系列引言：揭开量化投资的神秘面纱
当华尔街的高频交易以纳秒级速度执行，当 AI 模型在毫秒间解析数万条市场数据，量化投资早已从学术公式演变为金融市场的 "暗物质"。但对普通投资者而言，它仍是一个充斥着 "黑箱策略""因子模型" 等术语的神秘领域 —— 甚至身处行业内的从业者，也因高保密性而存在认知盲区。
这套「量化史书系列」将从百年历史脉络切入，拆解理论与技术的迭代逻辑：从数学家在黑板上推导布朗运动，到超级计算机驱动的万亿级资管规模，量化投资如何一步步重塑金融世界？
早期思想启蒙：当数学遇上金融（1900-1950s）
[图片]
随机游走的雏形：被遗忘的数学天才与先驱者
1900 年，法国数学家路易・巴舍利耶在博士论文《投机理论》中做了一个大胆尝试：用布朗运动模型描述股价波动，并推导出最早的期权定价公式。这一超前理论首次提出 "资产价格随机波动"，却因过于超前被学术界冷落半个世纪。
几乎同一时期，1863 年儒勒・雷尼奥（Jules Regnault）也提出股价可能遵循随机游走，为概率论和统计学应用于金融市场奠定了概念基础 —— 尽管这些思想当时仅停留在学术层面，却埋下了量化思维的种子。
价值投资的量化雏形：格雷厄姆、威廉姆斯与数据先驱
1934 年，本杰明・格雷厄姆在《证券分析》中首次将 "价值标准" 量化 —— 用盈利、账面价值等指标筛选被低估公司，这套方法深刻影响了巴菲特的早期投资逻辑。1938 年，约翰・伯尔・威廉姆斯提出股利贴现模型（DDM），用未来股利现值为股票估值，奠定量化估值的数学基础。
[图片]
同期，考尔斯委员会（Cowles Commission）践行 "科学即测量" 的理念，系统收集股市数据并创建广泛的股票指数（后出售给标准普尔），为市场行为的实证分析提供了数据土壤。
现代投资组合理论：马科维茨与对冲基金的诞生
1952 年，哈里・马科维茨发表《投资组合选择》，用 "均值 - 方差" 框架量化分散投资的魔力：通过计算资产收益的协方差，证明 "持有多只股票可降低组合风险"。这一理论首次将数学工具系统引入投资领域，为指数基金和分散化投资奠定理论基石。
[图片]
1949 年，美国社会学家 Alfred Jones 创立现代意义的对冲基金，制定 "2% 管理费 + 20% 超额收益" 的收费标准 —— 这一模式沿用至今，成为行业主流。
金融模型与市场理论革新（1960-1970s）
[图片]
CAPM 模型：夏普、特雷诺与风险收益的量化革命
1964 年，威廉・夏普提出资本资产定价模型（CAPM），用单一因子 "贝塔（β）" 衡量证券对市场波动的敏感性。模型核心观点 "高收益源于高风险" 至今仍是投资界的底层逻辑，而夏普比率（风险调整后收益）更成为衡量基金业绩的黄金标准。
同期，杰克・特雷诺（Jack Treynor）等学者进一步发展相关理论，共同构建了风险与收益量化分析的基础框架。
有效市场假说：法玛与被动投资的兴起
1970 年，尤金・法玛完善 "有效市场假说（EMH）"，提出资产价格已充分反映所有信息，主动选股难以战胜市场。这一理论直接催生了指数基金 ——1973 年，富国银行推出首批跟踪标普 500 的指数基金，受法玛与伯顿・马尔基尔《漫步华尔街》的影响，业界开始接受 "跑赢市场极其困难" 的观点。
衍生品定价革命：BSM 模型与宽客时代的降临
1973 年，费雪・布莱克、迈伦・斯科尔斯与罗伯特・默顿发表期权定价模型（BSM），用随机微分方程解决欧式期权定价难题。尽管交易员此前已通过经验实现近似定价，但 BSM 模型首次提供了严谨的数学框架。
纳西姆・塔勒布在著作中多次提及 "交易员实践对 BSM 模型的启发"，伊曼纽尔・德曼在《宽客人生》中也回忆了与布莱克合作时对实践经验的借鉴。这一模型确立了 "宽客" 在华尔街的核心地位，物理学家因擅长解偏微分方程成为衍生品定价的稀缺人才。
[图片]
技术基石：CRSP、DOT 与 COBOL 的金融启蒙
1960 年代，芝加哥大学建立证券价格研究中心（CRSP），首次系统汇编历史股票数据；1970 年代，纽约证券交易所引入 DOT 电子交易系统，交易效率从 "人工喊价" 迈向 "算法执行"。
值得一提的是，1960-1970 年代 COBOL 语言进入金融机构，成为信息化的第一代工具。直至近年疫情期间，美国政府因失业保险系统需求紧急招募 COBOL 程序员，可见其对金融数据稳定性的深远影响。
[图片]
下一篇预告：量化基金如何掀起华尔街革命？
从学术公式到真实市场，量化投资的理论火种已准备点燃实践烈焰。1980 年代，西蒙斯的文艺复兴科技、索普的普林斯顿 / 纽波特合伙公司如何用 "黑箱策略" 征服市场？当计算机开始主导交易，1987 年 "黑色星期一" 又暴露了哪些致命风险？
关注后续更新，解锁量化基金崛起的神秘往事 ⬇️