桥水达里奥的交易系统

1. 确立一个“风险中性”的基准仓位，在进行慎重的冒险时偏离这个仓位，这种做法是一种投资管理方式的起源。后来我们将这种投资管理方式称为“阿尔法叠加”，在这种方式中，消极（“贝塔”）和积极（“阿尔法”）的风险敞口是区分开来的。来自某一市场（如股票市场）的回报本身称为该市场的“贝塔”，与别人竞争而冒险押注所产生的回报称为“阿尔法”。

  例如，一些人的回报高于股市平均水平，而另一些人的回报低于股市平均水平，我们就说他们分别有正面和负面的“阿尔法”。我们用阿尔法叠加的方法提供了一种不受潜在市场表现影响的押注方式。利用这种方式对待市场让我明白，成为一个成功的投资者的要诀之一，是只对你有高度信息的投资对象进行冒险押注，并对这些对象进行充分的分散投资。

2. 我们最初只给了这一系统10%的权重，在我们表现最好的20个月里，该系统在19个月里赚了钱。在我们的信心变得更大之后，我决定去找我精选的一些熟识的投资者，说服他们给我100万美元的试验账户，运用这一策略来做投资。我知道，请求这些机构投资者投入这样相对不多的钱，将让他们难以拒绝。最初我称这一新产品为“精华5%”，因为它由我们决策规则中最好的5%组成，后来我将其改名为“纯粹阿尔法”，以表示它只包含阿尔法。因为“纯粹阿尔法”不包含任何贝塔，所以它没有随任何市场沉浮而升降的倾向。它的回报只取决于我们能在多大程度上超越竞争者。
  通过我们全新的“阿尔法叠加”方法，投资者不仅可以得到他们选择的资产类别（无论是标准普尔500股市指数、债券指数还是大宗商品）带来的收益，还能得到我们在所有类型的资产中挑选和押注产生的收益。尽管这一做法史无前例，但我们还是细致地向投资者讲解了我们的逻辑，说明它为什么事实上比传统方法安全得多。我们还向他们说明，累积性表现的预计范围如何，围绕总体表现的预计浮动范围将会有多大。在我们客户看来，这好像是一架从没试飞过的飞机模型，但从构造上看要比任何其他飞机都好得多。有没有敢于登上这架飞机的人？

  一些客户理解了这套理论，积极改变规则：其他客户或者不理解，或者他们代理的组织拒绝尝试最新的东西。坦率地说，他们中的任何人愿意尝试，都令我们惊喜。到现在，在超过26年的时间里，这种新飞机的飞行效果一如预期，在其中的23年里取得收益（其余3年只有小幅亏损），而且为我们的客户创造了对冲基金业历史上最高的收益。“纯粹阿尔法”背后的投资管理理念最终改变了对冲基金业，但从提出理念到被普遍接受，一群敬业的合作伙伴进行了很多年的学习，而且付出了艰辛的劳动。

3. 我知道经济环境的哪种变化能引起资产类别的变化，我也知道这些相关关系在几百年里基本保持不变。只有两个重大因素需要担忧：增长率和通胀率。这两者可以升也可以降，所以我发现，如果找到4种不同的投资策略，每一种适用于一个特定环境（增长率上升加通胀率上升，增长率上升加通胀率下降，以此类推），我就能创作一种资产配置组合，它足够均衡，可以在长期里表现良好，同时又不会遭受不可接受的损失。因为投资策略总是保持不变，所以几乎任何人都能使用。于是，在鲍勃和丹的帮助下，我创造了一种资产配置组合，在以后的100多年的时间里，我都可以放心地把我的信托资金投入其中。我称其为“全天候资产组合”，因为它适用于所有环境。

