Alpha Arena AI交易测试结果 - 在加密货币市场进行的为期两周实盘测试中，6个顶尖AI模型各获得1万美元初始资金进行自主交易 [1] - 国产AI软件DeepSeek表现突出，前三天收益率飙升至36%，盈利近4000美元，尽管后期收益回吐至10%，但仍稳居第一 [2] - 被寄予厚望的GPT 5同期亏损超40%，本金缩水至不足6000美元 [1][2] - Gemini 2 5因频繁切换多空策略，早期亏损超30%，交易手续费消耗大量本金 [2] AI交易策略差异分析 - DeepSeek的策略稳健，源于其母公司幻方的量化基因，采用简单直接策略：开盘全仓、10-15倍杠杆做多核心标的，不频繁换手、不止损止盈 [4] - 亏损严重模型的策略存在缺陷，如Gemini一天内多次更改多空方向，交易次数是DeepSeek的5倍，Claude则因反复止损错过机会 [4] - AI量化的本质是“人类把交易逻辑教给机器”，机器的优势在于执行效率，但逻辑优劣和风险把控仍依赖人类设计 [4] AI量化交易的核心逻辑 - AI交易核心逻辑是“概率游戏”，通过三个步骤实现效率碾压：24小时扫描全球信息寻找微弱信号、将信号转化为铁纪律、以毫秒级速度执行交易 [5] - AI存在致命短板，只能基于过去数据归纳规律，无法预测非连续性变化，如看不懂meme文化带来的全球共识，预判不了文化热梗 [5] - AI量化是工具升级而非人的替代，如同计算器取代算盘，让人类从繁琐运算中解放，聚焦更核心的判断 [6] 对普通投资者的启示 - 普通投资者不应与AI比效率，而应利用自身优势结合技术，如提前参与和感知AI靠数据无法理解的文化热梗和社区故事 [7] - 善用平台杠杆，普通人不必懂AI技术，只需学会利用现成平台让AI为自己打工 [8] - AI时代的机会在于融入生态，利用现有资源找到适合自己的位置，主动拥抱技术比焦虑更有意义 [8][9]

文章核心观点 - 金融市场中准确及时的宏观经济情报与微观交易数据是卖方研究与投资决策的关键驱动力 [1] - LSEG的解决方案结合宏观经济预测与市场微观结构分析 帮助专业人士在海量信息中精准识别信号并提升研究效率与投资回报 [1] - LSEG将举办量化专题活动"从微观交易到宏观经济：LSEG量化洞察上海交流会" 与行业专业人士共话数据驱动的投资未来 [1] LSEG量化解决方案 - LSEG与XTech联合推出预测模型 通过前沿指标提前洞察全球经济趋势并提供可操作的市场信号 [1] - 借助分钟级别股票交易数据和机器学习算法 投资者能实时识别聪明资金的建仓或减仓时机 [1] - LSEG文本分析解决方案运用自然语言处理和机器学习技术 将非结构化数据转化为可操作的洞察以发掘新的阿尔法收益机会 [13][14] - 新闻分析服务可量化企业情绪分析 文本相关性与新颖性 数据覆盖超过40,000家企业且可追溯至2003年 [19] - MarketPsych转录分析通过自然语言处理技术解析企业电话会议内容 洞察情绪倾向和相关企业 [20][21] 全球宏观预测服务 - LSEG携手Exponential Technology推出全球宏观预测服务 为机构投资者提供全球经济趋势洞察 [16] - 预测服务涵盖美国消费者物价指数CPI变动影响 美国零售销售数据 美国经济咨商局消费者信心指数及密歇根大学消费者信心指数等关键指标分析 [16] 活动与嘉宾信息 - 活动将于2025年11月6日在上海陆家嘴举行 包含主题分享 行业讨论和晚宴交流等环节 [3][4] - 主讲嘉宾包括LSEG亚太区Front Office解决方案总监Arman Sahovic博士 其负责高频交易 量化分析和人工智能等复杂解决方案 [8] - 行业讨论嘉宾包括锐天投资创始人徐晓波 其管理规模超过百亿 以及FFT Investment合伙人李怡康 拥有人工智能研究背景 [9][10] - LSEG量化和数据科学业务主管王旭东将参与活动 其擅长构建高效数据分析体系与复杂数据模型 [11]

