丹·莫里略谈多策略对冲基金背后的数学 - 彭博社

丹尼尔·莫里洛，Freestone Grove Partners LP的量化投资负责人，在2024年6月25日于美国纽约举行的彭博投资活动中。会议邀请资产管理、银行、财富和私人市场的领导者跟踪、剖析和预测未来最大的变化、风险和机会。摄影师：金娜·穆恩/彭博社多策略对冲基金在华尔街仍然备受追捧，但成为一个“pod shop”到底意味着什么，它们是如何建立的？在这一集中，我们与Freestone Grove Partners的联合创始人丹·莫里洛交谈，他曾是Citadel的合伙人和股票量化研究负责人（这是最成功的多策略基金之一）。虽然很多人倾向于将多策略对冲基金视为一个整体，但他认为它们的商业模式存在重要差异。我们讨论了他如何识别顶级投资组合经理、管理拥挤风险，以及薪酬、规模和回报背后的数学。转录本经过轻微编辑以提高清晰度。

**播客的关键见解：**丹·莫里洛是谁，量化分析师做什么？ — 02:43量化分析师在基础股票基金中的增值 — 05:19Freestone Grove Partners的理论 — 7:42“丹的数学”以建立最佳量化基金团队 — 9:29为什么对冲基金承诺无相关回报，它们真的可能吗？ — 16:33识别投资组合经理技能的过程 — 18:55为什么优秀的投资组合经理想来Grove Partners工作？ — 22:37公司洞察对量化投资经理的重要性 — 27:47拥挤风险和多策略对冲基金的增长 — 31:21量化对冲基金中投资经理的薪水是如何计算的 — 36:13多策略对冲基金如何为交易合理配置可用资本 — 40:11对有意成为投资经理的大学生的建议 — 47:05利用人工智能寻找新的投资想法 — 49:29

----

**特雷西·阿洛威 (00:19):**你好，欢迎收听另一集 奇异的交易 播客。我是特雷西·阿洛威。

**乔·韦森索尔 (00:24):**我是乔·韦森索尔。

**特雷西 (00:25):**乔，我们回到了多策略交易的节奏上。

**乔 (00:28):**我喜欢这个节奏。我觉得这非常有趣。我们学到了很多，但还有很多我们没有学到。我喜欢这个节奏。如果你说‘我们将只做10集关于这个’，我会说，好的，没问题。

**特雷西 (00:40):**我期待我们在理解多策略对冲基金的持续努力中的第678部分。但是，你知道，我们在这个过程中一直在学习，还有很多问题我仍然有。其中一个是，似乎有很多不同的观点和不同的交易小组，对吧？关于它们到底是如何设计的。

**乔 (01:04):**对，所以我理解有不同的结构。有不同的薪酬结构，不同的程度，所谓的不同小组之间的协调程度。有不同的程度，它们喜欢集中想法和研究。所以我明白 这一点。我脑海中仍然有一些大问题，我就直接说一个大的问题，如果你有一堆团队在做一堆不同的策略和交易一堆东西，为什么回报是好的而不是平均的？因为在我的直觉中，如果你有一堆团队，好吧，你是在多个方面分散阿尔法，但很好，但然后你有一堆。我的直觉是，你不会得到很好的回报，你会得到平均回报。然而，他们中的许多人年复一年地取得了非常令人印象深刻的回报。我觉得我还没有完全理解为什么。

**特雷西 (01:57):**嗯，是的，我有一个问题，那就是，最终这些投资组合商店，有些变得非常非常大，对吧？所以，如果你有一千个投资组合在你的屋檐下，那有点极端。但在某个时刻，你难道不是在某种程度上复制市场，而你刚才描述的那种阿尔法机会，似乎就消失了吗？那么，在这个话题上，我很高兴地说，我们有完美的嘉宾来讨论这一切。所以关于多策略基金的各种变体，以及实际上推动它的数学。我们将与丹·莫里洛交谈，他是Freestone Grove Partners的联合创始人，也是前Citadel的成员。所以，再次强调，和他交谈是再合适不过的了。丹，欢迎来到节目。

**丹·莫里洛 (02:41):**谢谢。谢谢你们邀请我。

**特雷西 (02:43):**我想我的第一个问题是，为什么我们要和你交谈？

**乔 (02:46):**是啊，为什么我们要和你交谈？

**丹 (02:47):**嗯，你可能比我更适合回答这个问题，但我想我会告诉你我的背景，希望这能帮助我们一点。所以，我在买方，特别是对冲基金买方这一块已经有大约25年了——我在自我揭露年龄——我是在量化领域成长起来的。我曾以为自己会成为一名教授。然后我意识到，行业方面的生活更令人兴奋。

我在所谓的“量化领域”做过各种各样的角色。所以从某个时刻起，我曾是巴克莱全球投资者的全球多头空头业务的负责人，直到黑石收购了他们。在黑石，我待了一段时间。我在某个时刻，负责他们的iShares研究小组。我也是那里的模型解决方案业务的创始人之一。

正如你所说，我在城堡工作，负责股权量化研究小组，做了很多你们谈论的事情，风险模型的事情，以及对冲的事情，还有这些各种各样的事情。我还负责中心账本，很多你们也谈到的核心内容都发生在这里。最近，我共同创办了Freestone Grove，也做多空策略。所以我想我有一些专业知识，但我想在你问我这些问题后，你可以告诉我。

**乔 (03:53):**我有一个非常基础的问题。金融中的“量化”这个词是什么意思？

**丹 (03:58):**实际上，这是一个很好的问题，对吧？我认为它可以意味着很多事情。从我的角度来看，量化方面一直吸引我的事情是你可以在做决策时保持纪律，对吧？你可以在纯数学意义上是量化的，比如你运行一些代码，有很多数字，同时实际上并没有应用太多的判断。你也可以在不使用很多量化工具的情况下，保持相当的纪律和系统性，对吧？

我认为正确的量化方式是将这两者结合在一起，对吧？当你能够引入来自理解市场中人类行为的判断时，但以一种可重复和有纪律的方式进行。这往往需要你知道的量化建模工具，无论是风险模型、预测、评估、归因，所有这些事情，对吧？

事实上，这正是吸引我的那种事情，我想，这是一种我提到的所有工作中的共同主题，就是你可以进行这种系统建模工作，不仅仅是对数字本身，还包括参与市场的人，对吧？他们也可以进行分析，对吧？无论你是考虑情绪测量还是你们在这个播客中提出的各种问题，对吧？组织一个团队的正确方式是什么？你知道，你应该有多少个团队？你应该如何支付他们？你应该收取什么费用？这些都可以进行分析，对吧？所以我喜欢你可以在人的行为上进行量化的想法，对吧？

