Dies ist die beste Ära für quantitative Investitionen. Die Anerkennung in der Branche nimmt weiter zu, herausragende Talente sammeln sich und immer mehr technische Akteure erkunden unbewohnte Gebiete ... Dies ist auch die „schlechteste“ Ära für quantitative Investitionen In dieser Zeit führen strengere Wettbewerbsregeln und grausame Eliminierungsmechanismen dazu, dass wir nur dann, wenn wir ständig über Schichten technologischer Gipfel klettern, „die Berge und die kleinen Berge auf einen Blick sehen“ können. Im Jahr 2023 hat die quantitative Private-Equity-Branche, die in die „Billionen“-Ära eingetreten ist, eine Revolution eingeleitet, die als Hardware-Kriege, Computerleistungswettbewerbe und geniale Spiele bekannt ist. Von barbarischem Wachstum bis hin zu intensiver Landwirtschaft – wie kann man dem Branchenökosystem begegnen, in dem der Technologie- und Geheimdienstwettbewerb ständig eskaliert? Kunde Investment, das seit zehn Jahren stabil auf dem heimischen Markt tätig ist, nutzt seine eigene Erfahrung, um Probleme zu lösen. Werfen wir einen Blick auf die Antworten der Kuande-Leute. Das folgende Video stammt von: WizardQuant Investment Die Welt stand vor der Herausforderung Im Zeitalter der rasanten Datenexpansion wird Statistik als wichtiger Grundbestandteil der Datenwissenschaft zunehmend in realen Anwendungen eingesetzt. Auch wenn es vielfältige Möglichkeiten gibt, wie können Sie Ihre eigenen Interessen stark mit den Bedürfnissen von Wissenschaft und Industrie verbinden? Während meines Austauschs an der UCLA habe ich mir mehrere Vorlesungen von zurückgekehrten Lehrern angehört, die hochmoderne Vorträge aus Wissenschaft und Industrie gehalten haben, und Lernerfahrungen mit den Mentoren ausgetauscht. Insbesondere habe ich etwas über die untrennbare Verbindung zwischen Statistik und dem beliebten maschinellen Lernen gelernt, Elric The Der Ausgangspunkt der Reise ist gesperrt. Bei der Statistik geht es darum, unbekannte Muster aus riesigen Datenmengen zu erforschen und Ordnung in scheinbar ungeordneten Zuständen zu finden, was langfristige Strenge und Beharrlichkeit in der wissenschaftlichen Forschung erfordert. Timothy Gowers hat einmal eine interessante Metapher erfunden. Er sagte, dass die meisten weitreichenden Beiträge in der Mathematik eher von „Schildkröten“ als von „Kaninchen“ geleistet wurden. Dies bedeutet, dass diese bahnbrechenden Erfolge im langfristigen Forschungszeitraum nur durch wiederholte Diskussionen mit Daten und Modellen, ob mit Freude oder Schmerz, langsam erzielt werden können.
Anschließend, während der wenigen Jahre, in denen er in Berkeley Biostatistik studierte, trainierte Elric einerseits die wissenschaftlichen Qualitäten, die für die akademische Forschung erforderlich sind, und unternahm andererseits tiefgreifende Erkundungen in vielen Grenzgebieten. Multiple Hypothesentests, Bayes'sche Modelle, Bioinformatik, Pharmakogenomik, graphische neuronale Netze und nicht-konvexe Lerntheorie. Sein Forschungsbereich reicht von Statistik und Computerbiologie bis hin zu maschinellem Lernen.
Als Elric im Ausland studierte, entwickelte sich der inländische Markt für quantitativen Handel rasant. Obwohl die Märkte in Übersee über umfassendere Handelsinstrumente, freundlichere Marktfaktoren und reiferes und rationaleres Kapital verfügen, sind sie auch mit vielen Problemen konfrontiert, wie z. B. einer zunehmenden Homogenität der Strategien, einem offensichtlichen Matthew-Effekt und einer übermäßigen Abhängigkeit von Hebelwirkung und kostengünstigen Finanzierungen. Obwohl sich die Entwicklung des inländischen Markthandels noch in einem relativ frühen Stadium befindet, ist der Markt dynamischer und die Branche befindet sich im Aufschwung. Dies bietet tatsächlich mehr Fantasie und Raum für Wachstum für den quantitativen Handel, insbesondere für junge Praktiker.
Aus technischer Sicht holen die führenden inländischen quantitativen Handelsinstitute schnell zu den führenden ausländischen Institutionen auf und verfügen sogar über ihre eigenen einzigartigen Vorteile in segmentierten technischen Richtungen. Obwohl es spät begann, haben inländische Institutionen offensichtliche Vorteile bei der Ansammlung von Nachzüglern Ob es sich um die Anwendung der SOTA-Deep-Learning-Technologie, den Aufbau großer KI-Computerplattformen oder den Entwurf leistungsstarker Software- und Hardware-Handelssysteme handelt Institutionen, die von Kuande vertreten werden Quantitative Handelsinstitute stehen im Vordergrund.
