为什么文艺复兴科技赢了LTCM：归纳式模型和演绎式模型的根本区别

如果只看简历，长期资本管理公司和文艺复兴科技几乎是同一类基金：创始团队都是顶尖数学家，交易决策都交给模型，仓位都用杠杆放大，对外都极度神秘，几乎从不接受媒体采访。可结果是两个完全相反的极端：LTCM在1998年几周之内净值蒸发九成，靠纽约联储连夜召集十几家银行才没有引爆一场系统性危机；Medallion在同样存在极端行情冲击的年份里照样能收正回报，多年下来成了金融史上回报率最高的基金，没有之一。两支队伍表面上几乎是双胞胎，命运却南辕北辙，差别到底出在哪里。

---

引子：两支看起来一模一样的队伍

先把两家基金的相似程度摆出来，你会发现这真的不是一个牵强的对比。

LTCM的核心团队里有两位后来拿到诺贝尔经济学奖的经济学家，还有一位前美联储副主席坐镇。文艺复兴科技的创始人西蒙斯，年轻时是国防部下属机构的密码破译专家，后来招进公司的不是华尔街分析师，而是一批物理学家、天文学家、语言学家和统计学家，很多人此前从没做过金融。两边比拼数学功底，谁都不落下风。

LTCM靠的是一套关于债券价差收敛的统计模型，加了大约25倍杠杆去放大微小的定价机会。Medallion靠的是一套捕捉海量微小定价异常的统计模型，同样重度依赖杠杆去放大那些单笔看起来微不足道的优势。这一步的商业逻辑，两家几乎是复制粘贴。

再看对外姿态，两家都极度低调，不接受媒体深访，不解释具体策略，客户或者说合伙人都要签保密协议。这种神秘感一度让外界把两类基金归为同一个物种：一群深居简出的数学天才，用外人看不懂的公式在市场里稳定印钞。

关于LTCM具体是怎么在几周之内从巅峰跌到几乎清零的，LTCM崩盘启示录这篇文章已经把模型风险、拥挤交易、杠杆放大器这三层机制拆得很细，这里不重复那个完整的崩盘过程。这篇文章想回答一个更根本的问题：两家基金的模型看起来同样精密，同样经过历史数据检验，为什么面对同一种极端行情，一个直接崩溃，一个却能扛过去。

答案不在杠杆倍数上，两家杠杆水平其实相差不大。答案也不在团队智商上，两边都是各自领域最顶尖的一批人。真正的分野，藏在一个容易被忽略的地方：这套模型是怎么被造出来的，它是从一套理论出发去找市场里符合理论的机会，还是反过来，完全不带理论预设，只从数据里找出实际发生过的规律。

---

1

演绎式模型：先有一套”应该如何”的理论，再拿它去套市场

LTCM的模型属于典型的演绎式思路。什么叫演绎，简单说就是先有一个一般性的理论前提，再用这个前提去推导具体的结论，最后拿这个结论去解释或者预测个别现象。

放到LTCM身上，这套理论前提大致是：同一类信用品质、同一发行主体、经济含义高度接近的两个金融工具，它们的价格差异从长期看必然会收敛，因为背后代表的经济价值本质上是一回事。这是一个关于市场”应该”如何运作的假设，是先有的理论，不是先有的观察。

有了这条理论，团队接下来要做的事情，是拿着这把尺子去市场里量：哪两个品种目前的价差偏离了理论上应该有的水平，偏离越大，套利空间理论上就越诱人。找到之后，买入被低估的一边，卖出被高估的一边，等待价差按照理论收敛回正常区间，这一步就是从理论推导出具体交易决策的过程，是不折不扣的演绎法。

这套逻辑本身在大多数时候是成立的，历史上大部分时间里，价差确实会按照这套理论收敛，这也是LTCM前几年业绩亮眼的原因。问题出在理论的适用边界上：这套理论隐含着一句没有写在任何文件里、但确确实实支撑着整个模型的假设，“这两个品种的价格关系不会因为某种极端事件而永久性地脱钩”。

