人工智能改造金融？或能优化投顾和风控，但仍存监管顾虑

智能投顾、大数据风控已经在金融领域掀起巨浪，已经到了谈及金融科技必谈AI（人工智能）的地步。澎湃新闻发现，目前AI技术已经初步渗入到金融科技公司的KYC（认识你的用户）管理、反欺诈、贷前风控、智能财富管理等多个领域，但也面临来自监管的压力和用户接受程度不足的瓶颈。

智能投顾前景和顾虑

AI在金融方面最为火热的一个应用是智能投顾，即机器人理财，在获取投资人的投资目标、收入和风险之后，通过量化投资模型，结合智能算法为客户量身定制一套投资组合。智能投顾克服了理财师的主观性，收费也低，被视为传统金融机构和互联网金融平台将用户下沉、拓宽客户群的重要方式。

根据易观发布的《中国人工智能理财市场专题分析2017》，目前国内智能投顾服务商自2015年开始渐多，市场竞争日趋激烈，传统金融机构的有招商银行的摩羯智投，金融信息垂直网站东方财富、雪球，互联网巨头蚂蚁财富、京东智投、腾讯理财通，以及互联网金融的宜信投米RA等等。

图片来源：网络

近日，在“AI+金融颠覆”为主题的光点未来论坛上，清华大学金融科技实验室“人工智能+金融”项目负责人林常乐表示，智能化的财富管理包括两个方面的智能化，首先是投资管理的智能化，这方面经过了长时期的研发和业界实践；第二部分是顾问交互的智能化，“实际上在这个基础上更是一个瓶颈，我们不仅需要AI、大数据技术层面的引爆，还需要拿到很多核心的数据。”

至于为什么说AI比投资者本人更了解自己，林常乐举例称，一个很有意思的投资行为现象是，个人投资者常常过度自信，在中国这个现象更加明显。以前的金融学家无法把这个东西量化。而通过用户交易流水数据，可以看到中国散户都喜欢追求主动投资收益，但是他们过度相信了自己的投资能力，无法得到预期的收益。

凤凰金融总裁张震对澎湃新闻表示，智能金融在中国发展空间很大。对照美国，既有以养老、规避金融周期性风险等为目的、主要以ETF基金形式出现的长期的被动型投资，也有量化投资、社交投资、主题型投资等主动型投资，应用场景很多，目前在中国还未被广泛关注。此外在保险的细分领域，中国保险用户的意识还在萌芽期，创新型公司不多，预计下个阶段会有长足发展。

张震称，目前智能投顾在中国还存在一些瓶颈，首先11月央行发布的资管新规（《中国人民银行、银监会、证监会、保监会、外汇局关于规范金融机构资产管理业务的指导意见(征求意见稿)》）中，明确了智能投顾需要取得相应的投资顾问资质，但获取牌照对互联网平台来说存在不确定性；其次，中国投资者中虽然很多人理财方面能力、经验、知识欠缺，但对别人代其做长期投资规划的信赖程度较低，凤凰金融曾经调查的结果是70%的投资者不愿意让别人代为理财，所以很多传统的财富管理公司往往卖的是产品而不是真正意义上资产配置的策略，而凤凰金融在理财服务方面，主要选择采用的是资产配置建议和服务的方式；另外，投资者跟着智能投顾下单属于“代客理财”，目前还不被监管层允许，只能通过提供投资建议和策略来做。

图片来源：网络

“无论是在中国还是美国，金融监管是不是完全允许以机器人替代人类做决策，还画了一个很大的问号，”张震表示，目前政策还不清晰，未来可能是人工和机器同时参与决策过程。

对于人工智能进入金融业领域，国家在不久前释放过利好。2017年7月，国务院发布了《新一代人工智能发展规划》，提出通过智能金融加快推进金融业智能化升级；通过建立金融大数据系统，提升金融多媒体数据处理与理解能力；创新智能金融产品和服务，发展金融新业态；鼓励金融行业应用智能客服、智能监控等技术和装备，建立金融风险智能预警与防控系统。

AI改造风控面貌

AI也一改传统金融机构风控的面貌。比如，在消费金融领域，办银行信用卡一般都是大同小异的，提供工资证明、房产、车辆等信息，由银行来审核。但这种低维度的做法已经远远不够了。

京东金融副总裁曹鹏表示，当前的风控都是基于高纬度的风控模型建立的，“这样才能判断一个人是否适合借款，他的授信额度应该是多少，定价是多少。这些海量的数据靠人当然算不过来，都是靠机器来‘跑’。”

另外，曹鹏发现，影响风控结果的不仅仅是单个人或者单笔交易，而很可能是多笔关联交易，这些交易每笔都是正常的，但是综合起来看可能是洗钱行为。

“我们建立了一个超过14亿个节点的关系图谱，这些节点可能是电话号码，可能是收货地址，也可能是银行卡号或者身份证，这些节点会跟用户行为建立起非常复杂的网状关系，可以用来做用户的授信和反欺诈，”曹鹏称，“用户在一笔交易发生的时候，我们不仅会看这笔交易本身，我们还会看两维或者是三维以上的关系图，看当中会不会有一些涉黑的因素。”

图片来源：网络

澎湃新闻还关注到，“生物探针”技术这种嫁接在移动设备上的风控也被广泛使用，手机用户握手机的角度、移动手机的速度、点击按钮的习惯、留在页面的特征、触点的间隔等指标会被用以判断“你是不是你本人”。假使手机被人盗用，即便对方知道密码，金融平台依然可以判断出交易的风险性，额外需要人脸识别，以保证资产安全。这也是基于AI技术结合数据可以为金融创造的价值。

曹鹏还打趣道，在风控方面除了“人脸识别”，还研发了“猪脸识别”，专门用于检测农户有没有重复抵押牲口。

其实“猪脸识别”也不是新鲜事，澎湃新闻了解到，百度金融此前就有“桃脸识别”，用以鉴定农户生产的桃子的品质。

AI也是监管科技的一种新手段。

今年7月，《证券期货投资者适当性管理办法》开始施行，该办法第一次将风险评级纳入了投资管理法规之中。一位承接证监会金融科技研究课题的项目组成员对澎湃新闻表示，会用大数据的技术、AI技术识别用户行为，发现一些异常的客户——比如一个客户说自己是低风险的，但是他的交易行为或者各个方面都非常的激进，而这些客户仅凭人的肉眼或合规部门是很难发现的。