**Tracy (05:19):**哦，这正是我想问你的，实际上。所以如果你去Freestone的网站，你会看到首页上有两个合伙人，而你是量化的那一个，你确实有大量的量化研究人员。这些量化人员对基本股票基金的附加价值是什么？

**Dan (05:40):**是的，我认为你想要考虑的方式是，与理解公司的机制相关的洞察力，在这种情况下，对于股票，基本分析师的工作是理解是什么驱动收入、收益、利润率等等。特别是，下次他们宣布收益时，或者在接下来的几个季度中，哪些可能会令人惊讶，对吧？

你赚钱的方式是，你的观点与市场的观点不同，人们开始同意你的观点，对吧？这就是成功，对吧？在这个过程中，无论是建模公司，还是理解“那种惊讶到底是什么让公司与更广泛市场发生的事情不同？”所有这些数据，对吧？替代数据的东西，所有这些都需要在技术、分析和预测方面进行大量投资，对吧？不再是你可以像25年前那样成为一个聪明的人，阅读10 Qs和10 Ks，然后就能看到惊讶会是什么。它需要在成为做这项工作最复杂的人方面进行重大投资。而这不是你可以在没有所有这些量化工具投资的情况下做到的，对吧？

还有所有的行为方面的东西，对吧？人类有能力真正深入了解公司正在做的事情，对吧？许多在这方面非常优秀的人都是那些字面上已经关注同一家公司十年的人，对吧？他们了解他们的首席财务官、首席运营官和产品，他们参观过工厂，因此他们能够捕捉到非常微妙的模式，但他们也是人类，对吧？人类带有偏见，对吧？你会将自己对世界的看法投射到地面上发生的事情上。因此，思考如何在这个过程中尽可能保持纪律也是有帮助的，对吧？所以你会考虑风险模型、归因问题。你如何区分运气和技能，对吧？大多数人类，如果你表现良好，你往往会认为这全是你的功劳。如果你表现不佳，那就不是我的错，对吧？因此，这些过程，如何确保人类尽可能保持纪律，再次需要在定量分析能力上进行巨大的投资。这就是你所带来的东西，对吧？

**乔（07:42）：**那么，我们将讨论你如何衡量你的投资组合经理的技能并分解所有这些内容，我们会详细谈论这个。当你创立Freestone Grove时，你和你的联合创始人托德·巴克，你们一定认为那里有机会，对吧？你们一定认为外面有一些机会可以赚钱，建立一个与市场上现有基金不同的基金——你们带来了某种优势，你们可以以某种有利的方式构建公司。Freestone Grove背后的理论或论点是什么，以至于你们想要建立一些新的东西？

**丹 (08:19):**是的。所以你是对的。我们确实认为我们可以在行业的最高水平上竞争，对吧？否则，我们就不会开始这件事。我们认为可以做到这一点的方式并不是某种新的魔法，对吧？就像，“哦，只有我们能做到X、Y和Z，”对吧？我们所做的很多事情，这也是我们告诉客户的，就是，在花了这么多时间研究这个领域中什么有效、什么无效——称之为多策略或多PM领域——我们有一种观点，你可以在关键商业决策上做到最佳，对吧？你在平台上拥有的分析师和PM的数量，你如何组织他们，你如何考虑激励或他们的补偿方式，定量与基本面之间的正确组合，以一种我们所见过的最佳方式，对吧？

所以并不是说，“哦，有一个东西是我们与众不同的，”而是许多小事情，我们认为你可以以一种许多其他平台由于各种原因没有做到的方式进行优化。特别是随着许多新平台的出现，对吧？你最终会得到一种商业设计，我们认为并没有达到它可以达到的最佳状态，对吧？所以，优化业务，算是我们的推介，然后尽可能地做好每个部分。这有道理吗？

**特雷西 (09:29):**嗯，关于这一点，有一个在我们准备这个播客时不断出现的事情，人们一直在谈论“丹的数学”。你能戴上你的教授帽，给我们解释一下什么是丹的数学，以及它在设计和优化你公司的规模时如何发挥作用吗？

**丹 (09:50):**是的。所以首先，为了辩护，我并不是想出来的，我相信实际上是彭博社的某个人在早期与我们进行的一次采访后想出来的。但是的，针对你的问题，关键是你考虑的许多事情，从你应该在平台上拥有多少人？你应该运行什么样的风险模型？你应该承担什么风险？你应该如何进行资本配置？这些都是可以进行系统分析的事情，对吧？

所以，这个所谓的“数学”的想法是，许多这些决策你不需要随意挥手，对吧？关于它们有一些相对明确的答案，对吧？有几个问题——我们可以追踪你喜欢的那些——但在我看来，最重要的一个是，行业内有一种观点认为更多总是更好，对吧？你想要更多的投资组合经理，更多的分析师，更多的资产，这样可以扩大这种潜在的实力，对吧？

这实际上回到了你关于，为什么你能从很多人那里获得良好结果的问题，对吧？答案是，你的直觉实际上并没有错，对吧？有一个点，增加更多的人实际上并没有任何区别，对吧？所以，如果你允许我花两分钟来举个小例子，对吧？

所以这个业务的运作方式是你在雇佣个别的风险承担者，我们称他们为分析师，对吧？所以有一些潜在的人员池可以雇佣。而且，假设你有良好的招聘实践，你期望雇佣到一些具有平均表现的人。把它想象成一个夏普比率。假设这个夏普比率是0.75，对吧？所以夏普比率[为]0.75意味着，如果你承担一美元的风险，你期望每承担这笔风险就能产生75美分的回报，对吧？所以，你想在夏普比率空间中考虑表现，对吧？因为在不同的空间中，人们承担的风险不同，对吧？生物技术公司的风险比银行公司的风险更高，所以你想为此进行调整。因此，通常情况下，你想在夏普比率空间中思考。

所以你雇佣人，期望有一些均值分布，一些均值结果，对吧？所以我雇佣一个人，我不知道他们的夏普比率会是多少。我希望它是好的。平均来说，我得到的人是，假设是0.75，对吧？有些人会比这更好，有些人会更差。也许我最终需要解雇他们，对吧？但我确实得到了他们的一些分布，对吧？然后你给他们资本，他们在一段时间内运用资本，对吧？所以多样化的魔力在于，随着你增加人，夏普比率会更高，对吧？

如果相关性恰好为零，那么你增加的人越多，你的夏普比率基本上就越高——它基本上以 n 的平方根增加。然而，如果存在相关性，那么你的聚合夏普比率有一个最大限制，对吧？

所以，让我们举个简单的例子。假设这些平均为0.75的人，假设他们的相关性为10%，大多数人会告诉你这听起来有点低，相关性不大。那么你的夏普比率有一个最大限制。大约是2.3，即使你有无限数量的人。所以你直觉上认为如果你增加很多很多人，你在某个[时刻]会达到某个平均回报是正确的，只是这个平均回报的规模是什么，对吧？所以，如果你增加很多很多人，你就会达到那种最大水平。而真正重要的是相关性，对吧？所以获得零相关性是非常困难的。就像那根本不太可能发生，对吧？

