AI重塑公募量化投資生態(tài)

　　【導讀】拓展量化投資應(yīng)用邊界，提升非結(jié)構(gòu)化數(shù)據(jù)處理能力，AI重塑公募量化投資生態(tài)

　　近年來，人工智能（AI）技術(shù)迅猛發(fā)展，正以前所未有的深度和廣度滲透至金融領(lǐng)域。今年以來，多家頭部基金公司官宣將人工智能融入日常的量化投資策略中，部分機構(gòu)更是推出了主打AI策略的量化基金。

　　多位業(yè)內(nèi)人士表示，隨著AI滲透率的提升，非結(jié)構(gòu)化數(shù)據(jù)在因子挖掘中的貢獻度也在同步增長。DeepSeek等大模型的崛起，更是讓衛(wèi)星圖像分析、產(chǎn)業(yè)鏈情緒圖譜構(gòu)建等應(yīng)用成為現(xiàn)實，為投資策略創(chuàng)新打開了新空間。

　　與此同時，AI的快速迭代也帶來了同質(zhì)化、模型過擬合、市場突變適應(yīng)等挑戰(zhàn)。在這場AI引發(fā)的行業(yè)變革中，人類經(jīng)驗與機器智能的協(xié)作模式成為行業(yè)共識，而復合型人才的需求、技術(shù)門檻的演變以及被動化投資與AI的疊加效應(yīng)，正在重塑量化投資生態(tài)。

AI拓展量化投資應(yīng)用邊界

提升非結(jié)構(gòu)化數(shù)據(jù)處理能力

　　AI技術(shù)正在深刻改變各個行業(yè)的面貌。從醫(yī)療到交通，從制造業(yè)到金融服務(wù)，AI的影響力無處不在。

　　在金融領(lǐng)域，將AI技術(shù)融入日常策略之中正成為各家公募基金量化投資團隊的最新嘗試。近日，富國基金推出“AI+量化”的富國致盛量化選股股票型基金，安信基金經(jīng)理施榮盛以機器學習算法為研究重心，匯添富基金量化投資團隊上線了AI類策略等。

　　毫無疑問，AI技術(shù)正在為量化策略開發(fā)打開“第二增長曲線”。據(jù)海富通基金量化投資部介紹，傳統(tǒng)量化策略近幾年越來越擁擠。大語言模型能夠處理之前很難被運用的非結(jié)構(gòu)化數(shù)據(jù)，給量化策略帶來了新的Alpha來源。“例如，我們團隊使用了大語言來分析市場上海量的新聞、研報信息，給個股每日更新的情緒打分，這個打分作為一個因子，應(yīng)用在量化模型中，取得了超越傳統(tǒng)基本面因子的效果?！?/p>

　　據(jù)華泰柏瑞量化與海外投資部人士透露，該團隊多年前已應(yīng)用自然語言處理技術(shù)分析金融文本。在他們看來，當前這波AI浪潮的顯著特點是較大提升了處理非結(jié)構(gòu)化數(shù)據(jù)（如新聞、報告、社交媒體信息）的能力，深化了對復雜信息的理解，并降低了高級分析的門檻，為投資研究提供了更強大的武器。

　　國金基金量化投資中心副總經(jīng)理馬芳表示，國金基金量化在AI方面的應(yīng)用和實踐可以追溯到2015年，2016年開始的實盤量化產(chǎn)品是基于機器學習的框架實現(xiàn)的。

　　多位受訪人士同時強調(diào)，在AI技術(shù)的賦能下，量化投資傳統(tǒng)方法與新技術(shù)將互補共生，傳統(tǒng)數(shù)學建模與金融工程的基石地位并未動搖。

　　浙商基金智能權(quán)益投資部副總經(jīng)理胡羿直言，傳統(tǒng)的數(shù)學建模和金融工程奠定了量化投資的基礎(chǔ)，在風險控制、理論框架構(gòu)建方面仍具有不可替代的作用。AI則專注于數(shù)據(jù)挖掘，拓展量化投資的邊界。

　　西部利得基金表示，盡管AI技術(shù)為量化投資乃至整個投資行業(yè)都帶來了顛覆性的影響，但傳統(tǒng)方法可能不會這么快就失效，還是會有許多邏輯清晰、理論扎實的投資方法論或定價因子在AI時代保持有效性。

人類經(jīng)驗和判斷力仍是核心

　　雖然不少資管機構(gòu)積極擁抱AI，但在提升策略迭代效率的同時，他們也面臨數(shù)據(jù)噪音、過擬合、市場環(huán)境突變等問題。不少人士直言，人類經(jīng)驗和判斷力在AI賦能中依然是核心。

