// 方法论

研究驱动。
机器执行。

从信号发现到执行,管线中的每个决策都系统化、可度量、由机器持续改进。 不凭直觉,不做主观干预。

/ 01

AI 原生研究

市场把结构留在数据里。我们的模型从逐笔历史、订单流与另类数据中 挖掘结构,以机器速度把噪声变成可检验的假设。

  • 基于原始市场微观结构的自监督表征学习
  • 另类数据:网络流量、舆情情绪、宏观临近预测
  • 自动化因子挖掘,严格控制多重检验偏差
/ 02

系统化策略

统计套利、做市与动量系统——每个策略都有可度量的边际优势、明确的容量 与记录在案的衰减曲线。经严格回测验证之后,才投入第一笔资金。

  • 跨场所、跨资产的统计套利
  • 考虑容量约束的组合构建与仓位管理
  • 仅在样本外区间做滚动前推验证
/ 03

低延迟执行

阿尔法以执行的速度衰减。自研基础设施托管于主要交易所机房, 自适应执行算法全天候压低滑点。

  • C++/Rust 事件驱动引擎,内部延迟微秒级
  • 跨分散流动性的智能订单路由
  • 自适应参与:能被动则被动,须主动则主动
/ 04

风控内建

风险管理是代码,不是制度。敞口限额、回撤控制与熔断机制嵌入 技术栈的每一层——机器执行,人类审计。

  • 每笔订单无一例外地做盘前风控检查
  • 实时敞口、VaR 与回撤监控
  • 自动熔断,每个决策留有完整审计轨迹

从假设到实盘资金。

一个策略要闯过五道关卡。大多数闯不过去——这正是意义所在。

01

假设

模型从市场与另类数据中发现候选边际。

02

研究

机制分析、平稳性检验与真实成本建模。

03

验证

滚动前推、样本外测试与实时模拟盘。

04

部署

分批配置资金,从第一天起全自动化。

05

监控

实时漂移检测,自动降级与重训。

想深入了解?

我们乐于与投资者、合作伙伴和未来的同事交流。

联系我们