中国科学院大学教授张玉清：大模型开启智能金融新纪元

21世纪经济报道记者李览青

“金融大模型将走向专业化、轻量化、合规化，大模型不是量化交易的终点，而将成为智能金融新纪元的起点。”

11月22日，在由南方财经全媒体集团指导、21世纪经济报道主办的“第二十届21世纪金融年会”上，中国科学院大学教授、国家计算机网络入侵防范中心主任张玉清在主旨演讲中表示。

张玉清指出，当下大模型正在重构量化交易的范式，多智能体与多模态融合将推动量化交易技术不断演进，在未来的某一天，可能完全靠机器就能在风控强化的背景下抓取信号与重要投资机会。

量化交易瓶颈待突破

张玉清指出，近年来，与基本面基金相比，量化基金无论在业绩表现还是风险控制上的表现都相对突出。

据2023年统计数据显示，全球量化交易在美股市场占比已超60%，在A股市场占比约为20%-30%，2019年到2022年间，A股量化基金数量翻倍，占主动型公募基金的18%。

然而，量化交易仍存在部分痛点。

张玉清指出，首先是交易策略的同质化。今年8月在A股市场的极端分化行情中，超过七成的量化多头产品跑输了基准指数。张玉清指出，这主要是由于多数量化策略极度分散，当市场资金集中追捧少数科技权重股时，其收益便被摊薄，难以跟上指数涨幅。

其次是量化策略自适应能力较差。张玉清表示，在今年8月的极端分化行情中，出现了“指数上涨，少数权重成分股急速上涨，大量个股表现平淡”的市场结构，让持仓分散的量化策略难以适应。

第三是信息处理窄，传统量化策略在因子挖掘上，往往依赖于传统的财务数据与量价指标，可能存在信息滞后于同质化严重的问题，从而限制了发现独特Alpha超额收益的能力。

最后是研发成本极高，随着可选因子数量激增，开发者可能面临巨大的选择困难，进一步增加了策略研发的复杂度、提高了试错成本。

大模型重塑量化交易

“大模型是拥有海量金融知识，并能进行逻辑推理的超级分析师。”张玉清表示，针对前述量化交易的痛点问题，大模型将实现从“经验驱动”到“智能驱动”的量化新范式。

从技术演进脉络来看，张玉清指出，从专家系统到机器学习，到深度学习再到如今的“大模型+”，量化交易已完成了从人工经验驱动，到大模型与智能体系统基于理解与推理，实现协同和决策的技术迭代。

张玉清表示，大模型可以通过输入文本、数据、代码、图像等海量数据，像人一样思考与创造，理解、生成、推理输出有价值的成果。

“大模型的核心优势在于其强大的逻辑推理能力与对海量非结构化数据的处理能力，从而突破传统量化模型的技术瓶颈。”张玉清表示，在量化交易领域，大模型通过自动化信息挖掘、多模态融合决策、动态推理与适应、自然语言交互等，提升策略的深度、广度与自适应能力，从而实现更智能、更高效、更稳健的量化交易。

在量化交易流程优化方面，张玉清进一步拆解指出，大模型主要通过智能体系统与多源信息融合来赋能量化交易全流程，包括实施环境交互、多数据源整合、分层多智能体框架等。具体来说，大模型重构交易涉及数据、信号、决策、执行、风控的全流程。

张玉清指出，在数据来源方面，量化交易依赖的数据来源广泛，大模型可以帮助系统自动化处理并提取关键市场信号，减少人工特征工程的工作量。

在信号生成方面，大模型不仅能预测市场走势，还能通过深度学习与强化学习结合进行实时分析决策，从而生成交易信号，自动为交易员提供策略建议。

在决策生成方面，大模型可以通过元学习与强化学习模型，自动生成适应市场变化的交易策略，并优化投资组合，减少人工干预。

在执行策略优化层面，大模型可以分析市场深度、订单簿数据，实时进行市场监控，并通过滑点控制减少订单执行过程中的市场冲击与额外成本。

最后，在风险控制层面，大模型可以通过实时监测市场波动性和宏观数据，预测可能发生的风险事件，自动调整策略实现动态止损，弥补传统风控的滞后性。

目前量化交易中的实战案例，已进一步印证了大模型的价值。张玉清提到，在今年10月-11月nof1.ai主办的Alpha Arena实盘交易大赛中，Qwen3-Max与DeepSeek-v3.1两款中国模型成为唯二盈利的模型，而4款美国大模型均处于亏损状态。张玉清进一步分析指出，中国模型的优势在于四个方面：一是交易时的极度选择性，平均每天仅3.4次交易，只在最优机会出手；二是盈利最大化，平均单笔盈利达181.53美元；三是快速止损，在亏损时果断离场；四是耐心持有，让盈利仓位充分发展，不过早止盈。

不过张玉清也提示，大模型在金融领域的“幻觉问题”仍值得警惕，若对新闻报道中的个别词汇进行微调，大模型可能将市场判断从“积极进取”转向“消极保守”，进而导致交易策略大幅调整。

“我们可以看到金融大模型将走向专业化、轻量化、合规化，量化竞争将会到系统时代，可以说大模型不是量化交易的终点，而是智能金融新纪元的起点。”张玉清表示。