- 0
- 日均处理数据点Data points / day
- 0
- 覆盖交易标的Instruments
- 0
- 接入另类数据源Alt-data feeds
- 0
- 在库候选因子Factor library
THESIS · 方法论
超额收益只有三个来源：
更早的信息、更准的估计、更优的执行
除此之外的一切，都只是把风险换了个名字重新包装。我们把全部研究资源集中投向这三件事， 并用量化的方式持续回答同一个问题：它今天还成立吗？
- 01
更早的信息
Earlier Information
在市场完成定价之前抵达。我们用卫星遥感、气象再分析场、船舶 AIS、海关提单与语义舆情，把物理世界的状态变化压缩成分钟级可计算的信号，让信息差的半衰期尽可能长。
- 1,860 个异构数据源
- 端到端延迟中位数 380ms
- 事件到信号的中位时延 9 分钟
- 02
更准的估计
Sharper Estimation
在噪声远大于信号的领域里，估计精度就是超额收益。我们以收缩估计、状态空间模型与因果推断替代朴素回归，用 Purged K-Fold 与组合式交叉验证守住统计意义上的诚实。
- 贝叶斯收缩协方差
- 状态空间与卡尔曼滤波
- 全流程防前视与幸存者偏差
- 03
更优的执行
Better Execution
Alpha 在成交的那一刻才真正存在。我们以订单流不平衡、队列位置与短期波动预测驱动自适应执行，把冲击成本从「事后统计」变成「实时可控」。
- 微观结构信号 200+ 维
- 自适应 TWAP / POV / 冰山拆单
- 实测滑点优于基准 40% 以上
ORDER FLOW · 微观结构
订单流不是噪声，是市场的呼吸
价格只是结果，委托才是原因。我们把 L2 订单簿的每一次增删、每一笔成交的方向与规模，还原为可建模的微观结构状态量——订单流不平衡、队列位置与成交量毒性，让执行从「事后统计」变成「实时可控」。
限价订单簿 / DOM L2
逐笔成交 / TIME & SALES
订单流不平衡 / OFI
演示数据由本地微观结构仿真生成，用于展示信号形态，非真实市场行情。
BACKTEST LAB · 回测实验室
把「看起来赚钱」证伪，只留下「确实赚钱」
任何一条上扬的曲线都可以被制造出来。我们唯一感兴趣的问题是：这条曲线在计入交易成本、容量约束与多重检验惩罚之后，是否依然存在。下面是三条在役策略的走步回测结果——所有指标均由净值序列现场计算，而非人工填写。
估值、质量与反转因子的正交复合，行业与风格暴露实时中性化。
回撤水深 / UNDERWATER
滚动夏普 / ROLLING 90D
- 年化收益
- —
- 年化波动
- —
- 夏普比率
- —
- 卡玛比率
- —
- 最大回撤
- —
- 日胜率
- —
- Beta 暴露
- —
- 年化 Alpha
- —
- 信息比率
- —
- 换手率 (年化)
- —
曲线由本地确定性仿真生成，用于展示回测可视化形态；指标随所选策略实时重算。
DATA FOUNDATION · 数据底座
研究的边界，由数据的底座决定
因子会失效，模型会过时，唯有可复现的数据底座会持续产生复利。我们把行情、遥感、航运、气象与文本统一收拢进一套带血缘、可回溯、批流同源的基础设施——任何一次历史决策，都能沿血缘一路还原到最初的原始字节。
- L5
决策服务层
Decision Serving将因子、模型与约束暴露为统一信号接口，向组合构建与执行系统提供 P99 < 12ms 的低延迟服务。
- gRPC / Arrow Flight
- 在线特征缓存
- 灰度与影子流量
- L4
特征与模型层
Feature & Model Store离线与在线特征同源同构，特征版本与模型版本强绑定，任何一次预测都可回溯到确定的数据快照。
- Point-in-time 一致性
- 特征血缘图谱
- 模型注册中心
- L3
计算编排层
Compute Orchestration批流一体：历史回填与实时推理共用同一套算子定义，避免「回测算得准、实盘算不出」的经典陷阱。
- Flink / Spark / Ray
- DAG 血缘与重放
- 多租户算力隔离
- L2
湖仓存储层
Lakehouse Storage以开放表格式承载 PB 级结构化行情、非结构化文本与栅格遥感影像，支持时间旅行与精确时点回溯。
- Iceberg / Delta
- 列存 + 向量索引
- 对象存储冷热分层
- L1
接入与治理层
