天才之外

资料截至：2026-10-25

一个交易天才决定少做交易

上一期，我们写到Ken Griffin创立的Citadel，如何依靠研究、资本与交易执行能力，在别的基金被迫变现时接住复杂的投资组合。另一家华尔街巨头Point72走出的是不同的路线：它希望能够持续发现和培养优秀的投资人，让个人判断在一套组织体系中发挥作用。

2024年9月，路透社报道，Steve Cohen暂停了在Point72亲自管理的交易账户，将更多时间放在经营公司、战略决策和培养人才上。他仍然担任联合首席投资官，并非退出投资管理。[1]

这件事颇有象征意义。Cohen以交易成名：从Gruntal的股票交易员，到1992年以约2,000万美元起家的SAC Capital，他的名声长期与敏锐的交易判断联系在一起。但一个人能盯住的企业和行情，始终有限。当管理资本从几千万美元扩张到数百亿美元时，最稀缺的技能也许不再是亲自做对一笔交易，而是找到一批有能力的人，决定给谁多少钱，并在他们判断错误时及时控制风险。

SAC早早走向了多经理平台。它招募行业分析师、基金经理和量化团队，为他们提供研究、交易、融资和后台支持。Cohen逐渐需要管理的不只是仓位，还有人员、激励、成本与组织文化。

这段历史不能写成一路凯歌。2013年，四家SAC相关公司实体就内幕交易相关罪行认罪；2014年法院作出判决，原有对外管理业务退出。需要区分的是，公司实体的刑事认罪不等于Cohen个人因内幕交易刑事认罪。2016年，Cohen另就未合理监督下属的事项与美国SEC达成行政和解。[2] 对任何管理外部资金的机构而言，合规与监督不是锦上添花。一次严重失败，足以推翻多年积累的商业信誉。

Point72于2014年以家族办公室形式继续经营，2018年重新接受外部资本。今天回看，它最重要的转型并不只是更名或重新募资，而是努力证明：这家公司不必依赖创始人每天亲自下单，也能组织研究、承担风险并持续运转。

两百多个团队，究竟意味着什么？

截至2026年7月1日，Point72官网披露管理资产约585亿美元，员工超过3,300人，投资团队超过200个。[3] 这些数字足以说明规模，但还不能回答投资人最关心的事情：它到底能不能赚钱，尤其是扣除所有成本之后？

Point72的工具箱早已超出基本面股票多空。官方历史将量化业务的起点追溯至1994年，2003年发展全球宏观；今天，Cubist代表系统化投资，宏观团队研究利率、汇率和其他市场，基本面团队则持续研究企业。[3][4]

这套组合的直观吸引力是：不同团队不必靠同一种行情赚钱。研究公司利润的经理，可能与交易全球利率的经理抓住不同机会；系统化团队又可能在更大的证券范围内寻找重复出现的规律。

但多经理模式有一个容易被忽略的陷阱：团队越多，不代表独立判断越多。

想象200个团队各自都有一套研究报告。它们可能来自不同国家，使用不同模型，交易不同股票。但如果许多团队都在买入高估值成长股，宏观团队又押注利率下降，那么通胀意外上升时，这些投资仍可能一起受损。

所以多策略平台真正的本领，不只是招人，更是持续发现团队之间那些看不见的共同押注。它能否在顺风时避免过度扩张，在逆风时避免被迫同时减仓，比团队数量更值得研究。

Cubist、Turion：一家公司里的两种选择

Cubist是Point72的系统化投资业务。它把研究判断尽可能转化为可以反复检验的信号与规则。研究者可能不去判断一家公司的故事是否动听，而是研究盈利变化、价格行为或其他可观测信息，能否在许多公司和市场中重复提供优势。Point72披露，Cubist在2026年7月拥有超过600名成员。[4]