**乔 (13:00):**所以为了明确，当你说相关性时，我们在谈论什么：你雇佣一个项目经理，他们交易半导体，你再雇佣另一个项目经理，他们交易利率，或者他们可能交易银行或类似的东西。但是，由于市场中的事物通常是相关的，你可能会有这些来自世界各地的不同人，隐含地，即使看起来他们对市场有自己的关注，他们可能都隐含地根据他们对美联储的解读或类似的东西在赚钱。

**丹 (12:30):**正确。

**乔 (12:31):**因此，他们的回报是相关的。因此，即使他们真的都很擅长自己的工作，这也限制了公司整体夏普比率，因为他们并没有真正增加多样化。

**丹 (13:41):**这完全正确。就像如果你每天观察某人的回报一样，对吧？你每天观察另一个人的回报，你可以计算出一个相关性——放在Excel中，计算一个相关性。如果那个数字很低，你通过增加更多的人可以获得更多的收益。如果那个数字很高，你获得的收益就更少。为了强调这一点，这非常重要。

所以在那个例子中，如果你的平均人是0.75，相关性为10%，那么最大值大约是2.4。假设你的相关性实际上是20%，对吧？你知道，这显然更多，但在大局上仍然是低的。那么那个最大值只有1.6。所以一点点的相关性对你最终能交付的影响是巨大的，对吧？更重要的是，你在没有很多人的情况下就能接近那个最大值，对吧？所以在0.75的例子中，相关性为10%，如果我有45个风险承担者，把他们想象成分析师。假设我把他们分成三人小组，对吧？由三个风险承担者组成的项目经理团队，[没有]那么多团队，对吧？15个团队。这给我大约95%的最终最大值。

所以我不需要有一百个团队来达到我的最大值。事实上，有一个时刻，实际上更重要的是……假设你有一百万美元的额外资金可以花在某件事情上，而这件事情可能是我雇佣另一个人，但这件事情也可能是，“嘿，我可能会制作一个更好的软件来帮助我管理这种相关性。教人们思考，如果他们的回报真的独立于，比如说，利率，”正如你所强调的。实际上，这可能比增加一个团队要好得多的投资。因为，如果我稍微减少我的相关性，那实际上比单纯增加人手要获得更多的收益，对吧？

回到最初的问题，我们认为在你如何设置你的业务方面可能有什么不同？再次强调，很多人追求规模，尽管你并不需要，至少不是出于性能原因，对吧？有一个时刻，你只需拥有合适的规模，而更好地投资于其他事情，对吧？人们追求规模的原因是因为他们想管理更多的资金。这并不是因为这会给你带来更多的性能，对吧？至少在某个数量以上，对吧？实际上，如果你考虑规模，规模会带来许多其他问题。它带来了复杂性，你可能会有更多的管理层次，你必须更加关注办公室和协调，以及管理结构等等。你可能实际上会降低你的性能。这种复杂性是需要花钱的，对吧？因此，我们对客户说的一个关键点，举个例子，就是我们希望限制我们的规模，以便我们可以在尽可能最低的复杂性下管理合适数量的人，同时仍然提供几乎相同的性能水平，对吧？

**特雷西 (16:33):**对冲基金为什么会承诺无相关收益呢？因为在我看来，正如你刚才所说的，想要将相关性降到零是非常困难的。但对投资者的推销总是，这里有一堆我们可以反复获得的无相关收益。那么，你会发现，当市场发生重大事件时，它们总是同时出现回撤。那么，为什么他们还在继续推销无相关收益？投资者又为什么还在不断投入资金呢？

**丹 (17:03):**好的，似乎这里有两个问题，一个是，尽管他们声称没有相关性，为什么他们还是相关的？这是第一个。第二个是，为什么这在一开始就是个问题，对吧？所以，让我先从第二个开始。现实是，大多数相关性是由某种共同效应驱动的，对吧？你知道，我们这里有客人谈论风险模型，你会考虑一些共同因素，对吧？如果你是一个配置者——比如说你是一个养老金基金，或者一个大学捐赠基金——一个关键原因是，你会因为承担风险而获得报酬，对吧？很多配置都是投入到那些有风险的东西上，你期望因为承担这种风险而获得报酬，对吧？从某种意义上说，这就是一个大型捐赠基金或大型养老金基金的功能，对吧？

问题是，大多数支付你这些收益的风险，无论是整个市场，还是像动量这样的单独因素，你可以单独购买的，诸如利率风险、通货膨胀风险，所有这些东西，你可以以每美元大约十分之一的成本进行配置，对吧？所以，如果你要对其他东西进行配置，你不希望这个配置与你已经拥有的东西是相同的，基本上没有费用，对吧？所以假设你有一个对冲基金，收取你，我不知道，2和20，但那个对冲基金的贝塔通常大约是50%，对吧？那么你给那个对冲基金的一半资金是你可以以基本上没有费用购买的贝塔，对吧？

因此，能够实际实现相关风险的对冲基金的优势在于，现在你可以进行更清晰的配置，对吧？你可以说，‘好吧，这是我的市场风险，这是我的利率风险，这是我的，我不知道，住房溢价，无论是什么。’然而，你已经决定了如何进行配置。‘然后有一部分提升我的回报，因为它与其他事情没有相关性，对吧？’所以，如果你是一个配置者，这就是正确的目标，对吧？然后问题是人们是否能够真正执行以实现那个结果，对吧？这实际上是一个稍微独立的问题。

**乔 (18:55)：**我想了解一下你们在Freestone Grove如何招聘人才，以及为什么一个优秀的PM会从其他地方来到Freestone Grove，以及薪酬等问题。但在我们讨论这些之前，我必须想象有某种信息不对称的挑战。你可能对PM的回报有有限的了解，不仅仅是他们的回报，还有他们是如何实现这些回报的。无论他们是以展示自己提取阿尔法的能力的方式实现这些回报，还是仅仅依赖于你试图从他们身上提取的各种贝塔。我假设，如果你在创办一个基金，你认为自己擅长识别那些愿意为你工作的人。你有什么信息可以使用？而在你积累PM或分析师时，识别技能的基本过程是什么，在他们出现在你面前之前？

