重塑投资规则：量化投资的崛起打破传统迷思！

　　方兴未艾的“量化投资”风，终于在2023年吹到了公募基金领域。在人工智能、Chat GPT、大模型等概念加持下，量化投资不仅披上了时髦“外衣”，还散发着一种神秘气息：量化投资轻松省力，能捕捉全市场超额收益。甚至有观点认为，量化投资会逐渐取代人工，传统的基本面投资会逐渐过时。

　　量化投资和基本面投资真是“泾渭分明”的吗?量化投资的最新趋势是怎样的?为何会有公募基金公司采用实验室(Lab)形式进行专门的AI量化模型开发?围绕这些问题，券商中国记者近日专访了泓德基金AI Lab负责人、基金经理李子昂。在李子昂通俗易懂、带有形象比喻的阐述中，神秘的量化投资得以“祛魅”，和广大投资者的距离得以拉近。

　　李子昂指出，量化投资本质上是一种投资思维方式，通过寻找有效的因子和模型来捕捉全市场超额收益，是关于大数据的科学。近些年来，随着新型AI模型和神经网络技术的加入，国内量化投资发展势头越发蓬勃。但这需要基金公司和量化团队持续加大投入，去提升量化投资中最为重要的算法能力和工程能力。今年大火的人工智能、Chat GPT本质上都属于这些范围内。这些，就是李子昂所在的泓德基金AI Lab所聚焦的事情。

　　量化因子和模型是核心

　　量化投资有着较高的专业门槛，基金经理需要具备多年专业训练功底。李子昂也不例外。“我本科学的是工学，不然很难理解这个(量化)”。在人民大学读本科时，李子昂学的是信息类专业，属于工学领域;到哥伦比亚大学读硕士后，他学的是管理科学，属于交叉学科，涉及运筹学和金融工程等领域。毕业后的十年里，李子昂先后从事过基金量化研究员、投资经理等工作，如今担任泓德基金AI Lab负责人和基金经理。

　　这些专门的学科训练和投研历练，使得李子昂对量化投资有着透彻的理解。交谈中，他在专业术语运用方面相对克制，更倾向于通俗化、深入浅出地阐述量化投资。

　　在李子昂看来，量化投资首先是一种策略思维，而不是和传统基本面投资“泾渭分明”的另类投资方法。实际上，量化投资是从各种信息中提取出影响股票收益的重要因素，对其进行数量刻画、持续跟踪，最终形成一种可解释、可预测的投资方法。这些能进行量化的影响因素一般被称为“因子”，利用相关因子来解释和预测行情的方法(或运行机制)，就是所谓的“模型”。就这样，因子和模型构成了量化投资的两大核心支柱。

　　为了让投资者能通俗易懂地理解量化投资，李子昂还对因子和模型做了两类形象比喻。一是Y=F(X)的函数方程比喻：基金经理所要预测的股票收益，好比是方程中的被解释变量Y。要找到这个Y，需要找到影响Y的若干变量X(因子)，然后把X放到F(模型)中去，两者最终结合的结果，会产生出Y解。除了这种抽象的数理比喻外，李子昂还有着一个较为形象的“厨师”比喻。他把量化基金经理比做厨师，所要寻找的股票比做一道菜。要做出这道菜需要两样东西，一是食材(因子)，二是烹饪方法(模型)。不难发现，不同食材搭配不同烹饪方法，则能做出不同菜品。顺着这个逻辑不难发现，选择何种因子和运算模型，不仅关系到量化投资的结果，更是评价量化投资优劣的关键所在。

　　有了上述铺垫后，量化投资以下的重要特征，就不难理解了。李子昂说到，量化投资从本质上说是一门关于大数据的科学，是基于某些统计规律去寻求市场超额收益。

　　“传统的基本面主动投资，也是存在一定量化思维的。比如我们会基于很多基本面数据(如财务数据、行业数据、宏观数据)去判断股票质地，去推测这些基本因素和股价走势之间的关系。但这些数据相对频率较低，所以大家的关注点转向更为高频的信息。比如，现在不少机构会用每天交易的数据做量化模型，去提取出某类Alpha因子。”李子昂说到。

　　以小市值因子举例，李子昂表示，近两年来小市值股票走势较好，通过暴露小市值因子的量化模型，有望获得比较明确的收益。要找到这个规律，往往会用到市值因子。可以把市值分成不同组，每组里面有很多股票，然后对这些股票在过去一段时间内的业绩进行回溯，就可能看到市值最小的一组股票，业绩排名会相对靠前。当然，随着市场信息增加，量化模型里还可以加入其他因子，最终使得量化因子和模型越来越丰富，量化投资得以迭代升级。