这种方法有规模优势，也有另一种风险：一套失效的规则，可能被计算机坚定不移地执行；当资金规模增大，原来不明显的交易成本也可能吞噬优势。模型很多不等于机会很多，真正重要的是它们有没有不同的赚钱机制，以及扣除实际成本后还剩多少。

Point72的另一个公开发展方向更有意思。2024年10月，Point72推出AI主题股票基金Turion；其2026年的官方介绍，将该基金明确定位为设在旧金山、聚焦人工智能的公开股票投资业务。[5] 这是与宽广的多策略平台不同的一种组织选择：围绕一个产业主题，集中积累研究深度。

这并不矛盾。分散是整个组合的目标，专注却可能是创造超额收益的方式。

AI产业链足够长：芯片、存储、光通信、云服务、供电与应用企业可能都受影响。然而，产业增长不等于每家公司都能赚钱；一家企业受益，不等于它的股价还有足够回报空间。产业研究越深入，越可能看出同一主题下公司的巨大差别。

这也带来更直接的投资判断：一只AI主题基金可以有很高的研究价值、也可以有较强的选股能力，但它未必为一个已经重仓科技股的投资者增加分散性。它的价值可能是更精准地参与一个产业，而不是替整个组合提供保险。 是否值得承担这种集中度，要比较独立选股收益的潜力、价格、风险预算和持有成本，而不能只凭“AI是大趋势”四个字下结论。

这就是我们为什么坚持区分管理机构、投资团队和具体产品。Point72的主平台、Cubist以及Turion，是值得分别理解的投资能力，不能把其中一项最好的成绩挪给另一项，也不能默认它们属于同一种风险结构。

Cohen门下的经理，为什么有人成功、有人关门？

一家投资平台的影响力，有时会从离开它的人身上显现。华尔街曾把一些从SAC走出去的基金经理称为“Cohen Cubs”，仿照更早的“Tiger Cubs”。这只是描述人才来源的非正式称呼，不是一个统一的投资派系。[6]

Gabriel Plotkin曾在SAC任职，后来创办Melvin Capital，一度取得十分出色的成绩。然而2021年的GameStop逼空与之后的亏损重创基金，Melvin于2022年决定关闭。Jason Karp也是前SAC经理，他创办的Tourbillon Capital最终于2018年宣布结束运营。[7]

这里有一个值得反复思考的细节：在大型平台里管理一支投资团队，与独立经营一家基金，工作并不相同。前者可以分享研究系统、交易渠道、融资和风控；后者除了投资，还要自己雇人、控制成本、应对赎回、留住投资者。过去的交易能力有价值，但不保证能够独立承担所有经营风险。

同样的道理，留在平台内也不保证一定成功。只是大型平台有机会分散单个团队的失误，把资源重新分配给更有把握的经理。至于Point72是否比其他多经理平台更擅长识别、培养和淘汰人才，需要更完整的团队存续、损益与资本分配证据，不能靠名人故事下结论。

它确实在这件事上持续投入。Point72 Academy于2015年从350名申请者中录取首批10人；截至2026年8月，官方称已有250多位Academy毕业生在公司获得分析师岗位。[8] 更有意义的可能是LaunchPoint：这个始于2012年的项目帮助新经理建立团队和流程。按Point72截至2026年7月的披露，公司55%以上的基金经理通过该项目启动，近五年在项目中启动的基金经理仍有70%以上留在公司。[9]

这些数字不能证明投资Alpha，却至少说明，培养经理在Point72不是一项形象工程，而是经营体系的重要部分。

取舍｜我们对Point72的三个判断

读完这些历史，如果只得出“Cohen很厉害，Point72很大”，其实收获不多。我们更愿意把判断说得明确一点。

第一，Point72真正值得研究的护城河，不是创始人的交易直觉，而是持续生产和配置投资能力的组织体系。

Academy寻找和训练分析师，LaunchPoint帮助投资经理建立团队，Cubist将部分研究能力系统化，风险与交易部门尝试把这些人的判断汇集在一个平台内。这是一条比“继续高薪挖明星经理”更有长期价值的建设路线。但人才培养率、团队留存率只是过程指标；它们要最终转化为可持续的费后回报，才算真正形成护城河。与Citadel、Millennium等平台相比，Point72是否拥有更高的投入产出效率，目前公开证据不足以断言。

