Jump Trading 如何用 ChatGPT 扩展量化研究

OpenAI News 报道，Jump Trading 采用 OpenAI 的技术来扩展量化研究。报道提到，其做法是把运行时间较长的 AI 工作流与多个数据源结合起来，并保留人工审核环节。

此前量化研究主要靠人工团队与自有工具推进，此次公开案例表明，金融机构开始把大模型纳入多数据源、长流程的研究环节，而非只用于零散问答场景。

多数据源与人工审核并存，说明 AI 工作流承担的是信息汇总与初步处理，最终判断仍由人完成。这种组合既能提升研究吞吐量，也通过人工复核控制金融场景的错误风险。

对产品与研发而言，可参考的方向是把模型嵌入长流程工作流并保留人工确认节点，而不是追求全自动输出。数据接入、流程编排与审核记录会成为落地重点，成本则取决于长流程的调用量。

• 为投研或量化团队提供多数据源接入加人工审核的 AI 工作流编排工具。
• 在流程中内置审核轨迹与结果留档，满足金融机构的合规与复盘需求。
• 针对长运行任务做调度与缓存优化，降低单次研究的调用成本。

• Jump Trading 具体使用了哪些 OpenAI 模型或产品形态，证据未说明。
• 所谓较长运行时间的 AI 工作流具体耗时与规模未披露。
• 量化研究效率或产出的实际提升幅度无数据支撑。
• 人工审核在流程中的介入比例与职责划分未说明。