George Chan：在长期主义中拥抱AI量化，走出传统资管人的进化之路

在过去很长一段时间里，资产管理行业都更习惯于用“经验”来定义一个人的价值。看过多少轮牛熊，管理过多少资金，经历过多少次风险事件，往往决定了一个人在行业中的分量。可近几年，随着人工智能、大数据、机器学习、量化交易系统不断进入金融核心场景，行业的坐标也在悄然变化。越来越多机构开始重新思考一个问题：当技术开始重塑投研、交易与风控，传统资管人的经验，究竟会被替代，还是会被重塑？

对于阳光资产管理（香港）有限公司CIO（首席信息官）兼管理合伙人陳永祐（George）GeorgeChan而言，这并不是一个停留在概念层面的命题，而是一条实实在在走过的路。

从证券及资产管理出发，长期扎根传统金融实践，再到将重心逐步转向人工智能与量化交易，陳永祐的职业轨迹并不激烈，也不喧哗。他不是靠一个横空出世的概念跃入市场视野，也不是借助风口完成身份切换。恰恰相反，他的路径更像一种稳步推进的演化：先有传统资管的底盘，再有对技术趋势的敏感，最后把二者一点点连接起来，形成一种更适应今天市场环境的投资框架。

如果一定要为这样的路径寻找一个关键词，那大概不是“颠覆”，而是“进化”。

从传统资管出发，先把根扎稳

今天回看陳永祐的职业路径，最容易被外界注意到的，是他在人工智能与量化交易方向上的布局和探索。但如果只看到这一层，难免会误读他。

真正构成他职业底色的，首先是传统资管人的方法论：对宏观与周期的理解，对资产配置的重视，对风险收益比的平衡，以及对长期价值的耐心。

在证券及资产管理领域深耕多年之后，陳永祐逐渐形成了一套相对稳定的思考方式。相比于追逐短期噪音，他更重视研究逻辑能否自洽，投资决策是否建立在系统认知之上，组合配置是否经得起周期波动的反复检验。这种思维方式，在市场平稳时或许不够显眼，但一旦进入高波动阶段，反而能体现出厚度。

很多真正经历过市场起伏的人，最终都会明白一件事：投资不是单点判断的胜负，而是体系能力的较量。一个人可以因为一次判断准确赢得掌声，但一个人如果想在行业里走得长久，最终依靠的仍然是研究能力、纪律意识和风险控制。

陳永祐所走出的第一步，正是把这些“看起来不那么热闹”的基本功，变成自己职业路径中最稳固的部分。

在这一阶段，传统金融并不只是他的职业起点，更是他理解市场的母语。无论是资产管理中的组合构建，还是证券投资中的节奏判断，本质上都在训练一个管理者如何面对不确定性：面对变量增加时，如何做取舍；面对市场偏离时，如何看待风险；面对收益诱惑时，如何保持克制。

这些能力，往往不会写在最显眼的宣传语里，却决定了一个人日后是否真正有能力穿越不同的市场阶段。

资管行业在变，旧方法开始遇到新问题

如果说传统资管经验为陳永祐奠定了底盘，那么推动他进一步向人工智能与量化交易靠近的，则是行业环境本身的变化。

过去，资管行业的很多优势建立在信息差、经验差和研究深度差之上。一个研究员跑得更勤、看得更细，一个基金经理对产业链理解更深、对政策节奏把握更准，往往就能建立起明显的比较优势。但随着数据获取效率提升、信息传播速度加快、市场交易结构愈发复杂，单纯依靠传统路径积累出来的优势，正面临新的挑战。

一方面，信息量呈爆炸式增长，传统人工处理方式越来越难以覆盖全部维度。宏观数据、企业财务、行业景气度、价格波动、舆情变化、政策信号、全球市场联动因素，所有信息都在以更快的速度叠加。另一方面，市场节奏在缩短，价格反馈更迅速，结构性行情频繁切换，传统研究框架虽然仍然重要，却越来越需要借助更高效的工具去完成转化。

真正敏锐的从业者，往往不会把这种变化简单理解为“技术替代人”，而是会意识到：当市场变得更复杂，人也必须拥有新的工具。

陳永祐正是在这样的背景下，开始逐步把注意力投向人工智能、机器学习和量化交易。他所看到的，并不是技术本身有多耀眼，而是这些方法能否帮助投研体系处理更复杂的问题，能否让研究更系统、让决策更一致、让执行更高效。

