“阿尔法失灵了!”在大量资金疯狂涌入量化对冲这个赛道时,近期突然出现的巨大回撤却给量化从业者和投资者们泼了一盆冷水。 “量化投资每年年初有开门红,到了三四季度就‘关灯吃面’。”一位量化私募人士说。中国证券报记者调研发现,近期量化投资“关灯吃面”来得有些猛烈。数据显示,11月最后一周,占比超73%的市场中性策略产品遭遇了回撤,当周最大回撤甚至超过6%。 业内人士认为,临近年末,公私募机构大幅调仓导致市场风格突然切换,是这次回撤的主要原因。对于“阿尔法失灵”的恐慌,量化人士表现得较为乐观。在他们看来,模型调整适应需要时间,还是要调整心态,“等风来”。 11月“折戟” “最近这一个月部分机构回撤幅度挺大,我们的回撤幅度在头部机构里不算大,但超额收益这块也不行。”一位大型量化私募人士李明(化名)表示。 “超额回撤非常明显。”某沪上量化人士告诉中国证券报记者:“最近指数增强的产品也有一定回撤,但尚未达到历史最大回撤幅度。”另一位北京量化私募人士也表示:“我们的产品回撤主要发生在11月最后两周,指数增强类和市场中性类产品均有回撤,中性产品回撤幅度大约在3-4个百分点。”还有私募管理人士称,11月旗下中性产品回撤在2个点左右,此次回撤也属于正常现象,在可接受的范围内。 在产品出现回撤的同时,量化对冲策略也在11月迎来了大量申购资金。中国证券报记者粗略梳理了近期新发量化对冲产品:灵均投资在11月份备案了46只产品,在百亿私募中数量居首,衍复投资和天演资本在11月份也分别备案了26只和22只产品。也就是说,部分新产品在成立之初就出现了大幅回撤。 私募排排网数据显示,11月最后一周,有数据显示的679只市场中性策略产品中,496只出现回撤,占比超73%,当周回撤幅度最大甚至达到6.5%;从11月整体数据来看,432只产品出现回撤,占比超63%,当月回撤超3%的有74只产品。 据了解,对于量化私募而言,回撤3个点左右为临界点,一旦超过就属于较大回撤。历史上较大的一次回撤曾在2017年年初出现,当时指数出现了6个点的回撤,量化私募的回撤幅度普遍在10个点以上。 这一波回撤也让市场中出现了非常悲观的声音,甚至有观点称“阿尔法失灵”。但是,在不少量化人士看来,此次回撤是正常策略波动。 多因素共振 不少量化人士认为,年底机构调仓、市场风格快速切换、打新收益降低等因素是这一波量化产品回撤的主要原因。 上述量化人士表示,近一段时间市场风格极快切换,资金快速由前期强势板块流入低估值的顺周期板块,如金融、周期等行业。市场结构的快速变化对量化选股策略造成了较大压力,尤其是相对中频量价策略的阿尔法面临较大的回撤。 “一方面市场活跃度和交易量都在下降,波动率也在下降,交易一旦冷下来,策略的有效性肯定会下降。另外,交易成本也会上升,换手越快的策略,受影响越大;临近年末,公私募机构都在为明年进行调仓布局,市场风格也会有变化,行业有轮动,一些动量类策略中的动量因子表现会比较差,尤其是之前通过此策略获取了较高收益的,往往都出现回撤。”上述北京量化人士称。 李明也认为:“机构调仓导致市场风格突然切换,冷门股陡然表现很强,对于量化来说需要有风格和因子的识别过程,一般来说策略是周度调整或者月度调整,所以会有滞后性。此外,风格调整对于高频量化策略的影响会更大,因为高频量化的量价因子配比较多,较难选到冷门股,最近回撤也会更大一些。” 除市场风格骤变和机构调仓的原因外,李明表示,不少量化策略叠加了打新,相当于无风险收益的增强,但最近市场上的新股数量较少,所以打新的收益也越来越薄。 不仅是私募量化产品,部分公募量化产品也遭遇了不小的回撤。天弘基金指数与数量投资部负责人杨超表示,11月量化产品回撤原因不能一概而论,需要具体观察。如果是高频策略领域,主要原因是策略收益源头更多是赚取市场错误定价,当市场风格转向后,边际上投资者结构发生阶段性变化,使得以价量为主要信息源的策略需要时间适应市场变化。与此同时,以基本面量化为主的策略则要相对稳健。短期阿尔法策略出现波动是非常正常的现象,市场保持弱有效也是阿尔法策略的生存土壤。 