来源：澎湃新闻

疫情催化新一个AI的“黄金时代”

人工智能从来不是新的概念。但摩尔定律的突破、云计算的发展、以及海量数据的垂手可得让人工智能开始得以普及。我们认为人工智能在2016 年开始经历过以机器视觉、语音识别、和自然语言处理所带动的安防和音箱应用的高增发展后，新的AI 应用，包括医疗医药研发、金融服务和自动驾驶等领域，叠加疫情的催化，将为产业发展带来新一个“黄金时代”。　

自动驾驶，已经 ready！自动驾驶是目前人工智能技术中最前沿和涉及最广阔的方向。

迈向新一个 10 年，在“多样性+冗余性”的安全前提下，车载芯片和传感器存在巨大的投资机会。我们认为乘用车中短期内难以承担 L4 往上的传感器配置成本，所以现阶段从 ADAS 往 L3 的递进式升级，以及智能座舱应用或更为可行。

来源：网络

我们预测从现在到2030年，中国乘用车在自动驾驶的渗透率将从20％提升到75％。到2025 年，乘用车的自动驾驶功能将会从 ADAS 往 L3 迈进，2026 年将会是自动驾驶产业的分水岭。往后到 2030 年，L2+和 L3 的渗透率将继续提高。商用车方面，我们认为 2023-2025 年将会出现由科技巨头和初创企业主导的L4-L5 量产落地和变现。

自动驾驶“场景为王”的路径已初现端倪，商用车追求“一步到位”，由此衍生出四大场景：1）自动驾驶出租车 Robotaxi；2）自动驾驶货运卡车；3）半封闭场景微循环或固定路线；和 4）最后一公里物流配送。

　　车载芯片是自动驾驶系统的大脑。我们预测中国自主及合资乘用车品牌的车载芯片市场规模将会从目前的5亿元增长到2030年的逾280亿元，当中包括自动驾驶芯片和驾驶员检测系统芯片 （DMS），主要玩家包括国内的地平线、黑芝麻、华为以及国外的 Mobileye和英伟达。　　传感器相当于自动驾驶系统的五官。摄像头、毫米波雷达及超声波雷达、以及激光雷达四者各有优势，为自动驾驶系统提供全天候全方位的环境感知能力。我们认为车载摄像头行业有望复制消费电子摄像头行业的发展路径，产业里主要厂商包括舜宇光学科技、安森美、豪威科技、松下、索尼、法雷奥和富士通等。我们预测车载摄像头国内市场有望从 2019 年约24亿元增长至 2030 年的280亿元。　　毫米波雷达是目前最具性价比的测距传感器，包括短距应用的 24GHz 和探距更长、精度更高的 77GHz。全球毫米波雷达市场集中度高，主要玩家有世博、大陆和海拉等传统零部件供应商，国内玩家则主要有华域汽车和德赛西威。我们预测毫米波雷达国内市场有望从 2019 年约50亿元增长至 2030 年的310亿元。　　激光雷达的技术壁垒较高，主要提供精度和3D模型，国外玩家主要有 Velodyne、Quanergy、Ibeo 和 Innoviz，国内玩家包括禾赛科技、速腾聚创和览沃科技等。　　作为传感器环节最贵的零部件之一，我们认为其价格会随着技术从机械转换到固态而逐渐下探，从数万美元级降至数百美元级别，进而带动在 L3 和 L4/5 级别的配置。我们预测激光雷达国内市场有望在 2030 年增长至约300亿元规模。　　金融行业是目前人工智能渗透较为深入的行业之一，鉴于AI 技术与金融业的属性不谋而合。

传统金融行业的底层存在海量的数据。若要将这些非结构化的数据进行分析及预测，将耗费大量人力、时间及运营成本。此外疫情造成的金融行业节流增效和无接触营销的需求，也助推了 AI 金融的加速发展。

AI可以全面赋能金融业前中后台。前台应用包括身份识别、理赔、及扩大营销半径获取长尾客户，并高效定制服务以提高客户体验及粘性，创造收入；中台应用包括优化授信定价、贷前贷后管理、风控、防欺诈及洗钱、交易等，AI 可提高运营效率、降低运营成本及潜在损失等；后台业务以运营管理为主。

来源：网络

AI 旨在优化流程，进一步降低管理成本。根据Research And Markets的预测，2019 年，全球金融业的 AI 直接投资约为 67 亿美元，预计到 2025 年可达 226 亿美元，年化增速达 23.4％。另外，据 Business Insider 预计，2020-2023 年间 AI 或可为银行和保险公司节省 4470/3900 亿美元的运营成本。我们认为 AI 金融产业也是“场景为王”，深耕细分领域的公司存在较大投资机会。

　　AI 金融的主要玩家包括传统金融机构、互联网巨头、传统金融 IT 公司、支付公司、投资及顾问公司，以及新兴的初创金融科技公司六大类。　　我们认为传统金融公司和互联网公司受益于其海量的客户数据及强大的资金实力，发力全环节，有望占据先机，代表机构包括摩根大通、花旗、平安集团、招商银行及以 FMAAG和 BATJ 为代表的中美互联网巨头。目前银行和保险业的AI 应用相对成熟，但尚未完成形成前中后台联动的整体规划。而互联网巨头或将面临更多监管限制的新常态。支付公司作为连接银行与客户的中间环节，主要布局在中台风险管理及交易诈骗等，例如 Visa 及 Mastercard 等。　　此外，在例如自然语言处理、生物识别、 防欺诈反洗钱等细分赛道内，传统金融 IT 公司及新兴的初创金融科技公司也有望通过深耕产品取胜，例如 Salesforce、Oracle 等，初创 SaaS 服务商及一体化 AI 保险企业，例如 Comply Advantage、Hyperscience、Lemonade 及 Zesty.ai 等。　　最后，投资及顾问公司则着重发力定制化产品及交易环节，以吸引更多长尾中低净值客户青睐，例如 Betterment、 Wealthfront 等。　　在人口老龄化、慢性病增加、研发成本高企、和医护人员短缺的大环境下，AI 是缓解医疗资源供需矛盾的一个重要解决方案。

美国医学院联合会 AAMC 预计到 2033 年美国将面临 5.4 万-13.9 万名医务人员缺口，而新冠疫情的出现加剧了供需缺口。AI能为现有医疗体系带来流程改进与效率提升，减轻医务人员的工作负担。Markets and Markets 预测全球 AI 医疗市场规模有望从 2019 年的 49 亿美元增长至 2026 年的 452 亿美元，年化增速达45％。

