📢 #Gate观点任务# 第一期精彩启程!调研 Palio (PAL) 项目,在Gate广场发布您的看法观点,瓜分 $300 PAL!
💰️ 选取15名优质发帖用户,每人轻松赢取 $20 PAL!
👉 参与方式:
1. 调研$PAL项目,发表你对项目的见解。
2. 带上$PAL交易链接。
3. 推广$PAL生态周系列活动:
为庆祝PAL上线Gate交易,平台特推出HODLer Airdrop、CandyDrop、VIP Airdrop、Alpha及余币宝等多项PAL专属活动,回馈广大用户。请在帖文中积极宣传本次系列活动,详情:https://www.gate.com/announcements/article/45976
建议项目调研的主题:
🔹 Palio 是什么?
🔹 $PAL 代币经济模型如何运作?
🔹 如何参与 $PAL生态周系列活动?
您可以选择以上一个或多个方向发表看法,也可以跳出框架,分享主题以外的独到见解。
注意:帖子不得包含除 #Gate观点任务# 和 #PAL# 之外的其他标签,并确保你的帖子至少有 60 字,并获得至少 3 个点赞,否则将无法获得奖励。
⚠️ 重复内容的帖子将不会被选取,请分享属于你独特的观点。
⏰ 活动时间:截止至 2025年7月11日 24:00(UTC+8)
量化的终结?人工智能如何让金融分析民主化
Getty Images一波新的人工智能初创公司正瞄准华尔街最专业的角色之一:量化分析师。从对冲基金到商品交易场所,人工智能平台承诺将使复杂的数学模型和数据分析民主化,这些长期以来一直是高薪量化分析师的专属领域。
直到最近,大型语言模型在交易领域一直是像伊戈尔·图尔钦斯基这样的亿万富翁基金经理的专属领域,他的WorldQuant对冲基金管理着超过230亿美元,雇佣了150多名博士来构建定制的人工智能系统。正如图尔钦斯基最近告诉《福布斯》杂志,他的公司正在使用LLMs来“转换和发现不同领域的阿尔法”,创造出能够通过将标准模型与“真正没有人可以复制”的内部数据结合来回答“非常复杂的问题”的专有工具。
但新一代初创公司正在努力改变这种排他性,为那些以前无法负担此类能力的公司提供复杂的人工智能驱动分析。这一趋势代表了金融机构在数据驱动决策方面的根本转变。公司们越来越多地转向能够在几秒钟内处理大量信息并以简单英语提供洞察的人工智能系统,而不是雇佣博士级别的分析师团队来计算数字和识别市场模式。
最近案例研究中突出的三家公司(FINTool、Metal AI和Findly)正通过人工智能驱动的研究和分析平台,针对金融世界的不同领域。每家公司都承诺将数小时的手动分析转变为自动化洞察,可能会重新塑造投资决策的制定方式。
AI量化替代浪潮
关键趋势与人工智能能够根据风险承担者的愿望分析不同数据源有关。承诺是人工智能系统可以在没有人工干预的情况下搜索、聚合和综合数据源。
更多为您提供例如,FINTool 专注于对对冲基金和银行的公共股权研究,分析从收益报告到证券交易委员会(SEC)备案的数百万份文件。该平台声称能够将分析师的工作量从数小时减少到数秒,同时通过三级同行评估系统保持“零幻觉”。另一方面,Metal AI 针对私募股权公司,交易团队在多个系统中面临碎片化数据的挑战,无论是市场研究平台还是机密数据室。该公司的智能平台声称能够统一内部和外部数据源,使投资专业人士能够用自然语言提出复杂问题,而不是花时间手动汇总信息。
但也许最成熟的替代传统量化工作的尝试来自于获得YC支持的Findly,其Darling Analytics平台正在在 notoriously complex 的商品交易世界中引起波澜。
从量化交易大厅到人工智能创业公司
伊格纳西奥·伊达尔戈深知商品交易的内情。作为一些最知名的液化石油气交易台的前首席交易员,他亲身经历了将海量市场数据、天气模式、运输和流动信息以及地缘政治发展综合成盈利交易决策的日常挑战。
"问题是一样的,只是不同而已,"Hidalgo解释他从交易员转型为科技企业家的过程。"大多数用于结构化和高级数据分析的先进工具仍然让交易员缺乏他们所需要的上下文。这是一个非常难以解决的问题"
现在,与联合创始人Pedro Nascimento一起,Hidalgo正在通过他们获得Y Combinator支持的初创公司Findly构建他所称之为“世界上全新”的技术。他们的Darling Analytics平台旨在为普通的大宗商品交易台提供传统上仅限于专业量化交易台的“超级分析能力”。
商品交易在极端的世界中运作。复杂的数学模型与惊人简单的工具共存。虽然一些操作使用复杂的算法和实时分析,但其他操作则依赖于WhatsApp群聊进行交易。交易者通常通过消息应用进行交易,技术复杂性极低。
"图表无法提供上下文,"Hidalgo指出。"人类无法处理所有参数:过夜价格变化、船只装载信息、天气数据和预测、新闻。通过AI,你可以问‘这周原油价格发生了什么?现在是购买的好时机吗?’并获得更清晰的市场背景。
AI Quants: 现实世界的实施
Darling Analytics 已经在几家大型商品公司进行试点。该系统自动化了初级交易员通常手动编制的晨报和事件驱动报告,从而使人类分析师能够专注于更高价值的战略工作。它将(附近)的实时结构化数据与来自市场报告、X、网站、电子邮件和新闻源的非结构化信息整合在一起,以提供全面的市场情报。
"人工智能可以提供关于您指标的数据的完整上下文。这与仅仅绘制图表不同,它告诉您在当前市场背景下图表的含义,"Hidalgo解释道。该平台构建了他所称的"知识图谱",允许用户用自然语言提出针对交易者的特定问题,并获得之前需要数小时手动研究才能得到的分析。
例如,交易者可以要求该工具绘制天气与美国东海岸丙烷库存之间的关系。虽然这之前需要初级分析师花费数小时准备,但现在交易者可以将该任务降低到平台上,并在几分钟内看到结果。
DarlingAnalytics 中的查询
DarlingAnalytics## AI量化分析师的下一步是什么?
这些人工智能平台的成功引发了关于金融中定量分析未来的重要问题。如果人工智能能够真正复制使量化分析师有价值的模式识别和分析能力,这将可能显著改变交易和投资团队的结构。
对于依赖分析师或量化分析师提供风险部署研究的交易台,人工智能驱动的分析通过增强人类能力而非简单替代它们,提供了竞争优势。这项技术承诺使整个组织能够民主化地获得复杂分析的机会。
然而,这一过渡并非没有挑战。商品市场 notoriously 不可预测,受到从地缘政治紧张局势到天气模式等各种因素的影响。构建这些 AI 系统的公司必须确保他们的平台能够处理使人类专业知识如此宝贵的复杂性和波动性。
正如Hidalgo所说,目标是通过分析能力来“赋能普通用户在商品交易公司中”,这些能力曾经是专家的专属领域。
人工智能是否能够真正取代经验丰富的交易者在交易中所带来的直觉和市场感觉尚待观察,但它确实能够在几分钟内提供数据智能的优势。但随着主要商品交易商已经在试点这些系统,金融行业似乎已经准备好去发现这一点。