观点｜郭健：通用人工智能与下一代量化投资技术
3月18日，2023“扬子江新金融”峰会在南京举行。本次峰会由上海交通大学上海高级金融学院(高金)、南京江北新区管理委员会主办，高金(南京江北新区)金融科技创新基地、南京江北新区中央商务区建设管理办公室承办，上海高金金融研究院、高金江苏校友会协办。
峰会围绕“数字化创新加速中国式现代化进程”主题，邀请南京市委常委、副市长邓智毅，十三届全国政协委员、高金执行理事屠光绍，全国社会保障基金理事会原副理事长王忠民，2014年诺贝尔经济学奖得主、法国图卢兹大学产业经济研究所科研所长Jean Tirole，粤港澳大湾区数字经济研究院执行院长、AI金融与深度学习首席科学家郭健，高金教授、副院长、上海高金金融研究院联席院长李峰，曼彻斯特大学教授、金融科技与信息系统部主任Markos Zachariadis等中外重磅嘉宾发表真知灼见。
郭健首先回顾了过去100年量化投资的发展，并详细阐述了以AI为核心的下一代量化投资技术的展望。他提出，以Quant4.0为代表的下一代量化投资技术将在自动化人工智能、可解释人工智能以及知识驱动型人工智能三方面有重大突破，通过挖掘AI新技术的潜力，让金融投资更精准、更迅捷、更安全。
郭健还介绍了IDEA研究院围绕Quant4.0理念研发的新一代自动化投研系统，并提出了下一代量化投资技术面临的十大难题。
郭健在2023“扬子江新金融”峰会发表主旨演讲
（以下为部分演讲内容整理）
郭健先介绍了对量化投资领域产生了深刻影响的学术研究里程碑，包括12位诺贝尔经济学奖获得者和4位图灵奖获得者的卓越贡献，并展示了AI技术对量化投资领域越来越深刻的影响。
量化领域的学术研究里程碑
演讲现场，他详细阐述了构建下一代人工智能投资技术范式Quant4.0的核心三要素。
自动化AI技术
在投研流程中，传统手工建模，受限于人的精力、体力和思维定势，非常低效。我们指出，自动化AI（AutoAI）技术，用算力换人力，通过计算机对人类大脑研究过程的模拟，对建模问题自动分解、搜索与寻优，实现高效的自动化特征工程与自动化建模流程，拓展无限的研究空间，努力实现算法生产算法、AI创造AI的end2end全流程自动化。
量化投资策略研发流水线对比
（上方蓝色部分为手工建模情况下的流水线，下方橙色部分为基于自动化AI技术的流水线）
可解释AI技术
今天，以数据驱动和深度神经网络为主的AI模型，是一个难以解释和理解的“黑盒子”。可解释AI（XAI）技术的目的是（至少局部）打开这个黑盒子，让复杂的模型更容易理解、认知和分析。
通过XAI技术，可以实现对复杂机器学习模型的局部可解释或全局可解释，发现重要的特征与特征组合，重要的投资周期与投资时点，重要的投资标的与投资板块。通过因果推理技术，发现对投资决策最有效的直接因素和间接因素，及其之间复杂的逻辑关系。通过金融市场模拟技术，克服历史回测难以察觉的数据偏差问题，对量化模型进行更精准更科学的压力测试。我们将可解释AI技术广泛应用于金融投资流程，让模型更透明，让投资更可理解，让风险更可把控。
可解释AI量化投资的三个维度
知识驱动AI技术
今天的AI以数据驱动的深度学习大模型为主，它严重依赖于大数据大样本量，因此在量化投资中只适合中高频交易。如何让具有更大资金容量的低频策略（价值投资、宏观对冲等）实现量化交易？
我们认为，机会来自于以知识驱动为核心的新AI技术，特别是以知识图谱为代表的知识工程技术和以知识推理为代表的AGI技术。在金融投资的领域，这些新技术让机器更好地去理解金融市场背后的规律和投资逻辑，去模拟“巴菲特”的认知、推理和决策逻辑。
金融行为知识图谱示例
IDEA研究院通过努力研发世界前沿的人工智能技术，让金融投资更精准、更迅捷、更安全。
关于郭健博士对下一代AI投资技术
更详细的介绍，可参见arXiv文章：https://arxiv.org/abs/2301.04020
（点击阅读原文即可浏览）
关于 IDEA研究院FinAI
IDEA研究院人工智能金融与深度学习研究中心（FinAI）围绕下一代AI量化投资技术开展研发，在金融信号自动挖掘与深度学习自动建模技术、金融衍生品定价系统、大规模金融行为知识图谱推理、面向金融时序数据的新型深度学习技术、金融市场微观结构研究、深度强化学习订单执行算法等领域寻求重点突破。
扫描下方二维码，加入IDEA研究院FinAI。