文章核心观点 - LSEG与XTech联合推出预测模型 通过前沿指标提前洞察全球经济趋势 为研究机构和投资者提供可操作的市场信号 [1] - 借助分钟级别股票交易数据和机器学习算法 投资者能够实时识别聪明资金的建仓或减仓行为 从而在制定入场与退出策略时获得关键优势 [1] - LSEG的解决方案将宏观经济预测与市场微观结构分析相结合 帮助卖方研究人员和投资专业人士在海量信息中精准识别信号 有效规避噪音 提升研究效率与投资回报 [1] LSEG量化解决方案 - 文本分析解决方案运用自然语言处理、机器学习与新闻分析技术 将非结构化数据转化为具有实操性的洞察 发掘新的阿尔法收益机会 [13][14] - 解决方案提供企业情绪分析、文本相关性及新颖性评估在内的宝贵元数据 依托Exponential Technology和MarketPsych等合作伙伴的研究能力 [14] - 新闻分析服务可量化企业情绪分析 增强量化投资策略的交易信号识别能力 支持回测与市场监控 [19] - 新闻分析服务重点覆盖股票、大宗商品与能源领域 数据可追溯至2003年 涵盖逾40,000家企业 [19] - MarketPsych转录分析运用自然语言处理技术解析企业电话会议内容 洞察情绪倾向、相关企业及提及话题 为企业电话会议的深层含义提供详尽的数据驱动视角 [20][21] 全球宏观预测服务 - LSEG携手数据分析领军企业Exponential Technology推出全球宏观预测服务 为机构投资者提供具有实操性的全球经济趋势洞察 [16] - 服务涵盖美国消费者物价指数CPI变动影响、美国零售销售数据、美国经济咨商局消费者信心指数及密歇根大学消费者信心指数等关键指标分析 [16] 活动与嘉宾信息 - 活动主题为从微观交易到宏观经济 LSEG量化洞察上海交流会 旨在共话量化洞察与数据驱动的投资未来 [1][3] - 主讲嘉宾Arman Sahovic博士负责LSEG高频交易、量化分析、人工智能、数字财富解决方案和可持续金融等最复杂的解决方案 [8] - 嘉宾徐晓波管理的基金规模超过百亿 [9] - 嘉宾李怡康拥有人工智能相关研究及AI领域投资工作经验 [10] - 嘉宾王旭东擅长构建高效数据分析体系与复杂数据模型 致力于通过数据挖掘与技术融合提升业务决策效率与价值转化 [11]

公司定位与发展历程 - 公司定位为业绩至上、技术至上的量化投资机构，是中国量化行业精细化发展的缩影 [1] - 公司成立于2016年，经过九年发展，管理资产规模已超过150亿元 [2] - 公司从早期聚焦低延迟交易，发展到如今覆盖多策略、多品种、多频段的百亿机构 [1] 核心竞争力与关键决策 - 创立之初即笃定要拥有很强的低延迟技术，认为这是量化投资的必要不充分条件，尤其在短周期Alpha竞争中至关重要 [2] - 投研团队架构采用中心化大组模式，实行模块化运作，类似工业化流水线生产，避免资源浪费和重复研究 [3] - 2020年全面拥抱非线性模型（AI技术），从树模型发展到深度模型，预测能力大幅提升，并于2025年初成立AI Lab [3] 人才与技术支持 - 公司员工90余人，具备全球顶尖高校的数学、物理、计算机等多元学科背景 [3] - 重视人才培养，实行人才储备先于策略储备，策略储备先于管理规模的原则 [3] - 对应届生设置一年新人保护期，第一年不纳入考核，给予足够的空间和试错机会 [3] - 每年在IT硬件和数据上投入巨大，算力投入使回测时间从过去2天缩短至现在30分钟 [3] 策略与产品布局 - 未来两年最重要的目标是打造严格控制风格的全频段Alpha，覆盖多市场、多品种、全频段 [5] - 全频段Alpha可避免策略趋同，捕捉更多维度的超额收益，且波动更小，回撤较小 [5] - 策略频段短的达到分秒级，长的可预测半个月，不同组的成果可进行工程化对接 [5] - 产品线丰富，包括市场中性、指数增强、量化选股等，未来将发展更丰富的策略产品线，如红利指数增强和ETF相关策略 [6] 风险控制与业绩表现 - 回撤控制方法是采取全频段Alpha并严格控制风格暴露，关注包括非线性市值在内的精细风控指标 [6] - 由于超额收益来源维度多且广，在同样风险下回撤更小，今年8月量化行业普遍回撤时公司实现了盈利 [6] 行业观点与未来展望 - 量化投资对中国资本市场的价值是价值发现和提供流动性，可平抑市场波动 [8] - 2025年以来A股市场交易活跃度提升，国内量化私募基金管理规模重返1万亿元上方 [8] - 中国量化行业发展的第一阶段基本完成，头部机构初步具备全球竞争基础实力 [8] - 未来行业竞争将依靠精细化操作来迭代策略，国内量化与海外相比存在代差，需要不断打磨细节 [9] - 公司未来将持续迭代策略和技术，成为具有国际视野的稳健型量化投资机构，并已开始搭建海外业务架构 [1][7]

公司定位与发展历程 - 公司定位为“业绩至上、技术至上”的量化投资机构，其成长轨迹是中国量化行业“精细化发展”的缩影 [1] - 公司成立于2016年，经过九年发展，管理资产规模已超过150亿元 [6] - 公司发展的每一步都围绕“长期主义”展开 [6] 核心竞争力与关键决策 - 核心竞争力建立在三大关键决策上：笃定低延迟技术、采用中心化投研团队架构、全面拥抱AI非线性模型 [5][6][7] - 低延迟技术是量化投资的必要不充分条件，尤其在竞争最激烈的短周期Alpha策略中至关重要 [6] - 投研团队采用“中心化”大组模式，模块化运作，类似“流水线的工业化生产模式”，避免资源浪费 [7] - 2020年全面拥抱AI非线性模型，预测能力大幅提升，并于2025年初成立AI Lab，AI已重塑整个量化研究流程 [7] 人才与技术投入 - 公司员工90余人，具备全球顶尖高校的数学、物理、计算机等多元学科背景 [7] - 人才培养理念是人才储备先于策略储备，策略储备先于管理规模，对应届生设置一年新人保护期，不纳入考核 [7] - 每年在IT硬件和数据上投入巨大，算力投入使回测时间从过去2天缩短至现在30分钟，并购买大量结构化和另类数据以扩展收益来源 [7] 策略规划与产品布局 - 未来核心目标是打造“严格控制风格的全频段Alpha”，覆盖多市场、多品种、全频段，以解决策略趋同性和拥挤度问题 [4][8][9] - 全频段Alpha能捕捉更多维度超额收益，波动更小，回撤更小，例如在极端行情下短周期策略调整更快 [10] - 当前策略覆盖多频段，短至分秒级，长至预测半个月，不同组成果可工程化对接，表现优于纯短周期或纯长周期策略 [10] - 产品线丰富，包括市场中性、指数增强等，未来将发展更丰富策略产品线，如红利指数增强和规模超过5万亿元的ETF相关量化策略 [11] - 海外业务也是未来发展重点，已在搭建海外业务架构 [12] 行业观点与展望 - 量化投资对中国资本市场的价值在于“价值发现”和“提供流动性”，能平抑市场波动 [14] - 2025年以来A股市场活跃度提升，国内量化私募基金管理资产规模重返1万亿元上方 [14] - 中国量化行业第一阶段发展基本完成，头部机构初步具备全球竞争基础实力，未来竞争将依靠“精细化操作”来迭代策略 [15] - 量化研究的本质是“共同协作，解一个没有尽头的谜题”，追求技术极致带来的回报是更高的超额收益，未来获取Pure Alpha的能力是考核重点 [15]