Dieser Ostwind der Technologie hat Elric dazu veranlasst, in Kuande in See zu stechen. · Alle Handelssoftware und Frameworks von Kuande werden unabhängig entwickelt und können dynamische Anpassungen an die Handelsregeln und -richtlinien von Märkten und Börsen vornehmen.
Die ursprüngliche Absicht, nach Perfektion zu streben Die Bedürfnisse der Zeit sind wie Ampeln, die den geordneten Fluss von Talenten leiten Land Setzt Algorithmen des maschinellen Lernens ein, um Markttrends vorherzusagen und Anlageportfolios auszuwählen. Gegenwärtig sind die Erforschung und Anwendung des traditionellen maschinellen Lernens (wie Kernelmethoden, Baummodelle usw.) und das umfassendere und sich schnell entwickelnde Deep Learning für Finanzinstitute, insbesondere die quantitative Industrie, zu einem Muss geworden.
Nach seinem Doktortitel kam Elric als Forscher für maschinelles Lernen zu Cundall. Derzeit konzentriert sich Elrics Arbeit auf Data Mining, das Entwerfen von Modelllösungen und -strategien, den Einsatz maschineller Lernmethoden zur Lösung verschiedener Rätsel auf dem Finanzmarkt und die Entdeckung hochdimensionaler, nichtlinearer Zusammenhänge in massiven Daten. Die Quantifizierung hat ihm eine breitere Perspektive verschafft Himmel und Erde.
„Cundak verfügt über viele unabhängige Datenquellen, extrem große Rechenressourcen und eine starke Rechenleistungsunterstützung, was für uns eine hervorragende Arbeitsumgebung geschaffen hat. Ich bin zum Beispiel mit ausreichend A100 ausgestattet, ich nicht.“ „Ich muss mir darüber Sorgen machen, als wäre ich Student. Wir machen uns auch Sorgen über unzureichende Ressourcen und die Arbeitseffizienz wurde erheblich verbessert“, sagte Elric.
Das Forschungsgebiet erweitert sich ständig. Wie können wir die Werkzeuge in unseren Händen in „scharfe Waffen“ verwandeln?
Elric glaubt, je mehr ein Team die Stärken aller bündeln und zusammenarbeiten kann, desto länger wird es bestehen bleiben. Kundes Team besteht aus Kollegen, die sich auf theoretische Mathematik und theoretische Physik spezialisiert haben, sowie Mitgliedern, die Ingenieurwissenschaften, Statistik und numerische Berechnungen studieren. In Kuande traf er herausragende Kollegen wie IPhO-Goldmedaillengewinner, Spielleiter + Doktoranden in Mathematik, erfahrene Veteranen der Flower Street, talentierte Praktikanten usw. Sie berieten sich oft in ihrer Freizeit und boten umfassendere und umfassendere Dienstleistungen an aus ihrer jeweiligen beruflichen Perspektive Lösungsideen. „Viele unserer „Physik-Goldmedaillengewinner“ denken oft über Finanzgesetze mit Einblick in die Gesetze der Physik nach. Diese Art von Kollision kann oft zu Inspiration führen. Zum Beispiel die berühmte Feynman-Kac-Formel in der Finanztechnik, Es wurde vom berühmten Physiker Richard Feynman entwickelt, als er die Verteilung hochenergetischer Teilchen beschrieb. Obwohl er auch Mathematik studiert, ist seine Doktorarbeit auf die Quasi-Monte-Carlo-Methode ausgerichtet Sie geben mir beim Denken oft neue Ideen.“ Diese Erkenntnisse aus verschiedenen Bereichen helfen Elric, seinen Forschungshorizont zu erweitern und zu vermeiden, in einem einheitlichen Denkmodus festzustecken.
年 Das Team junger Talente mit unterschiedlichem Hintergrund ist geschlossener und wettbewerbsfähiger.
Halten Sie Ihren Geist offen für neue Ideen und neue Errungenschaften. Elric ist wie ein Schwamm, der Wasser aufnimmt und sich ständig bereichert. Cundak hat eine Reihe interner Wissenssysteme aufgebaut, ob es um die neuesten statistischen Methoden, heißes maschinelles Lernen, Algorithmen der künstlichen Intelligenz, Programmierparadigmen, die Verwendung von Werkzeugketten usw. geht, es werden regelmäßig Kurse organisiert, um Kollegen dabei zu helfen, sich selbst zu beschleunigen Wissensaustausch erreichen.
