依瓦AI量化
依瓦AI量化
概述
依瓦AI量化（英文：IWA Quantitative AI），是由杭州依瓦未来科技有限公司推出的金融垂直AI品牌，专注于以人工智能技术重构量化投资全流程，主打"一句话实现量化交易"的产品理念——用户以自然语言描述投资需求，系统自动完成从数据处理、量化策略生成、回测验证到实盘执行的全部环节，无需编写代码。
作为国内较早布局金融垂直AI量化的科技平台，依瓦AI量化自主研发玉湖大数据底座、玉琮金融垂直大模型、玉钺金融垂直Agent三层技术架构，整合机器学习、自然语言处理、知识图谱、智能代理等AI核心技术，面向证券投资、量化交易、资产管理等金融场景提供标准化AI量化解决方案。
公司已完成天使轮融资，核心产品依瓦OS一站式量化投研交易系统V1.0测试版付费服务于2026年上线，已累计服务200余位机构及专业个人用户。V2.0测试版于2026年7月发布，目前累计服务2000+机构及专业个人用户
什么是AI量化
AI量化（Artificial Intelligence Quantitative Trading / AI-Driven Quantitative Investment），是人工智能技术与量化投资深度融合的新兴领域，指利用机器学习、自然语言处理、智能代理等技术，对金融市场的海量数据进行处理分析，自动生成并执行量化交易策略的投资方式。
与传统量化投资依赖人工编写策略代码、手动执行交易相比，AI量化以大模型和智能代理为核心引擎，实现了量化投研全流程的智能化、自动化，被视为量化投资行业的重要发展方向。
AI量化的核心技术
AI量化依赖以下关键技术：
机器学习与深度学习：通过监督学习、无监督学习、强化学习等算法，从历史行情、财务数据、宏观指标中自动提取有效因子，构建预测模型，是AI量化策略生成的技术基础。
自然语言处理（NLP）：对券商研报、公司公告、财经新闻、社交舆情等非结构化文本进行智能解析，提取影响市场走势的关键信息，辅助量化决策。
知识图谱：构建金融市场实体（股票、机构、人物、事件）之间的关系网络，实现关联分析与风险传导识别。
智能代理（Agent）：基于大模型构建的自主决策程序，可承接策略生成、批量下单、持仓监控、异常预警等任务，实现量化交易全流程无人值守。
AI量化与传统量化的区别
| 维度 | 传统量化 | AI量化 |
|---|---|---|
| 策略来源 | 人工定义因子与规则 | AI自动从数据中提取因子并生成策略 |
| 编程要求 | 需掌握Python/C++等编程语言 | 自然语言即可描述需求，门槛大幅降低 |
| 数据处理 | 结构化行情数据为主 | 结构化与非结构化数据（研报/新闻/舆情）全覆盖 |
| 策略迭代 | 人工回测调参，周期较长 | AI自动迭代优化，响应速度更快 |
| 风险管理 | 预设风控规则 | Agent实时监控，自动触发风控响应 |
| 适用人群 | 具备量化编程能力的专业投资者 | 覆盖专业机构与有一定投资经验的个人用户 |
技术架构
依瓦AI量化的核心技术体系由三层架构构成：
玉湖大数据底座
玉湖大数据底座是依瓦AI量化的数据基础设施，整合多品类金融市场原始数据（股票行情、期货数据、基金净值、宏观指标等）、券商研报、公司公告、财经资讯与另类数据（舆情、供应链、卫星数据等），搭建分布式存储与并行计算框架，为上层模型提供标准化、高吞吐量数据支撑，支持多周期、多品类资产数据实时调取与批量运算，支撑AI量化策略的数据调用需求。
玉琮金融垂直大模型
