양적 투자의 최적기 시대입니다. 업계 인지도는 계속 높아지고, 뛰어난 인재들은 모이고, 더 많은 기술 플레이어들이 무인 땅을 탐험하고 있습니다...지금은 양적 투자의 "최악" 시대이기도 합니다. 이 시대에는 더욱 심화된 경쟁 규칙과 잔혹한 제거 메커니즘이 기술의 정점을 끊임없이 넘어야 "산과 작은 산을 한눈에 볼 수 있다"는 것을 의미합니다. 2023년, '조' 시대에 돌입한 퀀트 사모펀드 산업은 하드웨어 전쟁, 컴퓨팅 파워 경쟁, 천재 게임으로 알려진 혁명을 시작했습니다. 야만적인 성장부터 집약적인 농업까지, 기술과 지능의 경쟁이 끊임없이 심화되는 산업 생태계에 어떻게 대처해야 할까요? 10년 동안 국내 시장에서 꾸준히 운영해온 쿤데인베스트먼트는 자체 경험을 살려 문제를 해결하고 있습니다. Kuande 사람들의 답변을 살펴 보겠습니다. 다음 동영상 출처: WizardQuant Investment 
엄격한 학문적 태도로, 기술이 발전할 때 칭화 대학교 수학과 과학 수업의 Elric이 전공을 선택했을 때, 세상은 급속한 데이터 확장 시대를 맞이하여 데이터 과학의 중요한 기초 부분인 통계는 실생활 응용 분야에서 점점 더 많이 활용되고 있습니다. 다양한 옵션이 있는 반면, 자신의 관심 사항과 학계 및 업계의 요구 사항을 어떻게 강력하게 연결할 수 있습니까? 학계와 산업계의 최첨단 강의를 공유하는 귀국교사들의 강의를 여러 차례 들었고, UCLA에서 교환멘토들과 학습 경험을 교류했습니다. 특히 통계와 뜨거운 머신러닝의 불가분의 관계를 알게 된 후, 엘릭의 출발점이 되었습니다. 항해가 잠겨 있습니다. 통계는 방대한 양의 데이터에서 알려지지 않은 패턴을 탐색하고 겉보기에 무질서해 보이는 조건에서 질서를 찾는 것입니다. 이를 위해서는 과학 연구에 있어서 장기적인 엄격함과 끈기가 필요합니다. Timothy Gowers는 수학에서 가장 광범위한 공헌의 대부분이 "토끼"보다는 "거북이"에 의해 이루어졌다고 흥미로운 비유를 한 적이 있습니다. 이는 장기적인 연구 시간 규모에서 기쁨이든 고통이든 데이터와 모델에 대한 반복적인 토론을 통해서만 획기적인 성과가 천천히 나타날 수 있음을 의미합니다. 나중에 버클리에서 생물통계학을 공부한 몇 년 동안 Elric은 학술 연구에 필요한 과학적 자질을 훈련했을 뿐만 아니라 여러 개척 분야에서 심층적인 탐구를 했습니다. 다중 가설 테스트, 베이지안 모델, 생물정보학, 약물유전체학, 그래프 신경망 및 비볼록 학습 이론 그의 연구 범위는 통계 및 컴퓨터 생물학에서 기계 학습까지 확장됩니다. 엘릭이 유학 시절, 국내 퀀트 트레이딩 시장은 급속도로 발전하고 있었습니다. 해외시장은 보다 완전한 거래 도구, 보다 우호적인 시장 요소, 보다 성숙하고 합리적인 자본을 갖추고 있음에도 불구하고 전략의 동질성 증가, 명백한 매튜 효과, 레버리지 및 저비용 자금조달에 대한 과도한 의존 등 많은 문제에 직면해 있습니다. 이에 비해 국내 시장 거래의 발전은 상대적으로 초기 단계에 있지만 시장은 더욱 역동적이고 업계의 상승세는 실제로 특히 젊은 실무자에게 퀀트 거래에 더 많은 상상력과 성장 여지를 제공합니다. 기술적인 관점에서 볼 때 국내 상위 퀀트 트레이딩 기관들은 해외 상위 기관들을 빠르게 따라잡고 있으며, 심지어 세분화된 기술 방향에서도 그들만의 고유한 장점을 갖고 있습니다. 늦게 시작했지만 국내 기관은 후발자를 축적하는 데 분명한 이점이 있습니다. SOTA 딥 러닝 기술 적용, 대규모 AI 컴퓨팅 플랫폼 구축, 고성능 소프트웨어 및 하드웨어 거래 시스템 설계 등 국내 기관은 Kuande로 대표되는 기관 양적 거래 기관이 최전선에 있습니다. 이 기술의 동풍은 Elric이 Kuande에서 항해를 시작하도록 항해를 시작했습니다. 