**丹 (19:47)：**这是个非常好的问题，显然，这部分是一个系统化的过程。但你知道，像招聘所有东西一样，这也是一种艺术，对吧？无论你是在招聘投资组合经理还是定量研究，总是有一点艺术在其中，对吧？我认为你应该有的关键目标是，你是否理解他们声称能够提供的技能是通过什么机制实现的，对吧？所以，通常你看不到良好的回报追踪器是件好事，因为那样你就会被诱惑去基于过去的回报来判断，这不是个好主意。实际上，这是个坏主意——我们可以单独讨论这个。它迫使你思考，好的，如果你声称你可以产生良好的回报，那么你是通过什么机制做到的，对吧？

对于一个典型的分析师，至少在股票方面，通常会有某种形式的，“我知道惊喜和基本面会是什么，对吧？我可以告诉你，这家公司将宣布十亿美元的收入，而其他人都在期待它会是九亿或者其他什么，对吧？”如果这是一个声明，这往往是这个工作的常见声明——几乎可以说是定义——那么你就可以反推是什么样的过程让你得出这个结论，对吧？你可以进行什么样的建模能力，对吧？

**乔 (20:55)：**这是否与我一开始问你的，“量化的定义是什么？”有关？仅仅能够进行数学计算是不够的，必须有某种能力，比如说，具有人类直觉去理解这些事物是如何运作的，对吧？

**丹 (21:07)：**正确，所以就用这些例子。假设你告诉我你要面试，我在面试你作为分析师，而你告诉我，“我很擅长知道会是什么，对吧？”我说，“好吧，你有自己的估计记录吗，对吧？”所以可以推测，对于你覆盖的许多公司，你心中有一个关于他们收入会是什么、利润率会是什么、收益会是什么的估计。我可以问你，“好吧，那些估计在过去是什么——在公司宣布之前的三天——或者你覆盖的所有公司多年前的结果，对吧？”为了明确，我并不一定希望你有这些数据并给我，但你用什么过程来思考，甚至理解你是否具备技能，首先，对吧？

而且，通常人们会回答这个问题说：“嗯，我其实不知道，因为我把我的模型，比如说，放在Excel里，对吧？我有一个非常复杂的Excel模型，里面有所有的收入报表行和所有的资产负债表行，还有这些东西。随着公司的发展，我会改变那个模型，对吧？我改变数字，改变我的假设，甚至可能添加和删除行，你知道的，增加模型的复杂性。”而在每个时间点上跟踪它是什么是很困难的，对吧？你现在必须每天保存文件，并有一些数据库来弄清楚每天是什么，并将它们串联起来并进行一些分析，对吧？你想和那些理解这是他们应该做的事情并且已经做出一些努力朝这个方向前进的人交谈，对吧？这意味着对保持纪律和理解自己的技能有兴趣，对吧？这仅仅是做与有兴趣理解自己如何做以及如何改进之间的另一个显著区别，对吧？

**特雷西 (22:37)：**那么，在识别优秀投资组合经理的另一方面，优秀的投资组合经理为什么想来为你工作？因为我的印象是，在多策略领域有巨头，你曾经为其中之一工作。他们可以为一个他们真正想要的人才支付数百万。你如何与那种待遇竞争？是自主权吗？是公司的文化吗？优秀交易者的吸引力是什么？

**丹 (23:09)：**是的，这是一种多种因素的结合。让我告诉你我认为可能让你想和我们谈谈的关键因素，对吧？而不是留在你在某个大名鼎鼎的平台上的大工作中，对吧？首先，由于这种扩展的驱动，许多平台上发生的情况是，如果你是一个技术投资组合经理，你可能是十个，甚至十五个之一，对吧？而且记住，你正在竞争以获得必要的资源来很好地完成那份工作，对吧？

那么你需要的东西的概述，对吧？你需要企业接入，对吧？所以你希望能够与首席财务官、首席执行官交谈，甚至是你所覆盖公司的投资者关系，参加会议，进行非交易路演，而不管你有多大，在某个时刻，某个公司的首席财务官是不会和一百万个对冲基金经理交谈的，对吧？所以他们会对大牌说，好吧，我给你两个名额。他们不会因为你有15个投资经理就给你15个名额。事实上，他们真的不想和你交谈，对吧？大多数公司其实更倾向于不与投资者交谈。因此，你最终会处于一个竞争企业接入的局面。

你还在争夺数据科学资源、定量资源、投资组合构建和风险管理资源。也就是说，随着规模的扩大，获得我所描述的与现有资源真正整合和合作的关系变得越来越困难，对吧？因此，在大型平台中发现一些人可能喜欢这份工作，可能喜欢他们的薪酬方式，但实际上对自己在大地方像是一个小齿轮的事实感到沮丧，这并不罕见，对吧？这就是其中一个方面。

第二个方面是，再次强调，公司的规模很大并不意味着你在大地方管理的资金比在我们这里更多。事实上，我们的投资组合经理管理的资金可能比他们在大多数其他地方管理的资金还要多，对吧？因为是的，我们规模较小，但我们的人也更少，对吧？所以我们希望在较少的团队中管理尽可能大的规模，如果这个区别有意义的话。从投资组合经理的角度来看，这实际上在你可能承担的风险方面并没有太大不同，但你会获得更好的资源，更加整合的平台，包括技术风险、企业接入等。

还有其他东西有这种风味，对吧？而且记住，因为大多数人是从他们能够产生的资产回报中获得一些份额的报酬，所以你的[薪酬]不会有太大的不同，对吧？如果你管理的资产一样多，而你的回报很好或更好，因为你获得了更好的资源、更好的整合和更好的平台，为什么这一定是一个不吸引人的平台并不明显。事实上，我们发现我们雇佣了一些在其他地方的投资组合经理，他们来我们这里做分析师，因为他们理解所有这些的好处，对吧？而不是成为我不知道的某个大型机构中的500名分析师之一。这有道理吗？

**Tracy (25:58):**等一下，谈谈这个。我很好奇，我有一种印象，很多多策略公司或小组总是追求明星投资组合经理或有经验的人。我很好奇，是否有在内部培养人才的空间？例如，你能否雇佣我或乔并培训我们成为优秀的投资组合经理？在这条职业道路上有多少灵活性？

**Dan (26:26):**实际上有相当多的灵活性。所以你的偏好是不依赖于不完美的信息，特别是如果你必须承诺给某人很多东西以便他们来你的平台，对吧？所以你应该倾向于在内部培养人才。问题是，你有什么样的文化和系统来实现这一点，对吧？事实上，我认为你在这个播客上有嘉宾谈论过那些培训基地，对吧？所以，人们理解你应该倾向于引入那些你可以塑造为你认为将成为最佳分析师或最佳投资组合经理的人，以真正符合你的文化、你的薪酬方式和系统运作方式，对吧？

问题的一部分是，人类就是人类，对吧？所以，即使你训练了某个人，你也不能保证他们会一直留在你身边。反之亦然。尤其是如果你真的很大，并且必须管理大量资产，从某种意义上说，你被迫进入这种人员流动，对吧？因为，如果你必须部署所有那些资产，而如果某个人因为某种原因辞职——也许他们只是有个人的事情，他们离开，并不是因为去别的地方——你就有点被迫进入这个替换过程。

