拆解最赚钱的对冲基金 Renaissance:AI Agent 能学的两件事
Source: http://x.com/i/article/2057002056788099072
100 美元投进 Medallion Fund,1988 年到 2018 年这 30 年,按净收益算变成 3.987 亿美元。
胜率 50.75%。几乎是抛硬币。
平均每笔交易盈利 0.01% 到 0.05%。一句话总结:这是金融史上最赚钱的机器。
每个做 AI Agent 量化的人都偷偷想过同一件事:能不能用 AI Agent 复制 Renaissance?
我们的答案是:不能。
但真正重要的不是这个答案。是为什么不能。
理解这个之后你会知道 AI Agent 真正能给你带来什么。这跟 Renaissance 做的事情完全不同。但对散户来说,这反而是更值得追的东西。
在这篇文章,我们想把 Renaissance 这个圣杯撕开看里面到底是什么,然后告诉你 AI Agent 在这张地图上的真实位置。如果你觉得这篇文章有用,欢迎关注 @MossAI_CN 看更多 AI Agent 量化的工程视角和方法论思考。
先简单介绍下 Renaissance
Renaissance Technologies 是 1982 年成立的一家对冲基金管理公司。创始人 Jim Simons 是数学家出身的传奇人物,拿过几何学最高奖项 Veblen Prize,做过 NSA(美国国家安全局)密码破译,后来转做学术,再后来转做量化交易。这种数学家变交易员的路径在 80 年代极少见。
公司旗下最有名的基金叫 Medallion Fund,从 1988 年开始运营。它在金融圈的地位类似交易领域的圣杯:30 年里净年化收益 39%(毛年化 66%)。这是什么概念?$100 投进去,30 年后变成约 4 亿美元。同一笔钱投进 S&P 500,30 年后只变成 $2,020。两者差距约 20 万倍。整个华尔街都想知道 Medallion 怎么做到的,但 Renaissance 几乎不公开任何细节。
更震惊的是,1993 年起 Medallion 就停止接受外部投资人的钱。2005 年最后一个外部投资人被强制买出。从此 Medallion 只对 Renaissance 自己的员工开放。Simons 自己说过原因:alpha 不可分享。
我们对 Medallion 的所有理解,主要来自记者 Gregory Zuckerman 2019 年写的书《The Man Who Solved the Market》(解决了市场的人),以及康奈尔大学 Cornell Capital Group 在 2020 年发表的分析论文。本文用到的每个数字都可以追溯到这两个来源。
这就是为什么中文圈 AI 量化讨论里反复出现 Renaissance 这个名字。它是"我们能不能用 AI 复刻最强量化"这个问题的天花板参照。
先把 Renaissance 看清楚
事实一:胜率只有 50.75%
这是 Medallion 核心交易员 Robert Mercer 在书里被记录下来的原话。Renaissance 几乎是在抛硬币。
让一个普通做合约的散户跟你讲"我胜率 50%",你会觉得他在水。但 Renaissance 把这个 50.75% 跑出了 30 年 39% 年化。
秘密在另外两个数字:每笔交易盈利 0.01% 到 0.05%。年均交易量百万级以上。
50.75% × 0.03% × 几百万笔 = 几十亿美金利润。
Renaissance 的护城河第一层就在这里:他们赚的不是大行情,是大数定律。这个生意要 work,单笔利润可以小到忽略不计,但交易速度、执行成本、滑点控制必须做到极致。
普通人对量化的想象(找一个超级公式做出超额收益)跟 Renaissance 真实做的事(在百万级微利交易上叠加资金规模和杠杆)几乎是两个行业。
事实二:1993 年起对外部彻底关闭
Medallion 不是现在你也可以买那种基金。1993 年 Simons 就停了对外募资。2005 年最后一个外部投资人被强制买出。从此 Medallion 只对 Renaissance 员工开放。
为什么?Simons 自己说过原因:alpha 不可分享。
更精确地讲:alpha 跟资金规模反向。
Medallion 这种统计套利策略的资金容量上限大概在 150 亿美元左右。超过这个规模就开始吃自己的滑点。所以 Renaissance 每年把超额收益分配给员工,把基金规模严格控制在容量天花板内。
这件事对今天做 AI Agent 量化的人非常重要:任何在小资金上 work 的 alpha 都不能简单线性放大。
一个跑 1000U 涨 30% 的 AI Agent,放进去 100 万 U 大概率亏钱。资金体量本身就是一种 alpha 杀手。
事实三:几十个 PhD 团队 + IBM Watson 直接挖人
Renaissance 不是几个天才在跑。是一整套人才密度护城河。
1993 年从 IBM Watson 实验室一次性挖了 Robert Mercer 和 Peter Brown(自然语言处理领域顶尖)。再往后陆续挖了几十个数学、物理、计算机 PhD。这些人不分工,进来就一起优化同一个核心模型。
Simons 自己后来说过:最重要的事情是有一个开放氛围,把聪明人聚在一起,让他们能彼此交流。
