量化投资与大模型结合 - 倍漾量化创始人冯霁在研讨会上发表"大模型时代的量化投资"主题演讲，提出量化投资将因大模型技术而重构[1] - 公司采用"AI原生"思路构建投研系统，类似AI科技公司的架构，从成立之初即专注于机器学习在资管领域的应用[3] - 高频交易领域机器学习优势显著：市场非有效性提供信息利用空间，分钟级/tick级数据接近独立同分布，样本量极大（沪深交易所单日3亿笔，千日累计3000亿数据点）[3] 机器学习在金融市场的应用逻辑 - 机器学习核心问题在于模型泛化能力，PAC学习框架为实盘应用提供理论支撑[3] - 高频领域机器学习仅存在欠拟合风险，不会过拟合，因数据分布稳定性强且非线性模式丰富[3] - 破除"黑盒不可交易"误解：通过白盒逼近剥离可解释部分获取真Alpha，或通过统计量监控替代模型解释（类比高铁运行逻辑）[3] 大模型驱动的量化投研变革 - NLP技术路径从多步骤流水线简化为预训练→监督微调→强化学习三阶段，量化投研将同步重构全生产线[4] - 公司重组团队结构：机器学习组专注模型准确性，高性能计算组保障速度，取消传统因子岗，全员围绕统一技术底座迭代[4] - 短周期交易更易被AI攻克：信号密度高、分布稳定、非线性特征多，长周期难度呈指数级上升[4] AI投研系统优势 - 系统升级具备可规划性，传统投研依赖灵感而AI可像软件工程排期，例如基于GPT-2能预判GPT-4发展路径[4] - 公司研发计划已排期至三个月后，国庆前具体能力提升指标可通过OKR量化预期[4]