城堡投资正在扩大量化投资业务
，并把人才搜寻范围拓展至人工智能实验室
。随着AI在量化交易领域加速普及，对冲基金正与硅谷争夺研究人员。

　　城堡全球量化策略负责人Navneet Arora表示 ，这个约180人的团队包括金融研究员和数据工程师
，计划未来一年以稳健的两位数增速扩充人员 。公司网站显示，由Alexey Poyarkov领导的一个新团队刚刚成立 ，专注于全球股票系统化交易
。Poyarkov近期从TGS Management加盟。

　　除了传统的大学毕业生招聘渠道
，由亿万富豪肯·格里芬创立的这家对冲基金还把目光投向Google DeepMind等AI实验室，希望招募能够提出投资思路 ，并运用日益强大的AI工具将其付诸实践的研究人员 。

　　Arora表示
，尽管AI正在量化投资领域加速普及，从数据收集到分析等工作都越来越自动化 ，但AI并没有取代人类研究员
。相反
，AI降低了编程能力的重要性，同时提升了能够提出投资想法
、并指导机器将其转化为盈利交易的研究人员的价值。

　　“现在一个人可以有效管理两项、四项 ，在某些情况下甚至更多流程 。人类也正在成为‘机器的管理者’，”Arora说
。“而这类人不像机器那样容易被取代。 ”

　　据一位知情人士透露
，城堡旗下Tactical Trading基金将基本面股票投资与量化策略相结合，今年截至8月上涨24.7% 。该基金自2008年成立以来 ，年化回报率约为20%
。

　　Navneet Arora

　　城堡投资管理约760亿美元资产
，投资范围涵盖股票 、固定收益和大宗商品，近来 为量化策略配置了“数十亿美元
”资金。Arora预计 ，扩充人员将有助于强化公司的核心股票业务
，并进一步发展期货和波动率等领域的策略 。

　　AI还令人才争夺战超出银行
、对冲基金和自营交易公司等传统范围。城堡如今在部分招聘中还要与硅谷竞争，对手包括OpenAI和Anthropic等AI公司
。

　　城堡投资首席运营官Gerald Beeson表示：“这为我们的招聘打开了一个新的前沿领域。解决复杂、现实世界中的商业问题 ，对我们希望招募的人才很有吸引力 。”

　　AI的普及也给量化投资公司带来另一个问题：当越来越多投资者掌握类似工具后
，盈利交易思路是否会更容易被发现，并更快失效
。纽约大学研究人员近期的一篇论文显示 ，一项盈利交易信号的超额回报可能在约18个月内减半
，而在AI广泛应用之前，这一过程需要五至七年。

　　Arora认为 ，机器学习在不同交易领域的渗透程度存在很大差异 。在短周期交易中，机器可以利用大量成交量和费用 变动数据进行学习
。这类交易的优势较为有限也更容易被竞争对手复制
，因此超额回报可能迅速消失。

　　相比之下，较长周期策略依赖的数据更加稀缺 ，也需要更复杂的模型来生成交易信号 。Arora表示
，这可能使相关优势更难被机器和竞争对手发现，也可能持续更久
。