YC S26公司Prodigy Research正式亮相，稱其量化金融基礎模型在YC孵化期間實盤收益超過100%
Prodigy稱量化模型實盤收益翻倍
YC S26公司Prodigy Research正式亮相，稱其量化金融基礎模型在YC孵化期間實盤收益超過100%，實現本金翻倍。
公司稱策略採用Delta中性結構，並表示整個週期沒有出現單週虧損；對比基準爲同期下跌或橫盤的標普500和納斯達克指數。
Prodigy宣稱，其AI量化交易員超過Jane Street第90百分位交易員，並在金融研究與量化評測中擊敗Claude Fable和GPT-5.6 Sol。該等比較均爲公司自報，未見公開評測集、評分標準或獨立複覈。
公司未公開披露實盤本金、交易標的、槓桿、換手率、交易成本、容量上限、最大回撤、賬戶對賬單或第三方審計報告；因此，100%收益不能直接轉換爲可複製、可擴容或經風險調整後的策略回報。
創始團隊由兄弟Michael Wang和Yuhua Wang組成。Michael Wang曾任Jane Street量化交易員、後在Google DeepMind參與前沿模型訓練；Yuhua Wang曾在Apple與Salesforce從事AI系統工作。
市場機制上，Prodigy目前仍以YC支持的研究型AI公司融資，而非對外募資的量化基金。投資人購買的是“模型可替代金融研究與交易勞動”的增長期權；若策略有效且容量可擴展，資金將流向模型訓練、數據、執行基礎設施和人才，反之則會被交易成本、滑點、擁擠交易與風險暴露吞噬。
來源：公開信息
ABAB AI 解讀
Michael Wang的職業路徑把交易與模型研發連接起來：Jane Street經歷提供市場微觀結構、風險管理與交易執行視角，Google DeepMind經歷則提供前沿模型訓練能力。Yuhua Wang在Apple與Salesforce參與大規模AI平臺建設，意味着Prodigy的差異化主張不是單次交易信號，而是把模型、智能體、研究流程和實盤執行整合爲閉環系統。
Prodigy此前以Prodigy AI的名稱聚焦預測市場交易智能體，目標是讓Agent在Polymarket、Kalshi等市場中自主尋找信息差與執行交易；如今升級爲量化金融基礎模型，意味着其資本敘事從單一預測市場套利，擴展到可服務研究、交易、風控與金融數據分析的更大軟件和資產管理市場。
歷史類比中，文藝復興科技的Medallion基金長期被視爲量化交易的極端成功案例，但其核心約束正是容量：策略規模擴大後會稀釋收益，因此基金長期主要對內部員工開放。Prodigy即使短期收益屬實，也必須回答同一個問題——在更大資金規模下，Delta中性收益是否仍能覆蓋市場衝擊、滑點、融資成本和競爭性複製。
這屬於資本集中。基礎模型讓更多參與者獲得研究與代碼能力，但可持續交易收益依舊集中在擁有獨特數據、低延遲執行、風險資本、市場準入和容量管理能力的少數系統中。模型可以降低發現機會的成本，卻不能消除機會被交易後迅速衰減的市場規律；真正的護城河不在“模型能預測”，而在“資金進入後還能執行”。
ABAB News · 認知定律
回測證明想法，實盤才證明摩擦
收益能複製，容量未必能複製
模型發現機會，執行決定誰能賺錢