以不变应万变 早在2007年,美国市场就曾出现量化集中踩踏事件。短短一周内,市场中性策略回撤了15%至20%。由于某家大型量化机构的关闭,其卖出行为引起了整个对冲基金行业的踩踏。不过,踩踏后的市场理性有所恢复,量化机构大都“收复了失地”。 此次大幅回撤之后,量化机构普遍选择“以不变应万变”。 “就算分析出原因,我们的策略也不会进行调整。”一家大型量化私募总经理表示:“的确可以不断优化策略,但实际问题是无论如何改进,这一波的回撤都无法避免。我们内部测算过,即使调整了策略,回撤最多减少一个点。” “模型会有周度的适应调整,但我们不会做人工的干预。”一量化人士表示:“出现回撤是比较正常的,我们一般不会做人工干预,模型还是需要一些时间来适应的。”
10月16日,在由上海对冲基金园区主办、上海证券等多家金融机构协办的第七届中国北外滩资产管理峰会上,上海证券基金评价中心总经理刘亦千从基金评价机构的角度,谈及量化基金在财富管理中所扮演的角色。 刘亦千表示,量化投资作为目前市场中最主流的投资方式之一,解决了主观投资无法解决的问题。首先,量化投资具有纪律性与稳定性,能够刨除主观投资的感性和随性;第二,量化投资可以处理海量数据,其投资广度较主观投资更优;第三,量化投资从多维度评估投资标的,可同时叠加成千上万个评判标准;第四,量化投资能够节约人力成本,制定复制型策略,从而解决单一基金经理可管理规模上限的限制,更强调团队的合作。 刘亦千认为,量化私募基金在财富管理中扮演了重要的角色。其“以绝对收益为目标”“拥有更多元化的收益来源”“能够改善组合的收益风险特征”“可根据客户的需求定制产品”的特征,能够为客户带来长期、可持续的回报,同时借助量化的灵活性,符合财富管理的千人千面要求。 刘亦千在会上表示,中国量化私募基金未来有四大发展趋势:一是投资群机构化。一方面机构对私募量化对冲基金的接受度更高,另一方面量化对冲基金低风险、长期稳定的回报符合机构投资者对资金属性的需求;二是私募量化的信息披露透明度提升,足够的数据量使得投资者可以进行分析,辨别“真伪”;三是量化策略更加多元化。更丰富的衍生品市场将催生一批新的私募策略,而部分策略的“拥挤”将迫使部分私募转向更加多元化的收益及风险来源;四是未来将更注重风险管理,更关注杠杆、流动性等私募特有的策略风险,以及运营风险等。(许盈)
记者获悉,算法交易服务商卡方科技今日宣布获得数千万元B轮融资,由广发信德领投,老股东华盖资本跟投,由义柏资本担任独家财务顾问。卡方科技联合创始人郑盛表示,本轮融资将用于进一步的研发投入及人才引进。 公开资料显示,卡方科技曾于2019年12月获得华盖资本领投、铭笙资本跟投的A轮融资,此前获得明势资本的Pre-A轮融资及珠池资产的天使轮融资。 卡方科技成立于2017年,以算法交易执行切入量化交易领域。算法交易执行旨在订单执行过程中根据数学模型、统计数据、市场实时信息等多方面的信息通过预先设计好的算法进行下单。卡方科技拥有完全自主知识产权的交易服务平台ATGO,为客户提供算法交易策略和量化投资的整体解决方案,从而起到降低交易成本、提高交易效率的效果。 算法交易的发展与量化投资的兴起密不可分,计算机算力的提升及机器学习、自然语言处理等技术的发展推动了算法交易的落地与应用。Preqin发布的2019Q3对冲基金报告显示,Top10海外对冲基金机构中,70%为量化类管理人。中国的量化基金规模也在不断增加,2019年达到4570亿元,近三年的规模平均年复合增长率达到24%。同时,许多传统机构也转向量化/半量化或发展其量化投资能力。目前,我国股票算法交易约占股市总交易量的20-30%,与国外成熟市场75%以上的占比相比,有很大的增长空间。 据郑盛介绍,卡方科技的算法在交易成功率和交易速度等核心指标上表现优异,同时卡方科技也开始打造综合的全业务量化交易平台,满足客户在风控、交易、数据、系统等多方面的交易需求。卡方科技的ATGO客户端2.0版本经过2年时间打磨,于今年6月正式上线。