超额收益的定义与重要性 - 超额收益是投资组合相对于基准的超额回报，反映策略通过主动管理超越被动基准的能力 [3] - 核心计算公式为：超额收益 = 投资组合收益率 - 基准收益率 [3] - 超额收益是量化策略核心竞争力的最终体现指标之一，需结合风险控制、基准选择和统计验证进行综合评估 [3] - 对业绩进行归因和拆解是策略迭代的关键步骤，有助于理解收益或亏损的来源 [2] 超额收益的构成与影响因素 - 股票多头产品的超额收益可分为三部分：Pure alpha、Smart beta和Beta [3] - Pure alpha指任何市场环境下都上涨且波动小的收益，常见于传统量价策略 [3] - Smart beta指某种风格长期有超额收益但短期波动不小的风险风格收益 [3] - Beta指指数本身的收益，波动最大，收益一般 [3] - 影响超额收益表现的因素包括市场行情等外在因素和机构的综合投资能力 [3] Brinson归因模型的应用 - Brinson归因模型是经典且应用广泛的业绩归因方式，将超额收益分解为资产配置贡献、个股选择贡献和交互贡献 [4] - 模型适用于股票投资基金，需要基金的持仓数据，数据越完备归因分析越准确 [4] - 通过具体案例演示，某基金2023年跑赢沪深300指数4.2%，经拆解后选股效应贡献3.4%，配置效应贡献0.7%，交互效应贡献0.15% [6][7][8][9] - 分析结论显示选股能力主导超额收益，配置策略正确把握行业轮动，在金融板块的低配显示出较强的风控能力 [9] Barra风险模型的分析 - Barra风险模型是MSCI旗下的多因子模型产品，用于对投资组合进行事后管理，分析业绩来源和风险暴露 [9] - 模型将市场风格理解为多类因子，通过计算因子收益率、方差、暴露等分析超额收益来源和风险敞口 [10] - 假设某成长风格基金2023年收益达15%，波动率25%，采用Barra CNE6模型将风险分解为10类因子 [11][12] - 通过方差分解发现市值因子贡献38%的风险，动量因子贡献22%，波动率因子贡献15%，行业集中度贡献18%，残差风险贡献7% [14] 风险优化与策略改进 - 针对模型分析发现的问题，包括小市值陷阱、动量过热和行业扎堆，提出优化措施 [15] - 优化措施包括将小微盘股占比从45%降至30%，市值暴露从-1.2调整至-0.8；动量暴露从1.5降至1.0；新增消费电子持仓以降低新能源行业集中度 [15] - 优化后年化波动率从25%降至20%，夏普比率从0.60提升至0.75，最大回撤从-32%改善至-25% [16] - 成熟的量化团队每单位风险获取超额收益的效率较高，能在保持收益率的基础上谨慎选择风险暴露 [16] 超额收益的周期性与挑战 - 超额收益具有脆弱性，获取永远伴随着超额回撤与负超额的风险 [17] - 超额回撤的本质是量化模型在特定市场环境下暴露的风险因子发生非线性衰减 [17] - 市场周期性是导致超额回撤的根本原因，全球量化行业每隔一段时间会出现一次大的回撤，之后大多会迎来修复 [18] - 量化团队需对市场保持敬畏，不断迭代策略和技术，以扎实的专业能力熬过市场周期 [18] 公司背景与业务范围 - 公司成立于2016年，是一家专注于量化投资的对冲基金公司，投研团队超60人，最新管理规模超150亿元 [19] - 公司构建了覆盖多市场、多品种、全频段的量化资产管理平台，并在国内金融市场取得优秀业绩记录 [19] - 投资范围主要为股票、期货、ETF等，拥有行业领先的低延迟交易策略和多样化的策略研发团队 [19]

公司发展历程 - 平方和投资成立于2015年，是中国最早将海外成熟量化对冲模式本土化的机构之一，成立十周年间穿越市场周期 [1][2] - 公司创始人吕杰勇于1999年考入北京大学数学科学学院，受詹姆斯·西蒙斯启发投身量化投资领域 [1] - 2018年市场低迷期公司实现两位数正收益，推动量化基金公众认知度提升，成为行业规模突破万亿元起点 [3] - 公司当前管理规模约100亿元，处于规模效应最佳阶段，采用中低频策略保障较高策略容量上限 [4][5] 策略与技术演进 - 策略框架持续迭代，因子研究从早期量价因子拓展至基本面、分析师预期及另类数据，覆盖多频段预测 [4] - 组合优化实现从线性模型到机器学习主导的非线性模型飞跃，算力同比提升约2.3倍 [4] - 自研Bsim系统支持分秒级因子验证，研究员日均完成上千次回测，显著降低交易冲击成本 [4] - 风控体系升级至多维度管控，包含行业、风险因子、交易比例限制及黑名单机制 [4] 行业竞争与监管应对 - 2025年量化新规落地强化高频交易与DMA业务监管，公司因低频策略占比高、主动压降杠杆率而具备合规优势 [5] - 面对传统因子拥挤度上升，公司坚持深度挖掘量价与基本面领域，通过AI技术实现增量创新而非替代式创新 [6] - 外资加速布局中国市场，公司凭借十年本土化因子库及样本外检验数据构建时间护城河 [6] 人才与未来规划 - 投研合伙人方壮熙加盟（前世坤投资高级执行研究总监），推动因子与组合优化体系升级 [5] - 公司目标从"中国文艺复兴"升级为"世界平方和"，持续加强投研投入保障超额收益稳定性 [4][5] - 行业经历三次危机（2008、2015、2018），公司通过优势策略与严谨风控在危机中持续成长 [2][3]

事件概述 - 前Two Sigma高级副总裁吴舰因在小红书平台炫耀其2350万美元（约合人民币1.67亿元）的年薪而引发内部调查，最终被指控涉及重大金融欺诈案 [1][2][13] - 其薪酬水平远超行业标准，相当于顶级对冲基金高管年薪的数倍，甚至超过知名投资银行CEO的薪酬水平 [7][8] - 相比其往年收入，2022年的报酬出现难以解释的倍数级增长，在量化投资这一讲究平稳回报的行业中显得极不寻常 [9] 当事人背景 - 吴舰拥有清华大学工学学士学位和美国康奈尔大学哲学博士学位，具备顶级的数理基础和工程思维 [16][18][20] - 其职业轨迹包括在Citadel实习，并于2018年4月加入Two Sigma，晋升迅速，在不到五年时间内于2023年1月被破格提拔为高级副总裁 [23][25][28][29] 量化投资行业特性 - 量化投资核心在于用数据和算法解构市场，从微观结构、行为偏差和另类数据中寻找预测性信号，是一场算法对算法的复杂博弈 [33][34][39][45] - 顶级量化策略是跨学科的融合，例如通过分析卫星图像中停车场车辆数量来预测零售商营收，或利用高频数据捕捉流动性模式 [36][37] - 行业存在“发现规律”与“摧毁规律”的悖论，策略同质化会加速市场效率提升，从而扼杀自身利润源泉，同时理性模型与非理性市场间存在张力 [41][42] 欺诈手法与影响 - 欺诈行为发生在2021年底至2023年中的约20个月里，吴舰秘密操纵了至少14个由他创建或参与创建的投资模型 [52][53] - 其通过未经授权的代码修改，使新模型不再进行独立预测，而是复制现有成功模型的交易行为，导致公司风险控制系统的“防震系统”失效 [54][55][58] - 该行为导致客户资产遭受高达1.65亿美元的损失，而公司内部一些基金可能通过复杂结构优先获得了4.5亿美元的额外收益 [69][70][73] 行业风险与监管挑战 - 量化模型具有“黑箱”特性，由数百万行代码构成的策略极为复杂，使得风险控制和外部监管机构难以进行实时、有效的穿透式审计 [79][80][86] - 欺诈风险点已从交易指令执行阶段前移至模型设计和构建环节，而许多基金风控部门的技术能力可能远落后于核心量化团队 [85][87] - 行业“重奖重罚”的薪酬制度将短期经济回报与复杂长期风险直接捆绑，无形中激励了冒险和欺诈行为 [88][89]

事件概述 - 前Two Sigma高级副总裁吴舰因涉嫌金融欺诈被指控，其在小红书平台炫耀的2350万美元（约合人民币1.67亿元）年薪成为调查导火索[1][5][8] - 指控称其在约20个月内秘密操纵至少14个投资模型，导致客户蒙受1.65亿美元损失，而公司内部可能获得4.5亿美元额外收益[34][35][47][48] - 案件暴露了量化投资行业在模型监管、风险控制和激励机制方面的深层问题[53][54][55] 当事人背景 - 吴舰拥有清华大学工学学士学位和美国康奈尔大学哲学博士学位，具备顶尖数理基础和科研能力[10][12][13] - 职业轨迹从Citadel实习开始，于2018年4月加入Two