（文章来源：第一财经） 据报道，印度监管机构调查量化巨头Jane Street涉嫌违反税法的行为。 ...

本次会议以"共建量化生态、共享模型未来"为主题，重点探讨了在A股策略交易愈发复杂的大背景下， 如何借助模型因子、AI算法与风控逻辑协同驱动量化平台可持续发展。 永捷量化在大会上提出了三大核心观点： 策略系统的安全性不是选项，而是底线。 因子模型要兼顾收 益率与回撤稳定性。 实盘验证比"纸面回测"更能体现平台实力。 永捷量化CTO在演讲中介绍了平台内 部"永盾系统"的风控结构，以及"实盘账户先行验证 + 多账户同步执行"的策略落地流程。他强调："我 们不是打造一个'卖策略'的订阅平台，而是在构建一个能跑实盘、有风控兜底、与用户共担波动的交易 平台。" 此次会议上，永捷量化还对外发布了其2025年下半年模型因子升级计划，并宣布将于9月启动 机构托管账户联测项目，联合部分中型私募进行策略落地实验，推动策略安全性与可复制性的行业标准 建设。 结语： 【2025年8月·杭州报道】 8月由多家金融科技机构联合主办的"全国量化信息研讨会"在杭州隆重召开。会议吸引了来自全国各地 的量化投资者、私募基金、金融科技企业代表及高校学者。永捷量化作为受邀发言机构，在大会主论坛 上围绕"量化系统进化路径与安全风控模型"发表了主题演讲， ...

市场有效性理论 - 信息不对等的股票市场导致股民热衷追逐内幕消息 [4] - 有效市场中信息透明，股价会立即反应所有公开信息 [6][8] - 尤金·法玛1965年提出市场有效理论，认为信息会立刻作用到股价 [10] - 真实世界存在信息差和情绪化，股价反应滞后 [12] 量化投资原理 - 量化利用股价反应滞后性，通过快速捕捉已发生事件进行交易 [12] - 量化不预测事件发生，而是预测已发生事件对股价的影响 [14] - 詹姆斯·西蒙斯的量化基金1988-2009年实现年化35%回报 [16] 中国量化发展历程 - 2008年金融危机后海外量化人才回国，弥补国内人才缺口 [18] - 2010年沪深300股指期货上市，量化获得对冲工具 [20] - 2015年股灾导致股指期货严控，量化行业经历洗牌 [22] - 2018年量化规模上新台阶，出现"量化四大天王" [26] - 2021年AI技术引入量化，提升模型复杂度 [28][30] 量化行业最新动态 - 2024年2月小微盘流动性危机导致量化产品两周回撤超10% [32] - 危机后小微盘快速反弹，量化产品6月修复大部分跌幅 [34][35] - 2024年9月后部分量化管理人创下新高 [36] - 2024年二季度头部量化私募掀起"封盘潮"，控制规模以保持超额收益 [38] 量化投资价值 - 量化策略为投资人带来显著赚钱效应 [42] - 量化是小微盘基金有效策略，也是资产配置重要方向 [44]