4. 我们在2010年的收益是史上最高的：两个“纯粹阿尔法”基金的收益率分别接近45%和28%，“全天候资产组合”的收益率接近18%。这样的业绩几乎无人能比，因为我们设计的处理和分析信息的系统表现的非常优异。比起光用我们的大脑，这些系统要有效得多。没有它们的话，我们将不得不用古老和费力的方式管理资金：努力在头脑里权衡所有市场和影响市场的因素，然后形成一个投资组合。那样的话，我们将不得不聘请和管理一大堆不同的投资经理，而由于我们不能盲目地信任他们，我们又得努力弄清楚每个人是如何决策的，这意味着要观察他们的操作及其理由，从而对他们的表现形成合理预期，还要处理不同人的个性差异问题。

5. 我们很快发现，如果把做法稍微调整一下，设立一个新的基金，让它像“纯粹阿尔法”一样管理资金，但只投资于流动性最强的市场，这样一来，我们的预期收益就将保持不变，而预期风险（即市场波动性）只会稍微上升。
  我们把这一新思路植入我们的计算机，对其进行返回测试，以观察其在所有国家、所有时期表现如何，然后向客户详细解释，以便他们深入理解背后的逻辑。尽管我喜欢人工智能并一直从中受益，但我相信，只有人才能发现这样的做法，然后让计算机运行它。正是由于这个原因，我相信正确的人彼此合作并与计算机合作，才是成功的关键。
  2010年底，我们启动了“纯粹阿尔法主要市场”，客户向其投入了150亿美元。从那时起，这一产品的收益率一直与预期一致，即约等于“纯粹阿尔法”的收益率（事实上要更好，但只是好一点点）。我们的客户很高兴。事实上，这一新产品太受欢迎了，以至到2011年，我们也不得不让它停止接受新投资。

6. 2015年1月，我们推出了十多年来第一款新产品，一个名为“最优资产组合”的基金。它结合了“阿尔法”和“贝塔”，极为适合接近零利率的全球宏观环境。这是一项巨大的成功，其规模是对冲基金业历史上最大的。

1. 我们以不同的方式得到自己的原则。有时我们通过自己的经验和反思总结出原则；有时我们从其他人，比如从父母那里接受原则；有时我们接受一整套的原则，例如宗教原则、法律框架等。因为我们有着各自不同的目标和性格，所以我们每个人都必须选择最适合自己目标和性格的原则。
2. （量化的意义）计算机能够比我做出更好的决策，因为它能处理的信息比我多很多，而且它能够不带感情地以更快的速度处理这些信息
3. 尽管几乎所有人都会估计未来和当下大同小异，但未来通常会和当下大相径庭。
4. “你最好弄明白其他时间、其他地点、其他人身上发生的事，因为如果你不这么做，你就不知道这些事情会不会发生在你身上，而且一旦发生在你身上，你将不知道如何应对。”
5. 当所有人想法都一样时（例如都相信买入“漂亮50股”包赚不赔），这一情况几乎必然会反映在价格中，而把赌注押在这上面，就有可能犯错。我还学到了，所有行为（如宽松的货币和信贷）都会产生与该行为大致相称的后果（在这个例子中是更高的通胀率），这会引起一个大体相同的反向反应（货币和信贷的收紧），以及市场的反转。当人们极度悲观时，他们就廉价甩卖，价格通常会变得非常低，同时政府不得不采取行动改善经济形势。
6. 没有任何东西是确定的：总是存在会给你造成重大损失的风险，即使在看起来最安全的押注中也是如此，所以，你最好总是假设自己没有看到全部。
7. 我发现，我能够成功的唯一途径将是：
(1).找到与我观点不同的最聪明的人，以便自己能够努力理解他们的推理。
(2).知道自己在什么时候不能有明确的意见，不急于下结论。
(3).逐步归纳永恒和普适的原则，对其进行测试，将其系统化。
(4).通过平衡风险来保持较大的回报，并降低下行波动。
8. 然而，我并不是盲从计算机的建议，而是在计算机工作的同时自己也进行分析，然后对二者的结果进行对比。当计算机的决定与我不同时，我会检查原因。大多数时候是因为我忽略了某些东西。在这些情况下，是计算机教育了我。但有时我会思考一些新的、我们的系统会忽略的标准，这时是我在教育计算机。我与计算机互相帮助。

