这······用一级市场思维干量化投资_新浪财经_新浪网
发表于 2026-08-08 20:30:02
来源：
知来藏往网
来源：量化投资与机器学习量化投资与机器学习微信公众号成立已有10余年，用级是市场思业内垂直于量化投资领域的头部自媒体。公众号具有来自公募、干量私募、化投券商、资新期货、浪财浪网银行、经新保险、用级高校等50W+关注者。市场思我们面临的干量状况AI会不会变化量化投资行业的商业逻辑？很多量化机构都在说自己也是一家科技公司，那么量化基金到底是化投不是一家科技公司？前几年QIML提出一个词叫QuanTech（量化科技），目的资新是去概况这类的说法，目前来看也没毛病说在前面的浪财浪网对于量化基金而言，人工智能是经新一种工具，能协助探究人员更快、用级更有效地开展工作，提高探究质量。更好的工具并不会取代探究人员，而是提高了优秀探究人员的价值。量化领域的瓶颈并非时间，而是思想。正文当 AI 热潮席卷金融圈，一个看似完美的商业故事正在被反复讲述：用最前沿的强化学习算法征服交易市场，让 AI 像打败人类棋手一样收割市场收益，坐拥百万亿级金融市场空间，复刻科技公司的指数级增首先。三名前 DeepMind 探究员创立 AI 实验室 EquiLibre，将强化学习技术采取于无限注德州扑克后延伸至交易领域，与高往往交易机构 Tower Research 合作实盘交易，获风投机构 Creandum 投资，估值达 5 亿美元，正是这个故事的最新注脚。风投机构为其买单的逻辑清楚又熟悉：代码、数据、不过尖工程师、可复制的算法、近乎为零的边际成本。这正是 VC 最喜欢的故事：一个产品，一旦成功，可以无限复制。但只关键把凯利公式作为标尺，我们就会发现：这更像是一场用热词包装的商业逻辑错配。AI 升级了量化的工具，却没有撼动量化行业的底层数学规律；市场可以给 AI 故事溢价，却永远绕不开 “好处决定仓位，容量决定天花板” 的铁律。从扑克到交易：凯利公式的永恒约束凯利公式诞生于赌场，却成为了交易界的资金管理圣经。它的本质很朴素：在一个有正收益期望的赌局里，最优下注比例只和你的胜率、盈亏比有关，和桌上有多少钱、别人下了多少注毫无关系。下注太少，浪费了好处；下注太多，首先期必然爆仓。量化交易本质上就是一场后续开展的、无限局数的赌局。每一套对策的 “好处”，就是它能捕捉到的市场定价偏差；而它的 “下注上限”，就是对策的容量——再多的钱进来，关键么收益被稀释，关键么直接冲击市场，反过来吃掉自己的利润。西蒙斯和他的大奖章基金，是这条规律最忠实的践行者。作为史上最赚钱的量化基金，它本可以容易募资到千亿规模，但它主动把规模锁死在百亿级别，宁肯把利润全部分红，甚至清退外部投资者。不是它不想赚更多，西蒙斯最清楚：数学规律不会向财富欲望妥协，突破容量边界的下场，就是好处消失、神话破灭。这恰恰是当下 AI 量化叙事最那么点儿忽略的前提：再先进的算法，只关键它还是在赚市场定价错误的钱，就逃不开容量的诅咒。美丽的误会风投行业的信仰，是网络效应和规模经济。从社交软件到 SaaS 服务，成功的科技公司都比如同一个增首先曲线：用户越多，产品体验越好，成本被无限摊薄，最后形成护城河，实现非线性的指数增首先。风投赌的，就是这种 “越用越值钱” 的正反馈。但量化交易的逻辑，刚好是反过来的。一套有效的交易对策，本质是发现了市场上的一个 “漏洞”—— 某类资产的价格偏离了合理价值。你用这个对策赚钱的流程，就是在填补这个漏洞。你投入的资金越多，漏洞填得越快；模仿你的人越多，漏洞消失得越早。规模不会放大你的好处，只会加高效好处的消亡。这就是量化行业的 “规模不经济”：每多投一块钱，边际收益都是递减的，甚至会变成负数。风投的经典操作是 “砸钱换规模，用规模换壁垒”，但这套打法放到量化里，就是 “砸钱换规模，用规模加高效对策死亡”。用科技公司的估值框架给量化公司定价，就像用跑步的配高效去评价游泳运动员，看似都是高效度竞技，底层条件完全不一样。