#159 – Richard Craib: WallStreetBets, Numerai, and the Future of Stock Trading

好的，这是根据您提供的播客文字稿和指令生成的分析报告。

本期速览

本期嘉宾是 Numerai 创始人 Richard Craib，他与主持人 Lex Fridman 探讨了 WallStreetBets 事件、分布式协作的力量，以及 Numerai 如何通过众包 AI 模型和加密货币质押机制，试图颠覆传统对冲基金行业。Richard Craib 认为，WallStreetBets 成功的关键在于它找到了一个“正和游戏”（positive-sum game）——通过逼空（short squeeze）让做空的对冲基金被迫买入，从而让整个群体获利，这与单纯制造泡沫的零和游戏有本质区别。

分布式协作的奇迹：WallStreetBets 的机制与风险

Richard Craib 认为，WallStreetBets 的成功并非偶然，而是其独特的激励机制和“正和游戏”结构共同作用的结果。

• 机制拆解：Craib 指出，匿名用户在缺乏可信合约的情况下实现大规模协调，依靠的是社区内的“信誉”体系。例如，用户“DeepFuckingValue”通过发布真实的交易截图和过往的成功预测，积累了“Karma”（社区声望），从而使其号召具有可信度。这形成了一个“信息整合”的过程，个体用户通过观察这些信号，判断出“有大事发生”，然后纷纷加入。
• 正和游戏：Craib 强调，WallStreetBets 的聪明之处在于选择了高做空比例的股票（如 GameStop）。这与制造一个“西瓜泡沫”（零和游戏，价格终将回落）不同，逼空是一个正和游戏。因为做空者（对冲基金）面临无限亏损风险，当股价上涨时，他们被迫买入平仓，这进一步推高股价，使得整个做多群体（Reddit 用户）整体获利。
• 风险与不确定性：Craib 承认这种分布式力量的可怕之处。他将其与“占领华尔街”运动对比，认为后者是“真诚的”，而 WallStreetBets 则带有“虚无主义”和“YOLO”色彩，因此更令人恐惧。他提出，这种力量可以被用于攻击好人，且群体中的道德声音容易被淹没。他引用了一个对冲基金经理的例子，该经理声称自己有能力做某些交易但选择不做，因为会“搞砸事情”，而 Reddit 大军显然不会有这种顾虑。

Numerai 的颠覆性：数据开源与质押机制

Richard Craib 认为，Numerai 通过“开源数据”和“加密货币质押”两大创新，解决了传统量化对冲基金的人才和数据瓶颈，并实现了完美的利益对齐。

• 数据开源：Craib 解释，Numerai 将来自昂贵数据供应商的股票数据（如 PE 比率、一年动量等）进行混淆和匿名化处理，变成数百万行 0 到 1 之间的数字，然后免费提供给全球任何人。这使得那些有才华但买不起数据的个人数据科学家，也能参与构建量化模型。
• 质押（Staking）机制：用户无需上传模型代码，只需提交预测结果，并用 Numerai 的加密货币 NMR 进行质押。如果模型表现好，用户获得 NMR 奖励；如果表现差，其质押的 NMR 会被销毁。Craib 强调，销毁的 NMR 不会流向 Numerai，这确保了双方利益完全一致，而非零和博弈。这解决了匿名协作中的“可信承诺”问题。
• 推演与验证：Craib 认为，Numerai 的终极目标是“管理世界上所有的钱”。其路径是每年将数据量扩大 10 倍，并通过“Numerai Signals”功能，允许用户使用自己的任何数据集（如从 WallStreetBets 抓取的情绪数据）生成信号，从而不断吸收“边缘数据”和“怪异数据”。一个关键的验证信号是：当 Numerai 用户的质押总额超过 Craib 本人在基金中的投资额时，他就能睡个好觉，因为这证明系统已经足够强大和可信。

量化投资的“反直觉”原则与 AI 的未来

Richard Craib 指出，在金融数据上应用机器学习，一个关键的反直觉原则是“降低对最强特征的暴露”，这与计算机视觉等领域的做法截然相反。

• 机制拆解：Craib 解释，金融数据是非平稳时间序列，过去最强的模式（如“投资科技股”）在未来可能失效甚至带来灾难。因此，一个优秀的模型不是去最大化对某个特征的暴露，而是中性化或最小化这种暴露，以提高模型的泛化能力，避免过拟合于历史。
• 推演：Craib 认为，在通用人工智能（AGI）摧毁世界之前，一个狭义的人工智能（Narrow AI） 将先赢得股票市场上的所有钱。他正在构建 Numerai，以确保这个“狭义 AI”使用的是他们的数据。他引用与文艺复兴科技（Renaissance Technologies）CEO 的对话，对方认为 AI 在金融领域作用有限，但 Craib 认为这恰恰证明了该领域的挑战性，并指出同一天 AlphaGo 击败了人类棋手。

提及的标的

标的	嘉宾态度	关键数据
GameStop	案例分析（看好其逼空机制）	做空比例超过其流通股（shorted more than its own float）；股价在一天内翻倍。
BlackBerry	风险提示（被作为逼空标的）	股价在一天内上涨 100%。
Tesla	持有观察（作为 Numerai 的多头仓位）	Numerai 确实买入了 Tesla，并认为其扮演了“微小”的推动角色。
Dogecoin	中性（作为 meme 现象讨论）	其成功与 Elon Musk 的推文和互联网上的“玩笑”传播机制高度相关。

值得记住的判断

1. “正和游戏”是 WallStreetBets 成功的关键：Richard Craib 认为，与制造泡沫的零和游戏不同，逼空是一个正和游戏，因为做空者被迫买入平仓，使得整个做多群体整体获利。

2. 金融数据建模的反直觉原则：降低对最强特征的暴露：Richard Craib 指出，在金融领域，模型不应像在计算机视觉中那样去强化最强的特征（如“科技股”），而应中性化或最小化这种暴露，以提高泛化能力。

3. Numerai 的质押机制解决了匿名协作的“可信承诺”问题：Richard Craib 解释，通过让用户用加密货币为自己的预测下注，表现差则销毁代币，这比 Reddit 上的截图和 Karma 更可靠，实现了利益的完美对齐。

4. “在 AGI 摧毁世界之前，一个狭义 AI 将赢得股票市场上所有的钱”：Richard Craib 认为，金融预测是 AI 最可能率先攻克的复杂领域之一，而 Numerai 的目标就是成为这个“狭义 AI”所使用的平台。

5. 对冲基金是必要的，但“邪恶做空”和“温和做空”有本质区别：Richard Craib 区分了两种做空：一种是像 Melvin Capital 那样重仓做空并试图通过媒体打压公司；另一种是像 Numerai 那样，通过持有数百个多空仓位来对冲市场风险，从而能更安全地做多像 Tesla 这样的公司。

6. “不要创办一家公司，除非你准备好把它当作一生的事业”：Richard Craib 建议年轻人不要抱着“休学一学期卖掉公司”的想法创业，而应该对某个想法极度痴迷，并愿意投入数年时间。

7. 在量化基金或大公司工作是一种“带薪学习”：Richard Craib 认为，在像 Google 或量化基金这样的地方工作，可以免费学习并探索不同领域的交叉点（如加密、量化金融、机器学习），这是创业前极佳的知识积累阶段。

8. “玩真的”（Play the real game）是创业成功的关键：Richard Craib 建议创业者不要为了显得“低风险”而淡化自己的乐观和野心，应该大胆说出自己真正想实现的目标，这样才能吸引到最优秀的人才。