来源：网络

　　AI 医疗产业结构从基础层、技术层、到应用层呈现倒金字塔形态。从跨行业科技巨头，到细分应用市场的创业公司，均参与到AI医疗当中。从底层算力和数据支持开始，以英伟达、英特尔、赛灵思的芯片巨头为代表。而科技巨头贯穿基础层到技术层，以 IBM 为早期布局者，与众多医疗机构建立合作实验室。此外包括苹果、谷歌、微软、阿里、腾讯、百度等科技互联网巨头，到通用电气、西门子、美敦力等专业市场龙头，均在 AI 医疗领域深挖掘。应用方面我们划分为四个主要方向：　　1）药物及疫苗研发：传统医药研发巨头如辉瑞、GSK、默沙东，以及 Moderna、阿斯利康为代表的疫苗研发公司。《麻省理工科技评论》也将基于 AI 的药物分子筛选列为 2020 年的全球十大突破性技术之一；　　2）医疗影像诊断：是AI医疗里最多且最成熟的场景，包括深睿医疗等初创企业。Markets and Markets 预测全球医疗影像市场规模到 2024 年将达 335 亿美元；　　3）基因组学：在本次疫情中扮演重要角色，包括学术研究机构到基因测序巨头 Illumina、华大基因、贝瑞基因等；　　4）智能医院在疫情中催化发展为以 AI+公共卫生管理的新重点，同时互联网医疗以平安好医生、阿里健康等在远程医疗、健康管理等方面切入。而医疗仪器则以 AI 与机器人结合，主要参与公司包括 Intuitive Surgical、Stryker Corporation 等。在这个细分市场 Markets and Markets 预测全球市场规模将从 2018 年的 65 亿美元增长至 2023年的167 亿美元。　　风险提示：

人工智能技术发展不及预期，自动驾驶、金融服务、医疗医药等行业发展不及预期，法规政策推进和支持不及预期，新冠疫情影响大于预期，全球经济恢复进度不及预期等。

来源：金融界

程序化交易

程序化交易在国内已经普及很多年了，越来越多的投资者开始启用电脑程序辅助交易。很多人对量化交易感觉高大上，但实际上只要有可量化的投资依据，例如k线，技术指标（均线，kdj，macd等）等，就是量化交易者。

量化交易用可数量化的分析方法进行交易，区别于感性交易。

程序化交易是把可量化的分析方法，用计算机编成交易策略进行自动下单交易，程序化交易是量化交易的一部分，或者是某些量化交易的进一步升级。区别程序化交易和量化交易的标准是人工下单还是计算机程序自动委托下单。

证监会2015年10月9日公布《证券期货市场程序化交易管理办法（征求意见稿）》,拟建立申报核查管理、接入管理、指令审核、收费管理、严格规范境外服务器的使用、监察执法六方面监管制度。

征求意见稿明确，程序化交易是指通过既定程序或特定软件，自动生成或执行交易指令的交易行为。程序化交易者应当只用一个账户从事程序化交易，证监会另有规定的除外。

当趋势确立时，系统发出多空讯号锁定市场中的价量模式，并且有效掌握价格变化的趋势，让投资人不论在上涨或下跌的市场行情中，都能轻松抓住趋势波段，进而赚取波段获利。程序化交易的操作方式不求绩效第一、不求赚取夸张利润，只求长期稳健的获利，于市场中成长并达到财富累积的复利效果。经过长时期操作，年获利率可保持在一定水准之上。

交易系统构成

一句话：极其开放模型(策略)的设计、风险动态管理技术、误差矫正反馈检验准确率、快捷的下单速度。这四项组成了整个程序化交易系统。

优点

一.使用程序化交易可以在交易过程中可以克服人性的弱点，这是程序化交易最大的优点，也是我喜爱程序化交易的最主要原因，人是有人性的弱点的，人的情绪化因素，贪婪、恐惧、做事不果断、赌性等等因素，都会让一个人在正交易的时刻突然改变原有的计划，而这种行为是不断重复发生的，就如德国的哲学家心理学家叔本华说过“一个人在相同的时间和环境条件下会犯同样的错误，是不可避免的，这就是人的劣根性”。我作为交易了很多年的老期货人，有非常深刻的体会，与其说我们和市场做交易，还不如说我们是不断的和自已的心魔做斗争，对期货市场有深刻认识的最典型的人，那非股票作手回忆录的作者莫属了。而程序化交易是一切功课在事先，电脑是不折不扣的执行者，应当说几乎百分之百的做到知行合一。这样也让人从盘面的辛劳中解脱出来。多少年来我们天天面对着盘面，我们的心每天都被跌宕起伏的行情所牵扯着，其实我多年的想法就是希望能做快乐期货的模式，轻轻松松的赚钱，快快乐乐的生活。因为我前期为期货付出得太多，应当有个回报了，所以更希望程序化交易能给我新的突破。

二.使用程序化交易可以突破人的生理极限。我们都知道人的反应速度是有限的，我们交易从大脑所想到手动需要一段时间来完成，而电脑程序交易显然比人工快得多，特别是当我们为了分散风险而进行多品种组合时，人的能力是有限的，如果选择品种多一点更能降低交易风险，如果我们想同时持有四个以上的商品品种，当行情激烈时多品种同时发生信号交易，那一个人的行为是顾及不了的，但电脑可以轻松完成。程序化交易可以让你远离期货，享受生活。

缺点

一.只有系统性交易者才能做到程序化交易，而其它类型的交易方法，没办法用程序化交易来完成，这就把一部分人挡在了门外。

二.程序化交易的不稳定性：我认为程序化交易系统不可以永远包打天下的，总会在特定的时候出现一定问题的，有的人高估程序化交易的效果，把程序化吹得很神奇，但也有人很排斥程序化交易，质疑程序化交易的作用，认为用程序化交易来赚钱是不是有点像发明永动机一样可笑，所以一棒子把它打死。其实这是不妥的，这和程序化交易本质是没有关系的，我们正确看待程序化交易，应当是把它作为一种工具来看待，怎么样做得好，是你怎么样利用好这个工具，程序化交易是人设计出来的，当然某个程序化交易系统赚钱的能力会直接反映设计者的期货水平。设计思想实质上是集成了交易理念、交易思路、交易方法甚至包括交易经验在内的一种积累与沉淀，但我们是不能保证一种方法就一定能永远适用期货的，程序化交易系统背后的的设计者，是不能一劳永逸的，是要面对这个市场，不断学习、不断进取、不断掌握先机。