„Studenten, die in der Schule Statistik studieren, müssen noch ein beträchtliches Maß an Wissen im Bereich Informatik erweitern. In letzter Zeit arbeite ich hart daran, meine relativ schwachen technischen Fähigkeiten zu verbessern. Von grundlegenden Programmierkenntnissen bis hin zum Verständnis der gesamten Ökologie.“ B. Datenstrukturen, Algorithmen, Computerkompositionsprinzipien, Betriebssysteme, Datenbanken, Kompilierungsprinzipien usw. „Elric verbringt außerdem jeden Tag etwas Zeit damit, die neuesten Artikel über arXiv und die Branche zu lesen.“ Einige Artikel über GNN und Es wurden Transformer-Modelle veröffentlicht. Es hat mich dazu inspiriert, meinen Sinn für die akademische Welt zu bewahren und nicht einige Hausaufgaben zu verlieren, nur weil ich angefangen habe zu arbeiten Messbarer Wert ist der Schlüssel zum ewigen Streben technischer Talente ist auch ihr langfristiges Streben nach ultimativer Technologie.
Und Kuande ist der „Elfenbeinturm“, der diese wahren Absichten schützt. Die Erforschung der Vielfalt und das hohe Maß an Toleranz beflügeln die Forschungsmotivation von Talenten in der „Post-Studenten-Ära“. Gleichzeitig hat Cundak diese Macht mit ausgereiften Werkzeugen und wissenschaftlichen Methoden ausgestattet, die es jedem ermöglichen, sich mit ganzem Herzen dem Studium der Schönheit der Technologie im Finanzwesen zu widmen. Ich habe sehr von der Erforschung der Harmonie von Technologie und Wert profitiert
Heute verändern maschinelles Lernen, Deep Learning, Reinforcement Learning und andere Technologien die technische Landschaft der quantitativen Handelsbranche erheblich. Bereitstellung Die Entwicklung des quantitativen Handels eröffnet eine neue Situation. Beispielsweise wird der Bereich des quantitativen Handels umfassend auf SOTA ML/DL-bezogene Forschung zurückgreifen. Aber Absorption bedeutet nicht Aneignung. Wie nutzt man eine bestimmte Deep-Learning-Technologie richtig? Wenn das Signal-Rausch-Verhältnis niedrig ist, wie kann dann festgestellt werden, ob es sich um eine Einschränkung der Daten oder um eine Verzerrung im Trainingsprozess handelt? Dies sind alles Anpassungen, die die quantitative Handelsbranche an neue Szenarien und neue Probleme vornehmen muss. Sie sollten die Grenzen der Erkenntnis aus den Bereichen, mit denen Sie vertraut sind, schrittweise erweitern, Schritt für Schritt eine solide Grundlage schaffen und danach streben, „zu wissen, was passiert, aber auch warum“.
Mit der Vertiefung der Arbeitspraxis erkannte Elric nach und nach, dass Quantifizierung eine organische Kombination aus „spezifischer technischer Umsetzung“ und „einzigartigem Wert für den Markt“ ist. Er zitierte die Rede von Dr. Feng Aus Sicht des maschinellen Lernens können wir Bestände aus einem sehr spärlichen hochdimensionalen Raum wie One-Hot-Codierung in einen dichten niedrigdimensionalen Raum einbetten. Aufmerksamkeitsmechanismus) kann verwendet werden, um Punkt-zu-Punkt-Beziehungen zwischen Beständen in die Beziehung zwischen Koordinaten in diesem Raum umzuwandeln. Dies ist die Kernidee des GAT-Paradigmas (Graph Attention Networks). Durch die Einführung dieses Mechanismus werden einzelne Datenströme in diesem Netzwerk oft leicht durchbrochen, aber in diesem Netzwerk wird jeder Knoten gestärkt und der Druck auf einen bestimmten Punkt wird auf das Ganze verteilt Netzwerk. Durch dieses Netzwerk werden die Auswirkungen von Transaktionen erheblich reduziert, wodurch der Wert der auf dem Sekundärmarkt einlösbaren Aktien stabiler und ausreichender wird „Dieses Beispiel von Dr. Feng spiegelt eine Harmonie wider, die elegante Technologie und ihre Marktbedeutung integriert. Durch die Deep-Learning-Methode zur Darstellung der Beziehung zwischen Objekten wie GNN können wir eine Art Beziehung zwischen Objekten herstellen „Die für beide Seiten vorteilhafte und komplementäre Beziehung hat eine stabilere und effektivere Struktur für den Markt geschaffen, als ob Tausende von Aktien zu einem Ganzen geschmiedet worden wären.“ Elric sagte: „Herr Feng hat wie ich einen Hintergrund in Statistik.“ Er verfügt über 20 Jahre quantitative Erfahrung im In- und Ausland. Ich habe viel von praktischen Erfahrungen und gesammelten Erfahrungen in Aspekten wie der Interpretierbarkeit von Modellen und dem Umgang mit Überanpassungen profitiert. In dieser Kollision zwischen Veteranen und jungen Menschen steckt Kuande weiterhin Erzeugen Sie Funken der Innovation. Höhepunkte der Kuande Hot Recruitment-Projekte
Das obige ist der detaillierte Inhalt vonHardwarekrieg, Rechenleistungswettbewerb, Geniespiel: Gamebreaker im Zeitalter der quantitativen Involution. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!