财经新闻网消息：
AI是2023年全球最具颠覆性的方向，引发A股市场资金追捧，成为公募行业投研积极拓展的重要方向。
据中国基金报记者了解，目前，不少公募机构正在积极利用AI技术，探索在资本交易、量化投资研究等多个业务领域的落地场景。 AI赋能投研能力是时候了。
不仅如此，基金公司还大力招聘机器学习研究人员和工程师，多措并举聚集优秀的AI人才，有的公司甚至开出百万年薪来吸引人才。 大量人工智能技术的应用和落地，或将在未来给市场和行业带来新的辉煌。
花重金招募AI人才
日前，某量化私募公司“招聘日薪4000元实习生”的举动成为近期市场的热门话题，这反映出量化、AI等技术越来越受到金融机构的关注。 从今年来看，基金公司正在大力招聘机器学习研究人员和工程师。
记者注意到，在招聘网站上，不少基金公司都在重金寻找机器学习人才，不少机构开出了百万年薪级别的价格。 招聘帖子显示，某基金公司正在招聘机器学习开发工程师，开出的年薪为90万至112万。
也有公司在实名招聘。比如创金合信基金正在寻找机器学习开发工程师。 在岗位职责方面，该职位需要负责机器学习、NLP、OCR、RPA等人工智能技术和算法的研究和应用开发，并结合基金业务的实际应用场景形成有竞争力的智能应用解决方案，并实施； 跟踪人工智能最新研究成果和技术趋势，及时引入相关技术驱动业务创新。 与此同时，鹏华基金也在招聘，实名招聘机器学习工程师。
另一家大型基金公司也在招聘机器学习/深度学习，提供有竞争力的薪资25-50K·23。 也有基金公司给出了60-90K·15薪资的更高筹码。
除了在招聘网站上招聘人才外，很多企业也有多元化的人才策略。
据博时基金相关人员介绍，在机器学习相关人才的招募和储备方面，我们首先与顶尖大学和研究机构建立合作关系，通过实习、项目合作、校园招聘等方式吸引优秀的研究生和博士生。
“其次，博时基金也在业界建立了良好的声誉，不断吸引在机器学习领域做出成绩的专业人士。最后，公司还为员工提供持续的培训和学习机会，并成立了AI兴趣小组，定期举办研讨会，从内部寻找具有学习能力和创新精神的员工。” 上述人士说道。
AI技术赋能公募投资研究
积极招募的背后，是看好AI技术赋能公募基金投研业务。
上述博时基金人员介绍，在投研方面，公司主要利用深度学习和树模型分析市场数据和基本面因素指标，捕捉资产价格和交易行为中的复杂规律，协助投研人员进行选股逻辑生成和选股信号挖掘。 深度学习主要用于因子挖掘，机器学习算法主要用于滚动捕捉资产预期收益与因子指标之间的数量关系和变化规律。
上述人士表示，机器学习在研究领域具有许多独特的优势。 首先，与人类研究人员相比，机器学习算法可以处理大量高维数据，这在处理复杂的金融数据时尤其重要。
其次，无监督机器学习有时可以揭示数据之间复杂的关系和隐藏的规律，并提供许多鼓舞人心的新视角和观点，可以给研究人员和基金经理带来启发。 最后，机器学习还可以替代一些重复性的任务，比如信息提取、风险监控、高频交易等。
事实上，通过机器学习技术的应用，一些基金公司已经取得了实际效益。 长城基金总经理助理、量化与指数投资部总经理雷军表示，过去更多采用的是传统的基本面多因素框架。 去年年底，该公司应用了自主研发的基于深度神经网络和机器学习框架的因子挖掘系统。
“从以往私募等同行的应用情况来看，对于小盘产品，因子挖掘和深度学习框架表现出了很强的竞争力，这一点在我们2021年开始跟踪的内部模拟市场中也得到了验证。所以去年年底，我们开始将这个Alpha模型应用到市值较小的产品上，今年产品表现比较好。” 雷军进一步说道。
谈及机器学习在研究领域的优势，雷军分析道，“首先，与传统多因素模型的线性指标分析相比，深度学习模型可以处理一些非线性数据，比如文本、一段文本或者一份研究报告。 其次，横截面序列和时间序列之间存在差异。 深度学习框架下的时间序列模型有很多。 第三，最终的结果会有更多非结构化的东西，它是一个系统。
此外，也有人认为，从整体上看，基金公司利用AI相关技术赋能研究，包括海量信息的净化和处理； 研究产业链上下游各环节的数据整理和建模； 基于中文文本训练的行业和目标的情感分析等。通过AI技术，可以极大地释放研究潜力，提高研究效率。 未来，随着AI技术的进一步落地，可能会给整体投资研究带来很多改变。
或将逐步参与投资研究
越来越多的人工智能技术应用于投资研究已成为不可阻挡的趋势。
“传统机器学习开发和训练门槛高，对训练数据要求高，投资和研究应用场景有限。随着以大模型为代表的人工智能新技术的发展，相信人工智能技术将在量化投资、数据分析、合规数字化等领域发挥更大作用。” 上述博时基金人员表示，未来将持续关注和跟进最新的人工智能技术，并将其应用到投资研究和日常工作中。
某大型基金公司人士介绍，机器学习在金融投资中的应用主要包括预测股市、风险控制、智能投资组合等。 它可以用来提高投资决策质量并有效管理金融投资，促进投资成功，使投资者以更低的风险获得更高的回报。
“金融数据的一个非常重要的特征就是低信噪比。一方面，因为噪声太多，会淹没真正有效的信息；另一方面，交易行为的存在，使得金融市场低信噪比的特征长期存在。” 上述人士表示，单个学习者往往无法准确捕捉市场的一些重要特征和有效信号，从而产生较大偏差。 机器学习的主要目的是发现模式或再现模式。 算法的不断改进可能会提高机器学习在低信噪比数据上的性能。 综合注册制时代，机器学习拥有更广阔的应用前景，有利于提高投资效率、辅助投资决策。
谈及对市场的具体影响，雷军也做了深入分析。 他认为，从IC的角度来看，目前深度学习的市场还是非常广阔的。 它可以适用于牛市、熊市和波动市场，但会有一些差异。
“总体来说，IC的有效性在下降，而市场的有效性却在增加。从长远来看，越来越多的人正在利用这个技术或者这个数据来参与市场。” 雷军表示，深度学习的有效性体现在长和短两个层面。 在全盘强势攻势行情下，未必能跑赢赛道股，但有望跑赢指数。
免责声明 ① 本网所刊登文章均来自网络转载;文章观点不代表本网立场,其真实性由作者或稿源方负责 ② 如果您对稿件和图片等有版权及其他争议,请及时与我们联系,我们将核实情况后进行相关删除 ③ 联系邮箱:215858170@qq.com
Copyright © 2017-2018