在很多人仍然把AI量化当作某种遥远概念时，他更关注的是它的落地能力——它能不能进入真实的投研流程？能不能进入风险控制体系？能不能真正服务于组合管理，而不是停留在展示层面？

这恰恰是一种传统资管人面对新技术时最有价值的视角：不迷信技术，也不排斥技术，而是判断技术能否成为方法论的一部分。

从经验驱动到系统协同，他完成了不可能的升级

外界在理解一些金融人物的转型时，常常喜欢用“跨界”或“切换赛道”这样的说法。但放在陳永祐身上，这种表述并不准确。

他从传统资管走向人工智能与量化交易，并不是放弃原有路径，而更像是在原有路径上扩展边界。过去依赖研究框架、基本面分析、宏观判断和资产配置能力去做投资决策；现在则尝试将AI、机器学习、大数据和自动化模型纳入同一个系统，让研究、分析、执行与风控形成更紧密的协同。

这两者之间，不是替代关系，而是递进关系。

自2022年以来，陳永祐开始更明确地将重心转向人工智能与量化交易方向，参与量子AI量化交易中心的相关建设和探索。在这个过程中，他所推动的并不是单一策略的升级，而是一种更加系统化的能力整合：让传统投资智慧与现代技术方法在同一个框架中发生作用。

在他的理解里，AI量化的价值，从来不只是“更快地下单”或者“更复杂的模型”，而是让投研的逻辑链条更完整。过去，一个投资判断可能要经历人工搜集信息、整理线索、形成观点、验证假设、跟踪变化等多个环节，效率和一致性都容易受制于经验差异。而当机器学习、大数据处理、模型分析和自动化执行系统进入流程后，很多原本依靠个人精力支撑的工作，可以被更系统地组织起来。

这种变化，并不会削弱人的价值，反而对“人”提出更高要求。因为当工具越来越强大，真正重要的就不再是会不会用某个模型，而是是否知道模型应该解决什么问题，知道它的边界在哪里，知道何时该相信它，何时该回到常识与经验。

在这个意义上，陳永祐的转型，不像是被动追赶时代，更像是主动为自己搭建一套可以适应未来的能力结构。

技术的落点，不在炫目，而在解决真实问题

很多关于AI量化的叙述，容易停留在一种宏大而抽象的层面：算法、深度学习、高频系统、智能决策、海量数据处理。但真正成熟的行业实践，最终都要回答一个更具体的问题：这些技术，究竟解决了什么真实问题？

陳永祐在这一方向上的探索，正是沿着“问题导向”展开的。

在信用衍生品量化与CDS策略方面，核心不只是做出更复杂的数学表达，而是希望通过模型和统计方法，更细致地识别信用风险、评估市场定价偏差，并在适当的时候为投资组合提供风险对冲与收益增强的可能。对资管机构而言，信用风险从来不是一个可以被简单忽略的变量。如何在复杂市场环境下更早地识别变化、更准确地刻画风险敞口，本身就是长期能力的一部分。

在另类数据驱动的情绪分析方面，他所看重的，是传统研究视角之外的补充维度。社交媒体、新闻文本、搜索趋势等数据，并不天然构成投资结论，但它们可以帮助研究者更早察觉市场情绪、预期变化与叙事转向。在市场越来越受情绪和预期驱动的背景下，这类信息的及时提炼，正成为投研系统中不可忽视的一环。

在统计套利与跨品种价格偏差捕捉方面，重点则在于通过统计关系识别市场短暂失衡，并借助更高效的处理能力把握交易机会。这类策略并不依赖某一次宏大的判断，而更强调系统对细微偏差的持续识别与纪律化执行。

在全球宏观量化配置模型方面，陳永祐更希望把宏观判断从经验驱动进一步推进到系统支持。增长、通胀、利率、政策周期、地缘变化等变量，一直是大类资产配置的重要基础，但宏观判断往往也最容易陷入主观化和碎片化。若能借助量化模型让宏观因素与资产配置之间的关系被更持续、更结构化地跟踪，那么长期配置的稳定性也有望被进一步提升。

