這是量化投資最好的時代,業界認可度不斷攀升,優秀人才群賢畢至,更多的技術玩家深入探索無人之境…這也是量化投資「最壞」的時代,更激烈的競爭法則和殘酷的淘汰機制,意味著只有不斷翻越層層技術高峰,才能「一覽眾山小」。 2023 年,踏入「萬億」時代的量化私募產業開啟了以硬體戰爭、算力競賽、天才博弈著稱的內卷之爭。從野蠻生長到精耕細作,如何面對科技與智力比拼不斷升級的產業生態? 在國內市場穩步走過十個年頭的寬德投資,正以自身的經驗破題。讓我們一起來看看寬德人給的答案。 以下影片來源於:寬德投資WizardQuant以嚴謹的學術態度,待技術風起華理當班來數據極速膨脹的時代,統計學作為數據科學中的重要基礎部分,在現實生活中的應用領域日益廣泛。 可選方向多樣化的同時,如何將自身興趣點與學界、業界的需求強有力地連結?聽了幾場歸國老師們分享學術、業界前沿的講座,並和在UCLA 交換時的導師交流學習心得,尤其是在了解到統計學與大熱的機器學習間千絲萬縷的聯繫,Elric鎖定了航行的起點。
統計是從海量的資料中探究未知規律,在看似無序中尋找有序,這需要長期保持對科學研究的嚴謹與堅持。提摩西・高爾斯曾做過一個有趣的比喻,他說數學中絕大多數影響深遠的貢獻都是由「烏龜」而不是「兔子」們做出來的。這意味著,在長期研究的時間刻度裡,只有反覆與數據、模型的切磋,或歡欣鼓舞,或痛苦難挨,那些突破性成就才能緩慢來臨。
隨後,在柏克萊讀生物統計的幾年,Elric 一方面訓練做學術研究必備的科學素質,另一方面在眾多前沿領域深入探索。多重假設檢定、貝葉斯模型、生物資訊、藥物基因組、圖神經網路、非凸性學習理論,他的研究範圍從統計、計算生物學延伸到了機器學習。
Elric 在海外讀書的階段,正值國內量化交易市場突飛猛進。雖然海外市場的交易工具更齊全、市場要素更友善、資本更成熟理性,但也面臨策略同質性加重、馬太效應明顯、過度依賴槓桿和低成本融資等諸多問題。與之相較,雖然國內市場交易發展處在相對初期階段,但市場更具活力、行業方興未艾,這實際上為量化交易,尤其是年輕的從業者提供了更多想像力和成長空間。
從技術角度來看,國內最頂尖的量化交易機構正在迅速地追上海外頂尖機構,甚至在細分技術方向有自己獨特的優勢。雖然起步晚,國內機構的後發蓄力優勢明顯,
不論是SOTA 深度學習技術的應用,還是大規模AI 計算平台的建設、高性能的軟硬體交易系統的設計,以寬德為代表的國內量化交易機構走在了前線。 這股技術的東風,揚起了 Elric 在寬德啟航的風帆。
寬德所有交易軟體、架構中使用、交換,並能跟隨市場動態調整、政策進行動態調整。 時代的需求像紅綠燈一樣引導到國內技術的新人才的人才採用機器學習演算法來預測市場趨勢並選擇投資組合。目前,對傳統機器學習(如核子方法、樹模型等方法)和更為廣闊且高速發展的深度學習的研究與應用,成為金融機構,尤其是量化產業的「兵家」必爭之地。 PhD 畢業後,Elric 加入寬德成為了機器學習研究員。目前,Elric 的工作聚焦於資料探勘、設計模型方案和策略,運用機器學習的方法破解金融市場的各種謎題,在海量資料中發現高維度、非線性的聯繫,量化給了他更廣闊的展示天地。 「寬德有很多獨立資料來源、超大規模的運算資源和強大算力支持,為我們傾力打造了優越的工作環境。例如給我配備了充足的A100,我不用像學生時代一樣擔心資源不夠用,工作效率得以大幅提升。 研究的領域在不停地拓展,如何淬取手中的工具成為「利器」? Elric 認為,越是能夠集眾人之所長,通力合作的團隊,越能長纓在手。 寬德的團隊內部既有專攻理論數學、理論物理的同事,也有學習工程、統計、數值計算的成員。 在寬德,他遇到了IPhO 金牌得主、遊戲大神+ 數學博士、花街資深老兵、天才實習生等等出眾的同事,他們閒時經常互相切磋,從各自的專業視角出發,提供更加完整、全面的解決思路。 「我們眾多的『物理金牌得主們』經常會以洞察物理規律的思維去思考金融規律,這種碰撞時常能使得靈光迸發。比如,在金融工程中有名的Feynman-Kac 公式,就是著名物理學家理查德・費曼在描述高能粒子分佈時搞出來的。推理時,也都能常常給我新的思路。
