多位与会的量化私募研究员向记者感慨，如今他们感受到日益 严峻的"职业危机感"——量化研究员岗位正逐步被AI"替代"。 作者： 陈植 封图：图虫创意 这场研讨会，俨然变成一场量化策略研发人才"招聘会"。 记者注意到， 启林投资、明汯投资、 天演资本 、爱凡哲投资等量化私募机构纷纷设立展台招募 资深量化研究员。 叶芳向记者直言，随着量化策略市场竞争加剧，策略迭代能力正成为量化私募机构业绩能否持续脱 颖而出的关键竞争力。它的本质，是量化人才的较量。 金融阶创始人何子修透露，当前量化人才市场正呈现"两级分化"，一面是顶尖量化人才"供不应 求"，量化投资机构纷纷开出丰厚薪酬与福利待遇，另一面是初级量化人才面临一定程度的"内卷升 级"——他们需要具备ACM/ICPC奖牌、Kaggle竞赛排名前5%或顶尖行业刊物成果发表，才能赢得 量化行业头部机构的认可。 他表示，为了吸引顶尖量化研究员，中小量化投资机构被迫开出与头部机构相当的薪资福利待遇， 但由于这些机构在数据、算力等资源的不足，导致人才难以发挥价值，开始形成"高薪挖人—低效 产出—再次挖人"的恶性循环。 导读 壹 || 随着技术迭代加速与全栈能力要求提高，当前量化投资 ...

活动概述 - "2025苏黎世-深圳数量金融风险夏令营"由南方科技大学风险分析预测与管控研究院、苏黎世大学-苏黎世联邦理工学院量化金融硕士项目、深圳市比梵文化科技有限公司、新瑞商学院联合主办 [1] - 活动为期两周 在苏黎世与深圳两地举行 涵盖中国和国际数量金融行业趋势、金融市场风险、机器学习在数量金融的应用等内容 [11] - 吸引了来自国内外各高校和金融机构的20余位优秀学子和专业人士参与 [12] 行业趋势与观点 - 金融在全球经济体系中具有举足轻重的地位和作用 风险管理与对冲是核心环节 [4] - 量化投资能够更高效地挖掘投资机会 有效规避风险 提高资产的长期收益率 [9] - 数量金融运用数学、统计学、计算机科学等多学科交叉手段 对金融市场的波动性、系统性风险以及个体金融资产的风险进行精准测度和预测 [12] 企业动态 - 深圳康节问对科技采用"1+1+N"（数据+智能体+实际行业应用）的业务逻辑 强调数据在行业发展中的重要性 [5] - 顺络电子在发展初期抓住手机行业供应链发展红利 目前正在量化、人工智能及低空经济领域进行转型探索 [6] - 瑞桐（杭州）私募基金管理有限公司分享了国内外量化投资发展现状和前沿 指出传统人工投资方式面临挑战 [9] 活动特色 - 讲师团队包括南方科技大学、苏黎世联邦理工学院、苏黎世大学等一流学府的资深院士教授 以及Citadel、广金美好、瑞银投资等国内外知名金融机构的资深专家 [11] - 今年夏令营以"关注数据 把握机会"为主题 更侧重于量化投资及金融行业的实操内容 [11] - 特邀讲师邵浩博士分享了多年金融领域实战经验和心得 为年轻学子指明未来发展方向 [9]

量化投资AI技术进展 - AI在量化投资中的应用已实现全流程自动化，包括研报筛选、数据提取、代码编写、策略回测和迭代优化，以"中证1000指数增强"为例展示从人工workflow到AI自主规划的转变[3] - AI任务处理能力升级至并行模式，可同时执行组合优化和因子挖掘，形成下一代投研Agent雏形[3] - AI代码生成比例快速提升：2024年实际达成30%代码AI生成（原定目标），2025年目标提升至90%，部分模块已达99%自动化[4] AI投研系统技术架构 - 模型层采用商业大模型（如o3-claude-4）与本地调优模型（DeepSeek-V3/R1、千问）混合部署模式[3] - Agent形态从2023年的IDE插件（GitHub Copilot/Cursor）演进为2024年端到端无代码解决方案[3] - 平台层通过QO-one集成大模型、数据、算力和工具链，实现新手10分钟完成策略开发的效率突破[3] 行业落地时间线 - 2023年完成首批GPT与量化平台的对接[4] - 2024年AI代码生成比例突破原定30%目标[4] - 2025年AI输出占比向90%迈进，部分模块接近全自动化[4]

