我自己也在做类似的事，目前一年下来在 AI 上面的消费累计也有1万多美元了…
最终留下来的策略和因子还是两年前自己写的那一套，并且苦哈哈这么久才赚了1000美元…
所以我是又对 AI + Trading 这个方向感到兴奋，又在不断的被现实与市场打击…
到后来我终于想通了…
AI + Trading 这个过程是一种 心理层面的服务，搜索因子、数据整理、回测的过程中，你会享受到一种挖金矿的充实感…
这种心理上的满足是在 AI 上继续花钱的原动力，他让你可以快速验证自己那些看似精妙绝伦的 Alpha 实际上只是一坨💩……
挖来挖去最后没有挖到金子，但已经换了一堆昂贵的铲子了…
顯示更多
这两天在北京出差，跟几个做 AI+Trading 方向的团队聊了一下，基本上就两个思路
- 用 AI 加速投研，把人力压缩在 5～10 个人，从而优化决策能力
- 用 AI 自动化因子挖掘，在「已有策略」的基础上寻找新收益空间
前者已经跑的比较通畅了，毕竟本质和传统机构一样，只是决策速度更快
后者的团队大多在水下，信息很少，反正真有效的因子只要口头提一句基本都能复现，这可能也是大家云淡风轻的原因
零售端产品做到最后差不多也如此吧，要么是 OpenAlice 本体这种贯彻「省人力」的思路做密集繁重的交易研究、交易监测、选股的动作，把机构能力贡献给个人
要么像 Auto-Quant 的思路，把量化研究本身的流水线加速，看能不能抽卡抽到 SSR——实际上我觉得这条路线对零售用户并不友好，但如果不追求获得万能因子、只是想用量化的角度得到足够的支援，那大概率还是很好用的
顯示更多