三.程序化交易技术门槛高，不能平民化。国内的一些知名软件平台，有时还是不能全面完成反映交易者执行思路，软件业越来越发达，但还是不会无所不能，总有缺陷的，编写程序是个比较有深度的技术，很多人都不会，学起来不是那么轻松的事，有一部分人望而却步，而就是资深的软件师，也不可能随心所欲的反映所有系统性交易者的交易思路，一套真正能长期稳定赚钱的系统，可能要求很复杂，不但在交易信号上，还有在资金管理上、头寸管理上、多策动重叠上有各种各样的要求。

文章来源：百度百科

人工智能在金融科技领域的应用正在不断深化

　近期,作为2020全球人工智能大会的活动之一,以“普惠金融 智能共创”为主题的智能金融高峰论坛在杭州举行,汇聚政府、学术界及行业领军企业代表,畅谈人工智能与金融彼此赋能产生的强大效能。随着金融科技和数字金融的快速发展,人工智能在金融科技领域的应用正在不断深化。

图片来源：网络

　　万卡:人工智能在金融科技领域的应用正在不断深化

　　当前,机器学习、知识图谱、生物识别、服务机器人等人工智能技术在金融预测、反欺诈、授信决策、智能投顾等领域广泛应用,人工智能等技术是未来金融科技创新重要的应用趋势,是金融科技创新与发展的重大推动力。一直以来,万卡在风险防控领域都有着独到的见解,凭借着坚持不懈的探索与研发,万卡最终在风险防控领域取得了可观的成绩。

　　得益于新兴技术的快速发展,使万卡把人工智能、云计算等高科技手段成功的整合到了产品中去,利用科技赋能在整个数字科技行业中占据了一席之地。使用过万卡产品的用户会发现,用户的信用信息和行为数据全都被万卡智能化的风控技术所管理着,并通过其独创的“火眼分”和“彩虹评级”进行动态量化的评定,构建了一个拥有良好信用环境的数字科技平台,为用户提供更优质、更高效的服务。

　　万卡:人工智能是金融科技创新与发展的重大推动力

　　未来,人工智能、大数据等新技术将成为继互联网技术之后变革金融行业的全新力量。智能金融强调金融科技和人工智能的结合,人工智能、大数据、互联网、分布式技术和安全技术等关键软硬件已成为金融科技领域的新基础设施。因此,万卡将以科技赋能为手段,不断升华智能风控的技术水平,为平台上的持牌金融机构持续赋能,同时严格把关用户的诚信水平,助力我国诚信体系建设。

来源：中国经济时报

AQF资讯|一个好的量化交易系统这些设计细节也要注意到了才行

对于做系统或者是做程序的人来说，除了要有过硬的技术，其次就是细节的处理，一个交易系统不是当中牵扯到的有很多，所以如果细节方面不注意可能要整个的做一个检查，一个好的量化交易系统在细节方面也要处理的很好才行，小编今天给大家分享的AQF资讯就是量化交易系统中的细节。

对于做系统或者是做程序的人来说，除了要有过硬的技术，其次就是细节的处理，一个交易系统不是当中牵扯到的有很多，所以如果细节方面不注意可能要整个的做一个检查，一个好的量化交易系统在细节方面也要处理的很好才行，小编今天给大家分享的AQF资讯就是量化交易系统中的细节。

一、常见的入场模式

一般常用的入场模式不外乎两种，一种是事先确定一个价格，当盘中最新价格达到或者超过这个价格，系统开仓又叫做突破进场。还有一个是在盘中计算一些指标，当这些指标达到所设定的开仓条件后，在下一个时间采样区间的开盘价系统开仓。

（1）突破信号：

突破信号一般包括两种，一种是根据昨天或者N天前的价格所计算的一个用于今天的固定不变的价格点，采用此类信号的策略为波幅突破策略，固定时间突破策略，以及枢轴线突破策略。波幅突破策略采用昨天高点减去低点计算出的一个波幅值，然后在今天开盘价基础上加上或者减去这个波幅值来确定一个固定区间，当当天最新价格突破上面区间或者下面区间时入场。固定时间突破策略是通过确定今天开盘后一段时间内的高低点，当这段时间后的价格突破了这段时间内的高低点价格后入场。枢轴线突破策略则是根据枢轴线计算方法使用昨天高点，开盘价，收盘价来计算三条阻力线和支撑线，当今天价格突破其中的某条阻力线和支撑线时入场。

还有一种突破信号是根据盘中价格即时更新的，也叫做动态带突破，其中比较经典的策略主要为唐奇安通道突破和波动率通道突破系统。其中唐奇安通道突破采用的是前一段时间的最高价和最低价作为一个动态的区间，当当前价格突破这个区间时开仓，而波动率通道则是采用统计学计算前一段时间收盘价的标准差然后在收盘价的均线上加减这个标准差来组成一个动态的标准差带，当当前价格突破这个标准差带时开仓。

（2） 开盘价指标信号：

开盘价指标信号通常有三种类型的策略，一种就是均线类。均线类策略主要是使用两个或者多个不同周期的收盘价的均线，短周期的均线向上穿越长周期或者下穿时，在一根k线的开盘价开仓。

一种是指标类策略。指标类策略通常采用一些设定好的高低点的指标值作为开仓点，比如RSI指标等，该指标盘中根据之前的价格进行实时计算，当该指标值达到预设值时在下一根k线的开盘价开仓。

还有一种是形态类策略。形态类策略通常采用事先定义好的一种形态，当当前价格形态满足这种定义好的形态时，在下一根k线的开盘价开仓。形态类策略简单的比如红三兵策略，当出现连续三根红色阳线或者三根绿色阴线时开仓。还有复杂的比如采用形态识别的策略，事先定义一种胜率相对较高的形态，然后在盘中通过形态识别的方法来计算，当当前价格形态与定义的价格形态近似度到达一定时，则在下一根k线的开盘价进场。

二、常见的过滤指标

过滤指标通常在系统设计中起到画龙点睛的作用，一个胜率相对较高的进场信号结合一个过滤指标通常会起到更加提高胜率的效果。不过过滤通常也是以牺牲进场交易次数为代价的，因减少的交易次数而进而牺牲更早的进场交易利润。常见的过滤条件包括指标类过滤，时间类过滤，以及统计型过滤。

