„PandaAI“ hat drei aufeinanderfolgende Finanzierungsrunden nacheinander abgeschlossen, wobei L2F Lighthouse Founders' Fund die Angel-Runde und die Angel+-Runde angeführt hat | L2F Portfolio

Kürzlich gab PandaAI, ein Unternehmen für AI-Handelsinfrastruktur, bekannt, dass es nacheinander drei Finanzierungsrunden abgeschlossen hat: die Seed-Runde, die Angel-Runde und die Angel+-Runde. Die gesamte Finanzierungssumme beträgt mehrere zehn Millionen Yuan RMB, wobei die Angel-Runde und die Angel+-Runde von L2F Lighthouse Founders' Fund angeführt wurden.

Die drei Finanzierungsrunden werden hauptsächlich für die fortlaufende Forschung und Entwicklung von großem KI-Handelsmodell, professionellen QuantSkills, Infrastruktur für die Zusammenarbeit mehrerer Agenten und Entwicklungsumgebungen für Handels-Agenten verwendet, um den Aufbau des technischen Systems von PandaAI OS, ADE und A2A zu beschleunigen; gleichzeitig wird der globale Nutzermarkt weiter ausgebaut, um die großflächige Implementierung von KI-Handelsfähigkeiten bei privaten Händlern, professionellen Investmentteams und Finanzinstituten voranzutreiben.

Von menschlicher Entscheidungsfindung zur Zusammenarbeit intelligenter Agenten

In den letzten Jahren konzentrierte sich die Anwendung der künstlichen Intelligenz im Finanzbereich hauptsächlich auf einzelne Punkte wie die Suche nach Forschungsberichten, Informationsgewinnung, Codegenerierung, Marktinterpretation und Effizienzsteigerung im Betrieb.

Diese Anwendungen verbesserten die lokale Effizienz, änderten aber nicht die grundlegende Organisationsweise der Handelsforschung. Daten, Faktoren, Strategien, Backtesting, Risikokontrolle und Handelsausführung sind immer noch auf verschiedene Tools und Systeme verteilt. Der Forschungsprozess hängt stark von der persönlichen Erfahrung ab, die Strategielogik ist schwer wiederverwendbar, und die fehlgeschlagenen Ergebnisse werden selten systematisch erfasst.

Mit der allmählichen Reifung von Großmodellen, professionellen Fähigkeiten und Technologien für mehrere intelligente Agenten tritt der KI-Handel in eine neue Phase ein.

Der Kern des nächsten Generations-KI-Handelssystems besteht nicht mehr nur darin, eine Marktfrage zu beantworten oder einen Abschnitt Strategiecode zu generieren, sondern die Handelsforschung in einen Satz von aufrufbaren, überprüfbaren, nachverfolgbaren und nachhaltig iterierbaren Arbeitsabläufen zu organisieren.

KI kann Daten und professionelle Tools aufrufen, Handelsannahmen verstehen, Faktorenforschung, Strategieentwicklung, Backtesting-Validierung und Risikoanalyse abschließen und unter klar definierten Autorisierungs- und Risikogrenzen eine Verbindung zu Simulations- und Echtzeithandelsszenarien herstellen.

Der Handel entwickelt sich allmählich von einem Beurteilungsprozess, der auf persönlicher Erfahrung beruht, zu einem kooperativen Arbeitsablauf für intelligente Agenten, der gemeinsam von Menschen und KI abgeschlossen wird.

Was PandaAI aufbaut, ist genau das neue Generation-AI Trading OS, das diesen Wandel unterstützt.

Lassen Sie jede Handelsbeurteilung in einen überprüfbaren Forschungs geschlossenen Kreislauf eintreten

Die traditionelle quantitative Forschung weist eine hohe Eintrittsschwelle auf.