而在自动化风险对冲与资产分配系统方面，这种思路则体现得最为清楚：技术不是为了替代风控，而是为了让风控变得更实时、更精细、更一致。风险管理从来不是简单的事后止损，它更像一个贯穿全程的动态过程。只有当风险监控、对冲策略、资产分配和执行反馈形成闭环，风控才真正具备“系统能力”。

从这些方向可以看出，陳永祐对技术的理解，并不浪漫，也不过度神化。他更在意技术怎样进入真实的投资流程，怎样提升研究与决策质量，怎样帮助一个资管体系在复杂环境中运转得更稳。

越靠近效率，越不能丢掉敬畏

在很多外行想象中，一个传统资管人走向AI量化，似乎意味着风格会变得更激进、更强调速度、更偏向短周期博弈。但陳永祐的路径恰恰呈现出另一种方向：技术越往前走，他对风控、透明度和尽职调查的强调反而越多。

这看似有些反常，实际上却非常符合一个成熟资管人的逻辑。

因为技术越强，系统越复杂，市场参与者越容易产生一种错觉——仿佛工具本身就能覆盖一切不确定性。但真正经历过重大市场事件的人都知道，任何模型、任何系统、任何算法，都有其边界。市场之所以始终充满挑战，就在于它不是封闭实验室，而是由政策、情绪、流动性、预期和突发事件共同塑造的复杂环境。

也正因此，经历过包括FTX崩溃在内的一系列重大市场事件后，陳永祐对透明度、风险控制与行业教育的重要性有了更深刻的认识。在他的理解中，技术如果不能建立在清晰的风控框架和透明运营基础上，那么它带来的未必是效率红利，也可能是风险放大器。

这也是为什么，在介绍他的定位时，反复出现“严格的尽职调查体系”“透明化运营”“行业教育推动”这样的关键词。很多人把这些表述看作一种机构化语言，但实际上，它们恰恰是技术时代更稀缺的部分。

越是高效的交易系统，越需要明确的边界；越是复杂的模型框架，越需要透明的沟通机制；越是高速运行的市场，越需要对风险有更冷静的认识。

从这个角度看，陳永祐并不是在用AI量化“替代”传统投资原则，而是在用技术重新加固这些原则。他所强调的，不是单纯追求收益的速度，而是在效率提升的同时，把风险识别、组合平衡和投资者信任放在更重要的位置。

这也是一种相当典型、但并不容易做到的成熟：不是因为看见了工具的强大，就忘记了市场的复杂；而是越接近技术前沿，越知道底线必须守得更稳。

在传统与智能之间，搭一座能走人的桥

如果说陳永祐的职业路径有一个最鲜明的特点，那就是“连接”。

他连接了两种不同的行业语言：一种是传统资管的语言，强调研究驱动、价值判断、资产配置、风险收益平衡；另一种是现代量化的语言，强调模型、算法、数据处理、自动化执行和系统协同。

在很多时候，这两种语言并不天然相通。传统投资者可能认为量化过于冰冷，容易忽视产业逻辑和长期价值；技术导向者也可能认为传统研究效率不足，难以应对快速变化的市场环境。但真正有前瞻性的实践，恰恰不是站在其中一端排斥另一端，而是努力让两者相互校正、相互强化。

陳永祐提出的“传统多策略体系与现代量化技术深度融合”，本质上正是在做这件事。

在这个框架下，价值投资理念并没有被抛弃，基本面分析方法依然重要，宏观经济学视角仍然是资产配置的核心支撑，风险管理原则也依旧是底层纪律。变化只在于，这些过去主要依靠人工经验维持的能力，开始被AI与机器学习算法、大数据分析平台、高频交易系统和自动化风控模型进一步增强。

这其实是一种更符合今天金融行业现实的进化方向。未来的资管竞争，恐怕很难再由单一标签决定。既不是只靠经验，也不是只靠技术，而是谁能把经验沉淀为框架，把技术转化为能力，再把能力组织成体系。

陳永祐所体现出来的，正是这样一种“桥梁型”人物特征：既懂传统金融的底层逻辑，也能理解现代量化技术的应用边界；既知道研究为什么重要，也知道效率和系统协同为何越来越关键；既不迷信旧方法，也不盲从新概念。