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]

程序化交易新规核心内容 - 《程序化交易管理实施细则》于7月7日正式实施 新规从2024年6月公开征求意见到2025年4月推出 最终7月落地 逐步推进量化交易监管 [1] - 新规核心指向对高频交易的精准监管和异常交易的严格约束 通过"速度限制、规则堵漏、穿透监管"重塑市场生态 [1] - 量化行业从"微秒级速度竞争"转向"中低频策略有效性竞争" 机构需从"拼速度"转向"拼质量" [1][19] 高频交易监管要点 - 高频交易认定标准明确：单账户每秒申报/撤单≥300笔或单日≥2万笔 需接受差异化收费和额外报告监管 [3][5] - 实行差异化收费机制 提高高频交易的流量费、撤单费 每笔1元委托费加5元撤单费使高频策略盈亏平衡点提升30%-50% [3][6] - 全面暂停融券T+0交易 禁止当日卖出、次日还券操作 [3] 新规对量化行业影响 - 高频策略收益可能下降30%-50% 部分中小私募因合规成本上升面临淘汰 依赖年化200倍以上换手的高频做市策略可能失效 [6] - 头部机构优势巩固 幻方量化、明汯投资等以中低频策略为主 已提前完成合规调整 受影响较小 [6] - 行业集中度提升 依赖高频策略的中小机构需转型或退出 技术储备不足者面临出清压力 [6] 市场生态变化 - 流动性质量改善 减少"幌骗交易"等虚假流动性 真实供需更易反映在价格中 [6] - 公平性增强 削弱高频交易技术碾压优势 保护中小投资者利益 [6] - 引导资金流向蓝筹股 避免小盘股过度波动 预防小微盘股大幅下行风险 [10] 交易数据变化 - 新规实施首日两市成交额1.22万亿元 较上一交易日缩小逾2000亿元 [8] - 量化资金约占A股总成交额20%-30% 前一日1.4万亿元成交量中约3000多亿元来自量化资金 [9] - 成交额下降与新规限制量化交易有关 但市场仍维持高位运行 [9][10] 机构应对策略 - 头部量化私募策略换手率普遍为80-150倍 远低于300笔/秒的红线 已提前调整风控标准 [14][15] - 量化竞争维度从技术执行速度转向策略研发深度 中低频与基本面量化策略将成为主流 [18] - 机构需构建全覆盖合规管理体系 深化多因子模型创新 完善风险管理框架 [18]

程序化交易监管新规实施 - 沪深北交易所程序化交易管理实施细则正式施行 推动量化行业向更规范高效方向发展 [1] - 监管全面细化 明确四类异常交易行为构成要件 包括瞬时申报速率异常 频繁瞬时撤单 频繁拉抬打压 短时间大额成交 [1] - 高频交易认定标准为单账户每秒申报撤单合计300笔以上 或全日申报撤单合计20000笔以上 [1] 高频交易差异化监管 - 对高频交易实施差异化监管安排 包括额外报告要求 从严管理异常交易行为 实行差异化收费标准 [1] - 量化私募已从交易模型 风控管理 合规培训等多方面改进 调整因子参数 控制最大买卖量 [1] - 执行24小时实时预警及人工监督 重点加强盘中实时监测 严格监控每日交易笔数避免触发异常 [1] 行业整改现状 - 国内大中型量化私募普遍完成整改 头部机构设立专人专岗进行管理评估确保合规 [2] - 依赖极高报撤单频率的策略产品被大幅调整或淘汰 截至去年6月末全市场高频交易账户1600余个 年内下降超20% [2] - 触及异常交易监控标准的行为过去3个月下降近60% 截至今年6月底高频策略产品已难觅踪迹 [2] 监管长期影响 - 新规细化算法 交易频率 风控指标要求 有助于遏制非理性交易行为 压缩灰色空间 [2] - 头部机构更有能力快速适应监管变化 推动良性竞争 [2] - 长期有助于行业完成"挤水分""清风险" 促进健康发展 [2]

