量化之王德劭創辦人大衛蕭（David Shaw)

德劭集團（DE Shaw &）

量化投資始祖之一

德劭集團（DE Shaw & Co., LP）以開發複雜的數學模型和電腦程式來利用金融市場的異常現象而聞名。截至 2026 年初，管理資產超過 850 億美元，其中包括另類投資和長期策略。

量化之王德劭創辦人大衛蕭（David Shaw)目前已不介入德劭集團（DE Shaw & Co., LP）的日常營運。

金融業務服務範圍

公司管理多種投資基金，這些基金廣泛運用定量方法和專有計算技術支援基礎研究。也運用質性分析法，對科技、風能、房地產、金融服務公司以及陷入困境的公司進行私募股權投資。 德劭集團也曾為科技相關企業提供私募股權資本。

神秘的演算法

公司對其專有的交易演算法進行了嚴密的保護，外人很難得知公司詳細的運作方式。其早期員工大多是科學家、數學家和電腦程式設計師。

捲入隱私誹謗案

也由於公司對其專有的交易演算法進行了嚴密的保護。自 2020 年以來，該公司連續多年面臨法律問題，包括因誹謗前員工而被追究責任，以及被美國證券交易委員會指控違反舉報人保護法。

大衛．蕭（David Shaw)

快速簡介

1988年，大衛．蕭（David Shaw)創立了對沖基金公司德劭集團（D.E. Shaw & Co.），該公司曾被《財富》雜誌譽為「華爾街最引人入勝、最神秘的力量」。大衛．蕭（David Shaw)曾是哥倫比亞大學電腦科學系的助理教授，透過挖掘金融市場的低效性而累積了巨額財富。 1996年，《財星》雜誌稱他為「量化之王」。

早期生活

大衛．蕭（David Shaw)的繼父歐文‧普費弗是加州大學洛杉磯分校的金融學教授，是支持有效市場假說的論文作者，大衛．蕭（David Shaw)的早期金融知識受其影響很深。大衛．蕭（David Shaw)以最優等成績畢業於加州大學聖地牙哥分校，獲得數學與應用物理與資訊科學雙學士學位。1980年獲得史丹佛大學理學碩士和博士學位，隨後成為哥倫比亞大學計算機科學系的助理教授。在哥倫比亞大學期間，他利用NON-VON超級電腦進行大規模平行計算研究。

投資成績

大衛．蕭（David Shaw)的旗艦交易方案自從1989年創立以來，始終穩定獲利。在這段長達11年的期間，這個方案創造的平均複利年報酬為22%(扣除所有費用的淨報酬)，而且風險受到嚴格控制。整段操作期間，交易方案的帳戶淨值從峰位到月底低點的最大耗損為11%，不僅幅度相對有限，而且也在4個月内就完全扳回。

大衛．蕭的演算法

外界猜測的交易方式

根據大衛．蕭（David Shaw)極少數的受訪內容，《股市金融怪傑》（Stock Market Wizards）一書的作者傑克．史瓦格（Jack D. Schwager）猜測整理某些複雜元素讓蕭的交易方法跟簡單統計套利策略如配對交易有所差異。以下列出部分可能是大衛．蕭（David Shaw)的交易方式的重要元素:

• 交易訊號來自於二十幾種不同的預測技巧，並非仰賴單一方法。
• 這些方法的精密程度，可能遠遠超越配對交易。儘管這些策略的核心就跟配對交易一樣，都是著眼於相關證券之間的價格背離現象;但是，其中的數學結構可能 同時分析許多證券之間的相互關係，而不是單純分析兩種證券。
• 相關策略納入全球股票市場，不僅限於美國股票。
• 策略除了考慮股票，還納入其他的股票相關工具，包括認股權證、選擇權、可轉換債券等等。
• 為了達成投資組合的平衡，相對減低大盤價格趨勢所造成的影響，部位規模可能必須根據每種證券不同的價格波動率，以及投資組合中成分股之間的相關性而進行調整。
• 調整投資組合的平衡，目的除了排除大盤價格走勢的影響，同時還為了降低外匯價格波動與利率走勢的影響。
• 進場與出場策略將交易成本減到最低。
• 所有的策略與模型都即時監控。每一個元素的任何變動，都可能對其他因素造成影響。舉例來說，當其中一種預測技術發出訊號，指示策略買進某一組證券，同 時賣出另一組證券，這時候整個投資組合就必須再平衡。
• 交易模型是動態的——換言之，需要隨著市況變動而調整，可能需要因此捨棄或修正某些預測技術，或引進其他的新技巧。