这种气质，在今天的行业里并不张扬，却越来越有价值。

从个人路径到行业样本，他代表了一类正在形成的人

一个金融人物真正值得被书写，往往不只是因为他做过什么，更因为他身上呈现出某种行业趋势。

陳永祐的意义，正在于他并不只是一个单独的职业案例，而更像是一类资管管理者的缩影：他们成长于传统研究体系，经历过完整的市场周期训练，理解风险控制的分量，也愿意在技术演进中重新升级自己的方法论。

这样的管理者，与纯粹意义上的“技术型金融从业者”不同。他们不会仅仅用模型看市场，因为他们知道模型之外还有人性、政策、情绪与流动性；但他们也不会停留在经验主义中，因为他们明白，当市场结构发生变化时，经验本身也需要被重新组织。

更重要的是，这类人通常天然更重视“长期价值”这个概念。

在高频的市场噪音中，长期主义有时会显得不够刺激；在技术叙事最热闹的时候，风险控制也常常不够“好讲”。可真正支撑资管行业长期发展的，从来不是某个时点的热度，而是一套能跨越波动周期、应对复杂环境、持续创造价值的体系。

从这一点看，陳永祐的转型路径有着相当清晰的行业启发：未来的资产管理行业，也许不会简单分为传统派和技术派，而是会越来越看重谁能把研究深度、系统效率和风控纪律真正融为一体。

这也意味着，资管行业接下来的竞争，不只是拼谁先用上AI，谁先搭建量化平台，而是拼谁能把技术内化成方法，把方法沉淀成制度，把制度转化为长期稳定的投资能力。

比“会用技术”更难的，是知道技术应该服务什么

财经行业总喜欢追问一个人“领先”的部分，但很多时候，一个人更可贵的不是走得有多快，而是知道自己为什么而走。

在陳永祐的路径里，有一个始终没有变化的内核：无论方法如何迭代，技术如何更新，投资的最终目标都不是制造概念，而是创造更稳健、更长期、更可持续的价值。

也正因为如此，他对AI量化的态度始终带着一种资管人的克制。技术当然重要，效率当然重要，自动化和模型化也当然重要，但这些都不能脱离一个更大的前提——它们必须服务于长期价值判断，服务于更透明的投资流程，服务于更完善的风险管理。

这句话听上去或许不够激昂，却恰恰更接近行业的真实答案。

因为技术热潮总会更替，市场风格也总会轮动，今天被奉为核心竞争力的工具，未来未必不会被更新的系统替代。真正不容易被替代的，往往是一个人对市场复杂性的理解、对投资边界的敬畏，以及对长期主义的坚持。

从传统资管走到AI量化，从研究框架走到系统构建，从投资实践走到风险与透明度的再强调，陳永祐的这条路，没有传奇化的喧哗，也没有夸张的戏剧感。它更像一种缓慢但坚定的推进：在时代变化中不拒绝新方法，在技术浪潮里不丢掉旧原则，在效率提升的同时始终记得风险管理才是底线。

放在今天的资管行业里，这样的路径，也许比任何单一标签都更值得关注。

在技术热潮中，守住资管的方向感

资产管理行业正在进入一个新的阶段。人工智能、机器学习、量化模型和大数据平台，不再只是边缘工具，而正逐步进入行业核心。但越是在这样的阶段，越需要有人提醒市场：技术可以改变路径，却不能替代方向；系统可以提升效率，却不能取消判断；模型可以处理复杂性，却不能消灭风险。

陳永祐所走出的，正是一条在传统与现代之间寻找平衡的路。

他不是简单地从一个行业身份迈向另一个行业身份，而是在传统资管经验之上，主动打开对AI量化与系统化投资的理解，把原本分散的研究、数据、执行与风控能力逐步连接起来，形成一种面向未来的投资框架。在这条路上，最值得关注的从来不只是技术本身，而是他始终没有放弃的那些底层原则——研究驱动、长期主义、透明运营、尽职调查与风险控制。

如果说资管行业的下一阶段竞争，注定不是经验与技术谁取代谁，而是谁更有能力把二者融合得更扎实、更稳健、更有纪律，那么陳永祐无疑提供了一个值得观察的样本。

在市场不断变化、技术持续迭代的今天，这样的样本也许恰恰说明了一件事：真正成熟的转型，从来不是追逐最响亮的概念，而是在变化中不断校准自己，最终走出一条既理解未来、也守住底线的路。

而这，或许正是一位传统资管人在AI量化时代最有分量的进化。