量化投资行业概况 - 量化投资机构在全球市场具有"精英投资"、"高薪酬"和"神秘感"的特征 [1] - 过去几年市场大幅回撤时，内地少数量化私募巨头仍保持可观收益率并吸引大额申购 [2] - 行业普遍存在技术壁垒，外界难以了解其依赖"独家代码"、"交易系统"或"庞大算力"的具体运作方式 [2] 涉事量化机构违规操作 - 华东某知名量化机构高管在2019-2020年通过支付7%开票费收用173份虚开增值税普通发票，价税合计1455.16万元 [4][5] - 发票名目包括"人力资源服务*招聘服务费"（单笔20.28万元）、"技术服务费"等，涉及西北某劳务派遣公司等多家开票方 [8][9][14] - 通过虚构交易虚增成本，在税前扣除导致少缴税款数百万元 [6][7][10] 资金套取手法 - 违规操作目的包括套取账面资金于账外使用 [11][12] - 操作链条：寻找配合虚开发票的公司→虚假做账→打款至外部公司→扣除开票费后资金回流至关联账户 [13][14] - 合作方涉及XXXX信息科技、XXXX企业服务等公司，其开具的发票已被税务机关证实为虚开 [14][15] 处罚结果 - 涉事机构已补缴税款及滞纳金，并被处以167.6067万元罚款 [17][18][19] - 该机构管理规模达50亿-100亿，属于行业"实力派"，正常应具备较强盈利能力 [22][23] 行业分化现象 - 头部量化机构规模庞大、团队稳定、合规性突出 [25] - 中等规模量化机构面临经营挑战，部分创业团队因资源投入、人才聘用等压力可能选择"擦边"操作 [25] - 快速发展期机构因盈利不理想，"铤而走险"动机较为明显 [25]

量化投资市场环境 - 2024年以来市场个股分化度显著高于近五年中位数水平，为量化策略提供丰富交易机会 [3] - 2024年2月大小盘风格收益差波动率达到极值后下降，有助于量化策略稳定表现 [3] - 2025年市场波动和成交量良好，价量策略表现突出，小市值股票交易活跃度高 [13] - 监管鼓励上市公司并购重组，中小市值股票活跃，成交量放大，股票中位数涨幅大幅超越宽基指数 [11] - 国内市场成交量、活跃度和投资者结构优化为量化策略发展提供广阔空间 [15] 小市值产品特性 - 小市值产品在中国市场具有显著特殊性，波动性大但超额收益丰厚 [9] - 小市值产品是A股市场特色资产，满足不同投资者配置需求 [11] - 通过优化交易算法可有效降低小市值股票交易成本，提高投资收益 [13] AI技术在量化投资中的应用 - 量化投资本质是人工智能在金融领域的垂直应用，过程与大模型学习相似 [6] - 大模型技术发展为行业注入新活力，推动机构加大AI投入，设立AI实验室 [9] - 算力提升使CNN和Transformer等机器学习模型可用于因子挖掘和交易策略 [13] - 需在AI技术应用中保持平衡，既要利用优势又要避免过度依赖 [15] 量化策略发展 - 当市场出现新基本面主线时，当前超额收益环境可能发生变化，需灵活调整策略 [3] - 量化市场规模和成交量的平衡对超额收益持续性非常重要 [11] - 管理人需在市场变化中不断适应和创新以应对挑战 [15] 行业技术趋势 - AI黑箱问题需关注，需确保模型可解释性和可追溯性 [6] - 虽然模型可解释性难以完全实现，但可通过保证系统可复现性追踪问题 [13]

量化投资在中国的发展 - 量化投资已从小众尝试演变为资本市场重要组成部分 [1] - 中国市场量化渗透率仍远低于海外成熟市场，未来有较大发展空间 [4] 杨岩泽团队的投资策略 - 采用多策略架构和科学研究方法，打造穿越周期的稳定收益 [1] - 策略核心在于系统性、纪律性和持续优化，服务不同风险偏好投资人 [1] - 2023年在指数增强、市场中性、融券T0、个股多空等策略线上实现正收益 [1] - 最关注策略的长期超额和绝对收益，避免主观押注，依托历史数据和大数法则 [4] 策略类型与调整 - 从高频逐步转向中低频策略，因后者在稳定性和交易效率上表现更好 [4] - 坚持专注量价策略，分散持仓，以科学方法应对市场不确定性 [4] 团队管理与流程 - 将伦敦经验融入量化投研流程，从策略验证到实盘执行贯彻严密制度 [4] - 强调团队协作能力，不依赖个人，注重公司系统化建设 [4] 投资理念 - 专注量价策略，赚取市场波动的利润 [4] - 低调耕耘，通过体系化、可复制的策略模型积累稳定收益 [4]

