（7月14日，上海讯）7月7日至7月10日，2021世界人工智能大会在上海成功召开。作为人工智能行业的顶级国际盛会，本届大会的主题是“智能互联世界，万物智慧化城”。自研芯片、远程医疗、AI智能、边缘计算、隐私计算……今年的世界人工智能大会重点展示了数字化的未来趋势。

7月9日下午，在以“数据智能，链接未来”为主题的分论坛上，创始人&CEO王晨；久坤投资王晨做了题为“数字智能时代量化投资的演进与挑战”的演讲，主旨演讲主要从量化投资中的数字智能演进、量化投资三个方面阐述了量化行业的发展、久坤在数据和智能方面的实践，以及数字智能量化投资未来发展面临的挑战和瓶颈。

久坤投资创始人兼CEO；汪晨

大数据+AI算法是量化行业未来增长的主要来源

为什么量化投资可以盈利？一是金融市场效力弱，是一切积极投资赚钱的基础；另一个是统计方法的有效性，这是定量方法论的核心信念。在王辰看来，金融市场是一个交易市场，其背后反映的交易者行为规律是量化利润的来源。

毫无疑问，人工智能技术可以提升信息提取的效率。在汪晨看来，量化投资已经从简单的“结构化数据库+算法”发展到了“大数据+深度智能”的阶段。 2017年之前国内量化市场主要依靠量价数据和人工挖掘，2018年之后，中国量化技术逐渐进入AI时代。 2020年后，规模增长驱动的战略研发逐渐进入大数据+AI算法挖掘时代。

“本质上，信息来源的扩展+信息提取能力的提升是量化投资行业的核心引擎。”汪晨表示，量化行业规模突破7000亿后，大数据+AI算法的未来发展趋势更加不可阻挡，这也是未来量化行业增长的主要来源。

久坤投资创始人兼CEO；汪晨

信息、算法和执行是量化投资的核心要素

对于量化行业的核心要素，汪晨认为包括三个方面：信息、算法、和执行。在人工智能兴起之前，量化领域在这三个方向上都取得了相当的高度。但进入数字时代后，这三个方向都得到了人工智能和大数据技术的进一步赋能。

以久坤利用人工智能技术处理信息的实践为例。面对新闻和公告中披露的企业事件信息，将充分利用NLP算法来理解不同类型的新闻或公告的含义。并进行特征分类，最终形成整个信息的分类图。在这个过程中，会发现很多信息会对股价产生出乎意料的影响。比如一家上市公司的重大重组，对公司本身是有利的，但股价却下跌了。这涉及到如何理解因果关系，从而建立正确的模型。

如何用量化做基本面，这是所有量化公司都在考虑的问题。王晨提到，久坤的方法之一是从数百万份研究报告开始，利用NLP算法，建立各个行业基本面指标的知识图谱，从而快速建立行业投资逻辑。这个过程主要是基于深度学习算法，从研究报告中提取大量的行业指标信息，自动高效的提取指标的变化历史和指标预测数据，然后在此基础上验证指标，挖掘指标的影响上市公司股价模型.

此外，久坤还使用了时间序列中的各种多模态替代数据，而不仅仅是传统的成交量和价格数据，并应用不同的机器学习算法进行交织，尝试形成价格对。预测能力。

大数据智能化量化投资面临挑战

数字智能时代量化投资将面临哪些挑战？汪晨认为，具体包括多模态挑战、数据质量挑战、处理速度挑战。

王辰进一步解释说，对于不同类型的替代数据，需要不同的算法，这就需要多模态算法领域的人才。数据源本身的错误或噪声会对历史模型的建立产生严重影响。此外，低延迟的数据处理能力是量化的优势，这也需要非常强大的基础设施和系统才能完成。

除上述之外，数字智能时代量化行业面临的挑战还包括金融市场模型有效性、市场反射性和高噪声的挑战，以及市场风格的挑战中国市场环境下不同时期的结构。变化带来的挑战。

中国的量化投资领域发展非常迅速，策略、方法、产品都在快速迭代。当前量化行业的演进正处于智能投资的开端，每一次迭代都会不断将投资预测的准确性提升到一个新的水平。

主编：

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2021/0714/2635.html