即便策略邏輯(趨勢跟蹤、統計套利)相同,AI 應用方式的差異也會讓業績相關性徹底瓦解 , 傳統量化是 “同一條賽道上的競爭”,而 AI 時代的量化是 “不同維度的較量”,維度差距之下,結果自然天差地別,一個賺錢,一個虧錢的分化局面。



本質是其 AI 應用已形成「數據 - 演算法 - 計算力」的閉環生態:​
數據端:整合 120 + 另類數據源(含衛星、舆情、鏈上數據),是傳統機構的 6 倍;​
演算法端:採用「LLM + 強化學習」雙引擎,而非單一機器學習模型;​
計算力端:自建 GPU 集群,計算力規模是中型機構的 10 倍以上。​
反觀多數中小機構,仍停留在「買數據 + 租算力 + 調模型」的碎片化應用階段 —— 這種「生態級差距」,才是業績分化的終極原因。​

2025 年量化行業的業績數據,直觀印證了 AI 應用差異的影響:​
AI 應用差異和策略擁擠
時間(使用經驗超過十年的老手與新手 )、 重点領域(信號研究/投資組合構建/交易執行) 以及方法
查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 讚賞
  • 留言
  • 轉發
  • 分享
留言
0/400
暫無留言
交易,隨時隨地
qrCode
掃碼下載 Gate App
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)