依托客户端功能的迭代,卡方科技的产品和业务的进展如下: 卡方科技的主营业务为股票类业务,品类由中国大陆股票拓展至美股、港股等境外市场。除了股票业务算法,卡方科技还投入研发期权、期货及其他衍生品的算法,目前期权、期货算法已投入使用。 伴随业务类型的拓展,卡方科技的客群由私募资金为主转变为包括私募基金、券商、上市公司、高净值人群在内的综合客群。具体来说,在证券领域,卡方科技布局逐渐完善,目前已进入近三十家券商采购目录;在上市公司方面,除了帮助对冲资金提供智能交易算法,卡方科技还为上市公司股东提供合规减持股票的算法,避免市场监控风险以及冲击成本带来的价差。 具体产品方面,在算法产品之外,卡方科技计划于今年下半年及明年推出数据产品线、风控产品线、资管产品线等,希望通过自研和合作结合的方式打造开放的生态链。 郑盛还向36氪介绍了卡方科技的商业模式。他表示,卡方科技通过费用与算法效果及使用规模挂钩,打开付费天花板,目前年营收达数千万元,近几年实现数倍增长。 团队方面,目前卡方科技团队共约60人,研发人员占75%。创始人陆洋毕业于中国科学技术大学物理系,曾任职于北美对冲基金LaurionCapital;创始人郑盛毕业于长江商学院金融MBA,负责管理市场运营团队。成立至今,卡方科技迎来多位业内人士加盟,2019年原恒生电子资管事业部副总经理何剑勇出任CEO,2020年初原恒生电子研究院研发部门经理金基东出任CTO,近日上海贵酒股份有限公司CFO孙瑶女士出任财务总监。 未来,卡方科技希望继续打磨算法,将算法业务做精做深,并积极拓展产品品类。本轮融资的领投机构广发信德也将凭借金融背景和投资经验为卡方科技带来更多业务支持。 投资方观点 广发信德投资总监张和表示: “金融科技及服务是广发信德持续重点投资的方向。在资管领域,我们深入关注并努力把握其结构性变化和机遇。伴随政策的完善和金融市场的成熟,国内市场将呈现交易智能化、散户机构化、参与者全球化和交易策略由主观转量化等趋势,国内的量化投资和算法交易呈较大的上升空间。卡方致力于为机构投资者提供交易执行环节的算法交易,有效降低交易中的冲击成本,提高交易执行的效率。我们认为卡方团队的专业能力、视野和背景,很好地契合了这一历史发展机遇,能够在其中大展宏图,並结出丰硕的果实。广发信德很荣幸能够参与卡方科技的此次投资,并完全相信双方的合作将达致双赢的愿景!” 华盖资本TMT基金合伙人王宝华表示: “量化投资是中国资管行业增长最快的领域之一,也是华盖资本长期关注的赛道。卡方科技运用人工智能技术不断优化算法,满足了行业和客户对交易执行的刚需,有助于改变我国资本市场交易技术落后于海外发达市场的局面。” 义柏资本创始合伙人侯杰超表示: “义柏长期关注技术对各行业的赋能。金融科技领域,我们看好资管和量化的发展。卡方对产品和技术极致的追求、极佳的用户口碑和卓越的团队在我们见过的公司中独树一帜,我们期待卡方成为推动中国资管行业进步的重要力量。” 相关阅读 为金融机构提供算法交易执行方案,「卡方科技」获华盖资本领投数千万元A轮融资 36氪首发 | 获明势资本 Pre-A 轮融资,「卡方科技」为金融机构提供算法交易执行方案
谈及量化交易,文艺复兴基金、Two Sigma、DE Shaw、Jump Trading、Jane Street等海外明星机构备受推崇。尤其是量化交易巨擘文艺复兴科技公司,旗下的大奖章基金在1998年至2018年二十年间的复合年化收益率达66%,是业内公认的顶级量化基金。 理论上,量化交易具有迭代效率高、响应速度快、稳定性强等优势,能够避免情绪等主观因素的干扰、严格执行投资策略。但在应用层面,各量化交易公司的交易策略良莠不齐,绩效也千差万别。 在对一家量化交易公司进行评估时,除了年化收益率、回撤率等硬指标外,策略研究能力、业务理解深度亦是需要重点考察的方面。 36氪近期接触到的「众米量化」是一家从事二级市场量化投资交易的金融科技公司,核心产品为AI交易引擎。公司致力于帮助证券、私募、基金等各类资管机构研发和执行量化交易策略,对标文艺复兴。 