西蒙斯赚钱策略的三个步骤
到1997年， 大奖章基金的员工们发现了被数据证明有效的赚钱策略， 或者说总结出了发现交易信号的三个步骤：
1、识别历史价格数据中的异常模式；2、确保异常在统计上显著， 随着时间的推移表现一致且并非随机；3、查看是否可以合理解释与之相关的价格表现。
有一阵子， 员工们押注的主要是他们可以理解的模式。 大多数异常情况是由于格、 交易量和其他市场数据之间的关联所致，或是由投资者行为及其他一些因素导致的。 持久有效的一种策略是对价格回归进行下注。 事实证明， 大约60%突然大幅上涨或下跌的产品价格会回归， 至少部分回归。 这种回归策略使得大奖章基金在波动尤其剧烈的市场中，在价格陡然变化时却还未回归的情况下获利丰厚。
到了1997年， 超过一半的由西蒙斯和他的团队发现的交易信号是不直观的， 或者是那些他们不能完全理解的。 对于那些无法通过建立合理的假设来解释的信号， 大多数量化交易公司会忽略掉， 但西蒙斯和他的团队从来不喜欢花费太多时间寻找市场现象产生的原因。 如果信号满足各种统计强度的度量标准， 西蒙斯和他的团队就愿意去押注它们， 但西蒙斯和他的团队不会相信那些荒谬的规律。
“ 用前三天的交易量除以价格变化， 这个信号可以参考， 我们会将这个数据包括在内， ” 文艺复兴科技公司的一位高管说， “ 但是我们不相信那些荒谬的规律， 例如， 股票代码开头字母是A的股票表现一定更加优异。 ”
西蒙斯和他的团队并不会主动寻找那些没有明确解释的交易， 只相信在统计上有意义的策略。 没有明显逻辑可以解释但重复发生的价格特征有一个额外的好处： 这些特征不太可能被竞争对手发现和采用， 大多数竞争对手不会接触这类交易。 布朗解释说： “ 如果是意义非常明显的信号， 早就被用于交易了。 有些信号你不理解， 但它们就在那里， 而且可能相对较强。 ”
采用只依赖数据判断和解释的交易策略会带来显而易见的风险， 现象的背后可能是毫无意义的巧合。 如果人们花足够的时间对数据进行排序， 就不难发现一些看似可以产生出色回报但实则是偶然发生的交易。
量化投资人将这种有缺陷的方法称为“ 数据的过度拟合” 。 为了凸显依赖信号的愚蠢性， 量化投资人戴维· 雷恩韦伯（ David Leinweber） 结合孟加拉国黄油年产量、 美国奶酪产量以及孟加拉国和美国的绵羊交易量对美国的股票回报率进行拟合预测， 其预测成功率达到了99%。
通常， 文艺复兴科技公司的解决方案是在交易系统中加入这种令人头疼的信号， 但是会在刚开始的时候限制分配给它们的资金。 之后研究人员开始努力了解异常现象出现的原因。 随着时间的流逝， 他们经常会发现合理的解释， 从而让大奖章基金相对那些忽视这些现象的公司拥有更大的优势。
文艺复兴科技公司最终选择寻找一些合理的信号、 一些有强有力的统计结果支持的交易信号， 以及一些看起来离奇但实际上非常可靠， 以至于不能被忽视的信号。 “ 我们会问， 这背后是否有某种合理的行为方式作为解释？ ” 几年后西蒙斯解释道。
就像天文学家使用强大的设备来持续观测银河系中是否存在异常现象一样， 文艺复兴科技公司的科学家们对计算机进行编程以监视金融市场， 持续地努力直到发现被忽视的模式和市场的异常行为为止。
一旦确定这些模式和信号是有效的， 而且公司确定了要在交易中投入多少资金， 就将信号放置到系统中， 并在没有任何干扰的情况下执行。 大奖章基金也越来越依赖其系统自主学习的策略。 这是一种机器学习方式， 输入足够多数据的计算机经过训练可以输出自己的答案。 例如， 能够持续产生盈利的策略可能会自动获得更多资金， 而无须得到任何人的批准甚至注意。
西蒙斯名言
