式（基本面）与现象学（统计）模型。
成本四象限表：显式列出不可见成本（交易折旧、羊群、机会成本、未知的未知）；同策略市场份额 >10% 警示。
可能性清单：对历史极值禁止"从未发生"排除；尾部相关压力期跳升；拥挤度监测。
利益对齐审计：资金自有占比、费用激励、链条各方激励一致性（基差与交割月博弈）。
适应回路：策略衰减检视（edge 旧 vs 模型旧）、变异源扫描、不对劲信号跟踪。

质量风险清单

大量教学案例数字为作者构造假设（FITB、Xin/Ashok、Veldt/Jo、$120 亿场景），不得当作市场事实。
作者个人经历轶事（希腊配股、闪崩熟人、1500-2000 人访谈）匿名不可核验。
转述数字（cum-ex 倍数、出租车牌照、铁路用工）未逐一复核。
书内 SEC 禁空令脚注日期（June 19, 2008）与正文（September 19, 2008）不一致，疑为书内排版错误。
文中案例年份/日期（如 grue 悖论示例 2021-08-14）为作者举例，无实际意义。
书中无图表可引（仅文本层提取）；相关性曲线图仅存轴标签。

版权声明

本书为商业出版物（John Wiley & Sons, 2019），本摘编仅作个人研究学习用途，保留原文的章节结构与关键论述用于检索定位，不替代原书；引用请注明原书出处。原 PDF 保留在用户桌面，未复制入库。

33 KiB Raw Blame History Unescape Escape