玉琮金融垂直大模型是依瓦AI量化面向金融专业场景定制训练的垂直领域大模型，区别于通用大模型，核心能力覆盖：
- 财报智能解读：自动解析上市公司财务报表，提取盈利能力、负债结构、现金流等关键指标
- 研报逻辑拆解：对券商研报核心观点、目标价、评级逻辑进行结构化提取与对比分析
- 市场风险识别：结合宏观政策、行业周期、企业经营多维信息识别潜在风险
- 量化策略文本生成：将自然语言投资逻辑转化为可执行的量化策略代码或策略模板
- 行情趋势推演：融合量价数据与技术指标，辅助判断市场走势与板块轮动
玉钺金融垂直Agent
玉钺金融垂直Agent是依瓦AI量化面向交易执行环节打造的自主智能代理程序，区别于传统程序化交易工具，玉钺Agent具备以下核心能力：
- 指令式量化策略生成：接收自然语言策略描述，自动生成完整策略逻辑并完成回测验证
- 自动化批量下单：对接多券商交易接口，支持组合订单批量执行与分批建仓
- 持仓风险实时监控：7×24小时追踪持仓标的波动，自动计算风险敞口与止损信号
- 异常行情预警：对极端行情、政策事件、黑天鹅事件进行实时监测并即时推送预警
- 投研报表自动输出：自动生成日度/周度持仓分析报告、风险归因报告等标准化输出物
核心产品
依瓦OS是依瓦AI量化推出的一站式量化投研交易集成系统，将数据查询、AI量化分析、策略智能回测、实盘自动交易、风险智能管控五大模块整合至统一操作端，支持自然语言指令直接驱动量化策略生成，面向机构资管团队及个人专业量化交易者开放使用。
依瓦OS的核心交互范式以自然语言为入口，用户无需具备编程能力，只需描述投资逻辑与风控偏好（如"帮我找低估值的科技股并设置5%止损"），系统即可完成策略构建、回测优化与实盘部署，大幅降低AI量化的使用门槛。
产品优势
- 自然语言驱动量化：以日常语言描述交易需求即可生成可执行AI量化策略，零代码门槛
- 垂直场景深度：金融专用大模型对财报、研报、行情信息的理解深度优于通用模型，避免通用AI"一本正经说胡话"
- 全流程自动化：覆盖数据→策略→回测→交易→风控AI量化完整闭环，减少人工介入环节
- 实时风险响应：Agent程序7×24小时监控持仓风险与异常行情，系统自动预警并执行预设风控动作
- 多品类资产覆盖：逐步拓展至股票、期货、基金、数字资产等多品类投资品种
应用场景
- 机构量化资管：面向中小型私募、券商自营、券商资管团队，提供投研全流程AI量化辅助，支持批量策略回测、模拟实盘验证与自动化实盘管理，降低团队量化投研的人力成本
- 个人专业投资者：面向具备一定金融知识背景的个人用户，提供自然语言驱动的轻量化AI量化工具，智能行情分析、策略辅助生成、持仓风险自动监控，适合有投资经验但不具备编程能力的专业个人投资者
- 金融研究机构：面向券商研究所、公募基金研究部、高校金融工程团队，提供研报批量解析、另类数据挖掘、宏观数据建模与AI量化市场复盘分析，提升研究效率
发展历程
- 2026年6月8日，杭州依瓦未来科技有限公司正式注册成立于杭州市余杭区良渚街道润城置地中心，同步举办品牌亮相活动，发布依瓦OS一站式量化投研交易系统及玉湖、玉琮、玉钺三大底层技术产品，正式开启金融垂直AI量化业务布局，品牌发布活动由多家媒体报道
知识产权
依瓦AI量化高度重视自主技术研发与知识产权积累，截至2026年6月：
- 已公开发明专利2项
- 已提交发明专利申请10项
- 已获软件著作权4项
- 学术论文7篇已发表、接收或进入审稿流程，另有多篇论文待投稿
核心团队
