調研 | 劉馥亮 王譽鋼
撰寫 | 王譽鋼
量化交易最初誕生於美國，經過多年發展已趨於穩定，成為美國市場上重要交易方式之一。不同於美國，我國量化交易由於起步較晚，尚處於增長階段，交易量較小。在此背景下，市場催生出一批量化交易平臺，知象科技也是其中之一。
知象科技誕生於2015年，主營業務主要分為三層。
首先，底層為金融級別雲計算平臺，客戶可以將量化開發涉及的所有東西都存儲於雲端，比如數據、策略以及交易模型等，為客戶提供安全性較高的開發環境。
其次，開發層為量化平臺，包含量化數據、策略開發、資產風控等模塊。知象科技CEO龍白滔稱，相比於其他競品，知象科技在量化平臺上的優勢為高頻數據處理，平臺可處理數據超過100TB，並且可以支持股票和期貨等多種資產。
最後，知象科技還涉及交易層。知象科技將機器學習和深度學習與量化交易相結合，利用人工智能對高頻數據進行處理得出量化策略。
知象科技期望基於量化平臺吸引社區專業個人用戶，通過為這部分用戶提供資金，讓用戶在平臺上實現交易，以此來聚集底層資產。
談到技術時，龍白滔認為人工智能會為量化投資領域帶來革命性的影響，首先，機器學習和深度學習為量化提供了更強的生產力工具，能夠從多維度挖掘數據並深度分析數據。其次，人工智能可以逐漸取代人的作用，以此改變未來量化基金的運營模式。
近期，愛分析專訪知象科技CEO龍白滔，就量化投資領域的發展現狀，以及公司業務和未來規劃進行交流，摘選部分內容分享如下。
知象科技CEO龍白滔，清華大學計算機博士，曾任埃森哲和IBM金融諮詢業務高管，（萬向控股旗下）通聯數據聯合創始人和首席戰略官，中金甲子投資基金首席技術官。
以專業量化投資者為目標客群
愛分析：公司發展歷程有哪些關鍵節點？
龍白滔：公司於2015年4月成立的，天使輪完成了較大金額的融資，之後兩年我們在市場上聲音其實都不太大，因為那兩年主要還是在做產品的研發，還未開始商業化。
2017年7月份，平臺真正開發完成，包含全棧的量化產品，從數據獲取、策略開發、研究回測到交易，還有資管風控以及對不同的資產的支持，全部都開發完成。平臺研發這兩年，團隊發生過一些變化，有幾位夥伴離職，也加入了一些新的夥伴，團隊在不斷磨合中明確了發展方向。2017年下半年，產品化完成後，我們開始進行市場化，獲取了一部分種子客戶。
在平臺研發過程中，知象也嘗試了一些新的方向。2016年下半年，我們組建了一支跨界團隊，包括人工智能領域的專家、傳統交易員和量化研究員，探尋機器學習和深度學習在量化投資領域的應用價值，經過半年時間研發，最終設計出產品。
2017年年初，我們使用這款產品進行了小規模的實盤測試，資金額為1000萬左右，資金來源主要是個人和朋友，測試時間大約為2017年整年，通過這次實盤測試我們團隊在“人工智能+量化”領域得到很多收穫。雖然通過實盤沒有獲得很高的收益，並且在過程中遇到很多問題，也為這些問題支付了一定的“學費”，但正是因為這些問題，讓我們積累了很多的經驗，可以藉此完善我們的量化平臺和提升我們的交易能力。基於實盤測試，未來我們會推出資管業務。
愛分析：知象科技有哪些業務？
龍白滔：首先，我們有較強的雲計算技術，可以為客戶部署金融等級公有云、私有云或混合雲平臺。量化基金在進行量化策略開發過程中，所涉及的數據、策略和研究/回測都需要一個安全可靠的基礎設施。目前很多量化平臺只能基於公有云進行開發，但普通公有云在安全和隔離方面存在一定風險，較高的網絡虛擬化延遲也不適合進行金融交易。我們會根據用戶需求，部署金融等級的公有云、私有云或者混合雲。知象的雲技術是學習並且對標的華爾街高頻交易雲Lucera，它擁有商業軟件最高安全等級EAL4+，並且擁有裸金屬網絡延遲。
