Man Group 的量化研究主管说了一句让我印象深刻的话：
"挑战在于数据和潜在市场关系的庞大数量，其增长速度超过了任何人类团队手工评估的能力。"
于是他们构建了 AlphaGPT。它能自动生成信号假设、编写代码、并运行回测。自主完成。每周数百个想法，而不是每季度 20 个。
Bridgewater 更进一步，建立了一个 20 亿美元的基金，由 AI 做出主要交易决策。
Jane Street 去年在 GPU 基础设施上投入了 60 亿美元，用于训练专有模型。
我不会假装知道这些系统内部具体运行着什么。但构建它们的人公开发表的声明讲述了一个相当一致的故事，而且这并不是大多数人听到"AI 交易"时所想象的那个。
胜出的公司并没有在取代他们的量化分析师。他们是在让每个量化分析师的速度提高约 10 倍。
这篇文章是今天在 Polymarket 上运行相同架构的完整框架。
第一部分 - AI 会取代量化分析师吗？
这个问题每个人都问错了。
Man Group 在 2025 年 7 月公开发布了 AlphaGPT。该系统能自动生成信号假设、编写实现代码并运行回测。已有数十个信号在通过人工审核后获批用于实盘交易。
量化投资中的挑战在于数据和潜在市场关系的庞大数量，其增长速度超过了任何人类团队手工评估的能力。
一个强大的研究团队在一个季度内可能认真测试 20 个信号想法。而 AlphaGPT 在一周内就能测试数百个。
但没有一个来自 AlphaGPT 的信号能在未经研究员深思熟虑的情况下触及真实资金。
Bridgewater 构建了一个 AI 推理引擎，结合了大语言模型、机器学习和推理工具。他们的联合首席信息官称其为"一次巨大飞跃"。但人类仍负责监督风险管理和执行。
Citadel 的首席技术官直言："我们不希望投资组合经理将他们的投资判断外包给 AI。"
Ken Griffin 本人表示，AI 提高了效率，但不太可能单独产生超越市场的回报。
胜出的公司正在让他们的量化分析师提速 10 倍，而不是取代他们。
第二部分 - 五个具有真正优势的用例
用例 1：代理信号发现
Man Group 的 AlphaGPT 在一个循环中运行四个 Agent：
- Agent 1 生成一个信号假设。
- Agent 2 编写实现代码。
- Agent 3 充当纯粹的挑战者——找出该信号可能是虚假或过拟合的所有理由。
- Agent 4 评估回测结果，并决定是否将其提交人工审核。
在 Polymarket 上，这直接映射为：
- Agent 1 从新闻、相关市场和基准概率中生成一个概率估计。
- Agent 2 与当前市场价格进行比较。
- Agent 3 挑战：要使这个判断错误，必须满足什么条件？
- Agent 4 评估预期价值并向人类发送"执行/不执行"决策。
用例 2：另类数据提取
对于预测市场，美联储官员的每一条声明、每一项地缘政治发展、每一次经济数据发布都包含信号。AI 将非结构化文本转换为结构化的概率偏移。
用例 3：蒙特卡洛显著性检验
标准的回测只使用历史中的一条路径。一条路径是不够的。
用例 4：制度感知型仓位管理
f_adjusted = f_kelly x regime_factor x (1 - drawdown_factor)
用例 5：部署监控
第三部分 - 完整流程
如果你还没用过 Polymarket，从这里开始：polymarket.com/?r=atlas
交易量 280 亿美元。超过 9,000 个市场。每个已结算的合约都是你模型的真实数据点。
6 个阶段。5 个自动化。1 个始终由人类完成。
阶段 1 - 数据摄取：历史结算率、价格时间序列、相关市场相关性、成交量指标。
阶段 2 - 信号假设：具体、可检验、具有经济逻辑，并明确说明在什么条件下它会失效。
阶段 3 - 对抗性挑战：一个独立的 Agent，其唯一工作是在投入任何时间构建假设之前就尝试将其打破。Man Group 称这是 AlphaGPT 中最有价值的部分。
阶段 4 - 向前走回测：每个参数仅使用交易时可获得的数据进行估计。这一单一要求消除了最常见的导致回测表现虚高的来源。
阶段 5 - 蒙特卡洛显著性检验：如果你的信号位于 10,000 个随机替代方案的前 5%，那么你就有证据表明存在真正的优势。
阶段 6 - 人工审核关卡：不能自动化。在开始之前，写下三个会促使你停下来审核系统的条件。
第四部分 - AI 之前 vs AI 之后
在 AI 之前：
一个想法来自阅读或观察。编写实现需要数小时或数天。建立适当的回测需要更多时间。一个研究员每年可能认真测试 20 个策略。仓位管理靠直觉校准。
在 AI 之后：
从想法到严格评估之间的时间从几天压缩到几小时。在投入任何时间构建之前，你可以对自己的假设进行对抗性审查。你测试一个有前景信号的 12 种变体，并评估所有变体，而不是凭直觉挑选一个。
Man Group 精确地描述了这一点：这项技术帮助他们测试更多想法。研究员将时间花在评估已经通过自动挑战的信号上，而不是花在实现工作上。
对于 Polymarket 来说，这种压缩更有价值。市场在固定日期结算。以好价格进入的窗口期是有限的。从假设到验证信号的速度越快，你实际捕捉到的机会就越多。
总结
AI 并不预测市场。
它压缩了从交易想法到对该想法进行严格测试之间的时间，从几天压缩到几小时。它运行了大多数系统性交易者从未对自己的假设应用过的对抗性审查。
Man Group：大语言模型加速了变化的节奏。但他们的量化分析师仍然在那里。每一个触及资金的信号都经过了研究员的签字确认。
Jane Street 投资了 60 亿美元的 GPU 基础设施，以倍增其研究人员的能力。而不是取代他们。
AI 提供了规模。判断力留给了人类。
当前在预测市场中的优势不在于更好的信息。
而在于比其他人更快地测试更多想法，并且只对那些通过对抗性审查的想法采取行动。
这就是整个体系。
