7月8日至10日，2021世界人工智能大会在上海圆满举办。本届大会由国家发展和改革委员会、工业和信息化部、科学技术部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会，以及上海市人民政府共同主办，是人工智能行业的国际顶级盛会。

7月9日下午，以 “数据智能，链接未来” 主题分论坛上，九坤投资创始人&CEO王琛受邀出席，并发表“数智时代量化投资的演进与挑战”主题演讲，主要从量化投资的数智演进、九坤在数据与智能方面的实践、未来量化投资数智发展中面对的挑战和瓶颈三方面来阐述量化行业发展。

大数据+AI算法是量化行业主要增长来源

量化投资为什么能盈利？一是金融市场的弱有效性，这是所有主动投资能赚钱的基础；二是统计方法的有效性，这是量化方法论的核心信仰。在王琛看来，金融市场是交易市场，背后反映的交易者的行为规律是量化利润的来源。

毋庸置疑，AI技术能增强信息提取效率。在王琛看来，量化投资已从简单的"结构化数据库+算法”发展演化到了“大数据+深度智能”的阶段。国内量化市场在2017年之前靠量价数据和人工挖掘。2018年之后中国量化技术开始逐渐进入AI时代。2020年之后，由规模增长带动的策略研发已经逐渐进入大数据+AI算法挖掘时代。

“本质上，信息来源扩大+信息提取能力的提升，是量化投资行业的核心引擎。”王琛表示，在量化行业突破7000亿的体量之后，大数据+AI算法未来发展的趋势更加势不可挡，这也是未来量化行业的主要增长来源。

信息、算法、执行是量化投资核心要素

对于量化行业的核心要素，王琛认为包括信息、算法、执行三个方面。在人工智能兴起之前，量化领域就已经把这三个方向做到了相当的高度。但进入数字化时代之后，这三个方向都进一步受到AI和大数据技术的赋能提升。

以九坤运用AI技术处理信息的实践为例，面对新闻及公告中披露出来的企业事件信息，会充分运用NLP的算法对不同类型的新闻或公告根据理解其含义和特征分类，最终形成整个信息的归类图谱。这个过程中会发现，很多信息对于股价的影响会与预想的相悖，例如上市公司重大重组对公司本身是利好，但股价却是下跌的。这里面涉及到如何去理解其中的因果关系，从而建立正确的模型。

如何用量化去做基本面，这是所有的量化公司都在考虑的问题。王琛提到，九坤的一种方法是，从几百万篇的研究报告出发，通过NLP算法来建立针对各个行业基本面指标的知识图谱，从而能快速建立起行业投资逻辑。这个过程主要是基于深度学习算法，从研报中抽取大量行业指标信息，自动高效提取指标和指标预测数据的变动历史，再基于此，对指标进行验证，并挖掘指标对上市公司股价的影响模式。

此外，九坤也在时间序列上把各种多模态的另类数据，而不仅仅是传统的量价数据，应用不同的机器学习算法，进行交织尝试，形成对价格的预测能力。

量化投资大数据智能化面临的挑战

量化投资在数智时代会面临哪些挑战？王琛认为具体包括多模态挑战、数据质量挑战、处理速度挑战。

王琛进一步解释，对于不同类型的另类数据，需要不同的算法，这就需要多模态算法领域的人才。而数据源本身的错误或噪音会对历史模型的建立造成严重影响。另外，低延迟的数据处理能力是量化的优势所在，这也需要非常强的基础架构和体系搭建才能完成。

除了以上情况，量化行业在数智时代的挑战还包括模型有效性、市场反身性与金融市场高噪音的叠加的挑战，以及中国市场环境下不同时间市场风格和结构的变化带来的挑战。

中国的量化投资领域演进速度是非常迅速的，策略、方法、产品都在快速迭代。量化行业当下的演进正处于智能化投资的开端，每一次迭代会将投资预测的准确度不断提升到崭新的高度。

免责声明：本文转载自九坤投资，文章版权归原作者所有，内容仅供参考并不构成任何投资及应用建议。