而在某个时刻，问题的一部分是，你可能没有下一个人准备好被提升，因此你必须向外部寻求帮助，对吧？老实说，我认为在这个行业与许多其他行业并没有太大不同，对吧？你需要雇佣非常有才华的人，而他们的数量有限，你必须经历内部人才、外部招聘以及两者的某种混合。是的，我可以训练你成为非常优秀的投资组合经理。

**乔 (27:47):**我们来做吧。我想尽快进入实际的薪酬部分，因为谈论团队的接入、精益管理等等是不错的，但你知道，这是金融，人们非常关心薪水。但在此之前，你说过的一些话之前也提到过，我仍然很难理解。所以我想听听你如何澄清它。

当你谈到一个投资组合经理可以接触到公司的管理团队时，这很有道理。我明白了。投资时，你想和首席财务官或首席信息官或首席执行官谈话，但我们不是在谈论伯克希尔·哈撒韦，在那里你持有一只股票25年，并且真的了解它。事实上，在像你们这样的公司中，股票的持有时间据说是极其短暂的，有时可能是五天、十天或一个季度之类的。在这种情况下，我并不直观地认为，如果我持有一只股票20天，了解管理团队的重要性与沃伦·巴菲特了解管理团队的方式是特别重要的。你能给我解释一下在短期持有期和你们实际交易量很高的情况下，这种对公司的洞察力的重要性吗？

**丹 (28:59):**是的，这真是个好问题。我想，我怀疑你把两个不相关的事情混在一起，对吧？

**乔 (29:04):**好的，没问题。

**丹 (29:04):**我认为你想要区分投资决策，这可能是一个短期视角，以及驱动你做出那个投资决策的洞察，对吧？所以，你想要真正理解公司的原因是，这让你能够捕捉到关于其他人对该公司的可能误解的微妙模式，对吧？所以，我再重复一遍，你赚钱的方式是你有一个与其他边际参与者不同的观点。你赚钱的方式是，你下单交易，然后随着时间的推移，人们开始同意你的观点，对吧？这要么是因为他们最终看到了与你相同的东西——他们看到了相同的数据，他们进行了相同的分析，也许你之所以能得出结论是因为你的数据更好，你的分析更复杂，等等。或者公司告诉你。公司实际上会来告诉你，‘这是我们的收益，这是我们的收入，’而你最终证明自己是正确的，而其他人则不是，对吧？所以你需要那个催化剂，对吧？

所以你在同一家公司反复操作，但洞察的性质是不断变化的，对吧？因此，因为你对这家公司了解得如此透彻，并且你已经关注了它10年，参加会议并与管理层交谈等等，你能够判断，‘哎，这个季度，我的怀疑是人们低估了他们的收益。也许下个季度他们高估了收益，对吧？如果我能重复这个过程，我的交易是短期的，但并不是说我对这家公司的看法是短期的。实际上，如果你想做好这一点，你应该对这家公司可能会做的事情有一个长期的看法。实际上，你的一些假设可能是，‘嘿，人们认为X、Y、Z产品在未来五年或十年内会非常成功，’也就是，长期观点。但如果你认为这个季度会稍微令人失望，那为什么还要持有呢？

**乔 (30:44):**没错，所以像英伟达这样的公司，每个人对它都有一个10年的大视野。所以这并不是说，仅仅知道人工智能在未来10年会很重要，你就能获得优势。

**丹 (30:51):**正确。优势在于，你可能想在这个例子中对英伟达持乐观态度，但如果你认为他们在下个季度会错失那些非常高的预期，那你为什么还要持有它呢？你可以现在做空，然后在他们下次发布后再买回来，对吧？

**特雷西 (31:21):**所以对多策略基金及其惊人增长的一个批评是，市场中出现了更多的拥挤风险。你刚才提到英伟达，在某种程度上，这就是一个完美的例子。感觉每当英伟达有大动作时，总会有人谈论，哦，背后有一个基金在推动它……

乔 (31:42):‘这个基金正在爆炸！’

**特雷西 (31:43):**是的，没错。或者说，某种因素正在变化。告诉我们你如何看待多策略基金在因子投资增长对市场的影响。

**丹 (31:53):**是的，好吧。我将把这个分成两部分。第一部分是，作为一个个体经理，你是如何看待它的，然后[第二]这对市场有什么影响？因为我认为区分这一点很重要，对吧？所以在第一部分，我认为拥挤是你应该管理的事情，而不是担心的事情，对吧？

我们有时使用的类比是坐在扑克桌旁的这个想法，对吧？如果我们三个人在玩扑克，桌子就不大，对吧？如果再有三个人进来，我并不担心，‘哦，我的赌注会和你一样——如果我认为我比你和那三个人更好，桌子上有更多的人是很好的，对吧？’这意味着，你赚钱的方式，再次重申，就是你对市场参与者的看法不同，他们开始同意你的看法。这看起来像是拥挤，[但]，记住，我是在拥挤之前进入一个头寸，而我赚钱的方式是，它变得拥挤。在某个时刻，我会说，‘好吧，我已经因为我的观点得到了回报，我转向下一个东西。希望下一个东西[我]也能在这个想法中早期介入，对吧？’

因此，拥挤在某种意义上是你从早期介入一个想法中获得回报的机械方式，对吧？所以对于一个经理，一个个别的投资组合经理或像我们这样的公司，我们想要思考的是，如何管理拥挤？我给你一个例子。假设两个投资组合经理，他们都有相同的报价，“拥挤暴露”，对吧？以某种我们都同意的良好测量方式来衡量。如果我之所以到达那里是因为我早期介入，然后随着人们开始接受我的观点而慢慢获得回报，这与那些追逐这个想法的人是非常不同的，对吧？他们并没有早期介入。他们只是看到事情发生，然后追逐。这是不同的，因为如果发生拥挤的解除，我们两个可能都会有一些负回报，但我可能会有更少的负回报，因为我的一些想法是新的，我投资组合的某些部分并没有那么拥挤，第二，我在上涨的过程中得到了回报，对吧？所以你如何到达那里是非常关键的，对吧？

现在，关于你的市场问题。如果有更多参与者在做任何事情，无论是什么，平均回报当然会下降。这并不意味着那些技能高超的人会受到影响。事实上，如果对面有足够多的人与他们的技能相对立，他们甚至可能赚更多的钱，这样说对吧？我最后想说的是，成为一个多策略基金是一种自我组织的方式，对吧？这是一种决定，选择不再运行传统的综合型单一决策者基金，而是更仔细地考虑我如何分配资本？我如何区分人才？我如何管理我们谈论的所有这些事情，包括人们的薪酬和所有激励措施。这是一种自我组织的方式。