演绎式模型最大的脆弱性，恰恰就藏在这句隐藏假设里。当现实真的发生了理论认定”不应该发生”的事情，比如一个主权国家直接对本币债务违约，模型没有任何机制去处理这种情况，因为这种情况根本不在理论的讨论范围之内。理论说这不该发生，市场却让它发生了，模型这时候不会自我怀疑，它只会继续按照原来的理论逻辑，认为这只是暂时的、终将收敛的偏离，于是继续持有甚至加仓，直到亏损扩大到无法承受的地步。

---

2

归纳式模型：不问应该不应该，只认历史上实际发生过什么

Medallion走的是完全相反的路径，归纳法。归纳法不是先立一个理论再拿去验证，而是反过来，从大量具体的观察出发，从数据里统计出反复出现的规律，模型本身不携带任何关于市场”应该”如何运作的信念。

具体到操作层面，文艺复兴的研究员不会先问”什么样的经济学理论能解释这个价格现象”，他们问的是”这个模式在历史数据里出现过多少次，出现之后接下来的价格走势统计上倾向于往哪个方向偏”。模型抓的是成千上万个这样的小规律，单独看每一个都极其微弱，胜率可能只比五成高出一点点，但数量足够多、彼此又相对独立的时候，统计意义上就能稳定赚钱。

这里有一个关键区别，值得反复强调：演绎式模型的核心问题是”这两个东西的价格为什么应该收敛”，归纳式模型的核心问题是”历史上这种情况出现之后实际上发生了什么”。前一个问题需要一个理论来回答，后一个问题只需要数据来回答。理论会有边界，会有隐藏假设，会在理论没设想到的情况下失灵。数据不需要理论支撑，它只是忠实记录发生过的事情，不对”应不应该”这件事表态。

这并不是说归纳式模型永远正确，历史数据同样有局限，极端情况也完全可能超出历史样本的覆盖范围。但归纳式模型和演绎式模型面对这种超出预期的情况时，反应机制截然不同。演绎式模型会坚持理论，因为它相信的是一套逻辑推理，逻辑本身没有错，只是现实这次”不讲道理”。归纳式模型不相信任何逻辑推理，它只相信统计权重，一旦新数据持续显示某个模式不再像过去那样反复出现，模型会自动调低这个模式对应的权重，转而给其他仍然有效的模式让路，整个过程不需要任何人跳出来说”这次不一样”，模型自己就会做出调整。

说白了，演绎式模型的自我修正需要人为承认理论错了，这在心理上极其困难，尤其对于亲手设计出这套理论、并且靠它赚了好几年钱的人来说。归纳式模型的自我修正是数学结构自带的功能，它不需要谁低头认错，权重该往哪边挪，数字自己说话。

演绎式模型问的是”这件事应该怎么发生”，归纳式模型问的是”这件事实际上怎么发生的”。前者一旦现实和理论对不上，模型会站在理论这一边，后者一旦现实和历史模式对不上，模型会站在最新的现实这一边。

---

3

俄罗斯违约那一刻：同一场冲击，两种模型给出的完全不同反应

1998年8月俄罗斯宣布卢布贬值并对本国国债违约，这是一件在当时的经济学理论框架里被认为极不寻常的事，一个主权国家直接对自己发行的本币债务违约，几乎打破了当时市场对主权信用风险的常规认知。这场冲击本身的传导机制，前面提到的那篇LTCM崩盘启示录已经拆解得很细，这里只想指出一件事：LTCM的模型在那一刻，面对的不是”数据出现了一个异常点”，而是”理论前提本身被证伪了”。

理论前提被证伪之后，演绎式模型没有一个天然的退路。它不知道该相信什么，因为它所有的判断依据都建立在那套已经出问题的理论上。团队当时的第一反应，也确实是认为这只是暂时的价差扩大，历史规律迟早会把它拉回来，于是没有及时收缩仓位，反而在某些头寸上继续持有，这个判断放在演绎逻辑的框架里其实是自洽的，只是这一次现实没有按照理论的剧本走。