　　捕捉全市场超额收益需要两种能力

　　理解起来虽不困难，但做好量化投资却并非易事。如李子昂直言，这既要具备科研精神，还要具备好的工程能力。

　　科研能力又称为算法能力。李子昂说到，因为人工智能一开始并不是为投资或股票预测、金融预测去设计的，大量的AI模型、神经网络模型一般是用于无人驾驶、自然语言处理等前沿技术领域。因此，要针对投资去开发出相应的量化模型，需要相应的科研能力和成果(学术论文)来支持。可喜的是，近两年聚焦投资的量化科研论文越来越多。

　　“但是，仅有科研能力并不够。因为一个模型从开发出来到真正上市，还要经历一个比较漫长的过程。你要看到这个模型在样本外有一个比较好的表现，这个模型的鲁棒性要强，泛化能力要好，自然会涉及到一些落地要求，比如怎么去训练这个模型，如何提高模型的可靠性，这就是一个很强的工程能力。”李子昂说。

　　这两大能力之所以重要，是因为这关系到量化投资方法与模型的迭代升级。

　　李子昂说到，量化最早在金融市场或股票市场的运用，一般是源于CAPM模型(即资本资产定价模型)，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等。但这些早期量化的多因子模型大多是线性的，比如会从市值、盈利、成长性等维度去分解股票收益，把这些因子线性组合起来选出相应的股票。到后来，随着机器学习、神经网络等前沿技术广泛运用，量化投资进入到了非线性阶段。

　　“一方面，基金经理发现此前很多用来选股的因子，不一定每个时间段表现都很好，解释力在不断减弱。另一方面，还发现其他信息，如交易信息、图片等场景信息都可以拿来建模。随着这类信息的加入，在AI算力大发展下量化模型逐渐进入一个新阶段，从中能提取出的投资预判信息越来越多。量化投资逐渐成为赚取大数定律投资收益的一个独立体系。即是说，这些年来量化投资的进步，主要体现在F和X的提炼上，体现在更多的食材发现和更先进的烹饪技术开发上。”

　　李子昂举例说到，市场上很多研究报告和新闻报道，本质上都属于非结构化数据，很难直接进行量化。但因为人工智能技术的进步，这些非结构化的信息都可以通过人工智能的方式去学习，从而构建出新的模型，去推演出因子和股票收益之间的另一些关系。“比如看K线图这种技术操作，未来会逐渐成为AI的强项。比如，量化模型会把过去一段时间内的所有K线画成一个标准化图形，通过神经网络做识别，就可以和股票未来涨跌幅建立一个关系。和人工相比，量化模型能覆盖全市场5000多只股票，并且不需要休息吃饭睡觉，也没有情绪波动。因此，量化模型捕捉全市场超额收益是一个大概率的事情。”

　　AI Lab未来会广泛关注AI的发展

　　李子昂2019年加入泓德基金。在泓德基金平台上，李子昂赶上了一个优化量化投资的好时机。据李子昂介绍，泓德基金早在2022年底就在筹备人工智能实验室(AI Lab)一事，后在总经理牵头下于2023年初顺利成立。“AI Lab成立的初衷是想做一个由公司所有的AI策略开发团队，里面就包括了一些量化策略，甚至在未来可能会将更多的AI技术应用于投研。”李子昂表示，AI Lab 从本质上讲是一个偏研究性质的组织，主要会聚焦量化投资，把最先进或市场上最广泛的、最好的AI的技术模型用到日常投研中去。

　　“截至目前，我们已基本能完成全模型的端到端开发，我们的策略从去年四季度开始就已在专户产品进行实盘运用，今年4月份开始在公募基金里去运用。总体来说，这些运用符合我们的预期。因为我们做的是指数增强策略产品，量化模型总体投资的Alpha还是比较显著的。”李子昂说。