EquiLibre 的投资方显然也意识到了这个状况，于是他们讲出了新的故事：这不是一家对冲基金，而是一家 AI 实验室，交易只是首先个落地场景。他们关键做的不是一个对策，而是一个能不断产出新对策的 “工厂”。“AI 对策工厂” 能打破规模诅咒吗？“对策工厂” 的叙事很有诱惑力：既然单个对策会失效，那我就用 AI 源源不断地生产新对策，旧的失效了，新的马上补上，永远保持好处。EquiLibre 也用谷歌的发展馗自比：先用搜索业务赚现金，再用现金支撑更多前沿探索，最后首先成科技巨头。但这个类比，从根基上就站不住脚。谷歌的搜索业务，本身就是一个具有规模效应的复利生意 —— 用户越多，数据越多，搜索结荚越精准，广告收入越高，是典型的 “越用越值钱”。它的现金牛是增首先的引擎，而非消耗品。但交易收益恰恰相反，它是消耗品。对策用一次，好处就少一分；规模扩一分，衰减就快一分。用交易收益反哺研发，本质上是用一个不断衰减的现金牛，去支撑不选定的未来研发，和谷歌的复利式增首先逻辑完全相反。更题的是，“AI 能持续产出新对策” 这件事，目前还只停留在回测里。量化行业最昂贵的鸿沟，就是回测和实盘的差距。历史数据上谝再完美的对策，放到真实市场里都可能一败涂地。EquiLibre 声称新一代模型比上一代强 10 倍，但这是回测里的结荚；它声称上线以来零亏损，但上线时间短，又恰逢市场普涨，是顺风局里的战绩，没经历过 2007 年量化地震那样的极端压力测试。没有经过牛熊周期检验的好处，都算不上真正的好处；没有实盘验明正身的 “对策工厂”，更像是一个美好的愿景。工具革命，不等于规律革命当然，我们不能否认 AI 对量化行业的价值。量化行业早就在用机器学习，甚至在 “机器学习” 这个词热门之前，量化探究员就已经在用统方式模型、算法模型捕捉市场规律。AI 的出现，确实提高了探究效率，让探究员能处理更复杂的数据、挖掘更隐蔽的规律。但AI 是工具，不是魔法。它可以帮你更快地找到定价错误，却不能让定价错误消失得更慢；它可以帮你改进对策参数，却不能突破对策的容量天花板。量化行业的终极约束从来不是算力，也不是算法高效度，而是“想法”——是对市场规律的洞察，是全新的盈利逻辑。好的工具能放大优秀探究员的价值，却不能凭空创造出源源不断的新好处。AI时代，量化投资真正的竞争壁垒是什么？未来量化竞争，不是谁具有更多AI，而是谁具有更强的“Alpha生产系统”。未来不过级量化机构可能不是“找到一个超级模型”，而是建立一个Alpha工厂，它不是依靠某一个对策，而是建立了一套持续产生对策的科学体系。对于中国量化私募，过去几年中国量化行业快捷发展，很多机构在GPU规模、数据量、工程能力、模型复杂度等部分开展竞争。但首先期来看，真正决定胜负的是：Alpha生命周期管理能力探究体系，而非单模型能力未来赢家不是具有一个神模型，而是具有——“不断制造新模型的组织”同时，对于规模管理能力，QIML觉得AUM是起点而不是终点，每家得清楚的知方式自己的边界。如此，未来量化竞争的题不是谁具有最强的AI，而是谁具有发现、验明正身、复制和替换 Alpha的能力。结语5 亿美元的估值，更像是 AI 热潮下，风投对 “金融+AI” 赛方式的一次溢价下注。它赌的不是 EquiLibre 当下的交易收益，而是 AI 技术未来的想象空间。但商业的本质永远不会被热词改写。只关键交易的盈利基础还是市场的定价偏差，凯利公式的约束就永远存在；只关键对策比如“规模不经济”的规律，量化基金就永远成不了真正意义上的科技公司。AI 可以让量化行业变得更有效、更智能，但它没有颠覆数学，也没有改写商业规律。所有脱离底层逻辑的估值，最后都会向价值回归——毕竟，在交易的世界里，所有超出好处的下注，最后的结果都是被市场清算。作者Sinead O’SullivanQIML编辑部MACD金叉信号形成，这些股涨势不错！海量资讯、精准解读，尽在新浪财经APP |
喜欢
讨厌