至於前文的描述有多少成分符合現實，外人永遠不會知道。可是，上列舉的這些元素，應該多少可以讓我們大略瞭解大衛．蕭（David Shaw)所採用的交易方法。

蕭的方法不適合散戶

大衛．蕭（David Shaw)採用的交易方法，需要引用高度複雜的數學模型、龐大的電腦功能，還需要一群 專業交易員持續監視世界各地的市場，讓許多交易在瞬間之內同時完成，而且必須嚴格 控制交易成本;所有這一切，顯然都超出一般投資人的能力範圍。可是，這篇訪問談到一個適用於個人投資者的概念:某些型態(也就是大衛．蕭（David Shaw)所謂的「市場無效率現象」)本身或許 無法有效交易，但如果結合其他形態，則可能成為具有獲利能力的策略。雖然大衛．蕭（David Shaw)不認同價格型態與傳統技術指標的功能，但這個相對應的概念仍然成立:理論上，價格型態或 技術指標的結合，可能產生有用的交易模型，儘管這些個別成分單獨使用時並不具效益。

這種綜效(synergistic effect)概念也適用於基本面因素。舉例來說，研究者可能測試十種不同的基本面因素，發現任何一個都不值得作為有效的價格指標。這是否意味著這些基本面因素真的全然無用呢?當然不是。雖然每個單一因素都不足以成為有用的預測因子，但某些因素彼此結合之後，很可能就變成有效的價格指標。

一般人容易犯下的謬誤

如果交易者想要開發系統性方法，或某種由電腦搜尋型態作為訊號的交易方法，就必須留意資料探勘(data mining)的問題所謂資料探勘，就是透過電腦反覆搜尋資料，測試數以百萬計的輸入變數組合，試圖從中找到某些具備獲利功能的型態。由此產生的交易模型(或交易系統)看起來很理想，實際上卻可能沒有預測能力，一旦運用於現實交易，往往造成嚴重虧損。

為什麼?因為即使是隨機資料，你也可能找到形態。舉例來說，假設你投擲100萬個公正銅板，每一個都連續投擲10次，則平均大約有977個銅板會連續10次都出現正面。如果你因此認為這些銅板未來出現正面的機率比較高，那就未免太愚蠢了。可是，很多系統開發者針對價格資料測試某些變數組合時，就會犯下這類單純的推理謬誤，以為根據這些變數組合進行交易將會享有勝算。對於任何交易系統，只要針對足夠多的 變數組合進行測試，總會遇到某些純屬巧合而看似可獲利的型態。就像你只要投擲足夠數量的銅板，總會有某些銅板每次投擲都出現正面。

大衛．蕭（David Shaw)認為，要避免這類問題，就必須「先設定假設」，然後針對該假設進行檢定，運用嚴格的統計方法評估結果的有效性。

其它重要成就

金融之外的事業

除了核心的交易事業之外，大衛．蕭（David Shaw)的機構也扶植 與開拓許多其他事業，其中最著名的可能是朱諾線上服務(Juno Online Services)，這是僅次於美國線上(AOL)的全球第二大撥接式網際網路服務公司。朱諾是1995年五月成立的上市公司，。D.E. Shaw 集團也成立了一家金融科技公司 Desoft，後來透過併購交易賣給美林公司，這也是美林證券拓展線上交易服務的關鍵步驟。D.E. Shaw 集團成立的其他事業，還包括線上經紀公司 FarSight、造市商 D.E. Shaw 金融產品公司等等，後來都陸續出售。