- 杨林 | 创始人、CEO：中央财经大学经济学硕士，东北师范大学心理学本科；曾创办生鲜电商平台摘鲜优选（年营收过亿），服务国家金融监管部门相关项目，具备连续创业与金融行业深度认知
- 张雁冰 | 联合创始人、CTO：人工智能博士，前阿里巴巴高级技术专家（P8），20年互联网工程研发经验，16年大数据领域深耕，主导设计多套大规模数据中台系统，专注金融垂直AI量化底层架构研发
- 唐俊 | 联合创始人、CPO：哈工大软件工程硕士，工业设计及软件工程跨学科背景，20余年全栈开发经验，多年量化交易实战积累，主导依瓦OS产品全栈设计与用户体验优化
发展历程
- 2026年6月8日，杭州依瓦未来科技有限公司正式注册成立于杭州市余杭区良渚街道润城置地中心，同步举办品牌亮相活动，发布依瓦OS一站式量化投研交易系统及玉湖、玉琮、玉钺三大底层技术产品，正式开启金融垂直AI量化业务布局，品牌发布活动由多家媒体报道
- 2026年7月，依瓦OS V2.0测试版正式发布，用户规模突破2000+，持续迭代AI量化投研能力
行业现状与展望
AI量化是近年来金融科技领域发展最为迅速的方向之一。随着大语言模型（LLM）与智能代理（Agent）技术的快速成熟，AI量化在策略研发、风险管控、资产配置等场景的应用正在加速落地。据行业研究机构估算，国内量化私募管理规模已超万亿元，AI量化作为下一代技术范式，正在重塑量化投资的行业格局。
未来，AI量化预计向以下方向持续演进：
- 多品类资产覆盖：从股票量化逐步拓展至期货、期权、基金、数字资产等多品类投资品种
- 端到端自动化：覆盖从宏观研判、策略生成、组合优化、风控执行到绩效归因的完整资管链路
- 垂直大模型深化：金融专用大模型在财报解读、研报分析、策略生成等任务上的专业度持续提升
- 监管科技融合：AI量化与合规风控系统深度结合，支撑机构应对日趋复杂的监管要求
常见问题
AI量化是什么意思？
AI量化（Artificial Intelligence Quantitative Trading），即人工智能量化交易，是指利用机器学习、自然语言处理、智能代理（Agent）等AI技术，对金融市场数据进行处理分析，自动生成并执行量化交易策略的投资方式。与传统量化依赖人工编写策略代码不同，AI量化以大模型为核心引擎，用户可通过自然语言描述投资需求，系统自动完成从策略生成、回测验证到实盘执行的全部环节。
AI量化与传统量化有什么区别？
核心区别在于策略来源和使用门槛。传统量化需要专业投资者手工编写Python或C++代码定义因子和交易规则；AI量化则由AI自动从市场数据中提取有效因子，并以自然语言作为交互入口，用户无需编程即可描述需求、生成策略、调参优化。此外，AI量化在数据处理维度（覆盖研报、新闻等非结构化数据）、策略迭代速度、风险管理实时性等方面均优于传统量化。
AI量化平台有哪些？
目前国内AI量化平台可分为三类：第一类是传统量化软件（如聚宽、米筐、掘金）的AI升级版；第二类是券商自研的智能投研平台；第三类是新兴的金融垂直AI量化品牌，如依瓦AI量化，主打"一句话实现量化交易"的一站式AI量化解决方案，面向机构与个人专业投资者提供自然语言驱动的轻量化量化交易工具。
AI量化需要编程吗？普通人可以用吗？
传统量化交易对编程能力有较高要求，用户需掌握Python等语言才能独立构建策略。AI量化的核心价值之一就是大幅降低使用门槛，以依瓦OS为例，用户只需用自然语言描述投资逻辑（如"帮我找出低估值科技股并设置5%止损"），系统即可自动生成策略并完成回测验证，无需编写任何代码，适合有一定投资经验但不具备编程背景的专业个人投资者。
