AI量化交易——量化交易简介

Posted 2020-11-23

AI量化交易（一）——量化交易简介

一、量化交易简介

1、量化交易简介

量化交易是以数学模型为交易思维，以历史数据为基础，以数学建模、统计学分析、编程设计为工具，利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种大概率获利事件以制定交易策略。

2、量化交易的特点

（1）纪律性。量化投资决策都是依据模型做出的，模型会模拟测试成千上万次来达到高容错率。
（2）系统性。量化交易数据分析有一套非常全面的数据评测系统，会从多方面考量市场，比如：宏观周期、数字货币估值、换手率、盈利质量、市场情绪等。
（3）概率性。通过模型并结合数学方法，测算在什么样的情况下盈利率最高，适当仓位就可以加仓。
（4）套利思想。利用数学分析并结合计算机技术寻找估值洼地，卖高买低，赚取中间的差价，收得利益的经济。

3、量化交易的优点

（1）投资业绩稳定，回撤低。量化交易从历史数据中不断地挖掘有望在未来重复的历史规律并进行利用；量化交易依靠一组股票来获胜，而不是一个或者几个股票获胜。
（2）能够克服人性的弱点，实现理性投资。在容易失去理性的情况下帮助投资者保持理性；因而在市场反应过度、丧失理性的时候能够及时把握住时机。
（3）信息的处理能力强。量化交易使用计算机技术对海量数据进行处理，对信息的处理能力更强。

4、量化交易的应用

（1）统计套利
统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。
（2）算法交易
算法交易的主要思路是可以根据量化的公式对未来进行涨跌的预测，是一种趋势交易，算法策略的预测有对有错，属于高风险交易，但利润空间大，市场容量也较大。
（3）高频交易
高频交易持仓时间短，通过大量的交易又快速撤单，每笔交易平均利润小，但风险也小。

二、量化交易方式

1、量化交易方式简介

按照数学模型的理念和对计算机技术的利用方式，量化交易可以细分为自动化交易（Automatic Trading）、量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）以及高频交易（High Frequency Trading）。不同量化交易方式的侧重点各有不同，是量化交易技术发展到不同阶段的产物，也是不同量化交易用户群的不同交易方式。

2、自动化交易

自动化交易是指将技术分析投资方式固化成计算机可以理解的模型、技术指标，计算机程序根据市场变化自动生成投资决策并付诸执行的交易方式。自动化交易是技术分析投资方式的自动化，可以避免投资人的心理变化和情绪波动，严格执行既定策略，是基本的量化交易方式。

3、量化投资

量化投资一般概指通过概率论、微积分等高等数学工具去研究金融市场各种资产价格的结构性原因来决定的投资。量化投资对投资者的数学能力要求很高，所以一般专门进行量化投资的基金和投资公司都喜欢招数学、物理等理科的博士。

4、程序化交易

程序化交易是利用程序进行交的易，交易时机、交易仓位、止损止盈获利标准可以包含在程序内，也可以独立于程序外，程序本身只是执行的方式。

5、算法交易

算法交易是指交易决定是根据一条或多条算法 (algorithm) 进行的，算法是交易的基础。算法交易的执行可以是手工的，也可以是自动化的。如果利用交易程序来执行，是程序化算法交易。

6、高频交易

高频交易是每次交易从开仓到平仓只有很短的时间间隔，一般从十几分钟到几微秒不等。高频交易主要目的是通过市场短暂的价格波动而获利。无论是趋势追随交易还是套利交易，只要频率达到，都可以被称为高频交易。人工达到高频交易的标准很难，所以一般都通过程序交易：设置好算法、策略后由下单软件执行。

7、策略交易

在投资领域中，一般习惯把买入持有、价值投资、成长投资等称为战略，而把惯性、反转、趋势、支撑阻力等等叫做策略。由于策略以技术分析为主，而在交易决策分析的计算机化历史中，技术分析走得比较早，所以Strategy Trading习惯上多指策略交易。通常，将交易策略称为策略，将系统交易称为策略交易。