除了扶植許多成功的新事業之外，D.E. Shaw 集團也為薛丁格公司(Schrödinger Inc.，大衛．蕭（David Shaw)是該公司的董事長)與分子模擬公司(Molecular Simulations Inc.)提供創投資 金，這兩家公司都是發展計算化學(computational chemistry)軟體的領導業者。這些投資顯示了蕭的堅定信念:新藥品與新物料的設計重心已經逐漸從實驗室移向電腦平台。 大衛．蕭（David Shaw)預測電腦的軟、硬體開發將會顯著加速新藥品的開發，而他希望自己能夠參與這項劃。

貝佐斯在德邵時想出電子書店

傑夫．貝佐斯（Jeff Bezos）任職於 D.E. Shaw 集團期間，做過很多事情，他負責的最後一項工作， 是和我合作規劃各種科技相關的創業構想。我們得到的構想之一，就是創立一家全球電子書店。我們發現了一份電子目錄，裡面是上百萬本可以向大型書籍經銷
商英格朗(Ingram’s)訂購的書籍。傑夫和我於是做了粗略的估計，發現這樣的新 創並不需要投入規模太大的資金。雖然我們兩個人當時都沒有料想到這樣的事業 能夠達到多大的成果，但我們的確認為那是可行的。事情還沒有多大進展之前， 有一天，傑夫要求和我談一談。我們一起走到中央公園，他告訴我，他已經深深著迷於創業，想要獨自實現我們之前談到的那一個創業構想，於是來問我的意見。 你有什麼反應?

我告訴他，我真的很不希望他離開，讓他知道我非常肯定他對 D.E. Shaw 集團的 重大貢獻，更強調我十分看好他在公司的發展。可是，我同時也告訴他，我也曾 經在某個時候做出和他相同的決定，所以我完全瞭解他想要自己創業的想法，而且也不打算勸阻他。我向他保證，由於我們並沒有花太多時間談論電子書店的構 想，所以我並不反對他單獨實現這個構想。我還告訴他，我們將來或許會，也或 許不會和他競爭，他則表示這樣很公平。

傑夫的離職相當和睦，當他完成亞馬遜第一套系統測試版時，他還邀請我和公司 其他同事協助他進行測試。一直到我真的使用這個測試版訂購第一本書時，我才真正意識到這個構想的威力所在。傑夫還在我的公司時，雖然我們討論過電子書店的構想，但傑夫離開 D.E. Shaw 之後所做的，才是真正讓亞馬遜達成今日成就。

相關文章

• 《量化之王德劭創辦人大衛蕭（David Shaw) 》
• 《想暸解量化投資必讀，西蒙斯的《洞悉市場的人（The Man Who Solved the Market）》》
• 《有史以來最偉大的量化投資天王吉姆西蒙斯（Jim Simons）》
• 《量化投資的共通性》
• 《模仿偉大投資人是進步最快和最有效的方法》
• 《如何研究成功的投資大師？》
• 《頂尖投資大師們的生涯年化投資報酬率》
• 《投資大師約翰．梅納德．凱因斯（John Maynard Keynes）》
• 《適合入門投資人的《彼得林區選股戰略（One Up On Wall Street）》》
• 《投資人成功能否持續如何檢視？3項檢視的標準》
• 《投資人該重視的是年化投資報酬率（IRR）》
• 《為什麼巴菲特值得深入研究？》

重要聲明

• 本站內容為作者個人意見，僅供參考，本人不對文章內容、資料之正確性、看法、與即時性負任何責任，讀者請務必自行判斷。
• 對於讀者直接或間接依賴並參考本站資訊後，採取任何投資行為所導致之直接或間接損失，或因此產生之一切責任，本人均不負任何損害賠償及其他法律上之責任。