量化交易
Quantitative Trading，基于数学模型/算法的自动化交易。中国量化私募行业 AUM ￥3 万亿（2025），年收入规模 ￥348 亿。AI 时代经历"多因子 → 深度学习 → 大模型端到端"三代范式转移，幻方量化 用 DeepSeek 反哺策略是最具代表性的演进案例。
定义
量化交易指用数学模型/算法对市场数据做模式识别，自动生成交易信号、执行下单、控制风险的交易方式。与主观投资（依赖人工判断）相对。
技术细节
三代范式
传统量化（2010-2020）
因子挖掘 → 多因子模型 → 组合优化 → 风险控制
- 依赖人工特征工程
- 线性模型为主
- 策略容量有限
- 代表：BARRA 多因子模型
深度学习量化（2020-2024）
原始数据 → 深度神经网络 → 端到端预测 → 强化学习执行
- 自动特征学习
- 非线性复杂模式捕捉
- CNN/LSTM/Transformer 处理时序
- 策略容量扩大
大模型量化（2025-至今）
多模态数据 → 预训练大模型 → 少样本策略生成 → 推理优化
主要玩家
国内（百亿量化私募）
- 幻方量化 — AUM ￥700 亿+，2025 收益 56.6%
- 九坤投资 — AUM ￥6500 亿
- 明汯投资 — AUM ￥800 亿
- 灵均投资 — AUM ￥600 亿+，2025 收益 73.51%
国际
- Renaissance Technologies（西蒙斯）
- Two Sigma / Citadel / DE Shaw
在 AI 产业链中的角色
量化交易是 AI 技术在金融场景最严苛的试金石：策略必须用真实资金验证，错了会亏钱。AI 量化的成功（幻方量化 2025 56.6%）反过来推动 DeepSeek 等大模型的发展。
演进历史
- 1970s：因子模型起源
- 1990s：Renaissance 等量化基金兴起
- 2010s：中国量化私募涌现
- 2016：幻方量化 上线首个深度学习交易仓位
- 2023：DeepSeek 成立（量化 AI 反哺）
- 2025：大模型时代量化收益分化加剧
相关概念
∈ belongs_to::5-09-AI金融-量化交易