來源：證券時報

　　證券時報記者 安仲文 吳琦

　　隨著AIGC（人工智能生產內容）等新技術逐步推進，量化基金賽道備受市場關注，也引發了人工智能會不會導致明星基金經理能力平庸化的討論。

　　當AlphaGo屢次擊敗人類職業圍棋冠軍選手后，有關明星基金經理或被人工智能替代的討論就從未停歇，而隨著AIGC等新技術的推進，公募基金公司突然意識到低成本獲取明星業績的可能，以及通過人工智能加持的量化技術來降低對明星基金經理的依賴。與此同時，明星基金經理的人腦選股與量化技術互相融合產生的選股效果，也有可能使得擁有科技能力的公募基金平臺擁有更高的黏性。

　　量化基金經理的一天：

　　做研究 寫模型

　　每個交易日，量化基金經理的起床時間可能都比其他人更早一些。

　　2月17日上午7點30分，南方基金量化基金經理解銳就開始干活了，這個時候的他更像一位科技公司的IT工程師，他需要先檢查一些系統，包括數據、因子、策略等多個模塊的更新情況，如果出現異常，需要及時修復以免影響當天交易。

　　做完這些事前準備，在上午8點30分，解銳和他的南方基金公司量化團隊就要開始內部晨會交流。9點15分，還需要做盤前準備，檢查策略模型生成當天的交易列表。

　　市場開盤后，如果當天有交易需求，解銳會從開盤開始逐步交易。同時，因為量化研究需要大量寫代碼、跑代碼、分析結果，所以盤中的時間也會進行研究工作。此外，他也會觀察行情變化，從中可能會產生一些研究方向的靈感。

　　收盤不是全部工作的結束，收盤后的3個小時內可能會參加券商的內部路演，晚飯后還要進行當天行情的復盤。事實上，作為量化基金經理，“下班”后的工作可能更為繁重?！坝绕鋾岩恍┻\算量大的研究放在晚上進行，在睡前要調試完代碼并且開始運行，這樣可以在第二天進行結果分析?！苯怃J告訴記者。

　　鵬華基金量化及衍生品投資部總經理蘇俊杰也向記者強調，每一個交易日開盤前都必須檢查一下夜間程序關于數據及因子的更新情況，同時確認量化模型輸出的相關信號，來決定當日組合的交易及調倉。開盤之后，他會下達交易指令，同時持續跟蹤市場行情以及投資組合的實時表現，確保組合相對于市場的表現符合預期，并在需要時及時調整組合的權重和配置。如果市場發生重大變化或者模型出現異常，也需要在第一時間采取行動，以盡力避免投資組合出現損失，盡可能減少投資組合的風險。

　　“量化基金經理實質上大部分工作還是在做研究、寫模型?！?長城基金量化與指數投資部總經理雷俊表示，核心工作主要涵蓋五項內容，包括清理數據、數學建模、寫代碼、調試代碼、打包程序，幾乎每一個交易日都是如此。

　　擺脫“頂流”依賴

　　公募紛紛布局量化產品

　　對基金公司來說，培養明星基金經理的成本變得越來越高，如果過度依賴明星基金經理，也可能帶來客戶和資金規模流失的風險，越來越多的基金公司將目光瞄向了成本較低且有AI技術加持的量化基金產品。

　　A股全面注冊制的開啟以及市場越來越多的股票，使得基金經理選股的難度變得更高。但對量化基金經理而言，這無疑是在股票市場的茫茫大海中發現了新大陸。一個值得關注的現象是，不僅大型公募愿意在量化產品人工智能、機器學習上舍得投入，缺乏明星基金經理資源的中小基金公司也希望通過成本相對較低的量化產品技術投入，實現非對稱性競爭。證券時報記者注意到，包括創金合信基金、長城基金、大摩華鑫基金都在強化人工智能和量化基金的布局，而大型公募基金考慮到目前明星基金經理奔私潮以及對量化基金、人工智能技術強烈看好，也在不遺余力地加強產品布局。

　　“鵬華基金的量化基金很早便加入了AI的元素，通過機器學習等方式對海量數據進行挖掘，同時通過人工智能進行信息整合篩選等?！碧K俊杰接受記者采訪時指出，人工智能為公募基金打開了新世界，量化基金選股利用機器學習、自然語言處理、數據挖掘等技術對大量數據進行分析，以實現投資組合優化和風險控制，進而提高投資收益。這些技術可以通過自動化的方式，從大量數據中高效地挖掘出有效的信息，同時減少了人為干預的影響，提高了決策的準確性和效率。因此，在當前信息化快速發展的時代，量化基金的優勢越來越明顯。

　　博時量化多策略基金經理林景藝表示，AIGC技術可以有效提高量化投資的效率，主要體現在策略的數據處理和代碼實現上，在博時基金將機器學習技術納入到量化模型中，可以發現，對于大樣本歷史數據的分析，機器學習技術確實能提煉出很多在樣本內表現卓越的因子和策略，但是其樣本外的工作效果依然存在較大的不確定性。

　　“股票數量越來越多，但是人腦的思考深度和覆蓋度是有限的，量化基金的人工智能技術可以彌補人腦思維的局限性?！遍L城基金雷俊接受記者采訪時表示，在經過大量樣本的訓練后形成的選股邏輯，在深度上是人腦無法簡單理解的。