指标类过滤：

指标类过滤通常是采用结合各类技术指标，在原有进场信号的基础上，叠加一个技术指标来进一步减少进场信号。

时间类过滤：

时间类过滤通常指因为在特定时间段开仓胜率较低，因此该段时间不开仓。

统计型过滤：

统计型过滤通常是根据历史统计，交易时只有在统计胜率较高的区间才交易。

三、常见的出场模式

趋势跟随类策略通常采用跟踪止盈型出场，而其他类型策略通常也会采用主动型出场比如固定时间出场或者反向信号出场。

跟踪止盈型出场

跟踪止盈型出场主要是通过进场盈利以后，当价格朝着不利的方向移动时，利润回吐到一定百分比时出场。还有一种吊灯出场跟跟踪止盈出场类似，只不过不管进场后是否盈利，只要价格偏离进场后的最高点（最低点）一定幅度以后即出场。

主动型出场

主动型出场多用于震荡策略中，通常有在持仓到一定时间后即出场，利润到达一定后即出场，以及出现反向信号时即出场。

四、策略失效评估

策略失效通常有两种，一种是策略思想过优化导致失效，另一种是行情波动属性跟原来历史回测时完全不一样导致的失效。常见失效通常是由过优化导致的，过优化可以通过多品种以及分段测试来避免。通常普适性好的策略也就是多品种通用的策略，思想失效的可能性较小，而只针对单一品种优化，而放到其他交易品种上时完全无法盈利的策略通常过优化概率偏高。因此通常评估策略失效与否可以通过以下几种方法：

多品种测试

多品种测试指在其他波动属性不相同的品种去横向测试该策略，如果完全无法盈利， 通常该策略失效可能性偏大。

同类策略测试

使用同类型策略来测试该品种，如果同类型策略还能有效盈利，而证明该品种波动属性没有发生本质变化，策略失效可能性较大。

五、实盘中需要注意的问题

在回测时候，由于期货合约会换月，因此回测时候跟实盘通常还会存在差异，尤其以期货指数合约回测时，实盘差距通常较大。由于指数合约是所有合约按照成交量加权生成，平滑度比主力合约要好很多，因此历史回测时通常建议使用主力合约回测为佳。

在实盘时，有时会出现集合竞价止损，但是在集合竞价价格出来后，实际发单回被交易所拒绝，因此要避免在集合竞价时出现的报单问题。

六、策略组合的构建

如上所述，单品种单策略在实盘时通常很难达到很高的收益风险比，因此需要通过策略组合来起到平滑资金曲线的效果。策略组合设计时通常需要注意以下几点：

多品种组合

多品种组合，指通过分散化的方法，在多个品种上运行策略，通过在相关度相对较低的品种上分散资金，可以有效的平抑单个品种波动性出现变化时所带来的亏损。

多周期组合

多周期组合，指通过在不同周期K线上运行策略。通常做法是通过隔夜策略和日内策略一起运行，并且日内策略通常运行在小时间周期上比如1分钟，5分钟，15分钟等，而隔夜策略通常运行在大时间周期比如30分钟，小时线，日线等等。

多策略组合

多策略组合，指通过运行不同思想不同类型的策略来起到互补效果。策略进场思想相关度要低，否则多策略反而会起到反作用。

文章来源：金程网校

人工智能吹来劲风 细分领域投资机会引关注

由于被写入政府工作报告，人工智能在两会期间获得了非常高的关注度。科技部部长万钢也表示中国人工智能创新发展规划即将出台，同时国内外巨头在相关领域的布局案例不胜枚举，这使3月中旬人工智能概念股一度站上风口，龙头股赛为智能、科大智能、科大讯飞等纷纷异动上攻，3月累计涨幅均在15%以上。

人工智能吹来劲风 细分领域投资机会引关注

不少机构均预计人工智能将成为贯穿全年的投资主题，并认为随着人工智能重磅催化剂持续密集出台，人工智能主题经过2017年初市场预热后，主题行情表现有望大幅超过预期，建议关注细分领域的投资机会。

龙头股预热表演“吸睛”

不过，近期A股市场仍继续板块轮动的节奏。经过一番躁动之后，上周人工智能相关概念股表现相对沉寂，仅科大讯飞、视源股份和巨星科技表现较好，上周涨幅在6%～8%之间。那么，人工智能后续还有“大戏”可看吗?结合往年两会热点的经验，不少机构均预计人工智能将成为贯穿全年的投资主题。

华泰证券预计，人工智能相关产业有望持续获得国家大力支持，更多细化政策有望出台，在国家重点实验室建设、政企合作研发项目、国计民生领域应用等层面对人工智能产业化予以推动。长城证券认为，未来各级政府将加大对人工智能支持力度，加快人工智能项目培育及发展，人工智能政策红利有望持续释放。人工智能主题经过2017年初市场预热后，主题行情表现有望大幅超预期。

3月以来，人工智能龙头股的市场关注度颇高，明显得到资金的青睐，预热表演相当“吸睛”。据同花顺统计显示，3月份涨幅在10%以上的相关概念股有9只，其中赛为智能成为板块的领头羊，月度涨幅为36.45%，该股上周三股价一度达到23.98元，为2015年6月以来的新高。其次是科大智能，涨幅也在29.51%;远大智能、科大讯飞3月涨幅均超过15%。此外，巨星科技、和而泰、视源股份、巨轮智能、慈星科技、川大智胜、汉王科技等的月度涨幅也居于板块前列。

从年度表现来看，这几只龙头股的涨幅也相当可观。赛为智能2017年以来涨幅达到54.85%，而科大智能、科大讯飞的年度涨幅均在30%以上，此外川大智胜今年以来也涨超20%。

商业应用初现端倪

根据艾瑞咨询的数据，2020年中国人工智能市场规模将达91亿元，年复合增速将超过50%，发展前景极为广阔。“2017中国IT市场年会”则预计2018年人工智能市场规模将达到381亿元，复合增长率达26.3%。据悉，随着一级市场产业投资不断升温，中国2012-2015年人工智能投资额增长近100倍，人工智能投资机构数量年增长率超过50%。

与之对应的是，近期国内巨头在相关领域相继发力，争相布局。3月13日，英特尔正式宣布，计划以每股63.54美元现金收购以色列驾驶辅助系统开发公司Mobileye，股权价值约153亿美元。安信证券对此评论，自动驾驶是潜力最大的人工智能终端芯片市场，英特尔此举是高溢价买了一张“船票”;阿里巴巴加速云计算布局，与北京市张北县签约了总投资180亿元的“阿里巴巴张北云计算数据中心项目投资合作协议”;百度计划在硅谷设立第二个研发机构，旨在获得人工智能方面的技术优势;科大智能3月15日发布公告，称拟投资建设科大智能机器人和人工智能产业基地项目，等等。