Selbst wenn Benutzer über reife Marktbeurteilungen verfügen, fällt es ihnen oft schwer, Handelsideen in überprüfbare und ausführbare Strategien umzuwandeln, da sie nicht programmieren können, keine professionellen Daten haben, die Backtesting-Umgebung komplex ist oder die Tools voneinander getrennt sind.

Durch natürliche Sprachinteraktion und visuellen KI-Arbeitsablauf organisiert PandaAI „Handelsidee – Faktorenforschung – Strategiegenerierung – Backtesting-Validierung – Risikobewertung – Handelsausführung“ in demselben System.

Benutzer können Marktbeurteilungen in natürlicher Sprache ausdrücken, und das System ruft Daten, Modelle, Code, Backtesting, Risikokontrolle und Handelstools auf, um eine vage Handelsidee schrittweise in einen strukturierten Forschungsprozess umzuwandeln.

KI-Arbeitsablauf generiert durch natürliche Sprache

Natürliche Sprache ist nur der Interaktionseingang von PandaAI. Der wahre Kern liegt in der dahinter stehenden Agent-Engineering-Fähigkeit.

In dem visuellen Arbeitsablauf von PandaAI wird die komplexe Handelsforschung in Knoten wie Datenabruf, Faktorenkonstruktion, Codegenerierung, Strategie-Backtesting, Parameteranpassung, Risikoanalyse und Handelsverbindung zerlegt. Benutzer können einsehen, welche Daten in jedem Schritt verwendet wurden, welche Verarbeitung durchlaufen wurde und welche Ergebnisse erzielt wurden, und sie können vorhandene Prozesse jederzeit anpassen, ersetzen und wiederverwenden.

Im Vergleich zu der Situation, in der ein Großmodell direkt ein schwer zu erklärendes Handelsergebnis liefert, ermöglicht diese Arbeitsablaufarchitektur den Benutzern zu verstehen, wie das Ergebnis entsteht, Probleme in Daten, Code oder Strategien rechtzeitig zu erkennen und die Handelslogik durch fortlaufende Validierung zu optimieren, was einen zuverlässigeren Weg zur Verringerung von Modellhalluzinationen und Black-Box-Risiken bietet.

Was PandaAI den Händlern vermitteln möchte, ist nicht nur ein KI-Assistent, der Fragen beantworten kann, sondern ein KI-Handelssystem, das gemeinsam mit ihnen den Markt erforschen, Beurteilungen validieren und Handelserfahrungen nachhaltig erfassen kann.

Von einzelner Intelligenz zu Gruppenintelligenz: A2A rekonstruiert die Handelsforschung

Der echte Handel ist keine einzelne Aufgabe.

Eine vollständige Handelsforschung durchläuft normalerweise mehrere Schritte wie Datenabruf, Marktanalyse, Bildung von Handelssignalen, Strategie-Backtesting, Portfolio- und Positionsverwaltung, Risikoprüfung, Auftragsausführung und Nachbesprechung nach dem Handel.

Es ist schwierig, gleichzeitig professionelle Tiefe, Prozessstabilität und Ergebniserklärbarkeit zu berücksichtigen, wenn alle Arbeiten von einem einzigen Modell erledigt werden.

Daher hat PandaAI die A2A-Multi-Agent-Infrastruktur für KI-Handelsforschungszenarien aufgebaut – PandaAI EVO. Verschiedene Agenten übernehmen Aufgaben wie Datenverarbeitung, Faktorenforschung, Strategiegenerierung, Backtesting-Analyse, Risikobewertung und Handelsausführung und arbeiten durch einheitliche Arbeitsabläufe zusammen, um die Forschung abzuschließen.

Realisierung der A2A-Agent-Zusammenarbeit in PandaAI EVO

Zum Beispiel können andere Agenten historische Daten aufrufen, um die Annahme zu validieren, nachdem ein Agent eine Handelsannahme aufgestellt hat; nachdem die Strategie gebildet wurde, prüfen die Backtesting- und Risikokontrollagenten weiter die Ertragsleistung, die Stabilität unter extremen Marktbedingungen und potenzielle Risiken, und nehmen dann Anpassungen und Optimierungen entsprechend den Ergebnissen vor.

