财经新闻网消息：
量化投资和基本面投资真的有“区别”吗？ 量化投资的最新趋势是什么？ 为什么一些公募基金公司会利用实验室来开发专门的AI量化模型？ 针对这些问题，中国证券报记者近日对弘德基金AI实验室负责人、基金经理李子昂进行了专访。 在李子昂深入浅出、形象生动的讲解中，可以让神秘的量化投资“祛魅”，拉近它与广大投资者的距离。
李子昂指出，量化投资本质上是一种投资思维方式。 通过寻找有效因素和模型来捕捉整个市场的超额收益，是大数据的科学。 近年来，随着新的人工智能模型和神经网络技术的加入，国内量化投资的发展势头愈发旺盛。 但这需要基金公司和量化团队不断加大投入，提升量化投资中最重要的算法能力和工程能力。 今年流行的人工智能和聊天GPT基本上都属于这些类别。 这些都是李子昂的弘德基金AI实验室重点关注的事情。
量化因素和模型是核心
量化投资专业门槛较高，基金经理需要经过多年的专业培训。 李子昂也不例外。 “我本科专业是工程，不然很难理解这个（量化）。” 李子昂在人民大学读本科时，学的是信息专业，属于工科领域。 在哥伦比亚大学攻读硕士学位后，他主修管理科学，这是一个涉及运筹学和金融工程的交叉学科领域。 毕业后的十年里，李子昂历任基金量化研究员、投资经理等工作，现担任弘德基金AI实验室负责人、基金经理。
这些专业的学科培训和投资研究经历让李子昂对量化投资有了深入的了解。 交谈中，他对专业术语的使用相对克制，更喜欢用通俗易懂的方式来解释量化投资。
在李子昂看来，量化投资首先是一种战略思维，而不是一种与传统基本面投资“截然不同”的另类投资方式。 事实上，量化投资是从各种信息中提取影响股票收益的重要因素，对其进行定量表征，持续跟踪，最终形成一种可解释、可预测的投资方法。 这些可量化的影响因素一般称为“因素”，而利用相关因素来解释和预测市场的方法（或运行机制）就是所谓的“模型”。 这样，因素和模型就构成了量化投资的两大核心支柱。
为了让投资者深入浅出地理解量化投资，李子昂还对因素和模型做了两类比喻。 第一个是Y=F(X)的函数方程隐喻：基金经理想要预测的股票收益就像方程中的被解释变量Y。 要找到这个Y，就需要找到影响Y的几个变量X（因素），然后将X放入F（模型）中。 两者的最终组合将产生 Y 解。 除了这个抽象的数学隐喻，李子昂还有一个更为形象的“厨师”隐喻。 他将量化基金经理比作厨师，将他们寻找的股票比作烹饪菜肴。 做这道菜需要两点，一是食材（因素），二是烹饪方法（模式）。 不难发现，不同的食材、不同的烹饪方法可以制作出不同的菜肴。 顺着这个逻辑不难发现，所选择的因素和操作模式不仅关系到量化投资的结果，也是评价量化投资质量的关键。
有了上述基础，就不难理解量化投资的以下重要特征。 李子昂表示，量化投资本质上是一门关于大数据的科学，根据一定的统计规律寻求超额市场回报。
“传统的基本面主动投资还涉及到一定的量化思维。比如我们会根据大量的基本面数据（比如金融数据、行业数据、宏观数据）来判断股票的好坏，推测它们之间的关系。这些基本因素和股价走势的关系。但是这些数据频率比较低，所以大家的关注点转向了更加高频的信息。比如现在很多机构利用日常的交易数据来做量化模型来提取某些类型的Alpha因素”。 李子昂说到。
以小市值因素为例，李子昂表示，小市值股票这两年表现不错。 通过暴露小市值因子的量化模型，有望获得相对清晰的回报。 为了找到这条规则，经常使用市值因素。 你可以将市值分成不同的组，每个组包含许多股票，然后回顾这些股票在过去一段时间的表现。 您可能会看到，市值最小的一组股票的业绩排名相对较高。 当然，随着市场信息的增加，可以在量化模型中加入其他因素，最终使量化因素和模型更加丰富，量化投资可以迭代升级。
获取全市场超额收益需要两种能力：
虽然不难理解，但做量化投资却并不容易。 正如李子昂直言，这既需要科研精神，又需要良好的工程能力。