  我们印象最深刻的教训之一发生在20世纪90年代初，当时负责交易的罗斯忘了把一位客户的钱投入交易，还是保持现金状态。等到这个错误被发现时，已经造成了几十万美元的损失。
  这是一个可怕的、代价高昂的失误，而我不能做出太激烈的反应，比如把罗斯炒了以儆效尤，告诉大家我们不能容忍错误。因为错误总是免不了的，所以这么做只会促使其他人隐藏错误，而这将导致更大、代价更高的错误。我坚信，我们应当把问题和分歧摆到桌面上，从而总结应当怎么做才能改进。于是我和罗斯合作编写了一份交易部门的“错误日志”。

　　几十年以前，诺贝尔经济学奖得主哈里·马科维茨构建了一个被广泛应用的模型，你可以把一组资产以及它们的预期回报、风险和相关性（显示这些资产在过去的表现有多高的相似度）输入该模型，然后确定一个由这些资产组成的“最优组合”。但这个模型无法告诉你改变其中任何变量所产生的渐进变化效果如何，以及如何处理这些假设的不确定性。那时我极其忧虑，如果我的假设是错的怎么办，所以我希望以一种很简单的方式理解多样化。我找到了布莱恩·戈尔德，一名刚从达特茅斯大学毕业的数学系学生，于1990年加入桥水。我请他制作了一张图表，这张图表显示了假如我渐进地增加具有不同相关性的投资，一个资产组合的波动性将如何减弱，其质量（以相对于风险的收益规模来衡量）将如何提升。我将在“经济与投资原则”中更详细地解释。

　　这个简单的图表带给我的震撼，可能就像爱因斯坦在发现E=mc2时的感觉一样：我发现如果我拥有15—20个良好的、互不相关的回报流，我就能大大降低我的风险，同时又不减少我的预期收益。这简单明了，但如果这个在纸面上行得通的理论在实践中的效果也很好的话，那将是一个重大突破。我称之为“投资的圣杯”，因为它指出了赚大钱的方法。这是我们学习过程中的又一个关键时刻。

　　我们发现的这些原则适用于所有的经营活动。无论经营宾馆、科技公司还是任何其他东西，你的业务都会产生回报流。拥有几个良好的、互不相关的回报流，要比只有一个好，而且，知道如何结合不同的回报流，要比能够选出好的回报流更有效果（不过显然你必须二者都做）。当时（而且直至现在），大多数投资经理没有明白这一点。他们管理单一资产类别的投资：股权管理者管理股权，债券管理者管理债券，等等。他们的客户给他们钱，是希望他们在收获此类资产的总体收益（例如标准普尔500股市指数）之外，还能通过押注、高估和低估特定资产的价值（例如买入比特定指数中更多的微软股票）取得一些额外收益。但同一资产类别内部的具体资产通常约有60%是相互联系的，这意味着在一半以上的情况下，这些资产的价值是一起上升或下跌的。如下图显示，如果一个股权投资经理把1 000只存在60%相关性的股票纳入自己的资产组合，与只选择5只股票的情况相比，多样性并没有高多少。如果以下图指出的方式平衡我们的押注，我们将轻松击败那些选择了相关性较高的资产组合的人。

　　我和鲍勃、丹合作，从浩繁的原始信息中总结出了最好的决策规则。规则得出后，我们就在长时间框架里对其进行返回测试，利用系统模拟，将这些规则放在过去的环境中，看看它们的共同表现将会如何。

　　结果让我们感到震撼。理论上，这种新方法将让我们的单位风险收益增长3—5倍，而我们可以根据可容忍的风险规模调节我们想要的收益规模。换言之，我们会比别人赚得多得多，同时降低因失败而出局（我以前就几乎出局）的风险。我称此为“杀手体系”，因为它既可能为我们和客户创造可以“杀死”别人的收益，也可能因我们忽略某些重要因素而“杀死”我们。