1、模型可以降低你的风险......它会降低投资每日的恶化。老式的选股策略，有一天你感觉像个英雄，第二天你感觉像一只山羊。换种方式说，大多数情况下它是只是凭借运气，老的选股策略并不优于模型。
2、某些价格形态并非随机，但它会影响预测的结果。
3、有效市场理论在不严重低效的市场中是正确的，但我们寻找的是短期、微小的异常现象。
4、厉害的人、完善的设施以及开放的环境。让每个人基于整体表现获得大致报酬...这能够获得极大的收益。
5、很大程度上运气是我有天才名誉的原因。在早上我不会走进办公室说“今天我聪明吗？”，而是说，“今天我幸运吗？”
6、我们有三个交易标准，投资标的必须公开交易，有流动性并且服从模型，我们就交易它。
7、我们通过历史数据搜寻不被认为是随机变动的异常现象。我们的目的是要随着时间变化分析数据和市场做统计学意义和一致性测试。一旦我们找到一个，我们会随着时间推移测试它的一致性和统计学意义。我们确定它的有效性后，会问，“这符合某些方面似乎合理的行为吗？
8、趋势跟踪不是一个好的模型，它只是被简单应用。"顺应事物变化和能够进行调整是让西蒙斯先生如此成功的原因。"在未来五到十年统计预测信号将削弱。你要不断推出新的东西因为市场是对我们不利。如果你不保持越来越好，你只会更糟糕.
9、我们不要从模型开始，我们要从数据开始。我们没有任何先入为主的观念。我们寻找那些可以重复数千次的东西。收敛性交易的问题是，你没有时间尺度。你说最终都会收敛。好的，那何时是最终呢？
10、有时我们利用的现象是特殊存在的。我们喜欢合理的波动性。在我们的工作中我们希望一些行动。"波动通常对我们有好处。我们没有任何意义的信贷额度。我们不做大量的杠杆型融资。
11、我们做量化投资没有大量的基本面投资者神秘。某种程度上不那么神秘正是因为我们做什么都可以进行编程。
12、学术界有着独特的魅力，但它没有足够的魅力让我后悔离开那领域。"遵循美。我所做的一切对我而言都是审美的组成部分。建立交易证券的公司，这是美？…如果你是第一个这样做的，做正确的事情是一种很棒的感觉和美丽的东西，就像解决数学问题。
13、我们寻找那些有能力做一流研究的人。首先，我们寻找在有能力做好某方面研究的人，或者他们是在设计好程序方面的优秀计算机专家。我们有非常高的标准并让它工作。
14、寻找大量数据并真正明白形成那些数据的原因。在这个意义上，它就像天文学。你看着天空中的大量数据，你把它带下来，它是相当复杂的，所以你不得不去掉多余的东西把它简化。然后你希望你可以分析该数据，使得无论何任何方法，是自己可以明白在看什么，这就是我们所做的事情。这是我们雇用那些实验物理学家或天文学家的人的原因。
15、布朗运动是有更好机会被应用的东西。布朗运动是看数据和排序随机活动或那些看起来是随机活动的方法。这样的模型和这样的方法是非常有用的。...我们使用非常严谨的统计方法来确定我们所思考的潜在现象，并真正解释它。但这不是证明定理。"
16、我喜欢思考，通过思考得出结论是一件美妙的事情。
17、作为交易者，西蒙斯尝试克服有效市场假说，而不是一味地认同。量化投资证明，有效市场假说并非不可击败的信念。
18、文艺复兴公司基本上是用统计模型试图预测指定时间框架内金融工具的未来走势。该公司寻找那些有可利用机会的异常价格走势。在文艺复兴，它们被称为"信号"，公司建立数据化的交易模式。
19、数学和科学是两个不同的学科，两个不同的概念。从性质而言，好的数学是很直观的。实践科学真的不会这样。直觉是重要的。猜测是重要的。思考正确的实践是重要的。
20、我想要一个有足够数学知识并能有效地使用这些工具的家伙，同时他需要拥有对于工作的好奇心和足够想象力去推理。