中港台「新经济，新金融」路演有感 Reflections on the “New Economy, New Finance” Roadshow

#aws #ai #fintech #bedrock

2025年8月29日，最后一站台湾，路演有感。

核心观点

1️⃣港台文化差异：新旧时代的轮舞曲；错失了优质力时机；高CP值的国民幸福感；高身份认同感；
2️⃣金融FSI行业篇：注重「整体收益」的高收益比；「复合型人才」是技术行业的大趋势；「领域+技术」双窝轮引擎；
3️⃣量化对沖基金篇：「罗马方阵vs日本浪人」文化；「逆人性」才是赚钱关键；创意择优；人机协同；安全可控；
4️⃣我学到了：人生聚焦，少即是多；以「深度」带出「广度」；但「细节」不等于「深度」；人生有无限种可能性，而不只有一条所谓「最好的路」；

聰明交易，迅速決策：以 AWS AI 洞察市場、發掘 Alpha 機會

本議程邀請經驗豐富的 Macro Trader 與 Crypto Trader 進行分享，親自分享如何實際採用 Amazon Bedrock、Amazon Q Developer，甚至 Kiro 等現代化工具，幫助交易者進行資料蒐集及決策制定，有效將市場噪音數據減少 80%，並提升超過 75% 的決策品質；同時也會由 AWS 專家分享，如何透過 AWS 工作有效發掘因子。

Smarter Trades, Faster Decisions: Unlocking Alpha with AI-Powered Market Insights on AWS

台湾有感

1️⃣新旧时代的轮舞曲；台南拥有传统的工业生产业，而台北拥有高科技创新业。而背后是年轻人对未来的决择，「往北/往南」都是一条好出路。
2️⃣错失了优质力时机；台币汇率曾贬值，虽然以一拆四贬值，以出口来解台湾的短期问题，但副作用也相当明显：台湾人不用进口货，不出国旅游，更没有动力去以高质量的目标经营事业，导致目前停留在「以量换价」的代工/中间品流程，因此错失了发展自己的台湾独立品牌的机会，更错失了发展「优质生产力」的最好时机。
3️⃣国民幸福感是可选择自己喜欢的生活风格；在台湾的街头有很多国民级娱乐，当中甚至有自发性的小团队，比如提「礼宾枪操/街舞/地雷系/亚系」等。台湾年轻人，随心选择自己喜欢的生活风格，而不用考虑别人的评价，比如「薪酬/晋升/专业性」的评价。因此，台湾是一个高CP的宜居城市。
4️⃣台湾有高身份认同感；反观香港人的身份认同感极低，甚至没有「国家/民族性」的概念，因此对自身的定位相当蒙糊，恰好反映在：虽有「国际视野」但仍「传统观念」办事，虽是「英语+普通话」教育但双语能力极不流利。而台湾人的身份认同感极高，心态上就显得从容，就算语言不好，往南也是一条好出路，因此人生不蒙糊也不焦虑，总有下一步可以选择。

精彩语录

金融FSI行业篇

1️⃣注重「整体收益」，而非「局部优化」；在技术行业，技术人有一个通病，很注重优化某一部份行业代码，预期提升0.01%准确度。但事实上，这种局部优化是极低收益。因此，技术人应该用大局思维去思考「整体收益」，或许优化某一点不起眼的技术流程有更高收益，比优化那0.01%准确度行业代码。
2️⃣「复合型人才」是技术行业的大趋势；COBOL是金融行业最早使用的编程语言，虽然是积累了四十多年的稳定业务经验，但随着愈来愈欠缺开发COBOL的技术人，因爲COBOL的冗长又难以维护；而Python/Java同时兼具「开发+数据分析+统计」等多功能属性，即孕育了同时懂「行业+业务+技术」的复合型人才，从而能选择自己喜欢的「行业/工作内容」，这是技术人的未来大趋势。
3️⃣「领域+技术」双窝轮引擎；纯粹的做技术，或者是纯粹的商业，其实都是盲人摸象，看不到行业的完整面貌。因此，行业专家都有双窝轮引擎，懂行业懂技术，才能实现「技术可以落地」，以各种「风险+短板+可行性」等维度，来做出行业价值。
4️⃣在新金融时代下，台湾金融法规显得相保守主义；台湾金融行业需要派人去观察机房，而香港的DataCentre机房，设有各种风险等级的区域，已是合符国际法规标准，所以就不用派人去观察机房。这背后显示了台湾法规更保守主义，如果能放宽限制，有助推动金融行业请向高质科技化。

量化对沖基金篇

5️⃣罗马方阵vs日本浪人，两个对冲基金文化；前者是把所有人整合到同一个portfolio更注重整体风险和透明度，互相分享知识+经验；后者是几个人用一个portfolio，注重个人独立的技艺，更具进攻性和威胁性，资本方可选择最出色的portfolio。
6️⃣「逆人性」才是赚钱关键，自己帐户vs别人帐户；如果是同一个交易员用同一个策略，惟一分别是「自己帐户vs公司帐户」，结果是自己帐户会亏钱。因爲人性令交易员产生「规避风险」心理，结果就是影响表现亏钱。
7️⃣创意择优，不在意用什么工具；无论是用传统的统计方法，还是最新的另类回测/因子发掘，还是最前沿的深度学习，只要最终效果是良好的，其实用什么工具都行。
8️⃣人机协同，量化虽好但不可缺失人类直觉；虽然用数学量化是确保了稳定性，但在关键时刻，仍然需要人类的直觉。
9️⃣云端只是「弹性成本」而非「安全可控」；对于金融商业客户，AWS的优势只是「弹性成本」，但现实中很多商业考虑，不单单是成本问题，比如有更重要的「可控」问题等，因此AWS不是首选方案。
量化对沖基金篇只是「行业洞察」，而不是最终答案。因此，只需选择对自己最好的独立观点，然后在现实中施展出来。

我学了什么？

1️⃣人生聚焦，少即是多；我聚焦在「宏观交易者」用「深度学习」在「主经纪商」。从而，在职场上的定位更加鲜明清晰，精准地切入了金融领域的「复合型人才」。
2️⃣以「深度」带出「广度」；当把「宏观」做的深入时，其实别人自然会联想到其他「交易领域」，即是以「深度」带出「广度」，而不用刻意强调广度「自己懂很多」。
3️⃣「细节」不等于「深度」；深度是有高价值的操作，比如是「带领往前瞻性目标/启迪伙伴提升层次」等。而非从细节入手，只是重覆性的低价值的操作，即俗称的「只懂玩细节，但连爲什么都解释不出来」。
4️⃣人生有无限种可能性，而不只有一条所谓「最好的路」；人生的目标不应该是「数字」一味地赚钱，而是把目标放在做觉得「有意义」的事情。幸运的是，我觉得做「交易+技术+创投+艺术」是有意义的事，并将其变成事业工作。