三、主流量化交易平台

1、量化交易平台简介

量化交易平台是指能分别满足不同量化交易方式的平台，要求其从交易系统的行情和基础数据、交易和执行、策略研发和运营三个主要方面既要做到大而全，也要做到深而精。
目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。

2、中低端量化交易平台

中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。
受策略脚本解析和执行效率、技术架构的限制，中低端平台对于多品种、多周期、多账户、多交易市场、多策略、复杂金融工具包等复杂系统架构的支持都有一定的限制。一般的系统实现流程为：投资者的策略在本地接收市场数据后，根据策略简单计算的触发条件，进行简单的账户持仓、资金计算和管理，进而下达买卖方向、数量、价格等指令，进行自动交易。
中低端量化交易平台只支持复杂度不高的脚本语言实现策略逻辑，一般只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。
中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，是目前市场上个人投资者应用最多的一类大众化的量化交易平台。
国内中低端量化交易平台主要有文华赢智程序化交易、交易开拓者、金字塔决策交易系统、达钱&multicharts、安翼金融终端等。
（1）文华赢智程序化交易平台
文华赢智采用麦语言开发技术指标模型，产生买卖信号后驱动交易下单。在量化模型研发方面，赢智提供了国内股票和期货的全部品种多周期的时间序列历史行情数据和近期的TICK数据，同时提供了丰富的行情函数、账户和交易的部分函数和一些统计函数用于策略开发，还提供了丰富的策略回测报告项作为策略绩效评估的依据。在量化交易方面，赢智提供支持最多24个品种进行的多线程独立的程序化交易，同时使用下单精细化组件，实现了部分算法交易的功能。由于采用客户端的技术架构，虽然赢智实现了高频交易的功能模块，但在实际应用中，高频交易建议托管在文华机房。现阶段，赢智以程序化实现简单、性价比高等特点，在中低端量化交易平台中占有一定的优势。
（2）交易开拓者程序化交易平台
交易开拓者（TB）采用TBL语言开发策略模型，根据账户持仓状况和图表买卖信号驱动交易下单。在量化模型研发方面，TB提供了国内期货多周期的历史行情数据和近期的TICK数据；提供了较为全面的行情数据函数、账户和交易函数、统计函数用于策略开发；提供了丰富策略回测报告项作为策略绩效评估的依据。在量化交易方面，单个TB终端支持20-30个单品种的图表并发接收行情并交易，但由于客户端技术架构的限制，其对于高频和更复杂策略的支持不足。现阶段，TB市场推广做得较好，合作的期货公司较多，在中低端量化交易平台的市场占有率较高。
（3）金字塔决策交易系统
金字塔决策交易系统（下称金字塔）采用VB脚本语言开发策略模型，使用较复杂的账户函数和交易函数进行资金管理，既可以使用图表买卖点，也可使用非图表的交易判断驱动交易下单。在量化模型研发方面，金字塔提供了国内股票和期货的历史行情数据和TICK数据，也可以使用外盘数据；提供了更为全面的行情数据函数、较多的账户和交易函数、统计函数用于策略开发，同时也支持外接统计数据库和专业的统计分析软件Lib库做扩展；提供了较为丰富策略回测报告项作为策略绩效评估的依据。在量化交易方面，除了支持图表驱动的程序化交易外，也可以进行篮子交易、算法交易和较复杂的对冲交易的实现，但是同样受客户端的技术架构限制，其对于高频交易、全市场策略的交易等更复杂的策略支持不够。现阶段，金字塔合作的期货公司逐渐增多，在中低端量化交易平台的市场占有率较高。
（4）达钱multicharts自动化交易
达钱multicharts自动化交易系统（MC）采用power language开发策略模型，达钱提供行情和交易网关，multicharts实现策略开发和执行平台。在量化模型研发方面，由达钱提供的一段时间内的国内期货历史行情和TICK行情。MC承袭了TradeStation的丰富的函数库和策略库，以及便捷的开发特点，提供了更为完善的回测和绩效评价体系，为策略的研发提供了完善的评估。在量化交易方面，MC只支持程序化和自动化交易，对于高端的量化交易模式支持不够。由于MC进入国内不久，在中低端量化交易平台的市场占有率还不高。
（5）安翼金融终端程序化交易
安翼金融终端（下称安翼）采用技术指标的通用脚本语言开发交易模型，进行图表驱动的自动化交易，是由某券商独立开发的进行国内股票和期货的自动化交易工具。目前安翼提供了国内股票和期货的历史行情，可以进行相对简单的图表交易和股票、期货的对冲交易，程序化交易工具免费使用。虽然安翼只能用安信证券交易通道进行交易，但却标志着国内股票和期货的量化交易已经提升到一个全面发展阶段。