量化行业人才竞争现状 - 量化私募机构面临复合型人才短缺挑战，需同时掌握数据工程、高性能计算及量化策略开发能力 [3][17] - 行业呈现两极分化：顶尖量化人才供不应求，初级人才需具备ACM/ICPC奖牌或Kaggle前5%排名等硬性条件 [7] - 头部机构为资深量化研究员提供百万年薪+股权激励，中小机构被迫跟进但陷入"高薪挖人-低效产出"恶性循环 [4][7][16] AI对量化策略研发的影响 - 2022年起AI大模型兴起，量化策略因子挖掘转向大语言模型处理非结构化数据，研究员参与度下降 [8] - AI技术可自主捕捉海量非线性模式，端到端解决任务，替代部分传统量化研究员工作 [8][22] - 上半年AI创造的量化策略实盘业绩优于人工研发模型，黑盒模型通过白盒框架逐步被采纳 [23][24] 量化私募业绩与策略迭代需求 - 上半年51家百亿量化私募平均收益率10.87%，24家收益超10%，量化多头策略产品平均收益达15.42% [13][14] - 策略迭代能力成为核心竞争力，机构加速布局指数增强、中低频衍生品等策略研发 [15][18] - 外资机构入华加剧人才争夺，国内头部机构量化研究员录取率仅0.5% [16][26] AI与量化研究员的协同关系 - AI赋能填补传统量化策略短板，如通过few-shot learning处理极端行情，提升长程推演能力 [11][22] - 部分机构认为AI与研究员应相互促进，AI提升效率使研究员专注新策略开发 [10][22] - 行业积极招募"AI+量化"复合人才，相关岗位薪酬已超过传统量化研究员 [25][28]

活动概述 - "2025苏黎世-深圳数量金融风险夏令营"由南方科技大学风险分析预测与管控研究院、苏黎世大学-苏黎世联邦理工学院量化金融硕士项目、深圳市比梵文化科技有限公司、新瑞商学院联合主办 [1] - 活动为期两周 在苏黎世与深圳两地举行 涵盖中国和国际数量金融行业趋势、金融市场风险、机器学习在数量金融的应用等内容 [11] - 吸引了来自国内外各高校和金融机构的20余位优秀学子和专业人士参与 [12] 行业趋势与观点 - 金融在全球经济体系中具有举足轻重的地位和作用 风险管理与对冲是核心环节 [4] - 量化投资能够更高效地挖掘投资机会 有效规避风险 提高资产的长期收益率 [9] - 数量金融运用数学、统计学、计算机科学等多学科交叉手段 对金融市场的波动性、系统性风险以及个体金融资产的风险进行精准测度和预测 [12] 企业动态 - 深圳康节问对科技采用"1+1+N"（数据+智能体+实际行业应用）的业务逻辑 强调数据在行业发展中的重要性 [5] - 顺络电子在发展初期抓住手机行业供应链发展红利 目前正在量化、人工智能及低空经济领域进行转型探索 [6] - 瑞桐（杭州）私募基金管理有限公司分享了国内外量化投资发展现状和前沿 指出传统人工投资方式面临挑战 [9] 活动特色 - 讲师团队包括南方科技大学、苏黎世联邦理工学院、苏黎世大学等一流学府的资深院士教授 以及Citadel、广金美好、瑞银投资等国内外知名金融机构的资深专家 [11] - 今年夏令营以"关注数据 把握机会"为主题 更侧重于量化投资及金融行业的实操内容 [11] - 特邀讲师邵浩博士分享了多年金融领域实战经验和心得 为年轻学子指明未来发展方向 [9]

