用户6416787511628
首先，我认为我们将看到量化方法（即基于先进的数据科学和技术的方法）在金融市场中发挥越来越大的作用。大家都看到了如何将这些方法有效地应用于股票投资。下一步可能将这种方法扩展到数据丰富的领域，如PE和VC。
一些公司已经在探索如何以量化的方式分析交易。另一些公司正在应用复杂的数据科学方法，以提高其投资组合的盈利能力。做出这一转变需要投资者以一种不同常人的视角来对待他们的工作。但我们认为，市场机遇比这种努力更有价值。
其次，随着越来越多的金融机构采用机器学习等AI技术，很明显，人才和有效的团队合作将是这些手段实现的基础。
同样重要的是经验丰富、聪明、有创造力的研究员，他们可以从众多的机器学习技术中选择并开发出能够产生真正价值的方法。但自相矛盾的是，在可预见的未来，机器学习的进步可能更多地依赖于我们自己，那些对金融感兴趣、在计算科学、统计和建模方面有高超技能的人们。
AI商业智能
我认为未来量化交易的利润会被压到一个较低、且合理的水平，但并不表示走到尽头。
先来明确一下定义：量化交易是指通过计算机处理、分析历史数据，然后运用自己建立的数学模型，得出投资决策的做法。
最典型的量化交易公司，就是西蒙斯创立的文艺复兴。
所以，量化交易的本质，就是在纷繁芜杂的市场波动中，寻找市场的“错误”，并进场纠正。
打个比方，正常情况下，中美利差在0.5-1%，前段时间由于美债收益率暴跌，中美利差突破1%，最高到了2%。这在历史上是极低的发生概率，用专业术语讲属于几个标准差之外的事件了。
于是，量化交易就可能进场，做多中债、做空美债，把中美利差缩小到合理区间。这整个的数据获取、逻辑验证、下单交易的过程都是由计算机完成的。
就从这个例子可以看出来，如果只有一个人做量化交易，这种机会就可以独吞。但是，如果有很多人做量化，市场当中这种“捡钱”的机会越来越少，量化交易的收益就会被压缩。
那么，压缩到什么程度呢？
当然不会很低。因为，量化交易的门槛比较高，只有当它的回报比较丰厚时，才会吸引大量的外部资金涌入。一旦它的回报降到一个较为合理的水平，就会进入一个相对成熟的发展阶段。
以美国现在为例，量化交易的收益水平大概在20%-30%左右，这在美国过去几年的市场环境中，属于一个比较合理的收益水平。
如果放到我国当下的经济环境来说，量化交易的前途仍然很宽广。
