幻方量化2025年业绩表现 - 幻方量化2025年实现约50亿人民币收益，该收益规模超过AI独角兽MiniMax的IPO预募资额 [1] - 公司2025年平均收益率达56.6%，在百亿级量化基金中排名全国第二 [1] - 公司管理资产规模超过700亿人民币，按行业通行的1%管理费与20%绩效费规则计算得出上述收益 [1] DeepSeek模型训练成本与资金支持 - DeepSeek R1模型训练成本仅为29.4万美元，V3模型训练成本为557.6万美元 [2] - 幻方量化2025年的50亿人民币收益，按成本计算可支持训练2380个R1模型或125个V3模型 [1][2] - 该资金支持使DeepSeek成为全球少数不依赖外部融资的独立AI实验室，能够专注于研发而无需为商业化妥协 [2] 幻方量化与DeepSeek的协同关系 - 幻方量化是DeepSeek创始人梁文锋的核心产业，两者形成“双向奔赴”的协同模式 [1][2] - 量化交易业务为AI研发提供资金支持，而AI技术则反哺量化交易策略的开发 [2] - 该协同模式使两家公司在各自赛道（量化金融与人工智能）均站稳了脚跟 [2]

研究核心观点 - David Itkin因其在量化金融领域开发了一种评估投资组合交易价格影响的新方法而获奖，该方法简化了过往模型并获得了同行赞誉 [1] - 该方法的核心创新在于为线性策略选择最优的“有效”二次成本参数，以更好地反映现实中的非线性价格影响，同时保持计算简便性 [7][13] - 研究结果表明，最优线性策略相较于非线性优化器仅造成2%的性能下降，但计算成本显著降低，为行业提供了实用的近似最优解决方案 [17][18] 研究方法与创新 - 该方法将优化框架简化为单一函数的尺度优化问题，取代了以往耗时的网格参数搜索和收敛程序，提升了数学严谨性和可解释性 [9][10] - 理论支持线性策略的分析计算，无需进行耗时的模拟，且可利用从业者现有的基础设施，无需昂贵的计算算法 [10] - 研究将线性策略在广泛风险水平下的表现与高精度非线性优化器进行对比，验证了其有效性 [16][17] 行业现状与问题 - 投资组合经理为便于实施，通常假设交易量与资产价格影响之间存在线性关系，并由此推导出“假定二次”成本 [5][6] - 现实中价格影响关系是非线性且呈凹性（遵循平方根定律），许多公司并不清楚其直线近似与最优策略的差距 [6] - 投资组合优化器中价格影响成本通常被假定为二次型，但这种近似造成的实际性能损失此前从未被明确量化 [7][13] 研究成果与应用价值 - 最优线性策略仅导致2%的性能下降，考虑到非线性方法更高的计算成本，许多公司可能认为这是一个可接受的权衡 [17] - 该研究让行业确信近似方法可以实现近乎最优的结果，解决了投资组合经理面临的众多不确定性之一 [18] - 后续研究已在进展中，将纳入影响衰减效应，并贡献于关于价格影响函数非线性及神经网络策略的文献 [18]