原標題：泓德基金李子昂：AI+量化投資大有可為，主流寬基指數(shù)存在較大修復(fù)空間｜基遇

【編者按】2023年，A股市場高開低走，全年震蕩。各大寬基指數(shù)漲跌分化，主題投資風(fēng)起云涌，上半年AI投資熱火朝天，下半年華為、減肥藥、人型機器人輪番演繹，市場結(jié)構(gòu)性機會與風(fēng)險共存。

搜狐財經(jīng)《基金佳問》欄目特別推出“基遇2024”專題系列報道，復(fù)盤A股市場細分領(lǐng)域年內(nèi)行情，展望及預(yù)測2024年各熱門賽道的投資機遇，把握后市資產(chǎn)配置的主邏輯，尋找具有投資潛力的基金產(chǎn)品。

做客本期“基遇2024”的基金經(jīng)理，是泓德基金經(jīng)理李子昂，本期聚焦公募AI量化的投資方法。

更多基金經(jīng)理對談，點擊進入搜狐財經(jīng)《基金佳問》欄目

李子昂，泓德基金AI Lab負責(zé)人、基金經(jīng)理。美國哥倫比亞大學(xué)理學(xué)碩士。10年證券投資管理從業(yè)經(jīng)驗。曾任北京隆慧投資投資管理部投資經(jīng)理，華商基金量化投資部量化研究員，宏利基金風(fēng)險管理與基金評估部助理專員。2019年4月加入泓德基金，現(xiàn)任多資產(chǎn)投資部基金經(jīng)理。

出品｜搜狐財經(jīng)

作者｜汪夢婷

AI賦能之下，公募量化走上快車道。在今年板塊輪動頻繁、投資難度加大的市場中，部分量化公募業(yè)績表現(xiàn)優(yōu)異，公募量化基金規(guī)模持續(xù)擴張。據(jù)Wind數(shù)據(jù)，截至三季度末，量化公募的整體規(guī)模約2891億元，環(huán)比二季度末增長約166億元。

李子昂表示，AI技術(shù)解決了大量數(shù)據(jù)樣本的問題和多數(shù)據(jù)模態(tài)的問題，同時可以幫助處理更多的非結(jié)構(gòu)化的數(shù)據(jù)，此外，深度學(xué)習(xí)在非線性Alpha挖掘中也較傳統(tǒng)線性多因子模型有較好提升。

對于策略同質(zhì)化導(dǎo)致的超額收益下降問題，李子昂稱這不可避免，真正好的的處理超額下降的辦法就是不斷迭代新的模型，挖掘更多的特征，找到更準確的預(yù)測方法。

以下為訪談全文：

基金佳問：當前AI技術(shù)給量化投資帶來哪些改變？相較傳統(tǒng)量化，結(jié)合AI技術(shù)的量化投資優(yōu)勢在哪里？

李子昂：首先，AI技術(shù)解決了大量數(shù)據(jù)樣本的問題和多數(shù)據(jù)模態(tài)的問題，當投資者從基本面Alpha因子的挖掘轉(zhuǎn)向量價Alpha的挖掘時，不可避免地遇到了數(shù)據(jù)量大幅增加的情況，這時神經(jīng)網(wǎng)絡(luò)模型可以較好地處理大量數(shù)據(jù)問題。

同時，AI技術(shù)可以幫助處理更多的非結(jié)構(gòu)化的數(shù)據(jù)。傳統(tǒng)的模型輸入一般聚焦在結(jié)構(gòu)化數(shù)據(jù)上，而NLP技術(shù)可以讓我們將文本數(shù)據(jù)建模，更好地挖掘新聞、研報、專家訪談、調(diào)研紀要等等文本數(shù)據(jù)中的Alpha。借助ChatGPT或其他能夠做語義理解和分析的AI模型，可以將這些非結(jié)構(gòu)數(shù)據(jù)與未來股票收益之間產(chǎn)生映射。不僅如此，卷積神經(jīng)網(wǎng)絡(luò)還可以完成圖像識別，將K線做成標準化的圖的格式并結(jié)合一些技術(shù)指標，即可與未來股價表現(xiàn)建模，極大地體現(xiàn)出AI在量化投資中的價值。

此外，深度學(xué)習(xí)在非線性Alpha挖掘中也較傳統(tǒng)線性多因子模型有較好提升。

基金佳問：在AI技術(shù)跨越式發(fā)展的當下，AI是否會取代基金經(jīng)理也飽受關(guān)注，您如何看待這個問題？

李子昂：AI能否取代基金經(jīng)理，本質(zhì)邏輯是AI能不能自己做投資。目前來講，AI可以輔助投資，具備一定智能，但在量化投資上，AI模型并不能自己主動設(shè)計新的量化模型去適應(yīng)復(fù)雜多變的市場環(huán)境?，F(xiàn)階段AI背后體現(xiàn)的還是模型設(shè)計者的智慧和想法，所以從業(yè)者做好AI投資需要具備科研精神和工程能力，要不斷激發(fā)靈感迭代模型，保持投資策略有效性，以更好適應(yīng)市場的變化。