　　这一做法的成功教会了我一个原则，后来我把它应用到生活的所有方面：想要拥有很多优势，而又不暴露于不可接受的劣势之下，最稳妥的方式是做出一系列良好的、互不相关的押注，彼此平衡，相互补充。

　　虽然对这一新做法很兴奋，我们还是谨慎推进。我们最初只给了这一系统10%的权重，在我们表现最好的20个月里，该系统在19个月里赚了钱。在我们的信心变得更大之后，我决定去找我精选的一些熟识的投资者，说服他们给我100万美元的试验账户，运用这一策略来做投资。我知道，请求这些机构投资者投入这样相对不多的钱，将让他们难以拒绝。最初我称这一新产品为“精华5%”，因为它由我们决策规则中最好的5%组成，后来我将其改名为“纯粹阿尔法”，以表示它只包含阿尔法。因为“纯粹阿尔法”不包含任何贝塔，所以它没有随任何市场沉浮而升降的倾向。它的回报只取决于我们能在多大程度上超越竞争者。

　　通过我们全新的“阿尔法叠加”方法，投资者不仅可以得到他们选择的资产类别（无论是标准普尔500股市指数、债券指数还是大宗商品）带来的收益，还能得到我们在所有类型的资产中挑选和押注产生的收益。尽管这一做法史无前例，但我们还是细致地向投资者讲解了我们的逻辑，说明它为什么事实上比传统方法安全得多。我们还向他们说明，累积性表现的预计范围如何，围绕总体表现的预计浮动范围将会有多大。在我们的客户看来，这好像是一架从没试飞过的飞机模型，但从构造上看要比任何其他飞机都好得多。有没有敢于登上这架飞机的人？

　　一些客户理解了这套理论，积极改变规则；其他客户或者不理解，或者他们代理的组织拒绝尝试最新的东西。坦率地说，他们中的任何人愿意尝试，都令我们惊喜。到现在，在超过26年的时间里，这种新飞机的飞行效果一如预期，在其中的23年里取得收益（其余3年只有小幅亏损），而且为我们的客户创造了对冲基金业历史上最高的总收益。“纯粹阿尔法”背后的投资管理理念最终改变了对冲基金业，但从提出理念到被普遍接受，一群敬业的合作伙伴进行了很多年的学习，而且付出了艰辛的劳动。

1.最重要的事情并不是预知未来，而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。为了做到这一点，我必须拥有大量的经济和市场数据，以便进行分析——而我当时确实拥有这些数据。

从很早的时候起，每当我在市场上开始一笔交易，我都会把自己用来做决策的标准写下来。然后，每当我结束一笔交易，我都会回顾一下这些标准的效果怎么样。有一天我想到，如果我把这些标准转化成公式（现在更时髦的叫法是“算法”），然后用这些公式计算历史数据，我就能检测，假如把我的这些公式运用到历史交易中，效果会怎么样。实践中我是这么操作的：与往常一样，我从自己的直觉开始，但我会用合乎逻辑的方式将这些直觉表达为决策标准，然后用一种系统化的方式描述这些标准，就我在每个特定情境下会如何操作绘出一幅思维导图。然后我会用这些系统处理历史数据，观察我的决策在过去的表现如何，进而根据具体结果合理地改进这些决策规则。

我们利用能够得到的最久远的历史数据（通常超过一个世纪）检测这些系统，范围涉及所有有数据记录的国家，这让我可以很好地透视经济/市场机器在历史上是如何运行的，以及如何对其押注。这样做让我得到了教益，并引导我改进我的标准，使之成为永恒和普适的标准。一旦仔细审查完这些关系，我就能把现实中不断得到的数据输入这些系统，然后计算机就会处理这些数据，做出决策，就跟我在头脑中做的一样。 桥水最初的利率、股票、外汇和贵金属系统就是这么产生的。接着我们把这些系统合并为一个系统，以管理我们的投资组合。我们的这个系统可以对经济的主要症状进行心电图解析，当经济症状变化时，我们就改变自己的投资组合。然而，我并不是盲从计算机的建议，而是在计算机工作的同时自己也进行分析，然后对二者的结果进行对比。

