验→上线”周期，让团队把精力转向问题定义、假设检验与风险控制等更具创造性的工作。  为把效率沉淀为可复用产能，AI被嵌入数据—模型—工程—交易全链路。标准化数据域与特征库打底，研究可复现与灰度上线，交易工程优化执行路径与时延。同时，将监管与交易所规则参数化写入系统，形成“模型—系统—风控”三重校验，实现快而不失稳。  增益虽更显著 人始终为中枢  在徐书楠看来，AI带来效率与精度的跃迁，但无法取代人的核心地位。量化竞争从来不是简单的“AI竞赛”，也不是比谁的硬件更大、更快；AI只是工具，真正决定胜负的，仍是人对问题的定义、对逻辑的构建、对边界的把握。策略从构建到验证，离不开人的方法论与判断力。  因此，在因诺资产的组织实践中，AI更多赋能而非替代。让机器承接标准化与高频重复环节，把宝贵的时间留给研究员与PM用于洞察生成与决策取舍；以风控的硬约束把好底线，让创造力在纪律之内发挥。方向盘始终在人手里——这既是对AI价值的理性定位，也是因诺资产理解长期主义的方式。  不拘AI技法 择善而用其器  徐书楠认为，好策略的来源不是“是否用了AI”，而是“问题是否定义清楚、数据是否可靠、检验是否稳健”。在因诺资产，不少未使用AI的研究员同样做出了夏普表现优秀的实盘策略；因此，把“不会用AI=做不出好策略”当作结论，是技术决定论的偏见。  因诺资产的原则是方法中立、结果导向。合理的使用AI，可以大幅优化策略表现；但并非只要使用AI，就能做出好策略；也绝非必须使用AI，才能做出好策略。该用AI时，用它去扩展信息集、刻画非线性与提升效率；该用经典方法时，就坚持更简洁、可解释、易迁移的模型。  实践中，AI信号与传统因子并行开发、分档校准、组合成低相关的多源Alpha，以样本外稳定性、交易成本与容量约束作为统一的评价尺子。AI是强引擎，但不是唯一解——在长期主义的框架下，最合适的问题匹配最合适的工具，才是可持续的胜利之道。  在边界里进化 用长期去兑现  回到出发点，AI之于量化，是更锋利的工具，不是替代的剧本。因诺资产选择把效率、精度与广度沉淀为工程与风控的底座，把方法选择交给问题本身，把“能否可交易、能否可复现、能否可审计”作为唯一通行证。我们尊重数据的噪声、市场的约束与风险的价格，让创新始终在纪律之内发生，让创造力在边界之内生长。  面向未来，因诺资产将持续把AI嵌入多策略与全链路
=*=*=*=*=*=
当前为第2/3页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页