翻译过来:Renaissance 的 alpha 不在某个算法。是 30 年里几十个顶级头脑反复打磨同一套系统形成的。
Renaissance 的 4 个护城河
把 3 个反直觉事实展开成系统理解,Renaissance 真实的护城河是 4 层叠加:
第一层:数据 + 历史积累
Renaissance 从 1980 年代就开始收集别人不收集的数据。商品交易员的休假习惯。经济发布前后的具体价格反应。星期一的价格行为跟星期五的关联。这些数据点单独看没用,叠加几十年才形成 alpha。
散户复制不出来。等你想起来要收集这些数据,Renaissance 已经积累 30 年了。
第二层:工程基础设施 + 杠杆能力
这一层经常被中文圈讨论忽略,但它是 Renaissance 真正的引擎之一。
百万级微利交易需要的不是更聪明的策略,是极低的延迟 + 极致的执行成本控制。Renaissance 在数据中心、网络架构、执行算法上几十年的工程投入是一条独立的护城河。
但还有一件事更关键。Medallion 平均使用约 12.5 倍杠杆,系统高确信的时候可以加到 20 倍。
注意这个 12.5 倍不是散户做合约赌博的那种 12.5 倍。
散户开 50 倍杠杆是因为本金少想搏大的。Renaissance 用 12.5 倍是因为他们的 prime broker 愿意给。银行为什么愿意给?因为 Medallion 的 Sharpe 长期大于 2,破产概率算下来几乎为零。Renaissance 长达几十年没有亏损年,银行的风险敞口可控。
这构成一个普通人无法复制的循环:高 Sharpe → 银行信任 → 高杠杆 → 放大微利 → 更高净收益。
加密圈做高频的人都知道,Hyperliquid 上一个 50 毫秒的延迟差距就能让一套策略从赚钱变亏钱。Renaissance 在延迟 + 杠杆这两件事上的工程门槛对散户来说不可逾越。
第三层:人才密度
几十个 PhD 在同一个房间里盯同一个模型。每个人都拿股权,每个人都有动机让模型变得更好。
这是组织资本,不是个人能力。散户能学 Mercer 的凯利公式,学不到那个 PhD 团队在一起打磨 30 年这件事。
第四层:资本结构 + 容量锁死
Medallion 收 5% 管理费 + 44% 业绩提成,是行业最高的费率。但因为只对员工开放,所有利润都流回员工自己。这套封闭循环 + 高费率 + 容量锁死的结构本身就是一种保护。
外部资金进不来,alpha 不被稀释。员工有强烈动机长期留在公司打磨系统。
这 4 层叠加之后,Renaissance 的护城河不是单一突破能复制的。它是一个生态。
AI Agent 真的能逼近的 2 个维度
把 Renaissance 看清之后,问题变成:AI Agent 能复制其中哪部分?
诚实答案是:4 个护城河完全复制不出来。但有 2 个能力维度 AI Agent 真的把门槛拉平了。
能力一:信息处理广度
这是 AI Agent 给散户带来的最大改变。
Renaissance 用几十个 PhD 团队在做的事情,本质是把多源异构信息融合成可交易的信号。新闻情绪、链上数据、宏观数据、市场微观结构、季节性模式,全部塞进同一个决策系统。
一个普通散户做不到这件事。他打开 Twitter 看 KOL,开 Dexscreener 看链上,跳到 TradingView 看 K 线,每个 tab 之间切换的成本就足够让他错过执行窗口。
LLM 把这件事的门槛打穿了。一个 prompt 加几个工具调用就能让 agent 同时调度链上数据 + 新闻 + 价格走势 + 资金费率。广度上 AI Agent 给散户的杠杆是巨大的。
warm3snow 老师在他的《AI Agent + 量化实战》里讲过同一个观察。他列了 AI Agent 改变游戏规则的 3 个维度:信息处理广度、决策一致性、7×24 执行。这 3 个维度的总结我们完全认同。
他后来还有一句很扎心:AI Agent + 量化不是万能药,它不会让你变成 Renaissance Technologies。
这两件事不矛盾。AI Agent 在某些维度真的逼近了 Renaissance 团队级的能力。但这些维度只占 Renaissance 护城河的一部分。下面我们讲 AI Agent 永远做不到的部分。
能力二:7×24 纪律执行
加密市场永不停盘。Renaissance 用的是高度自动化的纪律执行系统。一个人类交易员撑死能盯 12 小时。一个 AI Agent 可以 24 小时不间断按既定逻辑执行。
更重要的是情绪零干扰。人类交易员连赢 10 单之后会自动放大仓位,连亏 3 单之后会犹豫止损。AI Agent 没有这种情绪偏差(它有别的偏差,下面讲)。
这两件事散户做不到,AI Agent 能做到。这是 AI Agent 真实的 alpha 来源。
AI Agent 永远做不到的 3 件事
但话讲到这里就要拐弯了。AI Agent 没办法把 Renaissance 整体复制出来。
做不到一:资金规模 alpha
Renaissance 的 alpha 跟它的资金结构深度耦合。容量锁在 150 亿美元是因为这个规模刚好够吃满统计套利的市场容量,再大就开始自损。