Ingestion & Governance行情、公告、遥感、航运、气象与舆情在此汇流，经去重、对齐、复权与质量打分后方可入库。
- Schema 契约校验
- 6 级质量评分
- 血缘 + 审计留痕
ML PIPELINE · 机器学习流水线
让每一次改进，都可被证伪
我们把模型研发拆成九个可独立检验的环节。每个环节都输出可复现的证据——数据快照、特征版本、试验记录、验证曲线与成本模型。流水线的目的不是更快地产出模型，而是更快地淘汰错误的模型。
- A
问题形式化
把投资逻辑翻译为可检验的统计假设，明确预测目标、时间尺度与损失函数。
- B
样本与标签
三重障碍法生成标签，按信息到达时间切分样本，杜绝未来信息渗漏。
- C
特征工程
算子库自动搜索交互与非线性变换，配合正交化剔除共线冗余。
- D
模型搜索
梯度提升、时序 Transformer 与状态空间模型并行竞逐，贝叶斯优化调度超参。
- E
组合式验证
Purged K-Fold 与走步验证叠加，用 Deflated Sharpe 校正多重检验带来的虚高。
- F
成本感知回测
撮合仿真纳入冲击、排队与费率，只有穿过成本曲线的信号才被保留。
- G
风险约束上线
在因子暴露、行业中性、换手与回撤约束下求解组合，生成目标持仓。
- H
影子与灰度
新模型先以影子模式并行运行，与在役模型逐笔比对，达标后方可分配资金。
- I
漂移监控
持续监测特征分布与预测残差，触发自动降权、重训或下线。
四道反向闸门/ ALWAYS ON
AI BRAIN HUB · 智能决策中枢
不是一个大模型，而是一套会互相制衡的智能体
我们拒绝把决策权交给单一模型。研究、数据、建模、风控、执行与归因六个智能体各自持有独立的证据与目标函数，在同一个知识图谱上协作与争论；风控智能体拥有不受投研干预的一票否决权。中枢的产出不是「预测」，而是可解释、可追溯、可反驳的决策依据。
知识图谱 · 实时协作拓扑
AGENTS ONLINEDATA DIMENSIONS · 数据维度
把物理世界，拆成可定价的维度
市场的价格里，藏着一个尚未被完全读懂的物理世界。我们选择在少数几个维度上做得足够深——深到能够解释价格为什么动，而不只是描述它动过。
D-01气候与气象
Climate & Meteorology
把大气环流、土壤墒情与海洋温度场，翻译成农产品、能源与保险的定价因子。
- 再分析场分辨率
- 0.25°
- 预报集合成员
- 51
- 气象因子
- 214
D-02供应链与物流
Supply Chain & Logistics
以船舶 AIS、港口作业与海关提单重建全球货流，提前感知产业链的级联传导。
- 追踪船舶
- 18.4 万
- 覆盖港口
- 1,240
- 提单记录
- 9.2 亿
D-03地缘政治
Geopolitics
将事件、制裁与政策文本结构化为风险溢价，量化冲击在资产之间的传播路径。
- 监测事件源
- 320+
- 语言覆盖
- 38
- 冲突情景库
- 160
扩展中的维度 / ROADMAP
研究方向，尚未计入在役数据源统计。
- 卫星遥感与夜光经济以夜间辐亮度与建成区扩张估算区域经济活跃度。
- 语义与舆情图谱跨语言叙事扩散速度，作为情绪与拥挤度的领先指标。
- 专利与创新流从专利引用网络推断技术替代曲线的拐点。
- 电力与算力负荷以变电站负荷与机架功耗追踪算力周期的真实强度。
RISK & GOVERNANCE · 风控与治理
先决定不做什么，再决定做什么
风控不是投研的下游环节，而是与投研并行的一整套否决机制。它在策略上线前提出反对意见，在运行中持续施压，并在极端情景下拥有无需商议的减仓权限。
独立风控体系
风控职能独立于投研条线，对策略上线、仓位调整与敞口释放拥有一票否决权。
极端情景压力测试
以历史极端行情与合成危机路径双向施压，输出组合在 99% 置信下的损失上界。
因子暴露中性化
对行业、市值、波动率与动量等系统性暴露实时约束，避免风险预算被隐性因子侵占。
全链路留痕
从数据快照、特征版本到订单指令全量留痕，任一历史决策均可完整复现与审计。
实时敞口仪表 / LIMIT MONITOR
示意读数，展示限额监控形态。
- 行业中性偏差
- ±1.2% 上限 ±2.0%
- 单票集中度
- 1.8% 上限 3.0%
- 净敞口
- +12.4% 区间 ±25%
- 组合杠杆
- 1.36x 上限 2.0x
- 日 VaR (99%)
- 1.04% 上限 1.8%
- 压力损失 (2008)
- -11.7% 上限 -18%