Diese Agent-zu-Agent-Zusammenarbeit macht den KI-Handel nicht mehr nur zu einer Situation, in der ein einzelnes Modell Fragen beantwortet, sondern wie ein professionelles Team, das durch Arbeitsteilung, Validierung und Feedback gemeinsam die vollständige Handelsforschung abschließt.

Das von PandaAI erforschte Agent Evolution bedeutet nicht, dass KI ohne Einschränkungen selbstständig handelt, sondern dass die Agenten unter klar definierten Datenbereichen, Toolberechtigungen, Risikoregeln und menschlicher Autorisierung den Forschungspfad ständig anhand von Backtesting-Ergebnissen, Marktveränderungen und Ausführungsfeedback korrigieren.

Wenn dieses Feedback kontinuierlich stattfindet, sammelt das System nicht mehr nur Marktdaten, sondern auch Arbeitsablaufdaten, die während des Handelsforschungsprozesses entstehen: Wie Benutzer Annahmen aufstellen, welche Faktoren übernommen oder aufgegeben werden, wie Parameter angepasst werden, warum Strategien fehlschlagen und wie Simulations- und Echtzeitergebnisse die Forschungslogik rückwirkend beeinflussen.

Diese Daten, die um den echten Handelsprozess herum entstehen, werden zu einer wichtigen Grundlage für die kontinuierliche Weiterentwicklung des KI-Handelssystems.

AI Trading OS: Lassen Sie Daten, Modelle und Agenten in den geschlossenen Handelskreislauf eintreten

Entsprechend den Handelsforschungsweisen verschiedener Benutzer hat PandaAI Kernprodukte wie OS, ADE, QUBE und A2A gebildet, die von QuantSkills mit einheitlicher professioneller Fähigkeitsunterstützung versorgt werden und unterschiedliche Anforderungen wie One-Stop-Forschung, natürliche Sprachstrategieentwicklung, tiefgreifende Investmentforschung und Multi-Agent-Zusammenarbeit abdecken.

Um den KI-Handelsarbeitsablauf herum hat PandaAI eine Produkt- und Technologiearchitektur gebildet, die aus vier Ebenen besteht.

Die erste Ebene ist der Daten- und Forschungsunterbau.

Die Plattform integriert Marktdaten, Finanzdaten und makroökonomische charakteristische Daten aus mehreren Märkten im In- und Ausland, um grundlegende Unterstützung für Marktforschung, Strategievalidierung und Agent-Aufruf bereitzustellen.

Die zweite Ebene sind Modelle und professionelle Fähigkeiten.

Mit den selbst entwickelten CQ- und TQ-Modellen von PandaAI als Kern, unterstützt die Plattform gleichzeitig die Anbindung externer allgemeiner Großmodelle, kombiniert Finanzdaten und professionelle Tools, um Benutzern bei der Anforderungsverständnis, Codegenerierung, Faktorenausgrabung, Strategieanalyse und Forschungs Erklärung zu helfen.

PandaAI QUBE Konversationsassistent für Investmentforschung

Die dritte Ebene ist das Agent-Engineering- und Zusammenarbeitssystem.

Die Plattform organisiert Modelle, Daten und Tools zu aufrufbaren, orchestrierbaren und kooperativen Handelsagenten und unterstützt durch die ADE-Entwicklungsumgebung und die A2A-Architektur mehrere Agenten, die gemeinsam Datenanalyse, Strategieforschung, Backtesting und Risikokontrollaufgaben erledigen.

PandaAI EVO - erfüllt die tiefgreifenden Investmentforschungsanforderungen von Agenten

Die vierte Ebene ist die Handelsverbindung.