一般而言,量化交易包含“策略”及“交易”两个板块,其中“策略”指为获取投资收益而开发的主体盈利逻辑和信号模型,“交易”则是包含拆单、延迟优化、冲击成本控制等在内的一系列微观执行逻辑。不少量化交易公司同时提供策略及交易两方面的服务,36氪此前曾报道的知量科技便属于这种类型。部分量化交易公司专注于提供定制化的交易执行服务,例如36氪此前曾报道的卡方科技。众米量化选择以“策略”为核心,将高质量、智能化的模型开发作为重点,后期或将向成立自有基金的方向发展。 2019年,众米量化为全球5家国内私募、1家国内公募、1个自营专户、多家海外做市商等中小机构提供了策略解决方案,直接服务资管规模超过1亿。公司的收入包含基金收益的分成和管理咨询费用两部分,前者占比更高。目前由于期货自动化交易程度较之股票更好,公司仍以期货交易为主。但随着股票市场政策的放宽以及股市规模及活跃度的进一步提升,众米量化业务重点或将转移至股票交易市场。 现阶段,众米量化管理资金的年化收益率为10%-14%,最大回撤率2%以内,夏普比率在3以上。据众米量化的创始人兼CEO饶一博介绍,公司以日内交易为主,单月交易笔数过万,在策略的性能、挖掘速度及多样性方面积累了较强的竞争优势。 众米量化挖掘以量价为主体的各类有关数据,使用遗传规划、深度学习等技术训练AI交易引擎。考虑到神经网络在避免过拟合、挖掘非线性特征方面的良好性能,众米量化在深度学习技术上持续投入,与学术和业界前沿保持同步,尤其针对时序数据的预测问题进行了大量落地性实验。 众米量化现有超过千条的细分策略,按照标的、交易频级、风格类型的差异进行组合与对冲。目前市面上量化交易公司挖取一条标准策略的平均时间在40分钟左右,众米量化能将其压缩到3分钟。 模型和算法效率及计算速度提升带来的是策略产量和投资组合多样性的提升,进而有效对冲和分散风险。饶一博表示,策略的收益、风险、资金容量三者之间存在类似“不可能三角”的制约关系。资金达到一定规模时,在保持稳健收益的同时还要压低风险,往往需要一个保持动态对冲的丰富策略池才能达成。不同于国内传统私募以往使用内部迭代优化的单一策略承载主力资金的模式,众米量化不追求单一或少数策略的过分精调,而是采取了“策略集群”的模式,通过延拓策略池的有效宽度来得到“收益-风险比”的提升。 疫情的爆发引发了全球金融市场的波动,也为众米量化带来了新的机遇——公司仅2020年上半年的收入便达到了2019年全年的营收。接下来,众米量化一方面会继续深耕策略研究,在扩资扩容的同时确保绩效稳定;另一方面,公司还将在传统的量化交易范畴外,尝试利用更丰富的源数据和图神经网络等技术挖掘和建立产业链信息价值传导模型。该尝试将对传统的价值、主题、板块和热点投资逻辑纳入量化框架起到推动作用。 目前众米量化团队有20余人,绝大多数为科技研发人员,主要来自武汉大学、华中科技大学、加拿大阿尔伯塔大学、香港科技大学等学校的数学、计算机、金融工程等专业,核心成员均拥有博、硕士学位。众米量化创始人兼CEO饶一博为北大国家发展研究院金融硕士,有逾10年的量化策略研发与交易经验,曾任Geetest安全验证公司副总裁。 众米量化正在寻求新一轮的战略融资。公司此前曾获得英诺天使、泰有资本、AC资本等6家VC千万元pre-A轮和pre-A+轮融资。
欧阳默博士在罗马帝国巅峰时期,它的货币“第纳尔”银币(Denarius),含有大约4.5克纯银。第纳尔让罗马帝国的居民和组织可以进行商业活动,出售商品和服务并获得报酬,储存和积累财富。随着罗马帝国铸造越来越多的银币来支持贸易和军队的发展,他们开始减少银币中的含银量。一个世纪中,第纳尔中的纯银含量从75%下降到了只有5%。由于这些银币依然保有同样的面值,这创造了一个流通货币更多的假象。与此同时,货币中的真实的含银量却越来越少,罗马帝国实际上在降低其货币的价值。罗马帝国的“刺激”导致财富从公民身上转移走,为了购买同样的商品,他们需要使用更多的货币。换句话来说,这就是“通货膨胀”。罗马帝国第纳尔银币罗马增加货币流通量的货币贬值实验造成了恶性通货膨胀,高涨的税赋,不值钱的货币,并且瓦解了原来的贸易市场。