3、高端量化交易平台

高端量化平台除了支持复杂脚本语言实现策略逻辑外，均支持直接使用C++、JAVA等开发语言实现复杂的策略逻辑，一般为了追求执行效率，不采用界面显示图表，而采用多进程、多线程方式进行自动化交易、程序化交易、算法交易，甚至为了追求极致，使用硬件技术进行高频交易等量化交易方式。
高端交易平台通常采用的技术架构是使用服务器执行策略的架构，行情使用转发路径最少的极速、深度行情，交易通道采用专用、直连的交易通道进行交易。行情和交易的延时都要求尽可能最低。
高端交易平台定位于资产管理，在系统架构上严格区分策略研发和策略运营执行两个阶段。对于策略研发阶段，需要多品种、多周期、多账户、多交易市场、多策略、复杂金融工程包的支持，以实现复杂的策略逻辑；对于策略运营执行阶段，系统架构要保证各种风控、应急处理、交易方式和策略的平稳有效执行。系统的实现流程除了满足交易本身的要求外，还要满足机构本身的业务流程和规范，以及监管层的要求。
高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。随着国内金融市场创新的提速，机构投资者对高端交易平台的需求和潜在需求呈快速上升趋势。
国内高端量化交易平台主要有Progress Apama、龙软DTS、国泰安量化投资平台、天软量化平台、飞创STP、易盛程序化交易、盛立SPT平台等。
（1）Progress Apama
Apama采用EPL和JAVA语言开发或者定制策略模型，通过行情、资讯等驱动CEP引擎进行交易、风控等操作。在量化模型研发方面，Apama使用第三方的行情授权，提供了各市场行情接口和各种柜台交易接口的接入，可以接入国内股票和期货多周期的时间序列历史行情数据和TICK数据；提供了丰富的金融工具包进行复杂策略开发；提供了便捷的studio开发工具，可以进行复杂策略的快速开发和定制；提供了1万倍加速测试进行策略回测，可以方便地定制测试报告。在量化交易方面，Apama提供了150万笔/秒的交易并发处理能力，进行高频交易、算法交易。Apama高端的并发处理能力，使全市场的多品种并发套利、对冲等交易策略和实时风控策略可以高速执行。现阶段，Apama在国际投行的自营、资管、经纪业务中占有很大的市场份额。从2012年开始，Apama逐步拓展国内的业务，几家较大的证券和期货公司已经开始正式上线推广Apama和相关的量化交易应用。
（2）龙软DTS
DTS采用LUA脚本语言开发策略模型，通过平台提供的历史和实时行情、基本资料数据、宏观数据的统计分析，实现投研和交易。在量化模型研发方面，DTS既可使用平台自有的数据源，也可以接入第三方数据源。DTS还提供了一些金融工具包，进行复杂策略开发、回测和绩效评价。在量化交易方面，DTS提供的可以扩展的服务器端技术架构，保证了策略的高并发和高速执行，其在程序化交易、量化交易、算法交易、对冲和套利交易方面都有实际应用。
（3）国泰安量化投资平台
国泰安量化投资平台分为研究平台（QIA-Lite）和交易平台（QRC），采用matlab的toolbox的形式无缝兼容了matlab的研发环境，由交易平台实现策略交易。在量化模型研发方面，国泰安投研平台使用自有的行情源、基本面数据、高频数据、量化因子数据库，完全兼容matlab所有的函数，实现了模型的研发和回测。在量化交易方面，其支持了国内主流证券和期货的柜台，在股票和期货的程序化交易、算法交易等方面都有实际应用。
（4）天软量化研究和交易平台
天软量化研究和交易平台采用天软特有的TSL语言开发策略模型，通过天软的交易网关，实现量化交易的执行。在量化模型研发方面，采用高性能数据仓库提供的历史和TICK行情、基础资料数据、宏观数据等数据源，同时提供了7000种开源的函数库，进行策略的研发、回测、绩效分析。在量化交易方面，其基本实现了自动交易、程序化交易、算法交易等量化交易方式。
（5）飞创STP
飞创量化交易平台采用JAVA语言，通过可定制的模板开发策略模型，进行高频交易。STP通过统一的开发和资管运营平台，实现策略的研发、回测、风控和资管运营。由于使用了高速的柜台交易接口，其主要面向高频套利、程序化交易等交易模式的用户。
（6）易盛程序化交易平台
易盛程序化交易既可采用类似Easy Language的语言开发策略模型，实现程序化交易和套利交易，也可以根据易盛柜台提供的行情和交易API，采用C++开发外接应用的方式，实现期货、股票的更复杂的量化交易。在量化模型研发方面，易盛程序化提供的EL开发模型，类似于中低端的量化交易平台，但在行情的速度、交易和账户函数的实时性和精细化处理方面，达到了高端量化交易平台的要求。在量化交易方面，易盛柜台的行情和交易速度具有一定的比较优势，量化交易平台支撑的应用主要是期货的程序化交易、自动交易、对冲和套利交易。
（7）盛立SPT平台
盛立金融软件的SPT平台，采用C++语言和定制的策略开发模板进行策略研发，采用独立的运营和回测平台进行模拟和真实交易。虽然SPT平台在国内应用不多，但凭借其100万笔/秒的行情并发处理能力、交易的毫秒级别的延迟，在量化交易平台中引人注目。SPT提供了一些策略模板，可以很方便地实现程序化交易、套利和对冲交易、算法交易、高频交易等。