其次，量化交易平臺由自身研發，沒有使用國內大部分量化平臺採用的Quantopian開源Python代碼，而是完全從零開始創建了基於C++的自有量化平臺核心技術。量化平臺覆蓋量化交易涉及的所有環節，包括海量數據獲取、計算、策略開發/回測/研究/交易，以及風控和資管等。與其他競品不同，知象科技的量化平臺可以進行海量高頻數據高性能、高質量和低延遲訪問、存儲和計算，包含了股票和期貨市場全部歷史高頻數據，壓縮數據容量在100TB以上。知象量化平臺的能力可以極大豐富研究員的策略想象力，例如，平臺支持用戶在一隻策略裡面同時跟蹤中證500全部500只成分股的快照、委託隊列、逐筆成交和逐筆委託數據，在回測的時候，平臺可以將500只股票某交易日約2000萬條數據在2秒之內全部推送到用戶的回測引擎。
最後，知象科技通過組建跨界團隊，將人工智能賦能給量化交易，最終可以實現依靠人工智能進行投資。
愛分析：目標客群是什麼？
龍白滔：我們的目標客群是專業的量化投資者，包括B端客戶以及專業個人用戶，B端主要為量化基金這類客戶，專業個人主要是交易資產規模在1,000萬以上且有多年量化交易經驗的用戶。
愛分析：為什麼會選擇專業量化投資者作為客群？
龍白滔：我們將客戶分為小白客戶以及專業客戶，在我們看來，專業客戶價值更大。首先，小白用戶開發的量化模型價值有限，不會為平臺提升專業度，最終可能會演變成流量爭奪。
第二，小白用戶所需開發環境較為簡單，不需要很強的專業性，技術壁壘較低，很容易被別人模仿。
因此我們會選擇專業量化投資者作為客群，也是因為這個群體對於平臺要求較高，存在一定技術壁壘，並且一旦習慣使用某個平臺，就會有較強的用戶黏度，替換意願較低。
利用專業個人用戶聚集量化資產
愛分析：國內有多少涉及量化交易的基金？
龍白滔：市場上並沒有一個較為準確的數據。首先，沒有機構有能力和精力對量化基金數量進行統計。
其次，量化基金的統計口徑也不一樣，因為量化本身沒有一個明確的標準。有很多基金雖然不是量化基金，但卻把自己打扮成量化風格，也有一些基金涉及建模但也很難判斷是否為量化基金。
舉個例子，一些基金將數據導入Excel，並且基於Excel做出日線模型，這類基金很難判斷是否為量化基金，因為雖然是用Excel進行計算和統計分析，但也涉及數學建模，本質上除了工具較為低端實際應用上也應算量化。
雖然沒有機構給出具體數字，但我個人估計量化基金在公募和私募基金中佔比會是個位數，量化交易量可能佔總交易量的10%左右。目前，歐美資管市場，量化佔據30%左右的資金量和70%的交易量，所以對照成熟市場的發展情況，我認為國內會有越來越多的基金會涉及量化交易，並且這個趨勢是不可阻擋的。
愛分析：現在國內監管允許做高頻交易嗎？
龍白滔：我們並不涉及高頻交易，很多人在提及高頻時就會想到高頻交易，但量化中有很多其他環節也會涉及到高頻數據，比如高頻數據處理、基於高頻數據建模等，高頻交易只是整個量化投資於高頻數據結合的末端（交易執行）環節。比如很多人雖然不進行高頻交易，但他用高頻數據建模，最終形成交易決策，按照這個決策再自己手動完成交易，也屬於高頻數據在量化投資領域的應用。
雖然我們將高頻量化作為切入點，但是中低頻也可以是我們的目標市場，因為一個平臺如果能支持高頻一定也能支持中低頻，所以我們的量化平臺可供所有量化基金使用。資產端我們不侷限於股票這一類資產，期貨、海外資產我們平臺都可以接入，所以我們目標市場的市場空間很大。