这让罗马帝国的经济开始瘫痪,并且加速了最后罗马帝国的瓦解。比特币就是在类似的背景下诞生的,在2008年金融危机席卷全球的时候。华尔街的银行家导致了美国房地产市场和股票市场的崩溃,也把全球资本市场带入水深火热之中。美国政府和美联储为了应对经济危机,开始大量印钱,通过所谓的“量化宽松”(Quantitative Easing) 向市场中投入了约1万亿美元。正是这种背景催生了比特币,从一开始的一篇白皮书,到过去的11年中慢慢得到更多人支持和使用,尤其是很多知道这种无节制的印钞措施有问题的人。现在,我们又在经历同样的处境,但是情况比以前要严重5到7倍。眼下,美国正在领导全球经济“刺激”方案,离我纽约华尔街的家不远处就是美联储纽约总部,它在以史无前例的速度印钱,我几乎都能感受到印钱时美联储烟囱里冒出来的烟雾。目前,即使已经有几万亿美元进入市场,特朗普总统仍在2020年6月13日表示他希望下一轮的经济刺激为至少2万亿美元,而民主党则呼吁3万亿美元的经济刺激。在全球来看,已经有至少7万亿美元的“经济宽松”政策资金已经进入市场,这把金融市场推向了一个未知的领域。在美国,政治家沉迷于印钱,他们认为通过提高赋税、并且声明这些税务主要针对富人和企业就能解决印钱带来的后果。现在普通居民正在质问政府,既然政府可以无底线地印钱,为什么不能直接取消普通居民的赋税,直接用印发的钱来交税。与此相反,正当法币世界经历通货膨胀,比特币的世界刚刚经历了一轮量化紧缩(Quantitative Tightening)。比特币上个月进行了减半,它的通胀率也已经从3.65%下降到了1.8%。根据比特币的系统设计,大概四年后我们又会见证一次减半。比特币发行的量化紧缩,恰恰是美联储印钱的相反做法。就像2008年的量化宽松促使比特币的诞生,当下的环境让越来越多的投资人和用户意识到大量货币发行会导致的潜在问题和通货膨胀,比特币经过验证的稀缺性让比特币获得了这些投资人和用户的注意。现在全球的通胀率大约是3.56%,几乎是比特币的两倍。我们可以预见未来这个差距会越来越大。虽然美元可能是这个金融风暴的中心,但是量化宽松也让世界上其他某些国家的货币,如巴西里拉、墨西哥比索、南非兰特,在疫情后相对美元都贬值了至少20%。在知道美国的政客和其他一些国家的中央银行都在凭空印钱后,加密货币支持者的一些观点就更加容易理解了。因为加密货币的支持者明白一个可以预测的、不会突然进入通胀的数学系统是非常重要的。现在政府不断发行货币的行为会像当年罗马帝国的经历一样给我们深刻的教训。货币贬值会带来通货膨胀,高额的税率和不值钱的货币。在过去的11年里,持有比特币对很多人来说是高风险的。但是在未来,我们度过这段历史上的意义深远的时光后,量化紧缩的比特币不再是风险资产,相反,无限量化宽松下的美元将会迎来前所未有的风险。(本【链得得专栏作者:欧阳默博士是石木资本和RockTree Lex公司的董事长、真格基金的国际合伙人。石木资本是一家精品商人银行,拥有科技、区块链、不动产和工业项目方面的专业经验。RockTree LEX 是一家为寻求国际资本的区块链项目提供全球法律合规、专业项目执行与国际发展的专业区块链服务平台。欧阳默博士与美国国会区块链小组以及SEC 密切合作,正在帮助他们进行区块链和加密货币相关的新立法和政策制定。】
资产管理行业体系庞大,按领域可以大致分为公募、私募、券商、保险、银行、信托六大领域。星石投资《2018年中国资产管理行业报告》中的数据显示,2018年中国的资管规模约为124.03万亿元。 面对百万亿级市场,近年来,也出现了不少初创公司针对资产管理的细分领域提供专有解决方案。近日,36氪就接触到了一家专注于为资产管理领域打造领先的量化分析解决方案和数字新基建的金融量化科技公司——「上海格蓝威驰信息科技有限公司(Starhouse.ai)」(以下简称:格蓝威驰科技)。 该公司成立于2019年,主要产品包括针对于不同垂直资管领域的一体化量化分析解决方案,覆盖金融、商业地产、不良资产等领域,业务内容包括基金量化投研工具、策略、风控的系统研发,商业地产资产管理分析和决策体系,不良资产管理全流程处置和分析体系,交易所做市体系等。