Sigma，并在五年内从量化研究员快速晋升至高级副总裁[15][16][17][18] - 34岁时其薪酬水平远超同行，甚至超过部分对冲基金高管和投资银行CEO，2022年报酬出现异常倍数级增长[4][5][17] 量化投资行业特性 - 行业依赖数学模型和算法从市场数据中挖掘交易信号，管理资产规模庞大，例如Two Sigma管理资产超600亿美元[16][22][24] - 策略具有跨学科特点，涉及流体动力学、自然语言处理等技术，通过分析另类数据（如卫星图像）预测市场[23][24][25] - 核心原则是策略间的“不高度相关”，以分散风险，避免模型同质化导致系统性共振风险[26][27][30] 欺诈手法分析 - 吴舰通过未经授权修改模型代码，使新模型复制现有成功策略的交易行为，而非独立生成预测信号[35][36][37] - 此行为导致公司风险控制失效，客户资金被集中押注于高风险策略，与实际披露的投资策略严重偏离[38][39] - 欺诈直接目的是人为提升模型业绩，以换取高额个人奖金，其2350万美元奖金被用于购买纽约曼哈顿豪宅[33][39][51] 行业风险与监管挑战 - 量化模型具有“黑箱”特性，数百万行代码的复杂性使得实时监管和穿透式审计存在技术困难[53][54] - 传统风控体系侧重于交易行为监控，但对模型研发环节的代码审查缺乏有效技术手段，风控部门技术能力可能落后于核心团队[54] - “重奖重罚”的薪酬制度将短期经济回报与复杂长期风险直接捆绑，可能激励冒险和欺诈行为[55] 行业影响 - 案件揭示了量化基金在管理客户资产与自有资产时可能存在的利益冲突和道德风险问题[41][49][50] - 行业需反思唯数字论的激励文化，并建立更具技术含量的监管和风控体系，以防范类似事件重演[55][57]

行业背景与公司概况 - 2025年A股市场震荡上行，万亿成交额渐成常态，量化产品备案数量同比翻倍 [1] - 平方和投资于2015年成立，历经十年发展，验证了量化方法论在中国市场的长期有效性 [1][6] - 公司创始人吕杰勇的创业初心是成为“中国的文艺复兴”，建立中国自己的量化对冲基金 [2][6] 创始人理念与公司发展历程 - 公司成长与行业危机相伴相生，经历了2008年萌芽、2015年逆势出发、2018年取得两位数正收益三次关键风浪 [7][8] - 面对危局，公司依靠“优势策略+严谨风控”双轮驱动，积极应对 [2][9] - 2018年公司在市场冷却中交出两位数正收益成绩单，成为行业规模大增的起点 [8] 策略框架与投研体系 - 公司十年如一日坚持同一策略框架，不断迭代，形成了“时间护城河” [2][11] - 因子研究从早期量价因子拓展至基本面、分析师预期、另类数据等多维度，涵盖日内多频段预测 [11] - 组合优化经历了从线性模型到机器学习主导的非线性模型的演进 [11] - 公司今年算力同比提升约2.3倍，自研Bsim系统支持研究员日均完成上千次回测 [11] 风险管理与交易执行 - 风险管理升级至行业、风险因子、交易比例限制等多维度体系，并补充黑名单机制 [11] - 自建Bsim系统通过高频时序预测优化交易执行，显著降低冲击成本 [11] 当前规模与业绩表现 - 公司主要采用中低频策略，策略容量上限较高，当前管理规模在百亿元左右，处于规模效应最佳阶段 [2][12] - 今年以来公司超额回报显著，并在小微盘股波动中展现较强防御性 [12] 未来规划与行业竞争 - 公司未来十年目标是成为“世界的平方和” [13] - 引入投研合伙人方壮熙，推动因子与组合优化体系升级，实现团队综合实力质的跃升 [13][14] - 公司认为2025年量化新规落地使竞争重心转向扎实的阿尔法挖掘能力，公司因长期深耕中低频策略而具备前瞻性 [14] - 面对传统因子拥挤，公司倡导“增量创新”模式，在既有优势基础上拥抱AI等新技术 [15] - 公司核心优势在于对A股市场十年深耕所形成的因子库，这是新入场者难以复制的“时间护城河” [2][15]