Durch Schnittstellen zu Wertpapierhäusern, Futures-Unternehmen und Handelssystemen werden unter Benutzergenehmigung und Risikokontrollregeln Simulations- und Echtzeithandelsszenarien verbunden, um einen vollständigen geschlossenen Kreislauf von Handelsideen, Strategievalidierung bis hin zu Ausführungsfeedback zu bilden.

Echtzeithandel

Diese Architektur ermöglicht es PandaAI, gleichzeitig private quantitative Forscher, professionelle Handelsteams und Finanzinstitute zu bedienen und KI-Fähigkeiten schrittweise in echte Investmentforschungs- und Handelsprozesse einzubetten.

Forschung ist nicht das Ziel, der echte Markt ist die Antwort

Li Yuqi, Gründer und CEO von PandaAI, befasst sich seit langem damit, wie KI den Markt verstehen, Handelslogik validieren und in einer sich ständig verändernden Umgebung kontinuierlich lernen kann.

In diesem Zusammenhang hat das PandaAI-Team zwei Forschungsarbeiten im Bereich des KI-Handels veröffentlicht.

Eine der Studien konzentriert sich darauf, wie KI gleichzeitig Marktveränderungen, Handelsregeln und Risikobeschränkungen verstehen kann, um Handelsideen schrittweise in überprüfbare und ausführbare Forschungslösungen umzuwandeln; die andere Studie erforscht weiter die Agent-to-Agent-Selbstevolution, d. h. wie mehrere KI-Agenten durch kontinuierliche Zusammenarbeit, Kreuzvalidierung und Feedbacklernen Handelswissen bilden können, das sich besser an die echte Marktumgebung anpasst.

Die beiden Arbeiten sind nicht in der theoretischen Forschungsphase stecken geblieben. Das PandaAI-Team wendet die Methoden zu quantitativen spezialisierten Modellen, Multi-Agent-Zusammenarbeit, Faktorenausgrabung und adaptiver Evolution schrittweise auf das CQ-Modell, die ADE-Entwicklungsumgebung, die A2A-Architektur und den KI-Arbeitsablauf an, damit die Forschungsergebnisse wirklich in ein Produktsystem eintreten, das von Benutzern verwendet und von Institutionen angebunden werden kann.

Li Yuqi ist der Ansicht, dass sich die Entwicklung des KI-Handels nicht auf Marktfragenbeantwortung, Codegenerierung oder einzelne Analysen beschränken wird. Sein Evolutionspfad wird von der Erledigung einzelner Aufgaben schrittweise zur Beteiligung an standardisierten Forschungsprozessen, zur Verwaltung komplexer Handelsarbeitsabläufe, zur kontinuierlichen Iteration von Strategielogik und zur Übernahme vollständigerer Forschungs- und Ausführungsaufgaben unter klar definierten Autorisierungs- und Risikobeschränkungen gelangen.

PandaAI hofft, den KI-Handel von dem „Wettbewerb um Modellfähigkeiten“ in den „Wettbewerb um Systemfähigkeiten“ voranzutreiben: Was den Wert eines Produkts bestimmt, sind nicht nur die Modellparameter, sondern wer besser Daten, Modelle, Tools, Agenten, Risikoregeln und Handelsfeedback organisieren kann.

Ausgehend von 100.000 Benutzern aufbauen eines Ökosystem-Flywheels für KI Trading

Bis heute hat PandaAI mehr als 100.000 Benutzer im In- und Ausland angesammelt und mit mehreren Wertpapierhäusern, Futures-Unternehmen, Fonds und professionellen Finanzinstituten die industrielle Zusammenarbeit bei KI-Handelsfähigkeiten vorangetrieben.

Im Szenario für private Benutzer hilft PandaAI Forschern und Händlern, Datenanalyse, Faktorenausgrabung, Strategiegenerierung, Backtesting-Validierung und Handelsnachbesprechung abzuschließen, und senkt die technische Schwelle für den Aufbau einer vollständ