这不是一种投资策略。你可以以这种方式组织自己，并有很多不同的投资方式。而投资策略相同的巧合导致了拥挤。这不是你自我组织的方式。因此，对我来说，这并不明显，我也不确定数据是否支持某种程度上有更多拥挤的想法。事实上，我们经历过的最大拥挤事件是在2007年，那是伟大的量化拥挤解除，对吧？拥挤是一种现象，无论它来自哪里，对吧？所以如果我有一群只做多的主动管理者喜欢英伟达，那和一些多策略基金喜欢英伟达一样都是拥挤。这说得通吗？这些是不同的事情。

**特雷西 (34:53):**我认为担忧更多的是，强调……我们谈到了某些事情的短期视野，你谈到了对催化剂的关注。我认为担忧在于，在转折点，可能会引入更多的波动性，因为每个人都开始……

**乔 (35:10):**短期限制。

**特雷西 (35:11):**是的，没错。

**乔 (35:12):**每个人都有这些非常紧的止损，他们想保住自己的工作，这就会产生一种特定类型的波动性。因为每个人……他们必须迅速平仓等。

**丹 (35:23):**是的，我不反对。但这又是发生在个体层面，对吧？所以假设你有你的止损——有些公司甚至没有，他们的风险控制方式不同——这特定于某个策略，对吧？所以，是否增加波动性取决于该策略是否与其他5、10、15个策略相关，对吧？而且并不明显为什么仅仅因为人们有这种看法就会发生这种情况。这有道理吗？

假设有一百个人在等待下一个来自，我随便说说，不知道，美国银行的收益，对吧？他们会报告一些东西，还有很多人在参与。当然，如果我描述的这百个人都在同一边，你可能会根据结果出现大幅波动，但并不明显为什么他们会都在同一边，对吧？仅仅因为他们被组织成小组公司。这有道理吗？

**乔 (36:13):**我们来谈谈薪酬和赚钱。你很友好地提到，从理论上讲，你认为你可以把我和特雷西培养成不错的交易员或分析师或投资经理——也许是分析师，这没问题。那么，特雷西和我在这里，我们似乎在一段时间内提供了一些类似于阿尔法的东西。我们的薪水是多少？我们的薪水是如何得出的？

**丹 (36:36):**是的。通常，你希望有一个激励，让你专注于工作的机制，对吧？所以，通常在将你的薪酬高度自由裁量——我只是决定，因为我喜欢或不喜欢你的某些东西——与完全公式化——你总回报的15%或其他什么东西之间存在权衡。通常你会发现，越能将工作与这些40个名字在某些特定的风险和资本部署及集中规则的边界内分开，就越容易给予直接的激励，对吧？所以，你会发现大多数地方最终处于一种情况，即这种激励让你非常专注于你擅长的事情，往往会带来更好的结果。

现在，明确一点，从商业的角度来看，另一边也存在权衡，对吧？这是一件我怀疑分配者需要更深入挖掘的事情。那么，假设你有36个风险承担者，我们称他们为分析师，对吧？想象一下三种可能的支付方式。一种方式是你先净化每个人的回报，你知道，有些人表现良好，有些人表现不佳，甚至可能是负的。最后你得到一个总回报，然后其中的一部分就是每个人的薪酬。然后你就以自由裁量的方式支付，对吧？从公司的角度来看，这可能不是最好的，因为这使得很难有那种一对一的激励，真正专注于你擅长的事情。但要明确的是，从分配者的角度来看，这可能是最好的，因为你只是在为我们总共交付的回报付费。对吧？现在让我们继续…

**乔 (38:06):**哦，我明白了。是的。

**丹 (38:07):**现在让我们谈谈另一种极端情况，这在许多平台上是典型的，每个风险承担者都管理一个小团队。每个分析师都有一个助理来帮助他们。你支付给他们的，假设是相同的50%的股份。所以现在你有了行业内人们称之为“净风险”的东西，对吧？你支付给表现良好的15%的人，而表现不佳的人并不是说你能拿回钱，对吧？所以他们支付的总补偿金额比第一种情况要大，对吧？实际上，在这个例子中，想象一下这36个人，假设他们每个人都有0.75——我之前使用的例子。如果是这样的话，你在第二种情况下支付的补偿成本大约比第一种情况多25%。

所以如果你说这很好，因为每个人都有直接的激励去做他们正在做的事情，这并不是免费的，对吧？这确实让你多花了25%的成本，对吧？而在你将所有这些成本转嫁给投资者的情况下，你的投资者的处境会变得更糟，对吧？

现在想象一个中间地带，你说，‘好吧，我想要一对一的激励，专注于你真正关注的事情。所以我将这36个人分成团队，对吧？我将组成三人小组，对吧？’在这个团队内，他们相互净化，对吧？所以也许其中一个人表现不佳，其他两个表现良好。现在你支付给团队相同的15%的股份。在团队内，可能还有一些自由裁量的补偿，对吧？这仍然比每个人都净化要贵，但只贵5%——5%到6%——更贵。所以这个世界的版本几乎能让你获得所有直接关注工作的好处，而成本要低得多，对吧？所以，如果你是一个分配者，你应该问这个问题。记住，在这个例子中，这36个人的技能相同，管理的总资本也相同。从分配者的角度来看，你所做的事情有很大的区别，对吧？

**乔 (39:57):**特雷西，我觉得这非常有趣。你基本上可以拥有相同的结构，而数学结果却如此不同。只要你稍微改变一下进行净值计算的集合大小。这真的很有趣。

**特雷西 (40:11):**好的，我还有一个与资金相关的问题，但作为基金经理你会给我们多少资金？不是直接的报酬，而是你如何决定我们实际上可以玩弄多少资金？然后，相关的是，我总是对多策略公司有一个不清楚的地方，似乎可用资本池的大小有时是吸引个别基金经理的一个因素。比如，“哦，我可以玩弄，我不知道，大约5000万，”或者，我甚至不知道他们的正常数字是什么。但另一方面，你有时会看到关于城堡或千禧年必须限制新投资者资金的头条新闻。所以我想知道，你是如何为交易合理配置可用资本的？

**丹 (40:55):**是的。好的，我认为里面有多个问题。一个是资本分配，对吧？我如何区分……我给你更多还是给她更多，对吧？所以这就像是，无论我有多少，都是一个分配问题，我们可以稍后讨论。然后还有，是否存在一个个体的最佳金额，对吧？

让我先从第二个开始。答案通常是肯定的。我想知道你之前的哪个[嘉宾]，我认为是盖皮提到过这个观点，即有一种人类心理方面的因素，决定了你可以舒适地管理多少资金，对吧？所以通常超过某个金额后，看到你每天赚取或亏损的金额在心理上会变得非常庞大和不舒服，对很多人来说，是这样的。