四、主流量化基金

1、桥水基金

桥水对冲基金公司（Bridgewater Associates）由Ray Dalio于1975年创立，总部设在美国康涅狄格州，目前总共拥有约1500名雇员。桥水基金是对冲基金中的常青树，常年在世界对冲基金榜单上位居前列甚至是榜首，掌管约1500亿美元，客户主要由机构客户组成，包括外国政府、央行，企业和公共养老金，大学捐款和慈善基金。
桥水基金具有独特的投资理念，以全球宏观策略为主，提出了全天候投资策略、alpha与beta策略分离等理论，其中的全天候投资策略强调在不同的宏观经济时期进行不同类型的资产组合配置，从而达到始终盈利的状态。桥水基金在2008金融危机中获得了正收益，并在2009年雷曼兄弟破产后仍然表现良好。
2018年6月，桥水基金在中国证券投资基金业协会完成私募基金管理人登记，正式成为境内私募管理人，标志其在华私募业务已经正式启动。

2、AQR资本管理公司

AQR是原高盛投资组合经理阿斯内斯与合伙人1998年共同创办的一家量化对冲基金，总部在美国康涅狄格州的格林尼治，目前管理规模达1592亿美元，雇员数量达到693人，在波士顿、芝加哥、洛杉矶、伦敦和悉尼设立有办公室。
AQR的客户以机构投资者为主，例如养老基金、保险公司、共同基金、主权财富基金等。
AQR通过算法和计算机模型来寻找市场暂时的无效性并从中获利，其投资策略十分广泛，包括长短仓、套利、股权、全球宏观、保险、绝对收益、动量、多策略等。AQR的首要目标是价值股和动量股；选择投资组合时，AQR强调基本面与量化分析和自下而上选股的结合；投资核心三个原则是系统化方法、多样化投资和alpha技艺。
AQR资本在2008年的金融危机中损失惨重，其旗舰基金“绝对回报基金”亏损幅度超过50%，而公司管理的资产规模从2007年9月巅峰时期的391亿美元一路下跌至2009年3月的172亿美元。

