- 新金融
- 财富管理
- 金融
量化交易最初诞生于美国，经过多年发展已趋于稳定，成为美国市场上重要交易方式之一。不同于美国，我国量化交易由于起步较晚，尚处于增长阶段，交易量较小。在此背景下，市场催生出一批量化交易平台，知象科技也是其中之一。
知象科技诞生于2015年，主营业务主要分为三层。
首先，底层为金融级别云计算平台，客户可以将量化开发涉及的所有东西都存储于云端，比如数据、策略以及交易模型等，为客户提供安全性较高的开发环境。
其次，开发层为量化平台，包含量化数据、策略开发、资产风控等模块。知象科技CEO龙白滔称，相比于其他竞品，知象科技在量化平台上的优势为高频数据处理，平台可处理数据超过100TB，并且可以支持股票和期货等多种资产。
最后，知象科技还涉及交易层。知象科技将机器学习和深度学习与量化交易相结合，利用人工智能对高频数据进行处理得出量化策略。
知象科技客群为专业量化投资者，包含基金等B端客户以及有一定资产管理规模的专业个人用户。目前，主要收入来源于B端客户每年所支付的平台服务费，专业个人用户使用平台无需付费。
知象科技期望基于量化平台吸引社区专业个人用户，通过为这部分用户提供资金，让用户在平台上实现交易，以此来聚集底层资产。
谈到技术时，龙白滔认为人工智能会为量化投资领域带来革命性的影响，首先，机器学习和深度学习为量化提供了更强的生产力工具，能够从多维度挖掘数据并深度分析数据。其次，人工智能可以逐渐取代人的作用，以此改变未来量化基金的运营模式。
近期，爱分析专访知象科技CEO龙白滔，就量化投资领域的发展现状，以及公司业务和未来规划进行交流，摘选部分内容分享如下。
知象科技CEO龙白滔，清华大学计算机博士，曾任埃森哲和IBM金融咨询业务高管，（万向控股旗下）通联数据联合创始人和首席战略官，中金甲子投资基金首席技术官。
以专业量化投资者为目标客群
爱分析：公司发展历程有哪些关键节点？
龙白滔：公司于2015年4月成立的，天使轮完成了较大金额的融资，之后两年我们在市场上声音其实都不太大，因为那两年主要还是在做产品的研发，还未开始商业化。
2017年7月份，平台真正开发完成，包含全栈的量化产品，从数据获取、策略开发、研究回测到交易，还有资管风控以及对不同的资产的支持，全部都开发完成。平台研发这两年，团队发生过一些变化，有几位伙伴离职，也加入了一些新的伙伴，团队在不断磨合中明确了发展方向。2017年下半年，产品化完成后，我们开始进行市场化，获取了一部分种子客户。
在平台研发过程中，知象也尝试了一些新的方向。2016年下半年，我们组建了一支跨界团队，包括人工智能领域的专家、传统交易员和量化研究员，探寻机器学习和深度学习在量化投资领域的应用价值，经过半年时间研发，最终设计出产品。
2017年年初，我们使用这款产品进行了小规模的实盘测试，资金额为1000万左右，资金来源主要是个人和朋友，测试时间大约为2017年整年，通过这次实盘测试我们团队在“人工智能+量化”领域得到很多收获。虽然通过实盘没有获得很高的收益，并且在过程中遇到很多问题，也为这些问题支付了一定的“学费”，但正是因为这些问题，让我们积累了很多的经验，可以借此完善我们的量化平台和提升我们的交易能力。基于实盘测试，未来我们会推出资管业务。
爱分析：知象科技有哪些业务？