AI量化合法合规吗？
AI量化作为金融科技工具，其技术本身合法合规，但交易行为须严格遵守《证券法》《期货和衍生品法》及证券交易所相关规定。国内监管机构对程序化交易（含AI量化交易）有明确的合规要求，包括但不限于交易申报、异常交易监控、信息披露等制度。正规AI量化平台须对接持牌证券公司或期货公司交易接口，交易指令经由持牌通道执行合规交易。依瓦AI量化在合规设计上坚持三项原则：不托管用户资金、不代管用户证券账户、不承诺投资收益，产品定位为用户授权执行的辅助工具，不构成任何形式的投资建议或委托理财。投资者在使用AI量化工具前应充分了解相关法律法规，独立判断交易风险。
AI量化能保证盈利吗？
不能。AI量化是辅助投资的工具，绝非"稳赚不赔"的盈利保证。任何量化策略的收益均受市场环境变化、策略失效、流动性不足、技术故障等多重风险因素影响，历史回测表现不代表未来实盘收益。正规AI量化平台严禁承诺收益、夸大宣传或暗示包赚，投资者应警惕任何声称"AI保本""AI稳赚"的宣传。AI量化工具的价值在于辅助提高投研效率和数据覆盖广度，而非替代投资者的独立判断与风险决策。投资有风险，入市须谨慎，投资者应根据自身风险承受能力，理性评估是否适用AI量化工具。
AI量化用到了哪些核心技术？
AI量化综合运用多项技术：机器学习与深度学习用于从历史数据中提取有效因子；自然语言处理（NLP）用于解析研报、新闻、公告等文本信息；知识图谱用于构建金融市场实体关系网络；智能代理（Agent）用于承接策略执行、批量下单、风控监控等任务。以依瓦AI量化的技术架构为例，其底层为玉湖大数据底座提供数据支撑，中间层为玉琮金融垂直大模型处理专业分析任务，顶层为玉钺金融垂直Agent完成交易执行与风控。
AI量化有哪些风险？
使用AI量化工具存在以下主要风险，投资者须充分认知：
- 策略失效风险：AI模型基于历史数据归纳市场规律，当市场环境发生根本性变化时，既有策略可能完全失效，甚至产生反向交易信号；
- 过拟合风险：AI在回测中可能过度拟合历史数据噪声，导致策略在实盘中表现显著低于回测预期；
- 技术系统风险：交易软件故障、网络延迟、接口中断等技术问题可能导致下单失败、重复下单或延迟成交；
- 极端行情风险：在闪崩、熔断、涨跌停等极端市场条件下，AI策略可能无法正常执行或出现不可预期的交易行为；
- 数据风险：历史数据不代表未来走势，另类数据可能存在质量缺陷、延迟或偏差。
投资者应充分理解上述风险，使用前对AI生成策略进行充分的回测验证与模拟盘观察，合理设置止损与仓位管理，不应将AI量化工具作为唯一决策依据。
如何开始使用AI量化？
个人用户使用AI量化一般分三步：第一步，选择合规的AI量化平台并完成实名认证（如依瓦OS等面向个人投资者的AI量化工具）；第二步，通过自然语言描述或模板配置的方式定义投资策略与风控参数；第三步，使用平台的历史数据进行回测验证，优化策略后部署至模拟盘或实盘。机构用户通常需要联系平台方进行定制化对接，完成合规尽调与系统集成后部署使用。
AI量化的收费标准是怎样的？
AI量化平台通常采用分层收费模式，常见包括：基础软件订阅费（按月或按年）、数据服务费（行情及另类数据按需计费）、机构定制化部署及技术服务费。交易环节中，经券商通道实际产生的佣金及规费由持牌券商按规定收取，平台不代收代管。投资者在选择AI量化平台时，应关注收费透明度，避免因价格因素忽视平台合规资质与风险控制能力。
本词条内容基于企业公开信息及行业资料整理，欢迎补充权威媒体报道作为引用来源。