總的來說，短期來看，AI模型的設(shè)計迭代依舊依賴于人的智慧和經(jīng)驗，AI暫時還沒有表現(xiàn)出很好的能力去實現(xiàn)跨越式的自我迭代，但是不可否認，隨著AI越來越智能，這個問題肯定還會被提起。

基金佳問：您管理的量化基金采用了怎樣的投資策略？可以簡要描述一下主要的投資模型和算法嗎？

李子昂：目前我在管的基金產(chǎn)品是應(yīng)用AI策略進行選股，主要采用端到端的深度學(xué)習(xí)算法對股票Alpha特征進行挖掘并對股票收益進行預(yù)測，我們將復(fù)雜的量價特征和基本面特征輸入到深度神經(jīng)網(wǎng)絡(luò)模型中，通過大量的樣本訓(xùn)練模型，模型在訓(xùn)練過程中不斷對權(quán)重進行修正，并逐漸提升預(yù)測準確度。

無論是量化投資，還是其它的投資，本質(zhì)都是一個Y=F（X）的過程。Y是你想預(yù)測的股票投資收益，X是影響Y的變量因子。F就是你用什么樣的方式去提煉這些指標中的數(shù)據(jù)。在過去，像“市值”、“成長”都是X，F(xiàn)就是一個線性加權(quán)的模型。到了現(xiàn)在，X還包含很多交易的信息，甚至一些人的行為信息等等。F從之前線性的模型，現(xiàn)在提煉到很多機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的模型里去。

由于現(xiàn)階段AI模型還無法實現(xiàn)自我迭代，所以我們可以有兩種途徑可以找到更好地量化投資方法，一個是獲取更多信噪比高的信息（X），另一個是采用更先進的方式（F）。

基金佳問：對于宏觀經(jīng)濟因素和事件，量化模型有何反應(yīng)？在不同市場環(huán)境下，量化投資策略是否會有相應(yīng)的調(diào)整？

李子昂：量化模型擅長學(xué)習(xí)大量樣本的普遍規(guī)律，因此可能會出現(xiàn)一定的普適性問題，如果當前的市場環(huán)境在訓(xùn)練樣本中沒有出現(xiàn)過，那預(yù)測效果可能就會帶來一定的隨機性。隨著新數(shù)據(jù)樣本的增加，量化模型可能會學(xué)習(xí)到新的規(guī)律，當然也可以采用多模型的方式降低模型全部失效的概率。

基金佳問：在量化投資中，風(fēng)險管理是如何被整合到投資策略中的？對于倉位控制和資金管理，您有哪些具體的原則和方法？

李子昂：通常，量化策略會有相對明確的基準指數(shù)，在Alpha模型完成對股票的預(yù)測后，我們會通過風(fēng)險模型使投資組合在風(fēng)格（如成長、估值、技術(shù)等）上與基準指數(shù)盡量匹配，從而更好地聚焦在Alpha上。倉位管理上盡量遵循長期投資的原則，在市場低位時盡量維持較高倉位。

基金佳問：近年隨著量化投資規(guī)模擴張，量化策略同質(zhì)化愈發(fā)嚴重，長期來看超額中樞將隨著時間推移而持續(xù)衰減，您在投資中是如何面對超額下降的挑戰(zhàn)的？

李子昂：超額收益的下降不可避免，真正好的的處理超額下降的辦法就是不斷迭代新的模型，挖掘更多的特征，找到更準確的預(yù)測方法。

基金佳問：您對于量化投資未來的發(fā)展趨勢有何展望？未來幾年，您計劃在量化投資方面有哪些創(chuàng)新和發(fā)展？

李子昂：公募量化早在2014-2015年時已呈現(xiàn)出蓬勃發(fā)展態(tài)勢。幾年前，國內(nèi)公募就有人用人工智能的方法去做信息提取。目前公募量化的發(fā)展，已走過了從0到1 階段，處于從傳統(tǒng)多因子模型向AI過渡過程。

隨著AI的發(fā)展，量化投資再次步入快車道，未來我們將看到越來越多的同行將AI技術(shù)運用于量化投資，也會看到AI學(xué)術(shù)界越來越多關(guān)注到金融預(yù)測和股票投資領(lǐng)域，我們也將不斷前行，迭代開發(fā)自己的模型，努力實現(xiàn)更準確的預(yù)測。

基金佳問：對于那些對量化投資感興趣的投資者，您有什么建議？在選擇量化基金時，投資者應(yīng)該關(guān)注哪些因素？

李子昂：第一，要看投資者對于beta端的認可。比如，當前中證500指數(shù)的估值分位不到30%。未來如果有一輪牛市，beta端的收益可能相對可觀；二是alpha端，投資者要去考察哪些模型和方適合做alpha，這件事情是相對比較重要的事情。選擇量化團隊也要看其實現(xiàn)alpha的能力，剔除行業(yè)收益和風(fēng)格收益之外，純alpha的收益到底是多少，這也是量化團隊之間差異和優(yōu)勢所在。

基金佳問：你怎么看待目前的市場情況？

李子昂：投資收益可以分解為估值和盈利兩方面，現(xiàn)階段主流寬基指數(shù)的估值都處于較低位置，在低估值的行情下，企業(yè)盈利若能保持不錯的增速，將孕育出長期不錯的投資機會，在短期估值偏離后會存在較大的修復(fù)空間。