对比一下归纳式模型在类似冲击下的反应会更清楚这条分界线。2007年8月，一批使用相近统计套利逻辑的基金集中出现大幅回撤，行业内俗称”量化地震”，Medallion也没能置身事外，三天之内净值一度回撤接近百分之二十。需要说明的是，这次事件和这篇文章讨论的模型结构是两个不同层面的话题：那三天团队面对的核心问题是”要不要人为干预一套仍在按自己逻辑正常运作的系统”，文艺复兴那三天到底发生了什么这篇文章专门讲的是这条纪律，不是模型本身出了什么问题。这里想强调的是模型这一层：归纳式模型在那几天并没有因为亏损而”坚持”某个理论立场，它本身没有立场可坚持，它只是在持续根据最新数据调整每个信号的权重，该降的权重降下去，该保留的权重继续保留，团队要做的只是判断这个回撤幅度是不是还落在历史统计的正常区间之内。

这就是两种模型面对同一类冲击时最本质的差别。演绎式模型崩溃的原因，不是它算错了数据，而是它坚持了一个已经被现实推翻的理论前提，没有给自己留退路。归纳式模型即便同样承受剧烈回撤，模型内部始终留着一条”我不知道为什么，但数据变了，我先调整权重”的退路，这条退路不需要任何人临场决断，它写在模型的数学结构里。

---

4

判断任何交易系统脆弱性的一个具体方法：找出那句”这不应该发生”

把LTCM和Medallion的对比抽象成一条可以直接拿来用的方法，其实并不复杂，甚至可以浓缩成一句话去检验任何一套交易系统：这套系统的底层逻辑里，有没有一句没有写出来、但实际支撑着整套逻辑的话，叫”这种情况理论上不应该发生”。

如果有，这套系统就带着演绎式模型同样的脆弱性，不管它看起来多么精密，历史回测数字多么漂亮。因为凡是建立在”某种极端情况不会发生”这个假设之上的策略，杠杆越高就越危险，道理很简单：一旦这个假设被现实打破，系统没有第二套逻辑可以切换，它唯一认识的世界就是那个假设成立的世界，假设一崩塌，整套系统连”先减仓观望”这种最基本的自保动作都做不出来，因为减仓这个动作，需要系统先承认”这次可能真的不一样了”，而演绎式系统的整个存在理由，就是相信理论没有错。

具体怎么检查，可以拿自己的交易系统或者别人推荐给你的策略，问三个问题。第一个问题，这套系统的盈利逻辑，是建立在”某个理论上应该成立的关系”，还是建立在”历史数据里反复验证过的模式”。前者要多留一个心眼，去想清楚这个理论关系在什么条件下可能失效。第二个问题，如果现实真的走到了这套系统从没设想过的场景，系统有没有一个不需要人为坚持某个立场、能够自动降低仓位或者自动调整权重的机制，还是只能靠人在极度恐慌的情况下临场决定要不要推翻自己坚持多年的逻辑。第三个问题，这套系统当前用的杠杆倍数，是不是恰好建立在”那个极端情况不会发生”这个隐藏假设之上，如果把这个假设去掉，这个杠杆倍数你还敢不敢用。

顺带一提，判断一套策略是不是过拟合、是不是经不起推敲，这份策略尽调清单给了几条可以直接照着问的硬标准，和这里讲的隐藏假设检查是同一类工作的两个角度，一个查数字有没有被美化，一个查逻辑里有没有埋雷。而黑天鹅式的极端行情之所以每次都能造成不成比例的伤害，如何防范黑天鹅风险这篇文章里也拆过类似的逻辑，本质上都是同一件事：系统能不能应对一个自己从没见过的世界。

一套策略最危险的不是它会不会亏钱，任何策略都会亏钱。最危险的是它的逻辑深处有没有一句”这不应该发生”，一旦现实真的走到了那句话的反面，系统有没有一条不需要人低头认错就能自动生效的退路。

