量化圈最安静的狠角色：他们如何用最小团队撬动最大市场？

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：今天聊聊你可能不太知道的两家量化公司：Quadrature Capital和Radix Trading。一家173人年营收超百亿英镑，另一家178人实习生周薪3.6万。它们的共同点是：不融资、不扩张、不上市。这些背后藏着怎样的商业逻辑？

金融圈里有这么一个群体，他们几乎从不出现在新闻里，除非哪天不小心被卷进了什么官司。他们的办公环境好得让人羡慕，健身房、海滩主题会议室、音乐课程一应俱全，据说内部氛围和谐的”有点像邪教”。就这么一群人，用极其低调的方式，正在悄悄重塑全球金融市场的运作规则。

今天要给大家说的是这两家公司：英国的Quadrature Capital和美国的Radix Trading。在正式开始之前，先看一组数据：

看完这组数据，你可能以为这是什么科技巨头。但实际上，这两家公司的员工加起来还不到400人。更让人意外的是，他们几乎从不接受外部投资，也不追求规模扩张。这到底是怎么回事？让我们从头说起。

① 从地下室走出来的金融帝国

先说说Quadrature Capital的故事。这家公司的起点颇具戏剧性。2010年，五个人在伦敦的一间地下室里开始创业。他们不是刚毕业的学生，而是从另一家量化机构G-Research集体跳槽出来的。

G-Research在英国量化圈，它以极度神秘著称，情报机构出身的创始人给它蒙上了一层特殊色彩。这五个人的离开，显然触动了某些敏感神经。据说G-Research曾威胁要起诉他们，还在他们的车上装了追踪器，甚至雇人跟踪他们。这场官司整整打了六年，直到2014年才以保密条款结束。

G-Research的逻辑是：这五个人在他们的系统里学到的技能，会不可避免地带到新公司里——这就像说你学会了某家公司的”武功秘籍”，就不能自创门派了一样荒谬，但这就是当时真实发生的事。

熬过这场风波之后，Quadrature Capital开始了自己的狂奔。让我们看看它的成长轨迹：

一年时间营收翻倍，员工只增加了二十来人。这意味着什么呢？人均年创收从约392万英镑飙升到约705万英镑。做个对比，摩根士丹利这样顶级投行的人均创收大概在50-60万美元左右，Quadrature是它的五倍以上。

硬件投入：比很多科技公司还猛

你可能会好奇，这么赚钱的公司到底在干什么？他们的基础设施投入给出了答案。截至2025年中：

• 超过20,000个CPU核心
• 2,000块GPU显卡
• 500TB运行内存
• 10PB存储空间

还是和圈子里面的大佬做对比：Jane Street是全球公认的科技含量最高的量化交易公司之一，员工规模约3000人，拥有超过5000块GPU。Quadrature只有173人，却配备了2000块GPU：平均每人超过11块。这个配置密度，放眼全球也找不出几家。

2025年，Quadrature从谷歌DeepMind挖来了一位工程总监Salvatore Scellato。这位大佬曾参与Gemini模型的底层研发工作。挖这样的人，说明Quadrature的下一步棋绝不是简单的交易策略优化。

② 芝加哥的”学术派”玩家

视线转向美国芝加哥。在这座以期货交易闻名的城市里，藏着另一家神秘玩家：Radix Trading。这家公司的创始人背景相当硬核：Benjamin Blander曾是城堡证券（Citadel Securities）高频交易部门的主管，Michael Rauchman则是GETCO的前首席技术官。

GETCO这家公司可能很多人没听说过，但在电子做市领域，它是真正的先驱。它率先实现了大规模的电子化做市，最终被合并进KCG Holdings，后者后来又被城堡证券收购。所以某种程度上，Radix的两位创始人都是从这个行业最核心的位置走出来的。

2012年，两人决定另起炉灶，但他们的玩法和绝大多数量化公司不太一样。

研究优先，而不是交易优先

Radix给自己的定位是”研究公司，通过技术驱动，用交易变现”。这句话看起来像文字游戏，但背后逻辑很清晰：大多数量化公司是以交易为核心，研究只是辅助；而Radix把研究放在第一位，交易只是变现手段。

这种组织架构的差异听起来抽象，实际上影响巨大。打个比方：传统量化公司像医院里的销售部门，主要任务是卖药；Radix更像医学实验室，主要任务是研究新药，发现有效了再拿去卖。目标不同，激励机制、工作流程、甚至茶水间聊天的话题都会不一样。

只招学术界的人

Radix的招聘策略同样独特。他们几乎不从其他交易公司挖人，而是直接从学术界招——教授、博士后、博士研究生，专业涵盖数学、物理、计算机、统计学、电子工程等。用他们的话说，要的是”黑客精神”：快速测试想法，不行的立刻放弃，把资源集中在最有价值的地方。

这种方法的效果在数据上有直观的体现。2025年的数据显示，Radix给实习生开出的周薪是7300美元：折合人民币超过5万。按这个标准，三个月实习期下来，比很多全职工作一年的收入还高。这个数字让Radix成为全球范围内实习薪资最高的公司，没有之一。