程序化交易新规实施影响分析 - 《程序化交易管理实施细则》正式实施 推动量化行业从"速度竞争"转向"深度竞争" [1] - 新规主要针对不规范高频交易行为 对量化投资核心逻辑影响有限 [1][3] - 业内已做好设备和系统适配 总体影响不大 [3] 高频交易监管标准 - 高频交易认定标准：单账户每秒申报/撤单300笔以上 单日累计2万笔以上 [3] - 标准从2023年9月首次提出 已有一年多过渡期 [3] - 大机构阿尔法策略换手率普遍不高 年化换手率200倍以上策略占比很低 [3] 量化行业降频趋势 - 全行业平均频率适度下移 中高频策略仍是阿尔法核心来源 [3] - 高频因子受限 中低频量价因子重要性显著提升 [5] - 部分高频交易资金将向中低频迁移 [5] 行业竞争格局变化 - 新规加速行业优胜劣汰 依赖极高报撤单策略的机构面临挑战 [7] - 头部机构优势明显 但"小而美"团队仍可凭垂直领域创新突围 [7] - 行业集中度将进一步提升 [8] 策略转型方向 - 策略多样化成为趋势 "高频+中频+低频"组合将更普遍 [8] - 需要持续优化交易算法 构建更多样化低相关性策略组合 [8] - 深耕特色策略 提升有效性和差异化水平成为中小机构核心任务 [9][10] 量化行业发展展望 - 国内量化管理规模将持续扩大 但超额收益将随规模增长下行 [10] - 衍生品丰富将带来策略类型多样化 缓解同质化问题 [10] - 行业难以形成真正寡头垄断 大小机构将并存发展 [10]

量化新规市场影响分析 - 市场谣言澄清：A股尾盘跳水与7月7日生效的量化新规无关，相关细则已于2024年6月征求意见并于4月正式发布，市场预期充分[2] - 高频交易频率限制谣言被驳斥：所谓"从每秒299次降至30次"被多家机构称为无稽之谈，业内反对将量化与高频交易划等号[3] 高频交易监管细则 - 高频交易定义标准：单个账户每秒申报/撤单≥300笔或单日≥20000笔[9] - 差异化管理要求：交易所可在报告、收费、监管等方面对高频交易实施差异化管理，但具体收费机制尚未完全落定[6] - 机构合规调整：头部量化机构已主动将交易频次调整至监管标准以下，大型机构受影响程度可控[6][7] 量化策略转型趋势 - 降频成为行业关键词：政策引导叠加策略容量限制，机构逐步转向中低频策略[10] - 中低频策略优势：容量大（百亿私募称其贡献超80%超额收益）、多样性强、收益来源广，成为A股量化增长主赛道[11] - 策略转型驱动因素：高频策略获利空间受压缩，另类数据增加推动中低频信号稳定性提升[11] 量化投资本质澄清 - 量化不等于高频交易：程序化执行工具（如VWAP策略）本质是提升交易效率的风险管理手段[11] - 长期价值投资应用：股票回报预测模型可将价值投资理念转化为系统化框架，促进资本市场理性定价[11] 新规实施准备情况 - 行业提前适应：量化机构自2023年起已多次自查，新规对市场实际影响有限[4] - 规模影响分化：单产品规模决定受影响程度，小型产品基本无影响，大型机构通过调整可满足监管要求[7]

