财经新闻网消息：
作为弘德基金AI实验室负责人，李子昂拥有完整的因子投资框架，在深度学习和神经网络模型研究方面积累了多年的经验。 他还结合了科学研究者的聪明才智、工程师的深思熟虑和探险家的勇敢。 在这波人工智能与量化投资融合的浪潮中，他们已经扬帆起航。
不断变化的模型
李子昂，美国哥伦比亚大学硕士毕业，积累了9年的投资研究经验和6年的投资经验。 加入弘德基金的第四年，我与蓬勃发展的AI量化时代碰撞，共同成长。 他对量化投资有自己独特的理解。
“量化投资本身就是一门数据科学，其核心是根据统计规律进行投资。” 李子昂解释道。 与主动投资根据历史数据形成对未来投资的预期和判断类似，量化利用大量数据寻找赚钱模式，然后选择股票并做出决策。
“量化投资本质上是一个Y=F(X)的过程。” 他用一个比喻揭开了量化投资的面纱。 他解释说，Y是基金经理预测的股票收益，X是使用的指标，F是指标数据的细化方式。
在李子昂看来，F和X构成了投资框架的两个核心内容，而且相辅相成。 近年来，量化投资的逻辑日趋成熟，体现在F和X的细化上。未来，提高超额收益量化能力，本质的出发点仍然是F和X，即，利用更强大的人工智能模型来优化F的方法论，在浩瀚的市场数据中准确捕捉新的X特征。
在今年极度轮换的市场风格下，以分散为特征、在市场错误定价中寻找机会的量化投资迎来了较为蓬勃的发展。 然而，量化策略也面临阶段性挑战。 历史数据回测显示，极度集中的市场行情将导致AI选股策略普遍回调； 当市场流动性严重萎缩时，高频策略的盈利能力也会放缓。 。
“AI时代给了我们更多的探索空间，只有不断改变模型，不断提出新的想法和功能，才能实现更好的提升。” 他对此深信不疑。
专注阿尔法挖矿
随着人工智能的注入，量化投资经历了从线性到非线性的转变。 “五六年前，市场仍然关注能够创造阿尔法回报的挖掘因素，使用多元线性回归模型； 但当机器学习出现后，我们的思维不再受限，开始接受很多非线性模型。 从那时起，从线性到非线性，我们所做的无非是为了更好地了解世界，探索市场的未知。”李子昂说。
李子昂专注于挖掘多余alpha特征和非线性关系，基于多年的研究经验，擅长运用深度学习、神经网络、海量信息等方法。 “深度学习可以提取海量交易数据中包含的丰富增量信息，补充传统因素的同时找到独特的阿尔法来源； 快速发展的神经网络模型可以激发迭代灵感，对抗阿尔法的加速失败； 对于高频交易信息来说，传统的基本面因素可能在短期内无效，而定量捕捉错误定价中的低效可以带来更好的收益。”他解释道。
在大众量化“让百花齐放”的浪潮下，团队想要走在前列，就需要不断迭代更新模型。 李子昂将从两个维度来评判这个模型。 一是模型的准确性，即模型本身能否基于数据集达到最好的结果； 另一个是实际报价的效果，即是否使用模型来选股。 能产生良好的投资曲线和实际效果。
探索AI前沿
顾名思义，AI Lab的“实验室”理念为团队注入了科研的灵魂。
据李子昂介绍，弘德基金AI实验室从去年开始筹备，今年年初正式成立。 “成立实验室的初衷是建立一支负责公司所有人工智能战略和研发的团队，将市场上最先进的人工智能技术和模型运用到日常业务的核心领域，赋能投资和研发。研究，”他说。 解释。
目前，AI Lab仍以量化投资为主。 “我们已经基本完成了多模式、端到端的开发，并从今年4月份开始运用到了公司的一些公募产品策略中。” 李子昂表示，实施效果总体符合预期，尤其是指数增强策略，其阿尔法效应较为显着。 AI Lab是一个非管道、开放的研究团队。 从招聘条件来看，团队招募的是AI量化投资领域最前沿的探索者。 “虽然人不多，但要求每个人都具备端到端的研究能力，包括数据清洗、实现、特征提取、模型设计、构建、训练、预测和后端组合生成。” 他介绍。
“我希望整个团队始终有探索最先进算法的愿望、研究的热情和创新的能力，能够不断地完善和迭代自己，至少是在很长一段时间内，并应用我们认为最有效的模型和策略。 在选股上。”李子昂说道。
展望未来，AI Lab不会止步。 李子昂表示：“AI领域还有很多东西值得探索。” 他也将继续带领团队在量化投资的浪潮中探索AI领域的无限可能。
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