**特雷西 (41:36):**光看我的401k我就感到焦虑。

**丹 (41:38):**是的，没错。为了明确，这确实是个问题，对吧？假设你让某人开始运作，我随便说一下，一亿美元的现金，对吧？其中50个是长仓，15个是短仓，也许他们每天上涨50万，知道吗，也许他们下跌50万，对吧？这就是大致的范围。现在你把这个放大10倍。在回报空间里，它可能是完全相同的，但心理上，你早上走进来，市场开盘，现在你亏了500万。人们会到达一个点，觉得这就是个问题，对吧？

**乔 (42:10):**我一直觉得，当我打扑克的时候，我在想，如果他们能对我撒谎说，你在玩一个一二的游戏。你买入200。然后最后他们说，‘哦，原来你在玩2000，因为筹码是一样的。’有点像那样。

**丹 (42:21):**是的，心理学的影响不仅仅在于你能舒适地运作多少资金——而且要记住，越是大额资金，你就越要担心除了你的基本观点之外的事情。你必须更担心总拥有成本和实施问题以及流动性问题，你知道吗，你能否在小市值股票上进行交易，而你可能觉得自己有优势，但现在你真的不能做太多？所以这些都是与规模有关的事情。

发生的另一件事是心理和补偿，对吧？人们通常会更喜欢，我可以给你十亿美元，并支付你15%的净回报，或者也许五亿美元并支付你30%，对吧？经济学是一样的。许多人可能更喜欢后者而不是前者，对吧？所以心理确实在其中扮演了重要角色。我们发现好的投资组合经理实际上可以管理数十亿美元，假设他们有一个好的团队，但这并不一定是最常见的情况。大多数平台发现自己管理着较小的团队，拥有许多小的分配，然后面临所有这些净额问题，对吧？所以你确实需要考虑这一点。

第二个问题是，无论每个投资组合可能有多大，我如何区分，像我如何给你比其他人更多，对吧？现实是，你想根据你对回报的预期来进行资本配置，对吧？你未来会有好的夏普比率吗，对吧？问题是你不知道真实的夏普比率。大多数人倾向于使用一些实际的夏普比率。你去年的夏普比率是多少，对吧？而问题是，这里面有大量的噪音，对吧？

我发现这个直觉真的很有趣。所以如果你有一个好的基本思维方式，假设你覆盖了40个名字。在你对这些名字的看法中——假设，我喜欢这个，我不喜欢这个——每天与实际回报的相关性为1%。所以没有太多的可预测性。像99%的发生，你不知道，但你有1%的可预测性。如果你这样做并根据这些看法进行交易，你在年底时的夏普比率大约为1，这对于14个名字来说相当不错，对吧？这意味着可预测性很小。在这种情况下，1%是人们所称的IC [信息系数]，你的看法与第二天回报之间的相关性在年底时得到了相当不错的结果。

它还告诉你有大量的噪音，对吧？所以如果你想想，假设我们三个人都同意……我们有一个水晶球，我们确实知道有一个人，观点和回报之间的相关性是1%。我们观察了一年的回报，并且观察了整整一百年。平均夏普比率将是1，但有些年份会很低，因为你知道，在90%的情况下你没有预测到，你可能在某一年运气不好，最终夏普比率为0。有些年份你运气很好，最终夏普比率为2。因此，实际回报和实际夏普比率有很大的变动。

所以你不知道真实的夏普比率是什么。你只观察到实际的夏普比率。因此，如果你根据实际的夏普比率进行分配，你主要是在基于噪音进行分配，尤其是如果你只在短时间内这样做，对吧？所以你想要开始的方式是说，‘看，我将忽略过去的回报，进行等风险分配。’这本质上和说，‘我将假设你们两个人有相同的信息比率，相同的夏普比率。’因为我不知道它是什么，对吧？这有点像贝叶斯统计的东西，对吧？然后我会偏离这个等风险的基准，以学习，不是更多关于你的回报，而是驱动这些回报的因素。

所以随着时间的推移，我可能会观察到，实际上，结果是你们中的一个人在思考收益的边际部分上非常出色，对吧？而在那些有很多空间思考差异和观点的名字中，你恰好表现得很好，对吧？而你知道，其他人可能在产品问题上有很高的专业知识，对吧？某个产品在特定领域会成功还是不会成功，对吧？我收集关于这些东西的数据。所以让我给你一个例子。

假设你告诉我，我的观点和回报之间产生1%的相关性是因为我擅长预测意外，对吧？盈利意外。好的，你告诉我你可以以10%的相关性预测意外。所以每当你对40个名字有预测时，它们与实际意外的相关性是10%。所以这并没有好多少，因为如果我收集关于你盈利预测而不是回报的数据，我可以将10%与零区分开，这比1%与零要好得多，对吧？

第二件事是，我知道回报与盈利意外的相关性大约是10%。为了明确，我可以用大量数据做到这一点，我可以回溯时间，考虑每只股票在过去50年中回报与盈利意外的相关性，对吧？这些是传递的。所以如果你以10%预测盈利，而回报与盈利意外的相关性是10%，你就得到了你所寻找的1%。但我可以查看你的盈利并进行更好的分析，因为这些与实际盈利的相关性是10%。这有道理吗？所以随着时间的推移，我可以更好地理解你的投资，驱动这些回报的基本因素。

**乔 (47:05):**这似乎是整个对话中的一个非常重要的主题，越能理解事物为何运作，许多其他决策就变得越容易。好吧，我还有一个最后的问题要问你。假设我们有一些大学生偶尔听《奇怪的交易》。我是一名大一新生，我对金融感兴趣。这听起来像是一个有趣的职业。我想有一天为一家多策略对冲基金赚很多钱。作为一名大一或大二的学生，我现在能做出的最佳决定是什么，以最有可能为我打开未来在这个职业中的某扇门？

**丹 (47:42):**是的，这是个好问题。我们有一个实习项目，所以我们经常被问到这个问题。我想说两件事。第一，你需要对数据部分有一定的兴趣和能力，对吧？这些工作都是关于“我是否理解这些数据，它们告诉我关于这些公司的什么”，对吧？所以，无论是我覆盖消费品公司，还是我在查看信用卡数据，思考秋天的颜色是什么，以及我如何获得关于哪个颜色将是重要的、我正在进行的是什么类型的数据等等。你需要进行大量的数据分析，你必须既擅长这项工作，又真的喜欢它，因为这将成为你的日常工作，对吧？