AI Agent 散户场景下完全没有这个问题,但这也意味着你拿不到那种规模带来的复利效应。Medallion 用 150 亿美元跑 39% 净年化 = 一年净利润几十亿美金。一个散户跑 1 万 U 即使年化 100%,年利润 1 万 U。
数学上是不同量级的生意。
更关键的是 Medallion 的 12.5 倍杠杆。散户用 AI Agent 拿不到这种系统级杠杆。你能在 Hyperliquid 上开高倍合约,但那是赌博性杠杆,不是 Renaissance 那种基于长期低破产风险的 prime broker 杠杆。
做不到二:独占数据
Renaissance 30 年积累的私有数据集就是它的护城河。今天一个跑 LLM agent 的散户用的全是公开数据:链上数据、Twitter、CoinGecko、Binance API。
公开数据上能挖到的 alpha 永远比私有数据少一个数量级。这件事不是 AI 多聪明能解决的。
做不到三:人才密度
几十个 PhD 在一起打磨同一个模型 30 年。一个散户在 Cursor 里用 Claude 写 prompt。两件事的智力密度差异远超模型能力差异。
LLM 让你接近专业级,但接近不等于专业级。Renaissance 那种级别的 alpha 来自顶级头脑反复对抗市场的几十年迭代,不是给 GPT 一个 prompt 能换来的。
那 AI Agent 给散户的真实 alpha 是什么
散户用 AI Agent 真正能拿到的 alpha 不是接近 Renaissance。是 3 件 Renaissance 不会做、对散户却致命重要的事:
真实 alpha 一:永不睡觉的纪律
Renaissance 不会做这件事。他们 30 年前就解决了。但对散户来说,最大的亏损来源就是我在睡觉时持仓,市场异动。
一个 ATR 触发的止损,人类挂单经常要等天亮起床。AI Agent 在凌晨的时候该平就平。这种纪律性带来的累积效应在加密 7×24 市场上极大。
Moss 平台上我们观察到的一个明显模式:同一套策略,让 AI Agent 跑跟让人手动跟单,回撤分布差异巨大。差的几乎全部发生在亚洲夜间时段。
真实 alpha 二:多市场跨币种覆盖
Renaissance 不会做多个 perp 市场。他们的容量决定了他们盯主流大流动性资产。
但散户场景下,多币种就是最大的 alpha 来源之一。某个时刻 BTC 在震荡,ETH 在突破,SOL 在回调,多个币种里总有 2-3 个状态适合特定策略。
让一个散户照看多个市场是反人类的。让一个 AI Agent 同时照看多个市场是基本操作。这种广度覆盖能力是 Renaissance 这种机构层级反而拿不到的散户 alpha。
真实 alpha 三:情绪隔离的执行层
散户最大的 alpha 不是赚多。是不做傻事。
连赢 5 单后不自动加杠杆。连亏 3 单后不报复性 all in。预期被打穿时按既定规则止损。这些事情人类做不到。
AI Agent 默认就有这种纪律。这件事的累积效应在 12 个月维度上比找到一个好策略重要得多。
Moss 在这张地图上的位置
讲清楚了 Renaissance 的护城河 + AI Agent 真实能做到的事之后,Moss 在做什么就比较好讲。
我们不在做 Renaissance。我们没有几十个 PhD,没有 30 年私有数据积累,没有 150 亿美元容量结构,没有 12.5 倍 prime broker 杠杆。这些是不诚实就拿不出来的护城河。
我们在做的是:让散户能用上 AI Agent 真实能做到的那几件事。
具体来讲,多个 perp 市场覆盖是为多币种 alpha 服务的。自然语言交互层是为了让用户表达自己想要的纪律。参数化部分让 LLM 的决策可复现可控,让执行延迟够低能跑实盘。
我们这套架构的核心赌注是:单一最优 agent 不存在,但一组互补的 agents 可以在不同市场状态下接力。这个赌注可能错。线上真实表现会告诉我们。
写这篇文章的原因
中文圈做 AI Agent 量化讨论的人越来越多。warm3snow 系列、Vibe-Trading、TradingAgents-CN 都是有价值的内容。但很多讨论隐含一个假设:AI Agent 路径会逼近甚至超越传统量化。
我们不同意这个假设。
Renaissance 的护城河有它存在的原因。AI Agent 真实能做到的事跟 Renaissance 做的不是同一件事。把两件事看清楚之后,散户对 AI Agent 量化的预期才会校准到正确的位置:
不要期待 39% 净年化。
你应该期待永不睡觉的纪律 + 多市场覆盖 + 情绪隔离的执行。这才是 AI Agent 量化在散户场景下真实有用的部分。
把这件事做对,比追求 Renaissance 那种数字稳健得多,也现实得多。
关于这篇文章
今天我们将会上线 Hyperliquid 交易量前 50 的热门交易对,不再局限于单一市场,同时也新增了好几个 Agent 的数据看板。另外,我们也支持自定义回测时间区间,数据从 2025 年 7 月起可自定义。
如果你想自己测一个 agent,可以到 moss.site 创建一个,从小金额开始。这篇文章里讲的几件 alpha 只有自己下场真金白银跑过才会变得显而易见。
本文为方法论分析,不构成投资建议。加密资产交易存在亏损风险。
👉
moss.site/agent