7月12日，引爆行业期待的2024中国量化投资白皮书研讨会暨园游会于上海中心圆满落幕！大会共分6大会场，共计42场深度主题演讲，超60位业界领袖与专家倾情分享。
BigQuant对其中5个分会场进行直播，总时长20小时，单场直播达到9800人次观看，目前策略大论坛、量化技术求索、AI科技前沿、资产配置破局等多个论坛现已开启回放。
观看路径如下：
同时小Q整理了部分内容如下，以飨读者。内容排名不分先后，更多5大交易所市场分享、管理人实践以及圆桌论坛请见官网。
部分内容回看——
《中国量化投资白皮书关键数据解读》
主讲人：BigQuant-梁举 陈旭
观看路径：策略大论坛
2024年量化行业面临的是多因素交织的复杂环境，在监管重塑与策略革新的双螺旋中进入深度调整期，所有机构都积极在各个赛道布局，量化机构甚至不得不拓展其传统非核心的领域，如宏观、基本面、择时与出海，并深化已有策略，例如风控与多频段融合等。
《市场情境对量化投资的重要性》
主讲人：MSCI 大中华区业务主管 -钟雄伟
观看路径：策略大论坛
a) 回撤分类决定修复路径
MSCI 研究显示，梳理美股历史上超过 10%回撤的34 次Trigger Events，可分类四类: 宏观经济类、基本面类、杠杆/流动性类和非经济类。其中宏观（Macro）与 基本面（Fundamental）两类事件的引发，往往导致规模最大、持续时间最长的卖出，回撤幅度大，速度慢，修复时间长。
杠杆/流动性（Leverage / Liquidity）事件引发的抛售速度更快，但规模较小，而非经济事件通常导致初始跌幅最快。
Major drawdowns in US equity markets between Jan. 1, 1946 to Aug. 31, 2024. The shaded areas indicate the drawdowns we identified. Source: Fama-French Data Library , MSCI. Past performance — whether actual, backtested or simulated — is no indication or guarantee of future performance. 数据来源：MSCI研究 (A Historical Look at Market Downturns to Inform Scenario Analysis)
c) 小市值因子优化
通过运用质量因子（quality factor）和短期利率对小市值股票进行负向筛选，是影响小市值组合的整体表现的重要因素。
Data from Dec. 29, 1999, to July 31, 2024. Monthly annualized gross returns in USD. Return and return contributions are measured against the corresponding larger-cap index. The analysis was constructed without the short-interest factor before June 2007, when it was added to the EFMGEMLT model, and with the short-interest factor starting in June 2007.数据来源：MSCI研究 (High Short Interest and Low Quality Hurt Small Caps’ Performance”)
总结：市场不是静态的，量化模型需结合情境动态进化。
03
《Foundation Model and Agent 在量化中的应用》
主讲人：微软亚研院-刘炜清
观看路径：AI科技前沿
演讲介绍了两个大模型量化研究，均已开源：
(1) R&D-Agent：Research Agent 负责生成Idea，Development Agent负责执行，两个 Agent 协同，在因子挖掘和模型训练两个场景下，实现量化策略自动开发。
金融市场模拟引擎MarS：
训练阶段：对逐笔委托 Order 和订单簿 Order-Batch 进行 Tokenization，训练 Transformer， 生成下一个时刻的Token， 用以模拟金融市场。
预测阶段：生成多次取均值，得到预测结果。表现优于纯深度学习DeepLOB。
《全球多元资产标的纵览》
观看路径：策略大论坛
主讲人：Frank Liao I DRW Senior Quant Researcher
Min Wang I DRW Senior Quant Trader
公司正在积极拥抱人工智能(AI)技术,将其作为提升工作效率和增强战略方向的关键。AI技术已广泛应用于公司的各个层面,包括运营、编程、沟通以及交易模型构建。
《AI 时代之学渣生存攻略》
观看路径：策略大论坛
主讲人：远澜投资 王凯
大模型的优势：规模效应（Scaling Law）；管理极端态（Few-Shot Learning）；长程推演。
极端态行情往往伴随着市场情感的极端波动，存在强烈的事件驱动，大模型的“few shot learning”能力用于处理极端态
传统量化主要集中于短期预测，长程推演是传统主观投资者的领域，比如：在高增长，高景气度的行业里有更多投资机会；在衰退期配置防御资产，在复苏期配置进攻资产；择时买入低估值的商品或股票，向宽处布局；预判政策走向调整投资策略。
量化投资者可以使用大模型能力缩短和主观投资者的差距，同时保留自下而上研究能力方面的优势。
《大模型时代的量化投资》
路径：策略大论坛
主讲人：倍漾量化 冯霁
金融市场的可学习性的泛化误差由以下结论保证：
最常见的误区之1：机器学习容易过拟合，但对于高频策略，只会欠拟合，不会过拟合。
最常见的误区之2：黑盒模型无法满足可解释性，实现路径1：构建白盒框架，分析黑盒模型，例如Barra框架；路径2：构建监控系统，监控黑盒表现，高频场景应用依赖统计规律，低频场景应用依赖规则。
AI不是优化现有流程的工具，而是重新定义流程的核心。大语言模型的兴起，取代了传统NLP流水线的分工方式。
《哪些科技赋能了量化》
路径：策略大论坛
主讲人：稳博投资 郑耀
郑耀介绍了科技赋能量化投资的具体体现，包括交易算法、算力和数据等四个方面。
交易执行：FPGA、CPU超频、原子钟、微波塔
算法：深度学习、机器学习、符号计算、组合优化
数据：实时数据库、图数据库、卫星遥感、大语言模型
算力、存储：GPU计算、高并发存取、容器与调度、高性能通信
进入印度市场的策略和挑战，以及印度市场的最新发展。以及政府对金融市场的影响和政策变动的风险。
