AI赋能量化投资，券商团队3个月完成AI升级

传统是验证策略，AI是创造策略

一开始接触到BigQuant，我是抱着试一试的态度，毕竟是一个全新的工具，尤其在是否过度拟合、参数是否稳定上，并没有胜算。因为公司有自己的量化平台，但属于传统的量化平台，想比较一下两者之间的差异。在探索BigQuant的过程中，这种怀疑也逐渐消散，开始信任AI、信任BigQuant。

传统量化投资平台主要是验证策略想法，通达信等行情软件是显示行情，传统量化平台如文华财经程序化、开拓者、聚宽等是包含有行情和工具箱的平台用来方便设计验证投资者头脑中的策略思想。BigQuant是基于机器学习的AI量化平台，包含海量数据和机器学习AI等高级工具用来创造和自动生成策略的平台，同时具备模拟盘自动加载策略验证。

传统量化与AI量化的对比

AI赋能量化，策略寻优从数周缩短至一周

我个人会一点算法和编程，但都只是略懂皮毛，并不精通，在熟悉了BigQuant的使用方法后，带领我的团队开始在上面开发策略。AI给我们带来的是耳目一新的，在经过很多次尝试后，我们开发出了多个策略，经过多次的回测收益表现都非常不错。如果要开发出这样的优质策略，传统量化至少需要6-12个月甚至开发不出来，而在AI的辅助下，优质策略开发时间缩短到了1-2个月。传统策略寻优往往需要数周时间，在AI的帮助下可缩短在一周以内。对于投资者来说，策略开发时间越短意味着能够争取的市场收益就越大，节省时间就是在增加收益。

AI选股能力优于传统量化，用“数据选股”代替“经验主义”

选对了股就成功了一大半，我们对比了传统选股与AI选股的差异，发现AI对非线性选股具有明显的优势。传统量化依赖于人的经验，而AI则可以规避经验主义、特殊数值的干扰，战胜人的恐惧和贪婪，客观地呈现股票收益、排名等趋势，给策略研究带来正确的方向，做出理性的交易决策。同时我们也看到市场上的指标总量有限，难以根据不同选择策略实现多样化、个性化、精准化管理。传统量化系统搭建时会时常因为引入新的指标因子导致曲线夏普比率呈现大幅降低，必须再引入一个更正确的因子才会使曲线得到大幅提升，这很考验设计者的能力和工作量。

利用AI则可以解决上述问题，我们也在BigQuant上发布了AI策略，目前最好的一个在策略天梯上排名第五。

安时团队开发的策略在BigQuant策略天梯中排名第五

安时团队在BigQuant上开发的策略之一

AI能快速迭代，利于承载大额资金

传统量化依赖于人的经验总结，对研究人员的学习能力有极高的要求，而AI能自我学习因子对选股的作用，可以在极短的时间内积累经验。传统量化策略研发靠人工参数调优，费时费力，效率极低且结构难以通过高效的参数调整进行衍生发展，进一步恶化了策略的多样化开发。AI可利用计算机的高算力进行快速的参数调优，并且AI的决策树模型可通过参数设定进行调整，能对策略进行大量衍生设计，实现多样化、个性化、精准化。单个策略资金容纳量有限，必须要靠多个策略承载大额资金，传统量化开发出的周期长、策略少，难以承载大额资金，不利于规模扩张。利用AI则可以快速迭代，开发出更多、更优质的策略，利于承载大额资金。

AI选股+择时，轻松跑赢大盘

选对了股票，在合适的时间切入是提高收益的关键点。BigQuant承载的AI智能选股算法+LSTM择时是AI选股+择时的典型应用方式，我们将研究出来的策略提供给客户做实盘，收益非常好，超80%。目前，我们研究的AI策略产品马上就要上市发行了，很期待看到实际的效果。

某私募客户使用安时团队研制策略的试跑账户曲线

AI策略收益可见，形成买方和卖方的需求闭环

在BigQuant平台上，有很多优秀的策略研究者和订阅者，形成了需求的闭环。策略的收益表现在平台直接展示，买方可以订阅策略，来实盘操作自己的投资。这就建立了一个良好的、可持续的沟通平台，卖方可以持续优化策略，满足买方的多样化、个性化需求，增强了双方的信心。在平台上有买方订阅了两年的牛人策略，这是一个良性循环。

对于AI量化，非常看好它的发展前景，BigQuant在不断补齐传统量化的短板，让AI更好地服务于量化领域，辅助投资者做出优质、理性的交易决策。我们希望能创造出更多优质的AI策略来服务我们的客户、我们的投资者们。