另一方面，人工智能的商业应用也初现端倪，例如科大讯飞智能语音识别系统、搜狗借助人工智能实现高增长等，商业应用初现端倪。可见，在资本市场上人工智能概念仍是方兴未艾，风正起时。

展博投资认为，人工智能进入分化阶段，未来应用为王。经过这几年的快速发展，可以说人工智能早就已经脱离单纯实验室和学术范畴，开始与产业更加紧密结合，实现更多具体项目和行业的落地应用。同样在风口之下必有泡沫，而未来判断人工智能最大的分化就是看其在实际应用中的效果具体有何差别。

对于后市行情能否从周期股、消费股再切换到人工智能概念股，长江证券认为，这取决于板块是否有极具进攻性的主题驱动，其重点看好人工智能细分应用中智能驾驶产业机会，主要是具备“芯片+图商+车厂+自动驾驶技术”等产业链整合能力的公司，以及智能驾驶舱等产品优先商业化量产的公司。

中泰证券则建议关注从智能驾驶到计算机视觉的主题蔓延机会，认为从一、二级市场的融资、盈利及传导路径来看，二级市场计算机视觉公司业绩有望迎来新一轮扩张。

文章来源：投资中国网

为金融风险管理保驾护航 人工智能将成金融创新的新引擎

近几年，随着人工智能、大数据、云计算等新兴技术的趋于成熟，前沿技术在具体业务和场景中也逐渐实现了应用价值，传统金融业的创新变革也就此拉开序幕。

在金融与科技加速融合发展的大趋势下，金融风险管理也被提出了更高要求。尤其是在应用人工智能、云计算等前沿技术时，如何真正实现金融安全的维护和金融风险的防范，这也是诸多金融科技公司正在探索的主要方向。

图：第二十二届中国国际高新技术成果交易会

人工智能为金融风险管理带来新变革

根据国务院印发的《新一代人工智能发展规划》数据显示，到2020年人工智能总体技术和应用与世界先进水平同步，核心产业规模超过1500亿元，到2025年人工智能核心产业规模超过4000亿元，到2030年人工智能理论、技术与应用总体达到世界领先水平，核心产业规模超过1万亿元。 人工智能正处于蓬勃发展阶段，通过对人工智能开源开放生态，释放积累数据价值，获得更多产业升级所需的技术方案，助力科技与各产业的加速融合，为经济增长释放活力。

2020年11月11日，以“科技改变生活，创新驱动发展”为主题的第二十二届中国国际高新技术成果交易会---中国高新技术论坛在深圳拉开了帷幕，吸引了诸多行业专家、学者、技术人才等在在内的各行业人士参与。

图：萨摩耶数科董事长林建明

萨摩耶数科董事长林建明11月11日下午受邀出席“未来科技峰会——人工智能与大数据”论坛，发表 “看人工智能如何引领金融风险管理的‘二次革命’ ”主题演讲，引发行业深度思考。

近日，央行发布了《中国金融稳定报告（2020）》，对2019年以来我国金融体系的稳健性状况进行了全面评估。报告认为，我国银行业金融机构整体经营稳健，风险总体可控，但金融发展面临的困难和风险挑战仍然较多，尤其是金融机构的风险管理模式存在着亟需转型的现实问题。

林建明认为，人工智能在金融服务领域开始发挥着越来重要的作用，同时也为金融风险管理带来新变革，需要积极迎接“二次革命”。

人工智能通过帮助金融机构识别欺诈行为、可疑交易和潜在的攻击等，提高风险管控能力；帮助金融机构实现自动化流程管理，提高工作效率，降低成本；帮助金融机构挖掘潜在客户，对现有客户进行画像，快速完成复杂的决策过程，提高生产力和运营效率。

在论坛上萨摩耶数科董事长林建明还分享了萨摩耶数科在人工智能领域的应用与创新。萨摩耶数科用了近5年时间，利用独立研发的“智能策略”风险管理体系，完成了从靠“人”到靠“机器”的升级。

“智能策略”风险管理体系自投产以来信贷审批通过率可提升20%-30%；资产逾期风险水平能够下降20%-50%；综合风险管控效能提升30%-50%，最高可达到79%。

为了攻克技术难题，萨摩耶数科还做了诸多努力。在特征层面，寻找 “优质客群”，挖掘客群的差异特征；在算法层面，采用了xgb、lightgbm、LR等成熟的建模方法，在确保模型稳定性的条件下，又自研并应用了一系列可以大幅提升“模型可靠性”的方法。在工程层面，既要保证产出模型策略可被灵活替换，又要从“维护便捷”的角度出发，解决与维护策略难题，提取各类模型和规则的优点，实现模型的快速替换迭代。

人工智能已成为金融行业重要的核心竞争力

据艾瑞咨询统计，2019年中国人工智能开放平台市场规模为104亿元，在2020年市场规模可达222亿元，随着未来AI开放平台保持高速增长，预计国内人工智能产业5年内的年均复合增长率将达到41%左右。人工智能的地位早已从过去的支撑、保障的从属地位，发展成为引领与重塑创新的驱动力量，逐渐成为金融业最重要的核心竞争力。

当前，机器学习、知识图谱、自动化机器人等人工智能技术在金融预测、授信决策、智能投顾等领域广泛应用，金融业正在加快实现网点智能化、营销智能化、运营智能化、客服智能化、风控智能化。人工智能等前沿技术是未来金融创新应用的重要趋势，也是金融创新与发展的巨大推动力。

萨摩耶数科多年来在人工智能领域的创新有目共睹。萨摩耶数科将自主研发的核心技术，以云服务+本地化部署的模式，为金融机构等提供全方位的科技赋能，促进金融机构风险管理模式从低维向高维的跃迁，提升政府金融监管机构防范化解金融风险能力，助力中国金融行业实现数字化、线上化、智能化转型升级。

截至2020年9月，萨摩耶数科已与包括商业银行、消费金融公司和小贷公司在内的近80家持牌金融机构达成合作，已累计为持牌金融机构输出了6000多万用户。

图片来源：网络

人工智能等创新技术与传统金融业态深入融合，提供了高效便捷、信息透明的多样化金融服务，拓展了金融服务边界，优化了金融产品特性，弥补了传统金融短板，成为服务实体经济、防控金融风险、深化金融改革的重要力量。

