- 日期:2026-11-08
- 原始日期:2025-03-10
- 来源:Signals and Threads(Jane Street 官方播客)第 22 集《Finding Signal in the Noise: Machine Learning and the Markets》|阅读原文 |RSS 阅读原文
- 渠道:Signals and Threads(Jane Street 官方播客,主持 Ron Minsky)
- 体裁:访谈
- 讲者:In Young Cho(Jane Street 研究员兼交易员,近十年,现领导研究组机器学习工作)
- 信源层级:一手(Jane Street 官方播客,含完整逐字稿)
- 标签:量化投资 / 机器学习 / 数据 / 信号 / 组织
- 一句话:金融里的 ML,是“100 份数据里只有 1 份有用、其余 99 份是垃圾,而你不知道哪份是哪份”。
一、核心比喻:1 份有用 + 99 份垃圾
“you can think of machine learning in finance is similar to building an LLM or text modeling except that instead of having, let's say one unit of data, you have 100 units of data. That sounds great. However, you have one unit of useful data and 99 units of garbage and you do not know what the useful data is and you do not know what the garbage or noise is.”
解读:做 LLM/文本建模,数据本身就是信号;金融里数据多,但信噪比极低——难点不在“拿到数据”,在“在极端高噪声中把那一份信号找出来”。
二、信号会自我毁灭(反身性)
交易者发现价格中的某种规律并据此交易 → 这种规律会被市场参与者不断套利 → 逐渐失效。
推论:金融不是“找到规律就能一直用”的稳态系统——发现即消耗。所以她强调“你得不断发现新东西”,剩下的越来越像随机游走(信号对噪声比率“miserable”)。
三、市场状态切换(regime change)是常态
- 金融是 low-data, high-noise,且 subject to frequent regime changes 的环境:金融危机/状态切换持续改变数据分布,使模型难以长期稳定提取信号。
- 与别处 ML 的差别:这里“高噪声、低数据”是常态,所以在 finance 里“粗糙的数据科学”有时是必须的;但一旦转向更大数据/更复杂模型,数据科学上的马虎就是致命的(fatal)。
四、模型要“尽量简单”(先线性,再复杂)
“……模型复杂度与可表达性 vs 你有多容易过拟合……你大概想要尽可能简单。所以你可能想用的技术是线性回归那类。”
- 与业界主流叙事(越大越复杂越好)反向:他反复强调先简单、控制过拟合。
- 从简单线性模型 → 深度神经网络的迁移,是近年的真实变化,但前提未变:信噪比低、状态会切换。
五、研究与生产的张力
- 研究与工程是两种气质:灵活的研究工具 vs 稳健的生产系统;“productionization(生产化)是研究里极其重要的一步”——idea 做成能上线的预测,才算数。
- 日常工作像是“稳健的数据科学”:给一个极复杂交易系统的几百个参数加一两个参数,跑实验——很枯燥、需要一整套生态与可视化能力。
六、给个人成长/招聘的信号
- 她的路径:从“想当医生”→交易实习→研究员;强调“我每天都在学新东西”。
- 对新人:先有“慢下来的、基于基本原理”的工具入门,才能跟上这里“快速的信息流”。
读后判断
- “100 份里 1 份有用”是“数据飞轮”的反面镜子——邱懿武常说“数据是壁垒”;但这场给出一个限定条件:数据的价值不取决于量,取决于信噪比与“能否把信号捞出来”。对造物云/教育场景的映射:堆数据(深脑几万条)不等于形成判断,能在噪声里捞出信号才是能力。
- “发现即消耗、状态会切换”→ 静态模型必死。这与邱懿武“智能是为了下一次智能”(持续反馈、自我复利)同构:一次跑通没用,能持续发现新信号才有用。
- “先简单、控过拟合” 是反直觉的工程原则——对“AI 时代人人堆功能”是个提醒:模型/产品的复杂度要与信噪比匹配。
保留意见:① 属金融量化领域,映射到教育/企业服务需谨慎(信噪比结构不同);② 本篇为二手提炼(基于官方一手逐字稿整理),关键引语已保留英文原文,可直接引用;③ 播客第 22 集,2025-03-10。