Jeff Maurone 谈 Citadel Securities 的市场分析与技术

原标题Jeff Maurone on Citadel Securities’ Market Analytics and Technology

这位技术首席运营官介绍市场持仓、信用利差和客户问题的分析工具,以及支撑这些工具的研究基础设施。

JMJeff Maurone讲者 · Citadel Securities
频道
Citadel Securities
发布
2026年10月26日
视频
18:55
阅读
6 分钟
幻灯片
4
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

在 Citadel Securities 的一场活动上,技术首席运营官 Jeff Maurone 介绍公司如何利用 AI、分析和计算,预先研究机构客户可能提出的市场问题。他展示了公司挑选的案例和观点,随后播放一段介绍交易及风险基础设施的企业视频。市场数据、模型表现和未来情景均为演讲者所述,本文未独立核实。

  1. 1从瓶颈到预先计算Maurone 以蛋白质结构预测为类比,说明如何利用计算提前回答问题。
  2. 2突破概率他以选取的 Avis 案例说明一个结合散户及期权资金流和空头持仓的模型。
  3. 3持仓即时估计他以 Procter & Gamble 为例,对比季度申报与每日估计视图。
  4. 4信用市场热力图演示展示了一张发行人交易量和利差变化的示意图。
  5. 5IPO 情景Maurone 讨论 SpaceX IPO 分析,以及公司对机构和散户承接能力的假设。
  6. 6研究基础设施他介绍公司的量化平台、数据资源和技术人员。

要点建议

  1. Maurone 认为,AI 能将分析师最初的问题扩展为更广泛的预先计算分析。
  2. 他的例子包括轧空风险、股票持仓和投资级信用利差的估计。
  3. 这些案例由公司挑选展示,不能证明预测准确性或未来投资结果。
  4. 企业视频介绍了零股交易、延长交易时间和基于情景的风险管理。
  5. Maurone 表示,公司的工具建立在量化研究平台、数据和大量计算资源之上。
全文

按章节阅读整理后的全文

只看原始文稿
01

用计算扩展问题

Maurone 以蛋白质结构预测为类比,说明如何从处理单个请求转向预先计算,并介绍他如何将这一思路用于市场问题。

我是 Citadel Securities 的技术首席运营官 Jeff Maurone。为了介绍公司如何看待计算,我从蛋白质结构研究以及 Demis Hassabis 和 DeepMind 团队的工作说起。我用这个例子说明机器学习如何改变一个瓶颈,以及大规模计算如何拓展研究者能够探讨的问题。

我描述了从处理单个结构预测请求,转向大规模预测结构的变化,其中包括一个涵盖超过 2 亿种蛋白质的数据库。这些是计算预测,并不是说每个结构都经过实验验证。我的类比是:从等问题出现后逐一回答,转向预先准备更广泛的答案。

我认为,企业使用 AI 的价值不限于节省运营成本。分析师可以从对市场走势的直觉出发,用计算扩展分析。我将阅读少量 13F 申报文件,与一种可能的系统作对比:后者处理大量申报、比较历史数据并建立投资组合敞口模型。

接下来的例子是 Citadel Securities 工具和分析中挑选出来的案例。我将它们作为为客户问题做准备的方式来介绍,但本次演讲中的案例和数据不能独立证明模型的预测准确性,也不保证未来结果。

02

轧空与持仓

他展示了公司挑选的轧空概率和持仓变化估计案例。这些案例由公司提供,并非经过独立验证的预测。

第一个问题是如何预判轧空。我介绍了一个名为 Breakout Probability 的工具,它将散户股票及期权资金流与机构空头持仓信息结合。按照我的介绍,公司会定期对证券计算估计值。

Avis 股价与突破指标
幻灯片 1 / 4Avis 股价与突破指标公司的历史案例对比了股价和估计的上涨 5% 的概率。

我展示了一个 Avis 案例,并表示该工具在一次大幅股价变动前显示风险升高。这是公司挑选的历史案例;单个案例中出现的信号不能说明预测的正确率或错误率。幻灯片将该指标标为上涨 5% 的概率。

第二个问题关乎持仓:谁持有一只股票,持仓可能发生了什么变化?我指出 13F 文件按季度申报且存在延迟,然后介绍 Positioning Nowcast。它以申报数据为起点,结合市场资金流信息,更频繁地估计变化。