---

5

归纳不是万能药，它只是少了一个致命的自负

需要说清楚一点，归纳式模型不是稳赚不赔的护身符，Medallion也从来不是没有回撤的基金，它同样会遇到亏损的月份，同样会遇到连续几天净值下滑的时刻。归纳法本身的局限也一直存在，历史数据永远只能覆盖已经发生过的情况，一个真正史无前例的极端场景，同样可能超出任何归纳式模型的统计样本范围。

但归纳式模型和演绎式模型面对这种”样本外”场景时，输的方式完全不一样。演绎式模型输的时候，是带着一种”我的逻辑没有错，是市场疯了”的执念一路输到底，因为它的整个存在基础就是相信自己手里那套理论是对的，一旦开始怀疑理论，等于否定了整套模型存在的意义，这种心理成本极高，团队往往要等到亏损扩大到无法忽视的地步才肯松手，而这时候往往已经太晚。归纳式模型输的时候，输的过程要克制得多，因为它一开始就没有”我一定是对的”这种执念，它只是在持续追踪”最近的数据还符合以前的模式吗”，一旦不符合，该降权重就降权重，不需要谁低头，也不存在低头这个动作。

这个差别放大到普通交易者身上，其实是同一套心理机制的缩小版。你用一套均线系统赚了半年钱，慢慢开始相信”这套系统之所以有效，是因为市场存在某种趋势性规律”，这句话本身没有错，但如果你把它变成一条绝对信念，市场一旦进入一段长期的震荡行情，你会本能地觉得”这不正常，市场迟早要恢复趋势”，于是继续按原来的仓位甚至加仓等趋势回来，这就是把一套本该归纳的观察，偷偷升级成了一条演绎的教条。真正稳健的做法是反过来，持续追问”最近这段时间，我这套系统的历史优势还在不在起作用”，一旦数据说不在了，就先把仓位降下来，而不是靠信念硬扛。

这也是为什么西蒙斯那批人从一开始就刻意避免招募传统金融背景出身的分析师，招的是物理学家和统计学家。不是因为经济学理论没有价值，而是因为一个习惯了先建立理论再解释现象的头脑，天然更容易把”历史上大概率如此”偷偷偷换成”理论上必然如此”，而后者正是让LTCM那批全世界最聪明的人，在同一个隐藏假设上栽了跟头的根源。

---

写在最后

LTCM和Medallion的对比之所以值得反复讲，是因为它戳穿了一个常见的误解：以为决定一家量化基金生死的是团队智商、模型复杂度或者杠杆倍数。这三样东西两家基金其实相差不大，真正决定生死的，是模型面对”理论没设想过的情况”时，有没有一条不需要人为承认错误就能自动生效的退路。

演绎式模型把这条退路堵死了，因为它相信的是逻辑推理，逻辑推理没有”我不知道为什么”这个选项，它只有对或者错，而团队的自尊和多年积累的信任，都在逼着他们相信自己是对的。归纳式模型从一开始就没有信念这个包袱，它只负责记录和调整，数据说变了就变了，不需要谁点头。

对普通交易者来说，这条方法完全可以拿来检查自己手里的每一套系统。你不需要懂统计模型的具体数学，你只需要诚实地问自己一句：我这套系统的信心，来自”历史上反复验证过的模式”，还是来自”我认为市场应该这样运作的一套理论”。如果是后者，再往下问一句，这套理论有没有一个隐藏的假设，认定某种极端情况不会发生。找到这句话，你就找到了这套系统最薄弱的那个环节，也就找到了杠杆真正应该收紧的那个位置。

好的交易系统不是永远不会错的系统，是错了之后知道自己错了、并且能够自动调整的系统。演绎式的自负和归纳式的谦逊，中间隔着的往往就是一整个基金的生死。

---

以上内容仅代表个人观察与思考，不构成任何投资建议。交易有风险，入市需谨慎。