九坤投資創始人王琛:大資料+AI演算法是量化行業未來主要增長來源

(7月14日,上海訊)7月7日-7月10日,2021世界人工智慧大會在上海圓滿舉辦。作為人工智慧行業的國際頂級盛會,今年大會的主題是“智聯世界,眾智成城”。自研晶片、遠端醫療、AI智慧、邊緣計算、隱私計算……今年的世界人工智慧大會集中展現了數字化的未來趨勢。

7月9日下午,在以 “資料智慧,連結未來” 主題分論壇上,九坤投資創始人&CEO;王琛發表題為“數智時代量化投資的演進與挑戰”主題演講,主要從量化投資的數智演進、九坤在資料與智慧方面的實踐、未來量化投資數智發展中面對的挑戰和瓶頸三方面來闡述量化行業發展。

九坤投資創始人王琛:大資料+AI演算法是量化行業未來主要增長來源

九坤投資創始人&CEO; 王琛

大資料+AI演算法是量化行業未來主要增長來源

量化投資為什麼能盈利?一是金融市場的弱有效性,這是所有主動投資能賺錢的基礎;二是統計方法的有效性,這是量化方法論的核心信仰。在王琛看來,金融市場是交易市場,背後反映的交易者的行為規律是量化利潤的來源。

毋庸置疑,AI技術能增強資訊提取效率。在王琛看來,量化投資已從簡單的“結構化資料庫+演算法”發展演化到了“大資料+深度智慧”的階段。國內量化市場在2017年之前靠量價資料和人工挖掘。2018年之後中國量化技術開始逐漸進入AI時代。2020年之後,由規模增長帶動的策略研發已經逐漸進入大資料+AI演算法挖掘時代。

“本質上,資訊來源擴大+資訊提取能力的提升,是量化投資行業的核心引擎。”王琛表示,在量化行業突破7000億的體量之後,大資料+AI演算法未來發展的趨勢更加勢不可擋,這也是未來量化行業的主要增長來源。

九坤投資創始人王琛:大資料+AI演算法是量化行業未來主要增長來源

九坤投資創始人&CEO;王琛

資訊、演算法、執行是量化投資的核心要素

對於量化行業的核心要素,王琛認為包括資訊、演算法、執行三個方面。在人工智慧興起之前,量化領域就已經把這三個方向做到了相當的高度。但進入數字化時代之後,這三個方向都進一步受到AI和大資料技術的賦能提升。

以九坤運用AI技術處理資訊的實踐為例,面對新聞及公告中披露出來的企業事件資訊,會充分運用NLP的演算法對不同型別的新聞或公告根據理解其含義和特徵分類,最終形成整個資訊的歸類圖譜。這個過程中會發現,很多資訊對於股價的影響會與預想的相悖,例如上市公司重大重組對公司本身是利好,但股價卻是下跌的。這裡面涉及到如何去理解其中的因果關係,從而建立正確的模型。

如何用量化去做基本面,這是所有的量化公司都在考慮的問題。王琛提到,九坤的一種方法是,從幾百萬篇的研究報告出發,透過NLP演算法來建立針對各個行業基本面指標的知識圖譜,從而能快速建立起行業投資邏輯。這個過程主要是基於深度學習演算法,從研報中抽取大量行業指標資訊,自動高效提取指標和指標預測資料的變動歷史,再基於此,對指標進行驗證,並挖掘指標對上市公司股價的影響模式。

此外,九坤也在時間序列上把各種多模態的另類資料,而不僅僅是傳統的量價資料,應用不同的機器學習演算法,進行交織嘗試,形成對價格的預測能力。

量化投資大資料智慧化面臨的挑戰

量化投資在數智時代會面臨哪些挑戰?王琛認為具體包括多模態挑戰、資料質量挑戰、處理速度挑戰。

王琛進一步解釋,對於不同型別的另類資料,需要不同的演算法,這就需要多模態演算法領域的人才。而資料來源本身的錯誤或噪音會對歷史模型的建立造成嚴重影響。另外,低延遲的資料處理能力是量化的優勢所在,這也需要非常強的基礎架構和體系搭建才能完成。

除了以上情況,量化行業在數智時代的挑戰還包括模型有效性、市場反身性與金融市場高噪音的疊加的挑戰,以及中國市場環境下不同時間市場風格和結構的變化帶來的挑戰。

中國的量化投資領域演進速度是非常迅速的,策略、方法、產品都在快速迭代。量化行業當下的演進正處於智慧化投資的開端,每一次迭代會將投資預測的準確度不斷提升到嶄新的高度。

頂部