7月12日，第四屆·中國量化投資白皮書研討會暨園游會舉辦，倍漾量化創(chuàng)始人馮霽出席會議，并發(fā)表“大模型時代的量化投資”主題演講。

　　他表示，今天面向同行就說點“干貨”。倍漾量化主打高換手，成立第一天就用“AI 原生”思路做資管——像搭 AI 科技公司那樣搭投研系統(tǒng)。當年大家質疑“機器學習能炒股嗎？”現在已無人再問。

　　先補一點理論，機器學習的核心只有一句話：在訓練集上學到的函數，如何在沒見過的數據上依舊有效？這就是泛化。80 年代圖靈獎得主 Valiant 給出的 PAC 學習框架把它形式化：只要算法能以大概率保證誤差有界，我們就敢把模型搬到實盤。

　　那金融市場能不能學？ 市場非有效，除當前價格外還有信息可被利用； 時序分布會漂移，但高頻數據漂移最慢——分鐘級、tick 級幾乎滿足獨立同分布；樣本量極大：滬深交易所一天 3 億筆，千日就是 3，000 億點。馮霽指出：在高頻領域，機器學習不僅可學，而且只會“欠擬合”，不會“過擬合”。

　　再說“黑盒不可交易”的誤解?？山忉層袃蓷l路：用白盒逼近黑盒，再把可解釋部分全部扣掉，剩下的才是真 Alpha——Barra 框架早就在做，我們把它搬到高頻維度；不解釋模型，只監(jiān)控統(tǒng)計量。就像你敢坐高鐵是因為事故概率極低，而不是司機隨時向你解釋操作。只要監(jiān)控指標穩(wěn)定，就能上實盤。

　　大模型來了，游戲規(guī)則重寫。NLP 以前是分詞→詞性→特征→模型→評估的流水線，現在三步完成：預訓練→監(jiān)督微調→強化學習。量化投研也會走同一條路——不是修修補補，而是整條生產線重構。

　　倍漾已經把團隊拆成兩塊：機器學習組——負責“準”；高性能計算組——負責“快”。沒有“因子崗”，所有人圍繞一個統(tǒng)一底座迭代。

　　為什么短周期最先被 AI 攻下？ 無效性多，信號足；分布穩(wěn)，可學習；非線性模式豐富，人工難刻畫。周期越短，AI 壟斷性越強；周期越長，難度指數級上升。

　　AI 投研系統(tǒng)還有一大優(yōu)勢：升級可規(guī)劃。傳統(tǒng)投研靠靈感，我們像軟件工程一樣排期：GPT-2 出來就能預見 GPT-4 長什么樣。倍漾內部研發(fā)排期已排到三個月后，國慶前哪些能力會提升多少，現在就能寫下 OKR。

　　備注：本文由AI輔助，根據直播速記整理而來，未經本人確認，基金有風險，投資需謹慎！