愛分析：美國量化平臺市場如何？
龍白滔：不同於國內，美國市場由於有多年發展歷史，所以大部分量化基金都比較專業，他們的量化平臺都是依靠自身技術能力搭建完成的，沒有很多第三方提供商。
中國大部分量化基金的平臺需要我們這類公司搭建的原因有二。第一，我國很多量化基金都處於剛起步階段，構建模型能力以及量化平臺工程能力都較為一般。第二，國內量化行業相關基礎設施薄弱，沒有給量化基金提供很好的發展基礎。
目前，國內只有少數量化機構可以依靠自身技術實力搭建專業量化平臺，這類機構團隊有很強的工程背景，創始人一般都擁有數學、物理和計算機專業背景，比如杭州的幻方以及深圳的博普。
愛分析：收費方式是什麼？
龍白滔：我們主要收費方式為向B端收取服務費，但不與交易量掛鉤，服務費一般每年收取一次，並且我們不向專業個人用戶收取費用。
只向B端收費不向專業個人用戶收費有三個原因。首先，向B端收費是因為需要有一定營收，能夠養活團隊。其次，通過向B收費可以提高企業知名度，若一些較大的量化基金能夠成為我們的客戶，這樣有助於提升我們品牌的影響力。最後，不向專業個人用戶收費是因為我希望通過免費來在我們平臺上聚集專業個人用戶，最後實現資產的聚集。
愛分析：如何聚集資產？
龍白滔：舉個例子，比如你現在是一名專業量化投資者，管理1,000萬資金，然後你成為我的用戶，我免費將平臺給你使用，主要有兩方面要求。首先，你要拿我的資金進行交易而不是別人的資金，比如你管理1,000萬資金，這1,000萬要由我提供。其次，你的交易都通過我的量化平臺實現，綜合這兩點最終我實現聚集資產的目的。
當聚集資產後，就有很多商業模式可以實現，包括資金批發/零售、資金聚合、內部成交、融資融券等，比如當平臺上存在兩個基金經理，分別看空和看多一隻股票，兩者可以直接在平臺上實現交易。通過設計合理的產品形式（例如MOM），可以做到完全合法、合規地實現以上商業模式。
愛分析：人工智能對量化投資有哪些影響？
龍白滔：我認為人工智能會給量化投資帶來革命性的影響。
第一，機器學習和深度學習的發展提升了數據挖掘能力。比如你可以把量化投資當成一個生產行為，機器學習和深度學習的發展其實是為量化投資提供了更強的生產力工具，就像很多年前做投資可能看財務報表，後來量化投資出現以後，數據挖掘工具就開始一步一步發展，最早期數據挖掘工具是人腦，後來發展為電子表格再後來是MATLAB之類的數學分析工具包到現在機器學習和深度學習，本質上來講其實就是數據挖掘生產力工具得到了發展。你通過機器學習和深度學習可同時處理更多的數據，並且變得更有效率，因為量化投資本質上就是從數據中挖掘信號。
第二，人工智能會顛覆量化基金的運營模式。傳統量化資金其實還是以人為主的一種模式，投資模型和投資決策都由人來完成。但是隨著人工智能技術的進展，機器有更強的模型挖掘能力和處理能力，在這個過程中人的作用在逐漸被削弱。隨著人工智能逐漸代替人的作用，量化基金將會逐漸轉變為平臺為中心的運營模式。平臺為中心的運營模式，將會顯著改變基金運營的成本結構，並且提升基金業務規模的上限。
愛分析：團隊目前有多少人？
龍白滔：團隊有20人左右。
愛分析：2018年有什麼戰略規劃？
龍白滔：第一是商業化，首要任務是將專業的開發者社區運營起來，目前已有部分種子用戶。第二是區塊鏈化，我們期望用區塊鏈的方式，重塑整個量化投資的價值鏈。
愛分析：未來有融資計劃嗎？
龍白滔：有，正在實施融資計劃。
閱讀更多 愛分析 的文章