　　“推理模型目前只能作為投資輔助，不能直接用在投資上，能力還顯不足。AI智能投資團隊曾做過試驗，將近期新聞、市場行情變化、賣方研報等‘喂給’DeepSeek，讓它做投資判斷，結(jié)果超額收益并不顯著。DeepSeek投資思維深度比過去的通用大模型更強，但比訓練多年的本地細分模型要低，能力還需要進一步提升。另外，目前大模型存在‘幻覺’問題，引用虛構(gòu)數(shù)據(jù)，因此機構(gòu)只能有限制地使用它?！闭闵袒鹬悄軝?quán)益投資部副總經(jīng)理胡羿表示，為了避免大模型過于依賴歷史數(shù)據(jù)，人本身給他的經(jīng)驗知識也是非常重要的?！拔覀冞^去在做AI模型的時候，不是純數(shù)據(jù)驅(qū)動，需要跟主動研究員交流經(jīng)濟學邏輯、建立模型，對于A股市場會更加適合。”

　　華泰柏瑞量化與海外投資部人士也表示，數(shù)據(jù)噪音、模型對歷史數(shù)據(jù)的“過擬合”、市場結(jié)構(gòu)性突變以及AI本身可能存在的“幻覺”、偏見等問題，都要求我們在AI應(yīng)用中保持警惕。因此，人類的經(jīng)驗和判斷力在AI賦能的量化投資中依然是核心和關(guān)鍵。

　　此外，西部利得基金也表示，投資是非常復雜的系統(tǒng)工程，且高度依賴邏輯推理。如果只是盲目地問“明天哪只股票漲得好”，沒有模型能回答準確?！皯?yīng)用AI需要理解AI做出決策的邏輯，知道AI賺的是什么錢”。

加大對人才結(jié)構(gòu)的調(diào)整

　　西部利得基金表示，量化大廠在未來有望成為AI大廠。“我們有‘T型人才’的概念：一橫代表在廣泛的領(lǐng)域都有涉獵，一豎代表在某一個特定領(lǐng)域有極深的鉆研。因此我們并非簡單地根據(jù)背景把人劃分成金融或科技，而是要求所有團隊成員都至少會使用AI，進一步掌握AI技術(shù)?！?/p>

　　胡羿也表示，傳統(tǒng)量化團隊需調(diào)整組織架構(gòu)以適應(yīng)新需求。一方面，引入算法工程師、AI倫理專家等科技人才，加強技術(shù)研發(fā)能力；另一方面，保留和培養(yǎng)具有深厚金融背景的人才，發(fā)揮其對市場的理解和投資經(jīng)驗優(yōu)勢。在人才比例上，應(yīng)根據(jù)團隊的業(yè)務(wù)方向和發(fā)展階段靈活調(diào)整，初期可適當增加科技人才投入，后期注重兩類人才的平衡與協(xié)作。

　　“隨著AI技術(shù)在量化領(lǐng)域的不斷應(yīng)用，這兩年量化團隊都更傾向于招聘有AI算法背景的人才，最傾向于既懂算法、又懂量化的復合型人才。DeepSeek等AI工具的發(fā)展，給了一些中小型團隊參與競爭的機會。例如，之前大公司會雇用大量量化研究員來挖因子，現(xiàn)在小團隊使用大語言模型+遺傳規(guī)劃算法，可以大大提高因子挖掘的效率。利用好AI工具，中小團隊也有彎道超車的機會?！焙８煌ɑ鹆炕顿Y部表示。

　　值得一提的是，DeepSeek等AI工具將引發(fā)行業(yè)競爭格局的變化。

　　胡羿表示，DeepSeek這類工具會在一定程度上降低策略研究門檻，使更多機構(gòu)能夠開展復雜的量化研究。這將引發(fā)行業(yè)競爭格局的變化，具備技術(shù)優(yōu)勢和數(shù)據(jù)資源的機構(gòu)將更具競爭力，行業(yè)集中度可能提高。但同時，也促使各機構(gòu)加快創(chuàng)新步伐，尋找差異化競爭優(yōu)勢。

　　對此，華泰柏瑞量化與海外投資部人士認為，DeepSeek這類工具能夠降低策略研究在操作性和工具性方面的部分門檻，但核心策略研究的門檻并未降低，甚至可能在某些維度上被抬高。這些核心門檻包括：獲取獨特、高質(zhì)量、合規(guī)的數(shù)據(jù)資源的能力；產(chǎn)生真正創(chuàng)新性的、基于深刻市場理解的投資洞察和策略邏輯的能力；將AI模型有效融入復雜投研流程，并進行嚴格風險管理和驗證的能力；構(gòu)建穩(wěn)定、高效、可擴展的技術(shù)架構(gòu)和數(shù)據(jù)治理體系的能力；吸引、培養(yǎng)和留住頂尖復合型人才的能力。

