华尔街铁饭碗岗位出现了：毕业年薪30万美金，还不会被AI取代……

这些AI计算模型包括一系列复杂的算法和技术，可能被用到的模型例如：

• 深度学习模型（Deep Learning Models）

• 强化学习模型（Reinforcement Learning Models）

• 生成对抗网络（GANs）

• 自然语言处理（NLP）模型

• 量化因子模型（Factor Models）

• 统计套利模型（Statistical Arbitrage Models）

• 图神经网络（GNNs）

• 自适应交易算法（Adaptive Trading Algorithms）

但当触及到量化交易的 关键问题： AI能否生成阿尔法（Alpha）或优化交易执行？ 小哥给出的短期答案则是： 不能。

小哥从两点出发解释了这个回答。首先，AI无法参与核心交易、代替员工的一个很重要原因就是： 最好的AI依旧会出现“幻觉”。

用过AI的大家都知道，即使是目前顶尖的AI软件，仍可能间歇性地“胡言乱语”，给你生成一些看似正确、其实错误的信息内容，而这对于量化交易来说是非常危险的。

在顶尖的量化公司中，一次错误交易就足以让公司崩盘。 因此一般Quant公司的标准工作流程需要经历层层测试与审核：人工写出代码→小组code reviews→回测backtesting→compliance审查，然后才能投入使用。

第二点也是关乎量化公司“命脉”的问题。 对于 Quant公司来说，最值钱的IP就是代码， 下至每个小组，上至公司都会用一切方式保护代码的稳定、安全、高效； 但如果 要让AI理解全部交易策略，就需开放整个代码库和专有白皮书，放到一个大池子里面让AI去学习。

给大家打一个通俗易懂的比方：蟹老板想要研制一个能自动生产蟹黄堡的AI厨师，要让AI真正掌握调配精髓，就必须打开保险箱，把痞老板最想要的蟹黄堡秘方全部喂给它。 这相当于把保险库钥匙插在门上，痞老板只需简单几招就能把秘方收入囊中。