2.确立一个“风险中性”的基准仓位，在进行慎重的冒险时偏离这个仓位，这种做法是一种投资管理方式的起源。后来我们将这种投资管理方式称为“阿尔法叠加”，在这种方式中，消极（“贝塔”）和积极（“阿尔法”）的风险敞口是区分开来的。来自某一市场（如股票市场）的回报本身称为该市场的“贝塔”，与别人竞争而冒险押注所产生的回报称为“阿尔法”。例如，一些人的回报高于股市平均水平，而另一些人的回报低于股市平均水平，我们就说他们分别有正面和负面的“阿尔法”。我们用阿尔法叠加的方法提供了一种不受潜在市场表现影响的押注方式。利用这种方式对待市场让我明白，成为一个成功的投资者的要诀之一，是只对你有高度信心的投资对象进行冒险押注，并对这些对象进行充分的分散投资。

3. 我在一个高度动荡的年代长大，而且学到了对付这种动荡的最好方式就是搏击弄潮、为我所用。我们使用我们的指数系统捕捉经济基本面的不断变化，同时用我们技术性的趋势跟踪过滤系统证实价格变化情况与指数系统显示的一致。当二者指向同一方向时，系统会发出一个强烈信号；当二者不一致时，信号就很微弱或者没有。但后来的事实证明，1988年几乎没有发生什么市场动荡，于是我们的技术性过滤系统给我们造成了很大损失，最终我们把1987年收益的一半多一点又弄丢了。这种滋味不好受，但这件事也教给了我们一些重要的教训，并促使我和鲍勃用更好的价值衡量与风险控制手段取代了技术性的趋势跟踪过滤系统。 直至那时，我们的系统完全是分立式的：当我们越过某个预先设定的门槛时，我们就会从完全的多头仓位转向完全的空头仓位（很像我们为世界银行服务时从债券转向现金）。但我和鲍勃在看待形势时的确信程度并不总是相同，而且，当我们这么来回转换时，高昂的交易成本也会让我们吃不消。这让鲍勃烦恼不已。我记得他总是围着办公楼一圈圈地跑步，让自己冷静下来。所以到1988年年底时，我们转而采用一种更具可变性的系统。这个系统让我们可以根据我们的信心程度决定自己押注的规模。从那时到现在，鲍勃对我们的系统做出的这些改进，以及其他改进，不断地取得回报。

4.发现“投资的圣杯” 从早期的失败经历中，我懂得了不管我在进行押注时多么有信心，我依然可能是错的，而要降低风险又不降低收益，合理的多样化是关键。如果我能打造一个充满高质量回报流，并适度多样化（意思是相互补充、相互平衡）的资产组合，我就能向客户提供一个总的资产组合收益，这比他们能从其他来源得到的收益要稳定得多、可靠得多。 几十年以前，诺贝尔经济学奖得主哈里·马科维茨构建了一个被广泛应用的模型，你可以把一组资产以及它们的预期回报、风险和相关性（显示这些资产在过去的表现有多高的相似度）输入该模型，然后确定一个由这些资产组成的“最优组合”。但这个模型无法告诉你改变其中任何变量所产生的渐进变化效果如何，以及如何处理这些假设的不确定性。那时我极其忧虑，如果我的假设是错的怎么办，所以我希望以一种很简单的方式理解多样化。我找到了布莱恩·戈尔德，一名刚从达特茅斯大学毕业的数学系学生，于1990年加入桥水。我请他制作了一张图表，这张图表显示了假如我渐进地增加具有不同相关性的投资，一个资产组合的波动性将如何减弱，其质量（以相对于风险的收益规模来衡量）将如何提升。我将在“经济与投资原则”中更详细地解释。 这个简单的图表带给我的震撼，可能就像爱因斯坦在发现E=mc2时的感觉一样：我发现如果我拥有15—20个良好的、互不相关的回报流，我就能大大降低我的风险，同时又不减少我的预期收益。这简单明了，但如果这个在纸面上行得通的理论在实践中的效果也很好的话，那将是一个重大突破。我称之为“投资的圣杯”，因为它指出了赚大钱的方法。

