生成式AI在量化投资领域的采用现状 - 一项针对顶级资产管理公司系统性交易策略负责人的新调查显示，大多数（超过半数）尚未开始其生成式AI的应用之旅 [1] - 在接受调查的151名量化分析师（于去年4月至11月期间接受访谈）中，54%的受访者未将生成式AI工具整合到其工作流程中 [2] - 量化领域虽已使用机器学习技术多年，但生成式AI尚未取得突破性应用 [2] 量化分析师对生成式AI的态度与看法 - 量化分析师对生成式AI在战胜市场、为投资流程增值方面的能力持怀疑态度 [3] - 有行业高管（如瑞银）认为，AI无助于赢得“阿尔法战争” [3] - 当前生成式AI在投资流程中未广泛使用，更多反映了从业者的审慎态度，这被视为一种“好事”和“谨慎”的表现 [5] 数据挑战是采用缓慢的核心原因 - 采用缓慢的主要症结在于数据格式与结构问题 [3] - 量化策略因其系统复杂且涉及巨额资金（出错成本高），要求数据必须按照特定方式进行清洗和结构化 [4] - 量化分析师在高度受控的研究环境中工作，其模型需要具备可解释性和可重复性 [4] 数据供应商的应对举措与发展方向 - 将数据集处理到可用的程度是一项“不吸引人”但“基础性”的工作 [5] - 数据团队正在为量化分析师创建数据产品，以期在未来数据就绪后推动AI的采用，因为从业者对AI的潜力热情很高 [5] - 不止一家数据供应商关注此问题，例如前Point72数据高管创立的Carbon Arc公司，也专注于构建数据集以便于人工智能模型摄取 [6]