人工智能技术本身的突破正推进着各个细分赛道的应用场景不断落地。二级市场的信息公开性、超越人脑的复杂网络组合与人工智能深度学习的技术属性天然吻合，量化投资的创业项目纷纷创立。

量化投资借助计算机系统强大的信息处理能力，对搜集到的大量数据进行分析来建立数学模型，根据模型的运行结果进行投资决策。在效率、准确性和稳定性上，对传统投资进行了重塑升级。

人工智能的发展从赋予逻辑即可推理的“推理时代”、到学习专家系统的“知识工程”时代，经过数据挖掘和大数据时代的沉淀和积累，如今已经进入了神经网络深度学习的时代，基于人工智能深度学习技术的量化投资，技术条件本身已经成熟。

量化投资版的alphago，取代基金经理

delta grad创始人庞然指出，人工智能在算法输出策略方面已经达到了“智慧”临界点，具备了“涌现”能力——“简单的个体数量急剧增加，达到一定程度时就会有群体智慧的”涌现“，是量变达到质变时才能出现的一种能力。”

人工智能更为准确的描述应该是“人工智慧”：“智”是可量化、可描述的知识和逻辑，“慧”是抽象的直觉和感知，是要经过长期大量训练之后涌现出来的一种能力。如今神经网络算法已经能够达到“慧”的层面。

典型案例就是2017年1月，alphago以“master”为注册名对战数十位人类顶尖围棋高手，取得60胜0负的战绩。经过短短3天的自我训练后，以100:0打败了此前战胜李世石的旧版alphago。经过40天的自我训练，alphago zero又打败了alphago master版本。这意味着对海量优质数据进行深度学习的神经网络算法能够突破人类的时间、精力瓶颈，获得从量变到质变的“涌现”能力，进入“慧”的状态。

而在二级股票市场，同样需要一款这样的量化投资工具。量化投资借力人工智能技术，运用现代统计学和数学的方法，从大量的历史数据中寻找并搭建获得超额收益的投资策略，正在受到资本市场和投资者的越来越多的关注。

并且，二级市场的量化投资可以实现“预知”，而非简单替代部分机械性的操作。庞然向亿欧介绍，从更长的时间维度来看，基金经理的每一个投资策略都只是局部最优解，并不能穷尽所有的情况，之所以受到追捧，是因为符合人的逻辑，也就是“慧”的层面。当人工智能发展到“慧”的阶段时，机器人能够通过自博弈训练产生数百万的交易数据，对数据的深度学习又产生可以有效的策略。通过这种对抗学习，机器完全能够突破人类基金经理的工作时长、身体精力、工作稳定性的限制，取代基金经理。

量化投资的外部市场环境也已经成熟。在国外量化投资已有30多年的发展历史，数据显示2016年，量化科技在国外的理财产品管理规模达到了3.2万亿美元，而通过计算机和数字模型进行下单和下达指令的比例达到了56%。在我国，量化投资的发展还处于初级的阶段，向债券、股票、期货、外汇等领域延伸，将创造巨大市场空间。

目前量化投资的应用场景主要在投资交易、资产管理、智能投顾三大领域，操作流程包括数据输入、模型开发、回测输出三个步骤。在整个运行过程中数据和模型是关键。由于量化投资策略的影响因子较多，搭建过程繁杂，从早期筹备到策略搭建再到回测输出需要很长的时间，投资效率有待提高。

庞然2017年8月创立deltagrad公司，希望将alphago技术复制到a股做量化投资，已经利用其自主研发的机器人“智富狗”用自有资金在a股市场上进行投资。

“deltagrad目前上线的5个机器人，通过学习股票历史数据已经产生了超过700万的投资策略。在业务操作上，经过2018年1月-5月的实盘验证，机器人‘智富狗’的业绩已打败82%的人类基金经理。”

未来要让机器自主交易

现阶段，针对股票市场的量化投资平台在商业化上主要有两个方向：其一是为c端量化爱好者提供服务，未来通过增值服务盈利，同时期待平台产生好的策略，通过帮助这些策略开发者融资，从而获得盈利的分成；其二是为券商、基金等b端机构提供服务，收取系统本地布署和定制化服务的费用。

相对于这两种盈利模式，庞然更看好自营业务，在未来，deltagrad会成立自营的基金公司。他认为市场上提供投研工具的公司，仍然是以人投资的逻辑为基础来构建工具。

对于deltagrad未来的发展方向，庞然的想法很大胆。他提出了“两步走”的发展策略：

第一步是用自有资金进行实盘交易来验证模型的有效性。而后，成立基金自营。这一阶段的商业模式主要是资金管理费和交易分成。在具体的业务层面，计划年底上线10个股票机器人，并全部进行实盘操作。

第二步是让机器进行自主交易，通过机器的自博弈训练产生更高质量的交易数据进而建立有效的模型获取更有效的策略。这一阶段的商业模式除了资金管理费和交易分成外，还可能会面向部分b端机构提供风险管理服务。

以上是网络信息转载，信息真实性自行斟酌。