专题：第四届·中国量化投资白皮书研讨会暨园游会

　　7月12日 ，第四届·中国量化投资白皮书研讨会暨园游会举办
，倍漾量化创始人冯霁出席会议，并发表“大模型时代的量化投资”主题演讲 。

　　他表示 ，今天面向同行就说点“干货 ”
。倍漾量化主打高换手
，成立第一天就用“AI 原生
”思路做资管——像搭 AI 科技公司那样搭投研系统。当年大家质疑“机器学习能炒股吗？”现在已无人再问 。

　　先补一点理论，机器学习的核心只有一句话：在训练集上学到的函数 ，如何在没见过的数据上依旧有效？这就是泛化
。80 年代图灵奖得主 Valiant 给出的 PAC 学习框架把它形式化：只要算法能以大概率保证误差有界
，我们就敢把模型搬到实盘。

　　那金融市场能不能学？市场非有效，除当前价格外还有信息可被利用；时序分布会漂移 ，但高频数据漂移最慢——分钟级 、tick 级几乎满足独立同分布；样本量极大：沪深交易所一天 3 亿笔，千日就是 3
，000 亿点 。冯霁指出：在高频领域，机器学习不仅可学 ，而且只会“欠拟合 ”
，不会“过拟合
”
。

　　再说“黑盒不可交易”的误解。可解释有两条路：用白盒逼近黑盒，再把可解释部分全部扣掉 ，剩下的才是真 Alpha——Barra 框架早就在做
，我们把它搬到高频维度；不解释模型，只监控统计量 。就像你敢坐高铁是因为事故概率极低 ，而不是司机随时向你解释操作。只要监控指标稳定
，就能上实盘
。

　　大模型来了，游戏规则重写。NLP 以前是分词→词性→特征→模型→评估的流水线 ，现在三步完成：预训练→监督微调→强化学习 。量化投研也会走同一条路——不是修修补补
，而是整条生产线重构
。

　　倍漾已经把团队拆成两块：机器学习组——负责“准 ”；高性能计算组——负责“快
”。没有“因子岗”，所有人围绕一个统一底座迭代 。

　　为什么短周期最先被 AI 攻下？ 无效性多 ，信号足；分布稳，可学习；非线性模式丰富
，人工难刻画
。周期越短，AI 垄断性越强；周期越长 ，难度指数级上升。

　　AI 投研系统还有一大优势：升级可规划 。传统投研靠灵感
，我们像软件工程一样排期：GPT-2 出来就能预见 GPT-4 长什么样
。倍漾内部研发排期已排到三个月后，国庆前哪些能力会提升多少 ，现在就能写下 OKR。

　　备注：本文由AI辅助
，根据直播速记整理而来，未经本人确认 ，基金有风险
，投资需谨慎！