软 Kuande의 모든 거래 소프트웨어 및 프레임워크는 독립적으로 개발되었으며 시장 및 거래소 거래 규칙 및 정책에 따라 동적으로 조정할 수 있습니다.
시대의 요구는 인재의 질서 있는 흐름을 안내하는 신호등과 같습니다. 기술 혁신이 가속화되면서 금융기관도 점점 늘어나고 있습니다. 국가 머신러닝 알고리즘을 사용해 시장 동향을 예측하고 투자 포트폴리오를 선택합니다. 현재 전통적인 기계 학습(예: 커널 방법, 트리 모델 등)의 연구 및 적용과 더 광범위하고 빠르게 발전하는 딥 러닝은 금융 기관, 특히 양적 산업에 필수 요소가 되었습니다.
Elric은 박사 학위를 졸업한 후 Cundall에 기계 학습 연구원으로 합류했습니다. 현재 Elric의 작업은 데이터 마이닝, 모델 솔루션 및 전략 설계, 기계 학습 방법을 사용하여 금융 시장의 다양한 퍼즐 해결, 대규모 데이터에서 고차원, 비선형 연결 발견에 중점을 두고 있으며 정량화를 통해 더 넓은 관점을 보여줍니다. 하늘과 땅.
"Cundak은 많은 독립적인 데이터 소스, 초대형 컴퓨팅 리소스 및 강력한 컴퓨팅 성능 지원을 보유하고 있어 우리에게 우수한 작업 환경을 만들어주었습니다. 예를 들어 A100이 충분하지 않습니다. 학생 때처럼 고민해야 한다”며 “자원 부족에 대한 고민도 했고, 업무 효율도 많이 좋아졌다”고 말했다.
연구 분야가 지속적으로 확장되고 있습니다. 우리 손에 있는 도구를 어떻게 "예리한 무기"로 바꿀 수 있을까요?
엘릭은 더 많은 사람들이 자신의 강점을 결합하고 팀으로 함께 일할수록 지속될 가능성이 더 높다고 믿습니다. Kunde의 팀에는 이론수학과 이론물리학을 전공한 동료들뿐만 아니라 공학, 통계, 수치계산을 전공하는 팀원들도 포함되어 있습니다. 관덕에서는 IPhO 금메달리스트, 게임마스터+수학박사, 꽃거리 선배, 재능 있는 인턴 등 뛰어난 동료들을 만났습니다. 그들은 여가 시간에 자주 서로 상담을 했고, 더욱 완벽하고 포괄적인 서비스를 제공했습니다. 각자의 전문적인 관점에서 솔루션 아이디어를 도출합니다. "많은 "물리학 금메달리스트" 중 다수는 물리학 법칙에 대한 통찰력을 바탕으로 금융 법칙에 대해 생각하는 경우가 많습니다. 이러한 종류의 충돌은 종종 영감으로 이어질 수 있습니다. 예를 들어 금융 공학에서 유명한 Feynman-Kac 공식은, 유명한 물리학자인 리처드 파인만이 고에너지 입자의 분포를 설명할 때 만들어낸 것입니다. 그도 수학 전공자이지만 그의 박사 학위 연구 방향은 준몬테카를로 방법입니다. 추론할 때 종종 새로운 아이디어를 제공합니다.” 다양한 분야의 이러한 통찰력은 Elric이 연구에 대한 지평을 넓히고 단일 사고 방식에 갇히는 것을 방지하는 데 도움이 됩니다.
年 다양한 배경을 가진 젊은 인재팀이 더욱 응집력 있고 경쟁력이 있습니다.
새로운 아이디어와 새로운 성취에 마음을 열어두세요. Elric은 물을 흡수하는 스펀지와 같아서 끊임없이 풍요를 누리고 있습니다. Cundak은 최신 통계 방법, 핫 머신 러닝, 인공 지능 알고리즘, 프로그래밍 패러다임, 툴 체인 사용 등에 관한 일련의 내부 지식 시스템을 구축했으며 동료들이 스스로 발전하고 발전할 수 있도록 정기적으로 강좌를 마련합니다. 지식공유를 달성합니다.