摘自《原则》

桥水基金旗下有两个比较出名的策略：纯阿尔法策略和全天候策略
如果为了便于理解我们在股票市场里举例，阿尔法代表个股，贝塔代表宏观面。
阿尔法策略最核心部分是挑选优质的个股从而获得超越大盘的绝对收益。
全天候策略则更注重大类资产的配置，可以包含股票、债券、黄金、大宗商品等，来获取相对稳定的贝塔收益。
达利欧的《原则》对自己过去失败的经验进行了总结、分析和进化，对于他的破产经历，我充分体会到了分散风险，资产配置的重要性，尤其在商品期货中，不能押宝在单一品种上，毕竟人的认知有时是有死角和偏差的。允许自己在交易中犯错，总结错误，找出弱点，进行改进和修正。另外风险与收益是盈亏同比的，在追求收益的同时一定要考虑风险，把风险意识放在第一位。

1.        我认为成功的关键在于，既知道如何努力追求很多东西，也知道如何正确地失败。“正确地失败”是指，能够在经历痛苦的失败的过程中吸取重要的教训，从而避免“错误地失败”，即因为失败而被踢出局。
2.        我发现我可以这么做，方法是以算法的形式把我的决策标准表达出来，而我可以把这些算法植入我的计算机。我同时运行着两套决策体系——头脑中的一套和计算机中的一套，并在此过程中发现，计算机能够比我做出更好的决策，因为它能处理的信息比我多很多，而且它能够不带感情地以更快的速度处理这些信息。
3.        这并不是学术学习：在这方面有实践经验的人告诉我农业经营的过程，我把他们告诉我的东西组织成模型，然后使用这些模型考察随着时间的推移这些不同部分之间的互动关系。对我而言，整个过程像是一部有着符合逻辑的因果关系的美丽机器。通过理解这些关系，我就能得出用来建立模型的决策规则（或者说原则）。这些早期的模型和我们现在使用的模型相去甚远。这些模型是我随手画的草图，我用当时可以利用的科技分析它们，将其转化为计算机程序。
4.        换言之，我的目标只是让自己正确——我并不关心正确的答案是不是来源于我。所以我学会了让自己保持极度开明的心态，允许其他人指出我可能疏忽的东西。我发现，我能够成功的唯一途径将是：
1）找到与我观点不同的最聪明的人，以便自己能够努力理解他们的推理。
2）知道自己在什么时候不能有明确的意见，不急于下结论。
3）逐步归纳永恒和普适的原则，对其进行测试，将其系统化。
4）通过平衡风险来保持较大的回报，并降低下行波动。
5.        最初，我似乎面临着一个“要么全得、要么全失”的选择：我或者冒很大的风险追求高回报（并有可能在此过程中一败涂地）；或者降低自己的风险，满足于取得较低的回报。但我想要的是既承受低风险也享受高回报，在探索如何使之变得可能的过程中，我学会了在面对两个你都需要但看起来相互矛盾的东西时，你需要耐心地做出选择。通过这种方式，你将摸索出如何尽最大可能让二者兼得。几乎总是存在着一条你还没有发现的有利的道路，所以你需要不断找下去，直到找到它，而不是满足于最初对你显而易见的那种选择。尽管这个过程很艰难，但我最终找到了一条鱼与熊掌兼得的道路。我称它为“投资的圣杯”，这也正是桥水成功背后的秘密。
6.        那段时间我经常引用一句话：“靠水晶球谋生的人注定要吃碎在地上的玻璃。”1979—1982年，我已经吃了足够多的碎玻璃，也懂得了最重要的事情并不是预知未来，而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。为了做到这一点，我必须拥有大量的经济和市场数据，以便进行分析——而我当时确实拥有这些数据。