3、千禧管理公司

千禧管理（Millennium Management LLC）由英格兰德于1989年在加拿大富豪贝尔兹伯格家族等投资人的帮助下创立，初始资产规模为3500万美元，目前管理规模达336亿美元，拥有超过2000名雇员，在美国、欧洲和亚洲均设有办公室。
千禧管理的投资方法十分注重风险，更偏向于在一定的风险（比如低的夏普率）下有较高的收益，对于风险厌恶的投资理念成为了交易团队的规则。因此，千禧管理要求交易团队能在赚钱的日子里有较小的收益，在亏钱的日子里有较小的亏损，争取较多的赚钱日。
千禧管理的投资策略着重分散投资和全球化，包括相对价值、统计套利、并购套利、固定收益和商品等，在资产类别、商品所属行业、投资标的所属地等方面十分多样化，投资标的包括国内外股权、债权、货币、期货、远期、期权等。千禧管理十分注重高科技的运用，其附属量化部门有能够让业余交易员提交算法来进行特定交易的系统。

4、城堡投资集团

城堡投资集团（Citadel Investment Group）由肯尼斯·格里芬于1990年创立，总部设立于芝加哥，在北美、亚洲、欧洲均设有办公室，目前城堡资产管理公司管理规模超过240亿美元，公司拥有超过1400名雇员，城堡投资集团的客户包括主权财富基金、养老金、大学捐款等。
城堡的投资方法由严密的基本面研究、高端量化分析和一个经过验证的技术平台共同驱动。投资原则是努力、情景规划和重复。投资策略注重世界上最大的金融市场上主要的一些资产类别，主要包括股票、信贷、量化策略、商品、固定收益和宏观。

5、索罗斯量子基金

索罗斯量子基金（Soros Fund Management）由乔治索罗斯于成1969年创立，曾经是对冲基金行业的翘楚，总部设立在纽约，现在已经转变为一家家族办公室，管理规模超过200亿美元。
量子基金的投资标的包括股票、世界范围内的固定收益产品和外汇、货币、商品、私募股权基金和风险投资基金，在交通、能源、零售、金融等行业有大量的投资。
创始人索罗斯曾经阻击英镑从而打垮英格兰银行，狙击泰铢和港元，引发亚洲金融风暴。

6、元盛资本

元盛资本（Winton Capital Management）由基金经理David Harding于1997年创立，目前管理规模超过300亿美元，在全球25个国家拥有员工330人，是全球最大的期货投资基金公司。
元盛资本是一家系统化的投资公司，运用科学手段进行交易，通过对历史数据的统计学分析和数学建模来寻找获利机会。

7、德劭投资

德劭（D.E. Shaw）由创始人David E. Shaw于1988年创立，目前公司管理规模达到500亿美元，员工数量超过1300。
创始人David E. Shaw是哥伦比亚大学计算机系的教师，担任过政府科技顾问等职位，精通信息技术与相关科技，公司十分注重量化技巧在投资中的运用，也开发了高精尖的计算机技术用于交易。
创始人David E. Shaw在斯坦福博士毕业后快速拿到了哥伦比亚大学的教职，随后加入摩根士丹利的量化部门。1988年，因在公司内部斗争中败北而创立德劭基金，并运用当时罕见的高频交易技术在华尔街横空出世，利用市场的无效性剪市场的羊毛。
2004年，实现财务自由的David E. Shaw将自己在量化投资领域赚取的财富投入到自己的本行计算化学领域，成立了D.E.Shaw Research，招聘了一批基础科学博士，使用三年时间开发出Anton第一代，比一般的超级计算机快10000倍，团队不断斩获世界知名科学杂志的论文发表机会，学术声誉节节攀升。
2015年，David E. Shaw个人财富已达到41亿美元。
2019年4月，德劭投资管理（上海）在中国证券投资基金业协会完成备案登记，正式进入中国市场。
500