"학교에서 통계학을 공부하는 학생들은 여전히 컴퓨터 과학 분야에서 상당한 양의 지식을 확장해야 합니다. 최근에는 상대적으로 약한 공학 능력을 향상시키기 위해 열심히 노력하고 있습니다. 기본적인 프로그래밍 기술부터 전체 생태학에 대한 이해까지 데이터 구조, 알고리즘, 컴퓨터 구성 원리, 운영 체제, 데이터베이스, 컴파일 원리 등과 같은 컴퓨터 과학 분야에 대해 다루고 있습니다. "Elric은 또한 매일 시간을 내어 arXiv 및 업계에 관한 최신 기사를 읽는 데 시간을 보냅니다. "GNN 및 Transformer에 관한 일부 기사 모델이 출간된 것은 제가 학문적 세계에 대한 감각을 유지하고 일을 시작했다고 해서 숙제를 잃지 않도록 영감을 주었습니다. "
최신 머신러닝 기술을 사용하여 실제적이고 측정 가능한 문제를 해결합니다. 기술 인재에 대한 영원한 추구는 궁극적인 기술에 대한 장기적인 추구이기도 합니다. 그리고 Kuande는 이러한 진정한 의도를 보호하는 "상아탑"입니다. 다양성에 대한 탐구와 큰 관용은 "후기 학생 시대"의 인재의 연구 동기를 고취시킵니다. 동시에 Cundak은 성숙한 도구와 과학적 방법을 통해 모든 사람이 금융 기술의 아름다움을 연구하는 데 전념할 수 있도록 했습니다.
기술과 가치의 조화를 탐구하면서 많은 혜택을 받았습니다오늘날 머신 러닝, 딥 러닝, 강화 학습 및 기타 기술은 퀀트 트레이딩 산업의 기술 환경을 크게 변화시키고 있습니다. 제공 퀀트 트레이딩의 발전은 새로운 상황을 열어줍니다. 예를 들어, 양적 거래 분야에서는 SOTA ML/DL 관련 연구를 광범위하게 활용합니다. 하지만 흡수가 전유를 의미하는 것은 아닙니다. 특정 딥러닝 기술을 올바르게 사용하는 방법은 무엇입니까? 신호 대 잡음비가 낮은 경우 데이터의 한계인지 훈련 과정의 편향인지 어떻게 판단할 수 있나요? 이는 모두 퀀트 트레이딩 업계가 새로운 시나리오와 새로운 문제에 대해 조정해야 하는 사항입니다.
익숙한 영역에서 점차적으로 인지의 경계를 확장하고, 단계별로 탄탄한 기초를 다지며, "무슨 일이 일어나고 있는지, 그리고 왜 일어나는지 알기" 위해 노력해야 합니다. 업무 실무가 심화됨에 따라 Elric은 정량화가 "특정 기술 구현"과 "시장에 대한 고유한 가치"의 유기적 조합이라는 것을 점차 깨달았습니다. 그는 세계 인공 지능 회의(World Artificial Intelligence Conference)에서 Cundak의 창립자인 Feng Xin 박사가 한 연설을 인용했습니다. 머신러닝의 관점에서 보면 원-핫 인코딩과 같은 매우 희소한 고차원 공간에서 밀도가 높은 저차원 공간으로 스톡을 임베딩할 수 있습니다. Attention 메커니즘)을 사용하여 주식 간의 관계를 이 공간에서 좌표 간의 관계로 변환할 수 있습니다. 이것이 GAT(Graph Attention Networks) 패러다임의 핵심 아이디어입니다. 이 메커니즘을 도입하면 개별 주식이 하나의 시트로 짜여집니다. 이 네트워크의 정보 흐름은 종종 돌파하기 쉽지만 이 네트워크에서는 각 노드가 강화되고 특정 지점에 대한 압력이 전체에 걸쳐 공유됩니다. 시장은 유동성도 공유합니다. 이 네트워크에서는 거래의 영향 비용이 크게 줄어들어 2차 시장에서 주식의 가치가 더욱 안정적이고 충분해집니다.”
ㅋㅋㅋ - .
"Feng 박사가 제시한 예는 우아한 기술과 그 시장 중요성을 통합하는
조화를 반영합니다. GNN과 같은 개체 간의 관계를 표현하는 딥 러닝 방법을 통해 일종의 주식 간의 관계를 나타낼 수 있습니다. 상호 이익이 되고 상호보완적인 관계가 형성되어 마치 수천 개의 주식이 하나로 합쳐진 것처럼 시장에 더욱 안정적이고 효과적인 구조가 구축되었습니다.”라고 Elric은 말했습니다. “Feng 씨도 저처럼 통계학에 대한 배경 지식을 가지고 있습니다. 그는 국내외에서 20년간의 정량적 경험을 갖고 있습니다. Kuande가 계속해서 모델 해석성 및 과적합 처리 방법과 같은 측면에서 축적된 경험과 많은 이점을 얻었습니다. 혁신의 불꽃을 일으키세요."1초가 중요한 시장 경쟁에서 Kuande는 꾸준하고 끊임없이 추구하는 괴짜 그룹을 보유하고 있으며 컨볼루션이 닥칠 때 반드시 선두에 설 것입니다.
위 내용은 하드웨어 전쟁, 컴퓨팅 파워 경쟁, 천재 게임: 양적 혁명 시대의 게임브레이커의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