服务的客户包括知名金融投资公司、世界500强地产企业、对冲基金、私募投资机构等。 公司的联合创始人兼总经理俞修源告诉36氪,现有的资产管理市场存在以下痛点: 不断膨胀的数据量使得资产管理公司管理和分析数据的难度和成本都所有加大。另外,资产管理公司所面对的竞争越来越激烈,需要引入新科技增强竞争优势。 与人工智能结合的量化建模技术在传统资管行业运用不多,但在二级市场中的量化基金已经有了很好的应用,与此同时基本面基金正在积极探索关于量化工具的应用。 传统资管企业在引入新技术时,在IT基础建设层面,研发层和分析执行层之间存在真空部分。这个真空在于IT部门难以专门针对某一种资产、某种业务,在金融背景专门编程设计相应的量化模型;而专业分析师分散在各个业务部门中,且他们所使用的量化分析难以统一,分析水平也参差不齐。 资产管理业务SaaS平台 针对这些痛点,格蓝威驰科技以专业的量化分析与建模为核心,为客户搭建的是一个基于标准化功能模块的定制化全生命周期业务及数据协作分析大中台,其中包括资产管理SaaS平台、量化分析与建模引擎、可视化商业分析三大核心模块。 “公司创新性地提出了Quant as a Service (QaaS) for Asset Management这个概念,我们的量化解决方案首先通过资管SaaS平台梳理了企业客户资产管理的标准化业务流程,然后提供了模块化的专业量化建模分析系统,之后再通过一个可视化的互动协作实现成果的输出。最终是希望用量化手段去提升资产管理的运营效率。”俞修源说。 具体而言,资产管理SaaS平台实现的是企业全数据的对齐和统一管理,数据包括企业内部系统结构化数据,CRM、ERP、物联网等系统的数据,员工手工维护的EXCEL数据,以及任何外部可获得另类数据(如社交网络、宏观报告、新闻数据等)。 量化分析与建模引擎则集成了机器学习算法和金融量化建模的各类算法,同时集成了高性能分布式算力,是进行海量数据计算分析的中枢部分。 量化分析和金融建模引擎 可视化商业分析体系则由各类主题建模分析体系和互动型可视化平台两个主要部分构成。在这个体系中,企业各团队通过大数据分析和平台协作,可以为企业业务决策以及综合管理提供数据化支持。在可视化方面,格蓝威驰科技是知名数据可视化分析软件Tableau大中华区的官方合作伙伴。 格蓝威驰科技的联合创始人史方舟博士告诉36氪:“目前阶段,我们基于量化的核心重点打造一些产品解决细分领域的痛点或者是和大客户合作直接输出量化分析能力,提供一个高端定制的解决方案,比如基金量化风控管理解决方案、商业地产管理多维分析体系、不良资产管理处置分析体系、商业智能平台架构解决方案等” 史方舟认为公司的核心竞争力在于团队自身专业的量化建模能力,以及对量化分析三个核心要素的把握。 “我们自己内部有一个类比,将量化分析的三个核心数据、模型、分析师比作弹药、武器和士兵。” 史方舟说。“产品战斗力首先来自于对业务场景的熟悉,基于了解才能高质量系统性的收集全面合适的数据“弹药”;然后根据业务场景的每个细分需求,打造专业的模型“武器”;最后就是为分析师选择合适的武器,让他们正确使用并与决策层形成互动。” 互动式可视化分析洞察平台 团队方面,格蓝威驰科技的联合创始人俞修源是芝加哥大学金融数学系硕士,曾就职于华尔街量化对冲基金AQR Capital Management担任量化工程师,作为核心团队成员设计并搭建公司的大数据可视化智能风控平台,其管理近2000亿美金规模基金的风险策略和日常风控运营。 联合创始人史方舟,美国哥伦比亚大学商学院金融学博士,曾就职于硅谷知名风险投资机构CircleUp,担任高级量化研究员,负责将二级市场成熟的量化分析方法结合新兴人工智能算法应用于传统风投基金, 领衔研发以量化数据驱动的新一代风险投资模型。在此之前曾于AQR Capital Management担任副总裁,负责多资产的多因子投资策略及投资组合优化模型的研发、审核和迭代。