龙白滔：首先，我们有较强的云计算技术，可以为客户部署金融等级公有云、私有云或混合云平台。量化基金在进行量化策略开发过程中，所涉及的数据、策略和研究/回测都需要一个安全可靠的基础设施。目前很多量化平台只能基于公有云进行开发，但普通公有云在安全和隔离方面存在一定风险，较高的网络虚拟化延迟也不适合进行金融交易。我们会根据用户需求，部署金融等级的公有云、私有云或者混合云。知象的云技术是学习并且对标的华尔街高频交易云Lucera，它拥有商业软件最高安全等级EAL4+，并且拥有裸金属网络延迟。
其次，量化交易平台由自身研发，没有使用国内大部分量化平台采用的Quantopian开源Python代码，而是完全从零开始创建了基于C++的自有量化平台核心技术。量化平台覆盖量化交易涉及的所有环节，包括海量数据获取、计算、策略开发/回测/研究/交易，以及风控和资管等。与其他竞品不同，知象科技的量化平台可以进行海量高频数据高性能、高质量和低延迟访问、存储和计算，包含了股票和期货市场全部历史高频数据，压缩数据容量在100TB以上。知象量化平台的能力可以极大丰富研究员的策略想象力，例如，平台支持用户在一只策略里面同时跟踪中证500全部500只成分股的快照、委托队列、逐笔成交和逐笔委托数据，在回测的时候，平台可以将500只股票某交易日约2000万条数据在2秒之内全部推送到用户的回测引擎。
最后，知象科技通过组建跨界团队，将人工智能赋能给量化交易，最终可以实现依靠人工智能进行投资。
爱分析：目标客群是什么？
龙白滔：我们的目标客群是专业的量化投资者，包括B端客户以及专业个人用户，B端主要为量化基金这类客户，专业个人主要是交易资产规模在1,000万以上且有多年量化交易经验的用户。
爱分析：为什么会选择专业量化投资者作为客群？
龙白滔：我们将客户分为小白客户以及专业客户，在我们看来，专业客户价值更大。首先，小白用户开发的量化模型价值有限，不会为平台提升专业度，最终可能会演变成流量争夺。
第二，小白用户所需开发环境较为简单，不需要很强的专业性，技术壁垒较低，很容易被别人模仿。
因此我们会选择专业量化投资者作为客群，也是因为这个群体对于平台要求较高，存在一定技术壁垒，并且一旦习惯使用某个平台，就会有较强的用户黏度，替换意愿较低。
利用专业个人用户聚集量化资产
爱分析：国内有多少涉及量化交易的基金？
龙白滔：市场上并没有一个较为准确的数据。首先，没有机构有能力和精力对量化基金数量进行统计。
其次，量化基金的统计口径也不一样，因为量化本身没有一个明确的标准。有很多基金虽然不是量化基金，但却把自己打扮成量化风格，也有一些基金涉及建模但也很难判断是否为量化基金。
举个例子，一些基金将数据导入Excel，并且基于Excel做出日线模型，这类基金很难判断是否为量化基金，因为虽然是用Excel进行计算和统计分析，但也涉及数学建模，本质上除了工具较为低端实际应用上也应算量化。
虽然没有机构给出具体数字，但我个人估计量化基金在公募和私募基金中占比会是个位数，量化交易量可能占总交易量的10%左右。目前，欧美资管市场，量化占据30%左右的资金量和70%的交易量，所以对照成熟市场的发展情况，我认为国内会有越来越多的基金会涉及量化交易，并且这个趋势是不可阻挡的。
爱分析：现在国内监管允许做高频交易吗？
龙白滔：我们并不涉及高频交易，很多人在提及高频时就会想到高频交易，但量化中有很多其他环节也会涉及到高频数据，比如高频数据处理、基于高频数据建模等，高频交易只是整个量化投资于高频数据结合的末端（交易执行）环节。比如很多人虽然不进行高频交易，但他用高频数据建模，最终形成交易决策，按照这个决策再自己手动完成交易，也属于高频数据在量化投资领域的应用。
