Auch ohne Programmierkenntnisse lassen sich Backtests durchführen, Zhizhi Quant strebt eine Finanzierung in der Angel-Runde an.
ZhiZhi Quant ist eine Plattform für Strategie-Backtesting und quantitativen Forschung, die von Shanghai ZhiZhi Technology Co., Ltd. entwickelt und betrieben wird. Nutzer können darauf Regeln für die Aktienauswahl und die Anpassung der Portfoliogewichte festlegen, diese anhand historischer Marktdaten durchlaufen lassen und erhalten dann Angaben zum Nettovermögenswert, maximalen Drawdown, detaillierten Kosten sowie Aufzeichnungen darüber, warum jede Transaktion ausgeführt oder abgelehnt wurde.
Das Unternehmen wurde im Juli 2026 gegründet, hat ein eingetragenes Kapital von 1 Million Yuan, der Gründer Su Zhenpeng hält 100 % der Anteile, das Vollzeitteam umfasst 2 bis 3 Personen. Derzeit wird eine Angel-Finanzierung in Höhe von 3 Millionen Yuan angestrebt, bei der 10 % der Unternehmensanteile veräußert werden, was einer Vorfinanzierungsbewertung von 27 Millionen Yuan entspricht.
Lücke: 250 Millionen Menschen fehlt ein Ort zur selbstständigen Überprüfung
Daten der China Securities Depository and Clearing Corporation zeigen, dass Ende 2025 die Zahl der Anleger am A-Share-Markt 250,67 Millionen betrug, davon entfielen 99,76 % auf natürliche Personen; in den ersten 10 Monaten des Jahres 2026 wurden 28,6265 Millionen neue Konten eröffnet, was bereits über dem Gesamtwert des Jahres 2025 liegt. Im gleichen Zeitraum belief sich das verwaltete Vermögen der quantitativen Private-Equity-Fonds auf etwa 1,8 Billionen Yuan, das Vermögen der öffentlichen und privaten quantitativen Aktienfonds auf etwa 2,25 Billionen Yuan. Die Methoden verbreiten sich, aber die Fähigkeit von Privatpersonen, diese Methoden zu überprüfen, hält nicht Schritt – manche folgen ihnen nach Gefühl, andere gehen davon aus, dass es sich alles um Betrug handelt.
Das Angebot gliedert sich grob in drei Kategorien mit jeweiligen Grenzen: Professionelle Forschungsplattformen (wie JoinQuant, RiceQuant, Uqer) verfügen über umfassende Funktionen, gehen aber davon aus, dass die Nutzer programmieren können und das Backtesting-Framework verstehen, sodass es mehrere Tage bis Wochen dauert, von der Registrierung bis zum ersten funktionierenden Strategielauf. Einsteigerfreundliche Aktienauswahltools lassen sich schnell erlernen, aber der Nachteil ist, dass die Nutzer nicht sehen können, wie die Regeln berechnet werden und wie Transaktionen zustande kommen. Marktdaten-Terminals lösen das Problem des Informationszugriffs, übernehmen selbst aber keine Überprüfungsfunktion. Daraus ergibt sich ein ganz konkreter Bedarf: Eine Überprüfungsumgebung, in der keine Umgebung erst aufgebaut werden muss und der gesamte Berechnungsprozess vollständig einsehbar ist.
Vier Schritte für einen vollständigen Forschungsprozess
Die Plattform reduziert den Ablauf auf vier Schritte: Die Idee wird per KI-Unterstützung oder manuell in Strategie-Code umgewandelt, anschließend wird ein historisches Backtesting durchgeführt, danach wird ein Simulationsportfolio mit historischen Tagesdaten betrieben, und schließlich wird der Python-Quellcode exportiert.
Daten, Anpassungen für Kapitalmaßnahmen, Kosten und Abgleichsregeln sind auf der Plattform voreingestellt. Personen, die nicht programmieren können, können die Bedingungen auf Chinesisch beschreiben, die KI wiederholt zuerst die von ihr verstandenen Regeln, und nach Bestätigung durch den Nutzer wird bearbeitbarer Code generiert. Die Plattform bietet außerdem 26 direkt ausführbare Beispielstrategien, die in die fünf Kategorien Trend, Momentum, Wert, Qualität und niedrige Volatilität unterteilt sind, mit Angabe des Schwierigkeitsgrads und der erforderlichen historischen Datenlänge, ergänzt um 8 einführende Bild-Text-Anleitungen. Auch ohne Nutzung der KI oder Beachtung der Beispiele lassen sich manuell geschriebene Codes problemlos ausführen.
