摘要:打破AI量化平台的人才壁垒

开箱即用的AI量化平台,宽邦科技为券商准备好了 | 爱分析访谈-ifenxi

调研 | 王誉钢 卢施宇

撰写 | 张洋

近些年,量化投资越来越受到关注,金融从业者和机构试图拨开量化投资的神秘面纱,通过其获得更高收益。同时,在AI的加持之下,量化投资更加高效。 然而,对于个人来说,AI量化平台目前屈指可数;对于机构来说,搭建AI量化平台有很高的技术要求。

开箱即用的AI量化平台,宽邦科技为券商准备好了 | 爱分析访谈-ifenxi

成立于2016年的宽邦科技,将自身的AI技术应用于量化投资,将简单易用的量化平台输出给C端客户,将整体解决方案提供给B端客户,让客户越过技术难关,直接使用AI量化工具。

在战略上,宽邦科技首先为C端用户推出AI量化应用平台BigQuant,在此过程中完善自身技术能力,优化产品,并通过C端平台呈现自身实力,培养品牌知名度。

之后,为B端金融机构,尤其是券商,提供AI量化平台的整体解决方案。同时,宽邦科技将BigQuant的底层技术平台产品化,推出了Big AI全栈人工智能平台,通用于金融行业。

开箱即用的AI量化平台,宽邦科技为券商准备好了 | 爱分析访谈-ifenxi

对于C端用户来说,BigQuant网站不仅有高效的策略编写功能,而且技术门槛很低。

平台数据主要是金融市场公开数据,用户也可自行定义数据源。技术方面,用户理解AI和量化的基本原理,略懂代码,即可在平台上编写自己的策略。通过模拟实盘功能,用户可以非常简易地进行模型回测和优化。而且,通过授权,C端客户可以将交易策略接入自己开户的券商平台,进行实盘交易。除此之外,平台用户之间可交流方法,共享函数工具,也可售卖自己编写的策略。

对于B端客户来说,宽邦科技部署好AI量化平台之后,即可在工作中直接应用其编写策略,进行交易,追求高收益。

宽邦科技会根据B端客户情况提供AI量化平台的整体解决方案。BigQuant的优势在于,将数据处理、模型搭建、回测、交易等模块封装,以可视化界面呈现给策略编写者,这不仅大大降低了对量化交易员的技术要求,而且降低了模型开发和维护的技术门槛。

宽邦科技的整体服务,让B端客户无需自行组建AI和算法团队,降低了平台搭建成本,且可快速应用于工作。

券商为主要收入来源,培养C端用户以期商业化

如上文所述,宽邦科技通过BigQuant网站服务C端客户,通过解决方案服务B端金融机构。另外,其向高校开放BigQuant平台,辅助培养AI量化人才。

C端已经积累数万策略开发者,其中1/3是专业投资者。用户在平台开发策略可被其他用户付费订阅,部分用户每月可从平台获得过万的策略订阅费收入。投资者通过平台开发的策略被多家量化资管用作私募产品发布,用于实盘交易。

B端金融机构是宽邦科技目前主要的收入来源,尤其是券商。券商是金融市场投资活动中最活跃的一方,他们希望借助新的方法提高投资收益,但自身技术能力有限。

宽邦科技一方面为券商解决了AI量化系统搭建难题,实现系统快速上线,并降低了运营维护的人员壁垒和成本。另一方面,相比传统交易方式,AI量化交易收益显著提高。

基于以上两点益处,券商愿意为BigQuant付费。整体解决方案的收费分为两部分,项目部署费和后期每年的维护费。目前宽邦科技已经服务了数十家券商和私募机构,包含中信证券等头部企业。

开箱即用的AI量化平台,宽邦科技为券商准备好了 | 爱分析访谈-ifenxi

近期,爱分析对宽邦科技创始人兼CEO梁举进行了专访,现将精彩内容分享如下。

中国的量化交易市场尚处早期,AI应用潜力大

爱分析:国外量化交易行业有哪些可以借鉴的地方?

梁举:相对来说,国外的量化行业成熟很多,交易品种也多。如果算上高频交易,市场上80%左右的交易单都是由机器发出的,机器在后台进行算法驱动。一些比较大的基金,比如文艺复兴和Two Sigma,在用机器学习等方法,让机器更好地进行交易。

国内量化行业处在早期。首先,通过量化去做交易的公司,市场占有率还很低;其次,可交易标的不丰富,且市场有效性相对较低;另外,相对于传统交易方法,量化交易的业绩积累不够,需要积累一段时间让市场看到效果。

同时,面对国内市场变化,券商在寻找新的交易方法。AI量化交易的优势体现在两个方面:一方面,AI是更大的生产力,另一方面,借助量化做交易的业绩优势会逐渐显现。量化有很多天然优势,比如不受人的情绪影响等。所以,未来几年AI和量化的应用可能会有明显增长。

爱分析:AI量化交易在中国市场的应用与美国有哪些不同?