第二，不能把“多策略更分散”当成购买所有Point72产品的理由。

大型多策略组合争取的是多个投资团队与收益来源的组合效果；主题投资的任务则可能是更深入地捕捉某个行业的公司差异。两者都可能有价值，但价值的性质不同。一个已经拥有企业股权、美股指数和科技股的家庭，新增投资之前，首先要问自己：我缺的是另一种收益来源，还是希望在熟悉的方向上进一步提高选股质量？这个答案不同，适合研究的产品也不同。

第三，投资者最容易高估的是“平台创造了多少毛收益”，却低估“自己最后留下多少”。

两百多个团队、顶尖人才和昂贵的技术系统，不可能没有成本。投资者需要下沉到具体产品，核算交易、融资、管理与可能转嫁的运营费用，再看净回报、回撤和赎回条件。一项看起来很稀缺的能力，如果成本太高，或者在需要现金时难以退出，它对实际组合的价值就会下降。

更深一层的取舍是：优秀的管理人未必等于优秀的配置，优秀的配置也不等于把所有钱交给最有名的管理人。 真正的资产配置，是把可以识别的投资优势放在正确的位置上，并且不为已经拥有的市场风险重复付费。

我们研究Point72，是因为它体现了现代大型投资机构的一项重要演化：把个人的投资本领变成团队能力，再试图通过资金与风险管理，把这些能力转化为客户回报。至于这种转化到底有多高效，最终仍要让实际产品的净收益、风险和费用来回答。

潮向｜AI市场从“买整条产业链”，转向比较谁真正赚钱

发生了什么。 最近的AI投资讨论正在从算力建设规模，转向企业能否兑现现金回报。上期提到的GPU租赁价格和设备经济寿命问题，便是一例：AI技术应用增长可能仍然很快，不同公司的利润表现却未必同步。对于股票投资者，这意味着仅仅持有“AI概念”可能不再足够，企业的竞争位置、成本和已经反映在股价中的预期会越来越重要。

我们的判断。 产业链内部的差异变大，理论上可能扩大专业股票研究与股票多空的机会集；但这只是一种机会条件，不是基金经理一定产生Alpha的保证。做空热门企业有挤仓与借券成本风险，做多所谓的赢家同样可能付出过高估值。基本面团队和系统化团队如何识别机会、控制共同风险，才是下一步需要回答的问题。

对FOF的意义。 现在没有理由因为一场访谈就大幅切换科技基金。更重要的是检查不同基金是否持有相似的成长股风险，以及某位经理的历史表现有多少来自产业上涨、有多少真正来自选股。对于类似Point72这样拥有多种团队和产品的机构，评价重点应从“集团具备什么业务”，进一步下沉到“具体产品能够为现有组合补充什么”。宏观观点先改变问题清单，只有组合证据足够时才改变仓位。

观测点

人才投入有没有变成收益？ Academy、LaunchPoint的培训与留存指标值得继续跟踪，但只有具体策略的费后风险与回报，才能验证组织效率。

团队增多是否带来真正分散？ 观察不同策略与投资经理在科技股调整、利率变化和流动性冲击中是否出现共同损失。

个股分化能否转化为经理Alpha？ 企业现金流与估值差异扩大，可能带来更好的股票选择机会，也可能带来更贵的做空成本。评估时必须扣除费用，并放进现有FOF组合考察。

下期我们计划走近AQR，讨论一个与前两期相呼应的问题：当投资方法被写成规则和公式，为什么拥有正确的方法仍然可能经历漫长亏损？