③ 这两家公司都拒绝外部投资

Radix从来不接受外部投资，Quadrature也不拿。这在金融行业里相当罕见，毕竟资产管理公司大多靠收管理费赚钱，规模越大收入越高。但这两家偏偏反其道而行。

这背后有几个层面的考虑：

第一层：利益一致性

外部投资者的目标很明确：追求回报。他们会关心策略的短期表现，会要求定期分红，会在业绩不佳时施压。而量化交易的核心优势——策略细节——恰恰是最需要保密的东西。接受外部资金，意味着必须向投资人解释你在做什么、为什么这么做，这个过程本身就是风险。

不拿外部投资，就没有这些烦恼。所有利润都是自己的，想投入研发就投入研发，想低调就低调。

第二层：决策自主权

资本的本质是话语权。拿了别人的钱，就要对别人的利益负责。顶级量化机构之所以能保持竞争优势，很大程度上是因为决策链条极短——几个核心人员说了算，不需要开会讨论，不需要向投资人汇报。

Quadrature创始人曾说过，他们公司的目标不是管理多少资产，而是打造”终极自动化交易业务”。这种目标只有在自己完全控制的前提下才能实现。

第三层：保密就是护城河

在量化交易的世界里，知道的人越少，策略就越有效。一旦某个策略被广泛采用，超额收益会迅速消失。所以这两家公司把保密做到了极致：不公布持仓，不披露业绩，不接受采访，甚至连招聘广告都很少发。

秘密是最好的护城河。这不是一句营销口号，而是量化行业的生存法则。当所有人都知道你在做什么的时候，你就已经输了。

④ 全球量化版图的新变化

把目光放大到整个行业，你会发现Radix和Quadrature不是孤例。伦敦已经成为全球新的量化金融中心之一。XTX、Qube、Quadrature这三家公司，最近一个财年的营收都超过了10亿英镑，整个城市正在形成一个独特的人才和资本聚集效应。

伦敦的优势在哪里？帝国理工、伦敦大学学院、伦敦政治经济学院等顶尖学府每年培养大量数学、统计学人才。这些学生从小接受的教育方式是把市场当作物理问题来处理——用方程描述价格波动，用模型预测未来走向。这种思维方式，恰好是现代量化金融最需要的。

芝加哥同样不可小觑。这座城市有几十年的电子交易积累，从GETCO到城堡证券，从Jump Trading到DRW，培养了一代又一代真正懂市场微观结构的从业者。在这种环境里成长起来的人，对订单簿、流动性、延迟这些概念的理解，比任何教科书都深刻。

而国内的情况呢？近年来百亿级别的量化私募不断涌现，幻方、九坤、衍复等头部机构的管理规模和技术投入都在快速增长。但客观来说，国内量化行业整体还处于从”跟跑”到”并跑”的阶段，在高频策略、系统架构、人才培养等方面，和国际顶尖机构仍有差距。

不过差距也在缩小。随着国内金融衍生品市场的发展、算力成本的下降、以及海外人才回流，国内量化机构的竞争力正在快速提升。

⑤ 给普通人的启示

看到这里，你可能会问：这些离我很远的金融故事，对普通人有什么意义？

其实意义挺大的。金融市场的规则正在被这些看不见的力量重塑。当高频算法能在毫秒之间完成交易，当机器学习模型能发现人类肉眼无法识别的市场规律，传统的投资逻辑正在被彻底改变。

理解这些变化，对每个参与市场的人都很重要。不管你是自己炒股、买基金，还是从事金融相关工作，知道这个行业的底层逻辑在往什么方向走，才能做出更明智的决策。

对职业选择的启发

如果你正在考虑职业方向，这两家公司的人才策略也值得参考。它们不看重你之前在哪个公司工作，而更看重你的学术背景和思维能力。尤其是Radix，从大学直接招人、从不care你有多少年工作经验的做法，在金融行业里相当另类。

这说明什么？在技术驱动型行业，真正的核心竞争力是学习能力和思维方式，而不是资历和圈子。

对认知的启发

还有一个可能被忽视的点：这两家公司的成功，本质上不是关于金融，而是关于组织形式。他们证明了一件事：在信息时代，小而美的团队完全可以碾压大而全的机构。关键是找到对的人，给他们足够的自主权，然后让系统自己运转。

这种模式会扩散到其他行业吗？我认为答案是肯定的。

⑥ 观点总结

回到文章开头那个问题：这些公司为什么能这么成功？

表面上看，是因为他们有最聪明的人、最强的算力、最先进的算法。但往深一层看，是因为他们建立了一套完全不同的激励结构和组织文化：不追求规模、不接受外部干预、把研究本身当作目的而不是手段。

这种模式能不能复制？我不确定。但至少说明了，在金融这个向来被认为”人傻钱多”的行业里，真正能创造持续价值的，还是那些沉得下心、耐得住寂寞的人。

金融市场没有圣杯，但有越来越精密的机器。当我们谈论这些神秘的量化机构时，看到的不仅是数字和人，更是一种关于如何在这个复杂世界里创造价值的思考。

今天的分享就到这里。如果你对这个话题感兴趣，欢迎在评论区交流。我是老余，我们下期见。

风险提示：本文仅供参考，不构成投资建议。投资有风险，入市需谨慎。

版权声明：本文为原创内容，转载请注明出处。

#量化交易 #金融科技 #对冲基金 #机器学习 #高频交易 #电子做市 #金融人 #职业发展 #投资机构 #算法交易 #技术架构