1.也懂得了最重要的事情并不是预知未来，而是知道在每一个时间点上如何针对可获得的信息做出合理的回应。
说实话，预测的价值并不是很高，而且大多数做预测的人并没有在市场上赚钱……原因是没有什么是确定的，而且当一个人把所有影响未来的不同事物的可能性叠加起来，以便做出预测时，他会得出各种各样发生概率各不相同的可能性，而不会得出一个可能性很高的结果……我们相信市场变动反映经济变动，而经济变动反映在经济数据中。通过研究经济数据和市场变动的关系，我们已经归纳出精确的规则用来确认经济/市场环境中发生的重要变化，进而决定我们的投资组合。换言之，我们并不是预测经济环境中发生的变化，然后根据这些预测调整投资组合，而是在变化发生时捕捉它们，不断调整我们的投资对象，以使投资始终集中在当时表现最好的市场上。

    1. 错误日志
        印象最深刻的教训之一发生在20世纪90年代初，当时负责交易的罗斯忘了把一位客户的钱投入交易，还是保持现金状态。等到这个错误被发现时，已经造成了几十万美元的损失。
  这是一个可怕的、代价高昂的失误，而我不能做出太激烈的反应，比如把罗斯炒了以儆效尤，告诉大家我们不能容忍错误。因为错误总是免不了的，所以这么做只会促使其他人隐藏错误，而这将导致更大、代价更高的错误。我坚信，我们应当把问题和分歧摆到桌面上，从而总结应当怎么做才能改进。于是我和罗斯合作编写了一份交易部门的“错误日志”。

    2. 15条不相关现金流
        诺贝尔经济学奖得主哈里·马科维茨构建了一个被广泛应用的模型，你可以把一组资产以及它们的预期回报、风险和相关性（显示这些资产在过去的表现有多高的相似度）输入该模型，然后确定一个由这些资产组成的“最优组合”。但这个模型无法告诉你改变其中任何变量所产生的渐进变化效果如何，以及如何处理这些假设的不确定性。那时我极其忧虑，如果我的假设是错的怎么办，所以我希望以一种很简单的方式理解多样化。我找到了布莱恩·戈尔德，一名刚从达特茅斯大学毕业的数学系学生，于1990年加入桥水。我请他制作了一张图表，这张图表显示了假如我渐进地增加具有不同相关性的投资，一个资产组合的波动性将如何减弱，其质量（以相对于风险的收益规模来衡量）将如何提升。我将在“经济与投资原则”中更详细地解释。

　　这个简单的图表带给我的震撼，可能就像爱因斯坦在发现E=mc2时的感觉一样：我发现如果我拥有15—20个良好的、互不相关的回报流，我就能大大降低我的风险，同时又不减少我的预期收益。这简单明了，但如果这个在纸面上行得通的理论在实践中的效果也很好的话，那将是一个重大突破。我称之为“投资的圣杯”，因为它指出了赚大钱的方法。这是我们学习过程中的又一个关键时刻。
    3.  能人优先
我的目标只是让自己正确——我并不关心正确的答案是不是来源于我。所以我学会了让自己保持极度开明的心态，允许其他人指出我可能疏忽的东西。我发现，我能够成功的唯一途径将是：
1）找到与我观点不同的最聪明的人，以便自己能够努力理解他们的推理。
2）知道自己在什么时候不能有明确的意见，不急于下结论。
3）逐步归纳永恒和普适的原则，对其进行测试，将其系统化。
4）通过平衡风险来保持较大的回报，并降低下行波动。