第二件事是你必须愿意理解这份工作的某种枯燥性，对吧？想象预测事物并可能赚很多钱听起来真的很令人兴奋，但现实是，日常工作可能有点乏味，对吧？你覆盖这40个公司，每年都是这40个公司，对吧？你在听每一次电话会议，听每一次财报公告，寻找微小的差异。就像，“嗯，你知道，上次他们描述他们正在开发的特定产品的性质是这样的。现在稍微不同地描述，我想知道这是否意味着他们的战略有什么变化。”所以有一种——一位顶级合伙人用“煤矿”这个词来形容，对吧？这可能会有点乏味，对吧？

**特雷西 (49:06):**在多策略的矿井中。

**丹 (49:07):**没错。这并不是早上我出现时有个想法，然后我赚了一大笔钱的所有兴奋。

**乔 (49:13):**我看着一条线上下波动。

**丹 (49:14):**没错，是的。

**特雷西 (49:15):**等一下，谈到辛苦和实习生，未来会有一个情况——我知道你之前谈到人因素的重要性——但你能否将重点转向更多的人工智能驱动？

**乔 (49:29):**哦，特雷西，你偷走了，这本来是我另一个我不会提到的事情。

**特雷西 (49:32):**好吧，因为我在想量化…

**丹 (49:33):**我很乐意谈谈人工智能的事情。

**特雷西 (49:35):**量化基金是机器学习的最初用户之一，或者说是最早的主要用户之一。所以他们似乎自然会使用更多的人工智能来发现潜在的模式或潜在的重大变动催化剂。

**乔 (49:49):**告诉我们人工智能中什么是真实的，什么是虚假的。

**丹 (49:51):**是的，总是有一种混合。但在我们具体谈到人工智能之前，我想说点什么。这种工作总是有点像军备竞赛，对吧？这意味着，20年前让你赚钱的事情，20年前，你可能是一个分析师，发现为了理解特定的，比如说，零售公司，你可以去查看脚注，看看你是拥有还是租赁你销售T恤的零售空间。这可能会有一些影响，对吧？这取决于你的融资方式以及这对你意味着什么等等。就像早期的数据工作，对吧？

你现在不这样做。你现在不这样做的原因是因为所有这些都在一个每个人都可以机械地查看的数据库中，对吧？所以有这种… 你需要在数据和分析方面变得越来越复杂，而人工智能在这个方向上算是又一步，对吧？所以我并不认为这与这种不断演变、始终在理解公司方面变得更加复杂的过程有本质上的不同，对吧？

我想说的关于人工智能的一件事是，至少到目前为止，如果你考虑人工智能是如何训练的，你给它提供所有这些文本，基本上大部分来自互联网，而它试图做的工作是预测一个问题的最可能答案或某个提示后最可能出现的内容，对吧？这基本上就是你在做的事情。这意味着，根据定义，如果你问它，“嘿，X公司有什么不同？”根据定义，它会告诉你大家认为X公司不同的地方，这意味着它实际上并不是不同的东西。也就是说，你得到的是共识，对吧？

因此，这在你考虑以多种方式进行数据分析时可能非常有用。我们在公司内部有很多对人工智能工作的投资，但这并不意味着假设人工智能会对公司有洞察，因为它是根据事物的平均值进行训练的，这在定义上是这样的，对吧？所以，从它帮助我总结或潜在地澄清人们在谈论什么主题的这一步——你可能能够用它做很多事情——但这与跳到“因此这是与其他人观点不同的地方”并不完全相同。这有道理吗？

**乔 (52:00):**是的，绝对如此。

**特雷西 (52:00):**丹，非常感谢你来参加 奇怪的交易。这太棒了。你完美地解释了数学，所以谢谢你。

**乔 (52:06):**这太惊人了。丹的数学。是的，真的很棒。这感觉像是有一百万个问题，而你非常愿意和我们一起逐一解决，所以感谢你来参加。

**丹 (52:16):**谢谢。

**特雷西 (52:30):**乔。这很有趣。

**乔 (52:31):**这太有趣了。

**特雷西 (52:32):**我喜欢谈论数学和多策略基金。

**乔 (52:35):**丹的数学。

**特雷西 (52:35):**是的，丹的数学。所以这里有一些要点。我真的很喜欢这个强调，这之前提到过，但人群效应对个别经理来说不一定是坏事，因为你想要做的是识别出那个能让大家涌入的催化剂。

**乔 (52:54):**我喜欢他说人群效应是你获得报酬的方式。最终你只想在拥挤之前就在那里。但拥挤最终是带来薪水的。

**特雷西 (53:03):**对。那么，这可能对整体市场产生不太理想的影响吗？我的意思是，我有点理解，如果你有一堆只做多的基金在某个东西上，然后发生了不好的事情，他们都会撤退，这就像多策略基金涌入的同样效果。但在我观察最近几年的市场时，确实感觉到你会看到这些更短更尖锐的转折点或反应。

**乔 (53:30):**完全正确。我从那次谈话中学到了很多东西。我觉得那真是太棒了。我们关于这个话题的所有谈话都很好。但能和一个基金的实际创始人交谈，我觉得很棒。他一直回到一个大的概念，那就是，你越能知道某件事情为什么有效，就越好。我觉得我在共同主持《Odd Lots》这份工作上做得不错。我觉得你也是。

**特雷西 (53:54):**哦，谢谢你，乔…

**乔 (53:55):**但我确实认为，我知道其他人也在他们的工作上做得很好，但能够清楚地表达你为什么在你的工作上做得好，并且能够证明你为什么在你的工作上做得好，这一点…

**特雷西 (54:06):**为什么你不是运气好。

**乔 (54:07):**是的。为什么这不是运气，为什么你能够识别出像“哦，我非常擅长识别盈利惊喜”这样的事情。撇开我是否擅长选股的问题，这是一种非常有趣的思考方式。就像，“好吧，我们知道盈利惊喜与股票表现是相关的。如果我能证明我在X方面做得很好，那么我可能能证明我在选股方面也做得很好。”这真的很有趣。我喜欢听关于为什么你想避免经理之间的相关性以及这种影响有多强大，以及你需要多少个小组才能达到最佳效果的数学方面的内容。太多好东西了。关于薪酬的部分非常有趣。

**特雷西 (54:46):**嗯，我确实认为一般来说，一个好的生活建议是，尽早识别你的比较优势，对吧？并且发挥它。比如，弄清楚你擅长什么，以及你为什么擅长。这在你职业生涯的早期是一个非常好的事情。

**乔 (55:03):**你知道，我在职业生涯早期就发现我在新闻界的一个竞争优势是早上4点起床，比其他人早。而现在我每年花费数千美元在治疗上，以便让我自己多睡一点。所以，根据你识别的事情，确实有一些缺点。

**特雷西 (55:22):**好了，大家停止问乔，或者停止告诉乔他错过了什么，因为这只会加重这个问题。好吧，我们就到这里吧？

**乔 (55:30):**我们就到这里吧。