京公网安备 11010802034615号
经营许可证编号:京B2-20210330
量化投资之父,为何被赌场拒之门外
索普,名副其实的“量化投资之父”。
虽然在毕业后,任职麻省理工数学教授,但是索普的内心最渴望的事情不是单纯的做一名教授那么简单,而是怎么样赚钱,那时候的索普每天都在想怎么样在赌场里赌钱,怎么样赌赢。
最初,在赌场里,索普的主要研究对象是21点,也就是Black Jack,同时也成功的研究出一套可以在赌场中稳赚的方法,全部的赌场都输在了他的手里。
接下来的时间里,轮盘赌又成为了他的新目标,经过观察和实验他成功的研究出能够隐藏在衣服里的扫描仪,只要球丢出去,扫描仪就会在黑暗中默默的工作,这还不算什么,在他的脚上还有一个秘密武器(控制器),只要他的脚轻轻的按动这个武器,它就会发出一道激光,这时他的计算设备就会利用读球的速度计算出球落在哪一个区里的概率是最大的,之后根据这个结果进行赌大小。
这足以体现出索普的聪明才智,这个系统他在家里反复的做了实验,实验结果也是非常成功的,可是后来在赌场,虽然赢了几笔钱,但是没多长时间就被人盯上了,最后导致赌场再也不允许他进入。
玩转权证市场,却错过诺贝尔奖
被赌场“封杀”之后,索普去了加州任职教授,同时认识了加州大学金融系的一位研究权证的教授,在当时,这位教授收集了非常多的权证数据,可是索普并不知道怎么样利用这些数据,怎么样利用它能够赚到钱,那就更没有头绪了。
但是,索普是很聪慧的,没用多久他就把这些权证数据了解透了,同时寻找到了其中的一个公式,这个公式也给他提供了再一次赚钱的机会。
过了两年的时间,芝加哥期权市场的突起,大家当时并不知道怎么样计算期权的价格,这也让大多数的科学家走上了研究权证的道路,之后费希尔·布莱克(Fischer Black)和迈伦·斯科尔斯 (Myron Scholes)研究和提出了计算期权的公式,也就在1997年,凭借着这个研究莫顿和斯科尔斯荣获得了诺贝尔奖,不幸的是费希尔·布莱克在1995年时,因为患癌症逝世,错过了诺贝尔奖。
其实,索普的公式和布莱克和斯科尔斯的公式之间的差距仅有那么一点点,同时这两位获奖者提出公式的前提是阅读了索普《战胜市场》这本书,通过索普的思路进行研究才提出的公式,所以,在他们完成论文之后,便亲自登门拜访了索普,跟索普说,能够提出这个公式完全是受了这本书的启发。因此,事实上索普是完全有这个资格拿诺贝尔奖的。
将部分资产交给巴菲特打理
因为期权公式的提出,索普在权证上赚钱就没那么轻松了。之后他又转换思想,开始研究和设计了新的策略,具体说就是在标普500指数和500只股票两者之间做套利。例如:标普500指数的价格比那500只股票的价格加在一起之后有偏离,那就说明可以进行套利,这也就是后期量化投资未定型前最初的形式。
索普不仅设计了这一种策略,就连现在市场上主流的交易策略,多数都是他设计的。但是大部分的人对索普这个名字还是陌生的,但是这不能掩盖他是“量化之父”的事实。就像目前活动在华尔街上的人,基本上都是索普的“后人”,大部分都是得到了他的真传。
随后的时间里,索普会见了巴菲特,两个人一起打桥牌或者在一起聊投资。和巴菲特见面之后,回到家了,索普对他的夫人说:“他见过的最聪敏的人就是巴菲特,在未来,他一定会成为美国最富有的人。”后来听说,索普把自己赚来的钱,拿出来一部分交给了巴菲特管理。
在美国,庞氏骗局霸道横行的时候,索普用他的经验发觉数据的异常,马上抽回了资金,能够全身而退的投资人寥寥无几,索普就成为了那难得的几个人之一。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25