科研能力也叫算法能力。 李子昂表示，由于人工智能最初并不是为了投资、股票预测、金融预测而设计的，因此大量的AI模型和神经网络模型一般应用于无人驾驶、自然语言处理等前沿技术领域。 因此，开发相应的投资量化模型需要相应的科研能力和成果（学术论文）来支持。 值得庆幸的是，近两年，关注投资的量化科研论文越来越多。
“但是科研能力还不够。因为一个模型从开发到实际上市要经历一个比较长的过程。你要看到模型在样本之外有比较好的表现，以及模型的稳健性。”需要很强，有很好的泛化能力，这自然会涉及到一些实现需求，比如如何训练模型，如何提高模型的可靠性，这是很强的工程能力。” 李子昂说道。
这两项能力之所以重要，是因为它们关系到量化投资方法和模型的迭代升级。
李子昂表示，量化在金融市场或股票市场最早的应用一般源自CAPM模型（资本资产定价模型），该模型致力于解释股票超额收益的来源，并逐渐发展出早期的指数基金。 然而，这些早期的定量多因素模型大多数都是线性的。 例如，他们会从市值、盈利能力、成长性等维度分解股票收益，并线性组合这些因素来选择相应的股票。 后来，随着机器学习、神经网络等前沿技术的广泛应用，量化投资进入了非线性阶段。
“一方面，基金经理发现，以前用来选股的很多因素，在每个时间段可能都表现不佳，解释力不断减弱。另一方面，他们还发现了其他信息，比如如交易信息、图片等场景信息，都可以用来建模，随着这类信息的加入，随着AI算力的快速发展，投资预测也越来越多，量化模型也逐渐进入了新的阶段。量化投资已经逐渐成为一种赚钱的方式，独立于大数定律的投资收益体系，也就是说量化投资这些年的进步主要体现在精炼F和X的发现，更多原料的发现和更先进烹饪技术的发展。”
李子昂举例说，市场上很多研究报告、新闻报道本质上都是非结构化数据，很难直接量化。 然而，由于人工智能技术的进步，这些非结构化信息可以通过人工智能来学习，从而构建新的模型来推导因素与股票收益之间的其他关系。 “比如看K线图之类的技术操作，未来会逐渐成为AI的强项。比如量化模型，会将过去一段时间的所有K线绘制成标准化的图表，并通过神经网络识别，可以类比股票的未来，建立涨跌关系，与人工智能相比，量化模型可以覆盖整个市场5000多只股票，而且不需要休息、吃饭、睡觉，没有情绪波动。因此，量化模型捕获整个市场的超额收益的可能性很大。”
AI Lab未来将广泛关注AI的发展
李子昂于2019年加入弘德基金，在弘德基金平台上，李子昂抓住了优化量化投资的好机会。 李子昂介绍，弘德基金早在2022年底就开始筹备人工智能实验室（AI Lab），并在总经理的带领下于2023年初成功成立。 “成立AI Lab的初衷是打造一个公司自有的AI策略开发团队，其中包括一些量化策略，未来甚至可能将更多的AI技术应用到投资研究中。” 李子昂表示，AI Lab本质上是一个以量化投资为主的研究型机构，在日常投资研究中采用市场上最先进或者最广泛、最好的AI技术模型。
“截至目前，我们已经基本完成了全模型的端到端开发。我们的策略从去年四季度开始在专户产品中落地，今年4月份开始在公募基金中落地。总体来说，这些应用都符合我们的预期，因为我们做的是指数增强策略产品，所以量化模型整体投资的Alpha还是比较显着的。” 李子昂说道。
李子昂特别表示，弘德基金AI实验室的团队模式不是流水线模式，会更倾向于个体的端到端流程。 “我们的人数不是特别多，但团队工作涉及高频数据清洗、实现、特征提取、模型设计、构建、训练、预测，甚至后端组合生成。 我们希望每个人都拥有端到端的技能。 能力。 然后根据不同策略的历史表现来判断不同策略的权重。”对此，李子昂会重点关注以下几个方面：第一，模型的逻辑是否互补。如果模型的逻辑能够互补，我们就更倾向于把不同的模型放到真实市场上，第二个是根据过去的历史表现进行预测，模型能否提取出好的超额收益，他会根据这些维度来评价模型的好坏。