梁举:我们发现国内是一个非常大的市场。将我们的算法应用于A股,很容易做到50%的年化收益,但是在美股市场,做到10%-20%都非常难,因为市场信息很透明,其他公司的竞争能力也都很强。

中国A股市场,有很多信息不对称,用量价可以做出一些好结果。而机器会挖掘得更深,从而得到更好的效果。在这个阶段,用AI的人会得到先发优势。

爱分析:与国内其他量化交易平台是否存在竞争?

梁举:整个投资活动涵盖很多方面。广义来说,从上至下涵盖投资战略(做哪种金融产品),投资策略(如何做投资交易),交易执行。提供量化服务的公司,会根据自身能力,以及对市场的理解,有针对性地去做某一部分业务。所以可能会是竞争关系,也可能是合作关系。

传统量化偏执行层面,是人编写策略。而人工智能更偏策略层面,是机器编写策略。在我们平台上,不用给机器指令,只需要给机器设定好目标,比如,筛选出未来五天涨幅最高的几支股票,然后机器就会通过机器学习模型去找股票。人可以结合自己的能力,再做筛选,做进一步优化。

量化是低维度的,AI是高维度的,我们提供兼具量化和AI功能的平台。

为客户提供整体解决方案,从数据集中度高的行业向下延伸

爱分析:AI是对传统策略的改良,还是使用全新的策略?

梁举:包括这两个方面。一方面是优化,可以让机器去学习原有策略的参数;另一方面,AI可能找到更优的,阻力更小的路径,从而得到更优的结果。

爱分析:BigQuant和传统的AI技术有什么区别?

梁举:我们主要是把机器学习当成一种服务,不需要客户自己去做数据处理、搭建机器学习框架、建立算法模型。

中信证券以前做数据接入要40分钟,我们帮他们优化到秒级。他们不清楚机器学习的框架怎么搭,而我们的平台对他们是透明的,而且可以处理大量数据。

爱分析:是否与券商的交易系统打通?

梁举:我们在帮券商做私有化部署的时候,会直接延伸到交易端。无论是出于券商内部需求还是他们客户的需求,都需要打通交易接口。交易接口的对接是很简单的事情,但要保证合规。

爱分析:对用户是否有技术或者金融壁垒?

梁举:实际上,我们已经把对用户的能力要求降得非常低了,未来我们会进一步降低。现在我们的平台,还是要求用户对AI和量化有一定理解。理解市场运作规则的人,会选择更好的特征,让机器去学习,做出来的效果就更好。

爱分析:策略开发者可以看到自己的模型是怎么被优化的吗?

梁举:AI技术本身是黑盒子,但我们尽量打开AI算法这部分,让策略开发者知道结果是怎么来的。所以我们也是在做投资者教育、培训。

爱分析:BigQuant可以应用于哪些证券产品?

梁举:美股、A股、港股、期货都可以做。对我们来说,这些交易其实都是数据。有些外汇机构也在跟我们合作,甚至还有数字货币。对于不同的证券产品,都是用同一个AI平台,只是交易算法不同。

爱分析:除了量化以外,未来打算把Big AI落地在哪些领域?

梁举:早期我们拜访了很多企业,包括券商、银行、保险。其中,券商有很多场景可以落地,量化是最直接的。同时,量化还可以辅助传统投资,比如为投资人筛选股票,再由人做进一步处理。

其他的落地场景还有智能客服。原来的智能客服只需要加语料库、知识库,现在机器学习可以让智能客服做得更好。

落地场景的选择,是从数据集中度很高的行业,或者对AI接受程度较高的行业入手,向数据集中度没那么高,或者接受程度比较低的领域扩展。在这个过程中,我们也会不断打磨产品。

为券商打破AI量化人才壁垒

爱分析:哪类金融机构是主要客户?

梁举:我们以量化为AI切入点,券商、基金等是我们现在服务的客户,未来将拓展到银行、保险等更多金融机构

爱分析:宽邦的整体解决方案对于券商有哪些好处?

梁举:我们可以帮助券商等金融机构搭建AI平台基础设施,实现量化投资等AI场景快速落地。

爱分析:券商私有化部署流程需要多长的周期?

梁举:基础平台一两周就可以部署,业务场景完全整合与落地,大概需要几个月。