在一个 Procter & Gamble 案例中,我将即时估计与之后的申报对比,并表示价值投资者持仓变化的估计提前约十周出现。这是演讲者对所展示案例的比较;估计持仓与直接观察到的投资组合并不相同。

持仓即时估计与之后的申报
幻灯片 2 / 4持仓即时估计与之后的申报公司幻灯片将其对 Procter & Gamble 持仓变化的估计与之后的申报并列展示。
03

信用利差与 IPO 情景

演示转向投资级信用热力图和有关 SpaceX 的分析。数据和假设均归于演讲者。

接下来我讨论投资级公司债券。我表示,证券数量庞大、流动性不均且交易场所众多,使得系统地观察发行人层面的利差变化很困难。公司结合定价信息和估计值,形成按证券及发行人查看利差的视图。

投资级信用热力示意图
幻灯片 3 / 4投资级信用热力示意图方块大小代表交易量,颜色代表利差变化;幻灯片将该图标为示意图。

这张热力示意图用方块大小表示交易量,用颜色表示利差收窄还是扩大。我表示,公司从发送静态图片转向交互式视图,客户可以按行业和历史日期筛选。该图是界面示意,并非交易证据或建议。

随后我介绍客户对 SpaceX IPO 的问题:机构和散户需求能否吸收可流通股份。以下数据来自公司在活动上展示的情景分析;讨论并未独立验证其基础假设,也不是对特定证券的预测。

在机构方面,我表示主要科技股的最大持有者只需卖出不到 1% 的相关持仓,就能覆盖机构配售额度。在散户方面,幻灯片称散户持有七家主要科技公司 6.25 万亿美元的股票,并估计其中的 0.4% 足以覆盖所述散户配售额度。这些是演示中的计算,并不能证明这些投资者真的会卖出或买入。

散户持仓与 IPO 情景
幻灯片 4 / 4散户持仓与 IPO 情景幻灯片展示公司的持仓及配售假设,不能证明投资者会进行所设想的交易。

我讨论了限售期届满,并比较了 400 多个历史事件,表示价格通常在届满前下跌,而散户仍是流动性的来源。这是公司对历史的描述;选取样本中的规律不能保证之后发行的表现。

04

交易与风险基础设施

企业视频介绍散户交易、零股订单、延长交易时间和情景分析。随后 Maurone 讨论与客户技术团队的合作。

一段预先录制的企业视频介绍了 Trade Seeker。视频称,该产品结合了专有的散户股票和期权信息及第三方数据。讲述者表示,客户可以通过数字平台获取这些洞察。这是公司对其产品的描述。

企业视频中的另一位讲述者讨论零股和按金额下单,以及延长交易时间。讲述者表示,公司处理多种规模的订单,并支持每周五天、每天 24 小时的交易安排。这些是公司演示中对运营情况的陈述。

企业视频中的第三位讲述者介绍风险中心及情景分析、压力测试的使用。所述目标是在平静和波动的市场中都能支持客户执行交易。视频展示的是公司计划采用的方法,并非对其风险控制的完整独立评估。

回到现场后,我表示公司与超过 100 个客户技术团队讨论过构建智能体、量化研究和交易平台。例子包括安全沙箱、为模型组织数据,以及简化交易团队使用的基础设施。

我表示,展示的工具是正在使用的产品,并非仅为会议制作的演示,其中一些有数百家客户使用。这是公司的说法。接下来我介绍支持这些服务的内部技术基础。

05

研究基础

Maurone 介绍公司的研究平台、数据规模和人员情况,并邀请客户与公司共同研究市场问题。

我介绍了名为 Ozeki 的量化研究平台,并表示超过 500 名量化研究员使用它。我提到研究数据集超过 200 PB,研究人员中包括 300 多名博士。这些规模数据由公司在活动时提供。

我还表示,公司在公开市场执行前看到了相当一部分散户订单,65% 的同事会编写代码。我将公司的交易软件、越来越多的硬件以及运营韧性归因于这一技术基础。这些是公司对自身业务的陈述。

最后我回到开场的观点:人的直觉提出最初的问题,计算和分析能够扩展研究。我认为,与客户合作可以帮助公司更好地选择要探讨的问题。

同频道的其他文章