目前，鸿德基金旗下的鸿德鸿信，以及近期获批、即将推出的鸿德智选启元等基金，都将采用AI策略选股。 高度重视人工智能策略在公募产品投资中的应用，不仅是基于长期的量化投资研究积累，更是因为弘德基金看到了国内公募量化投资的发展前景。
李子昂表示，国内公募基金最早的量化投资应该是从指数基金开始的，但那更多是量化类的被动投资。 如今，公募基金不断发展的是更加活跃的量化投资。 “公募量化是主动量化的主战场，早在2014-2015年就呈现出蓬勃发展的态势。当时一群从海外华尔街等机构回来的同事带回了很多海外量化经验丰富，其中包括华大投资机构等海外知名公司，他们是国内最早利用量化方法挖掘A股超额收益的基金管理人，随后几年国内公募开始将重点转移高频的量价信息，然后用深度学习的方法来提取这些信息。几年前，国内公募就有人用人工智能的方法来提取信息。目前公募量化的发展已经远去。经历了从0到1的阶段，正处于从传统多因素模型到AI的过渡过程中，未来会有越来越多的团队将用AI作为手段和工具来武装自己，从1到N发展。作为这个大趋势的一部分，我认为量化投资有很大的潜力。”
量化交易有助于提高市场效率
除了基础理论和实践创新之外，量化投资还将给资本市场带来其他“外部性”。 一个很重要的方面就是量化交易持续增加背景下市场效率的变化和超额收益机会的问题。 作为量化投资的一员，李子昂也给出了个人的想法。
他坦言，量化交易变得更加活跃后，将有助于提高市场的有效性。 当效率低下时，市场上就会存在很多错误定价的套利机会。 随着量化投资越来越多，错误定价的机会就会越来越少，从而使市场更加有效。 “只要有人能比你更好地识别这个机会，他就会比你更早地掌握收益。要解决这个问题，我们只能不断优化量化模型，让模型更灵敏地识别那些不易察觉的投资。”在市场上。机会。”
在李子昂看来，要提高超额收益的量化能力，本质的重点还是在X和F上。首先，资本市场是一个非常广阔和丰富的领域，有各种各样的因素通过各种方式来描述市场。方面。 但只要新的因素不断出现，超额收益的机会就永远存在。 其次，除了要素创新之外，在当前技术背景下寻找新的方法论还有很大的空间。 “今年年初人工智能和Chat GPT的流行，本质上是方法论（F）的改进。在这个领域，将会出现越来越强大的alpha提取模型、人工智能模型、深度学习模型，甚至更多的神经网络模型。” “所以，基于这两个维度的优化和完善，量化投资获取超额收益的机会还是非常丰富的。”
李子昂还提到了量化投资的另外两个优势。
首先是从国内和国际角度看公募的数量优势。 李子昂表示，目前国内量化投资基本都是基于新一代技术，国内量化集团的科研和工程化能力正在不断提升。 就AI领域而言，目前中美是两大阵营，而且中国的表现并不比美国差。 “传统的多因素模型之前在国外已经非常成熟，海外机构也发现了很多有效因素，但已经发展到了现在的非线性阶段。定量模型质量的提高取决于科研能力的不断提升以及工程能力、科研能力都会随着技术的迭代而逐步提升，目前国内的技术迭代也很快。”
二是量化基金管理人的边界优势。 李子昂表示，量化基金经理的覆盖范围本质上是全市场的。 他们对某个行业、某个赛道没有太多的偏好，也没有对某种特定风格的偏好。 他们更注重挖掘整个市场的超额收益。 但这并不意味着量化基金经理会过得更轻松。 他们还是要全身心投入，全力以赴。 “量化投资非常注重团队合作，不把业绩归于任何一个人。因为要素开发是团队协作的结果，虽然每个人都可能开发出好的要素，每个人也可能有好的模型，但最终还是要通过因此，与个人相比，量化团队整体对绩效的贡献可能会更高，因为它需要大量的集体合作才能达到令人满意的效果。
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