赋能金融科技实现创新性变革

中国工程院原常务副院长潘云鹤院士曾公开表示，人工智能和大数据等新技术将成为继互联网技术之后变革金融科技领域的全新力量。随着金融和科技的不断融合，人工智能、大数据、互联网、分布式技术和安全技术等关键软硬件已成为金融科技领域的新基础设施。

萨摩耶数科一直坚持对创新之路的探索，大力投入科研，不断将基于人工智能等前沿技术的研发产品成功应用在诸多金融机构业务场景中。例如萨摩耶数科的“K3”智能风控策略体系、“域风”智能风控管理系统、“AUTOMAN” 自动建模平台、BI数据中台报表管理系统等。

萨摩耶数科赋能金融机构数字化转型，依托人工智能和云计算等前沿技术，设计整套智能风控解决方案，贷前严格把控伪冒风险、全面审核客户资信；贷中精细化计量信用风险合理审慎投放授信；贷后持续动态业务监控、有力保障资产质量，实现业务全流程的管控，从而做到风险可观、可测、可控。

金融与科技的深度融合，让人工智能的发展未来可期。金融科技企业基于开放的生态环境，依托人工智能的研发成果，赋能金融机构等各行业数字化转型升级，在智能获客、智能风控等方面全面发力，为金融机构提供更精准、高效的咨询服务和解决方案，实现智能化、个性化的定制服务，从而提升金融机构的运营效率。同时，通过科技技术服务更多持牌金融机构，也让越来越多用户享受到普惠温暖的金融服务。科技是开放的，科技也是向善的，AI既代表科技，也代表爱，未来，萨摩耶数科将继续用AI铸就温暖金融。

来源：手机凤凰网

疫下与疫后的财富管理新动向：智能投顾引领互联网理财

2020年以来，新冠肺炎疫情突如其来并急速演变发展，快速传播到全球主要经济体，疫情蔓延和各国控制疫情措施严重影响国际贸易和投资等活动，打破了现行全球产业链正常运转，世界经济进入衰退期。如何在下行浪潮止损回稳，甚至找到新增长空间，考验更强定力和智慧！

居家战疫使得越来越多人适应和习惯非接触式服务、在线办理业务、在线消费、移动支付等智慧生活。5G、大数据、人工智能、云计算、VR（虚拟现实）、AR（增强现实）等新一代数字科技在疫情防控与复工复产复商复市得到大规模场景应用。

同时，智能投顾也趁此全民上网与上云用数智赋新时代，普及性进入互联网理财快车道。智能投顾借助大数据、云计算等金融科技，通过现代资产组合理论等算法，根据用户风险偏好、财务状况、理财目标，为用户提供量身定制的投资组合方案。

01 人工智能AI+大时代的新趋势

AI时代，马云认为，未来三十年计划经济将会越来越大，原因就在于数据的获取，市场这只无形的手可能被我们发现。

图片来源：网络

▲ AI已经可以达到或超过人类独有能力。

美国波士顿动力公司的机器人Atlas拥有立体视觉、距离感应等能力，不仅能规避障碍物，跌倒了能自己爬起来，学会了后空翻。

机器人索菲娅外形使用硅胶打造仿生皮肤，质感与人类皮肤相似，可以模仿人的面部表情和情绪。通过语音和人脸识别技术，她能理解言语模式并与人类进行对话。被授予了沙特公民身份，成为史上首个获得公民身份的机器人。索菲娅还有了自己的推特账号，作客脱口秀节目，登上时尚杂志封面。

AI在棋牌、医疗、推理能力等方面超越了人类，还学会了驾驶无人机、帮助科学家进行量子力学等复杂实验等。例如，AlphaGo（阿尔法狗）3:0干净利落地击败了围棋世界冠军柯洁，并且经过谷歌科学家多次完善后还在不断进化。

卡内基梅隆大学开发的AI系统Libratus在赛程为20天、12万手牌的比赛中击败了四名世界级扑克玩家。

▲ 智能金融跑马圈地。

已有智能投顾、智能资产配置、智能信贷、智能风控、智能客服等多种应用。

例如，建设银行用户与智能客服每天交互量达200 万次，节省了6000 以上人工客服。招商银行信用卡用户可通过加好友，与招行信用卡中心智能微信客服（小i 机器人）互动，通过银行卡或身份证号与招行网银系统绑定对接，开展还款、转账、积分兑换等复杂业务。

▲ 疫情之后的财富管理。

全民上网时代，便捷的互联网交易体验让更多人改变原来到线下购买理财产品的习惯，并拥抱智能投顾、直销银行、理财子公司等新产品、新业态。

市场风云万变，防被割韭菜意识普遍增强，投资者更相信和选择专业性，投资顾问的春天来了。

经济结构性下行，流动性价值更加凸显，房产等大额投资遭遇瓶颈，改善型购房成房产增量主流。

全民健康才是全面小康，健康意识、保障意识空前高涨，公众的保险意识增强。

由于对未来的不确定性，更多人发力追求第二收入，兼职兼薪普遍化、理财策略更进取。

消费观变化，既有预期悲观的消费抑制观，也有双循环新发展格局的稳促扩升消费观。

更多高净值人群关注全球资产配置，鸡蛋要放到不同篮子里，单一市场风险需要全球化配置对冲，海外置业、留学移民、海外基金投资、海外资本市场交易成为疫后投资重点。

图片来源：网络

02 十年后的智能投顾

需要思考的是：一是智能投顾能否成为、如何成为投顾机构、金融机构的增量业务，如何用大数据精准营销触达目标客户，而非简单的互联网粗暴打法翻版；二是智能投顾能否成为、如何成为流量入口，实现批量获客和交叉营销；三是智能投顾能否融合长尾客户和高净值客户，实现基于互联网和数据的分类施策，而非人为割裂普惠金融和财富管理，为金融机构降本增效。

▲智能投顾：投资界的AlphaGo阿尔法狗+管家式智能财富管理中心。

智能投顾是人工智能技术与金融服务深度融合的产物，最早诞生于2008年美国，即遭遇了全球金融危机的洗礼。美国智能投顾行业的资产管理规模预计到2020年增至2.2万亿美元，占据全球10%的财富管理市场。

腾讯、京东、阿里等互联网科技巨头依托庞大的用户行为数据和大数据分析能力，以APP、H5界面为入口提供智能投顾服务。银行、券商、基金、保险等传统金融机构依托已有的风险控制系统，利用本公司及关联公司的产品来开展智能投顾服务。独立的第三方智能投顾平台倾向于为用户提供全球化资产配置方案.

