1月16日，由中国信息通信研究院主办，中国银行业协会、中国支付清算协会、中国互联网金融协会共同支持，数据中心联盟、天津融宝支付网络有限公司、互联网金融科技委员会联合承办的“2018中国金融科技产业峰会”在（北京）中国千禧大酒店隆重召开。峰会旨在梳理分析金融科技产业的生态脉络，推动金融科技产业交流与合作，助力金融行业完成新一轮产业升级。

本次峰会为期两天，期间广泛邀请了国家相关部委领导、知名研究机构学者、金融机构负责人、科技企业管理者、技术专家等政、产、学、研各界同仁，聚焦金融科技产业最新发展趋势，共议金融科技产业发展之路。

高盈量化云科技（深圳）有限公司（简称量化云）联合创始人经尧在会上发表了题为“量化投资技术创新”的演讲，以下是演讲全文：

很高兴今天与大家交流关于量化投资的心得。接下来的时间，我将跟大家分享量化投资在市场上的应用，主要涉及两大板块：量化交易平台和量化交易策略。在过去，量化交易大多都是机构在用，我相信在未来会有越来越多的散户能把它的强大魅力挖掘出来。

讲一讲量化交易平台的迭代过程，我把它定义为1.0时代、2.0时代、3.0时代。首先讲讲1.0时代，它是量化交易平台的初始阶段，主要有几个共性——第一，它支持一些简单的语言脚本，对复杂的逻辑策略是较难实现的；第二，大部分平台都提供了数据行情交易统计的函数接口，供专业的人员使用；第三，大部分的国内平台只提供国内的股票，期货历史行情和tick数据；第四，对策略的支持不足，另外受硬件和软件的响应速度影响，在行情交易方面有一定的延时。

进入到交易平台2.0时代，我认为它具备两个主要特点——第一，支持复杂的脚本语言；第二，支持c++、java开发语言，不仅采用图表，还采用多线程进程的方式，以及刚才提到的部分平台已经提供硬件支持，甚至支持高频交易。

其他方面，包括行情交易的高并发低延时以及全策略研发，都做得相对重组化，其风控体系也比较全面。

值得一提的是，量化交易平台的2.0时代，大部分人在多品种、多周期、多帐户以及多交易市场、多策略等维度都开始了部署。再一个就是模块的分类，包含研发模块和交易模块，对使用者来说，研发模块强大的数据入口、回测功能、因子库建立等都是很大的需求点；交易模块方面则提供微秒级交易速度，能够轻易达成每秒钟百万级的交易量。

交易平台的3.0时代，也是我们量化云现在在做的一件事。它除了具备2.0时代的基本特征，作为一个新时代产品迭代，3.0时代还能满足更多细化需求。我根据量化云的量化产品开发经验，总结了三个维度的创新因素。

第一，策略研发有了普通版和专业版的区分。普通版适用于想进入量化投资领域或者用这个理念做交易的普通人，不是专业的量化工程师或策略工程师，而是更低层级的需求，只需要简单策略满足初步需求；专业版则要求对风控层面实行多维的把控，在研发上需要投入更为复杂的工作内容。

第二，策略的应用性更广泛，覆盖了金融全品种。量化策略在金融产品上的应用，除了国内的金融产品，还有诸如港股、美股甚至全球所有的金融品种都会有需求。量化云做的是跨期和跨产品的业务模式，未来还会在跨市场方面持续深耕，盈利空间亟待挖掘。

第三，对各接口以及各平台的兼容性必须越来越强大。量化云交易系统可以分为八大模块，包括接口、引擎、数据、研发、模拟交易、实盘交易、定制化模块、本地化部署等。把这八个模块组合起来，量化云会做三大平台，包含一个研究平台、一个交易平台和一个风控平台。这三大平台均会把开放性做到极致，力争给市场和业界带来极度顺畅的量化交易体验。立足开放性和体验感，我们重点做了一个基于python的零门槛策略编辑生成器，整合了可视化的参数优化功能。用户可根据自己的需求，在编辑器的操作页面进行编程回测，下方是可视化的界面，显示散点分布图的盈利情况、亏损情况以及净值曲线等等，类似这样的细节设计，可以让广大的普通投资者轻松享受量化投资的定制化服务。

讲完量化云备战3.0时代的三个创新维度，我们再来讲讲风控。量化交易平台到了3.0时代，惊人的响应速度把量化交易推向了毫秒、微秒的级别，结合我们前面谈到的开放性和兼容性，3.0时代的风控要从三个端口进行严格把控。第一个是策略端，优质的量化策略有严格而精确的止盈止损逻辑；第二个是系统端，保证多策略运行时，其内部策略能实现平衡与互补；第三个是帐户端，它能保障交易过程不踩红线，对持仓比例、持仓量等参数进行科学管理。

交易平台在迭代，那么交易策略有没有迭代呢？我认为是有的。

还是归纳为三个阶段。第一阶段，在我看来是一个程序化的启蒙时代，把好的主观交易经验编成程序，让它自动跑起来，再嵌入算法，实现初级的量化交易，这是交易策略1.0时代；我们现在已经进入交易策略的2.0时代，大数据介入、人工智能介入，机器学习、语音识别、图像处理等等智能化功能相继介入，使得交易策略变成了高阶的智能化交易解决方案；但交易策略的3.0时代还有待我们去开拓，现在很多机构已经开始部署3.0的交易策略雏形了，不过还停留再相对粗浅的阶段。2.0和3.0的分界点就在深度机器学习和神经网络进化，当捕捉维度越来越庞大，数据处理能力越来越精进的时候，交易策略的3.0时代会颠覆我们所有人的想象。

2.0时代，国外有几家公司做得很有特色。比如英国伦敦的Castilium，做了大量的基金经理和交易的复盘，把他们的决策过程放到因子库里面生成很多策略供投资者使用；又比如Capitalico，做了一个很有意思的事情，他们把很多成熟交易员的技术分析图拍下来，每当交易中出现这种类似情况的时候，一个成熟的交易员的下单逻辑就会被启用，通过云数据去寻找匹配的图形出来，自动操作买涨或买跌，这相当于有一个成熟的基金经理人帮你操盘，但是你是看不见这个“人”的。在这方面各家都有不一样的打法。

交易策略3.0时代有两个很强的特质。

一个是大量的非结构化数据分析以及关联性因子的增强，好比很多上市公司会做财报分析、大数据分析等等，这与公司股价有比较强的关联性，那么过程中它会对非结构化数据提出分析需求。举个例子，在2.0时代，很多人会通过分析苹果公司的财务报告、财务数据以及鲜明的经济数据来预测苹果的涨跌，但是3.0时代，通过深度机器学习及神经网络进化的技术，系统会抓取更多看似相关性不强的因子，纳入到评估苹果公司未来涨跌的模型里，并给予一定的权重比例，这就丰富了交易模型的维度和准确度。

另一个很强的特质是AI交易员的适者生存。举个例子，Sentient在算法生成了很多种专业程序，通过神经网络的算法生成很多虚拟的交易员。之前的嘉宾有讲过，神经网络这个东西比较难以琢磨，因算法不确定，这是公认的技术难点。但在我看来，我们可以从时效性评估，比如一千万个虚拟交易员或者策略在跑，我们可以通过一段时间内各个虚拟交易员交易的效果来评估各个策略的好坏，从而反向跟踪或追溯该策略的合理性，那些效果好的策略都是从市场变化中存活下来的。这也就是AI交易的适者生存法则。

我今天的分享就到这里，希望之后我们能有更多的交流机会，谢谢大家！