8、文艺复兴

文艺复兴科技（Renaissance Technologies LLC）由詹姆斯-西蒙斯（James Simons）于1982年创立，目前管理规模超过650亿美元，旗下包括仅向内部员工开放的大奖章基金(Medallion Fund)以及向外部投资者开放的RIEF (机构股票基金)和RIDA (机构多元化阿尔法基金)。
James Simons在23岁获得加州大学伯克利分校数学博士学位，24岁出任哈佛大学数学系讲师，30岁到纽约州立石溪大学出任数学系主任，并8年的纯数学研究，其间与华裔知名数学家陈省身联合创立了对数学和物理学影响深远的Chern-Simons理论。
1976年，James Simons摘得数学界的皇冠——全美维布伦（Veblen）奖，其个人数学事业的成就达到顶峰。
在金融方面，James Simons发明独特的壁虎式投资法，即在投资时进行短线方向性预测，同时交易很多品种，依靠在短期内完成的大量交易来获利，即交易要像壁虎一样，平时趴在墙上一动不动，蚊子一旦出现就迅速将其吃掉，然后恢复平静，等待下一个机会。
1989年到2009年间，大奖章基金平均年回报率高达35%，较同期标普500指数年均回报率高20多个百分点，比“金融大鳄”索罗斯和“股神”巴菲特的操盘表现都高出10余个百分点。即便是在次贷危机爆发的2007年，回报率仍高达85%。
大奖章基金的数学模型主要通过对历史数据的统计，找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系，发现市场目前存在的微小获利机会，并通过杠杆比率进行快速而大规模的交易获利。现在大奖章基金的投资组合包含了全球上千种股市以及其他市场的投资标的，模型对国债、期货、货币、股票等主要投资标的的价格进行不间断的监控，并作出买入或卖出的指令。

9、Two Sigma

Two Sigma由创始人John Overdeck和David Siegel于2001年创立，目前管理规模达到500亿美元，研发部门员工占比超过三分之二，超过百分之六十员工无金融背景。
Two Sigma遵循技术与创新的原则，在机器学习、分布式计算的引领下进行决策，并始终研发最新的技术，用以做出更好的决策。创始人都是技术投资领域的佼佼者，在电脑驱动、以模型为基础的交易系统发展领域有超过40年的经验，John Overdeck是华尔街量化基金教父、德劭投资创始人D.E. Shaw的得力爱将，在数学和统计学方面颇有造诣；David Siegel擅长计算机、人工智能；公司结合海量数据、世界级的电脑系统和金融专家来完成高端的交易模型，同时也用科技的眼光来优化投资、管理风险。
2019年9月，Two Sigma宣布子公司腾胜投资管理(上海)有限公司已经成功在中国证券投资基金业协会(AMAC)登记成为私募基金管理人。

五、主流PB机构

1、PB简介

主券商业务（Prime Brokerage，简称PB），作为券商的一项机构业务，是指券商为专业投资者提供交易结算、资产托管、后台运营、研究支持、杠杆融资、资金募集等一站式综合金融服务 。