Die Glaubwürdigkeit der Ergebnisse hängt von mehreren Details ab: Intervall, Benchmark, Kapital, maximale Portfoliogewichtung, Provision, Stempelsteuer, Übertragungsgebühr und Slippage werden vor dem Lauf explizit festgelegt; T+1-Regel, Aussetzung des Handels, Preisober- und -untergrenzen, Handel in vollen Losen und verfügbares Kapital sind im Abgleichsmechanismus integriert. Für Forschungssignale werden vor Kapitalmaßnahmen angepasste Kurse verwendet, für den Handelsabgleich nicht angepasste Kurse, um zu vermeiden, dass durch angepasste Kurse erzielte Transaktionen die Rendite überhöhen. Auf der Ergebnisseite werden neben der kumulierten Rendite, der annualisierten Rendite, dem maximalen Drawdown, dem Sharpe-Verhältnis und der Überrendite auch detaillierte Transaktionsaufzeichnungen und Gründe für abgelehnte Aufträge aufgeführt. Die Plattform bietet gleichzeitig eine Überprüfung anhand festgelegter außerhalb der Stichprobe liegender Daten und eine rollierende Überprüfung mit festen Parametern an und weist darauf hin, dass die Parameter nicht nach Betrachtung der Ergebnisse außerhalb der Stichprobe nachträglich angepasst werden sollten, da die Strategie sonst außerhalb der Stichprobe unwirksam wird. Bei der Faktoranalyse können IC- und IR-Werte eingesehen werden, aber da Faktoren nur für die Filterung von Signalen zuständig sind, muss die Frage, ob die Aktie erworben werden kann und wie viel nach Abzug der Kosten übrig bleibt, weiterhin im detaillierten Backtesting überprüft werden.
Der exportierte Quellcode wird vom Nutzer selbst in der Zielhandelsumgebung angepasst und verwendet. Die Plattform nimmt keine echten Gelder entgegen, verbindet sich nicht mit Brokerkonten, gibt keine Aktienempfehlungen heraus und führt keine Strategieabgleiche durch. Auf allen Ergebnisseiten wird der Hinweis „Historische Performance stellt keine Garantie für zukünftige Renditen dar“ angezeigt.
351 Registrierungen, Bezahlvorgänge beginnen mit KI-Punkten
Vom 10. Oktober bis zum 8. November 2026 verzeichnete die Plattform 11087 Seitenaufrufe, 1267 Besucher, 351 neue Registrierungen und 347 aktive registrierte Konten; davon haben 140 Nutzer Strategien gespeichert, 114 Nutzer haben das Backtesting erfolgreich durchgeführt und 23 Nutzer haben ein Simulationsportfolio erstellt. Su Zhenpeng legt mehr Wert auf die Tiefe des Trichters: Von den 351 neuen Registrierungen haben 40 % eine Strategie gespeichert und 32 % ein Backtesting erfolgreich durchgeführt, was zeigt, dass die Nutzer tatsächlich in den Forschungsprozess eingebunden wurden und nicht nur auf der Registrierungsseite verblieben sind.
Die Bezahlung beginnt mit KI-Punkten. Es gibt drei Abonnementstufen zu 19,9 Yuan, 99,9 Yuan und 199 Yuan pro 30 Tagen sowie vier Stufen für die Aufladung von Punkten von 10 Yuan bis 200 Yuan. Das Generieren eines neuen Codes kostet 20 Punkte, das Ändern des aktuellen Codes 10 Punkte. Die Bearbeitung und Speicherung von Strategien, das zugängliche historische Backtesting und die einführenden Bild-Text-Anleitungen sind kostenlos, die Bezahlung bezieht sich nur auf verbrauchsintensive Funktionen wie KI und Simulationsportfolios.
Für die Kundengewinnung gibt es kein Werbebudget, die Nutzer stammen hauptsächlich aus dem öffentlichen WeChat-Account „Herrn Zhis ZhiZhi KI-Szene“ – drei Artikel haben insgesamt etwa 24.000 Leser erreicht, und die Leser wechseln nach privater Kommunikation auf die Plattform.
Su Zhenpeng hat einen Bachelor-Abschluss der Shanghai University und einen Master-Abschluss der East China Normal University, verfügt über langjährige Erfahrung im Bereich Datenprodukte und kann die Entwicklung von Datenpipelines, der peripheren Logik der Backtesting-Engine und Produktprototypen selbstständig durchführen. 12 Monate nach Abschluss der Finanzierung ist geplant, jeweils einen Backend-/Dateningenieur, einen Frontend-Ingenieur und einen Content-Betreuer einzustellen, es gibt keine Vertriebsstellen. Die 3 Millionen Yuan werden wie folgt verwendet: 1,2 Millionen Yuan für Produkt und Forschung und Entwicklung, 600.000 Yuan für Daten und Cloud-Ressourcen, 600.000 Yuan für Inhalte und Kundengewinnung, 450.000 Yuan für die Erweiterung des Teams und 150.000 Yuan für Rechtskonformität und Rücklagen, der Verwendungszeitraum beträgt 18 Monate.
Neben individuellen Abonnements plant das Unternehmen, private Bereitstellungslösungen für wirtschaftswissenschaftliche und finanzielle experimentelle Lehrveranstaltungen an Hochschulen, berufliche Bildung sowie Anlageberater bei Brokern anzubieten und innerhalb von 12 Monaten 2 bis 3 Pilotprojekte an Hochschulen abzuschließen.