讓心智保持對新想法、新成果的開放狀態,Elric 猶如吸水的海綿一樣不斷充實自我。寬德建立了一系列的內部知識體系,無論是關於最新統計方法,熱點機器學習、人工智慧演算法,還是程式設計範式、工具鏈的使用等等,都會定期地安排課程,幫助同事們自我沉澱,實現知識共享。 「學習統計的在校同學們,還是要擴充相當量的電腦科學領域知識。最近,我正努力提升自己相對薄弱的工程能力。從基本的程式設計技能到理解電腦科學的整個生態,如資料結構,演算法,電腦組成原理、作業系統、資料庫,編譯原理等。給我啟發,維持自己對學界的嗅覺,不能因為開始工作了,就丟掉一些功課。技術人才們永恆的追求,也是他們長此以往追求極致科技的本心。 而寬德,就是呵護這些本心的「象牙塔」,對於多元化的探索與極大程度的包容,激發了「後學生時代」人才們的研究動力。同時,寬德為這種動力武裝了成熟工具和科學方式,讓大家能夠全心投入其中,研究金融中的科技之美。 時至今日,機器學習、深度學習、強化學習等技術正極大技術重塑著量化交易產業的格局,為交易產業的模式量化交易的發展打開新的局面。例如,量化交易領域會廣泛地從 SOTA ML/DL 的相關研究中吸收養分。但吸收不等於拿來主義,如何正確使用某一深度學習技術?在低信噪比時,如何判斷是資料的限制還是訓練過程的偏差?諸如此類,都是量化交易產業需要針對新場景、新問題的調整。 要從自己熟知的領域去逐步拓展認知的邊界,一步一腳印把基礎夯實,努力做到「知其實更要知其所以然」。 隨著工作實踐的深入,Elric 逐漸體會到,量化是「具體技術實現」與「對於市場獨特價值」的有機結合。他引用寬德創辦人馮鑫博士在世界人工智慧大會的演講:「量化投資可以建立並利用股票間廣泛的關聯,把整個股票市場建設成流動性共享,衝擊分擔的有機整體。從機器學習的視角看,我們可以把股票從one-hot 編碼這種非常稀疏的高維空間向一個稠密的低維空間嵌入,這個過程叫做embedding。的關係,藉此把股票間的關係轉換成這個空間中座標之間的關係,這正是GAT(Graph Attention Networks)範式的核心思想。網,資訊在這張網路中流動。市場也共同分享了流動性。「フェン博士が挙げた例は、エレガントなテクノロジーとその市場的重要性を統合する調和を反映しています。GNNのようなオブジェクト間の関係を表現するディープラーニング手法を通じて、株式間の一種の関係を表現することができます。」相互に有益で補完的な関係が確立され、あたかも数千の株式が全体として形成されたかのように、市場のより安定した効果的な構造が確立されました。彼は国内外で 20 年間の定量的な経験を持っており、モデルの解釈可能性や過剰適合への対処方法などの面で実践的な経験と蓄積された経験から多くの恩恵を受けてきました。イノベーションは常に生成されています。」 一秒一秒を争う市場競争において、Kuande には着実で常に追求するオタクのグループがあり、彼らはコンボリューションが発生したときに必ず最前線に立つでしょう。 Kuande Hot Recruitment プロジェクトのハイライト
以上是硬體戰爭、算力競賽、天才遊戲:量化內卷時代的破局者的詳細內容。更多資訊請關注PHP中文網其他相關文章!