虽然我们将高频量化作为切入点，但是中低频也可以是我们的目标市场，因为一个平台如果能支持高频一定也能支持中低频，所以我们的量化平台可供所有量化基金使用。资产端我们不局限于股票这一类资产，期货、海外资产我们平台都可以接入，所以我们目标市场的市场空间很大。
爱分析：美国量化平台市场如何？
龙白滔：不同于国内，美国市场由于有多年发展历史，所以大部分量化基金都比较专业，他们的量化平台都是依靠自身技术能力搭建完成的，没有很多第三方提供商。
中国大部分量化基金的平台需要我们这类公司搭建的原因有二。第一，我国很多量化基金都处于刚起步阶段，构建模型能力以及量化平台工程能力都较为一般。第二，国内量化行业相关基础设施薄弱，没有给量化基金提供很好的发展基础。
目前，国内只有少数量化机构可以依靠自身技术实力搭建专业量化平台，这类机构团队有很强的工程背景，创始人一般都拥有数学、物理和计算机专业背景，比如杭州的幻方以及深圳的博普。
爱分析：收费方式是什么？
龙白滔：我们主要收费方式为向B端收取服务费，但不与交易量挂钩，服务费一般每年收取一次，并且我们不向专业个人用户收取费用。
只向B端收费不向专业个人用户收费有三个原因。首先，向B端收费是因为需要有一定营收，能够养活团队。其次，通过向B收费可以提高企业知名度，若一些较大的量化基金能够成为我们的客户，这样有助于提升我们品牌的影响力。最后，不向专业个人用户收费是因为我希望通过免费来在我们平台上聚集专业个人用户，最后实现资产的聚集。
爱分析：如何聚集资产？
龙白滔：举个例子，比如你现在是一名专业量化投资者，管理1,000万资金，然后你成为我的用户，我免费将平台给你使用，主要有两方面要求。首先，你要拿我的资金进行交易而不是别人的资金，比如你管理1,000万资金，这1,000万要由我提供。其次，你的交易都通过我的量化平台实现，综合这两点最终我实现聚集资产的目的。
当聚集资产后，就有很多商业模式可以实现，包括资金批发/零售、资金聚合、内部成交、融资融券等，比如当平台上存在两个基金经理，分别看空和看多一只股票，两者可以直接在平台上实现交易。通过设计合理的产品形式（例如MOM），可以做到完全合法、合规地实现以上商业模式。
爱分析：人工智能对量化投资有哪些影响？
龙白滔：我认为人工智能会给量化投资带来革命性的影响。
第一，机器学习和深度学习的发展提升了数据挖掘能力。比如你可以把量化投资当成一个生产行为，机器学习和深度学习的发展其实是为量化投资提供了更强的生产力工具，就像很多年前做投资可能看财务报表，后来量化投资出现以后，数据挖掘工具就开始一步一步发展，最早期数据挖掘工具是人脑，后来发展为电子表格再后来是MATLAB之类的数学分析工具包到现在机器学习和深度学习，本质上来讲其实就是数据挖掘生产力工具得到了发展。你通过机器学习和深度学习可同时处理更多的数据，并且变得更有效率，因为量化投资本质上就是从数据中挖掘信号。
第二，人工智能会颠覆量化基金的运营模式。传统量化资金其实还是以人为主的一种模式，投资模型和投资决策都由人来完成。但是随着人工智能技术的进展，机器有更强的模型挖掘能力和处理能力，在这个过程中人的作用在逐渐被削弱。随着人工智能逐渐代替人的作用，量化基金将会逐渐转变为平台为中心的运营模式。平台为中心的运营模式，将会显著改变基金运营的成本结构，并且提升基金业务规模的上限。
爱分析：团队目前有多少人？
龙白滔：团队有20人左右。
爱分析：2018年有什么战略规划？
龙白滔：第一是商业化，首要任务是将专业的开发者社区运营起来，目前已有部分种子用户。第二是区块链化，我们期望用区块链的方式，重塑整个量化投资的价值链。
爱分析：未来有融资计划吗？
龙白滔：有，正在实施融资计划。