　　李子昂特别说到，泓德基金AI Lab的团队模式，不是流水线模式，会更倾向于个人的端到端过程。“我们的人员不会特别多，但团队工作涉及高频数据清洗、落地、特征提取，以及模型设计、搭建、训练、预测，乃至后端投资组合的生成等方面，我们希望每个人都具备端到端的能力。然后根据不同策略的历史表现去判断它的权重情况。”在这方面，李子昂会着重关注以下几方面：一是模型的逻辑是不是互补。如果模型的逻辑能够互补，我们更倾向于把不同的模型放到实盘上去。二是模型基于过去历史业绩做的预测，能不能提取出很好的超额收益。他会基于这些维度去评价模型质量。

　　目前泓德基金旗下的泓德泓信，以及近日获批即将新发的泓德智选启元等基金，都会应用AI策略进行选股。高度重视AI策略在公募产品投资方面的运用，不仅是基于此前长期在量化投资研究上面的积累，更在于泓德基金看到了国内公募量化投资的发展前景。

　　李子昂介绍，国内公募最早的量化投资应该是起步于指数基金，但那更多是一个量化范畴的被动投资，而如今公募基金在持续发展的更多是主动量化投资。“公募量化是整个主动量化的主战场，早在2014-2015年时已呈现出蓬勃发展态势。当时有一批从海外华尔街等机构回来的同仁，带回来了很多海外量化经验，包括BGI等海外知名投资机构。他们是国内最早一批用量化方法挖掘A股超额收益的基金经理。随后在这几年，国内公募开始把视野过渡到偏高频的量价信息上，再用深度学习的方法去提取这些信息。几年前，国内公募就有人用人工智能的方法去做信息提取。目前公募量化的发展，已走过了从0到1 阶段，处于从传统多因子模型向AI过渡过程。未来，会有越来越多的团队把AI当成一个手段和工具去武装自己，朝着从1到N趋势发展。作为这一大趋势的一份子，我认为量化投资是大有可为的。”

　　量化交易有助于提升市场有效性

　　除了基础理论和实践创新外，量化投资还会给资本市场带来其他“外部性”。一个很重要的方面，就是在量化交易持续增加背景下，市场有效性和超额收益机会的变化问题。作为量化投资的一份子，李子昂也给出了他的个人思考。

　　他对记者坦言，量化交易趋于活跃之后，会有助于提升市场的有效性。在有效性较低情况下，市场会存在不少定价错误的套利机会。随着量化投资越来越多，错误的定价机会就会越来越少，从而使得市场有效性不断提升。“只要有人比你能更好地识别到这个机会，他对收益的把握就会比你早。要解决这个问题，只能不断优化量化模型，让模型更敏锐地去识别市场上不易察觉的投资机会。”

　　在李子昂看来看，要提升量化超额收益能力，本质抓手还是在于X和F。首先，资本市场是个十分广袤丰富的场域，存在各类因子通过各种维度去描述市场。但只要新的因子能持续出现，获取超额收益的机会就会一直存在。其次，有了因子创新外，在当前技术背景下寻求到新的方法论，也依然存在不少空间。“今年年初人工智能、Chat GPT大火，本质上就是属于方法论(F)的提升。这个领域会出现越来越强的Alpha提取模型、人工智能模型、深度学习模型，甚至有更多神经网络模型。”所以，基于这两个维度的优化提升，量化投资捕捉超额收益的机会依然是很丰富的。

　　李子昂还提到另外两个量化投资优势。

　　一是国内国际视野下的公募量化优势。李子昂表示，目前国内的量化投资基本都是基于新一代技术而展开，国内量化群体的科研能力和工程能力在不断提升。就AI领域而言，中美目前是两大主要阵营，中国做得并不比美国差。“之前传统的多因子模型国外做得很成熟，海外机构挖掘出很多有效的因子，但发展到目前的非线性阶段。量化模型质量的提升就要靠科研能力和工程能力不断提升了。科研能力会随着技术的迭代逐渐进步，目前国内的技术迭代也很快。”

　　二是量化基金经理的边界优势。李子昂表示，量化基金经理的覆盖面本来就是全市场的，并没有对某个行业或赛道有过多偏好，也不存在某一类特定风格偏好，更专注于全市场超额收益挖掘。但这并不意味着量化基金经理会比较轻松，依然是要全身心投入、全力以赴的。“量化投资非常注重团队配合，不会把业绩归因到某个人身上。因为因子开发是团队协同的结果，虽然每个人都可能开发出很好的因子，每个人也都可能有很好的模型，但最终要以集体智慧呈现出来。因此，相较个人，量化团队整体对业绩的贡献程度可能更高一些，因为需要大量集体配合，去达到一个满意的效果。”

　　文章来源：券商中国