时代背景与技术演进 - 全球正处于技术演进与制度转型交汇的关键时点，生成式AI为代表的新技术浪潮正在改变各行各业，为长期价值投资提供新工具[1] - AI正从提升多步推理能力（L2）向具备"感知—计划—执行"闭环能力的AI Agent（L3）发展，2025年被称为"AI Agent元年"[2] - 海外市场AI辅助研究已成为主流，对冲基金采用大模型优化投研流程，共同基金和财富管理机构应用生成式AI于投资摘要、会议纪要等环节[4] 政策导向与市场结构 - 新"国九条"及配套政策体系引导长期资金入市、倡导价值投资、规范程序化交易，管理险资、社保等机构更看重低费率、容量大、结构透明的投资工具[4] - 国家推动科技金融、绿色金融、普惠金融、养老金融、数字金融"五篇大文章"，金融资源配置向五大重点领域倾斜[4] - A股市场信息披露、监管执法和投资者结构持续优化，逐步形成基本面主导、"优胜劣汰"的市场机制[5] 量化投资的作用与定位 - 量化交易在市场中承担"润滑剂"与"稳定器"双重角色，为市场提供流动性和价格发现机制，增强市场结构韧性[6] - 通过机器学习将股票从稀疏高维空间嵌入致密低维空间，利用注意力机制构建图网络，增强整体系统稳定性与韧性[7] - 本土量化行业已建立稳定技术积累、较强研究能力和良好合规文化，面临技术加速发展与制度优化的窗口期[5] 智慧选股（Smart Beta）策略 - 智慧选股策略聚焦服务长期机构资金，强调工具化定位，构建可理解、可复制、可评估的配置工具[10] - 策略以AI为驱动、基本面为核心，回归价值投资本源，容量大、换手低、费率合理，支持机构投资者长期配置[10][11] - 旨在实现"普惠化"目标，接近"长期满仓、长期持有"的理想状态，兼顾商业可持续性与合规性[11] AI研究与技术实践 - 行业AI研究分为基于兴趣驱动的学术性研究和更具挑战性的工业级研发，后者需要长周期、重投入[12] - AI时代机遇分为以应用为导向的现实机会和面向未来的基础能力探索，后者涉及对AI推理能力、通用性等的理解[13] - 公司设立人工智能实验室WILL，开展工业级研发探索AI能力上限，源于量化机构具备组织基础和工程文化[14] 行业展望与结语 - 技术突破、人才流动、思想融合为新一轮发展积蓄动能，人类正以前所未有的方式在科技树上攀登[16] - 行业应积极参与技术革命与产业变革，共建行业，不做伟大时代的旁观者[17] - 真正值得投入的事业以长期信念和实践为依托，不以短期确定性为前提[16]

时代背景与技术演进 - AI技术正从提升多步推理能力（L2）向具备"感知—计划—执行"闭环能力的AI Agent（L3）发展，2025年被称为"AI Agent元年"，AI正从工具演变为自主执行复杂任务的参与者[4] - 海外市场AI辅助研究已成为主流，对冲基金采用大模型优化投研流程，共同基金和财富管理机构将生成式AI应用于投资摘要、会议纪要等环节，AI角色从工具向资管流程基础设施演变[5] - 国家政策强化长期导向，新"国九条"及"1+N"配套政策引导长期资金入市、倡导价值投资，管理险资、社保等机构更看重低费率、容量大、结构透明的投资工具，指数化投资获新发展机会[5] 市场结构与量化定位 - A股市场结构发生积极变化，信息披露、监管执法和投资者结构持续优化，逐步形成基本面主导、"优胜劣汰"的市场机制，为长期投资创造发展基础[5] - 量化交易在市场中承担"润滑剂"与"稳定器"双重角色，作为"时刻在线"的基础设施提供流动性和价格发现机制，增强市场结构韧性[10] - 通过机器学习将股票从高维空间嵌入低维空间，构建基于图注意力网络（GAT）的结构表达，实现信息高效传递和流动性共享，分散冲击影响[11] 智慧选股策略与AI探索 - 智慧选股（Smart Beta）策略聚焦服务长期机构资金，强调工具化定位，以AI为驱动、基本面为核心，满足容量大、换手低、费率合理的结构设计原则[13] - 行业中AI研究分为两类：基于兴趣驱动的学术性AI研究推动单点技术突破；工业级AI研发需长周期投入，构建基础设施体系并探索技术路线[17] - AI时代机遇分为应用导向的现实机会（如AI Agent嵌入场景）和面向未来的基础能力探索（如AI推理能力、通用性研究），宽德选择以工业级研发探索AI能力上限[18] 行业实践与长期愿景 - 宽德设立人工智能实验室WILL，定位为"Good WILL Hunter"，开展长期基础性AI研究，回应AI社会价值，需应对计算资源、算法框架、人才招募等挑战[19] - 量化投资行业已建立稳定技术积累、较强研究能力和良好合规文化，当前技术发展与制度优化提供发展窗口，也对规范化和专业化提出更高要求[8] - 行业呼吁在技术革命与产业变革中主动参与建设，不以短期确定性为前提，而以长期信念和实践为依托，共建市场生态[22][23]