　　“那些能夠快速適應(yīng)變化，成功將AI深度整合進自身核心投研體系，并形成獨特人機協(xié)作優(yōu)勢的機構(gòu)將脫穎而出，而無法跟上技術(shù)變革或僅停留在表面應(yīng)用的機構(gòu)可能會被邊緣化。另外，客戶和市場對量化機構(gòu)的期望會普遍提高，客觀上會抬高行業(yè)的整體競爭門檻?！比A泰柏瑞量化與海外投資部人士表示。

未來競爭關(guān)鍵

或在于小模型應(yīng)用能力

　　在業(yè)內(nèi)人士看來，即使未來通用人工智能（AGI）實現(xiàn)突破，量化投資完全由AI主導的可能性也不大。展望未來，行業(yè)努力的方向或在于探索和建立安全合規(guī)且成本可負擔的共享算力基礎(chǔ)設(shè)施。

　　西部利得基金指出，市場仍然是高度非線性、動態(tài)變化的。即使AGI有極強的學習推理能力，當面臨市場這個復雜系統(tǒng)時，預測能力仍然會受限。因此，投資由AI主導的可能性很低。

　　海富通基金量化投資部認為，即使未來AGI實現(xiàn)突破，推動量化投資全流程AI自動化，但監(jiān)管、風險等因素限制其完全主導，未來更可能呈現(xiàn)AI決策與人類監(jiān)管相結(jié)合的模式。未來3~5年，量化投資可能會借助強化學習、解釋性AI、多模態(tài)數(shù)據(jù)融合和超低延時交易等技術(shù)不斷突破。

　　談及未來AI與量化投資結(jié)合最值得關(guān)注的技術(shù)趨勢，胡羿認為，一是智能體技術(shù)的發(fā)展；二是對非結(jié)構(gòu)化數(shù)據(jù)的深度挖掘和應(yīng)用；三是強化學習在量化投資中的應(yīng)用，通過不斷試錯優(yōu)化投資策略，提升投資績效。

　　華泰柏瑞量化與海外投資部人士認為，AI與量化投資結(jié)合是值得關(guān)注的趨勢，但并非某個單一算法的突破，而是如何解決阻礙先進AI技術(shù)廣泛應(yīng)用的“算力壁壘”問題。未來幾年關(guān)鍵的趨勢和努力方向在于探索和建立新型的、安全合規(guī)、成本可負擔的共享算力基礎(chǔ)設(shè)施。

　　在被動化投資興起與AI浪潮的疊加效應(yīng)下，量化投資迎來機遇，也面臨挑戰(zhàn)。在馬芳看來，被動投資的普及提升市場有效性，對超額收益是負向影響，生產(chǎn)工具的改進有可能帶來超額的提升。兩方面共同作用之下，隨著市場充分競爭，有效性提升，超額收益將是遞減的。

　　海富通基金量化投資部表示，在被動化投資浪潮下，越來越多投資者關(guān)注到了指數(shù)增強類產(chǎn)品。而AI量化具有的高勝率、低波動等特點，和指數(shù)增強策略是天然適配的。當然，隨著更多的團隊開始使用AI技術(shù)，策略的同質(zhì)化也會加劇，這一方面會帶來Alpha收益的下降，也會在市場極端情況下放大策略波動。

　　西部利得基金表示，對于資本市場而言，或可期待更多的創(chuàng)新性產(chǎn)品涌現(xiàn)。

　　華泰柏瑞量化與海外投資部人士表示，市場效率可能發(fā)生復雜演變，信息處理更快，但也可能出現(xiàn)新的動態(tài)；主動與被動投資將共生演化，AI將推動兩類策略內(nèi)部的創(chuàng)新，對資產(chǎn)管理機構(gòu)的綜合能力要求將全面提升；確保AI技術(shù)公平可及、維護市場生態(tài)健康將變得更為重要。

　　胡羿稱，未來公募基金之間的競爭關(guān)鍵在于小模型的應(yīng)用能力，就像在電腦軟件普及后，大家基礎(chǔ)工具相同，比拼的是細節(jié)處理能力。在投資領(lǐng)域，小模型可針對特定金融場景、行業(yè)需求，與大模型協(xié)同工作，挖掘更精準、有效的投資信息。此外，隨著量化投資規(guī)模擴大，監(jiān)管難度也將增加，需建立更完善的監(jiān)管體系以保障市場穩(wěn)定。

（文章來源：中國基金報）

(原標題：AI重塑公募量化投資生態(tài))

(責任編輯：126)