▲ 中美智能投顾发展。

2008年金融危机后，美国传统金融机构忙于应对公众信任危机和严苛监管，Betterment、Wealthfront等智能投顾创业公司成长起来，通过互联网信息技术，降低投资门槛，为用户提供个性化、低费率、透明化、便捷化财富管理服务，成为了行业清流。受益于人口结构变化、人工智能技术、监管法规等因素，智能投顾管理规模从2010年以来复合增长率超过80%，2020年将达到1.6万亿美元。

我国居民家庭财富稳步增长，中等收入人群日益扩大，财富管理市场空间巨大，但投资渠道稀缺，经过一轮P2P市场洗礼，互联网理财开始广泛被接受并且流行，同时大众风险意识也有所提高，年轻一代对互联网财富管理更加认同。在这个背景下，2014年底智能投顾概念开始引入我国，随后大量科技创业企业开始出现，2015年下半年以后传统金融机构也大力布局智能投顾方向。

▲ 长尾用户规模大，智能投顾在中国未来可期。

2020年《政府工作报告》提出，中国人均年收入是3万元，但是有6亿人每个月的收入也就是1000元。另外，中国缴纳公积金的人群只有1.4亿；中国大学生的比例只有8%；中国有5.5亿农村常住人口；2019年中国人均可支配收入30773元，人均可支配收入中位数26523元。我国过亿的市场主体绝大部分是小微企业。

图片来源：网络

长远看，我国经济高质量发展和精准扶贫、全面小康、数字化普及进程中，长尾客户始终是支撑智能投顾快速稳健发展的主要动力。预计到2022年，中国的智能投顾管理资产总额将超6600亿美元，用户数量超过1亿，行业空间巨大。

例如，蚂蚁聚宝理念是“让理财更简单”，单笔投资金额1000元及以下用户占比71%，90%的用户有过风险认知与实际投资行为不匹配情况；大部分用户不懂得分散投资，同时投资2只及以上基金用户仅30%（该数据不含余额宝）；人均基金持有时长仅48天（该数据不含余额宝），缺少长期投资心态；80后、90后用户占比86%；90、95后用户占35%。

蚂蚁聚宝到蚂蚁财富升级：一站式移动理财平台打造平台金融科技的组合拳从以基金销售为主的平台，变成主打综合理财应用，目的是打造与各种金融机构嫁接的平台金融科技，打造自己的金融生态。

▲ 中小银行智能投顾策略：暂缓定制 抱团发展 借道发展 暗度陈仓。

对中小银行而言，单一金融服务功能无法满足客户多样化金融产品组合需求，造成客户流失。在同业异业竞争中，因为无法推广和运行智能顾投，大量业务处理通过人工进行，成本高企。由于缺乏智能顾投等科技支撑，业务处理效率、处理质量落后于竞争对手，使客户丧失对中小银行信心。缺乏智能投顾等技术支撑，只能固守传统阵地，在金融创新业务缺乏话语权和主导权，处于跟随状态，捡竞争对手不愿做、剩下业务，难以做大做强和抵御风险。

来源：消费新时代研究资讯

量化投资将改变低效的投资交易行为

现如今股票、外汇、证券等金融市场的可投资产品正随着社会的壮大和企业的进步变得复杂，可选择的投资产品数量越来越多，为了在数量多且复杂的投资项目中选中有发展潜力的产品，以计算机强大计算能力为基础建立的量化投资就出现了。此外以量化投资为中心发展起来的还有程序化交易、算法交易、高频交易、智能交易,特别是入金外汇金融盛行，很多的朋友都在以不同的方式方法来接触外汇EA以及程序化交易。 什么是量化投资？

量化投资是将人们总结出的投资思想，利用现代统计学、数学的方法，形成若干可运算测量的数学模型，并借助现代计算机技术在海量历史数据中对模型进行验证，以寻找到能够带来超额收益的多种“大概率”模型，然后再纪律严明地按照这些策略所构建的数量化模型运算结果来指导投资。 量化投资是在怎样的市场环境中建立的? 首先，不论股市还是汇市，其价格归根结底是由市场参与者的情绪、国家的经济情况和市场交易行为共同决定的，价格的形成是所有参与者共同作用的结果，其中包含很多理性和非理性因素。其次，人们对股市或者其他事物的认知过程，是有规律可循的。这种规律的存在，为数量化模型建立提供了可行性的依据。而实现量化投资的必要条件就是将这些规律形成数学模型，并以历史统计为支撑来从中挖掘出大概率的策略模型，来对将要发生的行为进行预测。

量化投资为市场带来哪些变化?

以量化投资为基础建立的交易系统即是程序化交易，量化投资的特点是能够将交易行为模型化、流程化、程序化，这些也是程序化交易系统的特点。 数据模型是量化投资的灵魂，而模型来源于历史数据，并经过历史数据验证，以成功概率数据作为支撑，具有可操作性。 将交易流程化，流程是量化投资的命脉。一套纪律严格的交易系统，需要完善的管理流程来保证从输入到产出的一体性，从模型挖掘、模型测试、模型开发、模型应用模拟、模型实战、模型反馈六个环节去管理整个流程。 将交易行为系统化，交易系统是量化投资的骨骼。量化投资，需要一套强大的分析计算平台，用于管理量化投资的整个流程；同时还需要一个分析团队对交易系统转化成代码、测试、复盘，最后需要计算机来处理大量的交易信息。将人工交易行为转化成模型，应用于特定的行情，根据模型进行投资决策，排除人为主观因素的干扰是量化投资最大的特点。

中国投资市场需要量化投资?

中国的人口基数决定了每个行业领域的人数都比国外市场要多要复杂，包括外汇投资、股票等行业，数据显示，但截止2009年6月，中国定量投资规模总量约187亿，在全部基金管理规模中占比尚不到1%。而在美国定量投资约占全部主动股票投资的30%，可见中国投资者更相信低效率的手动交易结果。量化投资在中国尚处在起步阶段，还有非常大的发展空间，为了跟上世界的步伐，量化投资在中国市场发展并逐渐成为主要交易手段是不可避免的趋势。

文章来源：搜狐财经