　　因為具有人腦所不具備的機器學習優勢，量化基金產品也比主動選股型基金產品更能適應市場的各種變化。

　　大摩量化配置混合基金經理王聯欣強調，一般而言，量化基金相比于主動管理基金，持倉要分散許多，所以凈值彈性相對有所欠缺。不過，在出現整體性上漲的牛市時，量化基金會因為風格穩定、紀律性強而表現突出，而在相對弱勢的市場環境下，量化基金也會由于它充分分散的特點而波動較低。

　　“量化基金產品在股票市場的很多種風格中，幾乎都能獲得較好的回報?！碧K俊杰認為，量化基金的投資運作一般是將事先設定的策略和規則轉為具體的計算機程序，并且進行資產配置和風險控制，快速做出買賣決策、執行交易，這使得量化策略的收益表現，與股票市場行情的關系并不明顯，使量化基金不論是震蕩市或是牛市都可能有機會獲得漂亮的收益。

　　量化基金需持續迭代數據

　　量化基金之所以能夠在股票市場的千變萬化中，持續抓到好股票，核心在于人工智能對各種因子的使用。

　　“各種因子的有效性都在變化，比如最近的技術面因子產生的投資效果就很好?！蓖趼撔栏嬖V記者，從數據來源上來說，大摩量化配置混合基金在財務類、量價類、情緒類和資金類的因子上都有較深耕耘，但一般會采用動態評價因子表現并進行自適應權重分配的方案，即從因子的實際表現出發，去挑選無論是中長期還是短期來看，都能有不錯表現的因子進行科學配置，比如過去一年市場進入到相對偏震蕩的狀態時，大摩華鑫基金公司及時觀察到像反轉這樣的技術類因子表現逆勢走強，逐步在組合中增加了技術類因子的配置權重。

　　在鵬華基金的量化團隊中，蘇俊杰在選股上通常會考慮很多種類的因子，主要包括基本面因子、量價因子、情緒因子等。在考慮因子的時候，他通常會更關注那些在不同市場環境下都具有較好表現的因子。

　　比如，蘇俊杰所說的量價因子主要考慮股票價格、成交量等相關指標及之間的內在關系，這個因子能很好地衡量市場的交易行為以及買賣強度，是相對高頻的指標。例如，量價相關性就是很有代表性的量價因子。股票市場中經常會談及量價齊升，量升價跌等現象，對于股票后續的走勢預測有幫助，于是鵬華基金量化團隊便通過計算相關性的方式將這些邏輯因子化，并運用到模型當中，盡管量價因子與代表各種財務指標的基本面因子的相關性往往很低，但通過兩者的結合能起到事半功倍的投資效果。

　　顯而易見的是，因子的有效性在市場中是不斷變化的，也意味著量化基金若想要真正實現高度人工智能并戰勝市場，需要持續迭代策略，尤其是發現和增添新的高價值因子，這需要量化基金經理持續挖掘各種數據。

　　“如果沒有進行持續迭代，選股的有效性會下降?！眲摻鸷闲呕鹗紫炕顿Y官董梁說，戰勝市場需要不斷地進行研究開發，部署新的因子和新的建模方法，尋找新的數據來源，嘗試從中開發出新的因子，目前在創金合信基金的生產模型中，有隨機森林、遺傳規劃和深度神經元網絡3個機器學習的模塊，這些模塊在實戰中提供了額外的選股能力。

　　明星基金經理會被替代嗎？

　　那么，隨著基于AIGC的機器學習在投資上的應用，公募行業明星基金經理是否存在被替代的可能？

　　記者在采訪中獲悉，人工智能下的量化基金與主動選股思維的結合，已成為量化基金產品的一種新趨勢，這可能意味著頂級基金的選股策略，在人工智能技術背景下依然存在高度的價值認可。

　　“投資中的人工智能和人腦不是對立的，人腦的優勢是深度研究，量化投資的核心是廣度，若有效結合可以產生很好的效果?！碧K俊杰告訴記者，例如，在主動投資中，投資經理的研究和分析能力可以幫助發現一些特有的投資機會，同時結合量化分析工具對投資組合進行優化和風險管理，可以達到對組合更精細化管控的效果；在量化投資中，機器學習和大數據分析可以幫助發現隱藏在數據中的規律和趨勢，此時結合主動投資的一些定性因素來輔助決策，可以彌補一些數據規律遺漏的信息。兩種投資方式的相互融合可以使投資決策更加全面和有效。

　　林景藝也認為，量化是一個過程和工具，而不是最終目的，量化策略設計本身就有從主動投資的分析邏輯中提煉的內容，就一直在走相互融合的道路，同時現在越來越多的主動選股型基金經理也開始運用量化工具來輔助他們的決策，比如從眾多的上市公司中用量化指標篩選出一些值得重點研究和跟蹤的標的。

　　“在核心股票池的維護、月度金股的推薦及評價、模型打分排序等方面，我們量化團隊和主動選股型的基金經理有持續的分享和合作?！倍赫f，量化投資的優勢在于排雷能力強，在模型的嚴謹性、更新的及時性、覆蓋的全面性以及風險控制上有一定優勢，主動投資在個股深度挖掘以及對宏觀環境變化的應對上有著難以替代的優勢，如果能將量化與主動投資結合，各取所長，則有可能實現更好的投資收益。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：呂成飛