2、高盛集团

作为国外最大的PB服务机构，高盛对技术和创新的坚定承诺，引领其开发出许多已成为行业标准的作法及技术。高盛一直是电子交易和连接系统方面的先锋，其电子交易平台REDIPlus在交易前分析、增值的执行服务、算法交易、组合交易方案及交易后分析方面具有全球领导地位。其中，高盛算法交易（GSAT）是一组涉及全球多种资产的算法程序，包括股票、期货、合成衍生工具和期权，通过与GSAT进行交易，客户还可获得高盛的各种资源，包括交易前后及交易期间的分析、交易成本分析和执行策略 。
除了交易工具外，高盛在各项业务上均大力运用科技促进业务创新发展。在外汇和衍生品交易方面，高盛独创和专有的数据建模技术使客户在投资组合基础上计算保证金，从而高效管理风险及优化资本运用，而且高盛内部技术平台简化了交易确认、组合对账和管理。在托管结算方面，高盛开发了功能强大、范围广泛的全球结算与交收网络。高盛的平台提供了一套完整的工具，允许客户在一个单一的综合账户里跨越多类资产和货币交易。在融资融券方面，高盛运用专有的、采用前沿技术的投资组合风险建模工具，评估客户投资组合和策略的融资方案。在报告服务方面，高盛机构客户网可让客户在线获取高盛的全球在线资源，包括交易理念、投资机会、市场洞察、个性化的投资研究及其它资源。同时，高盛开发了一个可定制程度高的综合报告平台，向客户提供度身定制的涵盖众多产品和市场的业务解决方案。

3、盈透证券

盈透证券（Interactive Brokers，IB）是一家以低交易成本和技术驱动业务而知名的美国网络券商，机构和个人客户各占一半。PB业务是IB近年来快速开拓的领域。IB在PB服务方面具备两项核心竞争力：一项是IB研发的IB SmartRouting SM智能交易系统，另一项则是IB在成本控制上的绝对优势，IB可以选择免费为客户提供托管服务。
受Basel III、MiFID II等监管政策的影响，高盛、摩根士丹利等银行控股的主经纪商受到严格的流动性管理约束，被迫抬高客户准入标准和服务定价。IB则接纳了大型主经纪商不愿服务的对冲基金，同时也吸引了一大批费率敏感型的客户。由于具有出色的技术储备和规划，在面对诸如MiFID II等监管新规时，不必被迫进行全面技术升级和增聘一批新员工。IB为客户研发了一套智能交易系统—IB SmartRouting SM，通过算法寻找全市场最优的价格完成交易。SmartRouting通过技术手段替代人工化操作，并融入到各个业务流程中改造成自动化的工作流程，从而能极大降低成本。由此，IB在成本控制上具有绝对优势，进而实现不对客户提出最低管理规模或收入贡献的要求。
此外，IB拥有一套支持C++、Java以及Python等语言的编程接口，主要服务于程序化交易客户。IB还推出了一套外汇掉期自动化交易程序，使客户以更合理的价格持有外汇头寸。为了满足对冲基金希望只通过一个平台便可以触达全球市场的不同资产，IB开发了Investors’ Marketplace，为配置对冲基金的机构提供搜索工具，平台上目前有2911只对冲基金。

4、瑞士联合银行

瑞士联合银行集团（UBS Group AG，瑞银集团或瑞银）创立于1862年，总部位于瑞士苏黎世，全职雇员67481人，是欧洲最大的金融控股集团。旗下由瑞银华宝、瑞银机构资产管理与瑞银瑞士私人银行三大分支机构组成，瑞银集团的业务主要包括财富管理、投资银行及证券和资产管理三大块。UBS瑞银是一家全能银行，为国内外客户（企业、个人、公共机构等） 提供广泛的银行服务，其中包括流动资本贷款、建设贷款、特别融资、国际商业贷款、出口融资、项目融资、证券信贷与担保、投资咨询与托管、证券交易、证券管理与间接贷款、发行并经销股票、债券和票据，从事 银团贷款，经营外汇、银行票据、贵金属，从事货币市场业务，从事转移与支付等等。

5、中金公司

中国国际金融有限公司（CICC）是中国第一家中外合资投资银行，中金一直致力于为客户提供高质量金融增值服务，建立了以研究为基础，投资银行、股票业务、固定收益、财富管理和投资管理全方位发展的业务结构。