量化投资与大模型结合 - 倍漾量化创始人冯霁在研讨会上发表"大模型时代的量化投资"主题演讲，提出量化投资将因大模型技术而重构[1] - 公司采用"AI原生"思路构建投研系统，类似AI科技公司的架构，从成立之初即专注于机器学习在资管领域的应用[3] - 高频交易领域机器学习优势显著：市场非有效性提供信息利用空间，分钟级/tick级数据接近独立同分布，样本量极大（沪深交易所单日3亿笔，千日累计3000亿数据点）[3] 机器学习在金融市场的应用逻辑 - 机器学习核心问题在于模型泛化能力，PAC学习框架为实盘应用提供理论支撑[3] - 高频领域机器学习仅存在欠拟合风险，不会过拟合，因数据分布稳定性强且非线性模式丰富[3] - 破除"黑盒不可交易"误解：通过白盒逼近剥离可解释部分获取真Alpha，或通过统计量监控替代模型解释（类比高铁运行逻辑）[3] 大模型驱动的量化投研变革 - NLP技术路径从多步骤流水线简化为预训练→监督微调→强化学习三阶段，量化投研将同步重构全生产线[4] - 公司重组团队结构：机器学习组专注模型准确性，高性能计算组保障速度，取消传统因子岗，全员围绕统一技术底座迭代[4] - 短周期交易更易被AI攻克：信号密度高、分布稳定、非线性特征多，长周期难度呈指数级上升[4] AI投研系统优势 - 系统升级具备可规划性，传统投研依赖灵感而AI可像软件工程排期，例如基于GPT-2能预判GPT-4发展路径[4] - 公司研发计划已排期至三个月后，国庆前具体能力提升指标可通过OKR量化预期[4]

程序化交易新规核心内容 - 《程序化交易管理实施细则》于7月7日正式实施 新规从2024年6月公开征求意见到2025年4月推出 最终7月落地 逐步推进量化交易监管 [1] - 新规核心指向对高频交易的精准监管和异常交易的严格约束 通过"速度限制、规则堵漏、穿透监管"重塑市场生态 [1] - 量化行业从"微秒级速度竞争"转向"中低频策略有效性竞争" 机构需从"拼速度"转向"拼质量" [1][19] 高频交易监管要点 - 高频交易认定标准明确：单账户每秒申报/撤单≥300笔或单日≥2万笔 需接受差异化收费和额外报告监管 [3][5] - 实行差异化收费机制 提高高频交易的流量费、撤单费 每笔1元委托费加5元撤单费使高频策略盈亏平衡点提升30%-50% [3][6] - 全面暂停融券T+0交易 禁止当日卖出、次日还券操作 [3] 新规对量化行业影响 - 高频策略收益可能下降30%-50% 部分中小私募因合规成本上升面临淘汰 依赖年化200倍以上换手的高频做市策略可能失效 [6] - 头部机构优势巩固 幻方量化、明汯投资等以中低频策略为主 已提前完成合规调整 受影响较小 [6] - 行业集中度提升 依赖高频策略的中小机构需转型或退出 技术储备不足者面临出清压力 [6] 市场生态变化 - 流动性质量改善 减少"幌骗交易"等虚假流动性 真实供需更易反映在价格中 [6] - 公平性增强 削弱高频交易技术碾压优势 保护中小投资者利益 [6] - 引导资金流向蓝筹股 避免小盘股过度波动 预防小微盘股大幅下行风险 [10] 交易数据变化 - 新规实施首日两市成交额1.22万亿元 较上一交易日缩小逾2000亿元 [8] - 量化资金约占A股总成交额20%-30% 前一日1.4万亿元成交量中约3000多亿元来自量化资金 [9] - 成交额下降与新规限制量化交易有关 但市场仍维持高位运行 [9][10] 机构应对策略 - 头部量化私募策略换手率普遍为80-150倍 远低于300笔/秒的红线 已提前调整风控标准 [14][15] - 量化竞争维度从技术执行速度转向策略研发深度 中低频与基本面量化策略将成为主流 [18] - 机构需构建全覆盖合规管理体系 深化多因子模型创新 完善风险管理框架 [18]