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 。
