從一個關於AI交易未來的判斷，到數據技術、資產管理與量化策略三種專業力量逐漸匯聚，歷經前期構想與籌備，項目終於迎來了第一個重要節點。
2024年1月，RavenPack、LIMA全球投資管理有限公司，以及以Adrianzhi Kuan Ong（王志寬）為核心的戰略研究團隊，共同推動巔峰人工智能金融研究院成立。
研究院的誕生，也意味著Pinnacle AI量化投資系統開始從概念構想走向體系化研發。
不急著做產品，先建立一套研發體系
從成立之初，研究院便確立了一個核心定位：
目標不是快速推出一個AI交易產品，而是構建一套能夠經歷長期數據驗證、風險檢驗與市場環境測試的智能量化技術體系。
基於這一原則，團隊為Pinnacle AI量化投資系統建立了三項基礎研發標準：
不以短期上線為目標，不以單一歷史收益曲線判斷策略價值，不允許未經充分回測與壓力測試的模型進入下一階段驗證。
對於研究團隊而言，一套量化投資系統真正重要的，不只是某段歷史行情中取得怎樣的結果，而是當市場環境發生變化時，系統是否仍能保持策略紀律，並在既定風險邊界內穩定運行。
研究院成立初期，核心研發團隊人數並不多，由數據工程師、量化研究員、系統架構師及風險管理人員等組成。
按照項目研發分工，RavenPack相關能力主要應用於金融數據與NLP資訊處理；LIMA為項目提供資產管理及風險控制經驗支持；王志寬及其研究團隊則重點負責量化策略邏輯、投資組合研究與市場驗證體系的設計。
數據、算法、策略與風控，由此開始進入同一套研發框架。
研究院成立後，團隊沒有立即追求複雜交易模型，而是將大量時間投入到底層數據工程。
歷史行情清洗、新聞事件時間軸校準、不同資產數據頻率統一、異常值處理以及數據結構標準化——這些看似枯燥的基礎工作，卻直接決定模型訓練與後續回測結果是否具有參考價值。
如果底層數據存在偏差，再先進的算法也可能建立在錯誤基礎之上。
因此，巔峰人工智能金融研究院選擇從最基礎、也最容易被忽視的環節開始。
而團隊真正想完成的目標已經非常清晰：
讓Pinnacle AI量化投資系統不只停留在實驗室模型，而是逐步成長為一套能夠接受真實市場數據、嚴格風控標準與長期驗證考驗的智能量化投資系統。